Het KNMI berekent het landelijke neerslagtekort uit dertien stations. Op X kreeg ik te horen dat dat er veel te weinig zijn. Dus heb ik het uitgerekend.

De discussie begon met een neerslagtekortgrafiek en liep zoals dat gaat op X. Mijn gesprekspartner, @dimgrr, hield vol dat je op dertien puntmetingen geen landelijke droogte kunt baseren:

Als je dat op een gemiddelde van 13 puntmetingen baseert zegt dat inderdaad heel weinig over specifieke locaties. (…) 13 stations zijn m.i. echt te weinig om de vaak plaatselijke zomerbuien vast te leggen en het lage aantal is ook gevoelig voor lokale wolkbreuken.@dimgrr, juli 2026

Hij stuurde er de KNMI-kaart van juli 2026 bij, met 227 stations en waarden van 0 mm in Zeeland tot 31 mm in Groningen. Dat plaatje is inderdaad indrukwekkend scheef. Maar bewijst het wat hij denkt dat het bewijst? Dat wilde ik weten, en het antwoord bleek genuanceerder dan ik vooraf dacht — in beide richtingen.

Eerst maar eens: wat is P13?

Het KNMI berekent het landelijk gemiddelde voor neerslag uit dertien neerslagstations, de zogeheten P13: De Bilt, De Kooy, Groningen, Heerde, Hoofddorp, Hoorn, Kerkwerve, Oudenbosch, Roermond, Ter Apel, West-Terschelling, Westdorpe en Winterswijk. Het neerslagtekort komt daarbovenop: neerslag min referentieverdamping, opgeteld vanaf 1 april.

Waarom precies dertien? Niet omdat een statisticus dat het optimum vond. Die dertien reeksen lopen terug tot 1906, en juist die lengte maakt ze bruikbaar. Wie de zomer van 2018 met die van 1976 en 1947 wil vergelijken, heeft stations nodig die er in 1947 ook al stonden. Dat is de hele rechtvaardiging, en het is een goede. Maar het is een andere rechtvaardiging dan “dertien is genoeg voor een nauwkeurig landelijk gemiddelde”.

Mijn eerste fout

Ik ging aan de slag met de KNMI-uurdata en liep meteen tegen een probleem aan: Kerkwerve en Oudenbosch zaten er niet in. Ik concludeerde dat die stations ontbraken en rekende verder met elf.

Dat klopte niet. De P13 zijn neerslagstations: handmatige regenmeters met een nummer op _N, zoals Kerkwerve (737_N) en Oudenbosch (828_N). Ze meten prima. Ze zitten alleen niet in het uurdata-bestand van de automatische weerstations, want dat zijn twee verschillende meetnetten. Nederland heeft ongeveer 320 neerslagstations en 48 automatische weerstations, en de P13 horen bij de eerste groep.

Wie op X met cijfers zwaait, kan zich zo’n slordigheid niet veroorloven. Dus opnieuw.

P13*: de proxy

Het KNMI koppelt zelf aan elk P13-neerslagstation een automatisch weerstation in de buurt, voor de verdampingsberekening. Die koppeling heb ik overgenomen voor de neerslag. Het resultaat noem ik hier P13*, met een sterretje, want het is nadrukkelijk niet hetzelfde als P13.

P13-neerslagstation	Vervangen door	Afstand
Oudenbosch	Eindhoven	68 km
Ter Apel	Nieuw Beerta	35 km
Kerkwerve	Vlissingen	34 km
Roermond	Ell	16 km
Winterswijk	Hupsel	13 km
Heerde	Heino	12 km
Groningen	Eelde	11 km
West-Terschelling	Hoorn Terschelling	9 km
Hoorn	Berkhout	5 km
Hoofddorp	Schiphol	4 km

De Bilt, De Kooy en Westdorpe staan er niet bij; daar valt het neerslagstation samen met het weerstation. Mediane verplaatsing: 12,5 km. Zeven van de tien zitten onder de 16 km. Maar Oudenbosch–Eindhoven is 68 km, en dat is bij lokale zomerbuien gewoon een ander weer. Dat is een zwakke plek in mijn opzet en ik ga er niet omheen praten.

Wat ik heb gedaan

Zes KNMI-exports met uurdata, samen 516.205 regels, van 1999 tot en met juli 2026. Duplicaten eruit (239 stuks, de bestanden overlappen aan de randen), RH omgerekend van tienden van millimeters naar millimeters, en de waarde −1 (“minder dan 0,05 mm”) op nul gezet. Wat overblijft: 51 stations en 9.871 dagen waarop alle dertien P13*-stations een meting hebben.

