IS ER EEN TREND IN 100 JAAR NEERSLAG TE UKKEL?

Transcriptie

1 IS ER EEN TREND IN 1 JAAR NEERSLAG TE UKKEL? dr. ir. G. VAES, prof. J. BERLAMONT Laboratorium voor Hydraulica, K.U.Leuven IS THERE A TREND IN 1 YEARS OF RAINFALL MEASURED AT UCCLE? In 1999 the digitisation of old rainfall records of measurements at Uccle was completed, which resulted in a unique rainfall series of 1 years ( ). This is an ideal opportunity to search for trends in the rainfall over the last century. Large variations in rainfall probability over the century have been observed. For short storm durations there is a slight decrease in extreme rainfall events over the century. For long storm durations there is a more explicit increase in extreme rainfall. Because the rainfall on seasonal aggregation level is only slightly increased, the increase in extreme rainfall events for storm durations between a few days and a few months can only occur due to larger clustering. However, the final conclusion is that these trends are not significant. A pure random variation of the rainfall can cause equally large variations. The absence of a significant trend in the rainfall over the last century, does not exclude a possible significant trend in flooding frequency. This would be due to the strongly increased urbanisation over the last century. 1. INLEIDING 1.1 Het ontstaan van de 1-jarige neerslagreeks In het kader van de studie Riooloverstorten: randvoorzieningen [Berlamont et al., ; Vaes et al., ], werden op papier geregistreerde metingen van neerslag te Ukkel (periode ) gedigitaliseerd door het KMI. De betreffende neerslaggegevens werden en worden nog steeds opgemeten te Ukkel op dezelfde plaats sinds 1898 en met éénzelfde toestel. De neerslaggegevens vanaf 1967 waren reeds digitaal beschikbaar. Op deze manier werd dus een unieke reeks van 1 jaren neerslaggegevens bekomen voor de periode met een tijdstap van 1 minuten [Demarée et al., 1998]. Het ontvangstoppervlak van de gebruikte pluviograaf te Ukkel bevindt zich niet op maaiveldhoogte. Hierdoor treedt een onderschatting op van de neerslag ten gevolge van windeffecten [Braak, 1945]. Om deze onderschatting ten gevolge van windeffecten en andere systematische meetfouten te corrigeren, werden de neerslagtotalen per 4 uur door het KMI geverifieerd en gecorrigeerd aan de hand van opgemeten dagsommen met een pluviometer. Hierbij wordt de vorm (tijdsverloop) van de opgemeten neerslaggebeurtenis behouden en blijft de intrinsieke variabiliteit gegarandeerd. Bij het ontbreken van bepaalde periodes werd door het KMI gebruik gemaakt van neergeschreven waarnemingen en metingen van nabijgelegen stations om de vorm van de neerslaggebeurtenis te Ukkel te reconstrueren. Zo werd, ondanks een beperkt aantal ontbrekende registratiestroken, toch een continue reeks van 1 jaren neerslag bekomen met behoud van de statistische kenmerken. 1. IDF-relaties als basis voor de analyse De lengte van deze 1-jarige neerslagreeks is interessant om naar trends te zoeken die mogelijkerwijze een invloed zouden kunnen hebben op dimensioneringsregels voor allerhande structuren en afvoersystemen voor regenwater. Aangezien de fysische link tussen neerslag en piekdebieten in deze structuren en systemen gelegd wordt door de aggregatie over de concentratietijd, is het noodzakelijk dat de duur van de neerslagfenomenen in rekening wordt gebracht. Via de concentratietijd kan de eerste orde invloed van het systeemgedrag (d.i. voor lineaire systemen) in rekening worden gebracht. Een trendanalyse die relevant is voor de ontwerppraktijk moet dus gebaseerd zijn op Intensiteit/Duur/Frequentierelaties (IDF-relaties [Vaes et al., 1994; Vaes, 1999, ]). Voor ontwerptoepassingen is het verder belangrijk dat alle waarden boven een welbepaalde drempelwaarde (d.i. POT-waarden = Peak Over Treshold) worden meegerekend