Maatschappelijk Verantwoord Boeren

Geurmeten

 

Het is goed om te realiseren dat de geurbelasting in de huidige systematiek niet gemeten maar berekend wordt. Dit vindt zijn grondslag in het feit dat het meten van geur zeer lastig is. Geur (een mix van honderden vluchtige stoffen) is zo complex dat het alleen 'gemeten' kan worden door 'mensen neuzen'. Dat gebeurt als volgt. Bij een uitstroompunt van geur, bijvoorbeeld een ventilator van een stal, wordt in een zak lucht opgevangen. De lucht uit de zak wordt in een laboratorium door een buisje aangeboden aan meerdere personen (het panel). Deze krijgen de vraag of ze iets ruiken. Als dat het geval is wordt de lucht uit de zak verdund met een zelfde hoeveelheid schone lucht (halveren van de hoeveelheid geurmoleculen per eenheid lucht). Opnieuw krijgen de panelleden de lucht aangeboden. Dit proces herhaald zich net zo lang tot dat niemand iets meer kan ruiken. Als de geur mild is dan zijn er bijvoorbeeld 3 verdunningsstappen nodig tot het moment dat de panelleden niets meer ruiken. Is de lucht sterker dan zijn er bijvoorbeeld 10 verdunningsstappen nodig voordat de panelleden niets meer ruiken. In het eerste geval noemen we dat 3 OU (Odeur Units). In het tweede geval noemen we dat 10 OU. 

 

Het moge duidelijk zijn dat deze methode omslachtig en dus duur is en daarom niet in de dagelijkse praktijk toegepast kan worden. Daarbij komt dat de betrouwbaarheid ook nog eens laag is. Daarom wordt de geurbelasting in de praktijk niet gemeten maar berekend. Middels proefstallen wordt eerst vastgesteld wat het effect van een stalsysteem op de geuremissie is. Hiervoor worden de 'laboratorium-neuzen' ingezet. Als voorbeeld staat hieronder een tabel met de emissies van drie stalsystemen voor de emissie per vleesvarken.

 

Vleesvarkens Categorie ammoniak geur fijnstof
D 3.100 Overige huisvestingssystemen 3,0 23,0 153
D 3.2.8 Biologische luchtwassysteem 70% ammoniakemissiereductie, 45% geuremissiereductie en 75% fijnstofemissiereductie. 0,9 12,7 38
D 3.2.5 Mestopvang in water in combinatie met metalen driekantroostervloer. 1,3 17,9 153

 

Uit de proefstallen data blijkt dat systeem D 3.100 3,0 kg NH3 per dierplaats per jaar emitteert. Dat de geuremissiefactor in odour units (OU) per seconde per dier 23,0 is en dat de fijnstofemissie in gram PM10 per dier per jaar 153 is.

 

Als een veehouder kort bij stedelijk gebied zijn bedrijf heeft of omdat de geureisen in zijn naaste omgeving strenger dan gemiddeld zijn dan zal hij een extra inspanning moeten leveren om de geur te reduceren. Hij kan dan bijvoorbeeld voor de biologische luchtwasser kiezen. Op een geurkaart kan hij terug vinden wat de maximale geurbelasting uitgedrukt in OU is voor de geurgevoelige objecten (woningen) in zijn omgeving. Doorgaans heeft een gemeente een geurverordening waarin deze kaart opgenomen is. Is er geen geurverordening dan worden de Rijksnormen gebruikt.

 

Een voorbeeld. Stel dat een veehouder op de geurkaart ziet dat de maximaal toegestane geurbelasting van een geurgevoelig object, bijvoorbeeld een woning, 10 OU is. Om te berekenen wat zijn beoogde stalsysteem met het beoogde aantal dieren aan geurlast op gaat leveren heeft hij de V-Stacks module (een reken programma) nodig. Als hij 2000 vleesvarkens wil gaan houden dan worden er 2000 x 12,7 = 25400 OU/seconde uitgestoten. De V-Stacks rekenmodule houdt rekening met veel factoren zoals ruwheid van het terrein, windsnelheid en -richting, luchtvochtigheid, neerslag en temperatuur. De basis is, en nu wordt het even ingewikkeld, het bi-Gaussische pluimmodel en de turbulentie- en grenslaaghoogtebepaling uit de meteoparameters. Ook de pluimhoogtestijging speelt een rol.

