Technical ReportPDF Available

Abstract

Na publicatie van zijn eerste adviesrapport op 5 maart 2020 brengt het Adviescollege Meten en Berekenen Stikstof nu zijn eindrapport naar buiten. Taak van het adviescollege was om te beoordelen of de huidige meet- en rekensystematiek voor stikstofemissie en -depositie voldoende wetenschappelijke onderbouwing biedt voor het stikstofbeleid. In de eerste fase keek het adviescollege naar de algemene inrichting van de meet- en rekensystematiek. In de tweede fase werkte het adviescollege, waar nodig, de eerste bevindingen verder uit en besteedde daarnaast bijzondere aandacht aan NEMA (voor de bepaling van de landbouwemissies) en AERIUS Calculator als toetsingsinstrument bij vergunningverlening.
2
Meer meten,
robuuster
rekenen
Eindrapport van het
Adviescollege Meten
en Berekenen Stikstof
15 juni 2020
2
Inhoud
Samenvatting ........................................................................................................................................... 4
Hoofdstuk: 1 Inleiding ............................................................................................................................. 6
1.1 Aanleiding ................................................................................................................................ 6
1.2 Taak en werkwijze adviescollege............................................................................................. 6
1.3 Inhoudelijke focus Fase 2 ........................................................................................................ 6
1.4 Criterium van doelgeschiktheid............................................................................................... 7
1.5 Rectificatie ............................................................................................................................... 8
1.6 Leeswijzer ................................................................................................................................ 8
Hoofdstuk: 2 Conclusies .......................................................................................................................... 9
Hoofdstuk: 3 Bevindingen en verbetervoorstellen ............................................................................... 12
3.1 NEMA ..................................................................................................................................... 12
3.1.1 Landelijke emissieberekeningen met NEMA ................................................................. 12
3.1.2 Lokale emissieberekeningen met NEMA-INITIATOR ..................................................... 13
3.2 AERIUS ................................................................................................................................... 13
3.2.1 Evaluatie van criteria ..................................................................................................... 14
3.2.2 Verbeterde rekenbasis voor vergunningverlening ........................................................ 16
3.3 Verbetering meet- en rekenmethodiek ................................................................................ 17
3.3.1 Verbetering meetnetten ............................................................................................... 17
3.3.2 Modelverbetering .......................................................................................................... 18
3.3.3 Gebruik van satellietwaarnemingen ............................................................................. 19
3.3.4 Verbetering emissie-invoer voor modellen ................................................................... 22
3.4 Governance ........................................................................................................................... 24
3.5 Onderzoeksprogramma ......................................................................................................... 25
Annex 1: Afkortingenlijst ....................................................................................................................... 26
Annex 2: Opdrachtformulering ............................................................................................................. 28
Annex 3: Beschrijving NEMA-systematiek en kartering met INITIATOR ............................................... 29
3.1 NEMA-beschrijving ................................................................................................................ 29
3.2 Herkomst invoergegevens ..................................................................................................... 30
3.3 Metingen en schattingen achter bestaande ammoniakemissiefactoren ............................. 31
3.3.1 Stalemissies ................................................................................................................... 31
3.3.2 Mesttoediening -en beweidingemissies ........................................................................ 33
3.4 Evaluatie en aanbevelingen ................................................................................................... 33
3.4.1 Metingen in het kader van nationale emissierapportages ........................................... 33
3.4.2 Metingen in het kader van regionale en lokale emissieschattingen ............................. 34
3.5 Onzekerheidsschattingen ...................................................................................................... 34
3
Annex 4: Beschrijving AERIUS-systematiek en invoergegevens ............................................................ 36
4.1 Overzicht AERIUS-systematiek .............................................................................................. 36
4.1.1 Berekenen projectbijdragen aan stikstofdepositie door gebruikers ............................. 36
4.1.2 Tonen van huidige en verwachte toekomstige stikstofdepositie ................................. 36
4.1.3 Bijhouden depositieruimte ............................................................................................ 37
4.2 Technische werking AERIUS .................................................................................................. 37
4.2.1 Voorbewerking emissies ................................................................................................ 37
4.2.2 Resolutie gegevens over landgebruik en terreinruwheid ............................................. 37
4.2.3 Depositieberekening rondom wegen ............................................................................ 37
4.2.4 Meteorologische gegevens ........................................................................................... 38
4.3 Achtergronddepositie ............................................................................................................ 38
4.4 Precisie AERIUS-berekening .................................................................................................. 38
Annex 5: Verdieping meten en modelleren .......................................................................................... 39
5.1 Modelleerinstrumentarium stikstofconcentratie en -depositie ........................................... 39
5.1.1 Modeltypen ................................................................................................................... 39
5.1.2 Uitdagingen in het modelleren van reactief stikstof ..................................................... 40
5.1.3 Depositie en processtudies ........................................................................................... 41
5.1.4 Emissiemodellering ....................................................................................................... 41
5.1.5 Inzet van metingen voor modelverbetering .................................................................. 42
5.2 Gebruik van een modelensemble ......................................................................................... 44
5.3 Meetinstrumentarium stikstofconcentratie en -depositie ................................................... 44
5.4 Satellietmetingen .................................................................................................................. 46
Annex 6: Literatuurlijst .......................................................................................................................... 48
4
Samenvatting
Na publicatie van zijn eerste adviesrapport op 5 maart 2020 brengt het Adviescollege Meten en
Berekenen Stikstof nu zijn eindrapport naar buiten. Taak van het adviescollege was om te beoordelen
of de huidige meet- en rekensystematiek voor stikstofemissie en -depositie voldoende
wetenschappelijke onderbouwing biedt voor het stikstofbeleid. In de eerste fase keek het
adviescollege naar de algemene inrichting van de meet- en rekensystematiek. In de tweede fase
werkte het adviescollege, waar nodig, de eerste bevindingen verder uit en besteedde daarnaast
bijzondere aandacht aan NEMA (voor de bepaling van de landbouwemissies) en AERIUS Calculator
als toetsingsinstrument bij vergunningverlening.
Het adviescollege stelt vast dat het Nederlandse meet- en modelinstrumentarium voor de
doorrekening op nationale schaal van voldoende tot goede kwaliteit, en daarmee: doelgeschikt is.
Wel stelde het adviescollege al eerder vast dat verbeteringen aan het gehele systeem nodig zijn. In
dit eindrapport geeft het adviescollege aan dat het rekeninstrument AERIUS Calculator niet
doelgeschikt is. Daarvoor zijn twee redenen: 1. de onbalans tussen het detail dat het beleid vraagt
en de mate van wetenschappelijke onzekerheid in het berekenen van de depositie op een klein
oppervlak en 2. de ongelijke behandeling van verschillende sectoren door het gebruik van
verschillende modellen (SRM-2, OPS) bij de vergunningverlening. Daarbij komt nog dat er voor
wegen wel een afkapgrens van 5 km geldt, die voor bijvoorbeeld stallen niet bestaat.
Het adviescollege beveelt daarom aan de gelijkwaardigheid, transparantie en robuustheid van
AERIUS te vergroten door voor verkeer en landbouw hetzelfde model te gebruiken en een bron-
receptormatrix te hanteren die eenvoud, efficiëntie en transparantie garandeert. Verder beveelt het
adviescollege aan de depositie niet op een hexagoon, maar op een cluster van hexagonen, ingedeeld
naar habitattype, te berekenen. Hierbij is het wel van belang dat een afstandscriterium in acht wordt
genomen.
Naast deze verbeteringen die op korte termijn gerealiseerd kunnen worden, beveelt het adviescollege
aan de modellen te verbeteren. Modellen blijven nodig en de resultaten zullen gekenmerkt blijven
door een bepaalde mate van onzekerheid. Het adviescollege beveelt wel aan de onzekerheden waar
dat kan te reduceren. Dat kan door gebruik te maken van een modelensemble en door modellen
beter met metingen te valideren.
Uitbreiding van metingen is dus nodig. Het adviescollege beveelt daarom vooral de vernieuwing met
behulp van satellietmetingen aan. Satellietmetingen dragen bij aan het evalueren en valideren van
modellen. Verder kunnen zij ruimtelijke patronen in de concentratie van stikstofdioxide en ammoniak
in kaart brengen en is het mogelijk om ze te gebruiken voor emissieschattingen. De satellietmetingen
zijn aanvullend op grondmetingen. Wat die grondmetingen betreft, het landelijk meetnet is ruimtelijk
al goed gerepresenteerd in het geval van het MAN. Voor het terugdringen van modelonzekerheid
door uitbreiding van het meetnet doet het adviescollege verschillende concrete suggesties.
Het adviescollege stelt vast dat de Emissieregistratie een goed overzicht biedt van maatschappelijke
activiteiten die emissies veroorzaken. Er zijn wel verbeteringen mogelijk in het bepalen van de
emissiefactoren voor onder andere landbouw. Daarvoor zijn meer metingen nodig, ook in de praktijk.
Ook moeten meer variabelen als neerslag, temperatuur en grondtypen worden meegenomen en zijn
emissiefactoren nodig voor nieuwe staltypen en mestaanwendingstechnieken.
Het adviescollege constateert dat er verbeteringen mogelijk zijn in de governance van het meet- en
rekensysteem. Belangrijk is een duidelijke scheiding van verantwoordelijkheden tussen
opdrachtgever en opdrachtnemer. Eenduidige sturing, waarborging van wetenschappelijke
onafhankelijkheid en een systeem van kwaliteitsborging zijn belangrijke aspecten.
Het adviescollege constateert dat er een achterstand is in de wetenschappelijke vernieuwing van het
meet- en modelinstrumentarium. Aanbeveling is om een nationaal onderzoeksprogramma in te
richten waar alle relevante kennisinstellingen in vertegenwoordigd zijn en dat internationaal goed
ingebed is.
5
Het adviescollege stelt vast dat andere landen eenzelfde meet- en rekenmethodiek hanteren. Soms
doet Nederland meer (meting ammoniak in natuurgebieden), soms loopt het buitenland voorop
(meting salpeterzuur, PAN). Het beleid is wel verschillend. Zo hanteren België en Duitsland
vooralsnog een ruimere drempelwaarde voor vergunningverlening.
6
Hoofdstuk: 1 Inleiding
1.1 Aanleiding
Dit eindrapport is een vervolg op het eerste adviesrapport Niet uit de lucht gegrepen van het
Adviescollege Meten en Berekenen Stikstof. In dat eerste rapport dat op 5 maart jl. verscheen, is
uitgebreid beschreven wat de aanleiding tot de instelling van het adviescollege was (hoofdstuk 1) en
hoe het adviescollege de opdracht heeft geïnterpreteerd (hoofdstuk 2). Deze introductie tot het
eindrapport herhaalt deze informatie in beknopte vorm. Verder komt de wijze van voortzetting van
de werkzaamheden in deze tweede fase aan de orde.
De uitspraak van de Raad van State op 29 mei 2019 die de achtergrond van de werkzaamheden van
het adviescollege vormt, geeft aan dat de vergunningverlening voor activiteiten die stikstof uitstoten,
op basis van de PAS (Programmatische Aanpak Stikstof) in strijd is met de Habitatrichtlijn. Dit zorgde
voor grote maatschappelijke onrust bij de sectoren die economisch geraakt werden door deze
uitspraak. Met deze uitspraak kwam de spanning tussen ecologie en economie in ons dichtbevolkte
land weer nadrukkelijk op tafel.
Vooral de agrarische sector en de bouwsector protesteerden tegen het stopzetten van de
vergunningverlening. Organisaties uit de agrarische sector benadrukten de al langer aanwezige
vragen over de transparantie en deugdelijkheid van de meet- en berekeningssystematiek van
stikstofemissie en -depositie. De Tweede Kamer verzocht uiteindelijk de regering goed te laten kijken
naar de wetenschappelijke onderbouwing van de gebruikte methodes voor het bepalen van de
depositie die ten grondslag liggen aan de PAS.
1
Minister Schouten van LNV zegde op 1 november
aan de Tweede Kamer toe om een adviescollege in te stellen dat hiernaar gaat kijken.
2
1.2 Taak en werkwijze adviescollege
Het ingestelde Adviescollege Meten en Berekenen Stikstof bestaat uit experts op het gebied van
metingen en modellering van stikstofconcentraties en -deposities. Zijn taak is om te beoordelen of
de huidige meet- en rekensystematiek voor stikstofemissie en -depositie voldoende
wetenschappelijke onderbouwing biedt voor het stikstofbeleid, zoals de bepaling van de hoeveelheid
stikstof die op een Natura 2000-gebied neerkomt vanuit een stikstof emitterende bron. Het college
kijkt ook of het stikstofmeetnet uitbreiding behoeft, wat de rol van satellietmetingen kan zijn en of
er te leren valt van het buitenland. Zie voor de volledige omschrijving van de opdracht Annex 2.
In deze fase van zijn werkzaamheden heeft het adviescollege voor AERIUS en NEMA vragenlijsten
opgesteld en uitgezet bij de experts en belanghebbenden. Voor AERIUS zijn deze vragen beantwoord
door het RIVM, de ministeries van LNV en I&W en IPO/BIJ12. Experts van WUR, CBS, RIVM en LNV
beantwoordden de vragen over NEMA. Na conference calls van het adviescollege met de experts,
heeft het adviescollege in een fysieke bijeenkomst het totale meet- en rekensysteem tegen het licht
gehouden om tot de in dit rapport beschreven eindconclusies te komen met daarbij passend advies.
De klankbordgroep voor het adviescollege bestond uit vertegenwoordigers van Bouwend Nederland,
Groene11, Landbouw Collectief, Mobilisation for the Environment, Transport en Logistiek Nederland
en VNO-NCW en (na 8 mei) LTO-Nederland. De klankbordgroep kwam, in deze fase, bijeen op 4 mei
en op 4 juni. De klankbordgroep stond onder leiding van een onafhankelijk voorzitter, drs. P.B.L.A.
van Geel.
1.3 Inhoudelijke focus Fase 2
De eerste algemene beoordeling en vergelijking met het buitenland is in fase 1 afgerond met het
rapport Niet uit de lucht gegrepen. In vervolg op het eerste adviesrapport biedt dit tweede
1
Moties van de leden Lodders en Geurts en Geurts en Lodders (Kamerstuk 35 300 XIV, nrs. 20 en 22).
2
Kamerbrief Stand van zaken stikstofproblematiek (1 november 2019 en Kamerbrief Instelling en
samenstelling van het Adviescollege Meten en Berekenen Stikstof (2 december 2019).
7
adviesrapport een verdieping van de voorgaande adviezen en bevat het de uiteindelijke lijst met
aanbevelingen.
Naast deze verdieping werd er ook specifiek aandacht geschonken worden aan het AERIUS-systeem
en NEMA (National Emission Model for Agriculture). Het is mede te danken aan de inbreng van de
klankbordgroep dat er op een meer gedetailleerde manier is gekeken naar AERIUS. De leden van de
klankbordgroep maakten duidelijk dat er vooral over de toepassing en details in de uitkomsten van
AERIUS veel vragen leven bij de gebruikers.
Naast AERIUS werd er ook extra aandacht besteed aan NEMA als onderdeel van het
Emissieregistratiesysteem (ER). In Nederland wordt NEMA gebruikt om de emissies van ammoniak
en stikstofoxiden vanuit de landbouw te berekenen en via de ER worden deze gegevens gebruikt in
de modellering van stikstofconcentraties en -deposities (o.a. in de berekeningen van de GCN/GDN).
Mede door de gespecialiseerde werkwijze en de grote mate van detail binnen NEMA was hiervoor
extra aandacht geboden. Deze aandacht past ook bij de vragen vanuit de maatschappij over het
aandeel van de landbouw in de totale stikstofuitstoot.
1.4 Criterium van doelgeschiktheid
In zijn beoordeling van de meet- en rekensystematiek voor stikstofemissie en -depositie liet het
adviescollege zich leiden door de vraag of die doelgeschikt is voor het beleid. De doelen zijn de
beleidsdoelen, zoals het realiseren van een goede instandhouding van de Natura 2000-gebieden. De
mate van instandhouding wordt onder andere door de stikstofdepositie beïnvloed. Om te bepalen
wanneer er sprake is van ‘teveel stikstof’, wordt er gebruik gemaakt van een zogeheten Kritische
Depositiewaarde (KDW). De kans op effecten voor de natuur wordt groter naarmate de duur en mate
van overschrijding van de KDW toenemen. Om effectief beleid te voeren is het noodzakelijk om
nauwkeurig te kunnen bepalen hoeveel stikstof op Natura 2000-gebieden neerslaat.
In het licht van het beschreven beleidsdoel dient een meet- en modelinstrumentarium voor
stikstofemissie en -depositie een drietal doelen:
1. Het verschaffen van gemeten en gemodelleerde data over de emissies, de concentraties,
transport en chemische omzetting in de lucht en de depositie van reactieve
stikstofverbindingen en het kwantificeren van trends in de tijd daarin.
2. Het identificeren van de bronnen van de concentraties en depositie van stikstofverbindingen
en het schatten van de effecten van (toekomstige) veranderingen in emissies.
3. Het vergroten van het begrip van chemische en fysische processen in de atmosfeer die leiden
tot depositie van stikstofverbindingen op ecosystemen, ter bevordering van de ontwikkeling
van kosteneffectieve reductiestrategieën.
Het Nederlandse meet- en modelinstrumentarium zoals dat ingezet wordt voor de beleidsadvisering,
vergunningverlening en internationale rapportageverplichtingen bestaat uit drie onderdelen:
- Het Landelijk Meetnet Luchtkwaliteit (LML en COTAG) en het Meetnet Ammoniak
Natuurgebieden (MAN);
- De Emissieregistratie (ER), waarvan het onderdeel NEMA de landbouwemissies beschrijft;
- Het modelinstrumentarium (OPS, AERIUS), dat de emissies van activiteiten in binnen- en
buitenland aan de hand van fysisch-chemische rekenregels vertaalt in depositie op gevoelige
natuur.
Een belangrijk onderdeel van de uitvoering van het Nederlandse stikstofbeleid is het verlenen van
vergunningen aan activiteiten die stikstof uitstoten op een wijze die ook de natuurwaarden
beschermt. Bij het beoordelen van de aangevraagde vergunningen speelt het AERIUS-systeem een
belangrijke rol. Een uitgebreide beschrijving van het AERIUS-systeem is te vinden in Annex 4 van
dit rapport.
Het NEMA-systeem, heeft tot doel om de emissies van ammoniak en stikstofoxiden vanuit de
Nederlandse landbouw zo accuraat mogelijk in beeld te brengen voor de Emissieregistratie. Het dient
daarmee onder andere als invoer voor het OPS-model. Het NEMA-model wordt gedetailleerd
8
beschreven in Annex 3 van dit rapport. Zie voor de beschrijving van het gehele meet- en
rekeninstrumentarium het eerste rapport Niet uit de lucht gegrepen.
1.5 Rectificatie
Het RIVM maakte het adviescollege na publicatie van zijn eerste adviesrapport erop attent dat de
cijfers voor de onzekerheid van de emissietotalen voor ammoniak en stikstofoxide niet de actuele
cijfers waren. Graag corrigeert het adviescollege deze cijfers. Dit betekent dat in par. 3.7 van het
eerste adviesrapport de getallen 17% voor ammoniak en 15% voor stikstofoxiden gewijzigd moeten
worden in resp. 31% en 17% (emissiereeks 1990 2018).
1.6 Leeswijzer
Het tweede hoofdstuk van dit rapport bevat de eindconclusies van het adviescollege. De conclusies
vormen een nadere uitwerking van de conclusies in fase 1. Ze zijn uitgebreid met de bevindingen
van het adviescollege over NEMA en AERIUS. Vanwege de extra aandacht die het adviescollege in de
laatste fase van zijn werkzaamheden besteedde aan NEMA en AERIUS start hoofdstuk 3 met de
bevindingen en verbetervoorstellen voor deze twee systemen. Daarna volgt de verdieping van
eerdere conclusies over meten en berekenen (LML, MAN, gebruik satellietdata, modelverbeteringen
door gebruik van meer metingen en een modelensemble, de governance en een nieuw
onderzoeksprogramma). Waar passend wordt een vergelijking met het buitenland opgenomen.
De feitelijke beschrijving van de wijze waarop NEMA en AERIUS werken is te vinden in de Annexen
3 en 4. In Annex 5 wordt dieper ingegaan op de onderwerpen meten en modelleren als basis voor
de bevindingen en verbetervoorstellen in hoofdstuk 3. Toegevoegd zijn ook de Annexen met
gebruikte afkortingen (Annex 1), de opdrachtomschrijving (Annex 2) alsmede een referentielijst in
Annex 6.
9
Hoofdstuk: 2 Conclusies
Het adviescollege heeft eerder het Nederlandse meet- en modelinstrumentarium dat wordt gebruikt
voor de doorrekening van stikstofverbindingen op nationale schaal beoordeeld. Hierbij is gekeken
naar de Emissieregistratie, het OPS-model en de landelijke meetnetten (LML, MAN en COTAG). Ook
is gekeken naar de manier waarop in het buitenland wordt gemeten en wat de bijdrage van
satellietmetingen zou kunnen zijn. Zie voor de gedetailleerde omschrijving van deze onderdelen het
adviesrapport Niet uit de lucht gegrepen. De conclusies uit het eerste adviesrapport worden nu
uitgebreid met de conclusies die het adviescollege in de tweede fase van zijn werkzaamheden heeft
getrokken. In die tweede fase is in het bijzonder gekeken naar AERIUS en NEMA.
