In de avond van vrijdag 20 april 2018 ontstond er als vanuit het niets een stevige fijnstofwolk in het westen van Nederland. Zo rond 22.00 uur viel dat op door de oranje/rood gekleurde kaart van Luftdaten. Ook de resultaten van de ApriSensor sensoren lieten een sterke stijging zien. De kaart van luchtmeetnet met officiële metingen luchtkwaliteit, bevestigden de toename fijnstof PM2.5.

Luftdaten

Sinds het Luftdaten project een sterke toename van het aantal sensoren laat zien, wordt meer en meer duidelijk wat de waarde en de kracht van Citizen science is. Ook al hebben de sensoren niet het kwaliteitsniveau van de officiële meetstations, de grote aantallen sensoren zorgen voor de meerwaarde, vele kleintjes maken een groot.

De standaard kaart van Luftdaten laat de locaties zien van de sensoren en de meetwaarde vertaald naar een kleur van de marker op die locatie. Door er een interpolatie techniek op los te laten, een soort van uitsmeren van de gemiddelde meetwaarden in een gebied rond de sensoren, krijg je het plaatje rechts in beeld. Een andere visualisatie wat meer richting een wolkendek gaat maar toch ook weer niet is. Elke visualisatie is zo weer een opstapeling van interpretaties. Het aantal sensoren in een gebied bepaalt ook de betrouwbaarheid van het resultaat. Indien er weinig sensoren staan, heeft één sensor een groter invloed dan wanneer er meerdere sensoren beschikbaar zijn.

Satelliet

Luchtkwaliteit meten met behulp van satellieten is mogelijk maar de resolutie nog te groot om op lokaal niveau informatie te kunnen leveren. De bestaande satellieten passen daarom modellen toe met wisselende resultaten. Hieronder een aantal voorbeelden met weergaven van een aantal modellen. Let op de onderlinge verschillen en vergelijk met de time lapse die daarna volgt.

Model SILAM:

Model EURAD-IM:

Model CHIMERE:

Model EMEP:

Time lapse video met data van Luftdaten

Als we per 5 minuten een geïnterpoleerde kaart opbouwen en de beelden achter elkaar plaatsen krijgen we een mooi beeld van het verloop van de fijnstofgolf die over het land trok. Als we deze time lapse vergelijken met de satellietvisualisaties van modelberekeningen zien we de waarde van Citizen Science. Het samenspel van satellietdata en Citizen Science data zal in de nabije toekomst voor beide partijen winst gaan opleveren.

Scheepvaart

Na het bekijken van de time lapse video lijkt een verklaring vanuit zee te komen. De windrichting zorgt voor een verplaatsing van de fijnstofwolk van NW naar ZO dus wat gebeurt er allemaal op zee?

De kaart van marinetraffic is daar prima voor geschikt. Het bijgaande plaatje laat de schepen zien op enig moment. De schepen van dit plaatje zijn in de orde van grote ‘Small’, klein dus. Er zijn blijkbaar ook nog categoriën ‘Medium’, ‘Large’ en ‘Very Large’.

Nu heb ik ‘Very Large’ niet in beeld en jammer genoeg ook niet van vrijdagavond maar reken maar dat het ook ‘very large’ vervuiling betekent.

Stel je eens voor dat

Stel je eens voor dat de 16 grootste containerschepen (Very Large) evenveel uitstoten als ALLE auto’s op deze wereldbol bij elkaar! Wat werkelijk ook zo is.

En stel je nu eens voor dat er op de vrijdagavond een schip van de categorie ‘Very Large’ even flink vaart maakte en een pluim fijnstof uitstootte op zijn route over de Noordzee.

Reactie van Frans Fierens (twitter:@fransfie)

Het was geen primair (scheepvaart) fijn stof omdat de BC concentratie niet stegen.

Verklaring die veel meer plausibel is: stijging luchtvochtigheid, daling temperatuur, (grond)inversie waardoor de ideale omstandigheden ontstonden waarbij (semi-vluchtig) ammoniumnitraat van gasfase overging naar aërosolfase en reacties tussen NH3 en NOx (via salpeterzuur). Omstandigheden overdag waren ideaal: relatief warm en zonnig, fotochemie. De NH4NO3 die ontstaat is een gas. Vrijdagavond is dat aërosol geworden. In de loop van zaterdag verdween dat terug.

Toename luchtvochtigheid van NO naar ZW, en dat nadat luchtstromingen ruimden van Z naar NO. Op Alle meetstations gelijkaardige stijging van PM2.5 als PM10, met hoge PM2.5/PM10 verhouding.

Voor dit soort situaties zouden real-time metingen van samenstelling fijn stof meer duidelijkheid kunnen geven. Die toestellen bestaan maar zijn heel duur (ook in onderhoud). In FR staan er een paar: https://www.lcsqa.org/fr/rapport/2018/ineris-imt-lille-douai/episode-pollution-mi-fevrier-2018-elements-comprehension-partir- … Misschien komt deze episode ook in rapport 🙂

Met dank aan Frans Fierens voor deze reactie.