Daniël de Jong Andries Krol Fredi Wörtche

D R

Daniël de Jong

P S

Andries Krol

Fredi Wörtche

Profielwerkstuk

D.R.O.P.S. Dynamic Rain Observation and Parameterization System

Daniël de Jong | Andries Krol | Fredi Wörtche Atheneum 6 | meneer P. Wolfs

Profielwerkstuk: D.R.O.P.S. Daniël de Jong | Andries Krol | Fredi Wörtche

1.

Voorwoord In het kader van ons profielwerkstuk hebben wij meegedaan aan het Young European Specialists project (YES project). Het YES project is door de Europese Unie georganiseerd en daagt jongeren uit een onderzoek te doen waarbij Europa een centraal punt inneemt. Wij hebben ervoor gekozen mee te doen aan het onderdeel Climate Science - Research. Dit houdt in dat wij ons hebben gefocust op de natuurwetenschappelijke kant van het klimaatonderzoek. Voor ons onderzoek hebben wij een serie metingen uitgevoerd met een voor en deels door ons nieuw ontwikkeld meetsysteem. Dit hebben wij in samenwerking gedaan met het onderzoeksinstituut INCAS3 en het bedrijf MEDUSA.


2.

Inhoudsopgave 1. Inleiding

p. 4

2. Materiaal en Methode

p. 7

2.1 DROPS 2.2 Meetlocatie 2.3 Opstelling 2.4 Het meten van radon met de radondetector 2.5 Weerstation 2.6 ANOVA

p. 7 p. 7 p. 8 p. 8 p. 11 p. 11

3. Resultaten

p. 12

4. Conclusie & Discussie

p.19

4.1 Uitleg correlaties DROPS 4.2 Mogelijkheden tot verbetering 4.3 Nadelen van het systeem 4.4 Toepassingen binnen Europa 4.5 Eindconclusie

p. 19 p. 21 p. 21 p. 22 p. 23

5. Dankwoord

p. 24

6. Referenties

p. 25


3.

1. Inleiding Klimaatverandering is een veelbesproken onderwerp in de afgelopen jaren. Bij klimaatverandering wordt vooral gedacht aan de opwarming van de aarde als centraal probleem. Er worden steeds meer natuurfenomenen waargenomen die gekoppeld worden aan de klimaatverandering, in verschillende orde van grootte. Een globaal probleem kan gevolgen hebben op Europese schaal, landelijke schaal en zelfs lokaal.[1] Om klimaatverandering in kaart te brengen moeten specifieke natuurverschijnselen geobserveerd worden, hiervoor is soms de ontwikkeling van nieuwe technologie nodig. Omdat er dergelijke nieuwe fenomenen worden waargenomen en in de toekomst dat ook zal blijven gebeuren, zal de ontwikkeling van nieuwe meetmethoden ook doorgaan. Het klimaat is een complex mechanisme, bestaande uit verschillende factoren die invloed op elkaar hebben.[2][3] Als er één ding verandert, zoals de gemiddelde globale temperatuur, dan zullen ook meerdere andere grootheden veranderen. Daarnaast zullen de veranderingen over de aardbol niet overal het zelfde zijn; landen die dicht aan zee liggen zullen andere problemen tegen komen dan landen dicht bij een woestijn. Een vrij recent ontdekte verandering is een verschuiving van de windpatronen op het noordelijk halfrond.[4] De afgelopen 15 jaar is de gemiddelde temperatuur op aarde minder sterk gestegen dan dat modellen hadden voorspeld. Wat wetenschappers nu verwachten is dat een deel van de energie die in de oudere modellen in de atmosfeer zat, in de oceanen terechtkomt. Hierdoor warmt onder andere de Noord-Atlantische oceaan op. Hoeveel de oceaan opwarmt is niet duidelijk.[5] De resultaten van de opwarming van de oceaan zijn echter al merkbaar: het poolijs smelt en de windpatronen boven Noord-Amerika, Europa, Arctica en de Noord-Atlantische oceaan veranderen.[6] Een gevolg van deze verandering van de windpatronen heeft weer invloed op Europa. Hierdoor is de verwachting dat vooral de noordelijke helft kouder wordt. Op de zuidelijke landen heeft het een omgekeerd effect, daar zal het juist warmer worden.[4] Natuurlijk spelen niet alleen de verschuivende windpatronen een rol in deze opmerkelijke veranderingen in Europa. Desalniettemin zullen de veranderende patronen een grote rol spelen in het klimaat in Europa. Het is daarom van belang om informatie over de windpatronen te verzamelen. Aangezien deze ontdekking vrij recent is, zijn er nog niet veel meettechnieken die gespecialiseerd zijn in het vastleggen van windpatronen over een groter gebied. Nieuwe meetsystemen zijn dus nodig. Een voorbeeld van een dergelijk nieuw systeem is DROPS (Dynamic Rain Observation and Parameterization System)[7], wat ontwikkeld is in het kader van het voorliggende project. De vraagstelling die in dit werkstuk centraal staat is: “ Is DROPS een geschikt systeem om veranderingen in de windpatronen te meten?”


4.