1. Algemeen oordeel: de meeste onderdelen zijn doelgeschikt
Het adviescollege heeft in zijn eerste rapport aangegeven dat het Nederlandse meet- en
rekensysteem voor stikstof vanuit wetenschappelijk oogpunt voldoende doelgeschikt is, hoewel
verbeteringen nodig zijn. In zijn eindconclusie kan het adviescollege dit niet voor alle onderdelen
herhalen. De beleidsvragen over bronbijdragen, depositieniveaus op Natura 2000-gebieden en
herkomst van de depositie kunnen met het huidige meet- en rekensysteem voldoende nauwkeurig
worden vastgesteld. Het is een systematiek die doet waarvoor zij in leven is geroepen en die een
internationale vergelijking goed kan doorstaan.
Het adviescollege constateert echter dat AERIUS, voor zover dat gebruikt wordt voor
vergunningverlening, in zijn huidige vorm, niet doelgeschikt is.
Het adviescollege beveelt aan om het vergunningenbeleid op een robuustere manier te
ondersteunen, zodat de kloof tussen wetenschappelijke onzekerheid en het beleidsmatig gewenste
detail kleiner wordt. Dit betekent dat er meer balans komt tussen de mate van onzekerheid van de
wetenschappelijke meet- en rekensystematiek in AERIUS enerzijds en de mate van detail die het
beleid vraagt anderzijds. Het adviescollege doet hiervoor twee aanbevelingen. Op korte termijn
aanpassen van het AERIUS-rekensysteem (Calculator) door een andere manier van berekenen te
gaan hanteren. En voor de langere termijn door de wetenschappelijke meet- en rekenmethodiek
structureel te verbeteren, zodat met de best beschikbare wetenschappelijke kennis de onzekerheid
zo klein mogelijk wordt gemaakt.
2. AERIUS: niet doelgeschikt voor vergunningverlening
In het oordeel over AERIUS-berekeningen voor vergunningverlening spelen twee overwegingen een
rol. In de eerste plaats is de betrouwbaarheid van de voorspelling door het hanteren van een zeer
lage beoordelingsdrempel onvoldoende en leidt deze aanpak tot schijnzekerheid. AERIUS Calculator
(hierna kortweg AERIUS) berekent op basis van emissies van een project kleine bijdragen aan
concentraties en depositie. De onzekerheid van die extra depositie op Natura 2000-gebieden is bij
de gehanteerde ruimtelijke schaal (hexagonen ter grootte van een hectare) vele malen hoger dan
de beoordelingsdrempel. De wetenschap kan hier niet bieden wat het beleid vraagt.
Een tweede overweging is dat het niet verdedigbaar is dat in AERIUS bij vergunningverlening voor
de aanleg van een weg een ander rekensysteem (SRM-2) wordt gehanteerd dan voor de aanleg van
een stal (OPS), waarbij ook de depositie van stikstofoxiden verder dan vijf km van de bron niet wordt
meegerekend.
Het adviescollege beveelt aan de gelijkwaardigheid, transparantie en robuustheid van AERIUS te
vergroten door voor de depositieberekening van emissies van verkeer hetzelfde model te gebruiken
als voor de depositieberekening van de andere sectoren, zoals landbouw en industrie. Dit wordt ook
bereikt door een bron-receptormatrix te gaan hanteren die een vereenvoudigde, efficiënte en
transparante berekeningswijze garandeert. Een bron-receptormatrix maakt geen verschil tussen de
bronnen. Een grotere mate van robuustheid wordt verder verkregen door de bijdragen aan de
depositie niet te evalueren op het niveau van individuele hexagonen, maar op dat van een cluster
van hexagonen met hetzelfde habitattype.
10
Het voorzorgsprincipe vraagt vooralsnog om een strikte grenswaarde bij vergunningverlening. Een
ambitieus bronbeleid met vastgelegde nationale doelstellingen heeft als voordeel dat de
grenswaarden bij de vergunningverlening verhoogd zouden kunnen worden zodat de onzekerheden
in de berekeningen voor de vergunningen minder kritisch worden en schijnzekerheid minder
prominent wordt.
3. Modellen: doelgeschikt, maar substantiële verbeteringen zijn mogelijk
Het adviescollege concludeert dat modellen gebruikt blijven worden voor beleidsonderbouwing en
evaluatie van beleid en dat deze niet vervangen kunnen worden door metingen alleen. Goede
evaluatie en validatie met metingen is daarbij cruciaal. Het Operationele Prioritaire Stoffenmodel
(OPS) is in Nederland de basis voor het berekenen van concentratie en depositie van
stikstofverbindingen. Het OPS-model is geschikt om de verspreiding op lokale schaal te modelleren.
Op regionale en nationale schaal neemt de invloed van andere processen toe en is de berekening
onzekerder. Het OPS-model onderbouwt verder de relatieve verdeling van de sectorbijdragen aan de
depositie op natuurgebieden voldoende. OPS laat een kleinere bijdrage zien van buitenlandse
emissies aan de Nederlandse deposities dan andere modellen. Samenvattend: Het OPS-model wordt
beoordeeld als voldoende, maar het modelinstrumentarium heeft wel een nieuwe impuls nodig.
Het adviescollege heeft een aantal adviezen om het modelinstrumentarium te verbeteren. De
belangrijkste zijn het gebruik van een modelensemble (de resultaten van meerdere modellen
combineren om de uitkomsten robuuster te maken) en een systematisch inspanning om de
tekortkomingen van de modellering te begrijpen en op te lossen aan de hand van moderne
rekentechnieken. De uitbreiding van de meetnetten en aanvullend gebruik van satellietmetingen
dragen daartoe bij.
4. Meetnetten: zijn minimaal en moeten uitgebreid worden
Het landelijk meetnet heeft een goede ruimtelijke representatie, met name van
ammoniakconcentraties in natuurgebieden door middel van het MAN. Voor een reductie van
modelonzekerheid zal het meetnet uitgebreid moeten worden met meer stations in
landbouwgebieden die gedetailleerder meten, met metingen van meer stikstofverbindingen
(salpeterzuur en de samenstelling van fijnstof), met metingen van de concentratie van stikstofoxiden
in natuurgebieden en van de droge depositie van stikstofverbindingen. Ook wordt het gebruik van
satellietgegevens als ondersteuning van de grondwaarnemingen geadviseerd.
5. Satellietmetingen: zijn een essentiële aanvullingen op grondwaarnemingen
Satellietmetingen van ammoniak en stikstofdioxiden zijn beschikbaar maar worden momenteel nog
niet gebruikt. Satellietgegevens kunnen naast grondwaarnemingen een bijdrage leveren aan de
wetenschappelijke onderbouwing van het beleid. Het adviescollege beveelt aan om deze metingen
te gebruiken bij het evalueren en verbeteren van het modelinstrumentarium. Daarnaast brengen
satellieten de ruimtelijke patronen en trends in de concentratie van stikstofdioxide en ammoniak op
regionale schaal in kaart en kunnen satellietmetingen worden gebruikt voor emissieschattingen. Ook
andere waarnemingen met satellieten kunnen gebruikt worden voor de bepaling van de hoeveelheid
fijnstof, karakteristieken van landgebruik en meteorologische gegevens.
6. Emissieregistratie: meer metingen van emissies nodig
Het adviescollege oordeelt dat de Emissieregistratie (ER) een goed overzicht geeft van de
maatschappelijke activiteiten die emissies veroorzaken. De emissies worden op landelijke en
regionale schaal met voldoende kwaliteit bepaald. De gevolgde methode voldoet aan internationale
eisen en wordt ook internationaal getoetst. Het adviescollege beveelt aan voor de verificatie van
emissies en emissiefactoren meer metingen in te zetten voor landbouw (zie hieronder), verkeer en
transport, zeescheepvaart, landgebruik en kleinere industriële emissies. Bij voertuigen betekent dat
bijvoorbeeld meer meten in de praktijk, letten op gedrag van verouderde voertuigen en kijken naar
weersafhankelijkheid van emissies.
11
Het landbouwdeel van de ER is het National Emission Model for Agriculture (NEMA). Het is een goede
benadering om op basis van de stikstofstromen de landelijke ammoniakemissie te bepalen. Het is
derhalve geschikt voor internationale rapportages over nationale jaarlijkse emissietotalen van
ammoniak. Echter, recente analyses van mestsamenstelling en ammoniakemissies uit het veld laten
zien dat er verbeteringen mogelijk zijn. Hoewel op lokale schaal het detailniveau hoog is, brengt deze
detaillering ook extra onzekerheid met zich mee. Er zijn verbeteringen mogelijk zoals een
gevoeligheidsanalyse voor fouten, het meenemen van variabelen als neerslag, temperatuur en
bodemtype, een uitbreiding naar nieuwe staltypen en mestaanwendingstechnieken. Waar het de
ruimtelijke toedeling naar de emissies per hectare betreft (via model INITIATOR), vraagt het
adviescollege aandacht voor de onzekerheden die daarmee gepaard gaan, omdat bij de verdeling
van de nationale en regionale emissies naar lokale schaal geen rekening wordt gehoude n met een
aantal ruimtelijk variabele parameters.
7. Governance: scheiding van verantwoordelijkheden nodig
Het adviescollege concludeerde eerder dat de governance van het meet en rekensysteem beter
kan. De nodige stappen worden inmiddels gezet, zoals de governance van de Emissieregistratie en
van de datastromen bij NEMA. Enkele uitgangspunten voor een goede governance zijn de
waarborging van de wetenschappelijke onafhankelijkheid en integriteit, een structuur voor de
kwaliteitsborging en een duidelijke scheiding van verantwoordelijkheden tussen opdrachtgever en
opdrachtnemer, waarbij de opdrachtgever zorgt voor een goed gecoördineerde aansturing en de
opdrachtnemer voor een transparante werkstructuur voor betrokken instellingen.
8. Onderzoeksprogramma: wetenschappelijke borging van de stikstofproblematiek
Het adviescollege concludeert dat er meer aan stikstofonderzoek gedaan moet worden en stelt voor
een nationaal onderzoeksprogramma in te richten, waarbij alle relevante wetenschappelijke kennis
in Nederland wordt ingezet en er een goede internationale inbedding is. Het gehele meet- en
modelleerinstrumentarium kan hierdoor een nieuwe impuls krijgen. Om te zorgen voor voldoende
maatschappelijk draagvlak beveelt het adviescollege aan bij de opzet en begeleiding van het
programma belanghebbende partijen uit de samenleving te betrekken.
9. Buitenland
In het buitenland vindt het meten en berekenen van stikstofemissies, -verspreiding en depositie en
van de kritische depositiewaarde (KDW) op een vergelijkbare manier plaats als in Nederland.
Nederland doet het wel beter als het gaat om het meten van ammoniak in natuurgebieden.
Daarentegen meet Nederland sommige stoffen niet, die bijvoorbeeld in Denemarken wel worden
gemeten (salpeterzuur, peroxyacetylnitraat (PAN)). Waar de meet- en rekenmethodiek sterke
gelijkenis vertoont, zijn er op het punt van beleid duidelijke verschillen. Zo gebruikt Denemarken
een eenvoudige afstandstabel voor de vergunningverlening en hanteren Duitsland en België
vooralsnog veel ruimere drempelwaarden voor vergunningverlening.
12
Hoofdstuk: 3 Bevindingen en verbetervoorstellen
In dit hoofdstuk worden de belangrijkste bevindingen en verbetervoorstellen nader toegelicht. Er is
voor gekozen als eerste te kijken naar NEMA en AERIUS, omdat deze onderdelen in de voorgaande
rapportage en beoordeling niet aan bod zijn gekomen. Daarna wordt dieper ingegaan op de modellen
en metingen, de Emissieregistratie, de governance en een nationaal onderzoeksprogramma.
3.1 NEMA
Het National Emission Model for Agriculture (NEMA) is een rekenmethodiek die een onderdeel vormt
van de Emissieregistratie. Met dit model worden onder andere de landbouwemissies van ammoniak
(NH3) en stikstofoxiden (NOx) berekend uit stallen en mestopslagen, bij beweiding en bij toediening
van dierlijke mest, kunstmest, compost en zuiveringsslib aan de bodem. Verder worden
ammoniakemissies door mestbewerking en uit gewasresten meegenomen. Het principe van de
methodiek is in de basis vergelijkbaar met de andere broncategorieën die in de emissieregistratie
worden gebruikt, namelijk het vermenigvuldigen van activiteitgegevens met emissiefactoren
3
die
informatie geven over de hoeveelheid uitstoot per activiteit.
3.1.1 Landelijke emissieberekeningen met NEMA
Met NEMA worden stikstofstromen in de landbouw berekend op basis van kwantitatieve informatie
over activiteiten die tot stikstoftoevoer leiden (de gebruikte activiteitgegevens). Dit betreft
dieraantallen die worden vermenigvuldigd met stikstofexcreties per dier en hoeveelheden
aangewende kunstmest, compost en zuiveringsslib die worden vermenigvuldigd met de
stikstofgehalten in de toegediende stoffen. De NH3-emissies uit verschillende bronnen worden
vervolgens berekend met emissiefactoren die voor dierlijke mest gerelateerd zijn aan het gehalte
totaal ammoniakaal stikstof: TAN). Dit sluit aan bij internationaal gebruikte methodieken voor NH3-
emissieberekeningen. Wijzigingen in het TAN-gehalte leiden dus tot andere emissies. Op
vergelijkbare wijze worden NOx-emissies berekend, maar daar is de NOx-emissiefactor gebaseerd op
totaal N. NEMA werkt met activiteiten en emissiefactoren per diersoort, staltype en/of
aanwendingstechniek die zoveel mogelijk gebaseerd zijn op metingen (Tier 2- of 3-methodiek). Wat
betreft diersoorten wordt uitgegaan van de diercategorieën in de Landbouwtelling
4
zoals
gerapporteerd door het CBS. Met het NEMA-model worden jaarlijks emissieberekeningen uitgevoerd
en op basis hiervan worden de landelijke emissies van NH3 en NOx uit de landbouw gerapporteerd
aan de Europese Commissie en aan de Europese Economische Commissie van de Verenigde Naties
(UNECE). Dit om te kunnen toetsen of Nederland voldoet aan respectievelijk de NEC-richtlijn
(nationale emissieplafonds) en het Gothenburg Protocol. Details van de NEMA-berekening en de
gebruikte data zijn gegeven in Annex 3.
Het adviescollege constateert dat:
a. NEMA een goede benadering is om op basis van de stikstofstromen en via TAN de landelijke
ammoniakemissie te bepalen.
b. De onzekerheid in emissie op landelijke schaal in beeld is gebracht op basis van een analyse van
de voortplanting van fouten in invoergegevens. Daarbij is de grondslag van de onzekerheid in de
invoergegevens veelal een expert judgment. Daarmee is de waarde van de gepresenteerde
onzekerheden beperkt.
Ook zijn er verbeteringen mogelijk op het gebied van de emissiefactoren, het adviescollege komt tot
een aantal aanbevelingen in hoofdstuk 3.3.4.
3
Een emissiefactor is de emissie per activiteitseenheid.
4
Beschrijving van de structuur van de Nederlandse agrarische sector (gegevens over bedrijven, veestapel,
gewassen en speciale onderwerpen). De gegevens worden gebruikt voor onderzoek en door de politiek
(nationaal en internationaal).
13
3.1.2 Lokale emissieberekeningen met NEMA-INITIATOR
Om regionale schattingen te maken van de NH3- (en NOx-)depositie met het OPS-model worden de
landelijke NEMA-emissieberekeningen ruimtelijk verdeeld. Voor de verdeling van stalemissies wordt
gebruik gemaakt van GIAB-plus, een database met informatie over de locatie, de dieraantallen (voor
de verschillende diercategorieën in de Landbouwtelling) en het staltype van elke stal in Nederland
De ruimtelijke verdeling van ammoniakemissies door toediening van mest, kunstmest en beweiding
wordt door het model INITIATOR per hectare berekend. Echter, in de ruimtelijke toedeling wordt
geen rekening gehouden met een aantal ruimtelijk variabele parameters die de emissiefractie voor
ammoniak mede bepalen, zoals bodemtype en klimaatgegevens. Details van de INITIATOR-
berekening en de gebruikte data zijn gegeven in Annex 3.
Het adviescollege constateert dat:
- De berekeningswijze van INITIATOR om ammoniakemissies ruimtelijk te verdelen conform
de internationaal gangbare praktijk is, waarbij de mate van detail in bronbeschrijving en de
activiteitendata zeer groot is. De mate van detail moet wel afgewogen worden tegen de
daarmee gegeven onzekerheid, waarvan een kwantificering ontbreekt. Die onzekerheid is
namelijk groot. Want ook al is de ruimtelijke informatiedichtheid hoog, het ontbreken van de
bedrijfsspecifieke en bodem-specifieke emissiefactoren (en het temporele verloop daarin)
kan tot gevolg hebben dat belangrijke variaties in regionale emissiepatronen nu niet
verdisconteerd worden.
- Het NEMA-INITIATOR-instrumentarium doelgeschikt is om op provinciale en gemeentelijke
schaal een beeld te geven van de emissies, maar dat de emissieberekeningen op de lokale
schaal grote onzekerheden kennen, die de nauwkeurigheid van de emissieschattingen
beperken.
5
- Er geen aandacht is voor de validatie van NEMA-INITIATOR in combinatie met OPS op
regionale schaal (bijv. met satellietmetingen), met name waar het gaat om ruimtelijke
patronen, terwijl dit essentieel is om er gevoel voor te krijgen of de ruimtelijke verdeling in
emissieberekeningen overeenkomt met de praktijk.
Het adviescollege komt verder tot de volgende aanbevelingen in het kader van verbeteringen en
validatie van het model (zie ook 3.3.4):
- Bij het bepalen van de emissies wordt geen rekening gehouden met de ruimtelijke en
tijdsvariatie als gevolg van temperatuur en neerslag, die met name bij mestaanwending en
beweiding een rol speelt. De NEMA-emissiefactoren hebben betrekking op een gemiddelde
situatie. Effecten van weersinvloeden zijn in principe uit bestaande meetgegevens te halen
Dit is van belang voor het model OPS dat op dag-basis of nog gedetailleerder rekent.
- Het effect van ruimtelijke differentiatie in bodemtype (met name het verschil in kalkrijke en
kalkloze gronden) wordt niet meegenomen. Het meenemen hiervan op basis van nieuw uit
te voeren metingen is van belang om het emissiepatroon op regionale en lokale schaal te
verbeteren.
- Emissies uit NEMA moeten met onafhankelijke metingen en methoden worden gevalideerd.
Een voorbeeld is validatie met satellietmetingen van de combinatie van NEMA-INITIATOR-
emissies met een model(ensemble), met name waar het gaat om concentratiepatronen in
ruimte en tijd. Tevens kunnen regionale toepassingen van NEMA gevalideerd worden aan de
hand van meetcampagnes met smart sensoren en verspreidingsberekeningen.
3.2 AERIUS
Het doel van AERIUS Calculator is om de omvang van stikstofdepositie op de gevoelige Natura 2000-
gebieden op uniforme wijze en zo nauwkeurig mogelijk in beeld te brengen. AERIUS wordt gebruikt
5
De resultaten van INITIATOR worden niet direct binnen een AERIUS berekening gebruikt, maar vormen de
input voor de GCN/GDN-kaarten. Daarmee zijn de resultaten van de emissieverspreiding input voor de
berekening van de achtergronddepositie. Deze wordt bij een vergunning aanvraag opgeteld bij de extra
depositie uit een AERIUS Calculator berekening en vergeleken met de depositieruimte per hexagoon.
14
in vergunningverlening en beleidsondersteuning. Zowel voor als na de uitspraak van de Raad van
State over de PAS op 29 mei 2019 dient AERIUS Calculator een voldoende representatieve en
betrouwbare berekening te kunnen maken van de (extra) bijdrage aan stikstofdepositie van een
project. Deze moet als input dienen voor de ecologische beoordeling in hoeverre een project binnen
de toegestane ruimte van het beleid blijft.
Het AERIUS-systeem heeft tot taak om voor het Nederlandse stikstofbeleid:
1. Op habitatniveau in Natura 2000-gebieden te bepalen wat de stikstofdepositie is van
(nieuwe) stikstof emitterende projecten en deze te vergelijken met de KDW door
middel van AERIUS Calculator;
2. in beeld te brengen wat de totale depositie is in Nederland door middel van AERIUS
Monitor;
3. in kaart te brengen wat de trend is van de stikstofdepositie en de beschikbare
depositieruimte door middel van AERIUS Register;
4. de bijdrage van verschillende broncategorieën aan de depositie op Natura 2000-
gebieden te bepalen door middel van AERIUS Register;
5. de effecten van maatregelen en scenario’s door te rekenen door middel van AERIUS
Scenario.
AERIUS Calculator is een geavanceerd systeem dat ruimtelijk tot op het detailniveau van een
hexagoon, ter grootte van een hectare, de depositie berekent die is veroorzaakt door de emissies
die de gebruiker/ vergunningaanvrager heeft ingevoerd. De kern van de verspreidingsberekeningen
binnen AERIUS Calculator bestaat uit het OPS-model en het Standaard Rekenmethode-2 (SRM2)
model (zie de omschrijving in Annex 4.5), dat voor verspreiding van verkeersemissies gebruikt wordt.
