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 2010 ‐ 30 juni 2010) 

Michael Fettweis, Bouchra Nechad, Dries Van den Eynde, Frederic Francken, Vera Van Lancker 

MOMO/5/MF/201006/NL/AR/1 

Voorbereid voor Afdeling Maritieme Toegang, Departement Mobiliteit en Openbare Werken, Ministerie van de Vlaamse Gemeenschap, contract MOMO 

BMM 100 Gulledelle B–1200 Brussel

België

Inhoudstafel 1. Inleiding  4 1.1. Voorwerp van deze opdracht  4 1.2. Algemene Doelstellingen  4 1.3. Taken (januari 2010 ‐ december 2011)  5 1.4. Publicaties (januari 2010 – december 2011)  7

2. Vergelijking  tussen  in  situ  en  remote  sensing  metingen  van  SPM concentratie  8

2.1. Werkwijze  9 2.1.1. In‐situ tripode metingen  10 2.1.2. In‐situ 13‐uursmetingen en verticale profielen  11 2.1.3. Remote sensing data  13 2.2. Resultaten  14 2.2.1. Significante golfhoogte  14 2.2.2. SPM concentratie profielen  14 2.2.3. In situ en satelliet data op hetzelfde ogenblik  17 2.2.4. Frequentieverdeling van SPM concentratie  17 2.2.5. Oppervlaktecorrectie van tripode data  22 2.3. Discussie  22 2.3.1. Representativiteit van SPM concentratie data  22 2.3.2. Staalnamemethode  23 2.3.3. Meetonzekerheid  24 2.4. Conclusies  25

3. Profielen saliniteit en temperatuur  27

4. Referenties  29   Appendix 1: 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 Scien‐ce Meeting, 22‐26 February, Portland (USA). 

Appendix 2: Chen P, Yu J, Fettweis M, Van den Eynde D, Maggi F. 2010. Flocculation in a nutrient‐rich  coastal  area  (southern North  Sea): Measurements  and modelling. AGU Ocean Science Meeting, 22‐26 February, Portland (USA). 

Appendix 3: Fettweis M, Van den Eynde D, Francken F, Van Lancker V. 2010. SPM dynam‐ics measured with an automated tripod in the Belgian nearshore area: natural dynam‐ics and anthropogenic effects. Liège Colloquium, 26‐30 April. 

Appendix 4: Baeye M, Fettweis M, Van Lancker V, Francken F. 2010. Fluid mud dynamics derived from ADV altimetry, Belgian Coastal Zone. Liège Colloquium, 26‐30 April. 

Appendix  5:  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 maxi‐mum area with high anthropogenic impact (southern North Sea). Continental Shelf Re‐search. doi:10.1016/j.csr.2010.05.001 

Appendix 6: Fettweis M, Baeye M, Francken F, Lauwaert B, Van den Eynde D, Van Lancker V, Martens C, Michielsen T. Monitoring the effects of disposal of fine sediments from maintenance dredging on SPM concentration Marine Pollution Bulletin (submitted) 

2

Appendix 7: SPM concentratieprofielen uit de 13‐uursmetingen te MOW1 en Kwintebank. Appendix 8:  Saliniteits‐ en  temperatuursprofielen uit de 13‐uursmetingen  te MOW1 en 

Kwintebank. 

3

1. Inleiding 

1.1. Voorwerp van deze opdracht  

Het MOMO‐project (MOnitoring en MOdellering van het cohesieve sedimenttransport en de evaluatie van de effecten op het mariene ecosysteem ten gevolge van bagger‐ en 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‐

4

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 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 operationele data uit hydrodynamische en sedimenttransportmodellen, real time meetstations, 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 suspensiema‐teriaal zullen genomen worden met de centrifuge om de samenstelling ervan te bepalen. 

De tripode zal ingezet worden om stromingen, slibconcentratie, korrelgrootteverdeling van het suspensiemateriaal, saliniteit en temperatuur te meten gedurende een  lange 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 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‐

5

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‐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 uit akoestische data (ADP, ADCP). Om de represen‐

tativiteit 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 leve‐ren essentiële informatie voor het corrigeren van satellietdata. Verticale profielen van saliniteit en temperatuur zijn belangrijk om de stratificatie ter hoogte van Zeebrugge te kennen en de invloed op de wateruitwisseling van de haven.  

• Bodemstalen en suspensiestalen (centrifuge) zullen worden geanalyseerd om de kor‐relgrootteverdeling, 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 verschil‐lende data met elkaar vergeleken worden die niet op hetzelfde moment gemeten werden. Verder zal aandacht geschonken worden aan de ‘sampling’ methode, aan de representati‐viteit van de bestaande data sets en aan de gebruikte meetschema’s. Hieruit kan een sug‐gestie worden gedaan om het huidige meetschema aan te passen en te optimaliseren.  

Taak 5: Verfijnen slibtransportmodel Het gebruik van een numeriek sedimenttransportmodel vereist een regelmatige validatie van de modelresultaten met meetgegevens en een verbetering van de beschrijving van de processen in het model. Er zal verder gewerkt worden aan een calibratie van het 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 wor‐den, de monitoring moeten worden opgezet en hoe de proef zal moeten worden geëvalu‐eerd. Hiervoor zal gebruik kunnen gemaakt worden van de resultaten uit taak 4 en de er‐

6

varing opgemaakt tijdens het topslib‐project.  

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, 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. 

Conferenties/Workshops: 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, 26‐30 April. (poster) 

Baeye M, Fettweis M, Van Lancker V, Francken F. 2010. Monitoring morphological changes using near‐bed ADV altimetry. Liège Colloquium, 26‐30 April. (poster) 

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. (presentatie). 

Chen P, Yu J, Fettweis M, Van den Eynde D, Maggi F. 2010. Flocculation in a nutrient‐rich coastal area (southern North Sea): Measurements and modelling. Poster at AGU Ocean Science Meeting, 22‐26 February, Portland, USA. (poster). 

Publicaties (tijdschriften, boeken) Fettweis M, Baeye M, Francken F, Lauwaert B, Van den Eynde D, Van Lancker V, Martens 

C, Michielsen T. Monitoring the effects of disposal of fine sediments from maintenance dredging on SPM concentration Marine Pollution Bulletin (submitted) 

Fettweis M, Nechad B. 2010. Evaluation of  in situ and remote sensing sampling methods for SPM concentrations on Belgian continental shelf (southern North Sea). Ocean Dy‐namics (in revision) 

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. doi:10.1016/j.csr.2010.05.001 

 

7

2. Vergelijking tussen in situ en remote sensing metin‐gen van SPM concentratie De  dynamica  van  gesuspendeerd  particulair materiaal  (SPM)  controleert  het  sediment‐transport, de afzetting en resuspensie van slib, de primaire productie en de samenstelling van benthische gemeenschappen. Kennis van SPM concentratie variabiliteit  in het Belgi‐sche kustgebieden, waar de SPM concentratie bijzonder hoog is, is essentieel om tot een efficiënter stortbeleid  te komen en om duurzame socio‐economische activiteiten  te ont‐wikkelen parallel met een bescherming van mariene gebieden. De SPM concentratie vari‐eert sterk  in de kustzone afhankelijk van seizoenen, getij en niet harmonische gebeurte‐nissen zoals stormen. Een optimale meetstrategie is nodig om deze variabiliteit te meten.  

