De waarde van een atmosferische watergenerator in Oost-Afrika - een interdisciplinair onderzoek

De waarde van een atmosferische watergenerator in Oost-Afrika

een interdisciplinair onderzoek

03-02-2017

Beckers, K.A. 10811958

Donker, S.A.M. 10780416

van den Ende, R.A.P. 10734708

Mooij, D. 10752978

Faculty of Science, University of Amsterdam Science Park 904, 1098XH Amsterdam (The Netherlands)

Onder supervisie van:

mw. dr. M. Tromp

mw. drs. L.L. Mulder

Abstract

In dit onderzoek is op basis van de factoren temperatuur, relatieve luchtvochtigheid en windsnelheid bepaald hoe waardevol een atmosferische watergenerator (AWG) kan zijn in verschillende

klimaatgebieden in Oost-Afrika. Voor 32 meetpunten zijn per maand waterbalansen opgesteld om vast te stellen waar en wanneer er sprake van een natuurlijk watertekort is. Vervolgens is voor ieder meetpunt bepaald of een AWG op die plek goed, matig of slecht zou functioneren. Uit vergelijking van de verkregen resultaten is gebleken dat de onderzochte meetpunten in het klimaatgebied Bwh, namelijk Djibouti stad, Assab, Berbera en Chicualcuala, zowel een watertekort hebben als de omstandigheden waaronder een AWG goed werkt. Plaatsing van een AWG is dus het meest

waardevol in dit klimaatgebied. Ten slotte is er een pilotmodel gemaakt dat aan de hand van de drie bovengenoemde factoren de wateropbrengst kan voorspellen om zo de kwantitatieve waarde van een AWG weer te geven.

Inhoudsopgave

Abstract... 1 Inleiding... 3 Theoretisch kader... 4 Waterschaarste...4 Klimaatkarakteristieken...4 Weeranomalieën...4 Atmosferische watergenerator...5 Methoden... 6

Waterbalansen & werking AWG kaarten...6

Voorspellend model...7

Resultaten... 9

Waterbalansen & werking AWG...9

Voorspellend model...13

Discussie... 15

Conclusie... 16

Literatuur... 18

Inleiding

Waterschaarste is een wereldwijd probleem; momenteel leeft 9% van de wereldbevolking in gebieden waar water schaars is (UN, 2016). De verwachting is dat dit percentage zal oplopen tot 67% van de wereldbevolking in 2050 (Wallace, 2000). Tevens zouden 10% van alle ziektegevallen en 6% van de sterfgevallen kunnen worden voorkomen door toegang tot schoon drinkwater (WHO, 2015). Zo zijn er nu nog 1,8 miljard mensen die een bron van drinkwater gebruiken die fecaal verontreinigd is (UN, 2016). Het is dus van groot belang dat er nieuwe duurzame technieken worden toegepast om wereldwijd een continue toevoer van drinkwater te bewerkstelligen en te voorkomen dat in 2050 meer dan de helft van de wereldbevolking geen toegang tot drinkwater heeft (Wallace, 2000). Met name Oost-Afrika is dit van belang: naar voorspelling zal meer dan de helft van dit gebied in 2025 kampen met ernstige waterschaarste (Falkenmark, 1989).

De relevantie van duurzame technieken om drinkwater te genereren, blijkt ook uit het feit dat er thans veel onderzoek wordt gedaan naar mogelijke manieren om de beschikbaarheid van water te verhogen, zoals ontzilting van zeewater of forward osmosis, een techniek die drinkwater kan extraheren uit vervuild water door gebruik te maken van magnetische nanodeeltjes (Liu, 2011). Een andere hoopvolle methode is de atmosferische watergenerator (AWG), die waterdamp uit de lucht door middel van een faseverandering om kan zetten in vloeibaar water (Wahlgren, 2011). De inkomende lucht wordt met behulp van windenergie gekoeld tot onder het dauwpunt, wat het een duurzame oplossing maakt (Sunderansan, 2015).

In dit onderzoek zal getracht worden bij te dragen aan het waterschaarsteprobleem door de volgende onderzoeksvraag te beantwoorden: ‘In welke klimaatgebieden in Oost-Afrika is een atmosferische watergenerator gedurende een jaar het meest waardevol op basis van de factoren temperatuur, relatieve luchtvochtigheid en windsnelheid?’ Een waardevol gebied wordt hierbij gedefinieerd als een gebied waar in de maanden van drinkwaterschaarste er water verkregen kan worden met behulp van een AWG. Alvorens deze vraag beantwoord kan worden, zal eerst worden onderzocht hoe de werking van een AWG precies in elkaar zit en zullen de factoren die van invloed zijn verder worden uitgelicht. Met behulp van data-analyse over een periode van dertig jaar zal bekend worden in welke gebieden in Oost-Afrika een AWG drinkwater op kan brengen. Daarna zal er, tevens over een periode van dertig jaar, via een waterbalans gekeken worden welke gebieden de grootste waterschaarste hebben.

