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

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 2011 ‐30 juni 2011)  Michael Fettweis, Peihung Chen1, Frederic Francken, Dries Van den Eynde, Vera Van Lancker, Jason Yu1 

MOMO/5/MF/201107/NL/AR/3 

 

BMM 100 Gulledelle B–1200 Brussel België

 

Inhoudstafel 1. 1.1. 1.2. 1.3. 1.4.

Inleiding  Voorwerp van deze opdracht  Algemene Doelstellingen  Taken (januari 2010 ‐ december 2011)  Publicaties (januari 2010 – december 2011) 

2.

Berekening  van  door  stroming  bodemschuifspanning via ADV metingen  Theoretische benadering  Methodologie 

2.1. 2.2. 3.

3 3 3 4 6 en 

golven 

veroorzaakte  8 8 10

3.1. 3.1.1. 3.1.2. 3.1.3. 3.1.4. 3.1.5. 3.2. 3.3. 3.4.

Modellering  van  flocculatiedynamica  tijdens  stormen  met  behulp  van  een eenvoudig model  14 Methodologie  15 Meetlocatie en instrumentatie  15 Hydrodynamisch model  15 Flocculatiemodel  16 Calibratie  17 Evaluatie van het model  18 Resultaten  20 Bespreking van de resultaten  23 Conclusies  24

4.

Referenties 

25

    Appendix 1: Baeye M, Fettweis M, Van Lancker V, Dupont Y. 2011. 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. 2011. Multimodality of a particle si‐ ze  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.  2011. Hydro‐meteo influences on suspended particle size distribution. VLIZ Young Sci‐ entists’ Day, 25 February 2011, Brugge.  Appendix 4: Baeye M, Fettweis M, Voulgaris G, Van Lancker V. 2011. Sediment Mobility in  response to Tidal and Wind‐driven Flows along the Belgian inner shelf, southern North  Sea. Ocean Dynamics. doi:10.1007/s10236‐010‐0370‐7  Appendix  5:  Matlab  code  voor  de  berekening  van  de  bodemschuifspanning  via  hoogfre‐ quente ADV metingen  Appendix 6: Terreinproef optimalizatie stortbeleid    1   National  Sun  Yat‐Sen  University,  Department  of  Marine  Environment  and  Engineering,  Lien‐Hai Road 70, 80424 Kaohsiung, Taiwan  

2

 

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 stor‐ toperatie) 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 metin‐ gen. De combinatie van monitoring en modellering zal gegevens kunnen aanleveren over  de  transportprocessen  van  deze  fijne  fractie  en  is  daarom  fundamenteel  bij  het  beant‐ woorden 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 eco‐ systeem 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 (2002‐2004, 2004‐2006,  2006‐2008,  2008‐2009)  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 mate‐ rialen. Voor een uitgebreide beschrijving wordt verwezen naar de halfjaarlijkse rapporten. 

1.2. 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  sedi‐ mentatie te verminderen op de baggerplaatsen en anderzijds efficiënter te storten. Hier‐ voor  is  een  grondige  kennis  van  de  omgevingsfactoren  (Hydro‐meteorologische  en  sedi‐ mentologische condities, morfologie en geometrie van de vaargeulen en havens) essenti‐ eel, zie Pianc rapport (2008).   Aanslibbing  in  havens  en  vaargeulen  wordt  beïnvloed  door  de  gemiddelde  condities  (getijamplitude, SPM concentratie, sedimentoorsprong, saliniteit) als ook extreme gebeur‐ tenissen (vb storm). De efficiëntie van een stortplaats wordt bepaald door fysische (sedi‐ menttransport i.f.v. getij, doodtij‐springtij, wind, golven), economische en ecologische as‐ pecten. 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

  bestaan die onder alle omstandigheden efficiënt is. Efficiënt storten zal kunnen betekenen  dat in functie van de voorspelde fysische (wind, stroming, golven, sedimenttransport, re‐ circulatie), 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  bagger‐ specie, ecologie, economie, bathymetrie van de baggerplaatsen  • operationele voorspelling van de recirculatie van het gestorte materiaal door de ope‐ rationele  data  uit  hydrodynamische  en  sedimenttransportmodellen,  real  time  meet‐ stations, satellietbeelden, bathymetrie van de baggerplaatsen te integreren zodat een  efficiënte stortlocatie kan bepaald worden.  

1.3. 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 eindge‐ bruikers 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 me‐ tingen  zullen  tijdsreeksen  en  verticale  profielen  worden  verzameld  van  de  stroming,  de  concentratie  aan  en  de  korrelgrootteverdeling  van  het  suspensiemateriaal,  de  tempera‐ tuur en de saliniteit. De optische metingen (transmissometer, Optical Backscatter Sensor)  zullen  gecalibreerd  worden  met  de  opgemeten  hoeveelheid  materie  in  suspensie  (gravi‐ metrische  bepalingen  na  filtratie)  om  te  komen  tot  concentraties.  Stalen  van  suspensie‐ materiaal zullen genomen worden met de centrifuge om de samenstelling ervan te bepa‐ len.  De tripode zal ingezet worden om stromingen, slibconcentratie, korrelgrootteverdeling  van het suspensiemateriaal, saliniteit en temperatuur te meten gedurende een lange pe‐ riode. Het preferentieel station is MOW1, waar getracht zal worden om een quasi conti‐ nue 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 ver‐ zamelen  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 geheu‐ gen 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  heb‐ ben 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 au‐ tomatisch doorsturen van de meetdata te evalueren. Er zal hierbij contact genomen wor‐ 4

  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 da‐ tatransfersysteem 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 tri‐ pode 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 repre‐ sentativiteit van deze methode te bepalen voor de data van het BCP zullen deze data ver‐ geleken 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 es‐ sentiële 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  korrel‐ grootteverdeling, 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 con‐ centraties gemeten in de Belgische kustzone met in situ en met remote sensing technie‐ ken (satelliet). Omdat ‘match‐ups’ (satelliet meting is op hetzelfde ogenblik als in situ me‐ ting)  zelden  voorkomen,  zal  gebruik  gemaakt  worden  van  statistische  technieken  om  de  verschillen  en  overeenkomsten  tussen  de  datasets  te  evalueren.  Hierdoor  kunnen  ver‐ schillende  data  met  elkaar  vergeleken  worden  die  niet  op  hetzelfde  moment  gemeten  werden. Verder zal aandacht geschonken worden aan de ‘sampling’ methode, aan de re‐ presentativiteit  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 opti‐ maliseren.  

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 floccula‐ tiemodel 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  geformu‐ leerd in het syntheserapport 2009. Om de efficiëntie van mogelijke alternatieve locaties of  een andere bestaande stortplaats te testen wordt een terreinproef voorbereid in samen‐ werking  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 geë‐ valueerd. Hiervoor zal gebruik kunnen gemaakt worden van de resultaten uit taak 4 en de  ervaring opgemaakt tijdens het topslib‐project.  

5

 

1.4. Publicaties (januari 2010 – december 2011)  Hieronder is een lijst met rapporten, publicaties en deelnamen aan workshops en confe‐ renties  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. 2011. MOMO  activiteitsrapport  3  (1  januari  2011  –  30  juni  2011).  BMM‐rapport  MOMO/5/MF/  201107/NL/AR/3, 29pp + app  Fettweis M, Baeye M, Lee BJ, Van den Eynde D, Francken F, Van Lancker V. 2011. MOMO  activiteitsrapport  2  (1  juli  2010  –  31  december  2010).  BMM‐rapport  MOMO/5/MF/  201102/NL/AR/2, 44pp + app  Fettweis M, Nechad B, Van den Eynde D, Francken F, Van Lancker V. 2010. MOMO activi‐ teitsrapport  1  (1  januari  2010  –  30  juni  2010).  BMM‐rapport  MOMO/5/MF/201006/  NL/AR/1, 32pp + app  Backers  J.  2009.  RV  Belgica  meetcampagnes  en  verankering  van  meetsystemen  MOMO  2007/2008. BMM‐rapport BMM‐MDO/2009‐34/MOMO/2007‐2008, 121pp  Backers J, Hindryckx K. 2010. RV Belgica meetcampagnes en verankering van meetsyste‐ men MOMO 2008. BMM‐rapport BMM‐MDO/2010‐31/MOMO/2008, 110pp   Backers J, Hindryckx K. 2010. RV Belgica meetcampagnes en verankering van meetsyste‐ men MOMO 2009. BMM‐rapport BMM‐MDO/2010‐35/MOMO/2009, 136pp   Fettweis  M,  Baeye  M,  Van  den  Eynde  D,  Francken  F,  Van  Lancker  V.  2010.  MOMO  activiteitsrapport  2  (1  juli  2010  –  31  december  2010).  BMM‐rapport  MOMO/5/MF/  201012/NL/AR/2, 44pp + app.  Conferenties/Workshops:  Baeye M, Fettweis M, Van Lancker V, Dupont Y. 2011. 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. 2011. Multimodality of a particle size distribu‐ tion  of  marine  suspended  sediments:  Significance  and  application.  VLIZ  Young  Scien‐ tists’ Day, 25 February 2011, Brugge. (appendix 2)  Fettweis M, Baeye M, Lee BJ, Van den Eynde D, Francken F, Van Lancker V. 2011. Hydro‐ meteo  influences  on  suspended  particle  size  distribution.  VLIZ  Young  Scientists’  Day,  25 February 2011, Brugge. (appendix 3)  Chen P, Fettweis M, Maggi F, Yu J. 2010. Numerical simulation of flocculation behavours  during  storm  events  along  Belgian  coastal  waters.  Particles  in  Europe,  15‐17  Novem‐ ber, Villefranche, France.  Fettweis M, Baeye M, Van den Eynde D, Francken F, Van Lancker V. 2010. Hydro‐meteo in‐ fluences on suspended particle size distributions in a coastal turbidity maximum area.  Particles in Europe, 15‐17 November, Villefranche, France.   Fettweis M, Van den Eynde D, Francken F, Van Lancker V. 2010. SPM dynamics measured  with an automated tripod in the Belgian nearshore area: natural dynamics and anthro‐ pogenic effects. Liège Colloquium on Ocean Dynamics, 26‐30 April.   Baeye M, Fettweis M, Van Lancker V, Francken F. 2010. Monitoring morphological changes  using near‐bed ADV altimetry. Liège Colloquium on Ocean Dynamics, 26‐30 April.  Fettweis M, Nechad B, Van Lancker V, Van den Eynde D. 2010. Evaluation of in situ and  remote sensing sampling methods of SPM concentration. AGU Ocean Science Meeting,  22‐26 February, Portland, USA.  Chen P, Yu J, Fettweis M, Van den Eynde D, Maggi F. 2010. Flocculation in a nutrient‐rich 

6

  coastal area (southern North Sea): Measurements and modelling. Poster at AGU Ocean  Science Meeting, 22‐26 February, Portland, USA.     Publicaties (tijdschriften, boeken)  Chen P, Fettweis M, Van den Eynde D, Yu JCR. Numerical simulation of flocculation behav‐ iours 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. 2011. Sediment Mobility in response to  Tidal and Wind‐driven Flows along the Belgian inner shelf, southern North Sea. Ocean  Dynamics. doi:10.1007/s10236‐010‐0370‐7 (appendix 4)  Fettweis M, Nechad B. 2011. Evaluation of in situ and remote sensing sampling methods  for SPM concentrations, Belgian continental shelf (southern North Sea). Ocean Dyna‐ mics, 61, 157‐171. doi:10.1007/s10236‐010‐0310‐6  Fettweis M, Baeye M, Francken F, Lauwaert B, Van den Eynde D, Van Lancker V, Martens  C, Michielsen T. 2011. Monitoring the effects of disposal of fine sediments from main‐ tenance dredging on suspended particulate matter concentration in the Belgian near‐ shore  area  (southern  North  Sea).  Marine  Pollution  Bulletin.  62,  258‐269.  doi:10.1016/j.marpolbul.2010.11.002  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).  Continental  Shelf  Research,  30,  1417‐ 1427. doi:10.1016/j.csr.2010.05.001 

7

 

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 consoli‐ datie van deze bodemsedimenten. Aan de andere kant, niettegenstaande de opmerkingen  van Winterwerp (2007) over het gelijktijdige optreden van erosie en depositie, kan alge‐ meen worden gesteld (Krone 1962) wanneer de bodemschuifspanning onder een kritische  schuifspanning voor afzetting gaat, afzetting van materiaal uit de waterkolom naar de bo‐ dem optreed.  Helaas is de berekening van de bodemschuifspanning, zeker in aanwezigheid van stro‐ mingen en golven, niet eenvoudig. Verschillende modellen, variërend van vrij eenvoudige  modellen  tot  zeer  complexe modellen,  worden gebruikt. Metingen  van de  bodemschuif‐ spanning kunnen gebruikt worden om modellen te kalibreren en valideren en/of meetda‐ ta 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 metin‐ gen kunnen worden gebruikt om de bodemschuifspanning te berekenen. Er bestaan ver‐ schillende  modellen,  maar  hier  wordt  de  voorkeur  gegeven  aan  de  methode  van  Sher‐ wood et al. (2006), die gebaseerd is op de inertie‐dissipatiemethode en welke een correc‐ tiefactor bezit om rekening te houden met het effect van de golven op de bodemschuif‐ spanning. 

2.1. 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.  2007.).  De  schatting  is  gebaseerd  op  de  berekening  van de turbulente kinetische energie (TKE), die kan worden verkregen via de variantie van  de stroomsnelheidsfluctuaties:     TKE = 1 2 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 turbulen‐ te beweging binnen een stromende vloeistof (Pope et al. 2006). De schuifspanning τ blijkt  proportioneel te zijn met de TKE via de volgende relatie: 

τ = C.TKE  

(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 aan‐ wezig zijn, kan een correctie voor de advectie door golven worden toegepast (Trowbridge 

8

  &  Elgar  2001;  Sherwood  et  al.  2006.).  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 structu‐ ren,  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 plaats‐ vindt. 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 deelge‐ bied  waarin  het  driedimensionale  spectrum  van  turbulente  bewegingen  E(k)  wordt  ge‐ schaald door de dissipatiesnelheid ε en afneemt met het driedimensionale golfnummer  k   via de karakteristieke 5/3 helling, volgens: 

E ( k ) = aε 2 3 k −5 3  

(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 be‐ hulp 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 tt veel langer is dan de  tijdschaal van drift td. Oppervlaktegolven bemoeilijken de toepassing van de "frozen tur‐ bulence" hypothese door de invoering van een oscillerende beweging met een tijdschaal  tussen tt en td. 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, gespe‐ cialiseerd 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 Euu en Evv is:  ⎛σ ⎞ 21 23 Euu (ω ) + Evv (ω ) = αε 2 3 U ω −5 3 I ⎜ ,θ ⎟ + Ω   (2.4)  ⎜ ⎟ 55 ⎝U ⎠ waar ω = 2πf de hoekfrequentie is, f de frequentie in Hz, |U| de gemiddelde huidige snel‐ heid  over  een  burstinterval  veel  langer  dan  de  golfperiode,  σ²  de  variantie  van  de  golf‐ geïnduceerde horizontale snelheid, θ de hoek is tussen de gemiddelde stroomrichting en  de unidirectionele golfoscillaties, I de correctie‐functie om de golven in rekening te bren‐ gen, wordt verder beschreven, en Ω een constant ruisniveau is. De empirische Kolmogorov  constante α is vastgesteld op 1.5. Het verticale snelheidsspectrum Eww wordt op gelijkaar‐ dige manier geschreven:  ⎛σ ⎞ 12 23 Eww (ω ) = αε 2 3 U ω −5 3 I ⎜ ,θ ⎟    (2.5)  ⎜U ⎟ 55 ⎝ ⎠ en de functie I als: 

I=

1 ⎛σ ⎜ 2π ⎜⎝ U

23

⎞ ⎟⎟ . ⎠

  (2.6)  2 13 ⎡ ⎤ ⎛ ⎞ ⎛ ⎞ U U 1 ⎛ ⎞ 2 2 ∫ ⎢⎢ x − 2 ⎜⎝ σ ⎟⎠ cos (θ ) x + ⎜⎝ σ ⎟⎠ ⎥⎥ exp ⎜⎝ − 2 x ⎟⎠ dx −∞ ⎣ ⎦ 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

  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 dis‐ sipatiesnelheid en de schuifsnelheid u* worden gebruikt:  (2.7)  u∗3 = εκ z    met κ de Von Karman constante, die gelijk is aan 0.4, en met z de hoogte boven de bo‐ dem.  De  bodemschuifspanning  kan  dan  uiteindelijk  worden  berekend  uit  de  schuifsnel‐ heid, met behulp van de gekende relatie:  (2.8)  τ = ρ u∗2   De laatste twee vergelijkingen kunnen worden gecombineerd tot: 

τ = ρ [εκ z ]    23

(2.9)

2.2. Methodologie  De praktische uitvoering en de berekening van de bodemschuifspanning wordt in verschil‐ lende  stappen  gepresenteerd.  Als  eerste  stap  worden  de  gegevens  van  de  Sontek  ADV  Ocean gescreend met behulp van het ViewHydra Pro software pakket. De effectieve data‐ serie, 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 geëx‐ porteerd 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 mo‐ gelijk  om  elke burst  individueel  te  controleren,  dus  werd de  mogelijkheid  in  het  ontwik‐ kelde 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 fabri‐ kant,  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 va‐ lide 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

 

Current speed [cm s -1]

100 50 0 -50

Current speed [cm s -1]

Correlation Coefficient [%]

-100

0

50

100

150

200

250

300

350

400

0

50

100

150

200

250

300

350

400

0

50

100

150

200 sample # in burst

250

300

350

400

100

50

0

50 0 -50 -100

 

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 ge‐ interpoleerde 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  Fourier‐ transformatie 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: 

ω 5 / 3 Eww (ω ) = ( 2π f )

5/3

Eww ( f ) 2π  

(2.1) 

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:   −3 / 2

23 ⎡ 12 ⎤ ⎢ 55 α U I ⎥   (2.11)  ε =⎢ 53 ⎥ ⎢ Eww (ω ) ω ⎥ ⎢⎣ ⎥⎦ met  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

  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  geregi‐ streerd, gebruikt, dat wil zeggen, op 18 cm boven de bodem, zie figuur 2.4.    -1 10

-2

10

-3

Ew w (f) (m3/s 2)

10

-4

10

-5

10

-6

10

-7

10

-8

10 -2 10

-1

10

0

10 f (Hz)

1

10

2

10

 

Figuur 2.2: Autospectrale densiteit van w. 3

10

2

(2πf)5/3 E w w (f)/2π (m2/s 2Hz 4/3)

10

1

10

0

10

-1

10

-2

10 -2 10

-1

10

0

10 f (Hz)

1

10

2

10

 

Figuur 2.3: Getransformeerd spectrum van w.

12

 

τ (Pa)

30

τTKE

20 10 0 21/06

26/06

01/07

06/07

11/07

16/07

τ (Pa)

30

τw

20 10 0 21/06

26/06

01/07

06/07

11/07

16/07

20

τ (Pa)

τw (cor) 10

0 21/06

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

 

3. Modellering  van  flocculatiedynamica  tijdens  stormen  met behulp van een eenvoudig model  De  flocculatiedynamica  van  gesuspendeerd  particulair  materiaal  (SPM)  heeft  een  signifi‐ cante 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 mine‐ rale (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 mechanis‐ me 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 samenstel‐ ling 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 ge‐ controleerd in kustzones en estuaria door de turbulentie en de concentratie aan organi‐ sche  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 be‐ staan  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  ma‐ crovlokken (Manning et al. 2006).   Vroegere  studies  over  flocculatie  waren  voornamelijk  op  de  fysische  processen  ge‐ richt, zijnde Browniaanse beweging, differentiële bezinking en turbulentie (Dyer 1989; Lick  et al. 1993; Winterwerp 1998; Manning 1999), waarbij de invloed van de eerste twee pro‐ cessen als verwaarloosbaar geacht wordt (McCave 1984a; Hunt 1992; Stolzenbach & Eli‐ melich 1994; Van Leussen 1994). Het door Smoluchowski (1917) voorgestelde concept van  partikelgrootteverandering tijdens flocculatie heeft de ontwikkeling van flocculatiemodel‐ len  nadrukkelijk  beïnvloed.  Flocculatiemodellen  kunnen  in  vier  groepen  worden  opge‐ deeld.   (1) Modellen  gebaseerd  op  partikelgrootteklassen  (Size  class‐based  of  SCB  model)  ver‐ onderstellen 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 be‐ perkingen, 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 ontwik‐ keld  door  Maerz  &  Wirtz  (2009)  waarbij  gebruik  gemaakt  werd  van  Wirtz  &  Eck‐

14

  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 verde‐ lingen en kunnen dus geen multimodaal gedrag van een vlokpopulatie beschrijven. In  het model van Maggi (2009) worden de effecten van organisch materiaal op de floc‐ culatie 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 omschrij‐ ven 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  flocculatie‐ model (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 gecombi‐ neerde 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).  

3.1. Methodologie  3.1.1. 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 (Hs) tijdens de meetperiode.  Start  (dd/mm/yyyy hh:mm) 

Einde  (dd/mm/yyyy hh:mm) 

Duur  (dagen) 

Mediaan (max) Hs  (m) 

28/01/2008 15:38 

24/02/2008 13:18 

26.9 

0.44 (2.82) 

06/03/2008 09:09 

08/04/2008 15:29 

33.7 

0.76 (3.03) 

15/04/2008 08:58 

05/06/2008 07:48 

51.0 

0.46 (1.69) 

 

3.1.2. 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

  omvat het gebied tussen 51°N en 51.92°N in latitude en tussen 2.08°E en 4.2°E in longitu‐ de.  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 Europe‐ se  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 atmosferi‐ sche 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 lon‐ gitude. 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).  

