Activiteitsrapport (1 januari juni 2011) BEHEERSEENHEID VAN HET MATHEMATISCH MODEL VAN DE NOORDZEE SUMO GROEP

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) Activiteitsrapport (1 januari juni 2011) Michael Fettweis, Peihung Chen 1, Frederic Francken, Dries Van den Eynde, Vera Van Lancker, Jason Yu 1 MOMO/5/MF/201107/NL/AR/3 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. Berekening van door stroming en golven veroorzaakte bodemschuifspanning via ADV metingen Theoretische benadering Methodologie Modellering van flocculatiedynamica tijdens stormen met behulp van een eenvoudig model Methodologie Meetlocatie en instrumentatie Hydrodynamisch model Flocculatiemodel Calibratie Evaluatie van het model Resultaten Bespreking van de resultaten Conclusies Referenties 25 Appendix 1: Baeye M, Fettweis M, Van Lancker V, Dupont Y Bottom mine burial in the coastal turbidity maximum area off the Belgian Coast. Int. Conference of the NATO Naval Mine Warfare Centre Of Excellence, June 21 23, Oostende. Appendix 2: Lee BJ, Fettweis M, Toorman EA, Wang J Multimodality of a particle size distribution of marine suspended sediments: Significance and application. VLIZ Young Scientists Day, 25 February 2011, Brugge. Appendix 3: Fettweis M, Baeye M, Lee BJ, Van den Eynde D, Francken F, Van Lancker V Hydro meteo influences on suspended particle size distribution. VLIZ Young Scientists Day, 25 February 2011, Brugge. Appendix 4: 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 Appendix 5: Matlab code voor de berekening van de bodemschuifspanning via hoogfrequente ADV metingen Appendix 6: Terreinproef optimalizatie stortbeleid 1 National Sun Yat Sen University, Department of Marine Environment and Engineering, Lien Hai Road 70, Kaohsiung, Taiwan 2

3 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 OSPAR 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 3

4 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 wor 4

5 den met MDK (G. Dumon), waar reeds heel wat ervaring hieromtrent aanwezig is. Na het 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 het huidige meetschema aan te passen en 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. 5

6 1.4. 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: Activiteits, Meet en Syntheserapporten Fettweis M, Chen P, Francken F, Van den Eynde D, Van Lancker V, Yu JCR MOMO activiteitsrapport 3 (1 januari juni 2011). BMM rapport MOMO/5/MF/ /NL/AR/3, 29pp + app Fettweis M, Baeye M, Lee BJ, Van den Eynde D, Francken F, Van Lancker V MOMO activiteitsrapport 2 (1 juli december 2010). BMM rapport MOMO/5/MF/ /NL/AR/2, 44pp + app Fettweis M, Nechad B, Van den Eynde D, Francken F, Van Lancker V MOMO activiteitsrapport 1 (1 januari juni 2010). BMM rapport MOMO/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 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, Baeye M, Van den Eynde D, Francken F, Van Lancker V MOMO activiteitsrapport 2 (1 juli december 2010). BMM rapport MOMO/5/MF/ /NL/AR/2, 44pp + app. Conferenties/Workshops: Baeye M, Fettweis M, Van Lancker V, Dupont Y Bottom mine burial in the coastal turbidity maximum area off the Belgian Coast. Int. Conference of the NATO Naval Mine Warfare Centre Of Excellence, June 21 23, Oostende. (appendix 1). Lee BJ, Fettweis M, Toorman EA, Wang J Multimodality of a particle size distribution of marine suspended sediments: Significance and application. VLIZ Young Scientists Day, 25 February 2011, Brugge. (appendix 2) Fettweis M, Baeye M, Lee BJ, Van den Eynde D, Francken F, Van Lancker V Hydrometeo influences on suspended particle size distribution. VLIZ Young Scientists Day, 25 February 2011, Brugge. (appendix 3) 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. 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. 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 on Ocean Dynamics, April. Baeye M, Fettweis M, Van Lancker V, Francken F Monitoring morphological changes using near bed ADV altimetry. Liège Colloquium on Ocean Dynamics, April. 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. Chen P, Yu J, Fettweis M, Van den Eynde D, Maggi F Flocculation in a nutrient rich 6