Dit onderzoek wordt uitgevoerd met inzichten uit vier verschillende disciplines: kunstmatige intelligentie, natuur-, schei- en wiskunde. De natuur- en scheikunde komen samen in het onderzoek naar de invloed van de omgevingsfactoren op de werking van de AWG. Om de processen die zich in de AWG technologie afspelen te begrijpen is namelijk kennis uit de hydro- en thermodynamica noodzakelijk, onderdelen die in zowel scheikunde als natuurkunde naar voren komen. De natuur- en scheikunde zullen in dit onderzoek dus worden gebruikt om de data-parameters te bepalen. Wiskunde en kunstmatige intelligentie spelen een rol bij de verwerking van de informatie over deze parameters. Met behulp van wiskundige algoritmes, die de basis vormen van de in dit onderzoek toegepaste modellen uit de kunstmatige intelligentie, kan de inhoud van de data op een overzichtelijke manier worden gepresenteerd.

Theoretisch kader

Waterschaarste

In dit onderzoek wordt onderzocht of een AWG een oplossing zou kunnen zijn voor het waterschaarsteprobleem in Oost-Afrika. Waterschaarste in een bepaald gebied wordt door de UNESCO als volgt gedefinieerd: “An area is experiencing water stress when annual water supplies

drop below 1,700 m3 per person. When annual water supplies drop below 1,000 m3 per person, the population faces water scarcity, and below 500 cubic metres "absolute scarcity"” (UNESCO, 2012).

Bij dit onderzoek is echter geen sociale wetenschapper betrokken, waardoor deze definitie lastig hanteerbaar is. Daarom zal er worden gewerkt met waterbalansen waarbij de neerslag en de evapotranspiratie met elkaar worden vergeleken om de hoeveelheid water in een bepaald gebied vast te stellen. Wanneer er een negatieve waarde uit de waterbalans komt, oftewel wanneer er meer evapotranspiratie dan neerslag is, wordt dit gezien als een natuurlijk watertekort. Gebieden waar dusdanige tekorten op de waterbalans voorkomen, worden beschouwd als gebieden die te maken hebben met waterschaarste.

Klimaatkarakteristieken

Met name in Sub-Sahara Afrika is er een ernstig tekort aan drinkwater: 319 miljoen mensen in vooral de rurale gebieden van dit werelddeel hebben geen toegang tot drinkwater (WHO, 2015). Dit komt in sommige gebieden door een grote ongelijkheid in periodes van droogte en regenval; in Kenia valt 25% van de jaarlijkse regenval binnen enkele grote regenbuien (Kisaka et al., 2015). Kenia ligt in Oost-Afrika, een gebied in de Sub-Sahara waar de volgende landen onder vallen: Burundi, Djibouti, Eritrea, Ethiopië, Kenia, Madagascar, Malawi, Mauritius, Mayotte, Mozambique, Réunion, Rwanda, Seychelles, Somalië, Zuid-Sudan, Oeganda, Tanzania, Zambia en Zimbabwe (UN, 2016).

In dit onderzoek wordt het vasteland van Oost-Afrika en Madagascar ingedeeld in verschillende klimaatgebieden op basis van de Köppen-Geiger Climate Classification. Er is gekozen om met klimaatgebieden te werken omdat dit gebieden zijn met overeenkomstige weersomstandigheden. De werking van een AWG is sterk afhankelijk van het weer en door klimaatgebieden te beschouwen in plaats van bijvoorbeeld steden kan een uitspraak over de werking van een AWG worden gedaan in een groter gebied. De Köppen-Geiger Climate Classification gebruikt de aanwezigheid van vegetatie als indicatie voor het klimaat (Kottek et al, 2006). Er wordt hierin onderscheid gemaakt tussen vijf verschillende vegetatiezones; tropisch A, droog B, maritiem C, land E en pool D. Deze zones worden weer verder verdeeld op basis van neerslag en temperatuur. In de appendix (1,2) worden de klimaatgebieden zoals vastgesteld door Köppen-Geiger met bijbehorende lettercode weergeven. De Köppen klimaatzones die voorkomen in Oost-Afrika zijn: Aw, BSh, BWh, Cfb, Csb, Cwa en Cwb. In onderstaande afbeelding zijn de klimaatgebieden in Oost-Afrika weergegeven.

Weeranomalieën

Er is een aantal verschijnselen dat invloed uitoefent op het weer van Oost-Afrika waardoor de wateropbrengst van de AWG kan veranderen. Uit onderzoek is gebleken dat de korte doch extreme regenbuien het gevolg zijn van anomalieën in de Indische Oceaan (Black, Slingo, Sperber, 2003). Deze anomalieën zijn ten eerste ontstaan door veranderingen in Zuid-Oost Azië die het gevolg zijn van El Niño Southern Oscillation (ENSO). ENSO is een natuurverschijnsel dat gemiddeld een keer in de zeven jaar voorkomt en tijdelijk grote weersveranderingen veroorzaakt: in een El Niño jaar warmt de Oostelijke Stille Oceaan langs de evenaar op doordat de passaatwind boven de Stille Oceaan

afzwakt (KNWI, z.d.). Het regengebied dat normaal boven Zuidoost-Azië ligt, verplaatst gedurendeEl Niño naar de Stille Oceaan, wat droogte in grote delen van Zuidoost-Azië veroorzaakt. Een tweede

Figuur 1: Köppen klimaatclassificatie Oost-Afrika.

oorzaak van de anomalieën is de Indian Ocean Zonal Mode (IOZM) (Black et al., 2003), een onregelmatige schommeling waarbij de temperatuur van het zeeoppervlak van het oostelijke deel van de Indische Oceaan afwisselend hoger en lager wordt dan de temperatuur van het westelijke deel (Tierney et al., 2013). De anomalieën zorgen voor een verlaging van de westelijke luchtstromen waardoor de luchtvochtigheid in Oost-Afrika plots toeneemt. In een jaar dat bovenstaande fenomenen optreden, komt dus afwijkend weer voor. Echter, vanwege het feit dat in dit onderzoek gebruik is gemaakt van gemiddelden over dertig jaar, zijn deze outliers afgevlakt.

