Presentatie WRSLN 20 november 2009 Dank voor de uitnodiging! Zou graag lid worden. Op gewezen door Andries Rosema van EARS Uitgenodigd door Jan Clevers Vragen stellen tussendoor: graag Totaal 1 uur “Waarschuwen voor voedseltekorten in Afrika” Werkgemeenschap Remote Sensing in Landbouw en Natuurbeheer

Peter Hoefsloot Studie Plantenteelt en Meteorologie Wageningen Wonend in Well, getrouwd, zoon, dochter Sinds 1998 opzetten geo-informatiegroep Royal Haskoning Nijmegen. Nu 11 man/vrouw groot. GeoSolutions. Sommige activiteiten passen niet bij Royal Haskoning: risico, tarieven. Zelfstandig consultant gevestigd in Nederland sinds Vanaf 1989: 2 jaar Niger; 5 jaar Zimbabwe. Vele trips (meeste Afrikaanse landen, Afghanistan) Bijna 20 jaar Remote Sensing gebruik (lage resolutie; hoge beschikbaarheid) Veel Meteosat, NOAA. Weinig Landsat, Spot, Quickbird etc. Samenwerking met andere consultants in netwerk Vooral internationale opdrachten (FAO, WFP, EU JRC, WorldBank) Nederlandse activiteiten: RWS DEMNAT (invloed grondwater op natuur; modelomgeving en helpdesk). Alterra Audit Global Water Satisfaction Index. (GWSI; Kees van Diepen). Bestrijdingsmiddelen atlas (CML)

Www. Hoefsloot. Com

Passie! Internationale samenwerking (FAO, WFP, EU, Wereldbank) Landbouw, Remote Sensing, Agrometeorologie, Modellen Kennisoverdracht en samenwerking. Niet opnieuw het wiel uitvinden RS bereikbaar maken -> Public Domain Software ontwikkeling Operationele Early Warning METEOSAT ontvangst station. – Software zelf geschreven Grootste wapenfeiten: Projecten AgrometShell (FAO); LEAP Ethiopië (Wereldbank); RiskView (WFP)

Voedseltekorten in Afrika Droogte – Sahel : 1968 – 1975; – Ethiopie 1984; – Kenia, Ethiopië, – Zuidelijk Africa 1982 – 1983 Soms ook wateroverlast – Zuidelijk Afrika: 2000 Oorzaak ook vaak politiek Momenteel: Golfstaten en China kopen grote stukken land in Afrika

“Early Warning” Activiteiten door internationale gemeenschap Sahel : oprichting Agrhymet 1972 SADC Regional Remote Sensing Unit; 1988 – FAO – BCRS; Nico Bunnik – ITC (Susanne Groten) IGADD: hoorn van Afrika JRC (EU) & Alterra: Gobal Water Satisfaction Index USA: FEWS, NOAA, USGS Zo langzamerhand zouden we wel moeten weten hoe je het aan moet pakken

Nederland speelt een grote rol WUR: gewas modellen CT de Wit, bijv. WOFOST Alterra: operationele water balans methoden EARS (Afrika, China) ITC (ILWIS raster GIS e.a.) Agrhymet : Derk Rijks (WMO) BCRS : Nico Bunnik e.a.

Achterliggende theorie “Convergence of evidence” Hoe meer onafhankelijke factoren hetzelfde beeld laten zien, hoe sterker je overtuigd mag zijn. WRSI NDVI Regenval (niet geheel onafhankelijk van WRSI) Prijzen Opbrengstgegevens Productiegegevens TV / kranten / internet ( … )

Ontwikkelingen door de jaren Lokaal verzamelde data nog steeds een probleem – Statische data: waar groeien de gewassen, grasland; bevolkingsgegevens, gewas coëfficiënten etc. etc. – Dynamische data: stations voor regenval en potentiële evapotranspiratie – Lokale Met Services hebben het moeilijk; proberen data te verkopen. Echter: Steeds meer en betere Remote Sensing mogelijkheden; Van station naar grid; Internet; eenvoudige verspreiding data en producten; Global Telecommunication System (GTS) van WMO;

Belangrijkste methoden en technieken NDVI. Normalized Difference Vegetation Index – In Afrika sinds 1981; 7x7 km – nu ook MODIS en METEOSAT; lagere resoluties – Voorbeeld METEOSAT NDVI – Problemen: sensor degradatie, atmosferische verstoringen (vulkaanuitbarstin gen)

