De lucht binnen lijkt stil, maar ze is altijd in beweging. In de winter wordt ze verraderlijk droog, een sluipend gevaar dat je luchtwegen opent voor virussen. Je ruikt het niet. Je voelt het nauwelijks. Maar je lichaam merkt het.
In de zomer daarentegen beschermt de vochtige lucht je ongemerkt. Met meer dan twee keer zoveel waterdamp vormt ze een natuurlijke barrière, een onzichtbaar schild in de lucht. Droge lucht maakt je kwetsbaar. Vochtige lucht houdt je veilig.
Om dit beter te begrijpen, kun je de lucht zien als een spons. Warme buitenlucht fungeert als een grote spons die veel water kan opnemen, terwijl koude buitenlucht meer lijkt op een kleinere spons die slechts een fractie van die hoeveelheid kan vasthouden.
De rode spons stelt de zomer voor, met zijn grotere capaciteit om waterdamp op te nemen, terwijl de blauwe spons de winter vertegenwoordigt, met zijn beperkte vermogen. Wanneer de kleine spons volledig verzadigd is met water en 100% van zijn capaciteit heeft benut, heeft de rode spons voor dezelfde hoeveelheid water minder dan 40% van zijn capaciteit nodig. In de context van lucht wordt dit percentage de relatieve luchtvochtigheid genoemd. Als we de koude lucht van buiten binnen gaan verwarmen dan daalt de relatieve luchtvochtigheid binnen.
Het tekort aan waterdamp in de winter speelt een belangrijke rol bij uitbraken van luchtwegvirussen, zoals SARS-CoV-2. Wanneer de hoeveelheid waterdamp onder een kritische grens daalt, kunnen uitbraken ontstaan. Boven deze grens gebeurt dat doorgaans niet. Gelukkig kun je actie ondernemen zodra je beseft dat het binnenklimaat bij uitdagende weersomstandigheden te weinig waterdamp bevat.
In de onderstaande grafiek zie je een slecht presterend binnenklimaat, waarbij de hoeveelheid waterdamp sterk fluctueert onder invloed van de weersomstandigheden. Deze omgeving beschikt niet over een HVAC-systeem en is slecht geïsoleerd, waardoor buitenlucht via kieren direct naar binnen kan stromen.
In de onderstaande grafiek zie je een binnenklimaat met een redelijk prestatieniveau, waarbij enige weerstand wordt geboden door waterverdamping in de keuken en de directe omgeving. In de zomer lijkt de situatie echter op die in de bovenstaande grafiek, omdat de deuren naar buiten dan vaak openstaan.
De onderstaande grafiek toont een goed binnenklimaat. Dit betreft een goed geïsoleerde ruimte die dankzij het grote glasoppervlak al bij een beetje zonneschijn goed opwarmt. Bovendien bevindt de ruimte zich boven in het pand, waardoor warme lucht zich daar van nature verzamelt.
De houten vloer en de vele boekenkasten, helpen de luchtvochtigheid deels vanzelf te reguleren door waterdamp op te nemen en weer af te staan. Voor de meest uitdagende dagen van het jaar, met name in het midden van de winter, wordt een Stadler Form Oskar luchtbevochtiger ingezet. Hierdoor beschikt de ruimte over voldoende capaciteit om de luchtvochtigheid op peil te houden, zelfs op de moeilijkste momenten.
Ik heb diverse strategieën geïmplementeerd voor de optimalisatie van de waterdampconcentratie in het binnenklimaat, waaronder verdampingskoeling met en zonder luchtbevochtigers, gecontroleerde verdamping via stoom en het hergebruik van thermisch water. Op deze pagina staan de analyses van tien binnenruimtes die ik heb gemonitord tijdens de coronacrisis. Deze resultaten zijn met weinig inspanning bereikt. In de eerdere jaren van de crisis bereikte ik met meer inspanning ook betere resultaten.
