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.