ENGINEERINGNET.BE - Onderzoekers gebruiken gewoonlijk computermodellen om het debiet van rivieren te simuleren. Een nauwkeurige simulatie is een uitdaging omdat er veel factoren zijn die fouten kunnen veroorzaken. Zo spelen de manier waarop het model is opgebouwd, de data die het gebruikt en de uitgangsomstandigheden allemaal een rol.
Een belangrijke informatiebron voor hydrologische modellen is de bodemvochtigheid, omdat die rechtstreeks van invloed is op de voorspelling van de waterstroom. Hoe beter de inschatting van het bodemvocht, hoe beter de algemene voorspelling zal zijn.
Om deze modellen nauwkeuriger te maken, wordt informatie over bodemvocht en vegetatie in het stroomgebied die wordt verkregen uit radarsatellietbeelden, in het model geïnjecteerd.
Radarinstrumenten zenden elektromagnetische golven uit naar het aardoppervlak. Een deel van het signaal, de zogenaamde backscatter, wordt teruggekaatst naar de satelliet. De hoeveelheid backscatter die de radar ontvangt, levert informatie op over de kenmerken van het oppervlak, zoals vegetatiebedekking en watergehalte.
Deze methode om modellen te verbeteren staat bekend als data-assimilatie. Twee verschillende computermodellen werden vergeleken: SCHEME, een hydrologisch model ontwikkeld door het Koninklijk Meteorologisch Instituut van België, en NASA's Land Surface Model Noah-MP.
Het EODAHR-team gebruikte twee soorten backscattergegevens: C-SAR van de Sentinel-1-satelliet en ASCAt van de METOP-satelliet. De verschillen tussen satellietwaarnemingen en modelvoorspellingen werden gebruikt om het bodemvocht en de vegetatietoestand bij te werken.
Dit verbetert op zijn beurt de voorspellingen van het rivierdebiet. De onderzoekers onderzochten twee stroomgebieden in België: de Demer, die deel uitmaakt van het Scheldebekken, en de Ourthe, onderdeel van het Maasbekken.
Zij ontdekten dat hun gegevensassimilatie beter werkte in het Ourthe stroomgebied, waar er een sterker verband bestaat tussen de hoeveelheid vocht in de bodem en de hoeveelheid regenwater die in de rivier stroomt.
Dit project hielp het team te begrijpen hoe en waar ze informatie van satellieten kunnen gebruiken om nauwkeurigere voorspellingen te doen over het debiet van rivieren. Dit is belangrijk voor mensen die overstromingsvoorspellingen doen om gemeenschappen veilig te houden.
