D13 Inwoner (geanonimiseerd), wetenschappelijk rapport over stikstof.pdf

Hoeveel nodig is om schadelijk te zijn, en zelfs hóe je “schadelijk” definieert, is niet makkelijk vast te stellen en de literatuur is daar absoluut niet eensluidend over. Je bent ofwel aangewezen op kleinschalige experimenten waarvan de relevantie op grotere ruimte- en tijdschaal onduidelijk is, ofwel je probeert een model te maken waarbij je kijkt naar de kans dat er iets schadelijks gebeurt. Zo’n kans betekent dan echter alleen maar iets binnen het model zelf en de betekenis voor het veld is dan vaak helemaal niet duidelijk. In mijn studie naar het

39

Persoonlijke communicatie, 17 oktober 2023. Een dergelijke conclusie werd ook getrokken in William M. Briggs en Jaap C. Hanekamp, Nitrogen critical looads: critical reflections on past experiments, ecological endpoints, and uncertainties, Dose-response DOI: 10.01177/15593258221075513 (2022). 40

30

gebruik van KDW’s kwam ik veel verschillende benaderingen tegen.41 Er is voor zover ik heb kunnen nagaan geen gezamenlijke en algemeen geaccepteerde methodologie om de KDW’s vast te stellen. Ik noem een aantal zaken die mij op zijn gevallen. In sommige benaderingen werd een KDW met een model vastgesteld.42 Dat vind ik in zichzelf al een probleem, want een model geeft alleen maar terug wat je er zelf in hebt gestopt en is daardoor noodzakelijk enigszins circulair, maar bovendien wordt ‘schadelijk’ hier doorgaans in termen van p-waardes gedefinieerd. Die methodologie heb ik hierboven al afgewezen. Ook is er vaak sprake van ‘opschaling’ van empirische bevindingen.43 Experimenten op een zeer klein stukje grond en gedurende korte tijd (denk aan 1 m2 en een periode van enkele weken) worden zonder verder commentaar opgeschaald naar minimaal hectares en periodes van jaren. Dat kan statistisch niet goed gaan, want meetfouten en verdere onzekerheden worden bij de opschaling natuurlijk enorm uitvergroot. Verder lijkt het erop dat de onzekerheid van allerlei externe factoren vaak niet gehonoreerd wordt.

Zo kwam ik een artikel tegen waarin de zogenaamde ‘achtergronddepositie’ op een vast getal gezet werd, terwijl die grootheid enorm zal variëren in de loop van de tijd.44 Tenslotte lijkt het erop dat onderzoekers simpelweg conclusies trekken waarvan ik onmogelijk in kan zien dat ze uit de experimenten zouden volgen. In een bepaald experiment45 werden verschillende potten van 24 × 24 × 32 cm gebruikt waarin extra stikstof werd geïnjecteerd, van 0 tot 4 g/m2/jaar, met een “verwaarloosbaar” achtergrondniveau van stikstofdepositie. Er werden verschillen gevonden bij de hoogste stikstofniveaus in de plantbiomassa van twee soorten Sphagnum. Maar gezien de volledig kunstmatige en kleinschalige aard van het experiment, lijkt het moeilijk om, zoals de auteurs doen, te concluderen dat “hoge niveaus van stikstofdepositie inderdaad verantwoordelijk lijken te 41

Zie bijvoorbeeld R. Bobbink en J.P. Hettelingh, Review and revision of empirical critical loads and doseresponse relationships, Proceedings of an expert workshop, 23-25 June, 2010. 42 Bijvoorbeeld in Banin L, Bealey B, Smith R, Sutton M, Campbell C, Dise N, Quantifying Uncertainty in Critical Loads. Technical report, CEH Report to SEPA. Lancaster, UK: Centre for Ecology & Hydrology; 2014. 43 Bijvoorbeeld in Aerts R, Wallen B, Malmer N, Growth-limiting nutrients in sphagnum-dominated bogs subject to low and high atmospheric nitrogen supply. J Ecol. 1992;80: 11-39. 44 Bijvoorbeeld in Bragazza L, Tahvanainen T, Kutnar L, et al. Nutritional constraints in ombrotrophic sphagnum plants under increasing atmospheric nitrogen deposition in Europe. New Phytol. 2004;163: 609-616. 45 Bijvoorbeeld in Tomassen HBM, Smolders AJP, Lamers LPM, Roelofs JGM, Stimulated growth of betula pubescens and molinia caerulea on ombrotrophic bogs: role of high levels of atmospheric nitrogen deposition. J Ecol. 2003;91:357-370.

31

zijn voor de waargenomen snelle vegetatieveranderingen in (echte) ombrotrofe veengebieden.” Al deze problemen betekenen onder meer dat de KDW’s eenvoudigweg niet als unieke welgedefinieerde getallen kunnen worden gerepresenteerd, en doen alsof dat wel zo is acht ik onwetenschappelijk. Dat omstandigheden veranderen als gevolg van de depositie van stikstof is in zichzelf niet van belang. Het belang daarvan moet op een andere manier blijken. Ik merk tenslotte op dat het bepalen van KDW’s zoals boven beschreven niet via de fauna verloopt, maar via de flora. Dat heeft natuurlijk een begrijpelijke pragmatische reden. Historisch perspectief Hoe de KDW’s toch zo belangrijk hebben kunnen worden is een verhaal apart dat ik hier niet helemaal zal vertellen, maar waarschijnlijk heeft de VN conferentie in Sofia in 1988 hierbij een grote rol gespeeld. In 2008 (!) concludeerde de commissie Trojan het volgende:46

“De kritische depositowaarde is in Nederland als een te absolute waarde gehanteerd. Deze waarde moet in de toekomst niet meer gezien worden als een doelstelling die behaald moet worden, zoals dat ook in de omliggende landen niet gebeurt.”

Mijn enige bezwaar tegen deze uitspraak is dat er gesproken wordt over “de” kritische depositiewaarde. Ik heb hiervoor uitgelegd dat “de” waarde niet bestaat. Een jaar later, in 2009 doet de commissie-Huys het nog eens dunnetjes over:47

“Naar onze mening heeft de kritische depositiewaarde in het Nederlandse beleid een te grote aandacht gekregen en is die waarde te stringent geformuleerd en toegepast.”

Het mocht allemaal niet baten. In 2020 neemt de Tweede Kamer de ‘Stikstofwet’ aan. In Artikel 1.12a lid 2 van die wet lezen we:

46

Kamerstuk 30 654, nr. 51, https://zoek.officielebekendmakingen.nl/kst-30654-51-b2.pdf, blz. 26. Adeviesgroep Huys, Meer dynamiek bij de uitvoering van nationale en Europses natuurwetgeving: perspectief van een programmatische aanpak, blz. 9. 47

32

“De in het eerste lid bedoeld omgevingswaarden48 zijn resultaatsverplichtingen.” Vanuit een wetenschappelijk perspectief is dit artikel niet te verdedigen, zoals ik heb betoogd. Maar eigenlijk is de situatie nog ondoorzichtiger en gecompliceerder. Want hoe kom je er achter of je aan de “resultaatsverplichting” hebt voldaan? Hoe kun je aan de wet voldoen? Het antwoord is dat je met Aerius/OPS moet berekenen of het resultaat gehaald is. Enigszins tot mijn verbazing heb ik over het toepassen van Aerius alleen in de Omgevingsregeling artikelen kunnen vinden.49 Zo luidt Artikel 4.15 uit die Omgevingsregeling als volgt: “Artikel 4.15 (methode berekenen stikstofdepositie Natura 2000-activiteit)

1. Dit artikel is van toepassing op het bepalen van de stikstofdepositie bij het vaststellen of een activiteit door het veroorzaken van stikstofdepositie als een Natura 2000-activiteit moet worden aangemerkt. 2. Op het berekenen van de stikstofdepositie is AERIUS Calculator van toepassing.”

In hoeverre “van toepassing” zijn tot een verplichting leidt om de uitkomsten van een model letterlijk te nemen of zelfs maar te gebruiken laat ik aan juristen over. Mijn conclusie is dat mijn wetenschappelijke en statistische bezwaren tegen het gebruik van Aerius/OPS tot een eenvoudige aanpassing van de Omgevingsregeling zouden moeten leiden. De stikstofwet is moeilijker aan te passen, dus het probleem van de KDW’s is hardnekkiger. Daarmee wordt het dus belangrijk om te onderzoeken hoe het zit met de betrouwbaarheid van uitkomsten van het Aerius/OPS rekenmodel. Kan dat model wel leveren wat van haar gevraagd wordt in dit dossier? Dat onderzoek ik in het volgende hoofdstuk.

