Rapport ChemkarPM10 Def TW

CHEMKAR PM 10 hotspots Chemische karakterisatie van fijn stof in Vlaanderen 2008-2009
DOCUMENTBESCHRIJVING
Titel Chemkar PM 10 hotspots, Chemische karakterisatie van fijn stof in Vlaanderen, 2008-2009 Samenstellers Dienst Lucht: Jordy Vercauteren Afdeling Afdeling Lucht, Milieu en Communicatie, VMM Samenvatting Dit rapport bevat de resultaten van het Chemkar PM 10 hotspots project, waarbij gedurende een heel jaar lang, om de 6 dagen, op 9 plaatsen in Vlaanderen fijn stof (PM 10 ) werd bemonsterd en vervolgens chemisch gekarakteriseerd. De bestudeerde meetplaatsen waren de zes hotspots Roeselare, Oostrozebeke, Zwevegem, Evergem, Zwijndrecht en Borgerhout en de drie achtergrondlocaties Moerkerke, Aarschot en Retie. Wijze van refereren VMM (2010), Chemkar PM 10 hotspots: Chemische karakterisatie van fijn stof in Vlaanderen, 20082009 Verantwoordelijke uitgever Philippe DHondt, Afdelingshoofd Lucht, Milieu en Communicatie Vlaamse Milieumaatschappij Depotnummer D/2010/6871/041
Chemkar PM10 hotspots (2008-2009)
INHOUDSTAFEL Samenvatting ............................................................................................................ 9 Summary ................................................................................................................. 14 Inleiding................................................................................................................... 19 1 Projectbeschrijving ............................................................................................. 21

1.1 Inleiding en doel........................................................................................................21 1.2 Bemonstering............................................................................................................21
1.2.1 Meetplaatsen................................................................................................................ 21 1.2.2 Tijd en frequentie ......................................................................................................... 26 1.2.3 Toestel en filter............................................................................................................. 26
1.3 Analyse .....................................................................................................................28

1.3.1 Selectie van de analysemethodes ............................................................................... 28 1.3.2 Totale massa................................................................................................................ 28 1.3.3 Elementaire en organische koolstof (EC/OC).............................................................. 31 1.3.4 Elementen .................................................................................................................... 31 1.3.5 Wateroplosbare ionen.................................................................................................. 31
1.4 Meteorologische gegevens .......................................................................................32

1.4.1 Standaardparameters .................................................................................................. 32 1.4.2 Backward trajectories................................................................................................... 32 1.4.3 Vergelijking met weersomstandigheden van het eerste chemkar project ................... 33
2 Meetresultaten ..................................................................................................... 35
2.1 Inleiding.....................................................................................................................35 2.2 Blanco resultaten en databehandeling......................................................................35
2.2.1 Blanco resultaten ......................................................................................................... 35 2.2.2 Omrekening van bepaalde ICP-MS resultaten ............................................................ 36 2.2.3 Datacontrole................................................................................................................. 36
2.3 Jaarverloop & boxplots per component ....................................................................36

2.3.1 PM 10 massa ................................................................................................................. 37 2.3.2 Elementaire en organische koolstof (EC/OC).............................................................. 38 2.3.3 Wateroplosbare ionen.................................................................................................. 41 2.3.4 Elementen .................................................................................................................... 49
2.4 Gemiddelde samenstelling van PM 10 .......................................................................69

2.4.1 Gebruikte formules....................................................................................................... 69 2.4.2 PM 10 , EC/OC en ionen ................................................................................................ 70 2.4.3 Aandeel van de verschillende hoofdbestanddelen ...................................................... 71 2.4.4 Ionenbalans.................................................................................................................. 77 2.4.5 Elementen .................................................................................................................... 78
2.5 Effect van meteotype op de hoofdcomponenten ......................................................82 2.6 Vergelijking met het eerste chemkar onderzoek.......................................................83 2.7 Conclusies ................................................................................................................84
3 Gevorderde analyse ............................................................................................ 85

3.1 Inleiding.....................................................................................................................85 3.2 Bronherkenning door middel van boxplots per windsector .......................................85
3.2.1 Toelichting.................................................................................................................... 85 3.2.2 Organische massa ....................................................................................................... 85 3.2.3 Mineraal stof................................................................................................................. 86 3.2.4 Elementaire koolstof .................................................................................................... 87 3.2.5 Elementen .................................................................................................................... 88
3.3 Factor analyse per meetplaats..................................................................................90
3.3.1 Toelichting.................................................................................................................... 90 3.3.2 Wering van uitzonderlijke cases .................................................................................. 91 3.3.3 Analyse per meetplaats ............................................................................................... 92
3.4 Conclusies ..............................................................................................................102
4 Aanvullende resultaten en berekeningen........................................................ 103

4.1 Inleiding...................................................................................................................103 4.2 Aftrek van de natuurlijke bijdrage door zeezout......................................................103
4.2.1 Toelichting.................................................................................................................. 103 4.2.2 Berekeningsformules ................................................................................................. 104 4.2.3 Effect op jaargemiddelde ........................................................................................... 104
4.3 Chemische samenstelling van PM 2,5 in Borgerhout en Retie .................................106

4.3.1 Toelichting.................................................................................................................. 106 4.3.2 Resultaten .................................................................................................................. 106
4.4 Chemische samenstelling tijdens twee smogperiodes ...........................................108

4.4.1 Toelichting.................................................................................................................. 108 4.4.2 Resultaten .................................................................................................................. 109
4.5 Conclusies ..............................................................................................................111
5 Toekomstig onderzoek en beleidsadvies ........................................................ 113

5.1 Toekomstig onderzoek............................................................................................113
5.1.1 Chemkar houtverbranding........................................................................................ 113 5.1.2 Chemkar straatstation en Antwerpse haven ............................................................ 113
5.2 Relevantie voor beleid ............................................................................................113
Bijlagen.................................................................................................................. 115
A. Backward trajectories van de bemonsteringsdagen.................................................115 B. Satellietfotos van de meetplaatsen..........................................................................122
Chemkar PM10 (2008-2009)
FIGUREN
Figuur 1: De ligging van de meetplaatsen ............................................................................................................. 21 Figuur 2: De meetplaats in Roeselare ................................................................................................................... 22 Figuur 3: De meetplaats in Oostrozebeke ............................................................................................................. 22 Figuur 4: De meetplaats in Zwevegem .................................................................................................................. 23 Figuur 5: De meetplaats in Evergem ..................................................................................................................... 23 Figuur 6: De meetplaats in Zwijndrecht ................................................................................................................ 24 Figuur 7: De meetplaats in Borgerhout.................................................................................................................. 24 Figuur 8: De meetplaats in Moerkerke................................................................................................................... 25 Figuur 9: De meetplaats in Aarschot ..................................................................................................................... 25 Figuur 10: De meetplaats te Retie ......................................................................................................................... 26 Figuur 11: De Leckel SEQ 47/50 die gebruikt werd voor de bemonstering van PM 10 ........................................... 27 Figuur 12: De handschoenkast waarin alle wegingen worden uitgevoerd ............................................................. 29 Figuur 13: Gebruik van verschillende delen van de filter voor verdere analyse..................................................... 29 Figuur 14: Overzicht van de meteorologische data van de volledige projectperiode ............................................. 32 Figuur 15: Backward trajectories van 3 dagen met een typische transportsituatie ................................................ 33 Figuur 16: Jaarverloop van netto PM 10 voor alle stations ...................................................................................... 37 Figuur 17: Boxplot van netto PM 10 voor alle stations (g/m3) ................................................................................ 37 Figuur 18: Jaarverloop van elementaire koolstof (EC) voor alle stations............................................................... 38 Figuur 19: Boxplot van elementaire koolstof (EC) voor alle stations (g/m3) ......................................................... 38 Figuur 20: Jaarverloop van organische koolstof (OC) voor alle stations................................................................ 39 Figuur 21: Boxplot van organische koolstof (OC) voor alle stations (g/m3) .......................................................... 40 Figuur 22: Jaarverloop van wateroplosbaar nitraat (NO 3 -) voor alle stations ........................................................ 41 Figuur 23: Boxplot van wateroplosbaar nitraat (NO 3 -) voor alle stations (g/m3)................................................... 41 Figuur 24: Jaarverloop van wateroplosbaar ammonium (NH 4 +) voor alle stations ................................................ 42 Figuur 25: Boxplot van wateroplosbaar ammonium (NH 4 +) voor alle stations (g/m3) .......................................... 42 Figuur 26: Jaarverloop van wateroplosbaar sulfaat (SO 4 2-) voor alle stations ....................................................... 43 Figuur 27: Boxplot van wateroplosbaar sulfaat (SO 4 2-) voor alle stations (g/m3) ................................................. 43 Figuur 28: Jaarverloop van wateroplosbaar natrium (Na+) voor alle stations ........................................................ 44 Figuur 29: Boxplot van wateroplosbaar natrium (Na+) voor alle stations (g/m3)................................................... 44 Figuur 30: Jaarverloop van wateroplosbaar magnesium (Mg2+) voor alle stations ................................................ 45 Figuur 31: Boxplot van wateroplosbaar magnesium (Mg2+) voor alle stations (g/m3) .......................................... 45 Figuur 32: Jaarverloop van wateroplosbaar chloride (Cl-) voor alle stations .......................................................... 46 Figuur 33: Boxplot van wateroplosbaar chloride (Cl-) voor alle stations (g/m3) .................................................... 46 Figuur 34: Jaarverloop van wateroplosbaar kalium (K+) voor alle stations ............................................................ 47 Figuur 35: Boxplot van wateroplosbaar kalium (K+) voor alle stations (g/m3) ...................................................... 47 Figuur 36: Jaarverloop van wateroplosbaar calcium (Ca2+) voor alle stations ....................................................... 48 Figuur 37: Boxplot van wateroplosbaar calcium (Ca2+) voor alle stations (g/m3) ................................................. 48 Figuur 38: Jaarverloop van aluminium (Al) voor alle stations ................................................................................ 49 Figuur 39: Boxplot van aluminium (Al) voor alle stations (g/m3) .......................................................................... 49 Figuur 40: Jaarverloop van kalium (K) voor alle stations ....................................................................................... 50 Figuur 41: Boxplot van kalium (K) voor alle stations (g/m3) ................................................................................. 50 Figuur 42: Jaarverloop van calcium (Ca) voor alle stations ................................................................................... 51 Figuur 43: Boxplot van calcium (Ca) voor alle stations (g/m3) ............................................................................. 51 Figuur 44: Jaarverloop van titaan (Ti) voor alle stations ........................................................................................ 52 Figuur 45: Boxplot van titaan (Ti) voor alle stations (g/m3) .................................................................................. 52 Figuur 46: Boxplot met aangepaste assen van titaan (Ti) voor alle stations (g/m3) ............................................ 53 Figuur 47: Jaarverloop van vanadium (V) voor alle stations.................................................................................. 53 Figuur 48: Boxplot van vanadium (V) voor alle stations (g/m3) ............................................................................ 54 Figuur 49: Jaarverloop van chroom (Cr) voor alle stations .................................................................................... 54 Figuur 50: Boxplot van chroom (Cr) voor alle stations (g/m3) .............................................................................. 55 Figuur 51: Boxplot met aangepaste assen van chroom (Cr) voor alle stations (g/m3) ......................................... 55 Figuur 52: Jaarverloop van mangaan (Mn) voor alle stations................................................................................ 56 Figuur 53: Boxplot van mangaan (Mn) voor alle stations (g/m3) .......................................................................... 56 Figuur 54: Jaarverloop van ijzer (Fe) voor alle stations ......................................................................................... 57 Figuur 55: Boxplot van ijzer (Fe) voor alle stations (g/m3) ................................................................................... 57
Figuur 56: Jaarverloop van nikkel (Ni) voor alle stations ....................................................................................... 58 Figuur 57: Boxplot van nikkel (Ni) voor alle stations (g/m3) ................................................................................. 58 Figuur 58: Jaarverloop van koper (Cu) voor alle stations ...................................................................................... 59 Figuur 59: Boxplot van koper (Cu) voor alle stations (g/m3) ................................................................................ 59 Figuur 60: Jaarverloop van zink (Zn) voor alle stations ......................................................................................... 60 Figuur 61: Boxplot van zink (Zn) voor alle stations (g/m3) ................................................................................... 60 Figuur 62: Boxplot met aangepaste assen van zink (Zn) voor alle stations (g/m3) .............................................. 61 Figuur 63: Jaarverloop van arseen (As) voor alle stations..................................................................................... 61 Figuur 64: Boxplot van arseen (As) voor alle stations (g/m3) ............................................................................... 62 Figuur 65: Jaarverloop van molybdeen (Mo) voor alle stations ............................................................................. 62 Figuur 66: Boxplot van molybdeen (Mo) voor alle stations (g/m3) ....................................................................... 63 Figuur 67: Boxplot met aangepaste assen van molybdeen (Mo) voor alle stations (g/m3) .................................. 63 Figuur 68: Jaarverloop van cadmium (Cd) voor alle stations................................................................................. 64 Figuur 69: Boxplot van cadmium (Cd) voor alle stations (g/m3) ........................................................................... 64 Figuur 70: Jaarverloop van antimoon (Sb) voor alle stations................................................................................. 65 Figuur 71: Boxplot van antimoon (Sb) voor alle stations (g/m3) ........................................................................... 65 Figuur 72: Jaarverloop van barium (Ba) voor alle stations .................................................................................... 66 Figuur 73: Boxplot van barium (Ba) voor alle stations (g/m3) .............................................................................. 66 Figuur 74: Boxplot met aangepaste assen van barium (Ba) voor alle stations (g/m3) ......................................... 67 Figuur 75: Jaarverloop voor lood (Pb) voor alle stations ....................................................................................... 67 Figuur 76: Boxplot voor lood (Pb) voor alle stations (g/m3) ................................................................................. 68 3 Figuur 77: Boxplot met aangepaste assen voor lood (Pb) voor alle stations (g/m ) ............................................ 68 Figuur 78: Gemiddeld absoluut aandeel van de hoofdcomponenten in PM 10 voor alle stations............................ 72 Figuur 79: Gemiddeld relatief aandeel van de hoofdcomponenten in PM 10 voor alle stations .............................. 73 Figuur 80: Gemiddelde samenstelling van PM 10 voor alle stations samen ........................................................... 73 Figuur 81: Verschil in gemiddelde samenstelling tussen hotspots en achtergrondmeetplaatsen .......................... 74 Figuur 82: Absolute verschillen in gemiddelde concentraties t.o.v. het gemiddelde voor alle stations .................. 75 Figuur 83: Relatieve verschillen in gemiddelde concentraties t.o.v. het gemiddelde voor alle stations ................. 75 Figuur 84: Absoluut jaarverloop van de hoofdcomponenten, per dag uitgemiddeld over alle stations .................. 76 Figuur 85: Relatief jaarverloop van de hoofdcomponenten, per dag uitgemiddeld over alle stations .................... 76 Figuur 86: Relatief aandeel van de bepaalde ionen, uitgedrukt in molaire equivalenten ....................................... 77 Figuur 87: Relatieve elementconcentraties t.o.v. Retie ......................................................................................... 79 Figuur 88: Algemeen gemiddelde bodemaanrijkingsfactoren voor de verschillende elementen (t.o.v. Al en Ti) ... 80 Figuur 89: Relatieve verschillen in bodemaanrijkingsfactor t.o.v. het gemiddelde voor alle stations ..................... 81 Figuur 90: Effect van meteotype op de hoofdcomponenten (M: maritiem S:zuidelijk CS:continentaal/stationair) . 83 Figuur 91: Verschil in gemiddelde samenstelling tussen het eerste en het tweede chemkar onderzoek .............. 84 Figuur 92: Histogram met het aantal dagen per windsector .................................................................................. 85 Figuur 93: Boxplots van organische massa per windsector voor de 9 meetplaatsen ............................................ 86 Figuur 94: Boxplots van mineraal stof per windsector voor de 9 meetplaatsen ..................................................... 87 Figuur 95: Boxplots van elementaire koolstof per windsector voor de 9 meetplaatsen ......................................... 88 Figuur 96: Boxplots van lood per windsector voor de 9 meetplaatsen................................................................... 89 Figuur 97: Boxplots van molybdeen per windsector voor de 9 meetplaatsen........................................................ 89 Figuur 98: Boxplots van titaan per windsector voor de 9 meetplaatsen................................................................. 90 Figuur 99: Gemiddelde relatieve samenstelling van PM 10 , PM 2,5 en PM 10-2,5 in Retie ........................................ 106 Figuur 100: Gemiddelde relatieve samenstelling van PM 10 , PM 2,5 en PM 10-2,5 in Borgerhout ............................ 106 Figuur 101: Gemiddelde absolute samenstelling van PM 10 , PM 2,5 en PM 10-2,5 in Retie ...................................... 107 Figuur 102: Gemiddelde samenstelling van PM 10 , PM 2,5 en PM 10-2,5 in Borgerhout ........................................... 107 Figuur 103: Gemiddelde PM 2,5 /PM 10 -verhouding van de hoofdcomponenten in Retie en Borgerhout................ 108 Figuur 104: Backward trajectories voor de smogdagen 10 januari en 4 april 2009 ............................................. 109 Figuur 105: Relatieve samenstelling van PM10 in Borgerhout op 10 januari en 4 april 2009.............................. 109 Figuur 106: Chemische samenstelling van PM 10 in Borgerhout tijdens de smogperiode in januari 2009............ 110 Figuur 107: Chemische samenstelling van PM 10 in Borgerhout tijdens de smogperiode in april 2009................ 110
TABELLEN
Tabel 1: Eigenschappen en instellingen van de gebruikte sampler ....................................................................... 26 Tabel 2: Elementen die op de filters bepaald werden............................................................................................ 31 Tabel 3: Ionen die op de filters bepaald werden .................................................................................................... 31 Tabel 4: Overzicht van de gemiddelde meteorologische gegevens voor alle projectdagen .................................. 34 Tabel 5: Mediaan, gemiddelde en confidentie-interval op het gemiddelde (c.i.o.g.) van de veldblancos (in g/m3) .............................................................................................................................................................................. 35 Tabel 6: Gemiddelden van PM 10 , EC/OC en ionen voor alle stations in g/m3 ..................................................... 70 Tabel 7: Medianen van PM 10 , EC/OC en ionen voor alle stations in g/m3 ........................................................... 71 Tabel 8: Gemiddeld absoluut aandeel (in g/m3) van de hoofdcomponenten in PM 10 voor alle stations .............. 71 Tabel 9: Gemiddeld relatief aandeel (in %) van de hoofdcomponenten in PM 10 voor alle stations ....................... 72 Tabel 10: Ionaire samenstelling van PM 10 uitgedrukt in molaire equivalenten (mmol/m3)..................................... 77 Tabel 11: Gemiddelden van de bepaalde elementen voor alle stations in ng/m3 .................................................. 78 Tabel 12: Medianen van de bepaalde elementen voor alle stations in ng/m3 ........................................................ 78 Tabel 13: Gemiddelde bodemaanrijkingsfactoren per station voor de verschillende elementen (t.o.v. aluminium) 80 Tabel 14: Overzicht van geweerde cases bij de statistische analyse .................................................................... 91 Tabel 15: Factor analyse voor de dataset van Roeselare ..................................................................................... 93 Tabel 16: Factor analyse voor de dataset van Oostrozebeke ............................................................................... 94 Tabel 17: Factor analyse voor de dataset van Zwevegem .................................................................................... 95 Tabel 18: Factor analyse voor de dataset van Evergem ....................................................................................... 96 Tabel 19: Factor analyse voor de dataset van Zwijndrecht ................................................................................... 97 Tabel 20: Factor analyse voor de dataset van Borgerhout .................................................................................... 98 Tabel 21: Factor analyse voor de dataset van Moerkerke..................................................................................... 99 Tabel 22: Factor analyse voor de dataset van Aarschot...................................................................................... 100 Tabel 23: Factor analyse voor de dataset van Retie ........................................................................................... 101 Tabel 24: Effect van zeezoutaftrek op de algemene PM10 gemiddelden van de meetplaatsen.......................... 105 Tabel 25: Effect van zeezoutaftrek op de overschrijdingen van de PM 10 daggrenswaarde (enkel projectdata) .. 105 Tabel 26: Gemiddelde samenstelling van PM 10 , PM 2,5 en PM 10-2,5 in Retie en Borgerhout................................ 108
AFKORTINGEN:
RET: Retie MOE: Moerkerke AAR: Aarschot ROE: Roeselare OOS: Oostrozebeke ZWE: Zwevegem EVE: Evergem ZWI: Zwijndrecht BOR: Borgerhout EC: elementaire koolstof OC: organische koolstof OM: organische massa gem. : gemiddelde med. : mediaan c.i.o.g. : confidentie-interval op het gemiddelde hot. : hotspot ag. : achtergrond nss: niet-zeezout Expl. Var.: verklaarde variantie Prp. Totl.:
Samenvatting
Inleiding De Europese daggrenswaarde voor PM 10 stof wordt in Vlaanderen nog regelmatig op verschillende meetplaatsen overschreden. Vooral op een aantal hotspots is de situatie nog altijd ongunstig en zijn de oorzaken onvoldoende bekend. Daarom besloot VMM om een tweede grootschalige Chemkar PM 10 project uit te voeren. Hierbij karakteriseerden we op 6 hotspots en 3 landelijke achtergrondmeetplaatsen de chemische samenstelling van PM 10 stof. De chemische samenstelling zelf en de manier waarop deze varieert in tijd en ruimte kunnen ons namelijk iets leren over de oorzaken en/of bronnen van de verhoogde PM 10 concentraties op de hotspots. Dit onderzoek is dus in de eerste plaats bedoeld om het (lokale) beleid te ondersteunen in de aanpak van deze plaatselijke problemen en van vergelijkbare situaties. Daarnaast is de kennis van de chemische samenstelling van fijn stof ook van groot belang om de bestaande luchtkwaliteitsmodellen te testen en te verbeteren. 1. Projectbeschrijving Van 25 oktober 2008 tot en met 7 november 2009 onderzochten we elke 6e dag de chemische samenstelling op 9 meetplaatsen: Hotspots: Roeselare (ROE); Oostrozebeke (OOS); Zwevegem (ZWE); Evergem (EVE); Zwijndrecht (ZWI); Borgerhout (BOR). Achtergrond: Moerkerke (MOE); Aarschot (AAR); Retie (RET).
De bemonstering van PM 10 stof gebeurde overal simultaan met een Leckel SEQ47/50 toestel dat gedurende 24 u ongeveer 55 m3 lucht door een filter zuigt. Na bemonstering werden de filters opnieuw gewogen in het labo om de totale PM 10 stofconcentratie in de lucht te bepalen. Daarna stuurden we verschillende delen van de filters naar gespecialiseerde labos voor de bepaling van: elementaire en organische koolstof: EC en OC; de wateroplosbare ionen: NO 3 -, Cl-, SO 4 2-, Na+, NH 4 +, K+, Mg2+ en Ca2+; een reeks elementen: Al, As, Ba, Ca, Cd, Cr, Cu, Fe, K, Mn, Mo, Ni, Pb, Sb, Ti, V en Zn.
In vergelijking met de weersomstandigheden tijdens het vorige Chemkar project in 2006-2007 was het weer tijdens dit project duidelijk beter voor de luchtkwaliteit. Zo waren er bijvoorbeeld ca. 20% minder dagen met continentaal transport of stationaire weersomstandigheden. Het viel dan ook te verwachten dat we relatief lagere fijn stof concentraties zouden meten dan in het vorige onderzoek. Ook de verminderde industrile emissies door de economische crisis kunnen een verklaring zijn voor de lagere PM 10 concentraties in dit onderzoek. De impact hiervan is echter minder duidelijk. 2. Meetresultaten Uit de analyseresultaten berekenden we de concentraties van de hoofdbestanddelen. Figuur I geeft de absolute concentraties weer en figuur II toont de relatieve verschillen van de gemiddelde concentraties per meetplaats ten opzichte van het algemeen gemiddelde. De qua massa belangrijkste bestanddelen(groepen) zijn voor alle meetplaatsen min of meer gelijk. Voor het algemeen gemiddelde van alle meetplaatsen vinden we volgende rangschikking: 1. 2. 3. 4. 5.
2+ Secundaire anorganische ionen (NO 3 , SO 4 en NH 4 ) Organische massa (OC x factor 1,4) Mineraal stof Zeezout Elementaire koolstof (roet)
31% 20% 13% 10% 4%
(8,5 g/m3) (5,4 g/m3) (3,5 g/m3) (2,8 g/m3) (1,0 g/m3)
Samenvatting / Summary 9
Iets meer dan 20% kunnen we niet verklaren door deze hoofdbestanddelen. Een aanzienlijk deel hiervan is waarschijnlijk water dat gebonden is aan het fijn stof en er - volgens de Europese referentiemethode per definitie - deel van uitmaakt. Daarnaast kan ook de onzekerheid op de gebruikte omrekeningsformules een rol spelen.
35 andere 30
7.5 7.1
mineraal stof
6.4 5.0 6.5 3.8 5.8 5.5
25
5.0 4.7 2.3 1.7 1.8 2.2 1.5 4.2 4.7 2.9 2.3 2.1 2.3 1.5 3.8 3.1 4.7 1.4
nssSO4
20 g/m 3
6.7 4.5
2.6 1.6 3.5
4.6
4.1
NH4
2.4 4.7 2.3 1.4 1.4 3.2 4.2 4.2 3.1
2.6 1.5 4.4
2.8 1.7
15
NO3
3.1 1.8
4.9
zeezout
10
2.5 8.5 6.2
3.1
2.9
OM
1.9 3.7 4.2 0.51 4.9 0.81
5.5 1.17
5.5
5.3
4.9
EC
1.24 0.91 1.10 1.16 1.64
0.52
RET
MOE
AAR
ROE
OOS
ZWE
EVE
ZWI
BOR
Figuur I: Gemiddeld absoluut aandeel van de hoofdcomponenten in PM 10 voor alle stations
60%
EC zeezout NH4
OM NO3 nssSO4 andere
40%
mineraal stof
20%
0%
RET -20%
MOE
AAR
ROE
OOS
ZWE
EVE
ZWI
BOR
-40%
-60%
Figuur II : Relatieve verschillen van de gemiddelde concentraties van de hoofdcomponenten t.o.v. hun gemiddelde voor alle stations
Wanneer we de verschillen tussen de stations bekijken, kunnen we stellen dat: De drie achtergrondmeetplaatsen voor de meeste hoofdbestanddelen ruim onder het gemiddelde scoren. De secundaire anorganische ionen in Retie zijn wel hoger dan het gemiddelde, maar het is niet duidelijk of dit toevallig is of niet.
10
Chemkar PM10 (2008-2009)
In Roeselare is mineraal stof duidelijk hoger dan het gemiddelde. Daarnaast meten we er ook de op n na hoogste concentratie aan elementaire koolstof en organische massa. In Oostrozebeke valt de hoge bijdrage van organische massa op. Mineraal stof is er ook duidelijk verhoogd. In Zwevegem zien we geen echte uitschieters. Het lijkt er ook op dat de oorzaken en/of bronnen van de hoge concentraties van enkele jaren geleden tijdens dit project niet (meer) aanwezig waren. Men kan de meetplaats in Zwevegem dan ook niet meer als een echte hotspot beschouwen. In Evergem is enkel de bijdrage van mineraal stof duidelijk hoger dan gemiddeld. In Zwijndrecht zijn mineraal stof en elementaire koolstof ietwat verhoogd vergeleken met het gemiddelde. In Borgerhout meten we net als in het eerste Chemkar project de hoogste concentraties aan elementaire koolstof.
Figuur III toont de relatieve elementconcentraties ten opzichte van het gemiddelde voor de achtergrondmeetplaats in Retie. Vrijwel alle elementen zijn duidelijk verhoogd op de hotspots. De meest opvallende zaken zijn:
3 de hoge concentratie van calcium (Ca) in Roeselare (918 ng/m ) en Oostrozebeke (708 3 ng/m ); de relatief hoge concentraties van titaan (Ti) en molybdeen (Mo) in Evergem (24 en 6 ng/m3); de relatief hoge concentratie van lood (Pb) in Oostrozebeke (58 ng/m3).
RET 700%
MOE
AAR
ROE
OOS
ZWE
1200%
EVE
ZWI
BOR
600%
500%
400%
300%
200%
100%
0% Al As Ba Ca Cd Cr Cu Fe K Mn Mo Ni Pb Sb Ti V Zn
Figuur III: Relatieve elementconcentraties t.o.v. Retie
We deden ook een analyse van het effect van het weer op de concentratie van PM 10 en zijn hoofdbestanddelen. Daaruit blijkt dat verhoogde PM 10 concentraties zich quasi uitsluitend voordoen bij stationaire weersomstandigheden of bij aanvoer van continentale lucht. Onder deze omstandigheden zijn de concentraties van de secundaire anorganische ionen en van organische massa duidelijk verhoogd. Het weer heeft veel minder impact op de concentraties van elementaire koolstof en mineraal stof. Dit is niet verwonderlijk voor verbindingen die vooral van lokale bronnen afkomstig zijn. Zeezout gedraagt zich totaal anders dan de andere bestanddelen. Zoals verwacht zijn hiervan de concentraties het hoogst op dagen met aanvoer van maritieme lucht.
3. Gevorderde analyse Door analyse van de boxplots van de hoofdbestanddelen en elementen per windsector kunnen we enkele lokale situaties beter begrijpen. De boxplots van elementaire koolstof en mineraal stof in Roeselare vertonen een sterke gelijkenis. Hoewel er ten zuidoosten van de meetplaats een overslagplaats is van ondermeer zand, dolomiet en kalksteen zien we een verhoging in alle oostelijke sectoren, van noord tot zuid. Hetzelfde patroon zien we bij elementaire koolstof. Dit lijkt er op te wijzen dat het (zware) verkeer nabij de meetplaats, van het rond punt in het noorden tot de overslagplaats in het zuidoosten zorgt voor het heropwaaien van straatstof. In welke mate de overslagplaats bijdraagt aan de hoeveelheid straatstof in de omgeving kunnen we uit de meetresultaten niet afleiden. De boxplots van organische massa en lood in Oostrozebeke brengen ook meer duidelijkheid in de lokale problematiek. Voor organische massa zien we verhogingen in twee sectoren. De verhoging in de zuid-zuidoost sector zien we op alle meetplaatsen en wordt dus waarschijnlijk niet veroorzaakt door een lokale bron. Dit kan niet gezegd worden van de verhoging in de zuidwest-west sector. We zien ook dat de sterk verhoogde loodconcentraties uit diezelfde sector komen. In deze sector bevinden zich twee bedrijven in de nabijheid van de meetplaats: het houtverwerkend bedrijf Spano en Metaalbouw Vandekerckhove. Als bron van organische massa lijkt Spano het meest waarschijnlijk. De bron van lood aanwijzen is minder eenvoudig. Het verbranden van behandeld hout bij Spano zou een oorzaak kunnen zijn, maar activiteiten bij het metaalbouwbedrijf zouden ook verantwoordelijk kunnen zijn. De boxplots van titaan en molybdeen in Evergem tonen duidelijk dat de bronnen van deze twee elementen in de zuidoost-zuid en oost-zuidoost sectoren liggen. Hier bevinden zich de bedrijven Kronos Europe en Sadaci. Het eerste produceert titaandioxide en het tweede is gespecialiseerd in molybdeenverbindingen. Over de bronnen van deze elementen bestaat hier dus niet de minste twijfel. Uit de factoranalyse per meetplaats komen een aantal algemene patronen naar boven. Zo zien we vrijwel overal vergelijkbare factoren of combinaties van factoren die de belangrijkste oorzaken van PM 10 voorstellen: secundaire anorganische ionen & olieverbranding: met hogere ladingen voor NO 3 -, SO 4 2-, NH 4 + enerzijds, en V en Ni anderzijds; zeezout: met hogere ladingen voor Na+, Mg2+, K+ , Ca2+ en Cl-; bodemstof: met hogere ladingen voor Al, Ca, Fe, Mn en Ti; verkeer: met hogere ladingen voor EC, Cu, Fe, Mo en Sb; verbrandingsstof: met hogere ladingen voor OC en verschillende (zware) metalen.
Verder zien we zowel in Roeselare als in Borgerhout dat de verkeerstracers (EC, Cu, Mo) en typische bodemelementen in dezelfde factor voorkomen. Dit is een extra aanwijzing dat lokaal verkeer verantwoordelijk is voor het heropwaaien van mineraal stof. In Oostrozebeke komen OC en lood in dezelfde factor voor wat kan wijzen op n bron. Dit is echter geen zekerheid omdat factoranalyse er niet altijd in slaagt om twee bronnen die dicht bij elkaar liggen uit elkaar te halen. Dit is bijvoorbeeld het geval voor de bronnen van titaan en molybdeen in Evergem. 4. Aanvullende resultaten en berekeningen De aftrek van de bijdrage van natuurlijk zeezout van de fijn stof concentraties is in principe toegelaten volgens de Europese wetgeving. De toepassing krijgt echter veel kritiek uit wetenschappelijke en medische kringen omdat ze het doel van de Europese Richtlijn, namelijk het beschermen van de volksgezondheid, afzwakt. Gemiddeld zou de aftrek in Vlaanderen jaarlijks het aantal PM 10 overschrijdingsdagen per meetplaats met slechts 3 4 verminderen. Lokaal kan het effect sterk verschillen. Dit alles maakt dat het opzetten van een meetnet voor de aftrek van zeezout niet verantwoord lijkt. In Borgerhout en Retie deden we ook chemische karakterisatie van PM 2,5 . Uit het verschil met de samenstelling van PM 10 kunnen we het aandeel van de grove fractie PM 10-2,5 berekenen. Als voorbeeld tonen we de relatieve samenstelling van PM 10 , PM 2,5 en PM 10-2,5 in Borgerhout in figuur IV.
12
Chemkar PM10 (2008-2009)
PM10
andere 21%
EC 6% OM 17%
PM2,5 ('fijn')
andere 16%
EC 8% OM 23%
PM10-2,5 ('grof') andere 25%
EC OM 2% 8% zeezout 18%
mineraal stof 13% nssSO4 10% NH4 6%
mineraal stof 4% nssSO4 15%
zeezout 10%
zeezout 6% NO3 17% NH4 9% NO3 19%
mineraal stof 29%
NO3 15% nssSO4 NH4 1% 2%
Figuur IV: Gemiddelde relatieve samenstelling van PM 10 , PM 2,5 en PM 10-2,5 in Borgerhout
Op beide meetplaatsen zien we dat: mineraal stof en zeezout zich vooral in de grove fractie bevinden; organische massa en elementaire koolstof zich vooral in de fijne fractie bevinden; ammoniumsulfaat zich quasi uitsluitend in de fijne fractie bevindt; nitraat zowel in de fijne als de grove fractie van belang is.
Tenslotte lieten we ook enkele extra analyse uitvoeren tijdens twee smogperiodes in 2009. Zowel 3 begin januari als begin april zien we PM 10 concentraties boven 100 g/m . Er is echter een duidelijk verschil in de PM 10 samenstelling tussen de twee periodes. In januari zijn de secundaire anorganische ionen en de organische massa verhoogd. In april zien we enkel een zeer sterke verhoging van de secundaire anorganische ionen. Het valt moeilijk te achterhalen of dit te maken had met verschillen in emissies of een gevolg is van een verschil in weersomstandigheden. 5. Toekomstig onderzoek en beleidsadvies Er zijn vermoedens dat houtverbranding een belangrijke bron kan zijn voor de fractie organische massa in fijn stof. Om dit te onderzoeken voert VMM in 2010 op 7 meetplaatsen een speciaal Chemkar project uit om de bijdrage van houtverbranding te bepalen. Daarnaast vindt er in 2010 ook chemische karakterisatie plaats bij de verkeersgerichte meetplaats in Borgerhout (R802) en twee meetplaatsen nabij de Antwerpse haven: Berendrecht (AB02) en Antwerpen Luchtbal (M802).
De belangrijkste beleidsadviezen die uit dit onderzoek volgen zijn: Heel wat experts beschouwen elementaire koolstof als de meest schadelijke fractie van fijn stof. Verkeer is zonder twijfel de belangrijkst bron voor deze fractie. De overheid heeft er dus alle baat bij om de lokale blootstelling aan verkeersemissies te verminderen. Dit kan door een vermindering en/of een verplaatsing van de uitstoot naar minder bewoonde zones. Verkeer lijkt vaak verantwoordelijk voor het heropwaaien van straatstof. Er zijn aanwijzingen dat deze fractie ook schadelijk is voor de gezondheid. De verkeersbijdrage aan PM 10 door heropwaaien van straatstof is waarschijnlijk van dezelfde grootteorde als de rechtstreekse uitlaatemissies. Dit betekent ook dat minder vervuilende voertuigen het door het verkeer veroorzaakte fijn stof probleem niet volledig kunnen oplossen. Dit is dus nog een extra argument om het verkeersvolume te verminderen of te verplaatsen. De Europese wetgeving verplicht Vlaanderen om de PM 2,5 concentraties op stedelijke achtergrondplaatsen de komende 10 jaar met ca. 20% te verminderen. Rekening houdend met het gezondheidseffect kan dit waarschijnlijk het best gebeuren door de emissies van elementaire koolstof en organische massa te verminderen. De jaarlijks wisselende weersomstandigheden kunnen een vrij groot effect hebben op de fijn stof concentraties. Het lijkt daarom aangewezen om een veiligheidsmarge in te bouwen die hiermee rekening houdt. Dit om de bevolking jaar in jaar uit voldoende te beschermen.
Summary
Introduction Exceedances of the daily PM 10 limit values are still common in Flanders (Belgium). Especially at a number of hotspots the situation is still problematic and the causes are often not well understood. For this reason, VMM decided to carry out a second large scale PM 10 chemical characterisation project (Chemkar PM 10 ). In this project we investigated 6 hotspots and 3 rural background sites. The chemical composition itself and the way it varies can often teach us something about the causes and sources of the elevated PM 10 concentrations at the hotspots. The primary reason for this study is to support (local) policy makers dealing with these specific local problems and similar situations. Apart from this, the knowledge of the chemical composition is also of great importance for testing and improving the existing air quality models. 1. Project description From 25 October 2008 until 7 November 2009, we investigated the chemical composition on every 6th day at 9 monitoring sites: Hotspots: Roeselare (ROE); Oostrozebeke (OOS); Zwevegem (ZWE); Evergem (EVE); Zwijndrecht (ZWI); Borgerhout (BOR). Background: Moerkerke (MOE); Aarschot (AAR); Retie (RET).
3 PM 10 sampling was done simultaneously with a Leckel SEQ47/50 instrument that sampled 55 m of air through a filter over a period of 24 hours. On return to the lab, the filters were weighed again to determine the total PM 10 concentration. Subsequently, the filter parts were sent out to dedicated laboratories to determine the concentrations of:
elemental and organic carbon: EC and OC; water soluble ions: NO 3 -, Cl-, SO 4 2-, Na+, NH 4 +, K+, Mg2+ and Ca2+; a range of elements: Al, As, Ba, Ca, Cd, Cr, Cu, Fe, K, Mn, Mo, Ni, Pb, Sb, Ti, V and Zn.
Compared with the previous Chemkar project in 2006-2007, the weather during this project was clearly better for the air quality. For example there were about 20% fewer days with continental transport or stationary meteorological conditions. We were therefore expecting to measure relatively lower concentrations. Lower industrial emissions due to the economic crisis could also explain the lower concentrations in this campaign. The impact of this is, however, less clear. 2. Measurement results From the analytical results, we calculated the concentrations of the main components. Figures I and II show the absolute concentrations and the local relative differences to the overall average. The main components are more or less the same for all sites. For the overall average of all sites we see the following ranking: 1. 2. 3. 4. 5.
2+ Secondary inorganic ions (NO 3 , SO 4 and NH 4 ) Organic mass (OC x factor 1.4) Mineral dust Sea salt Elemental carbon (soot)
31% 20% 13% 10% 4%
(8.5 g/m3) (5.4 g/m3) (3.5 g/m3) (2.8 g/m3) (1.0 g/m3)
Somewhat more than 20% could not be attributed to these main components. The majority of this is probably made out of water bound to the particular matter which according to the European
14
Chemkar PM10 (2008-2009)
reference method, by definition is part of it. Besides this, the uncertainty concerning the formulas for calculating the main components may also play a role.
35 other 30
7.5 7.1
mineral dust
6.4 5.0 6.5 3.8 5.8 5.5
25
5.0 4.7 2.3 1.7 1.8 2.2 1.5 4.2 4.7 2.9 2.3 2.1 2.3 1.5 3.8 3.1 4.7 1.4
nssSO4
20 g/m 3
6.7 4.5
2.6 1.6 3.5
4.6
4.1
NH4
2.4 4.7 2.3 1.4 1.4 3.2 4.2 4.2 3.1
2.6 1.5 4.4
2.8 1.7
15
NO3
3.1 1.8
4.9
sea salt
10
2.5 8.5 6.2
3.1
2.9
OM
1.9 3.7 4.2 0.51 4.9 0.81
5.5 1.17
5.5
5.3
4.9
EC
1.24 0.91 1.10 1.16 1.64
0.52
RET
MOE
AAR
ROE
OOS
ZWE
EVE
ZWI
BOR
Figure I: Average absolute concentration of the main components per site
60%
EC sea salt NH4
OM NO3 nssSO4 other
40%
mineral dust
20%
0%
RET -20%
MOE
AAR
ROE
OOS
ZWE
EVE
ZWI
BOR
-40%
-60%
Figure II: Relative differences of the average concentrations of the main components per site compared to the overall average
Looking at the differences between the sites we see that: For most fractions, the three background sites score well below average. The secondary inorganic ions in Retie are above average, but it is uncertain whether this is a coincidence or not. In Roeselare, mineral dust is clearly above average. We also measure the second highest concentration for elemental carbon and organic mass.
In Oostrozebeke, the high contribution of organic mass stands out. Mineral dust is also clearly above average. In Zwevegem, nothing really stands out. It appears that the causes and/or sources of the elevated concentrations in previous years were no longer present. We can therefore no longer consider the monitoring site in Zwevegem a hotspot. In Evergem, mineral dust is clearly above average. In Zwijndrecht, mineral dust and elemental carbon are somewhat above average. In Borgerhout, we measure the highest concentrations of elemental carbon. This is in agreement with the findings in the first Chemkar project.
Figure III shows the relative element concentrations compared to the background site in Retie. Almost all elements are clearly elevated at the hotspots. The most remarkable observations are:
3 the high concentrations of calcium (Ca) in Roeselare (918 ng/m ) and Oostrozebeke (708 3 ng/m ); the relatively high concentrations of titanium (Ti) and molybdenum (Mo) in Evergem (24 and 6 ng/m3); the relatively high concentration of lead (Pb) in Oostrozebeke (58 ng/m3).
RET 700%
MOE
AAR
ROE
OOS
ZWE
1200%
EVE
ZWI
BOR
600%
500%
400%
300%
200%
100%
Figure III: Relative elemental concentrations compared to Retie
We also carried out an analysis of the effect of the weather conditions on the concentration of PM 10 and its main components. This shows that elevated PM 10 concentrations occur almost entirely on days with stationary meteorological conditions or continental air mass transport. Under these circumstances, the concentrations of secondary inorganic ions and organic mass are clearly elevated. The weather has a much smaller effect on the concentrations of elemental carbon and mineral dust. This is no surprise for compounds that are mostly emitted by local sources. Sea salt behaves differently from the other components. As expected, the concentrations of this fraction are highest under conditions of marine air mass transport. 3. Extra analysis The analysis of box plots of the main components and elements per wind sector allows us to better understand some local situations. The box plots of elemental carbon and mineral dust in Roeselare show a strong similarity. Although southeast of the measurement site there is a transhipment site for sand, dolomite and limestone, we
16
Chemkar PM10 (2008-2009)
see elevated concentrations of mineral dust in all eastern sectors, from north to south. The same pattern is observed for elemental carbon. This indicates that the (heavy) traffic in the area surrounding the monitoring site, from the roundabout in the north to the transhipment site in the southeast, is responsible for the resuspension of street dust. The contribution of the transhipment site to the amount of street dust in the area cannot easily be calculated from the results. The box plots of organic mass and lead help to understand the local situation in Oostrozebeke. Organic mass is elevated in two separate sectors. The elevation in the south-southeast sector is present at all sites and is therefore probably not caused by a local source. This is not the case for the elevation in the southwest-west sector. In this direction, we also see highly elevated lead concentrations. In this sector, there are two industrial companies: the wood processing factory, Spano, and the metal construction company, Metaalbouw Vandekerckhove. Spano is the most likely source of organic mass, but it is harder to point out the source for lead. The burning of treated wood at Spano could be a cause, but activities at Metaalbouw Vandekerckhove cannot be ruled out. The box plots of titanium and molybdenum in Evergem show that the sources of these two elements lie in the southeast-south and east-southeast sector. The companies Kronos Europe and Sadaci are located in these sectors. The first produces titanium dioxide and the second specialises in molybdenum alloys. There is no doubt that these two companies are the dominant sources for these elements here. Factor analysis at the different sites shows a general pattern. For all sites we observe similar factors or combinations of factors that represent the main causes of PM 10 : secondary inorganic ions & oil burning: with both high loadings for NO 3 -, SO 4 2- and NH 4 +, and the oil burning tracers V and Ni; sea salt: with high loadings for Na+, Mg2+, K+ , Ca2+ and Cl-; crustal matter: with high loadings for Al, Ca, Fe, Mn and Ti; traffic: with high loadings for EC, Cu, Fe, Mo and Sb; burning aerosol: with high loadings for OC and various (heavy) metals.
In addition, we can see that in Roeselare as well as Borgerhout the typical traffic tracers (EC, Cu, Mo, Sb) and the typical crustal elements belong to the same factor. This is an extra indication that local traffic is responsible for resuspension of mineral dust. In Oostrozebeke, OC and lead also belong to the same factor, which could indicate that they have the same source. This is, however, not certain as factor analysis is not always able to separate two sources that are close to each other. This is, for example, the case for the sources of titanium and molybdenum in Evergem. 4. Additional results and calculations European legislation allows the subtraction of the natural contribution of sea salt from the PM concentrations. This procedure is however criticised by the scientific and medical world because it weakens the goal of the European Directive, to protect public health. On average the subtraction of natural sea salt would annually reduce the amount of PM 10 daily exceedances by only 3 to 4 days per site. Local differences in effect can, however, be very high. All this suggests that the creation of a dedicated network for sea salt monitoring can hardly be justified. We also carried out chemical characterisation of PM 2.5 in Borgerhout and Retie. The difference in composition with PM 10 allows us to calculate the contribution of the coarse fraction PM 10-2.5 . As an example, the relative composition of PM 10 , PM 2.5 en PM 10-2.5 in Borgerhout is presented in Figure IV.
PM10
other 21%
EC 6% OM 17%
PM2,5 ('fine')
other 18%
EC 3%
OM 20%
PM10-2,5 ('coarse')
other 27%
EC 2%
OM 9% sea salt 15%
mineral dust 13% nssSO4 10% NH4 6%
mineral dust 3% nssSO4 18%
sea salt 10%
sea salt 5%
NO3 17%
NH4 12%
NO3 21%
mineral dust 18% nssSO4 NH4 1% 6%
NO3 22%
Figure IV: Average relative composition of PM 10 , PM 2.5 en PM 10-2.5 in Borgerhout
At both sites we see that: mineral dust and sea salt occur mostly in the coarse fraction; organic mass and elemental carbon occur mostly in the fine fraction; ammonium sulphate is almost exclusively found in the fine fraction; nitrate is important in both the coarse and fine fraction.
Finally, we carried out extra analyses during two smog episodes in 2009. Both in January and April 3 we see PM 10 concentrations exceeding 100 g/m . There is, however, a clear difference in PM 10 composition between these two periods. In January, both the secondary inorganic ions and organic mass are elevated. In April, we only see highly elevated secondary inorganic ions. It is hard to say whether this is due to differences in emissions or due to differences in meteorological conditions. 5. Future research and policy advice There is a presumption that wood burning could be a major source of the organic mass in particulate matter. To investigate this contribution VMM is carrying out a special Chemkar project at 7 sites from February 2010 until February 2011. During the same period, chemical characterisation will take place at the traffic site in Borgerhout (R802) and at two sites close to the port of Antwerp: Berendrecht (AB02) and Antwerp Luchtbal (M802).
The main policy advice derived from this study is: Many experts consider elemental carbon the most harmful fraction of particulate matter. Traffic is without a doubt the main source for this fraction. Policy makers should, therefore, aim to reduce the local exposure to traffic emissions. This can be done by a reduction of the emissions and/or a reallocation of traffic to less populated areas. Traffic often seems to be responsible for the resuspension of street dust. There are indications that this fraction is also harmful to public health. The traffic contribution to PM 10 by resuspension of street dust is probably in the same order of magnitude as the direct tailpipe emissions. This implies that cleaner vehicles cannot completely solve the traffic related PM pollution. This is an extra argument for the reduction and/or reallocation of traffic. European legislation requires Flanders to reduce the PM 2,5 concentrations in urban background sites by about 20% over the next 10 years. Taking health effects into account, this can probably best be accomplished by reducing the emissions of elemental carbon and organic mass. The annual variations in weather conditions can have substantial effects on particulate mass concentrations. Therefore, it is advisable to foresee a safety margin that takes this into account in order to guarantee sufficient protection year in year out.
18
Inleiding
De afgelopen jaren is fijn stof (PM 10 en PM 2,5 ) 1 in omgevingslucht belangrijker geworden binnen de problematiek van milieuvervuiling. Dit is enerzijds te wijten aan de daling van de concentraties van andere vervuilende stoffen (SO 2 , dioxines, zware metalen, ) en anderzijds aan de toegenomen kennis in verband met de nadelige effecten van fijn stof. Op vele plaatsen in Europa, waaronder het dichtbevolkte en sterk gendustrialiseerde Vlaanderen, worden de Europese fijn stof grenswaarden voor het beschermen van de volksgezondheid regelmatig overschreden. Bij een levenslange blootstelling aan de huidige stofconcentraties zou een inwoner van Vlaanderen gemiddeld 10 gezonde levensmaanden verliezen 2 . Dit maakt fijn stof momenteel het belangrijkste gezondheidsprobleem op het vlak van milieuvervuiling. Omdat de aandacht voor het fijn stof probleem een vrij recent fenomeen is, staat de kennis in verband met deze vervuilende stof op veel vlakken nog in zijn kinderschoenen. Toch zijn er al aanwijzingen dat de samenstelling van het stof een belangrijk effect heeft op de veroorzaakte schade. Ondanks dit richt de wetgeving zich nog steeds bijna uitsluitend op (het meten van) de totale hoeveelheid PM 10 en PM 2,5 stof. Het bepalen van de samenstelling van fijn stof is belangrijk om tal van redenen. In eerste instantie is het natuurlijk van belang om een beeld te krijgen van de huidige situatie op verschillende plaatsen. Daarnaast kan kennis van de samenstelling vaak van grote hulp zijn bij het identificeren van bronnen. Verder kan het helpen om een onderscheid te maken tussen natuurlijk en door de mens geproduceerd stof en tussen primair (rechtstreeks uitgestoten) en secundair stof (dat achteraf gevormd wordt uit bepaalde gassen). De medische wereld is ook vragende partij naar meer gegevens over de exacte samenstelling van fijn stof. Want enkel wanneer er op ruime schaal genoeg gegevens zijn, kan men verbanden tussen de verschillende bestanddelen en hun schadelijke effecten gaan onderzoeken. Het meten van de samenstelling is ook van groot belang voor het testen van modellen. Veel modellen berekenen de totale fijn stof concentraties namelijk door de som te maken van de gemodelleerde concentratie van de verschillende bestanddelen. Tot slot lijkt het waarschijnlijk dat er in de toekomst ook nieuwe streef- en grenswaarden voor bepaalde bestanddelen zullen komen. Een grondige kennis van de niveaus en de trends van deze bestanddelen is hierbij natuurlijk van groot belang.
3 In een vorige studie in 2006 en 2007 voerde VMM het eerste grootschalige chemische karakterisatie onderzoek van PM 10 stof in Vlaanderen uit. In deze studie onderzochten we verschillende types meetplaatsen en probeerden we een eerste algemeen beeld van PM 10 stof in Vlaanderen te krijgen.
Dit tweede grootschalige onderzoek - afgekort Chemkar PM 10 hotspots - legt de nadruk meer op de problematiek van enkele meetplaatsen met verhoogde PM 10 concentraties. Dit rapport bevat een gedetailleerde beschrijving van: de opbouw van het project; de meetresultaten; gevorderde statistische analyse; enkele aanvullende resultaten en berekeningen.
Aangezien dit onderzoek zich vooral richt op enkele hotspots in Vlaanderen, is het in de eerste plaats de bedoeling om enkele plaatselijke situaties beter te begrijpen. Ondanks dat er dus vooral over plaatselijke effecten wordt gesproken, moet men zich wel bewust zijn dat er waarschijnlijk op verschillende plaatsen in Vlaanderen vergelijkbare situaties voorkomen. In die zin kan men de plaatselijke situaties dus zien als typische voorbeelden van het effect van bepaalde sectoren of situaties.
PM: particulate matter, PM 10 en PM 2,5 slaan op zwevende deeltjes met een arodynamische diameter kleiner dan 10 m, respectievelijk 2,5 m MIRA (2007), Achtergronddocument Thema Verspreiding van zwevend stof, Vlaamse Milieumaatschappij, 2007 3 VMM (2009), Chemkar PM 10 : Chemische karakterisatie van fijn stof in Vlaanderen, 2006-2007
2
Inleiding 19
Chemkar PM10 (2008-2009)
1 Projectbeschrijving
1.1 Inleiding en doel
Dit eerste hoofdstuk beschrijft de praktische opzet van het huidige project. U vind er ondermeer een beschrijving en fotos van de bestudeerde meetplaatsen, de gebruikte toestellen en de uitgevoerde chemische analyses. Het hoofdstuk eindigt met een toelichting over de meteorologische omstandigheden tijdens het project. Dit onderzoek richt zich vooral op enkele PM 10 hotspots in Vlaanderen. In de eerste plaats is het de bedoeling om enkele lokale probleemsituaties beter te begrijpen. In het ideale geval zouden we alle specifieke bronnen die bijdragen aan de plaatselijke problematiek kunnen herkennen.
1.2 Bemonstering
1.2.1 Meetplaatsen Het Chemkar PM 10 hotspots project vond plaats op negen plaatsen verspreid over Vlaanderen (Figuur 1). De zes geselecteerde hotspots 4 waren: Roeselare; Oostrozebeke; Zwevegem; Evergem; Zwijndrecht; Borgerhout.
Daarnaast werden ook nog drie (landelijke) achtergrondplaatsen geselecteerd: Moerkerke; Aarschot; Retie.
BIJLAGE B bevat satellietfotos van de verschillende meetplaatsen.
Figuur 1: De ligging van de meetplaatsen

