Fijnstof in contrast

Fijnstof meten is niet eenvoudig, sensordata verwerken is ook niet altijd zo maar even te doen, meetdata op juiste waarde inschatten is een vak apart (kalibratie/validatie), visualisatie idem dito. En dan hebben we het nog niet eens over de complexiteit van de interpretatie, hoe erg is iets in verhouding tot wat anders.

Vanuit de overheid wordt goed naar de kwaliteit gekeken en worden normen gehanteerd die juridisch te verantwoorden zijn. Rekenmodellen worden toegepast die landelijk gemiddelden laten zien, het ziet er goed uit is dan de conclusie.

Mooi, maar wat heb ik daar als burger aan als ik gewoon wilt weten hoe het gesteld is met de luchtkwaliteit in mijn eigen leefomgeving, in mijn buurt?
Tja, dan ben je vooral op jezelf aangewezen of iemand in je buurt die dat voor je doet. Maar zelf meten en waarnemen kan wel! Hieronder een van de vele voorbeelden hoe waarnemingen tot relatief betrouwbare conclusies kunnen leiden.

Simpel maar doeltreffend, kijk naar contrasten

Voor onderstaande visualisaties is meetdata van het Luftdaten sensorsysteem gebruikt. Links het plaatje van 4 november 2017 om 9.00 uur. Relatief veel fijnstof over het gehele gebied. Rechts 5 november 17.00 uur, zeer gunstig omstandigheden, lage meetwaarden.

Time lapse video’s:  4 november en 5 november

Regionaal probleem

Bij het linker plaatje hoort onderstaande grafiek wat de meetwaarden weergeeft gemeten in de achtertuin, de directe leefomgeving. Wat je kunt zien en herleiden, is wanneer de vervuiling begint en dat het redelijk constant op een hoge waarde blijft hangen. Met de combinatie van de twee weet je nu dat het een regionaal / landelijk probleem is. Mogelijke lokale bronnen van fijnstof vallen weg in het geheel.

Schermafbeelding 2017-11-07 om 10.51.05

Lokaal probleem

Het rechter (blauwe) plaatje laat in combinatie met de onderstaande grafiek wél zien dat er iets op lokaal niveau aan de hand is. Regionaal is het niveau fijnstof concentratie laag (blauw) en in de grafiek waar te nemen. Maar ook twee duidelijk pieken. De eerste piek is op de zondagavond en begint tussen 16.00 en 17.00 uur. Een steil stijgende lijn en rond middernacht weer snel dalend. Met een beetje fantasie is daar uit af te lezen hoe een open haard word aangestoken, eerst met wat moeite, daarna met de piek van veel rook (vuur is nog niet op temperatuur), het wat rustig aflopende vuur met af en toe wat oppoken, en het uitzetten van de haard.
Op maandag herhaald het patroon, begint wel iets later (werkdag?), komt sneller op temperatuur (droger hout?), etc.

Schermafbeelding 2017-11-07 om 10.53.42

De derde piek ontstaat tijdens het schrijven van dit verhaal en oorzaak onduidelijk. Prachtig mooi weer buiten en geen ‘vuiltje’ aan de lucht, schijnt. Of is dit weer een regionaal probleem? Luftdaten lijkt dat inderdaad aan te geven.

Schermafbeelding 2017-11-07 om 10.54.29

Van meten tot interpretatie

Hieronder iets meer uitleg bij de verschillende onderwerpen.

Fijnstof meten

Een fijnstof sensor koop je tegenwoordig al voor een paar tientjes, met wat hardware erbij (Arduino, kabeltjes, etc.) plus software en het werkt. Maar meet je dan ook wat je wilt meten, fijnstof is complexe materie. Een hoge luchtvochtigheid kan bijvoorbeeld de meetresultaten beïnvloeden.

Sensordata verwerken

Het verwerken van sensordata kan op verschillende manieren. De infrastructuur die daarvoor wordt opgezet kent een opstapeling van technieken  (sensor-> router-> server-> opslag-> verwerking-> visualisatie) en voor al die lagen zijn weer meerdere keuzes te maken. Als je naar de mogelijke combinaties gaat kijken wordt je daar niet echt vrolijk van tenzij je een liefhebber van technieken bent natuurlijk 😉

Inschatten waarde meetdata

Is een meetwaarde correct? Hoe verhoudt deze zich tot een andere meting? Wat is de invloed van andere factoren in de omgeving (gassen/luchtvochtigheid/wind/temperatuur/etc.). Blijft de kwaliteit van de sensor constant of verloopt deze in de tijd (drift)? Hoe interpreteer ik een uitschieter (outlier), is het een foutieve meting of terechte waarneming.

Visualisatie

Hoe giet je sensor waarnemingen (in feite elektrische stroompjes opgewekt in de sensor) in een dusdanig vorm dat het een waarde oplevert voor degene die naar die vorm of dat beeld kijkt. Zoals gesteld een vak apart en best wel lastig als je als doel stelt om de bewustwording te prikkelen.

