Het stikstofdebat in Nederland is een van de meest complexe en polariserende dossiers van de afgelopen decennia. Boeren protesteren, de bouw ligt stil en de politiek worstelt met een schijnbaar onoplosbaar probleem. In de kern van dit debat staan cijfers: depositiewaarden, kritische drempels en modelberekeningen die tot op de decimaal worden uitgevochten. Maar wat als de precisie van die cijfers een illusie is? Wat als we beslissingen over de toekomst van duizenden bedrijven baseren op een thermometer die tot op de honderdste graad kan meten, maar er stelselmatig een paar graden naast zit?

Dit artikel duikt in de wereld van significante cijfers: de rekenregels die ons leren hoe we op een eerlijke en wetenschappelijk verantwoorde manier met meetwaarden omgaan. Het is geen pleidooi voor of tegen het stikstofbeleid, maar een poging om op een begrijpelijk niveau uit te leggen waarom de manier waarop we meten en rekenen van fundamenteel belang is. We gebruiken het stikstofdossier, en specifiek het rekenmodel AERIUS, als een praktijkvoorbeeld van hoe een gebrek aan aandacht voor meetonzekerheid en significante cijfers kan leiden tot schijnprecisie, met verstrekkende juridische en maatschappelijke gevolgen.

De Basis: Wat Zijn Significante Cijfers?

Voordat we de diepte in duiken, moeten we de basis begrijpen. Significante cijfers (ook wel beduidende cijfers genoemd) drukken de nauwkeurigheid van een meting uit. Ze vertellen ons welke cijfers in een getal daadwerkelijk betekenis hebben. Hoe meer significante cijfers, hoe nauwkeuriger de meting.

Stel je voor dat je de lengte van een tafel meet met een rolmaat waarop alleen hele centimeters staan aangegeven. Je ziet dat de tafel iets langer is dan 152 cm, maar korter dan 153 cm. Je schat dat de rand op ongeveer een derde van de volgende centimeter ligt. Een redelijke meting zou dan 152,3 cm zijn. Dit getal heeft vier significante cijfers. Het zou onzin zijn om de lengte op te schrijven als 152,3333 cm. De extra decimalen suggereren een nauwkeurigheid die je met deze rolmaat onmogelijk kunt bereiken. De uitkomst van een berekening kan nooit preciezer zijn dan de onnauwkeurigste meting die je erin stopt.

De regels om significante cijfers te bepalen zijn vrij eenvoudig:

1. Alle cijfers van 1 tot en met 9 zijn significant. (Bijv. 1,23 heeft 3 significante cijfers).
2. Nullen tussen andere significante cijfers zijn significant. (Bijv. 101,2 heeft 4 significante cijfers).
3. Nullen aan het begin van een getal zijn nooit significant. (Bijv. 0,052 heeft 2 significante cijfers).
4. Nullen aan het einde van een getal zijn alleen significant als er een komma in het getal staat. (Bijv. 2,00 heeft 3 significante cijfers, maar 200 is dubbelzinnig. Het kan 1, 2 of 3 significante cijfers hebben. Wetenschappelijke notatie, zoals 2,0 x 10^2, lost dit op).

Rekenen met Onzekerheid: De Spelregels

Als we metingen gebruiken in berekeningen, moeten we de onzekerheid meenemen. Daarvoor zijn strikte regels.

Optellen en Aftrekken

Bij optellen en aftrekken kijken we naar het aantal cijfers achter de komma. De uitkomst mag niet meer decimalen hebben dan de meting met het kleinste aantal decimalen.

Voorbeeld: Je voegt 2,17 kg potgrond toe aan een zak van 65 kg. 65 kg + 2,17 kg = 67,17 kg Maar de meting 65 kg heeft nul cijfers achter de komma. De uitkomst moet dus ook worden afgerond op nul decimalen. Het juiste antwoord is 67 kg.

Vermenigvuldigen en Delen

Bij vermenigvuldigen en delen kijken we naar het totaal aantal significante cijfers. De uitkomst mag niet meer significante cijfers hebben dan de meting met het kleinste aantal significante cijfers.