4
De selectie van de hotspots gebeurde vooral op basis van de meetresultaten in de jaren 2006 en 2007
1. Projectbeschrijving 21
Roeselare (M705)
De meetplaats in Roeselare (bevolking ca. 60 000) ligt in een industrile zone aan de rand van de stad nabij het kanaal van Roeselare. Naast de meetplaats (ten O) loopt een drukke weg met vrij veel zwaar transport. Ca. 100 m ten N is er een groot rond punt. Ongeveer 200 m ten ZO van de site ligt een overslagplaats voor ondermeer zand, kalksteen en dolomiet. Op iets meer dan 150 m ten NW van de meetplaats ligt een woonzone. De afgelopen jaren behoorde het meetstation hier constant tot de meetplaatsen waar het hoogst aantal PM 10 dagoverschrijdingen werden gemeten.
Figuur 2: De meetplaats in Roeselare
Oostrozebeke (OB01)
De meetplaats in Oostrozebeke (bevolking ca. 7 500) ligt in een voorstedelijk gebied maar beschouwen we als een industrile meetplaats vanwege de nabijheid van het houtverwerkend bedrijf Spano (ca. 500 m ten ZW van de meetplaats). 100 m ten N van de meetplaats bevindt zich ook een fabrikant van vloerbedekking (Orotex). In dezelfde straat als de meetplaats (ten Z en ZW) is het bedrijf Metaalbouw Vandekerckhove gelegen. De afgelopen jaren behoorde Oostrozebeke constant tot de meetplaatsen waar het hoogst aantal PM 10 dagoverschrijdingen werden gemeten.
Figuur 3: De meetplaats in Oostrozebeke
22
Chemkar PM10 (2008-2009)
Zwevegem (N052)
De meetplaats in Zwevegem (bevolking ca. 25 000) ligt in een voorstedelijk gebied maar heeft ook een industrieel karakter. Ongeveer 1 km ten NO van de meetplaats ligt het bedrijf Bekaert dat gespecialiseerd is in geavanceerde metaaltransformatie en geavanceerde materialen en coatings. De meetplaats ligt ook ongeveer 1 km ten ZO van de drukke snelweg E17 en ca. 4 km ten O van het centrum van de stad Kortrijk (bevolking ca. 75 000). Hoewel Zwevegem in 2007 het op twee na hoogste aantal PM 10 dagoverschrijdingen had, is het de laatste jaren eerder een vrij gemiddeld station.
Figuur 4: De meetplaats in Zwevegem
Evergem (R731)
De meetplaats in Evergem (bevolking ca. 30 000) ligt in een voorstedelijk gebied maar beschouwen we ook als een industrile meetplaats gezien de nabijheid van de haven van Gent (ca. 1 km ten Z), Op minder dan 1 km ten ZO bevinden zich de bedrijven Sadaci NV (gespecialiseerd is in molybdeenlegeringen) en Kronos Europe NV (gespecialiseerd in de productie van TiO 2 ), 1 km ten Z ligt een energiecentrale (op gas) en 2 km ten O ligt de Gentse kolen terminal. De stad Gent (bevolking ca. 250 000) ligt ca. 8 km ZW van de meetplaats. Doorgaans is Evergem een van de meetplaatsen met het hoogste aantal PM 10 dagoverschrijdingen in Vlaanderen.
Figuur 5: De meetplaats in Evergem
Zwijndrecht (R815)
De meetplaats in Zwijndrecht (bevolking ca. 20 000) beschouwen we als een voorstedelijke meetplaats en ligt in het centrum van een kleine gemeente. Er is mogelijk wel invloed van industrile activiteit in de Antwerpse haven. De meetplaats ligt ook op ca. 40 m ten N van de spoorlijn Gent Antwerpen, 700 m ten NW van de snelweg E17, 3 km ten Z van de haven van Antwerpen en ongeveer 4 km ten W van de stad Antwerpen (bevolking ca. 500 000). Hoewel Zwijndrecht in 2006 het op 4 na hoogste aantal PM 10 dagoverschrijdingen had, is het de laatste jaren eerder een vrij gemiddeld station.
Figuur 6: De meetplaats in Zwijndrecht
Borgerhout (R801)
Het meetstation in Borgerhout (Antwerpen, ca. 460.000 inwoners) beschouwen we als een stedelijk achtergrondstation met een aanzienlijke verkeersinvloed. Het station ligt op 30 m van een drukke stadsas (Plantin en Moretuslei) en op 750 m van de Antwerpse Ring (R1). Aan n zijde van de meetplaats bevindt zich de speelplaats van een lagere school en aan de andere een klein parkeerterrein van een kantoorgebouw. Ter hoogte van de straat bevindt zich een bushalte. Op enkele kilometers afstand bevinden zich enkele belangrijke industrile bronnen (bijvoorbeeld Umicore in het ZW en de Antwerpse haven in het NW). De afgelopen jaren was Borgerhout (R801) qua PM 10 doorgaans bij de meer vervuilde meetplaatsen in Vlaanderen.
Figuur 7: De meetplaats in Borgerhout
24
Chemkar PM10 (2008-2009)
Moerkerke (N012)
De meetplaats in Moerkerke (bevolking ca. 3 000) beschouwen we als landelijke achtergrond. De meetplaats ligt in landbouwgebied op ca. 10 km ten NO van de stad Brugge (bevolking ca. 120 000) en 2 km ten NO van het dorp Moerkerke. 1,5 km ten NO van de meetplaats loopt de snelweg E34 en 1 km ten Z bevindt zich het Schipdonkkanaal dat uitmondt in Zeebrugge. Moerkerke is qua PM 10 doorgaans een van de minst vervuilde meetplaatsen van Vlaanderen.
Figuur 8: De meetplaats in Moerkerke
Aarschot (N035)
De meetplaats in Aarschot (bevolking ca. 30 000) beschouwen we ook als een landelijke achtergrondplaats. In tegenstelling tot Moerkerke en Retie zijn er wel meer mogelijke stofbronnen in de buurt: de snelweg E313 ligt ca. 1,5 km ten Z en het stadscentrum ligt op minder dan 1 km. De meetplaats ligt ook in een woonzone met open bebouwing gelegen tussen twee kleine wegen (elk op ca. 75 m van het station). Aarschot is qua PM 10 doorgaans een van de minder vervuilde meetplaatsen in Vlaanderen.
Figuur 9: De meetplaats in Aarschot
Retie (RT01)
De meetplaats in Retie (bevolking ca. 10 000) beschouwen we als landelijke achtergrond. De meetplaats ligt in een weide naast een bosrijk park (Prinsenpark). De enige gekende mogelijke bronnen zijn een regionale weg ca. 500 m ten ZO en een kleine industriezone ongeveer 1 km ten O. Retie is qua PM 10 een van de minst vervuilde meetplaatsen van Vlaanderen.
Figuur 10: De meetplaats te Retie
1.2.2 Tijd en frequentie Van 25 oktober 2008 tot en met 7 november 2009 gebeurde er elke 6e dag simultane bemonstering op alle meetplaatsen. Om praktische redenen was er geen monsterneming in de laatste week van december en de eerste week van januari. De metingen in Borgerhout en Retie startten pas in 2009, op respectievelijk 11 en 17 januari. 1.2.3 Toestel en filter De bemonstering op filters gebeurde op alle meetplaatsen met een Leckel SEQ47/50 (zie Figuur 11). Op dagen dat het toestel niet bemonsterde, werden dummy filters in het toestel geplaatst zodat de pomp gewoon kon blijven werken. Het vervangen van de sets van filters gebeurde om de twee weken.
Tabel 1: Eigenschappen en instellingen van de gebruikte sampler
Leckel SEQ 47/50 debiet substraat filterdiameter capaciteit (# filters) bemonsteringstijd inlaatkop 2,3 m3/u kwartsvezelfilter (Pall Tissuquartz 2500 QAT-UP) 47mm 16 24 u PM 10 (EU-type)
26
Chemkar PM10 (2008-2009)
Figuur 11: De Leckel SEQ 47/50 die gebruikt werd voor de bemonstering van PM 10
We kozen bewust voor n campagne verspreid over een heel jaar i.p.v. enkele korte, dag-op-dag campagnes. Korte campagnes zijn praktisch wel eenvoudiger maar uit vorige fijn stof studies bleek dat de resultaten vaak minder robuust zijn. Bij korte, geconcentreerde campagnes is de kans namelijk veel groter dat het weer een grote stempel drukt op de resultaten en zo leidt tot een moeilijke (of soms zelfs foutieve) interpretatie. Dit wil natuurlijk niet zeggen een lange, discontinue campagne (zoals bij deze studie) volledig vrij is van deze benvloeding, maar de kans is alvast een stuk kleiner. Daarnaast mogen we ook niet vergeten dat het weer ook van jaar tot jaar wisselt en dat zelfs een lange campagne een te positief of negatief beeld kan geven van een bepaalde toestand. Onder 1.4 wordt kort beschreven hoe de meteorologische situatie was tijdens dit project. Blanco filters In de loop van het project werden op elke meetplaats meerdere blanco filters blootgesteld. Deze filters zaten telkens gedurende 2 weken in de koker van de bemonsterde filters. De blanco correctie komt in het volgende hoofdstuk aan bod. Rendement Net als in het vorige project haalden we ook deze keer een zeer hoog rendement: 528 filters gepland; 526 filters effectief bemonsterd (= 99,6%), 2 filters een dag te laat bemonsterd; 524 filters bemonsterden het ingestelde volume 5 % (= 99,2%), 1 filter bemonsterde een te hoog volume door een foute instelling en 1 filter bemonsterde te kort door uitval van het toestel.
1.3 Analyse
1.3.1 Selectie van de analysemethodes Bij de selectie van de te meten bestanddelen en de bepalingstechnieken baseerden we ons net als in het eerste chemkar project op verschillende (buitenlandse) onderzoeken 5 , 6 , 7 , 8 , 9 , 10 . Daarbij viel op dat de methodiek voor de hoofdbestanddelen vaak weinig verschilt. Wateroplosbare ionen meet men doorgaans met ionenchromatografie, elementaire en organische koolstof met een thermische en/of optische methode en de elementen met XRF of ICP-MS. In sommige onderzoeken, bijvoorbeeld door het Amerikaanse IMPROVE 11 (Interagency Monitoring of Protected Visual Environments) netwerk een van de grootste referenties op het vlak van karakterisatie van stof - gebruikt men speciale denuders en/of backfilters om de artefacten nauwgezet op te volgen. Toepassing van dit soort technieken was praktisch niet haalbaar in deze studie. Bovendien maken de artefacten (per definitie) deel uit van de totale PM 10 massa (zie kader Het meten van fijn stof volgens de EU standaardmethode). 1.3.2 Totale massa VMM hanteerde zijn routinemethode voor de bepaling van de totale massa PM 10 en PM 2,5 stof. Hierbij wordt voor de PM 10 ook de huidige, strengere EU-standaard voor PM 2,5 gevolgd (EN14907). Filters Tijdens dit project gebruikten we slechts n type filter namelijk Pall Tissuquartz 2500 QAT-UP. Dit is een ultra pure kwartsvezelfilter die vooraf wordt voorgebakken door de fabrikant om onzuiverheden te verwijderen. Voorbehandeling & weging Uit diverse bronnen blijkt dat de Pall filters (in tegenstelling tot bijvoorbeeld Whatman QM-A filters) geen specifieke voorbehandeling (vooraf verhitten) nodig hebben. De weging gebeurt in een handschoenkast (Figuur 12) met een Sartorius M5P balans en bestaat uit de volgende stappen: 1. 2. 3. 4. 5. 6. De filters gaan in de handschoenkast die zich op 20C en 50% relatieve vochtigheid bevindt; De eerste weging gebeurt na minstens 48 u conditioneren; De tweede weging gebeurt minstens 24 u na de eerste weging; De filters gaan naar het veld voor de bemonstering; identiek aan stap 2; identiek aan stap 3.
Putaud J-P et al., A European aerosol phenomenology2: chemical characteristics of particulate matter at kerbside, urban, rural and background sites in Europe. Atmospheric Environment 2004, Vol 38, p2579-2595 6 Visser H et al., Composition and Origin of Airborne Particulate Matter in the Netherlands, August 2001, RIVM report 650010 029 7 www.berlin.de/sen/umwelt/luftqualitaet/de/werkstatt_feinstaub/download/abg/Abschlussbericht_Berlin.pdf 8 www.umwelt.sachsen.de/lfug/documents/LFUG_EFPAbt2_KORNGR_030401_041231_050817_4_7MB.pdf 9 Harrison R M et al., Major component composition of PM10 and PM2.5 from roadside and urban background sites, Atmospheric Environment 2004, Vol 38, p4531-4538 10 Maenhaut W et al., Size-fractionated aerosol composition at Gent, Belgium. Results from a one-year study, Nucl. Instrum. Methods Phys. Res., Sect. B 1996, 109, p476-481 11 http://vista.cira.colostate.edu/improve/Publications/IMPROVE_SOPs.htm
28
Chemkar PM10 (2008-2009)
Figuur 12: De handschoenkast waarin alle wegingen worden uitgevoerd
De verschillen tussen twee wegingen van de blanco filter (stap 2 en 3) mogen maximaal 80 g zijn en tussen de twee wegingen van de bemonsterde filter (stap 5 en 6) maximaal 120 g. Indien het verschil groter is, gebeurt er een bijkomende weging. Na de laatste weging werden er drie punches van 1,5 cm2 uit de filter genomen. Figuur 13 geeft het doel van de verschillende delen weer.
IONEN analyse EC/OC analyse ELEMENTEN analyse RESERVE
Figuur 13: Gebruik van verschillende delen van de filter voor verdere analyse
Bewaring De bewaring van de EC/OC punches gebeurde in de vriezer (bij -18C). Alle andere delen gingen in de koelkast (bij 6C). Op regelmatige tijdstippen werden de filters weggebracht naar de verschillende analyselabos.
Het meten van fijn stof volgens de EU standaardmethoden EN12341 en EN14907 Tegenwoordig bestaan er verschillende technieken om op vrij geavanceerde, automatische wijze fijn stof in lucht te bepalen. De EU standaardmethoden zijn echter nog steeds gebaseerd op een heel klassiek principe: gedurende 24 uur wordt lucht door een vooraf gewogen filter gezogen aan een gekend debiet (2,3 m3/u). Uit de massatoename en het totale debiet berekent men dan de concentratie fijn stof in de lucht. Ondanks de eenvoud van deze methode, blijken er toch enkele problemen te zijn. Vooral het feit dat een deel van de bemonsterde massa niet afkomstig is van inerte stofdeeltjes (bijvoorbeeld bodemstof), maar van semi-vluchtig materiaal (bijvoorbeeld water, NH 4 NO 3 ,) en geadsorbeerde gassen zorgt voor artefacten. De semi-vluchtige fractie gedraagt zich vaak op een vrij complexe manier en kan aanleiding geven tot aanzienlijke verschillen tussen varianten van de standaardmethode. Zo is vrij recent gebleken dat: De voorgeschreven conditioneringstijd (= 48 u) voor de filters bij de EU standaard onder bepaalde omstandigheden te kort is. Soms gaan filters op het veld nog extra water - en dus massa - opnemen. Verschillende merken van kwartsvezelfilter anders kunnen reageren en andere adsorptiekarakteristieken hebben (zodat de verschillen in gemeten massa soms kunnen oplopen tot ca. 20%.)
Deze zaken zorgen voor een vrij grote onzekerheid op de waarden die men meet volgens de huidige EU standaardmethode. Eigenlijk is er dus eerder sprake van een range van - per definitie - juiste resultaten dan van n enkele referentiewaarde. De tekst van de referentiemethode geeft trouwens expliciet aan dat artefacten per definitie deel uitmaken van de methode. Het is evident dat een dergelijke situatie de vergelijking binnen en tussen lidstaten bemoeilijkt en ook het evalueren van trends in de tijd kan verstoren (wanneer een lidstaat bijvoorbeeld wisselt van filtertype of merk voor de referentiemethode). Momenteel werkt werkgroep CEN TC264/WG15 aan een nieuwe versie van de EU standaardmethode die de beschreven problemen zo goed mogelijk moet aanpakken. Dit is geen eenvoudige opdracht omdat er moet gezocht worden naar een compromis tussen de wetenschappelijk beste methode (met de laagste onzekerheid) en de meest praktische methode met een breed draagvlak over de verschillende lidstaten. Bij wetenschappelijk onderzoek neemt men meestal extra voorzorgen bij de bemonstering van fijn stof zoals bijvoorbeeld het. gebruik van denuders en/of back-up filters. Men doet dit om voor artefacten zoals absorptie van organische gassen, verliezen van ammoniumnitraat, enz. te corrigeren of om ze te voorkomen. VMM paste dit soort technieken niet toe om twee redenen: enerzijds was het de bedoeling om de samenstelling van fijn stof bemonsterd volgens de referentiemethode te bepalen (waarvan de artefacten dus intrinsiek deel uitmaken) en anderzijds vragen deze voorzorgen heel wat extra inspanningen die voor VMM praktisch zeer moeilijk uitvoerbaar zijn bij een project van deze schaal. Tot slot moet de lezer er zich ook van bewust zijn dat deze artefacten zich ook voordeden en voordoen bij gezondheidstudies over fijn stof. De huidige grens- en richtwaarden, die deels vastgelegd zijn op basis van dergelijke studies, zijn dus ook gebaseerd op de referentiemethode, met al zijn artefacten en onzekerheden.
30
Chemkar PM10 (2008-2009)
1.3.3 Elementaire en organische koolstof (EC/OC) De groep van professor Maenhaut van de Universiteit Gent bepaalde elementaire en organische koolstof op een punch van 1,5 cm2. Ze gebruikten hiervoor een thermo-optische transmissietoestel (TOT) van de firma Sunset Laboratory. Het bepalen van het onderscheid tussen EC en OC gebeurde volgens het NIOSH2 (National Institute for Occupational Safety and Health) protocol. De bepaling van totaal koolstof (TC) is niet echt een probleem, maar het maken van het onderscheid tussen EC en OC is dat wel. Momenteel is er in de wetenschappelijke wereld nog geen consensus over de definitie en de beste scheiding van deze twee fracties. Er is momenteel wel een Europese werkgroep (CEN TC264 WG35) die een Europese referentiemethode voor EC/OC moet opstellen. Een methode op basis van het NIOSH2 protocol is daarbij een van de drie mogelijke kandidaten. In vergelijking met de twee andere kandidaat protocollen geeft NIOSH2 quasi altijd de laagste ECconcentraties en dus de hoogste OC-concentraties. Deze EC-waarden blijken wel de meest zuivere 12 tracers voor verkeersemissies te zijn . De fractie brown carbon die bijvoorbeeld ontstaat bij houtverbranding en onder andere bepaalde polyaromatische koolwaterstoffen (PAKs) bevat, wordt in het NIOSH2 protocol bij OC gerekend terwijl de andere protocollen dit (grotendeels) bij EC rekenen. De belangrijkste reden van de EC en OC analyses was het inschatten van de bijdrage van organische massa (= organisch koolstof maal een conversiefactor) en elementaire koolstof aan PM 10 in Vlaanderen. 1.3.4 Elementen Het labo SGS uit Antwerpen bepaalde 17 elementen op een punch van 1,5 cm2. Na een destructie met HNO 3 /H 2 O 2 analyseerden ze de oplossing met ICP-MS (inductief gekoppeld plasma massaspectrometrie). De belangrijkste reden van deze analyses was het inschatten van de bijdrage van mineraal stof aan PM 10 .
Tabel 2: Elementen die op de filters bepaald werden
Al Mn
As Mo
Ba Ni
Ca Pb
Cd Sb
Cr Ti
Cu V
Fe Zn
1.3.5 Wateroplosbare ionen Het labo Eurofins uit Oostkamp bepaalde wateroplosbare ionen op het overgebleven deel van de filters. De eerste stap in het analyseproces was het uitlogen van de filters in ultrapuur water. De bepaling van de ionen gebeurde op drie manieren: colorimetrische continuous flow analysis (CFA) voor NH 4 + en NO 3 - ; ionenchromatografie (IC) voor Cl- en SO 4 2- ; ICP-MS voor Na+, K+, Mg2+ en Ca2+.
De belangrijkste reden van deze analyses was het inschatten van de bijdrage van zeezout en secundair anorganisch stof aan PM 10 in Vlaanderen.
Tabel 3: Ionen die op de filters bepaald werden
Anionen: Kationen:
NO 3 Na+
ClNH 4 +
SO 4 2K+ Mg2+ Ca2+
Reisinger P et al., Intercomparison of Measurement Techniques for Black or Elemental Carbon Under Urban Background Conditions in Wintertime: Influence of Biomass Combustion, Environ. Sci. Technol., 2008, 42, p 884-889
12
1.4 Meteorologische gegevens

