...

Bal, D., H.M. Beije, M. Fellinger, R. Haveman, A.J.F.M. van Opstal & F.J. van Zadelhoff, 2001. _Handboek natuurdoeltypen_. Rapport IKC-LNV, Wageningen.
\\
 
\\
Cremers, N., A. de Swaaf, R. Portielje, J. Kranenbarg, J. Elbersen & J. Delsma, 2005. _KRW-verkenner (fase 1); Deel rapportage spoor Afbeelding Kennis._
\\
 
\\
Elbersen, J.W.H., P.F.M. Verdonschot, B. Roels & J.G. Hartholt, 2003. _Definitiestudie Kaderrichtlijn Water (KRW). I. Typologie Nederlandse Oppervlaktewateren._ Alterra-rapport 669.
\\
 
\\
Hamme, H. van der, 1992. _Macrofauna van Noord-Holland._ Provincie Noord-Holland, Dienst Ruimte en Groen, Haarlem. Proefschrift K.U. Nijmegen.
\\
 
\\
Heinis, F. en C.H.M., Evers \[red\], in prep, 2006. _Getalswaarden nutriënten voor de Goede Ecologische Toestand voor natuurlijke wateren._ Royal Haskoning, Heinis Waterbeheer, RIVM en Alterra in opdracht van RIZA
\\
 
\\
Kaderrichtlijn Water, 2000. Richtlijn 2000/60/EG van het Europees Parlement en de Raad. 23 oktober 2000; tot vastlegging van een kader voor communautaire maatregelen betreffende het waterbeleid.
\\
 
\\
Knoben, R.A.E. & P.A.M. Kamsma \[red\], 2004. _Achtergronddocument referenties en maatlatten voor macrofauna_. Landelijke expertgroep.
\\
 
\\
Limnodata neerlandica. _Aquatisch-ecologische databank voor Nederland_. www.limnodata.nl
\\
 
\\
Molen, D.T. van der \[red\], 2004b. _Referenties en concept-maatlatten voor rivieren voor de Kaderrichtlijn Water._ Rapportnummer 2004-43.
\\
 
\\
Moller Pillot, H.K.M. & R. Buskens, 1990. _De Nederlandse chironomidae_. Deel 1c. Nederlanse faunistische mededelingen, Leiden.
\\
 
\\
Royal Haskoning, 2005. _Validatie en verdere optimalisatie van de concept KRW-maatlatten voor de natuurlijke rivier\- en meertypen_. Royal Haskoning in samenwerking met Witteveen+Bos en Taken Landschapsplanning in opdracht van RIZA.
\\
 
\\
Verdonschot, P.F.M., 1990. _Ecologische karakterisering van oppervlaktewateren in Overijssel._ Rapport RIN, Leersum.
\\
 
\\
Verdonschot, P.F.M \[red\], 1995. _Beken stromen. Leidraad voor ecologisch beekherstel_. 95-03 WEW-06.
\\

Bijlage I KMmax en KRW-klassen macrofaunamaatlatten rivieren

Tabel 1: KMmax per KRW-type (kleine stromende wateren)

Bijlage II

...

Ontwikkeling Kennisregels macrofauna rivieren

1. Inleiding

De kennisregels die in fase 1 van de Verkenner ingebouwd zijn, berekenen de EKR op basis van stroomsnelheidsverdelingen over het dwarsprofiel van een stromend water. Dit wordt gedaan via het bakjesmodel in combinatie met autecologische informatie over de voorkeur van soorten voor stroming. In de praktijk blijkt deze aanpak niet de gewenste resultaten op te leveren. Hiervoor zijn de volgende redenen aan te wijzen:
• voor veel soorten ontbreekt de autecologische informatie of is niet volledig;
• er is geen directe relatie tussen afzonderlijke soorten en de maatlatparameter %KM;
• niet alle soorten uit deelmaatlat %KM reageren specifiek op stroming;
• voor stagnante wateren is deze aanpak niet bruikbaar.

Voor fase 2 zijn twee benaderingen nader onderzocht op bruikbaarheid:
• gebruik maken van de dosis-responsmodellen die in project RISTORI zijn ontwikkeld;
• gebruik maken van directe, empirische relaties tussen stuurvariabelen en de maatlatscore uit het validatieproject van de maatlatten (Royal Haskoning, 2005).
Inmiddels zijn de maatlatten gevalideerd en is de discrete score op in tienden tussen 0 en 1 vertaald in een continue formule. Hieronder zijn beide benaderingen uitgewerkt.

