4. Bevindingen, conclusies en aanbevelingen

Wij hebben een haalbaarheidsstudie uitgevoerd om te onderzoeken of met beschikbare economische data van het CBS, en weer- en waterdata van het KNMI en Rijkswaterstaat, het effect van verschillende droogte-indicatoren op de economische ontwikkeling van een aantal economische sectoren statistisch te bepalen is. De pilotresultaten van deze studie zijn opgenomen in de bijbehorende tabellenset, en zijn kort geduid in dit rapport. Hier geven wij enkele algemene bevindingen, en conclusies en aanbevelingen volgend uit deze haalbaarheidsstudie met betrekking tot de beschikbaarheid van relevante weer- en waterdata en economische data, en de geschiktheid van de methode voor het beoogde doel.

Beschikbaarheid relevante weer- en waterdata

Het KNMI en Rijkswaterstaat stellen lange tijdreeksen, minimaal op dagbasis, beschikbaar van weer- en waterdata (neerslag, verdamping, rivierwaterafvoer en rivierwatertemperatuur), waaruit droogte-indicatoren kunnen worden ontwikkeld. Er is in deze studie naar gestreefd een set indicatoren op te stellen die de belangrijkste manifestaties van droogte omvat. Deze set is sowieso niet uitputtend, er zouden bijvoorbeeld veel meer aggregaties naar maand- en kwartaalniveau kunnen worden gebruikt. Daarnaast zijn voor onze analyses van droogte-impact op nationaal niveau, nationaal representatieve indicatoren nodig. Voor de potentieel belangrijke variabelen verzilting en grondwaterstand bleken deze (nog) niet beschikbaar te zijn. Deze variabelen konden daarom niet meegenomen worden in onze analyses. Voor analyses op nationaal niveau, raden wij aan om in de nabije toekomst te onderzoeken of het ontwikkelen van deze indicatoren mogelijk is.

Beschikbaarheid relevante economische data

Het CBS stelt consistente tijdreeksen van toegevoegde waarde vanaf 1995 tot heden beschikbaar. Deze reeksen zijn op kwartaalbasis voor economische sectoren op nationaal en 1e digit/letter-niveau. Ze worden zowel uitgedrukt in constante prijzen als in lopende prijzen. Dit heeft als voordeel dat droogte-impact op de ontwikkeling van economische volumes en prijzen afzonderlijk van elkaar geanalyseerd kunnen worden. In alle sectoren waarin droogte-impact door ons is waargenomen, zijn de significante indicatoren verschillend voor de reeksen in constante en in lopende prijzen.

De kwartalen van de economische tijdreeksen (januari-maart, april-juni, juli-september, oktober-december) komen niet overeen met meteorologische seizoenen (december-februari, maart-mei, juni-augustus, september-november). Hiermee moet in de duiding van de resultaten rekening worden gehouden; september is bijvoorbeeld een relatief natte maand die meteorologisch in de herfst, maar economisch in de zomer valt. Puur methodologisch vormt dit evenwel geen probleem omdat weer- en waterdata op dagbasis beschikbaar zijn.

Het kan zijn dat significante impact van droogte zich beperkt tot economische subsectoren, zodanig dat het effect wegvalt op het niveau van de overkoepelende sector. In twee van de drie onderzochte subsectoren was dit het geval, namelijk in de tuinbouw binnen de sector landbouw, bosbouw en visserij, en in de binnenvaart binnen de sector vervoer en opslag. Het beschikbaar stellen van lagere (sub)sectorniveaus vergt echter maatwerk, geeft kwaliteitsbeperkingen vanwege de geringere omvang, en deze tijdreeksen hebben een kortere tijdslengte.