In  situ  SPM  concentratie metingen  gebeuren  vanuit  schepen  en met  alleenstaande structuren zoals tripoden en meetpalen. Met tripoden, meetpalen, boeien of andere plat‐vormen  kunnen  continue  tijdseries  van  SPM  concentraties op  specifieke  locaties  verza‐meld worden en dit gedurende een  langere tijdspanne  (e.g. Cacchione et al., 1995; Li et al., 1997; Blewett & Huntley, 1998; Ogston et al., 2000; Pepper & Stone, 2004; Ma et al., 2008, Badewien et al., 2009). Schepen met ferry‐box systemen  laten ook toe om data te verzamelen over  langere tijdsreeksen en dit op verschillende  locaties (Buijsman & Ridde‐rinkhof, 2007). Gewoonlijk wordt hier echter enkel de oppervlakte bemonsterd. Metingen met onderzoeksschepen zijn beperkt  in tijd en golfcondities, maar  laten toe om verticale profielen te verzamelen. Grote oppervlakten worden bestreken door satellieten, de data zijn beperkt tot de oppervlakte  (Bowers et al., 2002; Nechad et al., 2003; Zawada et al., 2007; Eleveld et al., 2008; Doxaran et al., 2009). Voor de zuidelijke Noordzee zijn 40 tot 85 satellietbeelden beschikbaar per  jaar  (gemiddeld 63 beelden gedurende 2003  tot 2008) met een wolkenbedekking kleiner dan 50%.  

Tijdseries van in situ SPM concentraties en satellietbeelden zijn nodig om het suspen‐sietransport in kustgebieden te analyseren (Ruhl et al., 2001; Fettweis et al., 2007). Er zijn echter een aantal nadelen verbonden met beide databronnen. Zo zijn satellietbeelden be‐perkt door hun lage tijdsresolutie en omdat ze enkel de oppervlakte bemonsteren, terwijl in situ metingen een lage horizontale resolutie hebben. Scheepstijd en budget zijn dikwijls beperkt, het is daarom van groot belang om één of een combinatie van meetmethoden te kiezen die een representatief substaal van de hele populatie kan geven in het tijds‐ en/of ruimtedomein.  Indien  langdurige variaties veroorzaakt door natuurlijke of menselijke  in‐grepen geïdentificeerd dienen  te worden, dan moeten de overheersende signalen  (getij, doodtijspringtij en seizoen) eruit gefilterd worden. Dit vraagt een voldoende hoge meet‐frequentie en dit gedurende een lange tijd. Voorbeelden van ontwerp en/of evaluatie van meetschema’s zijn schaars, zeker in sedimenttransportstudies (Bograd et al., 1999; Shindo & Otsuki, 1999; Caeiro et al., 2003; Hall & Davies, 2005; Werdell et al., 2009). Dikwijls kan ook de beste meetstrategie niet worden toegepast omdat zij afhangt van een compromis tussen kosten en baten. In praktijk worden daarom verschillende objectieven nagestreefd die elk een aangepaste suboptimale strategie volgen. Autonome meetstations (tripoden) met bijna continue metingen van SPM concentratie zijn relatief eenvoudig te ontwikkelen, maar kunnen geen grote oppervlakte omvatten. Satellieten hebben een lage tijdsresolutie en er treden hiaten op in de data door wolkenbedekking. Zo zijn er maar weinig satelliet‐data beschikbaar tijdens stormen. Satellieten missen dus meestal de hoge SPM concentra‐

8

ties geassocieerd aan deze perioden. Satellieten kunnen daarenboven de heel hoge SPM concentraties niet meten, omdat het zichtbare band (Bowers et al., 1998; Doxaran et al., 2002; Nechad et al., 2010). Bij de interpretatie van de data is het nodig om de meetonze‐kerheden van de gebruikte meetmethode en instrumentatie te kennen.  

Het doel van deze studie  (zie  taak 4 uit §1.3)  is om de temporele heterogeniteit van SPM concentratie te evalueren voor de Belgische kustzone, gebruikmakend van een groot aantal data afkomstig van verschillende bronnen (MODIS satelliet en in situ metingen), om een statistische analyse van deze data uit te voeren en om na te gaan hoe de verschillende data  de  dynamica  van  kustzones  beschrijven. Omdat maar  enkele match‐ups  (satelliet‐beeld op hetzelfde ogenblik als de in situ meting) beschikbaar zijn, werden statistische me‐thoden gebruikt om de data sets te evalueren. Deze benadering  is nieuw en  laat toe om verschillende data sets te vergelijken die niet noodzakelijk op hetzelfde ogenblik werden verzameld.  

 

Figuur 2.1: Kaart van de zuidelijke Noordzee met de in situ SPM concentratie meetlocaties MOW1 en Kwintebank. De achtergrond bestaat uit de gemiddelde oppervlakte SPM con‐centratie (mg/l) afgeleid van MODIS beelden (2003‐2008). 

2.1. Werkwijze 

SPM concentratie data werden verzameld met OBS instrumenten, die gebruikt werden op de  R/V  Belgica  tijdens  13‐uursmetingen  en  gemonteerd waren  op  de  tripode,  en met MODIS  satellietbeelden. Om de oppervlakte data  van de  satellietbeelden  te  vergelijken met de tripode data dicht tegen de bodem, warden de tripode data gecorrigeerd naar de oppervlakte  toe. Dit werd gedaan met behulp van de 13‐uursmetingen,  tijdens dewelke verticale  profielen  van  SPM  concentratie werden  opgemeten.  De  gemeten  significante golfhoogte te Bol van Heist (zie figuur 2.1) voor de periode 2003‐2008 werd gebruikt om de meteorologische en golfinvloed te karakteriseren.  

9

 

Figuur 2.2: Tripode op het achterdek van de Belgica. 

Tabel 2.1: Tripode metingen te MOW1 en op de Kwintebank.  

Locatie  Start datum en tijd  Eind datum en tijd  Duur (dagen) 

Kwintebank  02/03/2004 15:10  11/03/2004 09:40  8.83 

MOW1‐1  18/10/2004 12:12  08/11/2004 11:10  20.92 

MOW1‐2  08/02/2005 08:10  18/02/2005 10:00  10.08 

MOW1‐3  04/04/2005 11:10  15/04/2005 07:24  10.83 

MOW1‐4  22/06/2005 08:15  11/07/2005 11:35  19.13 

MOW1‐5  22/11/2005 08:27  05/12/2005 09:07  13.04 

MOW1‐6  13/02/2006 11:25  27/02/2006 10:28  13.96 

MOW1‐7  27/03/2006 10:36  18/04/2006 09:26  19.08 

MOW1‐8  15/05/2006 12:24  15/06/2006 10:22  30.96 

2.1.1. In‐situ tripode metingen Een tripode werd gebruikt om o.a. SPM concentraties en stroomsnelheid te meten (zie fi‐guur 2.2). Hiervoor werden een SonTek 3 MHz Acoustic Doppler Profiler, een SonTek 5 MHz Acoustic Doppler Velocimeter Ocean, een Sea‐Bird SBE37 CT systeem en  twee OBS sensoren  (ene op ongeveer 0.2 en de andere op ongeveer 2 m boven de bodem, verder afgekort als mab = m above bottom) gemonteerd op de tripode. Enkel de OBS data wor‐den  hierbij  gebruikt  omdat  door  onvoorspelbaarheden  in  de  sedimentdynamica  een nauwkeurige schatting van de SPM concentratie uit akoestische backscatter signalen nog steeds beperkt is (Hoitink & Hoekstra, 2005; Bartholomä et al., 2009). Tijdens de periode 2003‐2006 werd gedurende 147 dagen gemeten, waarvan 9 dagen op de Kwintebank en 138 dagen te MOW1 (tabel 2.1 en figuur 2.1). Respectievelijk 33%, 20%, 22% en 25% van de data te MOW1 werden verzameld tijdens de lente, zomer, herfst en winter. De Kwinte‐bank data werden alle verzameld tijdens de winter. De meetfrequentie was 2 minuten op de Kwintebank en varieerde tussen 2 minuten en 20 minuten te MOW1. Voor analyse en interpretatie werd een frequentie van 20 minuten gebruikt te MOW1, resulterend  in on‐geveer 10000 data te MOW1.  