DROPS werkt op basis van het meten van radonconcentraties (hierna: [Rn]). Radon-222 is een vervalproduct van uranium-238.[8][9] Uranium is een natuurlijk radioactief metaal en zit in diverse bodemlagen opgeslagen. Bij het vervallen van uranium wordt radon gevormd.[8][10] Radon wordt niet meteen uit uranium gevormd, maar dat gebeurt pas na een aantal stappen (zie fig.1). Omdat radon het eerste gas is in de vervalketen van uranium-238[11], zal het deels uit de bodem diffunderen en in de lucht terecht komen. Vervolgens kan de radon met luchtstromen mee de atmosfeer in worden gevoerd. De halfwaardetijd van radon bedraagt 3,8 dagen, daardoor kan het over grote afstanden met de wind meegevoerd worden. In de atmosfeer kan radon-222 weer vervallen. Metingen laten zien, dat 80% van de radondochters positief geladen is, waardoor deze deeltjes makkelijk aan kleine stofdeeltjes kunnen blijven kleven.[11][12] Dit deeltje kan dan fungeren als een aerosol. Om deze aerosol kan water condenseren.[13][14] Als er water om de aerosol gecondenseerd is, vormt het een druppel. Is deze zwaar genoeg, dan zal hij door de zwaartekracht naar het aardoppervlak vallen. Er is dan regen ontstaan.

figuur 1. De vervalketen van uranium-238.[15]

De door radon veroorzaakte radioactieve straling zal dus stijgen als het regent. Tevens zal de hoeveelheid regen waarschijnlijk invloed hebben op de metingen, omdat als er meer regen is, er ook meer radondochters met de druppels mee naar beneden komen; er zijn dan namelijk ook meer druppels. Het moet duidelijk zijn dat de gemeten γ-straling niet afkomstig is van het verval van radon, maar van het verval van een radondochter. Deze radondochter is bismut (Bi). Bij het verval van en naar bismut komt γ-straling vrij, dit is de γ-straling die we meten. Aan de hand van de gemeten straling van bismut rekent DROPS de [Rn] uit. Verder in het werkstuk wordt echter niet naar bismut verwezen, maar naar radon omdat radon de sleutelfactor is die er voor zorgt dat we de betreffende γ-straling op de meetlocatie meten.


5.

Tabel 1. De karakteristieke waarden voor de activiteit (in eenheden van Bq/kg) van U-238 in gesteenten en grond. Dit is een tabel naar Radioactiviteit door Adriaan van der Woude en Rob de Meijer.[11]

Materiaal Stollingsgesteente Sedimentair gesteente

U-238 Graniet Basalt Kalksteen Carbonaat Zandsteen Leisteen

Gemiddeld

60 10 30 30 20 45 40

Radon wordt in grotere mate boven land uitgestoten[12], dit bestaat namelijk voornamelijk uit graniet en sedimentair gesteente. De oceaanbodem bestaat vooral uit basalt [16]. Zoals in tabel 1 te zien is, is er veel minder uraniumactiviteit in basalt. Dit betekent dat oceaanbodems veel minder radon uitstoten dan andere gesteentesoorten. De activiteit van uranium geeft namelijk een beeld van hoeveel uranium er vervalt en dus ook hoeveel radon er na verloop van tijd zal ontstaan. Hierdoor zal de detector tijdens een regenbui die over zee is getrokken, en dus weinig over land, een kleinere verhoging van de [Rn] meten dan als een vergelijkbare bui boven land is ontstaan en zich voornamelijk ook boven land richting de detector heeft verplaatst. De regenwolken die aankomen bij de detector worden meegevoerd door de wind. De waarden die de detector meet, zijn dus afhankelijk van de windrichting en daarmee ook de stromingspatronen van de wind. Windpatronen kunnen beschouwd worden als de meest voorkomende gedragingen van de wind in een bepaald gebied in een bepaalde periode, gemeten over een langere tijd. Verandert het windpatroon, dan zal dit effect hebben op andere weervariabelen zoals de temperatuur en de hoeveelheid neerslag. Onze hypothese is, dat door middel van de verzamelde gegevens over de variabelen de windpatronen bepaald kunnen worden. Wanneer er metingen over een langere periode (enkele jaren) hebben plaatsgevonden zouden de meest voorkomende gedragingen van de wind op de plek kunnen worden vastgesteld. Hiermee zouden dan de windpatronen bepaald zijn. De bovenstaande processen in acht nemend verwachten wij dat DROPS een zeer geschikt systeem is om de veranderingen in windpatronen te meten. Wij denken dit doordat de [Rn] die de detector bepaald uit de gemeten γ-straling een goed beeld kan geven van waar de wind langs heeft gewaaid en daarmee windpatronen te bepalen. De [Rn] is erg interessant als het gaat om stromingspatronen van de wind. Omdat de detector nauwkeurig de [Rn] zal kunnen bepalen, denken wij dat DROPS goed gebruikt kan worden om deze in kaart te brengen. Desalniettemin verwachtten wij dat één enkele detector niet genoeg is om de patronen in kaart te brengen. Wij verwachten dat als het systeem op grote schaal wordt toegepast, het betere resultaten zal opleveren omdat de windpatronen dan nauwkeuriger zouden kunnen worden vastgelegd. Als de patronen in kaart zijn gebracht denken wij dat DROPS ook goed in staat is om hier veranderingen in waar te nemen, omdat het werkt met hetzelfde principe als waarmee ze in kaart zijn gebracht. Profielwerkstuk: D.R.O.P.S. Daniël de Jong | Andries Krol | Fredi Wörtche

6.

2. Materiaal en Methode 2.1 DROPS In het DROPS-project wordt gebruik gemaakt van twee systemen. Deze twee systemen zijn de DROPS radondetector[7] en het Lufft weerstation.[17] Met het systeem worden verschillende variabelen gemeten. Variabelen die de beide systemen bepalen zijn: [Rn] (kBq/kg), regenhoeveelheid (mm), windsnelheid (m/s), windrichting (°), temperatuur (°C) en luchtvochtigheid (%). De data worden verzameld over een periode van 10 min. en vervolgens direct naar de DROPS website gestuurd.