Voorbeeld: Je rijdt een afstand van 100,0 meter (5 significante cijfers) in 11,7 seconden (3 significante cijfers). 100,0 m / 11,7 s = 8,5470085… m/s De meting met de minste nauwkeurigheid (11,7 s) heeft 3 significante cijfers. De uitkomst moet dus ook worden afgerond op 3 significante cijfers. Het juiste antwoord is 8,55 m/s.

Een cruciale regel is dat je alleen de einduitkomst afrondt. Tussentijds afronden kan leiden tot aanzienlijke afwijkingen.

Precisie versus Juistheid: Mikken op de Roos

In discussies over metingen worden de termen ‘precisie’ en ‘juistheid’ (of ‘nauwkeurigheid’) vaak door elkaar gehaald. Ze betekenen echter iets heel anders, zoals de onderstaande schietschijf-analogie illustreert.

Locatie plaatje	Omschrijving
Linksboven	Juist én Precies: De schoten zitten dicht bij elkaar (hoge precisie) en in de roos (hoge juistheid). Dit is het ideaal.
Rechtsboven	Precies, maar niet Juist: De schoten zitten dicht bij elkaar (hoge precisie), maar systematisch naast de roos (lage juistheid). Er is een systematische fout.
Linksonder (AERIUS)	Juist, maar niet Precies: De schoten zijn wijd verspreid (lage precisie), maar het gemiddelde ligt wel in de roos (hoge juistheid). Er is een grote toevallige fout.
Rechtsonder (AERIUS SOMS).	Niet Juist én niet Precies: De schoten zijn wijd verspreid (lage precisie) en zitten ver van de roos (lage juistheid). Dit is het slechtste scenario.

• Precisie (spreiding) gaat over de reproduceerbaarheid. Als je de meting herhaalt, krijg je dan steeds ongeveer dezelfde waarde? Een rekenmachine die 8,5470085 geeft, is heel precies.
• Juistheid (systematische fout) gaat over de afwijking van de werkelijke waarde. Ligt het gemiddelde van je metingen dicht bij de ‘ware’ waarde?

Een meting is pas valide (geldig) als deze zowel juist als precies is. Dit is waar het in het stikstofdossier misgaat.

De Stikstofcasus: Een Vergrootglas op Schijnprecisie

Het RIVM-model AERIUS is het digitale hart van het Nederlandse stikstofbeleid. Het berekent voor elk stukje Nederland van 250 bij 250 meter de stikstofdepositie. Het model is extreem precies: het geeft uitkomsten met meerdere cijfers achter de komma, zoals een depositie van 0,07 mol stikstof per hectare per jaar.

Het probleem is dat de juistheid van het model sterk ter discussie staat. Het model wordt gevoed met data die zelf grote onzekerheden bevatten. Zoals een van de door u aangeleverde bronnen stelt:

“Wat betreft thermometer Aerius, het computermodel waarmee de overheid de gezondheid van de natuur monitort, kunnen we er van uitgaan dat de totale depositie die het model berekent, een vergelijkbare mate van nauwkeurigheid heeft als de metingen waarop het model is gebaseerd.” [1]

De onzekerheden in de invoer van AERIUS zijn enorm. Een analyse van verschillende rapporten [1, 2] levert een ontluisterend beeld op:

Parameter	Geschatte Onzekerheid
Ammoniakconcentratie	+/- 2 µg/m³ (in plaats van de aangenomen 0,3 µg/m³)
Natte Depositie	+/- 60 tot wel -100 mol/ha/jaar
Droge Depositie	Factor 2 tot 3 (124% volgens RIVM), oftewel honderden molen per hectare
Depositiesnelheid	+/- 0,5 cm/sec (enorme invloed op droge depositie)

Het RIVM en TNO erkennen deze onzekerheden. TNO spreekt over een onzekerheid in de totale berekende depositie van “grofweg 10 tot 100 mol/ha/jaar” [1]. Andere analyses komen zelfs uit op een onzekerheid van +/- 50 tot 250 mol/ha/jaar [2]. Recent erkent RIVM dat de onnauwkeurigheid zelfs +/- 300 mol/ha/jaar kan zijn!