Enkele reeksen met hogere tijdsfrequentie, namelijk op maandbasis, worden beschikbaar gesteld door Eurostat. Deze reeksen hebben echter als nadeel dat ze (veel) later beginnen, voor sommige sectoren niet beschikbaar zijn, en soms onderbroken worden. Daarnaast zijn ze alleen in constante prijzen beschikbaar, waardoor wel volume-effecten maar geen prijseffecten kunnen worden gemeten. Het analyseren van reeksen met hogere tijdsfrequentie heeft als voordeel dat de impact van kortdurende (extreme) droogte kan worden waargenomen, die wegvalt op kwartaalbasis. Als dergelijke droogte zich langer voor zou doen, zou het effect ook op kwartaalbasis merkbaar worden. In een van de drie onderzochte sectoren waarvoor zowel kwartaal- als maandreeksen beschikbaar waren, namelijk de sector waterbedrijven en afvalbeheer, hebben wij een droogte-impact gemeten in de maandreeks die niet in de kwartaalreeks naar voren kwam.

Droogte is over het algemeen geen landelijk, maar veeleer een regionaal verschijnsel. Dat wil zeggen dat niet iedere regio even hard geraakt wordt door dezelfde droogte-indicatoren. Grote delen van Hoog Nederland (zandgebieden, Heuvelland) en delen van Zeeland ontvangen bijvoorbeeld geen (zoet) oppervlaktewater uit de rivieren. Deze gebieden zijn daarom afhankelijker van meteorologische droogte (neerslag en verdamping) en van de beschikbaarheid van (zoet) grondwater. Voor deze gebieden zal er dus geen relatie zijn met Rijn- of Maasafvoer. Economische tijdreeksen op subnationaal niveau zijn vanuit de regionale rekeningen van het CBS echter slechts beschikbaar op jaarbasis, wat een te grove resolutie is voor de hier toegepaste tijdreeksanalyses.

Gedurende de COVID19-periode vonden grote economische veranderingen plaats, voornamelijk als gevolg van lockdowns en het opheffen daarvan. Omdat de toevallige droogtesituatie tijdens deze periodes een onredelijk groot aandeel zou worden toegewezen als deze periode in de analyse zou worden meegenomen, hebben we de analyses gedaan tot en met 2019. Voor het berekenen van de droogte-impact hebben we de gevonden verbanden doorgetrokken. In een eventuele vervolgstudie zou hier een andere, betere oplossing voor gezocht kunnen worden, en ook de data van de post-COVID19-periode weer meegenomen kunnen worden.

Geschiktheid van de methode

Wij hebben een methode gebruikt, die statistische verbanden blootlegt tussen tijdreeksen van droogte-indicatoren en de jaar-op-jaar-groei van de toegevoegde waarde per economische sector. Hieruit kan per kwartaal een droogte-effect worden afgeleid. De gevonden verbanden zijn robuust, in de zin dat ze statistisch significant zijn over de gehele onderzochte periode. Voor de kwartaalreeksen op 1e-digit/letterniveau is dat 24 jaar (1996-2019); voor de andere kwartaalreeksen 11 jaar (2009-2019); voor de maandreeksen 18 jaar (2002-2019). Ook zijn de verbanden gebaseerd op algemeen gebruikte economische data.

De gevonden statistische verbanden zijn lineair omdat het model alleen lineaire relaties bevat. Dat betekent dat het lastig is niet-lineaire verbanden waar te nemen. Dit kan alleen door het opstellen van niet-lineaire droogte-variabelen, bijvoorbeeld op basis van grenswaarden, zoals het aantal dagen met gemiddelde dagafvoer kleiner dan 1 800 m³/s van de Rijn. De lineariteit van de verbanden betekent ook dat in principe niet specifiek op droogte gericht wordt, waardoor ook de effecten van (zeer) natte perioden, ofwel het uitblijven van droogte, worden gekwantificeerd.

Uit onze studie is gebleken dat een zuiver statistische benadering van de methode te generiek is. Als dezelfde grote set van alle droogte-indicatoren wordt onderzocht voor elke economische sector, is de kans op het vinden van moeilijk te duiden, en mogelijk toevallige relaties, erg groot. Daarom is gekozen voor een inhoudelijk gedreven benadering. Per economische sector zijn alleen de droogte-indicatoren meegenomen in de analyse, waarvan vooraf een hypothese over de impact kon worden vastgesteld (zie paragraaf 3).