3.1.3. Flocculatiemodel  SPM  bestaat  uit  organische  en  anorganische  deeltjes  van  verschillende  grootte  en  met  verschillende  fysico‐chemische  eigenschappen.  Om  deze  interacties  bij  flocculatie  te  be‐ schrijven  stelde  Maggi  (2009)  een  biologisch  flocculatiemodel  voor,  dat  een  dubbel  con‐ cept 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 (Vm) en organische bestanddelen (Vb). Verandering van het vlok‐ volume  V(t)  is  het  gevolg  van  veranderingen  in  volume  aan  minerale  en  organische  be‐ standdelen en kan geschreven worden als dV/dt= dVM/dt+ dVB/dt. De processen omschre‐ ven met dVM/dt en dVB/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 micro‐ organismen het vlokvolume. Dit proces is opgenomen in het model in dVB/dt.  B

D nff dVM = (1 − ξ ) d nf −3 dt Dp D nff −1 dVB = ξ d nf −3 dt Dp

⎡ k a c M G k b (1 − ξ )G 3 / 2 2 ⎤ D ⎥  ⎢ nf − 4 − (D f − D p )nf −3 f ⎥⎦ ⎢⎣ D

⎡ k a cB G ⎤ kb ξ G 3 / 2 ⎛ VB ⎞ 2 D ⎢ nf − 4 − ⎟  f ⎥ + ηV B ⎜1 − nf − 3 K ⎠ (D f − D p ) ⎝ ⎢⎣ D ⎥⎦

(3.1) 

(3.2) 

met Df de mediane vlokgrootte, Dp de grootte van de primaire partikels, nf de fractale di‐ mensie.  cM=(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

  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 ka en kb beschrijven aggregatie en het uiteenbreken van de vlokken,  ze kunnen als volgt worden weergegeven: 

k a = (1 + ζ ) k a' k b = (1 + ζ ) k

' b

1 D

nf ρ

 

⎛ μ ⎜ nf ⎜⎝ Fy

⎞ ⎟ ⎟ ⎠

3− nf p

1 D 3p− nf

(3.3)  0.5

 

(3.4) 

met  k a en  k b niet‐dimensionale  calibratieparameters,  μ  de  dynamische  viscositeit  van  '

'

het water, Fy de vloksterkte en ρ = ζ ρB + (1 + ζ) ρM de gemiddelde densiteit van de vaste  bestanddelen in een vlok (densiteit van de organische: ρB, en minerale: ρM 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 verwaar‐ loosd kunne worden op het BCP:  

U = U t2 + U w2 + U g2  

(3.5) 

Winterwerp  (1998)  heeft  aangehaald  dat  de  Kolmogorov  turbulentie  schaal  gecorre‐ leerd  is  met  stroomsnelheid.  Indien  de  stroomsnelheid  (U),  berekend  met  het  hydrody‐ namisch 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.  

3.1.4. Calibratie  POC concentratie werd gebruikt als proxy voor organisch materiaal. De data werden ver‐ zameld tijdens 13‐uursmetingen. Het relatieve gehalte aan POC (gedefinieerd als POC con‐ centratie gedeeld door SPM concentratie) daalt exponentieel met toenemende SPM con‐ centratie (figuur 3.2). Dit duidt aan dat in gebieden met een maximum aan turbiditeit rela‐ tief  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 3.2. 

17

 

10

Ω (POC/SPM, %)=8.512*SPM

-0.178

POC/SPM (%)

8

6

4

2

0 0

100

200

300

400

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, km,  ηmax,  β). Maggi (2009) heeft de resultaten hiervan  voorgesteld  voor  MOW1.  We  hebben  deze  parameterwaarden  toegepast  voor  de  stan‐ daardwaarde  (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 op‐ leverde werd als beste schatting beschouwd. De resultaten toonden dat de hoogste sensi‐ tiviteit  verbonden  was  aan  k’a_fit  gevolgd  door  k’b_fit,  β_fit,  ηmax_fit  en  km_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 27.59 μm (k’a_fit=1.189) tot 12.45 μm  (k’a_fit=0.068).  Tabel 3.2: Parameter gebruikt in de sensitiviteitsanalyse.  Parameter 

Eenheid 

ka’  kb’  ηmax Km β   

(‐)  (‐)×10‐6 (s‐1)×10‐4 (m)×10‐6 (‐) 

standaard  (p)  0.189  11.41  6.586  1.159  0.226 

20% van p  (α)  0.038  2.282  1.317  0.232  0.045 

min  (p‐3α)  0.076  4.564  2.634  0.464  0.090 

max  (p+3α)  0.302  18.256  10.538  1.854  0.362 

Optimaal  0.068  11.410  6.784  1.159  0.233 

3.1.5. Evaluatie van het model  De  modelresultaten  werden  geëvalueerd  met  behulp  van  verschillende  analytische  me‐ thodes. 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 eva‐ luatieindices is samengevat in tabel 3.3.      

18

  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, 0.65‐0.5: goed, 0.5‐0.2: 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:  N

∑ (O

RMSE =

n =1

− Mn)

n

2

 

N

(3.6) 

De Bias meet hoeveel het model de meetdata systematisch over‐ of onderschat.  N

∑ (O

Bias =

n =1

n

− Mn) 100  

N

∑O

(3.7) 

n

n =1

De kostfunctie (CF) geeft een niet‐dimensionale waarde van de “goodness of fit” tus‐ sen twee datasets, σo is de standaarddeviatie van de in situ data.  

CF =

1 N

On − M n

∑

 

σo

(3.8) 

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.  

∑ (O N

R=

n =1

∑ (O N

n =1

n

n

)(

−O Mn − M

) ∑ (M 2

−O

N

n =1

n

)

−M

)

 

(3.9) 

2

De modelefficiëntie (ME) is een maat van de verhouding van de modelfout ten opzich‐ te van de variabiliteit van de meetdata.   N

ME = 1 −

∑ (O n =1 N

n

∑ (O

− Mn) n

−O

2

)

 

(3.10) 

2

n =1

De scheefheid (skew) van een foutenverdeling geeft de scheefheid van een verdeling  rond het gemiddelde weer.  

Skew =

(

N ⎛ (O − M n ) − On − M n N ⎜ n ∑ (N − 1)(N − 2) n=1 ⎜⎝ σo

)⎞⎟   ⎟ ⎠

(3.11)

De standaardfout op scheefheid is:  

Skews tan dard = (6 / N )   0.5

(3.12) 

19

 

3.2. Resultaten  Het flocculatiemodel met golfimpact werd gevalideerd met in situ data verzameld te Blan‐ kenbergen, zie tabel 3.4 en figuren 3.3‐3.5. De tijdevoluties van de mediane partikelgroot‐ te (D50) geeft aan dat de orbitale golfsnelheid (uiteraard) verwaarloosbaar is bij lage gol‐ ven 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 weergege‐ ven  in  figuren  3.3‐3.5.  De  Kolmogorov  microschaal  is  significant  kleiner  is  in  het  geval  stroom‐golf interacties worden berekend. De modelresultaten tonen aan dat de vergelij‐ king 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  1  1‐s  1‐c  2  2‐s1  2‐s2  3   

D50 (um) Error (um)

    storm  kalm weer    storm  storm  kalm weer 

case 1: 28-Jan ~ 07-Feb (Blankenberge)

200

Elevation (m) Kolmogrov S-C (um) Velocity (cm/s)

datum (2008)  28/01‐07/02  01/02‐02/02  03/02‐07/02  10/03‐29/03  10/03‐13/03  16/03‐28/03  20/04‐29/04 

insitu

150

current

current-w ave

100 50 0 100 50 0 -50 -100 120 current

90

wave

60 30 0 2000 current

1500

current-wave

1000 500 0 3 1 -1 -3 28-Jan

29-Jan

31-Jan

01-Feb

02-Feb

04-Feb

05-Feb

07-Feb

Figuur 3.3: Modelresultaten case 1 (28/01 ‐ 07/02); van boven naar onder: mediane vlok‐ grootte, foutop D50 (meetdata – modelresultaten), snelheid, Kolmogorov microschaal en  waterstand.   

20

 

case 2: 10-Mar ~ 29-Mar (Blankenberge)

200

insitu

D50 (um)

150

current

current-w ave

100 50

Elevation (m) Kolmogrov S-C (um) Velocity (cm/s)

Error (um)

0

100 50 0 -50 -100 120 current

90

wave

60 30 0 2000 current

1500

current-wave

1000 500 0 3 1 -1 -3 10-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 vlok‐ grootte, foutop D50 (meetdata – modelresultaten), snelheid, Kolmogorov microschaal en  waterstand. 

case 3: 20-Apr ~ 29-Apr (Blankenberge)

Elevation (m) Kolmogrov S-C (um) Velocity (cm/s)

Error (um)

D50 (um)

200

insitu

150

current

current-wave

100 50 0 100 50 0 -50 -100 120 current

90

wave

60 30 0 2000 1500

current

current-w ave

1000 500 0 3 1 -1 -3 20-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 vlok‐ grootte, foutop D50 (meetdata – modelresultaten), snelheid, Kolmogorov microschaal en  waterstand. 

21

 

  45

0.5

(a)

current current & wave

40

(d)

35 30

0.3

25

R2

RMSE (um)

current current & wave

0.4

20

0.2

15 10

0.1

5 0

-c e1 1-s e1 cas case cas

-s2 e2 -s1 cas ase 2 ase 2 c c

e3 cas

40 30 20 10 0 -10 -20 -30 -40

(b)

Good

Very good Excellent Excellent Very good Good Poor

-c -s e2 -s1 -s2 e1 e 1 ase 1 cas ase 2 ase 2 cas c cas c c

Model Efficiency

Bias (%)

0

1 0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 -1

e1 1-s se 1-c cas case ca

(e)

2

2

(c)

Excellent Very good Good Poor

No Skill

s c e1 e1e1cas cas cas

e3 cas

-s2 e2 -s1 e3 cas ase 2 ase 2 cas c c

s1 e2 s2 e2c as e2c as cas

e3 c as

(f)

1 0

Skewness

Cost Function

1.5 Good

1

Very good

-1 -2

0.5

-3 0

-c -s e1 e2 -s1 -s2 e 1 ase 1 e 2 ase 2 c as cas c c as cas c

e3 c as

-4

-s e1 1-c cas case1 case

e2 -s 1 s2 e2cas case2 c as

e3 cas

 

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).  De invloed van golven op de flocculatie werd onderzocht voor periodes waarbij de sig‐ nificante  golfhoogte groter was  dan 1.5 m,  zie  tabel  3.4.  De  modelperfomanties  werden  bepaald met de in §3.1.5 gedefinieerde criteria.   De RMSE vertegenwoordigd de gemiddelde fout tussen de in situ data en de modelre‐ sultaten (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 golfhoog‐ tes 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 ver‐ minderde 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 perfoman‐ tieniveau  systematisch  onderschat  werd,  werden  zij  als  “goed”  tot  “zeer  goed”  geklas‐

22

  seerd (zie tabel 3.3). Case 2‐s2 (Bias=‐78.33) werd als “zwak” omschreven, terwijl de RMSE  een verbetering van 20% aangaf.   Kostfuncties (CF) geven de ‘fit’ weer tussen twee datasets (figuur 3.6c). De kostfunctie  van elk van de cases toont aan hoeveel de modelresultaten overeenkomen met de in situ  data. Case 1, case 1‐c en case 3 kunnen als “zeer goed” beschouwd worden; de andere ca‐ ses als “goed”. De grootste verbetering door gebruik van golven in de berekeningen werd  vastgesteld  bij  case  1‐s1  (CF=1.35),  bij  de  andere  stormen  werd  er  ook  een  verbetering  vastgesteld (case 2‐s1: CF=1.10, case 2‐s2: CF=1.71).  De  correlatiecoëfficiënt  R2  beschrijft  de  hoeveelheid  variatie  bij  reconstructie  van  de  waarnemingen met het model. Uit figuur 3.6d blijkt dat de R² laag is, de beste waarde is er  in  case  1–c  is  the  best  (R2=0.3).  De  laagste  waarde  werd  berekend  voor  case  2–s1  (R2=0.003) wat dus aangeeft dat de reconstructie van de data in dit geval slecht is  De lage  waarden duiden mogelijks aan dat andere processen, zoals samenstelling van het materi‐ aal, ook meespelen tijdens de stormen (zie discussie).   Modelefficiëntie (ME) beschrijft de verhouding tussen de totale fout t.o.v. van de vari‐ aties in de meetdata (figuur 3.6e). De modelefficiëntie verbeterde door rekening te hou‐ den met golven, maar was meestal kleiner dan 0, wat dus “zwak” is. De modelefficiëntie  voor deze berekeningen geven dus aan dat de totale fout groter is dan de variaties in de in  situ data.   Scheefheid  (Skew)  geeft  de  scheefheid  van  een  verdeling  rond  het  gemiddelde  weer  (figuur 3.6f). Gelijkaardig met de ME resultaten, zijn de resultaten tijdens kalme periodes  (v.b. case 1‐c en case 3) beter dan tijdens stormperiodes (case 1‐s, case 2‐s1 en case 2‐s2).  De simulaties tijdens stormperiodes hebben een grotere scheefheid in hun foutenverde‐ ling.  

3.3. Bespreking van de resultaten  De aggregatie en het uiteenbreken van vlokken is sterk geassocieerd met getijdeninvloed  in kustwateren. De vlokgrootte kan hierbij op korte tijd veranderen. Bij stormen worden  de vlokken bijkomend beïnvloed bij de hogere turbulentie veroorzaakt door de golven. De  gemodelleerde D50 geeft de algemene trend weer van grotere vlokken tijdens kentering  en kleinere bij hogere snelheden. Door gecombineerde effecten van golven en stromingen  samen te beschouwen konden de modelresultaten verbeterd worden. De gemodelleerde  D50  heeft  een  duidelijk  verschillende  verloop  tijdens  stormperioden  dan  tijdens  kalme  weersomstandigheden.  Tijdens  een  storm  kan  duidelijk  opgemerkt  worden  dat  de  vlok‐ grootte varieerde met de orbitale golfsnelheid. Tijdens diezelfde periodes kan vastgesteld  worden dat de Kolmogorov microschaal meer veranderde door de golfwerking dan door  de stromingen.  De  resultaten  van  case  1  komen  beter  overeen  met  de  meetdata  indien  de  orbitale  golfsnelheid in rekening werd gebracht. De resultaten voor case 2 en case 3 zijn ook beter  met het in rekening brengen van stroming‐golf interacties, maar het model overschat nog  steeds de meetdata (zie na 16/03 in case 2; 20‐26/04 in case 3). De zes modelperfoman‐ ties geven aan dat case 1 de beste resultaten heeft, gevolgd door case 3 en 2. Indien we  meer specifiek naar de drie stormen kijken (case 1‐s, case 2‐s1 en case 2‐s2), zien we dat  het inbrengen van de orbitale golfsnelheid de simulatieresultaten in case 1‐s en case 2‐s1  positief beïnvloed hebben. Dit heeft zijn weerslag in lagere RMSE bij deze cases. Ook de  bias en CF verminderde en de modelresultaten kunnen als “zeer goed” worden omschre‐ ven. In tegenstelling hiermee zien we dat in case 2‐s2 de modelresultaten de in situ data  overschatten. Het gedrag van het model weergegeven door RMSE, Bias en CF is “zwak”.  Andere evaluatiecriteria doen het duidelijk minder goed. De correlatie (R2), de modeleffi‐ cientie (ME) and de scheefheid bij deze drie stormen is zwak wat aanduid dat het model 

23

  niet optimaal is.   De windrichting tijdens de januari (case 1‐s) en 10‐13 maart stormen (case2‐s1) kwam  voornamelijk  SW,  terwijl  de  windrichting  tijdens  de  16‐28  maart  storm  voornamelijk  uit  NW richtingen kwam. Fettweis et al. (2011) hebben aangehaald dat de fijne fractie wegge‐ transporteerd  kan  worden  tijdens  SW  winden.  SPM  wordt  dan  vermoedelijk  vervangen  door silt en zand partikels, die in suspensie gebracht worden van golven en stromingen.  Tijdens deze omstandigheden is dus mogelijks een mengsel van granulair en vlokken aan‐ wezig.  De  meetdata  tijdens  deze  periode  geven  aan  dat  de  partikelgrootte  vrij  constant  was en dat de partikelgrootte unimodaal verdeeld was. Tijdens een NW storm werd geen  zand geërodeerd omdat het zand afgeschermd werd door de aanwezigheid van een hoog‐ geconcentreerde  sliblaag.  De  partikelgrootteverdeling  was  multimodaal  en  duidelijk  ver‐ schillend van deze tijdens de SW stormen. De modelresultaten hebben op deze momen‐ ten  een  slechtere  overeenkomst  met  de  gemeten  D50  (case  2‐s2).  Het  model  heeft  een  betere performantie tijdens SW stormen dan NW storm, wat erop wijst dat het model be‐ ter geschikt is om unimodale verdelingen te simuleren dan multimodale.  

3.4. Conclusies  Het bestaande floculatiemodel (Maggi 2009) werd verbeterd door de door golven veroor‐ zaakte turbulentie in rekening te brengen. Hiermee konden de modelresultaten significant  verbeterd worden tijdens stormen.   De gebruikte statistische evaluatiecriteria zijn nuttig om het gedrag van het model te  begrijpen. De goede prestaties van het model wat gemiddelde fout betreft (RMSE, Bias en  CF)  geeft  aan  dat  de  modelresultaten  verbeterd  konden  worden  door  het  in  rekening  brengen van golfwerking. De slechtere prestaties bij correlatie en scheefheid van de fout  (R2, ME en scheefheid) geeft aan dat het belangrijk blijft om verdere verbeteringen aan te  brengen aan het model.   Het  model  dat  hier  gebruikt  werd  kan  enkel  unimodale  vlokgrootteverdelingen  be‐ schrijven. Dit verklaard waarom het model niet altijd de gemeten D50 kan weergeven. De  logische verdere ontwikkeling is het gebruik van meer gesofisticeerde modellen die mul‐ timodale verdelingen kunnen simuleren.    

24

 

4. Referenties  Allen JI, Holt JT, Blackford J, Proctor R. 2007. Error quantification of a high‐resolution cou‐ pled  hydrodynamic‐  ecosystem  coastal‐ocean  model:  Part2.  Chlorophyll‐a,  nutrients  and SPM. Journal of Marine System, 68, 381‐404.  Andersen  TJ,  Fredsoe  J,  Pejrup  M.  2007.  In‐situ  estimation  of  erosion  and  deposition  thresholds  by  Acoustic  Doppler  Velocimeter  (ADV).  Estuarine  Coastal  and  Shelf  Sci‐ ence, 75, 327‐336. doi: 10.1016/j.ecss.2007.04.039  Berlamont J, Ockenden M, Toorman E, Winterwerp J. 1993. The characterisation of cohe‐ sive sediment properties. Coastal Engineering, 21, 105–128.  Dyer  KR.  1989.  Sediment  process  in  estuaries:  future  research  requirements.  Journal  of  Geophysical Research, 94(C10), 14327‐14339.  Dyer KR, Manning AJ. 1999. Observation of the size, settling velocity and effective density  of flocs, and their fractal dimensions. Journal Sea Research, 41, 87‐95.  Eisma D. 1986. Flocculation and de‐flocculation of suspended matter in estuaries. Nether‐ lands Journal of Sea Research, 20, 183‐199.  Fettweis M, Franken F, Pison V, Van den Eynde D. 2006. Suspended particulate matter dy‐ namics and aggregate size in a high turbidity area. Marine Geology, 235, 63‐74.  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). Continental Shelf Research 30,  1417‐1427.  Fettweis M, Baeye M, Lee BJ, Van den Eynde D, Francken F, Van Lancker V. 2011. MOMO  activiteitsrapport  2  (1  juli  2010  –  31  december  2010).  BMM‐rapport  MOMO/5/MF/  201102/NL/AR/2, 44pp + app  Geyer WR, Hill PS, Kineke GC. 2004. The transport, transformation and dispersal of sedi‐ ment by buoyant coastal flows. Continental Shelf Research, 34, 927‐949.  Hill PS, Nowell ARM. 1995. Comparison of two models of aggregation in continental‐shelf  bottom boundary layers. Journal Geophysical Research, 100(C11), 22749‐22763.  Hunt  JR. 1982.  Particle  dynamics  in  seawater:  implications  for  predicting  the  fate  of  dis‐ charge particles. Environmental Science and Technolology, 16(6), 303‐309.  Kranenburg  C.  1994.  The  fractal  structure  of  cohesive  sediment  aggregates.  Estuarine  Coastal and Shelf Science, 39, 451‐460.  Krishnappan  BG.  1991.  Modelling  of  cohesive  sediment  transport.  In:  International  Sym‐ posium  on  the  Transport  of  Suspended  Sediments  and  its  Mathematical  Modelling,  Florence, Italy.  Krone RB. 1962. Flume Studies of the Transport of Sediment in Estuarial Shoaling Proc‐ esses. Hydraulic and Sanitary Engineering Research Laboratory. University of California,  Berkeley, USA.  Koutitas  CG.  1988.  Mathematical  Models  in  Coastal  Engineering.  Pentech  Press,  London,  UK, 156pp.  Lauwaert B, Fettweis M, Cooreman K, Hillewaert H, Moulaert I, Raemaekers M, Mergaert  K, De Brauwer D. 2004. 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. 2006. Syntheserapport  over de  effecten  op  het  mariene  milieu  van  baggerspeciestortingen  (vergunningsperiode  2004‐2006).  BMM,  ILVO  &  aMT rapport, BL/2006/01, 87pp+ app.  Lauwaert B, Bekaert K, Berteloot M, De Brauwer D, Fettweis M, Hillewaert H, Hoffman S, 

