Influence of Geographical Location on the Temporal Dynamics of Reservoir Storage: A Case Study of Bogotá, Colombia

Zoet water is de levensader van moderne steden, maar de systemen die het opvangen en opslaan zijn steeds kwetsbaarder. Terwijl stedelijke populaties groeien en weerpatronen grilliger worden, is de oude gewoonte om waterbeheer te baseren op gemiddelden uit het verleden niet langer voldoende. De uitdaging ligt in het voorspellen hoe reservoirs zullen reageren wanneer het klimaat verandert of wanneer menselijke behoeften veranderen. Om dit te doen, wenden wetenschappers zich vaak tot tijdreeksanalyse, een methode die kijkt naar hoe een enkele variabele, zoals watervolume, in de loop van de tijd verandert om verborgen patronen te vinden. Deze patronen kunnen onthullen of een systeem een gestage, voorspelbare ritme volgt of dat het wordt beïnvloed door onregelmatige krachten, zoals plotselinge droogtes of bewuste menselijke beslissingen om water vrij te geven voor hoogwaterbeheersing. Het begrijpen van deze ritmes is cruciaal voor steden die op deze reservoirs vertrouwen, want het niet voorzien van een daling in de waterstanden kan leiden tot ernstige tekorten voor miljoenen mensen.

In 2024 kreeg de stad Bogotá, Colombia, een rauwe herinnering aan deze kwetsbaarheid. Een hevige droogte, gekoppeld aan een mondiaal klimaatfenomeen bekend als El Niño, dreef de reservoirs van de stad tot kritiek lage niveaus, waardoor autoriteiten de watertoevoer voor bijna tien miljoen inwoners moesten rantsoeneren. Deze crisis legde een gat bloot in de instrumenten die beschikbaar zijn voor waterbeheerders. Terwijl sommige modellen proberen de complexe fysica van regen en verdamping te simuleren, vertrouwen andere modellen op statistische patronen gevonden in historische gegevens. De onderzoekers achter deze studie, een team van verschillende universiteiten in Bogotá, stelden een specifieke vraag: bepaalt de geografische locatie van een reservoir welk statistisch instrument het beste is voor het voorspellen van de toekomst? Ze richtten zich op vier belangrijke reservoirs die de stad van water voorzien: Chuza, Neusa, Sisga en Tomine. Deze waterlichamen zijn niet identiek; ze liggen in verschillende landschappen, ontvangen regen in verschillende patronen en worden beheerd voor verschillende doeleinden. Het team veronderstelde dat een enkele modelleringsbenadering niet voor alle reservoirs zou werken. In plaats daarvan zou de beste voorspellingsmethode afhangen van de unieke "handtekening" van de locatie van elk reservoir en de interactie met menselijk beheer.

De onderzoekers begonnen met het onderzoeken van de geschiedenis van de watervoorraad in deze vier reservoirs. Ze ontdekten dat de reservoirs op twee verschillende manieren gedrag vertoonden, grotendeels bepaald door hun locatie. Het Chuza-reservoir, gelegen in een nationaal park op de oosthelling van de Andes, volgt een eenvoudig, enkelvoudig piek-neerslagpatroon dat typerend is voor die regio. Het vult zich tijdens één hoofdregeizoen en loopt leeg tijdens het droge seizoen. Omdat het gedrag bijna volledig wordt gedreven door deze natuurlijke cyclus, ontdekten de onderzoekers dat een standaard statistisch model, dat zoekt naar herhalende seizoenspatronen, goed werkte voor dit reservoir. De overige drie reservoirs — Neusa, Sisga en Tomine — maken echter deel uit van een noordelijk systeem dat dichter bij de stedelijke kern van de stad ligt. Deze reservoirs ervaren twee regenseizoenen per jaar, wat een complexer, dubbel-piek ritme creëert. Bovendien worden ze gebruikt voor hoogwaterbeheersing en om water aan de stad te leveren, waardoor de waterstanden regelmatig worden aangepast door menselijke operators die sluizen openen en sluiten. Deze menselijke interventie verstoort het natuurlijke ritme en voegt een laag van complexiteit toe die een eenvoudig seizoensmodel niet gemakkelijk kan vatten.

