De meeste huidige fijnstofsensoren zijn gevoelig voor een hoge luchtvochtigheid. De aanwezigheid van veel vocht in de lucht zorgt er dan voor dat de sensoren regelmatig te hoge waarden aangeven. Dit gebeurt vooral in de nacht en vroege ochtend, als de luchtvochtigheid hoog is en er tegelijk redelijk wat fijn stof in de lucht is. Op het dataportaal zie je dan heel hoge pieken in de grafiek. Hierdoor lijkt het alsof de luchtkwaliteit in de vroege ochtend vaak erg slecht is, terwijl dit in werkelijkheid niet het geval hoeft te zijn. Het RIVM Rijksinstituut voor Volksgezondheid en Milieu heeft daarom een kalibratiemethode ontwikkeld om deze waarden te corrigeren. Hier volgt een korte beschrijving van deze kalibratiemethode.

Met kalibreren bedoelen we het zo goed mogelijk vertalen van een meting van de sensor naar de concentratie die gemeten zou zijn met een officiële meting. Dit is nodig omdat omgevingskenmerken, zoals luchtvochtigheid of temperatuur, de sensormeting kunnen beïnvloeden.

De belangrijkste aanname bij de kalibratie is dat de fijnstofconcentratie lokaal niet enorm verschilt. Daarmee bedoelen we dat de fijnstofconcentratie in een stad als Utrecht in de ene wijk gemiddeld niet ineens 3x zo hoog ligt als in een andere wijk. Dat dit een reële aanname is weten we door onze officiële metingen van het Landelijk Meetnet Luchtkwaliteit en kennis over de herkomst van fijn stof.

Doordat de lokale concentraties niet enorm afwijken, kunnen we het gemiddelde van een groep sensoren, bijvoorbeeld alle sensoren in het centrum van de stad Utrecht, vergelijken met het resultaat van een officiële meting op een referentiestation in Utrecht. De verhouding tussen deze groep sensoren en de officiële metingen wordt vervolgens gebruikt als benadering voor de lokale correctiefactor voor alle vergelijkbare sensoren in de omgeving.

Een (simpel) voorbeeld

Een simpel voorbeeld kan dit verduidelijken. Stel dat er drie sensoren in de stad Utrecht actief zijn, die gemiddeld een PM10-concentratie geven van 80 ug/m3 in de vroege ochtend (zie tabel). Deze te hoge waarden kunnen worden veroorzaakt door een hoge luchtvochtigheid. Het officiële meetstation in Utrecht (in dit voorbeeld heeft Utrecht maar één referentiestation) meet namelijk een PM10-concentratie van 40 ug/m3 op hetzelfde tijdstip. Dit leidt tot een correctiefactor van 0,5 (40/80) voor de sensoren, omdat we aannemen dat de gemiddelde PM10-concentratie in de stad Utrecht 40 ug/m3 moet zijn. Door de correctiefactor toe te passen op alle sensoren, blijven de verhoudingen tussen de sensoren gelijk en de lokale verschillen dus zichtbaar. Zo geven in dit voorbeeld sensor 1 en 3 een veel hogere waarde dan sensor 2. Deze verschillen blijven bestaan na kalibratie, alleen zijn de concentraties meer in lijn met de officiële metingen. Uiteraard hebben officiële metingen ook onzekerheden. Deze zijn echter veel kleiner dan die van goedkope sensoren en zijn ook niet systematisch van aard.

     gemeten concentratie    gekalibreerde waarde
sensor 1 120 60
sensor 2  40 20
sensor 3  80 40
gemiddelde sensoren  80 40
     
rererentiemeting 40 40
correctiefactor  0,5  

 

De werkelijkheid is complexer

Bovenstaand voorbeeld is een sterk vereenvoudigde weergave van de kalibratie. In werkelijkheid worden veel meer sensoren vergeleken met referentiemetingen, waardoor de betrouwbaarheid van het gemiddelde van de sensoren toeneemt.

Daarnaast worden groepen sensoren vergeleken met geïnterpoleerde waarden van meerdere referentiestations, en niet slechts met één referentiemeting in de buurt. Het gewicht dat toegekend wordt aan een bepaalde referentiemeting wordt bepaald door de afstand van het referentiestation tot de groep met sensoren. Hierdoor hebben metingen in de buurt van de sensoren meer invloed op de correctiefactor dan referentiemetingen verder weg. Voor de locatie van elke sensor wordt een specifieke correctiefactor bepaald.

Elke uur van de dag wordt er op deze manier een correctiefactor voor elke sensor berekend. Op dit moment wordt de kalibratie alleen toegepast op sensoren van het type NOVA SDS011, omdat dit de meest voorkomende fijnstofsensor is, en het dus gemakkelijk is om een groep sensoren van voldoende grootte te vergelijken met de referentiemetingen. De Sensirion SPS30 wordt ook steeds meer gebruikt voor het meten van PM2,5, maar nog niet in zulke grote aantallen. Bovendien is de SPS30 veel minder gevoelig voor luchtvochtigheid. Sterker nog, we onderzoeken de inzet van de SPS30 als steunmetingen bij de kalibratie van PM2,5 metingen met de SDS011.

De gekalibreerde waarden worden standaard getoond op de landingspage van het dataportaal (de gekleurde markers), en in de grafiek die verschijnt als je een sensor aanklikt. Je kunt de ruwe data zien door een sensor aan te klikken, en vervolgens in de grafiek op “ruwe data” te klikken. Je ziet dan de ruwe waarden in de paarse curve. Zoals op onderstaand plaatje te zien is, kan de gekalibreerde waarde hoger zijn (eind van de grafiek), of lager, bijvoorbeeld bij hoge luchtvochtigheid (omcirkelde piek).

Effect van kalibratie op PM10 meting

 

Waarom zitten er gaten in de kalibratiegrafiek?

Soms komen er gaten voor in de kalibratiegrafiek. Dit komt omdat veel gegevens nodig zijn om de kalibratie direct uit te voeren, denk bijvoorbeeld aan de officiële metingen. Soms is dit niet het geval, en komen de officiële metingen bijvoorbeeld net iets later beschikbaar. Dit zorgt ervoor dat er geen correctiefactor op dit uur kan worden bepaald, en wordt er dus een gat in de grafiek weergegeven.

Experimenteel

De beschreven kalibratiemethode is experimenteel. We voeren continu tests uit om te bepalen hoe goed de kalibratie werkt. Een voorbeeld daarvan vind je in de presentatie die we hebben gegeven tijdens de Samen Meten webinar op 24 februari 2021. De methode heeft voldoende officiële metingen nodig die representatief zijn voor de omgeving van de individuele sensoren.  In sommige delen van Nederland zijn er te weinig officiële metingen. Zeker in gebieden die afwijkende lokale of regionale omstandigheden kennen, kan dat leiden tot grote onzekerheid in de kalibratie.

We zien dat in situaties met zeer hoge luchtvochtigheid (pakweg vanaf 97% zoals gemeten op KNMI Koninklijk Nederlands Meteorologisch Instituut Koninklijk Nederlands Meteorologisch Instituut  stations), de kalibratiemethode weliswaar voor minder hoge pieken zorgt, maar de invloed van vocht niet altijd helemaal tegengaat. 

Ook proberen we andere kalibratiemethoden uit, waarbij we bijvoorbeeld alleen naar luchtvochtigheid kijken. Deze methoden worden vooralsnog niet op het dataportaal getoond, maar het kan zijn dat we in de toekomst de kalibratiemethode op het dataportaal aanpassen. Als dit gebeurt, zullen we deze tekst aanpassen.