📄 earth_science

The impact of data missingness mechanisms and degradation levels on rainfall agroclimatic data analyses

Deze studie maakt gebruik van Monte Carlo-simulaties om aan te tonen dat mechanismen van niet-willekeurige ontbrekende gegevens (MNAR) en hogere volumes aan ontbrekende gegevens (tot 20%) agroklimatologische neerslagindices significant verkenen, waarbij het aantal opeenvolgende droge dagen (CDD) het meest gevoelig blijkt en drogere regio's het minst worden beïnvloed vergeleken met nattere gebieden.

Oorspronkelijke auteurs: Tinetariro Wesley Chikati, Moven Manjowe, Tapiwa Michelle Masawi

Gepubliceerd 2026-07-30

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Tinetariro Wesley Chikati, Moven Manjowe, Tapiwa Michelle Masawi

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je probeert het perfecte gebak te bakken, maar je hebt slechts een recept waar enkele pagina's uit ontbreken. Als je de ontbrekende ingrediënten raadt, eindig je misschien met een heerlijke traktatie, of je serveert een baksteen. Dit is de dagelijkse realiteit voor wetenschappers die het weer en de landbouw bestuderen. Zij vertrouwen op "neerslaggegevens"—een lang, continu dagboek van hoeveel regen er elke dag valt—om te voorspellen wanneer gewassen zullen groeien, wanneer droogtes kunnen toeslaan en hoe ze miljoenen mensen kunnen voeden. Maar in de echte wereld zijn deze weer-dagboeken vaak gescheurd. Stations gaan kapot, batterijen raken leeg, of stormen maken apparatuur onbruikbaar, waardoor er grote gaten in de verslaglegging ontstaan. De grote vraag is: maakt het uit hoe de pagina's verdwijnen? Als de ontbrekende dagen gewoon door willekeurige ongelukken komen, is dat dan anders dan ontbrekende dagen die specifiek plaatsvinden tijdens de zwaarste stormen? Als we proberen die gaten met wiskunde in te vullen, zal ons gebak dan nog steeds goed smaken, of stort het hele recept in?

Dit onderzoek, uitgevoerd door onderzoekers uit Zimbabwe, duikt in dit rommelige probleem door neerslaggegevens te behandelen als een spel van "invulteksten". Ze namen een perfect, compleet record van regen en scheurden er doelbewust gaten in om te zien wat er gebeurt. Ze testten drie verschillende manieren waarop gegevens verloren kunnen gaan: "Missing Completely at Random" (zoals een willekeurige pagina die uit een boek valt), "Missing at Random" (waarbij de ontbrekende gegevens afhangen van waarden die wel zijn waargenomen, maar niet van de ontbrekende waarden zelf), en "Missing Not at Random" (het ergste scenario, waarbij de ontbrekende pagina's de meest belangrijke regen bevatten, zoals de zware stormen). Ze testten ook hoe erg het wordt wanneer ze 5%, 10% of 20% van de gegevens verwijderen.

De onderzoekers gokten niet zomaar; ze voerden een massale computersimulatie uit (een "Monte Carlo"-experiment) meer dan 2.000 keer om te zien hoe deze ontbrekende stukjes vijf specifieke weer-metingen verpestten: de langste opeenvolgende natte dagen (dagen met minstens 3 mm regen), de langste opeenvolgende droge dagen (dagen met minder dan 3 mm regen), de totale regen voor het seizoen, wanneer het regenseizoen begint, en wanneer het eindigt. Ze ontdekten dat de manier waarop gegevens verdwijnen een enorm verschil maakt. Wanneer de ontbrekende gegevens "Not at Random" waren (het verbergen van de zware regen), waren de resultaten het meest vertekend, wat de grootste fouten veroorzaakte. Verrassend genoeg waren de metingen voor het begin en einde van het seizoen taaie koekjes; ze bleven grotendeels accuraat, zelfs wanneer gegevens ontbraken. Echter, de meting voor de langste opeenvolgende droge dagen was een totale ramp. In droge gebieden maakte zelfs een kleine hoeveelheid ontbrekende gegevens de berekening van droge periodes volledig chaotisch, waarbij de resultaten soms bijna 100% werden verstoord.

