Door het beschikbaar komen van nieuwe technieken zoals machine learning, speciale sensoren en auto-analyzers is het mogelijk om bijna realtime de waterkwaliteit te monitoren. We noemen dit hoog frequent meten. Met deze metingen ontstaat meer inzicht in de dynamiek van de waterkwaliteit en dat kan waterbeheerders helpen bij het achterhalen van oorzaken van bijvoorbeeld normoverschrijdingen. Het geeft handelingsperspectief voor het halen van de doelen van de Kaderrichtlijn water.
Om hoogfrequente metingen daadwerkelijk in de praktijk te gebruiken is een grote stap. In het topconsortium Kennis en Innovatie project hebben AQUON, Waterschap Aa en Maas, microLAN en Deltares de afgelopen twee jaar samengewerkt om de uitkomsten van het monitoren beter toepasbaar te maken.
Monitoringscyclus bij inzet van hoogfrequente waterkwaliteitsmonitoring
De zogenoemde hoogfrequente data die het continu monitoren oplevert, is voor de dagelijkse praktijk nog niet bruikbaar. Door drift, verstoringen in de signalen, ruis en afwijkingen is data-bewerking nodig voordat hoogfrequente data toepasbaar zijn in de praktijk. Hoewel de nadruk binnen het project vooral lag op databeheer en data-optimalisatie bleek het voor die bruikbaarheid nodig de gehele monitoringcyclus voor hoogfrequente waterkwaliteitsmonitoring te beschrijven. Zo biedt het een duidelijke en gestructureerde aanpak om de monitoring te verbeteren. Een belangrijk hulpmiddel voor waterschappen en onderzoeksorganisaties die hoogfrequent willen gaan meten.
"Om toekomstgericht betrouwbare inzichten te geven in waterkwaliteit investeert AQUON veel in nieuwe technologieën en in dataverwerking daarvan," aldus Eppe Nieuwenhuis, regisseur vraagontwikkeling, innovatie en advies AQUON. "Ook met behulp van sensormetingen krijgen de waterschappen hiermee waardevolle inzichten om effectieve beslissingen te nemen voor een duurzaam waterbeheer. Na deze eerste ontwikkelingen in de optimalisatie van dataverwerking samen met waterschappen en andere expert partijen zetten wij inmiddels de volgende stap in de verdere professionalisering van ons dataplatform en van de bijbehorende datastromen. Ook die ontwikkeling vindt in samenwerking plaats in de keten van datastromen met onze waterschappen. "
Nadruk op databeheer en optimalisatie
Frank van Herpen, specialist onderzoek en monitoring van Waterschap Aa en Maas en partner in dit onderzoek, vindt waterkwaliteitssensoren een mooie aanvulling op het monitoringsarsenaal van een waterschap. "Wat we als Aa en Maas de laatste jaren in de praktijk hebben ervaren is dat het geen kwestie is van ophangen van een sensor en dan direct aan de slag kunnen met de data: daar is een tussenstap voor nodig met validatie van de sensordata. Niet eens zo gek veel anders dan dat we ook doen voor onze metingen aan grondwaterstanden en debieten. Met het Optima-HWQ project is er een goede stap in gezet om dit op een gestructureerde manier te kunnen doen." Kevin Ouwerkerk, data specialist waterkwaliteit van Deltares, vertelt; "Er zijn binnen dit project (Optima-HWQ) belangrijke stappen gezet om het toepassen van hoogfrequente monitoring in de praktijk te brengen. Bijvoorbeeld het bijna real-time detecteren van afwijkingen om online visualisaties en sensoronderhoud te verbeteren. Ook het achteraf optimaliseren van de meetreeksen, bijvoorbeeld door het opvullen van gaten in de meetreeks met machine learning algoritmes toe te passen. Tot slot is het mogelijk om sensormetingen achteraf te corrigeren voor afwijkingen aan de hand van conventionele waterkwaliteitsmetingen."
De kennis die binnen het project is ontwikkeld samen met voorbeeld scripts zijn openbaar en gratis beschikbaar op de Deltares Publicwiki.
Bron: Deltares
Schrijf je in voor onze dagelijkse nieuwsbrief om al het laatste nieuws direct per e-mail te ontvangen!
Inschrijven Ik ben al ingeschreven