A reanalysis of the BOP dataset : Source apportionment and mineral dust

Abstract

Om het effect van beleidsmaatregelen te kunnen inschatten is kennis van het gedrag van fijn stof essentieel. Dit rapport beschrijft een wetenschappelijk deelonderzoek van metingen en berekeningen van fijn stof. RIVM, ECN en TNO hebben op zes locaties uitgebreide metingen uitgevoerd van de concentraties fijn stof (PM) in de lucht. De metingen zijn uitgevoerd voor het eerste Beleidsgericht Onderzoeksprogramma PM (BOP), dat erop gericht is om kennis te verwerven over samenstelling en verspreiding van fijn stof. Bij de metingen is onderscheid gemaakt tussen de totale hoeveelheid fijn stof (PM10) en de fijnere fractie ervan (PM2,5). De dataset bevat informatie over de chemische componenten waaruit fijn stof is opgebouwd. Deze samenstelling geeft belangrijke informatie over de bronnen van fijn stof, zoals industrie en verkeer. Enkele vragen over de herkomst van fijn stof bleven na het eerste onderzoek onbeantwoord. Omdat dit invloed heeft op het inzicht in de effectiviteit van maatregelen, heeft het RIVM twee van deze vragen in het kader van het tweede BOP-programma nader onderzocht via een beperkte heranalyse van de data. Verklaring voor inconsistente samenstelling PM10 en PM2,5 per bron Via een geavanceerde bronanalyse techniek (Positive Matrix Factorisation) zijn de PM10 en PM2.5 datasets in BOP apart geanalyseerd. De resultaten waren voor de belangrijkste componenten goed vergelijkbaar. Voor één component, elementair koolstof (roet), was het resultaat inconsistent. Die inconsistentie zou kunnen komen doordat de analyse op de beide datasets afzonderlijk is uitgevoerd. Om dit te controleren is de analyse herhaald op de gecombineerde dataset. De inconsistentie was daarmee niet verdwenen. Dit betekent dat de herkomst van roet nog steeds niet geheel bekend is. Verdere analyses van de bestaande data set zullen vermoedelijk deze vraag niet beantwoorden. Het feit dat het resultaat niet veranderd door de PMF analyse anders uit te voeren betekent dat een dergelijke bronanalyse, die ook door de EU wordt gepropageerd, robuuster is dan verwacht. Verschillen tussen Nederland en Vlaanderen in bijdrage bodemstof De tweede vraag betrof het aandeel dat opwaaiend bodemstof levert aan de concentratie van PM10 in de lucht. Volgens eerdere berekeningen zou bodemstof in Nederland de helft minder bijdragen aan de fijnstofconcentratie dan in Vlaanderen. Dit verschil blijkt grotendeels verklaard te kunnen worden door de gebruikte definitie van bodemstof. In Vlaanderen bevat de definitie van bodemstof meer componenten. Met dezelfde definitie blijken de resultaten goed vergelijkbaar. De resultaten zijn daarom voldoende betrouwbaar voor schattingen van bronbijdrage en het mogelijke effect van maatregelen.

In order to determine the effect of policy measures on particulate matter concentrations, it is necessary to get accurate knowledge on the behavior of particulate matter. This report describes results from scientific research based on measurements and calculations of particulate matter. RIVM, TNO and ECN have performed detailed measurements on particulate matter at six locations in the Netherlands. These measurements were performed as part of the first Netherlands Research Program on Particulate Matter (BOP), which aimed at obtaining knowledge on the composition and distribution of particulate matter. The measurements made a distinction between the total amount of particulate matter (PM10) and its finer fraction (PM2.5). This BOP dataset also contains information on the chemical composition of PM. This composition provides important information about the sources of particulate matter, such as industry and traffic. However, some questions about the origin of particulate matter remained unanswered after the first BOP program. Because this lack of knowledge affects the understanding of the effectiveness of policy measures, RIVM has performed a reanalysis of the BOP dataset in the second BOP program, which focused on two questions. Explanation for inconsistent composition of PM10 and PM2.5 per source Using a source apportionment technique (Positive Matrix Factorization), the PM10 and PM2.5 datasets from BOP, were separately analyzed. The obtained results were similar for the main components of particulate matter. However, for elemental carbon (soot), the result was inconsistent. This inconsistency could result from the fact that the analysis was performed on each dataset separately. To check this, the analysis was repeated, this time on the combined dataset of PM10 and PM2.5. The inconsistency was however not resolved. This means that the source of soot, using the source apportionment analysis, is still not fully understood. Further analysis of the existing data set will probably not answer this question. The fact that the result is not changed by the different PMF, means that the analysis, which is also promoted by the EU, is more robust than expected. Differences between mineral dust contribution to PM in the Netherlands and Flanders The second question concerned the contribution of mineral dust to PM10 concentrations. According to previous calculations, mineral dust concentrations in Flanders were twice as large as compared to concentrations in the Netherlands. Here it is shown that this difference can largely be explained by the used calculation method. It is shown that in the Flemish calculation some chemical components are assessed differently than in the Netherlands, hence the difference. Therefore, in this case the differences are not attributable to the measurement data. Hence, the results are therefore sufficient for reliable estimates of source contributions and the possible effect of policy measures.