25

  Hostens K, Mergaert K, Moulaert I, Parmentier K, Vanhoey G, Verstraeten J. 2008. Syn‐ theserapport over de effecten op het mariene milieu van baggerspeciestortingen (ver‐ gunningsperiode 2006‐2008). 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, Par‐ mentier K, Van Hoey G, Verwaest T. 2009a. Synthesis report on the effects of dredged  material disposal on the marine environment (licensing period 2008‐2009). Report by  BMM, ILVO, CD, aMT and WL 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, Par‐ mentier K, Van Hoey G, Verwaest T. 2009b. Syntheserapport over de effecten op het  mariene  milieu  van  baggerspeciestortingen  (vergunningsperiode  2008‐2009).  Report  by BMM, ILVO, CD, aMT and WL BL/2009/01. 18pp.  Lee  BJ,  Toorman  E,  Molz  FJ,  Wang  J.  2010.  Two  Class  population  balance  equation  yield  biomodal  flocculation  of  marine  or  estuarine  sediments.  Water  Research.  doi:  10.1016/j.watres.2010.12.028  Lick W, Huang H, Jepsen R. 1993. Floccualtion of fine‐grained sediments due to different  settling. Journal Geophysical Research, 98(C6), 10279‐10288.  Luyten P J, Jones JE, Proctor R, Tabor A, Tett P, Wild‐Allen K. 1999. COHERENS, a coupled  hydrodynamical‐  ecological  model  for  regional  and  shelf  seas:  User  Documentation.  MUMM report, Brussels, Belgium. 911pp.  Maerz  J,  Wirtz.  2009.  Resolving  physical  and  biologically  driven  suspended  particulate  matter dtnamics in a tidal basin with a distribution‐based model. Continental Shelf Re‐ search, 84, 1285‐138  Maggi  F,  Mietta  F,  Winterwerp  JC.  2007.  Effect  of  variable  fractal  dimension  on  the  floc  size distribution of suspended cohesive sediment. Journal of Hydrology, 343, 43‐55.  Maggi F. 2009. Biological flocculation of suspended particle in nutrient‐rich aqueous eco‐ systems. Journal of Hydrology, 376, 116‐125.  Manning AJ, Dyer KR. 1999. A laboratory examination of floc characteristics with regard to  turbulent shearing. Marine Geology, 160, 147‐170.  Manning AJ, Bass SJ, Dyer KR. 2006. Floc properties in the turbidity maximum of a mesoti‐ dal estuary during neap and spring tidal condition. Marine Geology, 235, 193‐211.  McAnally WH, Mehta AJ. 2001. Coastal and estuarine fine sediment processes. Proceeding  in Marine Sccience, 3, Elsevier.  McAnally  WH,  Mehta  AJ.  2002.  Significance  of  aggregation  of  fine  sediment  particles  in  their deposition. Estuarine Coastal and Shelf Science, 54, 643‐653.  McCave IN. 1984a. Size spectra and aggregation of suspended particles in the deep ocean.  Deep Sea Research, 31(4), 329‐352,  McCave IN. 1984b. Erosion, transport and deposition of fine‐grained marine sediments. In:  Fine‐Grained  Sediments:  Deep  Water  Processes  and  Facies  (Stow  DAV,  Piper  DJW,  eds.), 35‐69.  Mehta AJ. 1989. On estuarine cohesive sediment suspension behaviour. Journal Geophysi‐ cal Research ,94(c10), 14303‐14314.  PIANC. 2008. Minimising harbour siltation, Report No 102, 75pp.  Pison V, Ozer J. 2003. Operational products and services for the Belgian coastal waters. In:  Building  the  European  capacity  in  operational  modeling,  Proc.  3rd  Int.  Conf.  on  Eu‐ roGOOS (Dahlin H, Flemming NC, Nittis K, Petersson SE, eds.). Elsevier Oceanography  Series 69, 503‐509.  Pope N D, Widdows J, Brinsley MD. 2006. Estimation of bed shear stress using the turbu‐ lent kinetic energy approach ‐ A comparison of annular flume and field data. Continen‐ 26

  tal Shelf Research, 26, 959‐970. doi: 10.1016/j.csr.2006.02.010  Sherwood  C,  Lacy  J,  Voulgaris  G.  2006.  Shear  velocity  estimates  on  the  inner  shelf  off  Grays Harbor, Washington, USA. Continental Shelf Research, 26, 1995‐2018.  Smoluchowski M.  1917. Versuch  einer Mathematischen  Theorie  der Koagulations‐kinetik  Kolloid Lösungen. Zeistchrift für Physikalische Chemie, 92, 129‐168.  Son  M,  Hsu  T‐J.  2008.  Flocculation  model  of  cohesive  sediment  using  variable  fractal  di‐ mension. Environmental Fluid Mechechanics, 8, 55‐71.  Son M, Hsu T‐J. 2009. The effect of variable yield strength and variable fractal dimension  on flocculation of cohesive sediment. Water Research, 43, 3582‐3592.  Sontek. 2001. Sontek/YSI ADVField/Hydra‐Acoustic Doppler Velocimeter. Technical Docu‐ mentation.   Stapleton RL, Huntley DA. 1995. Seabed stress determination using the inertia dissipation  method and the turbulent kinetic energy method. Earth Surface Processes and Land‐ forms, 20, 807‐815.  Stolzenbach KD, Elimelich M. 1994. The effect of density on collision between sinking par‐ ticles: implications for particle aggregation in the ocean. Deep Sea Research I, 41, 469‐ 483.  Taylor GI. 1938. The spectrum of turbulence. Proceedings of the Royal Society of London.  Series A, Mathematical and Physical Sciences, 164, 476‐490.  Thompson  CEL,  Amos  CL,  Jones  TER,  Chaplin  J.  2003.  The  manifestation  of  fluid‐ transmitted  bed  shear  stress  in  a  smooth  annular  flume ‐  A  comparison  of  methods.  Journal of Coastal Research, 19, 1094‐1103.   Trowbridge J, Elgar S. 2001. Turbulence Measurements in the Surf Zone. Journal of Physi‐ cal Oceanography, 31, 2403‐2417.  Van Leussen W. 1994. Estuarine macroflocs: their role in fine grained sediment transport,  Univeristy of Utrecht, 488pp.  Verney R, Deloffre J, Brun‐Cottan JC, Lafite R. 2007. The effect of wave‐induced turbulence  on intertidal mudflats Impact of boat traffic and wind. Continental Shelf Research, 27,  594‐612. doi: 10.1016/j.csr.2006.10.005  Verney R, Lafite R, Brun Cottan JC. 2009. Flocculation potential of estuarine particles: The  importance of environmental factors and of the spatial and seasonal variability of sus‐ pended particulate matter. Estuaries and Coasts, 32, 679‐693.  Verney R, Lafite R, Brun‐Cottan JC, Le Hir P. 2010. Behavior of a floc population during a  tidal  cycle:  Laboratory  experiments  and  numerical  modeling.  Continental  Shelf  Re‐ search. doi:10.1016/j.csr.2010.02. 005  Winterwerp JC. 1998. A simple model for turbulence induced flocculation of cohesive sedi‐ ment. Journal of Hydraulic Research, 36, 309‐326.  Winterwerp JC. 2002. On the flocculation and settling velocity of estuarine mud. Continen‐ tal Shelf Research, 22, 1339‐1360.  Winterwerp JC. 2007. On the sedimentation rate of cohesive sediment. In: Estuarine Co‐ hesive Sediment Dynamics (Maa JP‐Y, Sanford LP, Schoellhamer DH, eds.), Proceedings  in Marine Science 8, 209‐226.  Winterwerp JC, Manning AJ, Martens C, de Mulder T, Vanlede J. 2006. A heuristic formula  for turbulence‐induced flocculation of cohesive sediment. Estuarine, Coastal and Shelf  Science, 68, 195‐207.  Wirtz KW, Eckhardt B. 1996. Effective variables in ecosystem models with an application to  phytoplankton succession. Ecological Modelling, 92, 33‐53.  Wright LD, Friedrichs CT, Kim SC, Scully ME. 2001. Effects of ambient currents and waves  on gravity‐driven sediment transport on continental shelves. Marine Geology, 175, 25‐ 45. 

27

  Xu F, Wang D‐P, Riemer N. 2008. Modeling flocculation processes of fine‐grained particles  using  a  size‐resolved  method:  Comparison  with  published  laboratory  experiments.  Continental Shelf Res. 28, 2668‐2677 

28

  COLOPHON                       

                                 

Dit rapport werd voorbereid door de BMM in juni 2011  Zijn referentiecode is .  Status 

 

 

 finale versie 

Beschikbaar in het    

 Nederlands 

Indien u vragen hebt of bijkomende copies van dit document wenst te verkrijgen, gelieve  een  e‐mail  te zenden  naar [email protected],  met  vermelding van  de  referentie,  of te schrijven naar:  BMM  100 Gulledelle  B–1200 Brussel  België  Tel:   +32 2 773 2111  Fax:  +32 2 770 6972  http://www.mumm.ac.be/ 

   

BEHEERSEENHEID VAN HET MATHEMATISCH MODEL VAN DE NOORDZEE SUMO GROEP

29

APPENDIX 1      Baeye M, Fettweis M, Van Lancker V, Dupont Y. 2011. 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 

Int. Conf. of the NATO Naval Mine Warfare Centre Of Excellence, 21‐23 June 2011, Oostende 

    Bottom Mine Burial in High‐Turbidity Area, Belgian Coastal Zone    Matthias Baeye1, Michael Fettweis2, Vera Van Lancker2   1

Department of Geology and Soil Science,  Renard Centre of Marine Geology (RCMG), Ghent University,  Krijgslaan 281 S8, B‐9000 Ghent    2 Management Unit of the North Sea Mathematical Models (MUMM),   Royal Belgian Institute of Natural Sciences,  Gulledelle 100, B‐1200 Brussels 

    Abstract  World War I and II‐era explosives are scattered over the sea floor of the North Sea, forming a  real  threat  to  the  welfare  at  sea.  A  wide  variety  of  warfare  ammunition  may  become  encountered  during  human  activities  such  as  fishery,  dredging,  harbor  and  wind  farm  construction  works.  Mines  can  become  completely  submerged  and  undetectable  in  the  sediment, but remain as easily encountered and effective threats. In this study, two test mines  were  deployed  for  burial  measurements  on  a  sandy  sea  bed.  The  observed  local  mine  burial  processes are known from literature and are related to scouring phenomena. However, a more  general  burial  process  with  cyclic  and  momentary  character  was  also  observed.  By  means  of  benthic  frame  observations  of  current  flow  and  sediment  concentration,  cohesive  sediment  dynamics  were  found  to  be  responsible  in  this  process.  The  authors  introduce  mine  burial  by  rapid  siltation.  This  involves  settling  of  fine,  cohesive  sediments  through  the  water  column,  depositing  at  the  sea  bed,  forming  regions  of  very  soft,  unconsolidated  sediments  (or  high‐ concentrated mud suspensions‐HCMS) and burying the sea mine. This typically occurs on a tidal  cycle at times of slack water i.e. when turbulent energy decreases. Depending on the position  within the high‐turbidity area, layers of HCMS will vary in thickness and residence time because  of  local  hydrodynamics.  Even  on  a  neap‐spring  cycle,  the  residence  time  of  HCMS  will  vary.  Therefore,  the  authors  believe  that  survey  and  mine‐hunting  strategies  should  be  revised  in  high‐turbidity areas taking into account the process of mine burial by rapid siltation. 

APPENDIX 2      Lee  BJ,  Fettweis  M,  Toorman  EA,  Wang  J.  2011.  Multimodality  of  a  particle  size  distribution  of  marine  suspended  sediments:  Significance  and  application.  VLIZ  Young Scientists’ Day, 25 February 2011, Brugge. 

MULTIMODALITY OF A PARTICLE SIZE DISTRIBUTION OF MARINE SUSPENDED SEDIMENTS: SIGNIFICANCE AND APPLICATION Byung Joon Lee1, Michael Fettweis2, Erik A. Toorman1 and Jian Wang1 1

Hydraulics Laboratory, KU Leuven, Kasteelpark Arenberg 40, 3001 Heverlee, Belgium

E-mail: [email protected] 2

Royal Belgian Institute of Natural Science Science, Management Unit of the North Sea

Mathematical Models, Gulledelle 100, 1200 Brussels, Belgium

Particle Size Distributions (PSDs) of suspended particulate matter are log-normal and multi-modal in general. The log-normality describes a more or less skewed distribution toward small size

particles, and the multimodality describes a distribution consisting of multiple peaks. In a coastal environment suspended sediments consist often of flocs. The multimodality is caused by mixing of

several flocs which are different in size and physicochemical property. Those flocs have undergone different fates in marine environments, and so are able to show their record of floc dynamics under

flocculation and transport. Therefore, this research was purposed to develop and test a new experimental method of decomposing multimodal PSDs of suspended particulate matter and tracking individual peaks for investigating floc dynamics. A time series of multimodal PSDs and flow

characteristics (velocity and turbulence) measured near Zeebrugge were selected for testing the new method. An automated peak decomposing software (DistFit, Chimera Technologies Inc.) decomposed a measured multimodal PSD to three unimodal PSDs, consisting of clay particle (2 ~ 5

μm), microflocs (size varying), and macroflocs (300 ~ 400 μm), and estimated the mass fractions of the constituent particles and flocs. Among many findings from decomposing a multimodal PSD and tracking decomposed PSDs, it is important to note that the volume fraction of macroflocs was maximized at the slack of a tidal cycle

due to flocculation. This agrees with the previous finding in that floc size becomes a maximum under aggregation at the lowest turbulence but a minimum under breakage at the highest

turbulence (Winterwerp, 2002). Furthermore, noteworthy is that the volume fraction of macroflocs consistently appeared during the ebb period of a tidal cycle but disappeared during the flood

period. This is explained by the general lower ebb currents resulting in more efficient flocculation and the stronger flood currents limiting the growth of flocs. During maximum flood currents the

PSDs indicate local resuspension of non-cohesive sand-sized particles, which agrees with finding of Baeye et al. (2010).

In conclusion, the new method of decomposing a multimodal PSD and tracking decomposed PSDs was proven to be a useful tool for investigating floc dynamics in a turbulent flow field of a marine

environment. Deposition or erosion of a mud layer, which can be either beneficial or detrimental for a local marine environment, could be estimated by applying the new PSD-tracking method in a long-term and systematic way. Also, simulating interactions between two or three decomposed

PSDs (e.g. aggregation and breakage) and re-superposing PSDs can be an easier numerical method for simulating flocculation of a fully continuous multimodal PSD in a large-scale marine system. References Winterwerp J. 2002. On the flocculation and settling velocity of estuarine mud. Continental Shelf Research 22: 1339-1360.

Baeye M, Fettweis M, Voulgaris G, Van Lancker V. Sediment mobility in response to tidal and winddriven flows along the Belgian inner shelf, southern North Sea. Ocean Dynamics (in press).

APPENDIX 3      Fettweis M, Baeye M, Lee BJ, Van den Eynde D, Francken F, Van Lancker V. 2011.  Hydro‐meteo influences on suspended particle size distribution. VLIZ Young Sci‐ entists’ Day, 25 February 2011, Brugge. 

HYDRO-METEO DISTRIBUTIONS

INFLUENCE

ON

SUSPENDED

PARTICLE

SIZE

Michael Fettweis1, Matthias Baeye2, Byung Joon Lee3, Frederic Francken1, Dries Van den Eynde1, Vera Van Lancker1

1

Royal Belgian Institute of Natural Science, Management Unit of the North Sea Mathematical Models, Gulledelle 100, 1200 Brussels, Belgium E-mail: [email protected]

2

Ghent University, Renard Centre of Marine Geology, Krijgslaan 281 (S8), 9000 Gent, Belgium

3

KU Leuven, Hydraulics Laboratory, KU Leuven, Kasteelpark Arenberg 40, 3001 Heverlee, Belgium

In the vicinity of Zeebrugge suspended particulate matter (SPM) concentration and particle size distribution (PSD) have been collected during almost 200 days at about 1 km from the shore line. Optical (OBS) and acoustic (ADP) backscatter sensors were used to estimate SPM concentration. The

aim of the study was to assess flocculation and particle dynamics during different meteorological events. The PSDs measured with a LISST 100X have been classified using entropy analysis

(Mikkelsen et al., 2007) and assembled in three cases based on the low-pass filtered alongshore velocity component (Baeye et al., 2010).

The PSDs during tide dominated conditions showed distinct multimodal behaviour. Multimodal 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 (mode between 30 m and 180 µm). The microfloc

population was characterized by a gradual shift of the PSD towards bigger size classes when turbulence decreases and by the occurrence of two microfloc populations, possibly caused by the

heterogeneity of components within the SPM. Microflocs are partially disrupted into primary particles during peak flood velocity.

Analysis of the PSDs together with the interpretation of acoustic and optical derived SPM concentration revealed that storms from SW result in different PSD than storms from the NW. It was astounding to see that during SW storm no primary particles were detected and that the PSD was

unimodal with an almost constant D50 of 40 µm. The SW storm was characterized by lower SPM concentration derived from OBS than from ADP backscatter suggesting that the flocs where transported away from the measuring location and replaced by sand resuspended by waves. During NW storms the PSD were similar as during flood indicating that most SPM consisted of flocs.

As a conclusion, meteorological events have distinct influences on suspended particle size dynamics. The advection of the coastal turbidity maximum during storms may results in an increase of cohesive SPM concentration, the formation of fluid mud and the armouring of sand (NW storm) or

in a decrease of cohesive SPM concentration, no fluid mud formation and increase of sand and silt in suspension (SW storm). References Baeye M, Fettweis M, Voulgaris G, Van Lancker V. Sediment Mobility in response to Tidal and Winddriven Flows along the Belgian inner shelf, southern North Sea. Ocean Dynamics (in press).

Mikkelsen OA, Curran KJ, Hill PS, Milligan TG. 2007. Entropy analysis of in situ particle size spectra. Estuarine, Coastal and Shelf Science, 72, 615-625. doi:10.1016/j.ecss.2006.11.027

-1-

Management Unit of the North Sea Mathematical Models MUMM | BMM | UGMM

Hydro-meteo influences on suspended particle size distributions Michael Fettweis1, Matthias Baeye2, Byung Joon Lee3, Dries Van den Eynde 1, Frederic Francken1, Vera Van Lancker1 1Royal

Belgian Institute of Natural Science, Management Unit of the North Sea Mathematical Models, Gulledelle 100, B-1200 Brussels (E-mail: [email protected]) 2 Ghent University, Renard Centre of Marine Geology, Krijgslaan 281 (S8), B-9000 Gent 3 Katholieke Universiteit Leuven, Hydraulics Laboratory, Kasteelpark Arenberg 40, B-3001 Heverlee

360 Wind Speed 270 Wind Direction 180

21 14 7

90 0

240 200 160 120 80 40 0

Hs d50

−1

SW storm

d50 (µm)

0 11 9 7 5 3 2.5 2 1.5 1 0.5 0 3

Direction (°)

28

SPM conc (g l )

Hs (m)

−1

Depth (m) Speed (m s )

Size distribution of suspended particulate matter (SPM) is needed to understand and predict sediment dynamics. In the vicinity of Zeebrugge suspended particulate matter (SPM) concentration and particle size distribution (PSD) have been collected during almost 60 days at about 1 km from the shore line using a tripod. Optical (OBS) and acoustic (ADP) backscatter sensors were used to estimate SPM concentration. The aim of the study was to assess flocculation and particle dynamics during different meteorological events. The PSDs were measured with a LISST 100X.

OBS 2mab OBS 0.2mab ADP 2mab

2

1

0 28

30

32

34

36

38

40

J Day

Entropy analysis has been applied to evaluate the randomness of a particle size distribution and to assign it to a group with similar characteristics. Entropy analysis allows to group huge amount of data and to identify the underlying processes.

Time series of wind, water depth, significant wave height and median suspended particle size and SPM concentration during January-February 2008 Flocs vary in size on short-time scales (ebbflood) as they are formed by collisions of smaller primary particles with cohesive properties in low-turbulence regimes, and are ruptured by shear in high-turbulence regimes. SPM has often multi-modal particle size distribution which reflects the fast temporal changes in floc sizes due to variation in turbulent shear as well as the overlapping distributions of flocs and mineral grains in mixed sediment environments under strongly varying shear stresses.

200 group 1 group 2 group 3 group 4 group 5 group 6

primary particles during max. currents: floc breakage

d50 (µm)

quasi uni-modal: silt and sand grains

150

100

SW storm 50

0 28

30

32

34

36

38

40

J Day

gradual increase in size and volume fraction of micro- and macroflocs as turbulent shear decreases

Averaged Particle size Distributions for 6 entropy groups together with the fitted sum of 4 log-normal functions. The coloured figure shows the temporal distribution of the groups during the deployment.

