J Day

Transcriptie

1 BEHEERSEENHEID VAN HET MATHEMATISCH MODEL VAN DE NOORDZEE SUMO GROEP MOnitoring en MOdellering van het cohesieve sedimenttransport en evaluatie van de effecten op het mariene ecosysteem ten gevolge van bagger en stortoperatie (MOMO) group 1 group 2 group 3 group 4 group 5 group 6 d50 (µm) J Day Activiteitsrapport (1 juli december 2010) Michael Fettweis, Matthias Baeye 1, Byung Joon Lee 2, Dries Van den Eynde, Frederic Francken, Vera Van Lancker MOMO/5/MF/201103/NL/AR/2 Voorbereid voor afdeling Maritieme Toegang, Departement Mobiliteit en Openbare Werken, Ministerie van de Vlaamse Gemeenschap, contract MOMO BMM 100 Gulledelle B 1200 Brussel België

2 Inhoudstafel 1. Inleiding Voorwerp van deze opdracht Algemene Doelstellingen Taken (januari 2010 december 2011) Publicaties (januari 2010 december 2011) 6 2. Akoestische en optische metingen van SPM transport Methodologie Wind en golven Instrumentatie Berekening van SPM concentratie uit akoestische signalen Classificatie van de data Altimetrie Resultaten Wind en Getij SPM concentratie en partikelgrootte Altimetrie data Bespreking van de resultaten Getij en wind geïnduceerde circulatie Samenstelling van het suspensiemateriaal Conceptueel SPM transportmodel Hydro meteo invloed en multimodale partikelgrootteverdelingen van suspensiemateriaal Methodologie Instrumentatie en data Classificatie van partikelgrootteverdelingen Curve fitting: Multimodale log normale distributiefuncties Resultaten Tijdreeksen januari 2008 april Partikelgrootteverdelingen en turbulentie Classificatie van de data volgens hydro meteo Classificatie van de data volgens entropie Bespreking van de resultaten Primaire deeltjes, micro en macrovlokken Erosie en aanwezigheid van gemengde sedimenten in suspensie Golfbreking en luchtbellen Conclusies Akoestische en optische metingen van SPM transport Flocculatiedynamica en partikelgrootteverdelingen van SPM Referenties 40 2

3 Appendix 1: Chen P, Fettweis M, Maggi F, Yu J Numerical simulation of flocculation behaviours during storm events along Belgian coastal waters. Particles in Europe, November, Villefranche, France. Appendix 2: Fettweis M, Baeye M, Van den Eynde D, Francken F, Van Lancker V Hydro meteo influences on suspended particle size distributions in a coastal turbidity maximum area. Particles in Europe, November, Villefranche, France Appendix 3: Fettweis M, Nechad B Evaluation of in situ and remote sensing sampling methods for SPM concentrations, Belgian continental shelf (southern North Sea). Ocean Dynamics. doi: /s Appendix 4: Fettweis M, Baeye M, Francken F, Lauwaert B, Van den Eynde D, Van Lancker V, Martens C, Michielsen T Monitoring the effects of disposal of fine sediments from maintenance dredging on suspended particulate matter concentration in the Belgian nearshore area (southern North Sea). Marine Pollution Bulletin, 62, doi: /j.marpolbul Appendix 5: Partikelgrootteverdeling opgemeten met de LISST 100X 1 Matthias Baeye, Universiteit Gent, Renard Centre of Marine Geology, Krijgslaan 281, S8, 9000 Gent 2 Byung Joon Lee, Katholieke Universiteit Leuven, Hydraulics Laboratory, Kasteelpark Arenberg 40, 3001 Heverlee 3

4 1. Inleiding 1.1. Voorwerp van deze opdracht Het MOMO project (MOnitoring en MOdellering van het cohesieve sedimenttransport en de evaluatie van de effecten op het mariene ecosysteem ten gevolge van bagger en stortoperatie) maakt deel uit van de algemene en permanente verplichtingen van monitoring en evaluatie van de effecten van alle menselijke activiteiten op het mariene ecosysteem waaraan België gebonden is overeenkomstig het Verdrag inzake de bescherming van het mariene milieu van de noordoostelijke Atlantische Oceaan (1992, OSPAR Verdrag). De OS PAR Commissie heeft de objectieven van haar huidig Joint Assessment and Monitoring Programme (JAMP) gedefinieerd tot 2010 met de publicatie van een holistisch quality status report Noordzee en waarvoor de federale overheid en de gewesten technische en wetenschappelijke bijdragen moeten afleveren ten laste van hun eigen middelen. De menselijke activiteit die hier in het bijzonder wordt beoogd, is het storten in zee van baggerspecie waarvoor OSPAR een uitzondering heeft gemaakt op de algemene regel alle stortingen in zee zijn verboden (zie OSPAR Verdrag, Bijlage II over de voorkoming en uitschakeling van verontreiniging door storting of verbranding). Het algemene doel van de opdracht is het bestuderen van de cohesieve sedimenten op het Belgisch Continentaal Plat (BCP) en dit met behulp van zowel numerieke modellen als het uitvoeren van metingen. De combinatie van monitoring en modellering zal gegevens kunnen aanleveren over de transportprocessen van deze fijne fractie en is daarom fundamenteel bij het beantwoorden van vragen over de samenstelling, de oorsprong en het verblijf ervan op het BCP, de veranderingen in de karakteristieken van dit sediment ten gevolge van de bagger en stortoperaties, de effecten van de natuurlijke variabiliteit, de impact op het mariene ecosysteem in het bijzonder door de wijziging van habitats, de schatting van de netto input van gevaarlijke stoffen op het mariene milieu en de mogelijkheden om deze laatste twee te beperken. Een samenvatting van de resultaten uit de voorbije perioden ( , , , ) kan gevonden in het Syntheserapport over de effecten op het mariene milieu van baggerspeciestortingen (Lauwaert et al. 2004; 2006; 2008; 2009a) dat uitgevoerd werd conform art. 10 van het K.B. van 12 maart 2000 ter definiëring van de procedure voor machtiging van het storten in de Noordzee van bepaalde stoffen en materialen. Voor een uitgebreide beschrijving wordt verwezen naar de halfjaarlijkse rapporten Algemene Doelstellingen Het onderzoek uitgevoerd in het MOMO project kadert in de algemene doelstelling om de baggerwerken op het BCP en in de kusthavens te verminderen, door enerzijds de sedimentatie te verminderen op de baggerplaatsen en anderzijds efficiënter te storten. Hiervoor is een grondige kennis van de omgevingsfactoren (Hydro meteorologische en sedimentologische condities, morfologie en geometrie van de vaargeulen en havens) essentieel, zie Pianc rapport (2008). Aanslibbing in havens en vaargeulen wordt beïnvloed door de gemiddelde condities (getijamplitude, SPM concentratie, sedimentoorsprong, saliniteit) als ook extreme gebeurtenissen (vb storm). De efficiëntie van een stortplaats wordt bepaald door fysische (sedimenttransport i.f.v. getij, doodtij springtij, wind, golven), economische en ecologische aspecten. Bij een efficiënte stortplaats is de recirculatie van het gestorte materiaal naar de baggerplaatsen zo klein mogelijk, is de afstand tussen bagger en stortplaats minimaal en is de verstoring van het milieu verwaarloosbaar. Hieruit volgt dat er geen stortplaats kan 4

5 bestaan die onder alle omstandigheden efficiënt is. Efficiënt storten zal kunnen betekenen dat in functie van de voorspelde fysische (wind, stroming, golven, sedimenttransport, recirculatie), economische (afstand, grootte baggerschip) en ecologische aspecten op korte termijn een stortlocatie zal worden gekozen. Om dit te bereiken is het volgende nodig: definiëren van een goede stortzones i.f.v. sedimenttransport, recirculatie baggerspecie, ecologie, economie, bathymetrie van de baggerplaatsen operationele voorspelling van de recirculatie van het gestorte materiaal door de operationele data uit hydrodynamische en sedimenttransportmodellen, real time meetstations, satellietbeelden, bathymetrie van de baggerplaatsen te integreren zodat een efficiënte stortlocatie kan bepaald worden Taken (januari 2010 december 2011) In het bijzonder is bij het opstellen van de hieronder vermelde taken rekening gehouden met de aanbevelingen voor de minister ter ondersteuning van de ontwikkeling van een versterkt milieubeleid zoals geformuleerd in het Syntheserapport over de effecten op het mariene milieu van baggerspeciestortingen (Lauwaert et al. 2009b). Tijdens de voorbije twee jaren werd conform de aanbeveling van de ambtelijke werkgroep de samenwerking met het WLH geïntensifieerd om zowel informatie, data en metingen uit te wisselen, als ook het onderzoek op elkaar af te stemmen, zodat efficiënt aan de noden van de eindgebruikers kan worden tegemoetgekomen. Taak 1: In situ metingen: getijcyclus en langdurig Tijdens 4 meetcampagnes per jaar met de R/V Belgica zullen 13 uursmetingen uitgevoerd worden. De metingen zullen plaatsvinden in het kustgebied van het BCP. Tijdens de metingen zullen tijdsreeksen en verticale profielen worden verzameld van de stroming, de concentratie aan en de korrelgrootteverdeling van het suspensiemateriaal, de temperatuur en de saliniteit. De optische metingen (transmissometer, Optical Backscatter Sensor) zullen gecalibreerd worden met de opgemeten hoeveelheid materie in suspensie (gravimetrische bepalingen na filtratie) om te komen tot concentraties. Stalen van suspensiemateriaal zullen genomen worden met de centrifuge om de samenstelling ervan te bepalen. De tripode zal ingezet worden om stromingen, slibconcentratie, korrelgrootteverdeling van het suspensiemateriaal, saliniteit en temperatuur te meten gedurende een lange periode. Het preferentieel station is MOW1, waar getracht zal worden om een quasi continue meetreeks te verzamelen. Hiervoor zal gebruik gemaakt worden van 2 tripodes. Nadat een meting beëindigd is zal deze tripode voor onderhoud aan wal gebracht worden terwijl de tweede op de meetlocatie zal worden verankerd. Doel van deze metingen is het verzamelen van continue metingen in het gebied zodat een verband tussen meteorologie, seizoenen en getijden kan gelegd worden en de slibconcentratie gelegd kan worden. Taak 2: Haalbaarheidsstudie voor automatisch en online doorsturen van data gemeten met tripode De data opgemeten met de tripode worden tot op heden enkel opgeslagen in het geheugen van de meettoestellen en zijn dus pas beschikbaar nadat de meting is afgelopen en de tripode bovengehaald is. Met het oog op het efficiënter maken van de stortoperaties (zie algemene doelstellingen) is het noodzakelijk om deze informatie on line te kunnen hebben zodat de beste stortlocatie voor de gegeven hydro, meteo en sedimentconcentratie toestand kan gekozen worden. De bedoeling van deze taak is om de verschillende bestaande systemen voor het automatisch doorsturen van de meetdata te evalueren. Er zal hierbij contact genomen worden met MDK (G. Dumon), waar reeds heel wat ervaring hieromtrent aanwezig is. Na het 5

6 beëindigen van deze taak zal geëvalueerd kunnen worden op welke termijn een online datatransfersysteem operationeel kan zijn. Taak 3: Verwerking en interpretatie van metingen De metingen vergaard tijdens de 13 uursmetingen aan boord van de Belgica en met de tripode worden verwerkt en geïnterpreteerd. Hiervoor werd in het verleden reeds heel wat software ontwikkeld (getijgemiddelde waarden, valsnelheid,..). Naast rapportage van de data zal bijkomend aandacht geschonken worden aan: Bepaling van de SPM concentratie van akoestische sensoren (ADP, ADCP). Om de representativiteit van deze methode te bepalen voor de data van het BCP zullen deze data vergeleken worden met SPM concentraties afgeleid uit optische data (OBS). De verticale profielen (SPM concentratie, saliniteit, temperatuur) opgemeten tijdens de 13 uursmetingen zullen worden geanalyseerd. De SPM concentratie profielen leveren essentiële informatie voor het corrigeren van satellietdata. Verticale profielen van saliniteit en temperatuur zijn belangrijk om de stratificatie ter hoogte van Zeebrugge te kennen en de invloed op de wateruitwisseling van de haven. Bodemstalen en suspensiestalen (centrifuge) zullen worden geanalyseerd om de korrelgrootteverdeling, het kalkgehalte en de organische fractie te bepalen. Taak 4: Evaluatie van in situ en remote sensing meetmethodes De bedoeling van deze taak is de evaluatie van de temporele heterogeniteit van SPM concentraties gemeten in de Belgische kustzone met in situ en met remote sensing technieken (satelliet). Omdat match ups (satelliet meting is op hetzelfde ogenblik als in situ meting) zelden voorkomen, zal gebruik gemaakt worden van statistische technieken om de verschillen en overeenkomsten tussen de datasets te evalueren. Hierdoor kunnen verschillende data met elkaar vergeleken worden die niet op hetzelfde moment gemeten werden. Verder zal aandacht geschonken worden aan de sampling methode, aan de representativiteit van de bestaande data sets en aan de gebruikte meetschema s. Hieruit kan een suggestie worden gedaan om huidige meetschemas te optimaliseren. Taak 5: Verfijnen slibtransportmodel Het gebruik van een numeriek sedimenttransportmodel vereist een regelmatige validatie van de modelresultaten met meetgegevens en een verbetering van de beschrijving van de processen in het model. Er zal verder gewerkt worden aan een calibratie van het flocculatiemodel en de implementatie van het bodemmodel. Taak 6: Alternatieve stortschema s Onderzoek naar alternatieve stortschema s en stortlocaties zal voortgezet worden voor stortplaats B&W Zeebrugge Oost conform de aanbevelingen voor de minister geformuleerd in het syntheserapport Om de efficiëntie van mogelijke alternatieve locaties of een andere bestaande stortplaats te testen wordt een terreinproef voorbereid in samenwerking met amt. Tijdens de voorbereiding zal o.a. de duur ervan vastgelegd moeten worden, de monitoring moeten worden opgezet en hoe de proef zal moeten worden geëvalueerd. Hiervoor zal gebruik kunnen gemaakt worden van de resultaten uit taak 4 en de ervaring opgemaakt tijdens het topslib project Publicaties (januari 2010 december 2011) Hieronder is een lijst met rapporten, publicaties en deelnamen aan workshops en conferenties waar resultaten en data verzameld in het kader van het MOMO project werden voorgesteld: 6

7 Activiteits, Meet en Syntheserapporten Fettweis M, Baeye M, Lee BJ, Van den Eynde D, Francken F, Van Lancker V MOMO activiteitsrapport (1 juli december 2010). BMM rapport MOMO/5/MF/201102/NL/AR/2, 44pp + app. Backers J, Hindryckx K RV Belgica meetcampagnes en verankering van meetsystemen MOMO BMM rapport BMM MDO/ /MOMO/2008, 110pp Backers J, Hindryckx K RV Belgica meetcampagnes en verankering van meetsystemen MOMO BMM rapport BMM MDO/ /MOMO/2009, 136pp Fettweis M, Nechad B, Van den Eynde D, Francken F, Van Lancker V MOMO activiteitsrapport (1 januari juni 2010). BMM rapport MO MO/5/MF/201006/NL/AR/1, 32pp + app Backers J RV Belgica meetcampagnes en verankering van meetsystemen MOMO 2007/2008. BMM rapport BMM MDO/ /MOMO/ , 121pp Conferenties/Workshops: Chen P, Fettweis M, Maggi F, Yu J Numerical simulation of flocculation behavours during storm events along Belgian coastal waters. Particles in Europe, November, Villefranche, France. (appendix 1) Fettweis M, Baeye M, Van den Eynde D, Francken F, Van Lancker V Hydro meteo influences on suspended particle size distributions in a coastal turbidity maximum area. Particles in Europe, November, Villefranche, France. (appendix 2) Fettweis M, Van den Eynde D, Francken F, Van Lancker V SPM dynamics measured with an automated tripod in the Belgian nearshore area: natural dynamics and anthropogenic effects. Liège Colloquium, April. (poster) Baeye M, Fettweis M, Van Lancker V, Francken F Monitoring morphological changes using near bed ADV altimetry. Liège Colloquium, April. (poster) Fettweis M, Nechad B, Van Lancker V, Van den Eynde D Evaluation of in situ and remote sensing sampling methods of SPM concentration. AGU Ocean Science Meeting, February, Portland, USA. (presentatie). Chen P, Yu J, Fettweis M, Van den Eynde D, Maggi F Flocculation in a nutrient rich coastal area (southern North Sea): Measurements and modelling. Poster at AGU Ocean Science Meeting, February, Portland, USA. (poster). Publicaties (tijdschriften, boeken) Baeye M, Fettweis M, Voulgaris G, Van Lancker V Sediment Mobility in response to Tidal and Wind driven Flows along the Belgian inner shelf, southern North Sea. Ocean Dynamics. doi: /s Fettweis M, Baeye M, Francken F, Lauwaert B, Van den Eynde D, Van Lancker V, Martens C, Michielsen T Monitoring the effects of disposal of fine sediments from maintenance dredging on suspended particulate matter concentration in the Belgian nearshore area (southern North Sea). Marine Pollution Bulletin. 62, doi: /j.marpolbul (appendix 4) Fettweis M, Nechad B Evaluation of in situ and remote sensing sampling methods for SPM concentrations, Belgian continental shelf (southern North Sea). Ocean Dynamics. doi: /s (appendix 3) Fettweis M, Francken F, Van den Eynde D, Verwaest T, Janssens J, Van Lancker V Storm influence on SPM concentrations in a coastal turbidity maximum area with high anthropogenic impact (southern North Sea). Continental Shelf Research, 30, doi: /j.csr

8 2. Akoestische en optische metingen van SPM transport Het is niet ongewoon dat sedimenten in kustgebieden bestaan uit mengsels van zand en slib. De verhouding zand slib bepaald de overgang tussen cohesief en niet cohesief gedrag en heeft een significante invloed op het erosiegedrag, de concentratie aan suspensiemateriaal (verder afgekort als SPM, suspended particulate matter) en de benthische ecologie (Williamson & Torfs 1996; Panagiotopulos et al. 1997; Wallbridge et al. 1999; Flemming & Delafontaine 2000; van Ledden et al. 2004; Waeles et al. 2007; Van Hoey et al. 2007). Gemengde sedimenten komen dikwijls voor als een afwisseling van zandige en slibrijke lagen. Tijdens stormen kunnen golven de zeebodem zodanig mobiliseren dat zandige lagen worden afgezet (Fan et al. 2004). Deze verticale segregatie treedt enkel op bij relatief lage SPM concentraties. Bij hoge SPM concentraties kan er enkel een gelaagdheid optreden in zand/slib suspensies indien de initiële slibconcentratie lager is dan het gelling point (Torfs et al. 1996). SPM dynamica wordt bepaald door de hydrodynamica, golven, wind, beschikbaarheid aan sedimenten (slibbronnen), bodemsamenstelling, biologische processen en menselijke ingrepen. In gebieden met een turbiditeitsmaximum kunnen vloeibare sliblagen gevormd worden. Vloeibaar slib is een hooggeconcentreerde waterige oplossing aan fijne sedimenten waar bezinking significant verstoord is. Het bestaat uit water, klei en siltpartikels en organisch materiaal en vertoont variërend rheologisch gedrag gaande van elastisch tot pseudo plastische (McAnally et al. 2007). Grootschalige sedimentatie van fijn materiaal in havens en vaargeulen wordt dikwijls in verband gebracht met het voorkomen van vloeibare sliblagen (Verlaan & Spanhoff 2000; Winterwerp 2005; PI ANC 2008). Figuur 2.1: Zuidelijke Noordzee met tripode locatie Blankenberge (BLA). De achtergrond geeft de jaarlijks gemiddelde oppervlakte SPM concentratie weer afgeleid uit MODIS satellietbeelden ( ). In de Belgische kustzone varieert de bodemsamenstelling van slib tot zand (Verfaillie et al. 2006). De SPM concentraties is er hoog (Fettweis et al. 2010b) en er zijn belangrijke menselijke ingrepen op, zoals havenbouw, baggerwerkzaamheden, aggregaatextracties (Lauwaert et al. 2009a; Du Four & Van Lancker 2008; Van Lancker et al. 2010) en visserij. Om de sedimentmobiliteit in een dergelijke omgeving te bestuderen heeft men nood aan multiparameter terreinmetingen, die rekening houden met het gelijktijdige optreden van zand en slib in suspensie (Wiberg et al. 1994; Wallbridge et al. 1999; Wu et al. 2003). 8

9 Langdurige metingen van SPM concentratie, partikelgrootte en stroomsnelheid met behulp van akoestische en optische sensoren worden in het kader van het MOMO al uitgevoerd sinds Binnen deze taak willen we de effecten van variërende hydrodynamische condities (getij en windeffecten) op het SPM transport en de vorming van hooggeconcentreerde slibsuspensies of vloeibare sliblagen bestuderen te Blankenberge. Op deze locatie (Figuur 2.1) werden tripode metingen uitgevoerd in het kader van het topslib project (Lauwaert et al. 2009a; Fettweis et al. 2010a). Bijkomende analysen op deze data worden hieronder verder uitgewerkt, waarin specifiek naar de functie van meteorologische parameters (windsnelheid, windrichting, residuele stroming) en de reactie van optische en akoestische signalen wordt gekeken. Omdat optische en akoestische sensoren een andere gevoeligheid voor verschillende sedimenttypes hebben (zie Bunt et al. 1999), kan een combinatie ervan uitsluitsel geven over de samenstelling van het suspensiemateriaal tijdens variërende condities Methodologie Wind en golven De gemiddelde windroos over 10 jaar voor het station MOW0 wordt getoond in Figuur 2.2. We zien hierin dat in de Belgische kustzone zuidwesten winden domineren, gevolgd door noordoostelijke winden. Maximale windsnelheden treden op bij zuidwestelijke winden; de hoogste golven worden gegenereerd tijdens noordwestelijke winden. De hier uitgewerkte methodologie zal later worden toegepast op de tripode metingen te MOW1. Zodoende kan de lange termijn evolutie van de kustzone beter voorspeld worden, wat mogelijks kan bijdragen tot morphodynamische modellering. Figuur 2.2: Gemiddelde windroos (in m/s) over 10 jaar te MOW0 (links) en tijdens de Blankenberge metingen (rechts). Legende in m/s. De zwarte lijn is de oriëntatie van de kustlijn te Blankenberge Instrumentatie Op de tripode werd een SonTek 3 MHz ADP, een SonTek 5 MHz ADVOcean, een Sea Bird SBE37 CT, twee D&A OBS 3 (OBS1 op 0.2 en OBS2 2 m above bed, verder afgekort als mab), twee SonTek Hydra systemen voor de data acquisitie en de voeding en een LISST 100X gemonteerd (Foto 2.1). De ADV snelheden werden gemeten op 0.2 mab, terwijl de ADP naar onder keek om snelheid en akoestische backscatterprofielen te meten met een resolutie van 0.25 m. Gemiddelde waarden werden berekend om de 10 minuten voor de OBS, LISST, ADV en ADP. In totaal werden 240 dagen aan data verzameld te Blankenberge, waarvan 198 dagen verzameld tijdens 5 verankeringen hier worden gebruikt (Tabel 2.1). 9