Voor deze modellen is gekozen omdat ze in beheer van de overheid waren en al binnen aanpalende
luchtkwaliteitsdossiers (bijv. de Europese luchtkwaliteitsrichtlijn) werden gebruikt.
In de berekenketen tussen emissie en depositie bestaat een aantal onzekerheden: in de
beleidstoepassing van AERIUS Calculator worden kleine verschillen in concentraties en depositie
berekend op basis van emissies van projecten. Daarbij wordt een zeer lage drempelwaarde gebruikt
om vast te stellen of een project significant bijdraagt aan de depositie. Dit is een dusdanig lage
waarde dat die meet-technisch niet aan te tonen is op enige afstand van een project. Dit levert
schijnnauwkeurigheid op, omdat er onvoldoende informatie is om op de gevraagde ruimtelijke schaal
de berekening met voldoende nauwkeurigheid uit te voeren. De onzekerheid in de berekening is veel
hoger dan de gestelde drempelwaarde. Voor een beleidstoepassing is deze praktijk desondanks
nodig, om te voorkomen dat veel kleine extra emissies bij elkaar opgeteld tot een grote stijging van
de depositie leiden. Een beoordelingsdrempel gebaseerd op de modelonzekerheden op lokale schaal
is voor beleidstoepassingen niet werkbaar. Het is uiteindelijk aan de eigenaar van het systeem of de
mate van onzekerheid vanuit beleidsperspectief opweegt tegen bijvoorbeeld het voorzorgsprincipe.
Dat kan een reden zijn om het systeem met bijbehorende onzekerheden alsnog voor
beleidstoepassingen in te zetten.
Om toch aan de wens te voldoen dat er een beleidsinstrument voorhanden is, heeft het adviescollege
het AERIUS-systeem gewogen aan de hand van de volgende criteria:
- Is er een risico dat door toepassing van AERIUS de stikstofdepositie op bepaalde Natura
2000-gebieden toeneemt, waardoor de instandhoudingsdoelen in gevaar komen?
- Is er een vergelijkbare berekenwijze in de toepassing van AERIUS voor verschillende
gebruikers?
- Is de uitkomst van de berekening voldoende robuust om een toets te kunnen doen?
3.2.1 Evaluatie van criteria
Voorkomen toename stikstofdepositie
Het adviescollege concludeert dat het gebruik van een beoordelingsdrempel van 0,005 mol/ha per
jaar in een AERIUS-berekening suggereert dat alle bronnen die leiden tot die depositie goed in kaart
15
zijn gebracht. Hiermee is de kans op een onverhoopte toename van de stikstofdepositie beperkt. Op
dit aspect beoordeelt het adviescollege daarom dat de toepassing van de AERIUS-systematiek geen
risico heeft op toename van de stikstofdepositie.
Vergelijkbaarheid berekenwijze
Binnen AERIUS vindt een OPS-modelberekening plaats, waarbij het effect op de stikstofdepositie op
stikstofgevoelige Natura 2000-gebieden van een specifieke bron wordt doorgerekend. Dit geldt voor
alle broncategorieën, behalve voor verkeersemissies, waarvoor binnen AERIUS het SRM-2-model
wordt gebruikt. De reden hiervoor is dat SRM-2 de concentraties (en daarmee de luchtkwaliteit)
rondom wegen goed in kaart kan brengen. In de huidige opzet van het systeem wordt deze
concentratiebijdrage tot op 5 km afstand van wegen berekend. Door menging met schonere lucht
worden concentraties snel lager met de afstand van de bron. Wat betreft de rol van depositie: op
20 km van de bron is grofweg slechts 30% van de uitgestoten ammoniak neergeslagen. Voor
stikstofoxiden is dit zo’n 10%. Op een afstand van 250 kilometer is zo’n 80% van de ammoniak
gedeponeerd en zo’n 40% van de stikstofoxiden (zie figuur 1). Met deze gegevens in het achterhoofd,
is een afkap op 5 km voor verkeersemissies niet verdedigbaar, omdat het grootste gedeelte van de
NH3- en NOx-depositie op grotere afstanden plaatsvindt.
De SRM-2-methode voor verkeer verschilt daarmee van de doorrekening van andere
broncategorieën, die met het OPS-model worden berekend tot op grotere afstanden. Hierdoor
ontstaat er een niet-verdedigbaar verschil in de beoordeling van verkeersactiviteiten tegenover
andere bronnen.
6
Op basis van deze ongelijke behandeling van broncategorieën beoordeelt het adviescollege het
gebruik van SRM-2 binnen AERIUS als niet doelgeschikt, omdat het leidt tot verschil in beoordeling
van sectoren.
Figuur 1: De hoeveelheid depositie uitgedrukt als percentage van de hoeveelheid emissie van NH3 en NOx, als
functie van de afstand tot de emissiebron (Bron: RIVM).
Robuustheid resultaten AERIUS-berekening
De mate van detail in AERIUS-berekeningen is volgens het adviescollege niet in balans met de grote
onzekerheden die het gevolg zijn van onze beperkte kennis van de fysisch-chemische processen die
alleen sterk versimpeld kunnen worden meegenomen. Processen als uitstoot, verspreiding en
depositie zijn bij de modellering altijd een versimpeling van de werkelijkheid. Als voorbeeld rekent
AERIUS de verdunning en depositie tussen de bron en het ontvangende hexagoon uit afhankelijk van
6
Dit onderscheid tussen het gebruik van OPS voor de meeste broncategorieën en SRM-2 voor verkeersemissies
speelt alleen een rol bij de vergunningverlening binnen AERIUS, niet bij het produceren van de GCN-/GDN-
kaarten.
16
een beperkte steekproef van het tussenliggende landgebruik, hetgeen veel detail impliceert.
Daarentegen is de onzekerheid in de depositieberekeningen zelf zeer groot. Verder wordt er gerekend
met een beperkt aantal landgebruiksklassen, hetgeen de werkelijkheid niet kan benaderen. Deze
manier van berekenen levert daardoor een schijnzekerheid op. Hier lopen wetenschap en beleid te
sterk door elkaar: omdat het technisch gezien mogelijk is in groot detail te rekenen, wordt dit in het
beleidsinstrument toegepast zonder een goede afweging of de berekening de werkelijkheid weergeeft
en het bijdraagt aan de totale kwaliteit van de berekening. Daarnaast komt een dergelijke methode
de transparantie van het AERIUS-systeem niet ten goede, wat leidt tot veel vragen bij de gebruikers.
Het adviescollege beoordeelt dat de huidige rekenmethodiek die wordt toegepast binnen AERIUS
leidt tot schijnzekerheid en onvoldoende robuust is.
Conclusie doelgeschiktheid AERIUS
Het adviescollege concludeert samenvattend dat de huidige rekenmethodiek die wordt toegepast
binnen AERIUS op dit moment niet doelgeschikt is. De mate van detaillering in de berekening van
de depositie is niet in balans met de onzekerheid van de verschillende factoren die de depositie
bepalen en er is ongelijkheid in de beoordeling van verkeersbijdrage ten opzichte van andere
bronnen.
3.2.2 Verbeterde rekenbasis voor vergunningverlening
Het college realiseert zich terdege dat het beleid een instrument nodig heeft voor de
vergunningverlening en beleidsonderbouwing. Het AERIUS-systeem (bron-receptorcalculator,
register en monitoring) is daar in principe voor geschikt, mits de door het adviescollege
geconstateerde tekortkomingen in het rekenhart van het huidige systeem worden verbeterd. Het
adviescollege komt met enkele aanbevelingen om de gelijkwaardigheid, transparantie, robuustheid
en daarmee dus de doelgeschiktheid van AERIUS-berekeningen te verbeteren. In de kern gaat het
erom om de mate van detail in de berekening meer in overeenstemming te brengen met de algehele
stand van de wetenschap en er meer gelijkheid in te brengen voor alle gebruikers. Het
voorzorgsbeginsel van het instrumentarium kan gerespecteerd blijven door de uitkomsten te
koppelen aan de mate van overschrijding van de depositie.
Getrapte detaillering in het rekensysteem
Het adviescollege is niet in staat om een uitspraak te doen over het aantal cijfers achter de komma
waarmee de depositieberekening wetenschappelijk nog verantwoord is. Dat vereist uitgebreider
onderzoek naar de onzekerheden in de AERIUS-berekeningen. Het college adviseert vanuit het
voorzorgsbeginsel om de toepassing van AERIUS in de beoordeling te koppelen aan het generieke
stikstofbeleid dat als doel heeft om tot depositieverlaging te komen. Een grote verlaging van depositie
door generiek beleid beschermt immers de natuur en verkleint de behoefte om de extra depositie,
veroorzaakt door nieuwe projecten, met grote nauwkeurigheid in kaart te brengen. In de context
van de uitspraak van de Raad van State is het advies om nu de grens van 0,005 mol/ha per jaar te
blijven hanteren en die grens te verhogen afhankelijk van de mate van reductie van de overschrijding
van de kritische depositiewaarde (KDW) als gevolg van (gezekerd) generiek beleid. Als bijvoorbeeld
de overschrijding van de KDW in een Natura 2000-gebied gehalveerd wordt door generiek beleid,
dan kan de grens van 0,005 mol/ha per jaar verruimd worden naar een hogere waarde en kan
daarmee een project eerder vergund worden.
Hieronder worden drie punten gepresenteerd die op korte termijn helpen bij een gelijkwaardigere,
transparantere en robuustere opzet van het rekenhart binnen het AERIUS-systeem, om daarmee het
systeem meer doelgeschikt te maken.
Aggregatie naar habitattype (incl. afstandscriteria)
Het adviescollege beveelt aan om de mate van detail in de evaluatie van depositie op natuurgebieden
te verlagen om daarmee de robuustheid van depositieberekeningen te vergroten. Dit kan worden
gerealiseerd door bij het berekenen van de depositie ruimtelijk te aggregeren door binnen een Natura
2000-gebied het gemiddelde te nemen van alle hexagonen per habitattype, in plaats van een
17
gedetailleerde evaluatie te doen per hexagoon op de hectareschaal. De bovenstaande getrapte
detaillering zal dan van toepassing zijn op deze nieuwe schaal. Daarbij moet in de toepassing van de
aggregatie een afstandscriterium worden gehanteerd voor de grotere Natura 2000-gebieden, omdat
daar de stikstofdepositie grotere ruimtelijke variatie kent.
Bron-receptormatrix
Het adviescollege beveelt aan om de verspreidingsberekeningen in AERIUS in het vervolg uit te
voeren met behulp van bron-receptormatrices (BRM’s). Een BRM geeft een relatie weer tussen de
receptor (in dit geval depositie op een natuurgebied) en de bron (emissie van reactieve
stikstofverbindingen). Daardoor kan op een efficiënte en generieke manier het effect van een
bepaalde bron op de depositie in een bepaald gebied inzichtelijk worden gemaakt. De BRM is per
type bron hetzelfde en kan per component en bronhoogteklasse worden vastgesteld. Deze methode
leidt tot een vereenvoudiging van de rekenmethodiek binnen het AERIUS-systeem en zorgt voor een
gelijke beoordeling van verschillende broncategorieën.
Een BRM kan worden bepaald op basis van berekeningen uit een luchtkwaliteitsmodel (bijv. OPS,
EMEP en LOTOS-EUROS, of een combinatie daarvan). De bron wordt op een vergelijkbare manier als
nu ingevoerd. De receptor is een cluster van hexagonen per habitattype, zoals hierboven
gedefinieerd. Hier adviseert het adviescollege ook dat allerlei gedetailleerde elementen (bijv. het
effect van geluidschermen langs wegen of meer detail anders dan het gemiddelde landgebruik tussen
bron en receptor) niet meer worden meegenomen bij iedere afzonderlijke berekening maar verwerkt
zijn in de BRM. Deze BRM’s worden in eerste instantie berekend met OPS met langjarig gemiddelde
meteorologische gegevens. In overeenstemming met de eerdere aanbevelingen adviseert het
adviescollege ten sterkste de BRM op langere termijn door een gevalideerd ensemble van modellen
te berekenen, waarin zowel grond-, als satellietmetingen worden meegenomen. Dit leidt tot een
stapsgewijze reductie van de onzekerheden in de verspreidingsberekeningen.
SRM-2/ OPS (5 KM)
Het adviescollege adviseert om de berekening van NOx- en NH3-concentraties ten gevolge van
verkeersemissies met SRM-2 te laten vallen en te vervangen door gebruik te maken van een op OPS
gebaseerde bron-receptormatrix. Hierdoor vervalt impliciet ook de afkappingsafstand van 5 km voor
verkeersemissies.
Conclusie vergunningverlening middels AERIUS
Samengevat zal de gecombineerde implementatie van deze drie aanbevelingen (gebruik BRM’s,
afschaffen afstandscriterium, aggregatie habitattypen) leiden tot vereenvoudiging en minder
gedetailleerde berekeningen. Het adviescollege concludeert dat het AERIUS-systeem daardoor op
korte termijn eerlijker, transparanter, robuuster en daarmee doelgeschikter wordt. Om het systeem
robuuster te maken, zijn verdere verbeteringen in de meet- en modelstrategie nodig, onder andere
door te gaan werken met een modelensemble. De volgende paragraaf biedt daarover uitgebreidere
informatie.
3.3 Verbetering meet- en rekenmethodiek
3.3.1 Verbetering meetnetten
In vervolg op het eerste adviesrapport, beveelt het adviescollege aan de netwerken voor metingen
van concentraties en depositie van reactieve stikstofverbindingen uit te breiden en deze uitbreiding
te koppelen aan de vernieuwde meet- en modelleerstrategie. Afhankelijk van de meetstrategie
beveelt het adviescollege aan dat het bestaande netwerk uitgebreid of geïntensiveerd zou moeten
worden door een getrapte strategie toe te passen, waarin:
- op meerdere plekken simultaan en met hoge tijdsresolutie een compleet beeld gegenereerd
wordt van concentraties en depositie;
- op een groter aantal punten low-cost-technieken toegepast worden met een lagere
tijdsresolutie (bijv. in het MAN-netwerk).
18
Het adviescollege beveelt in ieder geval de volgende uitbreidingen aan, met de opmerking daarbij
dat met een gedegen meetstrategie tot een andere constellatie gekomen kan worden:
- Het Landelijk Meetnet Luchtkwaliteit (LML) uitbreiden met:
a. Uurlijkse ammoniakmetingen (met de mini-DOAS-meetmethode) zodat op minimaal
acht meetpunten met verschillende emissieniveaus (hoge en lage emissie en een
middenklasse) gemeten wordt;
b. Verbetering en uitbreiding van de metingen van de chemische samenstelling van
fijnstof op de acht meetpunten waar ammoniak gemeten wordt;
c. Vier meetpunten, verdeeld over Nederland, waar met hoge tijdsresolutie de
concentraties van andere stikstofcomponenten (zoals salpeterzuur, salpeterigzuur,
peroxyacetylnitraat (PAN) en amines) gemeten worden;
- De netwerken met grondmetingen aanvullen met satellietmetingen van ammoniak en
stikstofdioxide, en het structureel gebruiken van deze metingen (zie hoofdstuk 3.3.3);
- Uitbreiding van de depositiemetingen, ten behoeve van de monitoring van stikstofdepositie
en het onderzoek naar (de parameterisatie van) het depositieproces. Dit geldt voor
ammoniak en stikstofoxiden, maar ook voor andere stikstofcomponenten (bijv.
salpeterzuur). Specifieke aandacht is ook nodig voor de meting van de depositie van
aerosolen (ammoniumnitraat en -sulfaat).
Daarnaast is de formulering van een meetstrategie nodig die in kaart brengt waar welke stoffen en
depositie gemeten moeten worden, om het modelensemble voor de berekening van de depositie te
kunnen valideren. Dit biedt ook de mogelijkheid om vast te stellen met welke nauwkeurigheid de
trends in de depositie op Natura 2000-gebieden te volgen zijn.
3.3.2 Modelverbetering
Het adviescollege beveelt in het algemeen aan de onzekerheid die het gebruik van het OPS-model
met zich meebrengt te verminderen. In de eerste plaats kan dit door gebruik te maken van
rastermodellen die rekenen op basis van uurlijkse meteorologische gegevens. Met dat type modellen
kunnen de complexe interacties tussen weer, atmosferische chemie en depositie, die essentieel zijn
voor een juiste berekening van de stikstofdepositie, goed meegenomen worden. In het Verenigd
Koninkrijk is deze ontwikkeling ook ingezet waarbij meerdere modellen (OPS-achtig, rastermodel)
worden ingezet en vergeleken voor de berekening van de achtergronddepositie.
In de tweede plaats kan het modelinstrumentarium verbeterd worden door, zoals hiervoor benoemd,
gebruik te maken van een ensemble van meerdere modellen, omdat is aangetoond dat de
onzekerheid in modeluitkomsten kan worden gereduceerd door de uitkomsten van meerdere
modellen te combineren. Een goed voorbeeld van een dergelijke modelaanpak is het door de
Europese Unie opgezette Copernicus Atmospheric Monitoring System (CAMS), waarmee de
luchtkwaliteit berekend wordt aan de hand van verschillende modellen (o.a. LOTOS-EUROS en
EMEP).
7
Ook in de weersvoorspelling is het gebruik de verwachtingen te baseren op een ensemble
van modellen tegenwoordig gemeengoed.
In de derde plaats wordt ter verbetering van de modeluitkomsten aanbevolen om meer gebruik te
maken van assimilatie- en optimalisatietechnieken. Hierbij worden door middel van wiskundige
technieken modellen en metingen gecombineerd om tot een optimale schattingen te komen van
emissies, concentraties en depositie (assimilatie). Dergelijke technieken kunnen ook helpen bij het
identificeren van onzekere modelparameters zoals depositieparameters en de emissies
(optimalisatie) en geven de mogelijkheid om zowel grondmetingen als satellietwaarnemingen tegelijk
mee te nemen.
In de vierde plaats kunnen modellen verbeterd worden door de parameterisaties die gebruikt worden
van emissie, verspreiding en depositieprocessen te verbeteren aan de hand van metingen uit het
7
https://atmosphere.copernicus.eu
19
uitgebreide meetnet, zoals hierboven voorgesteld. Door de aanbevolen uitbreiding van de metingen,
inclusief satellietmetingen (zie hoofdstuk 3.3.3) komt hiervoor meer informatie beschikbaar. Er is
echter ook gericht procesonderzoek noodzakelijk om deze verbetering te realiseren (zie hoofdstuk
3.5).
De modelevaluatie en -verbetering is een continu proces, dat kan worden gestimuleerd door binnen
Nederland in een multidisciplinair verband samen te werken met alle kennisinstellingen op dit dossier,
ingebed in de (inter)nationale wetenschappelijke gemeenschap.
3.3.3 Gebruik van satellietwaarnemingen
Het adviescollege beveelt aan om de netwerken met grondmetingen aan te vullen met
satellietmetingen van ammoniak en stikstofdioxide, en structureel gebruik te maken van deze
metingen. Satellietwaarnemingen zouden meer geïntegreerd moeten worden in het instrumentarium
voor beleidsonderbouwing en ingezet moeten worden om de onzekerheden in de modellen te
bestuderen en emissies af te schatten en te kwantificeren.
De twee belangrijke componenten van stikstof, NO2 en NH3, worden beide waargenomen vanuit de
ruimte. Satellieten geven dagelijkse informatie voor heel Nederland met een ruimtelijke resolutie
van ongeveer 5 km tot 10 km (zie figuur 2). De komende decennia zijn deze metingen gegarandeerd
en de gegevens zijn alle kosteloos en zonder beperkingen toegankelijk.
8
Momenteel worden deze
metingen echter niet gebruikt voor Nederlandse beleidstoepassingen.
8
https://www.copernicus.eu/nl
20
21
(Figuur 2: TROPOMI NO2-jaargemiddelde; CrIS NH3-meerjaarsgemiddelde boven West-Europa). Bron: TROPOMI
NO2 (KNMI, ESA) en CrIS NH3 (TNO, Environment and Climate Change Canada)
22
De optimale manier om satellietgegevens te benutten is om deze metingen te combineren met
rastermodellen (zoals EMEP of LOTOS-EUROS) die op uurlijkse basis de horizontale en verticale
verdeling van reactief stikstof modelleren, en die daarbij gebruik maken van nauwkeurige actuele
meteorologische informatie (wind, temperatuur, vocht, etc.). Het combineren van zowel de grond-
en satellietmetingen met de modelresultaten (assimilatie) leidt tot een zo optimaal mogelijke
beschrijving van de NO2- en NH3-concentraties en pluimen in de atmosfeer, om zo een verbeterde
berekening van de stikstofdepositie te kunnen doen. Ook neemt een dergelijk systeem direct de
onzekerheden mee die in alle processen en metingen een rol spelen. Met standaard OPS is een direct
gebruik van satellietmetingen niet goed mogelijk, omdat dit model jaargemiddelde
grondconcentraties modelleert op basis van representatieve meteorologische gegevens. Modellen
zoals LOTOS-EUROS en EMEP zijn hiervoor wel geschikt. Met behulp van satellietwaarnemingen is
de kennis over het transport van stikstof over de landsgrenzen heen te verbeteren.
Satellietwaarnemingen leveren hierin een unieke bijdrage. Verder is het mogelijk om op basis van
satellietwaarnemingen de ruimtelijke verdeling van emissies en de veranderingen van die emissies
in de tijd te kwantificeren, als onafhankelijke toets van de Emissieregistratie.
