Extreme temperatuur in Nederland, 1906-2017

U bekijkt op dit moment een archiefversie van deze indicator. De actuele indicatorversie met recentere gegevens kunt u via deze link bekijken.

Temperaturen in Nederland vertonen een sterke toename over meer dan een eeuw. Dit geldt ook voor extreme temperaturen. Uit de analyse van een viertal indicatoren voor hoge temperaturen en een drietal indicatoren voor lage temperaturen is gebleken dat de trends in deze extremen in alle gevallen een statistisch significant stijgend, respectievelijk dalend patroon vertonen: de hitte in de zomer neemt toe, en koude-extremen in de winter nemen juist af.
De verandering in deze indicatoren vindt vooral plaats in de laatste vijf decennia, dus vanaf circa 1970. Uitzondering is het aantal vorstdagen dat gemiddeld over de periode 1907-2017 geleidelijk (lineair) afneemt. In alle gevallen vertonen temperatuur-extremen een oost-west gradiënt, dit door de invloed van de Noordzee.

De veranderingen zijn vooral sterk in de zomer. Zo is het aantal zomerse dagen opgelopen van gemiddeld 9 dagen in 1906 naar gemiddeld 22 dagen in 2017. Dat is een toename met een factor 2,3. De maximum temperatuur per jaar is toegenomen met 3,3 ºC. De langste aaneengesloten periode met zomerse dagen is toegenomen van 3,5 in 1906 naar 5,7 in 2016. Hoge temperaturen in de zomer kunnen gevolgen hebben voor de volksgezondheid.

Warmte extremen

Maximum temperatuur

De maximum temperatuur is gedefinieerd als het hoogst gemeten dagmaximum in een jaar. Deze indicator geeft de temperatuur van het warmste moment dat op een station gemeten is. We hebben de maximum temperatuur berekend voor alle vijf KNMI-hoofdstations en vervolgens per jaar gemiddeld om zo een landelijk gemiddelde waarde te krijgen. Deze waarden zijn gegeven in de eerste figuur over de meetperiode 1906-2017.

De figuur laat zien dat de maximum temperatuur sterk kan variëren van jaar op jaar. Zo was de laagste maximum temperatuur 26,4 ºC (in 1965) en de hoogste temperatuur 34,5 ºC (in 1990).

De geschatte trend in de jaarlijks gemiddelde maximum temperaturen vertoont temperaturen die opgelopen van 29,7 ºC in 1906 naar 33,0 ºC in 2017. De statistische analyse laat zien dat deze toename van 3,3 ºC in 112 jaar sterk significant is. Verder heeft de toename van 3,3 ºC geheel plaatsgevonden in de laatste 50 jaar. Over de periode 1906-1970 is de trend redelijk stabiel in de tijd.

De trends voor de individuele KNMI-hoofdstations wijken iets af van het landelijk gemiddelde. De hoogste trendwaarde voor 2017 vinden we voor station Maastricht/Beek, namelijk 35,1 ºC. De laagste waarde geeft station Vlissingen, namelijk 30,7 ºC. Dat geeft dus een ruimtelijk verschil in 2017 van bijna vijf graden. Voor de toename sinds 1906 vinden we ook aanmerkelijke verschillen. De sterkste en geringste toename vinden we voor dezelfde stations: Maastricht/Beek geeft een toename 4,0 ºC en station Vlissingen een toename van 2,3 ºC. Voor beide stations vindt deze toename plaats over de laatste 30 jaar.

Zomerse dagen

Een zomerse dag is gedefinieerd als een dag met een maximum temperatuur van 25 ºC of hoger. Per KNMI-hoofdstation is het aantal zomerse dagen per jaar berekend en vervolgens gemiddeld over de vijf hoofdstations. De gemiddelde reeks met zomerse dagen is weergegeven in de tweede figuur. De figuur laat zien dat het aantal zomerse dagen per jaar sterk varieert over de hele meetperiode 1906-2017. Zo was het kleinst aantal zomerse dagen 3,2 (in 1956) en het hoogste aantal dagen 41,6 (in 1947).

De geschatte trend in het aantal zomerse dagen is opgelopen van 9,1 dagen in 1906 naar 21,2 dagen in 2017. Statistische analyse laat zien dat deze toename met een factor 2,3 in 112 jaar significant is. Ook deze toename vindt vooral plaats in de laatste 50 jaar van de reeks.