10 Tabel 2.1: Langdurige metingen met tripode te Blankenberge en de mediane en maximale significante golfhoogte (H s ) tijdens de meetperiode. Start (dd/mm/yyyy hh:mm) Einde (dd/mm/yyyy hh:mm) Duur (dagen) Mediaan (max) H s (m) 08/11/ :30 15/12/ : (2.76) 18/12/ :47 07/02/ : (2.96) 28/01/ :38 24/02/ : (2.82) 06/03/ :09 08/04/ : (3.03) 15/04/ :58 05/06/ : (1.69) Foto 2.1: Tripode gebruikt bij de verankeringen te Blankenberg Berekening van SPM concentratie uit akoestische signalen Het teruggekaatste ADP signaal (backscatter) werd gebruikt om SPM concentratie te bepalen. Na omvorming naar decibels, werd de signaalsterkte gecorrigeerd voor geometrische spreiding en afzwakking (attenuation) in het water. Nadien werd gebruik gemaakt van een iteratieve benadering (Kim et al. 2004) om het signaal te corrigeren voor afzwakking door SPM. SPM concentratie afgeleid uit de bovenste OBS (OBS2) werd gebruikt om de eerste bin van de ADP te kalibreren. Over het algemeen wordt de terugkaatsing bij een OBS beïnvloed door het type sediment, de grootte van de partikels en de samenstelling. Al deze variabelen zijn moeilijk te kwantificeren (Hamilton et al. 1998). Beperkingen van optische en akoestische sensoren worden uitvoerig besproken in de literatuur (Thorne et al. 1991; Hamilton et al. 1998; Bunt et al. 1999; Thorne & Hanes 2002; Vincent et al. 2003; Voulgaris & Meyers 2004). Optische sensoren onderschatten eerder de grovere partikels terwijl akoestische sensoren een betere schatting van de massaconcentratie aan grovere partikels geven (Fugate & Friedrichs 2002) Classificatie van de data De metingen omvatten 376 getijcycli die geklasseerd werden in verschillende groepen naargelang de hydrodynamisch condities. De getijgebonden variaties in de ADV en ADPtijdseries werden eruit gefilterd voor perioden kleiner dan 33 uren (Rosenfeld 1983; Beardsley et al. 1985). De zo bekomen residuele snelheden werden dan geprojecteerd op een as parallel en loodrecht op de kustlijn. Voor de as parallel met de kust is positief naar het noordoosten (65 ) en voor de as loodrecht op de kust gericht is positief naar het zuid 10

11 oosten (155 ). Voor elke getijcyclus werd aldus de residuele stroming parallel met de kust berekend. In functie van de grootte en richting van deze residuele stroming werden de getijcycli gegroepeerd in 3 groepen, zie Tabel 2.2. De getijcyli met een residuele stroming parallel met de kust tussen 0.05 en 0.05 m/s werden beschouwd als representatief voor enkel getijwerking, deze worden verder Case I genoemd en vertegenwoordigen 173 getijcycli of 46% van de data. De overblijvende 203 getijcycli hebben een residuele stroming groter dan ±0.05 m/s en zijn significant beïnvloed door wind. Negatieve waarden komen overeen met een residuele stroming naar het zuidwesten, veroorzaakt dus door NE winden ( Case II, totaal 100 tijcycli). Positieve residuele stromingen parallel met de kust van meer dan 0.05 m/s is gericht naar het noordoosten en komt overeen met SW winden ( Case III, 107 getijcyli). Bijkomend werd elke getijcylus nog ingedeeld volgens de getijamplitude in dood of springtij. Getijcyli met een getijamplitude groter dan de gemiddelde worden beschouwd als springtij en deze met een amplitude kleiner dan de gemiddelde als doodtij. Zodoende hebben we in totaal zes klassen kunnen opgesteld die zowel de getij als de windinvloed weerspiegelen. De getijcycli van een groep werden dan samengenomen en er werd een representatieve getijcyclus opgesteld. De methode beschreven in Murphy & Voulgaris (2006) werd gebruikt om de absolute tijd om te zetten in een relatieve tijd t.o.v. de getijfase, waarbij hoogwaterkentering als referentiepunt werd gebruikt. De data werden dan gemiddeld en een gemiddelde getijcyclus opgesteld samen met de standaardfout. Tabel: 2.2: Classificatie van de 380 getijcycli in 6 gevallen (Case I III en doodtij springtij) in functie van de residuele stroming (wind) en de getijamplitude. residuele stroming (m/s) aantal tijcycli (%) Case I: getij 0.05 < u r < (46%) Case II: NE wind u r < (26%) Case III: SW wind u r > (28%) aantal tijcycli (%) doodtij 79 (20.8%) springtij 94 (24.7%) doodtij 32 (8.4%) springtij 68 (17.9%) doodtij 58 (15.3%) springtij 49 (12.9%) Altimetrie De ADV alsook de ADP werd gebruikt om de afstand tussen de sensor en de zeebodem te registreren. Deze altimetrie data werden gebruikt om variaties in bodemniveau vast te stellen, zoals veroorzaakt kan worden door de afzetting en resuspensie van fijnkorrelig materiaal. Een kleinere afstand tussen de sensor en de bodem kan in een omgeving zoals de Belgische kustzone wijzen op de aanwezigheid van hooggeconcentreerde sliblagen (HCMS), die als een akoestische reflector fungeren. Naast de boven beschreven procedure voor classificatie van de data werd een normalisatie uitgevoerd om altimetrie data te bekomen voor eenzelfde referentieniveau bij de verschillende verankeringen Resultaten Wind en Getij Wind en golfdata zijn afkomstig van boeimetingen te Bol van Heist (Maritieme Dienstverlening Kust). De winddata (Figuur 2.2) tonen dat gemiddeld de sterkste winden uit het SW komen en dat deze winden gedurende 33 % van een jaar voorkomen. Kruiscorrelatie met de golfdata geeft aan dat de SW winden overeenkomen met een gemiddelde golfhoogte van 0.85 m en een periode van 4 s (Figuur 2.3). Merk op dat de gemiddelde golfhoogte iets hoger is tijdens vloed dan eb. 11

12 Figuur 2.3: Gemiddelde significante golfhoogte voor Case I II III tijdens springtij (0h is vloed eb kentering, 6.5h eb vloed kentering, eb: 1 6h, vloed 7 12h). Hoogste golfhoogtes zijn geassocieerd met Case III. Figuur 2.4: Classificatie i.f.v. de residuele stroming parallel met de kust: gemiddelde waterstand (blauw) en de stroming parallel met (rood) en dwars op de kust (groen) afgeleid uit ADP metingen op 1.25 mab (± standaardfout). De gemiddelde stroming parallel en loodrecht op de kust wordt in Figuur 2.4 getoond. Over het algemeen was de component loodrecht op de kust heel klein, wat op sterk afgeplatte stromingsellipsen wijst. De getij geïnduceerde stromingen (Case I) zijn asymmetrisch. De maximale vloedstroming (springtij) bedroeg ongeveer 0.75 m/s en de maximale ebstroming 0.45 m/s. De vloed duurt iets korter dan de eb. De residuele stroming parallel met de kust wordt vooral door de wind bepaald en niet door barocliene processen (Figuur 2.5). De saliniteit was het hoogst (33) in Case III (SW wind) en het laagst (30.5) in Case II (NE wind). Lage saliniteit is veroorzaakt door een grotere invloed van de Schelde (Figuur 2.6a b). Figuur 2.4 (Case II, NE wind) toont dat tijdens periodes met overheersend noordoostelijke winden de ebstroming toeneemt met 33% en de vloedstroming afneemt met 15%, vergeleken met enkel getijwerking (Case I). Deze effecten zijn het meest uitgesproken bij springtij. SW winden in Case III verstoren sterk het eb vloed signaal (Figuur 2.4 e, f). Tijdens springtij vermindert de ebstroming met 33 %, terwijl de vloedstroming gemiddeld 13% sterker is. 12

13 Figuur 2.5: Verband tussen de wing geïnduceerde stroming parallel met de kust en de windsnelheid. Figuur 2.6: Classificatie i.f.v. de residuele stroming parallel met de kust: Saliniteit (± standaardfout) tijdens een getij op 1 mab voor de 3 gevallen en tijdens springtij (boven) en doodtij (onder) SPM concentratie en partikelgrootte Het kwalitatieve verloop van SPM concentratie op 2 mab is in alle Cases gelijkaardig en wordt gekarakteriseerd door twee maxima, waarbij de ebpiek lager is dan de vloedpiek (Figuur 2.7). Het vloedmaximum treedt eerst op op 0.2 mab en iets later op 2 mab. Dit soort tijdsverschuivingen zijn gekend en weerspiegelen de tijd nodig voor menging van het materiaal in de waterkolom (Bass et al. 2002). In Case I (Figuur 2.7a, b) en III (Figuur 2.7e, f) kan men vaststellen dat omstreeks 2 3 uur en 9 uur de verticale stratificatie in SPM concentratie (OBS) beperkt is, terwijl in Case II er altijd een verticale stratificatie aanwezig is (Figuur 2.7 c, d). Het SPM concentratie verloop op 0.2 mab is verschilt sterk in de drie Cases. Case II kent meerder maxima in SPM concentratie tijdens zowel eb als vloed. Dit wijst mogelijks op meerdere resuspensie gebeurtenissen. In Case III treedt het SPM concentratie maxima 13

14 op aan het einde van de eb en tijdens kentering. Tijdens de rest van de tijd is de SPM concentratie vrij laag. De SPM concentratie afgeleid uit de ADP wordt ook getoond in Figuur 2.7. SPM concentratie op 2 mab is zeer gelijklopend met deze afgeleid uit de OBS, uitgezonderd tijdens vloed in Case III. Op 0.2 mab treedt er een significant verschil op tussen beide signalen in Case I en III (springtij), met significant hogere waarden in het ADP signaal dan in het OBS signaal. Tijdens doodtij komen OBS en ADP data vrij goed overeen. In Case II zijn zowel tijdens spring en doodtij gelijkaardige SPM concentraties te zien op 0.2 mab voor de OBS en ADP. De verschillen in SPM concentratie tussen optische en akoestische sensoren laat vermoeden dat het suspensiemateriaal een variërende samenstelling en grootte had tijdens de metingen, zie ook Figuur 2.7: Classificatie i.f.v. de residuele stroming parallel met de kust: SPM concentratie (± standaardfout) van OBS en ADP op 0.2 (blauw) en 2 mab (groen). Figuur 2.8: Classificatie i.f.v. de residuele stroming parallel met de kust: mediane partikelgrootte (± standaardfout) gemeten met de LISST. 14

15 De mediane partikelgrootten werden geklasseerd en gemiddeld per case (Figuur 2.8). De mediane partikelgrootte varieerde tussen 40 en 130 μm. Het feit dat de grootste partikels optraden tijdens kentering en de kleinste tijdens maximale stroming duidt op het voorkomen van vooral vlokken in suspensie. De mediane vlokgrootte tijdens kentering is kleiner voor Case II (Figuur 2.8c d) dan Case I (ongeveer 70 μm t.o.v. 100 μm). In Case III (Figuur 2.8e f) zijn de verschillen in partikelgrootte tijdens een getij minder uitgesproken. De grotere standaardfout bij deze data wordt veroorzaakt door de hogere variabiliteit in de data tengevolge van onder andere meer variabele golfcondities Altimetrie data De resultaten van de classificatie van de altimetrie data wordt weergegeven in Figuur 2.9. De zeebodem waarop het akoestische signaal reflecteert, kan bestaan uit zand of uit een sterke gradiënt in SPM concentratie, zoals bij vloeibaar slib of HCMS ontstaat. In alle gevallen kan men zien dat de zeebodem bij kentering stijgt met ongeveer 5 cm tijdens springtij en enkele cm tijdens doodtij. In Case II (Figuur 2.9c d) is de stijging het meest uitgesproken bij hoogwaterkentering (omstreeks 12 uur). Figuur 2.9: Classificatie i.f.v. de residuele stroming parallel met de kust: zeebodemvariatie (± standaardfout) afgeleid uit de ADV altimetrie Bespreking van de resultaten De metingen te Blankenberge hebben aangetoond dat de sedimentdynamica dicht tegen de bodem, hoewel gedomineerd door getijwerking, in belangrijke mate beïnvloed wordt door windgeïnduceerde stromingen.hieronder gaan we nader in op de effecten van winden getij geïnduceerde stroming op de SPM concentratie, op de verschillen tussen akoestische en optische sensoren voor bepaling van SPM concentratie en op het opstellen van een conceptueel sedimenttransportmodel Getij en wind geïnduceerde circulatie Het windklimaat wordt gekenmerkt door vooral SW en NE winden (Figuur 2.2), deze beïnvloeden de richting en grootte van het residuele watertransport. Saliniteit kan als proxy gebruikt worden voor de oorsprong van de watermassa (Figuur 2.6). De saliniteit wordt in de Belgische kustzone vooral bepaald door de afvoer van Schelde, Rijn en Seine (Lacroix et al. 2004). De getij en seizoensgemiddelde waarde te Blankenberge bedroeg 32.2±1.1 tijdens de metingen. Tijdens perioden met weinig windinvloed (Case I) was de gemiddelde saliniteit tijdens eb en vloed respectievelijk 31.5 en Tijdens perioden met SW winden was de saliniteit ±33 wat op advectie van water uit het Engels Kanaal wijst. Omgekeerd 15

16 zien we dat tijdens perioden met NE wind (Case II) de gemiddelde saliniteit daalde tot 30.5, wat duidt op een grotere invloed van vooral de Schelde. SPM concentratie maxima bij getijwerking treden op aan het einde van de eb (5 uur) en het begin van de vloed (8 uur). Het maxima tijdens vloed wordt toegeschreven aan resuspensie. Het maximum tijdens eb kan verklaard worden door de ligging van het centrum van het turbiditeitsmaximum, dat over het algemeen in eb richting van de meetlocatie ligt, dus richting NE. Het SPM concentratieverloop kan vrij goed verklaard worden met deze getijgebonden verplaatsing van het turbiditeitsmaximum. Wanneer het SPM uit het centrum van het turbiditeitsmaximum de meetlocatie bereikt heeft, stijgt de SPM concentratie tot een maximale waarde. SPM concentratie metingen met de OBS tonen aan dat Case II (Case III) overeenkomt met hoge (lage) SPM concentraties, wat het belang van windgeinduceerde advectie op SPM concentratie onderstreept. Inderdaad, zeewater afkomstig van offshore of uit het Engels Kanaal (Case II), heeft een lagere SPM concentratie dan het water uit de kustzone (Fettweis et al. 2010b). Eisma & Kalf (1979) schreven dat de SPM concentratie in kustgebieden het gevolg is van verplaatsingen van het water naar de kustzone toe. Figuur 2.10: Afstand tussen de ADV sensor en de zeebodem voor een periode in mei De pieken komen overeen met periodieke afzettingen (vierdagelijks). Tussen dag 136 en 140 is er een langdurige afzetting of HCMS aanwezig. De metingen wijzen op een uitgesproken verschil in SPM concentraties dicht tegen de bodem (0.2 mab) bij de drie gevallen (Figuur 2.7). De waterkolom in Case I (getijwerking) en III (NE wind) is goed gemengd op 2 en 9 uur. Bij Case III (SW wind) is de goed gemengde toestand langer aanwezig. De verticale menging in het geval van windgeïnduceerde advectie uit het NE (Case II, Figuur 2.7c d) is beperkter en een duidelijke verticale gradiënt blijft aanwezig. Dit is waarschijnlijk het gevolg van de hogere SPM concentratie en de aanwezigheid van hooggeconcentreerde slibsuspensies (HCMS). Deze suspensies fungeren als een reservoir aan fijn materiaal en kunnen dus zorgen voor de instandhouding van een grotere verticale gradiënt. De afnemende stroming rond 4 en 10 uur begunstigt bezinking van partikels waardoor de SPM concentratie op 2 mab afneemt. Een continue toename van de SPM concentratie op 0.2 mab is enkel te zien in Case III, waar het maximum in SPM concentratie op 0.2 mab pas optreed rond kentering. In Case I en II vermindert de SPM concentratie omstreeks kentering dat op de vorming van een fluffy laag duidt. Als voorbeeld wordt een detail van het verloop van het zeebodempeil getoond in Figuur 2.10 (dag ). De vierdagelijkse pieken in het verloop van het bodempeil zijn het gevolg van 16

17 de aanwezigheid van een fluffy laag. Zij hebben een dikte van 10 cm met maxima tot 15 cm en blijven gemiddeld 50 minuten bestaan (maximum is 3 uren). De tijdelijke variaties in zeebodempeil zijn bovenop zeebodemveranderingen op langere termijn. Omstreeks dag 136 tot 140 treed een verandering in bodempeil op die 4 dagen (~8 getijcycli) aanhoud. Deze periode valt onder Case II springtij. De toename van het bodempeil treedt op bij grote verticale SPM concentratie gradiënten en kan verklaard worden met de afzetting van slib of het ontstaan van HCMS. In Case III is de SPM concentratie lager en de golfhoogtes gemiddeld hoger, wat minder gunstige voorwaarden zijn voor afzetting van slib. Afhankelijk van de hoeveelheid afgezet sediment tijdens kentering, is de piek in SPM concentratie zichtbaar bij beide OBS s in Case I en II (Figuur 2.7). Figuur 2.11: Classificatie i.f.v. de residuele stroming parallel met de kust: gemiddelde partikelgrootte omstreeks maximale vloedstroming tijdens springtij (8 uur na HW kentering). In Case III treedt een multimodale verdeling op met o.a. een maximum rond 45 μm en rond 150 μm. Dit laatste wordt veroorzaakt door resuspensie van fijn zand Samenstelling van het suspensiemateriaal Ter hoogte van de meetlocatie komt zowel fijn zand (D50 = 150 μm) als slib voor (Fettweis & Van den Eynde 2003) en laat vermoeden dat gemengde sedimenten in suspensie voorkomen. Bij een windgeïnduceerde residuele stroming naar het NE (Case III) is de vloedstroming gemiddeld 13% hoger en de ebstromen 33% lager vergeleken met Case I (Figuur 2.4). De versterkte vloedstroming is sterk genoeg om in situ bodemmateriaal (zand) te resuspenderen. De metingen tonen aan dat de SPM concentraties afgeleid uit OBS en ADP het meest verschillen tijdens vloed. Grootste verschillen treden op in Case III (Figuur 2.7ef), wanneer de vloedstroming het hoogst is. In dat geval is de SPM concentratie gemeten met een akoestisch instrument hoger dan deze gemeten met de OBS. Het is goed gekend in de literatuur dat de OBS grovere partikels in suspensie onderschat (Bunt et al. 1999; Fugate & Friedrichs 2002; Vincent et al. 2003; Voulgaris & Meyers 2004; Downing 2006). Dit laat vermoeden dat de hogere SPM concentraties gemeten door de ADP tijdens vloed het gevolg zijn van fijn zand in suspensie, wat bevestigd wordt door de bimodale korrelgrootteverdeling gemeten met de LISST op dat moment (Figuur 2.11). Naast een piek in de fijnste fractie is de eerste modus gelegen rond 35 μm wat overeenkomt met de grootte van microvlokken (Fettweis et al. 2006), terwijl de tweede modus overeenkomt met de mediane korrelgrootte van zand (150 μm). De piek in de fijnste fractie is het gevolg van de 17

18 aanwezigheid van deeltjes kleiner dan het meetbereik van het instrument (Agrawal & Pottsmith, 2000). Het feit dat in Case III de vloedstroming sterker, de SPM concentratie lager en dat de waterkolom goed gemengd is doet denken dat zand dagzoomt en de zeebodem dus niet met slib is bedekt. Dat de LISST geen tweede modus op 150 µm detecteerde op 2 mab in de andere gevallen suggereert dat de resuspensie van zand veel lager was. Dit wordt ook bevestigd door de lagere stroomsnelheden en het feit dat de zeebodem gedurende langere perioden bedekt was met slib. Deze resultaten suggereren het optreden van een omgekeerde bed armouring, waarbij een laag fijnkorrelige sedimenten de erosie van zandig materiaal belet. Zandtransport in het turbiditeitsmaximum is daarom vooral in vloedrichting met de hoogste zandtransporten bij een residuele stroming naar het NE (Case III) Conceptueel SPM transportmodel Altimetrie data (Figuren 2.9 en 2.10) tonen variaties in het bodempeil die op het voorkomen van HCMS of fluffy lagen wijzen In Case I en III (Figuur 2.9) is dit zowel tijdens springals doodtij beperkt tot kentering. In Case II (Figuren 2.9 en 2.10) suggereert het verloop van de altimetrie dat HCMS lagen werden gevormd die gedurende enkele getijden bleven bestaan. De lagere vloedstroming, de hogere SPM concentratie, de gemiddeld lagere golfhoogte en de geringere verticale menging tijdens deze Case versterkt dit vermoeden. Onze data tonen dat semi permanente HCMS lagen voorkomen te Blankenberge wanneer de residuele stroming naar het SW is gericht, dit komt vooral voor bij noordoostelijke winden. Deze winden komen niet frequent voor, niettemin denken we dat dit soort benthische sedimenttransport belangrijke implicaties heeft wat begraving van objecten en sediment recirculatie in en om de haven van Zeebrugge betreft. In Case I en III zijn HCMS kortstondig en komen overeen met de vorming van een fluffy laag tijdens kentering gevolgd door resuspensie bij toenemende stroming. Uit de resultaten kunnen we besluiten dat de variabiliteit van HCMS en SPM concentratie ook beïnvloed wordt door de verplaatsing van het turbiditeitsmaximum door wind en dus advectie parallel met de kustlijn. In Case III, dus bij SW winden (meest voorkomend geval), is het turbiditeitsmaximum meer naar het noordoosten verplaatst en werd er geen langdurige HCMS gevonden. Het zand dagzoomt dan en resuspensie ervan treed op. Meer marine fijnkorrelige sedimenten stromen de Westerschelde binnen. In de literatuur vinden we daarom een sterke marine signatuur van de cohesieve sedimenten (>80%) in het Schelde estuarium (Van Alphen 1990; Verlaan et al. 1998; Verlaan 2000). Het estuarium fungeert aldus als een buffer van fijnkorrelige marine sedimenten (van der Wal et al. 2010). Een deel van deze sedimenten worden permanent afgezet in de intertijdegebieden (Temmerman et al. 2003). Het feit dat bij een naar het SW gerichte residuele stroming (Case II), hogere SPM concentraties worden gemeten, doet vermoeden dat er een outflow van mariene sedimenten uit de Westerschelde gebeurt. Fettweis & Van den Eynde (2003) hebben als voornaamste mechanisme voor het instandhouden van het turbiditeitsmaximum een opstopping in het sedimenttransport in de kustzone aangehaald. De nieuw geanalyseerde data voegen hier nog aan toe dat de Westerschelde functioneert als opslag van marine sedimenten, die tijdens specifieke hydro meteocondities terug naar zee kunnen stromen en voor een verhoging van de SPM concentratie zorgen. Dit laatste wordt ook bevestigd door de gelijke kleimineralogie van sedimenten uit de Schelde en de kustzone (Fettweis et al. 2007; Van Lancker et al. 2008). Een andere bron van SPM ter hoogte van de meetlocatie zijn de stortoperaties van baggerspecie. Gemiddeld worden er jaarlijks ton droge stof gebaggerd in de haven van Zeebrugge dat deels gestort worden op de stortplaats B&W Zeebrugge Oost (Lauwaert et al. 2009). Modelsimulaties hebben aangetoond dat een deel van het gestorte materiaal naar de baggerplaatsen (haven) en verder westelijk 18

19 terugstroomt (Van den Eynde 2004; Fettweis et al. 2009b, 2010a). Er bestaan tot op heden geen metingen die een toename in SPM concentratie door deze stortoperaties bevestigen. Er zijn echter andere data beschikbaar (zie topslib proef, Fettweis et al. 2010a, 2011) die aantonen dat de bagger en stortwerkzaamheden voor een herverdeling van het slib zorgen en de SPM concentratie veranderen. 19

