• Composition and Origin of Airborne Particulate Matter in the Netherlands

      Visser H; Buringh E; Breugel PB van; LLO; CIM (2001-09-20)
      Fijn stof in de buitenlucht met een diameter kleiner dan 10 um (PM10) blijkt op een consistente wijze geassocieerd te zijn met ernstige humane gezondheidseffecten. Dergelijke gezondheidseffecten zijn over de hele wereld gevonden, inclusief in Nederland. Dit was voor de Wereld Gezondheids Organisatie (WHO) reden om fijn stof op te nemen in de "Air Quality Guidelines". De Europese Unie wijdde een aparte dochter-richtlijn aan fijn stof (1999/30/EC, onderdeel van de kaderrichtlijn luchtkwaliteit 96/62/EC). Voor de EU is dit een dubbele norm geworden met een jaargemiddelde waarde van 40 ug/m3 en een dagelijks gemiddelde van 50 ug/m3 met 35 toegestane overschrijdingen per jaar (het 90-percentiel van de daggemiddelde waarden) beide in 2005. De indicatieve waarden voor 2010 zijn 20 ug/m3 als jaargemiddelde met 7 toegestane overschrijdingen voor het daggemiddelde van 50 ug/m3. Voor de Nederlandse overheid leidden de nieuwe luchtkwaliteitsnormen tot een aantal vragen over de huidige niveaus van fijn stof, de deeltjesgrootte-verdeling, chemische samenstelling, en de bijdragen van natuurlijke en antropogene bronnen (zowel lokale als buitenlandse) aan de huidige PM-niveaus in Nederland. Meer in het bijzonder zou het in het verleden gevonden "gat "van 50% tussen modellen en metingen beter verklaard en zo mogelijk verkleind moeten worden. De ratio tussen metingen en modellen (waarbij alleen het antropogene deel van de bronnen is meegenomen) bedroeg in 1995 slechts 0,50. Dit rapport gaat in op de bovenstaande vragen. Op zes plaatsen in Nederland zijn gedurende de jaren 1998 en 1999 een groot aantal metingen uitgevoerd. We hebben naast PM10 ook de fijne fractie (PM2.5) gemeten en de grove fractie (PM10 - PM2.5). Verder zijn de concentraties van secundaire anorganische zouten: ammonium, nitraat en sulfaat; elementair koolstof en organisch koolstof, natrium en chloride als tracers voor zeezout en 16 verschillende chemische elementen bepaald. Ook werden er nog bronprofielen verzameld van wegverkeer in de IJ-tunnel in Amsterdam. De kwaliteitscontrole op het veldwerk werd uitgevoerd door OMEGAM. De kwaliteitscontrole op de filtermetingen werd uitgevoerd door het RIVM. Een van de conclusies van deze studie is dat er geen significant verschil bestaat tussen gemeten PM10-concentraties en gemodelleerde PM10-concentraties in combinatie met de bijdrage van natuurlijke bronnen. De gemiddelde ratio van de gemodelleerde versus gemeten concentraties bedraagt 0,94 (bij een uniforme correctiefactor voor de FAG-meetinstrumenten) of 0,91 (bij een locatie-specifieke correctiefactor). Wanneer ook rekening gehouden wordt met de verschillende onzekerheden, bedraagt 1 keer de standaardafwijking van de bovengenoemde ratio 0,20. Daaruit concluderen we dat het 'gat' tussen metingen en modellen adequaat is gesloten. Aan de hand van de berekeningen met OPS/SIGMA en de resultaten van deze studie hebben we ons een indruk kunnen vormen van datgene wat met behulp van maatregelen te verbeteren zou zijn aan de concentraties van fijn stof. We vonden daarbij dat het maximale deel van PM10 dat door binnenlandse maatregelen te beinvloeden zou zijn in Nederland, variabel is: 6 tot 18 ug/m3. Het maximale deel dat door buitenlandse maatregelen (EU) te beinvloeden is, varieert van 10 tot 15 ug/m3. Jaargemiddeld is ongeveer 7 tot 9 ug/m3 van het fijn stof in Nederland van natuurlijke oorsprong. Deze cijfers zijn indicatief: ze kunnen van jaar tot jaar varieren ten gevolge van meteorologische condities.
    • Composition and Origin of Airborne Particulate Matter in the Netherlands

