project

Meten en identificeren van verontreinigende stoffen

Wereldwijd neemt het aantal stoffen dat in water kan wordt aangetroffen toe. Wij meten en identificeren bekende en moeilijk meetbare stoffen, zoals afbraakproducten en polaire verbindingen, in diverse matrices, waaronder water, bodem en sediment. We meten micro- en nanoplastics en identificeren zelfs onbekende stoffen met een non-target of suspect-screening. Door continue verbetering van onze geavanceerde meetmethoden kunnen wij steeds sneller, nauwkeuriger en uitgebreider te meten. Onze expertise in opkomende stoffen helpt bij het vroegtijdig signaleren van nieuwe risico’s voor mens en milieu.

Doelgerichte metingen van verontreinigende stoffen

We voeren al meer dan 50 jaar metingen uit op nieuwe en reeds bekende verontreinigende stoffen, zoals geneesmiddelen, gewasbeschermingsmiddelen, illegale drugs, PFAS, metalen, gidsstoffen en zoetstoffen. Andere specialistische analyses die we uitvoeren zijn de analyse van vluchtige stoffen en de moeilijk te meten zeer polaire en mobiele stoffen. Ons chemisch laboratorium heeft altijd aandacht voor nieuwe technieken met een sterke focus op water.

Brede screening van stoffen

Doelstofanalyse is niet voldoende om alle in water aanwezige stoffen te kunnen monitoren. Hiervoor zijn methodes nodig die een veelvoud aan chemische stoffen tegelijkertijd en in lage concentraties kunnen detecteren, zoals suspect- en non-target screening (NTS).

Meten van microplastics en nanoplastics in water

Micro- en nanoplastics die als gevolg van plasticvervuiling in het milieu terechtkomen zijn schadelijk voor mens en milieu. Wij doen onderzoek naar het meten van (zo klein mogelijke) plasticdeeltjes om inzicht te krijgen in blootstelling van mens een milieu en de effectiviteit van zuiveringsprocessen. In nauwe samenwerking met universiteiten en andere onderzoeksinstituten ontwikkelen wij methoden voor het analyseren en beoordelen van microplastics.

Toepassing van AI voor verwerking van meetgegevens

Het identificeren van chemische stoffen en het karakteriseren van opgeloste verbindingen zijn essentieel voor het beoordelen van de milieueffecten en het verminderen van emissies in verschillende sectoren. Technieken zoals infraroodspectroscopie, UV/Vis en impedantiemetingen zijn veel gebruikte meettechnieken hiervoor. Wij kunnen deze meetgegevens analyseren met behulp van machine learning (ML), met name convolutionele neurale netwerken (CNN’s) of SubKNN, om de chemische aard van de verbindingen te identificeren. Hierdoor kunnen bijvoorbeeld microplastics, polymeren en opgeloste verbindingen worden geïdentificeerd.