20 3. Hydro meteo invloed en multimodale partikelgrootteverdelingen van suspensiemateriaal Kennis van de partikelgrootteverdeling (PGV) van gesuspendeerd materiaal (SPM) is essentieel om sedimentdynamica te begrijpen en te voorspellen (Eisma 1986; Van Leussen 1994; Mikkelsen et al. 2007; Curran et al. 2007; Winter et al. 2007; Bowers et al. 2009, Lee et al. 2011). Met moderne instrumentatie, zoals een LISST, kan men relatief gemakkelijk met een hoge tijdsresolutie in situ partikelgrootteverdelingen meten. Een hoge tijdsresolutie is nodig omdat flocculatie de partikelgrootte en dus de valsnelheid van zwevende deeltjes verandert en daarom een significant effect op afzetting, erosie en transport van fijn materiaal heeft. In het kader van het MOMO project werd enkele jaren geleden gestart met onderzoek naar het flocculatiegedrag van fijnkorrelig materiaal in de Belgische kustzone (Fettweis et al. 2006; Fettweis 2008) en de modellering ervan (zie Fettweis et al. 2009a; Chen et al. 2010). Hierbij werden metingen met een LISST 100X gebruikt om de evolutie van de mediane partikelgrootte te MOW1, Kwintebank en andere locaties als functie van getij en doodtijspringtij te kwantificeren. Deze metingen werden uitgevoerd tijdens meteorologisch rustige periodes. De effecten van stormen werden bestudeerd op data verzameld te MOW1 en Blankenberge, maar dit enkel wat SPM concentratie betreft (Fettweis et al. 2010b). Tot nu toe werd er nog geen aandacht besteed aan effecten van stormen op flocculatie. Vlokdynamica wordt sterk beïnvloed door golven doordat de turbulentie verhoogd en de vlokken uiteenvallen (zie b.v. Mikkelsen et al. 2007), maar ook de aanwezigheid van gemengde cohesieve en niet cohesieve sedimenten kan een belangrijke rol hierbij spelen, zoals in het vorige hoofdstuk werd toegelicht. Het doel van deze studie is om het flocculatiegedrag en de vlok en partikeldynamica te bestuderen en dit gedurende verschillende meteorologische gebeurtenissen. Bij de analyse hebben we ons beperkt tot de data verzameld te Blankenberge. Sedimenten uit het Belgische kustgebied bestaan uit zand en/of slib. In dit soort gebieden is het SPM een afspiegeling van de bodemsamenstelling en kan dus uit een mengeling van cohesieve en niet cohesieve minerale partikels bestaan (Manning et al. 2010). De kans is groter dat dicht tegen een zandige zeebodem het SPM ook uit geresuspendeerde minerale korrels bestaat, terwijl hoger in de waterkolom of in slibrijke gebieden SPM eerder bestaat uit vlokken bestaande uit aggregaten van vooral kleimineralen en organisch materiaal. Met toenemende turbulentie vermindert de vlokgrootte en stijgt de kans dat minerale korrels (silt, zand) gradueel in suspensie gebracht worden. Doordat verschillende processen interageren en overlappen, is het niet ongewoon dat SPM een multimodale PGV (Mikkelsen et al. 2007; Mietta et al. 2010; Verney et al. 2010; Lee et al. 2011). Manning et al. (2010) hebben in een labo experiment aangetoond dat flocculatie het bezinken van zand slibmengsels beïnvloed. Tot nu toe zijn weinig data beschikbaar over de resuspensie van zand, slib en zand slibmengsels in natuurlijke omgevingen. De bedoeling van deze studie is daarom om in situ metingen te analyseren uit een gebied met gemengde bodemsedimenten en om de invloed van getij, wind en golven op de PGV van gesuspendeerd materiaal te bestuderen. Verder wordt de mogelijkheid dat zand en slib simultaan in suspensie voorkomen besproken. Het begrijpen van sedimentbeweging in gemengde omgevingen steunt op het gebruik van multiparameter metingen en van wiskundige methoden om ze te beschrijven. De meettoestellen moeten in staat zijn om zand slib interactie in functie van bed armouring, bescherming en het vrijkomen van sedimenten, erosie, resuspensie en flocculatie dynamica te meten (Wiberg et al. 1994; Wallbridge et al. 1999; Wu et al. 2003). Door de broosheid van vlokken is het moeilijk om stalen te nemen en metingen er 20

21 van moeten best steunen op in situ technieken zoals LISST, vlokkencamera en holografische camera (van Leussen 1994; Agrawal & Pottsmith 2000; Mikkelsen et al. 2006; Benson & French 2007; Manning et al. 2007; Graham & Nimmo Smith 2010). Om deze doelstellingen te bereiken werden in situ metingen van SPM concentratie, PGV, en stroomsnelheid uitgevoerd te Blankenberge waar zowel optische (OBS, LISST 100) als akoestische sensoren (ADP, ADV) werden gebruikt. Vlok of partikelgrootteverdelingen (PGV) worden veelal beschreven door hun statistische parameters, zoals het gemiddelde, de mediaan, de scheefheid en sortering (Folk & Ward 1957). Deze statistische parameters gelden voor log normale verdelingen, en geven onvolledige of onjuiste informatie indien de verdeling uit verschillende modi bestaat. Nochtans geeft de partikelgrootteverdeling essentiële informatie over de dynamica van vlokken zoals benadrukt werd door Mikkelsen et al. (2006). Wij hebben daarom statistische methoden (entropie analyse, curve fitting met een som van log normale functies) en low pass filter toegepast om de PGVen te klasseren en om een link met de onderliggende processen te kunnen opstellen. Gelijkaardige meetstrategieën (Thorne & Hanes 2002; Fugate & Friedrichs 2002; Voulgaris & Meyers 2004; Hoitink & Hoekstra 2005), statistische methoden (Jonasz & Fournier 1996; Mikkelsen et al. 2007) en filtering (Murphy & Voulgaris 2006) werden met succes toegepast voor andere data Methodologie Instrumentatie en data In dit hoofdstuk worden dezelfde data gebruikt als beschreven in maar nu enkel de 62 dagen met kwalitatief goede LISST metingen, zie tabel 3.1, zie ook Fettweis et al. (2010a). De omzetting van het akoestische en optische backscatter signaal gebeurt met dezelfde methodologie als in het vorige hoofdstuk toegelicht, zie $ De berekening van de turbulente kinetische energie uit de hoogfrequente ADV data wordt in Fettweis et al. (2010b) beschreven. Tabel 3.1: Langdurige metingen met tripode en LISST te Blankenberge en de mediane en maximale significante golfhoogte (H s ) tijdens de meetperiode. Start (dd/mm/yyyy hh:mm) Einde (dd/mm/yyyy hh:mm) Duur (dagen) Mediaan (max) H s (m) 28/01/ :33 11/02/ : (2.82) 06/03/ :06 07/04/ : (3.03) 15/04/ :58 30/04/ : (1.42) Classificatie van partikelgrootteverdelingen Een probleem bij het verwerken van PGV afkomstig van langdurige verankeringen is de grote hoeveelheid aan data. Classificatie van de data volgens bepaalde criteria vergemakkelijkt de interpretatie ervan. Twee methoden voor classificatie van partikelgroottespectra werden toegepast. De eerste maakt gebruik van de stroomsnelheiddata om de LISST spectra in verschillende groepen op te delen in overeenstemming met de hydrometeocondities. Deze classificatie werd in het vorige hoofdstuk beschreven, we verwijzen dan ook naar en Tabel 2.2 Entropie analyse werd gebruikt als tweede classificatiemethode; hiermee kan de lukraakheid van een gebeurtenis (zoals een PGV) geëvalueerd worden en kan deze gebeurtenis aan een groep toegekend worden met een zelfde lukraakheid of geplaatst worden in een nieuwe groep. Zodoende kan het aantal parameters verminderd worden wat de classificatie van data vereenvoudigd. Entropie analyse is een vorm van multivariate statistiek (informatie statistiek). Omdat gebruik gemaakt wordt van het volledige spectra, zonder 21

22 een vooraf gedefinieerde verdeling te veronderstellen, is deze methode geschikt voor zowel uni, bi als polymodale verdelingen (Woolfe et al. 1998). Entropie analyse werd met succes toegepast op korrelgroottedata van sedimenten (Forrest & Clarke 1989; Woolfe 1995; Woolfe et al. 1998; Fielding et al. 2001; Woolfe & Michibayashi 2005; Lewis 2006; Baltrunas et al. 2009) en vlokken (Mikkelsen et al. 2007). Voor elk partikelgroottespectrum met n klassen (voor de LISST zijn dit 32 klassen) wordt de entropie, E, berekend als: n E= p i log p i (3.1) i= 1 met p i de fractie van deeltjes in klasse i (Johnston & Semple 1983). De entropie varieert tussen E = log n (i.e. alle p i =1/n) en E = 0 (p i =1 in één klasse en 0 in alle andere klassen). De entropie kan gerelateerd worden aan de I, de informatiewinst of ongelijkheid, met behulp van: I = log n (3.2) ( ) E Door een optimale indeling in groepen te maken, wordt de informatiewinst I tussen groepen gemaximaliseerd en in een groep geminimaliseerd. De partikelgroottespectra in een groep hebben dan een gelijkaardige verdeling, terwijl tussen de groepen de vorm van de verdeling meer verschillend is. Een eerste stap bij de berekening is om de volumeconcentratie per klasse en voor elk spectrum te delen door de som van alle volumeconcentraties in alle spectra. Volgens Johnston & Semple (1983) wordt de ongelijkheid tussen alle verdelingen berekend als J N I = Y j Y i log 2 NY i (3.3) j= 1 i= 1 met J het aantal partikelgrootteklassen, N het aantal partikelgrootteverdelingen, Y N j = Y ij i= 1, Y i =Y ij /Y j en Y ij de relatieve volumeconcentratie t.o.v. de totale volumeconcentratie van partikelgrootteverdeling i en klasse j. Indien de groepen werden opgedeeld in R groepen dan geeft de R s statistiek een maat weer van de efficiëntie van deze groepering (Johnston & Semple 1983): R = s ( I B / I )100 (3.4) met I B B de ongelijkheid tussen groep, gedefinieerd als: J R p jr IB = Yj pjr log2 j= 1 i= 1 Nr / N i r waarbij jr ( ij ) j (3.5) p = Y / Y en N r het aantal spectra in groep r van R. De entropie analyse op de LISST data werd uitgevoerd met het Fortran programma uit Johnston & Semple (1983), dat hiervoor uitgebreid werd met een module voor de berekening van de Calinski Harabasz pseudo F statistiek (b.v. Orpin & Kostylev 2006; Stewart et al. 2009), om het optimale aantal groepen te kunnen berekenen Curve fitting: Multimodale log normale distributiefuncties Een andere mogelijkheid om partikelgrootteverdelingen te beschrijven is door het gebruik van wiskundige functies, zoals b.v. een som van log normale verdelingsfuncties (Jonasz & Fournier 1996; Sun et al. 2002; Hussein et al. 2005). Wij hebben deze techniek toegepast op de gemiddelde en genormaliseerde PGV van entropie analyse om de fractie aan primaire deeltjes, micro en macrovlokken te kwantificeren. De multimodale verdelingsfunctie kan geschreven worden als de som van vier log normale functies die elk gekarakteriseerd worden door de volumetrische fractie W i, de geometrische standaardafwijking σ i en het 22

23 geometrische gemiddelde D i van de i te unimodale PGV: dw dd = ( D / D ) 2 4 W = ( ) ( ) i 1 ln i exp 1 2π ln σ 2 ln σ i i i (3.6) met D de partikel diameter, W de totale volume concentratie. De DistFit TM software (Chimera Technologies, USA) werd gebruikt om de beste fitting te berekenen. Deze software wordt vrij algemeen gebruikt bij de analyse van aërosol deeltjes (Whitby 1978; Hussein et al. 2005). Voor de fitting werden de modi van de twee fijnste fracties als constant veronderstelt (3 µm en 15 µm), terwijl de modi van de grovere fracties variabel waren ( µm en µm). De geometrische standaardafwijking kon variëren tussen 1 en 2.5. Deze keuzen steunen op aannames en ervaring, zie Makela et al. (2000) en Lee et al. (2011) Resultaten Tijdreeksen januari 2008 april 2008 De SPM concentratie op 2 mab afgeleid van de ADP en de OBS en de mediane partikelgrootte gemeten met de LISST worden voorgesteld in Figuren voor de drie verankeringen met LISST data (Tabel 3.1). Tijdens de verankering van januari februari 2008 werden 2 stormen geregistreerd, een tussen 1 2/02 (dag 31 tot 32.5) met significante golfhoogte (H s ) tot 2.8 m en een zwakkere tussen dag (H s = 1.5m), zie Figuur 3.1. De windrichting was tijdens beide stormen variabel van SW draaiend naar het W (verder SW storm genoemd). Tijdens de rest van de verankering waren de significante golfhoogtes lager (<1.5 m) met vooral SW en E wind. De SPM concentratie op 2 mab (OBS) varieerde tussen 10 en 1500 mg/l gedurende meteorologisch kalme perioden met een uitgesproken doodtij springtij signaal. De SPM concentratie tijdens de eerste storm (dag ) nam af tot minder dan 100 mg/l. De SPM concentratie afgeleid van de ADP was meestal lager tijdens de meetreeks dan deze van de OBS, uitgezonderd bij het begin van de storm, waar een daling zich voordeed in het OBS en een stijging in het ADP signaal. De partikelgrootte kent een sterk getijgebonden signaal geïnduceerd door flocculatie gedurende meteorologisch kalme perioden (D50: 20 tot >180 µm). Tijdens stormen was de variatie veel minder uitgesproken (D50: µm op dag en µm op dag 36 37). De verankering van maart tot begin april was gekenmerkt door vrij veel wind en hoge golven, zie Figuur 3.2. Tussen dag (11 14/04) werden significante golven (H s ) gemeten tot 2.5 m bij een SW wind draaiend naar het W en het WNW (verder NW storm genoemd). Overeenstemmend met de eerste storm (dag , Figuur 3.1) zien we ook hier dat tijdens de storm de SPM concentratie van de OBS lager was dan deze afgeleid uit het ADP signaal. De volgende stormen waren gekoppeld aan NNE richtingen die naar N NW W evolueerden en deden zich voor tussen 17 23/03 (dag 76 82), 24 26/03 (dag 83 85) en 29/03 (dag 88). De H s liep op tot 3 m (dag 21.5), 2.7 m (dag 25) en 1.8 m (dag 29.1). Een stijging in SPM concentratie (OBS) werd gedurende de hele periode opgemerkt, maar was het meest uitgesproken van dag 81 tot 88. Tijdens deze periode was de getijgemiddelde SPM concentratie (OBS) tussen mg/l op 2 mab en tussen mg/l op 0.2 mab (Fettweis et al. 2010a), wat waarschijnlijk wijst op het voorkomen van een vloeibare sliblaag. De SPM concentratie afgeleid van de ADP was altijd lager (<250 mg/l) dan deze van de OBS. De mediane partikelgrootte (D50) was kleiner tijdens deze stormperiode (20 60 µm) dan tijdens de meteorologisch rustigere periodes (15 150µm). Het verloop van D50 is tijdens de eerste storm (dag 70 73) analoog met deze omstreeks dag 32 (Figuur 3.1) en duidelijk verschillend van deze tijdens de volgende stormen (dag 81 88). 23

24 Speed (m s 1 ) Depth (m) Hs (m) SPM conc (g l 1 ) 2 1 Hs d50 Wind Speed Wind Direction OBS 2mab OBS 0.2mab ADP 2mab Direction ( ) d50 (µm) J Day Figuur 3.1: Verankering januari februari 2008 te Blankenberge. (van boven naar onder) Wind richting (wind uit het N=0, W=270, S=180, E=90 ) en snelheid; waterdiepte; mediane Partikelgrootte (LISST) en significante golfhoogte en; SPM concentratie afgeleid van OBS (0.2 en 2 mab) en ADP (2 mab). Speed (m s 1 ) Depth (m) Hs (m) SPM conc (g l 1 ) 2 1 OBS 2mab OBS 0.2mab ADP 2mab Wind Speed Wind Direction Hs d Direction ( ) d50 (µm) J Day Figuur 3.2: Verankering maart april 2008 te Blankenberge. (van boven naar onder) Wind richting (wind uit het N=0, W=270, S=180, E=90 ) en snelheid; waterdiepte; mediane Partikelgrootte (LISST) en significante golfhoogte en; SPM concentratie afgeleid van OBS (0.2 en 2 mab) en ADP (2 mab). 24

25 Speed (m s 1 ) Depth (m) Hs (m) SPM conc (g l 1 ) 2 1 Wind Speed Wind Direction Hs d50 OBS 2mab OBS 0.2mab ADP 2mab Direction ( ) d50 (µm) J Day Figuur 3.3: Verankering april 2008 te Blankenberge. (van boven naar onder) Wind richting (wind uit het N=0, W=270, S=180, E=90 ) en snelheid; waterdiepte; mediane Partikelgrootte (LISST) en significante golfhoogte en; SPM concentratie afgeleid van OBS (0.2 en 2 mab) en ADP (2 mab). Tijdens de 2 de helft van april was er weinig wind (<4 Bf) en golven (H s <1.3 m), zie Figuur 3.3. De stijging in SPM concentratie afgeleid van de OBS tussen 15 22/04 ( ) werd gevolgd door een afname ( ) en is een effect van doodtij springtij. Door de geringe meteorologische invloed werd dit signaal niet verstoord door golven. De D50 was gelegen tussen µm. Vanaf dag 110 was de significante golfhoogte gering, wat ook opgemerkt werd door de LISST met name in een toename van de partikelgrootte. De D50 nam toe naar doodtij, waarbij ook de minimale waarden tijdens een getij stegen tot ongeveer 90 µm, terwijl de SPM concentratie afnam. Tijdens de hele meetreeks was de SPM concentratie afgeleid van de OBS significant hoger dan deze verkregen uit de ADP, wat dus op vooral fijnkorrelig materiaal in suspensie wijst Partikelgrootteverdelingen en turbulentie Vlokgrootte kan op korte tijd (eb vloed) variëren. Vlokken worden gevormd door botsingen van kleinere deeltjes en kunnen uiteenvallen tijdens hoge turbulenties (van Leussen 1994; Winterwerp 1998). Hieronder zijn voor een aantal typische gevallen (geen wind, SW storm, NW storm, springtij en doodtij) de turbulente kinetische energie i.f. v de D50 uitgezet voor telkens 1 getij, zie Figuren en appendix 5. Tijdens kalme weersomstandigheden (geen wind) is de turbulente kinetische energie (TKE) gering en zien we een min of meer uitgesproken hysterese van de D50 t.o.v. TKE optreden tijdens eb en vloed. Het voorkomen van hysterese en de verschillen in D50 tussen eb en vloed wijzen mogelijks op het niet bereiken van een evenwichtsvlokgrootte en/of op een verschil in samenstelling van het SPM (zie ook verder bij bespreking). Het feit dat D50 en TKE geen lineair verband hebben, toont het belang van tijd aan nodig om de evenwichtsvlokgrootte te bereiken. Tijdens stormperiodes (Figuur 3.5) is de TKE significant hoger tengevolge van golf 25

26 ) ) werking. We zien echter dat de partikel veel minder variëren in grootte: bij een TKE tussen 20 en >200 m²/s² zijn er nauwelijks verschillen in D50. Dit laatste is sterker uitgesproken bij SW stormen dan bij NW stormen D50 (µm) ebb (day ) flood (day ) D50 (µm/l), Velocity (cm/s) D50 Currents TKE Water depth 8 4 Water depth (m), TKE (m²/s²) D50 (µm) TKE (m²/s²) ebb (day ) flood (day ) D50 (µm/l), Velocity (cm/s), TKE (m²/s² Time (Julian days) D50 Currents TKE Water depth Water depth (m) D50 (µm) TKE (m²/s²) ebb (day ) flood (day ) D50 (µm/l), Velocity (cm/s), TKE (m²/s² Time (Julian days) 150 D50 Currents TKE Water depth Water depth (m) TKE (m²/s²) Time (Julian days) Figuur 3.4: Turbulente kinetische energie (TKE) als functie van de D50 (links) en de overeenkomstige tijdserie (links) voor (a) doodtij (dag 28) (b) springtij (dag 112) en (c) doodtij (dag 119). 26

27 D50 (µm) ebb (day ) flood (day ) D50 (µm/l), Velocity (cm/s), TKE (m²/s²) D50 Currents TKE Water depth Water depth (m) TKE (m²/s²) Time (Julian days) 7 9 D50 (µm) ebb (day ) flood (day ) D50 (µm/l), Velocity (cm/s), TKE (m²/s²) D50 Currents TKE Water depth 8 7 Water depth (m) D50 (µm) TKE (m²/s²) flood (day ) ebb (day ) flood (day ) D50 (µm/l), Velocity (cm/s), TKE (m²/s²) Time (Julian days) D50 Currents TKE Water depth Water depth (m) TKE (m²/s²) Time (Julian days) Figuur 3.5: Turbulente kinetische energie (TKE) als functie van de D50 (links) en de overeenkomstige tijdserie (links) voor (a) SW storm (dag 32) (b) SW storm (dag 71) en (c) NW storm (dag 80 81) Classificatie van de data volgens hydro meteo De classificatie van de PGV volgens hydro meteo condities en de residuele stroming parallel met de kust is te zien in Figuur 3.6. Omdat de PGVen gemiddelden voorstellen van een groot aantal data, die het typische gedrag tijdens van meest voorkomende hydro meteo condities vertegenwoordigen (getij, SW wind, NE wind), worden korte gebeurtenissen, zoals stormen, eruit gefilterd. Multi modale verdelingen veroorzaakt door vorming van macrovlokken treden vooral tijdens eb op en zijn vooral geassocieerd met case 0 (geen wind) en case II (NE wind). Ze zijn duidelijker tijdens springtij. Multimodaliteit treedt ook op tengevolge van een rising tail in de kleinste klassen van de LISST of een piek in de distributie rond 150 µm tijden maximum vloedstroming, zie vooral case III (SW wind) springtij. 27

28 Figuur 3.6: Classificatie i.f.v. de residuele stroming parallel met de kust: PGV tijdens een getij op 2 mab voor de 3 gevallen (van boven naar onder) Case I: geen wind, Case II: NE wind en Case III SW wind en tijdens springtij (links) en doodtij (rechts). De kleuren geven de probabiliteit van de distributie weer (in %) do F test (%) C H pseu /01 11/02/2008 6/03 8/04/ /04 30/04/2008 all Number of classes 10 Figuur 3.7: C H pseudo F test voor de drie Blankenberge data sets en alle data samen. Optimaal aantal groepen is bij maximale C H waarde Classificatie van de data volgens entropie De partikelgrootteverdelingen werden genormaliseerd en dan geklasseerd in een aantal groepen met behulp van entropie analyse. De Calinski Harabasz pseudo F statistiek gebruikt werd om het optimale aantal klassen te bepalen. Dit werd gedaan voor de drie meetreeksen afzonderlijk en voor alle meetreeksen samen, zie Figuur 3.7. Het optimale aantal klassen voor alle data is vier, bij de meetreeks van januari februari meetreeks is deze 6, bij de maart april 4 en bij de april (15 30/04) vijf. De gemiddelde PGVen per entropie 28