10

Tabel  2.2:  13‐uursmetingen  te  MOW1  en  op  de  Kwintebank.  MT=Gemiddeld  tij, NT=doodtij, ST=springtij. 

Id‐Nr  Locatie  Begin datum  Eind datum   

2001/06‐A  MOW1  07/03/2001 16:11  08/03/2001 09:38  MT 

2002/27‐B  MOW1  26/11/2002 18:34  27/11/2002 07:24  NT 

2003/04‐A  MOW1  19/02/2003 18:08  20/02/2003 05:01  ST 

2003/15  Kwintebank  11/06/2003 18:20  12/06/2003 07:00  MT 

2003/17  Kwintebank  26/06/2003 16:40  27/06/2003 05:00  NT 

2003/22  MOW1  08/09/2003 18:00  09/09/2003 08:00  MT 

2003/25  Kwintebank  09/10/2003 15:30  10/10/2003 04:20  ST 

2004/04  Kwintebank  02/03/2004 20:00  03/03/2004 08:40  NT 

2004/05  Kwintebank  11/03/2004 18:00  12/03/2004 07:10  ST 

2004/24  MOW1  18/10/2004 13:20  19/10/2004 02:20  ST 

2004/25‐A  MOW1  08/11/2004 18:20  09/11/2004 07:00  NT 

2005/02  MOW1  07/02/2005 14:00  08/02/2005 06:10  MT 

2005/07‐A  MOW1  04/04/2005 19:20  05/04/2005 08:20  NT 

2005/15‐A  Kwintebank  20/06/2005 20:20  21/06/2005 09:00  MT 

2005/15‐B  MOW1  21/06/2005 17:15  22/06/2005 06:10  MT 

2005/29  MOW1  21/11/2005 17:00  22/11/2005 06:00  NT 

2006/06  MOW1  28/03/2006 18:38  28/03/2006 06:00  ST 

2006/10‐A  MOW1  15/05/2006 17:28  16/05/2006 06:20  ST 

2007/11‐A  Kwintebank  02/05/2007 14:38  03/05/2007 03:00  MT 

2007/11‐B  MOW1  03/05/2007 06:43  03/05/2007 20:00  MT 

2007/16  MOW1  10/07/2007 04:30  10/07/2007 17:00  NT 

2007/25‐B  MOW1  23/10/2007 01:30  23/10/2007 12:00  MT 

2008/02‐A  MOW1  06/02/2008 11:00  07/02/2008 01:00  ST 

2008/02‐B  Kwintebank  07/02/2008 17:00  08/02/2008 06:00  ST 

 

2.1.2. In‐situ 13‐uursmetingen en verticale profielen Gedurende de periode 2001‐2008 werden 16 13‐uursmetingen uitgevoerd te MOW1 en 8 op  de  Kwintebank  (tabel  2.2). Het  Sea‐Bird  SBE09  SCTD  carrousel meetsysteem  (figuur 2.3), dat tot 12 5 l Niskin flessen, een OBS, CTD en LISST 100 bevatte werd op ongeveer 3 m boven de bodem gehouden. Om de 20 minuten werd een Niskin fles gesloten en elk uur werd de carrousel aan boord gebracht. Van elke Niskin fles werden drie substalen geno‐men en aan boord gefiltreerd op vooraf gewogen GF/C filters. De filters werden later ge‐droogd en opnieuw gewogen om de SPM concentratie te bepalen. Deze data werden line‐air gecorreleerd met de OBS metingen om de OBS te kalibreren. De fouten op de filtratie‐resultaten zijn relatief hoog bij lage concentraties aan suspensiemateriaal tengevolge van de  relatief  hogere  systematische  fout  (Fettweis,  2008). De  relatieve  standaard  deviatie bedraagt respectievelijk 12% en 60%, rekening houdend met een systematische fout van 4.5  mg/l,  voor  alle  13‐uursmetingen  te  MOW1  en  op  de  Kwintebank.  De  relatieve standaard deviatie op de SPM concentratie afgeleid van de OBS bedraagt minder dan 20% (gemiddeld 10%) te MOW1 en tot 56% (gemiddeld 23%) op de Kwintebank. 

11

 

Figuur 2.3: Sea‐Bird SBE09 SCTD carrousel meetsysteem 

Bij het aan boord brengen van het carrousel meetsysteem wordt een verticaal profiel opgemeten. Tijdens een getijcyclus worden aldus ongeveer 13 profielen opgemeten. In to‐taal werden 198 verticale profielen verzameld te MOW1 en 103 op de Kwintebank. De 13‐uursmetingen zijn goed verdeeld over dood‐, gemiddeld en springtij. Respectivelijk 25%, 19%, 31% en 25% van de data te MOW1 werden verzameld tijdens lente, zomer, herfst en winter en 31%, 38% en 31% tijdens dood‐, gemiddeld en springtij. Voor de Kwintebank da‐ta is de verdeling van de metingen over de seizoenen en de maancyclus als volgt: 37% len‐te, 13% zomer, 13% herfst, 37% winter en 25% dood‐, 37% gemiddeld en 37% springtij. 

De  gemeten  verticale profielen  gaan  van ongeveer 3 mab naar de oppervlakte. Het ontbrekende onderste deel van het profiel werd met een lineaire regressie tussen de wa‐terdiepte en het  logaritme van de SPM concentratie berekend. Hiervoor werden de data volgens stijgende diepte gesorteerd en uitgemiddeld over een dieptecel van 0.5 m: 

( ) (∑=

−− ⎥⎦⎤

⎢⎣⎡ −+

Δ=

n

iiiii zzCC

zC

2112

11 )   (2.1) 

met C de gemeten SPM concentratie, C  de per dieptecel gemiddelde SPM concentratie, zi de diepte van het meetpunt i, Δz = (zn – z1) de verticale afstand tussen het eerste en het laatste meetpunt per dieptecel, n het aantal meetdata per dieptecel, σi de standaard devi‐atie op de meting i. De meetonzekerheid op de OBS kan dan worden geschreven als: 

( )∑−

=−+ −

Δ=

∂∂

=1

211

121 n

iiiii

iC

zzzC

C σσσ  (2.2) 

met Cσ  de standaard fout op de gemiddelde SPM concentratie per dieptecel. Deze fout 

wordt  opgeteld  bij  de  statistische  fout  tengevolge  van  (natuurlijke)  variabiliteit  van  de meetdata. De systematische fout kan groter zijn dan de statistische fout op plaatsen met weinig suspensiemateriaal (v.b. Kwintebank). De gefitte profielen werden gebruikt om de 

12

verhouding tussen de SPM concentratie aan de oppervlakte en op verschillende diepten te berekenen om zodoende de SPM concentratie dicht tegen de bodem (tripode) te extrapo‐leren naar de oppervlakte (Van den Eynde et al., 2007).  

2.1.3. Remote sensing data De MODIS (MODerate resolution Imaging Spectroradiometer) level 1A data (L1A) voor de periode 2003‐2008 werden verzameld (http://oceancolor.gsfc.nasa.gov, en figuur 2.4). De L1A data bevatten de straling aan de top van de atmosfeer, die geometrisch gecorrigeerd wordt met de  SeaDAS  software  (beschikbaar op dezelfde NASA website). De atmosferi‐sche correctie voor troebel water (Ruddick et al., 2000) werd geïmplementeerd in SeaDAS en gebruikt om de reflectie op het wateroppervlak af te leiden (water‐leaving reflectance).   

 

 

Figuur 2.4: Twee voorbeelden van MODIS satellietbeelden en de afgeleide SPM concentra‐tie (mg/l) voor 29/05/2009 (boven) en 31/05/2009 (onder). 

