Wanneer een overstromingsuitkering van $2 miljoen afhangt van water of schaduw

De eerste keer dat het echt tot me doordrong, keek ik naar één grijswaardenbeeld op een tweede monitor, tegen middernacht. Het was een Sentinel-1-radarframe — de gratis Europese satellietdata waarmee iedereen in het overstromingswerk begint — en ergens in dat frame zat een overstroming. De radar tekent glad water als donker, bijna zwart, omdat een vlak wateroppervlak het signaal van de satelliet af kaatst in plaats van terug. Dus ik zocht naar de donkere plek.

Het probleem was dat er twee donkere plekken waren. De ene was overstromingswater. De andere was de schaduw die een bergkam werpt in de radargeometrie, waar het terrein de bundel blokkeert en er niets terugkomt. Op het scherm, op dat uur, leken ze op een tweeling. En ik herinner me de specifieke, ongemakkelijke gedachte: ergens is er een verzekeraar die een claim wel of niet gaat uitbetalen op basis van welke van deze twee ik water noem.

Dat is het hele probleem van satelliet-overstromingsintelligentie voor parametrische verzekeringen, samengebald in één beeld. Een parametrische polis wacht niet tot een schade-expert een ondergelopen magazijn inspecteert. Ze betaalt automatisch uit wanneer een gemeten trigger afgaat — een satelliet zegt dat de overstroming een bepaalde omvang heeft bereikt, en het geld gaat lopen. Het is een prachtig idee voor een wereld waarin catastrofes zich versnellen. Het betekent ook dat de classificatie van de satelliet de claim ís. Er staat geen mens in het water om die te overrulen.

Een parametrische trigger verandert één meting van één satellietpixel in een overboeking.

En de satelliet heeft het in beide richtingen mis.

De fysica die niemand op de slidedeck wil

Dit is het deel dat ik het langst nodig had om te accepteren, omdat ik binnenkwam met de aanname dat het een softwareprobleem was dat ik weg kon engineeren. Wolkschaduwen en overstromingswater zien er in optische satellietbeelden bijna identiek uit — niet vergelijkbaar, identiek in de banden die ertoe doen. Beide absorberen nabij-infrarood en kortgolf-infrarood licht. Beide hebben zachte, amorfe grenzen. Beide vlakken de textuur van wat er ook onder ligt uit tot een uniforme veeg.

De standaard waterdetectie-indices — NDWI en MNDWI, de wiskunde waar elke overstromingspijplijn op leunt — markeren beide als "waterachtig", omdat de onderliggende fysica werkelijk hetzelfde is: verminderde reflectie over de infraroodbanden. Eén optisch frame dat tijdens een storm is vastgelegd, kan niet betrouwbaar een schaduw van een overstroming onderscheiden, en geen enkele slimme drempelwaarde repareert een signaal dat aan de bron werkelijk dubbelzinnig is.

Ik was een maand lang overtuigd dat het antwoord een beter model was. We hadden de deep-learningliteratuur aan onze kant, en die is werkelijk indrukwekkend — een gemodificeerd DeepLabV3-netwerk, gevoed met multipolarisatieradar- en terreindata, behaalde in gepubliceerd onderzoek een totale nauwkeurigheid van 98,4%; een U-Net met transformer-attention rapporteerde 95,5%. Die cijfers zijn echt. Ik citeerde ze in een vroege pitch. Wat ik niet hardop zei, omdat ik het nog niet begreep, is dat die nauwkeurigheden worden gemeten op zorgvuldig samengestelde benchmarkscènes, en dat de ramp-trainingssets waaruit ze leren doelbewust scheefgetrokken zijn.

Ze zijn scheefgetrokken om een humane reden. Een echte overstroming missen kan mensen doden, dus de labels en verliesfuncties bestraffen een gemiste overstroming veel harder dan een vals alarm. Het resultaat is een generatie classificaties die systematisch te snel afgaan — wanneer het signaal marginaal is, neigen ze naar "overstroming". Dat is precies de juiste bias voor een humanitair vroegwaarschuwingssysteem en precies de verkeerde bias voor het autoriseren van een uitkering van $2 miljoen, waar een vals alarm geen afrondingsfout is. Het is een overboeking.

