Citizen Science

Buitenmetingen zijn natuurlijk ook afhankelijk van weersomstandigheden met name de windsnelheid.

De weersomstandingheden zijn terug te vinden op deze site: https://weerlive.nl/historie.php?

Noise Capture

NoiseCapture is een "citizen science" app die je smartphone verandert in een geluidsmeter om geluidsoverlast in kaart te brengen.

De app is ontwikkeld door wetenschappers van het Franse onderzoeksinstituut Univ-Gustave-Eiffel en de CNRS.

📱 Hoe het werkt

Het proces van NoiseCapture verloopt in drie duidelijke stappen:

Meten: De app gebruikt de microfoon van je smartphone om het omgevingsgeluid op te vangen.
Analyseren: De app berekent akoestische indicatoren, zoals het gemiddelde geluidsniveau in decibels (dB).
Delen: De meting wordt gecombineerd met je GPS-locatie en (geanonimiseerd) geüpload naar een centrale database.

🗺️ De Noise Map

Alle verzamelde data van duizenden gebruikers wereldwijd worden samengevoegd op de Noise-Planet kaart.

Hierdoor ontstaat een gedetailleerd beeld van de geluidsomgeving per wijk of stad, wat overheden kan helpen bij het maken van beleid tegen geluidshinder.

⚖️ Belangrijke kenmerken

Open Source: De app en de data zijn volledig transparant en voor iedereen toegankelijk.
Privacy: Je data wordt geanonimiseerd en je kunt zelf bepalen of je een meting wilt uploaden.
Kalibratie: Omdat elke telefoonmicrofoon anders is, biedt de app functies om je apparaat te kalibreren voor nauwkeurigere resultaten.
Pedagogisch doel: Het wordt ook gebruikt in het onderwijs om mensen bewuster te maken van hun geluidsomgeving.

⚠️ Let op: NoiseCapture vs. Noise Cancelling

Het is belangrijk om NoiseCapture niet te verwarren met Active Noise Cancelling (ANC):

NoiseCapture: Meet en brengt geluid in kaart (informatief).
Noise Cancelling: Produceert "antigeluid" om omgevingslawaai in je koptelefoon te onderdrukken (functioneel).

Beperkingen:

Verkeer en industrie veroorzaken vaak hoge geluidsniveaus, maar ook natuurlijke bronnen zoals vogels kunnen verrassend luid zijn.

Daardoor zegt een decibelwaarde (dB) alleen weinig over hoe wij dat geluid werkelijk ervaren.

Om de bron en de beleving van geluid beter te begrijpen, zijn FFT-visualisaties essentieel.

Deze geven een gedetailleerd beeld van de volledige geluidssamenstelling, in plaats van slechts één verzamelgetal.

⚠️ Belangrijke beperkingen van de meting

De dB(A)-weging: De app maakt gebruik van de dB(A)-schaal. Deze methode corrigeert het geluid naar de gevoeligheid van het menselijk oor, maar heeft beperkingen. Zo worden lage tonen (zoals het gebrom van zwaar verkeer of machines) door deze filtering vaak onderschat, terwijl we die juist als erg hinderlijk kunnen ervaren.
Smartphone-hardware: De metingen in de app zijn slechts indicatief. De microfoon in een smartphone heeft geen lineaire frequentierespons en mist professionele kalibratie. Dit betekent dat bepaalde hoge of lage tonen niet zuiver worden geregistreerd.

Uitleg registratie

De afbeelding toont de resultaten van een geluidsmeting uitgevoerd met de Android-app NoiseCapture.

Deze app wordt gebruikt voor het meten en in kaart brengen van omgevingsgeluid.

Hieronder volgt een uitleg van de belangrijkste gegevens in het scherm:

Belangrijkste Meetwaarden (Bovenaan)

Deze waarden geven statistische informatie over het geluidsniveau tijdens de gehele meetperiode:

Min (42,8): Het laagste gemeten geluidsniveau in decibel (dB).
LA90 (52,5): Dit is het achtergrondgeluidsniveau. Het geeft aan dat het geluidsniveau 90% van de tijd boven de 52,5 dB lag.
LA50 (59,7): Het mediane geluidsniveau; de helft van de tijd was het geluid harder dan dit niveau, de andere helft zachter.
LA10 (65,9): Dit getal beschrijft de piekgeluiden (zoals voorbijrijdend verkeer). Het geluid was 10% van de tijd harder dan 65,9 dB.
Max (69,2): Het allerhardste geluid dat tijdens de meting is geregistreerd.