Vervolgens twee gemiddelden per dag: dat van de dertien P13*-stations, en dat van alle beschikbare stations. En dan dezelfde vergelijking nog eens, maar dan opgeteld per seizoen, 1 april tot en met 30 september, het venster dat het KNMI voor het neerslagtekort aanhoudt. Dat levert 26 volledige seizoenen op, 2000 tot en met 2025.

Figuur 1: Gemiddelde dagneerslag alle stations vs gemiddelde dagneerslag P13*

Figuur 2: Cummulatieve dagneerslag 1 april-30 september alle stations vs gemiddelde dagneerslag P13*

De code staat in mijn Streamlit-app, met tabbladen voor de dagwaarden, de seizoenscumulatieven, de stationskaart en de onderliggende data.

Even over de maatstaven

Ik gooi hieronder een handvol getallen op tafel en het loont om te weten wat ze doen, want ze meten niet allemaal hetzelfde.

R² en Pearson r

Pearson r meet hoe sterk twee reeksen samen op en neer bewegen, van −1 tot +1. R² is het deel van de variantie dat het model verklaart, van 0 tot 1. Bij een gewone rechte lijn door twee variabelen is R² gewoon r in het kwadraat, dus ze vertellen daar hetzelfde verhaal.

Belangrijker: allebei meten ze samenhang, niet overeenstemming. Als P13* stelselmatig dertig procent te laag zou meten, blijft r vrolijk op 0,99 staan. Voor twee schattingen van dezelfde grootheid is dat precies de verkeerde vraag.

Bias, MAE en RMSE

Bias is het gemiddelde verschil: meet P13* structureel te nat of te droog? MAE is de gemiddelde afwijking zonder rekening te houden met de richting. RMSE doet hetzelfde maar straft grote missers zwaarder, en is dus gevoelig voor die ene wolkbreuk die net naast een station viel.

NSE

De Nash-Sutcliffe-efficiëntie is R² gerekend ten opzichte van de 1:1-lijn in plaats van de best passende lijn. Hij vraagt niet “hangen deze reeksen samen?” maar “hoe goed voorspelt de een de ander, zonder correctie achteraf?”. Bij systematische afwijking zakt hij weg, en hij kan zelfs negatief worden. Voor deze vraag is dat de eerlijkste maat.

De uitkomsten

	Dagwaarden	Seizoenstotalen
Aantal waarnemingen	9.871	26
R²	0,977	0,979
Pearson r	0,988	0,989
NSE	0,977	0,966
Bias	−0,035 mm	−7,5 mm
Relatieve bias	−1,6 %	−1,9 %
RMSE	0,53 mm	12,4 mm

Een seizoenstotaal uit dertien stations wijkt dus typisch zo’n twaalf millimeter af van het totaal over alle stations, op een gemiddelde van 398 mm. Drie procent. En P13* leest structureel ietsje droger dan het volledige netwerk: in 21 van de 26 seizoenen ligt het eronder.

Dat de dagwaarden er al zo goed uitzien, verraste me eerlijk gezegd. Ik had verwacht dat de zomerbuien meer schade zouden aanrichten.

Maar wacht: de referentie bevat de P13-stations zelf

Dat is meten met je eigen meetlat. Dus heb ik de dertien P13*-stations uit het landelijke gemiddelde gehaald, zodat er 38 volstrekt onafhankelijke stations overblijven.

	Dagwaarden	Seizoenstotalen
R²	0,939	0,944
NSE	0,939	0,910
Relatieve bias	−2,6 %	−3,1 %
RMSE	0,88 mm	20,8 mm

Slechter, zoals verwacht, maar niet dramatisch. Een seizoenstotaal uit dertien stations komt op ongeveer twintig millimeter van een compleet onafhankelijke schatting uit 38 stations. Op vierhonderd millimeter.

En de rangorde?

Voor droogtemonitoring maakt het weinig uit of je 396 of 404 mm meet. Wat telt is of je de droge jaren als droog herkent. De rangcorrelatie tussen beide reeksen is 0,990, en geen enkel jaar verschuift meer dan drie plaatsen op 26. De vijf droogste zomers zijn in beide reeksen dezelfde vijf jaren (2018, 2025, 2003, 2009 en 2020), alleen de onderlinge volgorde van twee ervan wisselt. De vijf natste ook.

De kern van de zaak

Hier zit volgens mij de denkfout in het argument “dertien puntmetingen zijn te weinig”. Die bemonsteringsfout is er, en op dagniveau is hij fors. Maar hij is grotendeels willekeurig. Bij een lokale bui die net naast een station valt, mis je neerslag; de volgende week valt er een precies bovenop en meet je te veel.

Tel je die dagen op over een half jaar, dan groeit de som ongeveer evenredig met het aantal dagen, terwijl de fout meegroeit met de wortel daarvan. Honderdtachtig dagen ruis levert geen honderdtachtig keer zo grote fout op, maar ruwweg dertien keer. Dat is precies wat je in de cijfers terugziet: de dagelijkse RMSE is 0,53 mm, en na 183 dagen optellen is de RMSE 12,4 mm, ongeveer 0,53 × √183, plus wat systematische afwijking.

