Hoogleraar Van den Homberg: ‘We willen de impact van rampen nog beter voorspellen’

Hoe kun je de impact van een natuurramp nog beter voorspellen? Dit is een van de onderwerpen waar hoogleraar Marc van den Homberg zich de komende jaren op richt. Hij werd in november 2023 benoemd tot hoogleraar op de Prinses Margriet-leerstoel. Deze leerstoel is een samenwerking tussen het Rode Kruis en de Universiteit Twente. Vrijdag 29 november hield hij zijn inaugurele rede.

Marc van den Homberg focust zich in deze leerstoel op het thema ‘data for disaster resilience’: het verbeteren van de kwaliteit van risico- en impactgegevens, voorspellingsmodellen om de impact van een natuurramp te voorspellen (paraatheid) en het selecteren, monitoren en opbouwen van bewijs voor natuurgebaseerde oplossingen (preventie).

Een belangrijk thema van deze leerstoel is het verbeteren van de kwaliteit van de risico- en impactgegevens. Kun je daar meer over vertellen?
Marc: “We hebben betere data nodig om natuurrampen en hun impact beter te voorspellen. Dat begint bij de basis. Westerse landen staan vol met weerstations die verschillende metingen verrichten. In ontwikkelingslanden is dat niet het geval. Door meer weerstations te plaatsen en bijvoorbeeld meer metingen te doen in rivieren, krijgen we meer data waar meteorologen hun weermodellen mee kunnen kalibreren.

Daarnaast is het belangrijk dat we meer en betere data krijgen over de impact die rampen hebben. De lokale overheden verzamelen altijd informatie over de impact die een ramp heeft gehad. Dus er is veel data beschikbaar, maar de lokale overheden gebruiken niet altijd dezelfde standaarden en de data wordt vaak niet goed gecentraliseerd. Bovendien is het vaak moeilijk om te achterhalen door welk weerfenomeen de schade veroorzaakt wordt. Na een tropische cycloon heb je bijvoorbeeld veel verwoeste huizen. Komen die verwoestingen dan door de windsnelheden, de regenval, de stormvloed of de overstromingen?

We zijn samen met de World Meteorological Organization (WMO) en United Nations Office of Disaster Risk Reduction (UNDRR) bezig om databases te creëren waarin al die menselijke data beter samenkomt. Ook worden er standaarden opgesteld. De lokale overheden die de schade in kaart brengen werken nu ook volgens standaarden, maar daar zit nog veel subjectiviteit in. Ze moeten bijvoorbeeld beoordelen of huizen na een tropische cycloon gedeeltelijk of volledig verwoest zijn. Ook worden de gegevens over het weer (zoals windsnelheid en regenval) en de bijbehorende natuurlijke gevaren (zoals aardverschuivingen) niet in detail geregistreerd. Door de standaarden te verbeteren, wordt de data meer uniform, heeft het een hogere kwaliteit en kunnen we de gegevens beter met elkaar vergelijken.”

Hoe doen we dit in Nederland? Zouden we hier in Nederland ook nog een verbeterslag in kunnen maken?
“We beschikken in Nederland over goede instituties die veel data verzamelen. Tegelijkertijd krijgen we in Nederland ook steeds meer met extreem weer te maken, zoals hittegolven. Dus ook in Nederland wordt het steeds belangijker om de impact van weersextremen in kaart te brengen. We denken als Rode Kruis na over welke vroegtijdige acties - gebaseerd op een impact-gebaseerde voorspelling- het meest zinvol zijn.

Voor hittegolven is het bijvoorbeeld belangrijk om in kaart te brengen waar de kwetsbare mensen wonen die hier het meeste last van hebben. Waar wonen de ouderen of de mensen zonder airco? En wat zijn de stedelijke gebieden waar de temperatuur extra hoog oploopt door het gebrek aan groen? Hoe meer data je hebt, hoe beter je in staat bent om de juiste mensen te helpen als er een hittegolf op komst is.”