Modal sizes and volumetric fractions of primary particles (3 µm and 15 µm), micro- and macroflocs

Flocculation is very dynamic in periods dominated by mainly tidal forcing, when primary particles, micro- and macroflocs are found. Flocs are disappearing from the measuring site during SW storm conditions by wind induced advection. The PSD are more uni-modal and consist of mainly granular material (silt, sand) resuspended from the sea bed. Presented at the VLIZ Young Scientists’ Day - 25 February 2011

Research funded by the Maritime Access Division of Ministry of the Ministry of the Flemish Community (MOMO project)

APPENDIX 4      Baeye M, Fettweis M, Voulgaris G, Van Lancker V. 2011. Sediment Mobility in  response to Tidal and Wind‐driven Flows along the Belgian inner shelf, southern  North Sea. Ocean Dynamics. doi:10.1007/s10236‐010‐0370‐7 

Ocean Dynamics DOI 10.1007/s10236-010-0370-7

Sediment mobility in response to tidal and wind-driven flows along the Belgian inner shelf, southern North Sea Matthias Baeye & Michael Fettweis & George Voulgaris & Vera Van Lancker

Received: 27 September 2010 / Accepted: 8 December 2010 # Springer-Verlag 2011

Abstract The effect of hydro-meteorological forcings (tidal and wind-induced flows) on the transport of suspended particulate matter (SPM), on the formation of high-concentrated mud suspensions and on the occurrence of sand–mud suspensions has been studied using long-term multi-parametric observations. Data have been collected in a coastal turbidity maximum area (southern North Sea) where a mixture of sandy and muddy sediments prevails. Data have been classified according to variations in subtidal alongshore currents, with the direction of subtidal flow depending on wind direction. This influences the position of the turbidity maximum; as such also the origin of SPM. Winds blowing from the NE will increase SPM concentration, whilst SW winds will induce a decrease. The latter is related to advection of less turbid English Channel water, inducing a shift of the turbidity maximum towards the NE and the Westerschelde estuary. Under these conditions,

Responsible Editor: Aida Alvera-Azcárate M. Baeye (*) Department of Geology and Soil Science, Renard Centre of Marine Geology (RCMG), Ghent University, Ghent 9000, Belgium e-mail: [email protected] M. Fettweis : V. Van Lancker Management Unit of the North Sea Mathematical Models (MUMM), Royal Belgian Institute of Natural Sciences, Brussels 1200, Belgium G. Voulgaris Department of Earth and Ocean Sciences, University of South Carolina, Columbia, SC 29208, USA

marine mud will be imported and buffered in the estuary. Under persistent NE winds, high-concentrated mud suspensions are formed and remain present during several tidal cycles. Data show that SPM consists of a mixture of flocs and locally eroded sand grains during high currents. This has implications towards used instrumentation: SPM concentration estimates from optical backscatter sensors will only be reliable when SPM consists of cohesive sediments only; with mixtures of cohesive and noncohesive sediments, a combination of both optical and acoustic sensors are needed to get an accurate estimate of the total SPM concentration. Keywords Suspended particulate matter . Mixed sediments . High-concentrated mud suspensions . Alongshore sediment transport . Acoustic and optical backscattering . Southern North Sea

1 Introduction In coastal areas, benthic sediments generally consist of sand and mud mixtures. The mud/sand ratio influences the transition between cohesive and non-cohesive sediments and has a major influence on the erosion behaviour, on suspended particulate matter (SPM) concentration and on the benthic ecological properties (Williamson and Torfs 1996; Torfs et al. 1996; Panagiotopoulos et al. 1997; Wallbridge et al. 1999; Flemming and Delafontaine 2000; van Ledden et al. 2004; Waeles et al. 2007; Van Hoey et al. 2007). Frequently, mixed sediments occur as an alternation of sand and mud layers. Fan et al. (2004) describe storminduced waves as randomly occurring erosive forces on the

Ocean Dynamics

sediment bed, producing intense sediment mobilization leading to the deposition of sand-dominated layers. This type of vertical segregation within the sedimentary record can only occur, if cohesive SPM concentration is relatively low. In case of high SPM concentration, the segregation in sand/mud suspensions occurs when the initial mud concentration is smaller than its gelling point (Torfs et al. 1996). Cohesive SPM dynamics are complex and are affected by hydrodynamics, waves, wind, local and remote sediment availability (i.e., SPM sources), bed composition, biological processes and human impact (Le Bot et al. 2010; Van Lancker et al. 2010). Furthermore, in high-turbidity areas fluid mud layers may be formed. Fluid mud is a high concentration suspension of fine-grained sediment in which settling is substantially hindered. Fluid mud consists of water, clay-sized particles and organic materials; it displays a variety of rheological behaviours ranging from elastic to pseudo-plastic (McAnally et al. 2007). Massive sedimentation of fine-grained sediments in harbours and navigation channels is often related with the occurrence of fluid mud layers (Verlaan and Spanhoff 2000; Winterwerp 2005; PIANC 2008). The inner shelf of the Belgian coast, located in the southern North Sea, is an example of an area where bed sediment composition varies from pure sand to pure mud (Verfaillie et al. 2006). It is characterized by elevated SPM concentrations (Fettweis et al. 2006) and has been the subject of high anthropogenic stresses due to harbour extension, dredging and disposal works, deepening of navigation channels and aggregate extraction (Lauwaert et al. 2009; Du Four and Van Lancker 2008; Van Lancker et al. 2010). Understanding of sediment distribution and mobility in such areas requires the use of multi-parametric observations. These should account for the mutual interaction of sand–mud mixtures as a function of bed armouring, size fraction, sheltering and exposure effects (Wiberg et al. 1994; Wallbridge et al. 1999; Wu et al. 2003). With this scope in mind, in situ measurements of SPM concentration and characteristics, as also of currents have been carried out, using optical and acoustic sensors. This approach has already been successfully adopted in various mixed sediment environments (e.g. Thorne and Hanes 2002; Fugate and Friedrichs 2002; Voulgaris and Meyers 2004). The objective of this contribution is to identify the effects of the various hydrodynamic forcings (tidal and wind-induced flows) on suspended sediment transport and on the formation of high-concentrated mud suspensions (HCMS) and fluid mud layers. Furthermore, the forcing and sedimentary responses are analysed in terms of climatological parameters for the study site; as such, the findings can be used for developing an understanding of the long-term evolution of the system, and potentially for inclusion in future morphodynamic models.

2 Methodology 2.1 Study site Situated in the southern North Sea (Fig. 1a), the Belgian nearshore is characterized by high-turbidity waters (Fig. 1b). Nearshore SPM concentration ranges between 20 and 70 mg l−1 and reaches 100 to >3.000 mg l−1 near the bed; lower values (<10 mg l−1) occur offshore (Fettweis et al. 2010). The measurement station Blankenberge (BLA) is situated about 5 km SW of the port of Zeebrugge and is located on the eastern part of a shoreface-connected sand ridge (Fig. 1c). A coastal turbidity maximum zone (TMZ) is present between Oostende and the mouth of the Westerschelde (Fettweis et al. 2007). The BLA station is positioned in the TMZ. Sediment samples near BLA show variable sediment characteristics (fine sand, silt/clay), with a median grain size of the sand fraction of about 150 μm (Fig. 1c). Tidal regime is semi-diurnal and the mean tidal range at Zeebrugge is 4.3 and 2.8 m at spring and neap tide, respectively. A wind rose diagram (Fig. 2, left diagram) shows data over a 10-year period, collected at station MOW0 (3.5 km from BLA). Southwesterly winds dominate the overall wind climate, followed by winds from the NE sector. Maximum wind speeds coincide with the southwesterly winds; still, highest waves are generated under northwesterly winds. 2.2 Instrumentation An instrumented tripod was deployed at a water depth of 5 m (location BLA, Fig. 1) to collect current, salinity and suspended sediment data. The instrumentation suite consisted of a 5 MHz SonTekR Acoustic Doppler Velocimeter (ADVOcean-Hydra), a 3 MHz SonTekR Acoustic Doppler Profiler (ADP), two D&AR optical backscatter point sensors (OBS), Sea-birdR SBE37 CT and a Sequoia ScientificR Laser In Situ Scattering and Transmissometer 100-X (LISST-100X, Type-C). All data (except LISST) were stored in two SonTekR Hydra data logging systems. The OBSs were mounted at 0.2 and 2 m above the bed (hereafter referred to as mab). The ADV velocities were measured at 0.2 mab, while the ADP profiler was attached at 2.3 mab and down-looking, measuring current and acoustic intensity profiles with a bin resolution of 0.25 m. Mean values were obtained once every 10 min for the OBS, LISST and ADV, while the ADP was set to record a profile every 1 min; later on averaging was performed to a 10-min interval to match the sampling interval of the other sensors. A total of 198 days of data have been collected, during five deployments, spanning autumn–winter 2006– 2007, winter 2008 and spring 2008 (Table 1). The long deployments have ensured accurate sampling of condi-

Ocean Dynamics

Fig. 1 a Map of southern North Sea, neighbouring countries and Belgian continental shelf (grey area); b map of the southern North Sea with the in situ SPM concentration measurement station BLA and the meteorological station MOW0. The background consists of the yearly

averaged surface SPM concentration (mg·l−1) from MODIS images (2003–2008); c map of d50 sand grain size (micrometre) in the region of interest (high-turbidity area between Oostende and the Westerschelde)

tions that include complete periods of neap and spring tides, as well as the occurrence of a variety of meteorological events. The voltage of the OBS was converted to SPM concentration by calibration against filtered water samples

during several field campaigns (Fettweis et al. 2006). A linear regression between all OBS signals and SPM concentrations from filtration was assumed. Data from the LISST 100C have been analysed only for the sediment grain size information.

Fig. 2 Wind rose diagrams showing wind data over for 10 years (left) and wind data for the period of measurements (right). Legend values in m s−1. Black line indicates coastline orientation at the measurement location (BLA)

Ocean Dynamics Table 1 Tripod deployments at BLA site and the median and maximum significant wave height (Hs) during the measurement period

Start (dd/mm/yyyy hh:mm)

End ((dd/mm/yyyy hh:mm)

8/11/2006 14:30 18/12/2006 10:47 28/01/2008 15:38 6/3/2008 9:09 15/04/2008 08:58

15/12/2006 08:30 7/2/2007 13:17 24/02/2008 13:18 8/4/2008 15:29 5/6/2008 7:48

Besides time series of current velocities and acoustic amplitude, the ADV was configured to also measure and store the distance between sensor and boundary (i.e. sea bed). The altimetry of the ADV was used to detect variation in bed level, as also for the identification of deposition and resuspension of fine-grained sediments. For the study site, decreasing distance between probe and bed boundary can correspond to the presence of HCMS acting as an acoustic reflector. However, the boundary detection may fail, due to attenuation of the signal (Velasco and Huhta 2010). 2.3 Analysis of data Current time series (ADV and ADP) were filtered for the tidal signal using a low-pass filter for periods less than 33 h (Beardsley et al. 1985). Following, the velocity components were projected onto an along/cross-shore orthogonal coordinate system, with the positive alongshore axis oriented to the northeast (65°) and the positive cross-shore axis directed onshore, towards the southeast (155°). The backscattered acoustic signal strength, from ADP, was also used to estimate SPM concentrations. After conversion to decibels, the signal strength was corrected for geometric spreading and water attenuation. Furthermore, an iterative approach (Kim et al. 2004) was used to also correct for sediment attenuation. The upper OBS-derived SPM concentration estimates were used to empirically calibrate the ADP’s first bin. In general, the backscattering is affected by sediment type, size and composition. All are difficult to quantify by single frequency backscatter sensors (Hamilton et al. 1998). Limitations associated with optical and acoustic

Duration (days) 36.7 50.1 26.9 33.7 51

Median (max) Hs (m) 0.83 0.79 0.44 0.76 0.46

(2.76) (2.96) (2.82) (3.03) (1.69)

instruments have been addressed in literature (Voulgaris and Meyers 2004; Vincent et al. 2003; Fugate and Friedrichs 2002; Bunt et al. 1999; Hamilton et al. 1998; Thorne et al. 1991). Briefly, the optical sensors tend to underestimate the coarser particles present in the water column. Acoustic devices produce better estimates of mass concentration than optical for the coarser fraction (Fugate and Friedrichs 2002). The flow data have been used to separate the records in different groups corresponding to different hydrodynamic forcing. All records collected correspond to a total of 380 full semi-diurnal tidal cycles. For each tidal cycle the average value of the alongshore low-passed flow was estimated and subsequently used to characterize the tidal cycle in terms of wind-driven flow (Table 2). All tidal cycles with an alongshore low-passed flow ranging from −0.05 to 0.05 m s−1 are considered to represent purely tidal forcing conditions; these are hereafter referred to as case 0 conditions (total of 173 tidal cycles, 46% of data). All remaining tidal cycles (203 cycles) with a low-passed alongshelf flow speed, in excess of 0.05 m s−1, are assumed to correspond to periods with significant influence of winddriven flows. Negative values correspond to flows towards the SW, driven by NE winds (case SWW, total of 100 cycles), while positive subtidal flows, in excess of 0.05 m s −1 (107 cycles), are directed to the NE, corresponding to wind forcing from the SW (case NEW). In addition to the above classification, each tidal cycle was classified as neap or spring, in terms of the tidal range of the particular cycle. Cycles with a tidal range greater than the mean range (3.6 m) are classified as spring tidal cycles, while cycles with a range less that 3.6 m as considered neap

Table 2 Data grouping in terms of wind forcing cases 0, SWW and NEW and tidal range (neap and spring) for each wind forcing case Case

Subtidal flow (ur)

Case 0 (tidal flow, no wind forcing)

−0.05
173/46

Case SWW: (NE wind forcing)

ur <−0.05 m s−1

100/26

Case NEW: (SW wind forcing)

ur >0.05 m s−1

107/28

Total

Number of tidal cycles/%

380/100

Tidal range Neap Spring Neap Spring Neap Spring

Number of tidal cycles/% 79/20.8 94/24.7 32/8.4 68/17.9 58/15.3 49/12.9 380/100

Ocean Dynamics

tidal ranges. This classification has resulted in a total of six categories of tidal cycles where each category represents both tidal and wind forcing. Tidal cycles, from each category, were ensemble-averaged to create a “typical” representative tidal cycle for each case. Following the methodology described in Murphy and Voulgaris (2006) the time of data collection from each tidal cycle was converted from absolute time to tidal phase within the cycle, using the local high water slack time as a reference time. Then data from each case, falling within the same bin (width of 10 min) of the tidal phase, were averaged and a mean cycle and associated standard error were calculated.

3 Results 3.1 Wind and tidal circulation data Wind and wave data were collected by a buoy (Flemish Government, Maritime Services, Coastal Division), located at 4 km from the BLA measurement location. The overall wind conditions over a period of 10 years and during the period of data collection is shown in Fig. 2. Wind analyses clearly show that winds from the SW are the strongest and most commonly occurring for 33% of the year. Crosscorrelation with wave data, recorded by the buoy, indicates that these dominant winds from the SW coincide with an average wave height of 0.85 m and period of 4 s (Fig. 3). For the three cases, the spring–neap tidal cycles for the near-bed (1.25 mab) alongshore and cross-shore currents are shown in Fig. 4a–f. Overall, the cross-shore components are negligible, indicating a highly rectilinear current ellipse, aligned with the coastline. Tidal forcing in the study area (case 0) is characterized by an asymmetry between ebb and flood. The maximum flood current is approximately 0.75 m s−1 and of short duration, while the ebb current

Fig. 3 Average significant wave height for the three cases under spring conditions. Highest waves occur in case NEW meteorological conditions

peaks at 0.45 m s−1, but persists longer in time; this is typical of asymmetrical tidal condition. Neap conditions show similar patterns in terms of asymmetry, but with reduced magnitudes. Although, wind forcing was defined in terms of tidally averaged subtidal flow strength, the correlation between this flow and alongshore wind speed is used to check the assumption that these flows are predominantly (R2 =0.76) driven by the wind and not by baroclinic processes (Fig. 5). Case NEW corresponds with stronger winds than case SWW, something expected given the wind patterns in this area (see Fig. 2). Examination of the tidal variability of the salinity records for each case reveals that overall salinity is highest (33) for case NEW and lowest (30.5) for case SWW; this indicates a higher riverine influence (Westerschelde) in the latter case (Fig. 6a–b). Steady winds bias the tidal forcing, because of the introduction of a wind-induced flow component. Fig. 4. (case SWW) shows that prevailing northeasterly winds result in increased ebb (33%) and slightly reduced flood current (15%), compared with the tidal forcing (case 0). These effects are most pronounced during spring tidal conditions. Southwesterly winds are the most common (case NEW) and tend to bias the ebb-flood current pattern significantly (Fig. 4e, f). Under spring conditions, the ebb current is reduced by 33%, whereas the flood current is enhanced by 13%. 3.2 SPM concentration and particle size For the upper OBS (2 mab), the qualitative variation in SPM concentration is very similar for all cases (0, SWW, NEW). Generally, tidal variability is characterized by two local maxima, corresponding with ebb and flood flows, respectively, with the ebb maximum being lower than the one during flood (Fig. 7a–f). The flood is characterized by a

Ocean Dynamics Fig. 4 Ensemble-averages of sea surface elevation (blue), alongshore (red) and cross-shore (green) currents derived from the ADP observations at 1.25 mab (m s−1) for cases 0 (a and b), SWW (c and d) and NEW (e and f) and for spring (left) and neap (right) tidal range within each case. The error bars indicate standard error

pronounced maximum, occurring at the beginning of the flood during spring tide and is due to resuspension. This maximum is firstly detected at 0.2 mab and only later at 2 mab. The occurrence of such a time lag is well known and is related to the time necessary for vertical mixing (e.g. Bass et al. 2002). In cases 0 (Fig. 7a, b) and NEW (Fig. 7e, f) one can observe that around 2–3 and 9 h, when current strength is high, a vertical stratification of SPM concentration, according the two measuring levels, is limited. Vertical stratification remains always significant in case SWW (Fig. 7c, d), with permanently higher SPM concentrations present in the lower level than in the upper level. The three cases show distinct differences in SPM concentration at 0.2 mab. Case SWW exhibits different maxima in SPM concentration during ebb as well as flood, indicating multiple resuspension events; whereas for case

Alongshore Wind Speed (m.s−1)

30

CASE SWW

25

NEW the SPM concentration maximum occurs at the end of the ebb and during slack water. The remaining time SPM concentration is relatively low. SPM concentrations, derived from ADP, are also plotted in Fig. 7. SPM concentration at 2 mab is very similar to the concentration derived from OBS, except during flood in case NEW. At 0.2 mab significant differences occur for case 0 and NEW (spring tides), where the ADP signal gives significantly higher SPM concentrations than the OBS. Under neap conditions, the OBS and ADP SPM data coincide well. Case SWW shows for both spring and neap conditions similar SPM concentrations at 0.2 mab for the OBS and ADP. These differences between optical and acoustic sensors are suggesting variability in sediment size composition that leads to different responses by the different sensors, something we will discuss later.

CASE 0

20 15 10 5 0 −5 −10 −15 −20 −30

CASE NEW −25

−20

−15

−10

−5

0

5

10

15

20

25

30

35

40

45

Subtidal Alongshore Flow Velocity (cm.s−1)

Fig. 5 Relationship between wind-induced flow in the alongshore direction and the alongshore wind component

50

55

60

Ocean Dynamics

distinct pattern with less pronounced particle size maxima. Higher standard error bars are because of more variable wave conditions occurring during case NEW. 3.3 Sea bed altimetry

Fig. 6 Ensemble-averaged tidal variability of salinity measured at 1 mab for the three cases and for spring (upper) and neap (lower). The error bars indicate standard error

In situ particle sizes from LISST were classified and averaged per case (Fig. 8a–f). Overall, the median particle size varies between 40 and 130 μm. The fact that highest particle sizes occur during slack water and lowest during maximum velocities indicate that the main part of the particles consists of flocs. The median floc size in case SWW (Fig. 8c, d) is reduced during slack water (about 70 vs. 100 μm in case 0). Case NEW (Fig.8e, f) shows a

Fig. 7 Ensemble-averages of tidally varying SPM estimates from OBS and ADP at 0.2 (blue) and 2 mab (green). The error bars indicate standard error

Sea bed level variations have been derived from ADV altimetry. Besides the general procedure of averaging and grouping, a reference level has also been introduced in order to obtain normalised altimetry data from the five different tripod moorings taking into account the tripod movement (pitch and roll) and the dilute settling of the tripod into the sediment right after deployment and during high-energy meteorological events. The data per case (0, SWW, NEW) and per spring or neap condition are presented in Fig. 9(a–f). The sea bed level, on which the ADV acoustic signal reflects, might either consist of sandy material or strong SPM gradient when fluid mud or even HCMS is present. For all cases (0, SWW, NEW), vertical bed level rises are associated with slack waters. Sea bed rise is on average 5 cm, under spring conditions, whereas during neap tides only a few cm. Case SWW (Fig. 9c, d) shows a clear sea bed rise during the HW slack (around 12 h).