Interpretatie

Interpretatie is het moeilijkste onderdeel van het geheel. Eigenlijk moet je van alle voorgaande onderwerpen expertise hebben om goed te kunnen interpreteren en dan hebben we het nog niet eens over de psychologie van de mens, wat we willen zien, zien we sneller. Voorzichtigheid geboden dus.

Biomassa centrale, CO2 en meer

Ik weet niet meer welke tweet de aanleiding was maar een vraag hoeveel CO2 uitstoot nu door een biomassa energie centrale wordt uitgestoten triggerde mij en ik ging op zoek. Maar, eigenlijk tot mijn verbazing, of misschien ook niet, er is bijzonder weinig informatie te vinden over uitstoot van wat dan ook. Terwijl we in een tijdmoment zitten waarin we steeds meer bewust worden van de gevolgen ons eigen gedrag zou je denken dat de informatie hierover uitgebreid te vinden zou zijn, nee dus.

De instituten die voor ons denken roepen allemaal dat ze het goede met ons voor hebben en dat ze de juiste keuze hebben gemaakt en vooral door véél minder CO2 uitstoot want dat is belangrijk als we het over het milieu hebben. Daar zijn de subsidies aan gekoppeld en heeft de focus. Maar wat is ‘veel’ en wat heeft dat verminderen voor vermeerdering tot gevolg?

Enipedia

Ik kende nog een web-site die veel informatie over energie levering en ‘power plants’ bevat dus daar eerst maar eens kijken: Enipedia Deze site haalt van diverse bronnen linked open data op.

De oorspronkelijke vraag ging over biomassa centrale Purmerend dus daarop gezocht en gevonden: Purmerend_Powerplant. Deze pagina bevat inderdaad informatie over ‘emmissions Carbon Dioxide’ ofwel CO2 uitstoot.

Schermafbeelding 2017-07-20 om 21.15.44

Ha, dat is interessant, dus gelijk maar in een tweet gezet:
https://twitter.com/Scapeler/status/888116953595863041

En dat levert op twitter een reactie op: “Uit 2012, de oude gascentrale dus.” Een terechte opmerking want de site met LOD (Linked Open Data) maakt gebruikt van bronnen die, als die niet wordt bijgehouden, verouderde data oplevert.

Zo eenvoudig gaat het dus niet

Tja, zo eenvoudig kom je er dus niet van af denk je dan bij jezelf en je voelt je min of meer verplicht om er een vervolg aan te geven. Oke, op zoek naar actuele data. De site waar Enipedia data vandaan haalt is Carma.org en inderdaad gegevens van 2009!!

Schermafbeelding 2017-07-21 om 12.02.36

 

Een eerste inschatting actuele uitstoot

Een volgende zoekactie brengt ons op dit bericht:

“De centrale scheelt jaarlijks ruim 50.000 ton CO2-uitstoot. Dat staat gelijk aan de jaarlijkse uitstoot van 16.000 auto’s. SVP krijgt voor het project subsidie van AgentschapNL via de regeling Industriële Warmtebenutting.”

Dat is een begin, een vermindering van 50.000 ton CO2. De schatting van Carma.org was ongeveer 103.000 ton voor 2017 minus 50.000 ton levert een actuele uitstoot van geschat van 53.000 ton CO2, genoteerd.

Zoektocht naar bevestiging

De inschatting vraagt natuurlijk om bevestiging dus daarom maar kijken bij de bron, SVP Stadsverwarming Purmerend. Maar het enige wat we daar kunnen vinden is:

“Door het gebruik van 100.000 ton biomassa spaart SVP op jaarbasis veel CO2-emissie uit”

100.000 ton biomassa per jaar, genoteerd.

Ook vinden we bij SVP het volgende succes bericht:

“Door de innovaties en verduurzaming van SVP draagt Purmerend flink bij aan de afspraak over CO2-reductie in het Klimaatakkoord tussen gemeenten en Rijk: voor 60.000 van haar inwoners geen 30% maar zelfs 78% minder CO2.”

Zelfs 87% minder CO2, genoteerd.

 

Andere emissies dan CO2

Het volgende bezoek is aan Wise Nederland hier vinden we emissie kentallen van NOx, PM, VOS en SO2.

Schermafbeelding 2017-07-21 om 05.21.34

Hè lastig, nu weer eenheden per g/kwH. Waarom is de uitstoot CO2 en andere stoffen van een biomassa centrale zoals Purmerend nou niet gewoon ergens terug te vinden? Maar goed, het is weer iets. Genoteerd.

