3 min
Gerard Cats is modelbouwer en chief scientist van het aan de Utrechtse Maliebaan gevestigde milieumodelbouw- en rekenbureau Geetacs (Gis Enabled Environmental Theory and Compute Services). Zijn visie op modellen: pas op dat je een model niet verwart met een rekenmodel. Modellen helpen je in kaart te brengen wat je niet kunt meten.
Veel dingen die we eigenlijk uit metingen zouden willen weten zijn of kunnen niet worden gemeten. Dat geldt met name voor ontwikkelingen in de toekomst, die nodig zijn voor beleid. We moeten nu al nadenken over hoe Nederland om zal gaan met zeespiegelstijging in 2100, maar we kunnen nu nog niet meten in 2100. In zo’n situatie heb je een ‘model’ nodig.
Schaalmodel, rekenmodel
Een model kan een schaalmodel zijn, bijvoorbeeld voor golfslag rond de Deltawerken. Een ander voorbeeld is het gebruik van een windtunnel om de verspreiding van de ammoniakuitstoot uit een stal te onderzoeken. Meestal echter denkt men bij een model aan een rekenmodel: probeer bestaande metingen in formules te beschrijven; test die formules op een of meer nieuwe metingen; en als je tevreden bent, gebruik die formules om voorspellingen mee te doen.
Daarbij is het belangrijk dat je aangeeft hoeveel vertrouwen je in de uitkomsten hebt. Bij sommige toepassingen kun je heel nauwkeurige modellen maken (bijvoorbeeld om zonsverduisteringen te voorspellen), maar zelfs dan moet je de nauwkeurigheid aangeven. Vaak ken je de formules wel erg nauwkeurig, maar zijn ze veel te gecompliceerd om in de praktijk bruikbaar te zijn. Dan moet je de formules gaan vereenvoudigen. Dat maakt de uitkomsten minder nauwkeurig.
Invoergegevens belangrijk
Daarnaast heb je altijd invoergegevens nodig. Bij het stikstofdepositiemodel gaat het dan bijvoorbeeld om bronsterkte, schoorsteenhoogte, ozonconcentratie en landgebruik. Zelfs al zouden de formules nog zo goed bekend zijn, als je de invoer niet goed kent dan nog zijn je voorspellingen met het model niet erg nauwkeurig. Dat zie je sterk bij weermodellen. De formules zijn heel goed bekend, maar de invoergegevens niet. Daarbij speelt nog dat een kleine fout in de invoer volgens de formules na enige tijd onvermijdelijk leidt tot een grote fout in de weersverwachting. Een model met de eigenschap dat fouten in de invoer versterkt in de uitvoer, is niet ‘robuust’. Een weermodel is niet robuust als het gaat om de voorspelling van temperatuur na een week of zo, en na grofweg een uur bij de voorspelling van buien.
Berekening stikstofdepositie
Bij de modellering van stikstofdepositie is de bronsterkte een wezenlijke invoergrootheid. Omdat die vaak niet gemeten kan worden, wordt die op zijn beurt weer samengesteld met een model. Zo is er een model voor de uitstoot van wegverkeer; dat model was enige tijd geleden nogal in het nieuws (‘sjoemeldiesels’). Er is ook een model voor de uitstoot uit een koeienstal. Metingen aan stalsystemen hebben geleid tot kengetallen, samengevat in ‘emissiefactoren’ en ‘RAV-codes’. Helaas blijken die metingen veelal niet gedaan te zijn in realistische omstandigheden, zodat de kengetallen te gunstig zijn. De rechter heeft het gebruik van enkele van die kengetallen inmiddels verboden. Uiteraard is de depositie die je met het model berekent minstens net zo fout als de invoer die je hebt gebruikt.
Bij de ontwikkeling en bij het gebruik van een model moet je altijd het doel van het model goed voor ogen houden. Je mag een model nooit gebruiken buiten zijn toepassingsgebied. Een model dat ontwikkeld is voor de berekening van luchtvervuiling rondom snelwegen mag je niet zomaar gebruiken om depositie mee te berekenen.