bij het opstellen van de IDF-relaties. Het gebruik van POT-waarden veronderstelt het invoeren van een onafhankelijkheidscriterium om afhankelijke overschrijdingen van de drempelwaarde te elimineren. Immers, indien twee kort opeenvolgende overschrijdingen zich voordoen, kan dit leiden tot slechts één piekoverschrijding van het te berekenen effect (d.i. piekdebiet, piekwaterhoogte, enz...). In dat geval zijn de twee neerslagoverschrijdingen afhankelijk en mag slechts één van beide worden meegeteld. Het niet inrekenen van het onafhankelijkheidscriterium leidt tot een onderschatting van de terugkeerperiode (d.i. overschatting van de neerslagintensiteit en frequentie). Bovendien worden (omwille van de psychologische perceptie) twee korte effecten, die zich voordoen op minder dan 1 uren van elkaar, beschouwd als één effect. Wanneer periodieke maxima worden gebruikt voor de bepaling van de IDF-relaties in plaats van POT-waarden, zal men daarentegen een overschatting van de terugkeerperiode bekomen (d.i. onderschatting 1

2 van de neerslagintensiteit en frequentie). Het is immers niet enkel belangrijk wat de kans is dat een extreme waarde zich in een bepaald jaar voordoet, maar ook wat het aantal keren is dat een extreme waarde voorkomt in dat jaar. Omwille van de clustering van extreme gebeurtenissen geeft dit een belangrijk verschil voor de terugkeerperioden die voor het ontwerp van hydrologische afvoersystemen gebruikt worden. Bovendien is een burgerlijk jaar een kunstmatige en subjectieve afbakening, die onvoldoende rekening houdt met de clustering van extreme gebeurtenissen binnen het winterseizoen. Voor grote aggregatieniveaus is de seizoensafhankelijkheid van de neerslag belangrijk. Daarom worden voor buiduren groter dan 1 dag best aparte IDF-relaties gebruikt voor zomer- en wintergebeurtenissen. Daarnaast worden de randvoorwaarden en initiële condities belangrijker voor systemen met een concentratietijd groter dan 1 dag [Vaes et al., 1998; Vaes, 1999]. Tenslotte dient het belang van een nauwkeurige extreme waarden analyse te worden benadrukt bij het opstellen van IDF-relaties voor extreme neerslaggebeurtenissen [Willems, 1998]. Zonder extreme waarden analyse kunnen slechts nauwkeurige IDFrelaties worden opgesteld tot een terugkeerperiode gelijk aan 1/1 à 1/ van de totale lengte van de neerslagreeks [Vaes et al., 1994].. ALGEMEEN BEELD VAN 1 JAAR NEERSLAG.1 POT-waarden In figuur 1 worden de POT-waarden weergegeven boven de drempelwaarde met een terugkeerperiode van jaar. We merken hierbij dat er een duidelijke clustering is. Het is deze clustering (en het effect ervan op de interpretatie van de terugkeerperiode) die het gebruik van periodieke maxima voor ontwerptoepassingen minder nauwkeurig maakt. Voor bepaalde buiduren blijken duidelijk hogere piekvolumes voor te komen naar het einde van de 1-jarige reeks. Aangezien hier echter slechts een beperkt aantal buiduren worden weergegeven en de variatie van buiduur tot buiduur groot kan zijn, moet met dit soort interpretaties opgelet worden. Het geeft echter reeds aan in welke richting de resultaten van een grondige trendanalyse kunnen wijzen. Toch moet benadrukt worden dat voor ontwerptoepassingen vaak niet de piekvolumes van belang zijn, maar eerder het aantal overschrijdingen van een bepaalde drempelwaarde. Door deze analyses uit te voeren voor een variatie aan drempelwaarden (met verschillende terugkeerperioden) en deze onderling te vergelijken, kan ook een uitspraak worden gedaan over het voorkomen van hogere piekvolumes Figuur 1 : Variatie van de POT-waarden boven de drempelwaarde met een terugkeerperiode van jaar voor buiduren van 1 minuten, uren en 1 dag piekvolumes (mm) Seizoensafhankelijkheid buiduur 1 = 1 min buiduur = 1 min buiduur 3 = 144 min Figuur : Seizoensafhankelijkheid van de extreme neerslaggebeurtenissen