Stikstofdata: een eerste blik op de emissiedata

Het RIVM heeft op 7 januari jl. de stikstofdata vrijgegeven. Dat gebeurde nadat de stichtingen Stikstofclaim en Mesdag Zuivelfonds daarom hadden gevraagd. Uit nieuwsgierigheid heb ik de databestanden gedownload. Hierbij een kort verslag van mijn eerste indrukken.

Voorlopige eerste bevinding

Hieronder alvast het diagram waar ik op uitkwam voor wie daarvoor op deze pagina terechtkomt.

Bestanden openen

In de databestanden zitten de gegevens van twee soorten stikstofverbindingen: NH3 (ammoniak, vnl. agrarisch) en NO2 (stikstofdioxide, vnl. industrie en verkeer). Omdat ik me betrokken voel bij het boerenprotest ben ik begonnen met de NH3 bestanden. Er zit een keurige readme.txt bij:

Toelichting bij emissiebestanden:

NH3_17_nl.brn       - Alle Nederlandse NH3-bronnen voor het jaar 2017 per GCN-sector
NH3_2016_SNAP.brn   - Alle buitenlandse NH3-bronnen voor het jaar 2016 per SNAP-sector
NH3_b_nos-ncp.brn   - Alle zee NH3-bronnen
NOx_17_nl.brn       - Alle Nederlandse NOx-bronnen voor het jaar 2017 per GCN-sector
NOx_2016_SNAP.brn   - Alle buitenlandse NOx-bronnen voor het jaar 2016 per SNAP-sector
NOx_16_nos-ncp.brn  - Alle zee NOx-bronnen voor het jaar 2016

De bestanden worden aangeleverd als .brn bestanden. Wat BRN precies is weet ik niet, maar dat maakt ook niet veel uit want het is gewoon een tekstbestand. Let goed op de formulering emissiebestanden. Hier zitten dus de gegevens in voor de emissies, oftewel de uitstoot. Deze bestanden worden vervolgens gevoed aan het rekenmodel. Ze dienen als invoer voor het OPS model. Het RIVM zegt daarover:

OPS (Operationele Prioritaire Stoffen) is een rekenprogramma om de verspreiding van verontreinigende stoffen in de lucht te simuleren. Daarnaast berekent het model hoeveel van die stoffen per hectare op bodem of gewas terechtkomt (depositie).

Dus van emissiewaarden gaat het via het OPS rekenmodel naar de geschatte stikstofdepositie (geografische neerslag). Het OPS rekenmodel is o.a. nodig om de effecten van de verschillende bronnen met elkaar te combineren en uit te rekenen. Bijv. ammoniak (NH3) komt niet alleen uit Nederland, maar ook uit het buitenland en van zee.

Met hulp van enkele standaard unix-tools (GNU, Linux) heb ik snel even een kijkje genomen. Ik zal voor de nerds onder ons de commando’s erbij geven; wie ze niet kent kan ze negeren.

$ head -n6 NH3_17_nl.brn
! BRN-VERSION 1
! snr x(m) y(m) q(g/s) hc(MW) h(m) r(m) s(m) dv cat area ps component
2017   15500  370500 1.507E-03  1.220  50.0   1000  25.0   01 1100  528   00  NH3
2017   15500  378500 2.378E-04  1.220  50.0   1000  25.0   01 1100  528   00  NH3
2017   17500  376500 1.902E-03  1.220  50.0   1000  25.0   01 1100  528   00  NH3
2017   17500  377500 3.169E-04  1.220  50.0   1000  25.0   01 1100  528   00  NH3

De eerste regel bevat het soort bestand. BRN is dus iets met platte tekst waarbij de gegevens gescheiden zijn door lege ruimte (spaties) en bovenaan staan de kolomkopjes. Regels die beginnen met een uitroepteken zullen wel niet ingelezen worden door de rekenmodule. Prima allemaal, maar unix tools en ook statistische software en spreadsheets zoals Gnumeric doen het wat beter met tab-gescheiden waarden dus dat heb ik maar overgezet. Eerst heb ik de eerste regel verwijderd, en daarna de kopjes netjes boven de waarden gezet met vim. Vervolgens kon ik de spaties naar tabs overzetten.

cat temp | sed -e 's/\s\{1,\}/_/g14' | sed -e 's/\s\{1,\}/\t/g' | sed -e 's/_/\ /g' > NH3_17_nl.tsv

Beste lezer, mijn excuus als dit een soort bezweringsformule uit de zwarte magie lijkt. Het resultaat is in ieder geval goed in te lezen door mijn spreadsheetprogramma.