29 groep en per meetreeks (en alle samen) worden in Figuren getoond samen met de verdeling van de groepen in functie van de tijd. De verschillende groepen vertonen een overgang van unimodale (met rising tail in de kleinste partikelgrootten) naar bi of multimodale verdeling. De nummering van de klassen is volgens toenemende D50, klasse 1 komt dus overeen met de kleinste D50 en klasse 4, 5 of 6 met de grootste. In tegenstelling met de classificatie gebaseerd op de residuele stroming parallel met de kust (Figuur 3.6) zijn de entropie groepen gebaseerd op wiskundige en niet een fysische eigenschappen. Niettemin tonen de resultaten dat de entropiegroepen overeenkomen met een specifieke conditie tijdens een getij en tijdens stormperioden. Deze geven een overgang weer van unimodale verdelingen met een rising tail in de fijnste klassen naar een multi modale verdeling met gradueel meer macrovlokken. De vorm van klasse 1 is convex aan de kleiner grootten en concaaf bij de grotere klassen. Deze vorm veranderd in de hogere groepen naar geleidelijk meer concaaf in de kleinere en meer convex in de groter klassen. De verschillende PGV groepen bekomen met entropie analyse werden gefit met een som van vier log normale functies. De volume fractie en geometrisch gemiddelde van de vier modi zijn samengebracht in Tabel 3.2 en in Figuren De twee fijnste fracties vertegenwoordigen 0 7% (3 µm) en 11 43% (15 µm) van de volumefractie, de grovere fracties hebben een modus tussen µm en µm en vertegenwoordigen 44 84% en 2 24% van het totale volume respectievelijk. De twee kleinste fracties worden verder primaire deeltjes genoemd (PP1, PP2), de volgende microvlokken en de grootste macrovlokken. Tabel 3.2: De modi (µm) en volumefractie (%) van de vier log normale functies gebruikt voor de reconstructie van de PGV uit entropie analyse. De D50 van elke groep is ook vermeld. Modus 1en 2 hebben een constante grootte van 3 µm en 15 µm respectievelijk zie Figuren Data Jan Feb Mar Apr Apr Alle Entropie Groep (D50) Modus 1 (PP1) Modus 2 (PP2) Modus 3 (microvlok) Modus 4 (macrovlok) 1, 27µm 5% 39% 45µm, 54% 217µm, 2% 2, 44µm 1% 22% 56µm, 73% 255µm, 4% 3, 64µm 0% 14% 76µm, 84% 330µm, 2% 4, 66µm 1% 18% 78µm, 69% 298µm, 12% 5, 97µm 0% 11% 108µm, 81% 318µm, 8% 6, 138µm 0% 11% 115µm, 64% 325µm, 24% 1, 23µm 7% 46% 44µm, 44% 211µm, 3% 2, 41µm 2% 26% 57µm, 67% 257µm, 4% 3, 67µm 1% 16% 85µm, 81% 382µm, 2% 4, 113µm 1% 15% 124µm, 73% 347µm,12% 1, 30µm 5% 38% 51µm, 52% 267µm, 5% 2, 43µm 2% 26% 60µm, 66% 286µm, 6% 3, 63µm 1% 18% 80µm, 75% 351µm, 6% 4, 93µm 0% 16% 107µm, 73% 340µm, 11% 5, 145µm 0% 17% 131µm, 59% 347µm, 23% 1, 25µm 6% 43% 46µm, 47% 230µm, 4% 2, 43µm 2% 25% 58µm, 68% 271µm, 5% 3, 70µm 1% 16% 87µm, 80% 360µm, 3% 4, 118µm 0% 15% 119µm, 69% 337µm, 16% 29

30 group 1 group 2 group 3 group 4 group 5 group 6 d50 (µm) J Day Figuur 3.8: Januari februari Groepering van partikelgrootteverdelingen met entropie analyse. (boven) gemiddelde PGV per groep en de 4 log normale deelfuncties (PP1, PP2: primaire deeltjes, micro en macrovlokken); (onder) de temporele variatie van de mediane partikelgrootte (D50) en de entropie groep. 30

31 200 group 1 group 2 group 3 group d50 (µm) J Day Figuur 3.9: Maart april Groepering van partikelgrootteverdelingen met entropie analyse. (boven) gemiddelde PGV per groep en de 4 log normale deelfuncties (PP1, PP2: primaire deeltjes, micro en macrovlokken); (onder) de temporele variatie van de mediane partikelgrootte (D50) en de groep toebehoring. 31

32 200 group 1 group 2 group 3 group 4 group d50 (µm) J Day Figuur 3.10: April Groepering van partikelgrootteverdelingen met entropie analyse. (boven) gemiddelde PGV per groep en de 4 log normale deelfuncties (PP1, PP2: primaire deeltjes, micro en macrovlokken); (onder) de temporele variatie van de mediane partikelgrootte (D50) en de groep toebehoring. 32

33 d50 (µm) group 1 group 2 group 3 group 4 d50 (µm) d50 (µm) J Day group group 2 group group group 1 J Day 150 group 2 group group J Day Figuur 3.11: Alle verankeringen van Groepering van partikelgrootteverdelingen met entropie analyse. (boven) gemiddelde PGV per groep en de 4 log normale deelfuncties (PP1, PP2: primaire deeltjes, micro en macrovlokken); (onder) de temporele variatie van de mediane partikelgrootte (D50) en de groep toebehoring. 33

34 3.3. Bespreking van de resultaten De verschillende entropie groepen evenals de low pass gemiddelde PGV tonen een overgang van unimodale naar multimodale verdelingen. Dit gedrag wordt veroorzaakt door getijwerking (Manning et al. 2006; Mikkelsen et al. 2007; Verney et al. 2010; Mietta et al. 2010). PGVen tijdens een storm of een ander gebeurtenis met hoge energie (maximum vloedstroming tijdens springtij) zijn verschillend en vertonen een unimodale of multimodale distributies. Hieronder worden enkele punten in meer detail besproken om de resultaten te verklaren als een combinatie van flocculatie en erosie Primaire deeltjes, micro en macrovlokken Enkele karakteristieke eigenschappen van PGV konden geïdentificeerd worden door curve fitting. De PGVen hebben een dominante piek bij de microvlokken met bijkomende modi zoals een rising tail in de kleinste klasse, een groep van kleine partikels (10 20µm) en de macrovlokken (Figuur 3.12). Multi modale flocculatie treedt op door de verschillen in bindingen tussen de primaire en secundaire bindingen, waardoor meer resistente microvlokken en meer broze macrovlokken ontstaan. De data tonen dat de macrovlokken in de Belgische kustzone een min of meer constante grootte hebben (±300 µm), dit in tegenstelling met de microvlokken, waar de modus varieert tussen 44 µm en 130 µm. De microvlokpopulatie was gekenmerkt door een geleidelijke shift van de PGV naar grotere klassen bij een afname van de stroomsnelheid en vice versa. De rising tail in de kleinste klassen is het gevolg van de aanwezigheid van deeltjes tot 10 keer kleiner dan de kleinste meetklasse van de LISST (i.e µm 2.5 µm) als ook de aanwezigheid van niet sferische partikels (Mikkelsen mondelinge mededeling). Het is vrij aanneembaar om te veranderstellen dat de SPM samenstelling dezelfde gebleven is tijdens een getijcyclus en dat de vorm van deze fijne partikels niet is veranderd, zodat de rising tail overeenkomt met heel fijne deeltjes die ontstaan tijdens het uiteenvallen van vlokken. Het effect van partikels kleiner dan het meetbereik (<2.5 µm) resulteert in foutieve verdelingen Andrews et al. (2011); de gebruikte modus van 3 µm bij de fitting is daarom een relict van de onnauwkeurigheid van de LISST om fijne deeltjes te meten. De volumefractie berekend voor deze modus moet daarom geïnterpreteerd worden als een kwalitatieve indicatie van de aanwezigheid van heel fijne deeltjes. Deze fijne fractie komt waarschijnlijk overeen met primaire deeltjes omdat de volumefractie afneemt bij afnemende turbulentie. Het is interessant dat de fitting een tweede fijne modus kon identificeren met een geometrisch gemiddelde van 15 µm. Voorbehandeling van fijne sedimenten is nodig om de korrelgrootte van individuele kleipartikels te kunnen meten (Huang 1989); wat suggereert dat in marine wateren kleimineralen waarschijnlijk voorkomen als een soort cluster van individuele kristallen, met een grootte van 15 µm. Chang et al. (2007) vermelden dat enkel de korrelgroottefractie <8 µm (analyse na voorbehandeling in een labo) in vlokken voorkomt; wat bevestigd dat we in onze 15 µm klasse clusters eerder kleimineralen terugvinden dan partikels bestaande uit siltdeeltjes (>8 µm). De data tonen aan dat er twee klassen primaire deeltjes bestaan die als basisblokken van vlokken fungeren. Deze primaire deeltjes hebben mogelijks een verschillende samenstelling (kleimineralen, kleimineraalclusters en carbonaat partikels). Dit zou ook kunnen verklaren waarom de fractale theorie gebaseerd op een enkel type primaire deeltjes niet in staat is om een nauwkeurige beschrijving van flocculatie te geven (Kranenburg 1994; Fettweis 2008). De PGVen worden gedomineerd door primaire deeltjes en microvlokken tijdens maximum vloedstroming, wat op het gedeeltelijke uiteenvallen van de microvlokken in primaire deeltjes en het nagenoeg volledig verdwijnen van de broze macrovlokken wijst. Terwijl de primaire deeltjes enkele µm tot ±20 µm groot zijn, kunnen de microvlokken groeien tot enkele tientallen µm en de volledig ontwikkelde macrovlokken tot enkele honderden µm 34

35 of meer (van Leussen 1994). Microvlokken worden deels opgebroken in hun individuele bestanddelen tijdens o.a; maximale vloedstroming (Figuur 3.8) en bevestigen aldus dat de vlokgrootte vooral een functie is van de heersende turbulentie en de verblijftijd (Winterwerp 1998). Macrovlokken worden gevormd tijdens kentering, wanneer de turbulentie laag is, maar ook tijdens eb, bij significante stroomsnelheden weliswaar kleiner dan tijdens vloed worden macrovlokken gemeten. Dit suggereert dat om macrovlokken te kunnen vormen er een kritische turbulentie nodig is die de kans op flocculatie (botsingen tussen vlokken) vergroot. Bij een te hoge turbulentie vallen de macrovlokken uiteen. Figuur 3.12: Grootte en volumefractie van de primaire deeltjes (2 grootten), microvlokken en macrovlokken in de verschillende entropie groepen (a) januari februari 2008; (b) maartapril 2008; (c) april 2008 en (d) alle samen Erosie en aanwezigheid van gemengde sedimenten in suspensie De rising tails in de entropie spectra kunnen geassocieerd worden met hoge turbulenties (groep 1 in Figuur , maximum vloedstroming) en duiden op het uiteenbreken van de vlokken. Het was daarom verwonderlijk dat tijdens SW storm geen rising tail werd opgemerkt door de LISST. De PGV waren unimodaal en log normaal verdeeld met een bijna 35

36 constante dominante modus rond 50 µm, zie entropie groep 2 in de januari februari data (Figuur 3.8, 3.13a b). De SPM concentratie afgeleid van de OBS was lager tijdens de SW stormen dan van de ADP, wat wijst op de aanwezigheid van een belangrijk aandeel aan granulair (zand, silt) materiaal in suspensie op 2 mab (Figuur 3.1, 3.2. Het lagere OBS signaal tijdens de storm wordt waarschijnlijk veroorzaakt door de gevoeligheid van de OBS voor veranderlijke korrelgrootte, omdat de OBS niet gekalibreerd werd voor zand maar voor slib. Wegens deze korrelgrootteafhankelijkheid tijdens kalibratie zou men een schijnbare stijging van de optische terugkaatsing moeten waarnemen wanneer vlokken uiteenbreken en dus een schijnbare verhoging van de concentratie (Agrawal and Traykowski 2001). Dit soort situaties, waar een veranderende partikelgrootte in suspensie een schijnbare verhoging van de SPM concentratie veroorzaakte, werden ook vermeld door Downing (2006) en omvatten ook gebeurtenissen waar verschillende soorten sediment samenkomen. Het feit dat onze data een omgekeerd gedrag vertonen tijdens een SW storm duidt mogelijks aan dat de vlokken weggetransporteerd werden van de meetlocatie door windgeïnduceerde advectie en dat het SPM vervangen werd door vooral silt en zand deeltjes geresuspendeerd door golfwerking. De toename in saliniteit tijdens deze periode wijst op een aanvoer van meer marien water met een lagere SPM concentratie naar de kustzone. De lage concentratie aan vlokken zou dan een verklaring kunnen geven voor de afwezigheid van de rising tail in de waargenomen PGV (Figuur 3.8, 3.13a b). Tijdens een NW storm werd een ander gedrag waargenomen: de SPM concentratie afgeleid van de OBS nam toe, terwijl deze afgeleid van de ADP verminderde. De PGV tijdens deze storm waren gekarakteriseerd door een uitgesproken rising tail in de kleinste klassen tijdens vloed en een minder uitgesproken tijdens eb (Figuur 13c d), wat mogelijks wijst op een hogere concentratie aan silt en zand korrels in suspensie tijdens eb dan vloed. Dit laatste wordt bevestigd door de hogere SPM concentratie afgeleid van de ADP tijdens eb dan vloed, terwijl de SPM concentratie van de OBS vergelijkbare resultaten gaf tijdens zowel eb als vloed. Het verschil tussen eb en vloed kan verklaard worden door de gemiddeld gezien geringere waterdiepte tijdens eb en daardoor dus een hogere impact van golven. De vorm van de PGV tijdens de NW storm varieerde van meer convex in de fijnere fractie en meer concaaf in de grovere naar geleidelijk aan meer concaaf in de fijnere en meer convex in de grovere fractie (Figuur 13c d). Het feit dat een rising tail in de fijnere fractie niet altijd werd waargenomen en dat de vorm van de PGV typisch gedrag vertoond van flocculatie (Mikkelsen et al. 2007) laat vermoeden dat dit veroorzaakt wordt van zowel cohesieve als niet cohesieve sedimenten gelijkertijd in suspensie. De hogere concentratie aan vlokken waargenomen tijdens NW storm vergeleken met SW stormen is waarschijnlijk gelinkt aan het feit dat een NW storm een kustgerichte dwarsstroming genereert die het turbiditeitsmaximum naar de kust toe verschuift. De gemeten toename van de SPM concentratie in het OBS signaal wordt dus vooral veroorzaakt door de advectie van fijn materiaal naar de meetlocatie toe. NW stormen zijn dikwijls geassocieerd met het voorkomen van hooggeconcentreerde slibsuspensies (HCMS), zie Fettweis et al. (2010b). Baeye et al. (2011) redeneren dat deze HCMS lagen ageren als beschermingslaag die erosie van zand en silt belet. Niet cohesieve korrels kunnen enkel gedetecteerd worden door de LISST indien de turbulentie hoog genoeg is om de korrels op te heffen tot 2 mab. Tijdens SW winden, wanneer HCMS lagen afwezig zijn, zal de concentratie aan zand en silt dicht tegen de bodem veel hoger zijn dan op 2 mab. Het is onder deze omstandigheden dat het zand en silt in de onderste 2 meter een dominant deel uitmaakt van het SPM (Figuur 3.13a b) of significant aanwezig is in het SPM (SW case, Figuur 3.6). 36

37 Figuur 3.13: Uurlijkse PGV gedurende een getijcyclus bij SW storm (a) en (b); en gedurende vloed (c) en eb (d) bij een NW storm Golfbreking en luchtbellen De concentratie aan luchtbellen in het water hangt af van wind en golven. Luchtbellen ontstaan door breking van golven, kunnen enkele minuten blijven bestaan en kunnen een diepte tot 4H s bereiken (Thorpe 1995). De grootte van de bellen varieert sterk en kan gaan van enkele µm tot enkele cm (Deane & Stokes 2002) en valt dus deels samen met het meetbereik van de LISST. Omdat de meetlocatie gelegen is in ondiep water (6 m MLLWS), is de kans reëel dat luchtbellen kunnen voorkomen ter hoogte van de instrumentatie tijdens stormen. In een waterdiepte gelegen tussen de 6 10 m breken golven indien de golfhoogte/diepte > 0.78, dit is dus vanaf een golfhoogte >4.7 m (CEM, 2003). Dit betekent dat tijdens de opgemeten stormen, met een significante golfhoogte van <3 m er occasioneel golven kunnen breken bij LW. Tijdens de opgemeten stormen is de kans dus klein dat de partikelgrootte spectra significant beïnvloed zouden zijn door luchtbellen. Het feit dat twee verschillende stormen met gelijkaardige significante golfhoogtes en perioden verschillende PGV opleverden, laat echter vermoeden dat partikels gevormd door erosie en flocculatie de waargenomen verdelingen overheersen eerder dan luchtbellen afkomstig van brekende golven. 37

38 4. Conclusies 4.1. Akoestische en optische metingen van SPM transport Een tijdsserie van 198 dagen van SPM concentratie, partikelgrootte en stroomsnelheidsmetingen te Blankenberge werd geanalyseerd. De data werden gegroepeerd volgens de richting en grootte van de residuele stroming. De belangrijkste conclusies zijn: De SPM dynamica dicht tegen de bodem wordt voornamelijk gedomineerd door getijwerking. Over het algemeen wordt de SPM concentratie vooral beïnvloed door advectie tijdens eb en door resuspensie tijdens vloed. Windgeïnduceerde stroming parallel met de kust heeft een belangrijke invloed op de positie van het turbiditeitsmaximum en dus ook op de oorsprong van het SPM. Winden uit het NE zullen de SPM concentratie doen toenemen tengevolge van een verhoogde output aan SPM uit de Westerschelde. SW winden zullen de SPM concentratie doen afnemen. Dit laatste staat in verband met de advectie van minder troebel water uit het Engels Kanaal naar de meetlocatie, waardoor het turbiditeitsmaximum meer naar het NE en naar de Westerschelde wordt verschoven. Tijdens deze omstandigheden wordt slib geïmporteerd en opgeslagen in het estuarium. De toename in SPM concentratie tijdens NE winden heeft als gevolg dat hooggeconcentreerde suspensielagen (HCMS) worden gevormd. De data tonen aan dat deze lagen gedurende een hele getijcyclus aanwezig kunnen blijven. Deze sliblaag beschermt de zandige ondergrond tegen erosie. SPM bestaat dan voornamelijk uit cohesieve sedimenten. Bij getijwerking en SW winden treed een HCMS enkel op omstreeks kentering. SPM bestaat tijdens hoge stroomsnelheden uit een mengsel van cohesieve sedimenten (vlokken) en lokaal geërodeerde zandkorrels. Er werd aangetoond dat SPM gemeten met een OBS betrouwbaar is indien het SPM uit cohesieve sedimenten bestaat. Bij gemengde cohesieve en niet cohesieve sedimenten moet een combinatie van optische (OBS) en akoestische sensoren (ADP, ADV) gebruikt worden om een nauwkeurige schatting te bekomen van de SPM concentratie Flocculatiedynamica en partikelgrootteverdelingen van SPM Partikelgrootteverdelingen (PGV) van suspensiemateriaal uit de Belgische kustzone zijn over het algemeen multimodaal samengesteld uit primaire partikels, micro en macrovlokken. De meetdata tonen dat twee populaties aan primaire partikels (<3 µm en 15 µm) voorkomen, die de bouwstenen vormen van vlokken. Analyse van de PGV samen met interpretatie van de uit akoestische en optische sensoren afgeleide SPM concentratie, laat een verschillend gedrag zien van het SPM tijdens een SW en NW storm. De data tonen aan dat ook de wind geïnduceerde advectie en de vorming van HCMS een belangrijk mechanisme is om de SPM concentratie, eigenschappen (cohesief of gemengde partikels) en PGV in een turbiditeitsmaximum te reguleren, naast turbulentie veroorzaakt door stroming en golven. De wind geïnduceerde effecten verklaren aldus het verschillende gedrag van SPM concentratie afgeleid van een ADP en OBS en de waargenomen verschillen in PGV tijdens SW en NW stormen. De advectie van het turbiditeitsmaximum tijdens een storm kan resulteren in een toename van de cohesieve SPM concentratie, de vorming van HCMS en de bescherming van zand tegen erosie (NW storm); of in een afname van de cohesieve SPM concentratie, afwezigheid van HCMS en een toename van zand en silt in suspensie (SW storm). De data tonen aan dat gemegde sedimenten in suspensie voorkomen op 2 mab tijdens stormen en maximale vloedstroming tijdens springtij. Ter hoogte van de meetlocatie is dit 38

39 meer uitgesproken tijdens SW winden. De korrelgrootteverdeling van de plaatselijke bodemsedimenten is belangrijk om de PGV van het suspensiemateriaal te begrijpen in afwezigheid van HCMS. De data hebben eveneens aangetoond dat flocculatie heel dynamisch is gedurende vooral getijgedomineerde periode, wanneer primaire partikels, micro en macrovlokken optreden. Gedurende specifieke stormcondities (SW wind) verdwijnen de vlokken door advectie. De PGV gemeten door de LISST zijn dan unimodaal en vermoedelijk opgesteld uit granulair materiaal (zand, silt). 39

40 5. Referenties Agrawal YC, Pottsmith HC Instruments for particle size and settling velocity observations in sediment transport. Marine Geology 168, Agrawal YC, Traykoski P Particles in the bottom boundary layer: Concentration and size dynamics through events. J ournal of Geophysical Research 106 (C5), Andrews SW, Nover DM, Reuter JE, Schladow SG Limitations of laser diffraction for measuring fine particles in oligotrophic systems: Pitfalls and potential solutions. Water Resources Research. doi: /2010wr Baeye M, Fettweis M, Voulgaris G, Van Lancker V Sediment mobility in response to tidal and wind driven flows along the Belgian inner shelf, southern North Sea. Ocean Dynamics. doi: /s Baltrunas V, Sinkunas P, Karmaza B, Cesnulevicius A, Sinkune E The sedimentology of debris within basal ice, the source of material for the formation of lodgement till: an example from the Russell Glacier, West Greenland. Geologija, 51, doi: /v Bass SJ, Aldridge JN, McCave IN, Vincent CE Phase relationships between fine sedimens suspensions and tidal currents in coastal seas. Journal of Geophysical Research, 107, Benson T, French JR InSiPID: A new low cost instrument for in situ particle size measurements in estuarine and coastal waters. Journal of Sea Research 58, Bowers DG, Braithwaite KM, Nimmo Smith WAM, Graham GW Light scattering by particles suspended in the sea: The role of particle size and density. Continental Shelf Research 29, doi: /j.csr Bunt JAC, Larcombe P, Jago CF Quantifying the response of optical backscatter devices and transmissometers to variations in suspended particulate matter. Continental Shelf Research, 19, CEM Coastal Engineering Manual, Chapter 4 Surf zone hydrodynamics. U.S. Army Corps of Engineers, EM Chang TS, Flemming B, Bartholoma A Distinction between sortable silts and aggregated particles in muddy intertidal sediments of the East Frisian Wadden Sea, southern North Sea. Sedimentary Geology 202, doi: /j.sedgeo Curran KJ, Hill PS, MilliganTG, Mikkelsen OA, Law BA, Durrieu de Madron X, Bourrin F Settling velocity, effective density, and mass composition of suspended sediment in a coastal bottom boundary layer, Gulf of Lions, France. Continental Shelf Research 27, Deane GB, Stokes MD Scale dependence of bubble creation mechanisms in breaking waves. Nature 418, Downing J Twenty five years with OBS sensors: The good, the bad, and the ugly. Continental Shelf Research, 26, doi: /j.csr Du Four I, Van Lancker V Changes of sedimentological patterns and morphological features due to the disposal of dredge spoil and the regeneration after cessation of the disposal activities. Marine Geology, 255, doi: /j.margeo Eisma D, Kalf J Distribution and particle size of suspended matter in the Southern Bight of the North Sea and the Eastern Channel. Netherlands Journal of Sea Research, 13, Fan D, Li C, Wang P Influences of storm erosion and deposition on rhythmites of the upper Wenchang Formation (Upper Ordovician) around Tonglu, Zhejiang province, China. Journal of Sedimentary Research, 74, doi: / Fettweis M, Van den Eynde D The mud deposits and the high turbidity in the Belgian Dutch coastal zone, Southern bight of the North Sea. Continental Shelf Research, 23, Fettweis M, Francken F, Pison V, Van den Eynde D Suspended particulate matter dynamics and aggregate sizes in a high turbidity area. Marine Geology, 235, Fettweis M, Du Four I, Zeelmaekers E, Baeteman C, Francken F, Houziaux J S, Mathys M, Nechad B, Pison V, Vandenberghe N, Van den Eynde D, Van Lancker V, Wartel S Mud Origin, Characterisation and Human Activities (MOCHA). Belgian Science Policy EV/35. 59pp. Fettweis M Uncertainty of excess density and settling velocity of mud derived from in situ measurements. Estuarine, Coastal and Shelf Science 78, Fettweis, M., Van den Eynde, D., Maggi, F. 2009a. MOMO activiteitsrapport 1 (april 2008 december 2008). BMM rapport MOMO/4/MF/200903/NL/AR/1, 24pp + app. 40

