...
Card | ||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| ||||||||||||||||||||||
StofbalansIn de KRW-Verkenner wordt een vereenvoudigde beschrijving gegeven van het stoftransport door een gebied. Alle inkomende en uitgaande balansposten moeten vooraf aan de KRW-Verkenner worden opgegeven. De benodigde gegevens zijn te verkrijgen uit verschillende databronnen. Denk daarbij aan:
Bedenk goed dat al deze databronnen met onzekerheden omgeven zijn. Een goede analyse van de aanwezige gegevensbronnen in het beschouwde gebied moet worden uitgevoerd, voordat wordt begonnen met het vullen van de KRW-Verkenner. Voorafgaand van de stofbalans, heeft de KRW-Verkenner al een waterbalans opgelost. De waterbalans vormt een belangrijke input bron van de stofbalans. De afvoer en vracht uit een bovenstrooms 'bakje' wordt als in-post opgelegd aan een benedenstrooms bakje en zal dan ook de concentratie in het benedenstroomse bakje beïnvloeden. Met behulp van de KRW-Verkenner kan de gebruiker in principe alle stoffen doorrekenen. Standaard zijn er vier stoffen hard vanuit het UI opgenomen. Deze vier stoffen (TotaalN, TotaalP, Chloride en BZV) hebben een relatie met de ecologische module van de KRW-Verkenner en kunnen daarom niet worden gewijzigd. Naast deze vier stoffen kan de gebruiker iedere stof toevoegen die hij of zij wil. Steady State oplossingDe KRW-Verkenner maakt, net als de waterbalans, gebruik van een steady state oplossing. Dat wil zeggen dat voor een rekeneenheid (basin of SWU) het volgende geldt: Waarin:
RetentieDe afbreekconstante in de KRW-Verkenner kan per stof worden opgegeven. Daarnaast kan de gebruiker de afbreekconstante temperatuur afhankelijk maken. De volgende formulering wordt gebruikt: Waarin:
Daarnaast is de retentie ruimtelijk differentieerbaar door middel van een "Tag" aan een oppervlaktewater node of een basin. |
Card | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Ecologische kennisregels kunnen worden gebruikt om veranderingen in EKR-scores van de vier biologische kwaliteitselementen (macrofyten, macrofauna, vissen en fytoplankton) te berekenen op waterlichaamniveau na het nemen van maatregelen. De ecologische rekenkern van de KRW-Verkenner bevat meerdere rekenmodulen (zie onderstaand figuur). Op hoofdlijnen wordt onderscheid gemaakt tussen twee hoofdmethoden:
De hoofdmethode wordt bepaald door het KRW-watertype. In onderstaande tabel zijn de typen weergegeven. Bij het importeren of genereren van rekeneenheden in de Verkenner wordt het watertype en dus ook de hoofdmode gezet. In het geval van bijvoorbeeld een M3 wordt de rekenmethode op Regionaal gezet. Bij een R7 zal de methode op Ecotopen gezet worden. Sommige watertypen ondersteunen twee methoden, namelijk de M14 en M20. Standaard wordt dan gebruik gemaakt van de Regionale methode.
Regionale waterenDe regionale kennisregels zijn gebaseerd op data van regionale wateren. De data is opgeslagen in een dataset die door RoyalHaskoning-DHV wordt beheerd (Evers et al, 2009). De database bevat relaties tussen EKR-score en verschillende waterkwaliteit- en inrichtingsvariabelen voor een groot aantal waterlichamen in Nederland. In 2009 zijn voor de ex-ante evaluatie regressiebomen afgeleid uit de data. De KRW-watertypen zijn ingedeeld in 8 clusters. Per cluster zijn rekenregels afgeleid per biologisch kwaliteitselement.
Voor ieder cluster zijn een aantal stuurvariabelen van belang. In onderstaande tabel zijn per cluster de stuurvariabelen weergeven. De gebruiker van de KRW-Verkenner kan de chemische variabelen door de stofbalans van de Verkenner laten berekenen. Een andere mogelijkheid is dat de gebruiker de ecologische module loskoppelt van de stofbalans en baseert op metingen van de chemische variabelen. In 2012 is de dataset verder verbeterd en zijn drie rekenmethoden ontwikkeld op dezelfde dataset:
De PUNN (de Niet, 2012) methode heeft zich bewezen als de methode met de meest voorspellende kracht (Vissers, 2013a). De PUNN methode is dan ook als de "default" methode opgenomen in de KRW-Verkenner. De overige methoden, de regressiebomen zijn ook opgenomen in de KRW-Verkenner, maar niet direct voor de gebruiker toepasbaar. Mocht de gebruiker geïnteresseerd zijn, dan kan contact opgenomen worden met de KRW-Verkenner helpdesk. RijkswaterenOp dit moment is de ontwikkeling van rekenregels voor Rijkswateren nog in volle gang. De methodiek die hier gebruikt wordt is gebaseerd op ecotopen als rekeneenheden. Een waterlichaam bestaat hierbij uit verschillende ecotopen, die elk een specifieke soortenlijst bevatten. De soorten kunnen direct vertaald worden in EKR-scores door gebruik te maken van de KRW-maatlatten. Door een oppervlaktegewogen berekening te maken wordt een soortenlijst gegenereerd (macrofauna is hierbij een uitzondering) per waterlichaam en aan de hand hiervan wordt de EKR-score berekend. Een verandering in de ecotoopcompositie door bijvoorbeeld het nemen van een inrichtingsmaatregel heeft op deze manier effect op de EKR-score. Kijk bij Archief voor meer informatie. |
...