7 coastal area (southern North Sea): Measurements and modelling. Poster at AGU Ocean Science Meeting, February, Portland, USA. Publicaties (tijdschriften, boeken) Chen P, Fettweis M, Van den Eynde D, Yu JCR. Numerical simulation of flocculation behaviours in coastal seas. Geo Marine Letters (submitted Apr 2011) Fettweis M, Baeye M, Lee BJ, Chen P, Yu JCR. Hydro meteo influences and multi modal suspended particle size distributions. Geo Marine Letters (submitted Feb 2011) 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 (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, 61, 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 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. Berekening van door stroming en golven veroorzaakte bodemschuifspanning via ADV metingen Een belangrijke parameter bij het berekenen van slibtransport is de bodemschuifspanning. Wanneer de bodemschuifspanning de kritische schuifspanning voor erosie overschrijdt, kan resuspensie van het materiaal optreden. Deze kritische schuifspanning voor erosie hangt onder andere af van de verhouding van zand en slib in de bodem en van de consolidatie van deze bodemsedimenten. Aan de andere kant, niettegenstaande de opmerkingen van Winterwerp (2007) over het gelijktijdige optreden van erosie en depositie, kan algemeen worden gesteld (Krone 1962) wanneer de bodemschuifspanning onder een kritische schuifspanning voor afzetting gaat, afzetting van materiaal uit de waterkolom naar de bodem optreed. Helaas is de berekening van de bodemschuifspanning, zeker in aanwezigheid van stromingen en golven, niet eenvoudig. Verschillende modellen, variërend van vrij eenvoudige modellen tot zeer complexe modellen, worden gebruikt. Metingen van de bodemschuifspanning kunnen gebruikt worden om modellen te kalibreren en valideren en/of meetdata te interpreteren (Fettweis et al. 2010). Een directe meting van de bodemschuifspanning is echter niet mogelijk, maar deze kan wel worden afgeleid of worden berekend op basis van hoog frequente stroommetingen. De hoog frequente Acoustic Doppler Velocimeter (ADV) werd gebruikt om de 3D snelheid dicht tegen de bodem op te meten. Deze metingen kunnen worden gebruikt om de bodemschuifspanning te berekenen. Er bestaan verschillende modellen, maar hier wordt de voorkeur gegeven aan de methode van Sherwood et al. (2006), die gebaseerd is op de inertie dissipatiemethode en welke een correctiefactor bezit om rekening te houden met het effect van de golven op de bodemschuifspanning Theoretische benadering Hoogfrequente ADV metingen (25 Hz) stellen ons in staat een stroomsnelheid u in termen van een gemiddelde u en een fluctuerende deel u op te splitsen.in verschillende studies wordt de schuifspanning geschat met behulp van tweede moment (turbulentie) statistiek (Verney et al. 2007; Andersen et al ). De schatting is gebaseerd op de berekening van de turbulente kinetische energie (TKE), die kan worden verkregen via de variantie van de stroomsnelheidsfluctuaties: TKE = 12 ρ( u '² + v'² + w'²) (2.1) met ρ de dichtheid van het water, u en v de horizontale snelheid componenten en w de verticale snelheidscomponent. De TKE zelf is een maat voor de intensiteit van de turbulente beweging binnen een stromende vloeistof (Pope et al. 2006). De schuifspanning τ blijkt proportioneel te zijn met de TKE via de volgende relatie: τ = CTKE. (2.2) waar voor C=0.19 werd aangenomen, zoals voorgesteld door Stapleton & Huntley (1995) en Thompson et al. (2003). Deze lineaire relatie tussen stress en energie zal echter niet opgaan in aanwezigheid van golven (Voulgaris pers. comm.). De inertie dissipatie (of spectrale dissipatie) methode maakt gebruik van het spectrum van de snelheidscomponenten om de schuifspanning te berekenen. Wanneer golven aanwezig zijn, kan een correctie voor de advectie door golven worden toegepast (Trowbridge 8

9 & Elgar 2001; Sherwood et al ). Volgens de hypothese van Kolmogorov induceert turbulentie de vorming van wervels op verschillende lengteschalen. Het grootste deel van de kinetische energie van de turbulente beweging is opgenomen in grootschalige structuren, die door middel van een serie van watervallen van deze grootschalige structuren overgedragen worden op kleinschaligere structuren door traagheid van het medium. Dit proces gaat door, waarbij kleinere structuren worden gecreëerd die een hiërarchie van wervelingen produceren. Uiteindelijk worden structuren gecreëerd die zo klein zijn dat moleculaire diffusie belangrijk wordt en viskeuze dissipatie van energie uiteindelijk plaatsvindt. De schaal waarop dit gebeurt, is de Kolmogorov lengteschaal. Wanneer de omvang van de productie veel groter is dan de dissipatie lengteschaal, dan is er een inertie deelgebied waarin het driedimensionale spectrum van turbulente bewegingen E(k) wordt geschaald door de dissipatiesnelheid ε en afneemt met het driedimensionale golfnummer k via de karakteristieke 5/3 helling, volgens: ( ) E k a k = ε (2.3) waar α de driedimensionale Kolmogorov constante is (Sherwood et al. 2006). Vergelijking (3) vormt de basis voor de berekening van de dissipatiesnelheid met behulp van golfgetal spectra. Onderzoekers meten meestal snelheidsfluctuaties in de tijd op een vaste locatie en baseren zich op Taylor's "frozen turbulence" hypothese (Taylor, 1938). De "frozen turbulence" aanname is een geldige benadering voor unidirectionele stromingen als de tijdschaal voor rotatie van een turbulente wervel t t veel langer is dan de tijdschaal van drift t d. Oppervlaktegolven bemoeilijken de toepassing van de "frozen tur bulence" hypothese door de invoering van een oscillerende beweging met een tijdschaal tussen t t en t d. Trowbridge & Elgar (2001) hebben een model ontwikkeld voor snelheids pectra in het inertie deelgebied (bij frequenties aanzienlijk hoger dan de golffrequentie), gecombineerd met golven en stromingen, als een functie van de hoekfrequentie ω, gespecialiseerd voor unidirectionele golven met horizontale loops (d.w.z. in de tegen de bodem voorwaarden). Hun model, met een vergelijkbare relatie met de dissipatiesnelheid ε, voor de horizontale spectra E uu en E vv is: σ Euu ( ω) + Evv ( ω) = αε U ω I, θ +Ω 55 U (2.4) waar ω = 2πf de hoekfrequentie is, f de frequentie in Hz, U de gemiddelde huidige snelheid over een burstinterval veel langer dan de golfperiode, σ² de variantie van de golfgeïnduceerde horizontale snelheid, θ de hoek is tussen de gemiddelde stroomrichting en de unidirectionele golfoscillaties, I de correctie functie om de golven in rekening te brengen, wordt verder beschreven, en Ω een constant ruisniveau is. De empirische Kolmogorov constante α is vastgesteld op 1.5. Het verticale snelheidsspectrum E wordt op gelijkaarww dige manier geschreven: σ Eww ( ω ) = αε U ω I, θ 55 U (2.5) en de functie I als: 23 1 σ I =. 2π U 2 13 (2.6) U U x 2 cos( θ ) x+ exp x dx σ σ 2 met x een dummyvariabele voor de integratie. Merk op dat de spectra op een zodanige wijze gedefinieerd zijn, dat de integraal over alle ω gelijk is aan de variantie van de tijd 9