De trendwaarden van de individuele hoofdstations vertonen een duidelijke oost-west gradiënt. Het hoogste aantal zomerse dagen voor 2017 zien we voor station Maastricht/Beek: een 2017-trendwaarde van 35 dagen. Het laagste aantal zien we voor Den Helder/De Kooy: een trendwaarde van 10 dagen. Een ruimtelijk verschil dus van 25 dagen. Voor de toename sinds 1906 vinden we ook aanmerkelijke verschillen. De sterkste en geringste toename vinden we voor dezelfde stations: Maastricht/Beek vertoont een toename met een factor 1,9 en Den Helder/De Kooy een toename met een factor 4,1.

Aaneengesloten perioden met zomerse dagen

De trend in de lengte van de maximum aaneengesloten periode met zomerse dagen is opgelopen van 3,5 dagen in 1906 naar 5,7 dagen in 2016. Ook deze toename is statistisch significant, ondanks de sterke jaar-op-jaar variabiliteit in de lengte van warme perioden. Zo duurde de gemiddeld kortste periode 1 dag in 1965 en de langste periode 12,6 dagen in 1976. De figuur laat zien dat net als bij de vorige twee indicatoren de toename plaatsvindt in de laatste 50 jaar van de reeks.

Aantal tropische nachten

Een tropische nacht is in Nederland een nacht waarvoor de minimum temperatuur 20 ºC of hoger is. Nachtelijke hitte speelt een belangrijk rol bij het wel of niet draaglijk zijn van warme perioden voor kwetsbare groepen. Omdat jaren met één of meer tropische nachten zeldzaam zijn geven we hier een kwalitatieve beschrijving.

We hebben voor de vijf hoofdstations het aantal nachten per jaar berekend. Voor station De Bilt is dat vijf maal voorgekomen: één maal in de periode 1906-1970 en viermaal in de periode 1971-2017. Station Groningen/Eelde telt geen enkele nacht met zulke hoge temperaturen terwijl station Vlissingen juist een hoog aantal telt: 8 nachten in de periode 1906-1970 en 27 nachten in de periode 1971-2017. Station Den Helder vertoont een minder sterke toename namelijk 11 tropische nachten voor de periode 1906-1970 en 17 tropische nachten daarna. Station Maastricht tenslotte had 5 tropische nachten voor de periode 1906-1970 en 14 daarna.

Afgezien van stations Groningen is dus het aantal tropische nachten in de loop van afgelopen eeuw sterk tot zeer sterk toegenomen.

Koude extremen

Minimum temperatuur

De minimum temperatuur is gedefinieerd als het laagst gemeten dagminimum in een jaar en geeft dus de temperatuur van het koudste moment dat op een station gemeten is. De minimum temperatuur is berekend voor alle vijf KNMI-hoofdstations en vervolgens per jaar gemiddeld om zo een landelijk gemiddelde waarde te krijgen. De minimum waarden zijn steeds berekend over het winterhalfjaar - de maanden november tot en met april - waarbij de gevonden minimum temperatuur is toegekend aan het jaar waarin de maanden januari tot en met april vallen. De gemiddelde waarden zijn gegeven in de eerste figuur over de meetperiode 1907-2017.
De figuur laat zien dat minimum temperaturen zeer sterk variëren van jaar op jaar. Zo was de laagste minimum temperatuur -20,4 ºC (in 1956) en de hoogste temperatuur -2,7 ºC (in 2014).

De trend in de jaarlijks gemiddelde minimum temperatuur is opgelopen van -10,2 ºC in 1907 naar
-7,4 ºC in 2017. De statistische analyse laat zien dat deze toename van 2,8 ºC in 111 jaar significant is, ondanks de zeer sterke jaar-op-jaar variabiliteit. Verder laat de trend zien dat de toename van 2,8 ºC geheel heeft plaatsgevonden in de laatste 50 jaar. Over de periode 1906-1970 is de trend redelijk stabiel in de tijd. Dit patroon is dus gelijk aan dat voor extreem hoge temperaturen waar de opwarming ook steeds plaats vindt in de laatste 50 jaar.

Ook voor deze indicator variëren de trends voor de individuele KNMI-hoofdstations sterk per station. De laagste trendwaarde voor 2017 vinden we voor station Groningen/Eelde, namelijk -9,7 ºC. De hoogste waarde geeft station Vlissingen, namelijk +3,4 ºC. Dat geeft dus een ruimtelijk verschil van 13 graden. Voor de trendmatige toename sinds 1907 vinden we ook aanmerkelijke verschillen. De kleinste toename vinden we voor station Groningen/Eelde, namelijk 1,8 ºC. De grootste toename vinden we voor de stations Vlissingen en Maastricht/Beek, namelijk een toename van 3,5 ºC. Voor alle individuele hoofdstations vindt de opwarming plaats over de laatste 50 jaar van de meetreeks, net als voor de indicatoren voor hitte.