Atmosferische watergenerator

In deze paragraaf zal dieper worden ingegaan op de werking van de AWG en de natuur- en scheikundige wetten die hieraan ten grondslag liggen. Op basis hiervan kan bepaald worden welke factoren een grote rol spelen bij de opbrengst van water.

Er zijn drie verschillende klassen AWG’s die elk op een verschillende manier waterdamp omzetten in water (Wahlgren, 2001). De eerste techniek koelt de lucht af tot onder het dauwpunt, waardoor condensatie plaatsvindt. Andere machines concentreren de waterdamp door gebruik te maken van droogmiddelen. De derde klasse machines induceert convectie door gebruik te maken van een pomp (Wahlgren, 2001). In dit onderzoek zal uitgegaan worden van de atmosferische

watergenerator AW75, die behoort tot de eerste van de bovengenoemde klassen. Dit systeem bestaat uit windturbines die door hun roterende bladen mechanische energie opwekken (Wahlgren, 2001). Deze energie wordt gebruikt om met behulp van compressoren het volume van de opgevangen lucht te verlagen (Sunderansan, 2015). De luchtdruk wordt in stand gehouden, waardoor volgens de wet van Boyle en Gay-Lussac,

PV =n R T (1),

waarbij P de druk in Pascal is, V het volume in kubieke meter, n de hoeveelheid gas in mol, R de gasconstante en T de temperatuur in Kelvin, de temperatuur zal stijgen (Schroeder, 2001). Deze thermische energie wordt vervolgens gebruikt om grote hoeveelheden omgevingslucht af te koelen: de windturbine zorgt ervoor dat er een constante stroom lucht door het warmtewisseling systeem beweegt waarin de lucht wordt afgekoeld tot onder het dauwpunt. Het dauwpunt is de temperatuur waarbij de relatieve luchtvochtigheid 100% is. De temperatuur van het dauwpunt daalt bij elke daling van de relatieve luchtvochtigheid van 5% met ongeveer 1 graden Celsius (Lawrence, 2005).

De temperatuur en de luchtvochtigheid hangen dus nauw met elkaar samen: op het moment dat de temperatuur stijgt, neemt de verzadigingsvochtigheid, gedefinieerd als de maximale hoeveelheid waterdamp die de lucht kan bevatten, toe. Hierdoor daalt de relatieve vochtigheid.

De temperatuur en luchtvochtigheid zijn dus twee factoren die van groot belang zijn bij de AWG. De belangrijkste factor echter, is de energietoevoer (mondelinge overdracht, P. Oosterling, 22-11-2016). In het geval van de AW75 is dat de windenergie. Volgens Wagner (2009) is de hoeveelheid energie die door de windturbine wordt opgewekt is sterk afhankelijk van de windsnelheid.

Er zijn bepaalde minimale omstandigheden waaraan de omgeving moet voldoen voordat een AWG functioneert. Deze omstandigheden zijn een minimale temperatuur van 15 graden Celsius, een windsnelheid van 3 tot 18 m/s en een relatieve luchtvochtigheid van minstens 40% (Rainmaker Worldwide, z.d.). Hieruit blijkt ook dat de factoren windsnelheid, luchtvochtigheid en temperatuur van belang zijn en daarom zullen deze factoren in dit onderzoek worden beschouwd.

Methoden

Waterbalansen & werking AWG kaarten

Ter bepaling waar in Oost-Afrika een AWG het meest waardevol is, zijn twee componenten beschouwd. Er is gekeken in welke maanden en op welke locaties in Oost-Afrika enerzijds een watertekort is, anderzijds of een AWG hier gedurende deze maanden functioneert. Hiervoor zijn 32 datapunten beschouwd. In figuur 2 is te zien welke datapunten zijn beschouwd.

Figuur 2: Meetpunten Oost-Afrika

De meetpunten zijn vastgesteld door te analyseren welke Köppen klimaatgebieden in de verschillende landen van Oost-Afrika voorkomen. De database Climate-Data (2017) is gebruikt om vast te stellen welke steden binnen welk Köppen klimaatgebied vallen. Op basis hiervan is er per land een stad gekozen, waardoor elk klimaatgebied meetpunten uit verschillende landen bevat. Voor ieder van de gekozen steden is per maand data vergaard over de evapotranspiratie, neerslag, relatieve luchtvochtigheid, minimale, gemiddelde en maximale temperatuur.

Als eerste is voor iedere stad per maand de waterbalans opgesteld door de evapotranspiratie van de neerslag af te trekken. Wanneer deze waarde negatief is, is er sprake van een natuurlijk watertekort waardoor het gebied volgens onze definitie kampt met waterschaarste. Ter visualisatie is er per maand een kaart gemaakt waarin de stand van de waterbalans op iedere locatie wordt weergegeven.