Biomassa uitstoot CO2 hoger dan kolen, dus ook van gas

Op dezelfde pagina van Wise Nederland lezen we:

“De directe emissie van het verstoken van houtige biomassa ligt hoger (1000-1300 gCO2eq/kWh; PBL 2013) dan die van kolen (ca 800 gCO2eq/kWh). Het korte termijneffect van biomassa bijstook is dus negatief in vergelijking met kolen”

en

“Ook als we deze directe emissie niet meerekenen, zijn de emissies van de biomassa-bijstook toch nog steeds te hoog te noemen. In een moderne kolencentrale (46% efficiëntie) en 25% biomassa-bijstook ligt de gecombineerde emissie van kolen/biomassa op 605 gCO2eq/kWh. Dat is nog altijd twee keer zoveel als het beste fossiele alternatief, een aardgas gestookte centrale met warmtekrachtkoppeling (298 gCO2eq/kWh)”

en

“Het merkwaardige is dus dat het bijstoken met biomassa niet helpt om op korte termijn de CO2-emissie te reduceren.”

Uitstoot van CO2 door verbranding met gas is dus lager dan die met biomassa is mijn conclusie (ondanks dat de informatie over bijstook gaat). Genoteerd.

Emissiefactoren biomassa (pellets)

Een volgende stap brengt ons bij co2emissiefactoren.nl waar onder het kopje ‘WARMTELEVERING’ emissiefactoren te vinden zijn voor onder andere biomassa (pellets), direct én indirect. Totaal 25,82 kg CO2 per GJ, genoteerd.

Green deal

In het document Green Deal Stadsverwarming 2.0 lezen we

“De BWC zal per jaar 936.000 GJ duurzaam produceren”

Productie van 936.000 GJ per jaar, genoteerd.

Berekening actuele CO2 uitstoot

Goed, een berekening dan maar met de genoteerde gegevens:

Productie x emissiefactor CO2 = totaal uitstoot CO2

936.000 GJ x 25,89 Kg CO2 = 24.233.040 Kg CO2 per jaar = 24.000 ton CO2

Volgens SVP: 103.000 ton (inschatting Carma.org) – 78% (succes bericht SVP) =

23.000 ton CO2.

Dat komt redelijk in de buurt en kunnen we constateren dat dat dus juist is! 🙂

De biomassa centrale levert dus ten opzichte van de vorige aardgas centrale een vermindering op van

vermindering: 80.000 ton CO2 !!!

Maar begrijpen doe ik het niet, ik moet ergens een denkfout maken. Biomassa emissie CO2 hoger dan aardgas en dan toch 78% lager?!?

Berekening overige emissies

Interessant is natuurlijk wat de overige emissies doen. We maken daarvoor een omrekening van de jaarproductie in GJ naar kwH en gebruiken daarvoor deze calculator.

936.000 GJ = 260.000.000 kWh

Met de genoteerde emissie kentallen van Wise Nederland (bron: CE Delft 2015) berekenen we de emissie van PM (fijn stof), VOS (Vluchtige Organische Stof), SO2 en NOx.

emissies:

NOx = 0,4 g/kWh x 260.000.000 kWh = 104 ton NOx
PM = 0,03 g/kWh x 260.000.000 kWh = 7,8 ton fijn stof
VOS = 4,1 g/kWh x 260.000.000 kWh = 1.066 ton VOS
SO2 = 0,2 g/kWh x 260.000.000 kWh = 52 ton SO2

Biomassa versus aardgas:

NOx = 0,4/0,4 = gelijke emissie dan bij aardgas
PM = 0,03/0,005 = 6x meer bij biomassa
VOS = 4,1/0,24 = 17x meer bij biomassa
SO2 = 0,2/0,006 = 33,3x meer bij biomassa

Ook dit is Citizen Science

Ook dit is Citizen Science en geeft belang aan om ook O3 en SO2 te gaan meten, juist in Purmerend en wel hierom:

Schermafbeelding 2017-07-21 om 06.45.07

Bron: Kenniscentrum InfoMil

Het is natuurlijk maar de vraag of de gevonden informatie juist is en juist geïnterpreteerd. Het zou daarom handig en misschien wel verstandig zijn dat de energiemaatschappijen duidelijke informatie leveren over emissie en uitstoot. Mocht dat wel al zo zijn dan hoor ik dat graag.

 

 

 

 

 

Experimenten met Citizen Science

Er zijn van die momenten die uitnodigen tot een experiment. Een periode waarin bijvoorbeeld de concentratie fijnstof in de lucht relatief laag en constant is. Zo nu ook zo’n periode zoals in het onderstaande plaatje in beeld wordt gebracht. Een tweetal fijnstof sensoren van het type PMS A003 van Plantower dicht naast elkaar, in een kamer op de eerste verdieping. Deze sensoren geven meerdere meetwaarden af welke elk in eigen grafiek worden weergegeven.

 

Schermafbeelding 2017-05-22 om 09.49.54

 

BBQ

Aan de linkerkant is een piek te zien veroorzaakt door een BBQ op zo’n 15-20 meter afstand. Het raam stond gedeeltelijk open en is tussentijds even dichtgezet, vandaar de ‘dip’ in de grafiek. Door het opnieuw openen van het raam ‘herstelde’ het concentratieniveau tot dat van vlak voor het sluiten.