10 reeks. Aangezien het verticale snelheidspectrum in de praktijk geen constant ruisniveau bevat, wordt het verticale snelheidspectrum gebruikt voor het schatten van het energie dissipatiesnelheid. Wanneer het dissipatiesnelheid wordt berekend, kan de volgende relatie tussen de dissipatiesnelheid en de schuifsnelheid u* worden gebruikt: 3 u = εκ z (2.7) met κ de Von Karman constante, die gelijk is aan 0.4, en met z de hoogte boven de bodem. De bodemschuifspanning kan dan uiteindelijk worden berekend uit de schuifsnelheid, met behulp van de gekende relatie: 2 τ = u (2.8) ρ De laatste twee vergelijkingen kunnen worden gecombineerd tot: τ = ρ[ εκz] 23 (2.9) 2.2. Methodologie De praktische uitvoering en de berekening van de bodemschuifspanning wordt in verschillende stappen gepresenteerd. Als eerste stap worden de gegevens van de Sontek ADV Ocean gescreend met behulp van het ViewHydra Pro software pakket. De effectieve dataserie, gedefinieerd als de periode waarin de tripode met de ADV succesvol verankerd is op de bodem totdat deze weer wordt opgetild, wordt uit de volledige dataset gelift en geëxporteerd als MATLAB gegevens. Merk op dat de gegevens in bursts zijn gemeten, dat wil zeggen, de gegevens zijn niet continu geregistreerd aan de frequentie van 25 Hz, maar eerder op vaste tijdstippen, waarbij de stroomsnelheid gedurende een beperkte periode geregistreerd wordt. Een typische meetcampagne bestaat uit het meten van bursts van 16 seconden dat wil zeggen, bij een frequentie van 25 Hz, 400 metingen elke 10 minuten. Elke burst wordt vervolgens afzonderlijk behandeld in MATLAB, om de bodemstress op dat moment te berekenen. Het bleek dat bij het starten van de burst het enige kan tijd kan duren vooraleer het kompas correct werkte. Als gevolg hiervan bevatten een aantal datasets bursts waarbij de eerste data verkeerd geïnterpreteerde richtingen van de u en v stroomcomponenten vertoonden. In dit geval werden deze data uit de burst geknipt. Natuurlijk is het niet mogelijk om elke burst individueel te controleren, dus werd de mogelijkheid in het ontwikkelde programma ingevoerd om aan de data analyser het aantal data, dat in het begin van de burst moeten worden afgeknipt te definiëren. De volgende stap is het controleren van de waarde van de correlatie coëfficiënt. De precieze definitie van deze parameter is niet duidelijk uit de documentatie van de fabrikant, maar er wordt gemeld dat het een maat is voor de nauwkeurigheid van de data (Sontek 2001). Hoewel de fabrikant vermeldt dat een minimum van 70% nodig is voor valide metingen, gebruikten we een minimum van 80%. De verloren data, waar de correlatie coëfficiënt minder is dan 80%, werden vervangen door geïnterpoleerde waarden. In figuur 2.1 is een voorbeeld gegeven van een burst van 16 seconden, de bijbehorende correlatie coëfficiënt en het gefilterde en geïnterpoleerde resultaat. Zoals hierboven werd besproken, werden spectrale schattingen van de turbulente energie berekend in het inertie deelgebied voor de w component van de snelheid. De spectrale dichtheid of vermogensdichtheid werd berekend en genormaliseerd, zodat de integraal over het spectrum gelijk was aan de variantie van w. 10