SPM concentratie werd berekend uit deze ‘water‐leaving reflectance’ met behulp van een algoritme gekalibreerd voor troebel water (Nechad et al., 2010). De nauwkeurigheid van de SPM concentratie werd bepaald voor de fouten afkomstig van het optische model dat gebruikt werd om de reflectie om te rekenen naar SPM concentraties. De optische ei‐genschappen van de partikels  in  suspensie werden geparameteriseerd. Fouten ontstaan indien de  grootte  en  samenstelling  van de partikels  significant  veranderen  en daarmee gepaard ook de optische eigenschappen. Dit  treed op  tijdens een getij en door windin‐vloed (Nechad et al., 2010). De onzekerheid op SPM concentratie tengevolge van fouten in de ‘water‐leaving reflectance’ werd bepaald op basis van 29 match‐ups in weinig tot mid‐delmatig  troebel water  (3‐80 mg  l‐1). De totale  fout op SPM concentratie bedroeg onge‐veer 37% voor de MODIS beelden. Voor SPM concentraties >10 mg/l  is de relatieve fout op de SPM concentratie afgeleid uit MODIS beelden significant  lager dan bij  lagere con‐centraties. Dit wordt verklaard door de relatief hogere fouten in de ‘water‐leaving reflec‐tance’ bij lage SPM concentraties en ook doordat het algoritme voor SPM concentratie af‐

13

geijkt werd voor troebel water. Verder moet ook vermeld worden dat het zichtbare spec‐trum van satellieten gewoonlijk verzadigd geraakt bij zeer hoge turbiditeit (Doxaran et al., 2002). De band gecentreerd op de golflengte van 667 nm, die hier gebruikt werd om SPM concentraties  te bepalen, bereikt een detectielimiet bij ongeveer 200 mg/l. Banden met langere golflengte kunnen deze beperking omzeilen als de sensor/ruis verhouding (Wang et al., 2009) of de fouten bij de atmosferische correctie aanvaardbaar zijn. 

Op het BCP beschikken we over ongeveer 60 gedeeltelijk wolkenvrije beelden per jaar. en dus 460 data te MOW1 en 502 op de Kwintebank voor de beschouwde periode. 64% van de beelden zijn genomen in de lente en zomer en 36% in de herfst en winter. Tidens deze seizoenen zijn SPM concentraties het hoogst. De MODIS satelliet vliegt over het BCP tussen 12:40‐13:40 UTC. In situ metingen die binnen het uur van een satellietbeeld liggen, werden gemiddeld en vergeleken met deze uit het satellietbeeld. De relatieve standaard deviatie van de in situ data gedurende dit uur bedraagt gemiddeld 27%.  

2.2. Resultaten 

2.2.1. Significante golfhoogte De  gemiddelde  significante  golfhoogte  (Hs)  tijdens  2003‐2008  bedroeg  0.55 m.  Lagere waarden waren er in de lente (0.48 m) en zomer (0.53 m) en hogere in de herfst (0.62 m) en winter  (0.60 m), zie  figuur 2.5. De gemiddelde Hs tijdens tripode metingen te MOW1 was 0.58 m en op de Kwintebank 0.47 m; deze waarden zijn iets hoger dan het gemiddel‐de over heel de periode  2003‐2008.  Significante  golfhoogten  groter dan 1.5 m werden minder frequent opgemeten tijdens de tripode metingen (7% te MOW1 t.o.v. 10% gedu‐rende de periode 2003‐2008).  

Bij 13‐uursmetingen was de gemiddelde Hs = 0.49 m; deze metingen zijn beperkt tot goede weersomstandigheden met Hs gewoonlijk kleiner dan 1.5 m. Het geometrisch ge‐middelde van Hs  tijdens de MODIS overvlucht over het BCP vliegt  is 0.60 m. Gedurende wolkenvrije condities wanneer SPM concentratie data beschikbaar zijn, verkleint het ge‐middelde  tot 0.44 m. Dit  toont aan dat de SPM concentraties uit  satellietdata een naar goede weersomstandigheden (lage golven) vertekent beeld geven en dat een significante golfhoogte kleiner dan 0.44 m als proxy gebruikt kan worden voor wolkenvrije condities.  

2.2.2. SPM concentratie profielen Enkele voorbeelden van de gemeten en gefitte profielen tijdens 13‐uursmetingen worden getoond  in  figuur 2.6  (zie appendix 7 voor alle profielen). Er kunnen twee types worden onderscheiden. Beiden kunnen door een logaritmische functie worden benaderd. Het eer‐ste  type bestaat uit goed gemengde profielen met een geringe verticale stratificatie  (de verhouding  tussen  verticaal  gemiddelde  en  oppervlakte  concentratie  is  kleiner  dan  2), terwijl het tweede type gekenmerkt wordt door grotere gradiënten (de verhouding is gro‐ter dan 2). Dit laatste type komt vooral voor rond hoog‐ en laagwater, wanneer de toene‐mende  stroomsnelheid een  kritische waarde overschreden heeft en het  sediment gere‐suspendeerd wordt. Het maximum in stroomsnelheid treedt ongeveer 1 uur voor HW op. Het eerste type profiel wordt waargenomen bij een lage erosieflux, omdat er ofwel geen erodeerbaar materiaal meer aanwezig  is of doordat de bodemschuifspanning onder een drempelwaarde voor erosie valt. Zij vertegenwoordigen aldus perioden van verticale men‐ging  of  een  relaxatie  periode  tijdens  kentering. Op  de  Kwintebank  behoren  88%  en  te MOW1 74% van de profielen tot dit type. De correlatiecoëfficiënt tussen de gefitte en de gemeten data is hoog (MOW1: R² = 0.77; Kwintebank: R² = 0.98).  

14

 

springx*=48 cms*=1.79

0.0

0.1

0.2

0.3

0 50 100 150 200 250significant wave height (cm)

Pro

babi

lity

dens

ity

summerx*=53 cms*=1.82

0.0

0.1

0.2

0.3

0 50 100 150 200 250significant wave height (cm)

Pro

babi

lity

dens

ityautumn

x*=62 cms*=1.81

0.0

0.1

0.2

0.3

0 50 100 150 200 250significant wave height (cm)

Pro

babi

lity

dens

ity

winterx*=60 cms*=1.95

0.0

0.1

0.2

0.3

0 50 100 150 200 250significant wave height (cm)

Pro

babi

lity

dens

ity

 

Figuur  2.5: Waarschijnlijkheidsverdeling  van  de  significante  golfhoogte  te  Bol  van Heist voor 2003‐2008 en de overeenstemmende lognormale functie. 

 Figuur 2.6: Enkele voorbeelden van gemeten en berekende SPM concentratie profielen uit de getijcyclus metingen. De diepte is relatief t.o.v. de totale waterdiepte. KB=Kwintebank, de andere profielen zijn van MOW1 (zie ook appendix 7). 

15

De gefitte profielen werden gebruikt om een correlatie tussen de log‐getransformeer‐de SPM concentraties aan de oppervlakte, op 2 mab en op 0.2 mab, en de verticaal ge‐middelde waarde te berekenen (figuur 2.7 en tabel 2.3). De correlatie is hoog voor de type 1 profielen op beide  locaties en  voor de  type 2 profielen op de Kwintebank  (R² > 0.8), maar is minder goed voor de type 2 profielen te MOW1 (R² = 0.4 tot 0.6). De laagste corre‐laties  treden op bij de data op 0.2 mab en  tonen aan dat een extrapolatie van de data dicht tegen de bodem naar de oppervlakte toe, hoogstwaarschijnlijk niet nauwkeurig is bij type 2 profielen. 