1.4.1 Standaardparameters De interpretatie en data-analyse gebeurde aan de hand van gemiddelde waarden van de VMMmeteostations in Houtem, Gent, Evergem, Roeselare en Antwerpen Luchtbal. Deze aanpak zorgt voor een volledige dataset met waarden op alle meetdagen. Bovendien waren er geen specifieke meteorologische gegevens op 8 van de 9 meetplaatsen waardoor werken met meer lokale meteo sowieso niet mogelijk was. Omwille van de relatief kleine afstand tussen de meetplaatsen zijn de meteorologische gegevens doorgaans ook weinig verschillend. De data voor alle meetdagen is weergegeven in Tabel 4. Een grafische overzicht van de meteodata tijdens het project is te zien in Figuur 14.
neerslag
40
windsnelheid
temperatuur
windrichting
360 N
35
315 W
30
270
25 mm - C - m/s
225 Z
20
180
15
135
10
90 N
45
0 01 okt 08
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 09 09
01 jun 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
0 01 nov 01 dec 09 09
Figuur 14: Overzicht van de meteorologische data van de volledige projectperiode
1.4.2 Backward trajectories Backward trajectories zijn modelresultaten van berekeningen op basis van een wereldwijde database van meteorologische gegevens. Ze geven grafisch aan waar de luchtmassa op een bepaald moment, plaats en hoogte vandaan kwam. Deze informatie maakt het beter mogelijk om bepaalde fenomenen (stationair weer, oostelijke aanvoer,) te herkennen. Net als bij vorige studie gebruikten we het bekende HYSPLIT (HYbrid Single-Particle Lagrangian Integrated Trajectory) model 13 . De trajecten voor de 61 bemonsteringsdagen zijn te zien in BIJLAGE A. Omdat de trajectberekeningen doorgaans nauwelijks verschillen voor meetplaatsen die relatief dicht (<100 km) bij elkaar liggen, maakten we voor elke meetdag slechts n figuur met als eindpunt min of meer het centrum van Vlaanderen. Per grafiek zijn er 5 lijnen zichtbaar. Elke lijn stelt een transport van 48 u voor en verschilt 6 u met de vorige/volgende. Korte, draaiende lijnen duiden vaak op weinig transport terwijl lange, rechte lijnen op veel en snel transport wijzen. Voor verdere analyse deelden we de meetdagen in drie groepen in:
13
maritiem transport (35 dagen); zuidelijk transport (15 dagen); stationair en/of continentaal transport (11 dagen).
http://www.arl.noaa.gov/ready/open/traj.html
32
Chemkar PM10 (2008-2009)
Figuur 15 toont een typische voorbeeld van elk van de 3 groepen. In de praktijk bestaan er natuurlijk veel tussenvormen en is het niet altijd mogelijk om de situatie eenvoudig te omschrijven. Continentaal transport en stationaire situaties brachten we in n groep onder omdat het onderscheid vaak moeilijk te maken is. Een verdere opsplitsing zou trouwens twee zeer kleine groepen geven, wat het bij de data-analyse moeilijker maakt om gefundeerde uitspraken te doen. Maritiem Zuidelijk Continentaal/stationair
Figuur 15: Backward trajectories van 3 dagen met een typische transportsituatie
Noot: In de literatuur gebruikt men vaak verschillende instellingen voor het berekenen van de trajecten. In deze studie verkozen we, net als in de vorige, om in plaats van n lang traject, meerdere kortere trajecten te tekenen die de situatie met telkens enkele uren verschil weergeven. Een klein nadeel van deze methode is dat de software een maximum van 48 u heeft voor meervoudige trajecten. Het grote voordeel is dat men veel beter kan inschatten hoe de situatie veranderde binnen de dag. De lange trajecten geven trouwens zelden een meerwaarde omdat de onzekerheid sterk toeneemt naarmate men verder terugrekent. Daarnaast toont het gebruik van meerdere trajecten per dag dat er soms een groot verschil is afhankelijk van het gekozen tijdstip (bijvoorbeeld begin van de dag vs. einde van de dag). Voor de aankomsthoogte van het traject gebruikt men ook vaak verschillende waarden. We kozen, net als bij vorige studie voor 20 m, een hoogte waarop lucht zich doorgaans vrij boven de gebouwen kan verplaatsen. Uit onderzoek blijkt trouwens dat de resultaten van de trajecten nauwelijks verschillen 14 wanneer hoogten beneden de 500 m gebruikt worden .
1.4.3 Vergelijking met weersomstandigheden van het eerste chemkar project Vergeleken met het eerste chemkar project (2006-2007) was het weer nu duidelijk beter voor de luchtkwaliteit. Bij een zelfde analyse van de trajecten vonden we toen een kwart meer dagen (14 toen vs. 11) met stationair en/of continentaal transport (de slechtste situatie voor de luchtkwaliteit) en 30 dagen met maritiem transport (de beste situatie voor de luchtkwaliteit). Het valt dus te verwachten dat de weersomstandigheden tijdens deze studie zich ook vertalen in lagere concentraties in vergelijking met vorige studie.
14
Lee S en Ashbaugh L, The impact of trajectory starting heights on the MURA trajectory source apportionment (TSA) method, Atmospheric Environment, Vol 41, 2007, p7022-7036
Tabel 4: Overzicht van de gemiddelde meteorologische gegevens voor alle projectdagen Relatieve Neerslag Luchtdruk Windrichting Windsnelheid vochtigheid (mm) (hPa) () (m/s) (%) 25/10/2008 31/10/2008 06/11/2008 12/11/2008 18/11/2008 24/11/2008 30/11/2008 06/12/2008 12/12/2008 18/12/2008 11/01/2009 17/01/2009 23/01/2009 29/01/2009 04/02/2009 10/02/2009 16/02/2009 22/02/2009 28/02/2009 06/03/2009 12/03/2009 18/03/2009 24/03/2009 30/03/2009 05/04/2009 11/04/2009 17/04/2009 23/04/2009 29/04/2009 05/05/2009 11/05/2009 17/05/2009 23/05/2009 29/05/2009 04/06/2009 10/06/2009 16/06/2009 22/06/2009 28/06/2009 04/07/2009 10/07/2009 16/07/2009 22/07/2009 28/07/2009 03/08/2009 09/08/2009 15/08/2009 21/08/2009 27/08/2009 02/09/2009 08/09/2009 14/09/2009 20/09/2009 26/09/2009 02/10/2009 08/10/2009 14/10/2009 20/10/2009 26/10/2009 01/11/2009 07/11/2009 203 48 163 230 236 288 77 288 187 218 199 195 245 114 121 291 288 293 234 322 242 92 319 249 224 179 277 72 33 249 41 194 114 52 327 204 292 21 345 282 266 169 240 238 254 21 223 244 226 190 190 28 2 53 257 22 57 118 249 197 209 4,5 3,5 2,2 4,4 4,6 4,4 3,1 3,8 4,9 4,6 5,4 7,6 8,4 3,2 2,3 8,1 4,2 4,7 2,9 5,4 6,5 3,2 7,3 2,4 2,3 3,4 3,8 2,7 1,9 6,9 8,2 6,4 2,9 4,5 4,1 3,3 4,4 3,4 2,2 2,9 5,6 4,0 4,3 4,4 3,1 3,2 5,1 5,2 4,8 5,6 2,8 5,7 3,2 1,7 4,0 3,0 3,0 5,2 4,7 5,9 4,6 87 90 93 86 91 91 95 89 93 92 71 89 89 87 89 89 92 88 87 80 87 58 81 74 84 71 98 70 76 84 69 78 70 64 63 88 79 72 79 72 75 66 81 73 72 79 71 71 75 77 66 79 85 81 71 82 75 73 83 95 89 0,1 0,0 0,0 0,2 2,1 5,9 2,9 4,6 0,0 0,0 0,0 1,7 18,3 0,0 0,0 6,1 2,9 0,2 0,0 0,0 0,8 0,0 2,2 0,0 0,0 0,5 7,0 0,0 0,0 0,9 0,0 1,6 1,5 0,0 0,0 9,0 0,0 0,0 0,0 0,0 0,2 3,3 11,1 0,0 0,2 0,0 0,6 0,0 0,0 1,7 0,0 1,0 0,0 0,0 0,0 1,2 0,0 0,0 0,1 9,5 2,9 1029 1005 1014 1017 1015 996 993 1009 1016 1018 1028 1013 975 1020 997 993 1023 1024 1015 1004 1020 1032 1012 1021 1022 1008 1007 1024 1010 1020 1018 1011 1018 1030 1017 1011 1022 1027 1015 1012 1015 1017 1004 1019 1017 1018 1014 1021 1012 1010 1019 1021 1020 1027 1018 1016 1032 1004 1018 1008 997
Temperatuur (C) 8,9 4,6 9,5 8,6 8,6 2,6 2,4 6,0 0,4 6,2 -0,3 6,4 6,0 -0,1 -0,4 5,8 6,7 7,0 6,9 5,0 9,0 8,0 6,0 6,1 9,3 15,7 10,1 10,9 11,4 12,7 13,8 13,9 16,0 17,2 12,0 13,9 15,6 14,8 20,1 20,5 15,7 21,3 19,7 17,6 16,9 18,1 21,5 17,7 20,1 17,0 21,2 15,8 17,5 13,7 12,5 12,7 7,4 9,2 13,1 13,6 7,9
34
Chemkar PM10 (2008-2009)
2 Meetresultaten
2.1 Inleiding
In dit hoofdstuk leggen we de nadruk vooral op het weergeven van de meetresultaten en de beschrijving van de samenstelling van fijn stof. Het bevat onder andere een bespreking van de blanco resultaten en de databehandeling, de jaarverlopen en boxplots van alle bepaalde componenten en een bespreking van de gemiddelde samenstelling tijdens dit project. Het tweede deel van het hoofdstuk gaat dieper in op de verschillen in tijd en ruimte en op de extra aanrijking van bepaalde elementen ten opzichte van hun natuurlijk voorkomen in bodemstof. Als laatste komt de invloed van het meteotype op de belangrijkste fracties aan bod. Een verdere analyse en interpretatie van deze resultaten volgt in Hoofdstuk 3.
2.2 Blanco resultaten en databehandeling

2.2.1 Blanco resultaten Veldblancos zijn filters die dezelfde weg afleggen als de bemonsterde filters, maar waar geen lucht door wordt gezogen. Ze zitten tijdens de bemonstering dus vooraf al in de koker met de bemonsterde filters. De concentraties in de veldblanco kunnen het gevolg zijn van: onzuiverheden in de blanco filters; onzuiverheden in de analysereagentia; adsorptie van gassen (bijvoorbeeld passieve adsorptie van organische gassen of water op de filtervezels).
Op basis van ongeveer 90 veldblancos, gespreid in tijd en plaats, berekenden we gemiddelde blancowaarden voor alle componenten. Voor de omzetting van blanco massa naar blanco 3 concentratie gebruikten we het standaardvolume van 55,13m . Tabel 5 geeft de berekende waarden + + weer. De blancowaarden van de ionen NH 4 en Na zijn vrij hoog, iets wat vrijwel zeker te wijten is aan onzuiverheden bij de analyse.
Tabel 5: Mediaan, gemiddelde en confidentie-interval op het gemiddelde (c.i.o.g.) van de veldblancos (in g/m3)
PM 10 Med. Gem. c.i.o.g.
EC
OC 0,68 0,70 0,17 Ba
NO 3 0,257 0,254 0,081 Ca
NH 4 + 1,590 1,550 0,430 Cd
SO 4 20,46 0,50 0,26 Cr
Na+ 1,09 1,16 0,33 Cu
Cl0,063 0,065 0,035 Fe 0,017 0,018 0,004
Mg2+ 0,025 0,030 0,025 K
K+ 0,021 0,025 0,017 Mn
Ca2+ 0,015 0,041 0,047 Mo
1,45 0,0000 1,46 0,0013 0,11 0,0017 Al As
Med. Gem. c.i.o.g.
0,008 0,0000 0,0007 0,015 -0,0001 0,0013 0,004 0,0000 0,0003 Ni Pb Sb
0,027 0,0000 0,0017 0,0015 0,041 0,0000 0,0022 0,0015 0,011 0,0000 0,0004 0,0002 Ti V Zn 0,013 0,015 0,002
0,027 0,0004 0,0001 0,027 0,0003 0,0001 0,008 0,0000 0,0000
Med. Gem. c.i.o.g.
0,0004 0,0001 0,0000 0,0004 0,0001 0,0000 0,0001 0,0000 0,0000
0,000 0,0000 0,001 0,0000 0,001 0,0000
De correctie van de gemeten waarden gebeurde door aftrek van de mediaan van de blancowaarden. Doorgaans was het verschil met het gemiddelde zeer klein, maar in enkele gevallen zorgden een beperkt aantal hogere waarden voor een bias op het gemiddelde. De mediaan wordt daarom als een iets meer robuuste waarde gezien. 2.Meetresultaten 35
Noot: VMM (en de andere Europese netwerken) trekken geen blancowaarden af bij de normale rapportage van totale fijn stof concentraties aan de bevolking en aan de Europese Commissie. De voornaamste reden hiervoor is dat dit niet voorzien is in de Europese norm. Bovendien bestaat er ook nog een zekere twijfel of een passieve blanco (waar dus geen lucht is doorgezogen) wel een juiste afspiegeling is van de effecten die er optreden bij een bemonsterde filter waar toch een vrij groot volume lucht door gaat. In deze studie trokken we de blancos wel af om een duidelijker beeld te hebben van de netto bijdragen van de verschillende bestanddelen en het belang van bepaalde bronnen.
2.2.2 Omrekening van bepaalde ICP-MS resultaten Hoewel de analyse met ICP-MS verschillende voordelen heeft, moet men bij de keuze van de destructiemethode wel een compromis maken. Ofwel kiest men voor een klassieke destructie met salpeterzuur en peroxide, ofwel voor een meer extreme destructie op basis van waterstoffluoride. In deze studie kozen we voor de eerste optie omdat dit voor de meeste elementen veel lagere detectielimieten geeft. Het enige nadeel hierbij is dat bepaalde minerale elementen zoals Al, Si en Ti niet 100% in oplossing gaan. Wanneer waterstoffluoride gebruikt wordt, gaan deze elementen wel volledig in oplossing maar stijgen de detectielimieten omdat er meer handelingen moeten uitgevoerd worden met minder zuivere reagentia. Verschillende bronnen vermelden typische opbrengsten van ca. 70% voor Al, Si en Ti. Omdat deze elementen van groot belang zijn bij de berekening van mineraal stof, werd er daarom in die berekeningsformule (zie 2.4.1) een correctie toegepast. De individuele data per element werden niet omgerekend. 2.2.3 Datacontrole Alle gegevens werden gecontroleerd op onrealistische uitbijters. Naast standaard statistische testen gebruikten we hiervoor ook ons eigen inzicht om in te schatten of uitbijters realistisch waren of niet. Dit is namelijk sterk afhankelijk van component tot component. Zware metalen vertonen bijvoorbeeld vaker extreme waarden dan secundaire anorganische ionen. Ontbrekende data in de dataset, bijvoorbeeld bij verwerpen van een onrealistische uitbijter of een foutieve bemonstering, vervingen we telkens door het gemiddelde van de andere stations op de betrokken dag vermenigvuldigd met een factor die de gemiddelde relatie weergaf op alle andere dagen. Deze manier van werken is van groot belang bij de verdere statistische analyse om zo weinig mogelijk verlies van bruikbare data te hebben.
2.3 Jaarverloop & boxplots per component

Het volgende deel toont de jaarverlopen en boxplots van alle bepaalde componenten. De boxplots werden getekend volgens de meest courante methode waarbij: Box = 25% en 75% percentiel, met binnenin de mediaan. De lengte van de box noemt men de interkwartielafstand. Whisker (non-outlier range) = hoogste en laagste waarde die geen uitbijter is. Uitbijter (outlier) = waarde die tussen 1,5 keer en 3 keer de interkwartielafstand van de box gelegen is. Extreem = waarde die meer dan 3 keer de interkwartielafstand van de box gelegen is.
Deze datareeksen bevatten alle valide data die we gebruikten voor verdere berekeningen. Opmerking: aangezien de datareeksen van de meetplaatsen in Borgerhout en Retie pas begin 2009 startten, geeft dit een licht vertekend beeld. Wanneer op alle plaatsen dezelfde periode in beschouwing wordt genomen, zijn de gemiddelde fijn stof concentraties op de 7 andere plaatsen ongeveer 5% lager. We kunnen dus stellen dat de concentraties in Retie en Borgerhout waarschijnlijk ongeveer 5% onderschat zijn ten opzichte van de andere plaatsen. In de figuren en tabellen in dit rapport korten we de naam van de meetplaatsen steeds af tot hun eerste drie letters.
36
Chemkar PM10 (2008-2009)
2.3.1 PM 10 massa Net als bij de routine PM 10 metingen in Vlaanderen en het vorige project valt de sterke correlatie tussen de verschillende stations op. Ondanks de algemene trend zijn er toch ook vaak vrij grote verschillen tussen de meetplaatsen. Dit geeft aan dat de PM 10 problematiek een combinatie is van lokale effecten bovenop een regionale trend. Doorgaans zijn de concentraties het laagst op de drie achtergrondlocaties. De boxplot toont dat er op de twee hotspots Oostrozebeke en Roeselare duidelijk de hoogste fijn stof concentraties worden gemeten.
100 90 80 70 60 g/m
3
MOE OOS ZWI
AAR ZWE RET
ROE EVE BOR
50 40 30 20 10 0 01 okt 08
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 09 09
01 jun 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 16: Jaarverloop van netto PM 10 voor alle stations