48

49

Hier worden de KDW’s mee bedoeld. wetten.nl - Regeling - Omgevingsregeling - BWBR0045528.

33

4 - Onzekerheid en voorspellend vermogen van Aerius/OPS

Aerius/OPS is een deterministisch model. Het voorspelt atmosfeerconcentraties aan de and van emissiegetallen, in combinatie met tal van parameters. Als je twee keer dezelfde input geeft komt er twee keer hetzelfde uit. Dat er toch zoiets als ‘onzekerheid’ rond Aerius/OPS bestaat heeft een aantal redenen. Allereerst maakt Aerius gebruik van de output van andere modellen, zoals bijvoorbeeld de met NEMA geschatte geaggregeerde emissies. Verder is het zo dat stikstofdepositie niet gemeten kan worden, maar afgeleid wordt uit andere grootheden zoals atmosferische concentraties. Die andere grootheden en de afleiding zélf leveren ook weer onzekerheden op. Een wiskundig model kan de werkelijkheid nooit volledig of vaak zelfs maar bij benadering beschrijven, en het feit dat we daarvoor een model gebruiken brengt inherent onzekerheden met zich mee over de adequaatheid van het model. Deze verschillende vormen van onzekerheid, die lang niet allemaal gekwantificeerd kunnen worden, bespreek ik hieronder in iets meer detail. Meetonzekerheid van de depositie zelf50 Wellicht denken veel mensen dat je depositie van stikstof kunt meten zoals je bijvoorbeeld de temperatuur meet, maar in werkelijkheid is dat niet zo.

Natuurlijk is er zelfs bij het meten van temperatuur sprake van onzekerheid bij het aflezen, maar deze vallen in het niet bij wat er moet gebeuren om stikstofdepositie te ‘meten’.51 Ik citeer hier enkele opmerkingen hierover van de website van het RIVM.52 “De bodem en planten kunnen ammoniak en stikstofoxiden direct uit de lucht opnemen. Luchtwervelingen zorgen ervoor dat stoffen naar de grond bewegen (turbulentie). Dit noemen we droge depositie. Met de COTAG-mast meten we droge depositie van ammoniak.

50

In dit rapport heb ik het over droge depositie, die het leeuwendeel van de totale depositie behelst. Natte depositie is veel beter te meten maar van ondergeschikt belang. 51 Ik schrijf ‘meten’ tussen aanhalingstekens omdat, zoals zo duidelijk wordt, er in feite geen depositie gemeten wordt. Het wordt afgeleid uit andere zaken. 52 Metingen van droge depositie van ammoniak | RIVM

34

Bovenop de COTAG-mast staat een windmeter. Deze meet de turbulentie in de lucht. Twee kasten die aan de mast hangen meten op twee hoogten hoeveel ammoniak er in de lucht zit. Met deze meetgegevens berekent het RIVM hoeveel ammoniak er direct uit de lucht in de natuur terechtkomt. Het RIVM gebruikt de meteorologische gradiëntmethode om de droge depositie van NH₃ te bepalen met een COTAG-mast. In deze methode is de hoeveelheid droge depositie een combinatie van het concentratieverschil van NH₃ op twee hoogten en een mate van turbulentie. Als er depositie is, is de concentratie direct boven het oppervlak lager dan op grotere hoogte. Dat komt doordat de vegetatie en bodem ammoniak opnemen. Er kan in plaats van depositie ook emissie optreden. In dat geval is de concentratie direct boven de bodem en vegetatie hoger dan op grotere hoogte. De mate van turbulentie bepaalt de snelheid waarmee ammoniak van of naar de bodem en vegetatie gaat. Dit hangt af van de stabiliteit van de atmosfeer. De stabiliteit van de atmosfeer verandert gedurende de dag maar ook door het jaar heen. Overdag en in de zomer wanneer de zon de aarde opwarmt is er veel turbulentie. Opstijgende bellen warme lucht zorgen voor een gemakkelijke uitwisseling met het aardoppervlak. De atmosfeer is onstabiel. In de nacht of in de winter is er bijna geen turbulentie.

Dit komt omdat de lucht dicht aan het aardoppervlak kouder is dan op hogere hoogte. Er is dus dan ook weinig uitwisseling en menging, de atmosfeer is stabiel. Als de wind langs bomen, gebouwen of andere obstakels waait, kunnen er ook turbulente wervelingen ontstaan. Hoe hoger de windsnelheid hoe meer turbulentie. Als dit de belangrijkste oorzaak van de turbulentie is, dan is de atmosfeer neutraal. De COTAG meet onder twee turbulente situaties: onstabiel en neutraal. Onder situaties met zeer weinig turbulentie (stabiel) en zeer veel turbulentie (zeer onstabiel) staat de COTAG in de ‘uitstand’. Tijdens stabiele situaties is er zeer weinig menging van de lucht. Daarom is het moeilijk de menging van de lucht goed te meten. De droge depositie van ammoniak is dan ook klein. Maar ook onder zeer onstabiele situaties staat het COTAG-systeem in de ‘uitstand’. In dat geval is er wel veel menging, maar is het NH₃-verschil zo klein dat het niet goed meetbaar is. 35

Doordat de COTAG een deel van de tijd in de ‘uitstand’ staat, meet de COTAG niet alle droge depositie. In 2023 hebben we de methode om tot de totale droge depositie van ammoniak te komen verbeterd. Sindsdien gebruiken we voor de tijden dat de COTAG niet meet, de waarde van de meest passende turbulentieklasse. Staat de COTAG uit vanwege stabiele omstandigheden, dan gebruiken we de meetwaarde van neutraal. Bij zeer onstabiele omstandigheden gebruiken we de meetwaarde van onstabiel.”

Het zal nu voor iedereen duidelijk zijn nu dat de depositie niet direct gemeten kan worden, maar een afgeleide is van tal van andere metingen (elk met hun eigen onzekerheid) die bovendien ook nog eens modelmatig (via de genoemde gradiëntmethode) tot een berekende depositie leiden. Dit kan niet anders betekenen dan dat de ‘metingen’ zelf met grote onzekerheden gepaard gaan. Hoe groot deze zijn weet ik niet, en dat zal ook moeilijk vast te stellen zijn.53 Ik merk daarbij bovendien op dat deze ‘metingen’ op slechts vijf Natura2000 gebieden plaatsvinden. Voor een toegankelijk overzicht van de hele Aerius/OPS omgeving verwijs ik verder naar Figuur 1 van de eerdergenoemde rapportage van de commissie Hordijk. Ik merk voor de volledigheid op dat deze ‘metingen’ algemene en globale ‘metingen’ van jaargemiddeldes zijn – het zijn géén ‘metingen’ over de depositie als gevolg van een bepaalde, specifieke, activiteit. ‘Metingen’ daarvan bestaan simpelweg niet, alleen berekeningen via Aerius/OPS. NEMA-onzekerheid Het National Emission Model for Agriculture (NEMA) berekent landbouwemissie (naast andere emissiebronnen) naar de lucht, en is een input voor Aerius/OPS. Zo lezen we:54

“Het NEMA berekent de uitstoot van stoffen voor bijvoorbeeld stallen, mestopslag, en het gebruik van mest. Het NEMA wordt ook gebruikt om emissies zoals methaan

53

Maar zie Jan Willem Erisman, Acid deposition to nature areas in The Netherlands: part I: methods and results, water, Air and Soil pollution 71 (1993) voor schatting op basis van een andere techniek. De onzekerheden over de metingen bedragen volgens hem tientallen procenten. 54 Methodology for estimating emissions from agriculture in the Netherlands. Calculations for CH4, NH3, N2O, NOx, NMVOC, PM10, PM2.5 and CO2 using the National Emission Model for Agriculture (NEMA) – Update 2021 | RIVM

36

uit verschillende dieren en mest te berekenen. Dit model wordt elk jaar aangepast aan de nieuwste wetenschappelijke inzichten.”

