Slimme simpele statistiek verbetert verdampingsmodel

Dit hebben ze nodig om te groeien. Behalve deze vorm van verdamping (door transpiratie) is er verdamping door interceptie; de regen die op bladeren blijft hangen en direct daarvandaan verdampt.

,,Waterbeheerders of hydrologen gebruiken voor hun strategische beslissingen vaak maandelijkse modellen die geen onderscheid maken tussen transpiratie en interceptie”, vertelt dr. Marieke de Groen. ,,Dit onderscheid is wel belangrijk. Transpiratie geeft een indicatie van de gewasopbrengst. Interceptie draagt niet bij aan plantengroei, maar bepaalt wel hoe veel regen er in de grond komt en daarmee hoeveel irrigatiewater nodig is.”

De Groen promoveerde onlangs aan de TU Delft bij de faculteit Civiele techniek en Geowetenschappen en het IHE Delft (International institute for infrastructural, Hydraulic, and Environmental engineering) op een verbeterd verdampingsmodel.

,,Interceptie hangt erg af van hoe vaak en hoe veel het regent op de dagen binnen de maand. Wanneer het net begint te regen en je loopt door een bos, blijf je even droog omdat bladeren de regen opvangen. De volgende dag is dit water verdampt en blijf je opnieuw even droog mocht het weer gaan regenen. Transpiratie is iets minder gevoelig voor de regenvalverdeling, omdat de bodem als een reservoir van water functioneert.”

De Groen ontwikkelde vergelijkingen voor maandelijkse interceptie en transpiratie. Ze gebruikte daarvoor statistieken van dagelijkse regenval van drie meetstations in Zimbabwe. Het bleek dat de kans op een regendag vooral afhangt of het de dag direct daarvoor heeft geregend en amper van dagen verder in het verleden. Daarop kon de wiskunde van de zogeheten Markov-theorie worden toegepast, wat een sleutel bleek te zijn voor de kansverdelingen van het aantal regendagen in een maand en van de regenvalhoeveelheden op regendagen. ,,En toen kon ik makkelijk een vergelijking voor interceptie afleiden.”

Volgens De Groen zijn haar vergelijkingen in grote delen van de wereld bruikbaar. ,,Het optreden van regendagen volgens de Markov-theorie is al toegepast in de Verenigde Staten, in West- Oost- en Zuidelijk Afrika, in India en in Australië. In Nederland doet het er toe of het twee of meer dagen eerder heeft geregend. Toch verbeteren de vergelijkingen ook de maandelijkse modellen voor het Rijnstroomgebied.”

Nu de promotie erop zit, begint voor De Groen het lobbyen met haar resultaten. ,,Dit model lost niets op, maar helpt een heel klein beetje bij beslissingen voor de lange termijn.

Vooral in ontwikkelingslanden, want daar is gebrek aan gegevens en vaak ook aan water.”

Door te kijken naar statistieken van regenval in Zimbabwe is een nieuw verdampingsmodel gemaakt dat wereldwijd toepasbaar is.

Planten transpireren net als mensen, alleen dan door hun huidmondjes in bladeren. Dit hebben ze nodig om te groeien. Behalve deze vorm van verdamping (door transpiratie) is er verdamping door interceptie; de regen die op bladeren blijft hangen en direct daarvandaan verdampt.

,,Waterbeheerders of hydrologen gebruiken voor hun strategische beslissingen vaak maandelijkse modellen die geen onderscheid maken tussen transpiratie en interceptie”, vertelt dr. Marieke de Groen. ,,Dit onderscheid is wel belangrijk. Transpiratie geeft een indicatie van de gewasopbrengst. Interceptie draagt niet bij aan plantengroei, maar bepaalt wel hoe veel regen er in de grond komt en daarmee hoeveel irrigatiewater nodig is.”

De Groen promoveerde onlangs aan de TU Delft bij de faculteit Civiele techniek en Geowetenschappen en het IHE Delft (International institute for infrastructural, Hydraulic, and Environmental engineering) op een verbeterd verdampingsmodel.

,,Interceptie hangt erg af van hoe vaak en hoe veel het regent op de dagen binnen de maand. Wanneer het net begint te regen en je loopt door een bos, blijf je even droog omdat bladeren de regen opvangen. De volgende dag is dit water verdampt en blijf je opnieuw even droog mocht het weer gaan regenen. Transpiratie is iets minder gevoelig voor de regenvalverdeling, omdat de bodem als een reservoir van water functioneert.”

De Groen ontwikkelde vergelijkingen voor maandelijkse interceptie en transpiratie. Ze gebruikte daarvoor statistieken van dagelijkse regenval van drie meetstations in Zimbabwe. Het bleek dat de kans op een regendag vooral afhangt of het de dag direct daarvoor heeft geregend en amper van dagen verder in het verleden. Daarop kon de wiskunde van de zogeheten Markov-theorie worden toegepast, wat een sleutel bleek te zijn voor de kansverdelingen van het aantal regendagen in een maand en van de regenvalhoeveelheden op regendagen. ,,En toen kon ik makkelijk een vergelijking voor interceptie afleiden.”

Volgens De Groen zijn haar vergelijkingen in grote delen van de wereld bruikbaar. ,,Het optreden van regendagen volgens de Markov-theorie is al toegepast in de Verenigde Staten, in West- Oost- en Zuidelijk Afrika, in India en in Australië. In Nederland doet het er toe of het twee of meer dagen eerder heeft geregend. Toch verbeteren de vergelijkingen ook de maandelijkse modellen voor het Rijnstroomgebied.”

Nu de promotie erop zit, begint voor De Groen het lobbyen met haar resultaten. ,,Dit model lost niets op, maar helpt een heel klein beetje bij beslissingen voor de lange termijn.

Vooral in ontwikkelingslanden, want daar is gebrek aan gegevens en vaak ook aan water.”