 

Zoals gezegd. Geur belasting berekenen is ingewikkeld omdat de geur van veel factoren afhankelijk is. De grondlegger van de Stacks verspreidingsmodellen is Hans Erbrink mede ontwikkelaar van het concept Geurradar. https://erbrinkstacks.nl/ 

Zo is het mogelijk dat mensen die korter bij de bron wonen geen last hebben en mensen die verder van de bron wonen wel last ondervinden. De atmosfeer is dan bijvoorbeeld instabiel omdat het zonnig is en de zon voor opstijgende lucht (thermiek) zorgt  Geur kan zich dan in een golfbeweging verplaatsen afhankelijk van de stabiliteit van de atmosfeer. Het volgende beeld geeft dit weer.

 

 

De volgende stap is dat V-Stacks historische meteodata gebruikt (Periode van 10 jaar) en de situatie per geurgevoeligobject doorrekend. Dat gebeurt voor ieder uur. In totaal zijn dat 365x24x10 = 87600 berekeningen per geurgevoelig object. Vervolgens wordt het 98 percentiel vastgesteld. Dat is de geurbelasting in OU waar 98% van de berekeningen onder ligt. In dit voorbeeld moet het 98 percentiel 10 OU of lager zijn als de geurkaart bijvoorbeeld 10 OU als maximum aangeeft. 98 percentiel betekent ook dat 2% van de tijd de geurbelasting boven de 10 OU uit komt. Dat is gemiddeld bijna 30 minuten per dag of gemiddeld 175 uren per jaar.

 

Om een indruk van de geurbelasting door veehouderijen in Brabant te krijgen kunnen we eens kijken naar de volgende kaart:

Bron: https://www.atlasleefomgeving.nl/kaarten 

Hierop is duidelijk te zien dat de meeste veehouderijen zich in het oosten van Brabant bevinden.

 

Als we wat verder inzoomen op het dorp Beers in het Land van Cuijk dan zien we het volgende:

 

Als we  nog wat verder inzoomen op een paar bedrijven in Beers krijgen we het volgende beeld.

Wat is het probleem van het huidige systeem?

Bovenstaande plaatjes geven het beeld weer over het gemiddelde van een lange periode. Dat geeft nuttige informatie op het moment dat je in het buitengebied wilt gaan wonen en een huis zoekt. Je krijgt dan een goed beeld van de algehele geur situatie. Maar als je er eenmaal woont en je ervaart geuroverlast dan is de informatie te beperkt. Dien je een klacht in dan komt er een toezichthouder van de omgevingsdienst namens het bevoegde gezag (de gemeente). Hij of zij kan alleen controleren of de uitgangspunten waarop de V-Stacks berekeningen gebaseerd zijn kloppen. Zijn er niet meer dieren aanwezig dan in de vergunning staan of gemeld zijn? Is de luchtwasser geplaatst die vergund of gemeld is? Functioneert de luchtwasser  naar behoren? klopt de PH van de wasvloeistof en zijn de sproeiers niet verstopt? Als dat allemaal op orde is dan kan de toezichthouder niet anders dan concluderen dat er binnen de regels gewerkt wordt. Als dit resultaat terug gekoppeld wordt aan de klager dan veroorzaakt dit niet zelden frustratie met als gevolg nog meer meldingen en nog meer frustratie als steeds weer blijkt dat er binnen de 'vergunning' gewerkt wordt en er wel overlast ervaren wordt. Dit kan oplopen tot hoge kosten voor de betreffende gemeente vanwege de zich steeds herhalende controle bezoeken.

 

Een groot nadeel van het huidige systeem is dat niemand inzicht heeft in de geursituatie op het moment dat de klacht ontvangen wordt. Dat is overigens met de techniek die vandaag beschikbaar is al wel mogelijk maar wordt nog niet toegepast.