2.2 Meetlocatie Het meten vindt op één locatie plaats: op het instituut voor sensortechnologie INCAS 3, gelegen aan de Doctor Nassaulaan 7 in Assen, 52°991156’ NB 65°57328’ OL. De locatie is te zien in fig. 2, waarin A de meetlocatie aangeeft. Het noorden van Nederland is een unieke meetlocatie voor dit onderzoek, zo kunnen regenwolken zowel met de wind vanaf zee als vanaf land naar de detector gevoerd worden en valt er gemiddeld veel neerslag.

figuur 2. A geeft de meetlocatie aan.[18]


7.

2.3 Opstelling Het gehele systeem bevindt zich op ongeveer 10m boven de grond. De detector bevindt zich op de vloer van het balkon (fig. 3a). Het weerstation is bevestigd aan het hek van datzelfde balkon. Vooral de radondetector moet ruim boven grondniveau geplaatst worden, anders kunnen de meetgegevens worden beïnvloed door de continue uitstoot van radon uit de grond. Om preciezer te zijn: het uranium wat zich in gesteentekorrels van de grond bevindt kan vervallen en zo dus radon en radondochters uitstoten. De oranje kabel voorziet het systeem van stroom. In dit geval door een elektriciteitsaansluiting op het stroomnet. De schematische weergave van de opstelling is in fig. 3b te zien.

figuur 3a. Opstelling DROPS, de radondetector (op de grond liggend) en het weerstation (op het hek).

figuur 3b. Schematische weergave DROPS. De gegevens (van het weerstation worden naar de detector geleid,die het via wifi naar de site stuurt. De oranje kabel geeft de voorziening van stroom weer.

2.4 Het meten van radon met de radondetector De radondetector bestaat uit vier verschillende onderdelen. Het geheel aan onderdelen zit in een stevige rechthoekige doos van ongeveer 80x20x15cm. Het eerste onderdeel in het meetproces van radon is een kristallijne anorganische scintillator en in DROPS bestaat deze uit cilindervormige natriumjodide (NaI(Tl)) met een hoogte en diameter van beide 76mm. In fig. 4 is schematisch weergegeven wat er gebeurt als er γ-straling op dit kristal valt en een deeltje in het kristal raakt. Het kristal zal deze energie absorberen en weer afgeven in de vorm van een aantal licht-fotonen.[19] De fotonen worden door middel van een fotomultiplicator in een elektrisch signaal omgezet[20]; als het licht in de fotomultiplicator aankomt, slaat deze elektronen los van een fotokathode. Deze elektronen worden met behulp van hoogspanning Profielwerkstuk: D.R.O.P.S. Daniël de Jong | Andries Krol | Fredi Wörtche

8.

versneld in de richting van een tweede stuk metaal (dynode) en slaan meer elektronen los. Dit herhaalt zich nog een aantal keren. Aan het einde zijn er dan zoveel elektronen dat er een elektrische impuls ontstaat.

figuur 4. Schematische weergave scintillator en fotomultiplicator..[21]

De ontstane impuls is echter nog niet bruikbaar voor analyse, vandaar dat deze verder gevoerd wordt naar de INCAS3 Read-Out Engine (ROE)[22] zoals schematisch in fig. 5 is weergegeven. Dit apparaat analyseert de impulsen die van de fotomultiplicator komen en bepaalt de amplitude van het signaal (de amplitude is een maat voor de energie van de γ-straling). De ROE vormt hiermee de amplitudespectra. De amplitudespectra worden doorgegeven aan de Embedded Nuclear Spectrum Analyser (ENSA). Hiermee heb je dus het gehele spectrum van de som van γ-straling die de detector geraakt heeft. Hieronder vallen ook die van de natuurlijke achtergrondstraling. Fig. 6 geeft een dergelijk spectrum weer. De zwarte lijn is de som van de vier lijnen. De bruine lijn geeft radon aan en de groene lijn uranium.

figuur 5. Een schematische weergave van de radondetector: 1: Scintillator - 2: Fotomultiplicator - 3: Read-Out Engine - 4: Embedded Nuclear Spectrum Analyzer


9.

figuur 6. Geheel spectrum (zwarte punten) met de gamma-energie van radon (bruin), uranium (groen), thorium (blauw) en kalium (rood) de zwarte stippen geven de gemeten waarden weer. [23]

Het meetprincipe van de radondetector is gebaseerd op het gebruik van standaardspectra.[24] Een standaardspectrum is een amplitudespectrum wat de radondetector voor een bepaalde ruimtelijke verdeling van een radioactieve isotoop zal meten. De standaardspectra werden in samenwerking met MEDUSA bepaald. Hiervoor zijn twee stappen uitgevoerd. In de eerste stap wordt de zogenoemde ‘detector response’ bepaald. Dit is het amplitudespectrum van de detector die van een bekende radioactieve bron is gemeten. Dit gebeurt in een ‘loodcastel’: een ruimte omgeven door lood, zodat er praktisch geen andere straling de ruimte binnen kan komen, behalve die van de in dezelfde ruimte aanwezige stralingsbron. In de tweede stap wordt de invloed van de verdeling van radioactieve bronnen op het amplitudespectrum door een computersimulatie berekend, in dit geval een Monte Carlosimulatie.[25] In het geval van DROPS is men ervan uitgegaan dat er natuurlijke achtergrondstraling zal zijn vanuit de bodem, deze straling zou van onder andere uranium komen. Daarnaast is ervan uitgegaan dat radon zich overal rond de detector bevindt, dus in de lucht. Als iets vanuit een laag onder de detector komt, zoals de straling die vanuit de bodem komt, dan zal dit een ander spectrum van een stof opleveren dan als de straling van rondom de detector komt Er zullen dus verschillende spectra ontstaan naarmate de stralingsbronnen verspreid zijn. Op basis van deze twee stappen, worden de gammaspectra voor bepaalde concentraties van radioactieve isotopen, zoals uranium (radon), thorium en kalium berekend door het gebruikte systeem. Als de detector daadwerkelijk metingen verricht, zal het gemeten spectrum als som van alle standaard spectra berekend worden. De amplitude, waarmee een standaardspectrum in de som bijdraagt, wordt tijdens de fit-procedure bepaalt. De laatste stap in het systeem is ENSA[7], waar deze amplitudes berekend worden. Het bijzondere aan de DROPS detector is, dat dit tijdens de metingen gebeurt.