Het tekort aan waterdamp in de winter is dus een belangrijke drijvende kracht achter uitbraken van luchtwegvirussen zoals SARS-CoV-2. Dit blijkt ook uit het aantal ziekenhuisopnames van mensen die positief testen op het coronavirus.
Ook in de sterftecijfers zien we dezelfde patronen terug. Alle gegevens zijn afkomstig van gerenommeerde instituten zoals het KNMI, RIVM, LCPS en CBS, evenals van drie CO₂-meters uit onze verzameling.
Soms wijkt een situatie af en juist dat onderstreept hoe sterk het patroon is. Dat gebeurde in de zomer van 2022. Als je over dezelfde data beschikt als ik, zie je hoe deze uitzondering het patroon juist bevestigt. Zonder die data lijkt het misschien alsof er iets heel anders aan de hand is.
In die zomer was er een opvallende virusuitbraak. Een blik op de luchtvochtigheid laat zien waarom: het was uitzonderlijk droog. Op sommige dagen raakte de lijn van de waterdamp zelfs de stippellijn terwijl de temperatuur opliep tot 30°C. Dit leidde tot een lage relatieve luchtvochtigheid, waardoor de omstandigheden binnenshuis verrassend veel leken op die van koude, droge winterdagen.
In december 2022 begon de maand koud en droog, maar eindigde warm en vochtig. Deze verandering verklaart de afname van de hoeveelheid viraal rna in rioolwater die in januari 2023 werd waargenomen. Deze uitzonderlijke situaties onderstrepen dat droge lucht een cruciale rol speelt bij de verspreiding van virussen.
De data-analyse is gebaseerd op metingen van hygrometers of CO₂-meters die voortdurend de temperatuur, luchtvochtigheid en CO₂-concentratie meten. Hoeveel data bewaard blijft en wat je daarmee kunt, hangt af van het type meter.
Al jaren vertrouw ik op tien TFA AIR_Control CO₂-meters die, elke minuut van het jaar, onafgebroken data loggen, jaar in, jaar uit. Elke meter is uitgerust met een Micro SD Card Extender zodat de SD-kaart eenvoudig uitgelezen kan worden. Elke meter heeft een uniek nummer, dat ook op de bijbehorende SD-kaart staat vermeld. Voor het uitlezen hanteer ik een vaste werkwijze om te voorkomen dat gegevens door elkaar raken.
De opstelling is fysiek best kwetsbaar: elke meter hangt aan een losse datakabel, een SD-kaart-extender en een netsnoer. Om die wirwar een beetje te beschermen, zet ik de meters meestal stevig weg in een bakje of lade geen overbodige luxe bij dit soort serieuze meetapparatuur.
Mijn enige Aranet4 staat bekend als een accurate en betrouwbare CO₂-meter. Toch zitten er voor wie verder wil kijken dan alleen het actuele getal op het scherm, enkele belangrijke beperkingen aan. Zo was de meter tijdens de coronacrisis behoorlijk prijzig, slaat hij slechts een beperkte hoeveelheid data op (maximaal zeven dagen) en ontbreekt de mogelijkheid om deze gegevens te exporteren als CSV-bestand. Juist ruwe data is essentieel voor diepgaandere analyses, bijvoorbeeld om het binnenklimaat te vergelijken met de weersomstandigheden buiten.
Leveranciers zoals Aranet of Airthings bieden organisaties contracten aan voor het opzetten van een netwerk met CO₂-meters, waarbij de data centraal toegankelijk is via dashboards. Gebruik je bijvoorbeeld een Aranet PRO-systeem in een gebouw met meerdere sensoren, dan kun je de meetgegevens eenvoudig exporteren via de webinterface van de gateway, inclusief in CSV-formaat. Maar deze professionele functionaliteit ontbreekt volledig in de consumentenversie van de Aranet4.