Met V-Stacks kan voor ieder moment van de dag  de situatie inzichtelijk gemaakt worden. Hieronder zie je een aantal geursituaties in Beers op 22 en 23 september 2014 berekend met V-Stacks-moment.

 

[1] Dit is de situatie op 22 september 2014 13.00 uur 's-middags. De geur situatie is rustig.

[2] Dit is de situatie om 18.00 uur. De avond valt en de atmosfeer stabiliseert. De geurbelasting neemt toe maar de windrichting is voor de inwoners van Beers nog vrij gunstig.

[3] Weer een uur later. het is 19.00 uur. Er zijn strakke lange pluimen, er is weinig verdunning en de wind gaat meer naar het oosten waaien. De overlast in Beers neemt toe. 

[4] Het is nu 04.00 uur in de nacht. De wind is gedraaid en de windsnelheid is laag waardoor een 'geurdeken' te zien is.

[5] Een nieuwe dag is aangebroken. Het is 09.00 uur in de ochtend. De wind trekt aan en de pluimen worden weer strakker.

 

Het is duidelijk dat dat de plaatjes met moment afbeeldingen veel informatiever zijn dan de afbeeldingen met gemiddelden over een lange periode.

 

Stel dat een inwoner van Beers, wonende in de bebouwde kolom, een klacht indient op 22 september 19.00 uur plaatje [3]. De toezichthouder kan dan aangeven dat de geur van 1 of meerdere veehouderijen afkomstig kan zijn als hij over moment informatie beschikt. 

Stel dat er de volgende ochtend opnieuw een klacht uit de kom van Beers binnen komt om 9.00 uur plaatje [5]. De toezichthouder kan dan mededelen dat het niet aannemelijk is dat de geur van een veehouderij afkomstig is. Mogelijk wordt er mest in een weiland geïnjecteerd of heeft een heftige regenbui voor overloop van het riool gezorgd waarbij geur is vrijgekomen.

 

Als de toezichthouder over moment informatie kan beschikken dan kan hij de klacht beter afhandelen omdat hij beter geïnformeerd is. Hij heeft dan nog geen informatie om te beoordelen of er spraken is van een overtreding. Geur belasting tot de vastgestelde norm is immers toegestaan en gedurende 175 uren per jaar wordt er boven de norm belast.

 

Dit is een onbevredigende situatie.

 

Naar aanleiding van een onderzoek met eNoses in Vianen (gemeente Cuijk) en later na overleg met veehouders in Beers werd het concept Geurradar uitgewerkt. Het concept bestaat uit Geurradar-basis en Geurradar-professional. 

 

Geurradar-basis

Geurradar-basis is een eenvoudig systeem wat snel en tegen lage kosten nuttige informatie kan leveren over de geur situatie in heel Brabant. Het maakt gebruik van actuele wind informatie van bijvoorbeeld een site als Windfinder.

https://www.windfinder.com/#13/51.7268/5.8664/2021-02-27T06:00Z

Op het moment van schrijven (27 februari 2021 11.00 uur) komt de wind uit het noorden met een snelheid van 6 km/h.

 

Door Windfinder aan Web-BVB  https://bvb.brabant.nl/  te koppelen kunnen alle veehouderijen van Brabant op de Windfinder kaart gezet worden. Windfinder geeft aan hoe de wind waait. Het Bestand Veehouderij Bedrijven (BVB) kan gebruikt worden om de geuremissie te achterhalen van alle veebedrijven in OU/seconde. Hiermee kan een eenvoudige pluim of pijl gemaakt worden. Omwonenden kunnen de Geurradar-basis app op hun telefoon zetten en krijgen van uur tot uur informatie over windrichting en windsnelheid. Op hun smartphone zien ze de veebedrijven uit de omgeving en hoe de geur zich vanuit deze bedrijven verspreid. Bij lagere emissie een kleinere pluim of pijl bij een groter emissie een grotere pluim of pijl  Er wordt nog geen gebruik gemaakt van een professioneel verspreidingsmodel zoals V-Stacks. De pluimen of pijlen geven een indicatie van de geur maar zijn nog primitief. 