10.

De problematiek van de bepaling van de [Rn] is nu echter dat de standaardspectra van uranium en radon alleen bij lage energieën, pas onder 500 keV, significant verschillend zijn. Hierbij moet gezegd worden dat onder andere de verschillende verdeeldheid van uranium en radon voor systematische onzekerheden zorgt. De [Rn] kan op twee verschillende manieren bepaald worden. De eerste is, dat het standaardspectrum van alleen uranium, kalium en thorium gebruikt wordt. Bij metingen zonder regen zal hierdoor het gemeten spectrum overeenkomen met het standaard spectrum en tijdens regen zal er een afwijking optreden waardoor de [Rn] bepaald kan worden. De tweede methode bestaat uit een standaardspectrum waar ook het standaardspectrum van radon in de ENSA toegevoegd is. Hierdoor wordt het standaardspectrum van radon meegenomen in de analyse en aangepast. Als de detector perfect zou werken, zou tijdens droge periodes dit spectrum nul zijn. Tijdens regenval wordt er wel een spectrum gemeten waaruit de [Rn] bepaald kan worden.

2.5 Weerstation Voor het meten van regen(mm), luchtvochtigheid(%), windsnelheid(m/s), windrichting(°) en temperatuur(°C) is het weerstation WS600-UMB compact weather station van Lufft gebruikt.[17] De informatie verzameld in het weerstation wordt naar de ENSA geleid, daar verwerkt en vervolgens naar drops.incas3.eu gestuurd. De hoeveelheid neerslag wordt door het weerstation gemeten met behulp van radar. Het systeem berekent de hoeveelheid neerslag door druppelgrootte en valsnelheid te correleren.[17] De andere grootheden, behalve de [Rn], worden ook door dit weerstation bepaald.

2.6 ANOVA Bij de analyse is gebruik gemaakt van een ANalysis Of VAriance (ANOVA). Dit is een methode waarbij door middel van statistiek data kunnen worden verwerkt. Voor de analyse in dit werkstuk is gekozen voor een steekproefgemiddelde (N) van 650 metingen. Hierbij zijn alle data zonder regen weggelaten. Ook is er gekozen voor een significantieniveau van 0,05. De periode waarvan de verzamelde data gebruikt zijn, is tussen 26 juli 2013 en 15 september 2013.


11.

3. Resultaten De onderstaande fig. 7 laat de [Rn] zien en de hoeveelheid regen per 10 min. De negatieve waarden voor de concentraties moeten als 0 gezien worden. Als alleen naar de pieken van de [Rn] en de regen gekeken wordt, blijkt dat de grootste pieken alleen optreden bij regenbuien. Er treedt echter niet bij elke gelijke regenbui een zelfde verhoging op in de [Rn].

figuur 7a. De radonconcentratie en de regenval in de periode 27 juli 2013 t/m 15- september 2013.[26] De rode lijn geeft de regenhoeveelheid (mm) weer, de blauwe lijn de [Rn] (kBq/kg).

figuur 7b. De radonconcentratie (kBq/kg) en de hoeveelheid regen (mm/10 min) van 6 september 2013 tot 15 september 2013.[26] De rode lijn geeft de regenhoeveelheid (mm) weer, de blauwe lijn de [Rn](kBq/kg)


12.

Als nu wordt gekeken naar fig. 8a, blijkt dat er geen duidelijke verhoging van de [Rn] tijdens de bui te zien is. Bij de bui van fig. 8b waar er zelfs minder hevige regen gevallen is, is er juist een duidelijke piek te zien. In fig. 8b is goed te zien dat aan het begin van de bui de [Rn] flink stijgt en lange tijd aanhoudt, daarnaast valt in deze figuur ook te zien dat zelfs als er al kort geleden een hoge [Rn] is geweest, de [Rn] alsnog hoog kan worden.

figuur 8a. [Rn] en regen hoeveelheid op 11 september 2013.[26] De rode lijn geeft de regenhoeveelheid (mm) weer, de blauwe lijn de [Rn] (kBq/kg).

figuur 8b. [Rn] en regen hoeveelheid op 14 september 2013.[26] De rode lijn geeft de regenhoeveelheid (mm) weer, de blauwe lijn de [Rn](kBq/kg).


13.

De hierna volgende gegevens zijn afkomstig uit de analyse met de ANOVA. Tabel 2. De correlatie tussen de verschillende gemeten waarden door DROPS en hun significantie. Een Sig. (1tailed) van 0,05 of kleiner betekent dat de genoemde grootheden significant gecorreleerd zijn.