De studie onthulde ook een grappige wending: nattere regio's met veel regen leden aan grotere fouten in hun totale neerslagcijfers wanneer gegevens ontbraken, simpelweg omdat er meer "spul" te verliezen viel. Maar in de droogste delen van het land bleven de totale regencijfers verrassend stabiel omdat er aanvankelijk weinig regen was. Echter, die droge regio's betaalden een andere prijs: hun vermogen om droge periodes te volgen viel volledig uiteen. De onderzoekers concludeerden dat, hoewel we niet altijd kunnen voorkomen dat weerstations kapot gaan, we heel voorzichtig moeten zijn met hoe we de gaten invullen. Als we aannemen dat ontbrekende gegevens willekeurig zijn terwijl ze eigenlijk de stormen verbergen, kunnen onze voorspellingen voor boeren gevaarlijk fout zijn, wat potentieel kan leiden tot slechte planning en verminderde oogsten. De studie suggereert dat het draaiende houden van onze weerinstrumenten het beste recept is, want geen enkele wiskunde kan een gescheurd dagboek perfect repareren.

Technische Samenvatting: De impact van mechanismen van ontbrekende gegevens en degradatieniveaus op agroklimatologische neersiegeanalyses

Probleemstelling
Betrouwbare weergegevens vormen de basis voor droogtemonitoring, hydrologische modellering en agrarische besluitvorming, met name in landen met een sterke afhankelijkheid van de landbouw zoals Zimbabwe. Hoewel gegevens van grondstations vaak als foutloos worden beschouwd, kampen ze frequent met ruimtelijke hiaten en temporele discontinuïteiten als gevolg van transmissiefouten, defecten aan instrumenten en menselijke fouten. Er bestaat een kritische kloof in de systematische evaluatie van hoe verschillende structuren van datadegradatie — specifiek Missing Completely at Random (MCAR), Missing at Random (MAR) en Missing Not at Random (MNAR) — en variërende volumes van ontbrekende gegevens (5%, 10%, 20%) de nauwkeurigheid van afgeleide agroklimatologische indices beïnvloeden. Veel bestaande studies en methodologieën voor gatvulling gaan impliciet uit van willekeur bij ontbrekende gegevens, wat de werkelijkheid mogelijk verkeerd voorstelt en significante onzekerheid introduceert in systemen voor klimaatondersteunde besluitvorming.

Methodologie
Om dit aan te pakken, voerden de auteurs een gecontroleerde Monte Carlo-simulatie (MCS) uit met dagelijkse neerslaggegevens van 1981 tot 2025, afgeleid van de CHIRPS-V2 satellietdataset en gevalideerd tegen grondstationcoördinaten in Zimbabwe. De studie richtte zich op zeven stations, elk representatief voor een unieke agro-ecologische zone (AEZ) variërend van regenrijk Regio I tot aride Regio Vb.

De methodologie omvatte:

Datadegradatie: Het kunstmatig degraderen van de volledige tijdreeksen door het introduceren van ontbrekende gegevens volgens drie mechanismen (MCAR, MAR, MNAR) op drie volumeniveaus (5%, 10%, 20%).
Simulatieschaal: De simulatie werd uitgevoerd in 2.000 iteraties per scenario om statistische stabiliteit te garanderen, waarbij gebruik werd gemaakt van een pseudo-willekeurige getalgenerator met de seed-waarde 42 om reproduceerbaarheid te waarborgen.
Doelmetrieken: Vijf belangrijke seizoensgebonden agroklimatologische indices werden berekend voor zowel de natte als de droge seizoenen:
- Maximale opeenvolgende droge dagen (CDD)
- Maximale opeenvolgende natte dagen (CWD)
- Seizoensgebonden totale neerslag
- Seizoen aanvang (Onset)
- Seizoen beëindiging (Cessation)
Foutevaluatie: De studie vergeleken gedegradeerde tijdreeksen met de volledige referentie met behulp van robuuste foutmetrieken die geschikt zijn voor niet-normaal verdeelde neerslaggegevens: Mediaan Bias (MdB), Genormaliseerde Mediaan Absolute Deviatie (NMAD) en de Spearman-rangcorrelatiecoëfficiënt ( $\rho$ ).

