Kwallenrisico voor de volgende dag voorspellen: een model voor zwemmers
Is het mogelijk om de aankomst van kwallen aan onze kusten 24 uur van tevoren te voorspellen? Dat is altijd een van de hoofddoelen van Meduseo geweest.
Tot nu toe was de informatie uitsluitend gebaseerd op directe waarnemingen van zwemmers op het strand. Meduseo zet een grote stap voorwaarts door zijn voorspellingsmodel uit te rollen. Door community-meldingen te combineren met maritieme weergegevens en fysische oceanografie, kunnen onze modellen nu het risico op kwallen voor de volgende dag (D+1) evalueren met een hoge nauwkeurigheid die voor iedereen toegankelijk is.
Wat voorspelt het model precies?
-
Voorspelling van hinder: Het model voorspelt de aanwezigheid van kwallen op een niveau dat het zwemmen kan verstoren (verschijnen van meerdere exemplaren of een zwerm/invasie).
-
Situatie «Geen kwallen»: Dit betekent dat de algemene zwemomstandigheden gunstig zijn. Zoals in elk natuurlijk marien milieu blijft de aanwezigheid van een zeldzaam, geïsoleerd exemplaar echter altijd mogelijk zonder de algehele zwemervaring te beïnvloeden.
Uniek model per stad: De kustlijn is geen rechte lijn
Modellering toont aan dat er geen generiek algoritme bestaat dat blindelings op de gehele kustlijn kan worden toegepast, wat volkomen logisch is. Elke kustzone heeft zijn eigen geometrie, windoriëntatie en unieke maritieme kenmerken. Daarom beschikt elke stad over haar eigen voorspellingsmodel, ontwikkeld op basis van de specifieke historie van haar kustzone.
Het algoritme maakt dagelijks gebruik van:
Maritiem weer & Fysische oceanografie
Zeewatertemperatuur, stromingsvectoren, windrichting en -snelheid, golfhoogte en -periode, evenals atmosferische druk.
Ruimtelijke dynamiek van aangrenzende zones
Analyse van waargenomen aanwezigheid in nabijgelegen kustsectoren.
Waarom zijn afwezigheidsmeldingen cruciaal?
Om risicosituaties te leren herkennen, heeft het algoritme net zo nauwkeurige kennis nodig van dagen waarop er een totale afwezigheid van kwallen of aangespoelde exemplaren is.
Meldingen van afwezigheid (geen kwallen waargenomen) zijn net zo essentieel voor de training van het model als meldingen van aanwezigheid.
Zonder deze afwezigheidsgegevens kan het algoritme zijn beslissingsdrempels niet in evenwicht brengen. Om ervoor te zorgen dat een nieuwe stad van een eigen voorspellingsmodel kan profiteren, moet de community een rijke en gebalanceerde historie van dagelijkse waarnemingen opbouwen.
Gevalideerde statistische prestaties: Onze resultaten begrijpen
Om de effectiviteit van onze modellen in nieuwe seizoenen te meten (met name 2025 en mid-seizoen 2026), gebruiken we twee sleutelindicatoren:
Meet het percentage juiste voorspellingen. Een nauwkeurigheid van 80% tot 83% betekent dat het model in meer dan 8 op de 10 gevallen de werkelijke situatie op het strand voor de volgende dag perfect voorspelt (of het nu gaat om een waarschuwing of een rustige dag).
Geëvalueerd op een schaal van 50% (louter toeval) tot 100% (perfect model). Deze index meet het vermogen van een model om zonder twijfel een risicodag te onderscheiden van een kwalvrije dag. Een score hoger dan 80% getuigt van een uitstekende operationele rijpheid.
Resultaten in onze pilotsteden
Momenteel is de voorspellingstool beschikbaar in 4 pilotsteden aan de Middellandse Zee:
Marseille
Bouches-du-RhôneSix-Fours-les-Plages
VarBandol
VarSaint-Cyr-sur-Mer
VarUitrol en toekomstperspectief
Het voorspellingsmodel van Meduseo is ontworpen om geleidelijk te worden uitgebreid naar andere kuststeden zodra de dichtheid en balans van de meldingen dit toelaten.
Door dagelijks je waarnemingen te blijven delen op de website en de app, of je nu kwallen ziet of helemaal geen, draag je rechtstreeks bij aan de ontwikkeling van dit voorspellingssysteem!