11 Current speed [cm s -1 ] Correlation Coefficient [%] Current speed [cm s -1 ] sample # in burst Figuur 2.1: Burst van 400 data aan 25Hz (top), de bijbehorende correlatie coëfficiënt met de 80% drempelwaarde, weergegeven met een stippellijn (midden) en de gefilterde en geinterpoleerde burst als resultaat (onder). De spectrale dichtheid werd berekend met behulp van een Fast Fourier Transform met een Hanning venster op de w data in de burst in MATLAB. Een venster is een wiskundige functie die gelijk is aan nul aan de buitenkant van een gekozen interval. De Fouriertransformatie van eindige gegevens produceert spectrale lekken wat een effect is van de transformatie waarbij het erop lijkt dat een deel van de energie van het oorspronkelijke signaal gelekt is naar andere frequenties. Deze lekkage manifesteert zich door een reeks van zijlobben. Een Hann of Hanning venster is een klokvormige functie die de spectrale lekkage vermindert en zich focust op het oorspronkelijke signaal. De spectrale dichtheid voor w voor de burst van figuur 2.1 wordt getoond in figuur 2.2. Zoals hierboven is aangegeven, is dit vermogensspectrum vervolgens genormaliseerd met de variantie van w. Daar het Trowbridge & Elgar (2001) model aangeeft dat de dissipatie zich verhoudt als: 5/3 ω ww ω π ( ) 5/3 E ( ) = 2 f E ( f) 2π (2.1) ww wordt het spectrum omgevormd met deze factor, met als doel een vlak spectrum in het inertie deelgebied te verkrijgen, zoals weergegeven in figuur 3.3. Vergelijking (2.5) wordt dan omgevormd tot: α U I 55 ε = 53 Eww ( ω) ω 3/2 (2.11) met <funct> de gemiddelde waarde over de functie funct over het inertie deelgebied. In de huidige toepassing is het gemiddelde van de functie berekend over het 1 tot 2,5 Hz in 11

12 terval. Merk op dat voor de berekening van de energie dissipatiesnelheid ε, de integraal I, die de invloed van de golven in rekening brengt, eerst moet worden berekend. Ten slotte wordt met behulp van formule (3.10) de bodemschuifspanning τ berekend. Als diepte z wordt de hoogte boven de bodem, waar de ADV metingen worden geregistreerd, gebruikt, dat wil zeggen, op 18 cm boven de bodem, zie figuur E ww (f) (m 3 /s 2 ) f (Hz) Figuur 2.2: Autospectrale densiteit van w (2πf) 5/3 E ww (f)/2π (m 2 /s 2 Hz 4/3 ) f (Hz) Figuur 2.3: Getransformeerd spectrum van w. 12

13 30 τ (Pa) τ TKE 0 21/06 26/06 01/07 06/07 11/07 16/07 30 τ (Pa) τ w 0 21/06 26/06 01/07 06/07 11/07 16/07 20 τ w (cor) τ (Pa) /06 26/06 01/07 06/07 11/07 16/07 Day Figuur 2.4: Bodemschuifspanning berekend met de TKE methode (top), de inertie dissipatie methode (midden) en de inertie dissipatie methode met toepassing van de correctie voor advectie door golven, met behulp van het Trowbridge and Elgar model. Voorbeeld van een meetreeks van juni juli 2009 op de Gootebank. 13

14 3. Modellering van flocculatiedynamica tijdens stormen met behulp van een eenvoudig model De flocculatiedynamica van gesuspendeerd particulair materiaal (SPM) heeft een significante impact op het sedimenttransport en bepaald zo ook de aanslibbing van havens en vaargeulen en de verspreiding van polluenten (Dyer 1989; Mehta 1989; McAnally & Mehta 2001). SPM bestaat uit fijnkorrelig materiaal (klei en silt), meer bepaald deeltjes van minerale (klei, kwarts, carbonaten) en organische oorsprong en water (Eisma 1986; Berlamont et al. 1993). Het cohesieve karakter van SPM wordt veroorzaakt door de elektrochemische en/of biologische interactie van kleimineralen en organisch materiaal (Kranenburg 1994; Dyer & Manning 1999; Son & Hsu 2009). Flocculatie is een complex dynamisch mechanisme met interacties tussen fysico chemische en biologische processen, dat gecontroleerd wordt door de interactie van verschillende omgevingsfactoren (Manning et al. 2006), zoals hydrodynamica, fysische eigenschappen van het water en de concentratie en samenstelling van het SPM (Dyer & Manning 1999; Geyer et al. 2004; Son & Hsu 2008). Flocculatie beschrijft de vlokvorming als ook het uiteenbreken van vlokken en wordt voornamelijk gecontroleerd in kustzones en estuaria door de turbulentie en de concentratie aan organische substanties (McCave 1984b; van Leussen 1994; Winterwerp 1998; Manning et al. 2006). De aanwezigheid van organisch materiaal verhoogt de kans dat partikels na collisie samenblijven (Hill & Nowell 1995). Eisma (1986) heeft de partikelbindingen opgedeeld in primaire en secundaire bindingen, waarbij microvlokken vooral uit primaire bindingen bestaan en macrovlokken uit primaire en secundaire. De bouwstenen van vlokken hebben een grootte van enkele µm tot ±20 µm, microvlokken kunnen tot enkele tientallen µm groot worden en macrovlokken tot enkele honderden µm of meer (van Leussen 1994). Microvlokken zijn compacte aggregaten van primaire deeltjes en organisch materiaal, die aan een zekere schuifspanning kunnen weerstaan (Dyer & Manning 1999; Verney et al. 2009). Tijdens kentering kunnen microvlokken aggregeren tot fragielere en grotere macrovlokken (Manning et al. 2006). Vroegere studies over flocculatie waren voornamelijk op de fysische processen gericht, zijnde Browniaanse beweging, differentiële bezinking en turbulentie (Dyer 1989; Lick et al. 1993; Winterwerp 1998; Manning 1999), waarbij de invloed van de eerste twee processen als verwaarloosbaar geacht wordt (McCave 1984a; Hunt 1992; Stolzenbach & Elimelich 1994; Van Leussen 1994). Het door Smoluchowski (1917) voorgestelde concept van partikelgrootteverandering tijdens flocculatie heeft de ontwikkeling van flocculatiemodellen nadrukkelijk beïnvloed. Flocculatiemodellen kunnen in vier groepen worden opgedeeld. (1) Modellen gebaseerd op partikelgrootteklassen (Size class based of SCB model) veronderstellen dat de vlokgrootteverdeling tijden flocculatie samengesteld kan worden uit N discrete partiklegrootteklassen (Krishnappan 1991; McAnally & Mehta 2001, 2002; Maggi et al. 2007; Xu et al. 2008; Lee et al. 2010; Verney et al. 2010). Verney et al. (2010) hebben zeven klassen gebruikt gaande van 50 μm tot 650 μm, terwijl Lee et al. (2010) een bimodale indeling gebruikten om microvlokken en macrovlokken te beschrijven. Niettegenstaande een SCB model een optimalere methode is, zijn er beperkingen, in het bijzonder het aantal klassen bepaalt de nauwkeurigheid en ook de rekentijd. (2) Een model gebaseerd op verdelingen (distribution based of DB model) werd ontwikkeld door Maerz & Wirtz (2009) waarbij gebruik gemaakt werd van Wirtz & Eck 14