 

Geurradar Professional 

Om een realistische geurpluim af te beelden wordt het verspreidingsprogramma V-Stacks toegevoegd. Hiermee wordt meer voorspellende informatie  in het berekenprogramma ingebracht zoals temperatuur, luchtvochtigheid, bewolking, intensiteit van zonneschijn etc. Geurradar wordt ook interactief. Dat wil zeggen dat een 'geuralarm' afgegeven kan worden als de geur boven een bepaalde grens komt. Middels een pushbericht wordt men hierover tijdig geïnformeerd waardoor men op tijd de ramen kan sluiten of de was kan binnen halen. Ook kan men een eigen personal-Geurradar maken. Door feedback te geven 'leert' de app of een pluim te groot of te klein berekend wordt en wordt een persoonlijke correctiefactor toegevoegd. Na verloop van tijd zullen gezinsleden merken dat ze ieder een eigen Geurradar beeld krijgen. Wat de een niet ruikt ruikt de ander mogelijk wel. Deze feedback van de 'veldneuzen' is voor het meten van geur een belangrijke doorbraak. Hierover later meer. 

 

Eerst gaan we kijken naar recente ontwikkelingen aangaande geur en veehouderij.

 

Stroomversnelling

Er is al lang kritiek op de huidige methode van middelgericht sturen op geur. Maar nog nooit werd de stap gezet hier verandering in te brengen. Dit veranderde toen uit onderzoek van Wageningen University & Research (WUR) bleek dat combi-luchtwassers in de praktijk minder geurreductie realiseren dan aanvankelijk werd aangenomen. Dit was aanleiding voor het Rijk om in juni 2018 de Commissie Geurhinder Veehouderij in te stellen. Dit leidde tot een adviesrapport van het Overlegorgaan Fysieke Leefomgeving met de niets verhullende titel "Geur bekennen" (april 2019) en brieven aan de tweede kamer over dit onderwerp waarin aangegeven werd dat er anders met emissies uit veestallen omgegaan moet worden. Daarna verscheen het Rebel rapport "Een nieuw systeem van stalbeoordeling, hoe verbeteren we het proces voor beoordeling van emissies in stallen? (juni 2020). En een paar maanden later komt de Taskforce Versnelling Innovatieproces stalsystemen met het rapport "Ruimte voor ondernemerschap en innovatie" (november 2020). (deze brieven en rapporten staan onder de tab 'literatuur').

 

Kern van de kamerbrieven en de rapporten is dat het Rijk af wil van sturen op middelen en over wil gaan op sturing op doelen. Dit geld voor ammoniak, fijnstof, geur en methaan. Dus niet meer "er is een luchtwasser aanwezig en dus wordt voldaan aan de regels" maar "de emissie moet onder de norm blijven". Om deze stap te nemen zijn sensoren nodig om emissies te meten. Vergelijk het met de de regelgeving om geluid overlast te reguleren. In de vergunning of algemeen geldende regels in een besluit of verordening staat "de maximale toegestane belasting van een geluid gevoelig object is XX decibel". Daar moet men onder blijven. Zo niet dan moeten maatregelen getroffen worden of er wordt handhavend opgetreden.

 

Er moet dan wel een goed functionerende meet methode zijn zoals dat voor geluid het geval is. Voor stikstof en fijnstof zijn sensoren te koop die ingezet kunnen worden om te monitoren of emissiedoelen behaald worden. Maar hoe zit het met geur? We hebben in het begin geconstateerd dat er op dit moment geen praktische meetmethode beschikbaar is en zelfs de beschikbare methode met 'laboratorium neuzen' is vrij onbetrouwbaar.

 

Het ministerie van LNV verwacht dat er 5 a 7 jaar nodig zijn om van het huidige sturen op middelen over te schakelen op sturen op doelen. Om deze transitie te ondersteunen komt er budget voor 20 pilots om de emissie uitstoot van stallen te meten.

