In Hollandse Luchten meten bewoners al jarenlang fijnstof (PM2.5) in hun eigen buurt. Die metingen laten zien hóéveel fijnstof er in de lucht zit. Maar minstens zo interessant is de vraag: waar komt de fijnstof vandaan? Is het verkeer, houtstook of industrie? In de praktijk blijkt het best lastig om deze vraag te beantwoorden. Daarom doet TNO uitgebreid onderzoek naar sectorbijdragen op een schaal die aansluit bij je eigen straat of wijk, op basis van de sensordata in Hollandse Luchten.
Voor dit onderzoek is het belangrijk dat de data van goede kwaliteit is. Daarom zijn we gestart met een onderzoek naar het opschonen van de data, en daar hebben de leden van Hollandse Luchten een belangrijk aandeel in.
Waarom is opgeschoonde data zo belangrijk?
De Hollandse Luchten sensoren zijn onmisbaar om een fijnmazig beeld van de luchtkwaliteit te krijgen, maar ze zijn minder nauwkeurig dan officiële luchtmeetstations. Een sensor die tijdelijk vervuild raakt of een technisch mankement heeft, kan pieken of dalen laten zien die niets met de werkelijke luchtkwaliteit te maken hebben. Die afwijkende waarden (outliers) moeten eruit gefilterd worden voordat de data bruikbaar is voor verdere analyse.
Het opschonen van de data is dus een noodzakelijke stap richting een groter doel: inzicht geven in welke sectoren (verkeer, huishoudens, industrie, landbouw) lokaal bijdragen aan de gemeten PM2.5-concentraties, tot op een resolutie van 500 bij 500 meter. Op dit moment kunnen modellen van TNO zoals TOPAS en LOTOS-EUROS die bijdrage wel berekenen, maar op een veel grovere schaal. Door deze modellen te combineren met de fijnmazige metingen van Hollandse Luchten, willen we die sectorbijdragen op lokaal niveau in beeld brengen.
Daarnaast is het voor de leden van Hollandse Luchten ook van belang om toegang te hebben tot de opgeschoonde data. Dit maakt hun eigen onderzoek betrouwbaarder. Zie het als volgt: hoe beter de data, hoe betrouwbaarder de uitkomst van het onderzoek. Vandaar dat we nu onderzoeken hoe we de data op een goede manier kunnen opschonen.
Statistiek én mensenkennis
Outliers opsporen kan deels automatisch: statistische methoden vergelijken de metingen met wat je op basis van tijd, locatie en omliggende sensoren zou verwachten, en markeren waarden die daar sterk van afwijken. Deze waarden kunnen vervolgens worden uitgevlakt of niet meegenomen worden in analyses. Maar statistiek mist context. Een sensor die plotseling hoge waarden laat zien tijdens de jaarwisseling, een lokaal bouwproject, of een keer dat er toevallig een sigaret vlak voor het apparaat werd gerookt — dat zijn misschien wel afwijkende waarden, maar ze weerspiegelen wel de werkelijkheid. Het zou daarom onterecht zijn als deze als outliers bestempeld worden. En wie weten de lokale context? Juist, de sensoreigenaren.
Waag Futurelab en TNO bouwden daarom een interactief dashboard waarin bewoners en onderzoekers het opschonen van de data sámen doen. Wanneer de statistiek een meting als mogelijke outlier markeert, kan de bewoner aangeven of die inschatting klopt: eens of niet mee eens. Andersom kunnen bewoners ook zelf metingen aanmerken die er volgens hen niet betrouwbaar uitzien, maar die de statistiek gemist heeft. Zo vullen de kennis van de sensoreigenaar en de statistische aanpak elkaar aan.
Wat levert dit op?
Deze aanpak heeft een dubbel voordeel. Ten eerste levert het een schonere, betrouwbaardere dataset op, wat direct bijdraagt aan het uiteindelijke doel: een onderbouwd beeld van lokale sectorbijdragen aan fijnstof. Ten tweede geeft het bewoners meer inzicht in en grip op hun eigen data. In plaats van dat het opschonen van de data ergens achter de schermen gebeurt, is het een gedeeld, transparant proces waarbij de door het model opgeschoonde data ook beschikbaar wordt gesteld voor de leden zelf en zij daar feedback op kunnen geven.
De komende periode testen en verbeteren we het dashboard samen met sensoreigenaren, en kijken we hoe de beoordelingen het beste kunnen worden meegenomen in het opschonen van de data. Zodra we een update hebben over de voortgang en de eerste resultaten, delen we dat hier en in de nieuwsbrief.
Wil je als sensoreigenaar meehelpen met het beoordelen van je eigen data? Stuur dan een bericht naar support@hollandse-luchten.org.