Kopjes en variabelen

Leuk en aardig, maar wat betekenen die waarden nu eigenlijk? Ik snapte helemaal niets van die afkortingen. Dingen als x, y, q (quantity) e.d. zijn wel te raden, maar wat is bijvoorbeeld hc? Tijd om het te gaan vragen! Van het RIVM kreeg ik via Twitter heel snel en correct antwoord:

59827 unieke locaties

Met wc (wordcount) kunnen we snel het totale aantal dataregels krijgen:

$ wc --lines NH3_17_nl.tsv
731906

De eerste regel bevat de kolomkopjes, dus het zijn 731905 dataregels. Over hoeveel locaties is dat dan verdeeld? De x en de y zijn gegeven. Door die twee aan elkaar te plakken en vervolgens te kijken hoeveel unieke xy er zijn kunnen we dat achterhalen:

$ cat NH3_17_nl.tsv | awk '{print $2$3}' | sort | uniq | wc --lines
59828

Oftewel 59828 – 1 = 59827 unieke locaties. Dat is veel. Want in de RIVM uitgave Grootschalige concentratie- en depositiekaarten Nederland, Rapportage 2016 staan iets van 54 meetstations. Als je iets niet snapt moet je vragen stellen, dus wederom stel ik aan het RIVM een vraag en krijg weer opnieuw snel en correct antwoord:

Omdat er gesproken wordt over “locaties van meetstations en bijbehorende metingen”, en we nog steeds kijken naar gegevens die als invoer gebruikt worden voor het OPS rekenmodel, zit nog steeds het idee in mijn hoofd dat ik met databestanden aan het spelen ben die ruwe meetwaarden bevatten. Maar heb ik dat wel goed? Het aantal xy combinaties is toch echt veel te groot; zoveel meetstations zijn er immers bij lange na niet. Dus ik moet het wel fout hebben en daarom vraag ik door:

Het luchtmeetnet

Opnieuw werd ik zeer correct beantwoord, al leek het erop dat deze keer de vraag iets moeilijker te beantwoorden viel. Natuurlijk heb ik daarna een kijkje genomen op luchtmeetnet.nl, een website die beheerd wordt door het RIVM.

Hier ziet het er minder goed uit. Om de ruwe meetgegevens te krijgen moet ik steeds een regio los downloaden. Ook lijkt het erop dat nog niet alle data te downloaden is. Hoeveel meetstations zijn er nu precies? Ik open de HTML broncode, zodat ik alle “option” tags naar Geany kan kopieren. Wat zoeken en vervangen, en even later heb ik stations_2020-01-10.tsv. Er zijn 115 meetstations. Of ze ook allemaal NH3 meten weet ik niet.

Nog een voorafgaand rekenmodel?

De route van de 115 meetstations naar de 59827 in de emissiedata is nog steeds onduidelijk. Ik vermoed dat er een rekenmodel gebruikt wordt om de metingen op maximaal 115 locaties te “vertalen” naar de 59827 locaties die als invoer voor het OPS model gebruikt worden. Het moet er dan ongeveer zo uitzien:

Een afsluiter met onzekerheden

Met het OPS rekenmodel heb ik verder geen tests gedaan omdat ik niet eens het vermoedelijke eerste rekenmodel en de complete ruwe meetgegevens heb. Ik had nu juist interesse voor de werkelijk gemeten waarden; meten is weten. De rekenmodellen zijn gebaseerd op aannames. Het zijn een soort simulaties, zoals het RIVM zelf ook aangeeft over het OPS model. Of ze goed werken is alleen te achterhalen door veel te meten. Terecht geeft het RIVM daarom aan dat er de nodige onzekerheden zitten in de geschatte deposities. Dat de politiek en/of de rechter dit gebruiken voor verregaande maatregelen is niet het RIVM aan te rekenen.

Mocht ik hier iets fout begrepen hebben of de feiten niet goed hebben weergegeven, dan zal ik vanzelfsprekend een update plaatsen. Voor nu is mijn eerste indruk dat er wel erg veel gewerkt wordt met simulaties, die dus niet mijn primaire interesse hebben. Daarbij wil ik wel vermelden dat de openheid en reactiesnelheid van het RIVM een pluim verdienen. Ik ben dan ook nog steeds, zoals ik gisteren al schreef, voorstander van meer RIVM, niet minder.