Een derde type profiel werd waargenomen in de tripode data (<2 mab). Het wordt ge‐karakteriseerd door zeer hoge SPM concentraties dicht tegen de bodem, die mogelijks het gevolg zijn van de aanwezigheid van tijdelijke vloeibare sliblagen of hooggeconcentreerde slibsuspensies en die als gevolg hebben dat er een  slechte correlatie optreed  tussen de waarden dicht tegen de bodem (0.2 mab) en de 2 mab SPM concentraties. Zij zijn typisch geassocieerd met stormen (Fettweis et al., 2010). Deze HCBS lagen kunnen niet benaderd worden door de boven gebruikte profielen, omdat de dynamica dicht tegen de bodem tij‐dens zulke condities losgekoppeld is van de dynamica hogerop in de waterkolom.  

 

MOW1

10

100

1000

10 100 1000vertical averaged SPM concentration (mg/l)

surfa

ce S

PM

con

cent

ratio

n (m

g/l)

profile 1

profile 2

Kwintebank

1

10

100

1 10vertical averaged SPM concentration (mg/l)

surfa

ce S

PM

con

cent

ratio

n (m

g/l

100

) profile 1

profile 2

 

Figuur 2.7: Relatie tussen oppervlakte en de verticaal gemiddelde SPM concentratie voor type 1 en 2 profielen afgeleid uit de gefitte profielen (13‐uursmetingen). De correlatie werd berekend na log‐transformatie (profiel 1: R²=0.94, profiel 2: R²=0.61), zie Tabel 2.3. 

Tabel 2.3: Lineaire correlatie tussen de log‐getransformeerde oppervlakte SPM concentra‐tie (x) en de verticaal gemiddelde SPM concentratie, deze op 2 mab en deze op 0.2 mab (y). De relatie log(y)=a+b log(x) werd opgesteld met de gefitte profielen. (mab=m above bed) 

MOW1  Kwintebank  vert gem  2 mab  0.2 mab  vert gem  2 mab  0.2 mab 

Type 1 profiel a=-0.01 b=0.95 R²=0.94

a=0.05 b=0.89 R²=0.88

a=0.10 b=0.84 R²=0.83

a=-0.04 b=0.99 R²=0.98

a=-0.05 b=0.96 R²=0.96

a=-0.04 b=0.95 R²=0.95

Type 2 profiel a=0.11 b=0.69 R²=0.63

a=0.27 b=0.55 R²=0.47

a=0.45 b=0.45 R²=0.38

a=-0.14 b=0.95 R²=0.94

a=0.18 b=0.89 R²=0.89

a=-0.18 b=0.87 R²=0.86

Alle profielen a=0.30 b=0.72 R²=0.63

a=0.54 b=0.56 R²=0.46

a=0.73 b=0.44 R²=0.35

a=-0.01 b=0.95 R²=0.96

a=-0.01 b=0.88 R²=0.91

a=0.02 b=0.86 R²=0.89

  

16

De  relatie  tussen de getij‐gemiddelde data op 2 mab en 0.2 mab werd berekend na log‐transformatie van de data, zie figuur 2.8. Voor SPM concentraties tussen 100 tot 1000 mg/l is de waarde dicht tegen de bodem (0.2 mab) ongeveer 1.5‐1.7 keer groter dan op 2 mab (R²=0.69). Tijdens twee metingen (MOW1‐4, MOW1‐8) was de 0.2 mab SPM concen‐traties  1.4‐5.6  keer  groter  dan  deze  op  2 mab;  de  correlatiecoëfficiënt  is  hierbij  laag (R²=0.33). 

10

100

1000

10 100 1000 100000.2 mab SPM concentration (mg/l)

2 m

ab S

PM

con

cent

ratio

n (m

g/l)

MOW1-1, 2, 3, 5, 6, 7

MOW1-4, 8

10

100

10 1000.2 mab SPM concentration (mg/l)

1.4

mab

SP

M c

once

ntra

tion

(mg/

l)

Kwintebank

 

Figuur 2.8: Relatie tussen de getij‐gemiddelde SPM concentratie op 0.2 m boven de bodem (mab) (x) en op 2 mab (y) voor de tripode metingen. De correlatie werd berekend na  log‐transformatie van de data (R²=0.69 voor MOW1‐1, 2, 3, 5, 6, 7 en R²=0.33 voor MOW1‐4, 8). (mab=m above bed) 

2.2.3. In situ en satelliet data op hetzelfde ogenblik Te MOW1 zijn er 19 keer op hetzelfde ogenblik  tripode en de satelliet data beschikbaar (match‐ups). De correlatiecoëfficiënt tussen– na  log‐transformatie – de oppervlakte SPM concentratie afkomstig van MODIS en de SPM concentratie van de tripode is R²=0.8 voor de 2 mab en R²=0.7 voor de 0.2 mab data. Merk op dat het verschil tussen oppervlakte en bodem SPM concentratie heel groot is (15‐30 keer lager), zie figuur 2.9a. De relatie tussen oppervlakte en bodem SPM concentratie, zoals berekend voor de gefitte profielen van de 13‐uursmetingen, werd gebruikt om een diepte  correctie  toe  te passen. Bij het gebruik van de correctiefactoren voor alle profielen (tabel 2.3) wordt een relatief goede overeen‐komst  tussen MODIS  en  2 mab  tripode  data  (R²=0.5)  bekomen  (figuur  2.9),  niettegen‐staande dat de gecorrigeerde MODIS data de SPM concentratie onderschatten (zie § 2.3).  

2.2.4. Frequentieverdeling van SPM concentratie Door frequentieverdelingen van de verschillende data sets op te stellen, kunnen we met behulp  van  standaard  statistische  tests  (Χ²  test,  Kolmogorov‐Smirnov  test)  bepalen  of twee verdelingen afkomstig  zijn van eenzelfde populatie.  Indien de data verzameld met verschillende methoden een gelijkaardige log‐normale verdeling, geometrisch gemiddelde en standaard afwijking kennen, dan kunnen we besluiten dat – binnen een gegeven onze‐kerheidmarge – de methoden gelijkaardige substalen van de gehele populatie opleveren. De drie verschillende SPM concentratie data (getijcyclus, tripode en satelliet) werden ge‐bruikt om frequentieverdelingen op te stellen. De verdelingen komen goed overeen met log‐normale verdelingen, zie figuren 2.10‐2.12. Een variabele x is log‐normaal verdeeld in‐dien de log(x) normaal verdeeld is. De PDF (Probability Density Function) van zulk een va‐riabele kan als volgt worden geschreven:  

17

( ) ( )( ) ⎟⎠⎞

⎜⎝⎛ −−= 2

2 log2

1exp2

1 μσπσ

xx

xf   (2.3) 

waarbij μ de mediaan en σ de standaardafwijking is. Een log‐normale verdeling wordt ge‐karakteriseerd door de mediaan en de standaard deviatie van log(x). Door de waarden te‐rug om  te zetten naar de gemeten grootheid kan de verdeling gekarakteriseerd worden door het geometrisch gemiddelde (x*) en de multiplicatieve standaardafwijking  (s*). Het interval x* gedeeld door s* tot x* vermenigvuldigd met s* omvat 68.3% van de populatie en x*/2s* tot x* × 2s* 95.5%. Volgende benadering werd gebruikt:  

( )nn

ii

n

ii xx

nx

1

11log1exp* ⎟⎟

⎠

⎞⎜⎜⎝

⎛=⎟

⎠

⎞⎜⎝

⎛= ∏∑

==

  (2.4) 

⎟⎟⎟⎟

⎠

⎞

⎜⎜⎜⎜

⎝

⎛

⎥⎥⎦

⎤

⎢⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡⎟⎠⎞

⎜⎝⎛

−= ∑

=

21

1

2

*log

11exp*

n

i

i

xx

ns   (2.5) 

 

(a)

1

10

100

1000

10 100 1000 10000SPM concentration tripod (mg/l)

surfa

ce S

PM

con

c. M

OD

IS (m

g/l)

0.2 mab2 mab2 mab (R²=0.80)0.2 mab (R²=0.66)

(b)

10

100

1000

10 100 1000 10000SPM concentration tripod (mg/l)

corre

cted

SP

M c

onc.

