Het eerste tijdsafhankelijke grondwatermodel met hoge resolutie ter wereld

Het eerste tijdsafhankelijke grondwatermodel met hoge resolutie ter wereld

Grondwaterwetenschappers en modelontwikkelaars van de Universiteit Utrecht en Deltares sloegen de handen ineen om het allereerste wereldwijde grondwatermodel van 1 km te maken. Dit is een belangrijke stap richting een betere weergave van grondwater in wereldwijde water- en klimaatmodellen.

Hoewel grotendeels aan het zicht onttrokken, wordt meer dan 97% van het niet-bevroren zoetwater op aarde opgeslagen als grondwater in watervoerende lagen onder de grond. Grondwater speelt een essentiële rol bij het aan de gang houden van rivierafvoer tijdens perioden van droogte en voor de gezondheid van wetlandecosystemen. Het is ook de bron voor de helft van het irrigatiewater dat wereldwijd wordt gebruikt. Dit is met name het geval in droge gebieden, waar grondwateronttrekking dan meestal leidt tot dalende grondwaterstanden en uitputting van watervoerende lagen.

Effecten op watervoorraden

Ondanks het belang van grondwater komt het er bekaaid vanaf in de wereldwijde water- en klimaatmodellen die worden gebruikt om de effecten van klimaat- en sociaal-economische veranderingen op watervoorraden in te schatten. Grondwater wordt daarbij of helemaal niet in meegenomen, of simplistisch behandeld. Pas onlangs zijn de eerste wereldwijde grondwatermodellen gemaakt, maar de resoluties daarvan zijn nog te grof om kleinere watervoerende lagen en de uitwisseling van water tussen grondwater en oppervlaktewater correct weer te geven. Het nieuw ontwikkelde model GLOBGM is daarom een belangrijke stap voorwaarts omdat het probeert de wereldwijde grondwatersystemen te modelleren met de hoge ruimtelijke resolutie van 30 boogseconden (~ 1 km).

Softwarecode

Om zo'n groot model te kunnen draaien is een computercluster nodig, maar dat hoeft zelf niet heel groot te zijn. Jarno Verkaik, promovendus aan de Universiteit Utrecht en grondwatersoftware-expert bij Deltares, was verantwoordelijk voor de realisatie ervan. Jarno vertelt: " Ik heb de onderliggende softwarecode van het model aangepast, zodat deze efficiënt parallel draait op meerdere processoren van een computercluster. Ik heb parallelle verwerking van data ongestructureerde roosters toegepast om het aantal rekencellen te minimaliseren en daarmee ook de daarbij behorende rekentijd en dataopslag. Ik heb ook parallelle dataprocessing toegepast om de vele terabytes aan invoer- en uitvoergegevens te kunnen verwerken. Door deze aanpassingen zijn we nu in staat om met een beperkte rekenkracht 60 jaar in 1 nacht door te rekenen. Dit maakt het gebruik van dit model ook haalbaar voor gebruikers die geen toegang hebben tot zeer grote computers."

Vooroplopen

De resultaten van de mondiale berekeningen werden vergeleken met waarnemingen. De resultaten waren bevredigend, zelfs zonder ijking van het model, en bleken ook beter te zijn dan die van een eerdere grovere (~ 10 km) versie van het model. "Met deze ontwikkeling lopen we voorop in de wereldwijde grondwatermodellering", zegt co-auteur Marc Bierkens, hoogleraar Hydrologie aan de Universiteit Utrecht. "Het combineert mooi de kracht van Deltares in het ontwikkelen van modelleringstools met die van de grootschalige modelleringsexpertise en wereldwijde datasets van onze groep."

Relevantie voor regionale waterbeheerders

"Daar blijft het niet bij", vult Gu Oude Essink, grondwaterexpert bij Deltares en gasthoofddocent aan de Universiteit Utrecht, aan. "In toekomstig werk willen we meer geologische details en zoveel mogelijk lokale gegevens toevoegen, inclusief grondwateronttrekkingen, en het zoute grondwater in watervoerende lagen aan de kust meenemen. Op deze manier maken we de weg vrij voor toekomstige wereldwijde watermodellen die goed genoeg zijn om relevant te zijn voor regionale waterbeheerders."

Publicatie

Verkaik, J., Sutanudjaja, E. H., Oude Essink, G. H. P., Lin, H. X., and Bierkens, M. F. P., ‘GLOBGM v1.0: a parallel implementation of a 30 arcsec PCR-GLOBWB-MODFLOW global-scale groundwater model’, Geoscientific Model Development 17 (2024), https://doi.org/10.5194/gmd-17-275-2024