Beperking van piekneerslag in de buurt

“Aanpassing aan stedelijke piekprecipitatie is niet moeilijk.”

Als kennismaking met het Tygron-platform en als kleine uitdaging heb ik geprobeerd mijn eigen Use Case te maken over het analyseren van maatregelen voor overstromingen in wijken. Ik ben een masterstudent International Land and Water Management aan de Wageningen University & Research en loop momenteel mijn afstudeerstage bij Tyron. In deze blog beschrijf ik de stappen die ik heb genomen om mijn eigen Neighborhood Surface Indicator te bouwen.

Na het voltooien van de basis tutorials van Tygron en enkele kleine oefenprojecten (https://support.tygron.com/wiki/Practice), besloot ik dat ik mijn eigen indicator wilde maken in mijn Use Case. Hierdoor kon ik mijn kennis van de software testen en een betere indruk krijgen van alle mogelijkheden van het Tygron-platform. Een Indicator wordt gebruikt om elementen van een project of digital twin te meten en inzicht te geven in de voortgang van mogelijke maatregelen of aanpassingen.

Mijn eerste stap bij het maken van de indicator was het opstellen van enkele randvoorwaarden. Door mezelf af te vragen:

  • Hoe maak ik een use case gerelateerd aan klimaatverandering, die breed toepasbaar is en aansluit bij mijn persoonlijke interesses en studieachtergrond?
  • Is het mogelijk dat het probleem dat door mijn indicator wordt benadrukt, kan worden verzacht met gemakkelijk toegankelijke klimaatadaptatiemaatregelen?
Afbeelding 1. In de buurt, Amersfoort (2020)

 

 

 

Na wat onderzoek te hebben gedaan, kwam ik het volgende probleem en initiatief tegen. Klimaatverandering verandert, zoals bekend, weerpatronen in Nederland, extreme neerslag gebeurtenissen worden ernstiger en komen vaker voor. Met behulp van gegevens van het KNMI zou ik kunnen projecteren hoe toekomstige extreme neerslagscenario’s (t = 10j) de komende decennia een significante toename in ernst laten zien. Met behulp van het Tygron-platform kunnen deze regen gebeurtenissen op buurt- of straatschaal worden gesimuleerd en kan de huidige neerslagbestendigheid worden beoordeeld. Op deze manier kunnen zwakkere gebieden in kaart worden gebracht en kunnen effecten worden gevisualiseerd.

Vervolgens ben ik op zoek gegaan naar mogelijke mitigatie-opties. En na wat onderzoek en wat tips op kantoor kwam ik groenere woontuinen tegen als mogelijke maatregel om de overstroming te verminderen. Door het vergroten van de groenheid van de tuin wordt de waterbergingscapaciteit vergroot en als natuurlijk gevolg hiervan wordt de afvoer van oppervlaktewater verminderd. In veel Nederlandse steden worden zogenaamde ‘break the stone’-initiatieven opgezet. Een voorbeeld is Amersfoort, waar bewoners ter bevordering van groene tuinen een tegel konden ruilen voor een tuinplant.

Na het raadplegen van verschillende websites en wetenschappelijke literatuur, besloot ik hoe ik mijn indicator wilde vormgeven. Door aan te geven hoe de oppervlaktes van een wijk zijn ingericht, wordt het handiger om gebieden aan te duiden waar tuinen te hard / bestraat zijn. Daarom zou mijn indicator de status van directe (bodem) infiltratie van (regen) water in een wijk moeten kunnen projecteren. Ik heb de indicator in twee categorieën onderverdeeld; slechte infiltrerende oppervlakken en goede infiltrerende oppervlakken. De slechte infiltrerende oppervlakken zijn onder meer daken, verharde tuinen en verharde openbare ruimtes als parameters. En bij de goede infiltrerende ruimtes zijn groene tuinen en openbaar groen als parameters. Vervolgens ben ik op zoek gegaan naar een locatie om mijn Digital Twin te maken, hierbij heb ik mijn oog laten vallen op het Leusderkwartier in Amersfoort. Een buurt met veel verhardingen, dus groene tuinmaatregelen zouden een belangrijke positieve bijdrage kunnen leveren. En een buurt die deel uitmaakte van een eerdere case study van de gemeente waarbij de geselecteerde categorieën gedeeltelijk in kaart werden gebracht. Hierdoor wist ik in welke richting de geprojecteerde resultaten van mijn parameters zouden moeten zijn.

De volgende stap was om dit plan te vertalen naar een bruikbare indicator die echt zou werken. Dit was de moeilijkste, maar ook de meest lonende stap. Voordat ik mijn eigen indicator opstelde, heb ik gekeken naar het raamwerk van eerdere bestaande indicatoren die in hun ontwerp overlapten met mijn use case. Daarna begon ik aan mijn eigen indicator te werken. Om dit te doen, begon ik met het in kaart brengen van de queries die ik nodig zou hebben om mijn parameters te gebruiken. Query’s zijn taken in het Tygron-platform die bepaalde gegevens uit het 3D-model opvragen. De querytool van het platform heeft me geholpen om de juiste vragen te regelen. Met behulp van de vragen kon ik elke parameter onafhankelijk opvragen. Hierbij heb ik handmatig ‘groene’ en ‘geplaveide’ tuinen moeten scheiden en de waarden voor elk type tuin zelf moeten aanpassen, aangezien er nog geen standaard onderscheid is tussen deze tuinsoorten. Deze waarden zijn bijvoorbeeld de infiltratiesnelheid en het aantal bemanningsleden, waarden die rechtstreeks van invloed zijn op het drainagevermogen van een oppervlak. Na wat vallen en opstaan, slaagde ik erin om de indicator aan het werk te krijgen en de waarden te projecteren die ik verwachtte. Mijn laatste stap was om groene verbeteringen beschikbaar te maken voor de stakeholders van deze use case. Deze stakeholders waren overwegend de gemeente (Amersfoort) en bewoners.

Afbeelding 2. Resultaat van de Indicator in de Amersfoort Digital Twin.
Afbeelsing 3. Steenbreek-initiatief tijdens een sessie.
Afbeelding 4. Positief effect van groenere tuinen op de indicator.

 

Op deze pagina vindt u meer informatie over het maken van de Green Garden Indicator:

https://previewsupport.tygron.com/wiki/How_to_make_the_Green_Garden_Indicator

Privacy Preferences
When you visit our website, it may store information through your browser from specific services, usually in form of cookies. Here you can change your privacy preferences. Please note that blocking some types of cookies may impact your experience on our website and the services we offer.