Stromingen

Water vasthouden in de haarvaten van watersystemen is één van de manieren om beter om te gaan met droge en natte weersomstandigheden. Een vroegtijdige respons op peilstijgingen en het volume aan vastgehouden water bepalen het succes op lokale en regionale schaal. De slimme SAWAX-stuw kan worden opgesteld in de detailwatergangen, zoals kavelsloten in beheer bij agrariërs. De stuw kan via een vlottersysteem mechanisch-automatisch de waterstanden in de hoofdwatergangen volgen en deze verhogen in het gebied bovenstrooms van de stuw. Daardoor kunnen zonder tussenkomst van de agrariër hogere waterpeilen in de haarvaten worden gerealiseerd. De eerste versie van deze stuw heeft in 2015 t/m 2017 in een praktijksituatie gefunctioneerd. Rekenresultaten geven aan dat de installatie van de SAWAX-stuw leidt tot enige verhoging van de gewasverdamping en dus een (lichte) toename van de gewasproductie. Daarvoor is echter wel een aanzienlijke hoeveelheid wateraanvoer nodig. Dit komt mede doordat de proef op een beperkt areaal is uitgevoerd.

In opdracht van de POV Piping is een online quickscantool voor drainagetechnieken ontwikkeld. De website (www.drainagequickscan.nl) maakt een inschatting van de kosten en het waterbezwaar die gemoeid zijn met het installeren van een drainagesysteem om veiligheid tegen piping te realiseren. De tool is bedoeld als ondersteunend middel tijdens een verkenningstraject voor dijkversterkingsprojecten. Dit artikel beschrijft hoe de Python module TimML is uitgebreid om de berekeningen mogelijk te maken. De grondwaterstroming is stationair berekend in een  doorsnedemodel op basis van analytische elementen.

Rijkswaterstaat heeft door middel van peilbesluiten en waterakkoorden afspraken gemaakt met andere partijen over peilhandhaving, hoogwaterafvoer, wateraanvoer en verziltingsbestrijding. De beschikbaarheid van kunstwerken als stuwen, spuisluizen en gemalen is belangrijk om deze afspraken na te komen. Echter, in de praktijk is 100% beschikbaarheid onmogelijk, storingen kunnen zich altijd voordoen. Deze storingen beïnvloeden weer de mate waarin gemaakte afspraken kunnen worden nagekomen. Er is dus een relatie tussen de intensiteit van beheer en onderhoud (en de bijbehorende kosten) en de mate van nakomen van de gemaakte afspraken. Rijkswaterstaat wil deze relatie transparant maken, om zo de kosten van het beheer en onderhoud af te stemmen op de gemaakte afspraken (prestatiemanagement). Om dit mogelijk te maken heeft Rijkswaterstaat aan HKV Lijn in Water gevraagd een model (proof-of-concept) te ontwikkelen voor het Volkerak-Zoommeer. Tijdens hoge aanvoeren op dit meer kan overtollig water worden gespuid via de Bathse spuisluis. Het model berekent de invloed van storingen van de spuisluis op de meerpeilstatistiek, waarbij het meerpeil in dit geval de ruimtelijk gemiddelde waterstand van het meer betreft: een maat voor de ‘vulling van de bak’. Dit model, DEVO genaamd, wordt in dit artikel gepresenteerd. Omdat een aanpak via het gepresenteerde modelconcept veelbelovend
blijkt, zullen we in de komende jaren ook voor de andere functies en watersystemen soortgelijke modellen ontwikkelen.

De snelle ontwikkelingen op het gebied van Machine Learning (ML) hebben ervoor gezorgd dat deze data-analysemethode voor steeds meer doeleinden gebruikt wordt en vaak een kostenefficiënt alternatief vormt voor bestaande methodes. Deze studie onderzoekt de meerwaarde van Machine Learning in het operationele waterbeheer. Hiervoor zijn testen uitgevoerd om waterstandreeksen te genereren voor de Bovenmark ten zuiden van Breda, in het beheergebied van Waterschap Brabantse Delta. In het onderzoek zijn vier verschillende Machine Learning algoritmes getest: Autoregressive Integrated Moving Average (ARIMA), Gradient Boosting Regression Trees (GBRT), Long Short-Term Memory (LSTM) en Multi-Layer Perceptron (MLP). De meest nauwkeurige verwachtingen zijn behaald door waterstandsveranderingen te berekenen en deze te transformeren naar momentane waterstanden. Dit bleek beter te werken dan direct de waterstanden te berekenen. De nauwkeurigheid van de berekeningen neemt af als men meerdere dagen vooruit wil voorspellen. De beste resultaten werden behaald met GBRT, welke voor een verwachting van één dag vooruit een gemiddelde verklaarde variantie (R2) van 0,95 had en voor drie dagen vooruit een gemiddelde R2 van 0,80, met een gemiddelde absolute afwijking van 0,006 m

Hoe ver reikt grondwaterstandsverhoging door in een beekdal, als er vernattingsmaatregelen zoals het verhogen van de beekbodem en/of hogere beekpeilen zijn voorzien? In dit artikel stellen we een methode voor die hydrologische ingrepen in het oppervlaktewatersysteem vertaalt naar grondwatereffecten in dunne aquifers op aangrenzende hellende percelen: Darcy op de helling. Bij wijze van voorbeeld beschouwen we twee beekdalsystemen in Natura2000-gebieden in Twente, die veelvuldig voorkomen bij stuwwallen met een ondiepe hydrologische basis: 1) een dunne aquifer op een helling en 2) een dikkere aquifer op een helling met een steilrand. Met elementaire hydrologie laten we zien dat de doorwerking relatief beperkt is in hellende gebieden en dat vernatting van beekdalen te bereiken is zonder grote natschade aan hellende agrarische percelen.