De Kaderrichtlijn water heeft als doel een goede ecologische toestand van het oppervlaktewater. Als de ecologische toestand niet voldoet aan de gestelde doelen, zijn daar drukfactoren verantwoordelijk voor, en moeten waterbeheerders die kunnen vinden en aanpakken (samen met andere verantwoordelijke partijen) via mitigerende maatregelen. Als de drukfactoren niet (voldoende) inzichtelijk zijn, zal de toestand niet verbeteren.

In Nederland zijn hydrologie, nutriënten, inrichting en toxische druk van lokale mengsels van stoffen de belangrijkste drukfactoren. Voor de systeemanalyse die de KRW vraagt als onderbouwing van doelen en maatregelen gebruiken de waterbeheerders in Nederland veelal de ecologische sleutelfactoren die zijn ontwikkeld door STOWA. 

Voor de toxische druk doen we dat sinds 2016 met de Sleutelfactor Toxiciteit (SFTox), zie ook www.sleutelfactortoxiciteit.nl. Deze omvat onder meer een rekentool. Deze leidt van concentraties van aanwezige stoffen de toxische druk af, als maat voor effecten op het waterleven. Een ander onderdeel zijn de bioassays. Hiermee kunnen de effecten van totale mengsels worden gekwantificeerd op het waterleven. 

Als we het hebben over de toxische druk dan gaat het over mengsels van stoffen, inclusief stoffen waar vaak (nog) geen KRW-normen voor zijn, en/of onvoldoende kennis over is. We nomen dit de stoffen ‘buiten beeld’. Deze stoffen buiten beeld zijn belangrijk, want ze belemmeren de correcte diagnose van de mate waarin alle verontreinigende stoffen de waterkwaliteit negatief beïnvloeden. Dat kan het herstel van de waterkwaliteit belemmeren, zelfs als maatregelen tegen andere drukfactoren effectief zijn. 

De huidige situatie met stoffen ‘buiten beeld’ leidt tot een urgente en belangrijke kennisvraag. Waterschap-experts duiden op de noodzaak om de tool uit te breiden wat betreft het aantal stoffen in de rekentool voor toxische druk. Dit omdat versie 1.0 van de tool eerder een uitgebreidere stoffenset omvatte. Dat aantal is in versie 2.0 – ontwikkeld binnen de Kennisimpuls Waterkwaliteit – echter weer kleiner geworden door strenger om te gaan met de beschikbare ecotoxiciteitgegevens. 

De huidige kennis (mede gebaseerd op Machine Learning) maakt een uitbreiding van de stoffenset mogelijk, zodat de in de monitoring vaak aangetroffen stoffen ‘buiten beeld’ ook meegenomen kunnen worden in de beoordeling. 

In samenhang met dit project is het voornemen om in 2026 te werken aan de verbetering van de Effect Signaal Waarden die gebruikt worden bij de interpretatie van bioassays.