Home

Instrument

Project informatie

Software

Archief

Contact


Op deze pagina is informatie te vinden over:


Ecologische kennisregels KRW-Verkenner

{annchor:Voorspellen ecologische kwaliteits ratio op basis van product unit neural networks]

Samenvatting

In de afgelopen jaren zijn veel nieuwe gegevens verzameld over de ecologische toestand
van verschillende waterlichamen. Er zijn nieuwe waterlichamen bijgekomen en de betrouwbaarheid
van de gegevens van waterlichamen die al in de dataset zaten is verder verbeterd.
Het STOWA wil dat deze nieuwe kennis in de KRW-verkenner wordt verwerkt.
Een van de ontwikkelde methode is gebaseerd op een Product Unit Neural Network (PUNN). Het resultaat van de modellering met PUNN's is ontsloten door een tool (executable) op te
leveren die kan worden geïntegreerd in de KRW-verkenner. De tool voorspelt de EKRscores
op basis van stuurvariabelen.

Auteur

A. de Niet (Witteveen+Bos)

Het rapport is hier te downloaden. Een aanvullende notitie is hier te vinden.


De ecologische kwaliteit van Nederlands oppervlaktewater

een analyse met regressiebomen

Samenvatting

In deze notitie wordt een overzicht gegeven van de analyse van 29 datasets die de biologische kwaliteit beschrijven van een achttal watertypen in Nederland: langzaam en snelstromende beken, sloten, kanalen, ondiepe en diepe meren, zwak-brakke wateren, en brak tot zoute wateren. De biologische kwaliteit van deze wateren is vastgelegd door een EKR-deelmaatlat-waarde te bepalen. Deze EKR-waarden zijn vastgelegd voor fytoplankton, overige waterflora, macrofauna en vissen. De datasets zijn samengesteld door Royal Haskoning en vormen een update van de datasets zoals eerder gepubliceerd in 2009.

Door drie instituten zijn deze nieuwe datasets geanalyseerd, met verschillende wiskundige methodes: regressieboom-analyse (PBL), neurale netwerken (Royal Haskoning) en neurale netwerken of PUNN's (Witteveen+Bos). Deze notitie geeft een overzicht van de door het PBL opnieuw geschatte regressiebomen. Deze regressiebomen zijn bepaald voor 29 EKR-deelmaatlatten.

Verder wordt kort ingegaan op de implementatie van de drie wiskundige methoden in de KRW-verkenner 2013. De resultaten van de regressieboom-analyse uit 2009 werden aanvankelijke als enige geïmplementeerd in de ecologische module van de KRWverkenner. Deze situatie zal veranderen in 2013. In de nieuwe situatie zullen niet één maar drie methoden gekoppeld worden aan de KRW-verkenner. Hierbij zal de PUNNmethode default worden voor de gebruikers van de KRW-software.

Auteur(s)

H. Visser (PBL)
R. Wortelboer (PBL)

Het rapport is hier te downloaden.


De ecologische kwaliteit van Nederlands oppervlaktewater

een vergelijking van drie modelleringstechnieken

Samenvatting

In deze notitie worden drie methoden vergeleken die voorspellingen kunnen genereren voor elk van deze 29 EKR-deelmaatlatten: regressiebomen (PBL), neurale netwerken (Royal Haskoning) en neurale netwerken of PUNNs (Witteveen+Bos). PUNN staat voor Product Unit Neural Network. Deze drie methoden worden geëvalueerd op drie aspecten: voorspel-performance, het wel of niet toelaten van biologisch onrealistische relaties, en biologisch interpreteerbaarheid van de modellen. Verder wordt bekeken of er ook watertypen/EKR's zijn die door geen van de modellen
bevredigend voorspeld kunnen worden en in hoeverre de resultaten beïnvloed worden door inschattingen van EKR-waarden. Als laatste worden de resultaten samengevat en wordt bekeken wat de software-consequenties zijn voor de KRW-verkenner.

Auteur(s)

H. Visser (PBL)

Het rapport is hier te downloaden.


De ecologische kwaliteit van Nederlands oppervlaktewater

zijn de voorspellingen beter geworden sinds 2009?