Hoewel windsnelheid een belangrijke factor is voor de werking van de AWG (mondelinge overdracht, P. Oosterling, 22-11-2016), is er voor gekozen om dat niet mee te nemen in dit onderzoek, wanneer er wordt gekeken naar het al dan niet functioneren van een AWG. Wind is namelijk de bron van energie, maar heeft verder geen invloed op de hoeveelheid water die gegenereerd wordt. Mocht de windsnelheid te laag zijn, dan kan er een andere energiebron gebruikt worden om de AWG toch te laten functioneren.

Vervolgens is vastgesteld of een AWG voldoet aan de voorwaarden om te functioneren. Uit contact met het bedrijf Ambient Water (2016) is gebleken dat de zogenoemde 40/15 regel wordt gehanteerd om te bepalen of de AWG op een specifieke locatie water kan produceren. Deze regel houdt in dat een AWG water kan produceren bij een relatieve luchtvochtigheid van meer dan 40% en een temperatuur hoger dan 15°C. Per stad zijn er dus vier factoren in acht genomen: relatieve luchtvochtigheid, minimale temperatuur, gemiddelde temperatuur en maximale temperatuur. Op het moment dat aan alle vier de voorwaarden gekoppeld aan de factoren is voldaan, is de werking van de AWG goed. Dit wordt weergegeven met de kleur groen. Als aan twee of drie van deze voorwaarden wordt voldaan, is de werking van de AWG middelmatig, ofwel geel. Wanneer aan louter één of geen

van de voorwaarden wordt voldaan, werkt de AWG slecht, wat is aangegeven met de kleur rood. Deze drie niveaus van werking zijn per klimaatgebied in kaart gebracht.

Om uitspraken te kunnen doen over de werking van de AWG in niet alleen een stad, maar ook een klimaatgebied, zijn als het ware gemiddelden genomen van de werking van de AWG in de steden: als er bijvoorbeeld vier keer groen en vier keer rood voorkwam, wordt de werking als middelmatig, dus geel, beschouwd. Bij grensgevallen heeft een slechtere werking de overhand gehad: wanneer er bijvoorbeeld evenveel steden een goede als middelmatige werking hebben, is er een middelmatige werking aan het klimaatgebied toegekend.

De uitkomsten van de waterbalansen en de werking van de AWG zijn naast elkaar gelegd om te bepalen wanneer een AWG een waardevol middel zou zijn om een watertekort tegen te gaan. Per maand is in cijfers uitgedrukt hoe waardevol het is om een AWG te plaatsen: wanneer de waterbalans positief is of als de AWG slecht functioneert, is de AWG niet waardevol. Een waarde van 0 is dan toegekend. Een 1 is toegekend als er sprake is van een watertekort en de werking van de AWG middelmatig is; een 2 is toegekend als er naast het watertekort een AWG goed kan functioneren. Oftewel, hoe hoger de waarde, hoe waardevoller het is om een AWG te plaatsen. De maandelijkse waarden zijn bij elkaar opgeteld en dit totaal geeft weer hoe waardevol de AWG is gedurende een jaar op een van de 32 meetpunten.

Voorspellend model

Op basis van bovenstaande methoden kan worden vastgesteld waar een AWG waardevol zou zijn. De volgende stap is om voorspellingen te doen over de kwantitatieve wateropbrengst van de AWG in de gespecificeerde gebieden. Hiertoe is een model gemaakt aan de hand van het lineaire regressie algoritme. Dit algoritme leert gecontroleerd, wat wil zeggen dat het input krijgt aangeleverd met de bijbehorende correcte output. Op basis hiervan leert het algoritme hoe de variabelen bijdragen aan het construeren van de uitvoerwaarde om ook voorspellingen te doen over de geproduceerde waterbrengst als alleen de inputvariabelen worden aangeleverd. (Ng, z.d.). Onderstaande formule (2) laat de hypothese zien die beschrijft hoe iedere variabele bijdraagt aan de voorspelling h, waarbij n het aantal inputvariabelen is. Het algoritme leert zelf wat de optimale waarden θ zijn voor het model.

h

θ

(

x )=θ

0

+

θ

1

x

1

+

θ

2

x

2

+...+θ

n

x

n❑ (2)

De voorspellende variabelen in dit onderzoek zijn de temperatuur in graden Celsius, de windsnelheid in kilometer per uur en de relatieve luchtvochtigheid in procenten. De outputwaarde is het aantal kubieke meter water dat is opgebracht.

Eenzelfde soort model zou eveneens geconstrueerd kunnen worden op basis van verschillende natuurkundige wetten en de exacte werking van ieder component van de AWG. Echter, hierbij wordt meestal uitgegaan van het ideale, theoretische geval, terwijl er in de praktijk vaak een vorm van efficiëntieverlies zal zijn. Wil er een model op basis van deze methode worden opgesteld, zal dit verlies dan ook van ieder onderdeel bekend moeten zijn. Dit zorgt ervoor dat het opstellen van een danig model een enorm complex probleem is. Het gebruik van het lineaire regressie algoritme reduceert deze complexiteit.; het maakt namelijk alleen gebruik van de reële input- en outputwaarden waar het verlies al in is meegenomen, en bekijkt de AWG niet per component, maar ziet het als een geheel. Dit maakt dat het gebruik van het algoritme een goede alternatieve methode is voor dit probleem.