15 hardt s (1996) benadering. Omdat dit model enkel een constante verdeling gebruikt, kan het DB model nog niet worden toegepast worden op multimodale populaties. (3) Modellen met een in de tijd variabele karakteristieke diameter werden voorgesteld door Winterwerp (1998; 2002), Winterwerp et al. (2006), Son & Hsu (2008; 2009) en Maggi (2009). Deze modellen kunnen enkel toegepast worden op unimodale verdelingen en kunnen dus geen multimodaal gedrag van een vlokpopulatie beschrijven. In het model van Maggi (2009) worden de effecten van organisch materiaal op de flocculatie in rekening gebracht. (4) Empirische vergelijkingen afhankelijk van de SPM concentratie worden veelvuldig gebruikt (v.b. van Leussen 1994), maar deze kunnen flocculatie niet goed omschrijven omdat ze niet de fysische processen beschrijven. In dit hoofdstuk willen we de resultaten laten zien van een modelsimulatie voor de Belgische kustzone, een gebied met hoog gehalte aan nutriënten en organisch materiaal en een significante golfwerking. Hiervoor werd gebruik gemaakt van Maggi s flocculatiemodel (2009). Maggi (2009) heeft het model gecalibreerd met in situ meetdata afkomstig van de Belgische kustzone tijdens rustige weersomstandigheden. In dit hoofdstuk willen we het model evalueren voor verschillende weersomstandigheden (stormen, golven). Om deze evaluatie uit te voeren, werd het model uitgebreid met een module om de gecombineerde actie van golven en getij in rekening te brengen. Het model werd gecalibreerd en gevalideerd met in situ data (SPM concentratie, partikelgrootte, POC concentratie) en modelresultaten (turbulentie van het MU_BCZ model) Methodologie Meetlocatie en instrumentatie De meetdata zijn afkomstig van de tripodemetingen te Blankenberge uit de periode januari tot april 2008, zie tabel 3.1. Verder werden 13 uursmetingen gebruikt te MOW1. De gemeten POC en SPM concentraties werden als proxy gebruikt voor de fractie van organisch materiaal in het SPM. De partikelgrotte werd gemeten met een LISST 100C. 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. 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 112 dagen met LISST data verzameld tijdens de 3 verankeringen die hier worden gebruikt (tabel 3.1). Tabel 3.1: 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) 28/01/ :38 24/02/ : (2.82) 06/03/ :09 08/04/ : (3.03) 15/04/ :58 05/06/ : (1.69) Hydrodynamisch model De stromingen, waterstand en turbulente kinetische enrgie werden gemodellerd met het 3D MU BCZF model gebaseerd op het COHERENS model (Luyten et al. 1999). Het model 15