Visuele Weergave (Midden)

61,9 dBA: De gemiddelde geluidssterkte (LAeq) van de huidige meting, gecorrigeerd voor hoe het menselijk oor geluid waarneemt (A-weging).
Cirkeldiagram (RNE): "RNE" staat voor Relative Noise Exposure.
De kleuren en percentages tonen hoe de geluidsblootstelling verdeeld was over verschillende categorieën (bijv. 62,5% in de gele categorie van 55-65 dB).

Spectrumgrafiek (Onderaan)

De blauwe balken tonen het geluidsniveau per frequentieband (van 100 Hz tot 16 kHz).

De grafiek laat zien dat er relatief veel geluid aanwezig is in de hogere frequenties, met een duidelijke piek rond de 8 kHz [Afbeelding]. Dit kan wijzen op sissende of fluitende geluiden in de omgeving.

De afbeelding toont de resultatenpagina van de NoiseCapture app, een open-source tool voor het meten en in kaart brengen van omgevingsgeluid. De getoonde gegevens geven inzicht in de variatie en intensiteit van het geluid tijdens je meting.

Betekenis van de indicatoren

Bovenaan de pagina zie je verschillende statistische waarden die de geluidsomgeving beschrijven:

Min & Max: De laagste (42,8 dB) en hoogste (69,2 dB) gemeten geluidsniveaus tijdens de sessie.
LA10 (65,9 dB): Dit niveau werd gedurende 10% van de tijd overschreden en vertegenwoordigt vaak de luidste piekmomenten, zoals passerend verkeer.
LA50 (59,7 dB): De mediaan; dit geluidsniveau werd gedurende de helft van de meettijd overschreden en geeft een goed beeld van het gemiddelde niveau.
LA90 (52,5 dB): Dit niveau werd gedurende 90% van de tijd overschreden en wordt doorgaans gebruikt als maatstaf voor het achtergrondgeluid.

Het cirkeldiagram (RNE)

Het centrale diagram met de afkorting RNE geeft de tijdsverdeling van de verschillende geluidsklassen weer.

Groot geel vlak (62,5%): De meerderheid van de meting bevond zich in de klasse van 55-65 dB(A).
Oranje & Groene vlakken: De rest van de tijd was het geluid respectievelijk luider (16,7% tussen 65-75 dB(A)) of stiller (19,4% onder 55 dB(A)).

Grafiek: Temporele evolutie

De grafiek onderaan toont hoe het geluidsniveau schommelde over de tijd (ongeveer 1 minuut en 11 seconden).

De witte lijn is het actuele gemiddelde geluidsniveau per seconde
De rode horizontale lijn markeert de (pieken), terwijl de groene lijn de (basisruis) aangeeft.

Merlin Bird ID

De techniek achter Merlin Bird ID

Merlin Bird ID is een knap staaltje kunstmatige intelligentie (AI).

Maar hoe herkent de app vogelgeluiden? Dat gebeurt in drie slimme stappen:

1. Van geluid naar beeld

De app zet geluid om in een spectrogram.
Dit is een visuele 'vingerafdruk' van de vogelzang.
Toonhoogte, volume en ritme vormen samen een uniek patroon.

2. Slimme patroonherkenning (AI)

Merlin is getraind op miljoenen vogelgeluiden.
Het algoritme scant het spectrogram razendsnel.
Het werkt exact hetzelfde als gezichtsherkenning.

3. De locatie- en datumcheck

De app checkt jouw locatie en de tijd van het jaar.
Dit voorkomt onlogische fouten (zoals een tropische vogel in een winters Nederlands bos).
Merlin weet welke vogels er op dat moment bij jou in de buurt zijn.

Het resultaat

Binnen een paar seconden licht de juiste vogel op in je scherm. Je ziet direct een foto en de naam van de vogel die op dat moment zingt.

Opstelling:

Tijdens het fietsen is de smartphone niet in de houder, bij de bezienswaardigheden plaats ik de smartphone in de houder en maak ik een geluidsmeting van een minuut.