1. Dosis-effectmodellen; Mogelijke toepasbaarheid van RISTORI in KRW-Verkenner
Het doel van RISTORI is het voorspellen van effecten van waterbeheer en waterhuishouding in regionale wateren op macrofauna soorten. Aan de hand van scenariostudie, waarbij uitkomsten van verschillende varianten met elkaar vergeleken worden en getest worden op samenhang tussen maatregel en effect op de soort. Onderscheid wordt gemaakt tussen de biologische typen 'stromende wateren' en 'sloten'.

Getoetste variabelen
-voor macrofauna in sloten:
pH, diepte, O2, P-totaal, N-totaal, NH4, Ca, Cl, monsterperiode, breedte wateroppervlak, profiel oever, substraat, bodem, grondgebruik.
-voor macrofauna in stromende wateren:
pH, diepte, O2, P-totaal, N-totaal, NH4, Cl, monsterperiode, breedte wateroppervlak, stroomsnelheid, lengteprofiel, profiel oever, substraat, bodem, grondgebruik.

Betrouwbaarheid van de responsmodellen
Voor het grootste deel van de taxa is het mogelijk gebleken om een stabiel model te berekenen. Slechts weinig van deze modellen scoren echter 'voldoende' of 'goed' voor zowel modelcontrole, betrouwbaarheid en validatie. Dit geldt voor beide biologische groepen. Omdat de modellen 'matig' tot '(zeer) slecht' op een of meerdere punten van modelcontrole, betrouwbaarheid en validatie scoren, dienen ze met zorgvuldigheid gebruikt te worden en is nadere studie vereist om de betrouwbaarheid van de effectsvoorspelling door deze modellen in te kunnen schatten.

RISTORI praktijk toets
Probleem bij uitvoeren praktijktoetsen in RISTORI: gegevens van zowel korte tijd voor als na de ingreep zijn bij de waterbeheerders in slechts weinig gevallen beschikbaar. Dit probleem kan opgelost worden door een gestandaardiseerde monitoring uit te voeren van de veranderde wateren net voor en net na een ingreep.

Toets resultaten RISTORI t.o.v. cenotype benadering Verdonschot et al. (2002)
De voorspelde cenotypen na de uitvoer van de maatregelen zijn voor beide modellen vergelijkbaar met de waar genomen levensgemeenschappen. Vooral op hoofdgroepniveau komen de resultaten van de soortsmodellen en de cenotype modellen overeen met de waargenomen cenotypen in het veld.

RISTORI in Verkenner
RISTORI berekent de effecten van maatregelen per soort op basis van individuele organismen en maakt daarbij gebruik van meerdere type modellen. De keuze voor het best passende model verschilt per soort en wordt bepaald aan de hand van de betrouwbaarheid van de modellen. De KRW-verkenner wil echter algemene effecten van beheersmaatregelen op macrofauna bepalen voor verschillende watertypen. Een keuze voor soortspecifieke modellen ligt dan niet voor de hand. Een maatregel effectanalyse is niet toe te passen als de soortensamenstelling van een ecosysteem niet bekend is. Wat in de praktijk kan betekenen dat in vele gevallen geen effect van een maatregel voorspeld kan worden mits gemonitoord is op de individuele soortensamenstelling korte tijd voor het uitvoeren van een maatregel.
Daar de toets de beste resultaten behaalt op hoofdgroepniveau (i.e. dominante groepen binnen het cenotype), kan voor eventueel gebruik van RISTORI bij het voorspellen van maatregeleffect voor de KRW-maatlat gekozen worden om de voorspelling aan de hand van dominant positieve en dominant negatieve soorten uit te voeren en de voorspelling te richten op te verwachten cenotypen ipv individuele soorten. Maatregeleffecten voor soorten met een lage abundantie worden door RISTORI niet voldoende voorspeld waardoor het risico bestaat op foutieve interpretatie van een maatregeleffect op kenmerkende of gevoelige soorten.
RISTORI wordt echter continu verbeterd en kan op dit moment gebruikt worden als methode voor validatie van de rekenregels die ontwikkeld zijn voor de Verkenner.

2. Voorstel voor het voorspellen van maatregeleffecten op de KRW-maatlatten

Soort - respons modellen blijken praktisch moeilijk toe te passen en in vele gevallen niet betrouwbaar genoeg om te gebruiken in de KRW-verkenner. Bij de ontwikkeling van de KRW-verkenner wordt gestreefd naar een kwantitatieve effectsvoorspelling van maatregelen op de macrofaunamaatlat. Hiertoe wordt naar relaties van chemische en hydrologische parameters met de KRW-maatlat voor macrofauna gezocht. Deze lopen niet in alle gevallen volgens duidelijke trendlijnen. Wel zijn voor alle parameters waarden aan te geven waarboven of waaronder het bereiken van een GEP niet mogelijk is; de plafondwaarden. De respons van de KRW-maatlat op een verandering van de ingevoerde chemische of hydrologische parameter is vervolgens te voorspellen in de vorm van een maximaal haalbare EKR-score.