4 Discussion Measurements show that near-bed hydrodynamics and sediment dynamics, although dominated by the tidal forcing, are significantly modified by wind-induced flows

Ocean Dynamics

Fig. 8 Averaged median particle size as measured by the LISST 100X-type C. The error bars indicate standard error

with different effects, depending on the wind direction. Below the effects of wind and tidally driven circulation, as well as the distinct optical and acoustic response on varying SPM concentration and composition, are discussed in more detail. Furthermore, a conceptual sediment transport model is proposed for the area. 4.1 General tidal and wind-driven circulation in the study area The wind climate in the study area is characterized by mainly SW and NE winds (Fig. 2, left–right) affecting the direction and strength of alongshore water mass transport. Fig. 9 Averaged sea bed level change derived from ADV altimetry with standard error bars

Salinity records are used as a proxy to identify the source of water masses (Fig. 6a–b). The salinity at the study site is mainly influenced by the Scheldt, Rhine and Seine rivers (Lacroix et al. 2004) and has an overall tidally and seasonally averaged mean of 32.2, with a standard deviation of 1.1. This salinity varies as a function of the tidal cycle. For periods of limited wind forcing (case 0) the mean salinity during ebb and flood amounts to 31.5 and 32.3, respectively. The mean salinity during periods associated with southwesterly winds (case NEW) is about 33, indicating advection of oceanic water masses from the English Channel towards the study site. On the other hand, during periods of NE wind activity (case SWW) the mean

Ocean Dynamics

salinity reduces to 30.5, suggesting the influence of freshwater input, from mainly the Scheldt River, approximately 30 km away from the study site (Fig. 1). SPM measurements, under tidal forcing only, show concentration maxima occurring at the end of ebb (5 h) and at the beginning of flood (8 h). The latter is a result of resuspension during maximum flood currents. The ebbmaxima are explained by the fact that the centre of the turbidity maximum is usually situated in ebb direction of the measurements. Hence, the maxima during ebb occur when, SPM concentrations advected from the centre of the turbidity maximum, have reached the measuring location. Neap tidal conditions show similar patterns, but with lower SPM concentrations. SPM measurements, from OBS, show that cases SWW (flow from NE) and NEW (flow from SW) correspond with high and lower SPM concentrations, respectively, and show that the wind-driven alongshore advection has a significant influence on SPM concentration. Indeed, ocean water masses, advected into the coastal area (case SWW), have generally lower SPM concentrations than the nearshore waters (Fettweis et al. 2010). The ebb-flood tidal cycle is typically characterized by an increase and decrease in SPM concentration, driven by accelerating and decelerating currents, respectively. However, measurements indicate strikingly different SPM concentration behaviour near the bed (0.2 mab) between the three cases (Fig. 7a–f). The water column in the cases 0 (no wind-driven advection) and SWW (SW advection) is characterized by good vertical mixing, as can be seen in Fig. 7(a, b, e, and f) at about 2 and 9 h, when SPM concentration at 0.2 and 2 mab are very similar. However, in case NEW (advection from the SW) vertical mixing is sustained for a longer time interval (Fig. 7e, f). The vertical mixing during wind-driven advection from the NE (case SWW, Fig. 7c, d) is limited during both spring and neap Fig. 10 Time-series of distance between ADV sensor and sea bed boundary (centimetre). Peaks indicate periodic deposits (quarterdiurnal). Around 136–140, a longer persisting HCMS/mud layer is present

tidal conditions; this is probably the result of higher mud concentrations and the occurrence of HCMS (see also below); the latter functioning as a bigger reservoir of sediment to be resuspended and thus maintaining a strong vertical gradient. The decreasing flows around 4 and 10 h favour settling of particles and results in a decrease of SPM concentration at 2 mab. However, a continuous increase in SPM concentration at 0.2 mab is only present in case NEW, where the maximum SPM concentration at 0.2 mab occurs around slack water. In cases 0 and SWW, the SPM concentration decreases around LW slack and HW slack, indicating the formation of HCMS near the bed. An extract (day of year (DOY) 130–144) from the time series (tripod mooring no. 5) of vertical distance between ADV sensor and sea bed boundary is shown in Fig. 10. Quarterdiurnal peaks of bed level change occur during slack water and consist of HCMS. They easily reach 10 cm with maxima of 15 cm, and last for at least 50 min (maximum of 3 h). The general sea bed level on which these changes are superimposed is also changing in time. Around DOY 136–140, a sea bed level change occurs under case SWW, spring conditions and persists over 4 days (∼8 tidal cycles). This increase in bed level occurs during high vertical SPM concentration gradients and corresponds with the formation of HCMS. In case NEW the SPM concentration is lower and wave conditions on average higher, resulting thus in less favourable conditions for deposition. Depending on how much sediment was deposited during slack water, a SPM concentration peak in both OBS’s is shown during cases 0 and SWW (Fig. 7c, d). 4.2 Nature of sediment in resuspension The nearshore area is characterized by the occurrence of fine sands (d50, 150 μm) and muds (Fettweis and Van den

Ocean Dynamics

Eynde 2003) suggesting that mixed sediment transport occurs. The wind-driven subtidal flow towards the NE (case NEW) increases the flood current on average by 13% and decreases ebb currents by 33%, compared with case I (Fig. 4a, b, e, f). The enhanced flood current is strong enough for resuspension of the in situ bed material. The measurements show that the OBS- and ADP-derived SPM concentrations are different, mostly during flood. Highest differences occur for case NEW (Fig. 7e, f), when flood currents are highest and reveal that SPM concentration, measured by the acoustic devices is significantly higher than by OBS. It is well known from literature that the OBS tends to underestimate the coarser particles in suspension (Downing 2006; Vincent et al. 2003; Voulgaris and Meyers 2004; Fugate and Friedrichs 2002; Bunt et al. 1999). This suggests that the higher SPM concentration, detected during flood, in the ADP is formed by the presence of fine sand in suspension. This is confirmed by the particle size data from the LISST (at 2 mab), showing a bimodal size distribution during maximum flood (Fig. 11). The first mode is situated around 35 μm and corresponds with the typical size of flocs (Fettweis et al. 2006) whereas the second mode corresponds with the median grain size of the sand (150 μm). The rising tail at fine particle sizes is due to the presence of particles finer than the measuring range of the instruments (Agrawal and Pottsmith 2000). The fact that flood currents are higher, that SPM concentrations are lower, and that the water column is well-mixed during case NEW, suggest that the parent bed (sand) is exposed and not covered with mud. The fact that the LISST does not detect sand-sized particles at 2 mab in the other cases suggests most probably that sand resuspension is lower; this is confirmed by the generally lower peak currents and the fact that the bed is during longer periods covered by mud (see below). As

Fig. 11 Averaged particle size distributions around maximum flood current under spring conditions (8 h after HW slack, see Fig 7). Remark the bimodal distribution in case NEW, with one maximum around 45 μm and another one around 150–200 μm. The latter is caused by the resuspension of fine sand

such, the data suggest the occurrence of an ‘inverse’ bed armouring, where a layer of fine sediments prevents the erosion of coarser material. Sand transport in the turbidity maximum area is therefore mainly directed in flood direction, with the highest sand transport rates during a wind-driven advection towards the NE. 4.3 Conceptual SPM transport system Altimetry data (Figs. 9a–f and 10) show bed level variations that can be explained by the formation of HCMS. In case 0 and NEW (Fig. 9a, e) their occurrence is limited to slack water periods. The corresponding neap condition cases (Fig. 9b, f) show a similar, however, reduced pattern, as resuspension is lower. In case SWW (Figs. 9c, d and 10). the corresponding altimetry pattern suggests the occurrence of HCMS layers, persistent over several tides. Lower flood currents, together with higher SPM concentrations, a generally lower wave activity and a reduced vertical mixing strengthen the argument that a semi-permanent HCMS or mud layer is formed. The damping of turbulence by HCMS layers is a major mechanism maintaining these layers during longer time periods (Sheremet et al. 2005; Reed et al. 2009). Our data show that semi-permanent HCMS occur when the subtidal flow is directed towards the SW, mainly under NE wind forcing. These winds are not very frequent and their wind speeds are rather reduced. However, we believe that this type of benthic sediment transport is very important and has implications for object burial and sediment recirculation in and around the port (Fig. 1). In case 0 and NEW, HCMS corresponds with deposition during slack water and resuspension by ebb-flood currents. We conclude that the variability in HCMS and SPM concentration is also influenced by shifts in the location

Ocean Dynamics

of the high-turbidity maximum zone, which is controlled by the wind climate and thus alongshore advection. During case NEW, the TMZ is situated more towards the northeast and corresponds with SW winds (most frequent wind sector). For these conditions, no continuous HCMS was found. The parent bed consisting of fine sands will be exposed and resuspension of the parent bed can occur. Under these conditions, more marine fine-grained sediments are entering the Westerschelde estuary. Indeed, the Westerschelde cohesive sediments show a very strong marine signature (>80%) (Van Alphen 1990; Verlaan and Spanhoff 2000) suggesting that the estuary serves as a buffer of marine fine-grained matter (van der Wal et al. 2010). Part of these fine-grained sediments is permanently deposited in inter-tidal areas (Temmerman et al. 2003). The fact that under SW-directed subtidal flow, higher SPM concentrations are measured, suggests the outflow of marine sediments from the Westerschelde. Fettweis and Van den Eynde (2003) proposed that the turbidity maximum was formed by congestion in the sediment transport along the coast. Our data suggest also that the Westerschelde functions as storage area of marine sediments, which are released into the sea under specific hydro-meteo conditions.

5 Conclusions A total of 198 days of in situ data on SPM and currents have been collected in the coastal turbidity maximum area of the Belgian inner shelf. The measurements, made in autumn–winter 2006–2007 and winter-spring 2008, were averaged and classified into three cases, based on the direction and strength of subtidal advection. The main conclusions are: 1. Near-bed hydrodynamics and SPM dynamics are predominantly dominated by tidal forcing. Generally, SPM concentration is significantly influenced by advection during ebb, whereas during flood local resuspension is more important. 2. A significant modification of the tidal forcing results from alongshore advection due to wind-induced flows and influences the position of the turbidity maximum; as such also the origin of SPM. Winds persistently blowing from the NE will increase SPM concentration, due to an increased SPM outflow from the Westerschelde estuary. SW winds will decrease SPM concentrations. The latter is related to the advection of less turbid English Channel water to the measuring location, inducing a shift of the turbidity maximum towards the NE and the Westerschelde estuary. Under these conditions, marine mud will be imported and buffered in the estuary.

3. With prevailing NE winds, the increase in SPM concentration results in the formation of persistent HCMS. The results have indicated that these layers mostly remain present throughout the tidal cycle. Inverse armouring occurs, as the sandy bed is sheltered from erosion. SPM consists of cohesive sediments only. 4. In case of tidal influence and SW prevailing winds, HCMS occur only around slack water. SPM consists of a mixture of cohesive sediments (flocs) and locally eroded sand grains during high currents. 5. Regarding instrumentation, it is shown that SPM estimates from OBS are only reliable when SPM consists of cohesive sediments only; with mixtures of cohesive and non-cohesive sediments, a combination of optical (OBS) and acoustic sensors (ADP, ADV) are needed to get an accurate estimate of the total SPM concentration. Acknowledgements The study was partly funded by Belgian Science Policy (Science for a Sustainable Development, QUEST4D, SD/NS/06A) and partly by the Maritime Access Division of the Ministery of the Flemish Community (MOMO project). G. Dumon (Ministery of the Flemish Community, Maritime Services, Coastal Division/Hydrography) made available wind and wave measurement data. We want to acknowledge the crew of RV Belgica, Zeearend and Zeehond for their skilful mooring and recuperation of the tripod. Measurements would not have been possible without technical assistance of A. Pollentier, J.-P. De Blauwe, and J. Backers (Measuring service of MUMM, Oostende). The first author acknowledges a specialisation grant from IWT (Agency for Innovation by Science and Technology, Flanders)

References Agrawal YC, Pottsmith HC (2000) Instruments for particle size and settling velocity observations in sediment transport. Mar Geol 168:89–114 Beardsley RC, Limeburner R, Rosenfeld LK (1985) Introduction to the CODE-2 moored array and large-scale data report. In: Limeburner R (ed) CODE-2: Moored array and large-scale data report. Tech Rep WHOI-85-35, Woods Hole Oceanogr Inst, Woods Hole, Mass, 234 pp Bass SJ, Aldridge JN, McCave IN, Vincent CE (2002) Phase relationships between fine sedimens suspensions and tidal currents in coastal seas. J Geophys Res 107:C10–3146. doi:10.1029/2001JC001269 Bunt JAC, Larcombe P, Jago CF (1999) Quantifying the response of optical backscatter devices and transmissometers to variations in suspended particulate matter. Cont Shelf Res 19:1199–1220 Downing J (2006) Twenty-five years with OBS sensors: the good, the bad, and the ugly. Cont Shelf Res 26:2299–2318. doi:10.1016/j. csr.2006.07.018 Du Four I, Van Lancker V (2008) Changes of sedimentological patterns and morphological features due to the disposal of dredge spoil and the regeneration after cessation of the disposal activities. Mar Geol 255:15–29. doi:10.1016/j.margeo.2008.04.011 Fan D, Li C, Wang P (2004) Influences of storm erosion and deposition on rhythmites of the upper Wenchang Formation

Ocean Dynamics (Upper Ordovician) around Tonglu, Zhejiang province, China. J Sediment Res 74:527–536. doi:10.1306/010304740527 Fettweis M, Van den Eynde D (2003) The mud deposits and the high turbidity in the Belgian-Dutch coastal zone, Southern bight of the North Sea. Cont Shelf Res 23:669–691. doi:10.1016/S0278-4343 (03)00027-X Fettweis M, Francken F, Pison V, Van den Eynde D (2006) Suspended particulate matter dynamics and aggregate sizes in a high turbidity area. Mar Geol 235:63–74. doi:10.1016/j.margeo.2006.10.005 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 27:1568–1583. doi:10.1016/j.csr.2007.01.017 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 30:1417–1427. doi:10.1016/j.csr.2010.05.001 Flemming BW, Delafontaine MT (2000) Mass physical properties of muddy intertidal sediments: some applications, misapplications and non-applications. Cont Shelf Res 20:1179–1197 Fugate DC, Friedrichs CT (2002) Determining concentration and fall velocity of estuarine particle populations using ADV, OBS and LISST. Cont Shelf Res 22:1867–1886 Hamilton LJ, Shi Z, Zhang SY (1998) Acoustic backscatter measurements of estuarine suspended cohesive sediment concentration profiles. J Coast Res 14:1213–1224 Lacroix G, Ruddick K, Ozer J, Lancelot C (2004) Modelling the impact of the Scheldt and Rhine/Meuse plumes on the salinity distribution in Belgian waters (southern North Sea). J Sea Res 52:149–163. doi:10.1016/j.seares.2004.01.003 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 (2009) Synthesis report on the effects of dredged material disposal on the marine environment (licensing period 2008–2009). MUMM, ILVO, CD, aMT, WL report BL/ 2009/01, p. 73. Available at: http://www.mumm.ac.be/Downloads/ News/synthesis_report_PW_2009.pdf 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 #04-01. Le Bot S, Lafite R, Fournier M, Baltzer A, Desprez M (2010) Morphological and sedimentary impacts and recovery on a mixed sandy to pebbly seabed exposed to marine aggregate extraction (eastern English Channel, France). Est, Coast Shelf Sci 89:221– 233. doi:10.1016/j.ecss.2010.06.012 McAnally WH, Friedrichs C, Hamilton D, Hayter EJ, Shrestha P, Rodriguez H, Sheremet A, Teeter A (2007) Management of fluid mud in estuaries, bays, and lakes Present state of understanding on character and behavior. J Hydraul Eng 133:9–22. doi:10.1061/ (ASCE)0733-9429 133:1(9) Murphy S, Voulgaris G (2006) Identifying the role of tides, rainfall and seasonality in marsh sedimentation using long-ter, suspended sediment concentration data. Mar Geol 227:31–50. doi:10.1016/j. margeo.2005.10.006 Panagiotopoulos I, Voulgaris G, Collins MB (1997) The influence of clay on the threshold of movement of fine sandy beds. Coast Eng 32:19–43 PIANC (2008) Minimising harbour siltation, Report No 102, p. 75 Reed AH, Faas RW, Allison MA, Calliari LJ, Holland KT, O’Reilly SE, Vaughan WC, Alves A (2009) Characterization of a mud deposit offshore of the Patos Lagoon, southern Brazil. Cont Shelf Res 29:597–608. doi:10.1016/j.csr.2009.02.001

Sheremet A, Mehta AJ, Liu B, Stone GW (2005) Wave-sediment interaction on a muddy inner shelf during Hurricane Claudette. Est, Coast Shelf Sci 63:225–233. doi:10.1016/j.ecss.2004.11.017 Temmerman S, Govers G, Meire P, Wartel S (2003) Modelling longterm tidal marsh growth under changing tidal conditions and suspended sediment concentrations, Scheldt estuary, Belgium. Mar Geol 193:151–169 Torfs H, Mitchener H, Huysentruyt H, Toorman E (1996) Settling and consolidation of mud/sand mixtures. Coast Eng 29:27–45 Thorne PD, Hanes DM (2002) A review of acoustic measurement of small-scale sediment processes. Cont Shelf Res 22:603–632 Thorne PD, Vincent CE, Hardcastle PJ, Rehman S, Pearson ND (1991) Measuring suspended sediment concentrations using acoustic backscatter devices. Mar Geol 98:7–16 Van Alphen JSLJ (1990) A mud balance for Belgian-Dutch coastal waters between 1969 and 1986. Neth J Sea Res 25 (1/2):19–30 van der Wal D, van Kessel T, Eleveld MA, Vanlede J (2010) Spatial heterogeneity in estuarine mud dynamics. Oc Dyn 60:519–533. doi:10.1007/s10236-010-0271-9 Van Hoey G, Vincx M, Degraer S (2007) Temporal variability in the Abra alba community determined by global and local events. J Sea Res 58:144–155. doi:10.1016/j.seares.2007.02.007 Van Lancker VRM, Bonne W, Bellec V, Degrendele K, Garel E, Brière C, Van den Eynde D, Collins MB, Velegrakis AF (2010) Recommendations for the sustainable exploitation of tidal sandbanks. J Coast Res SI 51:151–64. doi:10.2112/SI51-014 van Ledden M, van Kesteren WGM, Winterwerp J (2004) A conceptual framework for the erosion behaviour of sand-mud mixtures. Cont Shelf Res 24:1–11. doi:10.1016/j.csr.2003.09.002 Velasco DW, Huhta CA (2010) Experimental verification of acoustic Doppler velocimeter (ADV) performance in fine-grained, high sediment concentration fluids. App Note SonTek/YSI Verfaillie E, Van Meirvenne M, Van Lancker V (2006) Multivariate geostatistics for the predictive modelling of the surficial sand distribution in shelf seas. Cont Shelf Res 26:2454–2468. doi:10.1016/j.csr.2006.07.028 Verlaan PAJ, Spanhoff R (2000) Massive sedimentation events at the mouth of the Rotterdam waterway. J Coast Res 16:458–469 Vincent CE, Bass SJ, Rees JJ (2003) Uncertainties in suspended sediment concentration and transport due to variations in sediment size. In: Proceedings of Coastal Sediments '03, Clearwater, Florida, May 2002. p. 10 Voulgaris G, Meyers S (2004) Temporal variability of hydrodynamics, sediment concentration and sediment settling velocity in a tidal creek. Cont Shelf Res 24:1659–1683. doi:10.1016/j.csr.2004.05.006 Waeles B, Le Hir P, Lesueur P, Delsinne N (2007) Modelling sand/ mud transport and morphodynamics in the Seine river mouth (France): an attempt using a process-based approach. Hydrobiol 588:69–82. doi:10.1007/s10750-007-0653-2 Wallbridge S, Voulgaris G, Tomlinson BN, Collins MB (1999) Initial motion and pivoting characteristics of sand partlicles in uniform and heterogeneous beds: experiments and modeling. Sedimentology 46:17–32 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. Cont Shelf Res 14:1191–1219 Williamson H, Torfs H (1996) Erosion of mud/sand mixtures. Coast Eng 29:1–25 Winterwerp JC (2005) Reducing harbour siltation I: methodology. J Waterw Port Coast Ocean Eng 131:258–266. doi:10.1061/ (ASCE)0733-950X(2005)131:6(258) Wu B, Molinas A, Shu A (2003) Fractional transport of sediment mixtures. Int J Sediment Res 18:232–247

APPENDIX 5          Matlab code voor de berekening van de bodemschuifspanning via hoogfrequente  ADV metingen 

%Internal dissipation - spectra correctie voor golven clear all %parameters rho=1025; vonkar=0.4; zz=0.20; badcor=80; %load burst velocities and transform from cm to m bestand=input('\nGeef de filename op: ','s'); bad=input('\nAantal samples over te slaan in burst: '); load(bestand, '-regexp', 'Vel1', 'Vel2', 'Vel3', 'Num_Bursts', 'Num_Samples', 'Sampling_Rate', ... 'Cor1', 'Cor2', 'Cor3') %Sampling rate Fs=Sampling_Rate;

for i=1:Num_Bursts if rem(i,50)==0, fprintf('\n%d',i);end; fprintf('.'); u=Vel1(bad+1:400,i)/100; v=Vel2(bad+1:400,i)/100; w=Vel3(:,i)/100; ww=Vel3(bad+1:400,i)/100; Coru=Cor1(bad+1:400,i); Corv=Cor1(bad+1:400,i); Corw=Cor1(:,i); %Corrigeer cu=Coru
vc(max(vloc):end)=vc(max(vloc)); iv=naninterp(vc); burstv(:,i)=iv(:,1); else iv(1:Num_Samples)=NaN; end if isfinite(max(wc)) wloc=find(isfinite(wc)); wc(1:min(wloc))=wc(min(wloc)); wc(max(wloc):end)=wc(max(wloc)); iw=naninterp(wc); burstw(:,i)=iw(:,1); else iw(1:Num_Samples)=NaN; end % Define NFFT that is the next power of two close to the length of the % signal NFFT = 2^nextpow2(length(w)); %Generate Hann window H=hann(Num_Samples,'periodic'); % Compute the onesided periodogram using windowed data, NFFT for FFT and Fs [Pww,f] = periodogram(iw,H,NFFT,Fs); PDw(i,:)=Pww; PDf(i,:)=f; for a=1:NFFT/2 DFreq(a)=Fs/2/(NFFT/2); end DFreq(1)=DFreq(1)/2; DFreq(NFFT/2+1)=DFreq(NFFT/2)/2; %Enkele statistieken umean=mean(iu); vmean=mean(iv); wmean=mean(iw); wwmean=mean(ww); Um=sqrt(iu.^2+iv.^2); U(i)=mean(Um); varu(i)=var(iu); varv(i)=var(iv); varw(i)=var(iw); varU(i)=var(sqrt(iu.^2+iv.^2));

fu(:,i)=detrend(iu,'constant'); fv(:,i)=detrend(iv,'constant'); fw(:,i)=detrend(ww,'constant'); vfu(i)=var(fu(:,i),1); vfv(i)=var(fv(:,i),1); vfw(i)=var(fw(:,i),1); TKE(i)=1024*(vfu(i)+vfv(i)+vfw(i))/2; TKETau(i)=TKE(i)*0.19; %Bereken downstream current direction

Vel=sqrt(umean^2+vmean^2); si=vmean/Vel; co=umean/Vel; Dir(i)=pi/2; if (si<0) Dir(i)=-Dir(i); end if (abs(co)>0.00000001) Dir(i)=atan2(si,co); end if (Dir(i)<0) Dir(i)=Dir(i)+pi*2; end Dir(i)=Dir(i)/pi*180; %normaliseren van spectrum n1w=sum(Pww'*DFreq'); normw=Pww.*(varw(i)/n1w); %denoise dnoiw(:,i)=normw; %Transform spomegaw=((f.*(2*pi)).^(5/3)).*dnoiw(:,i)./(2*pi); trspw(i,:)=spomegaw; %Calculate median or mean (omega^5/3*E) in 1-2.5Hz range ond=find(f>1); ind=find(f>2.5); omegaw(i)=mean(spomegaw(ond(1):ind(1)-1)); %calculate epsilon and tau epsw(i)=(omegaw(i)/(12/55*1.5*U(i)^(2/3)))^(3/2); if badw(i)<100 tauw(i)=rho*(epsw(i)*vonkar*zz)^(2/3); else tauw(i)=NaN; end

%calculate theta A=cov(u,v); Suu=A(1,1); Svv=A(2,2); Suv=A(1,2); Theta(i)=0.5*atan2(2*Suv,(Suu-Svv))*180/pi; %Hoek tussen golven en stroming Th(i)=abs(Dir(i) - Theta(i)); if (Th(i)>180) Th(i)=360-Th(i); end if (Th(i)>90) Th(i)=180-Th(i); end %Ratio R1(i)=sqrt(varU(i))/U(i);

%correctiefactor I

G=@(x) 1/sqrt((2*pi))*(R1(i)).^(2/3)*(x.^22/R1(i)*cos(Th(i))*x+(1/R1(i))^2).^(1/3).*exp(-(x.^2)/2); if isnan(R1(i)) I(i)=1; else I(i)=quadl(G,-10,10); end

cepsw(i)=I(i)^(-3/2)*epsw(i); if badw(i)<40 ctauw(i)=rho*(cepsw(i)*vonkar*zz)^(2/3); else ctauw(i)=NaN; end end

 

APPENDIX 6          Terreinproef optimalizatie stortbeleid   

Optimalisatie stortbeleid: Voorstel voor een terreinproef 

  Michael Fettweis1, Dries van den Eynde1, Chantal Martens2   1 

Beheerseenheid van het Mathematisch Model van de Noordzee, Gulledelle 10, 1200 Brussel 

2 

             

Departement  Mobiliteit  en  Openbare  Werken,  Afdeling  Maritieme  Toegang,  Tavernierkaai  3,  2000  Antwerpen 

 

Inhoudsopgave 1.