voor buiduren (d.i. aggregatieniveaus) tussen 1 minuten en 7 dagen. kans dat een bui zich voordoet met een terugkeerperiode van minimum 1 jaar 45% 4% 35% 3% 5% % 15% 1% 5% % buiduur 1 = 1 min buiduur = 6 min buiduur 3 = 36 min buiduur 4 = 1 dag buiduur 5 = 7 dagen maand Het is ook nuttig om te weten in welk seizoen bepaalde types neerslag voorkomen. In figuur worden de verdelingen van de extreme neerslagvolumes over de maanden van het jaar weergegeven voor een variatie aan buiduren en voor de 1 meest extreme gebeurtenissen (alle buien die de drempelwaarde met een terugkeerperiode van 1 jaar overschrijden). Uit figuur blijkt een duidelijke piek in het voorkomen van korte, hevige buien in de zomermaanden en vooral in de maand juli. Dit geldt voor buiduren tot ongeveer 36 minuten, welke vooral van belang zijn voor het ontwerp van rioleringen. Voor grotere buiduren krijgen we een lichte verschuiving naar vooral het najaar en de winter, maar door hun extreme piekintensiteiten en door clustering van onweders blijft de zomerneerslag ook bij grotere aggregatieniveaus belangrijk. De extreme piekneerslag voor korte buiduren in de zomer is duidelijk gekoppeld aan het voorkomen van onweersbuien. De minder gepiekte en meer langdurige buien in het najaar en de winter komen vooral overeen met het voorbijtrekken van neerslagfronten. In deze periode komen gepiekte (onweers)buien zelden voor. Neerslagfronten komen ook in de zomerperiode voor, maar deze neerslag wordt in volumes meestal overtroffen door de onweersbuien..3 Extreme waarden vergelijking In de figuren 3 en 4 wordt een overzicht gegeven van de relaties tussen neerslagvolumes (d.i. neerslagintensiteit buiduur)

3 15 1 Figuur 3 : Relatie tussen neerslagvolumes en terugkeerperiode voor een buiduur van 1 minuten. 5 neerslagvolumes (mm) buiduur = 1 minuten drempelwaarde (d.i. terugkeerperiode) het gecumuleerd aantal overschrijdingen sinds het begin van de periode uitgezet in functie van het jaar waarin de overschrijding voorkomt. Indien alle overschrijdingen van de drempelwaarde perfect gespreid zouden liggen, bekomen we zo een rechte (figuur 5). De wijze waarop een niet perfect gespreide curve afwijkt van deze rechte, geeft een indicatie over een trend in de overschrijdingsfrequentie. Indien we veronderstellen dat er zich een lineaire trend voordoet (dit is de meest eenvoudige veronderstelling of eerste orde benadering), betekent dit dat het aantal overschrijdingen p (of de frequentie van de fenomenen) lineair toeneemt in de tijd. Het gecumuleerd aantal overschrijdingen P neemt dan kwadratisch toe in de tijd (P is de integraal van p) terugkeerperiode (jaar) We vinden dan een vergelijking van de volgende vorm voor het verband tussen het cumulatief aantal overschrijdingen P en het jaartal jr waarin deze overschrijding voorkomt : Figuur 4 : Relatie tussen neerslagvolumes en terugkeerperiode voor een buiduur van 1 dag. P D jr jr1+ 1 jr jr1+ 1 = a + ( a) T 1 g D D neerslagvolumes (mm) met : a = de fittingsparameter; deze parameter is indien er geen trend is D = de totale duur van de neerslagreeks : 1 jaar jr = het jaartal jr1 = het eerste jaartal in de reeks : 1898 T g = de terugkeerperiode voor de gehele neerslagreeks van 1 jaar 4 3 buiduur = 144 minuten De overschrijdingsfrequentie f is gelijk aan p/d en daaruit volgt dat de variatie van de overschrijdingsfrequentie gelijk is aan (t is de genormaliseerde tijd) : terugkeerperiode (jaar) df dt met 1 dp 1 dp a = = = = D dt D dt T jr jr1+ 1 t = D g af g en terugkeerperiode voor twee verschillende buiduren. Hierbij worden de extreme waarden uit de 1-jarige reeks vergeleken met de extreme waarden voor de 7-jarige reeks (periode ), die tot nu toe voor het bepalen van de asymptotische evolutie van de IDF-relaties werd gebruikt [Vaes, 1999]. De grafieken zijn zodanig geschaald dat een