De Illusie van Zekerheid: Significante Cijfers in de Rechtbank

Hier komen de rekenregels en het verschil tussen precisie en juistheid samen. AERIUS presenteert een zeer precies getal (bijv. 0,07 mol/ha/jaar), maar de onderliggende juistheid is extreem laag. De werkelijke waarde kan, gezien de onzekerheidsmarges, tientallen of zelfs honderden molen hoger of lager liggen. Het getal 0,07 heeft in het beste geval misschien één significant cijfer, en zelfs dat is discutabel. Toch worden op basis van dit soort getallen vergunningen geweigerd en rechtszaken gevoerd.

Dit is het probleem van schijnprecisie. Een getal met veel decimalen creëert een aura van wetenschappelijke zekerheid die het niet heeft. Het is alsof je een houten liniaal gebruikt om de dikte van een haar te meten en vervolgens een getal met zes decimalen presenteert. De rechter, die geen expert is op dit gebied, ziet een gedetailleerde berekening en neemt deze voor waar aan.

Juridische Gevolgen: Wanneer Decimalen Levens Bepalen

De gevolgen zijn groot. Een boer kan een vergunning mislopen voor een project dat volgens het model een depositie van 0,06 mol/ha/jaar veroorzaakt, terwijl de ondergrens voor een vergunning op 0,05 mol ligt. Juridisch gezien is de grens overschreden. Wetenschappelijk gezien vallen beide getallen ruimschoots binnen de onzekerheidsmarge van het model en is er dus geen significant verschil. Het is meten met een “heel gebrekkige thermometer” [4].

Laten we dit concreet maken. Stel dat een veehouder een stal wil uitbreiden. AERIUS berekent dat deze uitbreiding een extra depositie van 0,12 mol/ha/jaar veroorzaakt op een nabijgelegen natuurgebied. De kritische depositiewaarde (KDW) voor dat gebied is 700 mol/ha/jaar, en de huidige depositie is volgens AERIUS 727,26 mol/ha/jaar. Met de uitbreiding komt het totaal op 727,38 mol/ha/jaar. De vergunning wordt geweigerd omdat de KDW wordt overschreden.

Maar als we de rekenregels voor significante cijfers toepassen, wordt het absurde van deze situatie duidelijk. De onzekerheid in de depositieberekening is, conservatief geschat, minimaal +/- 300 mol/ha/jaar [1]. De werkelijke depositie kan dus liggen tussen 727,26 – 300 = 427,26 mol/ha/jaar (wat natuurlijk onmogelijk is, maar de onzekerheid illustreert) en 727,26 + 300 = 1027,26 mol/ha/jaar. De bijdrage van het project (0,12 mol) is volkomen verwaarloosbaar vergeleken met deze onzekerheid. Het is alsof je iemand veroordeelt voor 1 centimeter per uur te hard rijden, terwijl de snelheidsmeter een onzekerheid heeft van 5 kilometer per uur.

Bovendien is ook de KDW zelf geen exacte waarde. De kritische depositiewaarde is gebaseerd op ecologisch onderzoek met aanzienlijke onzekerheden. Verschillende studies komen tot verschillende waarden voor hetzelfde habitattype. De KDW zou eigenlijk moeten worden gepresenteerd als een bereik, bijvoorbeeld 628-772 mol/ha/jaar, in plaats van een schijnbaar exacte waarde van 700,00 mol/ha/jaar.

Internationale Vergelijking: Pragmatisme versus Precisie

In Duitsland hanteren ze een pragmatischer aanpak. Daar wordt een depositiebijdrage van minder dan 0,3 kg N/ha/jaar (ongeveer 21 mol/ha/jaar) als ‘de-minimis’ beschouwd: te klein om betrouwbaar te meten en juridisch niet relevant [1]. De wetenschappelijke onderbouwing hiervoor is helder: een dergelijk kleine bijdrage valt volledig binnen de meetonzekerheid en kan in het veld niet worden aangetoond. Bovendien kan eventuele schade aan de natuur niet worden toegeschreven aan projecten met zo’n kleine bijdrage.

In Nederland vechten we over de tweede decimaal. Een project met een berekende bijdrage van 0,006 mol/ha/jaar wordt juridisch relevant geacht, terwijl deze waarde honderden keren kleiner is dan de onzekerheid in de totale depositieberekening. Dit is niet alleen wetenschappelijk onhoudbaar, maar leidt ook tot maatschappelijke ontwrichting. Bedrijven kunnen niet uitbreiden, woningbouw stagneert en de rechterlijke macht wordt overspoeld met zaken waarin wordt gevochten over getallen die, wetenschappelijk gezien, geen betekenis hebben.