Inleiding 

3

2. 2.1. 2.1.1. 2.1.2. 2.2. 2.2.1. 2.2.2. 2.3. 2.3.1. 2.3.2.

Methodologie  Hydrodynamisch model  Beschrijving  Validatie  Sedimenttransport model  Beschrijving  Calibratie‐Validatie  In situ Metingen  SPM concentratie als indicator voor veranderingen  Topslib project Blankenberge 

4 4 4 4 7 7 7 8 8 8

3. 3.1. 3.1.1. 3.1.2. 3.2.

Verwachte vermindering in baggerwerkzaamheden  Modelresultaten  Sensitiviteit van het model  Standaardsimulaties  Vermindering in baggerwerkzaamheden 

4. 4.1. 4.2. 4.2.1. 4.2.2. 4.2.3. 4.2.4. 4.2.5. 4.3. 4.4. 4.4.1. 4.4.2.

Terreinproef en monitoring  17 Processen  17 Monitoring  17 Meetlocaties  17 Monitoring van de SPM concentratie  18 Monitoring evolutie topslib  18 Monitoring van de bathymetrische evolutie van nieuwe stortzone  18 Biologische monitoring  Error! Bookmark not defined. Meetinfrastructuur  18 Data analyse  19 SPM concentratie  Error! Bookmark not defined. Biologische data  Error! Bookmark not defined.

5.

Referenties 

9 9 10 11 15

21

   

2

 

1. Inleiding  Een  van  de  lange  termijn  doelstellingen  van  MOMO  is  het  aanreiken  van  ideeën  en  het  uitwerken  van  mogelijkheden  om  baggerwerkzaamheden  efficiënter  te  maken  (Fettweis  et al 2010a). Om dit te bereiken is het onder andere nodig om efficiënte stortzones wat  betreft  recirculatie  baggerspecie,  ecologie,  economie  en  bathymetrie  te  selecteren.  Uit‐ eindelijk zal dit moeten leiden tot de operationele voorspelling van de recirculatie van het  gestorte  materiaal  door  de  operationele  data  uit  hydrodynamische  en  sedimenttrans‐ portmodellen, real time meetstations, satellietbeelden, bathymetrie van de baggerplaat‐ sen  te  integreren.  In  het  MOMO‐programma  2010‐2011  werd  de  voorbereiding  van  een  terreinproef voorzien conform de aanbevelingen aan de Minister geformuleerd in het syn‐ theserapport  2008‐2009  (Lauwaert  et  al.  2009),  met  als  doel  de  effecten  van  een  ander  stortschema, dit is het storten op een andere locatie, op de baggerhoeveelheden in de ha‐ ven van Zeebrugge na te gaan.   Al lang wordt er aangehaald dat het gestorte slib (deels) terugstroomt naar de bagger‐ plaatsen.  Malherbe  (1991)  zag  daarin  een  argument  dat  het  suspensiemateriaal  als  het  ware gevangen is in het turbiditeitsmaximum. Latere analyse van deze tracerexperimen‐ ten, van in situ metingen en van numerieke modellering toonden aan dat het turbiditeits‐ maximum  geen  gesloten  systeem  is  (Fettweis  &  Van  den  Eynde  2003,  Van  den  Eynde  2004). Dit heeft belangrijke implicaties voor het stortbeleid. In een gesloten systeem zou  enkel het storten buiten het turbiditeitsmaximum en dus op grote afstand van de bagger‐ plaatsen  een  reductie  van  de  hoeveelheid  slib  in  het  systeem  betekenen  en  dus  een  re‐ ductie van de baggerwerkzaamheden. In een ‘open’ systeem kan storten op een geschikte  locatie  in  het  turbiditeitsmaximum  resulteren  in  een  efficiënte  afvoer  van  het  gestorte  materiaal of anders gezegd in een beperking van de recirculatie van het materiaal. De con‐ clusies  uit  de  tracerproeven  en  numeriek  modelsimulaties  suggereren  dat  vooral  B&W  Zeebrugge  Oost  inefficiënt  is  en  dat  een  significante  hoeveelheid  van  het  daar  gestorte  materiaal  recirculeert  naar  de  baggerplaatsen.  Gezien  het  feit  dat  slibtransportmodellen  enkel een benadering zijn van de werkelijkheid is het aangewezen om de conclusies uit de  simulaties ‘in situ’ te toetsen tijdens een terreinproef, waarbij i.p.v. stortplaats B&W Zee‐ brugge Oost een alternatieve stortlocatie gekozen wordt. De keuze van de andere stortlo‐ caties gebeurt op basis van de resultaten van modelberekeningen.  Het doel van de proef is aantonen dat er een reductie van de baggerwerken bekomen  kan worden door een andere stortplaats te gebruiken voor B&W Zeebrugge Oost. Speci‐ fiek wordt de terreinproef zodanig opgezet dat effecten op de SPM concentratie ter hoog‐ te van de baggerplaatsen, op de hoeveelheid baggerwerken en op de morfologische evo‐ lutie van de stortplaats kunnen geëvalueerd worden.   De gebruikte tools (numerieke modellen, in situ metingen) die hierbij werden gebruikt  worden  in  hoofdstuk  2  beschreven.  In  hoofdstuk  3  wordt  een  schatting  gedaan  van  de  vermindering in baggerwerkzaamheden bij gebruik van andere stortplaatsen steunend op  modelresultaten,  in  situ  metingen  (tripode  metingen)  en  de  ervaring  opgemaakt  tijdens  het  topslib‐proefproject.  Een  voorstel  voor  terreinproef  en  monitoring  van  deze  proef  wordt in hoofdstuk 4 uitgewerkt.  

3

 

2. Methodologie  2.1. Hydrodynamisch model  2.1.1. Beschrijving  De  basis  van  het  hydrodynamische  model  dat  in  deze  toepassing  wordt  gebruikt,  is  het  driedimensionaal  hydrodynamische  model  COHERENS  (Luyten  et  al.  1999).  De  hier  be‐ sproken  simulaties  werden  met  het  3D  MU‐BCZF  model  uitgevoerd,  dat  een  resolutie  heeft  van  14.29’’  in  lengtegraad  (272‐278  m)  en  8.33’’  in  breedtegraad  (257  m)  en  een  deel van het BCP omvat (51°‐51.57°N, 2.17°‐4.22°E).   Het model is genest in een serie van andere modellen die telkens randvoorwaarde ge‐ nereren  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 rand‐ voorwaarden  voor  het  MU‐BCS  model  (resolutie  is  3  keer  groffer  dan  BCZF)  en  dit  dan  voor het MU‐BCZF, zie figuur 2.1. 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 re‐ solutie van 1.25° in latitude en longitude.  

2.1.2. Validatie  Een harmonische analyse van tijdreeksen werd gedaan voor het 2D OMNECS model (zelf‐ de rooster als MU‐CSM), zie Van den Eynde et al. (2003). Uit de resultaten bleek dat het  model de M2 getijamplitude met 4% overschatte. De standaardafwijking was kleiner dan  0.15 m in 15 van de 25 geanalyseerde stations, en kleiner dan 0.05 m langsheen de Belgi‐ sche  kust.  De  standaardafwijking  is  groter  indien  men  het  gehele  signaal  bekijkt  en  be‐ draagt 0.16 m langsheen de Belgische. Het model overschat lichtjes de waterstanden tij‐ dens hoogwater en onderschat deze tijdens laagwater. Het model heeft een gemiddelde  vertraging  t.o.v.  waarnemingen.  Tijdens  hoogwater  vermindert  dit  van  Nieuwpoort  (16  min) tot Zeebrugge (3 min). Tijdens laagwater is de vertraging verwaarloosbaar te Nieuw‐ poort (1 min) en stijgt tot 5 min te Zeebrugge. De standaardafwijking bedraagt hierbij 11  minuten.  Er  zijn  geen  gepubliceerde  validatieresultaten  beschikbaar  voor  de  Coherens  modellenreeks. Ozer (mondelinge mededeling) vermeld dat de perfomantie van de boven  vermelde modellen gelijkaardig (of minder) is met deze van het OMNECS model.   Het MU‐BCS model werd gevalideerd met 400 uren van stromingsprofielen, die in de  Belgische  kustwateren  werden  verzameld  met  behulp  van  een  RDI  ADCP  (Pison  &  Ozer  2003), zie figuur 2.2. Statistische berekeningen werden uitgevoerd (RMSE, bias, correlatie,  relatieve fout) om het verschil in norm en richting van de stromingen te kwantificeren tus‐ sen modelsimulaties en ADCP metingen, zie Van Lancker et al. (2004) voor een uitvoerige  beschrijving  van  de  resultaten.  De  RMSE  heeft  over  het algemeen  een  amplitude  tussen  0.05 tot 0.15 m/s (uitzondering is 2003/04), wat overeenkomt met een relatieve fout van  10% tot 15%, zie figuur 2.3. De fout op de stromingsrichting is over het algemeen kleiner  dan  20°.  Deze  fout  varieert  weinig  met  waterdiepte,  er  is  echter  een  verschil  tussen  de  verschillende metingen te zien. De stromingen worden goed weergegeven door het model  in de meer dieper gelegen meetpunten (> 20 m GLLWS), terwijl in de ondiepere punten de  fout groter is. 

4

 

 

 

 

5

 

  Figuur 2.1: Modellentrein van MU‐CSM, MU‐NOS, MU‐BCZ tot MU‐BCZF met bathymetrie.    

  Figuur 2.2: Ligging van de ADCP metingen gebruikt voor validatie van het MU‐BCZ model.  

Figuur 2.3: (links) RMSE en (rechts) relatieve fout op stromingsamplitude tussen MU‐BCZ  resultaten en ADCP meetdata als een functie van waterdiepte. 

6

 

2.2. Sedimenttransport model  2.2.1. Beschrijving  Het  sedimenttransportmodel  MU‐STM  lost  de  2D  verticaal  gemiddelde  advectie‐diffusie  vergelijking op. Het gebruikt verticaal gemiddelde stromingen en waterstanden berekend  met  het  3D  MU‐BCZF  model.  Door  het  MU‐STM  model  wordt  de  semi‐Lagrangiaanse  Tweede  Momenten  methode  gebruikt  voor  de  berekening  van  de  advectie  van  het  sus‐ pensiemateriaal (Egan & Mahoney 1972; de Kok 1994). Hierbij wordt al het materiaal in  een  roostercel  vertegenwoordigd  door  één  rechthoekige  massa,  met  zijden  parallel  aan  het  modelrooster,  gekarakteriseerd  door  zijn  nulde‐orde  (de  totale  massa),  zijn  eerste‐ orde  (het  massacentrum)  en  zijn  tweede‐orde  momenten  (de  uitgebreidheid  van  de  rechthoek).  Het  grote  voordeel  van  een  semi‐Lagrangiaanse  methode  is  date  er  minder  numerieke diffusie optreed dan in een Euleriaans model. Hierdoor kunnen grotere gradi‐ enten, zoals bv ontstaan bij het lossen van baggerspecie, met een grotere nauwkeurigheid  gesimuleerd worden. De diffusie van het materiaal is gebaseerd op het werk van Johnson  et al. (1988) en berekent de uitbreiding van de rechthoek met behulp van een Fickiaanse  diffusie. De verticale diffusieconstante is gelijk aan 10 m²/s.   De  bodemschuifspanning  wordt  berekend  voor  stromingen  en  golven,  waarbij  een  aangepaste  formulering  van  Bijker’s  formule  werd  gebruikt  (Koutitas,  1988).  De  erosie‐ snelheid wordt berekend met behulp van de formules van Ariathurai‐Partheniades (Aria‐ thurai 1974) en de slibafzetting wordt berekend met het Krone model (Krone 1962). Om  rekening  te  kunnen  houden  met  erosiekarakteristieken  van  niet‐homogene  sedimenten  werd  een  bodemmodel  geïmplementeerd.  De  kritische  bodemspanning  voor  erosie  is  functie  van  de  consolidatie.  Het  consolidatiemodel,  met  verschillende  bodemlagen  (pas‐ sieve laag en verschillende actieve lagen), is gebaseerd op het werk van Hayter (1986), Le  Normant (1995) en Williamson & Torfs (1995). Het model wordt in meer detail beschreven  in Fettweis & Van den Eynde (2003).  

2.2.2. Calibratie‐Validatie  De waarden voor de kritische erosieschuifspanning (τce), de erosieconstante (m) en de val‐ snelheid  (ws)  werden  afgeleid  werden  uit  literatuur  en  uit  calibratiesimulaties  (Van  den  Eynde 1999; Fettweis & Van den Eynde 2003) en later verder aangepast naarmate meer  sedimenttransportmetingen  beschikbaar  werden,  voor  o.a.  de  bepaling  van  de  valsnel‐ heid. Een uitgebreide validatie van het model werd gedaan in Fettweis et al. (2008), waar‐ bij de resultaten vergeleken werden met satellietbeelden en met in situ metingen (tripo‐ de). De belangrijkste conclusies van deze oefening waren:  • Er is een groot verschil in SPM concentratie waar te nemen tussen satelliet data, in si‐ tu metingen en modelresultaten.   • De  resultaten  berekend  met  een  model  met  SPM  concentratie  randvoorwaarde  uit  satellietbeelden en geen bodemrandvoorwaarde, geeft een goede overeenkomst met  de  satellietdata.  Deze  simulaties  geven  een  residueel  SPM  transport  dat  goed  over‐ eenkomt met de in de literatuur vermelde waarden.  ƒ De  simulatie  zonder  bodemrandvoorwaarde  geeft  een  onderschatting  van  de  SPM  concentratie in het turbiditeitsmaximum, wat mogelijks te wijten is aan enerzijds een  onderschatting van de gebruikte randvoorwaarde en anderzijds een gebrek aan nauw‐ keurigheid van het bodemmodel. Erosiegevoeligheidsmetingen werden later door het  WLH  in  samenwerking  met  de  Universiteit  Stuttgart  in  het  kader  van  het  QUEST4D  project uitgevoerd en lieten toe om de erosieconstante en de kritische schuifspanning  voor erosie realistischer vast te leggen. Een nieuw (realistisch) bodemmodel werd op‐ gesteld (Fettweis et al. 2009; Van Lancker et al. 2011). 

7

  •

Een  vergelijking  tussen  langdurige  metingen  en  modelresultaten  toont  dat  de  hoge  gemeten SPM concentraties enkel gereproduceerd kunnen worden door een bodem‐ randvoorwaarde  (i.e.  een  zekere  hoeveelheid  slib  voorzien  in  de  bodem)  te  imple‐ menteren.   Voor de toepassing hier beschreven wordt het model gebruikt zonder randvoorwaar‐ den  en  zonder  bodemmodel  en  wordt  dus  enkel  de  advectie‐diffusie  en  de  afzetting‐ resuspensie van het gestorte materiaal gesimuleerd. Validatie van het model werd uitge‐ voerd  voor  baggerspeciestortingen  door  in  situ  tracerproeven  (HAECON,  1993a,  1993b,  1995) te simuleren. De conclusies van deze studie vermelden dat het gedrag van suspen‐ siemateriaal goed wordt weergegeven in het model, met name recirculatie van het mate‐ riaal en een vlugge verspreiding ervan (Van den Eynde 2004). De modelresultaten tonen  aan dat het materiaal zich over een gebied groter dan het modelrooster uitspreidt en dat  dit  gebeurt  in  functie  van  getij  en  meteorologische  condities.  Deze  validatieoefening  is  kwalitatief omdat de tracerproeven enkel een kwalitatieve indicatie konden geven van de  verspreiding van het materiaal. Niettemin het gebruik van een relatief eenvoudig 2D mo‐ del zijn de resultaten van deze validatie bemoedigend. 

2.3. In situ Metingen  2.3.1. SPM concentratie als indicator voor veranderingen  Veranderingen in SPM concentratie tengevolge van menselijke ingrepen kunnen gedetec‐ teerd  worden,  indien  lange  tijdsreeksen  beschikbaar  zijn  die  representatief  zijn  voor  de  natuurlijke variabiliteit van SPM concentratie. Indien we de SPM concentratie op een be‐ paalde plaats definiëren als een statistische populatie, dan kunnen we de gemeten SPM  concentratie  tijdsreeksen  beschouwen  als  substalen  van  de  gehele  populatie.  Deze  wor‐ den  gekarakteriseerd  door  statistische  parameters  (mediaan,  geometrisch  gemiddelde,  standaardafwijking  en  een  waarschijnlijkheidsverdeling).  Fettweis  &  Nechad  (2010)  heb‐ ben aangetoond dat SPM concentratie een log‐normale verdeling heeft. Door een derge‐ lijke subpopulatie te benaderen met een log‐normale verdelingsfunctie, kunnen we con‐ clusies  over  de  representativiteit  van  deze  subpopulatie  opstellen.  Deze  werkwijze  werd  toegepast op de tripode data verzameld te Blankenberge tijdens het topslib project en liet  toe om de effecten van storten over de havendam te kwantificeren (Fettweis et al 2011).  

2.3.2. Topslib project Blankenberge  De  metingen  uitgevoerd  te  Blankenberge  hebben  aangetoond  dat  door  het  storten  een  langdurige  verhoging  van  de  SPM  concentratie  dicht  tegen  de  bodem  ontstond.  Het  ge‐ storte materiaal wordt dus vooral dicht tegen de bodem getransporteerd. Dit samen met  de altimetrie data van de ADV laat vermoeden dat hooggeconcentreerde sliblagen (moge‐ lijks vloeibare sliblagen) tijdens het storten gevormd worden.  

8

 

3. Verwachte vermindering in baggerwerkzaamheden  De efficiëntie van stortlocaties werd onderzocht met behulp van de boven beschreven 2D  numerieke  modellen.  In  eerste  instantie  werden  5  stortschema’s  beschouwd,  zijnde  de  bestaande stortplaatsen B&W S1, S2 en Zeebrugge Oost, de fictieve stortplaats Zeebrugge  West, gelegen ten westen van Zeebrugge op dezelfde afstand van de haven als B&W Zee‐ brugge Oost en een getijgebonden storten op B&W Zeebrugge Oost en Zeebrugge West  (zie Fettweis et al. 2009; 2010a). Bijkomende simulaties werden uitgevoerd voor de stort‐ plaatsen 1E, 1W, 2, 3 en 4 (zie figuur 3.1), gelegen in dieper water en op een kortere (of  gelijke) afstand gelegen van Zeebrugge dan B&W S2.  

  Figuur 3.1: Ligging van de stortzones B&W Zeebrugge Oost, B&W S2, 1E, 1W, 2, 3 en 4. 

3.1. Modelresultaten  In overeenstemming met de calibratiesimulaties uit § 2.2.2 werd voor de hier uitgevoerde  simulaties  een  kritische  schuifspanning  voor  erosie  (τce)  van  0.5  Pa,  een  erosieconstante  (M) van 0.12×10‐3 kg/ms en een constante valsnelheid (ws) van 1 mm/s gebruikt. Het afge‐ zette slib kan consolideren i.f.v. de tijd en bereikt na 48 uur een maximale τce van 0.8 Pa.  De  kritische  schuifspanning  voor  depositie  werd  vastgelegd  op  0.5  Pa.  De  berekeningen  liepen over een periode van 1 maand; om het uur werd er 327 ton droog slib (ton droge  stof, TDS) gestort. Er wordt verondersteld dat al het gestorte materiaal in suspensie is tij‐ dens de storting. In totaal wordt er dus 243.3×103 TDS gestort. Er stroomt geen slib het  model binnen langs de open randen en er is geen slib aanwezig in de bodem aan het begin  van de berekeningen. De efficiëntie van de stortlocatie wordt geschat door de recirculatie  naar  de  baggerplaatsen  te  berekenen  bij  storting  op  de  boven  vermelde  locaties.  Voor  analyse van de resultaten worden de baggerlocaties (figuur 3.2) gegroepeerd als volgt: ha‐ ven van Zeebrugge (dit omvat het CDNB en de haven en voorhaven), Scheur West (1‐4),  Scheur Oost (5, 7‐8) en Pas van het Zand (6). Er wordt verder een kustzone (10) gedefini‐

9

 

eerd.  

