De media stonden in 2019 bol van de stikstofcrisis, een milieu-
vraagstuk met veel analytische raakvlakken. Nadrukkelijk gaat het niet over het element N uit ons periodieke systeem, maar om een verzamelnaam van stikstofverbindingen: oxides en ammoniak. Stikstofemissies door industrie en veeteelt komen uiteindelijk weer in de bodem. Deze stikstofdepositie veroorzaakt een verandering in de flora en fauna.
Of dat nu wel of niet gewenst is, laat ik in het midden. Ik richt me hier op het ‘Meten is Weten’-principe, waar de analytische wereld zich op baseert. Er heerst namelijk een grote onzekerheid over de precieze hoeveelheid stikstof die neerslaat. In verschillende kranten worden ‘doodleuk’ foutmarges van 70% gemeld in de depositie. Dergelijke foutmarges zijn natuurlijk not done in de analytische laboratoria. Dat heeft mijns inziens alles te maken met de rekenmethode.
Alle getallen van stikstofuitstoot en -depositie komen voort uit een rekenmodel. Als input dienen onder meer stikstofhoudende materialen en stikstofbalansen en een deel hiervan vormt weer de stikstofdepositie. Uiteraard wordt er ook in het veld gemeten. Echter, de daadwerkelijke metingen om het rekenmodel te toetsen en bij te sturen zijn minimaal. Vooral gezien het beperkte aantal meetlocaties kan dit natuurlijk tot forse afwijkingen tussen berekende en werkelijke waarden leiden.
Ik vraag me af of dit soort modellering niet aan een upgrade toe is, gebruikmakend van nieuwe technologieën die gangbare methodes op zijn kop zetten. Ik trek even de parallellen met Airbnb en Über — beide braken in 2008 door. Met hun ‘disruptieve’ technologie overvielen ze de gevestigde orde. De verandering kwam niet zozeer uit het gebodene — ergens kunnen overnachten of een rit maken met een taxi — maar in de vorm waarin ze hun diensten aanbieden en het IT-platform erachter dat dit mogelijk maakt. Airbnb bezit zelf geen kamers of iets dergelijks, Über geen taxi’s.
Niet de functionaliteit achter de overnachtingen of het vervoeren van klanten veranderde, maar de it met zijn algoritmes zodat alles vele malen efficiënter aangepakt wordt. De bonus: een zeer interessant verdienmodel. Dit kan natuurlijk ook in de wereld van analytische instrumentatie. Zet krachtige it achter oude technologie en maak gebruik van big data met machine learning en software algoritmes. Het gebeurt al bij laser back scattering, die tot 106 data per seconden kan opnemen, en dan alle data in de cloud verwerkt. De resultaten gaan weer terug naar je mobiel.
Dat is in vogelvlucht hoe Air Quality Control er ook uit zou kunnen zien. Zo kun je komen tot continumetingen van alle parameters in het milieu, inclusief de meteorologische, dus ook stikstofverbindingen. Een gamechanger in de meet-
wereld. Kom je dan niet veel dichter bij de echte getallen en verschaf je zo niet de duidelijkheid die maatschappelijk zo gewenst is?
De computertechnologie voor zo’n doorbraak staat tot onze beschikking. Maak er gebruik van, want het lijkt mij evident dat hoe meer je meet, hoe meer je weet, met als gevolg een beter beeld van het geheel. Wordt dit het decennium van ‘Meer Meten is Meer Weten’?
