Het gebruik van de ECMWF seizoensverwachtingen voor het berekenen van de klimatologie van extreme waterstanden langs de Nederlandse kust

De gecombineerde seizoensverwachtingen van het ECMWF leveren een wereldwijde dataset van meteorologische gegevens op die voor de huidige SEAS5 versie resulteren in 7780 jaar. Deze verwachtingen zijn ge¨ınitialiseerd over de periode 1981-2018, en beschrijven dus het huidige klimaat.

De temporele en ruimtelijke resolutie van SEAS5 is suboptimaal voor de berekening van extreme waterstanden. Daarom zijn een 37-tal relevante stormen gedownscaled met het operationele weermodel HARMONIE, zodat uurlijkse uitvoer op een resolutie van 2,5km beschikbaar is. We hebben deze velden stapsgewijs teruggebracht naar de SEAS5 resoluties. Door alle varianten opnieuw door te rekenen met het waterstandsmodel DCSM5 is de invloed van de verschillende resoluties gekwantificeerd: de 35km resolutie van SEAS5 geeft een reductie van de opzet van 1,5%, de 6-uurlijkse invoer een reductie van 3,5%. Gebruik van DCSM6 (de opvolger van DCSM5 met een factor 5 hogere resolutie) geeft een toename van de opzet van 2,5%.

Hoewel er na bovengenoemde correcties een gemiddelde onderschatting van de observaties met 3,5% blijft, concluderen we dat de SEAS5 dataset een goed alternatief biedt voor de waarneemreeksen. De meerwaarde van de SEAS5 dataset is namelijk niet alleen gelegen in de 50-100 keer langere reeks dan de lengte van de waarnemingen, maar ook in de toepasbaarheid in de modellentrein om vanuit de meteorologische gegevens de ontwerpcriteria voor de dijken te bepalen. Daarnaast biedt de dataset relevante kennis over de meteorologische omstandigheden waaronder de maatgevende stormvloeden zich voordoen. Zo blijkt dat de maatgevende stormen in Harlingen groter en noordelijker gelegen zijn dan die van Hoek van Holland. Ook blijkt dat opeenvolgende depressies door interactie-verschijnselen aanzienlijk hogere opzetten kunnen genereren dan individuele depressies. Dit betekent dat kennis over de voorgeschiedenis van extreme depressies belangrijk is om de juiste waterstand te kunnen bepalen. Dit heeft ook implicaties voor het extrapoleren.