En juist daar wringt het. Hoe accuraat de Aranet4 ook is, zonder toegang tot historische en exporteerbare data heeft het apparaat een zwakke schakel. Het belemmert gebruikers om op basis van data-analyse zelf preventieve maatregelen te bedenken, iets wat op basis van analyse van de ruwe data wél mogelijk is. Zelf gebruik ik de Aranet4 vooral om mijn andere meters te ijken. Af en toe neemt een familielid hem mee. Dankzij de batterijvoeding is het een betrouwbare metgezel bij bezoek aan andere gebouwen.
Ik heb onderzoek gedaan naar de Chinese platforms Tuya en iBebot om te beoordelen in hoeverre het mogelijk is om op een eenvoudige manier ruwe data te verzamelen via de Chinese cloud. Uit mijn testopstellingen en het gebruik van de Tuya-ontwikkelomgeving blijkt dat Tuya vooral is gericht op real-time aansturing en automatisering. Het platform is echter niet ontworpen voor gedetailleerde historische data-analyse of het opslaan van tijdreeksen met meerdere meetpunten per uur.
iBebot biedt wél een online oplossing om ruwe data vanuit de cloud op te halen. Het gaat hierbij om een hygrometer die temperatuur en luchtvochtigheid meet. CO₂-concentraties worden echter niet geregistreerd. Voor mij als data-engineer is deze oplossing bijzonder interessant, maar voor de gemiddelde gebruiker waarschijnlijk minder, omdat de focus vooral ligt op de beschikbaarheid van CSV-data en de gebruikersinterface zeer beperkt is.
Ik heb mijn oplossing schaalbaar gemaakt door gelijktijdig gebruik te maken van 10 CO₂-meters en 12 hygrometers. De schaalbaarheid vergroot ik verder door te werken met verwachtingsmodellen. Hierdoor is relevante informatie beschikbaar op het moment dat mensen kunnen anticiperen, wat de effectiviteit vergroot. Bovendien volstaat een steekproef van de data, waardoor ik mijn meetapparatuur flexibel en doelgericht op verschillende locaties kan inzetten.
Om de data goed te kunnen vergelijken met de uursgegevens van het KNMI, worden de meetwaarden omgerekend naar verschillende eenheden. Met behulp van een clusteranalyse, waarin ook temperatuur en luchtverversing worden meegenomen, bepaal ik voor elke ruimte het prestatieniveau op basis van de eisen van ASHRAE.
Deze rating vormt de basis voor het gebruik van de verwachtingsmodellen. Elke rating is gekoppeld aan een specifieke verwachting, die aangeeft wat je, op basis van de toekomstige weersomstandigheden, kunt verwachten van het binnenklimaat, en daarmee ook van het risico op virusoverdracht door de lucht.
Om een goed onderbouwd beeld te schetsen, voer ik zorgvuldig de onderstaande deelanalyses uit. Deze vormen de basis voor de clusteranalyse en de bijbehorende sterrenrating. Daarbij kan ik op elk gewenst moment inzoomen op de gegevens, waardoor het verloop gedurende de dag zichtbaar wordt. Zo breng ik vaste patronen in kaart, of juist het ontbreken daarvan, en ontstaat een scherp inzicht in de dagelijkse dynamiek.
De data van CO₂-meters en hygrometers wordt via een transformatielaag omgezet naar gemiddelde waarden per uur. CO₂-meters registreren de gegevens oorspronkelijk per minuut in UTC of lokale tijd, maar na de omzetting ontstaat een gestandaardiseerde dataset. Deze wordt vervolgens doorgestuurd naar het analysesysteem, waarin onder andere vergelijkingen worden gemaakt met de uurgegevens van het KNMI van een uur eerder. Ook de KNMI-data doorloopt een eigen transformatielaag (uurgegevens zijn in UTC). Dankzij deze aanpak is het analysesysteem volledig onafhankelijk van het type CO₂-meter of hygrometer én van het KNMI als bron.
RMaanden.nl – met expertise afkomstig van gerenommeerde instellingen zoals Harvard, Yale, Virginia Tech en ASHRAE uit de Verenigde Staten.