De Wetenschapsfilosofische Paradox

Dit raakt aan een fundamenteel wetenschapsfilosofisch probleem. Zoals een hoogleraar in het vakgebied opmerkte: “Je kan in een model heel veel meettheorie kwijt die je uit ander onderzoek destilleert, waardoor in principe een model nauwkeuriger kan zijn dan de metingen. Echter, het ontbreekt dan aan de (nauwkeurige) metingen om de nauwkeurigheid aan te tonen” [2].

Dit is een opmerkelijke paradox. Het model zou nauwkeuriger kunnen zijn dan de metingen, maar dat valt niet aan te tonen zonder betrouwbare metingen. Dit is een klassiek epistemologisch probleem: hoe weten we wat we weten? In de wetenschap is het antwoord altijd geweest: door waarneming en experimentele toetsing. Een theorie, hoe elegant ook, blijft een hypothese totdat deze wordt bevestigd door empirische data. Stephen Hawking kreeg geen Nobelprijs voor zijn briljante theorie over zwarte gaten, omdat deze destijds nog niet was bevestigd door waarnemingen [2].

Voor AERIUS betekent dit dat het model, ondanks zijn interne consistentie en complexiteit, wetenschappelijk gezien een hypothese blijft zolang er geen systematisch meetnetwerk is dat de modeluitkomsten valideert. Zoals de statisticus George Box al zei: “Alle modellen zijn fout, maar sommige zijn nuttig” [2]. Een model wordt pas echt nuttig als we de beperkingen ervan onderkennen en transparant zijn over de onzekerheden.

Conclusie: De Noodzaak van Eerlijke Cijfers

De regels voor significante cijfers zijn geen abstracte wiskunde voor in de schoolbanken. Ze vormen de basis van wetenschappelijke integriteit. Ze dwingen ons om eerlijk te zijn over de grenzen van onze kennis en de onzekerheid in onze metingen.

Het stikstofdossier laat pijnlijk zien wat er gebeurt als we deze regels negeren. De schijnprecisie van modelberekeningen maskeert fundamentele onzekerheden in onze kennis over stikstofdepositie. Dit leidt niet alleen tot een gepolariseerd maatschappelijk debat, maar ook tot juridische uitspraken die gebaseerd zijn op een wetenschappelijk wankel fundament. Zoals de beroemde statisticus George Box al zei: “Alle modellen zijn fout, maar sommige zijn nuttig” [2]. Een model wordt pas echt nuttig als we de beperkingen ervan onderkennen en transparant zijn over de onzekerheden.

Een eerste stap zou zijn om berekeningen en normen te presenteren met een correct aantal significante cijfers, bijvoorbeeld twee of hooguit drie. Dit zou direct duidelijk maken dat een verschil van 0,01 mol/ha/jaar niet betekenisvol is. Het zou de discussie verplaatsen van een schijngevecht over decimalen naar een wezenlijk gesprek over de reële onzekerheden en hoe we daar als samenleving mee omgaan.

Referenties

[1] StikstofInfo.net (2024, 31 oktober). Over de nauwkeurigheid van Aerius/OPS en de drempelwaarde. Geraadpleegd op 16 oktober 2025, van https://stikstofinfo.net/2024/10/31/beyond-the-obstacle/

[2] StikstofInfo.net (2025, 2 april). De casus Aerius: (model)precisie zonder (meet)nauwkeurigheid? Geraadpleegd op 16 oktober 2025, van https://stikstofinfo.net/2025/04/02/de-casus-aerius-modelprecisie-zonder-meetnauwkeurigheid/

[3] Wikipedia (z.d.). Nauwkeurigheid. Geraadpleegd op 16 oktober 2025, van https://nl.wikipedia.org/wiki/Nauwkeurigheid

[4] Foodlog (2024). Stikstof wordt gemeten met een heel gebrekkige thermometer. Geraadpleegd op 16 oktober 2025, van https://www.foodlog.nl/artikel/stikstof-wordt-gemeten-met-een-heel-gebrekkige-thermometer

[5] Wikipedia (z.d.). Significant cijfer. Geraadpleegd op 16 oktober 2025, van https://nl.wikipedia.org/wiki/Significant_cijfer