Aantal vorstdagen

Een vorstdag is gedefinieerd als een dag met een minimum temperatuur van 0,0 ºC of lager. Per KNMI-hoofdstation is aantal vorstdagen per winter-halfjaar berekend en daarna gemiddeld over de vijf hoofdstations.

De figuur laat zien dat het aantal vorstdagen per jaar sterk varieert over de hele meetperiode 1907-2017. Zo was het kleinst aantal vorstdagen 14,8 (in 2007) en het hoogste aantal dagen 105,4 (in 1929). Deze laatste winter was zo extreem dat de grote rivieren grotendeels bevroren waren en men de Zuiderzee over kon steken van Enkhuizen naar Urk.

De geschatte trend in het aantal vorstdagen is afgenomen van 67 dagen in 1907 naar 40 dagen in 2017. De statistische analyse laat zien dat deze afname met een factor 0,60 in 111 jaar sterk significant is. Verder vindt de afname in de trend geleidelijk plaats over de hele meetreeks.

Hetzelfde patroon wordt ook gevonden voor de individuele hoofdstations. Er zijn wel grote ruimtelijke verschillen. Het laagst aantal vorstdagen voor 2017 zien we voor station Vlissingen: een 2017- trendwaarde van 12 dagen. Het hoogste aantal zien we voor Groningen/Eelde: een 2017-trendwaarde van 58 dagen.

Aantal ijsdagen

Een ijsdag is gedefinieerd als een dag waarbij de temperatuur het gehele etmaal niet boven de 0,0 ºC komt. Per KNMI-hoofdstation is aantal ijsdagen per winter-halfjaar berekend en daarna gemiddeld over de vijf hoofdstations.

De figuur laat zien dat het aantal ijsdagen per jaar sterk varieert over de hele meetperiode 1907-2017. Zo waren er twee jaren zonder ijsdagen (in 1975 en 2000). Het hoogste aantal dagen zien we in de jaren 1947 (51 dagen) en in 1963 (49 dagen). In beide winters werd een Elfstedentocht verreden.

De geschatte trend in het aantal ijsdagen is afgenomen van 8,3 dagen in 1907 naar 2,9 dagen in 2017. De statistische analyse laat zien dat deze afname met een factor 0,35 in 111 jaar sterk significant is. Verder vindt de afname in de trend plaats over de tweede helft van de meetreeks.