Lucifertest

Aan de rechterkant van de grafieken is een piek te zien die veroorzaakt is door een ontsteken en uit laten branden van een lucifer in de binnenruimte waar de sensoren staan opgesteld. Afstand tot de sensoren 20 centimeter. Het raam stond op dat moment ook gedeeltelijk open dus was er sprake van enige ventilatie.

Spelen met contrasten

Juist het zien van contrasten en weten wat dat veroorzaakt, maakt Citizen Science interessant. Op het moment van ontsteken van de lucifer had de buitenomgeving inmiddels te maken met enigzins verhoogde concentratie fijnstof maar toch zou je kunnen stellen dat dit eenvoudige experiment laat zien dat een BBQ in de buurt het zelfde effect heeft als het afsteken van één lucifer binnen.

Eigen keuze of afhankelijk van keuze door anderen

Een eigen keuze of afhankelijkheid van anderen is ook een contrast wat bij dit experiment duidelijk wordt. Ik kan zelf kiezen om een lucifer aan te steken, om een sigaret te roken of om in een vuurkorf, openhaard of iets dergelijks hout te verbranden. Als ik bewust ben van de risico’s (of die laat overstemmen door verslavende werking van bepaalde stoffen) dan doe ik die keuze in principe zelf. Als in de buurt veel aan houtstook wordt gedaan dan ben je overgeleverd aan de goden.

Conclusie

Nu we bewust zijn geworden van het effect van een enkele lucifer (fijnstof en giftige stoffen!) schaffen we vandaag nog een gasontsteker aan voor het aansteken van een fornuis of kaars.

 

Citizen Science en de confrontatie met insecten

De directe leefomgeving is het aandachtsgebied waar Citizen Science in eerste instantie op gericht is. Monitoren van luchtkwaliteit of geluid of wat dan ook gemeten kan worden doe je dan met sensoren die je op een plek zet waar je het meeste resultaat verwacht. Luchtkwaliteit meet je immers niet onder een glazen stolp.

De fijnstof meter zal dus snel een plek krijgen waar de lucht en de wind vrij spel hebben. Meestal wel beschut voor bijvoorbeeld regen omdat electronica daar niet echt goed tegen kan maar ja, blootstelling aan de natuur heeft zo zijn risico’s. Een van de risico’s:

insecten!

 

Als je goed naar onderstaande plaatje kijkt dan zie je de 6e grafiek van boven de resultaten van luchtdruk sensoren. Van een van die sensoren schiet de waarde ineens omhoog en blijft dan een constante waarde afgeven, te hoog dus. Wat zou dat kunnen betekenen, zo een plotselinge stijging van de luchtdruk is niet normaal.

 

Schermafbeelding 2017-05-21 om 21.34.22

Spinnenpoepje!

Nader onderzoek wees uit dat de oorzaak een spinnenpoepje was dat door een spin neergelegd was tussen twee van de contacten van de sensor, de GND en de SCL (aarde en clock signaal). Hierdoor was dus kortsluiting ontstaan waardoor de sensor op tilt was gegaan. Het is slechts een spanning van 5V maar voor de spin zal het wel even een schokkende ervaring zijn geweest. Gelukkig hebben we geen spinnenlijkje gevonden dus gaan we er vanuit dat het goed is afgelopen met deze spin.

Na schoonmaken van de contacten en resetten van de sensor is de meetwaarde weer hersteld naar de juiste waarde zoals ook uit de grafiek is af te lezen.

 

Citizen Science komt met praktische oplossingen

Zo is er ook een voorbeeld van vliegen die een bezoekje brengen aan de fijnstof meter, een Dylos in dit geval. Hoe kun je dat voorkomen? Tja, zoeken naar een praktische oplossing natuurlijk. En die is gevonden door de eigenaar van de Dylos in de volgende foto. De openingen afschermen met horgaas voorkomt dat insecten in de kast terechtkomen.

Schermafbeelding 2017-05-21 om 22.21.42

 

 

 

 

Fijnstof van buiten naar binnen

Meten is weten zeggen we regelmatig en niet voor niets. In de korte tijd dat we met citizen science actief zijn hebben we al veel interessante bevindingen gedaan. Vanaf het moment dat we naast buiten, ook het fijnstof binnen zijn gaan meten, zijn er interessante meetgegevens in beeld gekomen.

We hadden al wel een idee wat er zou gebeuren maar dat we zo snel resultaat in beeld zouden krijgen, konden we niet voorzien. We zagen dit gebeuren:

Schermafbeelding 2017-03-23 om 20.27.54

Let op de een na onderste grafiek, daar zie je drie grafiek lijnen die fijnstof concentraties PM2.5 laten zien (Plantower PMS7003 sensoren). De twee bovenste lijnen geven de meetgegevens weer van twee sensoren die dicht bij elkaar in de achtertuin zijn opgesteld. Deze sensoren geven de fijnstof concentratie van de buitenomgeving weer. De derde en onderste lijn in dezelfde grafiek, toont het resultaat van een zelfde sensor maar dan binnen, in de woonkamer.