41 Fettweis M, Van den Eynde D, Francken F, Van Lancker V. 2009b. MOMO activiteitsrapport 2 (januari 2009 juli 2009). BMM rapport MOMO/4/MF/200912/NL/AR/2, 33pp + app. Fettweis M, Van den Eynde D, Francken F, Van Lancker V. 2010a. MOMO activiteitsrapport 3 (juli 2009 december 2009). BMM rapport MOMO/4/MF/201003/NL/AR/3, 38pp + app. Fettweis M, Francken F, Van den Eynde D, Verwaest T, Janssens J, Van Lancker V. 2010b. Storm influence on SPM concentrations in a coastal turbidity maximum area with high anthropogenic impact (southern North Sea). Continental Shelf Research, 30, Fettweis M, Baeye M, Francken F, Lauwaert B, Van den Eynde D, Van Lancker V, Martens C, Michielsen T Monitoring the effects of disposal of fine sediments from maintenance dredging on suspended particulate matter concentration in the Belgian nearshore area (southern North Sea). Marine Pollution Bulletin, 62, doi: /j.marpolbul Fielding CR, Dunbar GB, Bryce SM Laser derived particle size data from CRP 3, Victoria Land Basin Antarctica: Implications for sequence and seismic stratigraphy. Terra Antarctica 8, Flemming BW, Delafontaine MT Mass physical properties of muddy intertidal sediments: Some applications, misapplications and non applications. Continental Shelf Research 20, Folk RL, Ward WC Brazos river bar: a study in the significance of grain size parameters. Journal of Sedimentary Petrology 27, Forrest J, Clark NR Characterizing grain size distributions: evaluation of a new approach using multivariate extension of entropy analysis. Sedimentology 36, Fugate, DC, CT Friedrichs Determining concentration and fall velocity of estuarine particle populations using ADV, OBS and LISST. Continental Shelf Research 22, Graham GW, Nimmo Smith WAM (2010) The application of holography to the analysis of size and settling velocity of suspended cohesive sediments. Limnology Oceanography Methods 8, Hamilton LJ, Z Shi, SY Zhang Acoustic backscatter measurements of estuarine suspended cohesive sediment concentration profiles. Journal of Coastal Research 14, Hoitink AJF, Buschman FA, Vermeulen B Continuous measurements of discharge from a horizontal acoustic Doppler current profiler in a tidal river, Water Resouces Research 45, W11406, Huang SL (1989) The influence of disaggregation methods on X ray diffraction of clay minerals. Journal of Sedimentary Research 59, Hussein T, dal Maso M, Petäja T, Koponen IK, Paatero P, Aalto PP, Hämeri K, Kulmala M Evaluation of an automatic algorithm for fitting the particle number size distributions. Boreal Environment Research 10, Johnston RJ, Semple RK Classification using information statistics. Concepts and Techniques in Modern Geography 37. GeoBooks Norwich, 43pp. Jonasz M, Fournier G Approximation of the size distribution of marine particles by a sum of log normal functions. Limnology and Oceanography 41, Kim HY, Gutierrez B, Nelson T, Dumars A, Maza M, Perales H, Voulgaris G (2004) Using the acoustic Doppler current profiler (ADCP) to estimate suspended sediment concentration. Technical Report CPSD # Kranenburg, C., On the fractal structure of cohesive sediment aggregates. Estuarine Coastal and Shelf Science 39, Lacroix G, Ruddick K, Ozer J, Lancelot C Modelling the impact of the Scheldt and Rhine/Meuse plumes on the salinity distribution in Belgian waters (southern North Sea). Journal of Sea Research, 52, doi: /j.seares Lauwaert B, Fettweis M, Cooreman K, Hillewaert H, Moulaert I, Raemaekers M, Mergaert K, De Brauwer D Syntheserapport over de effecten op het mariene milieu van baggerspeciestortingen. BMM, DVZ & amt rapport, BL/2004/01, 52pp. Lauwaert B, De Brauwer D, Fettweis M, Hillewaert H, Hostens K, Mergaert K, Moulaert I, Parmentier K, Verstraeten J Syntheserapport over de effecten op het mariene milieu van baggerspeciestortingen (vergunningsperiode ). BMM, ILVO & amt rapport, BL/2006/01, 87pp. Lauwaert B, Bekaert K, Berteloot M, De Brauwer D, Fettweis M, Hillewaert H, Hoffman S, Hostens K, Mergaert K, Moulaert I, Parmentier K, Vanhoey G, Verstraeten J Syntheserapport over de effecten op het mariene milieu van baggerspeciestortingen (vergunningsperiode ). BMM, ILVO, ak & amt rapport, BL/2008/01, 128pp. Lauwaert B, Bekaert K, Berteloot M, De Backer A, Derweduwen J, Dujardin A, Fettweis M, Hillewaert H, Hoffman S, Hostens K, Ides S, Janssens J, Martens C, Michielsen T, Parmentier K, Van Hoey G, 41

42 Verwaest T. 2009a. Synthesis report on the effects of dredged material disposal on the marine environment (licensing period ). BMM, ILVO, CD, amt & WL report BL/2009/01. 73pp. Lauwaert B, Bekaert K, Berteloot M, De Backer A, Derweduwen J, Dujardin A, Fettweis M, Hillewaert H, Hoffman S, Hostens K, Ides S, Janssens J, Martens C, Michielsen T, Parmentier K, Van Hoey G, Verwaest T. 2009b. Syntheserapport over de effecten op het mariene milieu van baggerspeciestortingen (vergunningsperiode ). BMM, ILVO, CD, amt & WL report BL/2009/01. 18pp. Lee BJ, Toorman E, Molz FJ, Wang J A two class population balance equation yielding bimodal flocculation of marine or estuarine sediments. Water Research. doi: /j.watres Lewis D Modern and recent seafloor environments (sedimentary, foraminiferal and ostracode) of the Pitt Water Estuary, South east Tasmania Volume 1. PhD thesis, University of Tasmania, 298pp. Makela JM, Koponen IK, Aalto P, Kulmala M One year data of submicron size modes of tropospheric background aerosol in southern Finland. Journal of Aerosol Science 31, Manning AJ, Bass SJ, Dyer KR Floc properties in the turbidity maximum of a mesotidal estuary during neap and spring tidal conditions. Marine Geology 235, Manning AJ, Baugh JV, Spearman J, Whitehouse RJS Flocculation settling characteristics of mud: sand mixtures. Ocean Dynamics 60, doi: /s McAnally WH, Friedrichs C, Hamilton D, Hayter EJ, Shrestha P, Rodriguez H, Sheremet A, Teeter A Management of fluid mud in estuaries, bays, and lakes. Present state of understanding on character and behavior. Journal of Hydraulic Engineering 133, doi: /(asce) :1(9) Mietta F, Chassagne C, Verney R, Winterwerp JC On the behavior of mud floc size distribution: model calibration and model behavior. Ocean Dynamics. doi: /s Mikkelsen OA, Hill PS, Milligan TG Single grain, microfloc and macrofloc volume variations observed with a LISST 100 and a digital floc camera. Journal of Sea Research 55, Mikkelsen OA, Curran KJ, Hill PS, Milligan TG Entropy analysis of in situ particle size spectra. Estuarine, Coastal and Shelf Science 72, doi: /j.ecss Murphy S, Voulgaris G Identifying the role of tides, rainfall and seasonality in marsh sedimentation using long ter, suspended sediment concentration data. Marine Geology 227, Orpin AR, Kostylev VE Towards a statistically valid method of textural sea floor characterization of benthic habitats. Marine Geology 225, doi: /j.margeo Panagiotopoulos I, Voulgaris G, Collins MB The influence of clay on the threshold of movement of fine sandy beds. Coastal Engineering 32, PIANC Minimising harbour siltation, Report No 102, 75pp Stewart LK, Kostylev VE, Orpin AR Windows based software for optimising entropy based groupings of textural data. Computers & Geosciences 35, Sun D, Bloemendal J, Rea DK, Vandenberghe J, Jiang F, An Z, Su R Grain size distribution function of polymodal sediments in hydraulic and aeolian environments, and numerical partitioning of the sedimentary components. Sedimentary Geology 152, Temmerman S, Govers G, Meire P, Wartel S Modelling long term tidal marsh growth under changing tidal conditions and suspended sediment concentrations, Scheldt estuary, Belgium. Marine Geology 193, Torfs H, Mitchener H, Huysentruyt H, Toorman E Settling and consolidation of mud/sand mixtures. Coastal Engineering 29, Thorne PD, Vincent CE, Hardcastle PJ, Rehman S, Pearson ND Measuring suspended sediment concentrations using acoustic backscatter devices. Marine Geology 98, Thorne PD, DM Hanes A review of acoustic measurement of small scale sediment processes. Continental Shelf Research 22, Thorpe SA Dynamical processes of transfer at the sea surface. Progress in Oceanography 35, van der Wal D, van Kessel T, Eleveld MA, Vanlede J Spatial heterogeneity in estuarine mud dynamics. Ocean Dynamics 60, doi: /s Van Hoey G, Vincx M, Degraer S Temporal variability in the Abra alba community determined by global and local events. Journal of Sea Research 58, Van Lancker V, Du Four I, Fettweis M, Van den Eynde D, Devolder M, Francken F, Luyten P, Monbaliu J, Toorman E, Giardino A, Portilla J, Verwaest T, Janssens J, Vincx M, Degraer S, Rabaut M, Houziaux J S, 42

43 Mallaerts T, Vandenberghe N, Zeelmaekers E, Goffin A QUantification of Erosion/Sedimentation patterns to Trace the natural versus anthropogenic sediment dynamics (QUEST4D). Mid term Report. Belgian Science Policy, 34 pp. Van Lancker VRM., Bonne W, Bellec V, Degrendele K, Garel E, Brière C, Van den Eynde D, Collins MB, Velegrakis AF Recommendations for the sustainable exploitation of tidal sandbanks. Journal of Coastal Research SI51, Van den Eynde D Interpretation of tracer experiments with fine grained dredging material at the Belgian Continental Shelf by the use of numerical models. Journal of Marine Systems 48, doi: /j.jmarsys van Ledden M, van Kesteren WGM, Winterwerp J A conceptual framework for the erosion behaviour of sand mud mixtures. Continental Shelf Research 24, van Leussen W (1994). Estuarine macroflocs and their role in fine grained sediment transport. PhD thesis, University Utrecht, The Netherlands, 488pp Verfaillie E, Van Meirvenne M, Van Lancker V Multivariate geostatistics for the predictive modelling of the surficial sand distribution in shelf seas. Continental Shelf Research 26, Verlaan PAJ, Donze M, Kuik P Marine vs fluvial suspended matter in the Scheldt estuary. Estuarine, Coastal and Shelf Science 46, Verlaan PAJ, Spanhoff R Massive sedimentation events at the mouth of the Rotterdam waterway. Journal of Coastal Research 16, Verlaan PAJ Marine vs fluvial bottom mud in the Scheldt estuary. Estuarine, Coastal and Shelf Science 50, Verney R, Lafite R, Brun Cottan J C, Le Hir P Behaviour of a floc population during a tidal cycle: Laboratory experiments and numerical modelling. Continental Shelf Research. doi: /j.csr Vincent CE, Bass SJ, Rees JJ Uncertainties in suspended sediment concentration and transport due to variations in sediment size. Proc Coastal Sediments, Clearwater FL, May Voulgaris G, Meyers S Temporal variability of hydrodynamics, sediment concentration and sediment settling velocity in a tidal creek. Continental Shelf Research 24, Waeles B, Le Hir P, Lesueur P, Delsinne N Modelling sand/mud transport and morphodynamics in the Seine river mouth (France): an attempt using a process based approach. Hydrobiologia 588, doi: /s Wallbridge S, Voulgaris G, Tomlinson BN, Collins MB Initial motion and pivoting characteristics of sand partlicles in uniform and heterogeneous beds: experiments and modeling. Sedimentology 46, Wiberg PL, Drake DE, Cacchione DA Sediment resuspension and bed armoring during high bottom stress events on the northern California inner continental shelf: measurements and predictions. Continental Shelf Research 14, Whitby K (1978) The physical characteristics of sulfur aerosols. Atmospheric Environment 41, Wiberg PL, Drake DE, Cacchione DA (1994) Sediment resuspension and bed armoring during high bottom stress events on the northern California inner continental shelf: measurements and predictions. Continental Shelf Research 14, Williamson H, Torfs H Erosion of mud/sand mixtures. Coastal Engineering 29, Winter C, Katoshevski D, Bartholoma A, Flemming BW Grouping dynamics of suspended matter in tidal channels. Journal of Geophysical Research 112, C Winterwerp J A simple model for turbulence induced flocculation of cohesive sediments. Journal of Hydraulic Research 36, Winterwerp JC Reducing harbour siltation I: methodology. Journal of Waterway, Port, Coastal and Ocean Engineering 131, doi: /(asce) X(2005)131:6(258) Woolfe KJ Textural entropy groupings from a modern lake lagoon system and its ancient analogue. New Zealand Journal of Geodesy and Geophysics 38, Woolfe KJ, Fielding CR, Howe JA, Lavelle M, Lally JH Laser derived particle size characterisation of CRP 1, McMurdo Sound, Antarctica. Terra Antarctica 5, Woolfe KJ, Michibayashi K Basic" entropy grouping of laser derived grain size data: An example from the Great Barrier Reef. Computers & Geosciences 2, Wu B, Molinas A, Shu A Fractional transport of sediment mixtures. International Journal of Sediment Research 18,

44 COLOPHON Dit rapport werd voorbereid door de BMM in februari 2011 Zijn referentiecode is.momo/5/201102/nl/ar2 Status Beschikbaar in het Finale versie Nederlands Indien u vragen hebt of bijkomende copies van dit document wenst te verkrijgen, gelieve een e mail te zenden naar m.fettweis@mumm.ac.be, met vermelding van de referentie, of te schrijven naar: BMM 100 Gulledelle B 1200 Brussel België Tel: Fax: BEHEERSEENHEID VAN HETMATHEMA- TISCH MODEL VAN DE NOORDZEE SUMO GROEP 44

45 APPENDIX 1 Chen P, Fettweis M, Maggi F, Yu J Numerical simulation of flocculation behaviours during storm events along Belgian coastal waters. Particles in Europe, November, Villefranche, France.

46 Particles in Europe (PiE) 2010 Villefranche-sur-Mer, S-France, November 2010! Numerical simulation of flocculation behaviour during storm events Peihung Chen 1, Michael Fettweis 2, Federico Maggi 3, Jason C.S. Yu 1* 1 National Sun Yat-Sen University, Department of Marine Environment and Engineering, Lien-Hai Road 70, Kaohsiung, Taiwan (* jasonyu@mail.nsysu.edu.tw) 2 Royal Belgian Institute of Natural Science, Management Unit of the North Sea Mathematical Models, Gulledelle 100, 1200 Brussels, Belgium 3. The University of Sydney, School of Civil Engineering J05, Sydney NSW 2006, Australia ABSTRACT The flocculation of cohesive sediment (floc formation and break-up) depends on biological, chemical and physical processes, causing a highly nonlinear behaviour. Suspended Particulate Matter (SPM) consists of clay- and silt-sized mineral particles and biogenic components, which due to their cohesive characteristics, forms flocs and aggregates. SPM transport and settling of mud flocs is controlled by the floc size, hence by the abovementioned flocculation processes. The settling velocity is a function of the particle size and excess density, and it varies strongly in natural environments as the SPM consists a population of flocs. Natural SPM comprises many different substances with concentrations that are generally site specific and time varying. The flocculation model (BFLOC) proposed by Maggi (2009) incorporates the coupling of mineral and micro-organism dynamics to predict the median floc size. The aim of this study is to simulate the floc dynamics during storm events using Maggi s model. The results will be validated using in-situ data collected from the Belgian coastal waters (southern North Sea) obtained with a tripod. The flocculation model has been calibrated using a set of shipboard full tidal cycle (13 hours) measurements and associated sampling data from the Belgian North Sea. Data collected from the mounted instruments on the tripod, including a SonTek 3 MHz ADP, a SonTek 5 MHz ADV Ocean, a Sea-Bird SBE37 CT system, two OBS and a LISST 100X, have been used to study the mud behaviour during these storm events. Modeled flocculation dynamics during storm conditions will be compared and validated with particle size measurements using a LISST 100X.

47 APPENDIX 2 Fettweis M, Baeye M, Van den Eynde D, Francken F, Van Lancker V Hydrometeo influences on suspended particle size distributions in a coastal turbidity maximum area. Particles in Europe, November, Villefranche, France.

48 Hydro meteo influences on suspended particle size distributions in a coastal turbidity maximum area Michael Fettweis 1, Matthias Baeye 2, Frederic Francken 1, Dries Van den Eynde 1, Vera Van Lancker 1 1 Royal Belgian Institute of Natural Science, Management Unit of the North Sea Mathematical Models, Gulledelle 100, 1200 Brussels, Belgium (*E mail: m.fettweis@mumm.ac.be) 2 Ghent University, Renard Centre of Marine Geology, Krijgslaan 281 (S8), 9000 Gent, Belgium 1. Introduction In the vicinity of Zeebrugge (southern North Sea), almost 200 days of SPM concentration and particle size have been collected using a tripod. The measuring location is situated in an energetic area that is amongst the most turbid in the North Sea. The tripod was positioned at about 1 km from the shore line in a water depth of about 5 m MLLWS. The instruments mounted on the tripod are a SonTek 3 MHz ADP, a SonTek 5 MHz ADV Ocean, a Sea Bird SBE37 CT system, two OBS, a LISST 100X and two SonTek Hydra systems for data storage and batteries. The cohesive sediment processes associated with storms have been investigated previously (Fettweis et al., 2010); however, no attention was given so far to the flocculation behaviour during such meteorological events. Floc dynamics is strongly influenced by waves due to increased turbulence levels, but also the occurrence of mixed cohesive and non cohesive sediments plays a significant role. The aim of the presentation is to assess flocculation and particle dynamics during different meteorological events using statistical classification of the data. 2. Methods Optical (OBS) and acoustic (ADP) devices were used to estimate SPM concentrations. The optical SPM concentration estimates have been used for the ADP calibration. After conversion to decibels, the ADP signal strength was corrected for water sound absorption, sediment absorption and geometric spreading of the acoustic beams (Kim et al., 2004). The particle size distributions (PSD) from LISST have been classified using two approaches. The first one is based on entropy analysis (see Mikkelsen et al., 2007), where the normalized PSD are classified into groups based on similar distribution characteristics. The entropy analysis was calculated using the Fortran program of Johnston & Semple (1983) extended with the Calinski Harabasz pseudo F statistic (see Orpin & Kostylev, 2006; Stewart et al., 2009) to calculate the optimal number of groups. In the second approach the measurements during 380 tidal cycles were assembled in three cases based on the low pass alongshore velocity component. The averaging procedure consisted of ensembleaveraging the data per case at 10 minutes interval, creating tidal cycles for each parameter. Case I is characterized by mainly tidal forcing and coincides with low pass alongshore velocities between 0.05 m s 1 and 0.05 m s 1. Case II has alongshore sub tidal currents less than 0.05 m s 1 corresponds with a wind induced velocity component directed to the SW sector. Finally, case III consists of alongshore sub tidal velocities of more than 0.05 m s 1 corresponding with a NE directed wind induced velocity component. 3. Results The results of SPM concentration (from OBS and ADP) and median particle size are shown in Figure 1 for a measuring period in January February During day a storm occurred with significant wave heights up to 2.7 m. The SPM concentration (OBS) varied between 10 to 1500 mg/l during calm periods, but decreased to less than 100 mg/l during the storm (day ). The SPM concentration from ADP is lower, except at the onset of the storm, where we can see a drop in the OBS and a rise in ADP signal. The particle size has a strong tidal signal induced by typical flocculation dynamics during calm periods (D50: 20 to >180 µm) and was characterised by low particle sizes during the storm periods (<60 µm). The PSD have been classified in an optimal number of 6 groups using entropy analysis. The averaged PSDs per group are shown in Figure 2 together with the corresponding temporal distribution of the groups during the deployment. The different groups indicate a transition between uni modal (with rising tail in the lowest size classes) and bi or multimodal distribution. Class 1 corresponds with the PSD during maximum flood currents; class 2 is associated with the storm. Classes 4, 5 and 6 occur during slack waters or during ebb currents and are typically multimodal. The PSD grouping 1

49 according to long shore currents is shown in figure 3. Bimodal distributions are typically associated with case I and III and are more obvious during high energy condition (spring tide). Rising tails in the lowest size bins of the LISST occur in class 1 (Figure 2) and during peak flood velocity (most obvious for case II spring tide) SPM-OBS SPM-ADP D50 particle size SPM concentration (mg/l) D50 particle size ( m) Time (Julian days) Figure 1: Temporal variability of SPM concentration at 2 m above bed from OBS (green) and ADP (blue), and median particle size as measured by the LISST (red line) from 27 January to 12 February A storm occurred between day 31 to Significant wave heights were up to 2.7 m class 1 class 2 class 3 class 4 class 5 class particle size Class 1 Class 2 Class 3 Class 4 Class 5 Class Probability (%) 6 4 Number of groups D50 Particle size ( m) Size ( m) Julian day Figure 2: Results obtained by grouping the particle size distribution using the entropy analysis. The averaged PSD together with the standard deviation are presented left and the temporal variation of the median particle size and group occurrence (horizontal lines) right. 4. Discussion The particle size data during tide dominated conditions showed distinct multi modal behaviour that is well known in literature (e.g. Manning et al., 2006; Mikkelsen et al., 2007, Verney et al., 2009). Multi modal flocculation occurs due to differences in particle bindings between primary and secondary bindings, resulting in more resisting microflocs and fragile macroflocs. The macroflocs were constant in size (350 µm), in contrast with microfloc sizes, where the D50 varied between 30 µm up to 150 µm. The microfloc population was characterized by a gradual shift of the PSD towards bigger size classes occurred and by the occurrence of two microfloc populations coinciding (D50 of 90 µm and 150 µm). The latter is possibly caused by the heterogeneity of components within the SPM. Analysis of SPM from the same area 2