3.1.1. Sensitiviteit van het model   Sensitiviteitsimulaties  werden  uitgevoerd  waarbij  de  valsnelheid  en  de  kritische  erosie‐ schuifspanning werden veranderd, zie tabel 3.1. Deze sensitiviteitsanalysen werden uitge‐ voerd voor stortplaatsen 3 en 4 en dit zonder wind. De aanpassingen aan de kritische ero‐ sieschuifspanning (verhoging) zijn gebaseerd op het feit dat slib in het Pas van het Zand  enkel kan eroderen tijdens stormen (Fettweis et al., 2010b). De maximale schuifspanning  tijdens springtij bedraagt op deze locatie ongeveer 4 Pa en dit werd als waarde gekozen  voor de kritische schuifspanning.  

 

Figuur 3.2: De baggerplaatsen Scheur West (1‐4), Scheur Oost (5, 7‐8), Pas van het Zand (6)  en haven van Zeebrugge (9). Het gebied 10 omvat de kustzone ter hoogte van Zeebrugge  inclusief zones 6 en 9. De achtergrond is de bathymetrie (m MSL).  Tabel 3.1: Parameters gebruikt in de standaard‐ en sensitiviteitsimulaties.    standaard  A  B  D  E 

Consolidatie  0.5‐0.8 Pa  0.5‐0.8 Pa  0.5‐0.8 Pa  geen  geen 

F 

0.8‐1.28 Pa 

erosieschuifspanning τce 0.5 Pa  0.5 Pa  0.5 Pa  0.8 Pa  4 Pa baggerzones  0.8 Pa elders  0.8 Pa 

valsnelheid ws 1 mm/s  2 mm/s  0.5 mm/s  1 mm/s  1 mm/s  1 mm/s 

  De resultaten in tabel 3.2 tonen aan dat wat betreft de hoeveelheid slib in suspensie  en op de bodem in heel het domeingebied en de kustzone de sensitiviteit vrij gering is. De  relatieve standaardafwijking bedraagt ongeveer 10%. Deze resultaten liggen in de lijn van  verwachting  gezien  we  hier  de  totale  hoeveelheid  slib  in  een  groot gebied  beschouwen.   Indien we meer in detail naar de hoeveelheid afgezet materiaal in de baggergebieden kij‐ ken worden de verschillen tussen de simulaties duidelijker. De relatieve standaarddeviatie  op de valsnelheid (0.5 – 1.0 – 2.0 mm/s) bedraagt 58% (stortplaats 3) en 8% (stortplaats 4)  voor het Pas van het Zand en Zeebrugge samen. Grotere sensitiviteit kan vastgesteld wor‐ den  bij  verandering  van  de  schuifspanning  voor  erosie  en  de  consolidatie.  Door  de  kriti‐ sche schuifspanning te verhogen naar minimum 0.8 Pa (D en F) blijft er tot 4 keer meer  materiaal op de bodem van Pas van het Zand liggen (tabel 3.3). De relatieve standaardde‐

10

 

viatie van deze simulaties bedraagt 60% (3) tot 160% (4). Door de kritische erosieschuif‐ spanning in de baggerplaatsen te verhogen tot 4 Pa verhoogt de aanslibbing met een fac‐ tor 15‐28. De simulaties tonen dus aan dat de kritische erosieschuifspanning de meets ge‐ voelige parameter is.   Tabel 3.2: Sensitiviteitsimulaties, hoeveelheid slib in suspensie en op de bodem (in 103 ton  en % van de totale hoeveelheid gestort materiaal) in heel het modelgebied en in de kust‐ zone (gebied 10 in figuur 3.1) na 1 maand simulatie en in functie van de stortlocatie (3 en  4) en de gekozen parameterwaarde (A‐F, zie tabel 3.1).    3  3‐A  3‐B  3‐D  3‐E  3‐F  4  4‐A  4‐B  4‐D  4‐E  4‐F 

Heel het domein  191.0 (79%)  216.0 (89%)  186.0 (76%)  222.2 (91%)  230.3 (95%)  238.4 (98%)  181.8 (75%)  211.0 (87%)  168.5 (69%)  214.7 (88%)  223.6 (92%)  237.6 (98%) 

Kustzone  6.9 (3%)  8.0 (3%)  6.1 (3%)  17.6 (7%)  32.0 (13%)  29.0 (12%)  1.5 (1%)  1.3 (1%)  1.6 (1%)  3.9 (2%)  7.4 (3%)  7.3 (3%) 

Tabel 3.3: Sensitiviteitsimulaties, hoeveelheid slib op de bodem (in ton) in de verschillende  baggergebieden na 1 maand simulatie en in functie van de stortlocatie (3 en 4) en de ge‐ kozen parameterwaarde (A‐F, zie tabel 3.1). In totaal werden 243.3×103 TDS gestort.     3  3‐A  3‐B  3‐D  3‐E  3‐F  4  4‐A  4‐B  4‐D  4‐E  4‐F 

Pas vh Zand 

Zeebrugge 

954  2024  663  3925  26803  4051  636  575  546  879  9367  2662 

7  3  10  39  14  22  0  0  7  3  0  1 

Zeebrugge + Pas  vh Zand  961  2027  673  3964  26817  4073  636  575  549  882  9367  2662 

Alle baggerge‐ bieden  10939  5190  15355  10080  80875  8622  13487  8183  16311  21072  103093  30983 

3.1.2. Standaardsimulaties   De  vermindering  in  recirculatie  door  gebruik  van  de  stortplaats  B&W  S1,  B&W  S2,  Zee‐ brugge West, getijgebonden storten, 1E, 1W, 2, 3 en 4 t.o.v. B&W Zeebrugge Oost werd  berekend, gebruikmakend van modelresultaten en in situ meetdata verzameld tijdens het  topslibproject  en  te  MOW1.  Hiervoor  werden  een  aantal  simulaties  uitgevoerd  over  1  maand, waarbij 3 met een constante wind van 16 m/s uit respectievelijk het NW, SW en  het NE richting. Twee bijkomende simulaties voor stortplaatsen 3 en 4 werden uitgevoerd  waarbij  gerbuik  gemaakt  werd  van  realistisch  winddata.  Het  betreft  twee  periodes  met  overheersend SW winden: 26/06/‐29/07/2007 met een gemiddelde windsnelheid van 6.6  m/s  (simulaties  3‐G  en  4‐G) en  17/01‐16/02/2002  met  een  gemiddelde  windnelheid  van  10.8 m/s (simulaties 3‐H en 4‐H).  Storten  op  B&W  S1,  B&W  S2  en  stortplaatsen  3‐4  resulteert  in  een  significante  ver‐

11

 

mindering van de slibconcentratie en de slibafzetting in de kustzone (tabel 3.4). Het meer  offshore storten, zoals op B&W S1, verlaagt ook de residentietijd van het materiaal in het  modeldomein, hier benaderend voorgesteld als de hoeveelheid slib in het modelgebied na  31 dagen. Ongeveer 80% van het gestorte materiaal blijft in het modegebied na 1 maand  storten op B&W Zeebrugge Oost, terwijl bij storten op B&W S1 dit vermindert tot 60%. De  resultaten bij NW wind zijn vergelijkbaar met deze zonder wind, terwijl bij NE en SW wind  enkele verschillen optreden. 93%‐96% van het gestorte materiaal blijft bij NE wind in het  modelgebied terwijl dit bij SW wind daalt tot 30%‐67%. De resultaten bij NW wind zijn ver‐ gelijkbaar met deze zonder wind.   Uit  de  simulatieresultaten  blijkt  dat  wat  betreft  recirculatie  naar  de  haven  van  Zee‐ brugge de stortplaats 1E het slechtst scoort gevolgd door B&W Zeebrugge Oost en dit voor  alle onderzochte scenario’s (geen wind, NE, SW en NW wind), zie tabel 3.5. De minste re‐ circulatie treedt op bij storten op B&W S1 gevolgd door 4, B&W S2 en 3. Stortplaats 2 en  Zeebrugge West geven gelijkaardige resultaten, terwijl getijgebonden storten en 1W signi‐ ficant slechter scoren dan de andere stortplaatsen (behalve B&W Zeebrugge Oost en 1E).   Zonder wind, bij NE wind en bij NW wind is de recirculatie naar de Pas van het Zand  eveneens het grootst bij storten op 1E, gevolgd door B&W Zeebrugge Oost, zie tabel 3.5.  Bij de andere stortplaatsen daalt de recirculatie onder deze omstandigheden. Bij storten  op B&W S1 en B&W S2 is er nog nauwelijks recirculatie, terwijl een significante verminde‐ ring optreed bij gebruik van stortplaatsen 3 en 4. De resultaten zijn duidelijk verschillend  tijdens SW winden. Storten op de ten west van Zeebrugge gelegen stortplaatsen 1W, 2, 3  en Zeebrugge West resulteren in een verhoogde recirculatie naar het Pas vh Zand. Door  getijgebonden storten of storten op Zeebrugge West toe te passen i.p.v. storten op B&W  Zeebrugge  Oost  vermindert  de  recirculatie  naar  de  haven  van  Zeebrugge  en  de  Pas  van  het Zand indien er geen SW wind heerst. Omdat SW winden overheersen in de zuidelijke  Noordzee, zijn deze stortschema’s geen absoluut alternatief voor B&W Zeebrugge Oost.   Recirculatie naar Scheur Oost is bij alle onderzochte scenario’s te verwaarlozen, terwijl  de recirculatie naar Scheur West afhankelijk is van de stortplaats en de windrichting. Zo is  bij  windstilte,  SW  en  NW  wind  B&W  S2  de  meest  efficiënte  stortplaats  en  treedt  en  bij  storten  op  B&W  S1  altijd  een  significant  hogere  recirculatie  op  t.o.v.  B&W  Zeebrugge  Oost. Bij NE wind is stortplaats Zeebrugge West en stortplaats 3 het meest aangewezen.  De recirculatie naar het Pas van het Zand daalt bij gebruik van B&W S2 en stortplaat‐ sen 3 en 4 (B&W S1 buiten beschouwing) en dit bij windstilte, NE en NW wind; terwijl bij  SW wind stortplaatsen B&W S2 en 4 het meest aangewezen zijn. Voor Zeebrugge treden  bij storten op (B&W S1 buiten beschouwing) B&W S2, 2, 3 en 4 geen of nauwelijks recircu‐ latie op bij alle windomstandigheden, zie tabel 3.5.   De  resultaten  tonen  aan  dat  een  optimalere  efficiëntie  van  de  stortplaatsen  ook  be‐ komen kan worden door een dynamisch stortbeleid te voeren dat rekening houdt met o.a.  windrichting. Naar de uitwerking van de proef zou dit dus kunnen betekenen dat er bij SW  wind en bij windstilte bij voorkeur B&W S2 en/of 4 gebruikt zou moeten worden, terwijl  bij NE en NW winden zowel stortplaatsen 2, 3, 4 als B&W S2 geschikt zijn.                 

12

  Tabel  3.4:  Hoeveelheid  slib  in  suspensie  en  op  de  bodem  (in  103  ton  en  %  van  de  totale  hoeveelheid gestort materiaal: 243.3×103 TDS) in heel het modelgebied en in de kustzone  (gebied 10 in figuur 3.1) na 1 maand simulatie en in functie van de stortlocatie en de wind‐ richting.    Br&W Zb Oost  1E  1W  2  3  4  Zb West  Zb tij  B&W S1  B&W S2  Br&W Zb Oost  1E  1W  2  3  4  Zb West  B&W S1  B&W S2  Br&W Zb Oost  1E  1W  2  3  4  Zb West  B&W S1  B&W S2  Br&W Zb Oost  1E  1W  2  3  4  Zb West  B&W S1  B&W S2  3‐G  3‐H  4‐G  4‐H 

Heel het domein  geen wind  202.5 (83%)  198.1 (81%)  196.1 (81%)  191.1 (79%)  191.0 (79%)  181.8 (75%)  193.4 (79%)  197.2 (81%)  144.1 (59%)  192.4 (79%)  NE wind  233.8 (96%)  233.6 (96%)  234.0 (96%)  232.8 (96%)  232.8 (96%)  229.2 (96%)  233.4 (96%)  225.5 (93%)  233.9 (96%)  NW wind  207.4 (85%)  203.3 (84%)  200.8 (83%)  197.2 (81%)  198.1 (81%)  188.4 (77%)  199.0 (82%)  156.8 (64%)  196.3 (79%)  SW wind  162.4 (67%)  153.3 (63.0  142.1 (58%)  125.6 (52%)  122.1 (50%)  131.6 (54%)  193.4 (79%)  72.9 (30%)  115.0 (47%)  realistische SW wind  164.9 (68%)  99.7 (41%)  156.2 (64%)  87.7 (36%) 

Kustzone  90.1 (37%)  72.8 (30%)  79.9 (33%)  42.1 (17%)  6.9 (3%)  1.5 (1%)  63.9 (26%)  70.8 (29%)  0.0 (%)  0.2 (0%)  83.7 (34%)  72.0 (30%)  92.4 (38%)  37.3 (15%)  3.2 (1%)  1.5 (0%)  62.8 (26%)  0.0 (%)  0.5 (0%)  95.1 (39%)  76.0 (31%)  75.6 (31%)  41.9 (17%)  6.5 (3%)  1.4 (0%)  62.7 (26%)  0.0 (%)  0.2 (0%)  84.1 (35%)  67.9 (28%)  68.6 (28%)  38.3 (16%)  7.9 (3%)  0.5 (0%)  55.1 (23%)  0.0 (0%)  0.0 (0%)  8.8 (4%)  3.2 (1%)  2.1 (1%)  0 (0%) 

   

13

  Tabel 3.5: Hoeveelheid slib op de bodem (in ton) in de verschillende baggergebieden na 1  maand simulatie en in functie van de stortlocatie. In totaal werden 243.3×103 TDS gestort.  Tussen haakjes staat de afzetting in % t.o.v. B&W Zeebrugge Oost. Simulaties G en H zijn  bij een realistische SW wind van gemiddeld 6.6 m/s en 10.8 m/s respectievelijk.   

Pas vh Zand 

B&W Zb Oost  1E  1W  2  3  4  Zb West  Zb tij  B&W S1  B&W S2 

4730  5451 (115%)  3179 (67%)  1998 (42%)  954 (20%)  636 (13%)  2019 (43%)  2597 (55%)  2 (0%)  102 (2%) 

B&W Zb Oost  1E  1W  2  3  4  Zb West  B&W S1  B&W S2 

2492  2660 (107%)  1303 (52%)  376 (15%)  15 (0%)  392 (16%)  357 (14%)  0 (0%)  136 (5%) 

B&W Zb Oost  1E  1W  2  3  4  Zb West  B&W S1  B&W S2 

4360  5091 (117%)  3152 (72%)  1686 (39%)  694 (16%)  473 (11%)  1792 (41%)  0 (0%)  93 (2%) 

B&W Zb Oost  1E  1W  2  3  4  Zb West  B&W S1  B&W S2 

2404  4030 (168%)  5373 (226%)  4684 (195%)  3009 (125%)  434 (18%)  4733 (197%)  0 (0%)  15 (1%) 

3 no wind  3‐G  3‐H  4  4‐G  4‐H 

954  1381  812  636  620  22 

Zeebrugge  Geen wind  4171  4958 (119%)  2766 (66%)  43 (1%)  7 (0%)  0 (0%)  173 (4%)  2356 (56%)  0 (0%)  2 (0%)  NE wind  3668  4057 (111%)  1725 (47%)  17 (0%)  3 (0%)  0 (0%)  61 (2%)  0 (0%)  0 (0%)  NW wind  3809  4632 (122%)  2293 (60%)  24 (1%)  4 (0%)  0 (0%)  110 (3%)  0 (0%)  0 (0%)  SW wind  3190  4146 (130%)  3689 (116%)  434 (14%)  90 (3%)  3 (0%)  1024 (32%)  0 (0%)  5 (0%)  SW realistsisch  7  22  144  0  0  2 

Zeebrugge + Pas  vh Zand 

Alle baggerge‐ bieden 

8901  10409 (117%)  5946 (66%)  2041 (23%)  961 (11%)  636 (7%)  2192 (25%)  4953 (56%)  2 (0%)  104 (1%) 

16362  19396 (119%)  14993 (92%)  12024 (74%)  10939 (67%)  13487 (83%)  11538 (71%)  13829 (85%)  6793 (42%)  2262 (14%) 

6160  6717 (109%)  3028 (49%)  393 (6%)  18 (0%)  392 (6%)  418 (7%)  0 (0%)  136 (2%) 

11606  11929 (103%)  6723 (58%)  4792 (41%)  3565 (31%)  14572 (126%)  4391 (38%)  25793 (222%)  7786 (67%) 

8169  9723 (119%)  5445 (67%)  1710 (21%)  698 (9%)  473 (6%)  1902 (23%)  0 (0%)  93 (1%) 

17202  21188 (123%)  17406 (101%)  14722 (86%)  13646 (79%)  16209 (94%)  14114 (82%)  8986 (52%)  3001 (17%) 

5594  8176 (146%)  9062 (162%)  5115 (91%)  3099 (55%)  436 (8%)  5757 (103%)  0 (0%)  20 (0%) 

6790  9791 (144%)  11171 (165%)  8273 (122%)  6438 (95%)  5858 (86%)  8413 (124%)  1305 (42%)  156 (14%) 

961  1403  956  636  620  24 

10939  8616  2149  13487  10615  1047 

14

 

3.2. Vermindering in baggerwerkzaamheden  In het PIANC rapport (2008) wordt vermeld dat de aanslibbingsnelheid, S, van een haven  of dok voorgesteld kan worden door:  S = pQC   met p de aanslibbingefficiëntie (trapping efficiency) van het bekken, Q de wateruitwisse‐ ling tussen haven en omgeving en C de SPM concentratie buiten de haven. Afzetting van  fijnkorrelig materiaal kan verminderd worden door een van deze parameters te verminde‐ ren. In de voorgestelde terreinproef wordt aangenomen dat C zal verminderen doordat de  recirculatie  afneemt  bij  gebruik  van  een  andere  stortplaats.  De  trapping  efficiency  van  Zeebrugge wordt gewoonlijk geschat op 40‐70% (gemiddeld 55%), de trapping efficiency  van  het  Pas  van  het  Zand  schatten  we  op  12%.  Dit  getal  is  gebaseerd  op  de  verhouding  tussen de gemiddelde jaarlijkse aanslibbing (2×106 TDS) en het jaarlijks residueel fijnkorre‐ lig sedimenttransport in de kustzone (17×106 TDS, zie Fettweis et al. 2007).  De verwachte vermindering in recirculatie door gebruik van de stortplaats B&W S2, 3  of  4  t.o.v.  B&W  Zeebrugge  Oost  werd  op  verschillende  manieren  berekend  gebruikma‐ kend van modelresultaten en in situ meetdata verzameld tijdens het topslibproject en te  MOW1.   1. Modelsimulaties  over  een  periode  van  1  maand  tonen  aan  dat  bij  het  gebruik  van  stortplaats B&W S2, 3 en 4 er bijna geen materiaal in de kustzone (zone 10 in figuur  3.2) terecht komt, terwijl bij storten op B&W Zeebrugge Oost er ongeveer 34‐39% van  het gestorte materiaal in de kustzone blijft afhankelijk van de windrichting. Indien we  aannemen dat al het materiaal op de baggerplaatsen (50% haven en 50% Pas van het  Zand) terecht komt, dan (met een trapping efficiency van 55% voor Zeebrugge en een  geschatte van 12% voor Pas van het Zand) recirculeert 10% van het gestorte materiaal  naar de haven en 2% naar het Pas van het Zand. Door op B&W S2 te storten kan de  hoeveelheid aan baggerwerken dus met 12% worden verminderd. Dit is een optimis‐ tische schatting, waarin verondersteld wordt dat het gestorte materiaal in de kustzone  ook naar de baggerzones 6 en 9 wordt getransporteerd.   2. Vergeleken  met  de  totale  hoeveelheid  gestort  materiaal  is  de  hoeveelheid  die  in  het  model afgezet wordt op de baggerplaatsen klein (Fettweis et al. 2010a). De recirculatie  berekent met het model varieert tussen 9% (storten bij NW op 1E) en <1% (storten op  B&W  S2)  van  de  totale  gestorte  hoeveelheid.  De  resultaten  geven  een  vermindering  van de baggerwerkzaamheden aan van 6% bij storten op B&W S2, 3 en 4 onder kalme  meteorologische  omstandigheden.  Dit  zijn  vermoedelijk  te  lage  waarden,  gezien  de  beperkingen van zelfs het model met een fijner rooster om de relatief smalle vaargeu‐ len goed voor te stellen (0.5‐1 km breed) en gebaseerd op de metingen die in de voor‐ bije jaren werden verzameld in het kader van het MOMO project. Deze hebben aange‐ toond dat de processen dicht tegen de bodem en de vorming van hooggeconcentreer‐ de slibsuspensies in het bijzonder belangrijk zijn ter hoogte van Zeebrugge en de be‐ perking van het slibmodel om deze hooggeconcentreerde slibsuspensies te kunnen si‐ muleren.   3. Door te storten op B&W Zeebrugge Oost en 1E verhoogt de verticaal gemiddelde SPM  concentratie met gemiddeld 20‐30 mg/l ter hoogte van de havenmond, terwijl storten  op  B&W  S2  nagenoeg  geen  verhoging  aan  SPM  concentratie  veroorzaakt  in  deze  ge‐ bieden. De getijgemiddelde SPM concentratie gemeten te MOW1 met behulp van een  tripode bedraagt 158 mg/l (2 m boven bodem) en 313 mg/l (0.2 m boven bodem), zie  Fettweis & Nechad (2010). MOW1 kan beschouwd worden als een goede indicatie van  de  SPM  concentratie  ter  hoogte  van  de  havenmond  en de  SPM  concentratie  op  2  m  boven de bodem als een goede indicatie van de verticaal gemiddelde concentratie. In‐

15

 

dien we aannemen dat het gestorte materiaal goed gemengd is in de waterkolom dan  zal door storten op B&W S2 de SPM concentratie gemiddeld afnemen met 13‐19% (2  mab) en dus de baggerwerkzaamheden verminderen met 7‐10% in de haven en ±2%  in het Pas van het Zand. Storten op 3 en 4 kan ook hier als een alternatief beschouwd  worden  voor  B&W  S2.  Uit  het  Toplib  proefproject  konden  we  afleiden  dat  door  het  storten er vooral een toename in SPM concentratie gebeurde dicht tegen de bodem.  Het  lijkt  waarschijnlijk  dat  de  trapping  efficiency  van  het  in  de  bodemlaag  gesuspen‐ deerd materiaal hoger is dan in de rest van de waterkolom. Indien we een trapping ef‐ ficiency  van  70%  aannemen,  dan  zal  de  te  verwachten  vermindering  van  de  bagger‐ werkzaamheden 9‐13% bedragen in de haven en ±4% in het Pas van het Zand.   De verschillende berekeningen geven eenzelfde orde van grootte wat betreft de ver‐ mindering  van  de  baggerwerkzaamheden  door  stortplaats  B&W  Zeebrugge  Oost  niet  te  gebruiken  en  dat  deze  geschat  wordt  op  ongeveer  10%  voor  de  buitenhaven  van  Zee‐ brugge en 3% in het Pas van het Zand. Er moet hier wel nog worden aangehaald dat SPM  concentraties vanaf 100 mg/l belangrijke densiteitstromingen kunnen veroorzaken. Niet‐ temin  het  feit  dat  densiteitstromingen  tengevolge  van  suspensiemateriaal  niet  werden  vastgesteld te Zeebrugge, hebben Winterwerp & Van Kessel (2003) aangetoond dat deze  sediment  geïnduceerde  densiteitstromingen  de  sedimentflux  naar  de  haven  van  Rotter‐ dam met minimum een factor 3 kunnen verhogen. Een bijkomend effect van deze densi‐ teitstromingen is een significante verhoging van de trapping efficiency van het havenbek‐ ken. Indien we gelijkaardig maar minder uitgesproken effect verwachten te Zeebrugge dan  zal  de  vermindering  van  de  baggerwerkzaamheden  vermoedelijk  groter  zijn  dan  de  ge‐ schatte 10%.  

