Temperatuurextremen in Nederland, 1906-2022

Temperaturen in Nederland hebben de afgelopen eeuw een sterke toename laten zien. 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 trendmatige verandering in deze indicatoren vindt vooral plaats in de laatste vijf decennia, dus vanaf circa 1970.


Warmte- en koude-extremen

Temperaturen in Nederland hebben de afgelopen eeuw een sterke toename laten zien. Dit geldt ook voor extreme temperaturen. Zo braken in absolute zin warmte-extremen in juli 2019 alle records sinds het begin van de metingen in 1906. Op veel plaatsen liepen maximum temperaturen op tot boven de 40 graden Celsius, een tot dan toe onmogelijk geachte waarde voor Nederland. Zie eerste figuur. Extreem hoge temperaturen in de zomer kunnen onder andere leiden tot verhoogde sterftecijfers.

Hierna beschrijven wij de ontwikkeling van warmte- en koude-extremen aan hand van vier indicatoren die karakteristiek zijn voor extreme warmte, en drie indicatoren voor extreme koude. We laten een landelijke trend van de extremen zien, waarbij bij de berekening steeds gebruik is gemaakt van de vijf KNMI-hoofdstations. Dat zijn Den Helder (later vliegveld De Kooy), Groningen (later vliegveld Eelde), De Bilt, Vlissingen en Maastricht (later vliegveld Beek). Voor deze stations zijn dagminima, dagmaxima en daggemiddeldes beschikbaar vanaf 1906. Deze reeksen zijn recentelijk door het KNMI gehomogeniseerd, dat wil zeggen gecorrigeerd voor verplaatsingen of veranderingen in meethut-type. Details per station zijn gegeven in de Technisch toelichting.

Voor een ruimtelijke verloop van temperatuurextremen over Nederland verwijzen we naar de Bosatlas van Weer en Klimaat (2021, pagina's 50-51). De atlas laat zien dat extremen in de zomer een gradiënt hebben van zuid-oost naar noord-west, met hoogste waarden in Limburg. Extremen in de winter hebben een oost-west gradiënt met hoogste waarden in Overijssel.

Voor andere indicatoren dan hier gekozen verwijzen we naar de KNMI-site Het weer in Nederland in 2022 - gemiddelden en trends.

Maximum temperatuur stijgt sterk

De maximum temperatuur per jaar is gedefinieerd als het gemiddelde van de maximum temperaturen zoals gemeten op elk van de vijf hoofdstations van het KNMI. Daarbij staat zo'n maximum per station gelijk aan de hoogst gemeten temperatuur in een jaar of anders gezegd het warmste moment dat op een station gemeten is. De maxima per jaar zijn gegeven in de tweede figuur over de meetperiode 1906-2022.

De figuur laat zien dat de maximum temperatuur - gemiddeld over de vijf hoofdstations -sterk kan variëren van jaar op jaar. Zo was de laagste maximum temperatuur 26,4 ºC (in 1965) en de hoogste temperatuur 37,2 ºC in 2019, direct gevolgd door 36,1 ºC in 2022.

De geschatte trend in de jaarlijks gemiddelde maximum temperaturen vertoont temperaturen die opgelopen van gemiddeld 29,8 ºC in 1906 naar gemiddeld 34,1 ºC in 2022. De statistische analyse laat zien dat deze toename in 117 jaar sterk significant is, namelijk van 4,3 ± 1,6 ºC (95% betrouwbaarheidsinterval). Verder heeft de toename van 4,2 ºC geheel plaatsgevonden in de laatste 50 jaar. Over de periode 1906-1970 is de trend redelijk stabiel in de tijd.

Aantal zomerse dagen neemt toe

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 derde figuur.

De figuur laat zien dat er een trendmatige toename is van 9 dagen in 1906 naar 25 dagen in 2022. Dat is bijna een verdrievoudiging in 117 jaar. Ook deze toename vindt vooral plaats in de laatste 50 jaar van de reeks. Hierbij wel de opmerking dat het aantal zomerse dagen per jaar sterk varieert over de hele meetperiode. Zo was het kleinst aantal zomerse dagen 3 in 1956 en het hoogste aantal dagen 47 in 2018, gevolgd door 36 dagen in 2022.

Ook maximum lengte van periodes met zomerse dagen neemt toe

Een maat voor de duur van hoge temperaturen is de lengte van een periode waarin het elke dag 25 graden of warmer wordt. Voor elk hoofdstation hebben we per jaar de maximale lengte berekend van zo'n periode met aaneensluitende zomerse dagen, en vervolgens gemiddeld over de vijf hoofdstations om een landelijk cijfer te krijgen. Zie vierde figuur.