MO

DIS

(mg/

l)

0.2 mab2 mab2 mab (R²=0.52)0.2 mab (R²=0.23)

 

Figuur 2.9: Correlatie tussen SPM concentratie op 2 en 0.2 mab en de oppervlakte (a) en dieptegecorrigeerde (b) MODIS SPM concentratie tijdens een match‐up. De correlatie wer‐den berekend na log‐transformatie en rekening houdend met meetfouten, zie § 2.1.3.  

18

 

Figuur 2.10: Frequentieverdeling van tripode SPM concentratie data op 2 mab en 0.2 mab. De data te MOW1 zijn gegroepeerd in klassen van 50 mg/l en deze van de Kwintebank in klassen  van  5 mg/l. De  overeenkomstige  log‐normale  verdeling  heeft  een  Χ²  test waar‐schijnlijkheid van p>0.9. Ook aangeduid zijn het geometrisch gemiddelde x* vermenigvul‐digd/gedeeld door de multiplicatieve standaard deviatie s*. (mab=m above bed) 

Het geometrisch gemiddelde, de multiplicatieve standaard deviatie en de X² test resul‐taten van de SPM concentratieverdelingen kunnen gevonden worden in Tabel 2.4. De data van de 13‐uursmetingen worden  getoond  voor drie diepten die overeenkomen met de meetdiepte  van  satellieten  (oppervlakte)  en  van  de  tripode  (2  en  0.2 mab). De  Χ²  test waarschijnlijk werd berekend  in de veronderstelling dat SPM concentraties gefit kunnen worden met een log‐normale functie. Over het algemeen varieert s* tussen 1.5 en 2.8 en valt dus in de range van 1.4 tot 3 die ook in de andere domeinen binnen de natuurweten‐schappen werd gevonden (Limpert et al., 2001). Indien de test waarschijnlijkheid klein is (p < 0.05), dan zou de nul hypothese verworpen moeten worden. Lage waarschijnlijkheden treden op bij de 13‐uursmetingen,  in het bijzonder  in de oppervlakte data op de Kwinte‐bank en in de 0.2 mab te MOW1. De afwijking van de log‐normale verdeling van de opper‐vlakte data van de Kwintebank (figuur 2.11) zijn mogelijks te wijten aan de hoge meetfou‐ten van SPM concentratie (zie §2.1.2). Voor de MOW1 data dicht tegen de bodem kan de afwijking het gevolg zijn van de soms onrealistisch hoge waarden veroorzaakt door de log‐extrapolatie van de verticale profielen naar 0.2 mab (zie appendix 7). We kunnen daarom argumenteren dat een type I fout optreedt en dat deze SPM concentraties dus wel dege‐lijk een log‐normale verdeling hebben.   

19

 

Figuur 2.11: idem Figuur 2.10 maar nu voor de 13‐uursmetingen aan de oppervlakte, op 2 mab en op 0.2 mab afgeleid uit de gefitte profielen. De data te MOW1 zijn opgedeeld  in klassen van 20 mg/l en deze van de Kwintebank in klassen van 5 mg/l. (mab=m above bed) 

 

Figuur 2.12: idem Figuur 2.10 maar nu voor de MODIS oppervlakte SPM concentratie data. De data zijn opgedeeld in klassen van 5 mg/l . (mab=m above bed) 

20

Tabel  2.4:  Geometrisch  gemiddelde  van  de  SPM  concentratie  (x*)  afkomstig  van  13‐uursmetingen (13h), tripode metingen en MODIS satelliet te MOW1 en Kwintebank. p is de Χ² test waarschijnlijkheid t.o.v. een log‐normale verdeling, s* de multiplicatieve standaard deviatie; de x* aan de oppervlakte in de tripode data werd met behulp van de relatie voor ‘alle profielen’ uit Tabel 2.3 berekend. (mab=m above bed) 

Locatie  Methode  Diepte  x* (mg/l)  s*  p 

MODIS  oppervlakte  23  2.4  0.51 

13h  oppervlakte  39  2.1  0.81 

13h  2 mab  81  2.6  0.09 

MOW1  13h  0.2 mab  93  2.8  0.02 

tripode  oppervlakte  59 (2 mab) 68 (0.2 mab) 

1.7 (2 mab) 1.6 (0.2 mab) 

0.97 (2 mab) 0.11 (0.2 mab) 

tripode  2 mab  174  2.5  0.99 

tripode  0.2 mab  326  2.8  0.99 

MODIS  oppervlakte  6  2.5  0.28 

13h  oppervlakte  9  2.1  0.02 

13h  2 mab  12  2.2  0.56 

Kwintebank  13h  0.2 mab  13  2.3  0.79 

tripode  oppervlakte  19 (2 mab) 23 (0.2 mab) 

1.4 (beiden)  0.00 (beiden) 

tripode  2 mab  29  1.5  0.93 

tripode  0.2 mab  36  1.5  0.93 

Tabel  2.5: Geometrisch  gemiddelde  SPM  concentratie  (x*)  te MOW1  voor  verschillende golfcondities. De verdelingen komen overeen met bepaalde orbitale golfsnelheden aan de bodem (Uw); p is de Χ² test waarschijnlijkheid t.o.v. een log‐normale verdeling; s* de multi‐plicatieve standaard afwijking; oppervlakte x* de met behulp van de relatie voor ‘alle pro‐fielen’ uit Tabel 2.3 naar de oppervlakte gecorrigeerde x*. (mab=m above bed) 

ws (m)  >0.5  >0.3  >0.03  alle  <0.3  <0.03 

  2 mab 

x* (mg/l)  338  278  176  178  155  145 

s*  1.6  1.8  2.5  2.0  2.5  2.4 

p  0.73  0.95  0.99  0.91  0.99  0.99 

oppervlakte x* (mg/l)  91  82  63  59  58  56   0.2 mab 

x* (mg/l)  617  513  390  313  308  263 

s*  1.9  2.0  2.8  2.8  2.8  2.8 

p  0.99  1.00  1.00  0.93  0.91  0.96 

oppervlakte x* (mg/l)  92  87  75  68  67  63 

 MOW1 is gelegen in een ondiep gebied waar golfeffecten belangrijk zijn. Door data te 

selecteren waar de orbitale golfsnelheid aan de bodem, Uw, hoger (respectievelijk lager) is dan een zekere waarde kan het gemiddelde en de multiplicatieve standaard deviatie van tijdens  een  storm  (respectievelijk  goed weer) worden berekend  (tabel 2.5). De orbitale golfsnelheid aan de bodem werd berekend uit de significante golfhoogte  (Hs), de water‐diepte en het  JONSWAP golfspectrum  (Soulsby, 1997). Een Uw van 0.03 m/s, 0.3 m/s en 

21

0.5 m/s komt overeen met een significante golfhoogte van ongeveer 0.5 m, 1.5 m en 2.5 m in een waterdiepte van 10 m. De resultaten te MOW1 tonen dat de frequentieverdelin‐gen gelijkaardig zijn voor data met Uw > 0.03 m/s en Uw < 0.3 m/s. De gemiddelde SPM concentratie te MOW1 neemt toe van 145 mg/l (Uw < 0.03 m/s) naar 338 mg/l (Uw > 0.5 m/s) op 2 mab en van 263 mg/l (Uw < 0.03 m/s) naar 617 mg/l (Uw > 0.5 m/s) op 0.2 mab; dit bevestigt het niet  lineaire gedrag van het systeem. De SPM concentratie verdeling uit de 13‐uursmetingen op 2 mab komen goed overeen – maar toch nog met significante ver‐schillen – met de tripode data tijdens goede weersomstandigheden (Uw < 0.03 m/s; x*=81 mg/l versus 145 mg/l). Gelijkaardige  resultaten werden gevonden voor de 0.2 mab data van de 13‐uurmetingen en van de tripode data tijdens goede weersomstandigheden  (93 mg/l versus 263 mg/l).  