Natuurlijk gaan deze berekeningen met de nodige onzekerheden gepaard:

“Met behulp van onzekerheidsanalyses wordt een bandbreedte aangegeven waarbinnen de berekende emissies met een 95%-betrouwbaarheid (waarschijnlijkheid) zullen liggen. De onzekerheidsanalyses hebben betrekking op activiteitendata en emissiefactoren, maar niet op gehanteerde proces- en modelformuleringen.”55

Wat betekent dit precies? Welnu, de emissies worden ‘berekend’ als

emissie = activiteit × emissiefactor

Voor activiteiten en emissiefactoren is per bron een onzekerheid ingeschat, en er wordt dus aangenomen dat het proces volgens deze formule verloopt. Dit is een grote vereenvoudiging van de werkelijkheid. Er zijn allerlei factoren die effect hebben op het proces emissie (wind, temperatuur enzovoort) waardoor deze formule van beschrijving van het proces emissie de werkelijkheid onmogelijk goed kan beschrijven. Dus er is niet alleen sprake van onzekerheid binnen de getoonde formule zélf, maar ook over de reikwijdte van deze formule. De formule ‘past’ niet goed op de werkelijkheid. De onzekerheid in de eenvoudige formulering van het proces emissie is echter niet meegenomen in de onzekerheidsanalyse, zoals de auteurs zelf dus ook erkennen. In deze onzekerheidsanalyses is verder de onzekerheid in naleving en handhaving niet of nauwelijks meegenomen. Ook is nog geen rekening gehouden met de gewijzigde onzekerheid in de emissie uit stallen met emissiearme vloeren en mestkelders. Voor de methode van onzekerheidsberekening en de schattingen van de onzekerheden in activiteitendata en emissiefactoren wordt verwezen naar Van der Zee et al.

55

C. Van Bruggen et al., Emissies naar lucht uit de landbouw berekend met NEMA voor 1990-2022, WOTTechnical report 264, blz. 62, 2024.

37

(2024).56 We vinden daar een onzekerheidsanalyse voor 2020 met de methode van ‘propagation of error’.57 Wat betekent dat precies? Deze methode berekent de onzekerheden van een aantal gezamenlijke bronnen met de individuele onzekerheden als input. Als je een aantal verschillende schattingen bij elkaar optelt of juist met elkaar vermenigvuldigt, en je doet aannames over de (on)afhankelijkheid van de verschillende bronnen, dan kun je met elementaire kansrekening uitrekenen hoe groot de totale onzekerheid wordt. Maar ik benadruk dat deze berekening volledig binnen het model plaatsvindt, en dus theoretisch en niet empirisch is. De NEMA-schattingen zijn dus zeer onzeker, en deze onzekerheid zal een weerslag hebben op de onzekerheid over de realiteitswaarde van Aerius/OPS-berekeningen. Voorspelt Aerius goed? In 2023 publiceerde het RIVM een rapport over de onzekerheid in de berekeningen van Aerius/OPS.58 Het is een nogal technisch rapport. Het rapport gaat niet over de onzekerheid van specifieke projecten, maar over onzekerheid in gemiddelden op een bepaalde locatie over langere tijd – het gaat over jaren:

“De eerste stap is het bepalen van de onzekerheid voor de zes stikstofcomponenten. We doen dit door jaarcijfers van de OPS berekeningen te vergelijken met de beschikbare metingen.”59

Op specifieke locaties wordt de totale depositie een jaar lang ‘gemeten’. Vervolgens wordt uitgerekend hoe groot het modelgemiddelde over een jaar is. Dat laatste gebeurt door de depositie onder verschillende omstandigheden te berekenen door het model,60 en dan het gewogen gemiddelde hiervan te berekenen op basis van hoe vaak elk van deze omstandigheden gemiddeld in een jaar voorkomen. Op basis hiervan wordt op een 56

Van der Zee, T.C., A. Bleeker, C. van Bruggen, W. Bussink, H.J.C. van Dooren, C.M. Groenestein, J.F.M. Huijsmans, H. Kros, Lagerwerf, L.A., K. Oltmer, M. Ros, M.W. van Schijndel, L. Schulte-Uebbing & G.L. Velthof (2024). Methodology for the calculation of emissions from agriculture. Calculations for methane, ammonia, nitrous oxide, nitrogen oxides, non-methane volatile organic compounds, fine particles and carbon dioxide emissions using the National Emission Model for Agriculture (NEMA). RIVM report 2024-0015. RIVM, Bilthoven. 57 Zie bijvoorbeeld Microsoft Word - V1_Ch3_Uncertainty_final_V2.doc 58 Uncertainty in the determined nitrogen deposition in the Netherlands. Status report 2023 | RIVM 59 Ibid, blz. 13. 60 De omstandigheden kunnen tot op zekere hoogte in het Aerius/OPS model ‘ingevoerd’ worden. Natuurlijk is dat ook in zichzelf al een benadering.

38

specifieke manier een uitspraak gedaan over de onzekerheid van modelberekeningen. Op blz. 17 van het rapport lezen we dit:

“Dit resulteert in een gemiddelde onzekerheid in de totale stikstofdepositie van ongeveer 60 - 70% (2𝜎) voor een willekeurige locatie in Nederlands natuurgebied. Dit betekent 900 - 1100 mol/ha/j. Deze 60% à 70% komt goed overeen met de eerdere schatting. Het voordeel ten opzichte van de eerdere onzekerheidsschattingen is dat de definitie van de onzekerheidsmaat nu veel scherper is. Merk op dat dit de onzekerheid is van de waarde zelf, dus in absolute zin. Er is 5% kans dat de gerapporteerde modelwaarde 60-70% lager of hoger is. Maar in veel gevallen worden modelwaarden relatief met elkaar vergeleken. Voorbeelden hiervan zijn vergelijking van verschillende jaren in trendanalyses, of het vergelijken van het wel of niet meenemen van bepaalde bronnen. In deze situaties vallen veel van de bovenstaande onzekerheden tegen elkaar weg. Hierdoor zal de onzekerheid kleiner worden.”

Het RIVM erkent dus dat het model er wat betreft het gemiddelde er 60% à 70% naast kan zitten. Ik vermoed overigens dat de totale onzekerheid nog een stuk groter is dan het RIVM hier rapporteert, omdat de eerdergenoemde onzekerheid van de ‘metingen’ niet wordt meegenomen. Het RIVM-rapport rept dus helemaal niet over de onzekerheid van de Aerius berekeningen van specifieke lokale activiteiten, zoals dat voor de vergunningverlening wel nodig is, maar over geaggregeerde jaarcijfers. Dat maakt dat de gerapporteerde onzekerheid geen directe functie heeft in het kader van deze vergunningverlening. Echter, we leren er toch wel wat van. De onzekerheid van berekeningen voor specifieke activiteiten zal immers zeker groter zijn - het nemen van een gemiddelde werkt immers ‘absorberend’ in de zin dat extremen minder groot worden, en de verwachte schommelingen dus kleiner. Het punt dat ik wil maken, is dat door het nemen van gemiddeldes, een model er beter uit kan komen te zien dan op het niveau van individuele voorspellingen. Dat is een cosmetisch (wiskundig) fenomeen en niet feitelijk toegenomen modelprecisie.

39

In een eerder rapport van het RIVM61 toont de auteur een figuur (hun Figuur 8.3) waaruit blijkt dat het door Aerius/OPS berekende patroon van gemiddelden in zekere mate wel overeenkomen met de praktijk, in de zin dat een hogere ‘meting’ doorgaans ook een hogere berekende depositie betekent. Maar dat kan een eenvoudiger model ook, en bovendien staat dat nog mijlenver af van een zinvolle toepassing bij vergunningverlening. Deze kritiek op Aerius is noch nieuw, noch origineel. In 2022 werd al dergelijk kritiek op Aerius geformuleerd, en werd zelfs gesteld dat het eenvoudige ‘mean model’ beter werkt dan Aerius zelf, op basis van empirische data.62 In dat ‘mean model’ neem je als voorspelling gewoon de gemiddelde waarde tot nu toe. De kritiek op Aerius/OPS in dit artikel gaat overigens veel verder dan dat, daarover straks meer. Dit erkent het RIVM overigens allemaal volmondig. Ik heb tijdens mijn gesprek op het RIVM begrepen dat er ook gewerkt wordt aan een onzekerheidsanalyse op individueel activiteitenniveau. Die analyse kan echter geen empirische analyse zijn omdat de hoeveelheden waarom het gaat niet te meten zijn. Het is een model-analyse; in de wiskunde noemen we dat een sensitiviteitsanalyse, waarbij wordt gekeken hoe de uitkomsten variëren bij het variëren van de inputparameters.

