Verslag: Data-analyse in de Gooi- en Vechtstreek

Op dinsdag 14 maart vond de data-analyse bijeenkomst in de Gooi- en Vechtstreek plaats bij broedplaats de Groene Ruijter. We zaten met ongeveer 30 mensen in een klaslokaal. Aanwezig waren ook Taoufik Bakri van TNO en Tobias Koster van GGD Amsterdam. De avond werd gestart met een kort welkom van Imme Ruarus van Waag Futurelab.

Van data naar duiding
De eerste stap richting het duiden van data, is de datacollectie. Dit is het verzamelen van de data. Door de sensordata met andere databronnen, zoals weerdata van het KNMI, te combineren, krijgen we een beter beeld. Daarna volgen de datafusie: het bij elkaar brengen van de data, en data-cleaning: het checken van de datakwaliteit. Hier werken de Hollandse Luchten werkgroep Data Science en werkgroep Techniek aan.

De laatste stap in het proces is duiding. Dat doen we gezamenlijk tijdens de data-analyse bijeenkomsten, maar kun je ook thuis doen. Het is niet gemakkelijk om data te duiden. Wat belangrijk is in de duiding van data, is namelijk context en het vinden van causaliteit. Je kunt de data context geven door je ervaringen bij te houden in een logboek. Wanneer ruik je rook? Of is er veel verkeer in de straat? Je kunt eenvoudig zelf een logboek maken door je observatie, de gemeten PM2.5 waarde en de datum en tijd te noteren.

De data-analyse: het weer
De data van de afgelopen maanden werd tijdens de bijeenkomst met de Power BI tool gevisualiseerd. Zie Figuur 1 met daarin een overzicht van de geografische ligging van de sensoren, de start- en einddatum van elke sensor en andere statistieken om de verschillende gemeenten met elkaar te kunnen vergelijken.

Figuur 1 Power BI dashboard: tabblad sensoren

In deze visualisatie is naast de data van de SODAQ AIR, ook weersinformatie van het dichtstbijzijnde KNMI-station meegenomen. Samen met de gemiddelde fijnstofmetingen van de SODAQ AIR, is een windroos gemaakt. Zie Figuur 2. Zo kun je zien met welke windrichting de fijnstofwaardes hoog zijn. In de Gooi en Vechtstreek werden bij zuidoosterwind de hoogste waarde gemeten. Er werd door bewoners geopperd dat dit misschien komt door fijnstof die komt aanwaaien uit landbouwgebieden en het Ruhrgebied. Ook is het vaak zo dat met harde wind en weinig bewolking, de sensorwaardes laag zijn en met weinig wind en mist juist hoog.

Figuur 2 Overzicht van sommige functionaliteiten van het Power BI dashboard

 

Een ander interessant overzicht van het dashboard is de kalender. Zie Figuur 3. Hier kan men in één oogopslag zien welke dagen opvallen door hoge PM2.5 concentratie (rode kleur) en aandacht verdienen voor nader onderzoek.

Figuur 3 Power BI dashboard: tabblad kalender

Een vraag die opkwam ging over hoe het werkt met de deken aan fijnstof; hoe kun je binnen die deken bronnen ontdekken? Dat is een moeilijke vraag. Dit zou je kunnen doen met behulp van een achtergrondmeting: je plaatst een meetpunt op een locatie waar geen bronnen in de buurt zijn. Door de achtergrondmeting af te trekken van de meting bij bronnen in de buurt, kun je de lokale bijdrage van fijnstof achterhalen. Bijvoorbeeld: de sensor zonder bronnen in de buurt meet 20 PM 2.5, de sensor bij een vermoedelijke lokale bron meet 25 PM2.5, dan is de bijdrage lokale fijnstof op die locatie 5 PM2.5).

Als er over een groot gebied hetzelfde patroon zichtbaar is, dan kun je zeggen dat oorzaak op grotere schaal is. Ook kun je extra data opzoeken, zoals of er ergens brand was.

De data-analyse: snelwegen
Een vraag van de meetgroep was wat de snelwegen A1, A27 en A6 bijdragen aan fijnstofuitstoot in de Gooi- en Vechtstreek. Deze vraag kunnen we nog niet beantwoorden met de huidige data. Uit de wind- en fijnstofdata is het moeilijk effecten van de snelwegen aflezen. Het RIVM berekent bronnen aan de hand modellen. Wat de berekende uitstoot is van verkeer in verhouding tot de totale uitstoot binnen een gemeente, kun je vinden in de GCN-tool

Ook kun je de luchtvervuiling van snelwegen meten in uitstoot van stikstofdioxide (NO2). Daarom zijn er in Gooise Meren en de BEL-gemeente zogenaamde palmesbuisjes geplaatst. Deze worden eens in de vier weken afgelezen. Tijdens de bijeenkomst waren deze data nog niet beschikbaar, maar de eerste metingen staan ondertussen op Luchtmeetnet.

De data-analyse: houtstook
Tobias Koster van de GGD Amsterdam vertelt dat de luchtkwaliteit over de jaren heen verbeterd is. De waarden zijn inmiddels zo laag, dat er nieuwe apparatuur aangeschaft moest worden om de hoeveelheden nog te kunnen meten. Veel uitstoters zijn schoner geworden door bijvoorbeeld nieuwe productietechnieken. Alleen uitstoot door houtstook is maar weinig afgenomen. Tegenwoordig veroorzaakt houtstook een groot deel van de totale fijnstofuitstoot.

Hoe weet je wanneer de waarden normaal zijn of te hoog zijn? Tobias legt uit dat er een verschil is tussen gezondheidskundige normen en wettelijke normen. De gezondheidskundige normen zijn alleen op gezondheid gebaseerd. De wettelijke normen zijn door de politiek vastgesteld. Dat de luchtkwaliteit is verbeterd zie je ook aan de wettelijke normen die strenger zijn geworden.

De stookwijzer is een luchtkwaliteitsindex: het beschrijft een mix van fijnstof, ozon en stikstofdioxide. De aanwezigheid van deze stoffen worden samengevat in één getal. Aan de hand van dat getal kiest de stookwijzer vervolgens uit groen, oranje of rood stookadvies. Dit samenvoegen werkt vrij ingewikkeld en is een sterke versimpeling van de situatie. Daardoor klopt het stookadvies niet altijd. Soms geeft hij een positief advies: ‘je kunt stoken’, terwijl dat niet zou moeten. Om dit te verbeteren kan context helpen. Zo kun je naast de fijnstofmetingen van de SODAQ AIR een logboek bijhouden wanneer je houtstook ruikt.

Gemeenten hebben de mogelijkheid om met beleid houtstook te reguleren, zoals het instellen van een verbod. Echter is handhaving een probleem: momenteel is er nog geen goede methode om te meten of een mogelijke overtreder hout stookt en of dit te veel is. Daarnaast zijn er geen normen voor wanneer de hinder van houtstook te veel is. Wat ook kan helpen is het creëren van bewustzijn over de effecten van houtstook. Het zou fijn zijn om met elkaar het gesprek te kunnen voeren. Daar zou de data bij kunnen helpen.

Een aanwezig raadslid van Huizen is bezig met het opzetten van een meldpunt in Huizen. Vorig jaar heeft zij een oproep geplaatst en veel meldingen gehad. Graag zou zij een regionaal meldpunt opzetten om in kaart te brengen wat er in de regio speelt qua houtstook. De meetgroepen reageerden positief op dit idee. Nu wordt samen met de BEL-gemeente gekeken of hier iets mee gedaan kan worden.