Een neerslagtekort is dus een veel stabielere grootheid dan een dagwaarde. Het argument “het regende hier gisteren 20 mm en het KNMI ziet dat niet” is waar en tegelijk niet ter zake.

Waar mijn gesprekspartner gelijk heeft

Op drie punten, en ze zijn niet triviaal.

P13 zegt niets over jouw perceel. Klopt volledig. Die kaart met 0 mm in Zeeland en 31 mm in Groningen laat precies zien wat een landelijk gemiddelde verhult. Wie wil weten of zijn eigen grondwater aangevuld is, heeft niets aan P13. Het KNMI publiceert daarom ook kaarten van het doorlopend neerslagtekort, en die zijn voor dat doel geschikter.

Het tekort is een index, geen gemeten watervolume. Ook waar. Hij formuleerde het scherp:

Neerslag en straling zijn objectieve metingen, maar het daaruit berekende “tekort” is geen rechtstreeks waargenomen hoeveelheid ontbrekend water. Het is een modelmatige indicator waarvan de waarde door de gekozen definitie wordt bepaald.@dimgrr, juli 2026

Makkink-referentieverdamping, een theoretisch gras-referentiegewas, startdatum 1 april, het tekort afkappen op nul: dat zijn allemaal keuzes. Zijn conclusie “repliceerbaar ja, objectief nee” vind ik iets te stellig, want repliceerbaarheid met een openbaar gedocumenteerde definitie is een respectabele vorm van objectiviteit. Maar het onderliggende punt staat. Wie het neerslagtekort leest als “zoveel liter water ontbreekt er in de Nederlandse bodem”, leest het verkeerd.

Mijn referentie is zelf ook maar dun. Ik zet dertien stations af tegen vijftig, niet tegen de 227 uit zijn kaart of de ruim 300 neerslagstations. Bovendien zitten er zeestations tussen, zoals Huibertgat, Vlakte van De Raan en Oosterschelde, en die horen strikt genomen niet in een landelijk gemiddelde thuis. Ze verklaren mogelijk een deel van de systematische afwijking van 2 à 3 procent. Wil je dit sluitend maken, dan moet je P13 vergelijken met het volledige neerslagnetwerk of met het gridded 1×1 km-product van het KNMI. Dat is de volgende stap, en daar ga ik nog eens voor zitten.

Wat er verder rammelt

De KNMI-bestanden openen zelf met de waarschuwing dat uurreeksen inhomogeen kunnen zijn door stationsverplaatsingen. Voor trendanalyse zijn ze ongeschikt; voor een vergelijking tussen twee gemiddelden uit dezelfde bestanden hindert dat minder, maar nul is het niet.

De samenstelling van “alle stations” verandert bovendien over 26 jaar. Stations komen en gaan. Als er in latere jaren meer noordoostelijke stations bijkomen, verschuift het landelijke gemiddelde om een reden die niets met het weer te maken heeft. Een vaste referentieset over de hele periode zou netter zijn.

En ik heb alleen neerslag vergeleken, geen neerslagtekort. De verdampingskant blijft buiten beeld. Dat is een aparte vraag met eigen valkuilen. Het KNMI gebruikt de temperatuur bijvoorbeeld niet in de formule, terwijl die er in de formele definitie wel in staat.

Conclusies

Voor een landelijk seizoenstotaal zijn dertien stations ruim voldoende. De afwijking ten opzichte van een onafhankelijke set van 38 stations is ongeveer drie procent, en de rangorde van droge en natte zomers blijft vrijwel intact. Voor het doel waarvoor het KNMI P13 gebruikt, namelijk droogte over de tijd vergelijken, is dat prima.

Voor een uitspraak over jouw achtertuin zijn dertien stations waardeloos. Ook op een willekeurige dag in juli zijn ze niet best. Dat is geen tekortkoming van de methode maar van de vraag.

Aggregatie is de hele truc. Wie “dertien puntmetingen” als bezwaar aanvoert tegen een half jaar optellen, past de foutmarge van een dagwaarde toe op een seizoenstotaal. Dat scheelt een factor dertien.

En ik heb zelf ook zitten prutsen. Ik dacht aanvankelijk dat twee P13-stations ontbraken, terwijl ze gewoon in een ander meetnet zitten. Mijn P13* is een proxy, met een vervanging van 68 km als grootste zonde. Als iemand met de echte P13-neerslagreeksen dezelfde analyse doet, verwacht ik betere cijfers dan de mijne. Maar ik zou het liever zien dan verwachten.

De app en de code staan op rcsmit.streamlit.app. Correcties zijn welkom, liefst met data erbij.