 

Experimenteren met sensoren en datasystemen

Voor het opdoen van ervaring in het werken met praktijkmetingen van stalemissies adviseert de Taskforce de minister een twintigtal pilots op te starten. Deze pilots leveren informatie op over het werken met sensor- en datasystemen, die van belang zijn om op termijn invulling te geven aan de ambitie van minister Schouten om te gaan werken met gemeten stalemissies. Voor het opstarten van deze pilots hebben minister Schouten en de staatssecretaris van Infrastructuur en Waterstaat, vanVeldhoven, een regie-orgaan ingesteld.

De Taskforce Versnelling Innovatie Stalsystemvan Infrastructuur en Waterstaaten is vorig jaar door minister Schouten ingesteld om antwoord te geven op de vraag: ‘hoe de versnelling op het gebied van innovatie van stalsystemen, andere veehouderij-oplossingen en een bijbehorend nieuw systeem van vergunningverlening, toezicht en handhaving er in de toekomst uit moet zien. Het advies van de taskforce is tot stand gekomen met inbreng en hulp van overheden, onderzoekers, fabrikanten van staltechnieken, agrobedrijfsleven, individuele veehouders, landbouworganisaties en maatschappelijke organisaties. (persbericht februari 2021)

 

Het op een praktische wijze goed meten van geuremissie wordt voor de komende jaren een grote uitdaging!

Globaal zijn er twee ontwikkelrichtingen die als volgt geduid kunnen worden: de Marker methode en de Data-Science methode. De Marker-methode is gebaseerd op 'laboratorium-neuzen', de Data-Science methode is gebaseerd op 'veldneuzen'.

Beide methodes worden hierna toegelicht.

 

Marker-Methode

Voor deze methode kiest men voor een chemisch-analytische insteek waarbij men op zoek gaat naar concentraties van alle componenten die relevant zijn voor geurbeleving. De methode moet nauwkeurig zijn en te kalibreren. De bruikbaarheid wordt vastgesteld door de correlatie met de sensorische methode (laboratorium-neuzen) vast te stellen. Als de correlatie hoog genoeg is dan kan met sensoren de samenstelling van de geur voor een aantal componenten gemeten worden welke gerelateerd kan worden aan de mate van geuremissie. Onderzoek naar geschikte markers vindt op dit moment o.a. plaats door Wageningen Universiteit & Research (WUR) en de University of Aarhus in Denemarken.

 

Data-Science Methode

Deze methode kiest een andere oplossingsrichting. We moeten vaststellen dat voor het meten van geur menselijke neuzen niet te missen zijn. De Marker-Methode maakt gebruik van laboratorium-neuzen en zoekt naar een afgeleide die daaraan gerelateerd is. De Data Science Methode maakt gebruik van 'veldneuzen'. We moeten daarvoor even terug naar Geurradar-professional. Op gezette tijden kunnen de gebruikers van de app feedback geven over de geursituatie ter plaatsen . Dat zal vaak thuis zijn maar kan ook tijdens een wandeling of fietstocht. V-Stacks-moment maakt niet alleen een realistische pluim maar berekend op gezette tijden de OU's van de locatie waar de veldneus zich bevindt. Door feedback te geven kan het systeem nagaan of de berekening te hoog of te laag was. Zit een bedrijf vaak boven de verwachte waarde dan wordt de emissie naar boven bijgesteld en visa versa. 

 

Naar verloop van tijd ontstaat een goed gevulde databank die middels datamining geanalyseerd kan worden. We treden daarmee in de nieuwe wereld van Data-Science. Middels algoritmen kan gezocht worden naar zinvolle relaties. Hoe groter de databank (Big Data) hoe meer kans dat nuttige relaties ontdekt worden. Hierboven is aangegeven dat door de stap van Geurradar-basis naar Geurradar-professional elementen toegevoegd worden als temperatuur, luchtvochtigheid, bewolking en zonneschijn. 

Maar ook andere zaken waarvan verwacht wordt dat ze mogelijk een effect hebben op de geursituatie kunnen toegevoegd worden aan de databank. Denk aan diersoort, aantal dieren, stalsysteem, type luchtwasser, samenstelling van het voer, hoogte van het uittreed punt, horizontale of verticale uitstroom van lucht en dagen dat de putten gemixt worden om er maar eens een paar te noemen.

