De droogte van de afgelopen twee zomers had een grote invloed op de Rijn (foto Niko Wanders).

De gevolgen van droogte in het bovenstroomse gedeelte van de Rijn zijn tot twee maanden vooruit te voorspellen. Dat blijkt uit onderzoek van hydroloog Niko Wanders van de Universiteit Utrecht. Hij is een van de auteurs van een Europees onderzoek dat 30 oktober in Nature Communications is verschenen.

Met de droogte in 2018 en ook dit jaar weer in grote delen van Nederland nog vers in het geheugen, is er volgens Wanders een toenemende behoefte aan seizoenverwachtingen voor droogte. Die zijn nodig om vroegtijdig maatregelen te kunnen nemen om de gevolgen van droogte te beperken voor onder meer de natuur, landbouw en scheepvaart.

Denk aan het vroegtijdig bergen van water, zowel in het grondwater als het oppervlaktewater in de haarvaten van het watersysteem. Ook kunnen waterbeheerders volgens Wanders hierop inspelen door het instellen van beperkingen voor onttrekkingen. Of door zuiniger om te gaan met de aanwezige watervoorraden “Wanneer we in juni 2018 hadden geweten dat de zomer tot ver in het najaar zou duren, hadden waterschappen waarschijnlijk al eerder onttrekkingsverboden of beperkingen ingesteld. En ook gezorgd voor extra water in het systeem toen de Rijn nog redelijk veel water had”, zegt Wanders.

Historische data
In Europees onderzoek dat 30 oktober is gepubliceerd in Nature Communications laten onderzoekers van de universiteiten van Wageningen, Utrecht en Freiburg (Duitsland) zien dat het mogelijk is om de gevolgen van droogte op o.a. scheepvaart, openbare watervoorziening, waterkwaliteit en ecosystemen te voorspellen voor het bovenstroomse gedeelte van de Rijn. De keuze voor deze rivier is bewust gemaakt omdat er veel historische data over droogte beschikbaar is. “Om droogte te koppelen aan de gevolgen ervan zijn zolang mogelijke tijdseries nodig. Niet alleen van droogte in metereologische en hydrologische zin, maar ook van de gevolgen ervan.”

Europees onderzoek
De bevinding van Wanders dat droogte tot twee maanden vooruit te voorspellen is, vormde een belangrijke schakel in het Europese onderzoek. Voor een ander Europees onderzoek keek hij eerder naar de mogelijkheden om de rivierafvoeren vroegtijdig te voorspellen. Wanneer je de gevolgen van droogte wilt voorspellen, zul je immers ook moeten weten wanneer de droogte zal plaatsvinden. “De kennis die wij bij dat project hebben opgedaan, was de aanleiding om te kijken of we ook de gevolgen van droogte kunnen voorspellen. Daar hebben de mensen het meeste last van.”

Gevolgen droogte
Ook maakten de onderzoekers gebruik van een Europese database, de European Drought Impact Inventory (EDII), waarin duizenden gerapporteerde gevolgen van droogte voor verschillende sectoren over de afgelopen tientallen jaren zijn opgenomen. Denk aan mislukte oogsten, bosbranden, beperkingen voor het scheepvaartverkeer, problemen met de energievoorziening en het verlies van kwetsbare natuur.

Met machine learning-technieken zijn de gevolgen in een bepaalde maand in het verleden gekoppeld aan perioden van droogte uit het verleden. Vervolgens hebben de onderzoekers met deze gekoppelde gegevens en historische seizoenverwachtingen van droogte de gevolgen voor bepaalde sectoren en gebieden berekend voor elke maand in de periode 1990-2017. Die voorspellingen hebben ze vervolgens vergeleken met de waargenomen gevolgen. Hieruit bleek dat relevante verwachtingen over de gevolgen van droogte voor sommige sectoren twee tot vier maanden vooruit kunnen worden gegeven, en soms nog langer.

Beter voorbereiden
Het is volgens de onderzoekers belangrijk dat waterbeheerders en andere belanghebbenden bij het voorspellen van de gevolgen van droogte ervaring gaan opdoen met seizoenverwachtingen. Temeer omdat perioden van droogte in de toekomst waarschijnlijk frequenter zullen voorkomen in Nederland, zoals Niko Wanders en collega’s eerder al berekenden. De stap om daadwerkelijk de gevolgen van droogte te kunnen voorspellen, is volgens hen een missende schakel die zeer belangrijk kan zijn voor het Nederlands waterbeheer.