      Visser H; Buringh E; Breugel PB van; LLO; CIM (Rijksinstituut voor Volksgezondheid en Milieu RIVM, 2001-09-20)
      Particulate Matter (PM) in ambient air has consistently and coherently been associated with serious human health effects. The new EU air quality standards have, for the Dutch government, led to a number of questions concerning current levels, particle size and chemical composition of PM in the Netherlands, along with the sources influencing the Dutch ambient PM levels. In 1998 and 1999 measurements were performed at six sites in the Netherlands .We measured PM10, its fine and coarse fractions, the secondary inorganic aerosols, elemental and organic carbon, tracers for sea salt and the elemental composition of aerosol. One conclusion of this study is that there is no significant difference between measured PM10 concentrations and modelled PM10 concentrations in combination with the contribution of natural sources. The average fraction of model estimates and measured concentrations is 0.94 or 0.91 (depending on the correction factors). Taking the uncertainty in the various estimates into account, we found a 1-s confidence limit of +- 0.20 for the fraction . After combining model calculations and results from this study to get an impression of what abatement could achieve, we found the maximum level of PM10 that can be influenced by domestic abatement measures within the Netherlands to be highly variable: from to 6 to 18 ug/m3. The maximum level of PM10 that can be influenced by foreign abatement measures (EU) varies from 10 to 15 ug/m3. The PM10 in the Netherlands from a natural origin is estimated at between 7 and 9 ug/m3. All these figures are indicative.
    • Correcting air pollution time series for meteorological variability. With an application to regional PM10 concentrations

      Visser H; Noordijk H; CIM; LLO (2003-01-29)
      Dag-op-dag-variaties in meteorologische condities zijn een belangrijke oorzaak van variaties in het concentratieverloop van luchtveronreinigende stoffen. Deze aan meteorologie gekoppelde variaties werken ook door in jaargemiddelde concentraties. Daarom is het moeilijk om te beoordelen in hoeverre jaargemiddelde patronen van luchtverontreinigende componenten beinvloed worden door emissiereducties. Zo'n beoordeling is zeer beleidsrelevant omdat emissiereducties over het algemeen gepaard gaan met hoge kosten. Daarom zal er, om een een maatschapppelijke draagvlak te garanderen, een relatie gelegd moeten worden tussen trends in antropogene emissies enerzijds en trends in concentraties anderzijds. In dit rapport tonen we aan hoe met behulp van een reeks binaire beslisregels, bekend staand onder de naam Classificatie- en Regressiebomen (Eng: CART), gemeten concentraties getransformeerd kunnen worden naar concentraties die er zouden zijn geweest onder standaard meteorologische condities. Deze meteo-gecorrigeerde concentraties kunnen vervolgens gebruikt worden om trends in luchtkwaliteit beter te identificeren. Voorbeelden worden gegeven voor SO2- en PM10-meetreeksen.
    • Correcting air pollution time series for meteorological variability. With an application to regional PM10 concentrations

      Visser H; Noordijk H; CIM; LLO (Rijksinstituut voor Volksgezondheid en Milieu RIVM, 2003-01-29)
      It is well-known that a large part of the year-to-year variation in annual distribution of daily concentrations of air pollutants is due to fluctuations in the frequency and severity of meteorological conditions. This variability makes it difficult to estimate the effectiveness of emission control strategies. In this report we have demonstrated how a series of binary decision rules, known as Classification And Regression Trees (CART), can be used to calculate pollution concentrations that are standardized to levels expected to occur under a fixed (reference) set of meteorological conditions. Such meteo-corrected concentration measures can then be used to identify "underlying" air quality trends resulting from changes in emissions that may otherwise be difficult to distinguish due to the interfering effects of unusual weather patterns. The examples here concern air pollution data (daily concentrations of SO2 and PM10). However, the methodology could very well be applied to water and soil applications. Classification trees, where the response variable is categorical, have important applications in the field of public health. Furthermore, Regression Trees, which have a continuous response variable, are very well suited for situations where physically oriented models explain (part of) the variability in the response variable. Here, CART analysis and physically oriented models are not exclusive but complementary tools.
    • Detectie van milieuveranderingen. Een toepassing van Structurele Tijdreeksmodellen en het Kalmanfilter