[Rn] (kBq/kg)

Correlatie

Sig. (1-tailed)

Wind richting (°) Wind snelheid (m/s) Temperatuur (°C) Luchtvochtigheid (%) Regen (mm)

0,078 0,083 0,032 0,253 0,468

0,024 0,018 0,209 0,000 0,000

Wind richting (°)

Correlatie

Sig. (1-tailed)

Wind snelheid (m/s) Regen (mm) Luchtvochtigheid (%) Temperatuur (°C)

0,603 0,134 -0,131 -0,055

0,000 0,000 0,000 0,081

Regen (mm)

Correlatie

Sig. (1-tailed)

Wind snelheid (m/s) Luchtvochtigheid (%) Temperatuur (°C)

0,021 0,175 0,033

0,297 0,000 0,200

Luchtvochtigheid (%)

Correlatie

Sig. (1-tailed)

Wind snelheid (m/s) Temperatuur (°C)

-0,097 -0,376

0,006 0,000

Wind snelheid (m/s)

Correlatie

Sig. (1-tailed)

Temperatuur (°C)

-0,038

0,165

In tabel 2 zijn de correlaties tussen de gemeten grootheden en hun significantie weergegeven. Een aantal van de grootheden zijn significant gecorreleerd. Dit zijn: [Rn] met windrichting, [Rn] met windsnelheid, [Rn] met luchtvochtigheid, [Rn] met regen. Ook is de windrichting met de windsnelheid gecorreleerd, windrichting met regen, windrichting met luchtvochtigheid. Als laatste is ook de regen met de luchtvochtigheid gecorreleerd en de luchtvochtigheid met de temperatuur.


14.

figuur 9a. De normale verdeling van de gebruikte data.

figuur 9b. Een verwerking van de gegevens waaruit blijkt dat deze niet normaal verdeeld zijn.

Fig .9a en b laten zien dat de gebruikte data niet normaal verdeeld zijn.


15.

figuur 10. De [Rn] (kBq/kg) (hier: Act_NoNegative; waarbij alle radonwaarden met +1 zijn verhoogd zodat er geen negatieve waarden meer zijn) uitgezet tegen de gecorrigeerde windrichting (°)(waarbij alle data met windsnelheid=0,000m/s zijn weggelaten). 0 is noord en 180 is zuid.

Uit fig. 10 wordt duidelijk dat de meest hoge radonwaarden voorkomen tussen 270° en 360°. Dit is wind die vanaf zee komt. Ook valt uit de figuur af te lezen dat er vrij weinig hoge [Rn] waren tussen 180° en 240° en tussen 30° en 90°.


16.

figuur 11. De hoeveelheid regen (mm) uitgezet tegen de gecorrigeerde windrichting (°) (waarbij alle waarden met windsnelheid=0,000 zijn weggelaten). 0 is Noord, 180 is Zuid.

Fig. 11 laat de regenhoeveelheid uitgezet tegen de gecorrigeerde windrichting zien. Uit de figuur blijkt dat de meest zware regenbuien vooral bij de detector kwamen als de windrichting tussen de 270° en 360° was . Wat ook opvalt aan de figuur is dat er weinig relatief hevige regen is gevallen tussen de 210° en 240°.


17.

figuur 12a(boven). De windsnelheid(m/s) uitgezet tegen de activiteit (kBq/kg) ([Rn]). De waarden bij windsnelheid=0.000m/s moeten worden verwaarloosd. figuur 12b(rechts). De windsnelheid (m/s) uitgezet tegen gecorrigeerde windrichting(°). Dit houdt in dat alle waarden van de windrichting waarbij de windsnelheid=0.000m/s zijn weggelaten.

Fig. 12a toont de windsnelheid uitgezet tegen de [Rn] (daar activity genoemd). Uit de figuur blijkt dat een hoge [Rn] kan voorkomen bij elke windsnelheid. Ook lage [Rn] komen voor bij vrijwel elke windsnelheid. Fig. 12b laat de windsnelheid zien terwijl die is uitgezet tegen de gecorrigeerde windrichting. Uit dit figuur wordt duidelijk dat de meeste hoge windsnelheden voorkomen tussen 150° en 180° en tussen 270° en 360°. Veel lage windsnelheden komen voor tussen 30° en 60°


18.

4. Conclusie & Discussie 4.1 Uitleg correlaties DROPS Er is bij de analyse een groot aantal correlaties gevonden. In dit gedeelte zal worden ingegaan op mogelijke verklaringen voor deze correlaties. Hoe de [Rn] en de windrichting samenhangen, staat beschreven in de inleiding. Uit de analyse is gebleken dat er ook een duidelijke samenhang is tussen deze twee grootheden. Het moet echter wel duidelijk zijn dat het in de inleiding beschreven model in de praktijk anders in elkaar lijkt te steken. Uit fig. 10 valt namelijk te concluderen dat de meeste hoge [Rn] voorkomen met wind vanaf zee. Volgens de theorie in de inleiding zou dit juist andersom moeten zijn. Het is dus goed mogelijk dat er andere processen in de atmosfeer meespelen die ervoor zorgen dat er hoge [Rn] gemeten wordt, terwijl de wind vanaf zee komt. Een mogelijke verklaring kan zijn, dat er uitwisseling van gassen tussen de verschillende luchtlagen plaats vindt. De lucht die vanaf zee komt kan zijn vermengd met een luchtlaag die veel over continent is getrokken, waardoor uitwisseling plaats kan vinden van een grote hoeveelheid radon. Het proces van het mengen van verschillende luchtlagen is schematisch in fig. 13 weergegeven.

figuur 13. Een schematische weergave van de uitwisseling van gassen tussen de verschillende luchtlagen. De grote pijlen geven de wind aan. De kleine pijlen geven de uitwisseling van radon aan. Het gaat hier om een situatie waarbij er toch een hoge [Rn] bij de detector wordt gemeten ondanks dat de wind vanaf zee komt.

Hoe de correlatie tussen de [Rn] en de windsnelheid precies in elkaar zit is minder makkelijk te zeggen. Uit fig. 12a kan echter geconcludeerd worden dat de samenhang tussen windsnelheid en [Rn] minder duidelijk is dan tabel 2 doet vermoeden. Zo valt in fig. 12a te zien dat de [Rn] (daar activity genoemd) niet duidelijk toeneemt als de windsnelheid toeneemt. Waarom er toch door ANOVA een duidelijke correlatie gevonden is tussen de [Rn] en de windsnelheid, is niet duidelijk.