Belangrijkste Resultaten
De studie leverde verschillende duidelijke bevindingen op met betrekking tot de gevoeligheid van agroklimatologische indices voor datadegradatie:

Mechanismegevoeligheid: Het MNAR-mechanisme veroorzaakte consistent de meest ernstige bias over alle indices, terwijl MAR de minst ernstige bias veroorzaakte. Bijvoorbeeld, onder 20% MNAR vertoonde de seizoensgebonden totale neerslag een mediaan bias van -244,3 mm jr⁻¹, terwijl MAR aanzienlijk lagere afwijkingen vertoonde.
Volume-schaling: Onzekerheid en bias in de indices namen disproportioneel toe naarmale het volume van de ontbrekende gegevens opschaalde. Er werd een drempeleffect waargenomen waarbij afwijkingen ernstig werden bij 20% ontbrekende gegevens.
Indexresistentie:
- Meest resistent: Seizoen aanvang en seizoen beëindiging waren het meest robuust tegen ontbrekende gegevens. De aanvang behield een NMAD van 0% over alle volumes, en de beëindiging piekte op slechts 4% onder het slechtste MNAR-scenario.
- Meest gevoelig: CDD was de meest gevoelige metriek. In het droge seizoen werd de variantie van CDD catastrofaal, met een NMAD die opliep tot 92% in alle scenario's. Dit geeft aan dat ontbrekende gegevens tijdens droge perioden de berekening van opeenvolgende droge periodes ernstig destabiliseren.
Ruimtelijke Variabiliteit:
- Natte vs. Droge Regio's: Wetter regio's (bijv. Chipinge, Regio I) ervoeren de hoogste absolute bias in de totale seizoensgebonden neerslag vanwege de grotere hoeveelheid neerslag die het risico loopt verloren te gaan. Daarentegen vertoonden drogere regio's (bijv. Beitbridge, Regio Vb) minimale bias in totale neerslaghoeveelheden.
- Continuïteitsmetrieken: Paradoxaal genoeg leden drogere regio's meer onder de degradatie van continuïteitsmetrieken (zoals CDD en temporele correlatie). In aride stations veroorzaakte zelfs 5% ontbrekende gegevens een instorting van de temporele integriteit van de CDD-berekeningen, omdat gaten het onmogelijk maakten om onderscheid te maken tussen droge en natte periodes.

Significantie en Claims
Het artikel stelt dat de omvang van de fouten geïntroduceerd door ontbrekende gegevens zeer gevoelig is voor de lokale klimaatbaseline en het specifieke mechanisme van de ontbrekende gegevens, in plaats van enkel het volume van de ontbrekende gegevens. De auteurs stellen dat:

MNAR is de meest kritieke dreiging: Ervan uitgaan dat gegevens willekeurig zijn (MCAR/MAR) wanneer ze in werkelijkheid MNAR zijn, leidt tot de meest ernstige onderschatting van seizoensgebonden totalen en een verkeerde karakterisering van droogte/natte periodes.
Context is van belang: Hoewel een lage baseline-neerslag fungeert als een "natuurlijk plafond" dat de bias in totale neerslaghoeveelheden beperkt, maakt het tegelijkertijd continuïteitsmetrieken zoals CDD extreem fragiel.
Operationele implicaties: De bevindingen suggereren dat huidige drempelwaarden voor gegevensvolledigheid (bijv. de limiet van 10% ontbrekende gegevens voor het PICSA-programma) mogelijk heroverwogen moeten worden, aangezien zelfs lage volumes van ontbrekende gegevens in specifieke contexten (zoals droge seizoenen in aride regio's) continuiteitsindices onbetrouwbaar kunnen maken.

De studie concludeert dat het continu in bedrijf houden van observatie-instrumenten van groot belang is. Het benadrukt dat hoewel imputatiemethoden nuttig zijn, het onderliggende patroon van ontbrekende gegevens de primaire drijfveer van de fout blijft, en dat de resultaten moeten worden beschouwd als een illustratieve kwantificering van deze risico's in plaats van een definitieve karakterisering van alle mogelijke scenario's vanwege de computationele beperkingen van eindige simulaties.

Technische Samenvatting: De impact van mechanismen van ontbrekende gegevens en degradatieniveaus op agroklimatologische neersiegeanalyses

Meer zoals dit