De waarde van sensor data, deel 5

De resultaten in beeld

Het geheel heeft gewerkt! We hebben het feest van oud en nieuw en de gevolgen voor onze leefomgeving voor wat betreft fijnstof ‘near realtime’ kunnen volgen. Via Twitter en andere kanalen zijn de resultaten gedeeld en met succes. De aandacht op Twitter via @Scapeler was op zich al een knallende jaarwisseling met meer dan 17.000 twitter weergaven.

RIVM en AiREAS

Op het symposium van het RIVM over ‘samen meten aan luchtkwaliteit’ werd ik positief verrast door het initiatief van het vuurwerk project en waarvoor fijnstof sensoren werden uitgedeeld. Een paar van deze sensoren kwam ook bij leden van AiREAS terecht. Het toeval wilde dat deze sensoren dezelfde waren zoals in deze blog serie en experiment is gebruikt.

Uit de contacten tussen het RIVM, AiREAS en Scapeler ontstond een samenspel van kennisdeling wat zeker een positieve bijgedragen heeft geleverd aan het uiteindelijke resultaat en aandacht voor citizen science. Een reden des te meer om voor toekomstige projecten de samenwerking op te zoeken.

Oud en nieuw 2016/2017 vuurwerk!

De resultaten waren zeer aansprekend. De Shinyei en Dylos fijnstof sensoren in de achtertuin hebben ook mooi vergelijkbare grafieken opgeleverd.

De pieken rond het middag uur kan ik niet verklaren maar zullen ontstaan zijn na afgaan van vuurwerk in de nabije omgeving. De aanloop naar 24.00 uur gaf een rustig oplopend beeld, rustiger dan voorgaande jaren. Vlak voor 12 uur een daling omdat iedereen zich voorbereid op hét moment, vuurwerk klaarzetten, champagne kurk losmaken, stropdasje recht, kam door het haar, … en dus een teruglopende grafiek met daarna de knal en een steile stijging tot een half uur daarna wanneer de top is bereikt.

Omdat Scapeler een partner is van AiREAS en daar verwerking en visualisatie van de meetdata verzorgt, kon de unieke combinatie van citizen science en professionele sensor systemen (ILM) worden getoond. De Shinyei en Dylos in de achtertuin in Purmerend, AiREAS met het ILM in Eindhoven.

Achteraf zijn daar timelapse video’s van gemaakt die op youtube te bewonderen zijn:

Vuurwerk in Eindhoven en de gevolgen voor fijnstof in timelapse video

• PM1 https://lnkd.in/gFTcG3p
• PM2.5 https://lnkd.in/gAV3jK9
• PM10 https://lnkd.in/g9KmSfz
• UFP https://lnkd.in/gHkFieZ

AiREAS vuurwerk visualisaties van eerdere jaren: 2014/2015 en 2015/2016.

Herstel van fijnstof

De vuurwerk piek fijnstof is in de grafiek hieronder duidelijk te zien en ook daarbij de tijdsduur die nodig is voor herstel. Je kan hieruit afleiden dat het herstellen van de fijnstof wolk tot 24 uur duurt. Natuurlijk is dit o.a. afhankelijk van de weersomstandigheden en de fijnstof concentratie in de lucht.

Echter de impact op de gezondheid van mens, dier en leefomgeving zou wel eens groot kunnen zijn. Het herstel daarvan kan jaren duren en dan hebben we het nog niet eens over de oog- oor- en ander letsel als gevolg van het vuurwerk. Het is maar dat we hiervan bewust zijn. Je kan je daarom afvragen wat we onszelf aandoen.

Fiction v Reality:

De werkelijke waarde van de sensor data

Spelen met techniek is leuk, meten in de leefomgeving interessant, maar uiteindelijk gaat het om het onzichtbare zichtbaar maken waardoor we bewust kunnen worden van wat er werkelijk om ons heen gebeurt. Met dit bewustzijn kunnen we keuzes maken en verandering aanbrengen daar waar nodig. Vanuit een nieuwe belevingswereld kunnen we zoeken naar vernieuwing, innovaties of gewoon de dingen anders doen.

Bewustzijn en gedrag

Verandering kost inspanning, tijd en vooral veel geduld maar als vanuit bewustzijn keuzes worden gemaakt zal het resultaat ernaar zijn.