16 B omvat het gebied tussen 51 N en N in latitude en tussen 2.08 E en 4.2 E in longitude. De horizontale resolutie bedraagt 0.24 (longitude) en 0.14 (latitude). Het model is genest in een serie van andere modellen die telkens randvoorwaarde genereren voor het kleinere model. Het grootste model is het 2D MU CSM mode, dat het Noordwest Europese Continentale Plat omvat en de randvoorwaarden voor het 3D Noordzeemodel (MU NOS) berekent. Dit MU NOS model genereert op zijn beurt de randvoorwaarden voor het MU BCS model (resolutie is 3 keer groffer dan BCZF) en dit dan voor het MU BCZF. Het MU CSM model is een tweedimensionaal model en wordt langs de randen aangedreven door vier semi diurnale en vier diurnale harmonische constituenten (Q1, O1, P1, K1, N2, M2, S2, K2). Atmosferische gegevens (windvectors op 10 m boven het oppervlak en atmosferische druk) werden verkregen van het UK Meteorological Office. Deze data zijn beschikbaar in een tijdsinterval van 6 u en met een geografische resolutie van 1.25 in latitude en longitude. Pison en Ozer (2003) hebben een validatie van het model uitgevoerd met behulp van ADCP metingen. De bodemschuifspanning tengevolge van stromingen werd berekend uit de gesimuleerde stroomsnelheid in de onderste laag van het model en door gebruik te maken van een bodemruwheid van 0.84 cm. De bodemschuifspanning tengevolge van het gecombineerde optreden van stroming en golven werd berekend in het model met de formule van Bijker uit 1966 (Koutitas 1988). De golfdata zijn afkomstig van een golfboei (Meetdienst Vlaamse Banken) Flocculatiemodel SPM bestaat uit organische en anorganische deeltjes van verschillende grootte en met verschillende fysico chemische eigenschappen. Om deze interacties bij flocculatie te beschrijven stelde Maggi (2009) een biologisch flocculatiemodel voor, dat een dubbel concept van het suspensiemateriaal omvat: minerale fractie en biomassa fractie. Deze stellen de respectievlijke impact van anorganische en organische deeltjes voor tijdens flocculatie. De organische bestanddelen omvatten ook microörganismen, extracellulaire polymerische substantives (EPS), transparante extracellulaire partikels (TEP), organische afvalstoffen en uitwerpselen. Het volume aan vaste bestanddelen in een vlok (V) wordt geschreven als de som van het volume aan minerale (V m ) en organische bestanddelen (V b ). Verandering van het vlokvolume V(t) is het gevolg van veranderingen in volume aan minerale en organische bestanddelen en kan geschreven worden als dv/dt= dv M /dt+ dv B /dt. De processen omschreven met dvm/dt en dv B /dt omvatten aggregatie alsook uiteenbreken van de vlokken. Het vlokvolume zal toenemen bij aggregatie van minerale en organische deeltjes en afnemen tijden het uiteenvallen van vlokken. Tegelijkertijd beïnvloed de groei en sterfte van microorganismen het vlokvolume. Dit proces is opgenomen in het model in dv B /dt. nf 3 / 2 dv = D ( ) ( ) ( ) M f kacm G kb 1 ξ G 2 1 ξ d D nf 3 nf 4 nf 3 f (3.1) dt D p D D f D p dv dt B nf 1 3 / 2 D f kacbg kb ξ G 2 V D + V B ξ d f η B 1 (3.2) nf 3 nf 4 nf 3 D p D ( D D ) K f p = met D f de mediane vlokgrootte, D p de grootte van de primaire partikels, nf de fractale dimensie. c M =(1 Ω)c is de concentratie van de gesuspendeerde minerale fractie met Ω de organische fractie, G is de turbulente schuifspanning, η de specifieke groeisnelheid, K is de biomassacapaciteit van de vlok. Vergelijking 3.1 komt overeen met het flocculatiemodel van Winterwerp (1998). De termen (1 Ω) en (1 ζ) werden toegevoegd om rekening te kunnen houden met de aggregatie van de minerale fractie van het SPM en het verlies aan 16

17 minerale fractie tijdens het uiteenvallen van de vlok. De laatste term in vergelijking 3.2 beschrijft de verandering van de biomassa tengevolge van de groei en het afsterven van cellen. De parameters k a en k b beschrijven aggregatie en het uiteenbreken van de vlokken, ze kunnen als volgt worden weergegeven: k k ' 1 a = ( + ζ ) 3 p 1 ka (3.3) nf D nf ρ 0.5 μ ζ (3.4) nf Fy ' 1 b = ( 1+ ) kb 3 nf D p ' k a ' k b met en niet dimensionale calibratieparameters, μ de dynamische viscositeit van het water, Fy de vloksterkte en ρ = ζ ρ B + (1 + ζ) ρ M de gemiddelde densiteit van de vaste bestanddelen in een vlok (densiteit van de organische: ρ B, en minerale: ρ M bestanddelen). De door golven veroorzaakte turbulentie wordt in rekening gebracht. Wright et al. (2001) schrijven dat het sedimenttransport in een randzee met helling θ samengesteld kan worden uit getij, golf en gravitaire stromingen, waarbij de gravitaire stromingen verwaarloosd kunne worden op het BCP: U = U + U + U (3.5) 2 t 2 w 2 g Winterwerp (1998) heeft aangehaald dat de Kolmogorov turbulentie schaal gecorreleerd is met stroomsnelheid. Indien de stroomsnelheid (U), berekend met het hydrodynamisch model en de Kolmogorov schaal (λ) in verband worden gezet, dan kan men zien dat stroomsnelheid afneemt met toenemende λ en omgekeerd, zie figuur 3.1. Figuur 3.1: Het verband tussen stroomsnelheid (model) en Kolmogorov turbulentieschaal Calibratie POC concentratie werd gebruikt als proxy voor organisch materiaal. De data werden verzameld tijdens 13 uursmetingen. Het relatieve gehalte aan POC (gedefinieerd als POC concentratie gedeeld door SPM concentratie) daalt exponentieel met toenemende SPM concentratie (figuur 3.2). Dit duidt aan dat in gebieden met een maximum aan turbiditeit relatief minder POC beschikbaar is dan in minder turbiede gebieden. Fettweis et al. (2006) verklaarden de aanwezigheid van grotere vlokken in de offshore gebieden in vergelijking met deze uit het turbiditeitsmaximum door het hogere relatieve POC gehaltes offshore. De organische fractie Ω kan geschreven worden zoals vermeld in figuur