Jullie willen ook jullie voorspellingsmodellen verbeteren, waardoor er een betere paraatheid mogelijk is. Kun je daar iets meer over vertellen?
“We hebben de afgelopen jaren al 10-tallen landen geholpen met een early warning early action-protocol. Dat betekent dat we bij een weersverwachting goed kunnen aangeven wat de verwachte gevolgen zullen zijn. Ook hebben we afspraken gemaakt over wanneer - bij een voorspelling van de impact en bij welke drempelwaarde - over te gaan tot vroegtijdige actie.

Bij orkanen kunnen we aangeven hoeveel huizen er naar verwachting verwoest worden. Bij overstromingen kunnen we aangeven hoeveel mensen er in het gebied wonen dat waarschijnlijk getroffen gaat worden. Dat is waardevolle informatie want daardoor weten we als hulporganisatie beter hoeveel mensen we kunnen helpen met anticiperende acties (voordat de overstroming plaatsvindt) en hoeveel noodhulp er naar alle waarschijnlijkheid nodig zal zijn (nadat de overstroming heeft plaatsgevonden). We kunnen dan ook berekenen hoeveel geld we beschikbaar moeten stellen voor anticiperende acties en noodhulp.

Er zijn onzekerheden en blokkers in de keten van weersvoorspelling naar voorspelling van de impact tot aan het uitvoeren van de anticiperende acties. Ook zijn er verschillende organisaties bij betrokken, denk bijvoorbeeld aan de meteorologische diensten, rampenbestrijdingsorganen van de overheid, humanitaire organisaties en sectorspecifieke organisaties zoals de landbouw. We willen beter begrijpen wat die onzekerheden zijn en wat we kunnen doen om die te verkleinen.

We willen bijvoorbeeld beter begrijpen wat het juiste moment is om de lokale teams van het Rode Kruis te waarschuwen en de anticiperende acties op te starten. Voor het weer geldt: hoe langer je wacht, hoe betrouwbaarder de weersverwachting is. Maar je moet ook weer niet te lang wachten, want dan hebben de lokale teams onvoldoende tijd om actie te ondernemen. We willen per weertype en type anticiperende actie beter in kaart brengen wat het juiste moment is om de actie op te starten.”

Hoe ver zijn jullie hier al mee? Gaat het om het finetunen van de huidige modellen? Of kunnen er nog grote verbeterslagen gemaakt worden?
“Dat is per weertype verschillend. Hittegolven zijn bijvoorbeeld vrij goed te voorspellen. Bij tyfoons is dat lastiger. Zo’n 20% van de tyfoons die in de Filipijnen voorkomen beginnen als een tropische storm en ontwikkelen zich pas op de laatste dag tot een tyfoon. Dan is het te laat om nog anticiperende acties op te starten.

Er zijn ontwikkelingen gaande ten aanzien van AI en digital twins waar we hopelijk gebruik van kunnen maken. Zo werken we bijvoorbeeld met Deltares met ditigal twins rond tropische cyclonen die kunnen helpen om de natuurlijke gevaren die ontstaan na de primaire weerstriggers (regen en wind) beter te modeleren. Denk daarbij aan stormvloed en kustoverstromingen ten gevolge van de tyfoon.”

Hoe zit het met de voorspelbaarheid van overstromingen?
“Dat hangt sterk af van de plek op de wereld waar je je begeeft. We hebben bijvoorbeeld een early warning early action system ontwikkeld voor Mali. In dat land is geen lokaal overstromingsmodel operationeel beschikbaar. Daarom gebruiken we nu alleen de waterstanden in de rivier stroomopwaarts om een overstroming stroomafwaarts te voorspellen (met ongeveer vier dagen voorspellingstijd). We zouden graag meer voorspellingstijd willen hebben. Daarom gaan we na of de overstromingsmodellen van Google Flood Hub of ECMWF (GLOFAS) goed kunnen voorspellen met zeven dagen voorspellingstijd”

We hebben in Europa veel met overstromingen te maken. Wat zou daarin verbeterd kunnen worden?
“De verbetermogelijkheden kunnen op veel verschillende fronten liggen. We hebben bijvoorbeeld in 2021 veel wateroverlast gehad in Nederland, België en Duitsland. De hele keten moet optimaal functioneren om de impact zo veel mogelijk te verminderen. Het begon ermee dat de weersverwachting zo extreem was dat de hydrologen en autoriteiten moeite hadden zich voor te stellen dat dit werkelijkheid zou worden. Dan is het vervolgens ook moeilijker om de hele veiligheidsketen te activeren.