De demo die een berg als overstroomd markeerde

We bouwden eerst het voor de hand liggende. Een enkelframe-classifier, radargestuurd zodat hij door wolken heen kon kijken, hard afgesteld, demode netjes op de scènes die we hadden uitgekozen. Ik was er trots op. Toen liet een collega die de radargeometrie werkelijk begreep hem los op een bergachtig testgebied, en hij lichtte een helling met hoge betrouwbaarheid op als overstroomd. Geen marginale inschatting — een zelfverzekerde. Hij had een radarschaduw gevonden, hetzelfde soort donkere plek dat me op dat middernachtframe had verontrust, en noemde die water.

Ik denk nog steeds aan de denkbeeldige e-mail die die scène zou hebben opgeleverd als het een live trigger was geweest. Een actuaris, drie tijdzones verderop, die naar onze geautomatiseerde bepaling kijkt dat een heuvel onder twee meter water stond, en de enige vraag terugschrijft die telt: weet je zeker dat dat water is en geen schaduw? En dat ons systeem geen antwoord heeft buiten een betrouwbaarheidsscore waar het geen recht op had.

Een betrouwbaarheidscijfer is geen bewijs. Het is een mening met decimalen.

Dat was de mislukking die alles daarna betaalde. Want de les was niet "stel het model harder af". De les was dat geen enkel frame en geen enkele sensor het bewijs kan dragen, en dat ik geprobeerd had een discussie te winnen die de fysica al had verloren.

Radar wordt verkocht als het geneesmiddel — het ziet immers door wolken heen, wat optische sensoren niet kunnen. Maar radar-backscatter neemt af over glad water en over terreinschaduw, layover en foreshortening in ruw terrein. Het heeft zijn eigen valse positieven op dorre grond, over vries-dooicycli, in industriële gewassen, en het ergst van alles in steden, waar de dubbele weerkaatsing van het signaal tegen gebouwen stilstaand water volledig kan maskeren. NASA's eigen wereldwijde bijna-realtime overstromingsproduct maakt het punt op planetaire schaal: het eendaagse composiet heeft zoveel valse positieven dat NASA weigert het te publiceren in hun openbare Worldview-viewer. Alleen de twee- en driedaagse composieten — die welke tijd gebruiken, niet één enkele blik — worden als operationeel beschouwd. Nieuwe reservoirs worden in die producten tot drie jaar lang als overstromingen gelezen, totdat het permanente-watermasker bijtrekt.

Het patroon lag daar de hele tijd al. De oplossing voor valse positieven was nooit een scherper beeld. Het was een tweede blik, en een derde — dezelfde scène door de tijd heen.

Wat Scheidt een Overstroming Nu Eigenlijk van een Schaduw?

Wat een overstroming van een schaduw scheidt, is niet hoe het er in één frame uitziet. Het is hoe het zich over vele frames gedraagt. De radarschaduw van een berg zit bij elke passage op precies dezelfde plek, het hele jaar door — het is geometrie, geen weer. Overstromingswater verschijnt tegen een droge basislijn en trekt weer weg. Een wolkschaduw is de volgende heldere dag verdwenen. Het onderscheidende signaal zit in de temporele stack, niet in de pixel.

Dus we stopten met vragen "is deze pixel water?" en begonnen te vragen "is deze plek veranderd op een manier die alleen een overstroming verklaart, afgezet tegen alles wat we weten over hoe hij er normaal uitziet?". Die herformulering is de hele architectuur van wat we uiteindelijk bouwden, en het is waarom we op meerdere sensoren leunen in plaats van op één te gokken. Een radarframe om door de stormwolken heen te kijken. Optische frames ervoor en erna om de droge basislijn vast te stellen en de terugtrekking te bevestigen. Een terreinmodel om de geometrie uit te sluiten die in beide water nabootst. Van radar en multispectraal-optisch fuseren is aangetoond dat het de detectie in door wolken en schaduw getroffen gebieden met meer dan 23% verbetert ten opzichte van enkelsensormethoden — niet omdat de sensoren afzonderlijk beter zijn, maar omdat het faalmechanisme van elke sensor iets is waar de andere doorheen kunnen kijken.

