Jerom Aerts

Dit proefschrift behandelt meerdere uitdagingen in hydrologische modellering, met een focus op reproduceerbaarheid, diagnostiek en de rol van observatieonzekerheid bij het interpreteren van modelprestaties. Aan de hand van een reeks toegepaste studies worden praktische instrumenten en methoden voorgesteld om de transparantie, vergelijkbaarheid en interpreteerbaarheid van hydrologische modellen te verbeteren, zonder te overschatten wat met de huidige data en modellen betrouwbaar kan worden bereikt. Het proefschrift betoogt consequent dat ogenschijnlijke beperkingen in modelevaluatie, waaronder het blijven bestaan van equifinaliteit, kunnen worden verkleind door de observationele basis waarop modellen worden getoetst te verbreden, in plaats van deze beperkingen als inherente eigenschappen van het systeem te beschouwen.

De ontwikkeling en toepassing van het eWaterCycle-platform staan centraal in dit werk. Het is een modulair, gemeenschapsgedreven systeem dat reproduceerbare modellering stimuleert via gestandaardiseerde interfaces en containergebaseerde omgevingen. Door via de Basic Model Interface (BMI) voort te bouwen op bestaande modellen en experimenten op schaal uit te voeren, maakt eWaterCycle modelvergelijking en -verbetering mogelijk met minder technische drempels. Hoewel het platform niet alle integratiecomplexiteit wegneemt, biedt het een praktische basis voor reproduceerbare, FAIR-conforme workflows.

Met behulp van dit platform onderzoekt het proefschrift de effecten van ruimtelijke resolutie op de prestaties van hydrologische modellen. Resultaten van 454 CAMELS-US-stroomgebieden laten zien dat een fijnere ruimtelijke resolutie (tot 200 m) niet altijd leidt tot betere afvoerschattingen bij de uitstroompunten van stroomgebieden. Hoewel resolutie in bepaalde contexten belangrijk is, met name bij complexe topografie of landbedekking, blijven de algehele prestatiewinsten beperkt en vallen ze vaak binnen de onzekerheidsmarges. Deze bevindingen suggereren dat investeren in een hogere ruimtelijke resolutie zonder een evenredige investering in observatiedichtheid een twijfelachtige besteding van onderzoeksmiddelen is. Hyperresolutiemodellering is weliswaar technisch haalbaar, maar moet worden benaderd vanuit duidelijke toepassingsdoelen en een realistische beoordeling van de mate waarin de beschikbare data deze kunnen ondersteunen.

Het onderzoek verbreedt de reikwijdte van modeldiagnostiek door machinelearning (specifiek een random forest) toe te passen om stroomgebiedseigenschappen te koppelen aan modelprestaties voor 617 CAMELS-GB-stroomgebieden. De analyse laat zien dat de geschiktheid van modellen vaak varieert met de schaal en fysieke kenmerken van een stroomgebied, waarbij verschillende modellen (wflow_sbm en PCR-GLOBWB) onder verschillende omstandigheden beter presteren. Dit benadrukt de “realiteit van lokaliteit” in de hydrologie: elk stroomgebied kent een unieke combinatie van dominante processen, waardoor het streven naar een universeel model onpraktisch is. Hoewel de resultaten structurele modelbeperkingen blootleggen, tonen ze ook het potentieel van machinelearning als diagnostisch instrument, een toepassing die meer aandacht verdient naast het gangbaardere gebruik ervan voor voorspellingen.

Een belangrijke bijdrage van dit proefschrift is de integratie van onzekerheid in afvoerwaarnemingen in de modelevaluatie. Met behulp van gekwantificeerde onzekerheidsschattingen voor 299 CAMELS-GB-stroomgebieden wordt aangetoond dat een aanzienlijk deel van de ogenschijnlijke prestatieverbeteringen, hetzij door parameteroptimalisatie, hetzij door structurele modelverschillen, binnen de onzekerheidsmarges van de waarnemingen valt. Opvallend is dat er geen duidelijk verband werd gevonden tussen modelcomplexiteit en modelprestaties, wat de aanname dat complexere modellen inherent beter presteren ter discussie stelt. Deze bevindingen stellen ook de interpretatie van modelresultaten ter discussie en onderstrepen de noodzaak om onzekerheid systematischer te rapporteren en mee te nemen.

De afsluitende hoofdstukken vatten deze resultaten samen en pleiten voor een kritischere, maar ook constructievere modelleerpraktijk: een praktijk die reproduceerbaarheid en grootschalige evaluatie omarmt en tegelijkertijd de grenzen van modelresolutie, structurele complexiteit en waarnemingskwaliteit erkent. Deze hoofdstukken stellen dat vooruitgang in de hydrologie evenzeer afhangt van investeringen in nieuwe en betere waarnemingen als van verbeteringen aan modellen. Die waarnemingen lopen uiteen van het herstellen van bestaande meetnetwerken tot het inzetten van nieuwe meettechnieken en satellietproducten. Door onzekerheidsdiagnostiek te integreren in het evaluatieproces en open, herhaalbare workflows te faciliteren, levert dit werk een robuustere en realistischere basis voor modelverbetering en toepassing.

Met het oog op de toekomst schetst het proefschrift duidelijke richtingen voor vervolgonderzoek: het uitbreiden van eWaterCycle met meer modellen en toepassingsdomeinen; het benutten van onderbenutte satellietmissies en opportunistische databronnen; en het overbruggen van de culturele kloof tussen modelleurs en veldwetenschappers, zodat dataverzameling en modelexperimentatie twee zijden van hetzelfde wetenschappelijke proces worden. Hoewel er uitdagingen blijven bestaan, met name bij de brede adoptie van reproduceerbare werkwijzen, vormen de hier ontwikkelde instrumenten en inzichten een concrete stap vooruit.

Samenvattend levert dit proefschrift een bijdrage aan de hydrologische wetenschap door reproduceerbare modelleringsinstrumenten te combineren met diepgaande diagnostiek. Het bevordert een transparantere en kritischere modelleerpraktijk die onzekerheid erkent, berusting in dataschaarste ter discussie stelt en verantwoord modelgebruik stimuleert. In plaats van doorbraken na te streven, richt dit werk zich op het mogelijk maken van reproduceerbare, interpreteerbare en breed toepasbare hydrologische modellering, waarmee een steviger fundament wordt gelegd voor zowel wetenschappelijke vooruitgang als praktische besluitvorming. De weg vooruit bestaat niet uit het accepteren van bestaande beperkingen, maar uit het systematisch verkleinen ervan.