Geo.brief Uitgelicht: Escherprijs voor Laura Coumou

Op vrijdag 16 maart tijdens het Nederlands Aardwetenschappelijk Congres (NAC) kreeg Laura Coumou de Escherprijs uitgereikt voor haar afstudeerscriptie “Relating land subsidence to land use through machine learning using remote-sensing derived data – a case study in the Mekong Delta, Vietnam”. Een kort verslag van het NAC 2018 is te lezen via deze link. Hieronder volgt een interview van Bjinse Dankert met Laura over haar scriptie, zoals ook gepubliceerd in Geo.brief 4 (gratis voor leden van het KNGMG).

Afbeelding: Rijstbouw in Vietnam Foto: Khánh Hmoong / Flickr

Bodemdaling en landgebruik in Vietnam
ICT-medewerkers van de faculteit Geowetenschappen en MSc-studente Laura Coumou werden goede bekenden van elkaar tijdens hun zoektocht naar een computer op de Universiteit Utrecht die krachtig genoeg was om de berekeningen voor haar scriptieonderzoek te draaien. De vele uren die Coumou vorig jaar doorbracht achter een ratelende computer, al ploegend door talrijke berekeningen, resulteerden uiteindelijk in haar afstudeerscriptie over de relatie tussen bodemdaling en landgebruik in de Mekongdelta, de rijstschuur van Vietnam. Als klap op de vuurpijl werd haar scriptie beloond met de KNGMG Escherprijs, uitgereikt tijdens het afgelopen NAC in Veldhoven.

Voor Coumou kwam de aankondiging dat zij dit jaar de Escherprijs met haar MSc-scriptie had gewonnen als een totale verrassing tijdens een verblijf in het buitenland. “Ik kreeg een belletje van een onbekend nummer. Maar ik dacht: vast werk-gerelateerd, dat komt later wel weer. Pas toen ik op mijn vakantieadres mijn mail checkte trof ik een mailtje aan met het nieuws. Toen viel bij mij ook het kwartje, er was mij al een paar keer gevraagd of ik dit jaar naar het Nederlands Aardwetenschappelijk Congres (NAC) in Veldhoven zou komen. Het was een mooi cadeautje van mijn scriptiebegeleiders, zij hadden de scriptie namelijk achter mijn rug om aangemeld.”

Ze oogt ontspannen tijdens het interviewgesprek in Utrecht, in de week voor de uitreiking van de Escherprijs in Veldhoven – en waarom ook niet: Coumou is succesvol afgestudeerd, heeft al een baan op zak, een wetenschappelijk artikel op basis van haar prijswinnende onderzoek in de maak (inmiddels gepubliceerd) en nog een vakantie in het buitenland in het vooruitzicht.

Utrecht is ook de stad waar Coumou de afgelopen jaren haar studie Aardwetenschappen volgde. Al snel bleken de fysisch geografische vakken haar het beste te bevallen, vertelt ze: “De stenen waren niet echt mijn ding, merkte ik. De aardkern en mantel zijn mij net te abstract, ik vind het fijner als dingen wat tastbaarder zijn.”

Aaneenschakeling
Terwijl Coumou haar studiejaren doorneemt valt op hoe het gevolgde pad een logische aaneenschakeling vormt: haar fascinatie voor onderzoek naar water begon al gedurende haar bachelorstudie en net toen ze met haar masteropleiding begon won ze een studiebeurs van Topsector Water, het consortium van verschillende Nederlandse waterbedrijven en kenniscentra. Coumou was daardoor automatisch twee jaar lang actief als ambassadeur Topsector Water. En dat bleek weer een opstapje te zijn voor haar studiestage bij Arcadis, hetzelfde bedrijf waar ze sinds april werkt. Coumou: “Als waterambassadeur kon ik zelf bepalen welke evenementen ik bijwoonde, het was erg vrijblijvend. Je leert er wel veel mensen kennen die werkzaam zijn in de watersector en uiteindelijk ben ik daardoor ook aan mijn stage gekomen. Ik woonde een presentatie bij van een medewerker van Arcadis, en achteraf vroeg ik hem of er nog plek zou zijn voor een stage. Dat bleek uiteindelijk zo, en nu kan ik daar ook blijven werken. Dat was allemaal niet gepland.”

Haar afstudeeronderzoek blijkt een logische combinatie van de twee specialisaties waar ze zich op focuste gedurende haar masteropleiding Earth Surface and Water. “Mijn hoofdspecialisatie was kust- en riviermorfodynamiek. Daarnaast richtte ik mij ook op Natural Hazards & Earth Observation, hier kwam remote sensing om de hoek kijken. In mijn afstudeeronderzoek had ik ook allebei nodig, een combinatie van de kennis en de technieken.”

Het combineren van deze twee specialisaties leverde dan ook een behoorlijk lange scriptietitel op die zelfs bij Coumou nog niet helemaal vloeiend over de tong rolt: Relating Land Subsidence to Land Use through Machine Learning using Remote-Sensing Derived Data – A case study in the Mekong Delta, Vietnam.