Dit is de laag die we bij Veriprajna bouwen: een satelliet-overstromingsverificatiesysteem dat schaduwen van water scheidt met behulp van temporele SAR-optische fusie, en een forensisch bewijsspoor produceert voor elke triggergebeurtenis — geen oordeel, maar een argument dat je aan een actuaris of een rechtbank kunt overhandigen.

Het eerlijke technische voorbehoud, het voorbehoud dat ik een koper zou willen laten horen voordat hij iets ondertekent: de gratis data heeft een klok. De herstelde tweesatelliet-Sentinel-1-constellatie geeft een revisit van zes dagen. Een overstromingspiek die tussen twee passages ontstaat en wegtrekt, kan gemist worden door data die gratis maar traag is. Dus een deel van het vakmanschap is weten wanneer gratis Sentinel-data genoeg is en wanneer een gebeurtenis het inzetten van een commerciële radarsatelliet vereist — wat ergens tussen de duizend en vijfduizend dollar per scène kost, afhankelijk van resolutie en urgentie. Die afweging is een oordeel per gebeurtenis, geen abonnementsniveau.

Waarom Niet Gewoon het Overstromingsrapport Kopen?

We hadden een echte interne discussie over de vraag of iets van dit alles het waard was om te bouwen. Het argument ertegen was simpel: bedrijven verkopen al overstromingsrapporten. Waarom die niet doorverkopen?

Het is een terechte uitdaging, en de leveranciers zijn werkelijk goed. ICEYE bezit de grootste commerciële radarconstellatie ter wereld — meer dan 60 satellieten — en tijdens orkaan Helene stuurde het meer dan 150 beelden door de stormwolken en bracht het meer dan 80.000 gebouwen in Florida in kaart. Dat is buitengewoon. Maar je koopt hun product, je bouwt geen inlichtingencapaciteit, en forensische verificatie per gebeurtenis op portefeuilleschaal loopt snel tegen hun prijzen aan. Floodbase, gesteund door Munich Re en in partnerschap met de Capella-radarconstellatie, heeft een echte end-to-end parametrische oplossing gebouwd — triggerontwerp, prijsstelling, uitkeringscertificering. Maar je krijgt hun methodologie, afgestemd op hun sensorpartnerschappen, geen systeem dat is gevormd naar jouw specifieke portefeuille.

En de gratis gouden standaard heeft zijn eigen plafond. De Copernicus Emergency Management Service van Europa is het systeem dat een heel continent vertrouwt voor rampenkartering. Toch loopt de snelle-karteringsdienst van 8.00 tot 20.00 uur Brusselse tijd, en alleen op werkdagen. Ik kom steeds terug op Valencia, oktober 2024 — een jaar aan regen in acht uur, meer dan 227 doden. Copernicus deed drie tot vier dagen over het publiceren van de overstromingsomvang. Toen die kwam, bevestigde ze 15.633 hectare en ongeveer 190.000 getroffen mensen. De vertraging was geen bug. De cruciale eerste 24 uur vielen 's nachts en in de avond, buiten het dienstvenster. Het overstromingsinlichtingensysteem van het continent was, feitelijk, gesloten tijdens de uren waarin het het hardst nodig was.

Dus de discussie loste zichzelf op. De leveranciers zijn uitstekend in dat waarvoor ze gebouwd zijn. Geen van hen is gebouwd om een leveranciersneutrale verificatielaag te zijn die welke sensoren de gebeurtenis ook werkelijk vereist samenvoegt en je verdedigbaar bewijs voor je trigger overhandigt. Dat gat was het bedrijf.

De mislukking die meer pijn doet: de overstroming die niet uitbetaalt

Lange tijd zag ik dit werk als een probleem van valse positieven — voorkomen dat het systeem betaalt voor overstromingen die niet hebben plaatsgevonden. Toen las ik over Nagaland.

Een parametrisch overstromingsprogramma in Nagaland, India, ging niet af ondanks zware regenval en bevestigde overstroming ter plaatse. De van satellieten afgeleide drempel was te hoog gezet ten opzichte van de werkelijkheid op de grond. Mensen stonden onder water. De polis was verondersteld uit te betalen. Ze deed het niet. Dat is het andere faalmechanisme, en in menselijke termen is het het ergere.