16

 

4. Terreinproef en monitoring  De basisstelling voor de proef is dat door B&W Zeebrugge Oost te vervangen door een an‐ dere stortlocatie (B&W S2, 3 en/of 4) de recirculatie van gestort materiaal naar de haven  van Zeebrugge en de Pas van het Zand zal verminderen, waardoor de aanslibbing in de ha‐ ven vermindert. De vermindering in recirculatie zal zich vertalen in een vermindering van  de SPM concentratie ter hoogte van Zeebrugge en een verhoging van de SPM concentratie  ter hoogte van de nieuwe stortplaats.  

4.1. Processen   Door  een  reductie  van  het  SPM  gehalte  wordt  er  verwacht  dat  de  aanslibbing  in  de  baggergebieden  Pas  van  het  Zand  en  (voornamelijk)  de  haven  van  Zeebrugge  zal  verminderen.  De  toevoer  van  SPM  naar  deze  gebieden  gebeurt  door  verschillende  processen  namelijk  reductie  van  de  snelheden  en  bezinking,  neervorming  en  densiteitsstromingen, vloeibare sliblagen.   De aanslibbing van de toegangsgeulen naar de Antwerpse sluizen en het Deurganckdok  wordt  significant  beïnvloed  door  de  grote  salinteitverschillen  tijdens  een  getij.  Recente  metingen (IMDC 2010) hebben echter aangetoond dat de sedimenttoevoer naar de haven  van Zeebrugge voornamelijk gebeurt door een neer, waardoor er geen rekening met sali‐ niteitverschillen gehouden moet worden wat de duur van de monitoring betreft.  Ook  is  niet  geweten  hoe  de  eventuele  vloeibare  sliblagen  of  hooggeconcentreerde  slibsuspensies zich gedragen. Zij kunnen verantwoordelijk zijn voor een snelle en massieve  aanslibbing van de Pas van het Zand en spelen mogelijks ook een rol (zij het beperkt zie  IMDC 2010) in de haven van Zeebrugge. 

4.2. Monitoring  De  monitoring  dient  aangepast  te  worden  aan  de  te  verwachten  processen.  In  analogie  met het topslib project wordt voorgesteld om de terreinproef (i.e. het verplaatsen van de  stortwerkzaamheden naar stortplaats 4 over een periode van 1 maand uit te voeren en dit  bij voorkeur tijdens de lente, wanneer de baggerwerkzaamheden het grootst zijn en dus  ook de effecten op SPM concentratie. Na het beëindigen van de proef zullen de effecten  op SPM concentratie en bathymetrie worden geëvalueerd. Bij een positieve evaluatie kan  een bijkomende terreinproef tijdens een andere periode (najaar) worden uitgevoerd. De  monitoring van de terreinproef zal bestaan uit volgende componenten:  • Monitoring van de SPM concentratie binnen en buiten de haven gedurende een peri‐ ode van 1 jaar.   • Monitoring van de effecten op de ligging van de topsliblaag in de haven (en de bag‐ gerintensiteiten).: tijdens de proef  • Monitoring van de bathymetrische evolutie van de stortplaats voor en na de proef  • Monitoring van de biologische parameters in en nabij de stortplaatsen.   Na het beëindigen van de proef zullen de effecten op SPM concentratie en bathyme‐ trie worden geëvalueerd. Bij een positieve evaluatie kan een bijkomende terreinproef tij‐ dens de herfst worden uitgevoerd. 

4.2.1. Meetlocaties  De monitoring dient zodanig opgesteld te worden dat de SPM concentratie ter hoogte van  Zeebrugge (MOW1 en buiten de havendam) en in de haven kan opgemeten en geëvalu‐ eerd  worden.  Er  wordt  voorgesteld  om  de  monitoring  te  concentreren  op  drie  locaties,  zijnde 

17

  •

•

•

MOW1. Hier wordt sinds 2004 regelmatig en vanaf september 2009 continu SPM con‐ centratie,  stroomsnelheid,  saliniteit,  temperatuur  en  partikelgrootte  gemeten.  Deze  locatie is daarom geschikt als referentie voor de monitoring van SPM concentratie.  Haven Zeebrugge en juist buiten de havenmond. Doel is de SPM concentratie gedu‐ rende  een  lange  periode  (1  jaar)  te  meten.  Metingen  omvatten  SPM  concentratie  (met  behulp  van  eenzelfde  tripode  als  op  MOW1)  ter  hoogte  van  de  havenmond.  Verder  worden  in  de  haven  op  een  viertal  plaatsen  SPM  concentraties  (+  saliniteit,  temperatuur, diepte) opgemeten. De ligging van de topsliblaag in de haven wordt op‐ gevolgd met regelmatige bathymetrische surveys (33+210 kHz). De Belgica zal telkens  ze de haven in‐ en uitvaart omgevingsparameters (saliniteit, temperatuur, SPM con‐ centratie) continue opmeten.  Stortplaats 4 en omgeving. Hier dienen effecten op benthos te worden gemonitoord  Keuze van een locatie zal in samenspraak met ILVO gebeuren en ook een biologische  monitoring inhouden.  

4.2.2. Monitoring van de SPM concentratie  De SPM concentratie variabiliteit is het gevolg van getijden, stormen, seizoenale verande‐ ringen  en  ook  menselijke  ingrepen  (bagger‐  en  stortoperaties).  Om  de  effecten  van  een  ander stortbeleid te kunnen identificeren moet men statistische methoden gebruiken (zie  Lauwaert et al. 2009; Fettweis et al. 2011), dit wil zeggen dat er langdurige meetreeksen  nodig zijn, zodat veranderingen tengevolge van seizoenen of stormen kunnen worden op‐ gemeten. Monitoring dient te gebeuren voor, tijdens en na de proef.   Het uitvoeren van metingen kan aanzien worden als een statistische handeling om in‐ dividuele SPM concentraties te selecteren, die toelaten conclusies te trekken over de hele  SPM concentratie populatie op een locatie of in een groter gebied. Een gemeenschappelijk  doel van deze metingen is het verzamelen van een representatieve subpopulatie, waaruit  bevindingen,  binnen  de  foutenmarges,  over  de  hele  populatie  kunnen  worden  afgeleid.  Indien  we  met  tijdsafhankelijke  en  meer  specifiek  harmonisch  variërende  processen  te  maken hebben, zoals SPM concentratie, dan moet men op de hoogte zijn van het aantal  data  dat  nodig  is  vooraleer  een  subpopulatie  als  representatief  kan beschouwd  worden.  Tijdens het topslib project werd er in totaal gedurende 240 dagen gemeten gespreid over  2.5 jaren, waarvan 30 dagen tijdens het baggerexperiment zelf. Dit bleek voldoende te zijn  om de effecten van het storten te kunnen identificeren. Er wordt ervan uitgegaan dat een  gelijkaardige  meetinspanning  voldoende  is  om  de  effecten  ter  hoogte  van  de  haven  van  Zeebrugge en de nieuwe stortlocaties te kwantificeren. Tijdens de proef zal gedurende 12  maanden gemeten worden.  

4.2.3. Monitoring evolutie topslib  De evolutie van het topslib tijdens de proef kan gebeuren binnen het huidige monitorpak‐ ket dat uitgevoerd wordt door de afdeling Hydrografie. 

4.2.4. Monitoring van de bathymetrische evolutie van nieuwe stortzone  Voor  en  na  de  proefstorting  zal  de  bathymetrie  van  de  alternatieve  stortplaats  gepeild  worden.  

4.3. Meetinfrastructuur  De BMM beschikt over meetinfrastructuren om op 2 plaatsen te meten. Te MOW1 en juist  buiten  de  havenmond  kunnen  de  metingen  dus  uitgevoerd  worden  met  de  beschikbare  meettoestellen van de BMM. Dit zijn tripodes (zie figuur 4.1) uitgerust met een SonTek 3  MHz  Acoustic  Doppler  Profiler,  een  SonTek  5  MHz  Acoustic  Doppler  Velocimeter  Ocean,  een Sea‐Bird SBE37 CT systeem, twee OBS sensoren (de ene op ongeveer 0.2 en de andere 

18

 

op ongeveer 2 m boven de bodem) en een LISST 100X. De altimeter van de ADV geeft in‐ formatie  over  veranderingen  in  bodem  en  kan  gebruikt  worden  om  de  dynamica  van  vloeibare sliblagen te detecteren.   Uit  de  in  situ  metingen  met  de  tripode  bleek  dat  er  zich  regelmatig  hooggeconcen‐ treerde  sliblagen  bevinden  ter  hoogte  van  MOW1  en  Blankenberge  en  dat  deze  kunnen  worden gerelateerd aan stormen en stortoperaties (zie Lauwaert et al. 2009; Fettweis et  al. 2010b, 2011). Monitoring van hooggeconcentreerde suspensielagen dient daarom deel  uit te maken van de meetinspanning, dit kan gebeuren door gebruik van de altimetrie van  de ADV en ADP.   In de haven en ter hoogte van de havenmond is geen meetinfrastructuur beschikbaar.  Er  wordt  voorgesteld  om  langsheen  kaaimuren  en/of  andere  structuren  langsheen  het  CDNB OBS’s te plaatsen (dicht tegen de bodem en tegen oppervlakte) om veranderingen  in SPM concentratie in de haven te kunnen opvolgen.    

  Figuur 4.1: BMM‐tripode op het achterdek van de R/V Belgica.    De monitoring van de evolutie van het topslib kan gebeuren aan de hand van de me‐ tingen van de lichtenlijn en de metingen in de haven zelf. De metingen van de lichtenlijn  gebeuren systematisch om de 14 dagen. Bijkomend kan – indien uit de meting van de lich‐ tenlijn blijkt dat aanvullende metingen interessant zijn – een tussentijdse meting of bijko‐ mende meting georganiseerd worden. Dit vraagt een zeer nauwgezette opvolging van de  meetresultaten zodat mogelijke trends of afwijkingen snel kunnen vastgesteld worden.  

4.4. Data analyse  De  verwerking  van  de  tripode  data  zal  op  dezelfde  manier  gebeuren  als  van  de  huidige  metingen. Om de SPM concentratie in een punt benaderend te kunnen omschrijven, heeft  men zijn PDF (probability denisty function) en zijn ACF (auto correlation function) nodig.  De ACF geeft informatie over hoe snel een proces varieert en geeft daarmee ook informa‐ tie  over  de  nodige  meetfrequentie  en  meetduur.  Om  de  effecten  van  een  ander  stort‐ schema  op  de  SPM  concentratie  en  de  vorming  van  vloeibare  sliblagen  te  identificeren,  zullen deze statistische methoden worden gebruikt. Indien de data verzameld tijdens ver‐ schillende perioden een gelijkaardige frequentieverdeling hebben dan kan geconcludeerd  worden  dat  beide  een  subpopulatie  vertegenwoordigen  van  eenzelfde  populatie.  Indien  het gebruik van B&W S2, 3 of 4 i.p.v. B&W Zeebrugge Oost een significante impact heeft, 

19

 

dan zal deze ook worden teruggevonden in veranderingen van de statistische parameters  tijdens het proefproject.    

20

 

5. Referenties  Ariathurai CR. 1974. A finite element model for sediment transport in estuaries. PhD The‐ sis, University of California, Davis.  de Kok JM. 1994. Numerical modelling of transport processes in coastal waters. PhD The‐ sis, University of Utrecht, The Netherlands.  Egan  BA,  Mahonney  JR,  1972.  Numerical  modeling  of  advection  and  diffusion  of  urban  area source pollutants. Journal of Applied Meteorology, 11, 312‐322.  Fettweis M, Van den Eynde D. 2003. The mud deposits and the high turbidity in the Bel‐ gian‐ Dutch coastal zone, Southern bight of the North Sea. Continental Shelf Research,  23, 669‐691.   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 meas‐ urements and numerical model results. Continental Shelf Research, 27, 1568‐1583.   Fettweis M, Van den Eynde D, Francken F, Nechad B. 2008. MOMO activiteitsrapport (ok‐ tober 2007 – maart 2008). BMM‐rapport MOMO/3/MF/200805/NL/AR/4. 57pp + app.  Fettweis M, Van den Eynde D, Francken F, Van Lancker V. 2009. MOMO activiteitsrapport  (januari 2009 – juni 2009). BMM‐rapport MOMO/4/MF/200912/NL/AR/2. 33pp + app.  Fettweis M, Nechad B. 2010. Evaluation of in situ and remote sensing sampling methods  for SPM concentrations on the Belgian continental shelf (southern North Sea). Ocean  Dynamics. doi:10.1007/s10236‐010‐0310‐6  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.  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 (southern  North Sea) with high anthropogenic impact. Continental Shelf Research 30, 1417‐1427.   Fettweis M, Nechad B, Van den Eynde D, Francken F, Van Lancker V. 2010c. MOMO activi‐ teitsrapport  1  (1  januari  2010  –  30  juni  2010).  BMM‐rapport  MOMO/5/MF/201007/NL/AR/1, 32pp + app.  Fettweis M, Baeye M, Francken F, Lauwaert B, Van den Eynde D, Van Lancker V, Martens  C, Michielsen T. 2011. Monitoring the effects of disposal of fine sediments from main‐ tenance dredging on SPM concentration. Marine Pollution Bulletin 62, 258‐269.   HAECON NV. 1993a. Recirculatie experiment Sx1 voor stortplaatsen B&W Zeebrugge Oost  en B&W S2. Synthese van de meetresultaten. Rapport MSB0721/93/00232. 43pp.  HAECON NV. 1993b. Recirculatie experiment Sx2 ten noorden van de Akkaert bank en in  de  ebgeul  tussen  B&W  S1  en  B&W  S2.  Synthese  van  de  meetresultaten.  Rapport  MSB0721/93/00287. 42pp.  HAECON NV. 1995. Recirculatie experiment Sx3ten nooorden van de Thorntonbank en op  de Negenvaam. Synthese van de meetresultaten. Rapport MSB0721/95/00418. 43pp.  Hayter  EJ.  1986.  Estuarial  sediment  bed  model.  In:  Mehta,  A.J.  (Ed.),  Estuarine  Cohesive  Sediment Dynamics, Lecture Notes on Coastal and Estuarine Studies 14, 326‐359.  IMDC. 2010. Langdurige monitoring van zout/zoet‐verdeling in de haven van Zeebrugge en  monitoring  van  zoutconcentratie,  slibconcentratie  en  hooggeconcentreerde  slibsus‐ pensies  in  de  Belgische  kustzone.  Deelrapport  8:  Rapport  over  de  aanwezigheid  van  HCBS lagen in de Belgische kustzone. I/RA/11292/07.038/JME, 192pp.  Johnson  B,  Trawle  MJ,  Adamec  S.,  1988.  Dredged  material  disposal  modelling  in  Puget  Sound. Journal of Waterway, Port, Coastal and Ocean Engineering 114, 700‐713.  Koutitas  CG.  1988.  Mathematical  models  in  coastal  engineering.  Pentech  Press,  London,  UK, 156pp.  21

 

Krone  RB.  1962.  Flume  studies  of  the  transport  of  sediment  in  estuarial  shoaling  proc‐ esses, Hydraulic and Sanitary Engineering Research Laboratory, University of California,  Berkeley, USA.  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, Par‐ mentier  K,  Van  Hoey  G,  Verwaest  T.  2009.  Syntheserapport  over  de  effecten  op  het  mariene  milieu  van  baggerspeciestortingen  (vergunningsperiode  2008‐2009).  Report  by BMM, ILVO, CD, aMT and WL BL/2009/01. 18pp.  Le Normant C. 1995. Modélisation numérique tridimensionelle de processus de transport  des sédiments cohésifs en environnement estuarien. PhD Thesis, Institut National Poly‐ technique Toulouse, France.  Luyten PJ, Jones JE, Proctor R, Tabor A, Tett P, Wild‐Allen K. 1999. COHERENS, a coupled  hydrodynamical‐ecological  model  for  regional  and  shelf  seas:  User  Documentation.  MUMM report, Brussels, Belgium. 911pp.  Malherbe B. 1991. A case study of dumping of dredged material in open areas. Terra et  Aqua 45, 5‐32.  PIANC. 2008. Minimising harbour siltation, Report No 102, 75pp  Pison V, Ozer J. 2003. Operational products and services for the Belgian coastal waters. In:  Building  the  European  capacity  in  operational  modeling,  Proc.  3rd  Int.  Conf.  on  Eu‐ roGOOS (Dahlin H, Flemming NC, Nittis K, Petersson SE, eds.). Elsevier Oceanography  Series 69, 503‐509.  Van  den  Eynde  D.  1999.  Calibratie  en  validatie  van  de  sedimenttransportmodellen  mu‐ STM en mu‐STM3. BMM‐rapport. VESTRAM/1/DVDE/199912/TR/1, 70pp.  Van den Eynde, D. 2004. 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, 171‐189.   Van  den  Eynde  D,  Ozer  J,  Pison  V,  Malisse  JP.  2003.  Evaluatie  van  kwaliteitsverhogende  aanpassingen  aan  het  getijvoorspellingsmodellen  voor  de  Noordzee  en  het  Schelde‐ estuarium  van  AWZ  en  haalbaarheidsstudie  naar  inbreng  nieuwe  wetenschappelijke  technieken. Eindrapport KANS/XX/200312/NL/ER/1, BMM 29pp.  Van Lancker V, Deleu S, Bellec V, Le Bot S, Verfaillie E, Fettweis M, Van den Eynde D, Fran‐ cken F, Pison V, Wartel S, Monbaliu J, Portilla J, Lanckneus J, Moerkerke G, Degraer S.  2004. Management, research and budgeting of aggregates in shelf seas related to end‐ users (Marebasse). Belgian Science Policy, Scientific Report Year 2, 144pp.  Van  Lancker  V,  Baeye  M,  Du  Four  I,  Degraer  S,  Fettweis  M,  Francken  F,  Houziaux  J‐S,  Luyten P, Van den Eynde D, Devolder M, De Cauwer K, Monbaliu J, Toorman E, Portilla  J, Ullman A, List Munoz M, Fernandez L, Komijani H, Verwaest T, Delgado R, Janssens J,  Levy  Y,  Vanlede  J,  Vincw  M,  Rabaut  M,  Vandenberghe  N,  Zeelmaekers  E,  Goffin  A.  2011.  QUantification  of  Erosion/Sedimentation  patterns  to  Trace  the  natural  versus  anthropogenic  sediment  dynamics  “QUEST4D”.  Final  Report  Science  for  Sustainable  Development, Belgian Science Policy.  Williamson H, Torfs H. 1996. Erosion of mud/sand mixtures. Coastal Engineering, 29, 1‐25.  Winterwerp JC, van Kessel T. 2003. Sediment transport by sediment‐induced density cur‐ rents. Ocean Dynamics 53, 186‐196.   

22