Er zijn meer structurele verbeteringen mogelijk om de kwetsbaarheid voor overstromingen te verminderen. In Duitsland en België is er meer bewoning in de valleien nabij de rivier dan in Nederland aangezien er in Nederland een strengere ruimtelijke ordening is voor die gebieden.

In de tweede plaats is de samenwerking tussen de verschillende diensten belangrijk. In Nederland hebben we het Early Warning Centre van het KNMI. Het is niet alleen belangrijk dat zij tijdig en met voldoende nauwkeurigheid waarschuwen. Het is ook belangrijk dat zij hier snel en goed over communiceren met hun partners, zoals Rijkswaterstaat, de veiligheidsregio’s en de waterschappen. Vervolgens is het belangrijk dat deze organisaties doorpakken en de maatregelen nemen die nodig zijn. Dit geheel aan schakels moet niet alleen in theorie goed geregeld zijn. Het moet ook regelmatig geoefend worden. Dus als mensen niet op tijd gewaarschuwd zijn, dan hoeft dat niet altijd aan het early warning system te liggen. Dit kan ook komen doordat een andere schakel niet goed gefunctioneerd heeft.

In de derde plaats is het belangrijk dat je vooraf kijkt wat je kunt doen om te voorkomen dat je wateroverlast krijgt. In Nederland is er de afgelopen jaren veel geïnvesteerd in preventieve maatregelen, bijvoorbeeld met ‘Ruimte voor de rivier’. Met dit soort maatregelen kun je veel voorkomen.”

Dat brengt ons bij het derde belangrijke thema van de leerstoel, namelijk ‘preventie’. Kun je daar iets meer over vertellen?
“We willen kijken hoe we de natuur meer kunnen inzetten om natuurrampen te voorkomen. In Haïti zijn er bijvoorbeeld veel problemen ontstaan door de ontbossing van de hellingen. Het water kan daardoor niet meer geabsorbeerd worden en dat leidt tot landverschuivingen en plotselinge overstromingen. We zijn daar een project gestart met het opnieuw bebossen van de hellingen. Een ander voorbeeld is de kustlijn van de Filipijnen waar veel stormvloeden voorkomen. We zijn een project gestart om er mangrove te plaatsen aangezien die als een soort buffer voor de stormvloeden kunnen werken.

Bij dit soort projecten is het altijd lastig dat er veel belangen spelen. De oplossingen die je kiest moeten bijvoorbeeld passen bij de economische belangen in het gebied. We hebben een methode ontwikkeld waarin we alle belangen van een gebied samenbrengen. Zo kun je een goede afweging maken. Ons doel is om vervolgens tot de best mogelijke oplossing te komen. Dat zal vaak een natuurlijke oplossing zijn, maar het kan ook een mix zijn van een natuurlijke oplossing met grijze infrastructuur, zoals dijken.

We beginnen dit soort projecten altijd klein. Data analyses kunnen een rol spelen bij het identificeren van de meest geschikte plek voor een natuurlijke oplossing en bij het monitoren met satellietbeelden van de oplossing na de implementatie. Zo willen we ervan leren. Als een oplossing succesvol blijkt te zijn, gaan we het opschalen en kunnen we het gaan toepassen in meer gebieden.

Al met al hebben we geen tijd te verliezen. We moeten wetenschap en humanitaire actie verenigen om de klimaatcrisis aan te pakken. Hierbij zijn de samenwerking tussen mensen uit de praktijk, wetenschappers en tussen verschillende wetenschappelijke disciplines essentieel.”