Laat de Wageningse modellen en modelleurs met elkaar praten

Wageningse wetenschappers zijn wereldberoemd dankzij gedegen onderzoek van hoge kwaliteit. Onderzoek dat ten grondslag ligt aan de modellen die we gebruiken om de transitie naar een circulaire en klimaatneutrale samenleving te versnellen. Nu is het lastige aan wetenschappelijke modellen dat ze vaak afzonderlijk zijn ontwikkeld met verschillende software en op verschillend detailniveau. Ook de expertise waarmee ze zijn gemaakt, verschilt. Een economisch model is anders dan een technologisch of een ecologisch model.

Soms gaan modellen weliswaar over hetzelfde onderwerp, maar hebben ze net een andere invalshoek of toepassingsgebied. Het kan ook zijn dat het model een andere schaalgrootte beschrijft. Dit soort verschillen maken het lastig om data uit te wisselen en modellen aan elkaar te knopen. Ze spreken niet dezelfde taal of ze zijn gewoonweg verouderd en vergeten – en dus verloren. En daar laten we kansen liggen, want de kennis is er wel, maar moet met elkaar verbonden worden. We zijn juist op zoek naar integrale antwoorden.

Wageningen Modelling Group en MAST

Binnen ons KB-project Modelling Assessment of Synergies and Trade-offs (MAST) en samen met de Wageningen Modelling Group werken we aan oplossingen voor deze problemen. We ontwikkelen kwalitatief goede modellen, maken ze zichtbaar en toegankelijk, verbeteren en onderhouden ze en zorgen dat ze kunnen worden ingezet. Door samen te werken aan allerlei methodologische issues willen we leren hoe we modellen en modelleurs het beste kunnen laten samenwerken om kwaliteitscriteria toe te passen bij de ontwikkeling van de modellen (zie Figuur 1). Dit moet relevante en betrouwbare inzichten opleveren voor onszelf en onze partners. Zo maken we met modellen bijvoorbeeld progressie op weg naar een circulaire en klimaatneutrale samenleving. Onze modellen berekenen de consequenties van de verschillende keuzes in de scenario’s die we kunnen bedenken.

Hoe hebben we dit aangepakt? Om te beginnen hebben tijdens we tijdens de ontwikkeling Quality assessment-criteria gebruikt. Denk hierbij aan het beschikbaar maken van metadata van de modellen in de Wageningen Modelling Gallery. Deze metadata bevat bijvoorbeeld informatie over het toepassingsgebied, de auteur(s), het versiebeheer, de huidige contactpersonen. Daarnaast staat hierin of en waar gevoeligheidsanalyses, relevante publicaties en benodigde data beschikbaar zijn. Voor de data-uitwisseling tussen modellen bestaan verschillende oplossingen die per model en toepassingsgebied kunnen verschillen (Figuur 2).

We hebben ook basisvoorwaarden ontwikkeld voor hoe je modellen met elkaar kunt laten samenwerken. En waaraan je moet voldoen om investeringen te kunnen verantwoorden en risico’s in het gebruik van Wageningse modellen te verkleinen. We wilden daarbij vooral van elkaar leren en samen verder bouwen op bestaande Wageningse kennis en ervaring.

Vertaling naar onderzoek in de praktijk

Hoe vertaalt zich dat naar onderzoek in de praktijk? Stel, je wilt voorspellen hoe beleidsmaatregelen bijdragen aan minder verspilling en minder emissies in de kledingindustrie. De eerste stap is dan dat je aannames doet op basis van scenario’s. Bijvoorbeeld: wat gebeurt er bij ongewijzigd beleid en het huidige materiaalgebruik, en wat zijn de mogelijke of gewenste scenario’s van nieuwe beleidsmaatregelen rond bijvoorbeeld gebruikseisen van die materialen (Figuur 3)? Die scenario’s analyseer je dan met modellen. In de kledingindustrie kun je modellen gebruiken om materiaalstromen en veranderingen in CO₂-voetafdruk voor productie en verwerking daarvan in verschillende scenario’s te berekenen.