2.2.5. Oppervlaktecorrectie van tripode data Door de tripode data van de Kwintebank en MOW1 te extrapoleren naar de oppervlakte kunnen de drie datasets  (tripode, 13‐uurmeting en MODSI) met elkaar vergeleken wor‐den. De oppervlakte correctie werd uitgevoerd voor zowel de 2 mab als de 0.2 mab tripo‐de data door de  relatie voor  ‘alle profielen’ uit  tabel 2.3  toe  te passen. De oppervlakte waarden voor 0.2 mab zijn iets hoger dan voor 2 mab (tabel 2.4). De verschillen tussen sa‐telliet, 13‐uursmeting en  tripode oppervlakte data  zijn echter nog  steeds  significant. De laagste gemiddelde SPM concentratie wordt gevonden bij de satelliet data (Kwintebank: 6 mg l‐1, MOW1: 23 mg l‐1) en de hoogste bij de tripode data (Kwintebank 19 mg l‐1, MOW1: 59 mg l‐1 beiden voor de 2 mab extrapolatie).  

De resultaten tonen dat voor de Kwintebank gemiddelde SPM concentratie uit satelliet data  binnen  een  standaard  afwijking  gelegen  is  van  de  data  afkomstig  van  de  13‐uursmetingen en vice versa. Dit geldt niet voor de tripode data, die niet binnen een stan‐daard afwijking  van de 13‐uurmetingen en  satelliet data  vallen. Dit  is mogelijks  veroor‐zaakt door het feit dat de tripode data beperkt zijn tot maart 2004 en dus niet representa‐tief zijn voor een heel  jaar (tabel 2.1). Indien enkel de winter satelliet data worden gese‐lecteerd dan wordt een gemiddelde SPM concentratie bekomen van 12 mg l‐1, die echter nog steeds  laag  is vergeleken met deze afgeleid uit de tripode data. Te MOW1  is de ge‐middelde SPM concentratie uit 13‐uursmetingen gelegen binnen een standaard afwijking van deze van de tripode en de satelliet data. De gemiddelde SPM concentratie afkomstig van de tripode en de satelliet zijn niet binnen een standaard afwijking gelegen.  

2.3. Discussie 

De  resultaten  van  standaard  statistische  testen  tonen  aan  dat  de  data  van  13‐uursmetingen, tripode en MODIS verschillende verdelingen hebben en dat zij dus andere subpopulaties  van  de  hele  SPM  concentratie  populatie  vertegenwoordigen.  Onderaan worden de verschillen tussen de staalnamemethode, de representativiteit van de metin‐gen en de meetfouten meer  in detail besproken. Deze analyse zal enkel voor de MOW1 data worden uitgevoerd, omdat deze  representatief  zijn voor  seizoenen en extreme ge‐beurtenissen.  

2.3.1. Representativiteit van SPM concentratie data Een  eerste  selectie  van  SPM  concentraties werd  gedaan  door deze  volgens  de  orbitale golfsnelheid op te delen (zie §2.2.4). De naar de oppervlakte toe gecorrigeerde tripode da‐ta (tabel 2.5) berekend met de 2 mab data variëren tussen 91 mg/l (Uw > 0.5 m/s), 59 mg/l (alle data) en 56 mg/l (Uw < 0.03 m/s) en zijn nog steeds significant hoger dan deze van de 

22

13‐uursmetingen en satelliet data  (tabel 2.4). Dit resultaat onderstreept dat de SPM dy‐namica dicht tegen de bodem en de vorming van vloeibaar slib of hooggeconcentreerde suspensielagen  los gekoppeld  is van de processen die zich hogerop  in de waterkolom af‐spelen en wijst mogelijks op het feit dat 18 13‐uursmetingen en 460 satellietbeelden niet representatief zijn voor de SPM concentratie populatie bij goede weersomstandigheden te MOW1.  

2.3.2. Staalnamemethode Staalname wordt aanzien als een statistische handeling om individuele 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 zou moeten  zijn om een  representatieve  subpopulatie  te verzamelen, waaruit bevindin‐gen, binnen de foutenmarges, over de hele populatie kunnen worden afgeleid. Indien we met tijdsafhankelijke en meer specifiek harmonisch variërende processen te maken heb‐ben, zoals SPM concentratie, dan zou men op de hoogte moeten zijn van het aantal data dat nodig is vooraleer een subpopulatie als representatief kan beschouwd worden. Het is daarom essentieel om  te weten hoe  representatief een bepaalde staalnamemethode  is. Verschillen tussen datasets kunnen bv. het gevolg zijn van het feit dat in situ en and remo‐te sensing technieken gebruik maken van andere staalnamemethoden.  

Satellieten kunnen beschouwd worden als een toevallige staalname (random sampler) die een vertekend beeld geven, omdat enkel tijdens wolkenvrije momenten data kunnen verzameld worden, en omdat satellieten verzadigd raken bij hoge SPM concentraties. 13‐uursmetingen vanuit een schip en langdurige metingen met tripoden kunnen worden om‐schreven als een ‘event based’ staalnamemethode, die gekenmerkt wordt door een wille‐keurig startmoment en het verder verzamelen van data gedurende minstens een getijcy‐clus. Door de  staalname  te groeperen gedurende een getijcyclus wordt de belangrijkste SPM concentratie variatie bemonsterd.  

Een meer objectieve benadering  is om verschillende meetschema’s  toe  te passen op de volledige dataset en om de analyse uit te voeren op de genomen subpopulatie (Schlep‐pi et al., 2006). Indien we aannemen dat de tripode data te MOW1 een goede representa‐tie zijnn van de natuurlijke variabiliteit gedurende een jaar, dan kunnen we deze willekeu‐rig bemonsteren met analoge meetschema’s als van satellieten of 13‐uursmetingen. Zo‐doende kunnen we nagaan hoe een laagfrequente staalname het gemiddelde en de stan‐daard deviatie beïnvloeden. Satellietdata komen meestal voor tijdens periodes met weinig wind (Fettweis et al., 2007), daarom werd een significante golfhoogte van 0.44 m gebruikt als proxy  voor wolkenvrije  condities. Drie meetschema’s werden onderzocht;  schema 1 bestaat uit 60 willekeurig genomen stalen; schema 2 uit 60 willekeurige stalen bij een Hs < 0.44 m en schema 3 uit 60 willekeurige stalen genomen tussen 13h en 14h en bij een Hs < 0.44 m. Een significante golfhoogte van 0.44 m komt overeen met de mediaan van de sig‐nificante golfhoogte tijdens passage van de satelliet. Het schema voor de 13‐uursmetingen bestaat uit 6 willekeurige staalname momenten bij Hs < 1.5 m met telkens meetreeksen van 13 opeenvolgende uren (totaal 78 data). Elk meetschema werd 10 keer herhaald om de variabiliteit tengevolge van de ‘random number generator’ te bepalen (tabel 2.6). 

