Onderzoekers hebben de kelders gelegd voor een voorspellingssysteem om de gevolgen van de droogte een paar maanden vooruit te voorspellen. Met dit systeem kunnen tijdig maatregelen worden genomen om de gevolgen van droogte, bijvoorbeeld voor verzending, landbouw en natuur. Een onderzoeksteam van Wageningen University &Research en collega's uit Utrecht en Freiburg publiceerden hun bevindingen in Natuurcommunicatie .

In 2018 en 2019, uitgestrekte gebieden in Europa opnieuw last van ernstige droogte, die naar verwachting vaker zullen voorkomen als gevolg van klimaatverandering. Seizoensgebonden droogtevoorspellingen zijn dringend nodig om tijdig maatregelen te nemen om de gevolgen van droogte te verminderen, bijv. op ecosystemen, vervoer over water, landbouw, elektriciteit productie.

Voorspelling van droogte twee tot vier maanden vooruit

In een pan-Europese studie de Wageningse onderzoeker Samuel Sutanto en collega's van de Universiteit Utrecht en Freiburg, Duitsland, ontdekte dat voorspellingen van de gevolgen van droogte, in plaats van gevaren voor droogte, zijn mogelijk met aanzienlijke vaardigheid, twee tot vier maanden vooruit en in sommige gevallen zelfs langer. Ze tonen dit aan door de gevolgen van droogte te voorspellen, onder andere, op vervoer over water, openbare watervoorziening, waterkwaliteit en ecosystemen in Duitse regio's. Het onderzoeksteam heeft deze studie uitgevoerd in het kader van het EU H2020-project ANYWHERE – verbetering van het beheer van noodsituaties en de reactie op extreme weers- en klimaatgebeurtenissen.

Seizoensgebonden droogte-impactvoorspelling

Het is belangrijk dat waterbeheerders en belanghebbenden ervaring opdoen met voorspellingen van seizoenseffecten van droogte. De focus van watergerelateerde sectoren moet liggen op voorspellingen van bodemvocht, grondwater, en rivierstroom, in plaats van op neerslag- en temperatuurvoorspellingen. Nuttig zijn, deze hydrologische voorspellingen moeten worden vertaald in effecten op meerdere sectoren. Dit laatste is alleen mogelijk als databases met gerapporteerde historische droogte-effecten beschikbaar zijn (bijv. de European Drought Impact Inventory (EDII) of de US Drought Impact Reporter (DIR)). Dergelijke databases moeten goed gevuld zijn, inclusief een adequate ruimtelijke en temporele dekking. Het lijkt, bijvoorbeeld, dat het voorspellen van de gevolgen van droogte voor veel Europese regio's nog steeds onmogelijk is vanwege het ontbreken van gegevens over de gevolgen. Als voorspelling van seizoensinvloeden van droogte haalbaar wordt in een regio, dan moet dit worden geïmplementeerd in een Multi-Hazard Early Warning System. Verder, methoden om de voorspelling van de gevolgen van droogte te ontwikkelen, moeten worden verbeterd, wat inhoudt dat het een hogere prioriteit op de onderzoeksagenda moet krijgen (nationaal, EU).

Over de studie

Het onderzoeksteam gebruikte de European Drought Impact Inventory (EDII) die duizenden historische rapporten over de gevolgen van droogte voor verschillende sectoren bevat. Er is een machine learning-techniek toegepast om de effecten in een bepaalde maand in het verleden te koppelen aan droogte-indices uit die tijd, bijv. de gestandaardiseerde neerslagindex (SPI)). Op deze manier, voor elke Europese regio die voldoende impactrapporten heeft in de EDII is een relatie verkregen tussen de impact op een bepaalde sector en droogte-indexen.

In de volgende stap, historische seizoensvoorspellingen van de afvoer en neerslag (tot zeven maanden vooruit), die beschikbaar zijn in het archief van het European Centre for Medium-Range Weather Forecasts (ECMWF), zijn gebruikt om droogte-indexen te berekenen (bijv. SPI) voor elke maand in de periode 1990-2017. Volgende, de bovengenoemde relaties en de historische seizoensvoorspellingen van maandelijkse droogte-indexen werden toegepast om de droogte-effecten voor geselecteerde regio's in heel Europa te voorspellen (in deze studie:Duitsland), voor specifieke sectoren en voor elke maand in de periode 1990-2017. Eventueel, de voorspellingen van de gevolgen van droogte, tot zeven maanden vooruit, werden vergeleken met de waargenomen effecten voor deze regio's. Dit leidde tot de conclusie dat de voorspellingen van de gevolgen van droogte aanzienlijke vaardigheden hebben, tot twee tot vier maanden vooruit, en in sommige gevallen, zelfs langer.