      Visser H; IMP (2003-12-12)
      Onderzoek aan milieuproblemen levert een grote varieteit aan meetreeksen. Bij analyse van deze gegevens komen onder andere de volgende vragen naar voren: 1) is er sprake van een trend in de data en is de stijging of daling statistisch significant, (2) zijn er cyclische signalen aanwezig en hoe zien die er uit, (3) wat is de invloed van externe variabelen op de metingen, en (4) hoe kunnen we voorspellingen genereren met onzekerheden? In dit rapport wordt de beschrijving gegeven van een generieke statistische techniek waarmee antwoord kan worden gegeven op deze vragen. De methode is gebaseerd op Structurele Tijdreeksmodellen en het Kalmanfilter. Het bijbehorende softwarepakket heet TrendSpotter, en is recentelijk beschikbaar gekomen voor toepassing op PC's. TrendSpotter werd aanvankelijk ontwikkeld bij KEMA onder de naam KALFIMAC voor de analyse van milieu-meetreeksen. Het pakket is door RIVM aangekocht in 1996, en momenteel met toestemming van KEMA verbeterd en aangepast aan de RIVM-praktijk (implementatie op PC en gebruik van S-PLUS). De methode heeft een aantal unieke kenmerken met hoge relevantie voor milieu-onderzoek. We noemen drie van zulke kenmerken:het schatten van trends met 5en of meer buigpunten in de tijd, waarbij steeds alle onzekerheidsinformatie beschikbaar is;het schatten van een cyclus waarbij de vorm van deze cylus in de tijd mag evolueren;het schatten van weegfactoren voor verklarende variabelen waarbij deze weegfactoren in de tijd mogen veranderen.Een tweetal toepassingen uit de praktijk van het MilieuNatuurPlanbureau (MNP) van het RIVM worden gegeven. De toepassingen zijn (A) het detecteren van klimaatveranderin-gen als gevolg van het broeikaseffect, en (B) het schatten van meteo-correcties voor luchtverontreinigende componenten.
    • Detectie van milieuveranderingen. Een toepassing van Structurele Tijdreeksmodellen en het Kalmanfilter

      Visser H; IMP (Rijksinstituut voor Volksgezondheid en Milieu RIVM, 2003-12-12)
      Are there significant trends in temperatures and precipitation over the past hundred years? And show these series some cyclic behaviour corresponding to sun spot numbers? Or, can we detect significant downward trends in concentrations of Particulate Matter? And what is the role of meteorological conditions? Are observed trends due to reduced emissions?In this report we describe a generic statistical tool dealing with these type of questions. The technique for analysing environmental time series is based on Structural Time Series Analysis and the Kalman filter. These techniques are well-known in fields as Econometrics and Signal processing and Control, but are relatively unknown in Environmental research. Structural Time-Series models can be seen as a modular 'toolkit': we can estimate trends, cycles and the influence of explanatory variables (also called 'regressors' or 'predictors'). Also combinations of these components can be chosen. Moreover, confidence limits are given for all estimation results.The associated software is called TrendSpotter and has been made available for both UNIX and PC. Early versions of TrendSpotter were developed at KEMA, under the name KALFIMAC. This report gives elaborate simulated examples illustrating the unique features of the methodology. These features are (among others) (i) estimation of flexible trends with elaborate uncertainty estimates, (ii) estimation of cycles where the form of the cycle may evolve over time, and (iii) estimation of time-varying weighing factors for explanatory variables.The modelling approach is applied to two environmental issues: (a) the estimation of trends and cycles in climatological time series, and (b) the influence of meteorological conditions to concentrations of Particulate Matter (PM10). The former issue has great relevance in the light of greenhouse-gas-induced climate change. The latter issue has great policy relevance due to the hypothesized link between policy-driven emission reductions and corresponding trends in concentrations.
    • The MAP COMPARISON KIT: methods, software and applications

      Borsboom-van Beurden JAM; Jong K de; Niet R de; Nijs ACM de; Hagen A; Klein Goldewijk CGM; Verburg P; Visser H; IMP (Rijksinstituut voor Volksgezondheid en Milieu RIVM, 2004-01-16)
      Comparing maps is an important issue in environmental research. Reasons for comparing maps may be: (i) the different socio-economic scenarios on which they are based, (ii) detection of temporal changes, (iii) calibration/validation of land-use models, (iv) hot-spot detection, (v) their use in uncertainty analysis, and (vi) their origin in different methodologies/models. This report addresses the problem of quantifying subsequent map similarities and dissimilarities.Our main focus is on maps denoted as 'categorical' or 'nominal'. A number of the five map- comparison techniques are described. These techniques differ in mathematical approach (no math, 'cell by cell', two types of 'fuzzy' and 'single-map statistics') and apply to different types of maps (nominal, ordinal, ratio and interval scale). Special attention is given to the comparison of maps through fuzzy-set calculation rules. The rationale is that fuzzy-set map comparison is very close to human judgement, as shown in an Internet experiment.The MAP COMPARISON KIT (MCK) software plays a major role in the report. MCK, a software package for 'state-of-the-art' map comparison, contains all the examples used in this report. The software, developed by order of the Netherlands Environmental Assessment Agency, was fully designed by the Research Institute for Knowledge Systems. The software will be made publicly available on the RIVM website early 2004 (www.rivm.nl).
    • The MAP COMPARISON KIT: methods, software and applications