AERIUS
AERIUS gebruikt voor de meeste toepassingen een model dat ontwikkeld is om de totale depositie over Nederland mee te voorspellen, maar later bleek dat model ook geschikt om er vergunningsverlening op te baseren. Bij vergunningsverlening gaat het om het verschil tussen na en voor het gebruik van de vergunning. Er worden twee berekeningen, één met en één zonder vergunning, van elkaar afgetrokken. Fouten die in beide berekeningen afzonderlijk zitten vallen dan tegen elkaar weg. Zo kan het gebeuren dat de onbekendheid met planteigenschappen weinig doorwerkt bij het beoordelen van de vergunning, hoewel die onbekendheid beide berekeningen afzonderlijk weinig betrouwbaar maakt.
Zowel bij het maken als bij het gebruik van een model is het belangrijk goed na te gaan hoe betrouwbaar de resultaten zijn en wat de nauwkeurigheid is. Als de betrouwbaarheid klein is kun je niets met de resultaten. Maar je kunt wel omgaan met beperkte nauwkeurigheid. Zo is de nauwkeurigheid van de verwachting van de zeespiegelstijging in 2100 niet groot: iets tussen 30 cm en 1 meter 20. Als je zeker wilt weten dat Nederland in 2100 niet onder water staat moet je uitgaan van 1 meter 20. Voor de zekerheid kies je dan de grens van de onnauwkeurigheid.
Kortom, voor beleid moet het model betrouwbaar zijn, maar met onnauwkeurigheid valt goed om te gaan, als je maar weet hoe groot die is.
Dit artikel afdrukken
Schaalmodel, rekenmodel
Een model kan een schaalmodel zijn, bijvoorbeeld voor golfslag rond de Deltawerken. Een ander voorbeeld is het gebruik van een windtunnel om de verspreiding van de ammoniakuitstoot uit een stal te onderzoeken. Meestal echter denkt men bij een model aan een rekenmodel: probeer bestaande metingen in formules te beschrijven; test die formules op een of meer nieuwe metingen; en als je tevreden bent, gebruik die formules om voorspellingen mee te doen.
Daarbij is het belangrijk dat je aangeeft hoeveel vertrouwen je in de uitkomsten hebt. Bij sommige toepassingen kun je heel nauwkeurige modellen maken (bijvoorbeeld om zonsverduisteringen te voorspellen), maar zelfs dan moet je de nauwkeurigheid aangeven. Vaak ken je de formules wel erg nauwkeurig, maar zijn ze veel te gecompliceerd om in de praktijk bruikbaar te zijn. Dan moet je de formules gaan vereenvoudigen. Dat maakt de uitkomsten minder nauwkeurig.
Invoergegevens belangrijk
Daarnaast heb je altijd invoergegevens nodig. Bij het stikstofdepositiemodel gaat het dan bijvoorbeeld om bronsterkte, schoorsteenhoogte, ozonconcentratie en landgebruik. Zelfs al zouden de formules nog zo goed bekend zijn, als je de invoer niet goed kent dan nog zijn je voorspellingen met het model niet erg nauwkeurig. Dat zie je sterk bij weermodellen. De formules zijn heel goed bekend, maar de invoergegevens niet. Daarbij speelt nog dat een kleine fout in de invoer volgens de formules na enige tijd onvermijdelijk leidt tot een grote fout in de weersverwachting. Een model met de eigenschap dat fouten in de invoer versterkt in de uitvoer, is niet ‘robuust’. Een weermodel is niet robuust als het gaat om de voorspelling van temperatuur na een week of zo, en na grofweg een uur bij de voorspelling van buien.
Berekening stikstofdepositie
Bij de modellering van stikstofdepositie is de bronsterkte een wezenlijke invoergrootheid. Omdat die vaak niet gemeten kan worden, wordt die op zijn beurt weer samengesteld met een model. Zo is er een model voor de uitstoot van wegverkeer; dat model was enige tijd geleden nogal in het nieuws (‘sjoemeldiesels’). Er is ook een model voor de uitstoot uit een koeienstal. Metingen aan stalsystemen hebben geleid tot kengetallen, samengevat in ‘emissiefactoren’ en ‘RAV-codes’. Helaas blijken die metingen veelal niet gedaan te zijn in realistische omstandigheden, zodat de kengetallen te gunstig zijn. De rechter heeft het gebruik van enkele van die kengetallen inmiddels verboden. Uiteraard is de depositie die je met het model berekent minstens net zo fout als de invoer die je hebt gebruikt.