Het bedrijf Rainmaker Worldwide heeft een werkende AWG, model AW75, in Koeweit staan (mondelinge overdracht, P. Oosterling, 22-11-2016). De inputwaardes voor deze locatie zijn reeds bekend. Deze zijn opgehaald van Weather Underground. Een voorbeeld van de beschikbare data in Koeweit van Weather Underground is te zien in figuur 3. Figuur 4 tot en met 6 laten de informatie

over respectievelijk de temperatuur, de windsnelheid en de luchtvochtigheid zien van december 2015 tot december 2016.

Figuur 3: Voorbeeld beschikbare weerdata van Weather Online in Koeweit.

Figuur 4: Relatieve luchtvochtigheid in Koeweit van december 2015 tot december 2016.

Figuur 5: Temperatuur in Koeweit van december 2015 tot december 2016.

Figuur 6: Windsnelheid in Koeweit van december 2015 tot december 2016.

Informatie over de opbrengst van deze specifieke AWG is ten tijde van de uitvoering van dit onderzoek niet bekend. Rainmaker Worldwide is reeds bezig deze data te verzamelen. Wel is er een grafiek beschikbaar die de wateropbrengst van een AW75 omschrijft (appendix 3). Om aan te tonen hoe het model gebruikt kan gaan worden zodra de waarden van de opbrengst bekend zijn, is er handmatig een kleine dataset (n = 60) gemaakt op basis van deze grafiek. Gezien de AW75 alleen een windturbine heeft als energiebron, zou hier wel rekening met de windsnelheid gehouden moeten worden. Echter, in de grafiek van Rainmaker Worldwide heeft de windsnelheid een constante waarde van 5 m/s. Dit is dan ook steeds de waarde van de windsnelheid in de handmatig gegenereerde

dataset. Deze dataset is te vinden in de appendix. Deze dataset is gesplitst in een training set van 70% (n = 42) en een testset van 30% (n = 18). De trainingset wordt gebruikt om de parameters correct in te stellen. Hierna wordt de testset ingezet om te kijken hoe goed het model werkt wanneer er nieuwe waardes worden aangeleverd.

Ondanks dat de correcte data van de AWG niet beschikbaar is, kan het pilot model toch een idee geven van de hoeveelheid wateropbrengst op een bepaalde locatie. Dit zal dan ook gedaan worden voor de locaties waar de AWG het meest waardevol blijkt te zijn.

Resultaten

Waterbalansen & werking AWG

In figuur 7 zijn voor twaalf maanden de waterbalansen te zien, waarbij iedere cirkel correspondeert met een datapunt en dus een stad. Hoe groter en roder de cirkels zijn, des te groter is de waterschaarste.

Figuur 7: Waterbalansen per maand

Uit deze figuren blijkt dat er in de steden Keren (Eritrea), Goob (Somalië), Gwanda (Zimbabwe), Djibouti stad (Djibouti), Assab (Eritrea), Berbera (Somalië) en Chicualacuala (Mozambique) gedurende het hele jaar een watertekort is. Ook is er te zien dat er in geen enkele stad gedurende het hele jaar geen watertekort is. In appendix 5 zijn de diagrammen van de waterbalansen per stad weergegeven waaruit eenvoudig de grootte van het watertekort afgelezen kan worden.

De werking van de AWG is per klimaatgebied per maand bepaald. Dit is opgedeeld in een goede werking (groen), een middelmatige werking (geel) en een slechte werking (rood). In de zwarte gebieden ontbreekt data. Een overzicht van de werking van de AWG per maand is te zien in onderstaand figuur 8.

Figuur 8: Werking AWG.

Uit deze figuur blijkt dat de werking van een AWG in het midden van het kalenderjaar minder goed is dan aan het begin en einde van het jaar. Ook is er te zien dat in het Bwh klimaatgebied een AWG het hele jaar door goed werkt. Verder is er af te lezen dat in het Cfb klimaatgebied een AWG niet goed zou werken: er zijn slechts vier maanden waar de AWG middelmatig zou werken, de rest van het jaar functioneert de AWG slecht.

Ter beantwoording van de hoofdvraag zijn de uitkomsten van zowel de waterbalansen als werking van de AWG naast elkaar gelegd. Dit is weergegeven in figuur 9. Op de horizontale as zijn de onderzochte steden weergegeven, op de verticale as staat de waarde die aangeeft in welke mate een

AWG waardevol zou zijn. Hoe hoger dit getal, hoe waardevoller een AWG is.

Figuur 9: Waarde AWG.

Uit de figuur blijkt dat de steden Djibouti stad (Djibouti), Assab (Ethiopië), Berbera (Somalië) en Chicualacuala (Mozambique) allemaal een maximale waarde van 24 hebben. Ook is te zien dat in Otulli, Anatavario en Addis Abeba de waardes erg minimaal zijn; zij hebben namelijk de waardes 1 en 2.

Voorspellend model

Om de kwantitatieve waarde van de AWG te bepalen is er een pilot van een voorspellend model opgesteld. Het lineaire regressie model heeft na het tunen van de parameters een nauwkeurigheid van 97,75% weten te verwerven op de trainingset en 97,04% op de testset. Scatterplots van de werkelijke waarden tegenover de voorspelde waarden van de training- en testset zijn te vinden in figuur 10 en 11. De zwarte stippellijn laat zien waar de punten zouden liggen wanneer de voorspelde waarde en de werkelijke waarde exact overeen zouden komen.