De trend in de lengte van de maximum aaneengesloten periode met zomerse dagen is opgelopen van 4 dagen in 1906 naar 7 dagen in 2022. Deze toename met bijna een factor twee is statistisch significant ondanks de sterke jaar-op-jaar variabiliteit in de lengte van warme perioden (exacte factor is 1,9 met een ondergrens van 1,3 en een bovengrens van 2,7). Zo duurde de gemiddeld kortste periode 1 dag in 1965 en de langste periode 15 dagen in 2018. De figuur laat zien dat -- net als bij de vorige twee indicatoren - de toename plaatsvindt in de laatste 50 jaar van de reeks.

We merken op dat het vóorkomen van een warmte-periode vaak uitgedrukt wordt met de term 'hittegolf'. Een hittegolf is in Nederland gedefinieerd als een periode van minstens vijf zomerse dagen waarvan er drie of meer een maximum hebben van 30 graden Celsius of meer (gebaseerd op station De Bilt). Deze KNMI-site laat zien dat de lengte van een hittegolf sterk kan variëren: van 5 dagen tot 18 dagen.

Aantal tropische nachten neemt toe

Een tropische nacht is in Nederland een nacht waarvoor de minimum temperatuur boven de 20 ºC uitkomt. Over de periode 1906-2000 komen tropische nachten zelden voor. Voor station Eelde geen enkel maal en voor station De Bilt slechts eenmaal. Na 2000 komen zulke nachten tweemaal voor in Eelde en achtmaal in De Bilt. Het hoogste aantal tropische nachten vond plaats bij station Vlissingen: 17 maal in de periode 1906-2000 en 35-maal daarna. De zomer van 2020 had de meeste tropische nachten, namelijk 7.

Het aantal tropische nachten gemiddeld voor de 5 hoofdstations is weergegeven in de vijfde figuur. De hoogste gemiddelde waarde vond plaats in 2020 met 3,4 dagen. Geconcludeerd kan worden dat het aantal tropische nachten op de vijf KNMI-hoofdstations sterk is toegenomen, van een zeldzaam fenomeen tot het jaar 2000, naar regelmatig voorkomend daarna.

Minimum temperatuur

De minimum temperatuur voor een station is gedefinieerd als het laagst gemeten dag-minimum over een heel jaar, en geeft dus de temperatuur van het koudste moment dat op een station gemeten is. De minimum temperatuur voor Nederland 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 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 1907-2022.

De figuur laat zien dat de trend in de jaarlijks gemiddelde minimum temperatuur is opgelopen van gemiddeld -10,2 ºC in 1907 naar gemiddeld -6,5 ºC in 2022. Hierbij wederom de opmerking 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), direct gevolgd door de warme winter van 2020 met -3,2 °C. De statistische analyse laat zien dat de trendmatige toename van 3,7 ºC in 116 jaar significant is, ondanks de zeer sterke jaar-op-jaar variabiliteit. Verder laat de trend zien dat de toename van 3,7 ºC geheel heeft plaatsgevonden in de laatste 50 jaar. Over de periode 1907-1970 is de trend redelijk stabiel in de tijd. Dit patroon is dus gelijk aan dat voor extreem hoge temperaturen waar de opwarming ook plaats vindt in de laatste 50 jaar.

Aantal vorstdagen neemt af

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

De geschatte trend in het aantal vorstdagen is afgenomen van 65 dagen in 1907 naar 36 dagen in 2022. De statistische analyse laat zien dat deze afname met een factor 0,6 in 116 jaar sterk significant is. Verder vindt de afname in de trend geleidelijk plaats tot circa 1970 en vertoont daarna een lichte versnelling.

De figuur laat zien dat het aantal vorstdagen per jaar sterk varieert over de hele meetperiode 1907-2022. Zo was het laagst aantal vorstdagen 15 (in 2007) en het hoogste aantal dagen 105 (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.

Aantal ijsdagen neemt sterk af

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

De figuur laat zien dat een geschatte trend in het aantal ijsdagen is afgenomen van 8 dagen in 1907 naar 2 dagen in 2022. De statistische analyse laat zien dat deze afname met een factor vier in 116 jaar sterk significant is. Wel blijven er uitschieters naar hogere waarden mogelijk in het aantal ijsdagen, dit door de grote jaar-op-jaar variabiliteit. De afname in de trend vindt plaats over de tweede helft van de meetreeks.

