Statistiek van terugkeertijden van extreme neerslag (T=100)

Auteur: Dr. Ir. M. van der Meer 15 april 2026

De terugkeertijd (T) van extreme neerslag is een fundamenteel concept in de hydrologie en klimatologie. Een gebeurtenis met een terugkeertijd van 100 jaar heeft een jaarlijkse kans van 1% om te worden overschreden. Deze statistiek is cruciaal voor het ontwerp van waterkeringen, rioleringen en andere kritieke infrastructuur.

Onze analyse voor de Nederlandse delta, gebaseerd op historische reeksen en de nieuwste KNMI'23-klimaatscenario's, toont een duidelijke trend. De intensiteit van neerslagextremen neemt toe, wat betekent dat een gebeurtenis die voorheen als een 'honderdjarige gebeurtenis' werd beschouwd, nu vaker kan voorkomen. Dit heeft directe gevolgen voor de veiligheidsnormen van waterschappen en de risicoberekeningen van verzekeraars.

We gebruiken geavanceerde extreme-waardenstatistiek (bv. GEV-verdeling) om de parameters voor verschillende locaties en duurlengtes te schatten. De onzekerheid in deze schattingen, vooral voor de zeer zeldzame gebeurtenissen, wordt expliciet meegenomen in onze probabilistische overstromingskaarten.

Regen en statistische grafiek

De resultaten worden gepresenteerd in interactieve dashboards, waarop stakeholders de verwachte neerslagdiepten voor verschillende terugkeertijden onder huidige en toekomstige klimaatomstandigheden kunnen raadplegen. Deze data vormt de ruggengraat van proactieve klimaatadaptatiestrategieën.

Reacties

Ing. P. de Vries (Waterschap)
Zeer waardevolle analyse. Helpt ons bij de herziening van onze normen voor regionale keringen. Zijn de ruwe datasets ook beschikbaar voor validatie?
16 april 2026
Prof. dr. A. Jansen
Interessant om te zien hoe de onzekerheidsmarges toenemen bij hogere terugkeertijden. Sluit aan bij ons onderzoek. Mogelijkheid tot samenwerking?
17 april 2026
M. Koster (Risk Analyst)
Precies de informatie die we nodig hadden voor onze nieuwe klimaatrisicomodellen. De dashboardintegratie werkt uitstekend.
18 april 2026
Hoge Resolutie Klimaatscenario's voor de Nederlandse Delta.

De KNMI'23-klimaatscenario's geven een gedetailleerd beeld van de toekomst van het Nederlandse klimaat. Ze voorspellen een toename van extreme buien, met intensievere neerslag in korte tijd, wat leidt tot een hoger risico op wateroverlast. Tegelijkertijd worden langere en intensere droogteperiodes verwacht, met impact op landbouw, natuur en waterbeheer. Deze scenario's zijn essentieel voor klimaatadaptatie en het ontwikkelen van robuuste water- en ruimtelijke plannen.

Bekijk Neerslagradar
Data voor Watersector en Verzekeraars

MYSTERIES levert gevalideerde klimaatdata en weermodellen specifiek voor waterschappen en verzekeraars. Onze hoge-resolutie neerslagstatistieken en overstromingsmodellen ondersteunen risicoanalyses en beleidsvorming. Voor verzekeraars bieden we gedetailleerde schademodellen voor extreme weersgebeurtenissen, gebaseerd op de nieuwste klimaatscenario's.

Vraag een Demo Aan
WMO-gevalideerde Data

Alle klimaatdata en modellen van MYSTERIES worden gevalideerd volgens de strikte normen van de World Meteorological Organization (WMO). Dit garandeert de nauwkeurigheid, betrouwbaarheid en vergelijkbaarheid van onze datasets, essentieel voor wetenschappelijk onderzoek en professionele toepassingen in klimaatadaptatie.

Lees over Compliance

Verder lezen

Ontdek meer inzichten over klimaatdata en meteorologische modellen.

Statistiek van terugkeertijden van extreme neerslag

Statistiek van terugkeertijden van extreme neerslag (T=100)

Een analyse van extreme neerslaggebeurtenissen met een statistische terugkeertijd van 100 jaar. We onderzoeken de intensiteit, duur en ruimtelijke verdeling van zulke gebeurtenissen in Nederland, essentieel voor waterbeheer en risicobeoordeling.

15 maart 2026
Verdamping (Makkink) meten in agrarische gebieden

Verdamping (Makkink) meten in agrarische gebieden

Toepassing van de Makkink-methode voor het schatten van de referentie-gewasverdamping. Deze data is cruciaal voor efficiënte irrigatieplanning en het begrijpen van de waterbalans in landbouwgronden, vooral tijdens droge periodes.

22 februari 2026
Stedelijke hittestress modelleren met AI

Stedelijke hittestress modelleren met AI

Hoe kunstmatige intelligentie wordt ingezet om het hitte-eilandeffect in steden nauwkeurig te modelleren. Deze modellen helpen bij het plannen van groene infrastructuur en het verminderen van gezondheidsrisico's tijdens hittegolven.

8 februari 2026