50 showed a significant amount of carbonates (40%), organic matter (10%), besides mineral particles (Fettweis, 2008). Microflocs are partially disrupted into primary particles during peak flood velocity. The data confirm that the floc size is primarily a function of turbulence and available residence time (Winterwerp, 1998). Macroflocs are formed during slack water, when turbulence is low, but also during the ebb, when currents are significant, but less than during flood. The latter suggests that in order to form macro flocs a critical level of turbulence exist, during which flocculation is enhanced. Class I spring tide Class I neap tide Class II spring tide Class II neap tide Class III spring tide Class III neap tide Figure 3: Volume concentration during a tidal cycle as a function of particle size (µm) and time (0 6.5 hour: ebb; hour: flood). The data are grouped according to long shore residual current direction and spring neap tides. The color scale indicates volume concentration (0 10 µl/l). Remark the occurrence of bimodal distributions during ebb (spring tide class I and spring and neap tide III) as well as during slack water. The flocs are dominated by microflocs with rising tail in the lower size classes during maximum flood velocity, suggesting partially disruption of microflocs into primary particles. It was therefore astounding to see that during storm conditions, when turbulence is even higher due to wave action, no primary particles were detected by the LISST. The PSD was log normally distributed, uni modal and remained almost constant (40 µm), see Class 2 (Figure 2). The storm was characterized by lower SPM concentration (OBS) suggesting possibly that the flocs where transported away from the measuring location by wind induced currents and replaced by sand resuspended by wave action. The latter would also explain the absence of a rising tail as observed during flood. The ADP (2 mab, Figure 1) confirm that sand was resuspended, the ADP signal closer to the bed gave SPM concentration of up to 2 g/l. The very low OBS signal during the storm is, however, probably significantly caused by the sensitivity of OBS to varying particle sizes, as the OBS was not calibrated for sand but mud. Limitations associated with optical and acoustic instruments have been addressed in literature (Bunt et al., 1999; Fugate and Friedrichs, 2002; Voulgaris and Meyers 2004; Hamilton et al., 1998; Thorne et al., 1991).Situations when changing suspended sediment size can produce apparent variations in SPM concentration have been reported by Downing (2006) and include co mingling of flows carrying different sediments. 3

51 4. Conclusions The presented data have shown that flocculation is very dynamic during periods with mainly tidal forcing showing the occurrence of primary particles, microflocs of different sizes and constant size macroflocs. During storm conditions flocs seemed to disappear by advection. The PSD measured by the LISST was uni modal suggesting that flocs were replaced by sand in suspension. References Baeye M, Fettweis M, Voulgaris G, Van Lancker V. Sediment Mobility in response to Tidal and Wind driven Flows along the Belgian inner shelf, southern North Sea. (submitted to Ocean Dynamics). Bunt JAC, Larcombe P, Jago CF (1999) Quantifying the response of optical backscatter devices and transmissometers to variations in suspended particulate matter. Continental Shelf Research 19, Downing J (2006) Twenty five years with OBS sensors: The good, the bad, and the ugly. Continental Shelf Research 26, Fettweis M Uncertainty of excess density and settling velocity of mud derived from in situ measurements. Estuarine, Coastal and Shelf Science 78, Fettweis M, Francken F, Van den Eynde D, Verwaest T, Janssens J, Van Lancker V. 2010b. Storm influence on SPM concentrations in a coastal turbidity maximum area with high anthropogenic impact (southern North Sea). Continental Shelf Research 30, Fugate DC, Friedrichs CT Determining concentration and fall velocity of estuarine particle populations using ADV, OBS and LISST. Continental Shelf Research 22, Hamilton LJ, Shi Z, Zhang SY Acoustic backscatter measurements of estuarine suspended cohesive sediment concentration profiles. Journal of Coastal Research 14, Johnston RJ, Semple RK Classification using information statistics. Concepts and Techniques in Modern Geography 37. GeoBooks, Norwich, 43pp. Kim HY, Gutierrez B, Nelson T, Dumars A, Maza M, Perales H, Voulgaris G Using the acoustic Doppler current profiler (ADCP) to estimate suspended sediment concentration. Technical Report CPSD # Manning AJ, Bass SJ, Dyer KR Floc properties in the turbidity maximum of a mesotidal estuary during neap and spring tidal conditions. Marine Geology 235, Mikkelsen OA, Curran KJ, Hill PS, Milligan TG Entropy analysis of in situ particle size spectra. Estuarine, Coastal and Shelf Science 72, Orpin AR, Kostylev VE Towards a statistically valid method of textural sea floor characterization of benthic habitats. Marine Geology 225, Stewart LK, Kostylev VE, Orpin AR Windows based software for optimising entropy based groupings of textural data. Computers & Geosciences 35, Thorne PD, Vincent CE, Hardcastle PJ, Rehman S, Pearson ND Measuring suspended sediment concentrations using acoustic backscatter devices. Marine Geology 98, Verney R, Lafite R, Brun Cottan JC, Le Hir P Behaviour of a floc population during a tidal cycle: Laboratory experiments and numerical modelling. Continental Shelf Research, doi: /j.csr Voulgaris G, Meyers S Temporal variability of hydrodynamics, sediment concentration and sediment settling velocity in a tidal creek. Continental Shelf Research 24, Winterwerp J A simple model for turbulence induced flocculation of cohesive sediments. Journal of Hydraulic Research 36,

52 APPENDIX 3 Fettweis M, Nechad B Evaluation of in situ and remote sensing sampling methods for SPM concentrations, Belgian continental shelf (southern North Sea). Ocean Dynamics. doi: /s

53 Ocean Dynamics DOI /s Evaluation of in situ and remote sensing sampling methods for SPM concentrations, Belgian continental shelf (southern North Sea) Michael P. Fettweis & Bouchra Nechad Received: 3 November 2009 / Accepted: 15 June 2010 # The Author(s) This article is published with open access at Springerlink.com Abstract Large sets of suspended particulate matter (SPM) concentration data from in situ and remote sensing (moderate resolution imaging spectroradiometer, MODIS) samplings in the Belgian nearshore area (southern North Sea) are combined in order to evaluate their heterogeneity and the sampling techniques. In situ SPM concentration measurements are from a vessel (tidal cycle) and from a tripod. During the tidal cycle measurements, vertical profiles of SPM concentration have been collected; these profiles have been used as a link between satellite surface and near-bed tripod SPM concentrations. In situ time series at fixed locations using a tripod are excellent witnesses of SPM concentrations under all weather conditions and may catch SPM concentration variability with a much finer scale. The heterogeneity has been statistically assessed by comparing the SPM concentration frequency distributions. Tidal cycle, tripod and MODIS datasets have different distributions and represent a different subpopulation of the whole SPM concentrations population. The differences between the datasets are related to meteorological conditions during the measurements; to near-bed SPM concentration dynamics, which are partially uncoupled from processes higher up in the water column; to the sampling methods or schemes and to measurement uncertainties. In order to explain the differences between the datasets, the tripod data have been subsampled using wave height conditions and satellite and tidal cycle sampling schemes. Responsible Editor: Han Winterwerp M. P. Fettweis (*) : B. Nechad Management Unit of the North Sea Mathematical Models (MUMM), Royal Belgian Institute of Natural Sciences, Gulledelle 100, 1200 Brussels, Belgium m.fettweis@mumm.ac.be It was found that satellites and low-frequent tidal cycle measurements are biased towards good weather condition or spring summer seasons (satellite). The data show that the mean surface SPM concentration derived from satellite data is slightly lower than from in situ tidal cycle measurements, whereas it is significantly lower than the mean SPM concentration interpolated to the water surface from the tripod measurements. This is explained by the errors arising from the interpolation along the vertical profiles, but also by the fact that satellite-measured signal saturates in the visible band used to retrieve SPM concentration in very turbid waters. Keywords SPM concentration. MODIS. In situ measurements. Sampling methods. Sampling scheme 1 Introduction The dynamics of suspended particulate matter (SPM) control processes such as sediment transport, deposition, resuspension, primary production and the functioning of benthic communities. Improving our understanding of SPM concentration variability in nearshore areas, where the SPM concentration is particularly high, is essential to assess the human footprint on this environment and to develop sustainable socioeconomic activities in parallel with marine environmental protection. SPM concentration varies strongly in the Belgian coastal area depending on seasons, tides and random events such as storms, which points out the need for optimal sampling strategies in order to assess this variability. Short-term variations (tides) can be assessed using in situ or remote sensing (RS) sampling techniques. In situ SPM concentration measurements are carried out from a vessel

54 Ocean Dynamics and using stand-alone structures such as tripods or measuring piles. Automated tripods, measuring piles, smartbuoys or other platforms allow recording continuous time series of SPM concentration at specific sites for prolonged periods of time and during extreme events (storms; see, e.g. Cacchione et al. 1995; Li et al. 1997; Blewett and Huntley 1998; Ogston et al. 2000; Pepper and Stone 2004; Ma et al. 2008; Badewien et al. 2009). Ships of opportunity with ferry boxes allow also collecting over more extended periods and are not limited to one location (Buijsman and Ridderinkhof 2007). They usually sample only the near-surface and have a lower time resolution than fixed platforms. Measurements from research vessels often cover limited periods and sea states, but allow measuring vertical SPM concentration profiles. During tidal cycle measurements, water samples can be collected for calibration of optical backscatter sensors (OBS) or transmissometer. Large synoptic scenes of surface SPM concentrations may be retrieved from satellites (Bowers et al. 2002; Nechad et al. 2003; Zawada et al. 2007; Eleveld et al. 2008; Doxaran et al. 2009). For the southern North Sea, pictures are available per year (on average 63 images for ) having a cloud cover <50% over water. Time series of in situ SPM concentration and satellite imagery are valuable data sources for the analysis of suspended sediment transport in coastal or estuarine areas (Ruhl et al. 2001; Fettweis et al. 2007). Still, shortcomings remain, with satellite imagery suffering from a low temporal resolution relative to tidal cycle or (semi-) permanent stations and only related to surface data, whilst in situ measurements have a limited spatial resolution. Ship time and budget are often limited; it is thus of primary importance to choose a sampling method or a combination of methods providing a representative subsample of the population in the time and space domain. If long-term variations induced by natural changes or anthropogenic effects need resolving, then overprinting tidal, weather, neap spring and also seasonal signals need filtering. This requires sufficiently dense sampling in time and long data series. To our knowledge, only few efforts are being made to design or evaluate existing sampling schemes (Bograd et al. 1999; Shindo and Otsuki 1999; Caeiro et al. 2003; Hall and Davies 2005; Werdell et al. 2009). Often, the best sampling strategy cannot be applied as it depends often on a compromise between costs and benefits. In practice, a mixture of objectives is achieved following an adapted suboptimal strategy. Autonomous stations (tripods) with an almost continuous measurement of SPM concentration are relatively easy to design; still, they do not cover large areas. Satellite cover large-scale scenes, but at lower time resolution and with gaps in data often occurring during stormy weather conditions, though missing high ranges of SPM concentrations often occur during these phases. Very high SPM concentrations may also be missed by satellites due to saturation in the visible bands used to retrieve SPM concentration (Bowers et al. 1998; Doxaran et al. 2002; Nechad et al. 2010). Knowledge on the uncertainty introduced by the sampling method and instrumentation is therefore important in data interpretation, as well as data assimilation. Indeed, central to the concept of data assimilation is error estimation associated with model output and observations (Lynch et al. 2009; Stow et al. 2009). The aim of this paper was to evaluate the temporal SPM heterogeneity in the Belgian nearshore using a large set of SPM concentration data from moderate resolution imaging spectroradiometer (MODIS) ocean colour satellite and from in situ measurements (both tidal cycle and semi-permanent tripod) to determine the statistical characterisation of these datasets and to examine how they describe the nature of coastal systems. As matchups (satellite picture at the same time as in situ measurements) are scarce, statistical methods are used to evaluate the differences and similarities in the datasets. This approach is new and allows comparing different datasets not necessarily sampled at the same moment in time. 2 Region of interest The study area is situated in the southern North Sea (Fig. 1). Water depths vary between 0 and 20 m below mean lowest low water spring (MLLWS). Tides are semidiurnal with a mean tidal range at Zeebrugge of 4.3 m at spring and 2.8 m at neap tide. The tidal current ellipses are elongated in the nearshore area and become gradually more semi-circular further offshore. Maximum current velocities are higher and minima lower in the nearshore area than further offshore. The current velocities near Zeebrugge (nearshore) vary from 0.2 to 1.5 m s 1 during spring tide and from 0.2 to 0.6 m s 1 during neap tide and more offshore between 0.2 and 0.6 m s 1 during spring tide and between 0.1 and 0.3 m s 1 during neap tide (see operational model results at Winds blow predominantly from the southwest and the highest waves occur during northwesterly winds. SPM forms a turbidity maximum between Oostende and the mouth of the Westerschelde (Fig. 1). The strong tidal currents and the low freshwater discharge of the Schelde (yearly average is 100 m 3 s 1 ) result in a well-mixed water column with very small salinity and temperature stratification. Measurements indicate variations in SPM concentration in the nearshore area of mg l 1 and reaching 100 to >3,000 mg l 1 near the bed; lower values (<10 mg l 1 ) occur offshore (Fettweis et al. 2010). The most important sources of SPM are the French rivers discharging into the English Channel,

55 Ocean Dynamics Fig. 1 Map of the southern North Sea with the in situ SPM concentration measurement stations MOW1 and Kwintebank. The background consists of the yearly averaged surface SPM concentration (mg l 1 ) in the southern North Sea, from MODIS images ( ) coastal erosion of the Cretaceous cliffs at Cap Griz-Nez and Cap Blanc-Nez (France) and the erosion of nearshore Holocene mud deposits (Fettweis et al. 2007). In situ measurements are available at two locations in the Belgian coastal area (MOW1, Kwintebank; see Tables 1 and 2): MOW1 ( N, E) is located in the turbidity maximum zone (water depth about 10 m MLLWS), whereas the Kwintebank ( N, E) is more offshore (water depth about 20 m MLLWS) and situated at the edge of the high turbidity zone (Fig. 1). Holocene medium-consolidated mud characterises the seabed at the MOW1 site, albeit covered with an ephemeral slightly muddy fine sand layer with a median grain size of about 170 μm. The Kwintebank site is a sandy environment with a median grain size of >250 μm; mud content is very low (<2%). 3 Materials and methods SPM concentration data have been obtained using OBSs, deployed from a vessel and an autonomous tripod, and from the MODIS satellite. To compare surface satellite data with near-bed tripod data both, the satellite images have to be corrected towards near-bed values or the tripod data towards the surface. This has been done on the basis of tidal cycle measurements during which vertical profiles of SPM concentrations were recorded. Significant wave height at a coastal station (Bol van Heist, see Fig. 1) for the period have been used to characterise meteorological and sea state conditions. 3.1 In situ tripod measurements The tripod was developed for collecting time series (up to 50 days) of SPM concentration and current velocity at fixed locations. A SonTek 3-MHz Acoustic Doppler Profiler, a SonTek 5-MHz Acoustic Doppler Velocimeter Ocean, a Sea-Bird SBE37 CT system and two OBS sensors (one at about 0.2 and the other at about 2 m above bottom, hereafter referred to as mab) were mounted on the frame. Only the OBSs are discussed here as unpredictable dynamics of the natural system still limits the accuracy of conversions of acoustic backscatter data into SPM concen- Table 1 Tripod measurements at MOW1 and on the Kwintebank Location Start date and time End date and time Duration (days) Kwintebank 02/03/ :10 11/03/ : MOW1-1 18/10/ :12 08/11/ : MOW1-2 08/02/ :10 18/02/ : MOW1-3 04/04/ :10 15/04/ : MOW1-4 22/06/ :15 11/07/ : MOW1-5 22/11/ :27 05/12/ : MOW1-6 13/02/ :25 27/02/ : MOW1-7 27/03/ :36 18/04/ : MOW1-8 15/05/ :24 15/06/ :

56 Ocean Dynamics Table 2 Tidal cycle measurements at MOW1and on the Kwintebank MT mean tide, NT neap tide, ST spring tide ID no. Location Start date and time End date and time Tide 2001/06-A MOW1 07/03/ :11 08/03/ :38 MT 2002/27-B MOW1 26/11/ :34 27/11/ :24 NT 2003/04-A MOW1 19/02/ :08 20/02/ :01 ST 2003/15 Kwintebank 11/06/ :20 12/06/ :00 MT 2003/17 Kwintebank 26/06/ :40 27/06/ :00 NT 2003/22 MOW1 08/09/ :00 09/09/ :00 MT 2003/25 Kwintebank 09/10/ :30 10/10/ :20 ST 2004/04 Kwintebank 02/03/ :00 03/03/ :40 NT 2004/05 Kwintebank 11/03/ :00 12/03/ :10 ST 2004/24 MOW1 18/10/ :20 19/10/ :20 ST 2004/25-A MOW1 08/11/ :20 09/11/ :00 NT 2005/02 MOW1 07/02/ :00 08/02/ :10 MT 2005/07-A MOW1 04/04/ :20 05/04/ :20 NT 2005/15-A Kwintebank 20/06/ :20 21/06/ :00 MT 2005/15-B MOW1 21/06/ :15 22/06/ :10 MT 2005/29 MOW1 21/11/ :00 22/11/ :00 NT 2006/06 MOW1 28/03/ :38 28/03/ :00 ST 2006/10-A MOW1 15/05/ :28 16/05/ :20 ST 2007/11-A Kwintebank 02/05/ :38 03/05/ :00 MT 2007/11-B MOW1 03/05/ :43 03/05/ :00 MT 2007/16 MOW1 10/07/ :30 10/07/ :00 NT 2007/25-B MOW1 23/10/ :30 23/10/ :00 MT 2008/02-A MOW1 06/02/ :00 07/02/ :00 ST 2008/02-B Kwintebank 07/02/ :00 08/02/ :00 ST trations (Hoitink and Hoekstra 2005; Bartholomä et al. 2009). The OBSs have been calibrated using linear regression lines obtained from tidal cycle measurements carried out during the same period. During the period , 147 days of data have been collected at both locations, from which 9 days on the Kwintebank and 138 at MOW1 (Table 1 and Fig. 2). Respectively 33%, 20%, 22% and 25% of the data at MOW1 have been collected during spring, summer, autumn and winter seasons. The Kwintebank data are all collected during winter. The sampling frequency was 2 min on the Kwintebank and varied between 2 min up to 20 min at MOW1. For analysis purpose, a frequency of 20 min was used at MOW1, giving in total about 10,000 sampling events at MOW In situ tidal cycle measurements and vertical profiles During the period , 16 tidal cycle measurements have been carried out at MOW1 and eight on the Kwintebank (Table 2 and Fig. 2). During the measurements, the ship remained anchored during one tidal cycle (about 13 h). The Sea-Bird SBE09 SCTD carousel Fig. 2 The nine tripod deployment (solid lines, first deployment is at Kwintebank, the others at MOW1), 24 tidal cycle measurements (upward triangle: MOW1, downward triangle: Kwintebank) and 460 MODIS cloud-free images (vertical lines) are shown on a time axis covering the period (see Tables 1 and 2). Tidal cycle measurement lasts 13 h and the tripod deployments between 9 and 31 days

57 Ocean Dynamics sampling system, containing twelve 10-l Niskin bottles and an OBS was kept at about 3 m above bottom (mab). Every 20 min, a Niskin bottle was closed and every hour the carousel was taken on board the vessel. At every sampling occasion, three subsamples were taken and filtered on board using pre-weighted GF/C filters. These samples were later dried and weighted to obtain SPM concentrations, which were linearly correlated to OBS measurements in view of calibrating the OBS. The uncertainties due to filtration are relatively higher in clearer waters due to a relatively higher systematic error (Fettweis 2008). There are 12% and 60% of relative standard deviation in all tidal cycle measurements that include a systematic error of 4.5 mg l 1, respectively taken at the MOW1 and the Kwintebank locations. The relative standard deviation in the SPM concentration derived from OBS, taking into account the uncertainties of the filtration, is <20% (on average 10% for all tidal cycles) at MOW1 and up to 56% (on average 23% for all tidal cycles) at the Kwintebank. Per retrieval of the carousel, a vertical profile was measured. About 13 profiles per tidal cycle have thus been collected. In total, 198 vertical profiles are available at MOW1 and 103 on the Kwintebank. Tidal cycle measurements are well distributed over neap, mean and spring tide and seasons. Respectively 25%, 19%, 31% and 25% of the data at MOW1 have been collected during spring, summer, autumn and winter seasons and 31%, 38% and 31% during neap, mean and spring tide. For the Kwintebank data, the distribution over the seasons is as follows: 37% spring, 13% summer, 13% autumn and 37% winter; over lunar phases: 25% neap tide, 37% mean tide 37% spring tide. The measured vertical profiles cover the water column from 3 mab towards the surface. Therefore, a linear regression (minimising absolute deviation) between water depth and the logarithm of the SPM concentration, averaged over depths cells of 0.5 m, was calculated to construct the missing lower part of the profiles. The fitted profiles have been used to calculate ratios between SPM concentration at the surface and at different depths in order to extrapolate surface SPM concentration, measured by the satellite towards deeper water layers and/or near-bed SPM concentration, measured by the tripod towards the surface (Van den Eynde et al. 2007). 3.3 Remote sensing data MODIS data of level 1A (L1A), covering the period , have been downloaded from the NASA GSFC web site The L1A data contain the radiance at the top of the atmosphere, which were geometrically corrected using the SeaDAS software (available from the same NASA web site). The turbid water atmospheric correction (Ruddick et al. 2000) implemented in SeaDAS was then applied to obtain the marine (waterleaving) reflectance. SPM concentrations were derived from water-leaving reflectance following an algorithm calibrated for turbid waters (Nechad et al. 2010). The accuracy of satellitederived SPM concentration has been assessed for errors that may arise from the optical model used to convert marine reflectances to SPM concentrations. The model parameterises the inherent optical properties of particles in suspension as site-averaged coefficients. This induces errors in SPM estimation when a significant change in particles size and composition occurs under tidal and wind effect (Nechad et al. 2010), changing significantly their inherent optical properties. The uncertainty in SPM concentration propagating from errors in the water-leaving reflectance retrieval has been evaluated on the basis of 29 matchups taken in clear to moderately turbid waters (3 80 mg l 1 ). A bulk mean relative error about 37% has been found in SPM concentration retrieval from MODIS imagery. For waters with SPM concentration >10 mg l 1, the relative errors in MODIS-derived SPM concentration are significantly lower than in clearer waters. This comes from the fact that there are higher relative errors in water-leaving reflectance retrieved in clearer waters and also because the SPM concentration algorithm is adapted to turbid waters. Besides, satellite-visible bands usually saturate in very turbid waters (Doxaran et al. 2002). The band centred at wavelength 667 nm used here in the retrieval of SPM concentration following Nechad et al. (2010) reaches its limit of detection around 200 mg l 1. The use of bands at longer wavelengths is recommended to overcome such limitations, provided these bands are not subject to high sensor noise ratio (Wang et al. 2009) or to high atmospheric correction-related errors. For Belgian waters, about 60 (partially) cloud-free images per year are available from each sensor, resulting in total in 460 samples at MOW1 and 502 at the Kwintebank location. Sixty-four per cent of satellite images are during spring and summer and only 36% during autumn and winter. The latter two seasons are characterised by higher SPM concentrations. MODIS satellite overpasses are between 12:40 and 13:40 UTC. In situ measurements falling within 1 h of satellite overpass (also called matchups) are averaged and compared with satellite data. The relative standard deviation of in situ data within 1 h during these matchups is on average 27%. Seaborne and tripod measurements collected during satellite overpasses are averaged for each measurement station 1 h around the satellite time of overpass. The variability in time of the seaborne and tripod measurements is compared with the variability of the long-term RS data at each station to evaluate the possible agreement between different datasets.