Hoewel dat in zichzelf interessant kan zijn (maar ook circulair omdat we die onzekerheden er bij de constructie van het model zelf ingestopt hebben) geeft die methode geen inzicht in de empirische onzekerheden. Die zijn simpelweg niet te bepalen. Dat reduceert uiteraard het belang van zo’n analyse. Het RIVM rapporteert dus over de onzekerheid van gemiddelde uitkomsten en komt daarbij tot onzekerheden die groot zijn. Kennelijk is het niet zomaar waar dat een gecompliceerd model goed kan voorspellen. Dat is overigens heel gebruikelijk in de wetenschap. De meeste mensen denken dat hoe gedetailleerder een model wordt, hoe beter het ook wordt, maar dat is doorgaans helemaal niet het geval. Feit is dus dat we geen idee hebben hoe goed Aerius werkt in individuele gevallen, om de simpele reden dat de hoeveelheden waar het daar om gaat niet te meten zijn. De lezer moet goed beseffen dat de onzekerheden die we daar mogen verwachten erg groot zijn, groter dan de onzekerheden die het RIVM rapporteert over de gemiddelde waardes. Dit acht ik voor een vergunningsinstrument niet acceptabel.

61

J. Jaarsveld, Description and validation of ops-pro 41, Technisch rapport 500045001/2004. Zie William M. Briggs, Jaap C. Hanekamp en Geesje Rotgers, Criticizing AERIUS/OPS Model Performance, 2022. 62

40

Met een klein experiment met de Aerius Online Calculator63 kun je overigens zelf uitzoeken hoeveel depositie Aerius voorspelt bij een agarische activiteit. Ik heb e.e.a. zelf geprobeerd, en kwam tot de conclusie dat bijvoorbeeld 300 koeien nooit meer dan zo’n 3 mol stikstof/ha/jaar opleverden, en dat is gezien de gestelde achtergronddepositie van enkele duizenden mol/ha/jaar niet alleen praktisch verwaarloosbaar, maar ook niet te meten. Het gebruik van Aerius/OPS is dus uitsluitend een modelexercitie waarbij we geen idee hebben over de realiteitswaarde. De onzekerheid die het RIVM zelf rapporteert in de jaarcijfers laten al zien dat de onzekerheid op individueel niveau groter zullen zijn dan de 60% - 70% die het RIVM rapporteert. Hoe groot kunnen we echter niet weten. Voor een instrument dat bij vergunningsverlening voor individuele projecten, met unieke KDW’s, gebruikt wordt, is een dergelijke onzekerheid onaanvaardbaar. Samenvattend: de prestaties van het model op individueel niveau bij vergunningverlening worden omgeven met onzekerheden die niet kwantificeerbaar zijn, omdat gemodelleerde deposities onmeetbaar klein zijn. Dat de onzekerheden hier veel groter zullen zijn dan bij landelijke (globale) gemiddeldes is nu eenmaal een wiskundig gegeven.

Deze globale modeluitkomsten worden zelf al omgeven met vele tientallen procenten onzekerheid, voortkomend uit verschillende onzekerheden. Controle van modelprecisie en -onzekerheid is niet mogelijk omdat er geen meetdata voor stikstofdepositie voorhanden zijn. Daar komt de onzekerheid van meetresultaten van atmosferische concentraties nog eens bovenop, die in dit specifieke dossier moeilijk kwantificeerbaar zijn. En de ‘gemeten’ depositie is dan een afgeleide van deze atmosferische concentraties. In het eerste citaat uit het RIVM rapport wordt, tenslotte, nog gesproken over het “wegvallen” van onzekerheden tegen elkaar. Dat is alleen, en alleen dan, eventueel mogelijk wanneer de resultaten inderdaad gebruikt worden voor vergelijking. Immers, in die gevallen mag je hopen dat de vergeleken waardes op dezelfde manier zullen afwijken van de berekeningen als gevolg van correlaties van onzekerheden. Bij het berekenen van de depositie van individuele projecten is “wegvallen” echter simpelweg niet aan de orde, en dat zal ik hier dan ook niet verder bespreken.

63

Alles over AERIUS Calculator | Producten | AERIUS

41

Validatie van Aerius Na de bespreking van de grote onzekerheden in berekende deposities, rijst vanzelf de vraag of Aerius/OPS wel goed gevalideerd is. Valideren van een model is geen eenvoudige opgave, en wat je daarvoor precies moet doen staat niet in een algemeen geaccepteerde handleiding. Wel is het zo dat validatie altijd neerkomt op het vergelijken van voorspellingen met daadwerkelijke observaties, maar er zijn veel manieren om zo’n vergelijking te maken.64 Het blijkt daarbij dat het simpele mean model dat ik eerder besprak, beter uit die validatietests komt dan Aerius/OPS zelf. Ik heb geprobeerd om na te gaan welke validatiestudies er voor Aerius/OPS zijn uitgevoerd, maar de resultaten daarvan waren niet erg bevredigend. In het kader van dit rapport is het niet nodig om hier gedetailleerd op in te gaan, de studie van het RIVM zelf is hierover voor ons informatief genoeg.65 De recente voorlichting aan de regering van de Raad van State Dit is nu het goede moment om kort in te gaan op de voorlichting die de Raad van State publiceerde op 26 mei 2025. Ik citeer:66

“Het eventueel niet kunnen meten van stikstofdepositie onder de grens van 1 mol/ha/jaar, betekent echter niet dat de omvang daarvan niet modelmatig kan worden berekend en daarmee redelijk kan worden ingeschat. Het betekent ook niet dat die depositie er niet is. Het AERIUS-model en de daarop gebaseerde Calculator geven de best mogelijke inschatting van de stikstofdepositie op een Natura 2000gebied, ook voor individuele projecten.”

Laten we deze opvatting bespreken aan de hand van de kennis die we nu hebben verzameld. Ik zal de drie zinnen in het citaat één voor één bespreken.

64

In het eerder geciteerde rapport van Briggs, Hanekamp en Rotgers bijvoorbeeld, wordt een lijst met mogelijke validatievergelijkingen gepresenteerd. 65 De geïnteresseerde lezer kan William M. Briggs, Jaap C. Hanekamp en Geesje Rotgers, Criticizing AERIUS/OPS Model Performance, 2022 raadplegen voor een overzicht. 66 Voorlichting over mogelijkheden introductie rekenkundige ondergrens stikstofdepositie. - Raad van State

42

“Het eventueel niet kunnen meten van stikstofdepositie onder de grens van 1 mol/ha/jaar, betekent echter niet dat de omvang daarvan niet modelmatig kan worden berekend en daarmee redelijk kan worden ingeschat.” Het woordje “eventueel” is overbodig: we kunnen onder die grens niet ‘meten’. Het is vervolgens natuurlijk juist dat je ondanks die meetproblemen kunt uitrekenen wat je maar wilt. Maar de Raad van State maakt niet aannemelijk dat deze berekening “redelijk” is. In dit rapport heb ik uitgelegd dat het tegenovergestelde het geval is. “Het betekent ook niet dat die depositie er niet is.” Dit is, uiteraard, volkomen juist maar ik ken niemand die ooit het tegengestelde heeft beweerd. De Raad van State wekt hier de indruk een stroman te bestrijden. “Het AERIUS-model en de daarop gebaseerde Calculator geven de best mogelijke inschatting van de stikstofdepositie op een Natura 2000-gebied, ook voor individuele projecten.” Ik heb uitgelegd dat een beroep op “de best mogelijke inschatting” niet acceptabel is, als die inschatting ons gewoon geen informatie geeft. Bij individuele projecten zegt de Aeriusberekening niets; daarvoor zijn de onzekerheden van het geheel veel te groot. De Raad van State ziet onvoldoende in dat we hier te maken hebben met een modelexercitie die noch met enige functionele precisie kan worden uitgevoerd noch empirisch verifieerbaar is.