Direct vanaf het plaatsen laat deze binnen sensor een redelijk rustig en stabiele lijn zien totdat de volgende ochtend beweging in het huis ontstaat. Nog niet echt bewust van oorzaak en gevolg zien we dat de grafiek op een aantal momenten een  verhoogde concentratie laat zien. Naar later blijkt, zijn dit de momenten dat de tuindeur opengaat. Want, wat zien we om even na 12.00 uur gebeuren? Het is mooi weer, het zonnetje schijnt en dus …. de schuifpui naar de tuin kan helemaal open.

Schermafbeelding 2017-04-04 om 21.33.47

Fijnstof concentratie binnen stijgt!

Met een redelijk steile stijging zien we direct de fijnstof concentratie in huis toenemen tot een niveau net onder dat van de buitenlucht. Het fijnstof uit de buitenlucht wat ons dagelijks als een deken bedekt, drukt zichzelf als het ware naar binnen en vult de kamer met fijnstof. Bijzonder is dat het concentratie niveau net iets lager blijft dan de buitenlucht maar wel dezelfde schommelingen laat zien.

Fijnstof concentratie binnen daalt!

Om 16.30 uur zien we het tegenovergestelde gebeuren. De grafiek lijn daalt, weliswaar niet zo snel als de stijging was maar toch. U raadt het misschien al, de deuren naar de tuin gingen dicht.

Waar blijft de fijnstof binnenshuis?

Terwijl de concentratie buiten gelijk blijft zien we een relatief snelle daling van de concentratie fijnstof binnenshuis. Dat kan maar een ding betekenen,

het fijnstof slaat neer

De zwaartekracht doet zijn werk en hoe klein de fijnstof deeltjes ook zijn, de massa is voldoende om aangetrokken te worden en richting vloer te gaan. En dus ook met een redelijke snelheid. Een snelle conclusie beredeneert vanuit de grafiek is dan dat de hoeveelheid fijnstof met een kolomhoogte van zo’n 2,5 meter in een half uur voor 50% neerslaat op de grond.

Waar blijft de fijnstof buitenshuis?

De zwaartekracht werkt niet alleen in huis maar natuurlijk uit buiten. De fijnstof deeltjes buiten worden ook aangetrokken en zullen ook richting aarde bewegen. Dus als we aannemen dat de fijnstof deeltjes met dezelfde snelheid neerdalen en neerslaan op de grond, zou dat betekenen dat

Als er geen nieuwe aanvoer fijnstof zou zijn,
zal de concentratie in de buitenlucht
in een half uur gehalveerd zijn!

 

Schermafbeelding 2017-04-05 om 09.19.41

 

Een deken van fijnstof

Maar de grafiek lijnen van de fijnstof concentraties in de buitenlucht laten een onverstoorde lijn zien. En natuurlijk is er buiten meer turbulentie waardoor minder neerslag maar toch. Nederland wordt door een dikke deken fijnstof bedekt die met hetzelfde tempo wordt aangevuld als de tijd die nodig is om het fijnstof te doen neerslaan. De enige manier om fijnstof concentraties in de leefomgeving te doen verminderen is door de bronnen aan te pakken. Verminderen of stoppen van ontstaan van fijnstof zal direct effect hebben. Bronnen zoals houtrook in de leefomgeving, verkeer, kolencentrales en biomassacentrales verminderen of stoppen is goed voor ONZE gezondheid, beter nu dan later.

 

André van der Wiel

Bewust van uitstoot bij verbranding

Na een weekend fijnstof van openhaarden in een bungalowpark ingeademd te hebben, is het toch wel een verassing om een voertuig voor vacuum graaftechniek bijna in de achtertuin geplaatst te zien.

 

schermafbeelding-2017-02-20-om-14-49-58

Twee stevige uitlaten zorgen voor de afvoer van verbrandingsgassen en natuurlijk fijnstof. Gepaard met een behoorlijke hoeveelheid geluid want het creëren van vacuum voor het wegzuigen van zand onder een woning kost wel wat energie natuurlijk. Het zand moest daar weg in verband met een storing aan de stadsverwarming. Reparaties aan het SV-net komen de laatste tijd steeds vaker voor, de buizen slijten met lekkages tot gevolg. Stapje voor stapje wordt de gehele buurt voorzien van een nieuw pijpleidingen stelsel. Dat zal niet goedkoop zijn en zo’n milieubelastende reparatie zal niet in de milieu afwegingen worden meegenomen neem ik aan.