Op voorwaarde dat er voldoende data beschikbaar zijn kan een data-analist op zoek gaan naar zinvolle relaties. Wat is het het effect van luchtwasser type X op de waarnemingen van de veldneuzen? wat is het effect van de samenstelling van het voer (vast voer of breivoer)? Wat is het effect van een hoog uitstootpunt (schoorsteen effect) ? De verwachting is dat er in het begin wel relaties ontdekt worden maar dat de betrouwbaarheid van de waarnemingen laag is. Door het groeien van de databank met waarnemingen zal de betrouwbaarheid toenemen. Afhankelijk van de hoeveelheid data die beschikbaar is kan de geuremissie van een veebedrijf betrouwbaar geanalyseerd worden.

 

Een nieuwe manier van toezicht en handhaven

Met een druk op de knop kan de data-analist over een aantal jaren een ranking maken van veebedrijven die voor geurbelasting scoren boven verwachting. Toezicht en handhaving was traditioneel regelgericht. Klopt het aantal dieren? Is de luchtwasser aanwezig en staat hij aan? Door deze nieuwe technologie kan een overstap gemaakt worden naar doelgericht toezicht en handhaven. Waar bevinden zich de bedrijven die meer dan verwacht geur uitstoten? Is de eigenaar bereid mee te werken aan een verbeter traject? Is het mogelijk om door maatregelen te nemen de geurbelasting op een gewenst niveau te krijgen?

Door goede informatie wordt het voor de veehouder mogelijk om het geurmanagement op zijn bedrijf te optimaliseren. Door goed geurmanagement kan hij er naar streven de geurbelasting onder de grenswaarde te krijgen. Omwonenden zullen dit weten te waarderen en hij werkt daarmee aan zijn 'licence to produce'. 

 

Wat is nu het nut van een eNose?

In 2014 werd er een experiment met eNoses gedaan in Vianen (gemeente Cuijk). Dit leverde een positief resultaat op. De eNose herkende de luchten van een varkenshouderij en ook bleek hij de intensiteit van de lucht te kunnen waarnemen. Maar wat betekent dat nu. Daarvoor is wat uitleg nodig hoe een eNose werkt. In een eNose zitten meerdere halfgeleiders. Halfgeleiders hebben de eigenschap om elektriciteit meer of minder door te laten. Het doorlaten van elektriciteit is afhankelijk van de lading van de moleculen die zich rond de halfgeleiders bevinden. Geur is een mix van vluchtige stoffen die uit verschillende moleculen bestaan met verschillende lading. Als er een bepaalde geur door de eNose gaat dan geeft dat een bepaald patroon ook wel 'fingerprint' genoemd. Hieronder zie je een foto van een eNose met daarboven een weerstation die windrichting en windsnelheid aangeeft. Daaronder zie je de uitdraai van drie eNoses voor de periode 14.00 uur tot 19.00 uur op 5 november 2014 te Vianen (gemeente Cuijk). Iedere eNose heeft 4 halfgeleiders ( S1 t/m S4).  

 

Als je als leek naar de uitdraai kijkt dan kun je daar geen chocola van maken. Alleen een specialist met veel ervaring zal patronen herkennen.