100 90 80 70 60 PMnet 50 40 30 20 10 0 RET MOE AAR ROE OOS site ZWE EVE ZWI BOR 100 90 80 70 60 50 40 30 20 10 0 Median 25%-75% Non-Outlier Range Outliers Extremes
Figuur 17: Boxplot van netto PM 10 voor alle stations (g/m3)
2. Meetresultaten 37
2.3.2 Elementaire en organische koolstof (EC/OC) Elementaire koolstof (EC) Elementaire koolstof (EC) kan men beschouwen als de concentratie aan roetdeeltjes in de lucht. EC is dan ook een component die we vooral associren met de verbranding van fossiele brandstoffen en dan vooral met (diesel)verkeer. Er zijn verschillende aanwijzingen dat EC een zeer grote rol speelt in de gezondheidsschade van fijn stof. EC is daarom ook steeds een van de meest belangrijke bestanddelen bij chemisch onderzoek van fijn stof.
7 MOE 6 OOS ZWI 5 AAR ZWE RET ROE EVE BOR
4 g/m 3 2 1 0 01 okt 08
3
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 09 09
01 jun 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 18: Jaarverloop van elementaire koolstof (EC) voor alle stations
7 7
4 EC
1 Median 25%-75% Non-Outlier Range Outliers Extremes
0 RET MOE AAR ROE OOS site ZWE EVE ZWI BOR
Figuur 19: Boxplot van elementaire koolstof (EC) voor alle stations (g/m3)
38
Chemkar PM10 (2008-2009)
In Figuur 18 is duidelijk te zien dat de correlatie tussen de EC concentraties op de verschillende meetplaatsen veel lager is dan voor totaal PM 10 . Dit geeft aan dat EC vooral door lokale bronnen wordt uitgestoten. Op de achtergrondlocaties meten we -zoals verwacht- de laagste concentraties. Net als in het eerste chemkar project meten we de hoogste concentraties op de stedelijke achtergrondplaats in Borgerhout (die wel door verkeer benvloed wordt). Daarnaast meten we ook vaak vrij hoge concentraties in Roeselare. Dit geeft aan dat verkeer daar ook vrij belangrijk is. Tot slot moeten we zeker ook nog opmerken dat EC vooral een maat is voor de verkeersbijdrage aan fijn stof. De totale verkeersbijdrage aan fijn stof is waarschijnlijk een stuk hoger omdat verkeer ook aanleiding geeft tot organische massa, opwaaiend straatstof en tal van metalen. Omdat de grote meerderheid van deze bestanddelen vaak ook nog van andere bronnen afkomstig zijn, is het echter moeilijker om hierbij de exacte verkeersbijdrage te bepalen. Organische koolstof (OC) In tegenstelling tot elementaire koolstof kan organische koolstof (OC) op heel wat verschillende manieren in de lucht terecht komen. Van alle fracties in fijn stof is OC zonder twijfel de meest complexe en minst begrepen. Naast een deel primair OC (POC) dat rechtstreeks in de lucht wordt uitgestoten, bijvoorbeeld bij verbrandingsprocessen, plantendeeltjes, is een aanzienlijk deel van secundaire aard. Het secundaire OC (SOC) wordt gevormd door reacties tussen en condensatie van organische gassen in de lucht. Omdat deze chemische reacties een zekere tijd nodig hebben en worden benvloed door andere processen in de atmosfeer is SOC eerder een regionaal karakter. Dit verklaart ook waarom de relatieve verschillen tussen de meetplaatsen kleiner zijn en er een grotere onderlinge correlatie is dan bij EC.
Noot: Men vermenigvuldigt de concentraties OC doorgaans met een factor 1,4 a 1,8 (zie verder) om de totale hoeveelheid organische massa (OM) te schatten. Deze omrekening brengt de aanwezigheid van elementen zoals zuurstof (O) en waterstof (H) in organische verbindingen in rekening (zie ook 2.4.1).
25 MOE OOS 20 ZWI AAR ZWE RET ROE EVE BOR
15 g/m 10 5 0 01 okt 08
3
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 09 09
01 jun 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 20: Jaarverloop van organische koolstof (OC) voor alle stations
24 22 20 18 16 14 OC 12 10 8 6 4 2 0 RET MOE AAR ROE OOS site ZWE EVE ZWI BOR
24 22 20 18 16 14 12 10 8 6 4 2 0 Median 25%-75% Non-Outlier Range Outliers Extremes

3
Figuur 21: Boxplot van organische koolstof (OC) voor alle stations (g/m )
Dat ook lokale bronnen belangrijk zijn, blijkt uit het feit dat de concentraties het laagst zijn op de achtergrondplaatsen Retie en Moerkerke en uit de aanzienlijk verhoogde concentraties in Oostrozebeke. De OC concentraties in Oostrozebeke zijn doorgaans meer dan dubbel zo hoog dan de OC concentraties op de achtergrondplaatsen. Deze hogere concentraties waarschijnlijk te wijten aan een lokale bron (het bedrijf Spano) in de buurt van de meetplaats. Verder zijn de hogere concentraties in de wintermaanden vrij opvallend. Er zijn verschillende mogelijke verklaringen voor: een belangrijke extra bijdrage in de winter door gebouwenverwarming (met name houtverbranding); winterse weeromstandigheden die gunstiger waren voor de vorming van SOC (tijdens dit project); vervluchtiging van semi-vluchtig OC in de zomer.
De lagere concentraties in de zomermaanden zijn ook een indicatie dat de natuurlijke bijdrage aan OC (via gassen afkomstig van planten, stuifmeel, ) in Vlaanderen globaal gezien van minder belang zijn.
40
Chemkar PM10 (2008-2009)
2.3.3 Wateroplosbare ionen Nitraat (NO 3 -) Wateroplosbaar nitraat is qua massabijdrage zonder twijfel een van de belangrijkste componenten van PM 10 in Vlaanderen. Het wordt voornamelijk gevormd uit gasvormige stikstofoxiden (NO x ) en is dus een typisch voorbeeld van secundair fijn stof. De sterke correlatie en de relatief kleine verschillen tussen de stations zijn een indicatie van een relatief trage vorming (in de orde van meerdere uren tot enkele dagen) en een daardoor sterk uitgesproken regionaal karakter. NO 3 - komt hoofdzakelijk voor als ammoniumnitraat (NH 4 NO 3 ) zoals ook blijkt uit de zeer goede overeenkomst met NH 4 + (Figuur 24).
25 MOE OOS 20 ZWI AAR ZWE RET ROE EVE BOR
15 g/m 10 5 0 01 okt 08
3
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 09 09
01 jun 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 22: Jaarverloop van wateroplosbaar nitraat (NO 3 -) voor alle stations
26 24 22 20 18 16 NO314 12 10 8 6 4 2 0 RET MOE AAR ROE OOS site ZWE EVE ZWI BOR 26 24 22 20 18 16 14 12 10 8 6 4 2 0 Median 25%-75% Non-Outlier Range Outliers Extremes
Figuur 23: Boxplot van wateroplosbaar nitraat (NO 3 -) voor alle stations (g/m3)
Ammonium (NH 4 +) Ammonium is eveneens een secundaire component die ontstaat uit ammoniak (NH 3 ) en hoofdzakelijk ofwel met nitraat (als NH 4 NO 3 ) of met sulfaat (als (NH 4 ) 2 SO 4 ) verbonden is. De jaarverlopen van ammonium, nitraat en sulfaat lijken daarom ook sterk op elkaar. Het feit dat ammonium in massa minder doorweegt in totaal PM 10 dan nitraat is louter te wijten aan het moleculair gewicht van de verbinding. Uitgedrukt in mol/m3 zijn de concentraties gelijkaardig.
g/m
0 01 okt 08
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 09 09
01 jun 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 24: Jaarverloop van wateroplosbaar ammonium (NH 4 +) voor alle stations
12 12
10
10
NH4+
2 Median 25%-75% Non-Outlier Range Outliers Extremes
Figuur 25: Boxplot van wateroplosbaar ammonium (NH 4 +) voor alle stations (g/m3)
42
Chemkar PM10 (2008-2009)
Sulfaat (SO 4 2-) Sulfaat vertoont op veel vlakken gelijkenissen met nitraat. Het is eveneens een hoofdzakelijk secundaire component die uit gasvormig SO 2 gevormd wordt en dan vooral in verbinding met ammonium voorkomt. Hoewel zeezout ook een klein deel sulfaat bevat, weegt dit nauwelijks door in de resultaten (gemiddeld minder dan 10% van totaal SO 4 2-).
10 g/m
3
0 01 okt 08
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 09 09
01 jun 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 26: Jaarverloop van wateroplosbaar sulfaat (SO 4 2-) voor alle stations
16
16
14
14
12
12
10 SO4--
10
Median 25%-75% Non-Outlier Range Outliers Extremes

3
Figuur 27: Boxplot van wateroplosbaar sulfaat (SO 4 2-) voor alle stations (g/m )
Natrium (Na+) Natrium is hoofdzakelijk afkomstig van zeezout en wijst dus op maritieme invloed. Uitzonderlijk kan ook strooizout voor wegen een bijdrage leveren, maar voor Vlaanderen is deze bijdrage vermoedelijk verwaarloosbaar. De relatief hoge blanco waarde zorgt voor een grote onzekerheid op de metingen en maakt de interpretatie vrij moeilijk. In tegenstelling tot bij het eerste chemkar project is er ook een veel minder goede overeenkomst met chloride. Dit is een extra indicatie dat er mogelijk problemen waren met de analyse van dit ion. De boxplot toont wel dat - zoals verwacht - de laagste concentraties voorkomen op de meetplaats het verst van de kust. De hoge meetwaarde tijdens oktober in Evergem zien we ook voor enkele andere ionen.
6 MOE 5 OOS ZWI AAR ZWE RET ROE EVE BOR
8.2
g/m
0 01 okt 08
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 09 09
01 jun 09
01 jul 09
01 aug 01 sep 09 09
01 okt 09
01 nov 01 dec 09 09
Figuur 28: Jaarverloop van wateroplosbaar natrium (Na+) voor alle stations
9 9
5 Na+
Figuur 29: Boxplot van wateroplosbaar natrium (Na+) voor alle stations (g/m3)
44
Chemkar PM10 (2008-2009)
Magnesium (Mg2+) Zeezout is net als voor natrium de belangrijkste bron van magnesium. Het jaarverloop van de twee ionen vertoont dan ook een sterke gelijkenis. Gemiddeld genomen is de concentratie van magnesium wel 10 keer lager dan die van natrium. Net als voor natrium is de onzekerheid op de metingen vrij hoog. De boxplot toont wel dat de concentraties in Roeselare en Oostrozebeke toch een stuk hoger zijn dan op de achtergrondlocaties. Een mogelijke verklaring hiervoor is het heropwaaien van bodemstof, dat ook (verouderd) zeezout kan bevatten.
0.60
0.76
MOE 0.50 OOS ZWI
AAR ZWE RET
ROE EVE BOR
0.40
g/m
0.30
0.20
0.10
0.00 01 okt 08
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 09 09
01 jun 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 30: Jaarverloop van wateroplosbaar magnesium (Mg2+) voor alle stations
0.8 0.8
0.7
0.7
0.6
0.6
0.5 Mg++
0.5
0.4
0.4
0.3
0.3
0.2
0.2
0.1
0.1
0.0 RET MOE AAR ROE OOS site ZWE EVE ZWI BOR
0.0
Figuur 31: Boxplot van wateroplosbaar magnesium (Mg2+) voor alle stations (g/m3)
Chloride (Cl-) Net als natrium en magnesium wordt chloride vooral geassocieerd met zeezout, hoewel industrile bronnen niet uit te sluiten zijn. In tegenstelling tot natrium en magnesium kan chloride wegreageren met in de lucht aanwezige zuren (bijvoorbeeld gasvormig HNO 3 ) die het omzetten in gasvormig HCl. Chloride is daarom eerder een tracer voor vers zeezout. Waarschijnlijk kunnen gelijkaardige reacties ook op de filter zelf plaatsvinden. Samen met de onzekerheid op de blanco correctie kan dit de zeer lage (en soms negatieve) concentraties op bepaalde dagen verklaren.
4 g/m 3 2 1 0 01 okt 08
3
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 09 09
01 jun 09
01 jul 09
01 aug 01 sep 09 09
01 okt 09
01 nov 01 dec 09 09
Figuur 32: Jaarverloop van wateroplosbaar chloride (Cl-) voor alle stations
7 7
Cl-
-1 RET MOE AAR ROE OOS site ZWE EVE ZWI BOR
-1
Figuur 33: Boxplot van wateroplosbaar chloride (Cl-) voor alle stations (g/m3)
46
Chemkar PM10 (2008-2009)
Kalium (K+) Kalium is een element dat voorkomt in bodemstof, in kleine concentratie in zeezout (ca. 1%) maar vooral vrijkomt bij verbranding van biomassa (in Vlaanderen vooral hout). De correlaties tussen de verschillende stations is beperkt. Dit geeft dus aan dat de uitstoot van kalium dus ook eerder een lokaal fenomeen is. De lage concentraties in Retie zijn niet verwonderlijk. De hogere concentraties op de achtergrondmeetplaats in Aarschot zijn mogelijk te wijten aan houtverbranding door bewoners in de buurt van het station. De hoge concentraties in Oostrozebeke zijn vermoedelijk te wijten aan uitstoot bij het houtverwerkende bedrijf Spano.
0.8 MOE 0.7 OOS ZWI 0.6 AAR ZWE RET ROE EVE BOR
1.17
0.5 g/m
3
0.4
0.3
0.2
0.1
0.0 01 okt 08
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 09 09
01 jun 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 34: Jaarverloop van wateroplosbaar kalium (K+) voor alle stations
1.2 1.2
1.0
1.0
0.8
0.8
K+
0.6
0.6
0.4
0.4
0.2
0.2 Median 25%-75% Non-Outlier Range Outliers Extremes
0.0
Figuur 35: Boxplot van wateroplosbaar kalium (K+) voor alle stations (g/m3)
Calcium (Ca2+) Mineraal stof (doorgaans opwaaiend bodemstof) is meestal de belangrijkste bron van calcium. Daarnaast is het ion ook in lage concentratie (ca. 1%) in zeezout aanwezig. De laagste concentraties vinden we duidelijk terug op de achtergrondlocaties wat aangeeft dat calciumemissies sterk benvloed worden door lokale, menselijke activiteiten. De hoogste concentraties doen zich duidelijk voor in Roeselare en in iets mindere mate in Oostrozebeke en Evergem. Er is een sterk vermoeden dat het verkeer op deze plaatsen verantwoordelijk is voor een belangrijke bijdrage. In Roeselare is er ook een gekende bron (overslagplaats van o.a. zand, dolomiet en kalksteen) in de buurt van het station die vermoedelijk een belangrijke bijdrage geeft.
2.5 MOE OOS 2.0 ZWI AAR ZWE RET ROE EVE BOR
1.5 g/m 1.0 0.5 0.0 01 okt 08

3
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 09 09
01 jun 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 36: Jaarverloop van wateroplosbaar calcium (Ca2+) voor alle stations
2.2 2.0 1.8 1.6 1.4 1.2 1.0 0.8 0.6 0.4 0.2 0.0 RET MOE AAR ROE OOS site ZWE EVE ZWI BOR 2.2 2.0 1.8 1.6 1.4 1.2 1.0 0.8 0.6 0.4 0.2 0.0 Median 25%-75% Non-Outlier Range Outliers Extremes
Figuur 37: Boxplot van wateroplosbaar calcium (Ca2+) voor alle stations (g/m3)
48
Ca++
Chemkar PM10 (2008-2009)
2.3.4 Elementen Aluminium (Al) Mineraal stof is hoogstwaarschijnlijk ook de belangrijkste bron van aluminium. Net als bij het calcium ion meten we de hoogste concentraties in Roeselare, Oostrozebeke en Evergem en de laagste concentraties op de drie achtergrondlocaties. Het jaarverloop vertoont wel verschillen met het calciumion, wat aangeeft dat de relatieve samenstelling van het mineraal stof kan variren in tijd en ruimte.
0.800
1.03
MOE 0.700 OOS ZWI 0.600
AAR ZWE RET
ROE EVE BOR
0.500 g/m
3
0.400
0.300
0.200
0.100
0.000 01 okt 08
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 01 jun 09 09 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 38: Jaarverloop van aluminium (Al) voor alle stations

1.2 1.2
1.0
1.0
0.8
0.8
Al
0.6
0.6
0.4
0.4
0.2
0.0
Figuur 39: Boxplot van aluminium (Al) voor alle stations (g/m3)
Kalium (K) Het jaarverloop van elementair kalium is zeker niet identiek aan dat van het wateroplosbare K+-ion, maar tal van pieken, met name in Oostrozebeke, doen zich wel simultaan voor. Dit is niet verwonderlijk aangezien de concentraties van wateroplosbaar kalium in principe steeds lager zou moeten zijn dan die van het elementaire (= totale) kalium. Dat dit niet altijd zo is, is te wijten aan de onzekerheden op de analyses.
1.000 0.900 0.800 0.700 0.600 g/m
3
MOE OOS ZWI
AAR ZWE RET
ROE EVE BOR
0.500 0.400 0.300 0.200 0.100 0.000 01 okt 08
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 01 jun 09 09 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 40: Jaarverloop van kalium (K) voor alle stations

0.9 0.9
0.8
0.8
0.7
0.7
0.6
0.6
0.5 K
0.5
0.4
0.4
0.3
0.3
0.2
0.2
0.1
0.1
0.0
Figuur 41: Boxplot van kalium (K) voor alle stations (g/m3)
50
Chemkar PM10 (2008-2009)
Calcium (Ca) Elementair calcium vertoont een vrij goede overeenkomst met het wateroplosbare calcium-ion. Dit geeft aan dat calcium vaak in een goed oplosbare vorm voorkomt. De boxplot laat een heel duidelijk onderscheid zien tussen de drie achtergrondstations en de zes hotspots. Dit geeft dus ook het belang van menselijke activiteiten weer op de emissies van dit element. Net als bij het calcium ion meten we vaak de hoogste concentraties in Roeselare.
2.000 g/m 1.500 1.000 0.500 0.000 01 okt 08

3
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 01 jun 09 09 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 42: Jaarverloop van calcium (Ca) voor alle stations

3.5 3.5
3.0
3.0
2.5
2.5
2.0 Ca
2.0
1.5
1.5
1.0
1.0
0.5
0.0
Figuur 43: Boxplot van calcium (Ca) voor alle stations (g/m3)
Titaan (Ti) Titaan associren we normaal gezien ook met opwaaiend bodemstof, maar de verschillende (relatief) hoge concentraties in Evergem geven aan dat ook industrile activiteiten een belangrijke bron van specifieke mineralen kunnen zijn. In Evergem zijn de hoge concentraties vrijwel zeker afkomstig van het bedrijf Kronos Europe NV dat gespecialiseerd is in de productie van titaandioxide. Los van de hoge waarden in Evergem vertoont het jaarverloop een vrij goede gelijkenis met dat van aluminium.
0.100
0.107 0.133 0.253 0.295 0.122
0.090 0.080 0.070 0.060 g/m

3
MOE OOS ZWI
AAR ZWE RET
ROE EVE BOR
0.050 0.040 0.030 0.020 0.010 0.000 01 okt 08
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 01 jun 09 09 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 44: Jaarverloop van titaan (Ti) voor alle stations

0.35 0.35
0.30
0.30
0.25
0.25
0.20 Ti
0.20
0.15
0.15
0.10
0.10
0.05
0.00
Figuur 45: Boxplot van titaan (Ti) voor alle stations (g/m3)
52
Chemkar PM10 (2008-2009)
0.05
0.05
0.04
0.04
0.03 Ti
0.03
0.02
0.02
0.01

3
0.00
Figuur 46: Boxplot met aangepaste assen van titaan (Ti) voor alle stations (g/m )
Vanadium (V) Het element vanadium is een vrij betrouwbare tracer voor verbranding van (zware) olie. In het vorige chemkar project vonden we meestal de hoogste concentraties in Houtem, dicht bij de haven van Duinkerke en de Noordzee. Dit wees op de petrochemische industrie en zware scheepvaart als mogelijke bronnen. Ook nu zien we opvallend hogere concentraties in Moerkerke (relatief dicht bij de kust) vergeleken met Retie en Aarschot. Dit lijkt dus te bevestigen dat scheepvaart een belangrijke bron is van dit element. We zien echter ook dat de onderlinge correlatie tussen de stations niet altijd hoog is, wat aangeeft dat lokale bronnen toch ook een belangrijke rol kunnen spelen.
0.015 g/m 0.010 0.005 0.000 01 okt 08

3
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 01 jun 09 09 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 47: Jaarverloop van vanadium (V) voor alle stations
0.022 0.020 0.018 0.016 0.014 0.012 V 0.010 0.008 0.006 0.004 0.002 0.000 RET MOE AAR ROE OOS ZWE EVE site ZWI BOR
0.022 0.020 0.018 0.016 0.014 0.012 0.010 0.008 0.006 0.004 0.002 0.000 Median 25%-75% Non-Outlier Range Outliers Extremes
Figuur 48: Boxplot van vanadium (V) voor alle stations (g/m )
Chroom (Cr) Het element chroom wordt doorgaans geassocieerd met bepaalde industrile bronnen (metallurgie, kleurstoffen,). De meeste pieken doen zich wel voor als gesoleerde feiten. Het is echter niet duidelijk of dit om zeldzame emissies van lokale bronnen gaat of instrumentele artefacten (contaminatie?). De boxplot toont aan dat er nauwelijks verschillen zijn in de concentratierange, hoewel we op de achtergrondlocaties doorgaans wel de laagste concentraties meten.
0.080 g/m 0.060 0.040 0.020 0.000 01 okt 08

3
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 01 jun 09 09 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 49: Jaarverloop van chroom (Cr) voor alle stations
54
Chemkar PM10 (2008-2009)
0.14
0.14
0.12
0.12
0.10
0.10
0.08 Cr
0.08
0.06
0.06
0.04
0.04
0.02
0.00
Figuur 50: Boxplot van chroom (Cr) voor alle stations (g/m )
0.030 0.030
0.025
0.025
0.020
0.020
Cr
0.015
0.015
0.010
0.010
0.005
0.000 RET MOE AAR ROE OOS ZWE EVE site ZWI BOR
0.000
Figuur 51: Boxplot met aangepaste assen van chroom (Cr) voor alle stations (g/m3)
Mangaan (Mn) Mangaan associren we vooral met bodemstof, metaalindustrie en verbranding van fossiele brandstoffen (in het bijzonder steenkool). Net als voor de andere bodemelementen zien we doorgaans de laagste concentraties op de achtergrondlocaties en de hoogste in Roeselare, Oostrozebeke en Evergem.
0.050 g/m
3
0.040
0.030
0.020
0.010
0.000 01 okt 08
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 01 jun 09 09 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 52: Jaarverloop van mangaan (Mn) voor alle stations

0.09 0.09
0.08
0.08
0.07
0.07
0.06
0.06
0.05 Mn
0.05
0.04
0.04
0.03
0.03
0.02
0.02
0.01
0.01
0.00
Figuur 53: Boxplot van mangaan (Mn) voor alle stations (g/m3)
56
Chemkar PM10 (2008-2009)
IJzer (Fe) Mineraal stof is doorgaans de belangrijkste bron van ijzer. Dit kan bodemstof zijn of bepaalde ertsen die men gebruikt in de metaalindustrie. Verder kan verkeer, door de slijtage van voertuigen, ook een bron zijn. Zoals bij vele elementen zijn de concentraties het laagst op de achtergrondlocaties. De af en toe vrij hoge waarden in Zwijndrecht zijn vermoedelijk afkomstig van de spoorweg op ca. 40 m van de meetplaats.
3.000 MOE 2.500 OOS ZWI AAR ZWE RET ROE EVE BOR
2.000
g/m
1.500
1.000
0.500
0.000 01 okt 08
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 01 jun 09 09 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 54: Jaarverloop van ijzer (Fe) voor alle stations

2.6 2.4 2.2 2.0 1.8 1.6 1.4 Fe 1.2 1.0 0.8 0.6 0.4 0.2 0.0 RET MOE AAR ROE OOS site ZWE EVE ZWI BOR 2.6 2.4 2.2 2.0 1.8 1.6 1.4 1.2 1.0 0.8 0.6 0.4 0.2 0.0 Median 25%-75% Non-Outlier Range Outliers Extremes
Figuur 55: Boxplot van ijzer (Fe) voor alle stations (g/m3)
Nikkel (Ni) Nikkel is een element dat vooral wordt uitgestoten door de metaalindustrie en petrochemie. Net als vanadium is het een typische tracer voor de verbranding van (zware) olie. Het jaarverloop vertoont een vrij goede gelijkenis met dat van vanadium. Dit geeft dus inderdaad aan dat olieverbranding waarschijnlijk de belangrijkste bron is voor deze twee elementen. Een bespreking van de correlatie tussen deze twee elementen volgt verder in hoofdstuk 3.
0.020 MOE 0.018 0.016 0.014 0.012 g/m
3
0.038
AAR ZWE RET
ROE EVE BOR
OOS ZWI
0.010 0.008 0.006 0.004 0.002 0.000 01 okt 08
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 01 jun 09 09 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 56: Jaarverloop van nikkel (Ni) voor alle stations

0.040 0.040
0.035 0.015
0.035 0.015
Ni
0.010
0.010
0.005
0.005
0.000
Figuur 57: Boxplot van nikkel (Ni) voor alle stations (g/m3)
58
Chemkar PM10 (2008-2009)
Koper (Cu) Koper is een typische tracer voor met verkeer omdat het vrijkomt bij de slijtage van remmen van voertuigen. Daarnaast zijn ook metallurgie, verbranding van fossiele brandstoffen en landbouw mogelijke bronnen. De hoogste concentraties meten we (net als in het eerste chemkar project) in Borgerhout. De hoge concentraties in Roeselare en Zwijndrecht zijn mogelijk ook een aanwijzing van de verkeersbijdrage op deze plaatsen. In Zwijndrecht kan spoorweg waarschijnlijk ook een belangrijke bron zijn door de slijtage van de koperen bovenleidingen.
0.050 g/m
3
0.040
0.030
0.020
0.010
0.000 01 okt 08
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 01 jun 09 09 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 58: Jaarverloop van koper (Cu) voor alle stations

0.070 0.07
0.060
0.06
0.050
0.05
0.040 Cu
0.04
0.030
0.03
0.020
0.02
0.010
0.00
Figuur 59: Boxplot van koper (Cu) voor alle stations (g/m3)
Zink (Zn) Zink associren we met metallurgie of andere industrie en met verkeer door de slijtage van autobanden. De hoogste concentraties meten we in Oostrozebeke, op dagen dat ook andere metalen (Cd, Pb,) verhoogd zijn. Op deze dagen komt de wind doorgaans uit de zuidwestelijke richting. De boxplot toont ook relatief hoge concentraties voor Retie, wat vrij uitzonderlijk is. Mogelijk is er dus een bron in de (ruime) omgeving van deze meetplaats.
0.400
0.626 0.518
MOE 0.350 OOS ZWI 0.300
AAR ZWE RET
ROE EVE BOR
0.250 g/m
3
0.200
0.150
0.100
0.050
0.000 01 okt 08
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 01 jun 09 09 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 60: Jaarverloop van zink (Zn) voor alle stations

0.8 0.8
0.7
0.7
0.6
0.6
0.5
0.5
Zn
0.4
0.4
0.3
0.3
0.2
0.2
0.1
0.1
0.0
Figuur 61: Boxplot van zink (Zn) voor alle stations (g/m3)
60
Chemkar PM10 (2008-2009)
0.20 0.18 0.16 0.14 0.12 Zn 0.10 0.08 0.06 0.04 0.02 0.00 RET MOE AAR ROE OOS site ZWE EVE ZWI BOR
0.20 0.18 0.16 0.14 0.12 0.10 0.08 0.06 0.04 0.02 0.00 Median 25%-75% Non-Outlier Range Outliers Extremes
3
Figuur 62: Boxplot met aangepaste assen van zink (Zn) voor alle stations (g/m )
Arseen (As) Arseen komt vooral vrij bij metallurgie en verbranding van fossiele brandstoffen. In tegenstelling tot bij het eerste chemkar project - waar er enkele zeer hoge waarden werden gemeten in Borgerhout - zijn de concentraties nergens verontrustend. Zoals verwacht meten we wel iets lagere waarden op de achtergrondstations dat op de hotspots. De hoogst gemeten waarde, in Zwijndrecht, doet zich voor op een dag dat ook andere metalen daar verhoogd zijn.
MOE 0.010 OOS ZWI 0.008 AAR ZWE RET ROE EVE BOR
g/m
0.006
0.004
0.002
0.000 01 okt 08
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 01 jun 09 09 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 63: Jaarverloop van arseen (As) voor alle stations
0.012
0.012
0.010
0.010
0.008
0.008
As
0.006
0.006
0.004
0.004
0.002
0.000
Figuur 64: Boxplot van arseen (As) voor alle stations (g/m )
Molybdeen (Mo) Molybdeenverbindingen hebben tal van toepassingen als katalysator, pigment, kunstmest, etc. Het element is ook een tracer voor dieselverkeer, waar het in smeermiddel gebruikt wordt. De zeer hoge concentraties in Evergem zijn opvallend maar niet verwonderlijk. Ze doen zich voor wanneer de wind uit de richting van het bedrijf Sadaci NV komt. Dit is gespecialiseerd in de productie van molybdeenverbindingen. Na Evergem meten we de hoogste concentraties in Borgerhout en Zwijndrecht, wat kan wijzen op de invloed van dieselverkeer. In Zwijndrecht zouden dit ook de dieseltreinen kunnen zijn.
0.025
0.059 0.034 0.046 0.080
MOE 0.020 OOS ZWI
AAR ZWE RET
ROE EVE BOR
0.015 g/m 0.010 0.005 0.000 01 okt 08

3
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 01 jun 09 09 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 65: Jaarverloop van molybdeen (Mo) voor alle stations
62
Chemkar PM10 (2008-2009)
0.09
0.09
0.08
0.08
0.07
0.07
0.06
0.06
0.05 Mo
0.05
0.04
0.04
0.03
0.03
0.02
0.02
0.01
0.01
0.00

3
Figuur 66: Boxplot van molybdeen (Mo) voor alle stations (g/m )
0.010 0.010
0.008
0.008
0.006 Mo
0.006
0.004
0.004
0.002
0.000
Figuur 67: Boxplot met aangepaste assen van molybdeen (Mo) voor alle stations (g/m3)
Cadmium (Cd) Cadmium is een zwaar metaal dat vooral wordt uitgestoten door de non-ferro industrie. Op meerdere plaatsen worden er wel eens hogere waarden gemeten. De boxplot geeft aan de globaal genomen de hoogste waarden in Oostrozebeke gemeten worden, doorgaans op dagen dat daar ook andere metalen (Ba, Sb, Zn, Ni, Pb) verhoogd zijn en de wind uit het zuidwesten komt.
0.0015 g/m 0.0010 0.0005 0.0000 01 okt 01 nov 01 dec 01 jan 08 08 08 09

3
01 feb 01 mrt 01 apr 01 mei 01 jun 09 09 09 09 09
01 jul 09
01 aug 01 sep 01 okt 01 nov 01 dec 09 09 09 09 09
Figuur 68: Jaarverloop van cadmium (Cd) voor alle stations
0.0024
0.0024
0.0020
0.0020
0.0016
0.0016
Cd 0.0012
0.0012
0.0008
0.0008
0.0004
0.0000
Figuur 69: Boxplot van cadmium (Cd) voor alle stations (g/m3)
64
Chemkar PM10 (2008-2009)
Antimoon (Sb) Antimoonverbindingen komen vooral vrij bij industrile processen (verven, halfgeleiders, computer chips,). Verder zijn ook de verbranding van kolen en andere brandstoffen mogelijk bronnen. Antimoon is - net als koper - ook vaak aanwezig in remmen van voertuigen. Daarom kunnen we het ook als een verkeerstracer beschouwen. Dit blijkt ook uit de gelijkenissen van het jaarverloop en de boxplot met die van koper.
0.016
0.020
MOE 0.014 OOS ZWI 0.012
AAR ZWE RET
ROE EVE BOR
0.010 g/m
3
0.008
0.006
0.004
0.002
0.000 01 okt 08
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 01 jun 09 09 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 70: Jaarverloop van antimoon (Sb) voor alle stations

