“We kunnen de kans op een overstroming beter voorspellen”

Tekst Esther Rasenberg

In het kader van de promotie werd gistermiddag in Delft het seminar ‘Predictive Uncertainty’ over het voorspellen van onzekerheid gehouden. Op het programma stonden gerenommeerde gasten die hun ervaringen deelden met het realtime voorspellen van afvoeren en waterstanden. Zo ging Kristie Franz van de Universiteit van Iowa dieper in op voorspellingen op basis van het toepassen van remote sensing data en Marie-Amelie Boucher van de universiteit van Québec vertelde over hydrologische voorspellingen ten behoeve van waterkrachtcentrales. Hannah Cloke uit Reading vertelde over de overstromingen in Engeland en Wales, vorige winter, en hoe kansverwachtingen daar gebruikt zijn voor het nemen van besluiten. Het seminar onderstreepte het belang van het schatten en minimaliseren van onzekerheid en plaatste de studie van Jan Verkade in het juiste perspectief.

Het voorspellen van een overstroming is net als het voorspellen van het weer lastig. Hoe denkt u de onzekerheid in de toekomst te kunnen verkleinen? 
“In mijn onderzoek heb ik gebruik gemaakt van het bewerken van meteorologische en hydrologische voorspellingen met behulp van statistiek. Ik heb drie aspecten onderzocht waarmee de onzekerheid van een voorspelling beter in kaart kan worden gebracht en kan worden verkleind.”

Kunt u kort toelichten wat u precies heeft onderzocht?
“Door de meteorologische en hydrologische verwachtingen te toetsen aan historische metingen kan een betere voorspelling worden gemaakt. Die toetsing doen we op basis van statistische technieken. Die statistiek weet echter niets van hydrologie. Je moet dan ook goed oppassen dat de statistiek geen fysisch onmogelijke resultaten geeft. En als dat tóch gebeurt, moet je daarvoor corrigeren. Daarvoor zijn aanvullende technieken onderzocht. Ten slotte hebben we meerdere weersverwachtingen gecombineerd met statistische technieken die iets zeggen over de onzekerheid van je hydrologische modellering. Die combinatie zorgt ervoor dat je onzekerheid uit álle bronnen meeneemt. De kwaliteit van die verwachtingen was veel groter dan wanneer je alléén weersverwachtingen doorrekent. Uit mijn onderzoek blijkt dat er ruimte is voor verbetering en in mijn proefschrift geef ik aanbevelingen voor verder onderzoek. Die gaan deels over de gebruikte statistische technieken, maar ik stel ook dat het tijd wordt om te gaan nadenken over hoe je informatie over onzekerheid goed kunt meenemen in besluitvorming.”

Biedt uw onderzoek alleen een theoretisch kader of is het ook in de praktijk getest?
“Beide. Het onderzoek is toegepast op rivieren in Schotland, Engeland en op onze ‘eigen’ Rijn en Maas. De eerste casus betrof White Cart, een kleine rivier in Schotland. Deltares deed daar een project en het was voor mij makkelijk om de nieuwe aanpak daar toe te passen. In Schotland is het beschermingsniveau lager dan hier en voorspellingen over de kans op een overstroming is er essentieel. Een ideale situatie om mijn systeem in praktijk te brengen.”

Is de kennis ook toepasbaar in Nederland? 
“Jazeker. Het communiceren van onzekerheden is hier ook waardevol. Het beschermingsniveau is hier veel hoger, maar de schade kan groot zijn als er toch een overstroming plaatsvindt. Het Water Management Centrum Nederland is geïnteresseerd in het communiceren van de kans op een overstroming.  We zijn nu bezig met het testen van prototypes. Als daaruit blijkt dat het systeem goed werkt, is de kans groot dat het in Nederland wordt ingevoerd. “

Is het nu ook mogelijk om beter te voorspellen wanneer we met een afvoer van bijvoorbeeld 16.000 m3 te maken krijgen?

“Dat blijft lastig. Het model is mede gebaseerd op historische metingen. Een dergelijke afvoer hebben we in Nederland nog nooit waargenomen. Voor de voorspellingen geldt dat hoe hoger de voorspelde afvoer is, hoe groter de onzekerheid. Datzelfde geldt ook voor tijd. Voorspellingen op lange termijn zijn minder betrouwbaar dan voorspellingen op korte termijn. Dan wil je juist die onzekerheid wéten, zodat je tijdig toch maatregelen in gang kan zetten, ook als er eerst maar een kleine kans op zo’n overstroming lijkt te zijn.“

Hoe zou het model in de praktijk kunnen worden toegepast. Kunt u een concreet voorbeeld geven? 

 “Stel dat een campingeigenaar in de uiterwaarden zijn camping wil ontruimen bij een overstroming. Als de kosten van die ontruiming heel hoog zijn ten opzichte van de schadebeperking, dan zal die campingeigenaar er zeker van willen zijn dat die overstroming ook echt gaat plaatsvinden. Als die ontruimingskosten laag zijn, kan het besluit sneller genomen worden. Een kansverwachting maakt die afweging mogelijk.”

Waarom is het van belang te communiceren over de onzekerheid?

“Mensen moeten gaan aanvaarden dat verwachtingen en voorspellingen onzeker zijn. Die mate van onzekerheid willen we zo ver mogelijk reduceren, maar we zullen die niet tot nul kunnen terugbrengen. We moeten voorkomen dat voorspellingen averechts gaan werken. Als het KNMI drie keer code rood afgeeft en er gebeurt niets verliest de voorspelling zijn waarde. Door een kanspercentage toe te voegen, zal dat minder snel het geval zijn.” 

Denkt u dat het systeem snel zal worden ingevoerd?

“Het systeem wordt nu nog getest. Op basis van de resultaten en aanvullend onderzoek zal het Water Management Centrum uiteindelijk besluiten of we het systeem gaan invoeren. Met behulp van mijn bevindingen zullen we in elk geval beter in staat onzekerheden in beeld te brengen. Voor de besluitvorming van waterbeheerders zal dat een scala aan mogelijkheden gaan bieden.”