Aansprekende toepassingen

Het nauwkeurig voorspellen van de koers van orkanen is voor de VS van enorm belang. Als tijdig bekend is waar een orkaan toeslaat, kunnen bijvoorbeeld dichtbevolkte gebieden worden geëvacueerd. Helaas berekenen de normale weermodellen het begin van een orkaan niet erg goed. De plek en de luchtdrukverschillen kloppen vaak niet waardoor er flinke fouten kunnen optreden bij het voorspellen van de weg die de orkaan gaat afleggen.

Het blijkt heel nuttig om de orkaan daarom met de hand precies daar in de begintoestand van het model te plaatsen waar hij feitelijk zit. Dat wordt gedaan door het luchtdrukveld aan te passen met een extreem lage drukgebied op de plek van de orkaan. De moeilijkheid is om vervolgens ook alle andere modelvariabelen (windsnelheid, temperatuur) daarop aan te passen. Om dit toch voor elkaar te krijgen wordt gebruik gemaakt van data-assimilatie. Het kunstmatig aangebrachte lage drukgebied wordt dan beschouwd als een soort 'meting' die in het model geassimileerd wordt. Door bovendien nog gegevens van satellieten te assimileren ontstaat er een veel nauwkeuriger model van de zich vormende orkaan en kan de koers ervan opvallend veel beter voorspeld worden.

De onnauwkeurigheid in een drie-daagse voorspelling van de plek van de orkaan is zonder deze methode zo'n 193 km, terwijl dat na toepassing van deze manier van data-assimilatie nog maar 84 km is. Nog altijd een flinke fout, maar doordat de onzekerheid minder dan de helft geworden is, kunnen maatregelen toch veel gerichter genomen worden.

Lees hier meer over deze toepassing. Ander data-assimilatie onderzoek aan orkanen wordt hier beschreven.

Nederland is een waterrijk land en daarom is het nauwkeurig simuleren van allerlei processen rondom water van cruciaal belang. Rijkswaterstaat en het kennisinstituut Deltares bezitten een groot aantal rekenmodellen die ondermeer ingezet worden in de bescherming tegen hoogwater. Twee keer per dag maakt Rijkswaterstaat mede op basis van deze modellen een voorspelling van de waterstanden voor het komende etmaal. Deze modellen maken op grote schaal gebruik van data-assimilatie: uit heel Europa komen meetgegevens binnen die gebruikt worden om de modellen bij te sturen op basis van de nieuwste metingen. VORtech heeft veel mogen bijdragen aan de ontwikkeling van data-assimilatie voor deze toepassing. Informatie over de centra waarin deze verwachtingen worden opgesteld is hier te vinden.

Daarnaast wordt data-assimilatie gebruikt om de modellen af te regelen. Metingen worden gebruikt om te bepalen welke waarde bepaalde parameters in een model moeten hebben. Zo is bijvoorbeeld de wrijving die het water aan de bodem ondervindt een parameter waarover op fysische gronden nauwelijks iets zinvols te zeggen is. Deze waarde moet dus gevonden worden door te kijken welke waarde resulteert in voorspellingen die het beste aansluiten op de metingen. Ook blijkt het in praktijk heel zinvol om de waterdiepte een beetje aan te passen omdat daarmee de voorspellingen aanzienlijk beter worden. Een toegankelijke beschrijving van zo'n calibratie door Deltares is hier te vinden.

Een andere water-gerelateerde toepassing van data-assimilatie is hier te vinden.

Olie is een waardevolle grondstof. Het is dan ook niet verwonderlijk dat er veel inspanning wordt gestoken in het vinden en winnen van olie. Zodra er ergens olie gevonden is, is het zaak om goed in kaart te brengen hoe de olievoorraad onder de grond er uit ziet. Want pas als dat bekend is, kan worden bepaald waar er geboord gaat worden en op welke manier de olie het meest effectief kan worden opgepompt. Omdat de olie niet rechtstreeks zichtbaar is, wordt uitgebreid gebruik gemaakt van data-assimilatie technieken om de olievoorraad in kaart te brengen op basis van indirecte metingen.

Een van de methoden om olievoorraden in kaart te brengen maakt gebruik van seismiek. Daarbij worden krachtige geluidspulsen de bodem ingestuurd en wordt vervolgens geluisterd naar de echo's van die pulsen die terugkomen uit de ondergrond. Daaruit kan dan veel opgemaakt worden over de samenstelling van de ondergrond. Dit is een voorbeeld van een invers model: van metingen terugrekenen naar de (bodem)parameters. Het gebruik van dit soort technieken wordt hier en hier beschreven.

Een andere manier om metingen te gebruiken om iets te zeggen over de olie onder de grond staat bekend als history matching. Het principe daarbij is dat de parameters van het ondergrondmodel voortdurend worden bijgesteld op basis van metingen die gedaan worden tijdens het oppompen van de olie (bijvoorbeeld de druk van de olie en de samenstelling ervan). Een beschrijving van het gebruik van een Ensemble Kalman filter voor history matching wordt hier beschreven.

Bosbranden leveren jaarlijks enorme schade op, nog afgezien van het leed van mensen die hun huis of bedrijf in vlammen zien opgaan. Steeds weer blijkt dat een bosbrand moeilijk te bestrijden is en vaak dagenlang doorwoedt. Goede korte termijn voorspellingen over hoe de brand zich gaat ontwikkelen kunnen een enorme steun zijn voor de brandweer. Op basis daarvan kan bepaald worden waar en hoe het materieel moet worden ingezet.

Maar bosbranden laten zich niet gemakkelijk modelleren. Er spelen processen op allerlei lengte- en tijdschalen. De lengteschalen variëren van kilometers voor de atmosferische processen tot meters voor de reikwijdte van vonken. De tijdschalen variëren van dagen voor de vochthuishouding tot fracties van seconden voor de chemische processen. Daarbij zijn sommige processen ook nog eens niet-lineair: het vuur passeert wel of niet een bepaalde barriere, en niet slechts een beetje.

Zodra er een bosbrand uitbreekt, is er ook geen tijd om eens rustig een model in elkaar te zetten. Dat betekent dat er grotendeels op basis van data gewerkt moet worden: de luchtfoto's en metingen moeten er voor zorgen dat het model op de werkelijkheid lijkt. De verschillende schaalgroottes en niet-lineariteit stellen hoge eisen aan de data-assimilatie methode die hiervoor gebruikt moet worden. Daarvoor zijn speciale varianten van het Kalman filter ontwikkeld die met deze specifeke eisen kunnen omgaan.

Met dergelijke methoden is het inderdaad mogelijk om voorspellingen te doen waar de brandweer wat aan heeft. Een volledige beschrijving van dit werk is hier te vinden.