Page History

Anchor
Ecologie Ecologie

Ecologie

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:

• Regionale kennisregels; en
• Landelijke kennisregels

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.

In 2012 is de dataset verder verbeterd en zijn drie rekenmethoden ontwikkeld op dezelfde dataset:

• Regressiebomen 2012 (Vissers, 2013b) ;
• Neurale Netwerken - EEE3 (Schomaker, 2013); en
• PUNN neuraal netwerk (de Niet, 2012).

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.

Regionale wateren

De 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.

• Langzaamstromende beken (R4, R5, R6, R12)
• Snelstromende beken (R13, R14, R15, R17, R18)
• Sloten (M1a/b, M2, M8)
• Kanalen (M3, M4, M6a/b, M7a/b, M10)
• Ondiepe meren (M14, M23, M25, M27)
• Diepe meren (M16, M20)
• Zwak brakke wateren (M30)
• Brakke tot zoute wateren (M31)

Regionale wateren

De 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.

• Langzaamstromende beken (R4, R5, R6, R12)
• Snelstromende beken (R13, R14, R15, R17, R18)
• Sloten (M1a/b, M2, M8)
• Kanalen (M3, M4, M6a/b, M7a/b, M10)
• Ondiepe meren (M14, M23, M25, M27)
• Diepe meren (M16, M20)
• Zwak brakke wateren (M30)
• Brakke tot zoute wateren (M31)

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:

• Regressiebomen 2012 (Vissers, 2013b) ;
• Neurale Netwerken - EEE3 (Schomaker, 2013); en
• PUNN neuraal netwerk (de Niet, 2012).

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 helpdeskVoor 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.

Rijkswateren

Op 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.