Ook het aantal ijsdagen per jaar sterk varieert sterk over de hele meetperiode 1907-2022. Zo waren er drie jaren zonder ijsdagen, namelijk in 1975, 2000 en 2020. Het hoogste aantal dagen zien we in de jaren 1947 (51 dagen) en in 1963 (49 dagen). In beide winters werd een Elfstedentocht verreden.

Extremen verschillend verdeeld over stad en platteland

Extreme temperaturen hebben een ruimtelijke component, vooral onder invloed van de Noordzee. Zie de Bosatlas voor Weer en Klimaat (2021), voor zomers op pag. 50 en winters op pag. 51. Daarnaast zijn er belangrijke temperatuurverschillen tussen steden en het platteland: steden zijn meestal warmer en vormen daardoor een 'warmte-eiland' in het landschap (het zogenaamde Urban Heat Island effect). Temperaturen met waarden rond de 40 graden zoals optraden in 2019, kunnen in steden dus nog hoger uitvallen. Voor details zie KNMI - meer tropische nachten in steden.

Extremen, klimaatverandering en gevolgen

De belangrijkste reden voor de stijging van temperaturen op mondiale schaal en ook in Nederland is zeer waarschijnlijk het door de mens veroorzaakte versterkte broeikaseffect. Dit versterkte broeikaseffect is een gevolg van de uitstoot van broeikasgassen in de atmosfeer (IPCC, 2021 en 2023). Zie verder de volgende CLO-indicator: Temperatuur in Nederland en mondiaal.

Voor de relatie tussen temperatuurextremen, klimaatverandering en gevolgen verwijzen we naar IPCC(2018) en IPCC (2021, hoofdstuk 3). Recentelijk zijn een aantal studies verschenen die een directe relatie leggen tussen individuele extreme gebeurtenissen en klimaatveranderingen. We noemen de analyse van de hittegolf in 2018 in Europa (Leach et al., 2020), de hittegolf in juli 2019 in West Europa (Vautard et al., 2019). Meer studies zijn gegeven op de website van World Weather Attribution. Een directe koppeling van klimaatextremen kan ook ingewikkeld zijn zoals besproken in Oldenborgh et. al (2019, 2022).

De gevolgen van extreem hoge temperaturen in Nederland in de zomer zijn divers, zeker ook in combinatie met droogte. De relatie met sterfte in Nederland tijdens hittegolven zoals die in de jaren 2003, 2006, 2018 en 2019, is onderzocht door het CBS. We verwijzen naar Huynen et al. (2001), Garssen et al. (2005) en Harmsen (2019). Om sterfte te verminderen, vooral onder kwetsbare groepen, heeft het RIVM een hitteplan ontwikkeld, zie daarvoor de RIVM-website.

Bronnen

  • Bosatlas van Weer en Klimaat (2021). Noordhoff Uitgevers bv en KNMI.
  • Brandsma, T. (2016a). Homogenization of daily temperature data of the five principal stations in the Netherlands. KNMI Technical Report TR-356.
  • Brandsma, T. (2016b). Homogenisatie van dagelijkse temperaturen van de KNMI hoofdstations. Meteorologica 2, 4-8.
  • Garssen, M.J., C. Harmsen and J. de Beer (2005). The effect of the summer 2003 heat wave on mortality in the Netherlands. Eurosurveillance.
  • Harmsen, C., 2019. Onderzoek hitte-gerelateerde sterfte. CBS-rapport 305657.
  • Huynen M.M.T.E., P. Martens, D. Schram, M.P. Weijenberg and A.E. Kunst (2001). The impact of heat waves and cold spells on mortality rates in de Dutch population. Environmental Health Perspectives 109, 463-470.
  • IPCC (2021). Human influence on the climate system. Eds: V. Eyring and P. Gillett. Chapters 2 and 3.
  • IPCC (2023). Summary for Policymakers (A.2.1). AR6 Synthesis report. Zie deze website.
  • Leach, N.J., S. Sihan, S. Sparrow, G.J. van Oldenborgh, F.C. Lott, A. Weisheimer and M.R. Allen (2020). Anthropogenic influence on the 2018 summer warm spell in Europe: the impact of different spatio-temporal scales. BAMS, special supplement on extreme events of 2018 from a climate perspective, January 2020.
  • Oldenborgh, G.J., E. Mitchell-Larson, G.A. Vecchi, H. de Vries, R. Vautard and F. Otto (2019). Cold waves are getting milder in the northern midlatitudes. Environmental Research Letters, 14, 114004.
  • Oldenborgh, G.J., M.F. Wehner, et al. (2022). Attributing and projecting heatwaves is hard: we can do better. Earth's Future, doi 10.1029/2021EF002271.
  • Vautard, R., O. Boucher, G.J. van Oldenborgh, F. Otto, K. Haustein, M.M. Vogel, S.I. Seneviratne, J-M Soubeyroux, M. Schneider, A. Drouin, A. Ribes, F. Kreienkamp, P. Stott and M. van Aalst (2019). Human contribution to the record-breaking July 2019 heat wave in Western Europe. World Weather Attribution website.
  • Visser, H. en A.C. Petersen (2012). Inferences on weather extremes and weather-related disasters: a review of statistical methods. Climate of the Past, 8, 1-22.