0.022 0.020 0.018 0.016 0.014 0.012 Sb 0.010 0.008 0.006 0.004 0.002 0.000 RET MOE AAR ROE OOS ZWE EVE site ZWI BOR 0.022 0.020 0.018 0.016 0.014 0.012 0.010 0.008 0.006 0.004 0.002 0.000 Median 25%-75% Non-Outlier Range Outliers Extremes
Figuur 71: Boxplot van antimoon (Sb) voor alle stations (g/m3)
Barium (Ba) Barium is een zwaar element met een reeks specifieke toepassingen (bijvoorbeeld ontstekingskaarsen, lampen, pigment, vuurwerk). De laagste concentraties worden gemeten op de achtergrondlocaties, terwijl de hoogste concentraties zich voordoen in Oostrozebeke, Roeselare en Borgerhout. In Borgerhout worden er vrij constant relatief hoge waarden gemeten, zonder echt hoge pieken. Dit is wel het geval in Oostrozebeke, waar de pieken zich voordoen op de dagen dat tal van andere metalen ook verhoogd zijn, bij wind vanuit het zuidwesten.
0.126
0.050 g/m
3
0.040
0.030
0.020
0.010
0.000 01 okt 08
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 01 jun 09 09 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 72: Jaarverloop van barium (Ba) voor alle stations

0.14 0.14
0.12
0.12
0.10
0.10
0.08 Ba
0.08
0.06
0.06
0.04
0.04
0.02
0.00
Figuur 73: Boxplot van barium (Ba) voor alle stations (g/m3)
66
Chemkar PM10 (2008-2009)
0.030
0.030
0.025
0.025
0.020
0.020
Ba
0.015
0.015
0.010
0.010
0.005

3
0.000
Figuur 74: Boxplot met aangepaste assen van barium (Ba) voor alle stations (g/m )
Lood (Pb) Lood komt vooral vrij bij metallurgie. De vaak hoge concentraties (tot 570 ng/m3) in Oostrozebeke zijn opvallend. Deze doen zich vrijwel allemaal voor bij wind uit het zuidwesten. Op de andere meetplaatsen zijn de concentraties doorgaans laag.
0.200 0.180 0.160 0.140 0.120 g/m
3
0.253
0.570
0.295
MOE OOS ZWI
AAR ZWE RET
ROE EVE BOR
0.100 0.080 0.060 0.040 0.020 0.000 01 okt 08
01 nov 01 dec 08 08
01 jan 09
01 feb 01 mrt 09 09
01 apr 01 mei 01 jun 09 09 09
01 jul 09
01 aug 01 sep 01 okt 09 09 09
01 nov 01 dec 09 09
Figuur 75: Jaarverloop voor lood (Pb) voor alle stations
0.6
0.6
0.5
0.5
0.4
0.4
Pb
0.3
0.3
0.2
0.2
0.1
0.0
Figuur 76: Boxplot voor lood (Pb) voor alle stations (g/m )
0.10 0.10
0.08
0.08
0.06 Pb
0.06
0.04
0.04
0.02
0.00
Figuur 77: Boxplot met aangepaste assen voor lood (Pb) voor alle stations (g/m3)
68
Chemkar PM10 (2008-2009)
2.4 Gemiddelde samenstelling van PM 10

2.4.1 Gebruikte formules De massabijdrage van enkele belangrijke fracties berekenen we met formules die op basis van n of meerdere elementen (tracers) de massa van de totale fractie schat. Er zijn verschillende formules gekend die soms tot verschillende resultaten kunnen leiden. Het volgende deel bevat enkel een korte duiding van deze materie. De in dit rapport gebruikte formules beschouwen we als de best mogelijke schatting op basis van de momenteel beschikbare informatie. Organische massa (OM) OM = 1,4 OC De factor 1,4 dient om het koolstofgehalte om te rekenen naar de totale hoeveelheid organische massa en corrigeert dus voor de aanwezigheid van o.a. O-, N- en H-atomen in de organische moleculen. De factor 1,4 wordt al jaren standaard toegepast bij dit soort analyses. Een recent onderzoek 15 stelt een factor van 1,6 0,2 voor bij stedelijk fijn stof en zelfs 2,1 0,2 bij stof van echte achtergrondplaatsen (dit is echter niet van toepassing voor een gendustrialiseerde regio als Vlaanderen). Het zou dus kunnen dat de OM bijdrage ietwat onderschat is. Anderzijds moeten we er wel op wijzen dat het in dit werk gebruikte analyseprotocol doorgaans ietwat hogere OC waarden geeft (en lagere EC) vergeleken met andere methoden/technieken. Hierdoor kan een mogelijk onderschatting van de omrekeningsfactor (deels) gecompenseerd worden door een soort overschatting van OC. Tot er meer informatie beschikbaar is, lijkt het dus best om vast te houden aan de standaardfactor van 1,4 en de onderzekerheid in het achterhoofd te houden. Mineraal stof Onderstaande formule schat de totale hoeveelheid mineraal stof aan de hand van de concentraties van enkele van de meest voorkomende bodemelementen en corrigeert voor de aanwezigheid van o.a. 2O-atomen en ook voor de aanwezigheid van K, MgO, Na 2 O, H 2 O en CO 3 . De formule is afkomstig van het gerenommeerde IMPROVE netwerk in de Verenigde Staten en wordt vrij algemeen als de referentieformule beschouwd. De formule blijft wel een benadering omdat de bodemsamenstelling kan variren naar gelang de locatie waar het stof in de lucht terecht kwam. Daarnaast zijn bepaalde indicatorelementen (bijvoorbeeld ijzer, titaan, calcium) niet altijd enkel van zuiver bodemstof afkomstig. De definitie van mineraal stof is daarom dus ook iets ruimer dan enkel bodemstof. Mineraal stof = 2,2 Al + 2,49 Si* + 1,63 Ca + 2,42 Fe + 1,94 Ti In 2.2.2 gaven we al aan dat we de opbrengst van enkele elementen op ca. 70% schatten bij de gebruikte analysemethode. Om hiervoor te corrigeren vermenigvuldigen we de concentraties van Al en Ti met een factor 1,43 ( = 0,70-1). Al = 1,43 Al Ti = 1,43 Ti Uit het eerste chemkar onderzoek bleek dat er een zeer goede correlatie was tussen Al en Si. Daarom besloten we om in dit werk enkel nog Al te bepalen op kwartsvezelfilters. Het schrappen van Si uit de analyselijst maakte het dus mogelijk om met slechts n type filter (en n toestel) te werken. Voor de bepaling van Si moet men namelijk met teflon filters werken omdat Si nu eenmaal een van de hoofdbestanddelen van kwarts is. De concentratie van Si leiden we af uit die van Al via onderstaande formule. De factor 3,42 geeft de typische (en vrij constante) verhouding weer tussen Al en Si in de aardkorst. Si* = 3,42 Al
15
Turpin BJ, Species Contributions to PM2.5 Mass Concentrations: Revisiting Common Assumptions for Estimating Organic Mass, Atmospheric Environment 2001, Vol 35, p602-610
Zeezout zeezout = Cl- + 1,45 Na+ De formule voor de berekening van zeezout is gebaseerd op de vrij constante samenstelling van zeezout 16 . Ze berekent de totale hoeveelheid zeezout door middel van de concentratie van wateroplosbaar natrium en wateroplosbaar chloride. De factor 1,45 schat de aanwezigheid van alle andere ionen behalve Cl- (bijvoorbeeld SO 4 2-, Mg2+,). De reden waarom Cl- apart wordt meegerekend is dat dit ion kan verdwijnen uit het fijn stof door reactie met gasvormig HNO 3 waarbij vast NaNO 3 en vluchtig HCl ontstaat. Zeezout waarbij een aanzienlijk deel van het chloride vervangen is door nitraat noemen we verouderd zeezout. Niet-zeezout-sulftaat nssSO 4 2- = SO 4 2- - 0,231 Na+ Hoewel we sulfaat vooral als een secundaire anorganische component beschouwen, is een klein deel ervan afkomstig uit zeezout. Om hiervoor te corrigeren gebruiken we de concentratie van Na+. In de praktijk bedraagt de zeezoutbijdrage echter nooit meer dan enkele procenten. 2.4.2 PM 10 , EC/OC en ionen De volgende tabellen geven de gemiddelden en medianen weer van PM 10 , EC/OC en de wateroplosbare ionen. Zoals de boxplots al duidelijk maakten zijn de concentraties van de componenten (zoals vaak bij dit soort metingen) niet helemaal normaal (=Gaussiaans) verdeeld. De af en toe hoge waarden zorgen er voor dat de mediaan vrijwel steeds lager uitvalt dan het gemiddelde. De bespreking volgt verder in dit hoofdstuk.
Tabel 6: Gemiddelden van PM 10 , EC/OC en ionen voor alle stations in g/m3
PM net RET MOE AAR ROE OOS ZWE EVE ZWI BOR Gem. Gem. hot. Gem. ag. (hot. ag.) / ag. 22,0 24,0 22,5 31,5 34,0 26,7 28,9 28,1 28,3 27,3 29,6 22,8 6,8 30%
EC 0,52 0,51 0,81 1,24 1,17 0,91 1,10 1,16 1,64 1,01 1,20 0,62 0,59 95%
OC 2,7 3,0 3,5 4,4 6,0 3,9 4,0 3,8 3,5 3,9 4,3 3,0 1,2 40%
NO 3 4,7 4,2 3,8 4,7 4,7 4,2 4,2 4,4 4,9 4,4 4,5 4,2 0,3 7%
Cl- SO 4 20,60 0,86 0,59 1,00 0,96 0,72 0,89 0,91 1,06 0,85 0,93 0,69 0,24 35% 3,3 2,5 2,5 2,6 3,0 2,6 2,7 3,0 3,1 2,8 2,8 2,8 0,04 2%
Na+ 0,88 1,40 1,18 1,47 1,56 1,20 1,53 1,53 1,29 1,34 1,43 1,15 0,28 24%
NH 4 + 1,8 1,5 1,5 1,4 1,6 1,4 1,4 1,5 1,7 1,5 1,5 1,6 -0,11 -7%
K+ 0,09 0,12 0,16 0,16 0,20 0,15 0,17 0,16 0,11 0,15 0,16 0,12 0,03 28%
Mg2+ 0,05 0,08 0,07 0,14 0,13 0,09 0,13 0,11 0,09 0,10 0,11 0,07 0,04
Ca2+ 0,11 0,18 0,19 0,51 0,41 0,28 0,39 0,26 0,21 0,28 0,34 0,16 0,18
66% 115%
16
Riley JP en Chester R, Introduction to Marine Chemistry, Academic Press, 1971, New York.
70
Chemkar PM10 (2008-2009)
Tabel 7: Medianen van PM 10 , EC/OC en ionen voor alle stations in g/m3
PM net RET MOE AAR ROE OOS ZWE EVE ZWI BOR 17,7 20,0 19,5 27,0 30,6 23,0 25,7 24,5 24,3
EC 0,41 0,41 0,66 0,92 1,07 0,85 0,92 0,86 1,48
OC 2,4 2,0 3,0 3,3 5,0 3,1 3,1 3,1 2,9
NO 3 2,2 2,7 2,1 3,4 3,3 3,0 3,0 2,9 2,9
Cl0,41 0,65 0,40 0,89 0,75 0,59 0,63 0,66 0,64
SO 4 22,2 1,9 2,0 1,9 2,1 2,3 2,1 2,1 2,3
Na+ 0,87 1,00 0,90 1,08 1,09 0,92 1,10 1,26 1,12
NH 4 + 0,77 0,88 0,79 0,73 1,04 0,80 0,93 0,91 0,76
K+ 0,08 0,11 0,13 0,15 0,17 0,13 0,13 0,14 0,10
Mg2+ 0,06 0,07 0,06 0,11 0,11 0,08 0,10 0,09 0,08
Ca2+ 0,08 0,14 0,19 0,35 0,31 0,23 0,25 0,21 0,15
2.4.3 Aandeel van de verschillende hoofdbestanddelen De volgende figuren en tabellen geven voor de verschillende stations een overzicht van de absolute en relatieve aandelen van de hoofdbestanddelen van PM 10 . De bespreking van de elementconcentraties volgt verderop in dit hoofdstuk.
Tabel 8: Gemiddeld absoluut aandeel (in g/m3) van de hoofdcomponenten in PM 10 voor alle stations
EC RET MOE AAR ROE OOS ZWE EVE ZWI BOR Gem. Gem. hot. Gem. ag. (hot. ag.) / ag. 0,52 0,51 0,81 1,24 1,17 0,91 1,10 1,16 1,64 1,01 1,20 0,62 0,59 +95%
OM 3,7 4,2 4,9 6,2 8,5 5,5 5,5 5,3 4,9 5,4 6,0 4,3 1,7 +40%
zeezout 1,9 2,9 2,3 3,1 3,2 2,5 3,1 3,1 2,9 2,8 3,0 2,4 0,6 +27%
NO 3 4,7 4,2 3,8 4,7 4,7 4,2 4,2 4,4 4,9 4,4 4,5 4,2 0,3 +7%
NH 4 + 1,8 1,5 1,5 1,4 1,6 1,4 1,4 1,5 1,7 1,5 1,5 1,6 -0,1 -7%
nssSO 4 2 mineraal stof 3,1 2,2 2,3 2,3 2,6 2,3 2,4 2,6 2,8 2,5 2,5 2,5 0,0 -1% 1,7 1,8 2,1 5,0 5,0 3,5 4,6 4,1 3,8 3,5 4,3 1,9 2,5 +131%
andere 4,5 6,7 4,7 7,5 7,1 6,5 6,4 5,8 5,5 6,1 6,4 5,3 1,1 +21%
35 andere 30
7.5 7.1
mineraal stof
6.4 5.0 6.5 3.8 5.8 5.5
25
5.0 4.7 2.3 1.7 1.8 2.2 1.5 4.2 4.7 2.9 2.3 2.1 2.3 1.5 3.8 3.1 4.7 1.4
nssSO4
20 g/m 3
6.7 4.5
2.6 1.6 3.5
4.6
4.1
NH4
2.4 4.7 2.3 1.4 1.4 3.2 4.2 4.2 3.1
2.6 1.5 4.4
2.8 1.7
15
NO3
3.1 1.8
4.9
zeezout
10
2.5 8.5 6.2
3.1
2.9
OM
1.9 3.7 4.2 0.51 4.9 0.81
5.5 1.17
5.5
5.3
4.9
EC
1.24 0.91 1.10 1.16 1.64
0.52
RET
MOE
AAR
ROE
OOS
ZWE
EVE
ZWI
BOR
Figuur 78: Gemiddeld absoluut aandeel van de hoofdcomponenten in PM 10 voor alle stations Tabel 9: Gemiddeld relatief aandeel (in %) van de hoofdcomponenten in PM 10 voor alle stations
EC RET MOE AAR ROE OOS ZWE EVE ZWI BOR Gem. Gem. hot. Gem. ag. 2,4% 2,1% 3,6% 3,9% 3,4% 3,4% 3,8% 4,1% 5,8% 3,7% 4,1% 2,7%
OM 17,0% 17,4% 21,7% 19,7% 24,9% 20,4% 19,2% 19,0% 17,2% 19,8% 20,2% 18,7%
zeezout 8,5% 12,1% 10,3% 9,9% 9,5% 9,2% 10,8% 11,2% 10,4% 10,2% 10,1% 10,3%
NO 3 21,3% 17,5% 16,8% 14,9% 13,8% 15,9% 14,6% 15,6% 17,4% 16,2% 15,3% 18,5%
NH 4 + nssSO 4 28,4% 6,2% 6,6% 4,4% 4,8% 5,1% 5,0% 5,4% 6,1% 5,6% 5,1% 7,1% 14,0% 9,1% 10,0% 7,2% 7,6% 8,5% 8,2% 9,3% 9,9% 9,1% 8,4% 11,0%
mineraal stof 7,8% 7,3% 9,5% 15,8% 14,7% 13,0% 15,9% 14,5% 13,4% 12,8% 14,6% 8,2%
andere 20,4% 28,0% 21,1% 23,8% 20,8% 24,2% 22,3% 20,5% 19,4% 22,2% 21,8% 23,3%
72
Chemkar PM10 (2008-2009)
100% andere 90% 80%

7.8% 9.5% 7.3% 14.0% 10.0% 9.1% 8.4% 6.6% 6.2% 16.8% 7.2% 4.4% 13.8% 14.9% 9.5% 15.9% 14.6% 15.6% 17.4% 7.6% 4.8% 5.1% 5.0% 8.5% 9.3% 8.2% 5.4% 6.1% 15.8% 20.4% 28.0% 21.1% 23.8% 20.8% 24.2% 22.3% 20.5% 19.4%
mineraal stof
14.7% 13.0% 14.5% 15.9% 9.9% 13.4%
70% 60% 50% 40% 30%

8.5%
nssSO4
NH4
NO3
21.3%
17.5%
10.3% 12.1%
zeezout
9.2% 10.8% 11.2% 10.4%
9.9%
20%
21.7% 19.7% 24.9% 20.4% 19.2% 19.0% 17.2%
OM
17.0% 17.4%
10% 0%
EC
2.4% 2.1% 3.6% 3.9% 3.4% 3.4% 3.8% 4.1% 5.8%
RET
MOE
AAR
ROE
OOS
ZWE
EVE
ZWI
BOR
Figuur 79: Gemiddeld relatief aandeel van de hoofdcomponenten in PM 10 voor alle stations
Wanneer we de gemiddelde samenstelling van de stations beschouwen, zien we geen te grote verschillen. De qua massa belangrijkste componenten(groepen) zijn voor alle stations min of meer gelijk: 1. 2. 3. 4. 5. Secundaire anorganische ionen (NO 3 -, SO 4 2- en NH 4 +) Organische massa (OC x factor 1,4) Mineraal stof Zeezout Elementaire koolstof (roet) 31% 20% 13% 10% 4% (8,5 g/m3) (5,4 g/m3) (3,5 g/m3) (2,8 g/m3) (1,0 g/m3)
Het enige verschil is dat bij alle hotspots mineraal stof op de derde plaats komt en zeezout op de vierde, terwijl dit voor de achtergrondstations net omgekeerd is. Het algemeen gemiddelde is weergegeven in Figuur 80. EC 4% andere OM 22% 20%
mineraal stof 13%
zeezout 10%
nssSO4 9%
NH4 6%
NO3 16%
Figuur 80: Gemiddelde samenstelling van PM 10 voor alle stations samen
Figuur 81 toont het verschil tussen de gemiddelde achtergrond en gemiddelde hotspot. Het verschil in massa tussen de twee type stations zit hem duidelijk hoofdzakelijk in de fractie organisch materiaal (+1,7 g/m3) en mineraal stof (+2,5 g/m3). Relatief is het verschil in EC het grootst (+95%) maar dit weegt minder door in de totale massa (+ 0,6 g/m3).
35 30 25 20 15 10 5 0 6.4 4.3 2.5 1.5 4.5 3.0 6.0

1.2
andere mineraal stof nssSO4 5.3 1.9 2.5 1.6 4.2 2.4 4.3
0.6
NH4 NO3 zeezout OM EC
g/m 3
hotspot
achtergrond
Figuur 81: Verschil in gemiddelde samenstelling tussen hotspots en achtergrondmeetplaatsen
Gemiddeld kan 77% van de totale netto massa op kwartsvezelfilters verklaard worden door de bijdrage van de hier beschouwde hoofdcomponenten. Van de resterende 23% (6,1 g/m3), wat een vrij normale waarde is bij dit soort onderzoek, is een klein deel afkomstig bestanddelen die wel bepaald zijn, maar niet meegerekend zijn bij de hoofdbestanddelen. Dit zijn bijvoorbeeld het kaliumion en enkele metalen. Samen maken ze ongeveer 1% van de totale massa uit. Een groot deel is waarschijnlijk water dat gebonden is aan het fijn stof en er per definitie deel van uitmaakt. Daarnaast kan ook de onzekerheid op de gebruikte omrekeningsformules en analyses een rol spelen. Verschillen tussen stations Figuur 82 en Figuur 83 geven de absolute en relatieve verschillen weer ten opzichte van het algemeen gemiddelde. Ze maken het vrij eenvoudig om snel een duidelijk beeld van de verschillen te krijgen en de meest opvallende resultaten snel te herkennen: De drie achtergrondplaatsen scoren op vrijwel alle fracties ruim onder het gemiddelde. In absolute waarde vallen daarbij vooral organische massa en bodemstof op. Relatief gezien is elementaire koolstof ook beduidend lager. De hogere gemiddelde concentraties van de secundaire anorganische ionen in Retie zijn vrij opvallend. Het is echter niet duidelijk of dit toevallig is of niet. Zoals verwacht meten we de laagste concentratie aan zeezout het verst van de kust, in Retie. In Roeselare valt vooral de hoge bijdrage aan mineraal stof op. Daarnaast meten we er ook de op een na hoogste concentratie aan organische massa en elementaire koolstof. In Oostrozebeke is de zeer hoge bijdrage aan organische massa erg opmerkelijk. Dit wijst duidelijk op een specifieke, lokale bijdrage. Verder is de bijdrage aan mineraal stof ook duidelijk verhoogd (even hoog als in Roeselare) en meten we er de op twee na hoogste concentratie aan elementair koolstof.
74
Chemkar PM10 (2008-2009)
In Zwevegem zijn alle fracties vrij gemiddeld. Van alle hotspots meten we er ook de laagste gemiddelde totale PM 10 concentratie. Dit geeft aan dat de oorzaken van de hoge PM 10 concentraties van enkele jaren geleden tijdens dit project niet (meer) aanwezig waren. Het is ook de enige hotspot waar de bijdrage aan zeezout onder het gemiddelde ligt. In Evergem is enkel de bijdrage van mineraal stof duidelijk boven het gemiddelde. In Zwijndrecht zijn mineraal en elementaire koolstof ietwat verhoogd vergeleken met het gemiddelde. In Borgerhout meten we net als in het eerste Chemkar project de hoogste concentraties aan elementaire koolstof.
EC 3.0 zeezout NH4 mineraal stof 2.0 OM NO3 nssSO4 andere
g/m 0.0
1.0
RET -1.0
MOE
AAR
ROE
OOS
ZWE
EVE
ZWI
BOR
-2.0
Figuur 82: Absolute verschillen van de gemiddelde concentraties van de hoofdcomponenten t.o.v. hun gemiddelde voor alle stations
60%
EC zeezout NH4
OM NO3 nssSO4 andere
40%
mineraal stof
20%
0%
RET -20%
MOE
AAR
ROE
OOS
ZWE
EVE
ZWI
BOR
-40%
-60%
Figuur 83: Relatieve verschillen van de gemiddelde concentraties van de hoofdcomponenten t.o.v. hun gemiddelde voor alle stations
Verschillen van dag tot dag Het gemiddeld verschillen van wisselen. jaarverloop (Figuur 84 en Figuur 85) toont aan dat de samenstelling sterk kan dag tot dag. Vooral het aandeel van de secundaire anorganische ionen kan sterk secundaire anorganische ionen: organische massa bodemstof zeezout: elementaire koolstof min. 8% min. 9% min. 3% min. 3% min. 1% max. 67% max. 37% max. 35% max. 37% max. 10%
Lokaal kunnen de verschillen natuurlijk nog groter zijn.

70
andere
60
mineraal stof nssSO4
50
NH4
g/m 40
3
NO3
30
zeezout
20
OM
10
EC
0 01 okt 01 nov 01 dec 01 jan 01 feb 01 mrt 01 apr 01 mei 01 jun 01 jul 01 aug 01 sep 01 okt 01 nov 01 dec 08 08 08 09 09 09 09 09 09 09 09 09 09 09 09
Figuur 84: Absoluut jaarverloop van de hoofdcomponenten, per dag uitgemiddeld over alle stations
100% andere 90% 80% 70% 60% 50% NO3 40% zeezout 30% 20% 10% 0% 01 okt 01 nov 01 dec 01 jan 01 feb 01 mrt 01 apr 01 mei 01 jun 01 jul 01 aug 01 sep 01 okt 01 nov 01 dec 08 08 08 09 09 09 09 09 09 09 09 09 09 09 09 OM mineraal stof nssSO4
NH4
EC
Figuur 85: Relatief jaarverloop van de hoofdcomponenten, per dag uitgemiddeld over alle stations
76
Chemkar PM10 (2008-2009)
2.4.4 Ionenbalans Het uitdrukken van de samenstelling in massa geeft vaak een vertekend beeld omdat zwaardere atomen en moleculen hierdoor meer aanwezig lijken te zijn. Onderstaande tabel en figuur geven een ander beeld van de ionaire samenstelling omdat ze de ionen uitdrukken in molaire equivalenten. Deze geven een beeld van het aantal deeltjes en hun lading. Bij het uitdrukken als equivalenten tellen dubbel geladen ionen ook dubbel mee. Deze aanpak maakt het eenvoudig om ook de ionenbalans te berekenen. Deze balans (K-A) is het verschil tussen de ladingen van de (positieve) kationen en (negatieve) anionen. K-A zou zeer klein moeten zijn en is dus een extra kwaliteitscontrole. Het kleine verschil van gemiddeld 5% is dus zeker gunstig.
Mg++ Ca++ 3% 4% K+ 1%
NO322%
NH4+ 27% Cl7%
Na+ 18%
SO4-18%
Figuur 86: Relatief aandeel van de bepaalde ionen, uitgedrukt in molaire equivalenten
Uit de figuur en tabel valt vooral op dat ammonium het belangrijkste ion is. Men neemt dan ook aan dat ammonium en zijn gasvormige voorloper ammoniak NH 3 een sleutelrol spelen bij de vorming van de secundaire anorganische ionen. Want indien ammoniak niet aanwezig is, vormt er zich geen ammonium en kan er ook geen vorming van ammoniumnitraat en ammoniumsulfaat plaatsvinden.
Tabel 10: Ionaire samenstelling van PM 1 0 uitgedrukt in molaire equivalenten (mmol/m3)
NO 3 RET MOE AAR ROE OOS ZWE EVE ZWI BOR Gem. 75 68 61 76 76 69 68 71 79 71
Cl17 24 17 28 27 20 25 26 30 24
SO 4 268 52 53 54 62 53 56 62 65 58
Na+ 38 61 51 64 68 52 67 67 56 58
NH 4 + 102 83 83 76 90 75 79 84 95 85
K+ 2 3 4 4 5 4 4 4 3 4
Mg2+ 4 7 6 11 11 8 10 9 7 8
Ca2+ 5 9 9 26 20 14 19 13 11 14
K-A K-A% -8 19 23 23 30 11 31 19 -2 16 -3% 6% 8% 7% 8% 4% 9% 6% -1% 5%
2.4.5 Elementen In onderstaande tabellen zijn de gemiddelden en medianen voor de elementen weergegeven. Omwille van de grote verschillen in concentratie is het best om de resultaten relatief ten opzichte van de gemiddelde waarde in Retie (doorgaans de meetplaats met de laagste concentraties) uit te drukken De bespreking van de resultaten volgt verderop in dit deel van het rapport.
Tabel 11: Gemiddelden van de bepaalde elementen voor alle stations in ng/m3
Al RET MOE AAR ROE OOS ZWE EVE ZWI BOR Gem. Gem. hot. Gem. ag. (hot. ag.) / ag. (%)
As
Ba
Ca Cd
Cr Cu
2,9 4,0 4,7
Fe
K Mn Mo
4,3 0,52 4,5 0,61 6,7 0,98
Ni
2,4 3,5 2,5
Pb
10 10 10
Sb
1,8 1,1 1,7
Ti
4,4 4,4 4,8
V
2,6 5,6 2,7
Zn
35 23 34
69 0,79 64 0,69 80 0,78
3,0 148 0,29 3,3 192 0,25 4,9 180 0,27
4,6 164 136 5,2 181 125 8,6 254 148
152 0,99
8,8 918 0,31
7,3 13,5 470 231
9,4 1,03
3,5 4,3 2,8 4,5 4,6 3,8
15 58 13 13 14 17
2,6
9,5
4,5 5,5 4,0 6,3 6,2 4,8
61 82 29 38 42 42
191 1,38 11,0 708 0,51 125 0,98 168 1,10 128 1,44 115 1,14 5,5 491 0,28 6,2 534 0,29 6,8 378 0,39 7,2 427 0,36
6,7 12,0 364 288 12,2 0,93 4,7 10,7 306 131 8,3 0,81
2,7 11,8 1,8 7,8
5,4 10,1 444 177 13,0 6,09 5,7 15,7 608 160 6,1 19,2 541 176 9,8 1,91 7,8 1,40
1,8 23,5 2,8 12,3 3,2 7,6
121 1,03 147 1,17 71 0,75 76 0,42
6,3 442 0,33 7,6 576 0,35 3,7 173 0,27 3,8 403 0,09
5,3 11,1 370 175
8,5 1,59
3,5 3,9 2,8 1,1
18 22 10 12
2,2
9,6
4,7 5,2 3,7 1,6
43 49 31 18
6,0 13,5 455 194 10,1 2,03 3,9 2,1 6,1 199 136 7,4 256 57 5,2 0,71 4,9 1,32
2,5 12,1 1,5 1,0 4,5 7,6
+106 +56 +103 +232 +32 +53 +121 +128 +42 +95 +187 +40 +115 +64 +167 +43 +58
Tabel 12: Medianen van de bepaalde elementen voor alle stations in ng/m3
Al RET MOE AAR ROE OOS ZWE EVE ZWI BOR
As
Ba
Ca Cd
Cr Cu
1,5 0,7 1,7
Fe
K Mn Mo
3,9 0,31 3,5 0,28 5,3 0,65
Ni
1,6 2,7 1,9
Pb
7,7 6,0 6,9
Sb
1,2 0,9 1,5
Ti
3,9 3,3 4,2
V
1,8 4,5 2,3
Zn
24 17 23
49 0,62 51 0,47 68 0,56
2,3 128 0,22 2,2 123 0,16 3,1 141 0,20
3,9 157 126 3,7 124 114 7,6 215 118
127 0,78 139 1,08 105 0,83 148 0,72 112 1,00 106 0,83
5,1 670 0,21 8,2 564 0,38 4,4 383 0,19 4,4 437 0,20 4,8 331 0,28 6,3 374 0,26
2,9 10,6 352 199 3,8 10,3 278 232 2,9 3,4 9,8 270 96
8,0 0,78 9,1 0,74 6,6 0,59 9,8 1,01 7,7 1,37 7,0 1,27
3,1
9,9
2,3 2,6 1,6 1,3 1,7 2,6
7,8 9,9 6,4 9,9 7,6 6,5
3,9 4,8 3,5 5,3 5,3 3,6
34 58 18 29 27 27
3,6 33,7 2,5 10,0 3,2 3,8 9,4 9,4
8,2 363 158
3,6 10,3 426 143 3,6 17,5 490 165
3,2 11,1
78
Chemkar PM10 (2008-2009)
RET 700%
MOE
AAR
ROE
OOS
ZWE
1200%
EVE
ZWI
BOR
600%
500%
400%
300%
200%
100%
Figuur 87: Relatieve elementconcentraties t.o.v. Retie
Bodemaanrijkingsfactoren en relatieve verschillen Bodemaanrijkingsfactoren geven weer in welke mate een element van andere bronnen dan bodemstof afkomstig is. De berekening gebeurt als volgt: 1. We selecteren een referentie-element (meestal Al of Si) waarvan we aannemen dat dit enkel afkomstig is van bodemstof. 2. We berekenen voor elk element de verhouding ten opzichte van het referentie-element. 3. Deze verhouding vergelijken we met de uit de literatuur gekende verhouding in de aardkorst. 4. Indien de verhouding gelijk is (factor = 1) kunnen we stellen dat het element quasi volledig van bodemstof afkomstig is. Indien de verhouding veel groter is dan die in de aardkorst (factor >> 1) is het element hoogstwaarschijnlijk van een andere bron afkomstig. Hoe groter de factor, hoe belangrijker de andere bronnen. Aangezien er altijd lokale verschillen zijn in de samenstelling van bodemstof baseren we ons doorgaans vooral op de grootteorde. Voor elementen met factoren kleiner dan 10 kunnen we nog steeds stellen dat bodemstof een belangrijke bijdrage geeft. In dit rapport gebruiken we Al en Ti als referentie-elementen. Het feit dat de twee datasets goed overeenkomen is een indicatie voor de betrouwbaarheid van de werkwijze. Figuur 88 geeft een algemeen beeld voor de verschillende elementen. We kunnen stellen dat bodemstof: veruit de belangrijkste bron is voor Al en Ti; een belangrijke - maar waarschijnlijk niet de enige - bron is voor Fe, Mn, K, Ca en Ba; een zeer kleine bijdrage levert aan de concentraties van V, Ni en Cr; geen rol van betekenis speelt voor Cu, As, Zn, Mo, Pb, Cd en Sb.
10000.0
vs. Al
1000.0
vs. Ti
100.0
10.0
1.0
Al
Ti
Fe Mn
Ca Ba
Ni
Cr
Cu As
Zn Mo Pb Cd Sb
0.1
Figuur 88: Algemeen gemiddelde bodemaanrijkingsfactoren voor de verschillende elementen (t.o.v. Al en Ti) Tabel 13: Gemiddelde bodemaanrijkingsfactoren per station voor de verschillende elementen (t.o.v. aluminium)
As RET MOE AAR ROE OOS ZWE EVE ZWI BOR