18 10 8 Ω (POC/SPM, %)=8.512*SPM POC/SPM (%) SPM (mg/l) Figuur 3.2: De verhouding tussen SPM concentratie en het relatieve gehalte aan organisch materiaal, data afkomstig van 13 uursmetingen. Omdat flocculatie ook afhankelijk is van de samenstelling van het suspensiemateriaal is de calibratie afhankelijk van de locatie. In deze studie hebben we een sensitiviteitsanalyse uitgevoerd op 5 parameter (k a, k b, k m, η max, β). Maggi (2009) heeft de resultaten hiervan voorgesteld voor MOW1. We hebben deze parameterwaarden toegepast voor de standaardwaarde (p). De sensitiviteit werd nagegaan door 20% van de standaardwaarde als afwijking (α=0.2p) en de testdoelstelling als drie keer deze afwijking (p±3α) te definiëren. De sensitiviteitsanalyse steunt op de root mean square (RMSE), waarbij data van 13 uursmetingen werden gebruikt, zie tabel 3.2. De sensitiviteitsanalyse omvat twee stappen. In een eerste stap werd de beste waarde voor elke individuele parameter bepaald. Hierbij werd enkel een parameter tegelijkertijd onderzocht binnenin de gedefinieerde testafwijking. De waarde die de kleinste RMSE opleverde werd als beste schatting beschouwd. De resultaten toonden dat de hoogste sensitiviteit verbonden was aan k a_fit gevolgd door k b_fit, β _fit, η max_fit en k m_fit. Bij de tweede stap werd de geoptimaliseerde parametergroep vastgelegd. De resultaten toonden aan dat aggregatie parameter (k a ) de meest gevoelige is en dus de grootste impact heeft op de resultaten; de RMSE kon gereduceerd worden van μm (k a_fit =1.189) tot μm (k a_fit =0.068). Tabel 3.2: Parameter gebruikt in de sensitiviteitsanalyse. Parameter Eenheid standaard (p) 20% van p (α) min (p 3α) max (p+3α) Optimaal k a ( ) k b ( ) η max (s 1 ) K m (m) β ( ) Evaluatie van het model De modelresultaten werden geëvalueerd met behulp van verschillende analytische methodes. De RMSE werd hierbij als standaard evaluatiemiddel gebruikt. Verder werd beroep gedaan op de model Bias, kostfunctie (CF), correlatiecoëfficient (R), modelefficientie (ME) en scheefheid (Skew), zie Allen et al. (2007). Het perfomantieniveau van elk van deze evaluatieindices is samengevat in tabel

19 Tabel 3.3: Perfomantieniveau van de evaluaties. Evaluator Bias Kostfunctie (CF) Correlatie (R) Modelefficientie (ME) Scheefheid (skew) Perfomantie <10: zeer goed, 10 20: goed, 20 40: redelijk, <40: zwak <1: zeer goed, 1 2: goed, 2 5 :redelijk, >3: zwak 0: geen verband, 1: perfecte correlatie >0.65: zeer goed, : goed, : redelijk, <0.2: zwak >2 skew_stand: subsatntieel, >0.15: significant De Root Mean Square Error (RMSE) wordt als volgt gedefinieerd, met O de meetdata, M de modeldata en N het aantal data: RMSE = N n= 1 ( O M ) n N n 2 De Bias meet hoeveel het model de meetdata systematisch over of onderschat. N ( O M ) n (3.6) n= 1 Bias = 100 (3.7) N O n= 1 n n De kostfunctie (CF) geeft een niet dimensionale waarde van de goodness of fit tussen twee datasets, σ o is de standaarddeviatie van de in situ data. 1 CF = N O n M n σ o De correlatiecoëfficiënt (R) geeft de kleinste kwadraten benadering weer tussen de model en de in situ data. Het kwadraat ervan geeft het percentage van de variabiliteit weer in de in situ data dat door het model kan worden weergegeven. R = N n= 1 N n= 1 ( O O)( M M ) N 2 ( O O) ( M M ) n n n= 1 n n 2 (3.8) (3.9) De modelefficiëntie (ME) is een maat van de verhouding van de modelfout ten opzichte van de variabiliteit van de meetdata. ME N n= 1 = N ( O M ) ( On O) n= 1 n n (3.10) De scheefheid (skew) van een foutenverdeling geeft de scheefheid van een verdeling rond het gemiddelde weer. N N ( O ) ( ) ( )( ) n M n On M n Skew = (3.11) N 1 N 2 n= 1 σ o De standaardfout op scheefheid is: Skew tan dard / ( 6 N ) 0. 5 s = (3.12) 19