Figuur 10: Voorspelde en gemeten wateropbrengst in kubieke meter per 24 uur (trainingset)

Discussie

Zoals uit de waterbalansen blijkt, heeft het grootste aantal gebieden in oktober en september een natuurlijk watertekort. Er is geen enkele maand waarin de waterbalans voor iedere stad positief is. Verder blijkt uit figuur 7 dat er in Keren (Eritrea), Goob (Somalië), Gwanda (Zimbabwe), Djibouti stad (Djibouti), Assab (Eritrea), Berbera (Somalië) en Chicualacuala (Mozambique) gedurende het hele jaar een watertekort is. Deze gebieden zouden dus veel baat kunnen hebben bij de plaatsing van een AWG.

De AWG werkt over het algemeen goed in de maanden januari, februari, maart, oktober, november en december. In februari werkt de AWG over alle gebieden genomen het beste, waarbij deze alleen in de klimaatgebieden Cfb (maritiem klimaat zonder droog seizoen met warme zomers) en Csb (maritiem klimaat met droge en warme zomers) een middelmatige werking heeft.

Uit figuur 8 blijkt tevens dat alleen in het Bwh klimaatgebied (droog en warm woestijnklimaat) de AWG gedurende het hele jaar goed werkt. Op basis van de kaarten van de waterbalansen en de werking van de AWG is bepaald hoe waardevol een AWG zou zijn in de 32 onderzochte steden. Deze scores zijn weergegeven in figuur 9 waarbij de maximaal te behalen score 24 is. Aan de steden Djibouti stad, Assab, Berbera en Chicualcuala is deze maximale waarde toegekend, dus op deze plekken is de AWG het meest waardevol. Opvallend is dat elk van deze steden in het klimaatgebied Bwh ligt. Bwh lijkt voor de plaatsing van een AWG het meest geschikte klimaatgebied.

Op vier bovengenoemde steden is het pilotmodel toegepast om een indicatie te geven van de kwantitatieve potentie van de AWG. De weergegevens die hiervoor zijn gebruikt dateren van 3 februari 2017. Onderstaande tabel biedt inzicht in de waarden van de inputvariabelen en de vervolgens voorspelde wateropbrengst.

Tabel 1: Model toegepast op vier locaties

Locatie Temperatuur (Celsius) Windsnelheid (m/s) Luchtvochtigheid (%) Water opbrengst (m3_/24h) Djibouti stad 21 3,611 73 20.41186999 Assab 29 5 64 17.68400878 Berbera 24 0,933 68 18.66749538 Chicualacuala 31 5,278 52 12.67348356 Wat tevens uit de resultaten volgt, is dat in het Cfb klimaatgebied een AWG niet goed zou werken: de steden Otulli, Anatavario en Addis Abeba blijken alle drie niet waardevol te zijn. In dit klimaatgebied zou het dus niet rendabel zijn een AWG te plaatsen.

In dit onderzoek is een aantal punten aan het licht gekomen die nader onderzoek vergen. Hieronder worden suggesties voor vervolgonderzoek gedaan. Ten eerste heeft de officiële definitie van waterschaarste betrekking op de hoeveelheid drinkwater die per persoon beschikbaar is. Wanneer deze hoeveelheid niet bereikt wordt, is er sprake van waterschaarste. In dit onderzoek is er geen rekening gehouden met de hoeveelheid water die per persoon beschikbaar is en de ongelijke toegang tot water, maar is er louter gekeken naar een natuurlijk watertekort. Een sociaal wetenschapper zou hier een uitbreiding aan kunnen toevoegen door

bijvoorbeeld te kijken naar de bevolkingsdichtheid, de mate van toegang tot water, de vorm van watergebruik en eventuele verschillen hierin per land. Verschillen per land zijn belangrijk om naar te kijken aangezien de klimaatgebieden over landsgrenzen heen lopen. Sociale wetenschappen die zich hier goed voor lenen, zijn sociale geografie, sociologie en antropologie.

Verder zou het voor een econoom interessant zijn aandacht te besteden aan de het feit of het financieel rendabel is om een AWG te plaatsen, aangezien een AWG prijzig is om aan te schaffen, te installeren en te onderhouden. Bij dit vervolgonderzoek kan gekeken worden of de levering van water goedkoper is dan de productie van water met een AWG.

Niet ieder klimaatgebied komt evenveel voor in Oost-Afrika, zo bestrijkt bijvoorbeeld Aw een veel groter gebied dan Csb. Dit heeft geleid tot een totaal van 10 meetpunten voor Aw en slechts 1 voor Csb. Wel is ervoor gezorgd dat van iedere vegetatiezone (A, B of C) ongeveer 10 meetpunten zijn. Het verschil in deze aantallen kan echter wel effect hebben op de uitkomst van het onderzoek. Een suggestie voor vervolgonderzoek zou dus zijn om meer datapunten per gebied te analyseren.