Samenvatting

In deze notitie geven we een inschatting van het verschil in voorspelkracht van het
oorspronkelijke ecologische model van de nieuwe KRW-Verkenner in de vorm van een
serie regressieboom-modellen en het nieuwe default ecologische model in de vorm van
een serie PUNN-modellen. Onderscheiden wordt de verbetering door gebruik van de
nieuwe dataset voor training en validatie en de additionele verbetering door de overgang
van regressiebomen op PUNN's als model-type.

Auteur(s)

P. Cleij (PBL)
H. Visser (PBL)

Het rapport is hier te downloaden.


Verbetering kennisregels ecologische effecten

ten behoeve van de KRW Verkenner

Samenvatting

Voor de nieuwe versie van de KRW-verkenner bleek er behoefte te bestaan om de daarin opgenomen kennisregels te verbeteren. Daartoe diende het bestaande Expertsysteem Ecologisch Effecten (EEE2) een update te krijgen naar EEE3. Dit was mogelijk omdat sinds het beschikbaar komen van EEE2 in 2009 de destijds gebruikte datasets steeds completer en betrouwbaarder werden.
Royal HaskoningDHV heeft van STOWA opdracht gekregen om voor EEE3:

In deze korte rapportage wordt de methodiek, opzet en resultaten van de neurale netwerken beschreven. In bijlagen 1 t/m 8 worden de concrete resultaten van deze netwerken voor elk van de acht watertypen gegeven.

Auteur(s)

A.H.H.M. Schomaker (RHK)

Het rapport is hier te downloaden


Landelijke pilot KRW-Verkenner 2.0

Effecten van beleidsscenario's op de nutriëntenkwaliteit

Samenvatting

In deze pilot wordt tegelijkertijd de werking van de nieuwe KRW-Verkenner getest én een landelijke prognose opgesteld van de effecten van voorgenomen maatregelen gerelateerd aan de emissie van nutriënten op de oppervlaktewaterkwaliteit van Nederland.

Auteur(s)

Joost van den Roovaart (Deltares), Erwin Meijers (Deltares), Robert Smit (Alterra), Peter Cleij (PBL), Frank van Gaalen (PBL) en Stefan Witteveen (Grontmij)

Het rapport is hier te downloaden


Innovatief Scenario Kennis Moet Stromen

Berekening van de effecten van innovatieve landbouwmaatregelen met de KRW-Verkenner

Samenvatting

Het doel van dit project is een verkenning naar de mogelijke bijdrage van een aantal innovatieve landbouwmaatregelen bovenop het SGBP pakket aan de nutriënten reductie in het Nederlandse oppervlaktewater. Een aantal IP-KRW maatregelen uit het project 'Kennis met Stromen' zijn doorgerekend met de KRW-Verkenner. Aan de hand van het toepassingsgebied en het rendement van de maatregelen is de reductie van fosfaat of stikstof berekend in de Nederlandse oppervlaktewateren en vergeleken met de resultaten van het SGBP pakket uit 2027.
Het betreft de volgende maatregelen:

Op landelijk schaal dragen de maatregelen relatief weinig bij bovenop het SGBP pakket. Maar op lokale schaal kunnen reducties behaald worden tot 25% bij fosfaat en 15% bij stikstof bovenop het SGBP pakket. Als de maatregelen gecombineerd en lokaal gericht toegepast worden op hotspots kunnen ze dus een extra bijdrage leveren aan de reductie van nutriënten in het oppervlaktewater en het behalen van de KRW-doelen.

Auteur(s)

Mijke van Oorschot (Deltares)

Het rapport is hier te downloaden


Belasting per KRW-waterlichaam voor probleemstoffen in Nederland

Technische achtergrondrapportage

Samenvatting

In opdracht van de RWS Waterdienst heeft Deltares een inventarisatie gemaakt van de belastingen naar oppervlaktewater per waterlichaam. De inventarisatie is uitgevoerd voor de Nederlandse probleemstoffen en een aantal Rijnrelevante stoffen. Resultaten uit deze inventarisatie worden aangeboden ten behoeve van de gebiedsprocessen 2013 en het nationaal kader.

De KRW-Verkenner is voor dit project ingezet om de emissies uit EmissieRegistratie te verdelen over de KRW-waterlichamen. De Verkenner is voor deze inventarisatie zodanig aangepast, dat chemische stoffen doorgerekend kunnen worden. Vergeleken met de belastingen per waterlichaam berekend voor de Stroomgebiedbeheerplannen 2009 - 2015, is de methodiek aanzienlijk verbeterd. Bij de huidige inventarisatie is, dankzij de KRWVerkenner, nu rekening gehouden met retentie, afbraak en voorbelasting.