WRSI – gewas water balans Water Requirement Satisfaction Index (FAO) Vele varianten die enigszins verschillen Invoer: – Gewasgegevens (coëfficiënten, waar groeit wat etc..) – Regenval. Vroeger vooral op stations basis. Tussen 30 en 200 per land. Nu RFE (rainfall estimates; NOAA RFE1, RFE2, ARC. Gratis beschikbaar – Potentiële Evapotranspiratie Alternatieve methode EARS – Actuele evapotranspiratie vanuit METEOSAT gegevens; niet gewasspecifiek

Uitdagingen die op antwoord wachten Kennisoverdracht. Computers goedkoop, Afrikanen leergierig, internet nu bijna overal. De landen moeten het zelf gaan doen. Remote Sensing : nieuwe producten. Niet alleen waarschuwen; ook bijdragen aan landbouwontwikkeling (bijv. advies gewassen etc…) Beheersbaar maken van droogte: – Inschakelen van verzekerings maatschappijen: LEAP – Kosten goed inschatten: RiskView voor World Food Program

AgroMetShell (AMS) FAO (Rene Gommes) Software; sinds 1994 Twee-eenheid met Windisp (FEWS) WRSI: station gebaseerd Remote Sensing SEDI: combinatie grond en satellietgegevens Manuals; training in veel landen Gebruikt in 50+ landen. Vooral Afrika, Afghanistan. EU, USGS Ook in gebruik voor droogte studies mediterrane gebied : Spanje, Griekenland SADC Crop Forecasting Workshop Gaborone, Botswana

SEDI Satellite Enhanced Data Interpolation Gebruik van satelliet gegevens als extra factor om grond gegevens te interpoleren RFE en station regenval : Ethiopië Vele andere toepassingen. O.a. met DTM. Andere methode: co-kriging minder geschikt voor regenval etc..

LEAP Fundament Ethiopië Hoeksteen van “Early Warning” van de overheid (ministerie van landbouw) Meer dan 100 mensen opgeleid 10-daagse bulletins in 3 seizoenen Data update via internet server Begin december 2009: workshop Addis Ababa

Technische achtergronden van LEAP WRSI: FAO Water Balance Model, Data van meerdere bronnen Bijvoorbeeld regenval schattingen van NOAA (RFE1, RFE2, ARC), stations data van NMA. Dataset prioriteit 10x10 km grid Flexibel aantal gewassen Vele tussenproducten zoals regenval, planttijden, WRSI, opbrengstreductie, moisture index etc… Drill-down principe Alle input en output data exporteerbaar naar Excel Internet of mail update voor nieuwe data 2009 WRSI vergelijking met normaal Meher seizoen

Interesse van verzekeringsmaatschappijen Lokaal Nyala Insurance Internationaal: Swiss Re Boeren krijgen via coöperaties verzekering voor de oogst. Als WRSI index lager is dan X, dan krijgt de boer betaald. Pilot met 500 boeren rond Mojo. Werknemers van Nyala opgeleid

Climate & Disaster Risk Solutions RiskView progress September 2009 RiskView ( ….)

Doel Hoe vertalen droogte en overstromingen zich in de financiële situatie van World Food Program? Afrika; 3 regio’s; 5 seizoenen 10 daagse financiële update

Kosten voor WFP

Hoe doen we dat?

RiskView Kenya Voorbeeld In net nieuws: WFP vraagt om $230 miljoen voor de volgende 6 maanden voor Kenya Grote delen van het land lijden onder 3 tot 4 slechte seizoenen op een rij. In het noorden (veeteelt + nomaden) zowel als in het zuiden (sedidentaire akkerbouw) Second season (MEHER) WRSI at harvest time compared to average

Vooruit kijken naar 2050: klimaatsverandering Regenval en Potentiele Evapotranspiratie van: RegCM3 (Regional Climate Model); ENSEMBLES (ENEA Roma, Italia); RiskView WRSI model

RiskView is samenwerking met USGS : gewasgegevens, lengte van cyclus, BERM flood model NOAA : regenval data FAO : water vasthoudend vermogen, potentiële evapotranspiratie ENEA-ACS: Climate Change scenario’s IRI (Jim Hansen) for seasonal rainfall forecast. International Research Institute for Climate and Society, New Jersey ITHACA, Torino, overstromingsmodel WFP VAM, voor de vertaling van WRSI naar aantallen voedselhulp gegadigden en gerelateerde kosten