Bronnen

Relevante informatie

Technische toelichting

Naam van het gegeven
Temperatuurextremen in Nederland
Omschrijving
-
Verantwoordelijk instituut
Planbureau voor de Leefomgeving (PBL), data van KNMI. Auteurs: Hans Visser en Jelle van Minnen
Berekeningswijze
De temperatuurreeksen voor alle indicatoren zijn gebaseerd op dagelijkse temperatuurmetingen van het KNMI voor vijf gehomogeniseerde temperatuurstations vanaf 1906. Deze stations zijn De Bilt, De Kooy (reeks begonnen in Den Helder), Eelde (reeks begonnen in Groningen), Vlissingen en Beek (reeks begonnen in Maastricht). Het homogenisatieproces is beschreven in Brandsma (2016a,b). Per dag is gegeven het daggemiddelde TG, het dagminimum TN en het dagmaximum TX.Uit de dagminima en dagmaxima zijn de besproken indicatoren berekend. Het warmste moment in een jaar is het maximum van alle dagmaxima in een jaar en wordt in de literatuur aangeduid met TXX. Evenzo wordt het koudste moment in een jaar aangeduid met TNN. Het aantal zomerse dagen en de langste aaneengesloten periode met zomerse dagen worden aangeduid met SU25 en CSU25, respectievelijk. Vorstdagen (FD0) zijn dagen met een minimum temperatuur van 0.0 ºC of lager en ijsdagen (ID) zijn dagen met een maximumtemperatuur van 0.0 ºC of lager.Voor een beschrijving van extremen en hun impacts verwijzen we naar Otten et al. (2001) en Buisman (2011).De dagreeksen en extremen zijn berekend en gedownload van de KNMI Climate Exporer website. Voor de koude-indicatoren zijn de extremen berekend over het winter-halfjaar waarbij de gevonden extreem toegekend is aan het jaar waarin de maanden januari tot en met april vallen. Het koudste moment van 2017 valt dus in de periode november 2016 tot en met april 2017. Voor definities van indicatoren voor extreme temperaturen verwijzen we naar Zhang et al. (2011, tabel 1). Voor de analyse van ruimtelijke patronen over Nederland verwijzen we hoofdstuk 2 in de Bosatlas van het Klimaat (2011). Het hier toegepaste trendmodel is het zogenaamde Integrated Random Walk (IRW) trendmodel. Dit model heeft als voordeel dat trendwaarden tussen verschillende jaren statistisch getoetst kunnen worden op significantie. Zie voor meer informatie: Visser (2004), Visser en Petersen (2012), en Visser et al. (2015, 2018). Opgemerkt zij dat trends in datasets die extreme waarden bevatten, vaak geschat worden met trendmethodes uit de extreme-waarden-theorie (Visser en Petersen, 2012). Een voorbeeld is het schatten van Generalized Extreme Value (GEV) verdelingen rond een trend. Zie bijvoorbeeld Oldenborgh et al. (2017) en de website van World Weather Attribution voor een analyse van de hittegolf in juni 2017 in Europa: https://wwa.climatecentral.org/analyses/europe-heat-june-2017/Voor de reeksen die hier behandeld zijn, geven IRW-trends - in combinatie met een logaritmische transformatie vooraf - een goede fit waarbij de residuen in goede benadering een normale verdeling volgen. Het voordeel van de hier gekozen benadering is dat onzekerheidsinformatie beschikbaar is voor trendwaarden in een willekeurig jaar en ook voor trendverschillen over de jaren. Zie ook Visser (2007) die deze methode toepaste op TXX-waarden voor Nederland over de periode 1950-2006.De logaritmische transformatie is toegepast voor de variabelen SU25, CSU25, FD0 en ID. Omdat waarden voor de variabele TNN scheef verdeeld zijn naar zeer lage temperaturen toe, zijn TNN-waarden getransformeerd met de transformatie zt = log(-yt). Na transformatie voldoen de residuen van het IRW-trendmodel aan de voorwaarden van onafhankelijkheid en een normale kansverdeling. Tot slot merken we op dat de data en trends zoals hier getoond, afwijken van die getoond in publicaties van voor 2016, tenminste wat betreft data vóór 1950. Het homogenisatieproces van de vijf hoofdstations heeft vooral grote gevolgen gehad voor extreem hoge temperaturen (voor de variabele TXX en in iets mindere mate voor CSU25). Met name voor station De Bilt waren de extreme waarden over de periode 1901-1950 te hoog doordat de toen gebruikte open pagode-meethut te veel opgewarmd werd door reflecties van de omliggende bodem. Zo geven de tabel met hittegolven op pagina 21 en figuur B op pagina 24 in de Bosatlas van het Klimaat een verkeerd beeld van het verloop in de tijd vóór 1950.
Basistabel
http://climexp.knmi.nl/ , onder 'daily climate indices'
Geografische verdeling
Totaal Nederland
Verschijningsfrequentie
Eens per 3 jaar
Achtergrondliteratuur
Buisman, J. (2011). Extreem weer! Een canon van weergaloze winters en zinderende zomers, hagel en hozen, stormen en watersnoden. Uitgeverij Van Wijnen, Franeker.Oldenborgh, G.J. van, S. Philip, S. Kew, M. van Weele, P. Uhe, F. Otto, R. Singh, I. Pai and K. AchutaRao (2017). Extreme heat in India and anthropogenic climate change. Natural Hazards Earth System Science, doi:10.5194/nhess-2017-107.Otten, H., J. Kuiper en T. van der Spek (2000). Weer een eeuw. Het weer in Nederland van 1900 tot 2000. Tirion Uitgevers B.V., Baarn.Visser, H. (2007). Kans op extreem warme dagen in Nederland. MNP-rapport 550032010Visser, H., S. Dangendorf and A.C. Petersen (2015). A review of trend models applied to sea level data with reference to the "acceleration-deceleration debate". Journal of Geophysical Research: Oceans, 120, 3873-3895.Visser, H., S. Dangendorf, D.P. van Vuuren, B. Bregman and A.C. Petersen (2018). Signal detection in global mean temperatures after "Paris": an uncertainty and sensitivity analysis. Climate of the Past, 14, 139-155.Zhang, X., Alexander, L., et al. (2011). Indices for monitoring changes in extremes based on daily temperature and precipitation data. WIREs Climate Change, doi:10.1002/wcc.147.
Betrouwbaarheidscodering
Schatting gebaseerd op een groot aantal (zeer accurate) metingen, waarbij representa-tiviteit van de gegevens vrijwel volledig is.

Archief van deze indicator

Actuele versie
versie‎
03
Bekijk meer Bekijk minder

Referentie van deze webpagina

CLO (2018). Extreme temperatuur in Nederland, 1906-2017 (indicator 0589, versie 01, ), www.clo.nl. Centraal Bureau voor de Statistiek (CBS), Den Haag; PBL Planbureau voor de Leefomgeving, Den Haag; RIVM Rijksinstituut voor Volksgezondheid en Milieu, Bilthoven; en Wageningen University and Research, Wageningen.