Een ander voorbeeld is de transitie naar gezonde en duurzame voedselproductie. Daarin spelen allerlei componenten op elkaar in. Je kunt verschillende modules en modellen gebruiken om deeleffecten te berekenen (Figuur 4).

We hebben ook de mogelijkheid verkend van hybride modellering met behulp van een economisch model en kunstmatige intelligentie (AI). Daarmee worden de voordelen van twee typen modellen maximaal benut. Eén: theoretisch begrip van economie en handel simuleren op basis van de kennis van experts. En twee: trendvoorspellingen doen op basis van historische datapatronen (Figuur 5).

Stel nu dat we die modellen kunnen integreren. Neem bijvoorbeeld een simulatiemodel dat voor een regio uitrekent hoeveel grondstoffen er uit een gezond en duurzaam systeem moeten komen. Integreer dit met een model dat uitrekent hoeveel gewassen daarvoor lokaal of elders geteeld kunnen worden. Voeg daaraan verschillende simulatiemodellen voor de gewasgroei toe. En integreer tot slot ook nog een simulatiemodel dat de bodemdynamiek met water en nutriëntenstromen in kaart brengt. Door die modellen aan elkaar te knopen, kun je gewasprestatie op veldschaal analyseren. Vervolgens kun je ze via allerlei indicatoren (SDG’s of KPI’s; Figuur 6) opschalen naar dat duurzame voedselpatroon en voedselsysteem voor die regio.

Met onze Wageningse modellen kunnen we allerlei economische indicatoren kwantificeren die we in een project verzameld hebben. Daaruit kan bijvoorbeeld blijken dat extensivering van de landbouw leidt tot minder broeikasgasemissies, maar mogelijk ook tot kosten en risico’s door minder voedselzekerheid in bepaalde delen van de wereld. Of dat de teelt van zogenoemde vanggewassen tussen landbouwgewassen ertoe leidt dat er minder nutriënten via grond- en oppervlaktewater afgevoerd worden en beschikbaar komen voor voedselproductie in zee.

Good Modelling Practice Wiki

Hoe je langs verschillende wegen modellen kunt laten samenwerken en wat we daarvan geleerd hebben, hebben we vastgelegd in de Good Modelling Practice Wiki. Je kunt dit zien als een gids om stap voor stap door het modelleerproces te gaan. De Wiki biedt voorbeelden hoe je de uitkomsten van het ene model kunt laten opgaan in de uitkomsten van een ander model en vice versa. Maar we leggen bijvoorbeeld ook uit hoe modellen kunnen samenwerken om nieuwe onderzoeksvragen te kunnen beantwoorden, hoe je de kwaliteit van je model op peil houdt en hoe je die kennis goed borgt voor hergebruik door collega’s.

Geïntegreerd en kwalitatief goed onderzoeksmodel

Het is nieuw en uitdagend om modellen met elkaar te laten praten. Dat doen we door ons volledig te richten op hóe we modelleren in plaats van wát we modelleren. Met de lessen die we onderweg leren, kunnen collega-modelleurs en onderzoekers hun voordeel doen. Zij kunnen hun opdrachtgevers voorzien van geïntegreerde en kwalitatief goede onderzoeksmodellen, met collega’s die weten hoe ze dat moeten doen en hoe de uitkomsten van deze modellen geïnterpreteerd kunnen worden. We moeten ons daarbij realiseren dat er meer voor nodig is dan samenwerkende modellen. Het is vooral belangrijk dat de modelleurs openstaan voor samenwerking. Samenwerking betekent grenzen wegnemen in de wetenschap, tussen modellen én tussen collega’s. En het betekent vooral praten. Véél praten, op basis van gemeenschappelijke uitgangspunten en ervaringen van collega’s.