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 Nederland zijn gebaseerd op dagelijkse temperatuurmetingen van het KNMI voor vijf gehomogeniseerde temperatuurstations vanaf 1907. Deze stations zijn De Bilt, De Kooy (reeks begonnen in Den Helder tot 1972), Eelde (reeks begonnen in Groningen tot 1951), Vlissingen en Beek (reeks begonnen in Maastricht tot 1951). Het homogenisatie-proces is beschreven in Brandsma (2016a,b). Per dag is gegeven het daggemiddelde TG, het dagminimum TN en het dagmaximum TX. Alle indicatoren zijn hieruit berekend en gedownload vanaf de KNMI-website 'Climate Explorer'. We merken op dat de homogenisatie van de vijf hoofdstations - uitgevoerd door het KNMI in 2016 - aangevochten is wat betreft de correcties voor station De Bilt rond 1950, toen een zogenaamde pagode-hut werd vervangen door een Stephenson-hut met iets andere ventilatie-karakteristieken, naast een kleine verplaatsing van de hut op het meetveld van het KNMI (Dijkstra et al, 2019). Hierop is overtuigend gereageerd door het KNMI (Brandsma, 2019).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 minimumtemperatuur van minder dan 0.0 ºC en ijsdagen (ID0) zijn dagen met een maximumtemperatuur van minder dan 0.0 ºC.De waarden van alle hier behandelde indicatoren kunnen voor de individuele hoofdstations gedownload worden vanaf de KNMI Climate Explorer website (kies in het hoofdscherm 'Daily station data' en kies vervolgens onderin het nieuwe scherm 'minimum temperature' of 'maximum temperature'). De Bosatlas voor Weer en Klimaat geeft een gedetailleerde ruimtelijke verdeling van de hier behandelde indicatoren, zie pags. 50 tot en met 53.Voor een beschrijving van historische extremen en hun maatschappelijke consequenties verwijzen we naar Otten et al. (2001) en Buisman (2011).Voor de koude-indicatoren zijn de extremen steeds 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). Andere indicatoren voor temperatuur-extremen, zoals het aantal tropische dagen per jaar, worden besproken in de Bosatlas voor Weer en Klimaat (2021). Zie pags.50-53.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 (WWA).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 (2004) voor details.De logaritmische transformatie is toegepast voor de variabelen SU25, CSU25, FD0 en ID0. 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. Het KNMI gebruikt het zogenaamde LOESS-trendmodel om trends te schatten in langjarige meetreeksen. Zie: KNMI - Klimaatdashboard . Deze LOESS-trend is zo gekozen dat de flexibiliteit ervan overeenkomt met glijdend middelen over 30 jaar. De hier getoonde IRW-trends zijn qua patroon vergeleken met deze LOESS-trends. Verschillen zijn gering.
Basistabel
https://climexp.knmi.nl/, onder 'daily climate indices'
Geografische verdeling
Totaal Nederland
Verschijningsfrequentie
Eens per jaar
Achtergrondliteratuur
Brandsma, T. (2019). Pagodemetingen in De Bilt. Meteorologica 1, 12-16.Buisman, J. (2011). Extreem weer! Een canon van weergaloze winters en zinderende zomers, hagel en hozen, stormen en watersnoden. Uitgeverij Van Wijnen, Franeker.Dijkstra, F., J. Ruis, R. de Vos en M. Crok (2019). Het raadsel van de verdwenen hittegolven. Rapport Stichting Clintel.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. (2004). Estimation and detection of flexible trends. Atmospheric Environment, 38, 4135-4145.Visser, 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

CBS, PBL, RIVM, WUR (2024). Temperatuurextremen in Nederland, 1906-2022 (indicator 0589, versie 03,

) 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.