530 490 450
Ba
8 10 12
Ca
Cd
Cr
34 51 49
Cu
101 120 161
Fe
3,5 4,1 4,6
K
7,8 7,7 7,3
Mn
5,5 6,1 7,3
Mo
420 520 680
Ni
38
Pb
Sb
Ti
0,9 1,0 0,9
Zn
4,3 1720 5,9 1590 4,5 1390
940 10600 7000 8700
23 600 53 420 21 510
59 1060 35 840
300 330 360 300 510 450
11 12,0 11 9 7 10 12
830
39 29 31 26 37 44
133 94 128 90 183 250
4,5 2,8 3,6 3,9 6,9 6,9
6,0 5,9 4,1 4,2 4,9 6,0
5,4 5,5 5,8
370 270 360
25
670
7000 5900 6000 4400 9100
0,9 0,9 0,9 2,0 1,4 0,9
18 470 18 510 20 270 23 270 30 390 26 430
7,3 1090 7,8 6,3 910 710
25 1980 25 30 39 36 710 520 720
6,7 1990 6,6 5,9 820 670
5,8 1240 7,3 1300
970 11400
80
Chemkar PM10 (2008-2009)
125% RET 100% ROE EVE 75% MOE OOS ZWI AAR ZWE BOR
190%
50%
25%
0% As -25% Ba Ca Cd Cr Cu Fe K Mn Mo Ni Pb Sb Ti V Zn
-50%
-75%
Figuur 89: Relatieve verschillen in bodemaanrijkingsfactor t.o.v. het gemiddelde voor alle stations
Figuur 87 en Figuur 89 maken het mogelijk om een vrij goed beeld van de lokale verschillen qua elementconcentraties te krijgen: In Retie meten we voor zeer veel elementen de laagste of op n na laagste concentratie. Dit geeft dus nogmaals aan dat dit de minst vervuilde is van alle onderzocht meetplaatsen. Het is misschien opvallend dat we hier voor de zware metalen As, Cd, Sb en Zn de hoogste, of op een na hoogste bodemaanrijkingsfactor meten. Dit is mogelijk een effect van de non-ferro industrie in Beerse en Olen. Anderzijds zijn de absolute factoren voor al deze elementen overal zeer hoog. Dat deze factoren relatief het hoogst zijn in Retie kan ook een gevolg zijn van de lage concentratie aan bodemstof op deze plaats. Enkel voor Zn scoort Retie qua concentratie middelmatig, zodat we voor dit metaal toch sterk vermoeden dat dit wel degelijk te wijten is aan een bron in de streek. In Moerkerke meten voor een hele reeks elementen de laagste of op n na laagste concentratie. Voor Ni en V zijn de concentraties wel verhoogd. Voor deze twee elementen en ook voor Cr meten we de hoogste bodemaanrijkingsfactoren. Vooral bij Ni en V zijn die een pak hoger dan op de andere stations. De oorzaak hiervan is vrijwel zeker te wijten aan olieverbranding door scheepvaart (op de Noordzee en het Schipdonkkanaal). In Aarschot zijn de concentraties ook doorgaans laag, maar voor de meeste elementen toch minder laag dan in Retie en Moerkerke. Dit geeft aan dat deze meetplaats minder een echte achtergrondmeetplaats is. Dit is ook niet verwonderlijk gezien de ligging van de meetplaats (zie 1.2.1). In Roeselare meten we duidelijke verhoogde concentratie van verschillende bodemelementen (Al, Ba, Ca, Fe) en tracers van verkeer (Cu, Zn). De verhoogde aanrijking is een sterke aanwijzing voor de aanwezigheid van een of meerdere lokale bronnen. Verkeer lijkt echter ook een belangrijke rol te spelen in de hoge concentraties aan mineraal stof. Dit punt komt verderop in het rapport aan bod (zie 3.2). In Oostrozebeke meten we voor verschillende elementen de hoogste concentraties. Naast de hoge concentraties van bodemelementen is vooral de sterk verhoogde loodconcentratie erg opvallend. Dit is een duidelijke indicatie van een belangrijke bron van lood in de nabije omgeving van de meetplaats. Hoewel de gemiddelde concentratie (58 ng/m3) maar liefst 6
keer hoger is dan op de achtergrondplaatsen, is deze waarde wel nog een stuk lager dan de EU-jaargrenswaarde van 500 ng/m3. Gezien het sporadisch karakter van de loodpieken (die zich enkel voordoen uit n windrichting) zou het zeker kunnen dat het echte jaargemiddelde hoger is en dat er dichter bij de bron hogere concentraties te meten zijn. In Zwevegem zijn de meeste elementconcentraties aan de lage kant en zijn de bodemaanrijkingsfactoren relatief laag. Dit bevestigt dus dat we deze meetplaats tijdens dit project eigenlijk niet als hotspot kunnen beschouwen. In Evergem meten we relatief hoge concentraties van verschillende bodemelementen (Al, Ca, Fe, Mn). De aanwezigheid van lokale bronnen van Ti en Mo komt zeer duidelijk naar voor in de sterk verhoogde bodemaanrijkingsfactoren. In Zwijndrecht meten we verhoogde concentraties en verhoogde bodemaanrijkingsfactoren voor de elementen Cu, Fe, Mo, Ni en V. Ni en V lijken te wijzen op een bron van olieverbranding. Cu, Fe, Mo zijn verkeerstracers waarvan de concentraties ook verhoogd kunnen zijn door de aanwezigheid van de spoorweg. In Borgerhout meten we verhoogde concentraties van typische verkeerstracers zoals Cu, Fe, Mo en Sb wat nogmaals aantoont dat verkeer een belangrijke invloed heeft op deze meetplaats. De relatief hoge concentraties van Pb vonden we ook al in het eerste chemkar 3 project, hoewel de gemiddelde concentratie toen wel nog hoger was (27 ng/m ).
2.5 Effect van meteotype op de hoofdcomponenten

Figuur 90 geeft de boxplots weer voor alle stations opgesplitst per meteotype (zie 1.4.2). We zien hierbij dat verhoogde fijn stof concentraties zich quasi uitsluitend voordoen bij het continentaal/stationaire omstandigheden. Onder deze omstandigheden zijn de secundaire anorganische ionen zeer duidelijk verhoogd. Daarnaast is ook de organische massa beduidend hoger dan bij de twee andere meteotypes. De meest waarschijnlijke verklaring hiervoor is dat de atmosferische omstandigheden de vorming van secundair stof (anorganisch en organisch) versterken. Daarnaast kan extra vervuiling van het continent en een gemiddeld iets lagere menglaaghoogte bij deze situaties (waarbij er minder verdunning is van de concentraties naar hogere luchtlagen) ook een rol spelen. Het meteotype lijkt maar een klein effect te hebben op de concentratie mineraal stof. Iets wat niet zo verwonderlijk is voor een primaire component die vooral veroorzaakt wordt door lokale bronnen. Hetzelfde kan gezegd worden voor de situatie van elementaire koolstof. De trends voor deze componenten lijken ook aan te geven dat de verhogingen bij de secundaire anorganische ionen en organische massa vooral te wijten zijn aan extra vorming. Indien het enkel een kwestie was van lagere menglaaghoogte en minder verdunning dan zouden we vergelijkbare trends moeten zien bij deze primaire componenten, wat dus niet het geval is. Tot slot stellen we nog vast dat zeezout zich volledig anders gedraagt dan de andere componenten. Zoals verwacht zijn de concentraties van deze fractie het hoogst bij aanvoer van maritieme lucht.
82
Chemkar PM10 (2008-2009)
100 90 80 PM10net (g/m3) 70 60 50 40 30 20 10 0 40 35 30 OM (g/m3) 25 20 15 10 5 0 10 M S CS M S CS
100 90 80 sec. anorg. ion. (g/m 3)
40 35 30 25 20 15 10 5 0 20 18 16 mineraal stof (g/m 3) M S CS
40 35 30 25 20 15 10 5 0 20 18 16 14 12 10 8 6 4 2 M S CS 0 5
70 60 50 40 30 20 10 0 40 35 30 25 20 15 10 5 0 10
14 12 10 8 6 4 2 0 5
8 zeezout (g/m 3)
EC (g/m3)
CS
CS
Figuur 90: Effect van meteotype op de hoofdcomponenten (M: maritiem S:zuidelijk CS:continentaal/stationair)
2.6 Vergelijking met het eerste chemkar onderzoek

In vergelijking met het eerste Chemkar onderzoek zijn de gemiddelde concentraties van PM 10 en de meeste hoofdbestanddelen nu lager. Dit is vrij opvallend aangezien het aandeel hotspots in de huidige studie hoger was dan in het eerste onderzoek waarbij we een meer algemene mix van meetplaatsen onderzochten. De oorzaak hiervan ligt vermoedelijk bij de weersomstandigheden. In hoofdstuk 1 gaven we al aan dat de weeromstandigheden in dit onderzoek beter waren voor de luchtkwaliteit dan in het eerste Chemkar onderzoek van 2006-2007. Dit vertaalt zich in lagere concentraties van bijna alle fracties behalve zeezout (zie Figuur 91). De hogere concentratie zeezout is ook een extra bewijs dat we tijdens dit project meer te maken hadden met maritieme lucht dan in het eerste onderzoek. Ook de verminderde industrile emissies door de economische crisis kunnen een verklaring zijn voor de lagere PM 10 concentraties in dit onderzoek. De impact hiervan is echter minder duidelijk.
35 30 25 20 15 6.8 10 5 0 2.4 6.1

1.2
andere 4.3 4.3 3.6 2.1 6.1 3.5 2.5 1.5 4.4 2.8 5.4
1.0
mineraal stof nssSO4 NH4 NO3 zeezout OM EC
g/m 3
CK1
CK2
Figuur 91: De gemiddelde samenstelling voor het eerste en het tweede chemkar onderzoek
Noot: Naast het effect van het weer kunnen we ook niet uitsluiten dat verschillen in uitvoering (keuze van filtermateriaal, analysemethode) ook een effect hebben. Momenteel beschikken we echter niet over informatie om daar verdere uitspraken over te doen.
2.7 Conclusies
In dit hoofdstuk gaven we de algemene toestand op de verschillende meetplaatsen weer. De belangrijkste punten die we vaststelden zijn: De secundaire anorganische ionen (ammonium, nitraat en sulfaat) zijn qua massa overal de belangrijkste fractie. Er zijn nauwelijks verschillen in concentratie tussen de meetplaatsen en ammonium is, uitgedrukt in molaire equivalenten, het belangrijkste ion. De complexe groep van de organische massa is overal de op n na belangrijkste fractie. In Oostrozebeke is er een zeer duidelijke lokale verhoging van deze fractie.
3 Gemiddeld is de concentratie op de hotspots 7 g/m hoger dan op de achtergrondplaatsen. Vooral de fracties mineraal stof (met name in Roeselare, Oostrozebeke en Evergem) en organische massa zijn verhoogd op de hotspots.
De metingen van de elementconcentraties wijzen op enkele specifieke lokale bronnen: Ca, Cu en Zn in Roeselare > combinatie verkeer en overslagplaats; Pb in Oostrozebeke > oorzaak onduidelijk; Ti en Mo in Evergem > uitstoot door de bedrijven Kronos Europe en Sadaci; Cu, Fe en Sb in Borgerhout > invloed van verkeer.
De samenstelling van het fijn stof kan sterk verschillen van dag tot dag. De hoogste stofconcentraties worden quasi steeds gemeten op dagen met een continentaal/stationair meteotype. Hierbij zijn de secundaire anorganische ionen en organische massa duidelijk verhoogd. In vergelijking met het eerste chemkar onderzoek waren de weersomstandigheden tijden dit project beter voor de luchtkwaliteit. Dit is waarschijnlijk de belangrijkste verklaring voor de lagere concentraties die we in dit onderzoek meten.
84
Chemkar PM10 (2008-2009)
3 Gevorderde analyse
3.1 Inleiding
In het vorige hoofdstuk hebben we vooral de nadruk gelegd op het beschrijven van de samenstelling van fijn stof op de verschillende meetplaatsen. In dit hoofdstuk proberen we met de hulp van verschillende (statistische) technieken de verhoogde concentraties beter te begrijpen en eventueel de bronnen te achterhalen.
3.2 Bronherkenning door middel van boxplots per windsector

3.2.1 Toelichting In het volgende deel gaan we dieper in op een aantal opmerkelijke lokale vaststellingen. Dit doen we met behulp van histogrammen per windsector. We moeten er wel wijzen dat de verschillende windsectoren niet gelijk vertegenwoordigd zijn, waardoor de onzekerheid voor de sectoren met een beperkt aantal dagen vrij groot kan zijn (Figuur 92). Daarom maken we bij het tekenen van de boxplots - in tegenstelling tot in vorig hoofdstuk - gebruik van de 10% en 90% percentielen.
20 18 16 14 aantal dagen 12 10 8 6 4 2 135 180 225 270 315 windrichting Figuur 92: Histogram met het aantal dagen per windsector
Noot: de windsectoren in deze studie worden omschreven door middel van de begrenzende windrichtingen. Zo noemen we bijvoorbeeld de sector van 0 tot 45 noord-noordoost.
45
90
3.2.2 Organische massa Een van de meest opvallende vaststellingen in het vorige hoofdstuk is de verhoogde concentratie van organische massa in Oostrozebeke. Figuur 93 toont duidelijk dat organische massa over heel Vlaanderen verhoogd is bij wind uit de oostelijke sectoren. Vergeleken met de achtergrondplaatsen is de verhoging in deze sector wel groter in Oostrozebeke en Roeselare, iets wat kan wijzen op een regionale verhoging in deze streek. Naast de algemene verhoging in de oostelijke sector zien we in Oostrozebeke ook een duidelijke verhoging bij wind vanuit het zuidwesten. In deze sector is het houtverwerkend bedrijf Spano de meest waarschijnlijk bron van organische massa. Deze verhoging bij wind vanuit het zuidwesten laat dus ook zien dat een lokale verhoging zich ook kan voordoen bij omstandigheden die doorgaans vrij goed zijn voor de luchtkwaliteit. Een lokale bijdrage van enkele g/m3 kan er echter voor zorgen dat er in Oostrozebeke overschrijdingen van de PM 10 daggrenswaarde (50 g/m3) optreden op dagen dat andere meetplaatsen onder de daggrenswaarde blijven.
3. Gevorderde analyse 85
35 30 25 20 15 10 5 0 45 135 225 315 90 180 270

site: MOE
35 30 25 20 15 10 5 0 45 135 225 315 90 180 270

site: RET
45 135 225 315 90 180 270

site: AAR
OM (g/m3)
35 30 25 20 15 10 5 0 45 135 225 315 90 180 270

site: ROE
35 30 25 20 15 10 5 0 45 135 225 315 90 180 270

site: OOS
45 135 225 315 90 180 270

site: ZWE
35 30 25 20 15 10 5 0 45 135 225 315 90 180 270

site: EVE
35 30 25 20 15 10 5 0 45 135 225 315 90 180 270

site: ZWI
45 135 225 315 90 180 270

site: BOR
Figuur 93: Boxplots van organische massa per windsector voor de 9 meetplaatsen
3.2.3 Mineraal stof Zoals we al aangaven in het vorige hoofdstuk is er meestal een duidelijk verschil tussen de achtergrondplaatsen en de hotspots op het vlak van mineraal stof (Figuur 94). Op de 3 achtergrondplaatsen is er een lichte verhoging te zien bij wind uit de oostelijke sectoren. Dit is waarschijnlijk te wijten aan droger weer en/of minder verdunning van het aanwezig stof door een lagere menglaaghoogte. Bij de hotspots zien we lokaal vrij grote verschillen in het effect van de windrichting op de concentratie aan mineraal stof. Voor de drie meetplaatsen met de hoogste bijdrage aan mineraal stof kunnen we het volgende stellen: In Roeselare zijn alle oostelijke sectoren, van noord tot zuid, sterk verhoogd. Mineraal stof is er dus niet enkel verhoogd bij wind uit de richting van de overslagplaats (zuidoosten). De meest waarschijnlijke verklaring voor dit fenomeen is dat het (zware) verkeer langs de meetplaats, van het rond punt in het noorden tot de overslagplaats in het zuidoosten zorgt voor het heropwaaien van straatstof. In welke mate de activiteiten aan de overslagplaats verantwoordelijk zijn voor de hoeveelheid straatstof in de omgeving kunnen we uit de meetresultaten niet afleiden. Omdat dit lokale effect zich voordoet bij wind vanuit sectoren die sowieso al vaak gepaard gaan met slechte luchtkwaliteit, is de kans op dagoverschrijdingen op deze plaats doorgaans beduidend groter dan elders. In Oostrozebeke is de situatie vrij complex. We meten verhoogde concentraties bij wind uit verschillende sectoren. Naast de algemene verhoging in de oostelijke sectoren vallen de soms hoge waarden uit de zuid-zuidwestelijke sector op. Verder is er nog een belangrijkere verhoging in de noordwest-noord sector. Dit is, waarschijnlijk niet toevallig, de richting van de ligging van de Hulstestraat en ook de richting van het kruispunt met de Ingelmunstersteenweg en de Pauwstraat. Mogelijk waait er dus extra bodemstof op wanneer de wind uit de richting van de straat en het kruispunt waait. Het feit dat een dergelijk effect zich niet voordoet op andere plaatsen, kan te wijten zijn aan de positie van de inlaat van de monitor. Deze bevindt zich namelijk vlak naast de straatkant.
86
Chemkar PM10 (2008-2009)
In Evergem zijn er in alle windsectoren soms verhogingen. Bovenop de algemene trend (verhoging bij wind tussen NO en Z) valt vooral de verhoging bij wind uit het noorden op. Dit is de richting van de straat en enkele land- en tuinbouwbedrijven.
20 18 16 14 12 10 8 6 4 2 0 45 135 225 315 90 180 270
site: MOE
20 18 16 14 12 10 8 6 4 2 0 45 135 225 315 90 180 270

site: RET
45 135 225 315 90 180 270

site: AAR
mineraal stof (g/m 3)
20 18 16 14 12 10 8 6 4 2 0 45 135 225 315 90 180 270

site: ROE
20 18 16 14 12 10 8 6 4 2 0 45 135 225 315 90 180 270

site: OOS
45 135 225 315 90 180 270

site: ZWE
20 18 16 14 12 10 8 6 4 2 0 45 135 225 315 90 180 270

site: EVE
20 18 16 14 12 10 8 6 4 2 0 45 135 225 315 90 180 270

site: ZWI
45 135 225 315 90 180 270

site: BOR
Figuur 94: Boxplots van mineraal stof per windsector voor de 9 meetplaatsen
3.2.4 Elementaire koolstof Net als bodemstof is elementaire koolstof een fractie die vooral door lokale bronnen in de omgevingslucht komt. Op alle plaatsen is er een verhoging bij wind uit het oosten. In Roeselare zie we ook een duidelijke verhoging in de noord-noordoost en noordoost-oost sectoren. Het patroon lijkt daar ook sterk op dat van mineraal stof. Dit ondersteunt de hypothese dat er een belangrijke wisselwerking is tussen het lokale verkeer en de verhoogde concentraties aan mineraal stof. In Borgerhout - de plaats met de hoogste EC concentraties - zijn er twee duidelijke EC pieken. En piek treedt op bij wind uit het oosten, wat de richting is van de Antwerpse ring. De tweede piek situeert zich in de zuid-zuidwest sector, wat de richting is van de belangrijke invalsweg Plantin en Moretuslei. Deze waarnemingen bevestigen dus dat het lokale verkeer de belangrijkste bron is van verhoogde EC concentraties.
6 5 4 3 2 1 0 45 135 225 315 90 180 270

site: MOE
6 5 4 3 2 1 0
45
135 225 315 90 180 270

site: RET
45
135 225 315 90 180 270

site: AAR 6 5 4 3 2 1 0
EC (g/m 3)
6 5 4 3 2 1 0 45 135 225 315 90 180 270

site: ROE
45
135 225 315 90 180 270

site: OOS
45
135 225 315 90 180 270

site: ZWE 6 5 4 3 2 1 0
6 5 4 3 2 1 0 45 135 225 315 90 180 270

site: EVE
45
135 225 315 90 180 270

site: ZWI
45
135 225 315 90 180 270

site: BOR
Figuur 95: Boxplots van elementaire koolstof per windsector voor de 9 meetplaatsen
3.2.5 Elementen In tegenstelling tot mineraal stof of elementaire koolstof zijn lokale emissies van de meeste elementen minder continu. Dit maakt dat de boxplots per windsector vaak zeer grillige verlopen en grote onderzekerheden hebben. Toch zijn er enkele gevallen waarbij de boxplots wel zeer duidelijk aangeven in welke windsector de bron zich bevindt. Zo laat Figuur 96 geen twijfel over het feit dat de bron van lood in Oostrozebeke zich in de zuidwestwest sector bevindt. In deze sector liggen de bedrijven Spano en Metaalbouw Vandekerckhove. In Figuur 97 is duidelijk te zien dat de bron van molybdeen in Evergem zich in de sector oost-zuidoost bevindt. In deze sector ligt het bedrijf Sadaci, dat gespecialiseerd is in molybdeenverbindingen. Naast molybdeen is ook de concentratie van titaan opvallend verhoogd in Evergem. Figuur 98 toont dat de bron voor dit element zich in de zuidoost-zuid sector bevindt. Hier ligt het bedrijf Kronos Europe, dat gespecialiseerd is in de productie van titaandioxide.
88
Chemkar PM10 (2008-2009)
0.6 0.5 0.4 0.3 0.2 0.1 0.0 45 135 225 315 90 180 270
site: MOE
0.6 0.5 0.4 0.3 0.2 0.1 0.0 45 135 225 315 90 180 270
site: RET
45 135 225 315 90 180 270

site: AAR
Pb (g/m 3)
0.6 0.5 0.4 0.3 0.2 0.1 0.0 45 135 225 315 90 180 270
site: ROE
0.6 0.5 0.4 0.3 0.2 0.1 0.0 45 135 225 315 90 180 270
site: OOS
45 135 225 315 90 180 270

site: ZWE
0.6 0.5 0.4 0.3 0.2 0.1 0.0 45 135 225 315 90 180 270
site: EVE
0.6 0.5 0.4 0.3 0.2 0.1 0.0 45 135 225 315 90 180 270
site: ZWI
45 135 225 315 90 180 270

site: BOR
Figuur 96: Boxplots van lood per windsector voor de 9 meetplaatsen
0.08 0.06 0.04 0.02 0.00 45 135 225 315 90 180 270
site: MOE
0.08 0.06 0.04 0.02 0.00 45 135 225 315 90 180 270
site: RET
45 135 225 315 90 180 270

site: AAR
0.08 0.06
0.08 0.06 0.04 0.02 0.00 45 135 225 315 90 180 270
site: ROE
Mo (g/m 3)
0.04 0.02 0.00 45 135 225 315 90 180 270

site: OOS
45 135 225 315 90 180 270

site: ZWE
0.08 0.06 0.04 0.02 0.00 45 135 225 315 90 180 270
site: EVE
0.08 0.06 0.04 0.02 0.00 45 135 225 315 90 180 270
site: ZWI
45 135 225 315 90 180 270

site: BOR
Figuur 97: Boxplots van molybdeen per windsector voor de 9 meetplaatsen
0.35 0.30 0.25 0.20 0.15 0.10 0.05 0.00 45 135 225 315 90 180 270
site: MOE
0.35 0.30 0.25 0.20 0.15 0.10 0.05 0.00 45 135 225 315 90 180 270
site: RET
45 135 225 315 90 180 270

site: AAR
Ti (g/m3)
0.35 0.30 0.25 0.20 0.15 0.10 0.05 0.00 45 135 225 315 90 180 270
site: ROE
0.35 0.30 0.25 0.20 0.15 0.10 0.05 0.00 45 135 225 315 90 180 270
site: OOS
45 135 225 315 90 180 270

site: ZWE
0.35 0.30 0.25 0.20 0.15 0.10 0.05 0.00 45 135 225 315 90 180 270
site: EVE
0.35 0.30 0.25 0.20 0.15 0.10 0.05 0.00 45 135 225 315 90 180 270
site: ZWI
45 135 225 315 90 180 270

site: BOR
Figuur 98: Boxplots van titaan per windsector voor de 9 meetplaatsen
3.3 Factor analyse per meetplaats