rechte lijn een exponentiële extreme waarden verdeling weergeeft. Op basis van de extreme waarden fitting kunnen dan de klassieke IDF-relaties worden opgesteld. Uit deze extreme waarden vergelijking blijkt dat er geen duidelijk verschil is tussen de twee beschouwde reeksen. Het blijkt bovendien duidelijk uit de grafieken dat er een zeer grote onzekerheid op de resultaten van een extreme waarden analyse aanwezig zal zijn. 3. TRENDANALYSE 3.1 Methodologie Voor ontwerptoepassingen is het vooral van belang hoe vaak een bepaald piekvolume (gedurende een bepaalde tijd) wordt overschreden. Daarom wordt de trendanalyse uitgevoerd op het aantal overschrijdingen van een drempelwaarde en niet op de neerslagvolumes. Door dit voor verschillende drempelwaarden te doen (overeenkomstig verschillende terugkeerperioden), kan worden nagaan of er een verschuiving is naar grotere piekvolumes. Om deze trendanalyse uit te voeren wordt per aggregatieniveau (voor kleine aggregatieniveaus komt dit overeen met wat men klassiek onder een buiduur verstaat) en per met : f g = de gemiddelde overschrijdingsfrequentie over de gehele neerslagreeks van 1 jaar De parameter a geeft dus de toename van de frequentie ten opzichte van het gemiddelde. Indien men uitgaat van een lineaire trend tussen het begin en het einde van de 1-jarige neerslagreeks, moet de parameter a gelegen zijn tussen -1 en 1 (d.i. tussen -1 % en 1 %). Indien de parameter a gelijk is aan is de frequentie constant over de gehele reeks van 1 jaar. Indien de parameter a positief is, neemt de frequentie toe en indien de parameter a negatief is, neemt de frequentie af. De variatie van de frequentie tussen begin en einde van de 1-jarige reeks is dus a. Dit betekent dat de variatie van de frequentie in het be- 3

4 gin en op het einde van de 1-jarige reeks ten opzichte van het gemiddelde f g gelijk is aan a. Een factor a gelijk aan 1 betekent dat de frequentie op het einde van de 1- jarige reeks dubbel zo groot is als het gemiddelde over de 1 jaren. De overschrijdingsfrequentie f is dan gelijk aan : Figuur 5 : Voorbeeld van de gebruikte methodologie voor het bepalen van de trend in het aantal overschrijdingen van een drempelwaarde. 1 8 gecumuleerd aantal overschrijdingen van T = 1 jaar buiduur 1 = 1 dagen buiduur = 3 dagen buiduur 3 = 15 dagen f = a jr jr D ( 1 a) f g 6 In figuur 5 wordt een voorbeeld gegeven van drie werkelijke curven met het gecumuleerd aantal overschrijdingen P uitgezet in functie van het jaartal jr. Een afwijking naar beneden betekent een positieve trend (a > ) en een afwijking naar boven een negatieve trend (a < ). Door nu voor een brede variatie aan aggregatieniveaus en drempelwaarden (d.i. terugkeerperioden) deze trend (parameter a) te fitten, kunnen we nagaan hoe een mogelijke trend evolueert in functie van deze twee parameters (figuur 6). 3. Random variatie Om na te gaan of een bepaalde trend significant is, zal eerst de variatie van de factor a worden bepaald voor een random variatie aan overschrijdingen binnen de 1-jarige reeks. Door deze random variatie vele keren te genereren en de fitting uit te voeren, kunnen we een distributie bekomen voor de parameter a. Deze random variatie is enkel afhankelijk van de drempelwaarde (d.i. terugkeerperiode). In figuur 7 worden de resultaten hiervan weergegeven voor een terugkeerperiode van jaar. Er werden per drempelwaarde 1 random variaties gegenereerd. De grenswaarden waarbinnen 95 % van de waarden van de parameter a liggen, zijn aangeduid met de horizontale lijnen en staan weergegeven in tabel 1. Tabel 1 : De 95 % grenzen van de parameter a bij een random variatie. terugkeerperiode [jaar] 95 % grenzen 1 ± 35 % ± 49 % 5 ± 76 % 1 ± 1 % Uit tabel 1 en figuur 7 blijkt dat een zeer grote variatie van de frequentie te wijten kan zijn aan louter random variaties. Er kan enkel sprake