19.

De correlatie tussen de hoeveelheid regen en de [Rn] is te verklaren met het feit dat als het regent er ook een hogere [Rn] verwacht zou worden. Als er meer regen is gevallen valt aan te nemen dat er ook meer regendruppels zijn gevallen. Doordat er meer druppels zijn gevallen zullen er waarschijnlijk ook meer radondochters naar het aardoppervlak worden vervoerd en zal dus de [Rn] hoger zijn dan bij een minder hevige bui. Uit fig. 11 kan worden afgeleid dat de meest hevige regenval vanaf zee komt (270° tot 360°) net zoals de hoogste [Rn] uit die richting komen. Zo kan er betoogd worden dat de hogere radonwaarden (dus die van zee komen) worden veroorzaakt door het feit dat de buien die ook van zee komen, hevigere regen produceren en dat dus de regenhoeveelheid een tweede factor is die, naast de windrichting, de [Rn] kan bepalen. Uit fig. 7a valt echter af te leiden dat er bij elke hevige bui niet altijd een even grote radon piek te zien is. Dit betekend dus dat de correlatie die in tabel 2 te zien is, in de werkelijkheid veel minder duidelijk of misschien zelfs wel afwezig is. De luchtvochtigheid blijkt ook een correlatie te hebben met de [Rn], zie tabel 2. Uit tabel 2 blijkt echter ook dat de hoeveelheid regen en de luchtvochtigheid erg sterk samenhangen. Als de luchtvochtigheid stijgt heb je ook meer waterdamp die uiteindelijk kan condenseren, zo zal er dus meer regen vallen bij een hoge luchtvochtigheid. Dit verklaart de correlatie tussen de luchtvochtigheid en de regenhoeveelheid. Zoals hierboven is uitgelegd, zal de [Rn] stijgen als de hoeveelheid regen ook stijgt. Omdat er beargumenteerd is dat de hoeveelheid regen en [Rn] geen eenduidig verband hebben, zal luchtvochtigheid niet verder beschouwd worden als een factor die kan helpen bij het bepalen van de windpatronen. Uit tabel 2 wordt ook duidelijk dat de windrichting en de windsnelheid sterk samenhangen. Hoe dit komt is niet precies duidelijk. Het is mogelijk dat er op sommige plekken obstakels in de weg staan. Dit kan op de lange afstand (steden, bossen, etc.) maar ook rond de detector (bomen of huizen). Hierdoor zou de meting mogelijk kunnen afwijken van de daadwerkelijke snelheid van de wind. De regenhoeveelheid en de windrichting zijn ook gecorreleerd. Deze correlatie is positief: neemt de windrichting toe, dan neemt de regenhoeveelheid toe. Als de wind veel over zee gaat, dan kan deze lucht veel water opnemen. Wind die vanuit 270° en 360° naar de detector is toegestroomd gaat veel over zee. Doordat dit hoge getallen zijn zal men bij een analyse als die in dit werkstuk is gebruikt een duidelijke correlatie zien. Hoe deze correlatie precies geldt voor de windrichting en de luchtvochtigheid is niet duidelijk. Als laatste zijn ook de luchtvochtigheid en de temperatuur gecorreleerd. Deze correlatie kan verklaard worden doordat als de temperatuur stijgt, de luchtvochtigheid afneemt, omdat de lucht bij een hogere temperatuur meer water kan bevatten. Omdat het hier om relatieve luchtvochtigheid gaat, zal deze dus dalen als de temperatuur stijgt.


20.

4.2 Mogelijkheden tot verbetering Uit de analyse is gebleken dat de door ons gebruikte data niet normaal verdeeld zijn (zie fig. 9a&b). Omdat de data niet normaal verdeeld zijn, kunnen de gevonden correlaties en hun gevonden significantie, zoals staat in tabel 2, in de realiteit anders zijn. Er is echter genoeg reden om aan te nemen dat er toch wel enige waarheid zit achter de gevonden correlaties. Om dit zeker te weten raden de auteurs van dit werkstuk een vervolgonderzoek aan waarbij langer en op meer locaties gemeten wordt. De gebruikte analysemethode kan een ongeschikte aanpak zijn geweest, omdat er van een lineair verband in een tweedimensionaal model uitgegaan is, terwijl in de werkelijkheid dit model driedimensionaal zal zijn. Het verschil in dimensies zorgt ervoor dat er een aantal factoren niet in de analyse mee zijn genomen. Dit resulteert in een mogelijk foute berekening van de resultaten dat echter niet betekent dat de correlaties tussen de grootheden geheel onbetrouwbaar zijn. Een ander feit dat mogelijk de betrouwbaarheid van de metingen heeft beïnvloed, is het feit dat radon een halfwaardetijd heeft van ongeveer 3,8 dagen. Het zou in theorie dus kunnen dat er wind vanaf land naar zee is gewaaid, en drie dagen later weer vanaf zee naar land en over de detector waait. Hierdoor wordt een andere [Rn] gemeten dan dat er verwacht zou worden met betrekking van de windrichting. Hier is echter niet van uitgegaan en zou dit ook een mogelijke verklaring kunnen zijn voor het optreden van de hoge [Rn] terwijl de wind vanaf zee kwam. Ook is er geen rekening gehouden met de verschillende uraniumafzettingen in Europa. Verschillende bodemsoorten hebben een ander gehalte van uranium en een andere mate van permeabiliteit. Een regenwolk neemt hierdoor niet overal boven een continent dezelfde hoeveelheid radon op. Hier zou de analyse mogelijk door kunnen zijn beïnvloed.