      Borsboom-van Beurden JAM; de Jong K; de Niet R; de Nijs ACM; Hagen A; Klein Goldewijk CGM; Verburg P; Visser H; IMP (Rijksinstituut voor Volksgezondheid en Milieu RIVM, 2004-01-16)
      Kaarten, en in het bijzonder landgebruikskaarten, worden gepresenteerd in een reeks van uitgaves van het Milieu- en Natuurplanbureau (MNP/RIVM). Voorbeelden zijn de Milieu- en Natuurverkenning die eens per vier jaar uitkomen, als ook de Milieubalans en Natuurbalans die jaarlijks worden gepubliceerd. Kaarten en kaartbeeldvergelijkingen spelen een belangrijke rol bij het tot stand komen van deze producten. Hierbij kunnen kaarten voor allerlei doeleinden vergeleken worden: (i) kaarten kunnen gebaseerd zijn op verschillende economische/demografische scenario's, (ii) detectie van veranderingen in landgebruik in de tijd, (iii) calibratie en validatie van landgebruiksmodellen, (iv) detectie van hot-spots in kaarten, (v) onzekerheidsanalyse en (vi) analyse van kaarten die afkomstig zijn van verschillende onderzoeksgroepen of modellen. Dit rapport is gericht op het kwantificeren van verschillen en overeenkomsten in kaarten. Hierbij ligt de nadruk op nominale en ordinale kaarten. Voor dit type kaarten is het uitvoeren van vergelijkingen het lastigst. Immers, hoe zou je verschillen tusen de nominale landgebruikscategorieen 'grasland', 'bebouwing' of 'recreatie' numeriek moeten uitdrukken? We beschrijven een vijftal methodes om kaartbeelden te vergelijken. Deze methodes verschillen in wiskundige benadering (geen wiskunde, 'cel bij cel', twee soorten 'fuzzy' en kengetallen voor enkelvoudige kaarten) als ook in het type kaarten waarvoor ze bedoeld zijn (nominale schaal, ordinale schaal, ratio-schaal en interval-schaal ). Speciale aandacht wordt besteed aan kaartbeeldvergelijking gebaseerd op rekenregels uit de fuzzy-set theorie. De kaartbeeldvergelijkingsmethodes worden geillustreerd aan de hand van een aantal case-studies. De voorbeelden varieren van de analyse van historisch agrarisch grondgebruik over de periode 1700 tot 1990, tot het analyseren voor landgebruikstoekomstbeelden voor het jaar 2020. Speciale toepassingen zijn het calibreren en valideren van landgebruiksmodellen, en het zoeken naar inconsistenties in landgebruikskaarten van het CBS. Alle analyses uit het rapport zijn uitgevoerd met de MAPCOMPARISONKIT-software. Dit software pakket is in opdracht van het RIVM ontwikkeld door het Research Instituut voor KennisSystemen (RIKS). De software is uniek in het integreren van vier kaartbeeld-vergelijkingsmethodes. De software zal begin 2004 algemeen beschikbaar worden gesteld via de RIVM-website (www.rivm.nl). We concluderen dat de nieuw ontwikkelde MAPCOMPARISONKIT-software een krachtig 'state of the art' hulpmiddel is bij het analyseren van kaartbeelden.
    • De significantie van klimaatverandering in Nederland Een analyse van historische en toekomstige trends (1901-2020) in het weer, weersextremen en temperatuurgerelateerde impact-variabelen