zijn van een significante trend, indien de parameter a voor de historische 1-jarige reeks buiten het 95 % interval ligt. Een variatie groter dan ± 1 % kan niet voorkomen in de veronderstelling van een lineaire trend. De variatie is dan ook overal gelimiteerd op 1 %. Vandaar dat ook het 95 % interval niet groter kan worden dan [-1 %, 1 %] Figuur 6 : Voorbeeld van de gebruikte fitting voor het bepalen van de trend in het aantal overschrijdingen van een drempelwaarde. gecumuleerd aantal overschrijdingen van T = jaar buiduur = 15 dagen fitting Figuur 7 : Variatie van de overschrijdingsfrequentie voor een random gegenereerde neerslagreeks van 1 jaar in de veronderstelling van een lineaire trend en voor een gemiddelde terugkeerperiode van jaar. De horizontale lijnen geven het 95 %-interval aan. 1% 8% 6% 4% % % -% -4% -6% -8% variatie van de overschrijdingsfrequentie voor een terugkeerperiode van jaar -1% aantal random variaties

5 Figuur 8 : Procentuele toename (negatief = afname) van de overschrijdingsfrequentie op het einde van de 1 jaren ten opzichte van het gemiddelde (terugkeerperiode = jaar) in de veronderstelling van een lineaire trend; weergegeven in functie van het aggregatieniveau. Met de horizontale lijnen is het 95 %-interval van een random variatie aangegeven. procentuele toename van de overschrijdingsfrequentie ten opzichte van het gemiddelde 1% 8% 6% 4% % % -% -4% -6% -8% -1% aggregatieniveau (dagen) Figuur 9 : Procentuele toename (negatief = afname) van de overschrijdingsfrequentie op het einde van de 1 jaren ten opzichte van het gemiddelde (terugkeerperiode = 5 jaar) in de veronderstelling van een lineaire trend; weergegeven in functie van het aggregatieniveau. Met de horizontale lijnen is het 95 %-interval van een random variatie aangegeven. procentuele toename van de overschrijdingsfrequentie ten opzichte van het gemiddelde 1% 8% 4% % -4% -8% -1% aggregatieniveau (dagen) 3.3 Resultaten In de figuren 8 en 9 zijn de resultaten weergegeven van de fitting van de lineaire trendlijnen voor een brede variatie aan aggregatieniveaus en verschillende drempelwaarden (d.i. terugkeerperioden). Per drempelwaarde bekomt men een grafiek met het verloop van de fittingsparameter a in functie van het aggregatieniveau. Ook de grenzen van het 95 % interval van de random variaties zijn aangeduid met horizontale lijnen. De betekenis van de parameter a (uitgezet op de verticale as) is de procentuele toename van de overschrijdingsfrequentie op het einde van de 1-jarige reeks ten opzichte van de gemiddelde overschrijdingsfrequentie voor de 1-jarige reeks. 3.4 Bespreking trendanalyse Voor de korte gepiekte buien (die zich meestal in de zomerperiode voordoen) blijkt er een afname te zijn van de overschrijdingsfrequentie in de loop van de 1 jaren. Deze afname ligt echter binnen de 95 % grenzen van de random variatie, waardoor dit geen significante trend genoemd kan worden. Uit een vergelijking van de grafieken voor verschillende terugkeerperioden blijkt dat de afname bij grotere terugkeerperioden zich enkel voor zeer kleine aggregatieniveaus voordoet om dan om te slaan naar een toename. Dit leidt tot het besluit dat voor individuele buien er zich weliswaar een grote variatie in de tijd (en in functie van het aggregatieniveau, d.w.z in functie van de concentratietijd) voordoet van de frequentie van de fenomenen, maar dat er geen significante trend aanwezig is. Voor grotere aggregatieniveaus (in dit geval kan je nog moeilijk van buiduren spreken) is er een uitgesproken positieve tendens in de neerslag, dit wil zeggen een toename van de overschrijdingsfrequentie in de loop van de 1 jaren. Deze toename is vooral uitgesproken voor aggregatieniveaus tussen 1 week en 1 maand, waarna de toename in overschrijdingsfrequentie weer vermindert voor nog grotere aggregatieniveaus. Voor aggregatieniveaus