3. Directe empirische relaties

In de volgende paragrafen is per parameter een formule afgeleid aan de hand waarvan vervolgens een eindscore op de macrofaunamaatlat kan worden bepaald. Voor alle parameters dient een waarde ingevuld te worden. De eindscore is de verwachte EKR bij een bepaalde combinatie van parameterwaarden en wordt bepaald door de laagste uitkomst (i.e. EKRmax van de bepalende stuurvariabele).

3.1 Meandering
De mate van meandering wordt uitgedrukt in sinuositeit. Sinuositeit is de lengte van de beek gedeeld door de lengte van het stroomdal. In het verleden zijn veel Nederlandse beken gekanaliseerd (rechtgetrokken) waardoor de sinuositeit sterk afnam. Als gevolg hiervan is veel stromings- en substraatdiversiteit verdwenen en daarmee de specifieke habitats voor diverse kenmerkende beeksoorten. Door de snelle afvoer nam met name in de zomer de stroomsnelheid dusdanig af dat op veel plekken het water periodiek stil kwam te staan, wat leidde tot sedimentatie van slib. Tegenwoordig wordt door middel van beekherstel/hermeanderen getracht de sinuositeit te herstellen. Op basis van sinuositeit kunnen 5 klassen in meandering worden onderscheiden:
1: Meanderend (sinuositeit >1.5)
2: Slingerend (sinuositeit 1.26-1.5)
3: Zwak slingerend (sinuositeit 1.06-1.25)
4: Gestrekt (sinuositeit 1.01-1.05)
5: Recht (sinuositeit 1)

In onderstaande grafiek is de relatie van meandering met de EKR weergegeven (lineair).

Figuur 3.1: Relatie EKR met meanderingsklasse

Binnen één klasse van de stuurvariabele, in dit geval meandering, kunnen meerdere EKR-klassen bereikt worden (Figuur 3.1). Er is dus niet een continue rekenregel af te leiden voor iedere waarde van een stuurvariabele, want niet-beperkende waarden van stuurvariabelen corresponderen met meerdere KRW-klassen. Pas in het geval dat een waarde beperkend wordt, is deze bepalend voor de maximaal haalbare KRW-klasse. Deze bepalende waarden kunnen aangeduid worden als plafondwaarden. Rekenregels die deze plafondwaarden berekenen, geven aan wanneer een stuurvariabele beperkend wordt. De onderstaande rekenregels zijn gebaseerd op een regressie door de plafondwaarden van de stuurvariabele.
Figuur 3.2: Maximale EKR bij een meanderingsklasse

Figuur 3.2 geeft de maximaal haalbare EKR voor verschillende klassen van meandering weer. Uit deze relatie volgt de volgende rekenregel:
EKRmax= -0.2563Ln(meanderingsklasse) + 0.9385

3.2 Stroomsnelheid
Naast meandering is stroomsnelheid een belangrijke parameter voor de macrofauna in stromende wateren. Voor stroomsnelheid is onderscheid gemaakt tussen snel- en langzaam stromende wateren. In onderstaande grafiek is de relatie van stroomsnelheid met de EKR weergegeven voor de snelstromende beken (figuur 3.3) en de langzaam stromende beken (figuur 3.4). Per stroomsnelheidklasse van 20 cm/s is vervolgens de maximaal haalbare EKR bepaald (EKRmax). Om deze ook daadwerkelijk te bereiken zullen de andere stuurfactoren (meandering, chemie) optimaal moeten zijn. De relatie tussen deze EKRmax en de stroomsnelheid is weergegeven in figuur 3.5 (snelstromende beken) en figuur 3.6 (langzaam stromende beken). Vooral de data van de langzaam stromende beken vertoont een grote spreiding, wat het afleiden van een rekenregel lastig maakt. Deze spreiding wordt veroorzaakt door verschillen in onder andere meandering en chemie. Er is gekozen voor een praktische benadering waarbij een logaritmisch verband is verondersteld tussen de stroomsnelheid en de EKR (vergelijkbaar met de snelstromende beken). De weergegeven plafondrelatie lijkt de praktijk goed te beschrijven.

