Trend-analyse voor Hoogheemraadschap van Rijnland
  

Deze studie is uitgevoerd door Paul Baggelaar (IcaStat, statistische analyse) samen met Eit van der Meulen (AMO, data bewerking en analyse) en Roelf Pot (analyse en interpretatie van biologische gegevens).

De studie brengt de ontwikkelingen van de Rijnlandse oppervlaktewaterkwaliteit in de afgelopen decennia in beeld, zodat kan worden vastgesteld waar de waterkwaliteit significant verbetert of verslechtert. Verder worden de kwaliteitsontwikkelingen van het effluent en het slib van de 29 awzi’s van Rijnland in beeld gebracht. Waar mogelijk wordt aangegeven welke factoren een rol kunnen hebben gespeeld bij de geconstateerde kwaliteitsveranderingen. Tenslotte geeft deze studie enkele adviezen over meetnetoptimalisatie, gericht op het doel trendanalyse.

Werkwijze

Bij de trendanalyse is maatwerk toegepast, door per meetreeks de meest geschikte combinatie van trendtoets en trendschatter te hanteren. Dit is de combinatie die het best aansluit op relevante statistische karakteristieken van de meetreeks, zijnde het soort kansverdeling (normale of niet-normale kansverdeling) en het al of niet optreden van seizoenseffecten en/of autocorrelatie. Dit bevordert de zeggingskracht van de resultaten en bewerkstelligt ook een groter onderscheidend vermogen (dit is de kans om een werkelijk optredende trend statistisch te detecteren). Er is daarbij gebruik gemaakt van software die door Eit van der Meulen en Paul Baggelaar speciaal ontwikkeld is: Trendanalist

Onderdeel: biologische oppervlaktewaterkwaliteit

Voor trendanalyse van de biologische kwaliteit bleken 544 meetreeksen geschikt, afkomstig van 9 kwaliteitselementen gemeten op 101 meetpunten. Er waren niet meer meetpunten waar in minstens 3 jaren biologische kwaliteitsmetingen zijn verricht. De mogelijkheden zullen wel snel toenemen, mits Rijnland de biologische waterkwaliteit blijft meten.

Alle waarnemingen werden eerst op bruikbaarheid gecontroleerd (onder andere: validiteit en herkenbaarheid van soortnamen, validiteit van de gehanteerde methode van meten of tellen) en vervolgens omgezet naar kwaliteitsscores volgens maatlatten voor de Kaderrichtlijn Water.
De trendanalyse werd toegepast op deze maatlatscores, uitgedrukt in EKR (ecologische kwaliteitsratio).
Daarnaast zijn analyses uitgevoerd op de trends in de afzonderlijke soorten of soortgroepen met behulp van multivariate analyses (CANOCO).

biologische trends Trends biologische kwaliteitsratio's
canoco env-par macrofyten Omgevings-parameters in macrofyten-ordinatie (Canoco)

Voor de meeste meetreeksen is geen trend aangetoond. De meeste trends die werden gevonden betroffen de beoordelingen volgens de KRW-maatlatten; trends van afzonderlijke soorten of soortgroepen zijn nauwelijks te vinden. Dit betekent dat de KRW-maatlatten een sterk integrerend vermogen bezitten ten aanzien van de waterkwaliteit, waarvoor ze ook zijn bedoeld.
De duidelijkste trends duiden op een verschraling van macrofauna-gemeenschappen en een afname van emergente begroeiing, mogelijk ook een afname van de drijfbladbegroeiing. Deze vonden we vooral in sloten in het veenweidegebied. Tegelijk zien we daar de meetpunten waar de kroos (+flab) is toegenomen. Dit kan verklaard worden uit een toename van de intensiteit van slootonderhoud.
In stedelijk gebied vonden we het grootste percentage meetpunten waar de submerse begroeiing achteruit ging, wat mogelijk samenhangt met stedelijke ontwikkeling.