Tot slot zijn er veel satellietwaarnemingen die op onderdelen informatie leveren die kan bijdragen
aan verbetering van de modellering van stikstofdepositie. Het gaat bijvoorbeeld om meteorologische
gegevens en relevante parameters voor landgebruik, vegetatie en ruwheid.
3.3.4 Verbetering emissie-invoer voor modellen
Het adviescollege beveelt aan om de modelinvoer te versterken door parameterisaties
(emissiefactoren en ruimtelijke verdeling) te verbeteren gebaseerd op aanvullende emissiemetingen
in praktijksituaties.
Emissiefactoren landbouw
De landbouwsector is een van de belangrijkste bronnen van NH3-emissies en emitteert daarnaast
ook in mindere mate NOx. Dit onderstreept het belang van correcte emissieschattingen.
Bij het schatten van stalemissies, beweidingsemissies en bemestingsemissies wordt gebruik gemaakt
van emissiefactoren voor NH3. Deze worden geacht representatief te zijn voor de verschillende
stalsystemen en aanwendingstechnieken. In principe zijn stalemissies gebaseerd op metingen
(hoewel vaak van 25 tot 15 jaar geleden) waarbij emissiefactoren zijn genormaliseerd naar een
gemiddelde waarde voor factoren die de emissie beïnvloeden, met name melkureum,
buitentemperatuur en met mest besmeurd loopoppervlak van het dier (met name melkvee). Voor
beweiding- en bemesting zijn ook alle emissiefactoren gebaseerd op metingen, waarbij geen
onderscheid is gemaakt in grondsoort.
Het adviescollege komt daarom tot de volgende aanbevelingen (zie ook Annex 2.3.2 voor details):
a. NEMA berekent thans een jaarlijkse emissie zonder informatie over de temporele variatie en
variatie binnen het jaar als gevolg van meteorologische verschillen. Voor de modellering van
depositie is die noodzakelijk en daarvoor worden nu veelal eenvoudige benaderingen gebruikt.
Die informatie zou te verbeteren zijn op basis van de bestaande meetgegevens, aangezien
metingen aan die emissies veelal over langere perioden plaatsvinden. Hieruit zouden effecten
van weersinvloeden te halen moeten zijn.
b. De NEMA-emissiefactoren voor stalsystemen zijn gebaseerd op emissiemetingen van 20 tot 15
jaar geleden. Verbetering ervan kan door concentratiemetingen bij stalsystemen in de praktijk
uit te voeren. Daarnaast is aanvullend onderzoek nodig naar gasvormige stikstofverliezen uit
emissiearme stallen, gelijktijdig met berekeningen van de gasvormige stikstofverliezen volgens
een de massabalansmethode.
c. Het is van belang om emissiemetingen te verrichten aan (i) nieuwe toedieningstechnieken zoals
het met water verdunnen van mest die met een zodenbemester wordt toegediend en (ii) nieuwe
mestproducten door mestbewerking en mestverwerking zoals digestaat uit mestvergisting en
mineralenconcentraten.
23
d. De NEMA-emissiefactoren kunnen worden verbeterd voor regionale en lokale toepassingen door
factoren mee te nemen waarover regionaal informatie bekend is, zoals temperatuur en
grondsoort, om zo tot een betere regionale spreiding van emissies te komen. Dit vereist nieuwe
metingen.
e. Door een combinatie van smart sensoring en verspreidingsmodellering zal gezocht moeten
worden naar methoden die de stikstofstromen en de verliezen voor het hele bedrijfssysteem
kunnen vaststellen om zo de integrale verliezen van NEMA te kunnen valideren.
f. De emissies van NOx uit landbouwbodems worden enkel door middel van de Tier 1-methode
meegenomen en zijn erg onzeker. Een op metingen gebaseerde Tier 2-methode wordt
aanbevolen.
g. De informatie voor stalemissies is met name te vinden in rapporten, die deels niet up to date
zijn. Er is een beperkt aantal wetenschappelijke publicaties beschikbaar. Het is daarom van
belang om hier meer aandacht aan te besteden in het kader van internationale afstemming en
toetsing.
Emissiefactoren voertuigen en kleine industriële bronnen
Ervaring in het verleden heeft geleerd dat de NOx-emissies van nieuwe voertuigen vaak rooskleuriger
ingeschat werden dan later in de praktijk bleek. Het is dus noodzakelijk de uitstoot van voertuigen
te monitoren. Door praktijkmetingen en het vaststellen van daarop gebaseerde emissiefactoren
kunnen mee- en tegenvallers vroegtijdig worden gesignaleerd. Een betrouwbare set van
emissiefactoren voor voertuigtypes en -technologieën legt het fundament voor de vaststelling van
de huidige emissies, de effectiviteit van gevoerd beleid, de prognoses van toekomstige emissies en
de evaluatie van mogelijke maatregelen. Nederland heeft een grote reputatie op het gebied van het
monitoren en in kaart brengen van voertuigemissies. Het adviescollege raadt aan deze rol te
bestendigen en waar mogelijk uit te breiden met programma’s gericht op mobiele werktuigen en
vaartuigen.
Kleine industriële bronnen worden nu ingeschat op energieverbruik. Het adviescollege beveelt aan
om hier ook een meetsysteem voor op te zetten zodat deze bronbijdrage voldoende kan worden
geschat op basis van metingen.
Gewenste ontwikkelingen zijn, volgens het adviescollege:
a. methoden te ontwikkelen om het aantal reguliere voertuigen waarvan de emissie in de
praktijk gemeten wordt, sterk te verhogen;
b. methoden te ontwikkelen om manipulatie en veroudering van voertuigen die leiden tot
hogere emissies (bijv. afschakeling van AdBlue-dosering bij vrachtwagens of verwijdering
van roetfilters) op te sporen;
c. bepaling van de manier waarop de emissies zich gedragen als functie van
weersomstandigheden.
Ruimtelijke verdeling emissies
De Emissieregistratie levert gegevens over de jaarlijkse emissietotalen uit verschillende sectoren in
Nederland. Om deze gegevens in te zetten in de modellering (in een modelensemble) moeten de
nationale totalen ruimtelijk worden toebedeeld aan een specifieke locatie (kartering). Dit gebeurt
voor de landbouwemissies door middel van INITIATOR (zoals bij 3.1.2 beschreven). Voor de overige
broncategorieën wordt gebruik gemaakt van relevante ruimtelijke indicatoren, zoals de
verkeersintensiteiten op het hoofdwegennet voor verkeersemissies. Een groot deel van de emissies
wordt echter ruimtelijk verdeeld met simpele factoren. Daardoor introduceren deze rekenkundige
processen extra onzekerheden, bovenop de al beschreven onzekerheden in de nationale
emissietotalen.
Het adviescollege beveelt aan de methoden te evalueren (bijv. aan de hand van vergelijkingen met
meetgegevens van de meetnetten en satellieten) en waar mogelijk te verkennen of er methoden te
ontwikkelen (bijv. door middel van satellietmetingen) zijn om de verdeling van de emissies beter in
kaart te brengen.
24
3.4 Governance
De wetenschappelijke instrumenten die gebruikt worden in het Nederlandse stikstofbeleid zijn voor
een deel in de loop van tientallen jaren gebouwd. Zij hadden als doel om een aantal nationale en
internationale verplichtingen op het gebied van stikstof (vaak in combinatie met andere stoffen) te
analyseren en te volgen. Te denken valt aan transportbeleid; nationaal, Europees en internationaal
beleid voor luchtkwaliteit; klimaatbeleid en nationaal stikstofbeleid. Mede door de lange periode van
opbouw en gebruik en door de betrokkenheid van verschillende delen van de nationale en regionale
overheid, is de governance van de wetenschappelijke instrumenten onhelder geworden. Het
adviescollege constateerde in zijn eerste adviesrapport al een onduidelijke afbakening tussen de
taken van opdrachtgever en opdrachtnemer.
Inmiddels is gebleken dat de governance van de Emissieregistratie (inclusief het NEMA-deel) opnieuw
wordt opgezet. Hierbij worden ook de bijbehorende datastromen in ogenschouw genomen. Het
adviescollege geeft hierbij de volgende aandachtspunten, die ook van toepassing zijn op de
governance van andere delen van het wetenschappelijk instrumentarium voor het stikstofbeleid,
zoals AERIUS.
- De governance moet er op gericht zijn de onafhankelijkheid en wetenschappelijke integriteit
van de deelnemende wetenschappelijke instellingen te waarborgen.
- De governance dient ervoor te zorgen dat de wetenschappelijke kennis en expertise in
Nederland effectief wordt ingezet en er voldoende internationale kennisuitwisseling
plaatsvindt.
- De governance-structuur dient helder en transparant opgezet te worden, waarbij onderlinge
afhankelijkheden tussen instanties en instituten direct zichtbaar zijn.
- Naast een scheiding van taken en verantwoordelijkheden van opdrachtgever en
opdrachtnemer is het ook van belang de onderscheiden taken en verantwoordelijkheden aan
de wetenschappelijke kant duidelijk te beschrijven. Bij veel wetenschappelijke instrumenten
in het stikstofbeleid spelen RIVM en onderdelen van Wageningen Research een grote rol.
Taken van deze instellingen en die van andere deelnemers dienen duidelijk omschreven te
zijn. De werkgroepleden van NEMA zijn bijvoorbeeld vrijwel allemaal verbonden aan de WUR,
naast enkele leden die verbonden zijn aan het RIVM en het CBS. Een bredere
wetenschappelijke borging met een vertegenwoordiging van alle Nederlandse
kennisinstellingen die werken aan dit dossier en betere afstemming van procedures en
integratie met de Emissieregistratie is gewenst.
- De governance dient ook een duidelijke structuur van kwaliteitsborging te bevatten.
Onderdeel daarvan is een periodieke internationale wetenschappelijke review van de
instrumenten door een commissie die van samenstelling verandert.
- Een stuurgroep (vanuit de opdrachtgevers en met betrokkenheid van andere relevante
stakeholders) zal volgens het adviescollege moeten sturen op de keuze van
onderzoeksvragen, de financiering van het onderzoek, de planning van het onderzoek met
het oog op de beleidsvragen en de organisatie van internationale reviews.
- Een stuurgroep houdt zich niet bezig met de inhoudelijke, technische en methodologische
aspecten van het onderzoek.
- Er wordt een transparante werkstructuur voor het onderzoek opgezet waarin alle betrokken
instellingen participeren. Deze werkstructuur is flexibel en stimuleert multidisciplinaire
samenwerking, uitwisseling van data en modellen, en kritische reflectie.
- De governance biedt mogelijkheden om samenwerking buiten de kring van direct betrokken
instellingen aan te gaan.
- De governance is gericht op het bewaken van de kwaliteit van de data(stromen) en
habitatkaarten.
25
3.5 Onderzoeksprogramma
Het adviescollege beveelt aan een nationaal stikstofonderzoeksprogramma in te richten met als doel
de grote onzekerheid in de berekening van emissie, verspreiding, en depositie van reactief stikstof
te verkleinen.
In een stikstofprogramma kunnen wetenschappelijke vragen rond het stikstofbeleid in samenhang
en over een langere periode systematisch aan de orde komen. In samenhang met dit programma
kan het gehele meet- en modelleerinstrumentarium een nieuwe doelgerichte impuls krijgen na een
jarenlange praktijk van incrementele wijzigingen. Bij het programma worden alle relevante
kennisinstellingen in Nederland betrokken.
In ieder geval zou in een dergelijk programma aandacht moeten zijn voor de volgende onderwerpen:
a. het ontwikkelen van een vernieuwd en efficiënt modelleringssysteem;
b. het ontwikkelen van nieuwe meetmethodes om het netwerk te optimaliseren;
c. het ontwikkelen van technieken (assimilatie, inverse modellering) om optimaal gebruik te
maken van grond- en satellietmetingen;
d. het bestuderen en verbeteren van procesbeschrijvingen met behulp van metingen (o.a.
droge depositie);
e. de kwantificering van de onzekerheden in de keten van emissies tot depositie;
f. een verkenning van de haalbaarheid van een programma gericht op een nieuw
satellietinstrumentarium dat gebiedsgericht 13 en NO2 kan meten op hoge resolutie (~ 1x1
km2).
g. uitgebreider onderzoek naar de effecten van stikstof met behulp van ecologische metingen
(dit valt buiten de opdracht van het adviescollege, maar is desondanks van belang).
Voor een breed gedragen lange termijnoplossingsrichting voor de stikstofproblematiek is het
essentieel om de noodzakelijke wetenschappelijke basis te versterken en het benodigde
wetenschappelijke en praktijkgerichte onderzoek op een gecoördineerde manier uit te voeren. Het
adviescollege heeft aangegeven dat een bredere samenwerking nodig is om het stikstofbeleid met
voldoende wetenschappelijke kwaliteit te onderbouwen, te monitoren en van de nieuwste inzichten
te voorzien. Er is meer samenwerking nodig tussen RIVM en Wageningen Research enerzijds en de
andere kennisinstituten en universitaire groepen anderzijds.
Het onderzoeksprogramma verdient een governance die voldoende maatschappelijk draagvlak
garandeert. Het is immers van groot belang dat er in de toekomst voldoende maatschappelijk
draagvlak is voor de wetenschappelijke onderbouwing van maatregelen en hun effecten. Daarbij is
wel een belangrijk uitgangspunt dat de belangen van stakeholders gescheiden worden van het
wetenschappelijk onderzoek dat onafhankelijk en over lange tijd moet plaats vinden. Het
adviescollege stelt daarom voor de opzet en uitvoering van het programma het volgende voor:
- Stel een adviserende stakeholdergroep in met alle belanghebbenden zoals interdepartementale
vertegenwoordiging, boerenorganisaties, agroketen, industrie, energiesector, NGO’s en andere
stakeholders. De rol van de stakeholdergroep is om de kennisvragen en kaders te formuleren
voor het onderzoek en de daaruit voortvloeiende, door de praktijk gedragen, oplossingen.
- Zorg voor een onafhankelijke programmaleiding met een programmabureau dat de ontwikkeling
zal coördineren en aansturen vanuit de geformuleerde kaders.
- Laat het onderzoeksprogramma uitvoeren door samenwerking van een groot aantal Nederlandse
kennisinstellingen, universiteiten, rijksonderzoeksinstellingen, planbureaus en private
onderzoeksinstellingen. Dit onder leiding van het programmabureau.
- Samen met het PBL uitwerken en uitvoeren van scenarioanalyses.
26
Annex 1: Afkortingenlijst
Ter ondersteuning van de leesbaarheid van dit adviesrapport is er een lijst met afkortingen
bijgevoegd. Zie onderstaande tabel:
AERIUS - Rekeninstrument voor de leefomgeving
BIJ12 Uitvoeringsorganisatie voor de IPO
BIN - Bedrijveninformatienet
BRM Bron-receptormatrix
CAB Change Advisory Board
CAMS - Copernicus Atmospheric Monitoring System
CBS Centraal Bureau voor de Statistiek
CDB Change Decision Board
CDM Commissie Deskundigen Meststoffenwet
COTAG - COnditional Time-Averaged Gradient
CrIS Cross Tracked Infrared Sounder
DAMOS Danish Ammonia Modelling System
DEHM Danish Eulerian Hemispheric Model
DOAS - Differentiële Optische Absorptiespectrometrie
EMAV Emissiemodel Ammoniak Vlaanderen
EMEP- Europees dispersiemodel
ER Emissieregistratie
ESA European Space Agency
GCN Grootschalige Concentratiekaarten Nederland
GDN Grootschalige Depositiekaarten Nederland
GIAB - Gemeentelijk Informatiesysteem Agrarische Bedrijven
I&W Ministerie van Infrastructuur en Waterstaat
IASI - Infrared Atmospheric Sounding Interferometer
INITIATOR Downscaling-tool voor het National Emission Model for Agriculture
IPO Interprovinciaal Overleg
KDW Kritische Depositiewaarde
KNMI Koninklijk Nederlands Meteorologisch Instituut
KWIN - Kwantitatieve Informatie Veehouderij
LML Landelijk Meetnet Luchtkwaliteit
LNV Ministerie van Landbouw, Natuur en Voedselkwaliteit
MAN Meetnet Ammoniak Natuurgebieden
27
MJV Milieu Jaarverslag
NEMA - National Emission Model for Agriculture
NH3 Ammoniak
NEVIDI - De Nederlandse Vereniging Diervoederindustrie
NIR - National Inventory Report
NOVANA - National Monitoring and Assessment Programme for the Aquatic and Terrestrial
Environment
NOx Stikstofoxiden
MARGA - Monitor voor aërosolen en gassen in lucht
LOTOS-EUROS Dispersiemodel
OMI - Ozone Monitoring Instrument
OPNV - Overleggroep Producenten Natte Veevoeders
OPS Operationele Prioritaire Stoffenmodel
PAN - Peroxyacetylnitraat
PAS Programmatische Aanpak Stikstof
PBL Planbureau voor de Leefomgeving
PM10 Particulate Matter van 10 micrometer (type fijnstof)
PRTR - Pollutant Release and Transfer Register
RIVM Rijksinstituut voor Volksgezondheid en Milieu
RVO Rijksdienst voor Ondernemend Nederland
RWS-WVL Rijkswaterstaat (Water, Verkeer en Leefomgeving
SLA Service Level Agreement
SSRS Stikstof Registratiesysteem
TAN Totaal Ammoniakaal Stikstof
TNO - Nederlandse Organisatie voor Toegepast-Natuurwetenschappelijk Onderzoek
TROPOMI - TROPOspheric Monitoring Instrument
UNECE - Europese economische commissie van de Verenigde Naties
UNFCCC - United Nations Framework Convention on Climate Change
VHR Vogel- en Habitatrichtlijn
VLOPS Vlaams Operationeel Prioritaire Stoffenmodel
VMM Vlaamse Milieumaatschappij
WECR Wageningen Economic Research
WEnR Wageningen Environmental Research
WUM - Werkgroep Uniformering Mestcijfers
28
Annex 2: Opdrachtformulering
Het ingestelde Adviescollege Meten en Berekenen Stikstof bestaat uit experts op het gebied van
metingen en modellering van stikstofconcentraties en -deposities. Voor de samenstelling van een
dergelijk adviescollege zijn personen nodig met zeer specifieke kennis, aanwezig bij verschillende
kennisinstellingen. Het gaat om kennis op het gebied van meetnetten, emissies, atmosferische
processen, satellietmetingen, statistiek en stikstofmodellen. De wijze waarop het Adviescollege is
samengesteld, garandeert de aanwezigheid van deze kennis. Op 24 december 2019 is de
‘Instellingsregeling Adviescollege Meten en Berekenen Stikstof’ gepubliceerd in de Staatscourant en
per 25 december 2019 in werking getreden. Deze regeling beschrijft in artikel 2 sub 2 dat het
adviescollege tot taak heeft de minister te adviseren over:
a. De bestaande meet- en rekenmethodiek voor de relatie tussen de stikstofuitstoot en de
stikstofdepositie en of die voldoende wetenschappelijke onderbouwing biedt voor het
stikstofbeleid van rijksoverheid en provincies;
b. De meet- en rekenmethodiek in andere landen voor de relatie tussen de stikstofuitstoot en
de stikstofdepositie in die landen (waaronder in ieder geval de Deense, Duitse en Vlaamse
methodiek), en de mogelijkheid elementen daarvan over te nemen in Nederland;
c. De mate waarin de onder a. genoemde meet- en rekenmethodiek kan bijdragen aan het
vaststellen van de lokale stikstofdepositie in Natura 2000-gebieden en gebruikt kan worden
voor het stikstofbeleid;
d. De vraag of en hoe de bestaande meetnetten voor de stikstofconcentraties in de lucht en
voor de droge en natte stikstofdepositie uitgebreid en verbeterd moeten worden;
e. De opvolging van de aanbevelingen uit voorgaande reviews van de rekenmodellen voor de
relatie tussen de stikstofuitstoot en stikstofdepositie zoals gebruikt in Nederland.
Het adviescollege heeft zijn werk in twee fasen uitgevoerd:
a. In de eerste fase werd een wetenschappelijk advies over de huidige meet- en
rekenmethode inclusief een vergelijking met het buitenland gegeven. Deze fase is afgerond
op 5 maart 2020 middel de presentatie van het adviesrapport ‘Niet uit de lucht gegrepen’.
b. In de tweede fase werden AERIUS en het Nederlands Emissiemodel voor Ammoniak
(NEMA) beoordeeld, werkte het adviescollege de verbetermogelijkheden verder uit,
gebaseerd op de inventarisatie in fase 1, en werd het uiteindelijke advies opgesteld. Deze
fase wordt met voorliggende rapportage afgerond.
29
Annex 3: Beschrijving NEMA-systematiek en kartering
met INITIATOR
3.1 NEMA-beschrijving
Landelijke emissieschattingen met NEMA
Voor de bepaling van de emissies uit de landbouw wordt gebruik gemaakt van het National Emission
Model for Agriculture (NEMA). De berekeningen vinden plaats op basis van de uitgangspunten die
zijn vastgesteld door de werkgroep NEMA van de Commissie Deskundigen Meststoffenwet (CDM). De
werkgroep NEMA bestaat uit WUR, CBS, PBL en RIVM. De emissies van ammoniak (NH3) worden
gerapporteerd aan enkele internationale organisaties waaronder de Europese Commissie (via de
NEC-richtlijn) en de UNECE (in het Gothenburg-protocol).