Figuur 3.3: Relatie EKR met stroomsnelheid bij snelstromende beken

Figuur 3.4: Relatie EKR met stroomsnelheid bij langzaam stromende beken

Figuur 3.5: Maximale EKR per stroomsnelheidsklasse van 20 cm/s voor snel stromende beken

Figuur 3.6: Afleiding formule voor langzaam stromende beken a.h.v plafondwaarden en gemiddelden

Uit de bovenstaande figuren zijn de volgende formules afgeleid:
Formule langzaam stromende beken: EKRmax = 0.1532Ln(stroomsnelheid) + 0.3999
Formule snelstromende beken: EKRmax = 0.1342Ln(stroomsnelheid) + 0.1753

Voorwaarden bij deze formule zijn:
• Bij de snelstromende beken dient een vermenigvuldigingsfactor van 1.22 gehanteerd te worden omdat anders pas bij extreem hoge stroomsnelheden (>200 cm/s) de score 1 gehaald kan worden. Bij een factor van 1.22 is de score 1 mogelijk vanaf 120 cm/s. Deze factor wordt alleen gebruikt bij een stroomsnelheid boven 50 cm/s (ondergrens snelstromende beken).
• Bij beken waaraan een snelstromend watertype is toegekend maar waar de stroomsnelheid onder 50 cm/s ligt, wordt de formule voor snelstromende beken gebruikt zonder vermenigvuldigingsfactor. De score bij dergelijke beken zou anders te hoog worden voorspeld.
• In de formule dient de gemiddelde stroomsnelheid ingevoerd te worden. De ingevoerde waarden moeten hoger zijn dan 0. Eventuele uitkomsten boven 1 worden als 1 meegenomen in de verdere berekening.

3.3 Chemische parameters

3.3.1 Fosfaat
In zoete wateren is fosfaat meestal het groeibeperkende element waardoor een verhoogd fosfaatgehalte vaak lijdt tot eutrofiëring. In figuur 3.7 is de relatie van totaal fosfaat met de EKR weergegeven (lineair).

Figuur 3.7: Relatie EKR met fosfaat

Voor een bepaalde fosfaatconcentratie (afgerond op 1 decimaal) is vervolgens de maximaal haalbare EKR bepaald. Om deze ook daadwerkelijk te bereiken mogen andere stuurfactoren (meandering, stroomsnelheid) niet beperkend zijn. De relatie tussen EKRmax en totaal fosfaat is weergegeven in figuur 3.8.

Figuur 3.8: Maximale EKR bij fosfaatconcentraties afgerond op 1 decimaal

De formule die hieruit volgt is:
EKRmax = -0.1911Ln(Ptot) + 0.5613

Voorwaarden bij deze formule zijn:
• het zomergemiddelde totaal fosfaat moet ingevoerd worden.
• ingevoerde waarden moeten hoger zijn dan 0. Eventuele uitkomsten boven 1 worden als 1 meegenomen in de verdere berekening.

3.4.2 BZV
Een hoog BZV-gehalte kan periodiek tot lage zuurstofconcentraties lijden. Met name kenmerkende beeksoorten zijn gevoelig voor dergelijke lage zuurstofconcentraties. In figuur 3.9 is de relatie van BZV met de EKR weergegeven (lineair). Voor een bepaalde BZV-concentratie (afgerond op 1 decimaal) is vervolgens de maximaal haalbare EKR bepaald. Om deze ook daadwerkelijk te bereiken mogen andere stuurfactoren (meandering, stroomsnelheid) niet beperkend zijn. De relatie tussen EKRmax en BZV is weergegeven in figuur 3.10.

De formule voor de relatie van EKRmax met BZV is:
EKRmax = -0.4152Ln(BZV) + 1.2635

Voorwaarden bij deze formule zijn:
• In de formule dient het zomergemiddelde BZV ingevoerd te worden.
• De ingevoerde waarden moeten altijd hoger zijn dan 0. Eventuele uitkomsten boven 1 worden als 1 meegenomen in de verdere berekening.

Figuur 3.9: Relatie EKR met BZV

Figuur 3.10: Maximale EKR bij BZVconcentraties afgerond op halve milligrammen per liter

3.5. Berekening eindscore
De eindscore wordt bepaald door de laagste uitkomst voor EKRmax, nadat deze berekend is via alle stuurvariabelen. Dit is ten slotte de maximaal haalbare EKR, bepaald door de meest beperkende stuurvariabele. De scores worden afgetopt bij 1. De stuurvariabelen worden in de afgeleide rekenregels van elkaar afzonderlijk beschouwd. Met behulp van multiple regression zou de relatieve invloed van de stuurvariabelen op de EKR-bepaling verduidelijkt kunnen worden. Feit blijft dat de meest beperkende stuurvariabele de maximaal haalbare EKR bepaalt.xxx