De problemen staan niet op zichzelf In mijn analyse heb ik de stikstofpraktijk en de empirische en theoretische (statistische) kaders die daarvoor de afgelopen jaren in stelling zijn gebracht onderzocht. Ik heb geconstateerd dat beide ernstig tekortschieten. Daarmee lijkt de kous af. Echter, mijn en andere kritieken op de huidige gang van zaken, zouden aanleiding kunnen geven om het stikstofdossier op een andere manier tóch modelmatig te blijven benaderen, bijvoorbeeld via emissie-modellen in plaats van depositie. Dat is geen goed idee, omdat alle problemen die ik heb besproken dan opnieuw zullen opdoemen, hoewel wellicht in een andere verschijningsvorm. Je zou kunnen stellen dat de problemen die ik heb gesignaleerd symptoomverschijnselen zijn, en dat het onderliggende probleem dieper zit. In het stikstofdiscours wordt de wetenschap gevraagd om antwoorden te geven op vragen die de 43

wetenschap ten principale niet kán beantwoorden. De wetenschap hoort daar verantwoordelijkheid voor te nemen, maar doet dat in mijn optiek niet of te weinig – ik schreef dat al eerder. Elke puur modelmatige benadering van het stikstofdiscours is uiteindelijk tot mislukken gedoemd is. Een volledige bespreking van dit punt vraagt veel meer ruimte dan ik hier tot mijn beschikking heb. Ik noem het hier kort omdat dit punt in mijn ervaring vaak over het hoofd wordt gezien. De kwestie is dat stikstof als enkelvoudige beleidsparameter voor natuurbeleid een myriade aan consequenties heeft voor tal van sociaal-economische activiteiten in Nederland die nooit modelmatig inzichtelijk gemaakt kúnnen worden. Dat is deels terug te voeren, zoals ik heb laten zien, op het circulaire proces van niet-begrepen en inaccuraat toegepaste statistische kaders die hebben geleid tot een fictieve precisering van de impact van stikstofverbindingen op de Nederlandse natuur. De wereld is verder te complex en kan niet worden gereduceerd tot of gestuurd vanuit stikstof. Noch gereduceerde stikstofemissies van alle economische actoren, noch alle bijbehorende technologische en sociaal-economische consequenties, noch natuurkwaliteit kunnen worden begrepen vanuit het gevoerde stikstofbeleid.

Bedenk dat dit beleid, met niet meer dan KDW’s (met niet-bestaande ecologische precisie), en Aerius/OPS (dat geen stikstofemissies, transport en deposities met enige functionele nauwkeurigheid kan modelleren) wordt geïmplementeerd. Met het stikstofbeleid worden politieke en beleidsmatige pogingen gedaan om aan de hand van één chemisch element - stikstof talloze economische activiteiten van hogerhand te ‘stroomlijnen’ en te structureren ten behoeve van de natuur (de Wet van Goodhart indachtig; zie boven). Dit is geen kwestie van de noodzaak van voortschrijdend inzicht of grotere behoefte aan empirische en mathematische kennis. Het huidige stikstofbeleid kan nooit datgene opleveren wat wordt beoogd of beloofd. Dat is dan ook de belangrijkste reden dat het niet zinvol is om nog gecompliceerdere modellen te gaan beschouwen dan Aerius/OPS. Wetenschap geeft ons nuttige informatie over bepaalde vragen, maar is naar haar aard ook beperkt. Dat is geen diskwalificatie van wetenschap, maar juist een van haar sterke punten: om nuttig te kunnen zijn moet de wetenschap zich beperken tot haar natuurlijk (metaforische) habitat. In het stikstofdiscours wordt deze voorwaarde met voeten getreden.

44

5 - Modelgebruik voor beleid in het algemeen

De aard van modellen Waarom maken en gebruiken we eigenlijk wiskundige modellen? We willen begrijpen wat het gevolg zal zijn van bepaalde interventies, of wat er gebeurt bij juist het uitblijven daarvan. We willen snappen in hoeverre stikstofdepositie wordt beperkt als gevolg van bepaalde maatregelen, we willen weten hoe het klimaat zich zal ontwikkelen als we niets zouden doen, of we willen weten of windmolens niet te veel hinderlijk geluid gaan genereren wanneer ze op een specifieke locatie worden geplaatst. Omdat de werkelijkheid extreem complex is maken we wiskundige modellen die hopelijk op de cruciale punten iets over de werkelijkheid kunnen zeggen. Echter, zelfs als dat lukt is de huidige werkelijkheid beschrijven nog heel iets anders is dan de toekomst voorspellen. Dat dit niet makkelijk kan zijn is een understatement. Modellen worden door mensen gemaakt, en hierover is meestal helemaal geen consensus. Als een overheidsorgaan kiest voor de inzet van een model bij beleid, dan wordt kritiek daarop vaak gepareerd met dat ‘dit het beste is wat we hebben’. Behoorlijk bestuur, rechtmatig en verstandig gebruik van modellen vragen echter om meer: niet alleen om goed doordachte modellen, maar ook om kennis en inzicht bij ambtenaren, juristen en bestuurders over de kwaliteit en (uit)werking van die modellen en de gevolgen die deze kunnen hebben.

Het is hierbij belangrijk dat bestuurders en juristen het besef ontwikkelen dat geen enkel model te interpreteren is zonder context. Wat helpt is te starten met het stellen van een aantal basale vragen over de gebruikte modellen. Wie waren de makers? Welke opdracht hadden ze? In hoeverre heeft de politiek zich wel of niet bemoeid met de opdracht? Welke aspecten van de realiteit vonden de makers dermate belangrijk dat ze deze in hun model hebben verwerkt en welke niet? Welke motivatie hadden ze daarvoor? Is het model mede ingegeven door bekende fysische, biologische, fysiologische, sociale, psychologische, economische of andere processen die we goed begrijpen of beheersen, en hoe controversieel is ons begrip daar over? Zijn er data die aan de keuzes binnen het model ten grondslag lagen of niet? Welke grootheden hebben de makers gekwantificeerd, en op basis waarvan gebeurde dat? Welke aspecten van het model zijn echt betrouwbaar, en 45

welke zijn meer gebaseerd op een inschatting? Zijn de ingrediënten van het model zelf goed begrepen? Hoeveel vertrouwen hebben de makers zelf in het voorspellend vermogen van hun model, en waarop is dat vertrouwen precies gebaseerd? En last but not least, welke onzekerheden zijn er in de uitkomsten en hoe zijn die bepaald? Een wiskundig model is dus zeker geen objectief bolwerk van kennis, maar een meestal organisch gegroeid geheel van methodes, ideeën, gedachtes, keuzes, belangen, patronen en conclusies. Dat betekent dat een simpele verwijzing naar een modeluitkomst niet zomaar als argument voor bepaalde beleidsbeslissingen gebruikt kan worden; daarvoor ontbreekt eenvoudigweg de nodige objectiviteit en zitten er te veel keuzes in het model. Verstandig en wijs gebruiken van wiskundige modellen is daarom geen sinecure, zeker niet voor bestuurders, juristen en beleidsmakers die daarmee weinig ervaring hebben en daarbij ook weinig ondersteuning krijgen. In een eerdere publicatie67 schreef ik al dat een model om al deze redenen nooit het eindpunt van een gesprek kan zijn, maar alleen het begin. Met een model maak je duidelijk welke aspecten jij belangrijk vindt, en dat is nuttig om een gesprek op gang te krijgen en een startpunt te hebben voor het ontwikkelen van beleid.

Echter, een model zien als begin van een gesprek is moeilijk verenigbaar met het opnemen van een model in wet- en regelgeving. De eerste conclusie is dan ook dat een model naar haar aard nooit zomaar mag worden ingezet, ook niet als ‘de’ wetenschap beweert dat er niets beters is. Overigens bestaat ‘de’ wetenschap niet. Er bestaan wetenschappers die iets beweren, maar niet zelden spreken ze elkaar behoorlijk tegen. Dat hoort bij wetenschap maar heeft natuurlijk gevolgen. Want wie volg je dan als je zegt dat je de wetenschap volgt? Reële doelstellingen Doelstellingen kunnen per definitie niet in modeltermen worden geformuleerd – doelstellingen gaan immers over de werkelijkheid en niet over modellen van die werkelijkheid. Zo kun je bijvoorbeeld als doel formuleren dat een bepaalde uitstoot (een fysisch gegeven, al dan niet bekend) met 50% zou moeten dalen. In veel gevallen is meten aan die uitstoot echter niet zo makkelijk of zelfs onmogelijk, en zou je modellen willen

67

Marc Jacobs en Ronald Meester, Van aardbeving tot zoönose – over de inzet van modellen voor beleid, Mazirel Pers 2022.

