Het internationale sensor.community platform heeft een project om inzichtelijk te maken waar er zich citizen science sensors dicht bij officiele luchtmeet stations bevinden.
In onderstaad plaatje zie je dat er in Zuid Holland momenteel binnen een straal van kilometer vanaf een (blauw) rivm station maar een paar (rode) sensor.community citizen science stations zijn.
Binnen 250 meter is er overigens geen enkel CS station.
Als we vaker bij het selecteren van locaties voor nieuwe sensoren, dichtbij een rivm station uitkomen,
kunnen we een beter inzicht krijgen van wat citizen science sensor afwijkingen zijn en wat mogelijk terechte locale fijnstof meet pieken zijn.
Een kans voor het Rotterdamse project waar 900 sensoren geplaatst gaan worden !
De fijnstof sensoren gebruikt in vrijwel alle ‘DIY’ meetkits maken gebruik van fijnstof sensoren die de van de voorbij komende deeltjes de groottes meten en ze vervolgens in een aantal zg 'bin’s verdelen. De fabrikant laat soms de 'bin’s tellingen zien en altijd enkele omrekeningen naar ‘massa’ waarden. Helaas wordt bij de massa waarden maar een RH waarden gebruikt in de conversie. Gevolg al naar gelang de verschillende fijnstofsensoren soms flinke afwijkingen per type PM (2.5 of PM10) die je wilt vergelijken met de waarden van het landelijk meetstation. Dit houdt ook in dat de PM massa waarden per lokatie kunnen verschillen. Maw afstand speelt een rol en de plaatselijke luchtvochtigheid en type deeltjes (bijv zouten, ammoniak, etc.).
In het MySense project hebben we 3 verschillende fijnstofsensoren bovenop een landelijk meetstation hangen. Op het RIVM webinar (meten rond een groot open kippenhok) is een slide met de onderlingen afwijkingen gedurende een jaar hieraan gewijd.
Conclusie: wees voorzichtig met niet alleen het feit dat dit soort fijnstof sensors geen absolute getallen goed presenteren maar ook onderling en tav een meetstation ‘van nature’ enorm kunnen afwijken. Met alleen een kaart met afstanden ben je er nog niet.
RIVM samen meten data analyse probeert hier zo goed en kwaad als dat kan op in te spelen en ‘onbetrouwbare’ fijnstof sensoren (de ‘vals’ spelers) aan te geven.
Ik sprak op de sensor.community chat met Pierre-Jean Gueno. Hij is bezig om van zoveel mogelijk nationale health-and-safety instituten de data te ontsluiten op het sensor.community platform. Ik heb hem gewezen op de API van https://www.luchtmeetnet.nl/ van RIVM. Hij heeft nu al data van heel veel verschillende instituten binnen Europa. En niet alleen van fijnstofdata, maar ook van andere luchkwaliteitseigenschappen, dus ook bijvoorbeeld NOx.
Hopelijk staat binnenkort niet alleen de officiele fijnstofdata op de sensor.community kaart, maar dus ook de NOx waardes.
Dank voor je reactie, wie het artikel waar je naar verwijst ook wil lezen:
Dat we er niet zijn met een kaart met afstanden, daar zijn we het roerend over eens.
Een paar kanttekeningen mijnerzijds:
op het moment dat er meerdere sensoren van hetzelfde type en behuizing dichtbij een RIVM station staan , wordt de vergelijkings statistiek sterker.
Systematische fouten, variatie binnen eenzelfde type, correlatie met andere externe factoren (RH) kunnen scherper in beeld komen.
Ik heb hier buiten naast elkaar zowel een SDS011 in een Sensor.Community opstelling (vijf sterren plausibel) als een SDS011 in een
NB_SB behuizing (komt niet verder dan 3 sterren).
Jouw onderzoeken hebben ertoe geleid dat Joost Wesseling in zijn praatje in dezelfde RIVM webinar
sessie (https://www.samenmetenaanluchtkwaliteit.nl/online-bijeenkomst-Samen-Meten-2021)
opmerkte dat de kalibratiemethode voor Vredepeel niet goed ging,en dat details nader uitgezocht moesten worden.
Vanuit Gouda is de afstand tot de twee dichtstbijzijnde RIVM stations meer dan 20km.
Door die sensoren zwaar te wegen die qua waardes overeenkomen met een slimme interpolatie tussen RIVM stations, wordt het citizen science fijnstofmeet resultaat wel beetje een self fulfilling prophecy en zie je eventuele locale afwijkingen per definitie niet.
Al met al blijft het “door meten tot weten”.
de RIVM kalibratie methode en de plausibiliteits factor algoritmes zijn in grote lijnen bekend, maar de duivelse dirty details ontbreken totnogtoe.
In het kader van transparantie is publicatie van sources een stap voorwaarts.
De SPS030 sensor wordt overigens momenteel in beide algoritmes nog niet meegenomen.
De plausibliteitsfactor is nog niet in de RIVM api opgenomen, dus onderzoek naar historisch gedrag is nu niet mogelijk.
Source Code publicatie is aangekondigd voor binnenkort, dus we wachten geduldig af:
Meten is weten; meten is zweten; samen erover kakelen verbetert het: ie bevestiging/reproduceerbaarheid.
Mijn grootvader: kakelen is stap nul voordat je eieren legt. Leg geen windeieren.
Puur om historische beschikbaarheidsredenen hebben fijnstof sensoren van Nova de overhand (bijv Sensors.Community meetkit receptuur). De wet van grote getallen is dan redelijk hanteerbaar als je weet wat je doet. Lokaal gaat deze vlieger soms niet op. We passen hier voor ca 60% de Plantower en 40% is de latere (mi betere) Sensirion toe (Sensors.Community gooit ze op een hoop). Kijk je naar de grafieken ( http://behouddeparel.nl/?q=Regionaal%20Overzicht%2086 ) waar beide typen toegepast worden dan valt je het probleem direct op: lokaties met Plantower sensor geven een te hoge niet met de praktijk overeenkomende hoge waarden aan als je alleen uitgaat van de door de fabrikant uitgerekende massa waarden.
Zet je grafiek aan van landelijk meetstation Vredepeel erbij dan zie je meer. Zet je grafiek op weergave PM10 dan zie veel fluctuaties. Wat is de reden?
Ja de fin. middelen (geen lokale, provinciale, EU overheid die ons ondersteunt) zijn ontoereikend om meerdere test/referentie meetpunten in te richten.
Weten is meer dan alleen meten. Kakelen is stap nul voor het eieren leggen.
Door te kakelen beslechten we samen een paar dilemma’s en wordt zweten dragelijker in het kippenhok.
Voor diegenen die bij willen dragen cq verbetering in weten willen aanbrengen: sources staan allemaal op https://github.com/teusH/MySense (zie bijv folder statistics, of scripts, of PyCom voor kit firmware).
