Waterschappen investeren jaarlijks miljoenen euro’s in het verbeteren en monitoren van de oppervlaktewaterkwaliteit. Het slim combineren van gegevens over maatregelen met reguliere meetgegevens kwantificeert het effect van de maatregel. Hiervoor is slimme statistiek gebruikt.
Gegevens over (her)inrichting, maaien en baggeren zijn voor het gehele beheergebied van Aa en Maas gekoppeld aan ecologische data en waterkwaliteitsdata. Het gaat om een koppeling in ruimte en tijd; welke meting is wel/niet en zo ja, wanneer beïnvloed door een maatregel. Zo is bepaald of er een verschil is in de gemeten ecologie en waterkwaliteit voor en na een maatregel, en of er een verschil is tussen gebieden met en zonder maatregel. Om dit te bepalen is gebruik gemaakt van Generalized Additive Models (GAM’s). Deze modellen zijn zo opgezet dat ze het tijdelijke en permanente effect van de maatregel kunnen bepalen, evenals de hersteltijd na het incident. Om dit alles goed te kunnen doen is gecorrigeerd voor seizoen- en jaareffecten in de gemeten biologie en fysische chemie.
Deze studie laat zien dat reguliere metingen (voor o.a. de KRW) bruikbaar zijn om een eerste indicatie te krijgen van het effect van bepaalde maatregelen op de ecologie en waterkwaliteit. Voorwaarde is dat de maatregelen goed gedocumenteerd zijn (waar, wanneer, hoe) en dat de dataset aan reguliere metingen voldoende groot is in ruimte en tijd. Een apart (kostbaar) effectmonitoringsmeetnet is zodoende niet altijd nodig met deze vorm van data-mining. Deze benadering geeft een eerste indruk van het effect van een maatregel en biedt zodoende handvatten en handelingsperspectief.