De eNose zelf is een 'dom' instrument. Net zoals een piano 'dom' is. Als ik op de toets van een piano druk dan hoor ik een geluid. Als ik op een volgende toets druk net een iets ander geluid. En als ik er harder op druk hoor ik een harder geluid. Het heeft potentie. Maar er is meer nodig om piano te kunnen spelen. Je moet veel oefenen. Zo is het ook met een eNose. Door een eNose-analist heel vaak naar de fingerprints te laten kijken en te relateren aan de betreffende geur van dat moment ontdekt hij op den duur een patroon wat hij herkend en wat past bij een bepaalde geur. Maar als er in de toekomst honderden eNoses geïnstalleerd worden bij veehouderijen dan is het natuurlijk onbegonnen werk om steeds een specialist te moeten inhuren die de eNose kan 'lezen'. Als of je steeds een pianist moet inhuren om muziek uit je piano te krijgen. Je kunt natuurlijk zelf leren piano te spelen maar dat is niet voor iedereen weggelegd. De vraag is of er een alternatief is om de eNose te kunnen 'lezen'. Dat is er gelukkig.  Middels Geurradar-Professional wordt een databank aangelegd. Daaraan kunnen de fingerprints zoals hierboven staan toegevoegd worden. Als de computer weet wat de geursituatie is door V-Stacks-moment en de feedback van appgebruikers dan kan hij in de fingerprint databank op zoek gaan naar het patroon wat daar bij past. Omgekeerd werkt het ook. Je hebt een bepaald fingerprint patroon. Na een leerfase kan het systeem voorspellen welke geuremissie hier bij past. Vervolgens relateer je dit aan de waarnemingen van de veldneuzen. In het begin zal de relatie klein zijn maar de verwachting is dat hoe verder de tijd verstrijkt hoe beter de computer met de data van de eNoses de geuremissie kan voorspellen. Als de correlatie tussen de waarnemingen van de veldneuzen en de fingerprints van de eNoses voldoende hoog is dan kan het systeem zonder veldneuzen werken. De eNoses zijn dan geschikt om geur van veehouderijen te meten. De verwachting is dat meerdere maanden van 'leren' nodig zijn voor dat het zover is. Dit is mede afhankelijk van het aantal veldneuzen wat deelneemt.

 

Zijn veldneuzen wel te vertrouwen?

De vraag die vaak gesteld wordt is: "iedereen kan veldneus worden. Wat als een veldneus nog een appeltje te schillen heeft met een veebedrijf en moedwillig foute informatie als feedback geeft?" 

Dat is geen probleem. Want de data-analist kan ook de kwaliteit van de  veldneuzen kwantificeren. Het systeem berekend een verwachting van de geurbelasting met V-Stacks-moment en vraagt de veldneus vervolgens om feedback. Als de feedback inconsequent is bijvoorbeeld dan weer eens te hoog en dan weer eens te laag dan is de betrouwbaarheid van de veldneus laag en zal niet of nauwelijks in de voorspelling van de geuremissie opgenomen worden. Als een veldneus consequent aan geeft dat de ervaren belasting "10" (maximaal) is dan valt de veldneus ook door de mand. Het systeem 'trekt de conclusie' dat de veldneus geen onderscheid kan maken. Als een veldneus systematisch 2 punten te hoog scoort dan is dat ook geen probleem omdat het systeem de waarnemingen van deze veldneus met alle andere veldneuzen vergelijkt en tot de 'conclusie' komt dat de veldneus steeds 2 punten te hoog scoort waarop het systeem vervolgens een correctie los laat. 

Het is zelfs mogelijk om een ranking te maken van beste veldneus naar slechtste veldneus en een betrouwbaarheid per veldneus uit te rekenen. Om sneller data te verzamelen, waardoor betrouwbare vaststelling van de geuremissie sneller in beeld komt, zou je er toe over kunnen gaan om de beste veldneuzen te belonen voor het aanleveren van informatie.

Stel dat er op een locatie X een probleem is. Er zijn klachten maar er is te weinig informatie omdat er te weinig veldneuzen in de nabije omgeving van locatie X zijn. Een oproep van de veehouder aan de omwonenden heeft onvoldoende nieuwe veldneuzen opgeleverd. Het systeem kan dan de beste veldneuzen in de buurt uitnodigen om op gezette tijden feedback te geven nabij locatie X. Ze moeten daar een gevraagde inspanning voor doen (naar plaats X gaan) waardoor een beloning gerechtvaardigd is.

 

Het 'inhuren' van de beste veldneuzen is overigens niet meer nodig als de leercurve van het werken met eNoses heeft geresulteerd in betrouwbare informatie over geuremissie. Een eNose kan dan het werk van de veldneuzen overnemen.

 

Is de eNose de enige geschikte sensor?