Om deze complexiteit aan te pakken, ontwikkelde het team een hybride benadering voor de noordelijke reservoirs. Ze combineerden een methode die de gegevens opdeelt in de herhalende seizoensdelen met een andere methode die de resterende onregelmatige fluctuaties analyseert. Denk erbij aan het scheiden van een liedje in de melodie en de achtergrondruis; het eerste deel vangt de voorspelbare, herhalende klimaatcyclus, terwijl het tweede deel rekening houdt met de onvoorspelbare, door mensen gedreven veranderingen. Wanneer ze dit hybride model testten tegenover het traditionele model, waren de resultaten opmerkelijk. Voor de drie noordelijke reservoirs produceerde de hybride benadering zeer nauwkeurige voorspellingen, met foutmarges variërend van ongeveer 5 tot 9 procent. In contrast hiermee produceerde het traditionele model voor het Chuza-reservoir, dat steunt op een enkel seizoenspatroon, een veel hogere foutmarge van bijna 29 procent. De onderzoekers waren echter voorzichtig in hun uitleg dat deze hoge fout geen falen van het model zelf was. Het model had het normale seizoenspatroon correct geïdentificeerd, maar de droogte van 2024 was een extreme gebeurtenis die het reservoir ver buiten zijn gebruikelijke historische bereik duwde. Het model had de regels juist begrepen, maar het weer had de regels gebroken.

De studie keek ook nauwgezet naar hoe goed de modellen presteerden tijdens de daadwerkelijke crisis van 2024. Voor de noordelijke reservoirs hielden de hybride modellen hun voorspellingen binnen een realistisch bereik van onzekerheid, zelfs toen de droogte intensiveerde. Dit suggereert dat door het natuurlijke klimaat signaal te scheiden van menselijke operationele beslissingen, het model de schok van de droogte beter kon absorberen. Het Chuza-reservoir zag de waterstanden echter zo sterk dalen dat ze onder de door het model voorspelde veiligheidsmarges zakten. Dit gebeurde omdat Chuza afhankelijk is van een enkel regenseizoen; toen dat seizoen uitbleef, was er geen tweede kans op herstel, in tegen tegenstelling tot de noordelijke reservoirs die profiteren van twee regenseizoenen en een flexibeler beheersysteem. De onderzoekers concludeerden dat de hoge fout voor Chuza niet kwam omdat het model fout zat, maar omdat het reservoir werd onderworpen aan een buitengewone gebeurtenis die geen enkel historisch model volledig had kunnen voorzien.

Uiteindelijk suggereert het artikel dat er niet één enkele "beste" manier is om de watervoorraad voor een hele stad te voorspellen. De geografie van een stroomgebied bepaalt het neerslagregime, en de operationele rol van het reservoir bepaalt hoe mensen ermee interageren. Voor een reservoir zoals Chuza, dat een eenvoudig natuurlijk ritme volgt, is een standaard seizoensmodel voldoende. Voor reservoirs zoals Sisga en Tomine, die onderhevig zijn aan zowel complexe klimaatpatronen als actief menselijk beheer, is een hybride benadering die deze twee invloeden scheidt, veel effectiever. De studie biedt een praktisch hulpmiddel voor waterbeheerders, waarbij wordt aangetoond dat door de voorspellingsmethode af te stemmen op de specifieke fysieke en operationele realiteit van elk reservoir, steden crises beter kunnen voorzien. Het werk beweert niet het probleem van klimaatverandering op te lossen of extreme droogtes met absolute zekerheid te voorspellen, maar het biedt wel een duidelijkere, betrouwbaardere manier om de dynamiek van wateropslag in een veranderende wereld te begrijpen. Door te erkennen dat locatie en menselijke interventie de data vormgeven, kunnen beheerders met meer vertrouwen plannen, waarbij ze onderscheid maken tussen een systeem dat normaal functioneert en een systeem dat voor een ongekende uitdaging staat.