Aangezien ik een fijnstof sensor in mijn achtertuin heb staan, ben ik natuurlijk wel nieuwsgierig wat al die uitstoot doet. De wind staat voor mijn tuin gunstig (fijnstof waait een andere kant op) maar toch maar even kijken. De grafieken zijn afkomstig van metingen op diverse locaties. Het gaat in dit geval om de locatie Purmerend.

schermafbeelding-2017-02-20-om-14-45-58

Om het nog duidelijker te laten zien is de grafiek ná de werkzaamheden nogmaals gemaakt en nu is alleen het gedeelte rechtsonder uitgeknipt. Let op de blauwe lijn, die van locatie Purmerend.

schermafbeelding-2017-02-20-om-15-50-27

Wat nu duidelijk in beeld komt is de start van de werkzaamheden omstreeks 12:00 uur en einde werkzaamheden omstreeks 15:00 uur. De PM10 concentratie zien we ná de werkzaamheden duidelijk afnemen, waarschijnlijk als gevolg van de wind. Maar de kleinere fijnstofdeeltjes blijven in de buurt ‘hangen’. De concentratie PM2.5 neemt geleidelijk maar langzaam af. Een opvallende waarneming.

Als we ons beseffen dat juist de fijnste fijnstof deeltjes het gevaarlijkst voor de gezondheid zijn, dan is deze constatering dus even iets om van te schrikken. De werkers zijn niet bewust van het gevaar wat ze dagelijks lopen, de buurt niet want ja werkzaamheden zijn nodig en er komt wel vaker een vrachtwagen door de straat. En wat kan het nu eigenlijk voor kwaad, ze zullen toch wel weten wat ze doen?

Het zelfde kan gesteld worden van de houtrook door openhaarden en houtkachels. Het meerendeel van de mensen is niet bewust van wat er in hun leefomgeving gebeurt. Een openhaardvuur in het bungalowpark is toch gezellig? En ook nog een niet afgesloten openhaard, een echte open openhaard dus. En wat als in je eigen buurt waar je het gehele jaar woont volop wordt gestookt ………..

Bewust worden is de eerste stap naar verbetering. Het onzichtbare zichtbaar maken is daarbij heel belangrijk, eerst zien dan geloven. Daarom het volgende advies mocht u nu nog niet bewust zijn van wat uitstoot van verbranding in uw leefomgeving doet:

Advies: Begin bovenaan opnieuw met lezen, herhaal tot bewustwording ontstaat. 

 

 

Met vriendelijk groet,

André van der Wiel

 

 

Citizen science en de eerste vragen

Met de eerste meetresultaten van de drie meetlocaties Aalten, ‘s-Gravenpolder en Purmerend komen ook gelijk vragen in beeld.
Hieronder de grafieken die de resultaten van de locaties in één beeld vangt. De bovenste twee grafieken laat de ‘ruwe’ meetdata van een Dylos zien. De laatste grafiek toont resultaten van het experiment met een Plantower PMS7003 (alleen de PM 0.03).

schermafbeelding-2017-02-14-om-14-10-18

Dylos grafieken laten een neerwaartse lijn zien wat natuurlijk mooi is maar wat kan daar de oorzaak van zijn? Vanuit ‘s-Gravenpolder wordt aangegeven dat we te maken hebben met een snel dalende relatieve luchtvochtigheid. Als dat een bepalende factor zou zijn wat gebeurt er met het fijnstof? Bevatten de fijnstofdeeltjes minder vocht waardoor de massa afneemt? Of zorgt een lagere luchtvochtigheid voor snellere verspreiding van fijnstofdeeltjes?

De grafiek hieronder laat in het midden een sterke daling van de concentratie fijnstof zien. In dit geval was de oorzaak een sneeuwbui. Heeft de sneeuw de lucht schoongeveegd of de lucht in beweging gezet? In ieder geval een mooi voorbeeld van ‘meten in de achtertuin’, het ‘meebeleven’ van het moment zorgt voor nieuwe inzichten.

schermafbeelding-2017-02-12-om-10-25-00

Citizen science levert de eerste vragen op en dat is mooi! Vragen duwen ons naar antwoorden die in het verschiet liggen. Een eerste conclusie is in ieder geval dat er meer sensoren ingezet moet worden om de situatie goed in te kunnen schatten. Binnenkort daarom de toevoeging van een sensor voor relatieve luchtvochtigheid en temperatuur.

 

En een nagekomen twitter bericht: “Naast PM2.5 ziet de ook mestlucht op het PM10 kanaal.  “. Boeiend!

schermafbeelding-2017-02-15-om-12-32-18

 

 

Wordt vervolgd.

 

Met vriendelijk groet

André van der Wiel
Scapeler

 

Citizen science komt dichterbij

We worden steeds bewuster van het belang van een goede luchtkwaliteit en vooral in onze eigen leefomgeving. Berichten over slechte luchtkwaliteit en de gevolgen daarvan voor de gezondheid zijn dan ook niet mis. Een gezonde lucht is niet meer vanzelfsprekend.