De gesuggereerde verbanden tussen de trends van de biologische beoordeling en die van de fysisch-chemische parameters is nader onderzocht met multivariate analyse. Die variatie in de soortensamenstelling is met behulp van het programma Canoco in een assenstelsel uitgezet en vervolgens zijn daar de zwaartepunten (als stip) en gradienten (als pijl) van de parameters in uitgezet. Op die manier ontstaat een beeld welke parameters verantwoordelijk zijn voor de variantie in de data. In de figuur rechts is dat gebeurt met de macrofyten (waterplanten). De parameter 'jaar' (datum van bemonsteren) kent ook een duidelijke gradient, dat betekent dat er in de loop van de tijd verandering is waar te nemen. Pijlen en zwaartepunten die in de zelfde richting wijzen zijn aan elkaar gerelateerd: (door-)'zicht' heeft bijvoorbeeld een tegengestelde gradient met 'EKR-s' (kwaliteirsratio voor deelmaatlat soortensamenstelling), dus zoveel te helderder zoveel te hoger de kwaliteit.

Daarentegen lijken de nutrienten (P,N) juist gecorreleerd met de kwaliteit. Dat is op het eerste gezicht nogal raadselachtig. Er zijn twee verklaringen voor deze merkwaardige uitkomsten. Ten eerste is de KRW-maatlat voor macrofyten-soortensamenstelling vooral bedoeld voor het detecteren van algehele aftakeling van het ecosysteem en is in de praktijk vooral een maat voor de diversiteit van habitats. Eutrofiëring is slechts een onderdeel van de aftakeling en in een van nature matig voedselrijk systeem is er zelfs enige relatie met de nutriënten-concentratie, mits die niet te hoog is. Een tweede verklaring is dat de soortenrijkdom heel erg laag is en daardoor ook de EKR. Omdat de maatlat eigenlijk bedoeld is voor het beoordelen van geaggregeerde opnamen en nu voor enkelvoudige opnamen is gebruikt, is de EKR erg laag en weinig betrouwbaar.
Deze correlatie tussen soortenrijkdom en EKR is een van de redenen om de maatlatten te herzien, zie Herziene maatlatten voor macrofyten

Data-conversie

De biologische waarnemingen die in de loop van de onderzochte 3 decennia zijn verzameld waren opgeslagen in een databasesysteem waarin de naamgeving van de soorten niet aan strakke regels gebonden was. Daardoor waren veel namen toegevoegd die niet meer worden erkend in de standaard naamgeving voor soorten in het waterbeheer TWN (Taxa Waterbeheer Nederland). Rijnland had een externe opdracht gegeven deze data te converteren naar deze TWN-standaard, maar de resultaten daarvan kwamen pas op het laatste moment beschikbaar voor voor de trendanalyse. Daarom werd ook de conversie zelf gecontroleerd binnen dit project.
Bij deze controle bleek dat de conversie, hoewel in principe correct uitgevoerd, zo veel haken en ogen had dat een aanzienlijk deel van de data onherstelbaar van betekenis veranderde. Voor de trendanalyse zelf had dat verlies geen groot effect, zeker niet toen sommige omzettingen met behulp van expert judgement werden aangepast. De controle bracht echter heel essentiele problemen aan het licht met de methode van converteren zelf en leidde onder andere tot het opstellen van een voorstel voor een structurele veranderingen in database-organisatie voor biologische waarnemingen: Thys3

Besprekingen

Het rapport is in februari 2012 door het bestuur van Rijnland behandeld en positief ontvangen. De initiatiefnemer van het onderzoek, het bestuurslid namens de Partij van de Dieren, heeft een uitgebreide en zeer positieve bespreking op de website van de partij gezet. Lees hier de bespreking
Het hoogheemraadschap besteed zelf ook aandacht op haar website aan dit project op haar pagina over Schoon water onder het kopje Natur en Milieu.

Rapportage

Baggelaar, P.K., Meulen, E.C.J. van der & Pot, R. (2011) Trend analyse meetnetten Hoogheemraadschap van Rijnland. IcaStat Statistisch Adviesbureau, Amstelveen. Download uit WUR-depot
Pot, R. (2011): Controle en herstel van de biologische database van Hoogheemraadschap van Rijnland na conversie naar TWN; technisch rapport, Roelf Pot, Oosterhesselen

Dit is een project in opdracht van Hoogheemraadschap van Rijnland