groter dan 3 maanden is de toename in overschrijdingsfrequentie al sterk verminderd. Dit betekent dat er zeker geen trend aanwezig is in de neerslaghoeveelheden gedurende een seizoen. Aangezien de individuele buien zelf niet frequenter voorkomen en er ook geen trend is met betrekking tot de totale neerslaghoeveelheden per seizoen, kan deze positieve tendens voor aggregatieniveaus tussen een week en een maand enkel te wijten zijn aan een grotere clustering van neerslaggebeurtenissen. Aangezien voor deze aggregatieniveaus de toename van de overschrijdingsfrequentie wel significant lijkt (d.w.z. zich voor een niet onbelangrijk deel buiten het 95 % interval van de random variaties bevindt), zou men kunnen besluiten dat er een trend is in de clustering van de neerslaggebeurtenissen. Dit is echter een verkeerd besluit, want een lineaire trend voor de clustering is fysisch onmogelijk, omdat deze clustering in de tijd niet kan blijven toenemen. Er zijn verschillende mogelijkheden met betrekking tot de interpretatie van deze clustering. Ten eerste kan er een nietlineaire trend zijn met verzadigingswaarde voor de clustering en dan hebben we ofwel de verzadigingswaarde bereikt, ofwel zal de clustering nog even, maar trager, verder gaan tot de verzadigingswaarde. Ten tweede kan er een cyclus aanwezig zijn met toe- en afname van de clustering. Deze eventuele cyclus is niet waarneembaar in de 1-jarige periode en heeft dus een periodiciteit van meer dan 1 jaar. In dat geval kan de clustering in de verre toekomst terug afnemen. Dit kan enkel gedetecteerd worden met een nog langere reeks van neerslaggegevens. Deze waargenomen toename in clustering zou eventueel verklaard kunnen worden door een verandering in ons klimaat, maar zou ook puur toevallig kunnen zijn. De grenzen van het 95 % interval geven bij de voorgaande analyse wellicht ten onrechte aan dat het om een significante clustering zou gaan, omdat in de random variaties geen rekening is gehouden met een random va- 5

6 riatie van de clustering zelf. Indien deze random variatie van de clustering zou worden ingerekend, zal het 95 % interval nog breder worden en wordt de significantie van de trend kleiner. De relatie van de vastgestelde clustering in de 1-jarige neerslagreeks tot een randomvariatie van buien en buifronten moet hiertoe verder onderzocht worden. Dit is echter niet eenvoudig, want hiervoor moeten individuele buien en buifronten worden geïdentificeerd, om ze dan random door elkaar te halen en de analyse erop te herhalen. Dit zou bovendien vele keren moeten gebeuren om een perfecte random variatie te bekomen en de invloed van toevallige combinaties te minimaliseren. Uit een seizoensanalyse blijkt dat er weinig verschil is in tendensen tussen de zomeren de winterperiode. Voor de extreme gebeurtenissen blijkt de toename in overschrijdingsfrequentie wel meer uitgesproken in de zomerperiode. Hieruit kan men concluderen dat de clustering van extreme onweders in de zomer sterk is toegenomen, zonder dat dit een significante trend genoemd kan worden. 4. EFFECT OP HET ONTWERP VAN HYDROLOGISCHE SYSTEMEN 4.1 Gebruik van ontwerpneerslag Voor ontwerpdoeleinden zijn de korte buien vooral belangrijk bij het ontwerpen van riolen, waarvoor terugkeerperioden van 1 tot 1 jaren worden gebruikt. Tot nu toe wordt voor deze dimensionering de neerslag voor de periode gebruikt [VMM, 1996]. Het gebruik van deze neerslag van de laatste decennia zal dus omwille van de negatieve tendens voor korte buiduren eerder tot een onderschatting van de neerslagintensiteiten en van de frequenties leiden (d.i. overschatting van de terugkeerperiode) ten opzichte van de neerslag voor de volledige 1 jaar. De neerslaghoeveelheden voor grote aggregatieniveaus (vanaf ½ dag) zijn vooral van belang bij waterloopmodellering. Voor de huidige waterloopmodelleringsstudies bestaat de tendens om het hydrologisch gedeelte te simuleren met de volledige reeks van 1 jaren neerslag en hieruit de maatgevende hydrogrammen voor de routing te halen. Door de positieve tendens in de neerslag voor de grote aggregatieniveaus zal dit tot een lichte onderschatting van de neerslagintensiteiten of frequenties leiden (d.i. overschatting van de terugkeerperiode) in vergelijking met de neerslag van de laatste jaren of decennia. Omdat de trend niet significant wordt bevonden, lijkt het gebruik van de 1-jarige reeks toch het meest relevant. 