Ensemble precipitation forecasts made with Quantile Regression Forests and deterministic Harmonie-Arome inputs
Ensemble neerslagverwachtingen gemaakt met Quantile Regression Forests en deterministische Harmonie-Arome invoer

**Data Quality Warning:** Data released prior to 2025-07-10 is unreliable due to a configuration error. Please disregard affected data.



A gridded 51-member ensemble of precipitation forecasts that are created using a tree-based machine learning method, quantile regression forests (QRF), and inputs from the deterministic Harmonie-Arome (HA) Cy43 forecasts. The target data set is rain-gauge-adjusted radar data that is upscaled by taking 3x3 km means and then a rolling maximum is taken in a 9 x 9 km box. Inputs to the machine learning model include HA precipitation, and indices of atmospheric instability. Spatial and temporal dependencies are restored using the minimum divergence Schaake Shuffle (SSh). Hourly forecasts are issued 8 times per day (00, 03, 06, 09, 12, 15, 18 and 21 UTC) for 60-hours into the future.

**Datakwaliteit waarschuwing:** Data geproduceerd voor 2025-07-10 is niet betrouwbaar als gevolg van een configuratiefout. Betreffende data niet gebruiken.



Een gerasterd ensemble van 51 leden van neerslagverwachtingen die zijn gemaakt met behulp van een op beslisbomen gebaseerde machine learning-methode, quantile regression forests (QRF) en invoer van de deterministische Harmonie-Arome (HA) Cy43-verwachtingen. De doeldataset is voor regenmeter aangepaste radardata die wordt opgeschaald door middel van 3x3 km en vervolgens wordt het rollend maximum bepaald in een box van 9 x 9 km. Inputs voor het machine learning-model omvatten HA-neerslag en indices van atmosferische instabiliteit. Ruimtelijke en temporele afhankelijkheden worden hersteld met behulp van de minimum divergence Schaake Shuffle (SSh). Uurverwachtingen worden 8 keer per dag uitgegeven (00, 03, 06, 09, 12, 15, 18 en 21 UTC) gedurende 60 uur in de toekomst.

Simple

Datum (publicatie)
Date (Publication)
2025-04-15
Edition

1
Identifier
Citation identifier
urn:xkdc:ds:nl.knmi::QRF-RT-SSh/v2025/
Purpose
Purpose

Calibrated and skilful gridded ensemble forecasts of precipitation in the Netherlands

Gecalibreerde en kwalitatief goede ensembleverwachtingen van neerslag in Nederland
Status
Status
continu geactualiseerd
On going
Point of contact
Organisation name Individual name Electronic mail address Role

Koninklijk Nederlands Meteorologisch Instituut (KNMI)

Koninklijk Nederlands Meteorologisch Instituut (KNMI)
contactpunt
Point of contact
Herzieningsfrequentie
Maintenance and update frequency
continu
Continual

DG Discovery Properties Vocabulary 1.0

  • Weather forecast

    Weersverwachting

  • Precipitation

    Neerslag

  • Machine learning

    Machine learning

  • Quantile regression forests

    Quantile regression forests
Use limitation
Use limitation

pre-operational, so no guaranteed delivery yet

pre-operationeel, dus nog geen gegarandeerde levering
(Juridische) toegangsrestrictie
Access constraints
anders
Other restrictions
Other constraints
Veiligheidsrestricties
Classification
vrij toegankelijk
Unclassified
Ruimtelijk schema
Spatial representation type
grid
Grid
Afstand
Distance
3000  meters
Taal
Language
English
Karakterset
Character set
utf8
UTF8
Onderwerp
Topic category
  • klimatologie, meteorologie atmosfeer
    Climatology, meteorology, atmosphere
N
S
E
W
thumbnail




Begin date
2025-04-15
End date
9999-12-31
Supplemental Information
Supplemental Information

The Minimum Divergence version of the Schaake Shuffle ([Scheuerer et al., 2017]( https://doi.org/10.1002/2016WR020133)) is used for statistical ensemble member generation. The Quantile Regression Forest algorithm as described by [Taillardat et al., 2016]( https://doi.org/10.1175/MWR-D-15-0260.1)) is used as post-processing method.

De Minimum Divergence versie van de Schaake Shuffle ([Scheuerer et al., 2017]( https://doi.org/10.1002/2016WR020133)) wordt gebruikt voor het genereren statische ensemble members. De Quantile Regression Forest algortim zoals beschreven door [Taillardat et al., 2016]( https://doi.org/10.1175/MWR-D-15-0260.1)) wordt gebruikt als post-processing methode

Referentiesysteem identifier
Reference system identifier
http://www.opengis.net/def/crs/EPSG/0/4326
Distribution format
Name Version

NetCDF

4
Distributor contact
Organisation name Individual name Electronic mail address Role

Koninklijk Nederlands Meteorologisch Instituut (KNMI)

Koninklijk Nederlands Meteorologisch Instituut (KNMI)
contactpunt
Point of contact

Digitale leverings opties
Digital transfer options

OnLine resource
Protocol Linkage Name

landingpage

 		https://dataplatform.knmi.nl/catalog/datasets/index.html?x-dataset=QRF-RT-SSh&x-dataset-version=v2025

KNMI Data Platform
Niveau kwaliteitsbeschrijving
Hierarchy level
dataset
Dataset
Statement
Statement

Bi-linear interpolation from lambert to regular lat-lon

Bi-lineaire interpolatie van lambert velden naar lat-lon

Metadata

Metadata ID
File identifier
82ba10ab-f2e4-40c0-91b8-f21454618134 XML
Taal
Metadata language
English
Karakterset
Character set
utf8
UTF8
Hierarchisch niveau
Hierarchy level
dataset
Dataset
Metadata datum
Date stamp
2025-12-09T13:03:22.56468Z
Metadata standard name

ISO 19115
Metadata standard version

ISO 19115:2003 NL Kernset 1.3 KNMI 2.1.0
Metadata author
Organisation name Individual name Electronic mail address Role

Koninklijk Nederlands Meteorologisch Instituut (KNMI)

Koninklijk Nederlands Meteorologisch Instituut (KNMI)
contactpunt
Point of contact
Other language
Language Character encoding
Nederlands; Vlaams
Dutch; Flemish
Engels
English
utf8
UTF8
 
 

Overviews

Spatial extent

thumbnail

Keywords



Provided by

Share on social sites