3.3.1 Toelichting Doel Factoranalyse is een statistische techniek die voor een groot aantal oorspronkelijke (gemeten) variabelen een kleiner aantal achterliggende variabelen identificeert. Deze nieuwe, achterliggende variabelen noemen we factoren en zijn een lineaire combinatie van de gemeten variabelen. In het beste geval verklaren de factoren bijna evenveel van de variatie (variantie) als de oorspronkelijke variabelen. De factoren zijn ook onafhankelijk van elkaar (in 2 of 3 dimensies betekent dit dat ze assen vormen die loodrecht op elkaar staan, vanaf meerdere dimensies is dit soort visuele voorstelling echter niet meer mogelijk). We gebruiken factoranalyse voor datareductie en om inzicht te krijgen in de structuur van de dataset. In het ideale geval zou n factor hier n pollutieaspect, bijvoorbeeld een bepaalde bron, voorstellen. In de praktijk kan n factor uit meerdere aspecten bestaan wanneer de data niet toelaat om ze te onderscheiden. Dit kan bijvoorbeeld gebeuren wanneer twee continue bronnen dicht bij elkaar gelegen zijn. Verder is het ook mogelijk dat n variabele min of meer evenveel aanwezig is bij twee of meerdere verschillende factoren wat er op kan wijzen dat er meerdere bronnen zijn voor die gemeten component. Hoewel factoranalyse een krachtige techniek is, is het aspect interpretatie door de onderzoeker dus niet te onderschatten. Dataset Het uitvoeren van de factoranalyse gebeurt aan de hand van een dataset van verschillende cases. In dit werk stelt n case telkens alle meetgegevens voor van n dag op n locatie.
90
Chemkar PM10 (2008-2009)
Eigenwaarde De eigenwaarde geeft aan hoeveel variantie de extra factor verklaart. Omdat het hier gestandaardiseerde variabelen betreft, voegt elke extra factor een variantie van 1 toe. Factoren met een eigenwaarde van minder dan 1 verklaren dus minder variantie dan ze zelf toevoegen en worden meestal niet weerhouden (=Kaiser criterium). In de tabellen in dit hoofdstuk staat onderaan wat het proportionele aandeel (Prp.Totl.) van de factoren op de totale variantie is. Deze waarde heeft niks te maken met het aandeel in de totale massa van het fijn stof. Factorlading Factorladingen zijn een maat voor de correlatiecofficinten tussen de gemeten variabelen en de verklarende factoren. Hoe hoger de absolute waarde van de lading, hoe meer de oorspronkelijke variabele met de factor gemeen heeft. De factorlading is een van de belangrijke gegevens voor de interpretatie van de resultaten. Ook hier dient er op gewezen dat deze waarde niks te maken heeft met het absolute aandeel in massa van de variabele binnen de factor. Een element kan bijvoorbeeld een zeer hoge lading hebben binnen een factor maar er in massa slechts een zeer klein deel van uitmaken. Software en instellingen We gebruikten het softwarepakket Statistica 8 voor de uitvoering van de factoranalyse. Hierbij kozen we voor de extractie van principale componenten en een factorrotatie. Een factorrotatie verandert niets aan de oplossing, maar wijst combinaties van de oorspronkelijke factoren als nieuwe factoren aan en vereenvoudigt zo de interpretatie. Vooral wanneer de factoren niet grafisch, maar in tabelvorm genterpreteerd worden, werkt rotatie vaak verhelderend. Er bestaan verschillende manieren om rotatie uit te voeren. In dit rapport kozen we (tenzij anders vermeld) voor de courant gebruikte varimax rotatie. Hierbij worden factoren gedraaid zodat de varianties van de kwadraten van de ladingen binnen factoren gemaximaliseerd worden. Het gevolg hiervan is dat elke factor een beperkt aantal variabelen heeft met een hoge lading en het onderscheid tussen factoren duidelijker is. 3.3.2 Wering van uitzonderlijke cases Omdat factoranalyse gebaseerd is op de algemene verbanden tussen de verschillende variabelen kunnen uitzonderlijk hoge meetwaarden de analyse ernstig verstoren. Om dit te vermijden worden enkele cases uit de dataset geweerd bij de uitvoering van deze analyse. De cases zijn vermeld in Tabel 14.
Tabel 14: Overzicht van geweerde cases bij de statistische analyse
Case nr. 662 1149 2075 2442 2514 2599 2809 2881 2917 3549
Meetplaats Aarschot Roeselare Zwevegem Evergem Evergem Zwijndrecht Zwijndrecht Zwijndrecht Zwijndrecht Borgerhout
Datum 10 jun 2009 3 aug 2009 2 okt 2009 28 jul 2009 8 okt 2009 25 okt 2009 23 mei 2009 3 aug 2009 8 sep 2009 17 jan 2009
Reden Ba Ba Mn Ni Na+, K+, Mg2+ Sb Ti Ba Cd, As, Ni, V Cr
3.3.3 Analyse per meetplaats In tegenstelling tot in het eerste chemkar onderzoek voeren we geen analyse uit op de volledige dataset. Deze studie is namelijk vooral gericht op hotspots met lokaal sterk verschillende situaties. Een analyse op de volledige dataset zal daarom resulteren in een verwarrende mix van lokale factoren. We moeten er ook op wijzen dat men de factoren tussen de locaties onderling niet mag vergelijken. De reden hiervoor is dat de rotatie, dus de cofficinten waarmee de oorspronkelijke factoren vermenigvuldigd zijn, per locatie anders is.
92
Chemkar PM10 (2008-2009)
Roeselare 1. Verkeer & mineraal stof (30% variantie): met hoge ladingen voor EC en Cu stelt deze factor zonder twijfel de bijdrage van het lokale verkeer voor. De hoge ladingen van de minerale elementen (Al, Ca, Mn, Ti,) tonen hier nogmaals aan dat de rechtstreekse verkeersbijdrage en het opwaaiend mineraal stof nauw met elkaar verbonden zijn. 2. Secundair anorganisch stof & olieverbranding (16% variantie): deze factor heeft enerzijds hoge positieve ladingen voor de drie secundaire anorganische ionen (nitraat, sulfaat en ammonium) en anderzijds voor de twee tracers van olieverbranding vanadium en nikkel. Het feit dat deze twee bronnen zich in dezelfde factor bevinden geeft aan dat ze zich vergelijkbaar gedragen. 3. Zeezout (9% variantie): deze factor stelt waarschijnlijk zeezout voor want de typische tracers natrium en magnesium hebben een hoge lading. De ionen kalium en calcium komen ook voor in zeezout, maar zijn minder hoog geladen. Beide ionen hebben bovendien ook een hoge lading in een andere factor. Dit wijst er op dat zeezout zeker niet de enige bron is van deze twee ionen. 4. Verbrandingsstof (24% variantie): de hoge ladingen van OC en kalium zijn een indicatie van verbranding van organisch materiaal. Daarnaast brengt men de (zware) metalen As, Cd, Pb, Sb en Zn ook vaak in verband met verbrandingsprocessen en industrile processen.
Tabel 15: Factor analyse voor de dataset van Roeselare Factor Loadings (Varimax normalized) (data_v1) Extraction: Principal components (Marked loadings are >.500000) Include condition: v4=103 and v3=1 Exclude cases: 662;1149;2075;2442;2514;2599;2809;2881;2917;3549 Factor Factor Factor Factor Variable 1 2 3 4 EC 0.76 0.09 -0.12 0.42 0.83 OC 0.30 0.29 -0.09 NO30.10 0.84 0.12 0.32 0.33 0.25 -0.54 Cl-0.14 SO4-0.04 0.73 0.13 0.35 Na+ 0.88 -0.18 -0.10 -0.08 NH4+ -0.11 -0.04 0.37 0.86 K+ 0.18 0.40 0.58 0.51 Mg++ -0.03 0.31 0.32 0.84 Ca++ 0.71 0.32 0.48 0.10 Al 0.94 0.04 0.11 0.09 As 0.82 0.28 0.27 -0.11 0.40 Ba 0.84 -0.03 0.02 0.21 0.11 -0.05 Ca 0.91 Cd 0.22 0.20 -0.04 0.87 Cr 0.08 0.07 -0.21 0.19 Cu 0.81 0.13 -0.04 0.42 Fe 0.44 0.80 0.18 -0.08 0.82 -0.03 K 0.43 0.15 0.44 -0.08 Mn 0.83 0.10 0.49 -0.18 Mo 0.65 0.30 Ni 0.40 0.67 0.00 0.34 0.81 -0.07 Pb 0.39 0.15 Sb 0.69 0.57 0.26 -0.12 Ti 0.91 0.05 0.05 0.13 V 0.86 0.08 0.14 -0.00 Zn 0.79 0.33 0.02 0.10 Expl.Var 8.22 4.33 2.43 6.45 Prp.Totl 0.30 0.16 0.09 0.24
Oostrozebeke 1. Verbrandingsstof (25% variantie): naast tracers voor verbranding van organisch materiaal zoals OC en K zijn verschillende (zware) metalen hoog geladen. Dit kan er op wijzen dat de oorzaak van de hoge loodconcentraties in Oostrozebeke een of ander verbrandingsproces is. Rekening houdend met het feit dat de loodvervuiling zich voordoet bij wind vanuit de zuidwestelijke richting, zou men kunnen denken aan de verbranding van behandeld hout bij het bedrijf Spano. Metaalbouw Vandekerckhove ligt ook in dezelfde windrichting en zou dus ook een mogelijke bron kunnen zijn van bepaalde metalen. 2. Bodemstof (14% variantie): de typische bodemelementen hebben een hoge lading waardoor we deze factor eenvoudig als bodemstof herkennen. 3. Zeezout (12% variantie): ook deze factor valt vrij eenvoudig te herkennen als zeezout door de hoge lading van de typische zeezout tracers. 4. Secundaire anorganische ionen en olieverbranding (13% variantie): net als in Roeselare hebben we hier te maken met een samengestelde factor. De ietwat lagere lading voor Ni, wordt vrijwel zeker veroorzaakt door de extra bron die in factor 1 tot uiting komt. 5. Verkeer (12% variantie): de hoge ladingen van EC, Cu en Mo zijn een sterke aanwijzing dat deze factor verkeer voorstelt. Het feit dat ook OC hoog geladen is, lijkt aan te geven dat verkeer ook bijdraagt aan deze fractie.
Tabel 16: Factor analyse voor de dataset van Oostrozebeke Factor Loadings (Equamax normalized) (data_v1) Extraction: Principal components (Marked loadings are >.500000) Include condition: v4=104 and v3=1 Exclude cases: 662;1149;2075;2442;2514;2599;2809;2881;2917;3549 Factor Factor Factor Factor Factor Variable 1 2 3 4 5 -0.05 0.81 EC 0.30 0.19 0.06 OC 0.58 0.01 0.04 0.23 0.68 0.10 0.87 0.21 -0.04 NO30.06 -0.03 Cl0.20 0.20 0.50 -0.30 SO4-0.32 -0.16 0.25 0.77 0.10 Na+ -0.12 0.02 0.83 0.03 -0.28 NH4+ 0.12 -0.15 0.00 0.93 0.14 K+ 0.47 -0.22 0.66 0.23 0.13 Mg++ 0.03 0.21 0.89 0.24 -0.01 Ca++ -0.02 0.37 0.76 0.20 0.23 -0.04 Al 0.79 0.21 -0.15 0.01 As 0.57 -0.12 -0.01 0.08 0.47 -0.07 -0.10 Ba 0.88 0.30 0.00 Ca 0.01 0.74 0.42 -0.17 0.21 Cd 0.76 0.08 -0.05 0.11 0.37 Cr 0.04 0.14 -0.29 0.05 0.22 Cu 0.16 0.31 -0.15 0.13 0.67 Fe 0.11 0.71 -0.17 0.14 0.46 K 0.76 0.20 0.15 0.00 0.37 -0.09 0.26 Mn 0.43 0.75 -0.09 Mo 0.14 0.19 -0.13 0.44 0.58 Ni 0.71 0.24 -0.02 0.48 -0.18 Pb 0.92 -0.07 0.01 -0.02 -0.13 Sb 0.82 0.11 0.02 0.19 0.38 Ti 0.38 0.85 0.09 0.02 0.03 -0.40 V 0.58 0.23 0.04 0.57 Zn 0.92 -0.05 0.00 0.01 0.06 Expl.Var 6.68 3.76 3.24 3.44 3.35 Prp.Totl 0.25 0.14 0.12 0.13 0.12
Noot: de analyse in Oostrozebeke bleek het best interpreteerbare bij uitvoering van een equamax rotatie, een variant op de varimax rotatie.
94
Chemkar PM10 (2008-2009)
Zwevegem 1. Verkeer en (zware) metalen (26% variantie): de eerste factor lijkt een mix van verkeer en verbrandingsstof. Het feit dat deze twee soorten vervuiling samen in n factor voorkomen kan betekenen dat het hier niet om zeer lokale fenomenen gaat, want die zijn vaak duidelijker apart te onderscheiden. 2. Bodemstof (20% variantie): ook hier valt bodemstof vanwege de typische elementen eenvoudig te herkennen. 3. Secundaire anorganische ionen en olieverbranding (17% variantie): net als op de vorige plaatsen hebben we hier te maken met een samengestelde factor van twee bronnen. 4. Zeezout (9% variantie): ook deze factor valt weer vrij eenvoudig te herkennen als zeezout door de hoge lading van de typische zeezouttracers.
Tabel 17: Factor analyse voor de dataset van Zwevegem Factor Loadings (Varimax normalized) (data_v1) Extraction: Principal components (Marked loadings are >.500000) Include condition: v4=105 and v3=1 Exclude cases: 662;1149;2075;2442;2514;2599;2809;2881;2917;3549 Factor Factor Factor Factor Variable 1 2 3 4 -0.19 EC 0.71 0.33 0.24 OC 0.86 -0.05 NO30.26 0.11 0.87 -0.18 -0.00 Cl0.12 SO4-0.16 -0.02 0.84 -0.25 Na+ 0.17 -0.04 0.89 NH4+ 0.31 -0.05 K+ 0.32 0.05 0.26 -0.20 Mg++ 0.49 0.24 Ca++ 0.16 0.32 0.70 Al 0.02 0.05 0.93 As 0.35 -0.04 0.75 Ba 0.36 0.46 0.01 -0.08 Ca 0.17 0.89 Cd 0.86 0.10 0.28 Cr 0.08 0.16 0.04 Cu 0.69 0.48 0.03 Fe 0.51 0.73 0.15 K 0.85 0.00 0.06 Mn 0.53 0.70 0.11 Mo 0.65 0.37 0.19 Ni 0.23 0.24 0.81 Pb 0.77 0.20 0.34 Sb 0.69 0.42 0.19 Ti 0.08 0.93 0.08 V -0.01 0.11 0.86 Zn 0.75 0.30 0.07 Expl.Var 7.01 5.43 4.46 Prp.Totl 0.26 0.20 0.17
0.25 0.01 -0.04 -0.69 -0.17 -0.86 0.03 -0.64 -0.69 -0.32 -0.06 0.08 0.04 -0.05 0.02 0.35 0.04 0.15 -0.15 0.06 -0.05 0.11 0.09 0.13 0.00 0.10 -0.10 2.55 0.09
Evergem 1. Secundair stof en olieverbranding (19% variantie): net als op de vorige plaatsen hebben we hier te maken met een samengestelde factor van twee bronnen. Omdat ook OC vrij hoog geladen is omvat deze factor waarschijnlijk ook een deel secundair organisch stof. 2. Bodemstof (17% variantie): ook hier valt bodemstof vanwege de typische elementen eenvoudig te herkennen. 3. Verkeer en (zware) metalen (23% variantie): net als in Zwevegem lijkt deze factor een mix van verkeersbijdrage en metalen die we in verband brengen met verbrandingsprocessen en/of industrile processen. 4. Zeezout (8% variantie): ook deze factor valt alweer eenvoudig te herkennen als zeezout door de hoge lading van de typische zeezout tracers. 5. Barium & chroom (7% variantie): deze twee elementen lijken zich vrij analoog te gedragen en zouden dus, op zijn minst op enkele dagen, afkomstig kunnen zijn van dezelfde bron. 6. Molybdeen & titaan (5% variantie): deze factor stelt vrijwel zeker de lokale bijdrage uit de zuid-oostelijke sector voor. Door het feit dat de bedrijven Sadaci en Kronos Europe vlak naast elkaar gelegen zijn, kan de analyse ze blijkbaar niet als aparte bronnen herkennen.
Tabel 18: Factor analyse voor de dataset van Evergem Factor Loadings (Varimax normalized) (data_v1) Extraction: Principal components (Marked loadings are >.500000) Include condition: v4=106 AND v3=1 Exclude cases: 662;1149;2075;2442;2514;2599;2809;2881;2917;3549 Factor Factor Factor Factor Factor Factor Variable 1 2 3 4 5 6 EC 0.11 0.42 0.52 -0.03 0.48 0.06 OC 0.51 0.03 0.69 -0.18 0.19 0.07 NO30.91 0.01 0.12 0.11 0.04 -0.02 Cl-0.32 -0.01 0.28 0.59 0.00 -0.13 -0.02 -0.09 SO4-0.89 0.02 0.11 0.08 Na+ 0.05 0.12 -0.31 0.82 -0.01 0.14 0.16 0.02 -0.04 -0.06 0.94 -0.10 NH4+ K+ 0.46 0.14 0.34 0.65 0.02 -0.01 0.46 0.37 -0.19 Mg++ 0.67 0.22 -0.05 Ca++ 0.42 0.67 0.01 0.35 0.23 -0.07 -0.02 0.92 0.14 0.05 0.01 0.10 Al As 0.19 0.74 0.19 -0.31 -0.13 -0.03 Ba -0.01 0.31 0.38 0.12 0.63 0.05 Ca -0.02 0.90 0.18 0.13 0.12 0.04 0.20 0.02 0.90 0.05 -0.09 Cd 0.08 Cr 0.05 0.16 0.05 0.03 0.81 -0.03 Cu 0.22 0.22 0.81 0.02 0.35 -0.01 Fe 0.07 0.82 0.25 -0.00 0.21 -0.03 K 0.11 0.29 0.68 0.03 0.13 0.13 Mn 0.04 0.92 0.26 0.06 0.10 0.04 -0.04 Mo -0.16 0.46 0.17 0.16 0.66 Ni 0.81 0.16 0.39 -0.07 0.21 0.06 Pb 0.08 0.15 0.89 0.01 0.10 0.01 Sb 0.32 0.15 0.80 -0.06 0.30 0.01 0.85 0.03 0.17 -0.11 -0.08 -0.07 Ti V 0.78 0.19 0.29 0.01 0.11 0.11 Zn 0.29 0.23 0.68 -0.14 0.13 -0.06 Expl.Var 5.04 4.50 6.28 2.22 1.94 1.28 Prp.Totl 0.19 0.17 0.23 0.08 0.07 0.05
96
Chemkar PM10 (2008-2009)
Zwijndrecht 1. Verkeer en (zware) metalen (32% variantie): zoals bij de twee vorige plaatsen zien we hier een mix van verkeersbijdrage en een reeks metalen die we in verband brengen met verbrandingsprocessen en/of industrile processen. 2. Secundair anorganisch stof en olieverbranding (17% variantie): net als op de vorige plaatsen hebben we hier te maken met een samengestelde factor van twee bronnen. 3. Bodemstof (variantie 21%): alweer valt bodemstof vanwege de typische elementen eenvoudig te herkennen. 4. Zeezout (variantie 11%): ook deze factor valt alweer eenvoudig te herkennen als zeezout door de hoge lading van de typische zeezout tracers.
Tabel 19: Factor analyse voor de dataset van Zwijndrecht Factor Loadings (Varimax normalized) (data_v1) Extraction: Principal components (Marked loadings are >.500000) Include condition: v4=107 AND v3=1 Exclude cases: 662;1149;2075;2442;2514;2599;2809;2881;2917;3549 Factor Factor Factor Factor Variable 1 2 3 4 EC 0.75 -0.03 0.41 0.05 OC 0.86 0.33 0.15 0.03 NO30.35 0.85 0.04 0.18 -0.22 0.12 0.58 -0.07 ClSO4-0.17 0.84 -0.01 0.34 -0.35 Na+ 0.04 0.03 0.84 NH4+ 0.32 0.88 -0.01 0.00 K+ 0.30 0.38 0.13 0.75 Mg++ 0.00 0.39 0.04 0.87 Ca++ 0.41 0.53 0.11 0.60 Al 0.20 0.07 0.88 0.10 As 0.83 0.19 0.14 -0.12 Ba 0.65 0.17 0.70 0.07 0.20 -0.04 Ca 0.87 0.13 Cd 0.84 0.14 0.34 -0.00 -0.03 0.55 0.01 -0.14 Cr Cu 0.66 0.14 0.66 0.05 Fe 0.62 0.11 0.72 0.10 K 0.80 0.03 0.19 -0.07 Mn 0.59 0.07 0.73 0.02 Mo 0.66 0.15 0.63 0.02 Ni 0.08 0.85 0.25 -0.01 Pb 0.92 0.11 0.28 0.01 Sb 0.81 0.11 0.44 0.04 Ti 0.03 0.20 0.89 0.06 0.84 0.15 -0.00 -0.20 V Zn 0.79 0.21 0.34 0.10 Expl.Var 8.56 4.61 5.60 2.95 Prp.Totl 0.32 0.17 0.21 0.11
Borgerhout 1. Verkeer en bodemstof (23% variantie): net als in Roeselare zien we hier dat de typische verkeerstracers in dezelfde factor voorkomen als de bodemelementen. Dit geeft aan dat er ook op deze plaats een belangrijke wisselwerking is tussen verkeer en opwaaiend bodemstof. 2. Secundaire anorganische ionen en olieverbranding (14% variantie): net als op de vorige plaatsen hebben we hier te maken met een samengestelde factor van twee bronnen. 3. Zeezout (12% variantie): ook deze factor valt alweer eenvoudig te herkennen als zeezout door de hoge lading van de typische zeezout tracers. 4. Verbrandingsstof (18% variantie): net als in Oostrozebeke en Evergem zien we hier een factor met hoge ladingen voor tracers van verbranding van organisch materiaal (OC en K) en een reeks metalen die we in verband brengen met verbrandingsprocessen en/of industrile processen. 5. Titaan en zink (6% variatie): deze twee elementen lijken zich vrij analoog te gedragen en zouden dus, op zijn minst op enkele dagen, afkomstig kunnen zijn van dezelfde bron.
Tabel 20: Factor analyse voor de dataset van Borgerhout Factor Loadings (Varimax normalized) (data_v1) Extraction: Principal components (Marked loadings are >.500000) Include condition: v4=109 and v3=1 Exclude cases: 662;1149;2075;2442;2514;2599;2809;2881;2917;3549 Factor Factor Factor Factor Factor Variable 1 2 3 4 5 -0.17 EC 0.72 0.21 0.29 0.11 OC 0.23 0.35 0.12 0.79 0.07 NO30.05 0.81 0.18 0.29 -0.14 0.08 0.43 0.23 0.25 Cl-0.19 0.84 0.19 0.23 -0.10 SO4--0.06 Na+ -0.14 -0.12 0.82 -0.10 0.39 NH4+ -0.00 0.84 0.18 0.28 -0.16 K+ -0.02 0.01 0.76 0.29 -0.21 Mg++ 0.25 0.08 0.89 -0.08 0.09 Ca++ 0.72 0.12 0.52 -0.06 -0.09 Al 0.81 0.10 -0.06 -0.02 0.23 As 0.02 0.10 0.01 0.63 0.04 0.49 0.28 -0.34 Ba 0.40 -0.07 Ca 0.79 -0.01 0.03 -0.22 -0.01 Cd 0.21 0.19 0.03 0.83 0.11 -0.20 0.19 0.29 Cr 0.29 -0.07 Cu 0.78 -0.00 -0.00 0.56 0.04 0.33 0.09 Fe 0.88 -0.01 -0.08 K 0.26 0.12 0.27 0.73 -0.20 Mn 0.84 0.03 0.03 0.42 0.07 0.43 0.14 Mo 0.79 0.01 -0.05 Ni 0.08 0.85 -0.21 0.10 0.11 Pb 0.18 0.18 0.06 0.89 0.09 0.52 -0.06 Sb 0.60 -0.01 -0.07 Ti 0.43 -0.06 0.13 -0.20 0.65 0.85 -0.23 -0.07 0.04 V -0.09 Zn 0.10 -0.09 0.11 0.20 0.70 Expl.Var 6.14 3.82 3.16 4.80 1.63 Prp.Totl 0.23 0.14 0.12 0.18 0.06
98
Chemkar PM10 (2008-2009)
Moerkerke 1. Verkeer en (zware) metalen (33% variantie): zoals bij enkele van de vorige plaatsen zien we hier een mix van verkeersbijdrage en een reeks metalen die we in verband brengen met verbrandingsprocessen en/of industrile processen. 2. Zeezout (13% variantie): ook deze factor valt alweer eenvoudig te herkennen als zeezout door de hoge lading van de typische zeezout tracers. 3. Bodemstof (10% variantie): ook hier valt bodemstof vanwege de typische elementen eenvoudig te herkennen. 4. Secundaire anorganische ionen en olieverbranding (12% variantie): net als op de vorige plaatsen hebben we hier te maken met een samengestelde factor van twee bronnen. 5. Chroom en ijzer (7% variantie): deze twee elementen lijken zich vrij analoog te gedragen en zouden dus, op zijn minst op enkele dagen, afkomstig kunnen zijn van dezelfde bron.
Tabel 21: Factor analyse voor de dataset van Moerkerke Factor Loadings (Varimax normalized) (data_v1) Extraction: Principal components (Marked loadings are >.500000) Include condition: v4=101 and v3=1 Exclude cases: 662;1149;2075;2442;2514;2599;2809;2881;2917;3549 Factor Factor Factor Factor Factor Variable 1 2 3 4 5 -0.02 EC 0.86 0.09 0.07 0.27 OC 0.92 0.08 0.02 0.19 0.06 NO30.51 0.43 0.00 0.63 -0.02 0.38 0.06 -0.49 -0.28 Cl-0.05 SO4-0.33 0.47 -0.07 0.60 0.04 Na+ -0.46 0.76 0.19 -0.12 -0.08 NH4+ 0.49 0.44 -0.07 0.70 -0.01 K+ 0.26 0.86 0.14 0.13 -0.01 Mg++ 0.00 0.91 0.04 0.28 0.15 Ca++ 0.26 0.74 0.06 0.43 0.22 Al 0.28 0.17 0.76 0.17 0.29 As 0.85 0.03 0.07 0.22 0.20 Ba 0.26 0.07 0.20 0.09 0.01 Ca 0.02 0.02 0.88 0.08 -0.12 Cd 0.74 0.03 0.12 0.04 -0.05 Cr 0.05 0.09 0.05 -0.04 0.82 Cu 0.84 0.03 0.19 0.07 0.21 Fe 0.46 0.13 0.54 0.14 0.62 K 0.66 0.20 0.20 0.00 -0.30 Mn 0.73 0.04 0.48 0.10 0.38 Mo 0.66 0.12 0.29 0.06 0.09 Ni 0.15 0.18 0.38 0.76 0.01 0.13 0.03 -0.05 Pb 0.94 0.06 0.12 0.25 0.09 Sb 0.89 -0.00 Ti 0.60 0.15 0.54 0.17 0.26 V -0.12 0.12 0.27 0.82 -0.09 Zn 0.73 0.03 -0.01 -0.02 -0.07 Expl.Var 8.89 3.63 2.71 3.32 1.80 Prp.Totl 0.33 0.13 0.10 0.12 0.07
Aarschot 1. Bodemstof (17% variantie): ook hier valt bodemstof vanwege de typische elementen eenvoudig te herkennen. 2. Secundaire anorganische ionen en olieverbranding (16%): net als op de vorige plaatsen hebben we hier te maken met een samengestelde factor van twee bronnen. 3. Verkeer en (zware) metalen (23% variantie): zoals bij meerdere andere plaatsen zien we hier een mix van verkeersbijdrage en een reeks metalen die we in verband brengen met verbrandingsprocessen en/of industrile processen. 4. Metalen (13% variantie): verschillende metalen doen zich hier voor in n factor, zonder hoge ladingen voor EC, OC of andere typische tracers. Dit kan mogelijk wijzen op de bijdrage van een industrile bron in de regio. 5. Zeezout (7% variantie): ook deze factor valt alweer eenvoudig te herkennen als zeezout door de hoge lading van de typische zeezout tracers. (Ter info: het feit dat de ladingen negatief zijn heeft geen betekenis naar de interpretatie toe, maar is een toevallig gevolg van de rekenmethodiek)
Tabel 22: Factor analyse voor de dataset van Aarschot Factor Loadings (Varimax normalized) (data_v1) Extraction: Principal components (Marked loadings are >.500000) Include condition: v4=102 and v3=1 Exclude cases: 662;1149;2075;2442;2514;2599;2809;2881;2917;3549 Factor Factor Factor Factor Factor Variable 1 2 3 4 5 -0.06 EC 0.23 0.77 0.16 0.03 OC 0.21 0.31 0.79 0.18 0.03 NO30.05 0.90 0.26 0.05 -0.09 Cl-0.07 -0.11 0.03 -0.09 -0.62 SO4-0.18 0.90 0.09 0.08 -0.10 -0.54 -0.13 -0.63 Na+ 0.16 -0.02 NH4+ 0.12 0.93 0.20 0.05 0.06 K+ 0.32 0.55 -0.19 -0.08 -0.56 Mg++ 0.11 0.49 0.12 0.26 -0.64 Ca++ 0.08 0.48 0.31 0.29 -0.32 Al 0.92 0.04 -0.01 0.13 -0.05 As 0.14 0.31 0.77 0.06 0.19 Ba 0.69 0.11 0.42 0.05 -0.05 Ca 0.75 -0.04 0.34 -0.06 -0.16 Cd 0.19 0.23 0.88 0.20 0.02 Cr 0.15 -0.03 0.11 0.87 0.04 Cu 0.54 0.13 0.63 0.33 -0.00 Fe 0.69 0.09 0.25 0.58 0.01 K 0.13 0.15 0.83 0.29 -0.16 Mn 0.58 0.05 0.32 0.62 -0.17 Mo 0.23 0.01 0.32 0.83 0.08 Ni -0.07 0.28 0.26 0.70 0.08 Pb 0.28 0.31 0.77 0.23 0.10 Sb 0.53 0.22 0.43 0.09 0.37 Ti 0.88 0.18 0.18 0.24 0.07 0.72 0.18 -0.01 0.24 V -0.09 Zn 0.27 0.02 0.62 0.51 -0.06 Expl.Var 4.68 4.36 6.10 3.54 1.97 Prp.Totl 0.17 0.16 0.23 0.13 0.07
100
Chemkar PM10 (2008-2009)
Retie 1. Verkeer en bodemstof (25% variantie): net als in Roeselare en Borgerhout zien we hier dat de typische verkeerstracers in dezelfde factor voorkomen als de bodemelementen. Gezien de lage concentraties van zowel EC als de fractie mineraal stof kan men hier niet stellen dat er een belangrijk lokaal verband is tussen deze twee bronnen. Mogelijk variren deze twee bijdragen hier samen onder invloed van de weersomstandigheden. 2. Secundaire anorganische ionen en olieverbranding (19% variantie): net als op de vorige plaatsen hebben we hier te maken met een samengestelde factor van twee bronnen. 3. Zeezout (13% variantie): ook deze factor valt alweer eenvoudig te herkennen als zeezout door de hoge lading van de typische zeezout tracers. 4. Lood en antimoon (8% variantie): deze twee elementen lijken zich vrij analoog te gedragen en zouden dus, op zijn minst op enkele dagen, afkomstig kunnen zijn van dezelfde bron.
Tabel 23: Factor analyse voor de dataset van Retie Factor Loadings (Biquartimax normalized) (data_v1) Extraction: Principal components (Marked loadings are >.500000) Include condition: v4=108 and v3=1 Exclude cases: 662;1149;2075;2442;2514;2599;2809;2881;2917;3549 Factor Factor Factor Factor Variable 1 2 3 4 EC 0.69 -0.04 0.20 -0.01 0.03 OC 0.65 0.34 -0.03 NO30.16 0.93 0.14 0.03 Cl0.05 -0.07 0.29 0.39 SO4-0.05 0.90 0.15 0.01 -0.28 Na+ -0.05 0.73 0.20 NH4+ 0.04 0.94 0.17 -0.00 K+ 0.39 0.21 0.72 0.22 0.04 Mg++ 0.14 0.33 0.81 -0.16 Ca++ 0.18 0.40 0.57 Al 0.59 -0.08 0.39 -0.31 As 0.68 0.46 -0.12 0.24 Ba 0.27 0.11 0.49 0.12 0.30 -0.03 Ca 0.67 -0.10 Cd 0.72 0.17 0.03 0.42 Cr 0.08 0.00 -0.06 -0.37 Cu 0.81 0.18 0.05 0.06 Fe 0.83 0.15 -0.03 -0.31 K 0.74 0.02 0.42 0.15 Mn 0.87 0.07 0.03 -0.30 Mo 0.34 0.50 -0.12 -0.42 0.02 Ni 0.10 0.76 -0.09 Pb 0.63 0.31 0.10 0.60 Sb 0.23 0.30 -0.12 0.57 0.60 -0.12 Ti 0.21 -0.18 0.40 V 0.09 0.74 -0.16 Zn 0.67 -0.10 0.33 0.20 Expl.Var 6.72 5.00 3.45 2.05 Prp.Totl 0.25 0.19 0.13 0.08
3.4 Conclusies
Enkele vermoedens over de oorzaken van verhoogde concentraties worden min of meer bevestigd door de resultaten van aanvullende statistische analyses: In Roeselare is verkeer waarschijnlijk de belangrijkste directe oorzaak voor de verhoging van mineraal stof in de lucht. Dit blijkt zowel uit de sterke gelijkenis tussen de boxplots per windsector van bodemstof en elementaire koolstof als uit de factoranalyse waarbij de bodemelementen en de verkeerstracers in dezelfde factor voorkomen. Hoe belangrijk de overslagplaats is als bron van mineraal stof op de grond kunnen we op basis van de luchtmetingen moeilijk inschatten. De relatief verhoogde calciumwaarden die in hoofdstuk 2 aan bod kwamen geven wel aan dat de overslagplaats vermoedelijk wel een rol speelt in deze problematiek. Anderzijds zijn de concentraties van mineraal stof niet uitzonderlijk hoog vergeleken met andere hotspots. We kunnen dus niet stellen dat de problematiek op deze meetplaats een zeer lokale uitzondering is die enkel te wijten is aan de aanwezigheid van de overslagplaats. In Oostrozebeke tonen de boxplots per windsector dat er een lokale verhoging van organische massa en lood is bij wind vanuit het zuidwesten. In deze windrichting bevinden zich de bedrijven Spano en Metaalbouw Vandekerckhove. Voor de organische massa is Spano de meest waarschijnlijke verantwoordelijke. Voor de hoge loodconcentraties valt het moeilijker te achterhalen welk van deze twee bedrijven verantwoordelijk is. De factoranalyse geeft aan dat ook andere zware metalen zoals arseen, cadmium en zink waarschijnlijk van dezelfde bron als lood komen. De verbranding van behandeld hout kan een mogelijke bron zijn van deze metalen. In Evergem doen de verhoogde concentraties voor molybdeen en titaan zich enkel voor bij wind vanuit de richting van de bedrijven Sadaci en Kronos Europe. Hier is er dus eigenlijk geen enkele twijfel over het feit dat zij verantwoordelijk zijn voor de verhoogde concentraties van deze twee elementen. Uit de aparte factoranalyses komen algemene trends naar boven. Zo kunnen vrijwel overal vergelijkbare factoren worden waargenomen. Deze stellen de belangrijkste oorzaken van PM 10 voor: secundaire anorganische ionen & olieverbranding: met hogere ladingen voor NO 3 -, SO 4 2-, NH 4 + enerzijds, en V en Ni anderzijds; zeezout: met hogere ladingen voor Na+, Mg2+, K+ , Ca2+ en Cl-; bodemstof: met hogere ladingen voor Al, Ca, Fe, Mn en Ti; verkeer: met hogere ladingen voor EC, Cu, Fe, Mo en Sb; verbrandingsstof: met hogere ladingen voor OC en verschillende (zware) metalen.
102
Chemkar PM10 (2008-2009)
4 Aanvullende resultaten en berekeningen

4.1 Inleiding
In dit hoofdstuk komen drie zaken aan bod die vrij los staan van het voorgaande. Eerst gaan we dieper in op de natuurlijke bijdrage van zeezout. Daarna bespreken we kort de metingen van de chemische samenstelling van PM 2,5 fijn stof in Retie en Borgerhout. Als laatste bekijken we de chemische samenstelling tijdens twee smogperiodes.
4.2 Aftrek van de natuurlijke bijdrage door zeezout