58 Ocean Dynamics 4 Results 4.1 Significant wave height The median significant wave height (H s ) during the period is 0.55 m. Lower values occur in spring (0.48 m) and summer (0.53 m) and higher ones in autumn (0.62 m) and winter (0.60 m). The median H s during the tripod measurements at MOW1 was 0.58 m and at the Kwintebank 0.47 m. The median during MOW1 measurements is thus slightly higher than the median over , but significant wave heights >1.5 m have occurred less frequently (7% in MOW1 tripod data compared to 10% during the period ). During tidal cycle measurements, the median H s was 0.49 m; these measurements are limited to rather good weather, with H s not exceeding 1.5 m. The median H s during satellite overpass in clouded weather is 0.60 m. During a clear sky condition, when SPM concentration data are available from MODIS, the median reduces to 0.44 m. This indicates that satellite SPM concentration data are biased towards good weather conditions (i.e. low wave condition) and that a significant wave height smaller than 0.44 m can be used as proxy for cloud-free conditions. 4.2 Vertical profiles Some examples of measured and fitted profiles from tidal cycle measurements are shown in Fig. 3. Two types can be distinguished, which can both be approximated by a logarithmic function. The first one consists of well-mixed profiles with small vertical stratification (the vertical averaged to SPM concentration ratio is smaller than 2) Relative depth above bottom KB type 2 (resuspension) type 1 (settling) KB SPM concentration (mg/l) Fig. 3 Some examples of measured and fitted SPM concentration profiles from tidal cycle measurements. The measurements have been averaged over depth cells of 0.5 m. Error bars are the standard deviation of this averaging. Depth is relative to total water depth. KB Kwintebank; the other profiles are from MOW1 KB and the second one is characterised by strong vertical gradient (the vertical averaged to surface SPM concentration is >2). The latter type of profile is typically occurring around high and low water (Fig. 4), when the increasing current velocity has reached a critical value for resuspending the fluffy layer. Maximum current velocity occurs at about 1 h before high and low water. The first type of profile occurs when bed erosion flux is low because no erodable material is left on the bottom or because bed shear stress drops below a critical value for erosion. It thus reflects periods of vertical mixing or relaxation phases during slack waters. In the offshore location (Kwintebank) and at MOW1, 88% and 74%, respectively, of the profiles fit this type. The correlation coefficient between the fitted and the measured data is high at both locations (MOW1: R 2 =0.77; Kwintebank: R 2 =0.98). The fitted profiles have been used to calculate a correlation between the log-transformed SPM concentration at the surface, at 2 and 0.2 mab and vertically averaged (Fig. 5 and Table 3). The correlations are large for type 1 profiles at both locations and type 2 profiles at the Kwintebank (R 2 >0.8), but weaker for type 2 profiles at MOW1 (R 2 = ). The lowest correlation occurs with the near-bed data (0.2 mab), indicating that the extrapolation of near-bed values towards the surface is probably not accurate especially for the type 2 profiles. A third type of profiles in the near-bed layer (<2 mab) has been observed in the tripod data. It is characterised by very high SPM concentration in the near bed layer, which is possibly the result of the formation of ephemeral fluid mud layers or high concentrated benthic suspension (HCBS) layers, resulting in a weak correlation between the near bed and the 2 mab SPM concentration. They are typically associated with storm conditions (Fettweis et al. 2010). These HCBS layers cannot be fitted with the above profiles since near bed and water dynamics is uncoupled under these conditions. The relation between the tidal averaged data at 2 and 0.2 mab has been calculated after log transformation of the data (see Fig. 6). For SPM concentrations ranging from 100 to 1,000 mg l 1, the near the bed concentration is times higher than at 2 mab (R 2 =0.69). Note that from the same range and during two time series (MOW1-4 and MOW1-8), near-bed SPM concentrations were times higher than the SPM concentration at 2 mab. The correlation coefficient for these series is low (R 2 =0.33). 4.3 Matchups between in situ and satellite data Nineteen matchups between satellite and tripod data are available during the period at MOW1. The correlation after log transformation of the data between

59 Ocean Dynamics Fig. 4 SPM concentration profiles from fitted data during two tidal cycles at MOW1 ( and ). The y-axis represents depth above bed (m) and the x-axis time (h) surface SPM concentration from MODIS and near-bed SPM concentration has a coefficient of R 2 =0.8 for the 2 mab and R 2 =0.7 for the 0.2-mab data. Remark that the difference between the surface and near-bed SPM concentrations is huge (15 30 times lower; see Fig. 7a). Based on the relation between the surface and near-bed SPM concentration derived from the fitted profiles (obtained from the tidal cycle measurements), a depth correction of the MODIS surface data has been applied. When the correction factors for all profiles are considered (Table 3), then a relatively good match (R 2 =0.5) between MODIS and 2-mab tripod data is obtained (Fig. 7b), with an underestimation of the MODIS corrected data (see Section 5). 4.4 Frequency distribution of SPM concentrations By using frequency distributions of different datasets, we can determine if two distributions are drawn from the same distribution function by use of standard statistic tests (Χ 2 test, Kolmogorov Smirnov test). If the data collected with different sampling methods have similar log-normal distributions, means and standard deviations, then we could conclude that within the range of uncertainties the methods provide similar subsamples from the whole population. From the three different types of SPM concentration data (tidal cycle, long term and satellite), probability distributions have been constructed (Figs. 8, 9 surface SPM concentration (mg/l) profile 1 profile 2 MOW1 surface SPM concentration (mg/l) profile 1 profile 2 Kwintebank vertical averaged SPM concentration (mg/l) Fig. 5 Relation between surface SPM concentration and the vertical averaged SPM concentration for type 1 and type 2 profiles derived from the fitted profiles from tidal cycle measurements at MOW1 and vertical averaged SPM concentration (mg/l) Kwintebank. The correlations are calculated after log transformation of the data (profiles 1: R 2 =0.94, profiles 2: R 2 =0.61; see Table 3)

60 Ocean Dynamics Table 3 Linear correlation between the log-transformed data of surface SPM concentration (x) and SPM concentration averaged over the water column at 2 and at 0.2 mab (y) The relation, log(y) =a + b log (x), has been calculated using the fitted profiles of the tidal cycle measurements; between brackets is R 2 MOW1 Kwintebank vert avg 2 mab 0.2 mab vert avg 2 mab 0.2 mab Type 1 profiles a= 0.01 a=0.05 a=0.10 a= 0.04 a= 0.05 a= 0.04 b=0.95 b=0.89 b=0.84 b=0.99 b=0.96 b=0.95 R 2 =0.94 R 2 =0.88 R 2 =0.83 R 2 =0.98 R 2 =0.96 R 2 =0.95 Type 2 profiles a=0.11 a=0.27 a=0.45 a=-0.14 a= 0.18 a= 0.18 b=0.69 b=0.55 b=0.45 b=0.95 b=0.89 b=0.87 R 2 =0.63 R 2 =0.47 R 2 =0.38 R 2 =0.94 R 2 =0.89 R 2 =0.86 All profiles a=0.30 a=0.54 a=0.73 a= 0.01 a= 0.01 a=0.02 b=0.72 b=0.56 b=0.44 b=0.95 b=0.88 b=0.86 R 2 =0.63 R 2 =0.46 R 2 =0.35 R 2 =0.96 R 2 =0.91 R 2 =0.89 and 10). The data could be fitted with log-normal distributions. The distributions from the tidal cycle data are set for three depths, corresponding to the measuring depth of satellite (surface) and tripod data (2 and 0.2 mab). The probability of the Χ 2 test was computed, hypothesising that the SPM concentration data fit a log-normal distribution. The geometric mean (x*, further called mean) and multiplicative standard deviation (s*) of these distributions, together with the X 2 test results, are shown in Table 4. In general, values of s* vary between 1.5 and 2.8; hence, they fall within the most frequent range of approximately 1.4 3, observed in various branches of natural sciences (Limpert et al. 2001). If the test probability is low (p<0.05), then the null hypothesis should be rejected. Low probability occurs only in the tidal cycle surface data at Kwintebank and the 0.2-mab data at MOW1. The deviations from the lognormal distribution (Fig. 9) for the surface samples from the Kwintebank are possibly due to some high errors in SPM concentration (see Section 3). For the near-bed data at MOW1, such deviations are related to some unrealistic high values obtained from log extrapolation of the vertical profiles from tidal cycle measurements to 0.2 mab. We can therefore argue that a type I error has occurred in these two populations and that SPM concentrations also have a log-normal distribution in these cases. MOW1 is situated in shallow waters where wave effects are important. Excluding samples from the tripod measurements where the bottom wave orbital velocity, U w, is higher (respectively lower) than a certain value allows calculating the geometric mean and multiplicative standard deviation of a population representing stormy (respectively good) weather conditions (Table 5). The bottom wave orbital velocity has been calculated based on the significant wave height (H s ), the water depth and the JONSWAP spectrum of waves (Soulsby 1997). A U w of 0.03, 0.3 and 0.5 m s 1 correspond to a significant wave height of about 0.5, 1.5 and 2.5 m in a water depth of 10 m. The results at MOW1 show that the distributions are 2 mab SPM concentration (mg/l) MOW1-1, 2, 3, 5, 6, 7 MOW1-4, mab SPM concentration (mg/l) 100 Kwintebank mab SPM concentration (mg/l) Fig. 6 Relation between tidal averaged SPM concentration at 0.2 mab (x) and at 2 mab (y) during long-term measurements at MOW1 and the Kwintebank. The correlation is calculated after log transformation of mab SPM concentration (mg/l) the data and has a R 2 =0.69 (MOW1-1, 2, 3, 5, 6, 7) and R 2 =0.33 (MOW1-4, 8)

61 Ocean Dynamics surface SPM conc. MODIS (mg/l) (a) 0.2 mab 2 mab 2 mab (R²=0.80) 0.2 mab (R²=0.66) SPM concentration tripod (mg/l) corrected SPM conc.modis (mg/l) (b) SPM concentration tripod (mg/l) 0.2 mab 2 mab 2 mab (R²=0.52) 0.2 mab (R²=0.23) Fig. 7 Correlation between SPM concentration from tripod data at 2 and 0.2 mab and the surface (a) and depth-corrected (b) MODIS SPM concentration during matchups. The correlations are calculated after log transformation of the data and take into account the uncertainties of the measurements, as indicated by the error bars. These consist of the bulk mean error (see Section 3) for MODIS and of the standard deviation of the in situ data falling within 1 h of satellite overpass very similar for the data collected during periods with U w >0.03 m s 1 and U w <0.3 m s 1. The mean SPM concentration at MOW1 increases from 145 mg l 1 (U w < 0.03 m s 1 ) to 338 mg l 1 (U w >0.5 m s 1 )at2maband from 263 mg l 1 (U w <0.03 m s 1 )to617mgl 1 (U w > 0.5 m s 1 ) at 0.2 mab; this confirms the nonlinear behaviour of the system. The SPM concentration distribution from the tidal cycle data at 2 mab corresponds well but still with significant differences with the good weather tripod data (U w <0.03 m s 1 ; x*=81 versus 145 mg l 1 ). Similar results are found for the 0.2-mab tidal cycle data and the good weather tripod data (93 versus 263 mg l 1 ) Probability density MOW1 x*=158 mg/l s*=2.5 p=0.99 Probability density Kwintebank x*=29 mg/l s*=1.5 p= mab SPM concentration (mg/l) mab SPM concentration (mg/l) Probability density MOW1 x*=313 mg/l s*=2.8 p=0.93 Probability density Kwintebank x*=36 mg/l s*=1.5 p= mab SPM concentration (mg/l) mab SPM concentration (mg/l) Fig. 8 Probability density distribution of long-term SPM concentration data at 2 and 0.2 mab and the corresponding log-normal probability density functions. The data at MOW1 are binned in classes of 50 mg l 1 and those from the Kwintebank in classes of 5 mg l 1. The data fit the log-normal distribution with a Χ 2 test probability of p>0.9. The dashed lines correspond to the geometric mean x* times/over the multiplicative standard deviation s*

62 Ocean Dynamics Probability density MOW1 x*=39mg/l s*=2.1 p=0.81 Probability density Kwintebank x*=9 mg/l s*=2.1 p=0.02 Probability density Surface SPM concentration (mg/l) MOW1 x*=81 mg/l s*=2.6 p=0.09 Probability density surface SPM concentration (mg/l) Kwintebank x*=12 mg/l s*=2.2 p= mab SPM concentration (mg/l) mab SPM concentration (mg/l) Probability density MOW1 x*=95 mg/l s*=2.8 p=0.03 Probability density Kwintebank x*=13 mg/l s*=2.3 p= mab SPM concentration (mg/l) mab SPM concentration (mg/l) Fig. 9 Probability density distribution of tidal cycle SPM concentrations at surface, 2 and 0.2 mab derived from fitted profiles and the corresponding log-normal probability density functions. The data at MOW1 are binned in classes of 20 mg l 1 and those from the Kwintebank in classes of 5 mg l 1. The data fit the log-normal 4.5 Surface correction of tripod data By extrapolating the Kwintebank and MOW1 tripod data towards the surface, the three datasets (tripod, tidal cycle and MODIS) can be compared to each other. The surface extrapolation has been calculated for the 2- and 0.2-mab tripod data using the relations obtained from all profiles in Table 3. This results in slightly higher surface values from 0.2 mab (Table 4). The difference between satellites, tidal cycle and tripod surface data is more significant. The lowest mean SPM concentrations are found for the satellite data (Kwintebank, distribution with a Χ 2 test probability of p>0.6, except MOW1 2 mab, MOW1 0.2 mab and Kwintebank surface, which have a probability of p<0.1. The dashed lines correspond to the geometric mean x* times/ over the multiplicative standard deviation s* 6mgl 1 ; MOW1, 23 mg l 1 ) and the highest for the tripod data (Kwintebank, 19 mg l 1 ; MOW1, 59 mg l 1 for 2-mab extrapolation). The results show that the mean SPM concentration of the satellite data at the Kwintebank is included within 1 standard deviation of the tidal cycle data and vice versa. The tidal cycle and satellite data are not included in the tripod data within 1 standard deviation. This is possibly linked to the fact that the tripod data are restricted to March 2004 and thus not representative for a whole year (Table 1 and Fig. 2). When only winter satellite data are selected,

63 Ocean Dynamics 0.2 Probability density 0.1 MOW1 x*=22.7 mg/l s*=2.4 p=0.51 Probability density Kwintebank x*=6.4 mg/l s*=2.5 p= Surface SPM concentration (mg/l) Surface SPM concentration (mg/l) then a higher mean SPM concentration of 12 mg l 1 is obtained, which is, however, still very low compared to the mean of tripod data. At MOW1, the mean SPM concentration from the tidal cycle dataset is included within 1 standard deviation of the mean from the tripod and the satellite datasets. The mean SPM concentrations from the tripod and satellite datasets are not included within 1 standard deviation. 5 Discussion Fig. 10 Probability density distribution of MODIS surface SPM concentrations and the corresponding log-normal probability density functions. The data are binned in classes of 5 mg l 1 and fit the lognormal distribution with a Χ 2 test probability of p=0.51 (MOW1) and p=0.28 (Kwintebank). The dashed lines correspond to the geometric mean x* times/over the multiplicative standard deviation s* The results of standard statistic tests show that the tidal cycle, tripod and MODIS datasets have different distributions and that they represent a different subpopulation of the whole SPM concentrations population. Below, some points are discussed in more detail to identify the differences between the sampling methods, to analyse if and to what extent tidal cycle and satellite data can be regarded a representative subsample of the tripod data and to present the effect of measuring uncertainties on the datasets. This analysis is carried out only for the MOW1 data because these data can be considered as representative of seasons and extreme events. 5.1 Representativeness of SPM concentration data A first characterisation of the SPM concentration as a function of sea states characterised by the wave orbital velocity has been carried out (see above). The surface correction of the tripod data sampled during different sea states are presented in Table 5. The surface-extrapolated values from 2 mab vary between 91 mg l 1 (U w >0.5 m s 1 ), 59 mg l 1 (all data) and 56 mg l 1 (U w <0.03 m s 1 ) and are Table 4 Geometric mean SPM concentration (x*) of tidal cycle (TC), tripod and MODIS satellite measurements at MOW1 and from the Kwintebank The surface values for tripod data have been obtained by extrapolating the 0.2- and the 2-mab data using the relations of Table 3. Also shown is the Χ 2 test probability (p) of the distributions compared with a log-normal one s* multiplicative standard deviation Location Method Depth x* (mg/l) s* p MOW1 MODIS Surface TC Surface TC 2 mab TC 0.2 mab Tripod Surface 59 (2 mab) 1.7 (2 mab) 0.97 (2 mab) 68 (0.2 mab) 1.6 (0.2 mab) 0.11 (0.2 mab) Tripod 2 mab Tripod 0.2 mab Kwintebank MODIS Surface TC Surface TC 2 mab TC 0.2 mab Tripod Surface 19 (2 mab) 1.4 (both) 0.00 (both) 23 (0.2 mab) Tripod 2 mab Tripod 0.2 mab

64 Ocean Dynamics Table 5 Geometric mean SPM concentration (x*) at MOW1 for different wave conditions 2 mab 0.2 mab U w (m s 1 ) >0.5 >0.3 >0.03 All <0.3 <0.03 >0.5 >0.3 >0.03 All <0.3 <0.03 x* (mg l 1 ) s* p Surface x* (mg l 1 ) s* p Also shown is the Χ 2 test probability (p) of the distributions compared with a log-normal one. The distributions are from long-term measurements at MOW1 and have been selected according to wave orbital velocity (U w ) conditions s* multiplicative standard deviation, surface x* surface-corrected x* using relations for all profiles from Table 3 still significantly higher than the tidal cycle and satellite data (Table 4). This result underlines that near-bed SPM concentration dynamics and the formation of fluid mud or HCBS layers are partially uncoupled from processes higher up in the water column and possibly point to the fact that 18 tidal cycle measurements or 460 satellite images are not representative of the good weather population at MOW Sampling methods Sampling is regarded as a statistical practice to select individual SPM concentration observations, which can give some understanding of the SPM concentration population at a specific location or in a whole area. A common goal of these measurements should be to collect a representative subset of this population, which is used to generalise findings back to a population, within the limits of random errors. When dealing with time-dependent, particularly harmonically varying processes, such as SPM concentration, then one should be aware of the number of data (tidal cycle, satellite) which have to be available before being representative as subset of the population. It is therefore essential to have knowledge on how representative a sampling method is and to deal with the bias induced by it. Differences between the datasets may be due to the fact that in situ and remote sensing measuring techniques are based on different sampling methods. Satellites can be seen as random samplers biased towards good weather conditions as they represent only the cloud-free data, but also to non-satellite-saturating data which occur at high SPM concentration levels. Tidal cycle measurements from a vessel and long-term measurements (stand-alone structures) can be described as an eventbased sampling method, characterised by a random start and then proceeding with the collection of data during at least one tidal cycle. Clustering the sampling during one tide identifies the most significant SPM concentration variation. A more objective approach is to apply sampling schemes to the full set of data and to base the analysis on the subsamples out of this population (Schleppi et al. 2006). If we assume that the tripod data from MOW1 are a good representation of the natural variability during a year, then we can randomly sample these data with similar sampling methods as satellites or tidal cycle measurements. To this end, we can study how low-frequency sampling over time affects the statistical mean and standard deviation. The satellite images are mainly situated during periods of low wind (Fettweis et al. 2007); therefore, significant wave heights smaller than 0.5 m have been used as proxy for cloud-free conditions. Three sampling schemes for satellite data have been adopted; scheme 1 consists of 60 random data, scheme 2 of 60 random data with H s <0.44 m and scheme 3 of 60 random data with sampling time between 13 and 14 h and H s < 0.44 m. A significant wave height of 0.44 m corresponds to the median significant wave height during satellite overpass (see above). The tidal cycle sampling scheme consists of six random sampling events at significant wave heights smaller than 1.5 m with each 13 successive data every hour (total 78 data) for each event. Each sampling scheme has been repeated ten times in order to assess variability due to the random number generator (Table 6). The satellite sampling scheme 1 gives very similar mean SPM concentrations (182 versus 178 mg l 1 at 2 mab and 347 versus 313 mg l 1 at 0.2 mab) and multiplicative standard deviations as for all the tripod data, whereas satellite sampling scheme 2 decreases the mean SPM concentration (158 mg l 1 at 2 mab and 258 mg l 1 at 0.2 mab) and multiplicative standard deviations (Table 6). The results of satellite sampling scheme 2 are similar to the mean SPM concentrations of subsets of tripod data with U w <0.03 m s 1 (158 versus 145 mg l 1 at 2 mab and 258 versus 263 mg l 1 at 0.2 mab). From these results, one could conclude that 60 samples are representative of the mean and multiplicative standard deviation of the whole

65 Ocean Dynamics Table 6 Geometric mean SPM concentration (x*) obtained when applying similar sampling schemes as satellites and tidal cycles to the long-term tripod measurements at MOW1 (see Section 5) Sampling scheme 2 mab 0.2 mab Sat 1 Sat 2 Sat 3 TC Sat 1 Sat 2 Sat 3 TC x* (mg l 1 ) ±stdv 182±12 158±13 153±19 183±63 347±42 258±23 236±31 284±105 s* p Surface x* (mg l 1 ) 64±2 59±3 58±4 64±12 71±3 62±3 59±3 64±11 s* p Also shown is the Χ 2 test probability (p) of the distributions compared with a log-normal one. Each sampling scheme has been repeated ten times to assess variability due to random number generation Sat satellite sampling scheme, TC tidal cycle sampling scheme, x* ± stdv mean ± standard deviation, s* multiplicative standard deviation, surface x* surface-corrected x* using relation for all profiles from Table 3 population and that applying satellite sampling scheme 2 lowers the mean SPM concentration. The latter is mainly induced by the good weather data, but also the time of sampling has an effect as shown by satellite sampling scheme 3, which decreases again the mean of SPM concentrations (Table 6). This conclusion is further strengthened by the fact that repeating the sampling scheme does not result in a higher standard deviation. The generally better weather conditions during spring and summer result in a higher frequency of spring and summer data (60%) with respect to autumn and winter data (40%) using satellite sampling schemes 2 and 3 and agree well with the distribution over seasons of the available satellite images. With the tidal cycle sampling scheme, a similar mean SPM concentration as that from the subset of tripod data (H s <0.3 m s 1 ) is obtained (185 versus 155 mg l 1 at 2 mab and 284 versus 308 mg l 1 at 0.2 mab). The confidence limits due to random number generation expressed as relative standard deviation is about 33%, which is higher than with the satellite sampling schemes, although the total number of samples is not substantially different (78 versus 60). The high variability during a tidal cycle is thus maintained and reflected by the mean data of the tidal cycle sampling scheme, whereas it is lost when using satellite sampling schemes (Fettweis et al. 2007). 5.3 Uncertainties associated with sampling Surface correction of the sub-dataset of SPM concentrations obtained by sampling the tripod data using similar sampling schemes as satellites (scheme 3) and tidal cycle measurements still shows differences with the satellite (58 versus 23 mg l 1 ) and tidal cycle (64 versus 39 mg l 1 ) SPM concentrations. To obtain an agreement within 1 standard deviation between surface-corrected SPM concentrations from satellite scheme 3 (x*=30 mg l 1, s*=1.5), tidal cycle scheme (x*=32 mg l 1, s*=1.5) and satellite data (x*= 23 mg l 1, s*=2.4), the correction factor for type 2 profiles have to be used. These profiles have a probability of occurrence of 25% at MOW1. This points possibly to an underestimation of type 2 profiles during the tidal cycle measurements, but is probably also caused by the limitation of the remote sensing data to lower SPM concentrations due to saturation. Furthermore, the approximation of the vertical SPM concentration profile by a simple log function, which does not take into account settling and vertical mixing effects, is therefore although a high linear correlation coefficient exists between the measured and the fitted values (MOW1: r=0.77; Kwintebank: r=0.98) probably not accurate for type 2 profiles near the sea bed. The very high SPM concentrations (>3.6 g l 1 at 0.2 mab and 2.6 g l 1 at 2 mab) found in the tripod data at MOW1, but never measured by satellites or during tidal cycle measurements (maximum 1 g l 1 during 2006/06, see Table 2), confirm the major impact of near-bed dynamics induced by high wave heights on the SPM concentration in a coastal area. The formation of HCBS in wave-dominated areas and the difference with SPM dynamics in the rest of the water column are well documented (de Wit and Kranenburg 1997; Li and Mehta 2000; Winterwerp 2006). 6 Conclusions This paper shows that SPM concentration derived from three different methods for measuring SPM concentration (tripod at fixed location, tidal cycle from a vessel and satellite) results in different frequency distributions. The analysis was applied to two locations: MOW1 situated in a high-turbidity area and Kwintebank in low-turbidity waters. In order to compare near-bed SPM concentrations from tripod with surface concentration from satellite, correction