Deze inventarisatie kan beschouwd worden als een pilot en kan nog verbeterd worden richting het tweede stroomgebiedbeheerplan. In dit achtergronddocument wordt de werkwijze beschreven waarop de inventarisatie tot stand is gekomen en de manier waarop de KRWVerkenner is aangepast.

Een vergelijking van de resultaten berekend met de KRW-Verkenner en de meetgegevens laat zien dat berekeningen met de Verkenner redelijk tot goede resultaten opleveren. Het overall beeld laat positieve resultaten zien voor een groot deel van de stoffen. Vooral in de Rijkswateren. Voor drie goed scorende stoffen P-totaal, koper en zink en twee slecht scorende stoffen chroom en bentazon, wordt op de vergelijking tussen berekende en gemeten concentraties ingezoomd. De KRW-Verkenner berekent ook de voorbelasting. Een van de meest opvallende zaken is de hoge voorbelasting. In 50% van de waterlichamen bestaat de belasting voor bijna 100% uit voorbelasting. In deze inventarisatie is de herkomst van de voorbelasting niet meer aan te tonen.

Aangezien het in dit project om een pilot gaat, sluit het project af met aanbevelingen waarop de input voor de KRW-Verkenner aangepast zou kunnen worden. De belangrijkste aanbevelingen zijn het inzichtelijk maken van de bronnen die verantwoordelijk zijn voor de voorbelasting en een betere validatie tussen de berekende en de gemeten concentraties. De resultaten worden gepresenteerd in tabellen en taartdiagrammen. De resultaten zijn digitaal aangeleverd aan de RWS Waterdienst.

Auteur(s)

Nanette van Duijnhoven (Deltares)
Gerlinde Roskam (Deltares)
Christophe Thiange (Deltares)

Het rapport is hier te downloaden


KRW-Verkenner in de praktijk

Samenvatting

In dit document wordt de voortgang beschreven van een tweetal activiteiten die nodig zijn voor de nieuwbouw van de KRW-Verkenner en het opzetten en realiseren van de landelijke pilot et de KRW-Verkenner. De pilot richt zich op een landsdekkende prognose van de effecten van voorgenomen maatregelen gerelateerd aan de emissie van nutriënten op de oppervlaktewaterkwaliteit en ecologie. Het project bestaat uit de volgende twee activiteiten:

Voor wat betreft de landelijke pilot is een belangrijke bijdrage geleverd aan de discussie op welke wijze zowel de gebiedsschematisatie als de direct daaraan gerelateerde waterbeweging moeten worden gerealiseerd. Op basis van die discussies is gekozen voor een aanpak die direct aansluit op de resultaten van het Nationaal Hydrologisch Instrumentarium (NHI).
Inmiddels is de bouw van de landelijke schematisatie en de waterbeweging in een ander kader in volle gang. Afronding van de eerste versie van de landelijke toepassing op basis van de KRW-Verkenner is voorzien in februari 2012.

Auteur(s)

Simon Groot (Deltares)

Het rapport is hier te downloaden.



Projectteam

Het projectteam van de KRW-verkenner bestaat uit medewerkers van Deltares, PBL en Alterra. Het projectteam is verantwoordelijk voor het concept en de uitwerking van de verschillende onderdelen van de KRW-verkenner.


Joost van den Roovaart
(Deltares)
Projectleider


Erwin Meijers
(Deltares)


Simon Groot
(Deltares)


Mijke van Oorschot
(Deltares)


Peter Cleij
(PBL)


Frank van Gaalen
(PBL)


Robert Smit
(Alterra)


Bouwteam

Het bouwteam bestaat uit medewerkers van het Deltares Software Center (DSC). Zij programmeren de software voor de KRW-verkenner.

Esther van Zantvoort
(Deltares)
Teamleider

Hidde Elzinga
(Deltares)
Programmeur

Elmar Kleijn
(Deltares)
Programmeur

David Rodriguez Aguilera
(Deltares)
Tester


Stuurgroep

De stuurgroep is actief betrokken bij de besluitvorming omtrent het ontwikkeltraject van de KRW-verkenner en de financiering hiervan.

Leden van de stuurgroep