De eNose wordt hier als voorbeeld gebruikt. Maar je kunt naast de eNose iedere andere sensor die geur kan voorspellen plaatsen. Dat is zelfs aan te bevelen omdat je de sensoren dan met elkaar kunt vergelijken. De verwachting is dat Marker-sensoren aanvankelijk beter scoren omdat de eNose eerst moet leren. Maar als de waarnemingen toenemen dan wordt de eNose steeds beter in het voorspellen van de geuremissie. Verder zal onderzocht moeten worden wat de kostprijs van de sensoren zijn en de gebruikseigenschappen. Na verloop van tijd zal blijken welke sensor het meest geschikt is. Voor ieder willekeurige geursensor kan middels de Geurradar databank de betrouwbaarheid berekend worden.

 

Veldneuzen versus laboratorium neuzen

Wat werkt beter een systeem met veldneuzen of een systeem met laboratoriumneuzen? Deze vraag is niet zomaar te beantwoorden. De veldneuzen methode is een kwantitatieve onderzoek methode. De laboratorium methode is een kwalitatieve onderzoek methode. Je kunt het vergelijken met het voorspellen van een verkiezingsuitslag. Je kunt een diepte interview houden met  een tiental politieke experts en op basis daarvan proberen de verkiezingsuitslag te voorspellen. Deze methode heeft een bepaalde betrouwbaarheid. Hoe zit het met de betrouwbaarheid van het voorspellend vermogen van veldneuzen? Dit kun je vergelijken met het enquêteren van mensen die gaan stemmen. Zijn er dit een paar honderd dan zou het voorspellend vermogen wel eens lager kunnen liggen dan de betrouwbaarheid van de experts maar als er enkele duizenden stemmers geënquêteerd worden dan zou het voorspellend vermogen wel eens hoger kunnen liggen. Het is duidelijk dat het veldneuzen systeem pas gaat werken als er voldoende veldneuzen zijn die feedback willen geven. Geurradar moet daarom aantrekkelijk zijn om te gebruiken en het geven van feedback moet een voordeel opleveren. Dat kan zijn het maken van 'personal-geurpluimen' die rekening houden met het geurvermogen van de app-gebruiker of het krijgen van een geuralarm als de geurbelasting boven een bepaalde grens lijkt te gaan. Maar Boer en buren kunnen ook een werkgroep maken om samen te werken aan het reduceren van geuroverlast. Nu moet daarvoor door omwonenden nog een geurdagboek bijgehouden worden. Maar dat is omslachtig en kost veel tijd. Gebruik maken van Geurradar-professional is dan een ideale oplossing. 

 

Hoe verhoud het meten van geur zich t.o.v. het meten van stikstof, fijnstof en methaan?

Het meten van stikstof, fijnstof en methaan is vergeleken met het meten van geur relatief eenvoudig. In de toekomst heeft ieder veebedrijf waarop toezicht gehouden moet worden zijn eigen sensor-mast met daarop gemonteerd een eNose met weerstation. De data van de eNose en het weerstation worden via het internet doorgestuurd naar de centrale Data-bank. Dezelfde Data-bank waar ook de feedback van de veldneuzen via de app binnen komt. Het spreekt voor zich dat op de sensor-mast of andere geschikte plaats tevens stikstof, fijnstof en methaan sensoren geplaatst worden. Ook de data van deze sensoren wordt doorgestuurd naar de centrale Data-bank voor analyse. Middels een abonnement krijgt de veehouder informatie toegestuurd over de emissie van stikstof, fijnstof, methaan en geur. Informatie die hij kan gebruiken om te sturen op emissie. Maar ook informatie die hij nodig zal hebben om aan te tonen dat hij aan de wettelijke eisen voldoet van maximale belasting van de omgeving met stikstof, fijnstof, methaan en geur. Vergelijk het met het systeem zoals dat nu voor de elektronische monitoring van luchtwassers verplicht is:  https://www.infomil.nl/onderwerpen/landbouw/luchtwassers/eisen-gebruik/gebruik/ 

 

Proof of Concept

Rond 2026/2028 wordt het nieuwe doelgerichte VTH (Vergunningverlening, Toezichthouden en Handhaven) systeem van kracht. Er resten derhalve slechts enkele jaren om nieuwe meet-systemen zoals Geurradar te testen, in te leren en praktijk rijp te maken. Het Geurradar team is klaar voor de Proof of Concept fase.