4.3 Nadelen van het systeem Het grootste nadeel, dat uit het onderzoek naar voren kwam, is het feit dat er regen nodig is om nuttige en interessante data te vergaren. Als het niet regent, is er geen duidelijke verhoging van de radonwaarden in de data zichtbaar. Stel er is een lange periode van droogte, dan is DROPS niet in staat om te bepalen hoe de windpatronen gedurende die periode zijn geweest. Dit betekent dat in landen zoals Spanje, waar het minder regent dan hier in Nederland, de detector niet volledig tot zijn recht komt. Een probleem dat mogelijk de betrouwbaarheid van de analyse heeft beïnvloed is de regenmeter. Deze meet namelijk de regen op een onnauwkeurige manier waardoor afwijkende waarden worden gemeten. Dit is ook zichtbaar doordat een tipping bucket (een systeem dat de neerslaghoeveelheid meet) naast DROPS (2m afstand, zelfde hoogte) op sommige momenten totaal andere waarden heeft gemeten. Hierdoor kan de uitgevoerde analyse mogelijk zijn beïnvloed en kunnen de correlaties in werkelijkheid anders zijn.


21.

De analyse met de vier spectra heeft als uitkomst dat de [Rn] tijdens droge periodes ongeveer -2,6 kBq bedraagt. Dit hebben wij nauwkeurig onderzocht en is er gebleken dat bij de spectra van thorium, kalium en uranium vooral bij lage energetische waarden (nog lager dan waar de significante radonpieken zitten), het gemeten en het standaard spectrum, zelfs als het niet regent, niet overeenkomen. Dit was te verwachten omdat hier de Monte Carlo-simulatie erg moeilijk is; bij lage energieën is de detectie van gammastraling bijzonder gevoelig voor de verdeeldheid van de stralingsbronnen. De ENSA gebruikt zijn vrijheidsgraad om de afwijking op te vangen. Omdat deze zowel aan het spectrum van thorium, kalium en uranium geen dusdanige veranderingen kan maken om de afwijking ophef te heffen, gebruikt hij het vierde spectrum, het radonspectrum. Deze kan hij wel fitten zodat de som van het gemeten spectrum overeenkomt met het standaardspectrum. Dit heeft als gevolg dat de [Rn] een negatieve waarde krijgt. Dit probleem is te verhelpen, om op nieuw een Monte Carlo-simulatie te doen. Voor dit onderzoek is echter niet de absolute [Rn], maar de verhoging van de [Rn] gebruikt en hierop heeft de negatieve waarde geen invloed.

4.4 Toepassing binnen Europa Door het algemeen gebruik van internet zijn websites die informatie over het weer geven zeer populair. Voordat men een website met actuele informatie of een handige radar kan bekijken, zijn er metingen aan vooraf gegaan. Om te meten worden systemen gebruikt. Dit kunnen bestaande systemen zijn die een nieuwe toepassing krijgen, zoals het registreren van regenwolken met een radar. Wetenschappers zijn momenteel vooral op zoek naar nieuwe manieren om nauwkeurige metingen te kunnen doen.[27] Het systeem waarmee is gewerkt is hier een voorbeeld van; DROPS staat eigenlijk nog in de kinderschoenen wat betreft de ontwikkeling van het systeem. In Nederland is het KNMI vooral verantwoordelijk voor weerobservaties en de ontwikkeling van systemen daarvoor. In andere landen binnen de Europese Unie zijn er ook nationale meteorologische instituten. Het EUMETNET[28] is een Europees netwerk waarbinnen 29 nationale instituten samenwerken op het gebied van waarnemingen en ontwikkelingen. Het EUMETNET maakt het mogelijk om de kosten van internationale projecten te delen over de landen die lid zijn, waardoor deze makkelijker te realiseren zijn, wat gunstig is voor DROPS. De ideale toepassing van het DROPS zou zijn om een netwerk van systemen op te bouwen dat heel Europa overspant. In verschillende plaatsen, landen en klimaten zouden er metingen gedaan kunnen worden van [Rn] in de lucht. Door de data van de verschillende meetstations te analyseren en te vergelijken kun je over heel Europa gezien stromingspatronen van de wind ontdekken en vastleggen. Metingen over lange periodes zijn ook interessant, aangezien er dan misschien significante veranderingen in de gemeten data waarneembaar zijn. Oftewel, DROPS is een systeem waarmee eventuele klimaatveranderingen in de toekomst gemeten zouden kunnen worden.


22.

4.5 Eindconclusie Uit de analyse is een aantal duidelijke correlaties naar voren gekomen. Een daarvan is die tussen de [Rn] en de windrichting. De samenhang tussen de [Rn] en de windrichting hangt echter op een andere manier samen dan in eerste instantie werd aangenomen, zo is gebleken. Daarnaast waren er zowel in het systeem als in de gebruikte analyse systematische fouten waardoor dit onderzoek mogelijk geen eenduidige Toch denken wij dat DROPS genoeg potentie heeft om de windpatronen in kaart te brengen en hier de veranderingen in te meten. Wel moet echter duidelijk zijn dat er nog veel meer onderzoek nodig is om DROPS tot zijn volledige recht te laten komen en om de precieze samenhang tussen de [Rn] en de windrichting en andere factoren in kaart te brengen. Wij raden hiervoor onder andere een onderzoek aan met meer detectoren over een groter gebied.


23.