Update: interessante reactie van @Toko98612339 op Twitter:

Update: Ook wel interessant om te weten: Het Mesdag Zuivelfonds gaat een samenwerking met de UvA aan. Wetenschappers gaan lokaal metingen doen bij agrarische bedrijven en natuurgebieden. Zie hun persbericht: UvA begint in januari met meten stikstofdepositie, 8 nov. 2019.

Update: Geesje Rotgers (onderzoeksjournaliste & AgriFacts STAF) laat weten dat het onderzoeksteam nog enkele weken nodig heeft.

Update 13jan: Er zijn vrijwel geen meetstations NH3 in de grootste boerenprovincies. (Niet zelf gecontroleerd. Geplaatst met toestemming.)

Update 13jan: Kaartje van het luchtmeetnet (RIVM) met de meetstations voor ammoniak (NH3). Het zijn er maar een paar en ze zitten allemaal bij steden. Dank aan Mark B. voor het attenderen van mij erop; ik had dit over het hoofd gezien. Ik kon het eerst niet helemaal geloven.

Update 17jan: Wouter Akema en Anna V. hebben de door mij geconverteerde data gebruikt voor een analyse en een interactieve kaart waar je tot op straatniveau kunt inzoomen om te zien hoe hoog de stikstofuitstoot is volgens het rivm. We hebben dit als team neergezet, in goed contact met Rutger van den Noort en Robert Bor.

Update 17jan: Het eerder gegeven schema klopt niet. Hieronder de nieuwe interpretatie in schemavorm. Misschien werk ik dat later nog iets uit voor een nieuwe blogpost.

Reacties

✉ Xandur op 2020-01-14Naast de 6 meetpunten worden er ook verspreid door het land meetbuisjes opgehangen en maandelijks geanalyseerd (Gradko buisjes).

Interessant hierbij is niet alleen de locatie van de 6 meetpunten, maar ook de maximale verspreiding van NH3. Op dit moment rekent men met een verspreiding to vele kilometers (Aerius App), terwijl er ook onderzoek ligt, waarbij blijkt dat de verspreiding van NH3 veel minder ver is (max 400m) bv

http://www.researchgate.net/publication/222886144_Validation_of_model_calculation_of_ammonia_deposition_in_the_neighbourhood_of_a_poultry_farm_using_measured_NH3_concentrations_and_N_deposition

https://library.wur.nl/WebQuery/groenekennis/2079032

Eea is afhankelijk van de weerscondities (wind, temperatuur en luchtvochtigheid), deze worden echter ook niet compleet in het model meegenomen.
Het model werkt voor Nederland als geheel goed om trends weer te geven, maar niet voor lokale effecten noch om beleid op te maken.

Daarnaast moeten alle bronnen van NH3 in kaart zijn en dat is nog niet het geval. Zo moet er een update komen om de NH3 emissie van wegverkeer toe te voegen:

https://www.pbl.nl/publicaties/emmissiefactoren-wegverkeer-actualisatie-2019

Ook is er onduidelijkheid hoeveel ammoniak er vrij komt vanuit de industrie (bv bij processen, koelingen, slecht werkende de-NOx installaties ed). Een korte zoektocht van Hermen Vreugdenhil in Brabant kwam al tot 12% bijdrage aan NH3 uitstoot door industrie ipv 1% (aldus GS)

✉ Jan op 2020-02-10

Hi Evert,
Ik heb naar de NH3 data van meetstation “de Zilk..” gekeken periode 3-feb t/m 10-feb.
Tussen 3-feb. en 7-feb. is de NH3 data laag (ca. 1ug/m3) daarna hoog (gem. ca. 5 ug/m3).
Via http://projects.knmi.nl/klimatologie/daggegevens/selectie.cgi heb ik naar de windrichting gekeken. Op het moment dat er een hoge waarde gemeten wordt kont de wind uit het zuiden (Rijnmond, Rotterdam,-DenHaag), bij lage waarde komt de wind uit het westen (zee).

Het Meetstation “Zegveld-..” zien we een NH3 piek tussen 6-feb. 18:00 en 7-feb. 12:00 precies op het moment dat de wind van west naar zuid draait.
Duidelijk is dat hier de NH3 bron Rotterda/Rijnmond moet zijn

Deze blogpost werd in december 2022 overgezet van WordPress naar een methode gebaseerd op Markdown; het is mogelijk dat hierbij fouten of wijzigingen zijn ontstaan t.o.v. de originele blogpost.