46

gebruiken om de reductie van de uitstoot enigszins te monitoren. Zo’n modelbenadering is zinvol mits het model interpreteerbare uitkomsten genereert die op de een of andere manier verdedigbaar te verbinden zijn met de realiteit. Deze observatie heeft consequenties. In het stikstofdossier wordt, zoals ik uitgebreid heb besproken, de KDW als richtlijn gebruikt, een grens aan de stikstofdepositie waar je onder zou moeten blijven om natuurverslechtering te voorkomen. Echter, of aan deze grenswaarde is voldaan wordt vaak alleen maar door het model uitgerekend. De drempelwaarde voor overschrijding is soms zo laag dat we geen mogelijkheid hebben om te meten of deze waarde gehaald wordt, en dan is het uitsluitend een modelexercitie.68 De gezondheid van de natuur wordt op deze manier gereduceerd tot modelberekeningen, zonder observationele bevestiging. Modellen zijn niet objectief, en de relatie met de realiteit is lang niet altijd even duidelijk. Soms is er overduidelijk geen relatie met de realiteit maar wordt het model toch gebruikt.69 Een modelparameter als richtlijn is dus altijd omgeven met een bepaalde subjectiviteit, terwijl de verwijzing ernaar een bepaalde objectiviteit suggereert. Het model zegt het immers. Maar als een model eenmaal een juridische status heeft, kan een rechter niet anders dan dit model gebruiken.

Onzekerheid Als we een bepaald proces wiskundig modelleren, dan is het uiteraard de bedoeling dat we de realiteit zo nauwkeurig mogelijk beschrijven. Hierbij worden noodzakelijkerwijs veel keuzes gemaakt: je kunt niet alle aspecten die mogelijk een rol spelen meenemen in je modellering; het doel van een model is immers juist om de beschrijving zodanig te vereenvoudigen dat deze te analyseren of te simuleren is. Dit alles leidt tot verschillende types onzekerheid: 1. De keuze van het model zelf. Deze keuze hangt af van de kennis die experts hebben van het te modelleren proces, maar ook van persoonlijke voorkeuren. Verschillende keuzes leiden tot potentieel verschillende uitkomsten. De onzekerheid die hiervan

68

Zie bijvoorbeeld Aanbiedingsbrief expertoordeel Arthur Petersen en peer reviews rekenkundige ondergrens stikstof | Kamerstuk | Rijksoverheid.nl. Dit is natuurlijk nog afgezien van de kritiek die ik op KDW’s als richtinggevend heb gegeven. 69 Tijdens de coronapandemie gebeurde dit bijvoorbeeld bij modellen die berekenden dat een QRtoegangsbewijs bepaalde gevolgen zou hebben, zie Uitgeverij Ten Have | Wetenschap als nieuwe religie.

47

het gevolg is laat zich niet of nauwelijks zinvol wiskundig beschrijven. Het is iets waar elke modelmaker of –gebruiker zich bewust van dient te zijn en waarvoor verantwoordelijkheid genomen moet worden. 2. Als het model vastligt, is er doorgaans onzekerheid over de parameters ervan. Het kan niet genoeg benadrukt worden dat dit alleen onzekerheid binnen het model betreft. Immers, de parameters bestaan alleen maar in het model. Soms worden parameters geschat op basis van data, soms op basis van bekende wetten uit de fysica. Een schatting alleen, zonder enig inzicht in de onzekerheid die we daarover hebben is eigenlijk betekenisloos. Deze onzekerheid wordt in verschillende statistische paradigma’s anders uitgedrukt. Je kunt bijvoorbeeld een betrouwbaarheidsinterval geven, maar vaak is het beter een zogenaamd geloofwaardigheidsinterval te maken. De verschillen tussen die soorten intervallen zijn subtiel maar belangrijk. De onzekerheid die deze intervallen uitdrukken dient ook weer geïnterpreteerd te worden. Elke gekwantificeerde onzekerheid moet beargumenteerd worden. 3. Er kan grote onzekerheid ontstaan bij meetactiviteiten en andere vormen van datavergaring.

De combinatie van de punten hierboven maakt dat modeluitkomsten op een zeer ingewikkelde manier onzeker zijn, en maken dat deze onzekerheden zelfs niet zomaar geformuleerd kunnen worden. Het gaat hier trouwens altijd over onze onzekerheid als mensen; we hebben het hier niet over de vraag of de werkelijkheid zélf onzeker is of niet maar om onze kénnis ervan. Niet alleen is de interpretatie lastig, maar ook zal elke poging om de uiteindelijke onzekerheden te kwantificeren op allerlei aannames gebaseerd moeten zijn. Deze beschouwing was in grote lijnen onderdeel van een artikel dat ik op uitnodiging van een juridisch tijdschrift had geschreven. Ondanks het feit dat ik uitgenodigd was om hierover een bijdrage te schrijven, weigerde de redactie mijn manuscript. Om de hardnekkigheid van bepaalde vooroordelen te illustreren, citeer uit haar argumentatie hiervoor:

48

“De redactie vindt ook dat de waarde van modellen nogal wordt weg gerelativeerd. Zo vindt zij de suggestie dat modellen [...] tot uitdrukking brengen wat de maker van het model erin heeft gestopt niet geloofwaardig.70 Volgens de redactie is dit verregaande relativisme van modellen eenzijdig, waarmee alles ter discussie kan worden gesteld. Daarbij komt dat ook de rest van de wetgeving niet uit een objectieve bron voortvloeit, maar de uitkomst is van een continu politiek en maatschappelijk debat. De redactie vraagt zich dan ook af: is het dan zo verkeerd als aan een model een bepaalde visie ten grondslag ligt?”

Vooral de laatste vraag is interessant en belangrijk. Mijn antwoord is dat aan élk model een visie ten grondslag ligt, en dat dit zeker niet ‘verkeerd’ is. Maar het is wel verkeerd om die visie als het ware te objectiveren door de uitkomsten van zo’n model letterlijk te nemen als ware het de realiteit. Een model is altijd een bepaalde afspiegeling van de realiteit, en als je anders naar die realiteit kijkt zie je ook andere dingen. Dat is uiteindelijk de reden dat ik er voor pleit om wiskundige modellen slechts te laten informeren, en ze nooit op te nemen in wet- en regelgeving. De belangrijkste passage uit bovenstaand citaat is toch wel dat het kennelijk lastig is te begrijpen dat modellen de weerslag zijn van dat wat de makers erin hebben gestopt. Maar het kan gewoon niet anders zijn, want modellen rekenen slechts uit wat de makers hebben bedacht – meer niet. Dat heeft werkelijk niets met “relativisme” te maken, en het is cruciaal dat beleidsmakers dat doorzien. Modellen en de algemene beginselen van behoorlijk bestuur71 De overheid is in Nederland gehouden te handelen in overeenstemming met het recht.

Het betreft (i) specifieke wettelijke regels die voor bepaalde overheidshandelen gelden, (ii) hoger recht (zoals het EVRM, het EU-recht en de Grondwet) en (iii) de algemene beginselen van behoorlijk bestuur.72 Als in besluitvorming door de overheid gebruik wordt gemaakt van modellen, dan is van belang dat het gebruik van modellen in overeenstemming is met de

70

Het is bijzonder dat de redactie niet kon accepteren wat echt algemeen en voor iedereen duidelijk moet zijn. Een model is de weerslag van wat de maker erin stopt, en kan ook niets anders zijn. 71 Deze sectie bevat passages uit het rapport Een richtlijn voor het gebruik van modellen voor beleid voor ambtenaren, juristen, bestuurders en modelleurs, door Marc Jacobs en Ronald Meester, opgesteld in opdracht van de Provincie Zuid-Holland. 72 Van Wijk/Konijnenbelt & Van Male 2014, p. 264-266.

49

voor de overheid geldende algemene beginselen van behoorlijk bestuur. Ik noem een aantal van deze beginselen en geef daarbij aan wat het gevolg daarvan is voor het gebruik van modellen in het algemeen maar vooral voor het gebruik van Aerius/OPS.

