Nieuw prototype KRW-Verkenner

Nederland staat voor de grote opgave om de doelen uit de Kaderrichtlijn Water (KRW) in 2027 te halen. Onder andere met de KRW-Verkenner kunnen we de tussenbalans opmaken. Dit werd voor een tussenevaluatie onlangs gedaan en daarmee ontstaat er inzicht in wat er verder nodig is om doelen te bereiken. Maar de KRW-waterkwaliteitsdoelen staan ook niet op zich en hebben te maken met bredere opgaven zoals het stikstofprobleem en het herstel van natuurwaarden. Het nieuwe prototype levert straks een bijdrage aan de bredere opgaven doordat actuele ecologische inzichten worden gecombineerd met moderne AI-technieken. Zo sturen we op ecologisch herstel.

Wat houdt de vernieuwing in

De kern van de vernieuwing is het gebruik van AI om oorzaak-gevolgrelaties te onderzoeken in plaats van alleen correlaties. Als basis nemen we de soorten: door vast te stellen welke factoren (vervuiling, temperatuur) belangrijk zijn voor soorten doen we een voorspelling. Hierna kijken we pas naar de ecologische kwaliteitsratio of een andere gewenste biodiversiteitsindex. Vervolgens ook wat de impact van de maatregelen is op de kwaliteit van het water. Dat geeft een handelingsperspectief want waterbeheerders kunnen dan gericht daarop sturen. Ook de verschillende variabelen worden in de vernieuwde verkenner tegen het licht gehouden. Moeten ze worden aangepast, zijn er andere variabelen nodig, of moeten variabelen worden gesplitst. Vooral klimaatvariabelen zijn belangrijk want waterbeheerders willen naast de effecten ook weten welke rol de klimaatverandering speelt. Hiermee sluiten de scores aan op het Europese beleid. AI helpt tenslotte om beter onderbouwd te bepalen welke factoren bijdragen aan de achteruitgang en om te voorspellen welke maatregelen onder welke omstandigheden effectief zijn.

Dit TKI Deltatechnologie project levert straks een vernieuwd prototype op waarmee beleidsmakers en waterbeheerders aan de slag kunnen. In het prototype worden herbruikbare datasets, kennisregels en algoritmen opgeleverd die bruikbaar zijn voor bredere beleidsvragen zoals natuur- en stikstofanalyses. De nieuwe verkenner wordt een flexibele tool die makkelijk te koppelen is met andere al bestaande tools en software. Denk hierbij aan een modeltrein met EBEO2.0 voor de diagnose, KRW-Verkenner voor de prognose, LWKM2.0 voor een actuele schematisatie maar ook SFTox2.0 voor toxiciteit. Hiermee is er straks sprake van een nationale informatie infrastructuur.

De meerwaarde van kunstmatige intelligentie

De inzet van AI in de watersector groeit snel, ook binnen het domein van ecologische beoordeling. Waar veel toepassingen blijven steken bij patroonherkenning en correlaties, richt dit project zich op het blootleggen van causale verbanden tussen milieudrukken en ecologische respons. Deze verbanden worden vertaald naar beleidsindicatoren zoals EKR-scores, Natura2000-maatlatten en biodiversiteitsindices. Door AI te combineren met ecologische kennisregels, velddata en expert beoordeling ontstaat een model dat niet alleen krachtig, maar ook uitlegbaar en beleidsrelevant is. Dankzij AI kunnen complexe, niet-lineaire relaties en interacties tussen uitdagingen beter worden gevonden, ook wanneer data onvolledig of onzeker zijn. Bovendien maakt AI het mogelijk om modellen te ontwikkelen die kunnen meegroeien met nieuwe kennis en data.

Dit TKI-project levert een directe bijdrage aan de sleuteltechnologie voor Smart Technology for Agri-Horti-Water-Food door de ontwikkeling van een AI-gedreven prototype waarmee data-gestuurde en uitlegbare ecologische beoordeling mogelijk worden. Zo gebruiken we nieuwe digitale technologie voor natuur-, water- en biodiversiteitsbeheer.

In dit project werken we samen met Rijkswaterstaat, Haskoning, Witteveen en Bos, Aveco de Bondt, Arcadis, STOWA en PBL.