5. Dankwoord Wij willen onze dank uiten naar alle verschillende personen die ons hebben geholpen en begeleid bij het uitvoeren van dit onderzoek. Onze speciale dank gaat uit naar Meneer Wolfs voor de begeleiding vanuit school, Lucia Paganini voor het maken van D.R.O.P.S. en het begeleiden, naar Rob de Meijer voor de goede ondersteuning en naar Han Limburg. Ook gaat onze dank uit naar het instituut INCAS3 en het bedrijf MEDUSA voor al hun hulp en tijd die ze in ons onderzoek hebben gestoken. Als laatste willen wij alle andere mensen bedanken die wij niet specifiek genoemd hebben maar ons wel hebben ondersteund en geholpen.


24.

H7 Referenties . 1. Rijksoverheid. (2013). Wat is klimaatverandering en wat zijn de gevolgen van klimaatverandering?. Retrieved 27 December 2013, from http://www.rijksoverheid .nl/onderwerpen/klimaatverandering/vraag-en-antwoord/wat-is-klimaatverandering-enwat-zijn-de-gevolgen-van-klimaatverandering.html 2. Klimaatsysteem. (2013). Retrieved 27 December 2013, from http://www.climatechallenge .be/nl/klimaatverandering-woord-en-beeld/wat-is-klimaatverandering/het-klimaat /klimaatsysteem.aspx 3. Earth’s climate system – a complex framework. (2013). Retrieved 27 December 2013, from http://worldoceanreview.com/en/wor-1/climate-system/earth-climate-system/ 4. Connor, S. (2012). Science behind the big freeze: is climate change bringing the Arctic to Europe?. Retrieved 27 December 2013, from www.independent.co.uk/news/science /science-behind-the-big-freeze-is-climate-change-bringing-the-arctic-to-europe-6358928 .html. 5. Walsh, B. (2013). Oceans Warming Faster Than They Have Over The Past 10,000 Years. Retrieved 27 December 2013, from www.science.time.com/2013/11/01/oceans-warming faster-than-they-have-over-past-10000-years/ 6. University of Liverpool. (2013). Changing Wind patterns. Retrieved 27 December 2013, from www.liv.ac.uk/research/research-themes/living-with-environmental-change/climatechange-and-variability/changing-wind-patterns/ 7. DROPS. (2013). Retrieved 27 December 2013, from www.incas3.eu/projects/drops/ 8. Decay chain. (n.d.). in Wikipedia. Retrieved 27 December 2013 from www.en.wikipedia .org/wiki/Decay_chain 9. Radon. (n.d.). in Wikipedia. Retrieved 27 December 2013 from www.en.wikipedia.org /wiki/Radon 10. Radon (element). (n.d.). in Wikipedia. Retrieved 27 December 2013 from www.nl.wikipedia .org/wiki/Radon_(element) 11. Rijksinstituut voor volksgezondheid en milieu. (2013). Radon/Thoron informatie voor professionals. Retrieved 27 December 2013, from www.rivm.nl/Onderwerpen /Onderwerpen /R/Radon_Thoron/Informatie_voor_professionals 12. Van Der Woude; DeMeijer. (2010). Radioactiviteit. Amsterdam. Veen Magazines. 13. Corboz, Y. (2011). Meteorologie. Amsterdam. Veen Magazines 14. Cloud condensation nuclei. (n.d.). in Wikipedia. Retrieved 27 December 2013 from www.en .wikipedia.org/wiki/Cloud_condensation_nuclei 15. What is radioactivity?. (2013). Retrieved 27 December 2013, from http://physics experiments.com/ 16. Lentjes e.a. (2012). Wereldwijs VWO Aarde 2. ‘s-Hertogenbosch. Malmberg 17. G. Lufft Mess- und Regeltechnik GmbH. (2012). Operating Manuel compact weather station (english) WS200-UMB, WS300-UMB , WS301-UMB, WS302-UMB, WS303 UMB, WS304-UMB, WS400-UMB, WS401-UMB, WS500-UMB, WS501-UMB, WS502-UMB, WS503-UMB, WS504UMB, WS600-UMB, WS601-UMB. Lufft. Profielwerkstuk: D.R.O.P.S. Daniël de Jong | Andries Krol | Fredi Wörtche

25.

18. Google Maps. (2013). Represents the location of the detector in context to the upper half of the Netherlands. 19. Scintillator. (n.d.). in Wikipedia. Retrieved 27 December 2013 from www.en.wikipedia.org /wiki/Scintillator 20. Photomultiplier. (n.d.). in Wikipedia. Retrieved 27 December 2013 from www.en.wikipedia .org/wiki/Photomultiplier 21. Fotomultiplicator. (n.d.). in Wikipedia. Retrieved 27 December 2013 from www.nl.wikipedia .org/wiki/Fotomultiplicator 22. Readout engine. (2013). Retrieved 27 December 2013, from www.incas3.eu/licenses /readout-engine/ 23. Paganinni, L. (2013). Drops_new_jan.pptx. Retrieved 11 September 2013. 24. E.R. van der Graaf et al. (2010). Monte Carlo based calibration of scintillation detectors for laboratory and in situ gamma ray measurements. Journal of Environmental Radioactivity, 102(3), 270-82. 25. P.H.G.M. Hendriks et al. (2001). Full spectrum analysis of natural γ-ray spectra. Journal of Environmental Radioactivity, 53, 365-80. 26. Drops Graph. (2013). Retrieved 27 December 2013, from http://drops.incas3.eu /detectors/1/events/graph 27. Koninklijk Nederlands Meteorologisch Instituut (KNMI). (2013). Information and Observation Technology, Research and Development. Retrieved 27 December 2013, from www.knmi.nl/research/information_and_observation_technology/ 28. EUMETNET. (2013). About us. Retrieved 27 December 2013, from www.eumetnet.eu /about-us


26.

Daniël de Jong Andries Krol Fredi Wörtche

Recommend Documents