Zorgvuldige voorbereiding (art. 3:2 Awb)

“Bij de voorbereiding van een besluit vergaart het bestuursorgaan de nodige kennis omtrent de relevante feiten en de af te wegen belangen.” Een model kan nooit alle relevante factoren en omstandigheden bevatten en ‘meenemen’. Die beperking van modellen kan afbreuk doen aan een zorgvuldige voorbereiding van het besluit. Een model, en Aerius/OPS in het bijzonder, kan dan alleen gebruikt worden als het bestuursorgaan weet heeft van die relevante feiten. In het onderhavige dossier valt hier bijvoorbeeld ook kennis van KDW’s onder: wat betekenen die KDW’s echt? Als de kennis ontbreekt dat KDW’s geen unieke getallen kúnnen zijn, dan is dat mijns inziens op te vatten als een belangrijk gebrek aan kennis dat zorgvuldig gebruik van het model in de weg staat. Ook gebrekkige statistische kennis staat een dergelijk zorgvuldige proces in de weg.

Fair play

“Bestuursorganen moeten werken zonder vooringenomenheid, personen die een persoonlijk belang bij een besluit hebben, mogen de besluitvorming niet beïnvloeden en bestuursorganen mogen burgers niet de mogelijkheid ontnemen om voor hun belang op te komen door te beslissen op een in dit opzicht ongunstig gekozen moment.”73 De overheid moet zich onbevangen opstellen waar het gaat om de inhoud van modellen. Als een model niet ter discussie kan staan en er ook geen vragen over kunnen worden gesteld, is het niet mogelijk om na te gaan in hoeverre (het gebruik van) een model vooringenomen is. Dat staat op gespannen voet met het fair play-beginsel.

73

Van Wijk/Konijnenbelt & Van Male 2014, p. 282-283 en p. 207-208.

50

In het geval van het gebruik van Aerius/OPS is moeilijk in te zien dat dit fair play beginsel gehonoreerd wordt. De berekeningen en aannames zijn voor niemand te verifiëren of te controleren. Als een modeluitkomst niet strookt met de waargenomen realiteit dan is er eigenlijk geen manier waarop burgers dat kunnen inbrengen op een manier die enige invloed heeft. Ik erken dat het moeilijk zal zijn om burgers te informeren over wat Aerius/OPS als model nu werkelijk wel en niet zegt. Ik zie hier ook een taak voor het RIVM zélf. Het RIVM is zich bewust van de onzekerheden van hun rapportages en zou mijns inziens moeten interveniëren wanneer de overheid deze onzekerheden niet adresseert of benoemt. De NDA’s en de adviezen van de EA bevatten veel uitspraken die als vaststaand worden gepresenteerd, maar dat onmogelijk kunnen zijn. Het is in mijn ogen de verantwoordelijkheid van de wetenschap om in te grijpen als beleidsmakers de resultaten van deze wetenschap onjuist interpreteren of gebruiken.

Verbod van détournement de pouvoir (art. 3:3 Awb)

“Het bestuursorgaan gebruikt de bevoegdheid tot het nemen van een besluit niet voor een ander doel dan waarvoor die bevoegdheid is verleend.” Vrij vertaald naar modellen betekent dit dat een model alleen gebruikt kan worden voor het doel waarvoor het is ontworpen. Is dit niet het geval, dan is sprake van strijd met het verbod van détournement de pouvoir. Dit is een bijzonder saillant beginsel in het geval van Aerius/OPS, vooral in relatie tot de eerder genoemde wet van Goodhart. Deze wet beschrijft het fenomeen dat een maatstaf belangrijker kan worden dan het oorspronkelijke doel. Stikstof is in zichzelf een doel geworden, terwijl het toch echt over breder natuurbeleid gaat. We verkeren nu in de situatie dat het gebruik van Aerius/OPS verdedigd wordt als beleid voor natuurbescherming. Dat is echter onjuist. Aerius/OPS was het wetenschappelijke antwoord op een beleidsvraag uit de oorspronkelijke Hinderwet, waarin uitgangspunt was dat er een relatie was tussen activiteit en depositie elders, en dat hierover vanuit de wetenschap iets over gezegd moest worden. Daar gaat het model over, en nergens anders over. Het model gaat niet over natuurbeleid. 51

Draagkrachtige en kenbare motivering (art. 3:46 Awb en art. 3:47 Awb)

“Een besluit moet een motivering bevatten; de motivering moet het besluit dragen, wat wil zeggen dat de wijze waarin in het besluit de feiten op de regel zijn toegepast, correct en overtuigend moet zijn.” Van een besluit of basis van een model kan niet gezegd worden dat het draagkrachtig is gemotiveerd omdat toepassing is gegeven aan het model. In zekere zin geldt dat de overtuigingskracht van het besluit altijd een afgeleide is van de kennis van het model. We hebben gezien dat Aerius/OPS niet in staat is om op een betrouwbare manier uitspraken te doen over stikstofdeposities wanneer het over vergunningverlening gaat. Dat betekent vervolgens dat er geen deugdelijke of overtuigende motivering gegeven kan worden voor het wel of juist niet afgeven van vergunningen.

Rechtszekerheid

“Regels moeten duidelijk zijn geformuleerd en daadwerkelijk worden toegepast, de toepassing moet consistent zijn, zodat de uitvoering ervan voorspelbaar is en de betekenis ervan niet verschilt al naar gelang degene die de regel toepast.”74 Modellen kunnen updates krijgen of op andere manieren worden aangepast waardoor de toepassing ervan tot een andere uitkomst leidt. In gevallen waarbij AI een rol speelt, kan door gewijzigde input een model zich anders gaan gedragen. In het licht van het rechtszekerheidsbeginsel kan dat problematisch zijn. Op dit punt is er geen probleem met het toepassen van Aerius, want het model is in principe overal hetzelfde.

74

Van Wijk/Konijnenbelt 2014, p. 305.

52

Gelijkheid

“Gelijke gevallen worden gelijk behandeld en ongelijke gevallen ongelijk naar de mate waarin zij verschillen.” Verschillende bestuursorganen kunnen uiteenlopende modellen gebruiken voor dezelfde beleidsvragen. Dat kan een strijd opleveren met het gelijkheidsbeginsel. Dit lijkt mij bij het gebruik van Aerius/OPS niet problematisch omdat het model altijd wordt toegepast.

Materiële zorgvuldigheid

“Bij beslissingen die de overheid neemt, moeten alle relevante aspecten bij een besluit worden meegenomen; besluiten moeten zo weinig mogelijk schade veroorzaken: de lasten die voor iemand uit een besluit voortvloeien mogen niet zwaarder zijn dan strikt noodzakelijk en besluiten mogen evenmin op sommige (categorieën van) personen, in vergelijking met anderen, onevenredige lasten opleggen.”75

Besturen op basis en met behulp van modellen kan op gespannen voet staan met dit beginsel, dat ook wel ‘het beginsel van de minste pijn’ wordt genoemd, bij voorbeeld omdat onvoldoende rekening is gehouden met de implicaties van de toepassing van het model voor bepaalde personen. In het Aerius/OPS dossier is deze zorgvuldigheid nadrukkelijk in het geding, vanwege de statistische onzekerheden die ik besproken heb. De onevenredigheid van lasten voor agrariërs bij een zeer geringe berekende (niet gemeten!) overschrijding van de KDW versus de enorme financiële en juridische gevolgen is vanwege dit beginsel niet acceptabel. Bovendien is het niet mogelijk dat “alle relevante aspecten” in het model zitten. Wat wel of niet relevant is kan niet aan modelmakers worden overgelaten, omdat dit het maken van maatschappelijke keuzes veronderstelt.

75

Van Wijk/Konijnenbelt 2014, p. 327-328.

53

Evenredigheid (art 3:4 lid 2 Awb)

“De voor een of meer belanghebbenden nadelige gevolgen van een besluit mogen niet onevenredig zijn in verhouding tot de met het besluit te dienen doelen.”

De verhouding tussen het effect en het middel moeten in balans zijn. Dat is iets waar je in veel modellen tevergeefs naar zult zoeken. Niet alleen zal het model slechts bij benadering iets zeggen over een bepaalde grootheid, maar belangrijker is dat ‘balans’ een menselijke en niet objectiveerbaar begrip is dat zich niet door een model laat bepalen. De keuze wát een goede balans is, is altijd mensenwerk. Dat staat haaks op de huidige Aerius/OPS-praktijk waarin een model, een berekening dus, het laatste woord heeft, en dat daardoor een extreem technocratisch karakter heeft gekregen.

