Datagedreven waterbeleid met behulp van GIS

Waterschappen worstelen met de gevolgen van de toename van extreme regenval. Bedrijfskritische processen worden complexer, werkzaamheden plannen wordt lastiger en de toekomst voorspellen belangrijker. Waar is de invloed van regenval zo groot dat het problemen oplevert? Dat is de voornaamste vraag die waterschappen bezig houdt. Geografische Informatiesystemen (GIS) zijn gemaakt om de ‘waar-vraag’ te beantwoorden. Mijn naam is Michael van Mouwerik, Business Developer voor waterschappen bij Tensing. In deze blog ga ik dieper in op de rol van GIS in het maken van datagedreven waterbeleid.

Datagedreven beleid in strijd tegen regenval

Het regent meer en extreme regenbuien komen vaker voor. Deze ontwikkeling heeft een grote invloed op bedrijfsprocessen bij waterschappen, zo hoor ik regelmatig bij klanten. Een goede analyse van je geografische data biedt een enorme meerwaarde bij het maken van beleid. Data-integratie tussen verschillende in- en externe bronnen biedt daarbij een grote meerwaarde.

Tekst gaat verder onder de afbeelding. 

Een goede data-analyse kan het stellen van prioriteiten een stuk eenvoudiger maken. Dit geldt ook voor het analyseren van de gevolgen van regenval. Door data over bodemgesteldheid, landgebruik, aanwezige infrastructuur en andere relevante onderwerpen samen te brengen in je GIS, kun je analyseren welke gebieden binnen je waterschap het meeste aandacht nodig hebben. Een gerichte analyse beantwoordt vragen zoals:

Welke gebieden hebben een hoge of een lage infiltratiecapaciteit? Bijvoorbeeld door toedoen van het bodemtype of de aanwezigheid van veel (of weinig) asfalt?

Hoeveel begroeiing is er in bepaald gebied en wat is de opnamecapaciteit van deze vegetatie?

Op welke locaties is het riool overbelast en waar is de afvoer van water juist heel efficiënt?

Zijn er gebieden met meer of juist minder waterbergingsprojecten en welke invloed heeft dit op de regenwatercapaciteit?

Hoeveel bebouwing is er in een bepaald gebied? En: hoe hoog is de opnamecapaciteit van het riool in de gebieden met meer bebouwing?

De Nederlandse publieke sector kent een open datacultuur en daarom is er heel veel data te vinden van andere organisaties die je vrij kunt gebruiken. Door deze data vervolgens op de juiste manier te visualiseren in een digitale kaart, maak je het leven van je beleidsmedewerkers een stuk makkelijker.

Data Science: voor een goed beeld over de toekomst

Het plannen van werkzaamheden wordt lastiger door de toename van extreme regenval. Grillige weeromstandigheden zorgen blijkbaar voor grillige werkomstandigheden. Gelukkig kun je voorspellen wat er gaat gebeuren in relatie tot water. Flood Modelling is hier een voorbeeld van. Dit is een vorm van geospatial data science die specifiek voor waterschappen super relevante inzichten kan verstrekken.

Tekst gaat verder onder de afbeelding.

Flood Modelling is simpelweg het simuleren van overstromingsscenario’s. GIS-marktleider Esri biedt enorm veel mogelijkheden om te starten met het maken van overstromingsmodellen. Kennis van hydrologie is zeker noodzakelijk, evenals specifieke kennis van GIS. Voorspellende modellen zijn zeer waardevol bij het maken van beleid. Maar het kan ook een belangrijk middel zijn om stakeholders inzicht te verstrekken over de gevolgen van het stijgende waterpeil.

Flood Modelling is slechts één voorbeeld van data science. Er zijn steeds meer toepassingen van GIS te bedenken die situaties voorspellen. Dit is een hele belangrijke ontwikkeling in relatie tot datagedreven beleidvorming. Er is steeds meer mogelijk en door toedoen van Artificial Intelligence gaan ontwikkelingen steeds sneller. Dit is goed nieuws voor iedereen met een datagedreven mindset!

Ben je ook op zoek naar een datagedreven aanpak tegen de gevolgen van extreme regenval? Neem dan gerust contact op om de mogelijkheden te bespreken!