Maar we gaan nog vaak uit van het idee dat de lucht om ons heen schoon en goed is. Ook zijn we vaak niet bewust wat ons eigen aandeel in de vervuiling is of dat we er zelf iets aan kunnen veranderen. Landelijk wordt er gemeten bijvoorbeeld door het RIVM, op lokaal niveau door bijvoorbeeld AiREAS in Eindhoven, Breda en Helmond maar wat dat betekent voor de eigen straat of buurt is niet altijd duidelijk. Dat verandert als we bijvoorbeeld fijnstof “in de eigen achtertuin” gaan meten. Dan gaan we zien wat de concentraties van fijnstof om ons heen doet. Geen betere manier om bewust te worden van onze eigen buurt.

Het zelf meten wordt steeds eenvoudiger. Er komen meer sensoren op de markt die een redelijke prijs/prestatie niveau leveren. Het is niet de kwaliteit van de meetinstrumenten zoals die van het RIVM maar voldoende om concentratie verschillen van bijvoorbeeld fijnstof te herkennen.

Nog beter is het om de resultaten die we zelf meten te kunnen delen, combineren en vergelijken. Scapeler heeft met het ApriSensor systeem daarvoor een belangrijke stap gezet door het mogelijk te maken om meetresultaten van een Dylos sensor te ontsluiten. Dit werkt eenvoudig door de Dylos (type moet wel beschikken over de mogelijkheid) aan te sluiten op een Raspberry Pi met ApriSensor client software. De Raspberry Pi wordt aangesloten op het internet en als de verbinding tot stand is gekomen verwerkt de software automatisch de meetwaarden die de Dylos aanlevert.

De eerste gebruikers hebben zich al aangemeld en hieronder hun eerste enthousiaste reacties:

schermafbeelding-2017-02-08-om-11-20-08schermafbeelding-2017-02-08-om-11-20-54
schermafbeelding-2017-02-08-om-11-26-57

Binnenkort zullen we de eerste resultaten te zien krijgen van de driehoek Aalten, ‘s-Gravenpolder en Purmerend. Wie volgt?

Meer sensoren worden aangesloten

De Dylos bezitters krijgen hiermee een mogelijkheid om hun meetdata centraal te brengen en resultaten te visualiseren. Landelijk en mogelijk daarbuiten. Maar hier blijft het natuurlijk niet bij. Er zal een groter aanbod komen van beschikbare sensoren en ook in diversiteit zoals temperatuur, luchtvochtigheid, CO2, en alles wat je verder kunt bedenken en beschikbaar is.

Er wordt volop geëxperimenteerd met sensoren en ook het centrale systeem voor opslag en het beschikbaar maken van de data wordt hard aan gewerkt en verbeterd. De conclusie met de eerste resultaten in beeld: het systeem werkt.

Smart Citizens voor Healthy cities

In de twitter berichten leest u de woorden zoals ‘baanbrekend’ maar ook ‘partners’ ofwel er ontstaat een gevoel saamhorigheid, een gevoel van samen kunnen we een verschil maken. En bovenal is het gewoon leuk om een eigen bijdrage te kunnen leveren.

Het is van groot belang dat die samenwerking wordt gezocht. Daarom zijn de initiatieven die AiREAS onderneemt voor het oprichten van een burgervereniging belangrijk. Zo’n vereniging kan landelijk en internationaal werken als netwerk van Smart Citizens voor Healthy cities.

schermafbeelding-2017-02-08-om-11-42-20

Er gaat een nieuwe fase in voor Citizen Science en Smart Citizens. Nieuwe kansen voor burgerparticipatie en mogelijkheden om problematiek beter in kaart te brengen. De toekomst zal het uitwijzen natuurlijk maar ik denk dat er een deur is opengezet.

Met vriendelijke groet,

André van der Wiel
Scapeler

Een basis voor aansluiten van sensoren

Deze blog beschrijft hoe we een basisinstallatie maken voor het ontsluiten van sensor data.

Er bestaan diverse soorten en maten sensoren van complete installaties tot losse elektronische componenten. Als een complete installatie voldoet, en u bent tevreden met de manier waarop het apparaat de meetwaarde toont, dan kunt u hier stoppen met lezen. Maar wij willen in deze blog natuurlijk meer dan dat en leggen daarom de lat iets hoger. We gaan de sensor aansluiten op een computer welke de basis zal vormen voor het ontsluiten van sensor data (de sensor moet natuurlijk wel de mogelijkheid hebben om aangesloten te worden op een computer). Deze computer leest de sensor data uit en bewaart de meetdata voor ons. Dat bewaren kan als dataset op de ‘harddisk’ van de computer maar de meetdata kan ook worden doorgestuurd naar een centrale server.

Om het niet direct al te moeilijk te maken hieronder de globale lijn van installatie van het basis systeem. Voor de meer technische handelingen wordt verwezen naar andere blogs. Mocht het voor u te moeilijk worden, weet dan dat er ook kant en klaar pakketten gemaakt kunnen worden. Gebruik het contactformulier als u meer informatie wenst.