4. Responsgedrag van hydrologische systemen Vele hydrologische systemen gedragen zich niet-lineair en zijn multi-modaal. Dit maakt een interpretatie op basis van IDF-relaties minder nauwkeurig. Voor uni-modale nietlineaire systemen kan de frequentie van het effect tot 5 % onderschat worden, indien het gelijk wordt gesteld aan de frequentie van de neerslaginvoer [Vaes, 1999]. Voor multi-modale systemen is de interpretatie nog veel moeilijker. Indien er een overheersende mode (d.i. concentratietijd) is, kan men deze nog als representatief beschouwen, maar meestal heeft men te maken met een aantal sterk verschillende concentratietijden die een evenwaardige inbreng hebben. In dat geval kan men niet zomaar de tendensen van de verschillende bijdragende aggregatieniveaus gaan gebruiken, maar dient men de trendanalyse op de tijdreeks van modeluitvoer toe te passen. Voor waterloopmodellering kan worden gesteld dat door het multi-modaal zijn van het hydrologisch modelgedeelte de volledige tijdreeks moet worden gesimuleerd met een statistische verwerking van de uitvoer om goede resultaten te bekomen (in tegenstelling tot een statistische verwerking van de neerslag op voorhand). Dezelfde reden maakt de interpretatie van de trendanalyse voor waterloopmodellering op basis van een analyse van de neerslaggegevens minder nauwkeurig en afhankelijk van de specifieke toepassing. 4.3 Andere factoren die de toename van piekdebieten beïnvloeden Ondanks het feit dat er een grote evolutie merkbaar is in overschrijdingsfrequenties, moet erop gewezen worden dat de neerslag niet de enige bepalend factor is voor de schatting van de toevoerende waterhoeveelheden. Een zeer belangrijke parameter is ook de hoeveelheid aangesloten verharde oppervlakte. Deze is vooral verantwoordelijk voor een vergroting van korte termijn effecten en piekafvoeren. Door de stijgende graad van urbanisatie over de afgelopen eeuw, is de frequentie van piekafvoeren sterk gestegen. Hierbij blijkt dat een toename van de verharde oppervlakte met 1 %, de terugkeerperiode doet dalen van 5 naar ongeveer 3.5 jaar en van naar ongeveer 1.5 jaar voor buiduren van 1 tot 36 minuten [Vaes & Berlamont, 1999]. 5. ALGEMEEN BESLUIT Voor korte buiduren is er een kleine afname in extreme neerslaggebeurtenissen over de beschouwde 1 jaren. Voor grotere aggregatieniveaus is er daarentegen een meer expliciete toename in extreme neerslaggebeurtenissen. Omdat de neerslag geaggregeerd over de seizoenen slechts licht is toegenomen in de afgelopen eeuw, kan de toename in extreme neerslaggebeurtenissen voor aggregatieniveaus tussen enkele dagen en enkele maanden enkel te wijten zijn aan een toename in clustering. Uit de trendanalyse blijkt echter nog maar eens hoe variabel de neerslag is. De tendensen in overschrijdingsfrequentie zijn niet significant verschillend van de verscheidenheid die kan optreden bij een random variatie. De trends in neerslag kunnen dus niet significant worden genoemd, alhoewel de neerslagreeks in grote mate kan verschillen afhankelijk van de periode die wordt gebruikt. Daarom is op zijn minst een neerslagreeks van meerdere decennia (minimum 3 jaar is aan te raden) nodig voor het ontwerp van hydrologisch gebaseerde structuren en systemen. Men moet dan ook voor ogen houden bij