Emissies van NH3 worden berekend met NEMA-model, waarin stikstofstromen in de landbouw zijn
opgenomen.
9
Het NEMA-model berekent de emissies uit stallen, mestopslag, mesttoediening en
beweiding op jaarbasis. Daarnaast worden ook de emissies door toediening van kunstmest, compost
en zuiveringsslib en uit gewasresten berekend (zie Figuur A3.1).
Figuur A3.1 De meegenomen bronnen in de schatting emissies van ammoniak (NH3) en stikstofoxiden
(NOx) met NEMA (Bron: NEMA-werkgroep).
In de berekening wordt een methodiek gevolgd die gebruikelijk is in het bepalen van emissies.
Activiteitsgegevens (kwantitatieve informatie over activiteiten die tot stikstofemissies leiden, bijv.
aantal dieren of de hoeveelheid toegediende kunstmest) worden vermenigvuldigd met
emissiefactoren (informatie over de hoeveelheid uitstoot per activiteitseenheid, bijv. kg
ammoniakemissie per kg toegediende stikstof). Meer specifiek worden de ammoniakemissies uit
mest gerelateerd aan de hoeveelheid toegediende ammoniakale stikstof (TAN), het deel van de
stikstof in mest waaruit ammoniak vervluchtigt omdat gebleken is dat dit een goede maat is voor de
9
Van Bruggen et al. (2019)
30
hoeveelheid NH3-emissie uit mest. Dit sluit aan bij internationaal geaccepteerde methodieken voor
NH3-emissieberekeningen (bijv. uit het Emission Inventory Guidebook van EEA/EMEP).
Lokale emissieschatting met de combinatie NEMA-INITIATOR
Om regionale schattingen te maken van de NH3- (en NOx-)depositie met het OPS-model worden de
landelijke NEMA-emissieschattingen ruimtelijk expliciet gedifferentieerd. Voor het ruimtelijk verdelen
van stalemissies wordt gebruik gemaakt van GIAB-plus-bestand, met jaarlijkse informatie over de
locatie, de dieraantallen (voor de verschillende diercategorieën in de Landbouwtelling) en het staltype
van elke stal in Nederland. De ruimtelijke verdeling van stikstoftoediening via dierlijke mest,
kunstmest en beweiding, en op basis daarvan de ammoniakemissies, worden door het model
INITIATOR per hectare berekend.
10
INITIATOR berekent per bedrijf de verdeling van weidemest,
dierlijke mest, compost en kunstmest over de percelen, uitgaande van mestproductie, stalemissies,
beweiding, mest aan- en afvoer en de beschikbare percelen met bijbehorende gebruiksnorm (zie
Figuur A3.2). De berekende stikstoftoevoer wordt vermenigvuldigd met de NEMA-emissiefactoren en
op basis hiervan worden NH3-emissies per hectare berekend. Hierbij wordt gecontroleerd dat het
totaal van de ruimtelijke verdeelde ammoniakemissies zoals berekend met het INITIATOR model
gelijk is aan het landelijk totaal in NEMA.
Figuur A3.2: Procedure voor verdeling en transport van dierlijke mest (Bron: Kros et al, 2019).
3.2 Herkomst invoergegevens
Activiteitsgegevens
In het NEMA-model worden verschillende typen invoergegevens gebruikt, die afkomstig zijn van
derde partijen. Dit zijn de activiteitsgegevens die ten grondslag liggen aan de emissieberekeningen.
Hiervan wordt een overzicht gegeven in tabel A3.1.
10
Kros et al. (2019)
31
Tabel A3.1: Herkomst van invoergegeven om de stikstofstromen met NEMA te berekenen.
Type gegevens
Leverancier
Dieraantallen
Landbouwtelling (RVO/CBS)
Stallen
Rijksdienst voor Ondernemend Nederland
(RVO)/ Geografisch Informatiesysteem
Agrarische Bedrijven (GIAB)
Kengetallen dieren
Kwantitatieve Informatie Veehouderij (KWIN;
WLR), Agrovision, Wageningen Economic
Research (WECR), RVO
Rantsoengegevens
Eurofins, CVB, NEVEDI, Agrovision, WECR,
Kringloopwijzer (CDKLW), WECR, CBS,
Overleggroep Producenten Natte Veevoeders
(OPNV)
Kunstmestgebruik
Bedrijveninformatienet (BIN) van Wageningen
Economic Research (WECR)
Vervoersbewijzen mest
RVO
Vervoersbewijzen zuiveringsslib en compost
RVO
Mestproductie (modelberekening)
Werkgroep Uniformering Mestcijfers (WUM) en
CBS
Methode van mesttoediening
CBS, Landbouwtelling
Emissiefactoren
Emissiefactoren voor ammoniak worden gebruikt voor het schatten van emissies van stallen, bij
beweiding en bij bemesting. In tegenstelling tot de meeste andere landen zijn veel emissiefactoren
die in NEMA worden gehanteerd, gebaseerd op metingen. Dat geldt voor veruit de meeste bestaande
stalsystemen en aanwendingstechnieken.
In NEMA wordt gewerkt met gemiddelde emissiefactoren per stalsysteem. Stalemissiefactoren
variëren onder andere als gevolg van verschillen in melkureum, buitentemperatuur en met mest
besmeurd loopoppervlak van het dier, met name bij melkvee.
11
Bij de landelijke emissieberekeningen
wordt uitgegaan van een representatieve stal wat betreft bovengenoemde factoren.
De emissiefactoren voor beweiding en bemesting zijn afhankelijk van mestsamenstelling en
gewastype. Bij mestsamenstelling geldt dit omdat de emissiefactoren voor bemesting en beweiding
zijn gebaseerd op het berekende TAN-gehalte in de mest. Het TAN-gehalte in mest is afhankelijk van
het rantsoen van het dier. Wat gewas betreft wordt er onderscheid gemaakt tussen grasland en
bouwland. Bij bouwland wordt mest bijna altijd toegediend als er geen gewas staat en maakt het
gewastype dus niet veel uit aangezien ammoniakemissie optreedt tijdens de eerste drie dagen na
bemesting.
3.3 Metingen en schattingen achter bestaande ammoniakemissiefactoren
De metingen en schattingen die zijn gebruikt bij het vaststellen van emissiefactoren voor ammoniak
voor het schatten van stalemissies, aanwending van dierlijke mest en kunstmest en beweiding zijn
hieronder samengevat op basis van beschikbare rapporten.
3.3.1 Stalemissies
Rundvee
Een overzicht van de totstandkoming van emissiefactoren voor rundvee staat weergegeven in het
rapport Actualisering ammoniak emissiefactoren rundvee.
12
De onderbouwing van de huidige
emissiefactoren is ofwel gebaseerd op emissiemetingen die veelal 25 tot 15 jaar geleden zijn
11
Ogink et al. (2014)
12
Ogink et al. (2014)
32
uitgevoerd, op emissiemodelberekeningen of op afleidingen op basis van
stikstofexcretieverhoudingen. Uit mondeling verkregen informatie blijkt dat de laatste jaren ook veel
metingen zijn verricht in het kader van de Klimaatenvelop (samen met metingen van
methaanemissie), met name aan de zogenaamde A1.100 stallen (reguliere overige huisvesting).
Daarnaast zijn metingen verricht om van voorlopige emissiecijfers definitieve cijfers te maken.
Emissiefactoren per stalsysteem zijn met name gegeven voor melkkoeien, die qua emissie-impact
ook veruit de belangrijkste categorie is. Bij die categorie is onderscheid gemaakt in 35 stalsystemen,
met name verschillende soorten loopstallen, grupstal en ligboxenstallen en reguliere (overige)
huisvesting.
13
De onderbouwing van de emissiefactoren voor melkkoeien is deels gebaseerd op
metingen en deels op modelberekeningen.
14
Van de overige diercategorieën zijn de geadviseerde
emissiefactoren gegeven in kg NH3/jaar per dierplaats, ongeacht het stalsysteem, waarbij beperkt
gebruik is gemaakt van metingen.
15
De belangrijkste omgevingsfactoren die emissies beïnvloeden zijn melkureum, buitentemperatuur en
het met mest besmeurd loopoppervlak per dier. De gebruikte emissiefactoren zijn verkregen door
deze omgevingsfactoren te standaardiseren naar voor de huidige praktijk representatieve waarden.
Op basis van opgestelde vergelijkingen tussen ammoniakemissies en genoemde omgevingsfactoren
is er een geschatte toename in ammoniakemissie van (i) 1,5% per graad Celsius in
buitentemperatuur (standaard is 10,5 0C), (ii) 2,6% per 1 mg melkureum per 100 ml melk (standaard
is 23 mg/100 ml) en (iii) 1% per 0.1 m2 mest besmeurd loopoppervlak per dier (standaard is 3.6
m2).
Varkens
Een overzicht van stalemissiefactoren voor varkens staat in het rapport Actualisering
ammoniakemissiefactoren vleesvarkens en biggen.
16
Net als bij rundvee is de onderbouwing van de
huidige emissiefactoren voornamelijk gebaseerd op emissiemetingen die veelal 25 tot 15 jaar
geleden zijn uitgevoerd en op afleidingen op basis van verhoudingen in de stikstof-excretie.
Bij vleesvarkens wordt gerekend met één emissiefactor per huisvestingssysteem met een
emissiefactor die is afgeleid van metingen en berekeningen op basis van een gemiddeld oppervlak
van 0,9 m2 per dierplaats. Voor biggen geldt hetzelfde uitgaande van een hokoppervlak van maximaal
0,35 m2 per big. Afhankelijk van het huisvestingssysteem (met name hokoppervlak) varieert de
geadviseerde emissiefactor voor emissiearme systemen voor vleesvarkens.
Pluimvee
Een overzicht van stalemissiefactoren voor pluimvee staat in het rapport Actualisering ammoniak
emissiefactoren pluimvee.
17
Net als bij rundvee is de onderbouwing van de huidige emissiefactoren
voornamelijk gebaseerd op emissiemetingen die veelal 25 tot 15 jaar geleden zijn uitgevoerd en op
afleidingen op basis van verhoudingen in de stikstof-excretie.
In de meest omvangrijke categorieën van de leghennen, vleeskuikenouderdieren en vleeskuikens,
zijn veel van de huidige emissiefactoren gebaseerd op uitgebreide metingen aan telkens één
bedrijfslocatie.
18
In 2008 is een meetreeks uitgevoerd op vier locaties met gelijke
huisvestingssystemen.
19
Deze meetreeks is als basis genomen voor de actualisering van de
emissiefactor voor de categorie overige huisvestingssystemen. Door Ellen et al. (2017) wordt verder
geconcludeerd dat voor de volièresystemen de huidige emissiefactoren en voor de “Additionele
13
https://www.infomil.nl/onderwerpen/landbouw/emissiearme-stalsystemen/emissiefactoren-per/map-
staltypen/hoofdcategorie/
14
Ogink et al. (2014)
15
Zie Ogink et al. (2014)
16
Groenestein et al. (2014b)
17
Ellen et al. (2017)
18
Ellen et al. (2017)
19
Ogink et al. (2010)
33
technieken voor mestbewerking en mestopslag” de emissiefactoren niet meer representatief zijn voor
de huidige praktijk.
3.3.2 Mesttoediening -en beweidingemissies
Dierlijke mest
In Van Bruggen et al. (2019) wordt per mesttoedieningstechniek aangegeven hoeveel procent van
de mesttoediening met die techniek plaatsvindt. Hierbij gaat het om het gebruik van zodenbemester,
sleufkouter (niet meer toegestaan), sleepvoet en bovengronds aanwenden en in geval van bouwland
ook nog het onderwerken in 1 werkgang of 2 werkgangen. In het geval van mest onderwerken op
bouwland in een 2e werkgang wordt een gemiddelde emissiefactor aangehouden van de
emissiefactor bij niet inwerken (gemeten) en bij direct inwerken (gemeten). Bij het in een 2e
werkgang inwerken kan namelijk de tijd tussen uitrijden en inwerken sterk variëren en daarmee de
uiteindelijke ammoniakemissie. De verschillende data zijn allemaal gebaseerd op metingen.
20
Kunstmest
De emissiefactoren voor kunstmest zijn gebaseerd op een internationale reviewstudie.
21
Hiervoor
zijn alle kunstmestsoorten die in Nederland worden toegepast (meer dan 400) in 11 categorieën
onderverdeeld.
Beweiding
De emissiefactor voor beweiding is gebaseerd op onderzoek van begin jaren ’90 en is afgeleid van
één meting bij een stikstofgift die vergelijkbaar is met de huidige bemesting.
3.4 Evaluatie en aanbevelingen
3.4.1 Metingen in het kader van nationale emissierapportages
Stalemissies
In principe zijn stalemissies gebaseerd op metingen (hoewel vaak van 25 tot 15 jaar geleden) waarbij
emissiefactoren zijn genormaliseerd naar een gemiddelde waarde voor melkureum, buiten-
temperatuur en met mest besmeurd loopoppervlak van het dier. Uit de massabalansmethode volgens
een recente CBS-studie lijken emissiefactoren onderschat.
22
Derhalve is er behoefte aan meer
recente metingen aan stalemissies onder huidige praktijkomstandigheden. Het adviescollege beveelt
daarbij vooral aan om aanvullend onderzoek te doen naar gasvormige stikstofverliezen uit
emissiearme stallen en deze zoveel mogelijk te relateren aan de processen en het management dat
plaatsvindt in de stal. Er dienen hierbij verificatie- en controlemetingen van ammoniakemissies uit
deze stallen in de praktijk te worden uitgevoerd, gelijktijdig met berekeningen van de gasvormige
stikstofverliezen volgens een de massabalansmethode.
23
Mestaanwending
Nieuwe toedieningstechnieken: aan alle tot nu toe gebruikte aanwendingstechnieken zijn
emissiemetingen verricht. Het toedienen van verdunde mest met de zodenbemester wordt gezien
als een maatregel om ammoniakemissie verder te beperken. Het is niet goed bekend hoe groot de
emissiereductie van deze methode is en er zijn geen emissiefactoren beschikbaar. Er is daarom
veldonderzoek nodig om het effect van mestverdunning op de emissie bij toepassing van
zodenbemester te bepalen.
Nieuwe mestproducten: door mestbewerking en mestverwerking worden nieuwe producten in de
landbouw toegediend zoals dunne en dikke fractie van runder- en varkensmest, digestaat uit
mestvergisting en mineralenconcentraten. Om de emissieschattingen te verbeteren van producten
20
De onderliggende methoden en data zijn in detail gegeven in Huijsmans en Schils (2009), Huijsmans et al.
(2017), Goedhart en Huismans (2017) en Goedhart et al. (2020).
21
Bouwman et al. (2002)
22
Van Bruggen en Geertjes (2019)
23
Van Bruggen en Geertjes (2019)
34
uit mestverwerkingen en -bewerkingen dient onderzoek plaats te vinden naar emissies uit
mestopslagen, mestbewerkingsinstallaties en mesttoediening.
Kunstmest: kunstmestemissies worden uitsluitend gebaseerd literatuuronderzoek. Hoewel de
bijdrage van kunstmest aan ammoniakemissies beperkt is, is zij toch niet te verwaarlozen en het is
zinvol om voor een aantal meest toegepaste kunstmestsoorten de ammoniakemissie door middel
van veldproeven te meten.
Beweiding: ammoniakemissie uit beweiding is slechts op één emissiemeting in 1990 gebaseerd.
Gezien de grote rol die beweiding speelt in de stikstofdiscussie (beweiding is een maatregel die tot
minder ammoniakemissie leidt) is experimenteel veldonderzoek nodig om dit te verbeteren.
Bedrijfssysteem: er zijn geen metingen van de stikstofverliezen voor het hele bedrijfssysteem. Er zal
door een combinatie van smart sensoring en verspreidingsmodellering gezocht moeten worden naar
methoden die de stikstofstromen en de verliezen kunnen vaststellen om zo ook de benadering van
NEMA en de integrale verliezen te kunnen valideren.
3.4.2 Metingen in het kader van regionale en lokale emissieschattingen
Hoewel het gebruik van landelijk gemiddelde emissiefactoren voor stal- en aanwendingsemissies
goed te verdedigen is voor nationale emissierapportages, is meer detail van belang voor toepassing
op regionale en lokale schaal.
Stalemissies
Momenteel worden landelijk emissies gekarteerd op basis van stallocatie, maar er zijn meer
gedetailleerde gegevens beschikbaar die gerelateerd zijn aan verschillen op bedrijfsniveau. Voor
melkvee gebruikt Wageningen Research het bedrijfsmodel KringloopWijzer waarbij de
ammoniakmodule BEA in de Kringloopwijzer dezelfde systematiek volgt als NEMA. Om lokale
schattingen met OPS-AERIUS te verbeteren, is het te overwegen om hier gebruik van te maken.
Aanwendingsemissies
Ammoniakemissie bij aanwending van dierlijke mest of kunstmest en door beweiding hangt af van
meteorologische factoren (neerslag en temperatuur). Metingen aan die emissies zijn veelal
uitgevoerd over langere perioden. Hieruit zouden effecten van weersinvloeden te halen moeten zijn
die van belang zijn voor emissieschattingen binnen een jaar. Dit is van belang in het model OPS wat
op dag-basis of nog gedetailleerder rekent.
Verder neemt ammoniakemissie bij aanwending van dierlijke mest of kunstmest en door beweiding
zeer waarschijnlijk toe als de pH van de grond toeneemt. Daardoor is het te verwachten dat de
ammoniakemissie hoger is op kalkrijke gronden dan op kalkloze gronden. Het is dan ook sterk aan
te bevelen om bovengenoemd onderzoek naar mestaanwending onder 2.3.3.1 uit te voeren op
kalkrijke en kalkloze gronden. Aanwezigheid van kalk speelt met name een rol bij kunstmest en
beweiding. De ammoniakemissie uit toegediende mest vindt vooral plaats uit de mest zelf (die een
hoge pH heeft) en is het effect op de bodem-pH veel kleiner. Bij bestaande aanwendingstechnieken
is het van minder van belang om na te gaan in hoeverre de pH een rol speel bij emissieschattingen.
3.5 Onzekerheidsschattingen
De onzekerheidsschattingen van door NEMA berekende emissies worden jaarlijks gerapporteerd in
zowel het Informative Inventory report (IIR; internationale rapportage over luchtverontreinigende
stoffen zoals NH3 en NOx) als het National Inventory Report (NIR; internationale rapportage over
broeikasgassen) van Nederland. Hierbij wordt de methode van foutenvoortplanting gehanteerd,
waarbij de totale onzekerheidsschatting op een emissie wordt berekend uit de relatieve
onzekerheidsschattingen op de activiteitsgegevens en de (geïmpliceerde) emissiefactoren. De
onzekerheid van alle emissiebronnen wordt bepaald door het aggregeren van onzekerheids-
schattingen uit de verschillende subcategorieën.
35
De diertotalen worden gerapporteerd door het CBS en kennen typisch een onzekerheid van 2-10%.
24
Voor enkele diertotalen kon een onzekerheidsschatting niet berekend worden. Hier is de waarde
geschat door experts. De totale onzekerheid voor N-excretie bestaat uit gecombineerde
onzekerheden voor dierhuisvesting en beweiding en bedraagt 5-15% voor rundvee, 8-11% voor
varkens, 7-22% voor pluimvee en 6-21% voor andere graasdieren.
25
Een derde bron van
onzekerheid zijn de mestmanagementsystemen. Deze wordt gerapporteerd voor de dominante
mestcategorie (vaste mest of drijfmest).
Uitstoot van reactieve stikstofverbindingen uit landbouwbodems kennen een relatief hoge
onzekerheid. De uitstoot van NH3 uit landbouwbodems bedraagt 29% op het jaarlijkse totaal. De
activiteitsgegevens kennen een onzekerheid van 1-26% en de emissiefactoren hebben een
onzekerheid van 26-106% (beide getallen zijn afhankelijk van het type bemesting).
26
24
Lagerwerf et al. (2019)
25
De uitsplitsing per veecategorie is te vinden in Tabel 2.2 in Lagerwerf et al. (2019).
26
Lagerwerf et al. (2019)
36
Annex 4: Beschrijving AERIUS-systematiek en
invoergegevens
Het doel van AERIUS is het in beeld brengen van de stikstofdepositie op Natura 2000-gebieden door
middel van modelberekeningen. Zoals omschreven in hoofdstuk 3.2, is AERIUS Calculator een
geavanceerd systeem dat op een ruimtelijke schaal van een hectare depositieberekeningen doorvoert
aan de hand van de emissies die de gebruiker/vergunningaanvrager invoert.
4.1 Overzicht AERIUS-systematiek
AERIUS heeft vier functies in het stikstofdossier:
Het ondersteunen van de beoordeling van vergunningaanvragen voor stikstof emitterende
projecten op basis van de berekening van de bijdrage aan stikstofdepositie.
Het bijhouden van stikstofdepositieruimte via het Stikstofregistratiesysteem (SSRS).
Het monitoren van de stikstofdepositie in stikstofgevoelige natuurgebieden.
Het inzichtelijk maken van effecten van beleidskeuzes op stikstofdepositie in
stikstofgevoelige Natura 2000-gebieden.
Het systeem is in de kern een gebruikersomgeving waarbinnen een simulatie met het OPS-model
wordt uitgevoerd om de concentratie en depositie van stikstofverbindingen in stikstofgevoelige
Natura 2000-gebieden uit te kunnen rekenen.