      Visser H; IMP (2005-02-16)
      Statistische analyse van het Nederlandse weer laat veranderingen zien die reeds statistisch significant zijn, gezien over de afgelopen honderd jaar. Jaargemiddelde temperaturen zijn toegenomen met 1.5 plus minus 0.5 graden Celcius sinds 1901. Het aantal zomerse dagen is ruwweg verdubbeld, van 14 plus minus 5 naar 27 plus minus 9 dagen. De jaartotale neerslag is toegenomen met 120 plus minus 100 mm, en het aantal extreem natte dagen is met circa 40% toegenomen, van 19 plus minus 3 naar 26 plus minus 3 dagen. Andere onderzochte variabelen blijken niet significant te zijn veranderd, zoals de koudste dag per jaar en de maximum dagsom voor neerslag per jaar. Verder blijken de jaarlijkse temperatuur- en neerslagveranderingen homogeen over de maanden van het jaar verdeeld te zijn. Getalsmatig zijn er wel verschillen per maand of per seizoen, maar die blijken niet significant. De veranderingen in het Nederlandse klimaat hebben reeds geleid tot significante veranderingen in weergerelateerde impact-variabelen. Zo is de lengte van het groeiseizoen toegenomen met bijna een maand, en het aantal warmte-graaddagen per jaar, een maat gerelateerd aan ruimteverwarming, is afgenomen met 14 plus minus 5 %. Projecties van temperatuurveranderingen voor het jaar 2020 die gebaseerd zijn op statistische extrapolatie vanuit het verleden, zijn consistent met voorspellingen op basis van klimaatmodellen. De jaargemiddelde temperatuur in Nederland zal toenemen van 10.4 plus minus 0.4 graden Celcius in 2003 naar 10.7 plus minus 0.6 graden Celcius in 2010 en 11.1 plus minus 1.0 graden Celcius in 2020. Hierdoor zal in de toekomst minder energie nodig zijn voor ruimteverwarming maar meer voor koeling. Dit klimaateffect zal per saldo de projecties van CO2-emissies tot aan het jaar 2012 waarschijnlijk iets doen dalen (circa 3.5 Mton CO2-equivalenten), een resultaat dat relevant is voor de Nederlandse Kyoto-verplichtingen. Tenslotte is onderzocht hoe de kans op een Elfstedentocht beinvloed is door klimaatverandering. Het is gebleken dat de kans op een tocht aan het begin van de twintigste eeuw lag op 0.2, ofwel gemiddeld eens per vijf jaar. Deze kans is, na een toename tot aan 1950, afgenomen naar een kans van 0.10 in 2004, ofwel gemiddeld eens per 10 jaar. De veranderingen liggen op de grens van statistische significantie. Binnen een klein aantal jaren zal blijken of de gevonden veranderingen inderdaad systematisch zijn.
    • De significantie van klimaatverandering in Nederland Een analyse van historische en toekomstige trends (1901-2020) in het weer, weersextremen en temperatuurgerelateerde impact-variabelen

      Visser H; IMP (Rijksinstituut voor Volksgezondheid en Milieu RIVM, 2005-02-16)
      A rigorous statistical analysis reveals changes in Dutch climate that are statistically significant over the last century. Annually averaged temperatures have increased by 1.5 about 0.5 degrees Centigrade; the number of summer days has roughly doubled from 14 about 5 to 27 about 9 days; annual precipitation has increased by 120 about 100 mm; and the number of extremely wet days has increased by about 40%, from 19 about 3 to 26 about 3 days. Several other changes in Dutch climate, such as spring temperatures rising more rapidly than winter temperatures, the increase of the coldest temperature in each year by 0.9 degrees Centigrade and the annual maximum day sum of precipitation, turn out to be not (yet) statistically significant. The changes in Dutch climate have already led to several statistically significant impacts. The length of the growing season has increased by nearly a month, and the number of heating-degree days, a measure for the energy needed for the heating of houses and buildings, has decreased by 14 about 5%. Projections of future temperature increase in 2020 based on the statistical analysis closely resemble projections based on climate models: temperatures continue to increase from 10.4 about 0.4 degrees Centigrade in 2003 to 10.7 about 0.6 degrees Centigrade in 2010 and 11.1 about 1.0 degrees Centigrade in 2020. The energy needed for heating of houses and buildings is expected to decrease further. This warming effect is expected to lower projections of future Dutch greenhouse-gas emissions by 3.5 Mton CO2 equivalents, which is relevant in the context of commitments under the Kyoto Protocol. Finally, over the course of the 20th century the chance on an 'Elfstedentocht', an outdoor skating event in the Netherlands, has decreased from once every five years to once every ten years. Even though this impact change is not yet statistically significant, it resides 'on the edge' of significance: within a few years more evidence may become available to firmly establish the diminishing likelihood of outdoor skating in the Netherlands.
    • Sources, Regional Scaling and Validation of Methane Emissions from the Netherlands and Northwest Europe

      Berdowski JJM; Draaijers GPJ; Janssen LHJM; Hollander JCTh; Loon M van; Roemer MGM; Vermeulen AT; Vosbeek M; Visser H; NOP (TNOApeldoornThe NetherlandsECNPettenThe NetherlandsKEMAArnhemThe Netherlands, 2001-11-19)
      Abstract niet beschikbaar