een dergelijk ontwerp, dat de berekende hydraulische parameters geen exacte cijfers bevatten, maar onderhevig zijn aan een grote onzekerheid. Uit deze beschouwing blijkt duidelijk het belang van een aanpak aan de bron van problemen met wateroverlast. Niet een trend in neerslaghoeveelheden, maar wel een trend in aangesloten verharde oppervlakte, leidt in vele gevallen tot een toename van de frequentie van wateroverlast. Het verminderen van de verharde oppervlakken, het afkoppelen van verharde oppervlakken van de snelle transportriolen, het bufferen van regenwater en het infiltreren en hergebruiken ervan zijn maatregelen die deze trend kunnen doen ombuigen. Tenslotte dient erop gewezen te worden dat deze analyse werd uitgevoerd op een tijdreeks opgemeten in 1 punt. Ook de ruimtelijke variatie van de neerslag is groot en kan tot grote verschillen in ontwerpparameters leiden. Daarom is het van groot belang om bij het berekenen of modelleren van hydrologisch gebaseerde systemen en structuren een goede schatting te maken van de ruimtelijke spreiding van de neerslag. Toch zal er ook bij het gebruik van een optimale methodologie voor het inrekenen van de ruimtelijke neerslagverdeling een grote onzekerheid gerelateerd blijven aan de neerslagtoevoer, omwille van de beperkte gegevens die beschikbaar zijn (of de beperkte nauwkeurigheid ervan in intensiteit, ruimtelijke resolutie en tijdsresolutie). Deze onzekerheid op de ruimtelijke verdeling van de neerslag wordt onterecht vaak geminimaliseerd of verwaarloosd. 6. SLOTWOORD De gebruikte gegevens omvatten historische neerslaggegevens opgemeten te Ukkel voor de periode met een tijdstap van 1 minuten. De neerslag voor de periode werd door het KMI ter beschikking gesteld voor onderzoek van algemeen nut. De neerslag voor de periode werd door het KMI gedigitaliseerd in het kader van het project Riooloverstorten : randvoorzieningen dat werd gefinancierd door VMM en AMINAL. De auteurs wensen dan ook het KMI, VMM en AMINAL te bedanken voor het digitaal beschikbaar maken van de data. 6

7 7. REFERENTIES Berlamont J., Vaes G., Luyckx G., Verhoeven R., Van Poucke L., Wils C., Bauwens W. & Fronteau Ch. (), Riooloverstorten : Randvoorzieningen, in opdracht van VMM en AMINAL, februari. Braak C. (1945), Invloed van de wind op regenwaarnemingen, KNMI, mededelingen en verhandelingen, nr. 1, De Bilt, Nederland. Demarée G., De Corte M., Derasse S., Devorst M. & Trapenard Ch. (1998), Een kranige honderdjarige : de Hellmann-Fuess pluviograaf van het Koninklijk Meteorologische Instituut te Ukkel, Water, nr. 1, mei/ juni Vaes G. (1999), The influence of rainfall and model simplification on the design of combined sewer systems, doctoraatsthesis, K.U. Leuven, juli Vaes G. (), De invloed van neerslag en modelvereenvoudiging op het ontwerp van gemengde - Water, nr. 3. Vaes G. & Berlamont J. (1996), Composietbuien als neerslaginvoer voor rioleringsberekeningen, Water, nr. 88, WEL. Vaes G. & Berlamont J. (1999), De impakt van de technologische evolutie op het ontwerp van - Water, nr. 1. Vaes G., Berlamont J. & Luyckx G. (), Het Vlaamse onderzoeksproject Riooloverstorten : - Water nr. 4, maart/april. Vaes G., Willems P. & Berlamont J. (1994), Een kritische kijk op IDF-relaties, Water, nr. 79, WEL. Vaes G., Willems P. & Berlamont J. (1998), Composietbuien voor grote buiduren, studie in opdracht van AMINAL, afdeling Water, juni VMM (1996), Krachtlijnen voor een geïntegreerd rioleringsbeleid in Vlaanderen, Vlaamse MilieuMaatschappij, Erembodegem. Willems P. (1998), Hydrological applications of extreme value analysis, Hydrology in a Changing Environment, proceedings of the British Hydrological Society international conference, volume III, Exeter, Groot- Brittannië. dr. ir. G. VAES prof. J. BERLAMONT Laboratorium voor Hydraulica K.U.Leuven de Croylaan 31 Heverlee 7