4.2.1 Toelichting De huidige Europese richtlijn 2008/50/EG betreffende de luchtkwaliteit en schonere lucht voor Europa bevat volgende passages: Artikel 2 Definities bijdragen van natuurlijke bronnen: emissies van verontreinigende stoffen die niet direct of indirect zijn veroorzaakt door menselijke activiteiten, met inbegrip van natuurverschijnselen zoals vulkanische uitbarstingen, seismische activiteiten, geothermische activiteiten, bosbranden, stormen, zeezout als gevolg van verstuivend zeewater of de atmosferische opwerveling of verplaatsing van natuurlijke deeltjes uit droge regios; Artikel 20 Bijdragen van natuurlijke bronnen 1. De lidstaten verstrekken de Commissie, voor een bepaald jaar, een lijst van zones en agglomeraties waar overschrijdingen van grenswaarden voor een bepaalde verontreinigende stof toe te schrijven zijn aan natuurlijke bronnen. De lidstaten verstrekken gegevens over de concentraties en bronnen en het bewijsmateriaal dat aantoont dat de overschrijdingen aan natuurlijke bronnen zijn toe te schrijven. 2. Wanneer de Commissie overeenkomstig lid 1 in kennis is gesteld van een aan natuurlijke bronnen toe te schrijven overschrijding, wordt die overschrijding niet als een overschrijding in de zin van deze richtlijn aangemerkt. Dit betekent dus dat aftrek enkel mag in geval van een overschrijding die er zonder de bijdrage van die natuurlijke bron niet zou geweest zijn. In de praktijk moet men ook kunnen onderbouwen dat de natuurlijke bron wel degelijk voor die bepaalde overschrijding verantwoordelijk is. Het toepassen van een algemene aftrek van bijvoorbeeld een vast aantal overschrijdingsdagen is dus niet toegelaten. Los van de wettelijke mogelijkheid willen we toch enkele belangrijke opmerkingen betreffende de aftrek van zeezout vermelden: Het idee van aftrek van zeezout komt niet uit wetenschappelijke kring. Veel wetenschappers zien het eerder als een politieke kunstgreep om het aantal overschrijdingen van de EU grenswaarde te verminderen. Vanuit medische kringen is er ernstige kritiek op deze aftrek en op aftrek van andere natuurlijke bijdragen omdat de huidige grenswaarden gebaseerd zijn op totaal fijn stof (dus zonder enige aftrek). Een aftrek van zeezout zou dus eigenlijk enkel kunnen indien de grenswaarden ook herbekeken worden. Dit alles blijkt ook uit een open brief van een hele reeks vooraanstaande wetenschappers aan de voorzitter van de Europese 17 Commissie milieubeheer, volksgezondheid en voedselveiligheid .
17
http://www.iras.uu.nl/EPletter/EUletterFINAL.pdf
4. Aanvullende resultaten en berekeningen 103
De veronderstelling dat zeezout volledig onschadelijk zou zijn is ook onvoldoende onderbouwd. Aerosolchemie is een zeer complex gegeven waarbij deeltjes (bijvoorbeeld zeezout) na hun ontstaan nog verder kunnen reageren (bijvoorbeeld de reactie van NaCl met HNO 3 tot NaNO 3 ). Daarnaast kunnen deeltjes ook optreden als reactiemedium voor het ontstaan van andere (schadelijke) verbindingen en kunnen deeltjes ook schadelijk zijn omwille van hun fysische eigenschappen.
4.2.2 Berekeningsformules Er bestaan verschillende formules voor de berekening van zeezout. Eigenlijk gaan ze allemaal uit van de gekende samenstelling van zeewater en schatten ze aan de hand van een of meer tracers de totale bijdrage van zeezout. Als tracerelementen gebruikt men doorgaans het natrium ion of het chloride ion. Het probleem bij deze berekening is dat natriumchloride (NaCl) kan reageren met gasvormig - en van menselijke activiteiten afkomstig - salpeterzuur (HNO 3 ). Hierbij ontstaat natriumnitraat (NaNO 3 ) en vervluchtigt waterstofchloride (HCl). Eigenlijk vervangt het antropogeen nitraat dus het natuurlijke chloride. Het gevolg hiervan is dat natrium zich niet meer uitsluitend in het natuurlijke NaCl bevindt, maar in het antropogene NaNO 3 . Deze laatste component mag natuurlijk niet als natuurlijk zeezout meegerekend worden. Daarom is het best om zo weinig mogelijk gewicht te geven aan Na bij de berekening van natuurlijk zeezout. In de eerste Chemkar studie deden we dit door gebruik te maken van de formule: Natuurlijk zeezout = 1,8 ClDe factor 1,8 is de gekende verhouding van totaal zeezout en chloride. Het probleem hierbij is dat we het Na in NaNO 3 niet meetellen. Daarom geven we nu de voorkeur aan de formule: Natuurlijk zeezout = 1,26 Cl- + Na+ Hierbij is de factor 1,26 de gekende verhouding van totaal zeezout zonder natrium, en chloride. Voor de volledigheid voegen we in de tabellen ook de eerder gebruikte formule toe die men in dit soort onderzoek vrij algemeen gebruikt voor de berekening van zeezout. Maar men moet zich er dus van bewust zijn dat deze formule natuurlijk zeezout overschat. Zeezout = 1,45 Na+ + Cl4.2.3 Effect op jaargemiddelde Hoewel we geen echt jaargemiddelde (op basis van 365 dagen) kunnen berekenen, kunnen we het algemeen gemiddelde van de 61 meetdagen als een benadering hiervan beschouwen. Tabel 24 toont dat het effect van het aftrekken van natuurlijk zeezout het gemiddelde met 2,4 g/m3, ofwel ca. 9% zou doen dalen. Tabel 25 laat het effect zien op het aantal overschrijdingen van de daggrenswaarde bij het toepassen van zeezout aftrek op dagbasis. Deze waarden zijn enkel voor de projectperiode (telkens een 60-tal dagen per station) en dus niet voor een volledig jaar. Op een totaal van 528 meetdagen, zijn er bij zeezoutaftrek 5 overschrijdingsdagen minder. Wanneer we dit omrekenen naar 365 dagen vinden we een gemiddelde daling van 3,5 overschrijdingsdagen per meetplaats, per jaar. We zien in de tabel dat zeezoutaftrek op heel wat plaatsen geen invloed heeft op de overschrijdingen van de PM 10 daggrenswaarde. Op drie plaatsen is er n overschrijding minder en in Roeselare zouden er twee overschrijdingen minder zijn. Omdat de bijdrage van zeezout op dagen met hogere PM 10 concentraties afneemt (zie eerder Figuur 90) zal de aftrek van zeezout enkel een rol spelen bij concentraties net boven de 50 g/m3. We kunnen verwachten dat op plaatsen met hogere gemiddelde concentraties de kans op waarden net boven de 50 g/m3 daggrenswaarde groter is dan op plaatsen met lagere gemiddelde concentraties. Het effect van zeezoutaftrek kan op hotspots dus iets groter zijn. Daarnaast speelt ook de ligging van de meetplaats nog een rol, hoe verder van de kust, hoe kleiner het effect.
104
Chemkar PM10 (2008-2009)
Tabel 24: Effect van zeezoutaftrek op de algemene PM10 gemiddelden van de meetplaatsen
1,8 Clg/m3 RET MOE AAR ROE OOS ZWE EVE ZWI BOR Gem. - 1,08 - 1,56 - 1,07 - 1,81 - 1,73 - 1,29 - 1,61 - 1,65 - 1,92 - 1,52 - 4,9% - 6,5% - 4,8% - 5,7% - 5,1% - 4,8% - 5,6% - 5,9% - 6,8% - 5,6%
1,26 Cl- + Na+ g/m3 - 1,63 - 2,49 - 1,93 - 2,73 - 2,77 - 2,11 - 2,66 - 2,68 - 2,63 - 2,40 - 7,4% - 10,4% - 8,6% - 8,7% - 8,1% - 7,9% - 9,2% - 9,6% - 9,3% - 8,8%
1,45 Na+ + Clg/m3 - 1,87 - 2,90 - 2,31 - 3,13 - 3,22 - 2,47 - 3,12 - 3,13 - 2,93 - 2,79 - 8,5% - 12,1% - 10,3% - 9,9% - 9,5% - 9,2% - 10,8% - 11,2% - 10,4% - 10,2%
Tabel 25: Effect van zeezoutaftrek op de overschrijdingen van de PM 10 daggrenswaarde (enkel projectdata)
dagen >50 RET MOE AAR ROE OOS ZWE EVE ZWI BOR Totaal (528d) 3 3 2 7 8 3 5 5 6 42
1.8Cl 0 0 -1 -2 -1 0 0 0 -1 -5
1.26Cl+Na 0 0 -1 -2 -1 0 0 0 -1 -5
1.45Na+Cl 0 0 -1 -2 -3 0 0 0 -1 -7
4.3 Chemische samenstelling van PM 2,5 in Borgerhout en Retie

4.3.1 Toelichting Op de twee meetplaatsen Borgerhout en Retie deden we naast de PM 10 metingen ook simultaan metingen van PM 2,5 fijn stof. Hiermee wilden een beter beeld krijgen van het verschil tussen de twee fracties op een typische stedelijke meetplaats en een typische achtergrond meetplaats. Het verschil tussen PM 10 en PM 2,5 duidt men doorgaans aan met PM 10-2,5 en noemt men de grove fractie van fijn stof. Deze grove fractie werd niet apart gemeten, maar afgeleid uit het verschil tussen de gemiddelde resultaten van de twee andere fracties. Omwille van een technisch probleem met het PM 2,5 toestel in Borgerhout zijn de filters gedurende de maanden mei, juni en juli aan hogere temperaturen blootgesteld dan normaal. Hierdoor is mogelijk een groter deel van de semi-vluchtige fractie (bepaalde organische verbindingen en ammoniumnitraat) vervluchtigd. We moeten de resultaten van Borgerhout dus met wat terughoudendheid bekijken. 4.3.2 Resultaten Figuur 99 tot en met Figuur 102 tonen de relatieve en absolute samenstelling voor de drie fracties in Retie en Borgerhout. Op beide meetplaatsen zien we vergelijkbare patronen. Wanneer we de fijne PM 2,5 fractie vergelijken met de grove PM 10-2,5 fractie zien we op beide plaatsen dat: mineraal stof en zeezout zich vooral in de grove fractie bevinden; organische massa en elementaire koolstof zich vooral in de fijne fractie bevinden; ammoniumsulfaat zich quasi uitsluitend in de fijne fractie bevindt; nitraat zowel in de fijne als de grove fractie van belang is.
Aangezien we zeer weinig ammonium terugvinden in de grove fractie kunnen we afleiden dat het grove nitraat vooral onder de vorm van natriumnitraat aanwezig is. Dit geeft aan dat de veroudering van zeezout, waarbij NaCl wordt omgezet naar NaNO 3 een vaak voorkomende reactie is.
PM10
andere 20% EC 2% OM 17%
PM2,5 ('fijn')
zeezout 9%
andere 18%
EC 3%
OM 20%
EC 2%
OM 9% zeezout 15%
zeezout 5% mineraal stof 18% nssSO4 NH4 1% 6%
NO3 22%
NH4 12%
NO3 21%
NO3 22%
Figuur 99: Gemiddelde relatieve samenstelling van PM 10 , PM 2,5 en PM 10-2,5 in Retie
PM10
andere 21%
EC 6% OM 17%
PM2,5 ('fijn')
andere 16%
EC 8% OM 23%
EC OM 2% 8% zeezout 18%
zeezout 10%
zeezout 6% NO3 19%
NO3 17%
mineraal stof 29%
NO3 15% nssSO4 NH4 1% 2%
Figuur 100: Gemiddelde relatieve samenstelling van PM 10 , PM 2,5 en PM 10-2,5 in Borgerhout
106
Chemkar PM10 (2008-2009)
25
andere
Retie
20 4.5 1.7 15
g/m 3
mineraal stof nssSO4 NH4 2.6 0.4 2.7 1.7 3.1 0.8 3.1
0.4
3.1 1.8
NO3 zeezout 1.9 1.3 1.6 1.1 0.7 PM10-PM2,5 OM EC
10 4.7 5 1.9 3.7 0

0.5
PM10
PM2,5
Figuur 101: Gemiddelde absolute samenstelling van PM 10 , PM 2,5 en PM 10-2,5 in Retie
30
andere
Borgerhout
25 20
g/m 3
5.5 3.8 2.8 3.0 0.7 2.6 1.7 3.4 1.1 4.9
1.6
mineraal stof nssSO4 NH4 NO3 zeezout 2.5 3.1 1.5 1.8 0.8 PM10-PM2,5 OM EC
15 10
1.7 4.9 2.9
5 0
4.1
1.4
PM10
PM2,5
Figuur 102: Gemiddelde samenstelling van PM 10 , PM 2,5 en PM 10-2,5 in Borgerhout
De waargenomen patronen blijken ook uit Tabel 26 en Figuur 103. Het feit dat er weinig verschil is tussen de PM 10 /PM 2,5 verhoudingen op beide plaatsen is ook zeker het vermelden waard. Dit lijkt ook aan te geven dat het tijdelijke technische probleem met het PM 2,5 toestel in Borgerhout geen grote invloed gehad heeft op de gemiddelde resultaten.
Tabel 26: Gemiddelde samenstelling van PM 10 , PM 2,5 en PM 10-2,5 in Retie en Borgerhout.
EC RET PM 10 PM 2,5 PM 10-2,5 PM 2,5 /PM 10 BOR PM 10 PM 2,5 PM 10-2,5 PM 2,5 /PM 10 0.52 0.37 0.15 72% 1.64 1.44 0.20 88%
OM zeezout 3.73 3.06 0.68 82% 4.87 4.07 0.80 84% 1.87 0.79 1.08 42% 2.93 1.14 1.79 39%
NO3 4.68 3.06 1.62 65% 4.93 3.43 1.50 70%
NH4 nssSO4 1.85 1.74 0.11 94% 1.71 1.66 0.06 97% 3.08 2.68 0.40 87% 2.81 2.64 0.16 94%
mineraal stof 1.71 0.38 1.32 22% 3.79 0.73 3.06 19%
andere 4.49 2.57 1.92 57% 5.50 2.96 2.54 54%
100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% EC OM zeezout NO3 NH4 nssSO4 mineraal stof andere
RET PM2,5/PM10 BOR PM2,5/PM10
Figuur 103: Gemiddelde PM 2,5 /PM 10 -verhouding van de hoofdcomponenten in Retie en Borgerhout
4.4 Chemische samenstelling tijdens twee smogperiodes

4.4.1 Toelichting In de loop van het project zijn tijdens twee ernstige smogepisodes begin januari 2009 en begin april 2009 extra chemische analyses uitgevoerd op PM 10 filters van de meetplaats in Borgerhout. Het uitvoeren van extra analyses was niet mogelijk voor andere meetplaatsen omdat er daar geen filters voorzien waren. Dit is op zich geen groot probleem omdat er tijdens smogperiodes meestal in heel Vlaanderen sterke verhogingen zijn en we dus kunnen vermoeden dat de samenstelling op dat soort dagen vrij vergelijkbaar is. Figuur 104 toont voor elk van de twee periodes de backward trajectories voor de dag met de hoogste concentratie. Hierbij zien we dat er op 10 januari duidelijk een oostelijk transport is en er op 4 april eerder sprake is van een stationaire situatie.
108
Chemkar PM10 (2008-2009)
Figuur 104: Backward trajectories voor de smogdagen 10 januari en 4 april 2009
4.4.2 Resultaten Figuur 106 toont de relatieve chemische samenstelling van PM 10 in Borgerhout op 10 januari en 4 april terwijl Figuur 107 en Figuur 107 het verloop van de absolute samenstelling tonen gedurende de volledige episodes. In januari zien we een vooral een verhoging van de organische massa, maar zijn ook de concentraties vans de secundaire anorganische ionen in absolute waarde duidelijke verhoogd. In de smogperiode begin april zijn de hoge concentraties hoofdzakelijk te wijten aan de toename van de secundaire anorganische ionen. Of de verschillen tussen de twee periodes toeval zijn of echt verband houden met andere omstandigheden of bijkomende bronnen zoals gebouwenverwarming in de wintermaanden of het uitrijden van mest in de lente valt moeilijk te zeggen. Daarvoor zou men over meerdere jaren dit soort analyses moeten uitvoeren. Maar we kunnen dus wel duidelijk stellen dat secundair fijn stof de hoofdrol speelt bij smogepisodes.
10 jan 2009
andere 28% EC 2% OM 34%
4 apr 2009
EC OM 1% 8%
zeezout 1%
mineraal stof 4% nssSO4 10% NH4 6% NO3 12% zeezout 4% NH4 20%
NO3 41%
Figuur 105: Relatieve samenstelling van PM10 in Borgerhout op 10 januari en 4 april 2009
Het is verder opvallend dat de onbekende fractie veel groter is tijdens de smogperiode in januari dan in april. De mogelijke oorzaak hiervan is dat de conversiefactor 1,4 voor de omrekening van organische koolstof naar organische massa in de smogperiode in januari te laag is. Deze factor maakt namelijk een inschatting van de bijdrage van zuurstof en andere atomen aan de organische massa. Van secundaire organische massa is echter geweten dat ze meer zuurstof bevat. Op dagen met veel secundaire organische massa zou men dus waarschijnlijk een hogere conversiefactor moeten gebruiken. Waarschijnlijk is de bijdrage van organische massa in de smogepisode van januari 2009 dus nog hoger dan hier wordt weergegeven.
140
andere
JAN 2009
120 100
NH4
g/m 80
3
NO3
60
zeezout
40
OM
20
EC
0 06 jan 09 07 jan 09 08 jan 09 09 jan 09 10 jan 09 11 jan 09 12 jan 09
Figuur 106: Chemische samenstelling van PM 10 in Borgerhout tijdens de smogperiode in januari 2009
andere
140
APR 2009
120 100
NH4
g/m 80
3
NO3
60
zeezout
40
OM
20
EC
0 01 apr 09 02 apr 09 03 apr 09 04 apr 09 05 apr 09 06 apr 09 07 apr 09
Figuur 107: Chemische samenstelling van PM 10 in Borgerhout tijdens de smogperiode in april 2009
110
Chemkar PM10 (2008-2009)
4.5 Conclusies
De controversile aftrek van natuurlijk zeezout zou per meetplaats in Vlaanderen leiden tot een gemiddelde afname van 3 tot 4 PM 10 dagoverschrijdingen per jaar. Het echte effect kan echter sterk verschillen van plaats tot plaats. Het lijkt daarom niet verantwoord om een meetnet uit te bouwen dat toelaat om op dagbasis zeezout aftrek uit te voeren. Wanneer we de PM 10 fractie opsplitsen in een fijne PM 2,5 fractie en een grove PM 10-2,5 fractie merken we dat elementaire koolstof, organische massa en ammoniumsulfaat zich vooral in de fijne fractie bevinden. Mineraal stof en zeezout bevinden zich vooral in de grove fractie en nitraat is verdeeld over beide fracties, waarbij het in de grove fractie waarschijnlijk vooral als natriumnitraat voorkomt. Bij de analyse van PM 10 stof tijdens twee smogperiodes bleek secundair fijn stof telkens de hoofdverantwoordelijke voor de verhoogde concentraties. In de smogperiode in januari 2009 was dit zowel secundaire organische massa als secundaire anorganische ionen. In de smogperiode in april 2009 was de verhoging quasi volledig toe te schrijven aan de secundaire anorganische ionen.
Chemkar PM10 (2008-2009)
5 Toekomstig onderzoek en beleidsadvies

5.1 Toekomstig onderzoek
5.1.1 Chemkar houtverbranding De fractie organische massa is qua massa de op n na belangrijkste fractie van PM 10 stof. Resultaten uit ondermeer Nederland geven aan dat de verbranding van hout een belangrijke bron kan zijn voor deze fractie 18 . Omdat er zeer weinig gegevens zijn over deze bron in Vlaanderen voert VMM in 2010 een speciaal karakterisatieonderzoek uit op 7 meetplaatsen in Vlaanderen. De gekozen meetplaatsen vormen een mix qua ligging en type omgeving: Houtem: landelijke meetplaats zonder gekende lokale bronnen Retie: landelijke meetplaats zonder gekende lokale bronnen Gent: stedelijke meetplaats Borgerhout: stedelijke meetplaats Mechelen: voorstedelijke meetplaats Lier: meetplaats in omgeving met veel glastuinbouw (waaronder 2 bedrijven die hout gebruiken als brandstof) Hamme: meetplaats in omgeving met veel particuliere houtverbranding
Op deze meetplaatsen voeren we gedurende een heel jaar, om de 4 dagen, een aangepaste vorm van chemische karakterisatie uit. Naast de bepaling van elementaire en organische koolstof laten we ook de organische verbinding levoglucosan meten. Deze verbinding is een oxidatieproduct van cellulose en is momenteel de best beschikbare tracer om de bijdrage van houtverbranding te berekenen. 5.1.2 Chemkar straatstation en Antwerpse haven Sinds 2010 heeft VMM een verkeersgerichte meetplaats (straatstation) voor fijn stof in Borgerhout (R802). Op deze meetplaats meten we duidelijke hogere concentraties dan op het nabijgelegen stedelijk achtergrondstation (R801). Om de oorzaak van dit verschil beter te begrijpen zal er op deze meetplaats chemische karakterisatie plaatsvinden. De aanpak hiervoor is dezelfde als in dit werk. Daarnaast zal er ook karakterisatie gebeuren op twee meetplaatsen in de omgeving van de Antwerpse haven: Berendrecht (AB02) en Antwerpen Luchtbal (M802). In dit laatste station meten we namelijk nog regelmatige hoge fijn stof concentraties waarvan we de oorzaak niet goed kennen. Als achtergrondstation kiezen we in deze studie terug voor Retie.
5.2 Relevantie voor beleid

De informatie uit dit project is niet alleen nuttig vanuit wetenschappelijk standpunt of voor de optimalisatie van fijn stof modellen. Er zijn ook verschillende punten die rechtstreeks relevant zijn voor het beleid: Dit project bevestigt dat lokaal verkeer de belangrijkste oorzaak is van de blootstelling aan elementaire koolstof. In wetenschappelijke kringen neemt men aan dat dit waarschijnlijk de meest schadelijke fractie is. Daarom zullen maatregelen om de lokale blootstelling aan verkeersemissies te verminderen waarschijnlijk een positief gezondheidseffect hebben. Deze vermindering in blootstelling kan men realiseren door de uitstoot te verminderen of door de uitstoot verder van de bevolking te brengen. De situatie in Roeselare en Borgerhout tonen aan dat verkeer vaak verantwoordelijk is voor het heropwaaien van bodemstof. Deze fractie blijkt een zeer belangrijke rol te spelen bij lokale verhogingen van de concentraties op PM 10 hotspots. Daarnaast zijn er ook aanwijzingen dat mineraal stof schadelijk is voor de gezondheid 19 . De bijdrage van het door
http://www.ecn.nl/docs/library/report/2009/e09083.pdf B. Brunekreef en B. Forsberg, Epidemiological evidence of effects of coarse airborne particles on health, European Respiratory Journal, August 1, 2005 vol. 26 no. 2 309-318 http://erj.ersjournals.com/content/26/2/309.full
19
18
5. Toekomstig onderzoek en beleidsadvies 113
verkeer opwaaiend stof is waarschijnlijk van dezelfde grootteorde als van de directe verkeersemissies. Deze emissies bestaan vooral uit elementaire koolstof en een deel organische massa. Het is dus zeer waarschijnlijk dat minder vervuilende of zelfs zeroemission motoren het door verkeer veroorzaakte fijn stof probleem niet volledig kunnen oplossen. Om de concentraties van deze relevante fractie te doen dalen lijkt het dus ook hier aangewezen om de hoeveelheid verkeer te verminderen of het verder van de bevolking te verplaatsen. De chemische analyses tonen aan dat industrile bronnen op meerdere plaatsen verantwoordelijk zijn voor aanzienlijke lokale verhogingen van bepaalde metalen. Enkele lokale fenomenen vragen duidelijk om verder onderzoek. Vooral de soms hoge loodconcentraties in Oostrozebeke vragen om extra aandacht. Verder lijkt het ook aangewezen dat dit soort screenings blijven gebeuren om te waken over de volksgezondheid. De PM 2,5 fractie van fijn stof bestaat vooral uit elementaire koolstof, organische massa en secundair anorganisch stof. Voor deze laatste groep zijn de industrie, de landbouw en het verkeer verantwoordelijke voor de gasvormige voorlopers SO 2 , NH 3 en NOx. De Europese wetgeving verplicht Vlaanderen om de komende 10 jaar de PM 2,5 concentraties op stedelijke achtergrondplaatsen met ca. 20% te verminderen 20 . Het beleid zal dus op zoek moeten gaan naar manieren om de concentraties van deze fracties aanzienlijk te doen dalen. Het lijkt hierbij aangewezen dat men de maatregelen neemt die ook de grootste winst qua volksgezondheid opleveren. Om de gezondheidseffecten van bepaalde maatregelen te kennen is zeker nog extra onderzoek nodig. De meeste experts zijn het er wel over eens dat een reductie van elementaire koolstof zeker aangewezen en nuttig is. Ook voor organische massa is dit vrij waarschijnlijk. Over het secundaire anorganische stof is er veel minder duidelijkheid. Hoewel de reductie van de gassen SO 2 , NH 3 en NOx zonder twijfel ook een positief effect op de gezondheid zal hebben, is dit effect mogelijk kleiner dan een reductie op bij elementaire koolstof en organische massa. De weersomstandigheden hebben een zeer groot effect op de dagelijkse variatie van de fijn stof concentraties. Overschrijdingen van de PM 10 daggrenswaarde doen zich quasi uitsluitend voor op dagen met weinig wind of aanvoer uit oostelijke richting. Dit soort omstandigheden kwamen in vergelijking met het eerste chemkar onderzoek minder voor. Hierdoor waren de fijn stof concentraties over het algemeen lager dan bij de eerste studie. De beleidsmakers dienen zich dus volop bewust te zijn van het belang van de jaarlijkse weerssituatie. Men kan verwachten dat er in de toekomst zeker nog minder goede jaren voor de luchtkwaliteit jaren zullen voorkomen. Daarom lijken extra inspanningen nodig als veiligheidsmarge om de bevolking ook in deze minder goede jaren nog voldoende te beschermen. De aftrek van de natuurlijke bijdrage van zeezout is niet alleen controversieel, maar ook zeer beperkt in effect. Op basis van de gegevens in deze studie schatten we dat de aftrek van zeezout gemiddeld 3 4 PM 10 overschrijdingsdagen minder zou geven per meetplaats, per jaar. Het lokaal effect van zeezout aftrek kan sterk verschillen. Dit maakt dat de noodzakelijke meetinspanningen om tot zeezout aftrek over te gaan vermoedelijk weinig zin hebben. Om de aftrek op dagconcentraties te mogen uitvoeren moet men namelijk dagelijks op verschillende plaatsen in Vlaanderen chemische karakterisatie uitvoeren.
20
Het exacte percentage zal afhangen van het gemiddelde van de jaren 2009, 2010 en 2011.
114
Chemkar PM10 (2008-2009)
Bijlagen
A. Backward trajectories van de bemonsteringsdagen
Bijlagen 115
116
Chemkar PM10 (2008-2009)
Bijlagen 117
118
Chemkar PM10 (2008-2009)
Bijlagen 119
120
Chemkar PM10 (2008-2009)
Bijlagen 121
B. Satellietfotos van de meetplaatsen

Roeselare (M705)
122
Chemkar PM10 (2008-2009)
Oostrozebeke (OB01)
Bijlagen 123
Zwevegem (N052)
124
Chemkar PM10 (2008-2009)
Evergem (R731)
Bijlagen 125
Zwijndrecht (R815)
126
Chemkar PM10 (2008-2009)
Borgerhout (R801)
Bijlagen 127
Moerkerke (N012)
128
Chemkar PM10 (2008-2009)
Aarschot (N035)
Bijlagen 129
Retie (RT01)
130

Rapport ChemkarPM10 Def TW

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Rapport ChemkarPM10 Def TW

Uploaded by

Copyright:

Available Formats

CHEMKAR PM 10 hotspots Chemische karakterisatie van fijn stof in Vlaanderen 2008-2009

Chemkar PM10 hotspots (2008-2009)

1.3 Analyse .....................................................................................................................28

1.4 Meteorologische gegevens .......................................................................................32

2.3 Jaarverloop & boxplots per component ....................................................................36

2.4 Gemiddelde samenstelling van PM 10 .......................................................................69

3 Gevorderde analyse ............................................................................................ 85

3.3 Factor analyse per meetplaats..................................................................................90

3.4 Conclusies ..............................................................................................................102

4 Aanvullende resultaten en berekeningen........................................................ 103

4.3 Chemische samenstelling van PM 2,5 in Borgerhout en Retie .................................106

4.4 Chemische samenstelling tijdens twee smogperiodes ...........................................108

4.5 Conclusies ..............................................................................................................111

5 Toekomstig onderzoek en beleidsadvies ........................................................ 113

5.2 Relevantie voor beleid ............................................................................................113

Chemkar PM10 (2008-2009)

Chemkar PM10 hotspots (2008-2009)

Chemkar PM10 hotspots (2008-2009)

31% 20% 13% 10% 4%

2.6 1.6 3.5

2.4 4.7 2.3 1.4 1.4 3.2 4.2 4.2 3.1

2.6 1.5 4.4

2.5 8.5 6.2

1.9 3.7 4.2 0.51 4.9 0.81

Figuur I: Gemiddeld absoluut aandeel van de hoofdcomponenten in PM 10 voor alle stations

OM NO3 nssSO4 andere

Chemkar PM10 (2008-2009)

Figuur III: Relatieve elementconcentraties t.o.v. Retie

Chemkar PM10 (2008-2009)

PM10-2,5 ('grof') andere 25%

mineraal stof 13% nssSO4 10% NH4 6%

mineraal stof 4% nssSO4 15%

zeezout 6% NO3 17% NH4 9% NO3 19%

mineraal stof 29%

NO3 15% nssSO4 NH4 1% 2%

Figuur IV: Gemiddelde relatieve samenstelling van PM 10 , PM 2,5 en PM 10-2,5 in Borgerhout

31% 20% 13% 10% 4%

Chemkar PM10 (2008-2009)

2.6 1.6 3.5

2.4 4.7 2.3 1.4 1.4 3.2 4.2 4.2 3.1

2.6 1.5 4.4

2.5 8.5 6.2

1.9 3.7 4.2 0.51 4.9 0.81

Figure I: Average absolute concentration of the main components per site

EC sea salt NH4

OM NO3 nssSO4 other

Figure III: Relative elemental concentrations compared to Retie

Chemkar PM10 (2008-2009)

OM 9% sea salt 15%

mineral dust 13% nssSO4 10% NH4 6%

mineral dust 3% nssSO4 18%

sea salt 10%

mineral dust 18% nssSO4 NH4 1% 6%

Figure IV: Average relative composition of PM 10 , PM 2.5 en PM 10-2.5 in Borgerhout

Chemkar PM10 hotspots (2008-2009)

Chemkar PM10 (2008-2009)

BIJLAGE B bevat satellietfotos van de verschillende meetplaatsen.

Figuur 1: De ligging van de meetplaatsen

Figuur 2: De meetplaats in Roeselare

Figuur 3: De meetplaats in Oostrozebeke

Chemkar PM10 (2008-2009)

Figuur 4: De meetplaats in Zwevegem

Figuur 5: De meetplaats in Evergem

Figuur 6: De meetplaats in Zwijndrecht