Laura Coumou

Wat heb je precies onderzocht?
“Ik wilde graag een koppeling maken tussen bodemdaling en remote sensing. Wij – mijn drie begeleiders en ik – kwamen er achter dat er maar weinig bekend is over de relatie tussen bodemdaling en type landgebruik. Wat eigenlijk best jammer is, want het zou het bodemdalingsprobleem inzichtelijk kunnen maken en houvast aan overheden bieden om maatregelen te nemen. Op basis van de bodemdalingsprocessen is er ook zo’n verband te verwachten. Mijn onderzoek spitste zich uiteindelijk toe op drie vragen: hoeveel daalt elk type landgebruik? Is er na een verandering van landgebruik een verandering van de snelheid van bodemdaling? En als laatste: in hoeverre valt aan de hand van het type landgebruik te voorspellen hoeveel bodemdaling te verwachten is?

Maar het is niet voor niks dat hierover nog zo weinig gegevens zijn: er zijn wel instrumentaria voor het meten van bodemdaling, maar om op deltaschaal de snelheden in kaart te brengen vormt een grote uitdaging.“

Waarom is dat zo moeilijk?
“Stel dat ik jou in een grasveld zet en vraag: hoe snel daal je – hoe pak je dat aan? Om te beginnen heb je een absoluut nulpunt nodig, dat is al een uitdaging. Soms komt er in een gebied sediment bij, neem je dat ook mee? Bovendien: één meetpunt zegt niet zo veel, wanneer je een representatieve snelheid per landgebruikstype wilt weten zijn er veel meer meetpunten nodig. Omdat het bij bodemdaling om millimeters tot centimeters per jaar gaat, heb je ook nauwkeurige, en dus kostbare, apparatuur nodig. Als je nu start met meten, dan heb je alleen maar data van dit moment – maar om bodemdaling te meten heb je een meetserie nodig. Zo kwam remote sensing om de hoek kijken, want satellieten hebben al een hele tijd data verzameld. Uit radarbeelden zijn hoogtes en daarmee bodemdalingssnelheden te halen. Uit andere satellietbeelden valt landgebruik af te leiden.”

Was er een speciale reden om de Mekongdelta in Vietnam te gaan onderzoeken?
“Op basis van nieuwe hoogtedata is duidelijk dat deze delta inmiddels al onder de zeespiegel ligt en door zal blijven dalen. Het is een voorbeeld van een delta die een groot probleem gaat krijgen als het op deze wijze blijft zakken. De Mekongdelta is te vergelijken met Nederland: er wonen zo’n achttien miljoen mensen, er is steeds meer bebouwing, en het grootste gedeelte van de delta wordt voor landbouw gebruikt. Het is een van de belangrijkste plekken ter wereld voor rijstproductie, en Vietnam exporteert daar veel van. Dus als het daar mis gaat, dan voelen wij het hier uiteindelijk ook.”

Wat voor landgebruik kent de delta zoal?
“Ik heb zo’n zestien typen gebruikt, en je ziet over de afgelopen tientallen jaren enkele trends. In de eerste plaats is er de urbanisatie en een steeds intensievere landbouw, met name in de rijstproductie. Tegenwoordig kunnen ze drie keer per jaar oogsten, vroeger was dat slechts één keer. Sommige gebieden waren in de jaren tachtig en negentig nog niet eens ontgonnen, nu wel. Een andere trend is dat mangroves aan de kust worden gekapt voor het ontwikkelen van commerciële garnaalvisserij, dat is al niet zo’n goede ontwikkeling aangezien mangroves een natuurlijke bescherming tegen de zee vormen.

Voor de bodemdaling van de delta was al een database beschikbaar, maar voor het landgebruik nauwelijks; dus besloot ik om zelf kaarten te maken op basis van beschikbare satellietbeelden. Ik heb vier kaarten gemaakt voor de periode 1988 tot 2009 omdat we een serie nodig hadden om ook te kunnen testen of een verandering van landgebruik in het verleden nog invloed heeft op huidige bodemdalingssnelheden.”

En toen het meest vernuftige gedeelte van je afstudeeronderzoek: machine learning. Wat houdt dat in?
“Waar het op neer komt is dat je een algoritme naar patronen in een grote dataset laat zoeken en deze patronen gebruikt om classificaties te maken of voorspellingen te doen op basis van vergelijkbare data. Dit wordt ook wel data mining genoemd. Ik moest zorgen dat de goede instellingen en inputdata werden gebruikt – dat was nog best een gepuzzel – en de computer moest de rest doen.

Ik heb hiervoor de methode random forest gebruikt. Ken je de determinatiekaarten waarmee je bomen in een bos kunt identificeren? Ze werken als een beslisboom waarmee je uiteindelijk bepaalt met wat voor soort boom je te maken hebt. In mijn onderzoek ging het om een algoritme dat op basis van een trainingsset duizenden beslisbomen maakte en dat daarna deze beslisbomen weer toepaste om landgebruik te classificeren.