Als basis de Raspberry Pi

Er zijn diverse oplossingen te bedenken maar voor dit moment kiezen we voor een Raspberry Pi als basiscomputer. Een compacte pc ter grootte van een creditcard. De laatste versie is de Raspberry Pi 3 welke ook WiFi standaard aan boord heeft.

Een complete set bestaat uit een Raspberry PI, een voeding, een SD-kaart, optioneel een netwerkkabel en een kastje om het netjes af te werken.

Netwerk aansluiting met een kabel of draadloos via WiFi

De Raspberry Pi aansluiten met behulp van een netwerkkabel is eenvoudiger te configureren en heeft de voorkeur in verband met stabiliteit van de verbinding. Maar als er geen aansluitpunt is, kan voor aansluiten via een draadloos netwerk gekozen worden.

Het operating systeem (OS)

Iedere computer heeft een operating systeem nodig wat dient als tussenlaag tussen de applicaties en de hardware/BIOS. We kennen MSWindows, MacOS, Linux, etc. en zo hebben we ook voor de Raspberry Pi meerdere keuze mogelijkheden. De keuze valt in ons geval op Raspbian Jessie Lite, een Linux variant. Hoe we dit OS op de Pi installeren is een technisch verhaal en dat laten we in een andere blog zien. In het kort komt het erop neer dat we een kopie van het OS (image) vaschermafbeelding-2017-01-17-om-22-40-47n het internet downloaden en plaatsen op de SD-kaart.

schermafbeelding-2017-01-17-om-20-31-53

Als het OS op de SD-kaart is geplaatst kunnen we het in de SD-kaarthouder plaatsen. De SD-kaarthouder zit op de onderkant van de Raspberry Pi (zie foto rechts).

Installatie van de applicatie(s)

Op de Raspberry Pi installeren we software die o.a de volgende functies uitvoert:

  • verbinding maken met de sensor
  • opvragen van de sensor meetdata
  • meetdata lokaal opslaan als dataset op de SD-kaart
  • via het netwerk de meetdata naar een centrale server verzenden

Per sensor die wordt aangesloten op een USB-poort wordt een applicatie geïnstalleerd op de Raspberry Pi. Per soort sensor is er een specifieke versie van de applicatie nodig omdat iedere sensor weer andere eigenschappen heeft of data in een ander formaat aanbiedt.

Omdat het installeren en configureren van de applicatie ook weer een technisch verhaal is gaan we ook daarvoor aparte blogs maken.

Aansluiten van de Raspberry Pi

Nu het OS inclusief de applicaties zijn geïnstalleerd zijn we klaar voor het aansluiten van de Raspberry Pi op de voeding. De voeding sluiten we aan op de micro USB connector van de Raspberry Pi (zie foto). schermafbeelding-2017-01-17-om-23-06-46

De Raspberry Pi zal nu opstarten. Behalve een rode LED en een knipperend groene LED  zien we weinig gebeuren maar… …de basis is gelegd voor dit deel van het sensor systeem, de computer werkt!
En mocht je het niet geloven dan is het mogelijk om een tv of monitor op de HDMI poort van de Raspberry Pi aan te sluiten, dan krijg je er een beeld bij.

Netwerk aansluiten met een kabel

schermafbeelding-2017-01-17-om-23-20-40

Een netwerkkabel sluiten we aan op de UTP-poort van de Raspberry Pi. De andere kant van de netwerkkabel sluiten we aan op de router (zoals die van uw netwerk provider) of op een netwerk switch als u daarover beschikt.

In de meeste gevallen heeft uw router een DHCP protocol actief. Dat wil zeggen dat de router automatisch een ip-adres aan uw Raspberry Pi toekent. Met dit ip-adres en de verbinding met de router zal de Raspberry Pi automatisch contact hebben met het netwerk zoals ook uw pc verbinding heeft en via de router met het internet.

De basis is klaar

De basis staat nu klaar voor gebruik en kunnen we een eerste sensor aansluiten. Die eerste sensor is een Dylos DC1700 zoals op de foto’s te zien. Dit type beschikt over de mogelijkheid om aangesloten te worden op een computer, belangrijk dus let daar op !

De schematische weergave is zoals het globaal werkt. De sensoren aangesloten op de Raspberry Pi, de Pi op het internet en vanuit het internet gaan we straks mooie grafieken en plaatjes maken.

 

Is het u gaan duizelen? Niet wanhopen, komt tijd komt raad zeggen we dan.
In volgende blogs gaan we verder met de installatie van het OS, het gebruiken van de WiFi, de sensor applicaties en ook sensor specifieke zaken komen aan bod. We zullen het verhaal niet beperken tot de Dylos maar ook andere sensoren (Shinyei, Barometer, CO2 sensor, temperatuur, een meer) zullen de revue passeren.

Voor nu veel plezier met deze informatie en tot de volgende blog.

André van der Wiel
Scapeler partner van AiREAS

ps. heeft u de andere blogs ook al gelezen:
De waarde van sensor data, deel 1 tot en met deel 5?