De AWG die gebruikt wordt door Rainmaker Worldwide, maakt gebruik van een windturbine om energie op te wekken voor de omzetting van waterdamp naar vloeibaar water. Hiervoor is een windsnelheid van meer dan 3 m/s nodig om de turbine aan te drijven. Uit de verkregen weerdata is gebleken dat de windsnelheden in de verschillende gebieden in Oost-Afrika regelmatig lager zijn dan 3 m/s, wat zou betekenen dat er niet genoeg energie beschikbaar is om water te produceren. Echter zijn de percentages zonneschijn die de gebieden ontvangen erg hoog, waardoor zonnepanelen gebruikt zouden kunnen worden om energie op te wekken. Rainmaker Worldwide biedt hydride AWG’s aan die gebruik maken van zowel wind- als energie. In Oost-Afrika zou het gebruik van zonne-energie cruciaal zijn om een continue waterproductie te bewerkstelligen. Een suggestie voor vervolgonderzoek zou dan ook zijn om te focussen op een AWG die volledig op zonne-energie draait.

Wanneer het door de AWG geproduceerde water niet alleen wordt gebruikt ter aanvulling van het natuurlijke watertekort op de waterbalans maar ook als drinkwater, is het van belang rekening te houden met de waterkwaliteit. Het is noodzakelijk om in dit geval de kwaliteit van het geproduceerde water te analyseren en eventueel waterzuiveringstechnieken toe te passen om de kwaliteit van het water te verbeteren.

Een laatste suggestie voor vervolgonderzoek, is nader te kijken naar de relatie tussen temperatuur en relatieve luchtvochtigheid. Zoals is beargumenteerd in het theoretisch kader, neemt de relatieve vochtigheid af wanneer de temperatuur stijgt. Dit verband kan er voor zorgen dat de AWG bij een temperatuur van 30 graden en een luchtvochtigheid van 20 procent, beter functioneert dan een bij een temperatuur van 20 graden en een luchtvochtigheid van 50 procent. Dit houdt dus in dat de 40/15 regel niet altijd van toepassing hoeft te zijn.

Conclusie

In dit onderzoek is bepaald hoe waardevol een atmosferische watergenerator kan zijn in verschillende klimaatgebieden in Oost-Afrika op basis van de factoren temperatuur, relatieve luchtvochtigheid en windsnelheid. Allereerst is er voor 32 steden een waterbalans per maand opgesteld die het natuurlijke watertekort, gedefinieerd als het verschil tussen de neerslag en de evapotranspiratie, weergeeft. Vervolgens is aan de hand van de 40/15 regel, die stelt dat de relatieve luchtvochtigheid minimaal 40% en de temperatuur minimaal 15 graden Celsius dient te zijn, bepaald of een AWG goed, middelmatig of slecht zou functioneren. De waterbalansen zijn gecombineerd met de informatie over het al dan niet functioneren van een AWG om te bepalen of het inzetten van een AWG waardevol zou zijn in een specifiek gebied. Hieruit is geconcludeerd dat plaatsing van een AWG in het meest waardevol is. Deze vier steden bevinden zich allemaal in klimaatgebied Bwh, waaruit kan worden afgeleid dat dit gebied het meest geschikt is voor de plaatsing van een AWG in

Oost-Afrika. Mogelijk heeft klimaatgebied Bwh wereldwijd potentie voor waterproductie door AWG’s. In de Köppen Climate Map is te zien dat Bwh veel voorkomt in Noord-Afrika en Australië.

Ten slotte is een pilotmodel opgesteld dat aan de hand van de drie bovengenoemde factoren de wateropbrengst kwantitatief kan voorspellen. Momenteel kan dit model nieuwe waarden voorspellen met een nauwkeurigheid van 97,04%. Aan de hand van dit model is er laten zien dat in de bovengenoemde steden een AWG tussen de 12 en 20 kubieke meter water per 24 uur kan produceren. Dit zijn veelbelovende resultaten voor wanneer een extensievere dataset beschikbaar zal zijn.

Literatuur

Ambient Water. Data verkregen op 6 november 2016 van Carole-Lyn Martens.

Black, E., Slingo, J., Sperber K.R (2003). An observational study of the relationship between

excessively strong short rains in coastal East Africa and Indian Ocean SST. Monthly Weather Review 131.1: 74-94.

Climate-Data. Opgevraagd op 2 januari 2017 van https://en.climate-data.org/region/1742/

Food and Agriculture Organization of the United Nations (FAO). AQUASTAT Climate

characteristics. Opgevraagd op 2 januari 2017 van

http://www.fao.org/nr/water/aquastat/quickWMS/climcropwebx.htm

Glunt, K. D., Blanford, J. I., & Paaijmans, K. P. (2013). Chemicals, climate, and control: increasing the effectiveness of malaria vector control tools by considering relevant temperatures. PLoS Pathog,

9(10), e1003602.

Holden, J. (2014). Water Resourches an integrated approach. New York, Amerika, Routledge. Kisaka, M. O., Mucheru-Muna, M., Ngetich, F. K., Mugwe, J. N., Mugendi, D., & Mairura, F. (2015). Rainfall variability, drought characterization, and efficacy of rainfall data reconstruction: case of eastern Kenya. Advances in Meteorology, 2015.

KNWI. (z.d.). Uitleg over El Niño. Opgevraagd op 9 januari 2017 van https://www.knmi.nl/kennis-en-datacentrum/uitleg/el-nino-21037ceb-3f08-4654-b08e-2ebfd5bdc2e3

Kottek, M., Grieser, J., Beck, C., Rudolf, B. & Rubel, F. (2006). World Map of the Köppen-Geiger Climate Classification updated. Meteorologische Zeitschrift, Vol. 15, No. 3, 259-263.

