NMDC - ROOT of content - Wageningen UR

4 Onzekerheden4.1 Theoretisch kader onzekerheden rekenmodellenProces-response modellen (of modelketens) worden gebruikt om ontwikkelingen in te schatten, het effect vanmaatregelen door te rekenen en besluiten te nemen. Het model geeft altijd een antwoord op de vraag ‘watgebeurd er als ….’. Als we uitspraken doen met een model(keten) is het belangrijk om een indicatie te hebbenin hoeverre de uitspraak de (toekomstige) werkelijkheid benaderd. Of anders gezegd, hoe ver eenmodelresultaat er naast kan zitten. Daarom is het van belang om inzicht te hebben in de onzekerheid vanmodeluitkomsten.Via de modelketen werken verschillende bronnen van onzekerheid door in het uiteindelijke resultaat. De relatietussen de onzekerheid in deze bronnen en in de modeluitkomst kan in principe via onzekerheidsanalysekwantitatief worden gemaakt. De modelketen is een vereenvoudigde weergave van de werkelijkheid, waarinniet alle processen beschreven worden. Onzekerheden als gevolg van het verwaarlozen van processen wordenniet via de modelketen gekwantificeerd. In deze studie zijn macro-economische, politieke en demografischeveranderingen niet in beschouwing genomen en de onzekerheden omtrent de ontwikkelingen in deze domeinenkomen dan ook niet terug in de gekwantificeerde onzekerheid van de voorspellingen.Enige begrippenBij onzekerheidsanalyse worden verschillende begrippen niet altijd even eenduidig gebruikt. Debetrouwbaarheid geeft aan in welke mate we zeker zijn dat het berekende resultaat ook de werkelijkheidbeschrijft. Bij modellen geldt de betrouwbaarheid altijd gegeven het modelconcept en de vereenvoudigingen.Een ander modelconcept levert dus in het algemeen ook een andere betrouwbaarheid op. De betrouwbaarheidwordt vaak aangegeven met een x% betrouwbaarheid interval. Dit houdt in dat er x% kans is dat de werkelijkewaarde zich binnen dit interval bevindt. Met de term onzekerheid wordt het omgekeerde van betrouwbaarheidbedoeld. Vaak wordt nauwkeurigheid als synoniem voor betrouwbaarheid gebruikt. Echter, nauwkeurigheid isfeitelijk een term om de mate van detail aan te geven, dus eerder het oplossend vermogen, dan een indicatievan de onzekerheid. Het doel van een onzekerheidsanalyse is om de betrouwbaarheid aan te geven van hetmodelresultaat (in dit geval de voorspelling). Een eerste stap hierbij kan een gevoeligheidsanalyse zijn, waarbijwordt geanalyseerd in hoeverre de voorspelling verandert als de waarde van een (onzekere) parameter ofdrijvende kracht verandert. Bijvoorbeeld een parameter kan heel onzeker zijn, maar als de voorspelling met hetmodel niet gevoelig is voor die parameter, is de parameteronzekerheid niet relevant. Modellen worden veelalgekalibreerd. Kalibratie is een proces waarbij de parameterwaarden in een model worden bijgesteld om hetverschil tussen de modeluitkomsten en veldmetingen te minimaliseren. Validatie (het geldig verklaren van hetmodel) is het proces waarbij het model wordt vergeleken met metingen die niet bij de kalibratie gebruikt zijn(bijvoorbeeld in een andere periode of voor een andere locatie). Bij een valide model moeten de afwijkingen inde validatie overeenkomen met die in de kalibratie. Theoretisch is een model alleen geldig binnen hetwaardenbereik waarin de validatie is uitgevoerd.Oorzaken en bronnen van onzekerheidEr zijn verschillende fasen in de modellering waar onzekerheid een rol speelt. De eerste fase is demodelbouw/kalibratie. Essentieel hierbij is dat we de modelberekening kunnen confronteren metwaarnemingen en daarmee een bestaande situatie zo goed mogelijk willen beschrijven. Hebben we eenmaaleen model, dan kan het model in de tweede fase gebruikt worden voor projecties en scenario’s. Het modelbeschrijft dan een (nog) niet bestaande situatie en kan dus ook niet worden geconfronteerd met werkelijkeAlterra-rapport 2443 33