27
Hieronder volgt een korte beschrijving van deze vier
functies.
4.1.1 Berekenen projectbijdragen aan stikstofdepositie door gebruikers
AERIUS Calculator is de applicatie die gebruikt kan worden om de bijdrage van de depositie van
stikstof emitterende projecten uit te rekenen. Door het invoeren van een aantal gegevens kan een
gebruiker een bijlage verkrijgen die hij nodig heeft voor een vergunningaanvraag. Voor meer
geavanceerde projecten, zoals de aanleg van een nieuwe snelweg, bestaat AERIUS Connect, waarbij
alle benodigde informatie door de gebruiker in bestanden moet worden aangeleverd.
4.1.2 Tonen van huidige en verwachte toekomstige stikstofdepositie
De huidige en toekomstige stikstofdepositie, en de daarvoor verantwoordelijke bronnen, wordt
getoond in AERIUS Monitor. In dit kader worden net als in GCN/GDN
28
op landelijke schaal
berekeningen gemaakt. Een verschil met GCN/GDN is dat in AERIUS Monitor voor de 250.000 ha
stikstofgevoelige natuur in Nederland, onderverdeeld in hexagonen van 1 ha, berekeningen worden
gemaakt op basis van emissiegegevens van de Emissieregistratie. Daarnaast worden de gegevens
van de Emissieregistratie waar mogelijk op de oorspronkelijke locatie gebruikt, terwijl deze binnen
GCN/GDN ruimtelijk worden geaggregeerd naar het centrum van het rekenpunt (behalve voor grote
puntbronnen, waar wordt gerekend met de bronlocatie). Een ander belangrijk voordeel van AERIUS
is dat het landgebruik en terreinruwheid ook situationeel bepaald wordt en niet vooraf is
geaggregeerd. Dit verbetert met name de depositieresultaten daar waar grote verschillen zijn tussen
land/water of bos en gras/struikachtige vegetatie.
27
Voor de berekening van concentraties van stikstofverbindingen rondom wegen wordt het SRM-2-model
gebruikt. Deze concentraties worden vervolgens doorgegeven aan het OPS-model voor de depositieberekening.
28
Grootschalige Concentratiekaarten Nederland/Grootschalige Depositiekaarten Nederland, die een grootschalig
beeld geven van de luchtkwaliteit en stikstofdepositie in Nederland (https://www.rivm.nl/gcn-gdn-kaarten)
37
4.1.3 Bijhouden depositieruimte
AERIUS Register dient als boekhoudsysteem waarin de depositieruimte wordt bijgehouden. Hierin
kon het bevoegd gezag goedgekeurde vergunningaanvragen invoeren, waarna afboeking van
depositieruimte plaatsvond.
4.2 Technische werking AERIUS
Het AERIUS-systeem leunt voor de berekeningen van stikstofdepositie grotendeels op het OPS-
model. Het verschil in doel en ruimtelijke schaal van de OPS-berekeningen binnen AERIUS ten
opzichte van GCN/GDN zorgt ervoor dat er specifieke aanpassingen zijn gedaan van de OPS-
modelopzet binnen AERIUS. Deze worden hieronder toegelicht.
4.2.1 Voorbewerking emissies
Voor gebruik in GCN/GDN wordt een gedeelte van de emissiegegevens van de Emissieregistratie
geaggregeerd naar een ruimtelijke schaal van 1x1 km2. Deze gegevens zijn echter op hogere
resolutie beschikbaar in de Emissieregistratie en worden binnen AERIUS dan ook - afhankelijk van
de bronsector - op hogere ruimtelijke resolutie toegepast. Bovendien wordt in de AERIUS-berekening
van de bronbijdrage van projecten gerekend met de specifieke locatie van deze projecten, waardoor
deze als punt-, lijn- of vlakbron kunnen worden doorgerekend met OPS.
4.2.2 Resolutie gegevens over landgebruik en terreinruwheid
Ten tweede maakt de hogere resolutie van OPS binnen AERIUS dat gegevens over landgebruik en
terreinruwheid op groter ruimtelijk detail benodigd zijn. OPS binnen GCN/GDN maakt gebruik van
landgebruiksgegevens op een schaal van 1000x1000 m2. De brondata hiervoor zijn de
landgebruiksdata uit de LGN7, die op 25x25 m2 beschikbaar zijn. Overgangen van landgebruiktype
(bijv. van grasland naar bos, of van land naar water) hebben een effect op de windstroming op
grotere schalen dan de 100x100 m2 waarop OPS-berekeningen uitvoert binnen AERIUS. Deze
veranderende windstroming heeft implicaties voor de verticale menging van de atmosfeer
29
en
daarom voor de depositie. De terreinruwheid wordt bepaald aan de hand van de landgebruik-
gegevens voor een oppervlak op een resolutie van minimaal 250x250 m2 meter rondom het punt
waarvoor depositieberekeningen worden uitgevoerd. Voor alle typen landgebruik binnen dat
oppervlak worden de specifieke eigenschappen meegenomen.
4.2.3 Depositieberekening rondom wegen
Ten derde maakt AERIUS gebruik van een implementatie van de Standaardrekenmethode-2 (SRM-
2) om de concentratie rondom wegen te bepalen, terwijl GCN/GDN hiervoor gebruik maakt van
OPS.
30
Dit model houdt rekening met de precieze locatie van de weg in het landschap (boven of
onder de grond, effecten van geluidswallen, etc.). De concentratiebijdrage van wegverkeer wordt
uitgerekend tot 5 km van de weg, omdat is aangenomen dat deze concentratiebijdrage vanaf deze
afstand niet meer te onderscheiden is van de achtergrondconcentratie.
De depositie wordt vervolgens bepaald door de uit SRM-2 geschatte concentraties te
vermenigvuldigen met een door met OPS berekende effectieve depositiesnelheid. Deze effectieve
depositiesnelheid is bepaald voor elke mogelijk rekenlocatie in Nederland, op een resolutie van 250
m2. De effectieve depositiesnelheid is voor korte transportafstanden hoger. Dit is eveneens
verdisconteerd in de methode. Indien een rekenpunt zich op korte afstand van de bron bevindt (25-
1000m), wordt de door OPS berekende depositiesnelheid vermenigvuldigd met een correctiefactor
die afhangt van de afstand tussen het rekenpunt en het wegsegment.
29
Ofwel turbulentie: kleinschalige bewegingen in de (onderste) atmosfeer die zorgen voor menging en
transport van lucht naar het aardoppervlak.
30
Voor een modelbeschrijving van SRM2, zie: https://www.rivm.nl/publicaties/technische-beschrijving-van-
standaardrekenmethode-2-srm-2-voor
38
Een gedeelte van de geëmitteerde stoffen deponeert tussen bron en receptor (‘brondepletie’).
Hiervoor wordt gecorrigeerd door middel van een depletiefactor, die afhankelijk is van de afstand
tussen bron en receptorpunt, de ruwheid van het terrein ter hoogte van het receptorpunt en de
achtergrondconcentraties in het geval van NH3 - op het rekenpunt.
4.2.4 Meteorologische gegevens
Een vierde verschilpunt zijn de gebruikte meteorologische gegevens. Bij het samenstellen van de
GCN/GDN-kaarten voor een historisch jaar wordt gebruik gemaakt van de meteorologische gegevens
van dat jaar. Voor projectberekeningen met AERIUS wordt altijd gebruik gemaakt van een
gemiddelde meteorologische dataset van 1995-2004 van het KNMI. De reden hiervoor is dat het
berekende projecteffect dan onafhankelijk is van weerscondities. De aanname is dat jaar-specifieke
meteorologische condities uitmiddelen over een periode van 10 jaar. De meteorologische dataset
wordt ook gebruikt in zowel GDN als AERIUS om berekeningen voor de toekomst (bijv. 2030) te
maken. Om een consistente vergelijking met de berekeningen voor de toekomst te maken, wordt
ook het referentiejaar (in de PAS bijv. 2014) gedraaid met dezelfde gemiddelde meteorologische
dataset. Tevens wordt door het gebruik van gemiddelde meteorologische data het effect van
meteorologische variabiliteit op de toetsing met kritische depositiewaarden (KDW’s) vermeden.
4.3 Achtergronddepositie
AERIUS Calculator en AERIUS Connect berekenen een eventuele overschrijding van KDW’s door de
projectbijdrage op te tellen bij een achtergronddepositiewaarde. De achtergronddepositie wordt op
een vergelijkbare manier berekend als in de GDN-kaarten.
31
De emissies komen van de
Emissieregistratie, waarbij stalemissies in de landbouw en emissies van het hoofdwegennet
geografisch verfijnder worden doorgerekend in AERIUS dan voor de GDN-kaarten. Emissies van
buitenlandse bronnen worden geschat aan de hand van emissieprognoses.
32
Op basis hiervan vindt
een depositieberekening plaats in OPS. Deze wordt vervolgens gekalibreerd met metingen van het
Meetnet Ammoniak in Natuurgebieden (MAN). Hiervoor wordt het verschil tussen wel en niet
gekalibreerde GDN-kaarten gebruikt, wat resulteert in een correctie per hexagoon in mol/ha/jr.
Correctie voor natte depositie wordt ruimtelijk uniform toegepast op basis van natte
depositiemetingen in het LML-netwerk.
4.4 Precisie AERIUS-berekening
In de AERIUS-berekeningen die worden gebruikt voor vergunningverlening wordt de stikstofdepositie
die de emissie van een nieuw project veroorzaakt (projectbijdrage) doorgerekend voor alle
hexagonen die stikstofdepositie ontvangen. Hiervoor wordt een ondergrens gehanteerd. Mocht de
depositie hieronder vallen, dan wordt deze hexagoon niet meegenomen in de berekening. Ten tijde
van de PAS was deze ondergrens 0,05 mol/ha/jr en na de uitspraak van de Raad van State is de
grens verlaagd tot 0,005 mol/ha/jr.
31
Bron: https://www.aerius.nl/nl/factsheets/achtergronddepositie-natura-2000-gebieden/16-09-2019.
32
Door de lidstaten van de EU aangeleverde emissieprognoses in het kader van de National Emission Ceilings-
richtlijn.
39
Annex 5: Verdieping meten en modelleren
5.1 Modelleerinstrumentarium stikstofconcentratie en -depositie
5.1.1 Modeltypen
Het RIVM maakt gebruik van het OPS-model voor het maken van de grootschalige concentratie- en
depositiekaarten (GCN/GDN) en voor depositieberekeningen binnen AERIUS. OPS is een zogenaamd
Lagrangiaans transportmodel, dat individuele bron-receptorrelaties doorrekent aan de hand van de
Gaussische pluimformule. De keuze voor deze modelopzet is gemaakt tijdens de modelontwikkeling
in de jaren ’80 van de vorige eeuw, omdat dit type model beter geschikt is voor het rekenen met
hoge resolutie (vooral rondom een bron) en omdat de rekencapaciteit voor het rekenen op hoge
resolutie met Euleriaanse modellen (zie uitleg hieronder) ontbrak.
OPS-achtige modellen (van het Lagrangiaanse type) worden in de atmosferische wetenschap
nauwelijks nog verder ontwikkeld. Wetenschappelijk ligt de nadruk de laatste decennia op het
ontwikkelen van Euleriaanse raster-modellen. Dit zijn modellen waarbij de atmosfeer wordt
opgedeeld in boxen. Processen als emissie, depositie, en chemie worden dan per box uitgerekend,
en atmosferisch transport zorgt voor uitwisseling tussen de verschillende boxen. LOTOS-EUROS
(ontwikkeld door TNO in samenwerking met RIVM, KNMI e.a.) en het EMEP-model (ontwikkeld door
het Meteorologisch Instituut van Noorwegen) zijn voorbeelden van Euleriaanse rastermodellen.
33
,
34
Tabel 4.1 geeft de belangrijkste voor- en nadelen weer van de verschillende modeltypen. Het gebruik
van OPS biedt vele voordelen wat betreft operationele toepasbaarheid. Technische vernieuwing
binnen het bestaande systeem is echter lastig. Ook het gebruik van nieuwe technieken op het gebied
van het combineren van modelleren en waarnemen (bijv. satellietwaarnemingen) zijn moeilijk in het
bestaande systeem te integreren.
Tabel A5.1 Overzicht van de voor- en nadelen van Euleriaanse en Lagrangiaanse modellen.
Euleriaans
Lagrangiaans
Voordelen
Makkelijk in de tijd te integreren
Processen zoals chemie kunnen op
groot detailniveau worden
beschreven
Vergelijking met satellietbeelden
mogelijk
Simulatie kan makkelijk gekoppeld
worden aan weer-modellen
Simulatie van verschillende
atmosferische componenten
Aansluiting op wetenschappelijke
praktijk
Reken technisch efficiënt
Hoge ruimtelijke resolutie
mogelijk
Directe relatie tussen bronnen
en atmosferische concentratie
Nadelen
Grote computerkracht nodig
Een groot domein en hoge
ruimtelijke resolutie niet allebei
mogelijk
Model-resultaten afhankelijk van
model-discretisering in ruimte en
tijd
Relatie tussen bronnen en
atmosferische concentraties vaak
gecompliceerd
Tijdsintegratie lastig
Moeilijk rekening te houden
met transport over lange
afstand
Verticaal transport moeilijk te
implementeren
Atmosferische chemie is
noodgedwongen versimpeld
33
Voor een modelbeschrijving van het LOTOS-EUROS-model, zie Schaap et al. (2008).
34
Voor een beschrijving van het EMEP-model, zie Simpson et al. (2012).
40
Regionale modellen hebben
randvoorwaarden nodig
Vergelijking met
satellietmetingen
gecompliceerd
Koppeling met weermodellen
vaak in parametrische vorm
Regionale modellen hebben
randvoorwaarden nodig
5.1.2 Uitdagingen in het modelleren van reactief stikstof
Het modelleren van stikstofdepositie in Nederland kent vele uitdagingen:
1. Bronnen van ammoniak zijn onzeker, en variëren sterk in ruimte en tijd.
2. NH3 deponeert, maar depositie is een gecompliceerd proces dat afhangt van temperatuur,
landeigenschappen en de depositiegeschiedenis.
3. NH3 bindt gemakkelijk aan anorganische zuren die gevormd worden bij de oxidatie van NOx
en SO2, maar ook hier zijn complicerende factoren zoals het verdampen van
ammoniumnitraat (NH4NO3) bij zomerse temperaturen.
4. De levensduur van NH3 is relatief kort (< 1 dag) maar kan via opname in aerosol de (natte)
depositie op grote afstand beïnvloeden. Daardoor moet er wel degelijk rekening gehouden
worden met de invloed uit het buitenland, en export van Nederlands reactief stikstof.
Dezelfde factoren gelden in het algemeen ook voor NOx. NOx heeft een iets langere levensduur, en
neemt deel aan veel atmosferische reactie-cycli, die onder andere ozon vormen.
De operationele modellering met OPS op jaarlijkse tijd-resolutie is, mede door de kalibratie aan
jaarlijks gemiddelde waarnemingen, een kwalitatief voldoende instrument om depositiepatronen over
Nederland te berekenen en aan de EU te rapporteren. In fase 1 hebben we desalniettemin ook een
aantal tekortkomingen geconstateerd:
De bijdrage vanuit het buitenland aan stikstofdepositie is moeilijk mee te nemen, en daardoor
onzeker. Dit geldt voor NOx (o.a. vliegverkeer) en NHx. Omzetting van NH3 naar
ammoniumnitraat/sulfaat wordt in alleen geparameteriseerde vorm meegenomen.
Door te kalibreren wordt de oorzaak van verschillen tussen model en waarnemingen niet
verklaard.
Door op jaarlijkse tijdresolutie te rekenen, kan niet goed bestudeerd worden wanneer het
model wel en niet goed werkt.
Het integreren van satellietbeelden voor het beter monitoren en begrijpen van de
concentraties en emissies is niet mogelijk in het huidige OPS-systeem.
Op basis van bovenstaande uitdagingen en tekortkomingen zijn op dit vlak twee verbeterpunten te
benoemen.
Modelleren op hogere tijdsresolutie
Een hogere tijdresolutie geeft veel meer mogelijkheden modelresultaten te toetsen aan
waarnemingen. Metingen binnen het LML (o.a. uurlijkse NH3-metingen op zes stations) kunnen beter
worden benut, en ook gegevens uit satellietwaarnemingen kunnen in de evaluatie van het model
mee worden genomen.
Simultaan modelleren van meerdere componenten en effecten van meteorologie
NH3 en NOx hebben interactie met andere componenten in de atmosfeer, zoals aerosol en ozon. Deze
stoffen bepalen mede de atmosferische levensduur van reactieve stikstofverbindingen.
Meteorologische omstandigheden bepalen in grote mate hoe stoffen in de atmosfeer worden
getransporteerd, maar bepalen ook natte en droge depositie. Het geïntegreerd modelleren van de
41
atmosferische samenstelling is een belangrijke wetenschappelijk ontwikkeling, onder andere binnen
de Copernicus-services.
35
5.1.3 Depositie en processtudies
Doordat het proces van droge depositie voor stikstofverbindingen gecompliceerd en het meten ervan
duur is, is de kwaliteit van de procesbeschrijvingen voor de droge depositie een van de grootste
bronnen van onzekerheden in de modellering. De snelheid waarmee droge depositie plaatsvindt,
hangt sterk af van de oplosbaarheid van de stof, van de meteorologische omstandigheden
(atmosferische stabiliteit, lichtintensiteit, vochtigheid en evt. droogte) en van de eigenschappen van
het ecosysteem (ruwheid, bladoppervlak, groeiseizoen, etc.). Het proces van droge depositie wordt
sterk vereenvoudigd berekend voor een aantal vegetatieklassen: bijvoorbeeld loofbos, naaldbos,
semi-natuurlijke vegetatie, grassen en water. Naast de aanbeveling het aantal klassen uit te breiden,
is het raadzaam de evaluatie en ontwikkeling van de droge depositieroutine aan de hand van de
resultaten van wetenschappelijke campagnes continu aandacht te geven.
Nederland zou hieraan kunnen bijdragen door de droge depositie (van NH3, NOx en fijnstof)
campagne-gewijs na te lopen voor belangrijke vegetatietypen in Nederland. Het is belangrijk daarbij
verschillende state-of-the-art instrumentatietypen in te zetten. Een belangrijke uitdaging is de
modellering van het compensatiepunt van NH3.
36
Daartoe zal er op gelijke vegetaties in verschillende
concentratie-regimes voor NH3 gemeten moeten worden.
Naast natuurlijke vegetatie is het belangrijk de dynamiek in de uitwisseling van agrarisch gebruikte
velden te bepalen. Een fundamentele verbetering zou de gecombineerde modellering van emissie en
depositie zijn door een module te ontwikkelen die de stikstofpool in bodems dynamisch berekent.
In de brontoekenning van OPS komt de term “Ammoniak uit zee” voor. Het dient aanbeveling het
belang van deze bron na te gaan met een gerichte meetinspanning.
5.1.4 Emissiemodellering
De evaluatie van de gemiddelde NH3-concentraties over Nederland laat een beeld zien dat er regio’s
zijn waarin systematisch te veel of te weinig NH3 gemodelleerd wordt. Daarnaast hebben huidige
modellen moeite om de seizoengang van NH3 te representeren. Een deel van de verklaring ligt in het
feit dat de emissie van NH3 uit stallen en bodems afhangt van een aantal parameters die niet of
beperkt worden meegenomen in de modellering. De emissies van NH3 uit de landbouw zijn sterk
afhankelijk van meteorologie. Door deze niet mee te nemen en voor het hele land dezelfde statische
emissieprofielen te gebruiken om jaarlijkse emissies te vertalen naar uurlijkse tijdreeksen wordt veel
variatie verwaarloosd.
Aangezien de verdamping van NH3 temperatuurafhankelijk is, zullen stallen en bemeste bodems
meer NH3 uitstoten in een (voor)jaar met hoge temperaturen dan in een relatief koud jaar. Voor
stallen speelt het type (gesloten/open) een belangrijke rol. Naast temperatuur wordt de fractie van
de stikstof die bemeste bodems uitstoten ook beïnvloed door de aanwendingstechniek en
bodemeigenschappen. Aangezien de aanwending van mest en kunstmest vaak in korte periodes
plaatsvindt, is het van belang te weten wanneer dat voor welk gewas gebeurt. De variatie van de
NH3-emissies en -concentraties tussen regio’s en jaren is dus ook intrinsiek afhankelijk van
weersomstandigheden, gewastypes en stalsystemen. Deze afhankelijkheid wordt maar zeer beperkt
meegenomen in de huidige modellering en verdient nadere aandacht. Eerste stappen laten zien dat
het modelleren van de emissievariabiliteit vooruitgang brengt, maar dat het potentieel voor verdere
verbetering nog groot is.
37
,
38
Het adviescollege beveelt aan om deze ontwikkelingen te intensiveren
en na te gaan in hoeverre de invloed van meteorologische variatie op emissiesterktes de verschillen
35
https://atmosphere.copernicus.eu
36
Het NH3-compensatiepunt is de interne concentratie van ammoniak in de stomatale holte van de plant (de
ruimte grenzend aan de huidmondjes).
37
Hendriks et al. (2016)
38
Ge et al. (2020)
42
in jaargemiddelde concentratie, seizoengang en jaar-tot-jaar variatie kunnen verklaren en welke
effecten op de gemodelleerde depositie te verwachten zijn.