Lawrence, M. G. (2005). The relationship between relative humidity and the dewpoint temperature in moist air: A simple conversion and applications. Bulletin of the American Meteorological Society,

86(2), 225-233.

Liu, Z., Bai, H., Lee, J., & Sun, D. D. (2011). A low-energy forward osmosis process to produce drinking water. Energy & Environmental Science, 4(7), 2582-2585.

Malley, Z. J. U., Taeb, M., Matsumoto, T., & Takeya, H. (2009). Environmental sustainability and water availability: Analyses of the scarcity and improvement opportunities in the Usangu plain, Tanzania. Physics and Chemistry of the Earth, Parts A/B/C, 34(1), 3-13.

Ng, A. (z.d.). Machine Learning by Stanford University. Coursera.

Peel. et al. (2007). World map of Köppen-Geiger Climate Classification. Opgevraagd op 2 januari 2017 van http://people.eng.unimelb.edu.au/mpeel/koppen.html

Rainmaker worldwide. Air to water product sheet. Opgevraagd op 7 november 2016 van http://www.rainmakerww.com/wp-content/uploads/2016/08/AW-MDU-Rainmaker-WW.pdf Schroeder, D. (2001). An introduction to Thermal Physics. Weber State University Press

Sunderansan, S. (2015). Rainmaker in Kuwait: precipitating a solution. Cleaner-energy Investments, chapter 3, 23-35.

Sustainable Development Goals (SDG) (2016). Goal 6: Ensure access to water and sanitation for all. Opgevraagd op 4 december 2016 van

http://www.un.org/sustainabledevelopment/water-and-sanitation/

Tierney, J. E., Smerdon, J. E., Anchukaitis, K. J., & Seager, R. (2013). Multidecadal variability in East African hydroclimate controlled by the Indian Ocean. Nature, 493(7432), 389-392.

UNESCO. (2012). Managing water under uncertainty and risk. The United Nations world water development report 4, volume 1.

United Nations Statistics Divison (2016). Composition of macro geographical (continental) regions, geographical sub-regions, and selected economic and other groupings. Opgevraagd op 2 januari 2017 van http://unstats.un.org/unsd/methods/m49/m49regin.htm#africa

Wagner, R., Antoniou, I., Pedersen, S. M., Courtney, M. S., & Jørgensen, H. E. (2009). The influence of the wind speed profile on wind turbine performance measurements. Wind Energy, 12(4), 348-362. Wahlgren, R. V. (2001). Atmospheric water vapour processor designs for potable water production: a review. Wat. Res., Vol. 35, No. 1, 1-22.

Wallace, J. S. (2000). Increasing agricultural water use efficiency to meet future food production.

Agriculture, Ecosystems & Environment, 82(1), 105-119.

Weather Underground. (2016). Opgevraagd op 7 november 2016 van https://www.wunderground.com/

World Health Organisation. (2015). Opgevraagd op 7 november 2016 van

http://www.who.int/water_sanitation_health/publications/JMP-2015-keyfacts-en-rev.pdf?ua=1

Wolters-Noordhoff Atlasproducties, Istituto Geografico de Agostini S.p.A. (2005). De Wereld Bosatlas (eerste editie). Groningen, Nederland: Wolters-Noordhoff Atlasprouctions

Xu, CY. & Singh, V.P, (1998). A Review on Monthly Water Balance Models for Water Resources Investigations. Water Recources Management, 12(1), 20-50

Appendix

Appendix 4. Dataset 1 Temperatuur

(Celsius)

Windsnelheid (m/s)

Luchtvochtigheid (%) Water opbrengst (m3_/24h)

20 5 25 0 20 5 30 0 20 5 35 0 20 5 40 3,80465185 20 5 45 8,45067164 20 5 50 9,60257463 20 5 55 10,55879416 20 5 60 13,88672432 20 5 65 15,96745623 20 5 70 17,48365021 20 5 75 20,76845132 20 5 80 23,04567123 20 5 85 26,36891625 20 5 90 30,14672356 20 5 95 33,45162846 20 5 37 1,90233818 20 5 47 9,12503254 20 5 57 12,98567351 20 5 67 16,48932671 20 5 77 22,16783501 30 5 25 4,32340696 30 5 30 4,95670235 30 5 35 6,28903243 30 5 40 7,89824561 30 5 45 9,83265793 30 5 50 12,36710826

30 5 55 14,08888666 30 5 60 15,64396721 30 5 65 17,55830276 30 5 70 20,01449376 30 5 75 22,76430928 30 5 80 23,55768204 30 5 85 27,52067343 30 5 90 31,85607391 30 5 95 34,97721987 30 5 37 5,93422018 30 5 47 10,97356884 30 5 57 14,89340662 30 5 67 18,34110396 30 5 77 23,14903678 40 5 25 5,00146702 40 5 30 6,32228043 40 5 35 7,44678821 40 5 40 8,80342931 40 5 45 11,00019467 40 5 50 12,74327012 40 5 55 14,97632851 40 5 60 16,88514932 40 5 65 18,03562132 40 5 70 20,87743261 40 5 75 23,11432221 40 5 80 25,90123446 40 5 85 28,12246104 40 5 90 30,79886597 40 5 95 35,65578201

40 5 37 8,24357104

40 5 47 12,21143038

40 5 57 15,23015542

40 5 67 19,34427812