De invloed van AiREAS op vuurwerk gedrag

Nog even dit

Voor een zo optimaal mogelijk inzet van de Shinyei fijnstof sensor is een goede en constante luchtstroom noodzakelijk. Uiteindelijk heb ik de uitstroom opening verplaatst naar de bovenzijde (met een dremel is dat prima te doen) en de voorkant dichtgeplakt met tape behalve de instroom opening (zie foto). Met wat creativiteit en een paar cupcakebakjes zijn windvangbakjes op de sensoren geplaatst.

Let wel op dat de luchtstroom die opgewekt door de ventilator niet te sterk is want anders gaat turbulentie juist voor een blokkade zorgen!

Voor een volgend project zal ik hier verder mee experimenteren bijvoorbeeld door de instroom opening te verplaatsen naar de onderzijde. De luchtstroom zou ik een volgende keer ook niet toe- maar afvoeren (lucht afzuigen in plaats van inblazen).

Bereikte resultaten

De uitdagingen die we in deel 1 voor ons zagen waren:

• Een stabiele opstelling van apparatuur en infrastructuur (hardware)
• Goed werkende applicaties op de verschillende niveaus (software)
• Combineren van meerdere  typen sensoren (multivendor)
• Kalibratie- en validatie technieken ontwikkelen (online opwaarderen meetwaarde)
• Low-cost en laagdrempelige hard- en software (Citizen science)
• Standaardisatie nastreven zoals integratie met SOS web-service (52North)
• Combineren met andersoortige (open) data zoals data over weer, verkeer, etc.

Voor het experiment hebben we een stabiele opstelling gecreëerd die naar tevredenheid functioneerde. De sensoren gaven goede meetwaarden af en de ontsluiting naar de centrale opslag verliep vlekkeloos. Check!

De Arduino applicatie, de Raspberry PI applicaties (Nodejs), de REST-api, de SOS-service, de R-applicatie hebben hun taak meer dan naar tevredenheid volbracht. Check!

De Shinyei en Dylos sensoren hebben mooi vergelijkingsmateriaal opgeleverd. Het bij elkaar brengen van de data heeft waardevolle informatie opgeleverd. Ook zijn er nieuwe uitdagingen naar voren gekomen om verder in te verdiepen en ook andere sensoren die schreeuwen om mee te doen in nieuwe experimenten. Geslaagd dus! Check!

De resultaten in de vorm van grafieken lieten mooie vergelijkbare data zien wat voor dit experiment voldoende was. Nieuwe vragen kwamen naar boven drijven zoals wat is de invloed van luchtvochtigheid en hoe verhoud de ene meetwaarde zich tov de andere en nog meer van dat soort zaken. We zijn niet toegekomen aan omrekening naar PM waarden en validatie procedures dus hier geen Check! voor dit onderwerp. Wel veel kennis en ideeën opgedaan om hiermee verder te gaan.

De low-cost sensoren en hardware hebben zich prima gedragen en zijn er nog voldoende andere merken en typen sensoren te verkrijgen om soortgelijke experimenten mee te doen. Citizen science gaat een mooie toekomst tegemoet. Check!

De SOS service van 52North heeft prima prestaties geleverd. Aangevuld met REST-services als maatwerk voor de aansluiting op de back- en frontend is dit een prima basis gebleken. De OGC SOS standaard is zeer uitgebreid en biedt daarmee vele mogelijkheden maar voor specifieke situaties zoals in dit experiment, is een beperkte set aan procedures, feature of interest en observable properties voldoende. Check!

De combinatie met andere data heeft indirect plaatsgevonden. Het heeft nieuwe inzichten opgeleverd die waardevol zijn voor vervolg projecten dus daarom ook hier: Check!

Conclusie en slot

We mogen concluderen dat dit project geslaagd is. De doelstellingen zijn gehaald en is er voldoende kennis opgedaan voor vervolg projecten. Dit is hiermee het einde van deze blog serie, dank voor uw aandacht en ik hoop dat u iets kunt doen met de kennis en ervaring die zijn opgedaan. Al was het maar een hoger bewustzijn over de consequenties van bepaalde tradities zoals vuurwerk of een gezellige openhaard. Een proost op het nieuwe jaar, laten we veel experimenteren en veranderingen doorvoeren in het belang van onze gezondheid en die van onze leefomgeving.

Alle delen uit deze serie:

• De waarde van sensor data, deel 1
• De waarde van sensor data, deel 2
• De waarde van sensor data, deel 3
• De waarde van sensor data, deel 4
• De waarde van sensor data, deel 5