Het valideren van deze modellering behoeft tijdreeksen met een hogere tijdsresolutie dan
maandelijkse gemiddelden. Naast grondstations zouden satellietobservaties een rol bij de validatie
kunnen spelen. Door te bepalen in welke mate de modellering de variaties binnen Nederland en
binnen het jaar op de gemeten variaties past, worden extra mogelijkheden geschapen om de
emissiesterktes van specifieke agrarische activiteiten te evalueren.
5.1.5 Inzet van metingen voor modelverbetering
In de huidige GDN-praktijk wordt de droge depositie van NH3 gecorrigeerd met de gemiddelde onder-
/overschatting in vergelijking met gemeten waarden. Hierdoor vinden regionaal verschillende
correcties van tientallen procenten plaats. De huidige kalibratie aan jaarlijkse metingen poetst veel
van de tekortkomingen van het model weg. Deze praktijk geeft niet zonder meer een betere schatting
van de totale depositie, omdat impliciet wordt aangenomen dat de onderliggende emissies
hoofdverantwoordelijk zijn voor de verschillen tussen meten en berekenen. De veronderstelling dat
de droge depositie lineair afhangt van de NH3-concentratie kan ook tot fouten leiden.
39
Wetenschappelijk gezien, maar ook voor beleidsdoeleinden, is het dus van belang om te begrijpen
wanneer en waarom een model geen goede uitkomsten geeft. Deze diagnostische evaluatie maakt
vaak gebruik van wetenschappelijke data waarin parameters gemeten worden die normaal niet ter
beschikking staan. Dit kan leiden tot modelverbeteringen, maar ook tot bijstelling van (onzekere)
invoerparameters van het model, zoals de emissies uit de verschillende sectoren. Het adviescollege
raadt aan om daarnaast ook dynamische evaluaties van het modelinstrumentarium uit te voeren.
Deze laatste richten zich op de vraag of de modellen in staat zijn de variabiliteit door veranderende
emissiesterktes of meteorologische variabiliteit correct af te beelden. Na identificatie van
tekortkomingen behoren acties ingezet te worden om deze te verhelpen.
Het gebruik van optimalisatietechnieken
Door gebruik te maken van optimalisatietechnieken (ook wel invers modelleren genoemd), kunnen
de waarden voor onzekere parameters in een model worden geschat. Dit gebeurt door een
minimalisatie van een kostenfunctie
40
, waarin onder andere de verschillen tussen het model en
waarnemingen worden opgeteld. Een mogelijke lijst van model-parameters ter optimalisatie:
Emissie-totalen per sector en/of regio;
Chemische omzettingssnelheden van reactieve stikstofverbindingen;
Randvoorwaarden aan de rand van het domein;
Parameters relevant voor droge en natte depositie.
Deze techniek is een veelbelovend alternatief voor de huidige kalibratie. Op deze manier worden
metingen niet alleen gebruikt voor kalibratie, maar ook om te leren welke procesbeschrijvingen in
het model of invoergegevens verbetering behoeven, procesonderzoek mede kunnen sturen, en dus
als ondersteuning kunnen dienen van procesonderzoek. Om optimaal gebruik te maken van grond -
en satellietwaarnemingen is een hoge tijdsresolutie van modelleren hierbij gewenst.
Het kalibreren aan metingen heeft als voordeel dat de atmosferische concentratie die als basis dient
voor de depositieberekening niet systematisch te hoog of te laag zal zijn. Het RIVM werkt nu aan
Kriging-methoden die een ruimtelijke correctie kunnen uitvoeren. Daarbij zijn correcties in het
Oosten van Nederland dan bijvoorbeeld groter dan in het Westen. Deze werkwijze is praktisch
makkelijk uitvoerbaar, maar kent ook een aantal nadelen:
39
(Schrader et al., 2018)
40
Dit is een wiskundige vergelijking die in deze context afhangt van de modeluitkomsten en de waarnemingen,
waarbij een groot verschil tussen deze twee die leidt tot een ‘straf’ in de vorm van een hoge uitkomst. Door
minimalisatie, ofwel het zoeken naar de combinatie van parameters die tot de laagste waarde van de
kostenfunctie leidt, kan de optimale set modelparameters worden gekozen.
43
1. Het onderliggende modelproces dat verantwoordelijk is voor de mismatch wordt niet
geïdentificeerd.
2. De kalibratie vindt plaats op basis van jaarlijkse meet- en modelleergegevens, waardoor
seizoensafhankelijke effecten verborgen blijven.
3. De kalibratie blijft afhankelijk van de representativiteit van het netwerk, en kan door niet-
representatieve metingen worden beïnvloed.
Het optimaliseren van onzekere modelprocessen (emissies, depositie, chemie) met als doel de
mismatch tussen model en metingen te minimaliseren zou een logische verbeterstap zijn. Dit geeft
tevens inzicht in procesbeschrijvingen die verbetering behoeven. Als bijvoorbeeld blijkt dat de
modelperformance verbetert als de emissies als gevolg van mestaanwending worden opgehoogd,
kan dit een reden zijn deze emissiecategorie nader onder de loep te nemen.
Het aantal meetpunten voor mini-DOAS-metingen
41
voor de NH3-concentratie is beperkt (6), maar
deze metingen geven een schat aan waarnemingen, zoals Figuur 4.1 weergeeft. Daarnaast zijn er
de MAN-metingen in natuurgebieden, die een lagere nauwkeurigheid en tijdsresolutie hebben, en
gekalibreerd worden op LML-metingen.
Variabiliteit in de metingen wordt veroorzaakt door emissies, in combinatie met verliesprocessen en
atmosferisch transport. Met name gebrek aan verticaal transport bepaalt de hoge concentraties, die
vaak optreden tijdens rustige, heldere nachten. Bij meer turbulent weer (de laatste dagen in het
figuur) zijn concentraties (van NH3 en PM10) over het algemeen veel lager.
In de huidige praktijk worden deze metingen jaarlijks gemiddeld en vervolgens gebruikt om een
jaarlijks-gemiddeld modelresultaat te kalibreren. De metingen worden dus niet gebruikt om model-
parameters (zoals verticale menging en/of emissies) beter te beschrijven, maar alleen als kalibratie
achteraf.
Het OPS-systeem wordt niet alleen gebruikt voor de verspreiding van NH3. Het model vormt ook de
basis voor de GCN-kaarten voor PM10 (zie figuur 4.1), PM2.5, en NOx. Ook hier is het gebruikelijk
kalibratie uit te voeren. Voor PM is dit logisch, omdat niet alle processen die leiden tot PM worden
meegenomen. Verbeteringen in de fysica van het model (OPS in dit geval) zouden positief moeten
doorwerken op alle gemodelleerde componenten. Ook hier wreekt de jaarlijkse resolutie zich, omdat
momenteel weinig wordt gekeken naar periodes waarin de modellering duidelijk faalt. Zo wordt een
belangrijk deel van de uitgestoten NH3 in de atmosfeer omgezet in anorganisch aerosol, dat niet
bijdraagt aan droge NH3-depositie, maar wel via natte depositie van PM bijdraagt aan depositie van
reactief stikstof (in Nederland of het buitenland). Het kalibreren van concentratiekaarten verstoort
de massabalans (in dit geval behoud van reactief stikstof). Als er meer reactieve stikstofverbindingen
41
Zie Annex 2.1 van rapport 1 van het adviescollege (“Niet uit de lucht gegrepen”) voor een beschrijving van
mini-DOAS-metingen.
Figuur A5.1 Tijdserie van gemeten ammoniak (NH3) en fijnstof (PM10) op meetlocatie
Vredepeel in april 2020 (bron: www.luchtmeetnet.nl).
44
worden gemeten, kan de interne consistentie van het modelsysteem beter worden getest (vergelijk
de tijdsvariaties in de NH3- en PM10-metingen).
5.2 Gebruik van een modelensemble
Internationaal wordt steeds meer met een zogenaamd ensemble van modelresultaten gewerkt voor
complexe onderwerpen. Hierbij worden verschillende onafhankelijke wetenschappelijk gepubliceerde
modellen gedraaid en de uitkomsten samengevoegd tot een gemiddelde of een mediaan. Veel studies
hebben in het verleden aangetoond dat de performance van het ensemble beter is dan elk van de
deelnemende modellen.
42
Het adviescollege beveelt sterk aan om naar dit soort modelontwikkelingen
te kijken. Het rekenen met een ensemble van systemen biedt het voordeel dat er op een elegante
wijze een onzekerheidsanalyse beschikbaar komt. Daarnaast vindt er een gebalanceerde mix van
samenwerking en competitie plaats tussen de betrokken teams. Door de resultaten van de modellen
open beschikbaar te maken kunnen ook andere groepen onafhankelijke analyses uitvoeren.
In Nederland zijn meerdere modelsystemen beschikbaar om een dergelijk ensemble te genereren.
Op het RIVM wordt, naast OPS, met het EMEP-model gewerkt, dat ingezet wordt voor Europese
beleidsondersteuning. Daarnaast is er het LOTOS-EUROS-model, ontwikkeld onder coördinatie van
TNO, dat voor de Duitse kartering van stikstofdepositie ingezet wordt. Beide systemen worden door
hun ontwikkelaars gebruikt in de Copernicus Atmosphere Monitoring Service en zijn uitgerust met
data-assimilatietechnieken voor zowel grondmetingen als satellietdata. Als eerste stap naar een
ensemble zouden beide modellen ingezet kunnen worden met de Nederland-specifieke
invoergegevens. Vergelijking van de resultaten met die van beschikbare metingen en resultaten van
OPS zouden de robuustheid van OPS-resultaten kunnen bevestigen en eerste verbeterstappen
kunnen identificeren.
Simulaties van de concentraties en deposities van reactief stikstof met een ensemble vergen veel
rekenkracht. Dit bemoeilijkt de toepassing van een dergelijk modelensemble voor
beleidsondersteuning. Een oplossing zou zijn om met elk van de deelnemende modellen een bron-
receptormatrix uit te rekenen. Hiermee kan worden bepaald in welke mate de toevoeging van een
bron op een bepaalde locatie bijdraagt aan de depositie op andere locaties, bijvoorbeeld
natuurgebieden. Door voor elk model een dergelijke matrix door te rekenen, kan hiervan een
gemiddelde worden bepaald dat de beste wetenschappelijke kennis van dit systeem (met
bijbehorende onzekerheden) representeert. Mocht er nieuwe kennis beschikbaar komen die van
belang is voor het modelleren van concentraties en depositie, kan die in de individuele modellen
worden verwerkt om vervolgens een geüpdatete bron-receptormatrix te bepalen. Deze methode
combineert aansluiting bij de nieuwste wetenschappelijke inzichten (via het gebruik van state-of-
the-art Euleriaanse modellen) met rekenkundige efficiëntie.
5.3 Meetinstrumentarium stikstofconcentratie en -depositie
De Nederlandse meetnetwerken vormen samen met de Emissieregistratie en het
modelinstrumentarium het nationale instrumentarium dat ingezet wordt voor de beleidsadvisering,
vergunningverlening en internationale rapportageverplichtingen. De meetnetwerken worden ingezet
voor:
- de onafhankelijke toetsing van de beleidsvoortgang op een vooraf vastgesteld niveau
(ruimtelijk en in tijd);
- de onafhankelijke toetsing van de modelinstrumentarium;
- wetenschappelijk onderzoek naar mechanismen en trends.
De waarde van het meetnet voor beleidsmonitoring en -onderbouwing neemt toe naarmate de
meetstrategie beter afgestemd is op de behoeften van de modellering die nodig is voor de verdere
interpretatie en generalisatie.
42
Zie bijvoorbeeld Solazzo et al. (2012).
45
Nederland kent een aantal meetnetten waarin de concentraties en depositie van stikstofverbindingen
in kaart wordt gebracht (LML, MAN en COTAG). Voor een beschrijving van de meetnetten verwijzen
we naar de Annex 2.1 van het rapport Niet uit de lucht gegrepen over de werkzaamheden van het
adviescollege in fase 1. In fase 1 heeft het adviescollege geconcludeerd dat het meetnet een goede
ruimtelijke representatie heeft, vooral voor NH3 in natuurgebieden. Echter, voor een reductie van
modelonzekerheid werd sterk aangeraden het meetnet uit te breiden en satellietgegevens te gaan
gebruiken als ondersteuning van de grondwaarnemingen. Hier gaan we concreter in op de vraag hoe
deze intensivering van de meetnetwerken vormgegeven zou kunnen worden.
Het optimaliseren van een monitoringnetwerk voor bovenstaande doeleinden is een uitdagende taak.
Idealiter zou een netwerk zeker moeten stellen dat er kwalitatief goede informatie is met:
- adequate ruimtelijke dekking van de concentratie en depositie van alle relevante stoffen;
- voldoende langetermijnmonitoring van concentraties en depositiefluxen om (veranderingen
in) de blootstelling van ecosystemen te kunnen vaststellen;
- voldoende tijdsresolutie om processtudies mogelijk te maken en ontwikkeling en evaluatie
van het modelinstrumentarium te faciliteren;
- voldoende aantal simultane metingen van alle relevante stoffen en fluxen;
- gestandaardiseerde methoden en adequate kwaliteitsprocedures;
- een gebalanceerde en kosteneffectieve aanpak waarbij naast standaardmethoden ook
nieuwe en in ontwikkeling zijnde technieken getest worden.
De vraag wat adequaat en voldoende is, hangt samen met het doel (purpose) en de maximale
onzekerheid waarmee uitspraken gedaan moeten worden. Daaruit volgt de benodigde kwaliteit en
onzekerheid die getolereerd wordt in de meetstrategie en in de modellering. Hieruit volgt dat de
meetinspanning afhangt van de variatie in concentratie en depositie, de rol van een component in
het totale budget en belang voor het reduceren van onzekerheden in de modellering.
Het adviescollege beveelt aan om de meetstrategie te heroverwegen en via modelonderzoek te
bepalen wat de optimale strategie is in de context van bovenstaande doelen. Daarbij zou ook de
beschikbaarheid van satellietdata meegenomen moeten worden. De centrale vraag daarbij zou
moeten zijn hoeveel metingen van welke componenten waar nodig zijn om met een bepaalde
zekerheid te kunnen zeggen of het modelinstrumentarium doelgeschikt is.
Het is niet mogelijk om overal te meten. Vooral voor primaire stoffen die kort leven in de atmosfeer,
zoals NH3 en NOx, zijn de ruimtelijke verschillen in concentraties en depositie groot. Het is niet
mogelijk een landsdekkend beeld te geven op basis van metingen alleen. Van een adequate dekking
is sprake als de metingen voor elke component de belangrijkste bron en receptorgebieden dekken,
het liefst met een aantal punten daartussen. Voor stoffen met een grote ruimtelijke variatie met een
groot aantal verschillende bronnen (zoals NH3 en NOx) zijn meer meetpunten nodig dan voor een
meer homogeen verdeelde stof (zoals nitraatgehalte in fijnstof).
Op dit moment wordt er op 6 locaties met hoge tijdsresolutie NH3 gemeten in het LML. Daarnaast
levert het MAN voor de meeste Nederlandse natuurgebieden op een aantal locaties tijdreeksen van
maandgemiddelde NH3-concentraties. Hiermee wordt in Nederland intensiever NH3 gemeten in
natuurgebieden dan waar ook ter wereld. De dekking van de receptorgebieden is daarmee voor NH3
zeer adequaat. Echter het aantal meetpunten voor NH3 in de brongebieden in Nederland is zeer
beperkt. Het verdient aanbeveling de MAN-meetstrategie ook toe te passen op relevante
brongebieden om meer directe informatie over de trends en variaties in de emissies van NH3 te
genereren. Daarbij zouden regio’s gedomineerd door intensieve en extensieve veehouderij
(runderen, varkens en pluimvee) alsmede verschillende akkerbouwgebieden afgedekt moeten
worden. Aanvullend zou in proeftuinen verkend kunnen worden of ontwikkelingen rond sensoren een
aanvulling kunnen zijn. Het adviescollege beveelt aan om het LML uit te breiden naar minimaal acht
meetstations voor NH3. De additionele stations zouden ingezet kunnen worden in natuurgebieden
met enige omvang en bij belangrijke habitattypen waarmee ook modelevaluatie van rastermodellen
ondersteund wordt en complementair gemeten wordt.
46
In vergelijking met netwerken in het buitenland netwerk valt met name de Deense praktijk op waarin
op een achttal plaatsen met minimaal een dagelijkse dekking de meest relevante componenten
simultaan worden gemeten, inclusief metingen voor natte depositie, fijnstof en salpeterzuur welke
in het LML niet of met een lagere frequentie gemeten worden. De vorming van fijnstof is belangrijk
om goed te modelleren aangezien deze omzetting voor een groot deel het transport van
stikstofverbindingen over lange afstanden bepaalt. Salpeterzuur levert na NH3 de op een na hoogste
bijdrage aan de totale stikstofdepositie in Nederland. Voor deze in de atmosfeer gevormde
componenten is met name de tijdsresolutie van belang om modelvalidatie te faciliteren. Het
adviescollege adviseert dan ook om de meetstrategie voor modelvalidatie zodanig te herzien dat ook
binnen het LML op een aantal locaties deze informatie beschikbaar komt. Hiervoor komen stations in
aanmerking die in een landbouwgebied (hoog NH3), een in een redelijk groot natuurgebied (laag
NH3) en nabij de kust liggen. Er zijn verschillende technieken die in aanmerking komen zoals
denuder-filter-packs (dagelijks) of nat-chemische methodes (uurlijks) als de MARGA. Met deze
technieken is het ook mogelijk metingen van stikstofverbindingen als HNO2, PAN en organisch stikstof
te doen. Net als voor NH3 zijn er low-cost-technieken, zoals de inzet van de Delta-techniek in Groot-
Brittannië, om met maandelijkse resolutie aanvullende dekking voor deze componenten te behalen.
Een adequate dekking voor het meten van droge depositie is technisch en financieel onhaalbaar. Het
adviescollege waardeert de inspanning van het RIVM om metingen van droge depositie te integreren
in het LML aan de hand van nieuw ontwikkelde apparatuur en bestaande, wat eenvoudiger metingen,
zeer. Het adviescollege ziet deze droge depositiemetingen van NH3 en NOx als een essentieel
onderdeel van een meetnet waarbij op een beperkt aantal supersites (in natuur- en
landbouwgebieden) langdurig gemeten wordt. Op diezelfde stations zouden ook de natte depositie
en de concentraties van stikstofcomponenten gemeten moeten worden. Tot slot attendeert het
adviescollege op de noodzaak om met een aantal extra meetsystemen de procesbeschrijvingen voor
droge depositie campagne-gewijs na te lopen voor de belangrijkste landgebruik- en habitattypen.
Dit ter validatie en verbetering van de modellering.
5.4 Satellietmetingen
Twee belangrijke componenten van stikstof, NO2 en NH3, worden beide waargenomen vanuit de
ruimte. Satellieten geven dagelijkse informatie voor heel Nederland met een ruimtelijke resolutie
van ongeveer 5 km (NO2-metingen van TROPOMI op de Europese Sentinel-5P satelliet) of 14 km
(NH3-metingen van CrIS op de NOAA Suomi NPP-satelliet van de VS en NH3-metingen van IASI op
de EUMETSAT METOP-satelliet van Europa). Momenteel worden deze metingen niet gebruikt voor
Nederlandse beleidstoepassingen.
De gegevens van de huidige generatie satellieten (TROPOMI, OMI, CrIS, IASI) en de geplande
toekomstige missies zijn alle kosteloos en zonder beperkingen toegankelijk. Wel is er onderzoek en
kennis nodig om de satellietdata in de modellen te integreren en om het gebruik te optimaliseren
voor de Nederlandse toepassingen. Hier kan gebruik gemaakt worden van bestaande software en
expertise in Nederland en internationaal. Verder garanderen de bestaande satellietprogramma’s
zoals EU Copernicus de operationele beschikbaarheid van NO2- en NH3-metingen voor de komende
20 tot 30 jaar, met een door de EU vereiste gegarandeerde kwaliteit. De TROPOMI Sentinel-5P-
metingen worden voortgezet door de geplande Sentinel-5 instrumenten. Het EU Copernicus Sentinel-
programma voorziet verder ook in geostationaire satellieten (Sentinel-4 vanaf 2023), waarbij de
metingen uurlijks beschikbaar komen, in plaats van dagelijks zoals bij TROPOMI en CrIS.
43
Voor NH3-
metingen met IASI, zal er opvolging plaatsvinden met IASI-NG op de EUMETSAT Polar System,
Second Generation. Ook het CrIS-satellietinstrument aan VS-kant zal onderdeel uitmaken van een
operationele lijn. Het gebruik van satellietmetingen is dan ook zeer kostenefficiënt, daar de metingen
de komende decennia kosteloos en gegarandeerd toegankelijk zijn.