Bij het maken van de trainingssets kwam nog behoorlijk wat handwerk kijken: voor een deel van elk satellietbeeld moest ik handmatig aangeven waar zich welk soort landgebruik bevond. In de volgende stap paste het algoritme al die beslisbomen toe op de rest van het satellietbeeld om zo voor elk gebiedje het landgebruik te bepalen. Dat gaat overigens niet pixel voor pixel, maar per groepje pixels die bij elkaar passen. Gelukkig maar, want het bleek al een hele toer om een computer op de universiteit te vinden die krachtig genoeg was om het programma te kunnen draaien. En voor het tweede gedeelte van mijn onderzoek, waarbij ik dezelfde methode gebruikte om de bodemdalingssnelheid te voorspellen op basis van het landgebruik, was het nog moeilijker. Gebruik maken van een supercomputer was te kostbaar voor een afstudeerproject. Op een gegeven moment kwam ik bijna iedere dag wel langs bij de ICT-medewerkers van de faculteit Geowetenschappen. Het was flink zoeken en ze hebben mij echt goed geholpen, en uiteindelijk lukte het.”

Gemiddelde bodemdalingssnelheden (cm/jaar) per landgebruiksklasse voor de periode 2006-2010 waarbij het landgebruik ongewijzigd bleef tussen 1988 en 2009. Pijlen markeren bodemdalingssnelheden per gebied. n = aantal punten gebruikt voor het berekenen van het gemiddelde.

Na al dat gereken, wat leverde het je op?
“We zien echt verschil in hoeveel de bodem daalt per type landgebruik, iets waar we op hoopten. En niet alleen het huidige landgebruik, maar ook het landgebruik dat tientallen jaren eerder plaatsvond beïnvloedt de bodemdalingssnelheid. Wel is er grote variatie binnen een landgebruiksklasse en overlap tussen de klassen. Je kunt dus niet hard stellen dat een bebouwd gebied als een stad altijd harder daalt dan landbouwgebied – maar het is wel de trend. Enkele landgebruikstypen zijn heel dominant in de delta, zoals rijstbouw en boomgaarden, en deze vertonen ongeveer dezelfde bodemdalingssnelheid. Natuurlijke gebieden dalen minder snel dan waar het land (intensief) wordt gebruikt.

Een interessante uitzondering, die we ook niet hadden verwacht, betrof de intensieve landbouw: daar zakt de bodem veel minder hard dan vermoed. We denken nu dat dit onder andere komt doordat bij dit landgebruik het bodemoppervlak vrijwel altijd nat wordt gehouden waardoor processen die bodemdaling veroorzaken niet of nauwelijks hun gang kunnen gaan.

Ook hebben we gekeken naar het voorspellen van de bodemdaling op basis van landbouwtype: ongeveer 17 procent van de variatie in bodemdalingssnelheden in onze dataset kon door het landgebruik worden verklaard. Dat klinkt misschien weinig, maar gezien de lokale variatie, de vele verschillende processen en de foutenmarge binnen de dataset waren wij daar best tevreden over.”

Wat zou jij de regering van Vietnam nu adviseren om bodemdaling tegen te gaan?
“De eerste stap is erkenning van het probleem en een stukje bewustwording bij zowel regering als inwoners. Het daalt nu al grandioos in de delta en hoe langer men wacht met het treffen van maatregelen, hoe groter de problemen in de toekomst zullen worden. Volgens mij is de regering er nu wel van doordrongen dat er een probleem is, maar dit aanpakken is een tweede. Over het algemeen speelt grondwateronttrekking waarschijnlijk de grootste rol, maar om daarmee te stoppen, dat gebeurt niet zomaar. Bovendien zijn er veel verschillen per gebied, ook andere processen kunnen een rol spelen.

We hebben in dit onderzoek alleen naar landgebruik gekeken. Een deel van de bodemdaling valt daarmee te verklaren, maar ook weer niet alles. De mate van grondwateronttrekking per type landgebruik lijkt mij een nuttige variabele om in een vervolgonderzoek toe te voegen, net als kijken naar het watermanagement – al is ook dat niet gemakkelijk om te achterhalen. Het is niet goed bekend hoeveel water er per type grondgebruik wordt onttrokken.”

Heb je zelf geen interesse om deze vragen verder te gaan onderzoeken, bijvoorbeeld met een promotieonderzoek?
“Ik heb besloten om het komende jaar te kijken hoe het werken bij een consultancybedrijf bevalt. Dus nu nog niet, ook geen promotieonderzoek – maar ik sluit het zeker niet uit voor later!”

> Minderhoud, P.S.J. et al. (2018). The relation between land use and subsidence in the Vietnamese Mekong delta. Science of The Total Environment 634, 715-726. doi.org/10.1016/j.scitotenv.2018.03.372

 

 

 

 

Geplaatst in KNGMG.