Het AERIUS-model is wel robuust voor de bronsterkte, maar niet voor planteigenschappenGelukkig is het verspreidingsmodel dat in Nederland gebruikt wordt (AERIUS) tamelijk robuust voor fouten in de bronsterkte, zodat die fouten niet ook nog eens versterkt worden. De berekende depositie is daarentegen wel sterk afhankelijk van de beschrijving van de bodem en de vegetatie. Dus het model is wel robuust voor de bronsterkte, maar niet voor planteigenschappen.
Bij de ontwikkeling en bij het gebruik van een model moet je altijd het doel van het model goed voor ogen houden. Je mag een model nooit gebruiken buiten zijn toepassingsgebied. Een model dat ontwikkeld is voor de berekening van luchtvervuiling rondom snelwegen mag je niet zomaar gebruiken om depositie mee te berekenen.
AERIUS
AERIUS gebruikt voor de meeste toepassingen een model dat ontwikkeld is om de totale depositie over Nederland mee te voorspellen, maar later bleek dat model ook geschikt om er vergunningsverlening op te baseren. Bij vergunningsverlening gaat het om het verschil tussen na en voor het gebruik van de vergunning. Er worden twee berekeningen, één met en één zonder vergunning, van elkaar afgetrokken. Fouten die in beide berekeningen afzonderlijk zitten vallen dan tegen elkaar weg. Zo kan het gebeuren dat de onbekendheid met planteigenschappen weinig doorwerkt bij het beoordelen van de vergunning, hoewel die onbekendheid beide berekeningen afzonderlijk weinig betrouwbaar maakt.
Zowel bij het maken als bij het gebruik van een model is het belangrijk goed na te gaan hoe betrouwbaar de resultaten zijn en wat de nauwkeurigheid is. Als de betrouwbaarheid klein is kun je niets met de resultaten. Maar je kunt wel omgaan met beperkte nauwkeurigheid. Zo is de nauwkeurigheid van de verwachting van de zeespiegelstijging in 2100 niet groot: iets tussen 30 cm en 1 meter 20. Als je zeker wilt weten dat Nederland in 2100 niet onder water staat moet je uitgaan van 1 meter 20. Voor de zekerheid kies je dan de grens van de onnauwkeurigheid.
Kortom, voor beleid moet het model betrouwbaar zijn, maar met onnauwkeurigheid valt goed om te gaan, als je maar weet hoe groot die is.
In Wat is ...? gaan we met bekende en minder bekende mensen op zoek naar wat hen motiveert om te ontdekken of we elkaar van daaruit weer kunnen vinden. De introductie tot de modellenreeks vind je hier. Waarom we dit doen lees je in De ontdekking van de ander.
Nog 3
Je hebt 0 van de 3 kado-artikelen gelezen.
Op 31 oktober krijg je nieuwe kado-artikelen.
Op 31 oktober krijg je nieuwe kado-artikelen.
Als betalend lid lees je zoveel artikelen als je wilt, én je steunt Foodlog
Lees ook
_480_289_84_s_c1.jpg)
Gerard #46 , alleen kijken naar luchtmengsels.? Je krijgt alleen een luchtmengsel bij turbulentie. Zeg maar bij windkracht 6 of hoger. Je krijgt dan depositie over een groter gebied. Bij windkracht 5 of lager gedraagt ammoniak zich als een heteluchtballon. Bij een lage luchtvochtigheid en weinig reactie van ammoniak met water stijgt de ammoniak naar hogere luchtlagen. En bij een hoge luchtvochtigheid met veel reactie van ammoniak met water daalt de ammoniak naar de bodem.
Luchtvochtigheid speelt wel degelijk een rol bij depositie van ammoniak op korte dan wel lange afstand van de bron.
Ik ga even terug naar de reacties van #11. 'Selective quoting' ben ik wars van, aangezien de validatiestudies zelf beweren dat OPS ondermaats presteert. Advies aan iedereen: lezen die validatiestudies.