66 Ocean Dynamics factors have been constructed based on vertical SPM concentration profiles measured during tidal cycles. The differences between the datasets are related to the different meteorological conditions during measurements; to nearbed SPM concentration dynamics, which are partially uncoupled from processes higher up in the water column; to the sampling methods or schemes used to collect the data; to the method of surface correction assuming a logarithmic profiles near the bed; and to measuring uncertainties. The main conclusions are: 1. Due to the time and spatial variability of SPM concentration in coastal high-turbidity areas, greater sampling efforts are necessary as compared to offshore systems with low SPM concentration. 2. Satellite, tidal cycle and tripod SPM concentrations are very similar at the Kwintebank (20-m depth, situated 20 km offshore at the edge of the coastal high-turbidity area) with respect to uncertainties of SPM concentration measurements in low-turbidity areas. 3. Satellites or low-frequent tidal cycle measurements cannot replace long-term continuous measurements in high turbidity areas, which include all sea state conditions. They consist of a subset of the population biased towards good weather condition or spring summer seasons (satellite). Sediment transport based on these data will thus always underestimate reality. 4. The mean SPM concentration calculated with 60 randomised (unbiased) sampling occasions per year is representative of the mean SPM concentration of the whole population. When an emulated satellite sampling scheme, using a specific criterion for significant wave height (H s <0.44 m) and sampling time (during satellite overpass), is applied, then the 60 samples represent the good weather SPM concentration. The mean SPM concentration calculated from six randomly distributed tidal cycle measurements per year using a H s <1.5 m as criterion gives a similar mean SPM concentration as the whole population. The high SPM concentration variability during a tidal cycle is maintained, whereas it is lost when using satellite sampling schemes. 5. The mean SPM concentrations derived from satellite datasets are included within 1 standard deviation of the mean from the tidal cycle datasets at both locations. This points out the good agreement between the distributions of the two datasets. SPM concentrations from tripod, extrapolated to the water surface and subsampled following the satellites sampling scheme, have a mean significantly higher than the mean of satellite surface SPM concentrations. The reasons are due to uncertainties in the calculation of vertical profiles used to achieve the extrapolation and to the fact that probably a filtering of high SPM concentrations (>200 mg l 1 ) occurred where the visible band saturates. Acknowledgement This study was partly funded by the Maritime Access Division of the Ministry of the Flemish Community in the framework of the MOMO project and by the Belgian Science Policy within the framework of the QUEST4D (SD/NS/06A) and BELCOLOUR-2 (SR/00/104) projects. G. Dumon (Coastal Service, Ministry of the Flemish Community) made available wave measurement data. We want to acknowledge the crew of the RV Belgica, Zeearend and Zeehond for their skilful mooring and recuperation of the tripod. The measurements would not have been possible without technical assistance of A. Pollentier, J.-P. De Blauwe and J. Backers (measuring service of MUMM, Oostende). V. Van Lancker, G.P. Fettweis and H. Nuszkowski are acknowledged for their valuable suggestions and comments. Open Access This article is distributed under the terms of the Creative Commons Attribution Noncommercial License which permits any noncommercial use, distribution, and reproduction in any medium, provided the original author(s) and source are credited. References Badewien TH, Zimmer E, Bartholomä A, Reuter R (2009) Towards continuous long-term measurements of suspended particulate matter (SPM) in turbid coastal waters. Ocean Dyn 59: doi: /s Bartholomä A, Kubicki A, Badewien TH, Flemming BW (2009) Suspended sediment transport in the German Wadden Sea seasonal variations and extreme events. Ocean Dyn 59: doi: /s Blewett J, Huntley DA (1998) Measurement of suspended sediment transport processes in shallow water off the Holderness Coast, UK. Mar Pollut Bull 37: Bograd SJ, Rabinovich AB, Thomson RE, Eert AJ (1999) On sampling strategies and interpolation schemes for satellitetracked drifters. J Atmos Ocean Technol 16: Bowers DG, Boudjelas S, Harker GEL (1998) The distribution of fine suspended sediments in the surface waters of the Irish Sea and its relation to tidal stirring. Int J Remote Sens 19: Bowers DG, Gaffney S, White M, Bowyer P (2002) Turbidity in the southern Irish Sea. Cont Shelf Res 22: Buijsman MC, Ridderinkhof H (2007) Long-term ferry-adcp observations of tidal currents in the Marsdiep inlet. J Sea Res 57: doi: /j.seares Cacchione DA, Drake DE, Kayen RW, Sternberg RW, Kineke GC, Tate GB (1995) Measurements in the bottom boundary subaqueous delta. Mar Geol 125: Caeiro S, Painho M, Goovaerts P, Costa H, Sousa S (2003) Spatial sampling design for sediment quality assessment in estuaries. Environ Monit Softw 18: doi: /s (03) de Wit PJ, Kranenburg C (1997) The wave-induced liquefaction of cohesive sediment beds. Estuar Coast Shelf Sci 45: Doxaran D, Froidefond J-M, Lavender S, Castaing P (2002) Spectral signatures of highly turbid waters. Application with SPOT data to quantify suspended particulate matter concentrations. Remote Sens Environ 81: Doxaran D, Froidefond J-M, Castaing P, Babin M (2009) Dynamics of the turbidity maximum zone in a macrotidal estuary (the Gironde, France): observations from field and MODIS satellite data. Estuar Coast Shelf Sci 81: doi: /j.ecss

67 Ocean Dynamics Eleveld MA, Pasterkamp R, van der Woerd HJ, Pietrzak JD (2008) Remotely sensed seasonality in the spatial distribution of sea-surface suspended particulate matter in the southern North Sea. Estuar Coast Shelf Sci 80: doi: /j.ecss Fettweis M (2008) Uncertainty of excess density and settling velocity of mud derived from in situ measurements. Estuar Coast Shelf Sci 78: doi: /j.ecss Fettweis M, Nechad B, Van den Eynde D (2007) An estimate of the suspended particulate matter (SPM) transport in the southern North Sea using SeaWiFS images, in situ measurements and numerical model results. Cont Shelf Res 27: doi: /j. csr Fettweis M, Francken F, Van den Eynde D, Verwaest T, Janssens J, Van Lancker V (2010) Storm influence on SPM concentrations in a coastal turbidity maximum area with high anthropogenic impact (southern North Sea). Cont Shelf Res. doi: /j.csr Hall P, Davies AM (2005) The influence of sampling frequency, nonlinear interaction, and frictional effects upon the accuracy of the harmonic analysis of tidal simulations. Appl Math Model 29: doi: /j.apm Hoitink AJF, Hoekstra P (2005) Observations of suspended sediment from ADCP and OBS measurements in a mud-dominated environment. Coast Eng 52: doi: /j.coastaleng Li Y, Mehta AJ (2000) Fluid mud in the wave-dominated environment revisited. In: McAnally WH, Mehta AJ (eds) Coastal and estuarine fine sediment dynamics. Proceedings in Marine Science 3. Elsevier, Amsterdam, pp Li MZ, Amos CL, Heffler DE (1997) Boundary layer dynamics and sediment transport under storm and non-storm conditions on the Scotian Shelf. Mar Geol 141: Limpert E, Stahel W, Abbt M (2001) Log-normal distributions across the sciences: keys and clues. Bioscience 51: Lynch DR, McGillicuddy DJ, Werner FE (2009) Skill assessment for coupled biological/physical models of marine systems. J Mar Syst 76:1 3. doi: /j.jmarsys Ma Y, Wright LD, Friedrichs CT (2008) Observations of sediment transport on the continental shelf off the mouth of the Waiapu River, New Zealand: evidence for current-supported gravity flows. Cont Shelf Res 28: doi: /j.csr Nechad B, De Cauwer V, Park Y, Ruddick KG (2003) Suspended particulate matter (SPM) mapping from MERIS imagery. Calibration of a regional algorithm for the Belgian coastal waters. ESA MERIS user workshop, 10 13th November 2003 Nechad B, Ruddick KG, Park Y (2010) Calibration and validation of a generic multisensor algorithm for mapping of total suspended matter in turbid waters. Remote Sens Environ 114: doi: /j.rse Ogston AS, Cacchione DA, Sternberg RW, Kineke GC (2000) Observations of storm and river-flood driven sediment transport on the northern California continental shelf. Cont Shelf Res 20: Pepper DA, Stone GW (2004) Hydrodynamic and sedimentary responses to two contrasting winter storms on the inner shelf of the northern Gulf of Mexico. Mar Geol 210: doi: / j.margeo Ruddick KG, Ovidio F, Rijkeboer M (2000) Atmospheric correction of SeaWiFS imagery for turbid coastal and inland waters. Appl Opt 39: Ruhl CA, Schoelhammer DH, Stumpf RP, Lindsay CL (2001) Combined use of remote sensing and continuous monitoring to analyse the variability of suspended-sediment concentrations in San Francisco Bay, California. Estuar Coast Shelf Sci 53: doi: /ecss Schleppi P, Waldner PA, Fritschi B (2006) Accuracy and precision of different sampling strategies and flux integration methods for runoff water: comparisons based on measurements of the electrical conductivity. Hydrol Process 20: doi: / hyp.6057 Shindo K, Otsuki A (1999) Establishment of a sampling strategy for the use of blue mussels as an indicator of organotin contamination in the coastal environment. J Environ Monit 1: Soulsby R (1997) Dynamics of marine sands. Thomas Telford, London, p 249 Stow CA, Joliff J, McGillicuddy DJ, Doney SC, Allen JI, Friederichs MAM, Rose KA, Wallhead P (2009) Skill assessment for coupled biological/physical models of marine systems. J Mar Syst 76:4 15. doi: /j.jmarsys Van den Eynde D, Nechad B, Fettweis M, Francken F (2007) SPM dynamics in the southern North Sea derived from SeaWifs imagery, in situ measurements and numerical modelling. In: Maa JP-Y, Sanford LP, Schoelhammer DH (eds) Estuarine and coastal fine sediment dynamics. Proceedings in Marine Science 8. Elsevier, Amsterdam, pp Wang M, Son S, Shi W (2009) Evaluation of MODIS SWIR and NIR- SWIR atmospheric correction algorithms using SeaBASS data. Remote Sens Environ 113: doi: /j.rse Werdell PJ, Bailey SW, Franz BA, Harding LW, Feldman GC, McClain CR (2009) Regional and seasonal variability of chlorophyll-a in Chesapeake Bay as observed by SeaWiFS and MODIS-Aqua. Remote Sens Environ 113: doi: / j.rse Winterwerp J (2006) Stratification effects by fine suspended sediment at low, medium and very high concentrations. J Geophys Res 111:C doi: /2005jc Zawada DG, Hu C, Clayton T, Chen Z, Brock JC, Muller-Karger FE (2007) Remote sensing of particle backscattering in Chesapeake Bay: a 6-year SeaWiFS retrospective view. Estuar Coast Shelf Sci 73: doi: /j.ecss

68 APPENDIX 4 Fettweis M, Baeye M, Francken F, Lauwaert B, Van den Eynde D, Van Lancker V, Martens C, Michielsen T Monitoring the effects of disposal of fine sediments from maintenance dredging on SPM concentration. Marine Pollution Bulletin, 62, doi: /j.marpolbul

69 Author's personal copy Marine Pollution Bulletin 62 (2011) Contents lists available at ScienceDirect Marine Pollution Bulletin journal homepage: Monitoring the effects of disposal of fine sediments from maintenance dredging on suspended particulate matter concentration in the Belgian nearshore area (southern North Sea) Michael Fettweis a,, Matthias Baeye b, Frederic Francken a, Brigitte Lauwaert a, Dries Van den Eynde a, Vera Van Lancker a, Chantal Martens c, Tinne Michielsen c a Royal Belgian Institute for Natural Science (RBINS), Management Unit of the North Sea Mathematical Models (MUMM), Gulledelle 100, 1200 Brussels, Belgium b Ghent University, Renard Centre of Marine Geology, Krijgslaan 281 (S8), 9000 Gent, Belgium c Ministry of Public Works and Mobility, Maritime Access Division, Tavernierkaai 3, 2000 Antwerp, Belgium article info abstract Keywords: Dredged material disposal Dredging Fluid mud SPM concentration Suspended sediments Monitoring The impact of continuous disposal of fine-grained sediments from maintenance dredging works on the suspended particulate matter concentration in a shallow nearshore turbidity maximum was investigated during dredging experiment (port of Zeebrugge, southern North Sea). Before, during and after the experiment monitoring of SPM concentration using OBS and ADV altimetry was carried out at a location 5 km west of the disposal site. A statistical analysis, based on the concept of populations and sub-sampling, was applied to evaluate the effect. The data revealed that the SPM concentration near the bed was on average more than two times higher during the dredging experiment. The disposed material was mainly transported in the benthic layer and resulted in a long-term increase of SPM concentration and formation of fluid mud layers. The study shows that SPM concentration can be used as an indicator of environmental changes if representative time series are available. Ó 2010 Elsevier Ltd. All rights reserved. 1. Introduction The Water Framework Directive (2000/60/EC) and recently adopted EU Marine Strategy Framework Directive (2008/56/EC) (see e.g. Borja, 2005; Devlin et al., 2007) identifies human induced changes in the concentration of suspended particulate matter (SPM) as one of the main pollutants. Disposal of fine-grained dredged material at sea has a varying impact on the marine environment (Nichols, 1988; Bray et al., 1996; Hill et al., 1999; O Connor, 1999; Smith and Rule, 2001; Lohrer and Wetz, 2003; Simonini et al., 2005; Lee et al., 2010) and constitutes an important problem in coastal zone management (OSPAR, 2008). Dredging activities can be classified as either maintenance or capital dredging. Maintenance dredging typically involves the periodic or continuous removal of sediments deposited in navigation channels and harbours as a result of natural processes. Capital dredging is associated with deepening or with construction activities and consists thus of civil engineering works limited in time. Very often, ports and navigation channels are situated in coastal or estuarine turbidity maximum areas and suffer from rapid sedimentation of fine-grained material (PIANC, 2008), necessitating frequent maintenance dredging and disposal operations. The effect of increased Corresponding author. Tel.: ; fax: address: m.fettweis@mumm.ac.be (M. Fettweis). turbidity due to disposal operations on the ecosystem are well documented in low turbidity (<10 mg l 1 ) waters (e.g. Orpin et al., 2004); but less obvious in coastal and estuarine areas where suspended particulate matter (SPM) concentration is high as well differences between minima and maxima. Dredging and disposal effects are site specific (Ware et al., 2010) and require the understanding of the site-specific dynamics in order to evaluate environmental impact of dredging and disposal works. In case of mainly non-cohesive material is the impact of disposal of dredged material at sea most significant at the seabed (Du Four and Van Lancker, 2008; Okada et al., 2009) and the impact on the environment may remain near-field and short-term (Fredette and French, 2004; Powilleit et al., 2006). When cohesive sediments are disposed then significant increases in turbidity may occur in the water column (Hossain et al., 2004; Van den Eynde, 2004; Wu et al., 2006) depending on the mode, timing, quantity, frequency of the disposal activity (Bolam et al., 2006). The SPM dynamics control processes such as sediment transport, deposition, resuspension, primary production and the functioning of benthic communities (McCandliss et al., 2002; Murray et al., 2002). It varies as a function of seasonal supply of finegrained sediments, the interaction between cohesive and noncohesive sediments, biological activity, remote or local availability of fine sediments, advective processes, erosion, deposition, storms and human activities (Velegrakis et al., 1997; Bass et al., 2002; X/$ - see front matter Ó 2010 Elsevier Ltd. All rights reserved. doi: /j.marpolbul

70 Author's personal copy M. Fettweis et al. / Marine Pollution Bulletin 62 (2011) Schoellhamer, 2002; Le Hir et al., 2007; Fettweis et al., 2010). Deepening of channels and construction of ports increases deposition of fine-grained sediments and has as consequence an increase of maintenance dredging and thus an increase of SPM concentration in and around the disposal site (Truitt, 1988; Collins, 1990; Wu et al., 2006). During slack water and after storm periods fluid mud layers may be formed by settling of suspended matter or fluidization of cohesive sediment beds (Maa and Mehta, 1987; van Kessel and Kranenburg, 1998; Li and Mehta, 2000). Massive sedimentation of fine-grained sediments in harbours and navigation channel is often related to the occurrence of fluid mud layers (Fettweis and Sas, 1999; Verlaan and Spanhoff, 2000; Winterwerp, 2005; PIANC, 2008; Van Maren et al., 2009; De Nijs et al., 2009). Fluid mud is a high concentration aqueous suspension of finegrained sediment with SPM concentrations of tens to hundreds of grams per litre and bulk densities of kg m 3 ; it consists of water, clay-sized particles and organic materials; and displays a variety of rheological behaviours ranging from elastic to pseudo-plastic (McAnally et al., 2007). The aim of this paper is to present and discuss the impact of continuous disposal of fine-grained sediments on the SPM concentration and on the fluid mud dynamics in a shallow nearshore turbidity maximum area during a 1 month dredging experiment. The experiment took place in the port of Zeebrugge (Belgian coastal area, southern North Sea) in the framework of studies conducted by the Flemish Ministry of Public Works and Mobility to develop more cost effective methods for dredging fluid mud. Monitoring of the effects on SPM concentration was required as the dredged matter was disposed at sea at a location closer to the shore and the port compared to the existing disposal sites. Previous studies have used numerical simulations to investigate the spatial distribution of material disposed of in the sea (e.g. Gallacher and Hogan, 1998; Bai et al., 2003; Van den Eynde, 2004), but even with recent progress in sediment transport modelling (e.g. Sanford, 2008) limitations related to accurately simulating the dynamics of fluid mud layers and the interaction between the bed and the water column remain. In situ monitoring provides a good opportunity for investigating the impact of fine-grained matter dispersal behaviour and its fate due to disposal operations. In situ measurements of SPM concentration before, during and after the dredging experiment have been carried out at about 5 km from the disposal site together with sediment density and bathymetrical surveys at the dredging location and the disposal site. As the heterogeneity and complexity of the SPM concentrations are high, due to their natural high variability, statistical methods have been used to characterize temporal SPM concentration variation in a way that it can be used as indicator for changes induced by human activities. 2. Study area The Belgian Dutch nearshore area (southern North Sea, Fig. 1a) is shallow (<10 m Mean Lower Low Water Springs (MLLWS)) and characterised by sediment composition varying from pure sand to pure mud (Verfaillie et al., 2006). SPM forms a turbidity maximum between Oostende and the mouth of the Westerschelde (Fig. 1a). Measurements indicate variations in SPM concentration in the nearshore area of mg l 1 ; reaching mg l 1 near the bed; lower values (<10 mg l 1 ) occur in the offshore (Fettweis et al., 2010). The most important sources of SPM are the French rivers discharging into the English Channel, coastal erosion of the Cretaceous cliffs at Cap Gris-Nez and Cap Blanc-Nez (France) and the erosion of nearshore Holocene mud deposits (Fettweis et al., 2007). Tides are semi-diurnal with a mean tidal range at Zeebrugge of 4.3 m at spring and 2.8 m at neap tide. The tidal current ellipses are elongated in the nearshore area and become gradually more semi-circular further offshore. The current velocities near Zeebrugge (nearshore) vary from 0.2 to 1.5 m s 1 during spring tide and 0.2 to 0.6 m s 1 during neap tide; more offshore they range between 0.2 and 0.6 m s 1 during spring tide and 0.1 and 0.3 m s 1 during neap tide. Flood currents are directed towards the Northeast and ebb currents towards the Southwest. Winds blow predominantly from the southwest and the highest waves occur during north-westerly winds. Significant wave heights in the nearshore area exceed 1.5 m during 10% of the time. The strong tidal currents and the low fresh water discharge of the Westerschelde estuary (yearly average is 100 m 3 s 1 with minima of 20 m 3 s 1 during summer and maxima of 600 m 3 s 1 during winter) result in a well-mixed water column with very limited salinity and temperature stratification. On average ton dry matter (tdm) is dredged annually in the port of Zeebrugge to maintain navigation depth; this represents about 60% of the total amount of maintenance dredging in the Belgian nearshore area (Lauwaert et al., 2009). The dredged matter consists of muddy sediments and is disposed on the disposal sites S1 (47%), Zeebrugge Oost (44%) and S2 (9%), see Fig 1b. The sedimentation rate in the outer port of Zeebrugge is on average about 1.7 tdm m 2 per year. In 2007 and 2008, respectively, and tdm of sediments were dredged in the Albert II dock (Fig. 1b). 3. Materials and methods 3.1. Dredging experiment Dredging with trailer hopper suction dredgers and open water disposal of the dredged material at designated locations, is inefficient for fluid mud and incur substantial costs (PIANC, 2008). An automatic method to intercept and pump away fluid mud using stationary pumping system was evaluated by Berlamont (1989) for mud from the port of Zeebrugge. A similar approach was adopted for the dredging experiment, except that a cutter suction dredger was used instead of stationary pumping systems. The experiment took place in the Albert II dock situated in the outer port of Zeebrugge between 5 May and 2 June 2009 (Fig. 1b). The dredger continuously dredged for periods of a few days up to a week at a fixed location and a fixed depth before being moved to another location. The dredged matter was pumped using floating pipelines over the harbour breakwater into the sea (see Fig. 1b). The pumping capacity was 3000 m 3 h 1, resulting thus using the average density of the pumped matter (including salt and sediment) of t m 3 in tdm of sediments that have been disposed during the duration of the experiment. As the density recordings of the dredge material were inaccurate, this should be seen as an estimate. The aim of the experiment was to investigate whether the thickness of the fluid mud layer with a density lower than 1200 kg m 3 could efficiently be reduced. This density is derived from ship manoeuvrability studies that aided in the redefinition of the level of dredging required (Delefortrie et al., 2005; PIANC, 2008) In situ monitoring The monitoring during the disposal experiment is divided in near and far field measurements. The near field measurements consisted of bathymetrical surveys in the dock and at the disposal site and weekly mud density surveys in the Albert II dock (Fig. 1b). Density profile measurements were carried out in situ using a gamma-ray densitometer that was pushed in the mud layer. Bathymetrical surveys were performed daily with 33/210 khz echo

71 Author's personal copy 260 M. Fettweis et al. / Marine Pollution Bulletin 62 (2011) a b Fig. 1. (Above) Map of the southern North Sea showing the yearly averaged surface SPM-concentration (mg l 1 ) in the southern North Sea, derived from the MODerate resolution Imaging Spectroradiometer (MODIS) images of (Nechad et al., 2010); coordinates are in latitude ( N) and longitude ( E). (Below) Detail of the Zeebrugge area showing the measurement station at Blankenberge (blue triangle), the wave measurement station at Bol van Heist (purple dot), the location of the disposal site during the field experiment (red dot), the MOW1 site (brown star), the Albert II dock and the esisting disposal sites (green circles or half-circles). The background consist of bathymetry and of the dredging and disposal intensity (scale is from 0 to >4.5 tdm m 2 ) for (For interpretation of the references to colour in this figure legend, the reader is referred to the web version of this article.) sound measurements along fixed transects and weekly with multibeam. The far field monitoring was carried out at a fixed location near Blankenberge (51.33 N 3.11 E) situated about 1 km offshore and 5 km west of the disposal site (Fig. 1b) using a tripod which was developed for collecting time-series (up to 50 days) of SPM concentration and current velocity. The water depth at the site is about 6 m MLLWS and the sea bed consists of fine sand (D50 = 150 lm) with ephemeral mud patches on top. The tripod was deployed for 240 days during six measuring periods before, during and after the experiment, see Table 1. Of the data (17%) have been collected during or shortly after the field experiment. A SonTek 5 MHz