Vertraagde effecten, dat wil zeggen droogte die pas in een later kwartaal of latere maand via een volume- en/of prijseffect de toegevoegde waarde beïnvloedt, zijn in deze studie niet geanalyseerd. Deze zouden wel een grote rol kunnen spelen, met name in de landbouwsector. Hier hebben we dit niet gedaan, vanwege het hierboven genoemde nadeel van een (te) grote set van te analyseren indicatoren. Als in een vervolgstudie deze vertraagde effecten wel geanalyseerd zouden worden, moet dit daarom wel gericht gebeuren.

De in deze studie gevonden verbanden tussen de onderzochte droogte-indicatoren en de economische ontwikkeling van enkele economische sectoren, en de daaruit berekende droogte-impacts, zijn kort geduid in paragraaf 3. Samenvattend:

Landbouw, bosbouw en visserij: in de zomer neemt de toegevoegde waarde van de tuinbouw toe in lopende prijzen door droogte;
Industrie en energievoorziening: geen droogte-impact gevonden;
Waterbedrijven en afvalbeheer: droogte leidt tot economische productiestijging bij water- en afvalbedrijven op maandniveau, hoewel dit ook door (gecorreleerde) hitte kan komen;
Vervoer en opslag: de toegevoegde waarde van de sector als geheel neemt in de winter toe in constante prijzen door droogte; de toegevoegde waarde in constante prijzen van de binnenvaart neemt in de winter af, terwijl in lopende prijzen de toegevoegde waarde juist gedurende het hele jaar toeneemt door droogte.
Cultuur, sport en recreatie: de toegevoegde waarde neemt toe door droogte, zowel in constante als in lopende prijzen.

Slechts voor een klein aantal van de onderzochte tijdreeksen, namelijk 7 van de 21, is significante droogte-impact gevonden. Deze verbanden zijn wel heel robuust, omdat ze gericht onderzocht zijn op basis van vooraf opgestelde hypothesen, en er een streng significantiecriterium (toevalskans van 1%) is gehanteerd. Het effect is doorgaans klein ten opzichte van de totale toegevoegde waarde van de sectoren, maar absoluut gezien gaat het soms toch om aanzienlijke bedragen in de orde van tientallen miljoenen euro’s. Ook is de door droogte verklaarde groei vaak wel relatief groot in verhouding tot de werkelijke groei van de toegevoegde waarde van de onderzochte sectoren. Dat betekent dat een groot deel van de jaar-op-jaar-veranderingen in toegevoegde waarde door het optreden of uitblijven van droogte kan worden verklaard.

De verkregen data, relaties en inzichten kunnen worden gebruikt om kwantitatief of kwalitatief te vergelijken met de modelvoorspellingen van het effect van droogte op sectoren uit de DPZW-Effectmodules. Het is daarbij belangrijk in ogenschouw te nemen dat:

Wij in deze studie geen ‘schade’, bijvoorbeeld in de zin van schade aan activa van bedrijven, meten aan een economische sector door droogte. Er wordt gekeken naar het effect op de bedrijfsvoering, namelijk wat het effect op de toegevoegde waarde van een sector is als een droogte-indicator afwijkt van het langjarig gemiddelde;
Als wij geen significante impact vinden op economische ontwikkeling, dit niet per se hoeft te betekenen dat droogte in het geheel geen effect heeft. Dit effect kan immers:

Te klein zijn voor statistische significantie over de gehele onderzochte periode;
Niet-lineair zijn op een manier die wij niet hebben gevat in de formulering van onze indicatoren;
Zich alleen manifesteren op kleinere tijdschaal (kleiner dan kwartaal/maand), of op kleinere economische schaal (kleiner dan 1e-digit/letterniveau);
Alleen op kleinere ruimtelijke schaal (kleiner dan nationaal) worden geïndiceerd door de onderzochte droogte-indicatoren;
Worden bepaald door andere variabele(n) dan die wij hebben onderzocht, bijvoorbeeld door verzilting of grondwaterstand;
Worden opgevangen door mitigerende maatregelen van de sectoren, zoals extra irrigatie in de landbouw.