Dan dit: “OPS is ontworpen voor lange-termijn gemiddelde concentratie en depositie, overigens net als elk gaussisch pluimmodel. Je mag het dan ook niet anders gebruiken dan voor lange-termijn gemiddelden.” OPS functioneert schijnbaar beter op de lange dan op de korte termijn. Let wel, schijnbaar. Waarom? Ik citeer uit ons werk:
“RIVM agrees that OPS performs poorly for short-term forecasts. We agree. And they say OPS works better over long-term forecasts, such as monthly or annual forecasts. This may well be so, but it is not proved.
We showed how averaging can lead to spurious improvements. RIVM did not respond to our demonstration of how simple it is to generate spurious correlations by averaging noise, and how this averaging makes models look better, but only cosmetically. The RIVM has not shown that OPS can make independent long-term predictions. This we can discover only through the kind of independent planned experiments we suggest.”
Kortom: het is nooit (als in nooit) aangetoond dat OPS op de lange termijn goed presteert. OPS is nooit getest op de lange termijn. Het is een aanname dat het goed zou functioneren, via middeling cosmetisch geïllustreerd. Dat is in gewoon Nederlands valsspelen. Middeling is een bekende modeltruc die verdoezelt en niet verheldert.
Nogmaals: OPS heeft geen skill. Het kan een heel eenvoudig gemiddelden model niet verslaan. Dat hebben wij bewezen en niet zomaar aannemelijk gemaakt. We kunnen dus eindeloos blijven dimdammen over OPS, maar zolang OPS niet echt getest wordt met nieuwe en onafhankelijke meetdata, blijven deze en andere discussies nergens over gaan.
Dus blijft onze conclusie staan: OPS moet ogenblikkelijk geschrapt zolang het niet getest is op skill met onafhankelijke meetdata.
Piet Hoogland Chemische reacties? Kijk daarvoor naar EMEP. Van NOₓ ken ik alleen de belangrijkste uit mijn hoofd: NO + O₃ ↔ NO₂ + O₂ en alleen NO₂ draagt bij aan depositie.
Dat NOₓ als gas zwaarder dan lucht is, en NH₃ lichter, speelt geen enkele rol bij de verticale verspreiding. De gassen zijn goed gemengd. Je moet niet naar het gas afzonderlijk kijken, maar naar de soortelijke massa van het luchtmengsel. Omdat de concentraties van NOₓ en NH₃ erg laag zijn doen hun soortelijke massa's er niet toe. Ook niet als ze reageren met water.
NOx en ammoniak ondergaan onderweg een chemische omzetting? Welke chemische omzetting is dat dan?
Het atoomgewicht van ammoniak is lichter dan lucht en heeft de neiging om op te stijgen naar hogere luchtlagen.. NOx is echter zwaarder dan lucht en heeft de neiging om naar de bodem te dalen. NOx en ammoniak vertonen daarmee een verschillend gedrag.
Er is alleen depositie van ammoniak wanneer een ammoniak molecuul reageert met een watermolecuul, samen zijn ze zwaarder dan lucht. Luchtvochtigheid is dan essentieel voor de mate van depositie. Droge depositie, waarbij een ammoniakmolecuul niet met een watermolecuul gereageerd heeft, bestaat er dus niet. Zonder reactie met een watermolecuul stijgt ammoniak naar hogere luchtlagen. Geen idee of Aerius ook rekening houdt met luchtvochtigheid. Zie ook mijn reactie #32 .
Piet Hoogland AERIUS rekent de totale depositie, de som van ammoniak en NOₓ, uit. De NOₓ bijdrage van alle bronnen wordt met hetzelfde model als het ammoniakmodel (OPS) berekend, behalve de bijdrage van wegverkeeer. Voor wegverkeer wordt SRM2+ gebruikt, waarvan bekend is dat het de bijdrage van wegverkeer ernstig onderschat (ten opzichte van alle andere bronnen). Wel verspreidt OPS ammoniak anders dan NOₓ, doordat die twee stoffen onderweg verschillende chemische omzettingen ondergaaan. Ook de depositiesnelheden zullen wel verschillen. Deze verschillen leiden voor zover mij bekend niet tot systematische fouten, anders dus dan het gebruik van SRM2 voor wegverkeer.
Voor de goede orde voeg ik nog toe dat wegverkeer ook ammoniak uitstoot, dus niet alleen NOₓ. De ammoniakdepositie van wegverkeer wordt ook met SRM2+ berekend, en dus onderschat.