54

6 - Vragen bij elk modelgebruik

In een eerdere publicatie ontwierpen Marc Jacobs en ikzelf een lijst van 11 vragen die bij elk gebruik van modellen voor beleid opgeld doen.76 In die publicatie gingen we ook al in op de 11 vragen in relatie tot het stikstof discours, maar met de kennis die mijn onderzoek nu heeft opgeleverd zal ik de vragen opnieuw kort adresseren. Hieronder volgen de vragen met mijn reflectie. De vragen figureren rondom de centrale these in ons boek, dat modellen het begin vormen van een gesprek, en niet het einde.

1. Adresseert het model eigenlijk wel de juiste vraag? Wat denken we te kunnen winnen met het gebruiken van een model in vergelijking met beleidskeuzes zonder een model te maken?

Een uitleg waarom stikstof wordt berekend en gemodelleerd in plaats van overal gemeten, vinden we op de website van het RIVM:77

“Het is niet mogelijk om de concentratie en depositie van stikstof in heel Nederland met metingen in kaart te brengen. Dat kost te veel geld en is praktisch onuitvoerbaar. Om toch een landelijk dekkend beeld te geven, en om trends en toekomstverwachtingen te kunnen maken, werkt het RIVM met rekenmodellen. Computers voeren berekeningen uit op basis van modellen.”

Wat we dus kunnen winnen, aldus het RIVM, is dat we informatie kunnen krijgen over die (vele) locaties waar we niet kunnen meten. We hebben echter gezien dat dit onjuist is. De berekeningen kunnen deze belofte niet waarmaken – daarvoor is er veel te veel onzekerheid in het spel. Bovendien wordt bij het gebruik van modellen verondersteld dat deze modellen

76

Marc Jacobs en Ronald Meester, Van aardbeving tot zoönose – over het gebruik van modellen voor beleid, Mazirel Pers 2023. 77 https://www.rivm.nl/stikstof/berekenen-en-modelleren

55

antwoorden gaan geven die we vervolgens kunnen inzetten voor het oplossen van allerlei maatschappelijke problemen. Modellen zijn hiervoor niet geschikt.

2. Wat beoogt het model precies te modelleren? Is het een voorspellend model? Is het een beschrijvend model?

Het model probeert om drie ogenschijnlijk samenhangende vragen tegelijkertijd te beantwoorden: “Waar zien we hoeveel stikstofdepositie, en waar komt deze vandaan?” Het model probeert dus te beschrijven wat er gebeurd is, maar doet dat op een voorspellende manier door te modelleren hoeveel stikstof er wordt uitgestoten én waar de stikstof dan terecht komt. Het gebruik van het model veronderstelt impliciet dat we deze vragen kunnen beantwoorden. Gezien mijn analyse is deze veronderstelling niet gerechtvaardigd.

3. Als het model moet bijdragen aan besluitvorming, is er dan nagedacht over de risico’s en consequenties van eventuele slecht uitpakkende beslissingen?

“Het kabinet heeft besloten dat iedereen de pijn zal moeten voelen. Dat daarmee wellicht méér gedaan wordt dan nodig is, willen de ambtenaren op de koop toe nemen, vanwege de onzekerheid van de modellen en omdat het omgekeerde nog minder wenselijk is: dat uiteindelijk de opgave naar boven moet worden bijgesteld en er dus meer gedaan moet worden dan eerder gedacht. Dat wil zeggen dat ook veehouders die niet zoveel bijdragen aan het stikstofprobleem, bijvoorbeeld omdat ze ver van natuurgebieden boeren, een (kleine) bijdrage zullen moeten leveren. In het goedkoopste, efficiëntste scenario zouden 5300 boeren moeten worden uitgekocht. Andere bedrijven hoeven dan niet te krimpen. Dat vergt wel ‘zeer gericht’ beleid, schrijven de ambtenaren, waarbij boeren in bijvoorbeeld de Gelderse Vallei zo’n beetje allemaal zouden moeten stoppen en andere doelen, bijvoorbeeld op het gebied van klimaat en waterkwaliteit, niet zijn meegewogen”.78

78

https://www.rtlnieuws.nl/nieuws/politiek/artikel/5322446/stikstofberekeningen-stikstof-boeren-landbouwveeteelt-protesten

56

Dit citaat redeneert sterk vanuit de behoefte van de overheid, maar niet vanuit de mensen die de gevolgen van het overheidsbeleid zullen ondervinden. De besluiten van de overheid steunen sterk op technocratische processen waarin menselijkheid al snel achter de horizon verdwijnt. Een eventueel besluit om ‘niets te doen’ betekent overigens niet dat er niet nagedacht wordt. Het betekent dat een keuze wordt gemaakt om niet te handelen omdat de consequenties van een besluit of niet opwegen tegen de voordelen of onduidelijk zijn. Het is niet gezegd dat we per se iets moeten doen. Dit is allemaal niet nieuw; ik wil de lezer in dit verband de volgende waarschuwing van James R. Otteson niet onthouden:79 “The […] reason that we should prefer individuals’ judgments about how to arrange their own time, talent, and treasure over the judgments of third parties, however expert, is because of the incentives involved. If I follow your proposed policy and it does not benefit me, or perhaps even harms me, on whom do the negative consequences fall? It is not on you; it is on me. But because you did not get that feedback, it may not incline you to correct, or even respond to, this consequence of your policy.

I, on the other hand, who did suffer the negative consequence, would presumably respond to it, but since I am not making the decisions about the policy, my response has muted effectiveness.” 4. Is er consensus in de wetenschappelijke literatuur of onder wetenschappers over het gebruik van dergelijke modellen?

Dit is een gevaarlijke vraag. Wat we er niét mee bedoelen is dat consensus zou betekenen dat een model om die reden aanvaardbaar of acceptabel zou zijn. De vraag is ook waarschuwend bedoeld: als er consensus geclaimd wordt, wat zou dat dan betekenen? Wetenschappijke consensus – wat dat ook precies betekent – functioneert alleen maar binnen de wetenschap. Het is best mogelijk dat ‘de’ wetenschap het er over eens is dat er niets beters zou zijn dan, zeg, Aerius/OPS. Maar dat betekent helemaal niet dat dat model

79

James R. Otteson, The end of socialism, 2015.

57

daarmee dus geschikt zou zijn voor het doel waar het voor nodig is. De opmerking dat ‘dit het beste is wat we hebben’, door politici veel gebezigd, is om die reden niet zinvol. Er is namelijk helemaal geen a priori noodzaak om je tot de wetenschap te wenden – sterker nog – het is vaak evident duidelijk dat de wetenschap de gestelde vragen over wat wel of niet goed is om te doen, simpelweg niet kán beantwoorden; zie ook het vorige hoofdstuk.

5. Wat weten we precies over het realiteitsgehalte van het model waar we over praten?

Hier heb ik het in dit rapport uitgebreid over gehad – het realiteitsgehalte is onvoldoende voor de toepassingen waar het voor bedoeld is.

6. Wie heeft het model geconstrueerd, en welke belangen hebben de makers hier eventueel zelf bij?

Het Aerius/OPS model komt van het RIVM. Het lijkt mij belangrijk om over belangen niet naïef te zijn. Het RIVM heeft er als instituut vanzelfsprekend belang bij dat het model gebruikt wordt. Het feit dat Aerius/OPS niet zomaar toegankelijk is, is daar wellicht een gevolg van. Ik stel mij persoonlijk op het standpunt dat wetenschap die naam niet mag dragen als niet alles transparant en toegankelijk is. Dat is in dit dossier zeker niet het geval.

7. Wie worden geraakt door de beleidsvoornemens van de overheid? Zitten deze mensen of groepen aan tafel? Hebben zij de gelegenheid gehad het model diepgaand te bestuderen, en zijn ze in de gelegenheid gebracht om kritiek te leveren of alternatieven aan te dragen?

Een diepgaande studie van de gebruikte modellen is voor de meeste mensen die er belang bij hebben onmogelijk. Dit pleit er in zichzelf al voor om voorzichtig te zijn met het gebruik van modellen bij beleid.