Golfvoorspellingen verbeteren

Dat begint bij geavanceerde golfmodellen: computermodellen die het gedrag van golven simuleren op basis van fysica en weersverwachtingen. Hoe nauwkeuriger deze modellen, hoe betrouwbaarder de voorspellingen.

Als we beter begrijpen hoe de golven zich gedragen, kunnen we niet alleen risico’s beperken, maar ook kansen benutten.

Elias de Korte, oceanograaf met een specialisatie in golven en kust dynamiek bij Deltares

Meetboeien en satellieten

“Golfmodellen hebben een redelijke nauwkeurigheid bereikt voor een deel van de toepassingen,” vertelt Elias, golfonderzoeker bij Deltares. “Maar er zijn nog veel onzekerheden, onder andere wat betreft de wind en golfopbouw.” Om golfmodellen te valideren met betrouwbare data, maakt Deltares gebruik van een netwerk van meetboeien in de Noordzee. Deze boeien liggen op vaste locaties en verzamelen continu gegevens over golfhoogte, wind en stromingspatronen.

De data uit deze boeien vormt een belangrijke basis voor de validatie en calibratie van onze modellen, maar geeft slechts een beperkt beeld: ze meten alleen op specifieke punten en missen ruimtelijke dekking. Daarom kijken we ook naar aanvullende bronnen, zoals satellietmetingen, om het totaalbeeld te verbeteren en de veiligheid op zee verder te vergroten.

Satelliet altimetrie biedt een waardevolle aanvulling: met deze techniek meten satellieten vanuit de ruimte de hoogte van het zeeoppervlak over grote gebieden. Omdat deze gegevens openbaar beschikbaar zijn, kunnen onderzoekers ze integreren in hun modellen. Zo verbeteren ze zowel korte termijn voorspellingen (forecasts) als lange termijn terugblikken op hoe de zee zich gedroeg (hindcasts).

Wat is data-assimilatie eigenlijk?

Om betrouwbare golfvoorspellingen te maken, is meten alleen niet genoeg. Je moet die gegevens ook slim verwerken. Dat gebeurt met data-assimilatie: een techniek waarbij actuele metingen – zoals boeigegevens of satellietwaarnemingen – worden gecombineerd met modelvoorspellingen. Zo worden modelfysica en metingen optimaal gebruikt om realistische voorspellingen te maken. Centraal in dit systeem staat het zogeheten Ensemble Kalman Filter (EnKF).

Ensemble Kalman Filter (EnKF) hoe werkt dat?

Het EnKF is een techniek die gebruikt wordt om modelvoorspellingen te verbeteren door ze te combineren met actuele metingen. Het past wiskundige regels toe om onzekerheden in zowel het model als de data mee te nemen. EnKF gebruikt modellen zoals SWAN (voor golven) of Delft3D (voor waterbeweging).

Elias legt uit: “We gebruiken windvoorspellingen om ons golfmodel aan te drijven. Dat zijn gemiddelde windsnelheden op 10 meter boven het wateroppervlak. Je kunt je voorstellen dat de echte windvelden hier van af kunnen wijken. Denk aan windvlagen of snelle draaiingen in de wind. Daarbij komt dat golfgroei erg gevoelig is voor kleine fouten in de windvoorspelling.”

Een ensemble van voorspellingen

“Daarom laten we het golfmodel 64 keer draaien met kleine variaties in de invoerdata, telkens met een iets andere windrichting of -snelheid. Zo ontstaat een ensemble van voorspellingen. Elk van die 64 runs geeft een iets ander beeld van hoe de golven zich kunnen ontwikkelen.” Waarom 64 keer? “Omdat dat een goede balans is tussen detail en snelheid. Het geeft genoeg variatie om onzekerheden goed in kaart te brengen, en het werkt efficiënt op de supercomputer die we gebruiken.”

“Als er nieuwe metingen binnenkomen van een satelliet, vergelijken we die met onze voorspellingen. Vervolgens stellen we alle voorspellingen een beetje bij op basis van de onzekerheden in zowel model als de satellietmeting. Met die verbeterde groep voorspellingen rekenen we verder naar de volgende tijdstap. ”

Techniek op topsnelheid

Het ontwikkelen van het systeem was geen sinecure. “Het golfmodel rekent zwaar,” zegt Elias. “Met 64 parallelle simulaties is dat een flinke uitdaging, zelfs op de nationale supercomputer Snellius, beheerd door SURF.” Ook het modelleren van onzekerheden vraagt om een uitgedachte balans tussen simplificatie en complexiteit. “Je moet leren waar je kunt versimpelen, en waar je de natuurkunde zijn werk moet laten doen.”

Impact op zee en aan de kust

De toepassingen zijn breed en maatschappelijk relevant. Betere voorspellingen helpen de scheepvaart en offshore-industrie veiliger en efficiënter te opereren. Ook bij het sluiten van stormvloedkeringen spelen golfvoorspellingen een rol: golven kunnen lokaal waterstanden verhogen, dan hebben we het over de kustveiligheid. Daarnaast leveren verbeterde hindcasts waardevolle inzichten voor klimaatonderzoek en kunnen ze dienen als trainingsdata voor Machine Learning modellen, die op hun beurt weer operationeel ingezet kunnen worden.

Maar wat betekent dat breder gezien voor onze maatschappij? Elias licht toe hoe deze inzichten bijdragen aan duurzame ontwikkeling, beleid en innovatie. “Als we beter begrijpen hoe de golven zich gedragen,” zegt Elias, “kunnen we niet alleen risico’s beperken, maar ook kansen benutten. Denk aan het optimaliseren van routes voor scheepvaart, het plannen van offshore windparken, of het beschermen van kwetsbare ecosystemen. Deze kennis kan beleidsmakers, bedrijven en onderzoekers helpen om weloverwogen keuzes te maken, met oog voor zowel economische als ecologische belangen.”

Vooruitkijken

De ambities reiken verder dan de Noordzee. Elias: “We willen accuratere voorspellingen leveren aan Rijkswaterstaat, maar ook inzetten op regio’s met hoge overstromingsrisico’s en weinig meetboeien.” De volgende stap is om ons systeem te toetsen over een langere periode en te valideren met onafhankelijke boeimetingen. Daarnaast kijken we naar mogelijkheden om andere onzekerheden naast de wind te integreren.

Door slimme integratie van data en modellen maken we de Noordzee, en mogelijk ook andere kustgebieden, een stukje voorspelbaarder en dragen we bij aan een toekomstbestendige Noordzee waarin economie, ecologie en energieproductie in balans zijn.

Het project bouwt voort op eerder werk binnen Deltares, onder andere van collega’s Sofia Caires en Martin Verlaan, die zich richtten op boeimetingen. Elias maakt gebruik van bestaande tools zoals het golfmodel SWAN en het data-assimilatieplatform OpenDA uit het Deltares-portfolio. Daarmee is het project niet alleen een innovatie, maar ook een versterking van de bestaande kennisbasis.

Elias bestudeert golven niet alleen via modellen en data, maar ervaart ze ook in hun natuurlijke kracht. Op zijn surfboard voelt hij wat hij in theorie onderzoekt: hoe golven zich gedragen. Zo komen wetenschap en water samen.