Dit is wat de sector basisrisico noemt — de kloof tussen wat de trigger meet en wat de polishouder werkelijk ervaart. Een valse positieve trekt de reserves van een verzekeraar leeg en nodigt uit tot fraude. Een valse negatieve vernietigt het vertrouwen van de polishouder en kweekt rechtszaken. Beide mislukkingen vallen hetzelfde aan: de geloofwaardigheid van het parametrische model zelf — wat het moeilijker maakt om te verkopen en moeilijker voor toezichthouders om goed te keuren. Je kunt de ene richting niet oplossen door harder naar de andere kant te leunen. De drempel aanscherpen om valse uitkeringen te stoppen is precies hoe je een Nagaland fabriceert.

Je lost basisrisico niet op door te kiezen op welke manier je fout wilt zitten. Je lost het op door te kunnen bewijzen wat er werkelijk onder water stond.

Daarom is de output van ons systeem geen ja/nee. Het is een betrouwbaarheidskaart per pixel met een audittrail — wat er is waargenomen, door welke sensoren, op welke tijdstippen, met welke zekerheid, en wat is uitgesloten. Bewijs dat een actuariële toetsing en juridische toetsing overleeft, want in dit vak wordt de triggerbeslissing uiteindelijk bediscussieerd door iemand die er niet bij was.

Waarom Is Parametrische Overstromingsdekking Opeens Ieders Probleem?

De reden dat dit alles er elk jaar meer toe doet, is meedogenloos simpel: het water wint. De wereldwijde verzekerde natuurcatastrofeschade bereikte $129 miljard in 2025. En de beschermingskloof — het aandeel van de catastrofeschade dat niemand verzekerde — ligt wereldwijd rond de 52 tot 56%. In 2024 veroorzaakten klimaatrampen $368 miljard aan schade, waarvan $223 miljard onverzekerd, een kloof van 61%. In de VS bedraagt de jaarlijkse overstromingsschade aan eengezinswoningen $24,4 miljard, en ongeveer 70% daarvan is onverzekerd.

Parametrische verzekeringen bestaan om die kloof te dichten, en ze groeien snel — een markt van $21-24 miljard in 2026, met een verwachting richting $38,7 miljard tegen 2030 — juist omdat ze in dagen in plaats van maanden kunnen uitbetalen en mensen bereiken die traditionele verzekeringen nooit raken. In maart 2026 ging in Lagos, Nigeria een parametrisch overstromingsprogramma live, ontworpen door een consortium waaronder AXA Climate, Swiss Re en ICEYE, dat vier miljoen mensen dekt. Vier miljoen mensen wier claims worden beslist door de aflezing van een satelliet van waar het water stond.

Die schaal is het argument om de verificatie goed te doen. Wanneer de trigger vier miljoen mensen dekt, is "waarschijnlijk overstroomd" geen verdedigbare standaard. Wat tussen een parametrisch programma en een reputatiecatastrofe in staat, is de vraag of iemand, frame voor frame, kan bewijzen dat de trigger op water afging en niet op een schaduw.

Mensen vragen me of AI-weersvoorspelling de satellietlaag overbodig maakt — de voorspellende overstromingsmodellen worden werkelijk goed. Dat doen ze niet. Een voorspelling vertelt je wat er zou kunnen gebeuren; een parametrische uitkering vereist bewijs van wat er gebeurde. Anderen vragen of grondsensoren, de fysieke dieptemeters die sommige verzekeraars gebruiken om basisrisico te beperken, satellieten overbodig maken. Ze helpen enorm waar ze bestaan, maar je kunt niet op elke kilometer overstromingsgebied op aarde een meter zetten. Satellieten zijn hoe je de plekken ziet die niemand van instrumenten voorzag — wat, tijdens een catastrofe, de meeste plekken zijn.

Het middernachtframe met zijn twee donkere plekken is nog steeds het meest waarheidsgetrouwe beeld dat ik van dit werk heb. De ene was water. De andere was een schaduw. De hele discipline komt neer op het bouwen van een systeem dat je kan vertellen welke van de twee — en dan zijn werk kan tonen aan degene die op het punt staat het geld te verplaatsen. Als je een parametrisch overstromingsprogramma ontwerpt of onderschrijft en dat onderscheid je 's nachts wakker houdt, dan is dit het probleem waarvoor wij bouwen.

Het water gaat er niet makkelijker op worden om te lezen. Het bewijs is het product.