Satellietgegevens van luchtvervuiling zijn relatief nieuw, maar hebben zich inmiddels bewezen door
middel van een aanzienlijk aantal publicaties in de internationale wetenschappelijke literatuur. Een
recent voorbeeld is de waarneming van de NO2-afname in een groot deel van de wereld door alle
43
Zie https://www.copernicus.eu/nl
47
Covid-19 lockdown-maatregelen, gekwantificeerd door het TROPOMI-instrument. Satellietdata,
onder andere van NO2, wordt operationeel gebruikt (ge-assimileerd) door de Copernicus Atmosphere
Monitoring Service (CAMS) voor het verbeteren van analyses en dagelijkse verwachtingen van
luchtvervuiling. Het Nederlandse luchtkwaliteitsmodel LOTOS-EUROS wordt gevoed door het CAMS-
ensemble, en assimileert ook zelf satellietgegevens, om zo de verwachting voor Nederland zo goed
mogelijk te maken. Satellieten meten een totale kolom, in tegenstelling tot de metingen van
concentraties aan de grond van bijvoorbeeld het LML, maar meerdere nationale en internationale
onderzoeken hebben aangetoond dat er sterke correlaties zijn tussen de tijdreeksen van satelliet- en
grondmetingen. Er zijn hierover verschillende publicaties verschenen in de peer-reviewed literatuur.
Satellietmetingen zijn aanvullend aan het grondmeetnetwerk, wat nodig blijft om concentraties aan
de grond te monitoren (in bijv. de natuurgebieden), en om de gedetailleerde ruimtelijke variabiliteit
(binnen de satellietpixel) en dagelijks verloop van de concentraties van NH3 en NO2 in kaart te
brengen. Satellieten meten boven heel Nederland, en kunnen het gebrek aan informatie in de gaten
tussen de grondmetingen aanvullen. De onzekerheden van individuele satellietmetingen zijn
momenteel in de orde van 30%, maar de metingen zijn nog volop in ontwikkeling en verbeteringen
worden verwacht. Dit wijkt overigens niet ver af van de nauwkeurigheid van grondmetingen, daar
die ook fouten bevatten van vaak 20-30%, afhankelijk van de gebruikte meettechniek.
Inmiddels zijn er ook meerdere voorstellen gedaan voor mogelijke toekomstige (Europese ESA)
satellietmissies, zoals NITROSAT of SCOUT. Nederlandse onderzoekers zijn hier actief bij betrokken.
Deze voorstellen gaan alle uit van een verdere sterke toename van het ruimtelijk oplossend
vermogen tot ongeveer 500 meter (de schaal van een boerderij). Het NITROSAT-satellietconcept is
specifiek ontworpen om reactief stikstof, NO2 en NH3, met een dergelijk detail te monitoren. Voor
Nederland - maar ook voor Europa en de rest van de wereld -zouden dergelijke satellietmissies zeer
waardevol zijn. Dergelijke toekomstige NO2-en NH3-metingen vanuit de ruimte met boerderij-
resolutie zouden, in combinatie met het Nederlandse grondmeetnetwerk en een verdere ontwikkeling
in modellering zoals aangegeven in dit rapport, een ongekende database leveren voor verbeterde
kennis van de stikstofcyclus in Nederland.
De optimale manier om satellietgegevens te benutten is om deze metingen te combineren met
modellen zoals EMEP of LOTOS-EUROS die op uurlijkse basis de horizontale en verticale verdeling
van reactief stikstof modelleren, en die gebruik maken van nauwkeurige actuele meteorologische
informatie (wind, temperatuur, vocht, etc.). Het combineren van zowel de grond- en
satellietmetingen met de modelresultaten (assimilatie) leidt tot een zo optimaal mogelijke
beschrijving van de NO2- en NH3-concentraties in de atmosfeer, ten einde een verbeterde
stikstofdepositieberekening te kunnen doen. Met standaard OPS is een directe vergelijking met - en
gebruik van - satellietmetingen niet goed mogelijk, omdat dit model met name grondconcentraties
modelleert op basis van representatieve jaargemiddelde meteorologische gegevens. De LOTOS-
EUROS- en EMEP-modellen worden gebruikt in CAMS, waardoor er ook internationale inbedding is.
De dagelijkse satellietmetingen bevatten gedetailleerde informatie over de verplaatsing (pluimen)
en verblijftijd van reactief stikstof in de atmosfeer. Het vergelijken van het model en de
satellietmetingen levert informatie over de onzekerheden in de modelprocessen, zoals de emissies,
de beschrijving van het transport in de atmosfeer, de meteorologie, de chemische omzetting in de
atmosfeer, en uiteindelijk de depositie. Een voorbeeld is het verbeteren van onze kennis over het
transport van stikstof over de landsgrens met behulp van satellietwaarnemingen. Satellietmetingen
leveren hierin een unieke bijdrage.
Satellieten meten een totale kolomhoeveelheid. Daarom is deze meting sterk gerelateerd aan de
emissies (uitstoot) en ook de verwijdering van reactief stikstof (chemische omzetting en depositie).
Gecombineerd met kennis van de wind, of met een model, is het mogelijk om schattingen van de
ruimtelijke verdeling van emissies en de veranderingen van die emissies in de tijd te maken. Dit
biedt mogelijkheden om de schattingen van de Emissieregistratie geheel onafhankelijk te toetsen en
de variabiliteit van jaar tot jaar te schatten.
48
Annex 6: Literatuurlijst
Bouwman A.F., Boumans, L.J.M., Batjes, N.H. 2002. Estimation of global NH3 volatilization loss
from synthetic fertilizers and animal manure applied tot arable lands and grasslands. Global
Biogeochemical Cycles, 16(2), 1024. doi: 10.1029/2000GB001389.
Ellen, H.H., Groenestein, C.M., Ogink, N.W.M. 2017. Actualisering ammoniak emissiefactoren
pluimvee; Advies voor aanpassing van ammoniak emissiefactoren van pluimvee in de Regeling
ammoniak en veehouderij (Rav). Wageningen Livestock Research, Rapport 1015.
Ge, X., Schaap, M., Kranenburg, R., Segers, A., Reinds, G.J., Kros, H., De Vries, W. 2020. Modeling
atmospheric ammonia using agricultural emissions with improved spatial variability and temporal
dynamics. Atmospheric Chemistry and Physics Discussions, in review. doi: 10,5194/acp-2019-979.
Goedhart, P. W., Mosquera, J. & Huijsmans, J. F. M. 2020. Estimating ammonia emission after field
application of manure by the integrated horizontal flux method: a comparison of concentration and
wind speed profiles. Soil Use and Management, 36, p. 338-350. doi: 10.1111/sum.12564.
Goedhart, P. W., Huijsmans, J. F. M. 2017. Accounting for uncertainties in ammonia emission from
manure applied to grassland. Soil Use and Management, 33(4), p. 595-602.
Groenestein, C.M., Bokma, S., Ogink, N.W.M. 2014a. Actualisering ammoniakemissiefactoren
vleeskalveren tot circa 8 maanden; Advies voor aanpassing in de Regeling ammoniak en veehouderij.
Wageningen Livestock Research Rapport 778.
Groenestein, C.M., Aarnink, A.J.A., Ogink, N.W.M. 2014b. Actualisering ammoniakemissiefactoren
vleesvarkens en biggen; Advies herberekening op basis van welzijnseisen. Wageningen Livestock
Research Rapport 786.
Hendriks, C., Kranenburg, R., Kuenen, J.J.P., Van den Bril, B., Verguts, V., Schaap, M., 2016.
Ammonia emission time profiles based on manure transport data improve ammonia modelling across
north western Europe. Atmospheric Environment, 131, p. 83-96. doi:
10,1016/j.atmosenv.2016.01.043.
Hordijk, L., Erisman, J.W., Eskes, H., Hanekamp, J.C., Krol, M.C., Levelt, P.F., Schaap, M., De Vries,
W., Visser, A. (2020). Niet uit de lucht gegrepen: Eerste rapport van het Adviescollege Meten en
Berekenen Stikstof. https://www.rijksoverheid.nl/documenten/rapporten/2020/03/05/bijlage-niet-
uit-de-lucht-gegrepen.
Huijsmans, J. F. M., Vermeulen, G. D., Hol, J. M. G., & Goedhart, P. W. 2018. A model for estimating
seasonal trends of ammonia emission from cattle manure applied to grassland in the Netherlands.
Atmospheric Environment, 173, 231-238.
Kros, J., Os, J. van, Voogd, J.C., Groenendijk, P., Bruggen, C. van, Molder, R. te, Ros, G.H. 2019.
Ruimtelijke allocatie van mesttoediening en ammoniakemissie; Beschrijving mestverdelingsmodule
INITIATOR versie 5. Wageningen Environmental Research Rapport 2929.
Lagerwerf, L.A., Bannink, A., Bruggen, C. van, Groenestein, C.M., Huijsmans, J.F.M., Kolk, J.W.H.
van der, Luesink, H.H., Sluis, S.M. van der, Velthof, G.L., Vonk, J. 2019. Methodology for estimating
emissions from agriculture in the Netherlands. Calculations of CH4, NH3, N2O, NOx, NMVOC, PM10,
PM2.5 and CO2 with the National Emission Model for Agriculture (NEMA) update 2019. Wageningen.
WOT-technical report 148.
Ogink, N.W.M., Groenestein, C.M., Mosquera, J. 2014. Actualisering ammoniakemissiefactoren
rundvee: advies voor aanpassing in de Regeling ammoniak en veehouderij. Wageningen Research
Rapport 778.
Schaap, M., Timmermans, R.M.A., Roemer, M., Boersen, G.A.C., Builtjes, P.J.H., Sauter, F.J.,
Velders, G.J.M., Beck, J.P. (2008). The LOTOS-EUROS model: description, validation and latest
developments, International Journal of Environment and Pollution, 32(2), p. 270-290. doi:
10.1504/IJEP.2008.017106.
49
Schräder, F., Schaap, M., Zöll, U., Kranenburg, R., Brümmer, C. (2018). The hidden cost of using
low-resolution concentration data in the estimation of NH3 dry deposition fluxes. Scientific reports,
8, 969. doi: 10.1038/s41598-017-18021-6.
Simpson, D., Benedictow, A., Berge, H., Bergström, R., Emberson, L.D. Fagerli, H., ... Wind, P.
(2012). The EMEP MSW-W chemical transport model technical description, Atmospheric Chemistry
and Physics, 12, p. 7825-7865. doi: 10.5194/acp-12-7825-2012.
Solazzo, E., Bianconi, R., Vautard, R., Wyat Appel, K., Moran, M.D., Hogrefe, C., ... Galmarini, S.,
2012. Model evaluation and ensemble modelling of surface-level ozone in Europe and North America
in the context of AQMEII. Atmospheric Environment, 53, p. 60-74. Doi:
10,1016/j.atmosenv.2012.01.003.
Van Bruggen, C., Bannink, A., Groenestein, C.M., Huijsmans, J.F.M., Lagerwerf, L.A., Luesink, H.H.,
Sluis, S.M. van der, Velthof, G.L., Vonk, J. 2019. Emissies naar lucht uit de landbouw in 2017.
Berekeningen met het model NEMA. Wageningen, WOT Natuur & Milieu, WOT-technical report 147.
Van Bruggen, C., Geertjes, K. 2019. Stikstofverlies uit opgeslagen mest. Stikstofverlies berekend uit
het verschil in verhouding tussen stikstof en fosfaat bij excretie en bij mestafvoer. CBS paper 2019.
Colofon
Opdrachtgever
Minister van Landbouw, Natuur en Voedselkwaliteit
Opdrachtnemer
Adviescollege Meten en Berekenen Stikstof
Samenstelling
De heer prof. dr. L. Hordijk, voorzitter
De heer prof. dr. ing. J.W. Erisman
De heer dr. H. Eskes
De heer dr. J.C. Hanekamp
De heer prof. dr. M.C. Krol
Mevrouw prof. dr. P.F. Levelt
De heer prof. dr. M. Schaap
De heer prof. dr. ir. W. de Vries
Wetenschappelijk Secretariaat
De heer A.J. Visser MSc
Ambtelijk Secretariaat
De heer dr. H.F. Massink
De heer J. Stronks MSc
Datum
15 juni 2020
Stikstof adviesrapport1
Full-text available
Article
Ammonia emissions into the atmosphere have increased substantially in Europe since 1960, primarily due to the intensification of agriculture, as illustrated by enhanced livestock and the use of fertilizers. These associated emissions of reactive nitrogen, particulate matter, and acid deposition have contributed to negative societal impacts on human health and terrestrial ecosystems. Due to the limited availability of reliable measurements, emission inventories are used to assess large-scale ammonia emissions from agriculture by creating gridded annual emission maps and emission time profiles globally and regionally. The modeled emissions are subsequently utilized in chemistry transport models to obtain ammonia concentrations and depositions. However, current emission inventories usually have relatively low spatial resolutions and coarse categorizations that do not distinguish between fertilization on various crops, grazing, animal housing, and manure storage in its spatial allocation. Furthermore, in assessing the seasonal variation of ammonia emissions, they do not consider local climatology and agricultural management, which limits the capability to reproduce observed spatial and seasonal variations in the ammonia concentrations. This paper describes a novel ammonia emission model that quantifies agricultural emissions with improved spatial details and temporal dynamics in 2010 in Germany and Benelux. The spatial allocation was achieved by embedding the agricultural emission model Integrated Nitrogen Tool across Europe for Greenhouse gases and Ammonia Targeted to Operational Responses (INTEGRATOR) into the air pollution inventory Monitoring Atmospheric Composition and Climate-III (MACC-III), thus accounting for differentiation in ammonia emissions from manure and fertilizer application, grazing, animal houses and manure storage systems. The more detailed temporal distribution came from the integration of TIMELINES, which provided predictions of the timing of key agricultural operations, including the day of fertilization across Europe. The emission maps and time profiles were imported into LOTOS-EUROS to obtain surface concentrations and total columns for validation. The comparison of surface concentration between modeled output and in situ measurements illustrated that the updated model had been improved significantly with respect to the temporal variation of ammonia emission, and its performance was more stable and robust. The comparison of total columns between remote sensing observations and model simulations showed that some spatial characteristics were smoothened. Also, there was an overestimation in southern Germany and underestimation in northern Germany. The results suggested that updating ammonia emission fractions and accounting for manure transport are the direction for further improvement, and detailed land use is needed to increase the spatial resolution of spatial allocation in ammonia emission modeling.
Full-text available
Technical Report
Het Adviescollege Meten en Berekenen Stikstof is in december 2019 begonnen aan de eerste fase van zijn opdracht om advies te geven over de wetenschappelijke kwaliteit van de Nederlandse systematiek voor het meten van en rekenen aan stikstofverbindingen ter onderbouwing van het (toekomstig) beleid van de Rijksoverheid en provincies. Het uitgangspunt was de vraag: zijn de data, methoden en modellen die worden ingezet van voldoende wetenschappelijke kwaliteit en daarmee doelgeschikt?
Full-text available
Article
The Integrated Horizontal Flux method is commonly used to estimate ammonia emission from field applied manure. The method involves measuring the wind speed and ammonia concentration at various heights at a post in the middle of a manured plot. Wind speed and concentration profiles are subsequently fitted to these measurements. The product of the profiles represents the amount of ammonia driven away by the wind, and the calculated ammonia emission is based on integrating the product of the profiles along the height. A crucial step is the functional form of the profiles, and linear relationships employing the logarithm of the height are generally used. In this study, 160 Dutch mission experiments on grassland were re‐analysed to evaluate alternative profiles for the concentration and wind speed. It is shown that an exponential concentration model usually provides a better fit than the commonly used profile, and that the measurement error for the concentration should be modelled by means of a gamma distribution. Based on the re‐analysis, this new model reduces the calculated ammonia emission by around 10%. It is further shown that adding a displacement parameter to the wind speed model only has a minor effect on the calculated emission. Finally, a simulation study reveals that misspecification of the concentration profile may lead to a relative bias of up to 27%, that the precision of the estimated emission can be improved by increasing the number of concentration measurements near the ground, and that wind speed measurements at three heights could suffice.
Full-text available
Article
Long-term monitoring stations for atmospheric pollutants are often equipped with low-resolution concentration samplers. In this study, we analyse the errors associated with using monthly average ammonia concentrations as input variables for bidirectional biosphere-atmosphere exchange models, which are commonly used to estimate dry deposition fluxes. Previous studies often failed to account for a potential correlation between ammonia exchange velocities and ambient concentrations. We formally derive the exact magnitude of these errors from statistical considerations and propose a correction scheme based on parallel measurements using high-frequency analysers. In case studies using both modelled and measured ammonia concentrations and micrometeorological drivers from sites with varying pollution levels, we were able to substantially reduce bias in the predicted ammonia fluxes. Neglecting to account for these errors can, in some cases, lead to significantly biased deposition estimates compared to using high-frequency instrumentation or corrected averaging strategies. Our study presents a first step towards a unified correction scheme for data from nation-wide air pollutant monitoring networks to be used in chemical transport and air quality models.
Full-text available
Article
A recent study has raised doubts about the ammonia emission reduction achieved in the Netherlands when applying manure to grassland by means of low-emission techniques such as narrow band and shallow injection. The critics claim that percentages of ammonia released to the atmosphere associated with low-emission techniques might even overlap with that from surface broadcast spreading given the large alleged experimental uncertainties in measurements. Consequently, the rationale behind the regulations to which farmers are exposed is questioned. In this study, it is shown that the alleged large uncertainties were obtained by means of an erroneous statistical method and that the real uncertainties are much smaller. It is also shown that, even when there is a large uncertainty in individual measurements, previous conclusions about differences in emission between different manure application techniques are still valid. It is further argued in this study that uncertainty in the percentage of applied ammonia emitted is implicitly taken into account in any comparative statistical analysis conducted in the past.
Full-text available
Article
One of the main causes of the low efficiency in nitrogen (N) use by crops is the volatilization of ammonia (NH3) from fertilizers. Information taken from 1667 NH3 volatilization measurements documented in 148 research papers was summarized to assess the influence on NH3 volatilization of crop type, fertilizer type, and rate and mode of application and temperature, as well as soil organic carbon, texture, pH, CEC, measurement technique, and measurement location. The data set was summarized in three ways: (1) by calculating means for each of the factors mentioned, in which findings from each research paper were weighted equally; (2) by calculating weighted median values corrected for unbalanced features of the collected data; and (3) by developing a summary model using linear regression based on weighted median values for NH3 volatilization and by calculating global NH3 volatilization losses from fertilizer application using 0.5 resolution data on land use and soils. The calculated median NH3 loss from global application of synthetic N fertilizers (78 million tons N per year) and animal manure (33 million tons N per year) amount to 14 (1019) and 23 (1929), respectively. In developing countries, because of high temperatures and the widespread use of urea, ammonium sulfate, and ammonium bicarbonate, estimated NH3 volatilization loss from synthetic fertilizers amounts to 18, and in industrialized countries it amounts to 7. The estimated NH3 loss from animal manure is 21 in industrialized and 26 in developing countries.
Article
Field data on ammonia emission after liquid cattle manure (‘slurry’) application to grassland were statistically analysed to reveal the effect of manure and field characteristics and of weather conditions in eight consecutive periods after manure application. Logistic regression models, modelling the emission expressed as a percentage of the ammonia still present at the start of each period as the response variable, were developed separately for broadcast spreading, narrow band application (trailing shoe) and shallow injection. Wind speed, temperature, soil type, total ammoniacal nitrogen (TAN) content and dry matter content of the manure, application rate and grass height were selected as significant explanatory variables. Their effects differed for each application method and among periods. Temperature and wind speed were generally the most important drivers for emission. The fitted regression models were used to reveal seasonal trends in NH3 emission employing historical meteorological data for the years 1991–2014. The overall average emission was higher in early and midsummer than in early spring and late summer. This seasonal trend was most pronounced for broadcast spreading followed by narrow band application, and was almost absent for shallow injection. However, due to the large variation in weather conditions, emission on a particular day in early spring can be higher than on a particular day in summer. The analysis further revealed that, in a specific scenario and depending on the application technique, emission could be reduced with 20–30% by restricting manure application to favourable days, i.e. with weather conditions with minimal emission levels.
Article
Accurate modelling of mitigation measures for nitrogen deposition and secondary inorganic aerosol (SIA) episodes requires a detailed representation of emission patterns from agriculture. In this study the meteorological influence on the temporal variability of ammonia emissions from livestock housing and application of manure and fertilizer are included in the chemistry transport model LOTOS-EUROS. For manure application, manure transport data from Flanders (Belgium) were used as a proxy to derive the emission variability. Using improved ammonia emission variability strongly improves model performance for ammonia, mainly by a better representation of the spring maximum. The impact on model performance for SIA was negligible as explained by the limited, ammonia rich region in which the emission variability was updated. The contribution of Flemish agriculture to modelled annual mean ammonia and SIA concentrations in Flanders were quantified at respectively 7-8 and 1-2 μg/m3. A scenario study was performed to investigate the effects of reducing ammonia emissions from manure application during PM episodes by 75%, yielding a maximum reduction in modelled SIA levels of 1-3 μg/m3 during episodes. Year-to-year emission variability and a soil module to explicitly model the emission process from manure and fertilizer application are needed to further improve the modelling of the ammonia budget.
Article
Het doel van deze studie is de ammoniakemissie factoren in de Regeling ammoniak en veehouderij te actualiseren voor rundvee. De representativiteit van de emissiefactoren voor de huidige praktijk en nieuwe informatie wordt geëvalueerd. Geadviseerd wordt de emissiefactor voor conventionele huisvesting van melkvee en de huidige emissiearme huisvesting te verhogen met 18%.
Article
Deze studie heeft als doel de emissiefactoren voor de verschillende hokoppervlakken te evalueren en eventueel te herberekenen in het zicht van de huidige stand van zaken m.b.t. welzijnseisen, wetenschappelijke kennis en verwachte ontwikkelingen in de varkenshouderij