20 3.2. Resultaten Het flocculatiemodel met golfimpact werd gevalideerd met in situ data verzameld te Blankenbergen, zie tabel 3.4 en figuren De tijdevoluties van de mediane partikelgrootte (D50) geeft aan dat de orbitale golfsnelheid (uiteraard) verwaarloosbaar is bij lage golven en dat dan de D50 varieert in functie van vooral eb/vloed. De modelresultaten geven deze trend goed weer. De mediane partikelgrootte tijdens stormperiodes en dit zowel in modelresultaten als in de meetdata, is duidelijk beïnvloed door de orbitale golfsnelheid. Het verschil tussen in situ data en modelresultaten vermindert bij het in rekening brengen van de combineerde invloed van getij en golven (orbitale golfsnelheid), zoals is weergegeven in figuren De Kolmogorov microschaal is significant kleiner is in het geval stroom golf interacties worden berekend. De modelresultaten tonen aan dat de vergelijking van Wright et al. (2001) gebruikt kan worden om de golfimpact te berekenen in een flocculatiemodel. Tabel 3.4: Verschillende scenario s (case) in de meetreeksen. Case datum (2008) 1 28/01 07/02 1 s 01/02 02/02 storm 1 c 03/02 07/02 kalm weer 2 10/03 29/03 2 s1 10/03 13/03 storm 2 s2 16/03 28/03 storm 3 20/04 29/04 kalm weer D50 (um) Error (um) Velocity (cm/s) Kolmogrov S-C (um) Elevation (m) case 1: 28-Jan ~ 07-Feb (Blankenberge) insitu current current-w ave current current current-wave Jan 29-Jan 31-Jan 01-Feb 02-Feb 04-Feb 05-Feb 07-Feb wave Figuur 3.3: Modelresultaten case 1 (28/01 07/02); van boven naar onder: mediane vlokgrootte, foutop D50 (meetdata modelresultaten), snelheid, Kolmogorov microschaal en waterstand. 20

21 D50 (um) Error (um) Velocity (cm/s) Kolmogrov S-C (um) Elevation (m) D50 (um) Error (um) Velocity (cm/s) Kolmogrov S-C (um) Elevation (m) case 2: 10-Mar ~ 29-Mar (Blankenberge) current current wave insitu current current-w ave current-wave Mar 12-Mar 15-Mar 18-Mar 20-Mar 23-Mar 26-Mar 29-Mar Figuur 3.4: Modelresultaten case 2 (10/03 29/03); van boven naar onder: mediane vlokgrootte, foutop D50 (meetdata modelresultaten), snelheid, Kolmogorov microschaal en waterstand. current case 3: 20-Apr ~ 29-Apr (Blankenberge) current-w ave insitu current current-wave current Apr 21-Apr 22-Apr 23-Apr 25-Apr 26-Apr 27-Apr 29-Apr Figuur 3.5: Modelresultaten case 3 (20/04 29/04); van boven naar onder: mediane vlokgrootte, foutop D50 (meetdata modelresultaten), snelheid, Kolmogorov microschaal en waterstand. wave 21

22 current current & wave (a) (d) current current & wave RMSE (um) Bias (%) Cost Function Good 1 Very good case 1 case 1 case 1 case 1-s case 1-c case 2 case 2-s1 case 2-s2 case 3 case 1-s case 1-c case 2 case 2-s1 case 2-s2 case 3 case 1-s case 1-c case 2 case 2-s1 case 2-s2 case 3 (b) (c) Good Very good Excellent Excellent Very good Good Poor Skewness R 2 Model Efficiency (f) (e) case1 case 1 case 1-s case 1-c case 2 case 2-s1 case 2-s2 case 3 case1 case1-s case1-c case1-s case1-c case2 case2-s1 case2 case2-s1 case2-s2 case3 case2-s2 case3 Figuur 3.6: Modelperfomantie voor de volledige dataset met (wit) en zonder golfwerking (zwart) voor de in tabel 3.4 aangeduide cases. (a) RMSE, (b) model bias, (c) kostfunctie, (d) Kwadraat van de correlatiecoëfficiënt, (e) model efficientie, (f)scheefheid (skewness). Excellent Very good Good Poor No Skill De invloed van golven op de flocculatie werd onderzocht voor periodes waarbij de significante golfhoogte groter was dan 1.5 m, zie tabel 3.4. De modelperfomanties werden bepaald met de in gedefinieerde criteria. De RMSE vertegenwoordigd de gemiddelde fout tussen de in situ data en de modelresultaten (zie figuur 3.6a). In simulaties voor case 1 en case 2 konden de modelresultaten verbeterd worden door het opnemen van golfimpact in de berekening. Bij case 3 werd er nauwelijks enig verschil opgemerkt, wat niet verwonderlijk is gezien de geringe golfhoogtes in april. De RMSE veranderde enkel weinig tijdens de kalme periodes (case 1 c en case 3) terwijl er een significante vermindering in RMSE optrad tijdens stormperiodes. Zo verminderde RMSE in case 1 s van 20 μm naar 8 μm en deze in case 2 s2 van 43 μm naar 34 μm. De bias duidt aan indien het model systematisch de meetwaarden onder of overschat. Uit de resultaten blijkt dat het verschil tussen in situ data en modelresultaten kleiner wordt door golven in rekening te brengen (figuur 3.6b). De modelperfomantie verbeterde in elk van de cases. Niettemin in case 1 s (Bias=9.79) en case 2 s1 (Bias=20) het perfomantieniveau systematisch onderschat werd, werden zij als goed tot zeer goed geklas 22