Het satelliet meetschema 1 geeft zeer gelijkaardige gemiddelde SPM concentratie  (2 mab 182 mg  l‐1 t.o.v. 178 mg  l‐1: 0.2 mab: 347 mg  l‐1 t.o.v. 313 mg  l‐1) en multiplicatieve standaard afwijking dan voor alle tripode data, terwijl satelliet meetschema 2 een vermin‐dering van de gemiddelde SPM concentratie  (2 mab:158 mg  l‐1; 0.2 mab: 258 mg  l‐1) en 

23

multiplicatieve standaard afwijking als gevolg heeft (tabel 2.6). De resultaten van het sa‐telliet meetschema 2 zijn gelijkaardig met de gemiddelde SPM concentratie van de tripode data bij Uw < 0.03 m s‐1 (2 mab: 158 mg l‐1 t.o.v. 145 mg l‐1; 0.2 mab: 258 mg l‐1 t.o.v. 263 mg l‐1). Uit deze resultaten zou men kunnen concluderen dat 60 stalen representatief zijn voor de hele populatie en dat toepassen van satelliet meetschema 2 de gemiddelde SPM concentratie verlaagd. Dit laatste wordt dan vooral beïnvloed door de beperking tot goede weersomstandigheden, maar  ook  de  staalname  tijd  blijkt  een  invloed  te  hebben  zoals wordt aangetoond door het satelliet meetschema 3, waarmee de gemiddelde SPM con‐centratie verder daalt. (tabel 2.6). Deze conclusie wordt verder versterkt door het feit dat herhaling  van hetzelfde meetschema niet  resulteert  in  een hogere  standaard  afwijking. Door de over het algemeen betere weersomstandigheden tijdens de  lente en zomer be‐komt men meer lente en zomer (60%) dan herfst en winter (40%) data bij gebruik van sa‐telliet schema’s 2 en 3. Dit komt goed overeen met de verdeling van de beschikbare satel‐lietdata over de seizoenen.  

Het 13‐uurmeetschema  resulteert  in een gelijkaardige gemiddelde SPM  concentratie dan bij de tripode data met Hs < 0.3 m s‐1 (2 mab: 185 mg l‐1 t.o.v. 155 mg l‐1; 0.2 mab: 284 mg l‐1 t.o.v. 308 mg l‐1). De relatieve standaardafwijking tengevolge van de ‘random num‐ber generator’ bedraagt 33%, dit  is hoger dan bij de satelliet meetschema’s, hoewel het aantal stalen niet veel verschilt (78 t.o.v. 60). De hogere variabiliteit tijdens een getijcyclus wordt behouden, terwijl dit verdwijnt bij de satelliet meetschema’s (Fettweis et al., 2007). 

Tabel 2.6: Geometrisch gemiddelde SPM concentratie (x*) te MOW1 bekomen door gelijk‐aardige meetschema’s toe te passen op de tripode data dan deze van satellieten (SAT) en 13‐uursmetingen  (13h),  zie  discussie.  p  is  de  Χ²  test  waarschijnlijkheid  t.o.v.  een  log‐normale verdeling, s* de multiplicatieve standaard deviatie; de x* aan de oppervlakte in de tripode data werd met behulp van de relatie voor ‘alle profielen’ uit tabel 2.3 berekend. 

Meetschema  Sat 1  Sat 2  Sat 3  TC 

2 mab 

x*(mg/l) ±stdv   182±12  158±13  153±19  183±63 

s*  2.6  2.2  2.2  2.1 

p  0.49  0.62  0.45  0.23 

oppervlakte x* (mg/l)  64±2  59±3  58±4  64±12 

0.2 mab 

x*(mg/l) ±stdv   347±42  258±23  236±31  284±105 

s*  2.7  2.4  2.5  2.3 

p  0.78  0.64  0.59  0.35 

oppervlakte x* (mg/l)  71±3  62±3  59±3  64±11 

2.3.3. Meetonzekerheid Oppervlaktecorrectie van een subpopulatie uit de tripode data bekomen door toepassing van satelliet meetschema 3 en 13‐uursmeetschema geeft nog steeds verschillende waar‐den voor de SPM concentratie dan deze afkomstig van de satelliet (58 mg l‐1 t.o.v. 23 mg l‐1) en de 13‐uursmetingen (64 mg l‐1 t.o.v. 39 mg l‐1). Correctie voor type 2 profielen moet toegepast worden om een overeenkomst binnen een standaardafwijking te bekomen tus‐sen satelliet meetschema 3 (x* = 30 mg l‐1, s* = 1.5), 13‐uursmeetschema (x* = 32 mg l‐1, s* = 1.5) en de satelliet data (x* = 23 mg l‐1, s* = 2.4). Type 2 profiele komen slechts in 25% van de metingen te MOW1 voor. Dit wijst mogelijks op een onderschatting van type 2 pro‐

24

fielen tijdens 13‐uursmetingen, maar wordt waarschijnlijk ook veroorzaakt doordat remo‐te  sensing  data  beperkt  zijn  tot  lagere  SPM  concentraties  tengevolge  van  verzadiging. Daarenboven  is de benadering van verticale profielen met een eenvoudige  logaritmische functie, die geen rekening houdt met bezinking en verticale menging – niettegenstaande de hoge lineaire correlatie coëfficiënt tussen de gefitte en de gemeten waarden (MOW1: R²=0.77; Kwintebank: R²=0.98) – waarschijnlijk niet nauwkeurig voor type 2 profielen dicht tegen de zeebodem. De zeer hoge SPM concentraties (>3.6 g l‐1 op 0.2 mab en 2.6 g l‐1 op 2 mab)  te MOW1  in de  tripode data, die echter nooit gemeten werd door satellieten of tijdens 13‐uursmetingen  (maximum 1  g  l‐1  tijdens 2006/06), bevestigd dat de dynamica dicht tegen de bodem sterk beïnvloed wordt door golfinwerking. De vorming van hoogge‐concentreerde sliblagen in golfgedomineerde gebieden en de verschillend met de dynami‐ca in de rest van de waterkolom wordt beschreven in de literatuur (de Wit & Kranenburg, 1997; Li & Mehta, 2000; Winterwerp, 2006).  

2.4. Conclusies 

Er werd aangetoond dat de SPM concentratie afgeleid uit drie verschillende meetmetho‐den (tripode op vaste plaats, 13‐uursmeting en satelliet) verschillende frequentieverdelin‐gen opleveren. De analysen werden uitgevoerd voor MOW1, gelegen  in het  turbiditeits‐maximum, en voor de Kwintebank, gelegen in een gebied met lage turbiditeit. Om de SPM concentraties dicht  tegen de bodem  te kunnen vergelijken met de  satellietdata werden correcties  toegepast. Deze werden opgesteld uit de SPM concentratieprofielen opgeme‐ten  tijdens de 13‐uursmetingen. De  verschillen  tussen de datasets  kunnen worden  ver‐klaard door de verschillende meteorologische condities gedurende de metingen; doordat de SPM dynamica dicht tegen de bodem deels  losgekoppeld  is van de processen die zich hoger in de waterkolom afspelen; door de staalnamemethode; door de gebruikte correc‐tie naar de oppervlakte die een logaritmisch profiel verondersteld en door meetfouten. De belangrijkste conclusies zijn:  • Tengevolge van de hoge tijdelijke en ruimtelijke variabiliteit van SPM concentratie in 

het  turbiditeitsmaximum, zijn  intensievere meetschema’s nodig dan  in de meer off‐shore gelegen gebieden met lage concentraties.  

• SPM concentraties afkomstig van satelliet, 13‐uursmeting en tripode zijn zeer gelijk‐aardig op de Kwintebank rekening houdend met de grotere meetonzekerheid  in ge‐bieden met lage turbiditeit.  

• Satellieten of enkele 13‐uursmetingen per jaar kunnen geen langdurige continue me‐tingen vervangen  in gebieden met hoge  turbiditeit. Deze metingen geven enkel een deel van de hele populatie weer dat bovendien vertekend  is naar goede weersom‐standigheden en  lente‐zomer perioden  (satelliet). Sediment transport berekend met deze data zal altijd een onderschatting geven van de werkelijkheid.  

• De gemiddelde SPM concentratie berekend uit 60 willekeurige staalnamen per jaar is representatief voor de gemiddelde SPM concentratie van de hele populatie. Waneer een satelliet meetschema wordt gebruikt met een selectiecriterium voor significante golfhoogte (Hs < 0.44 m) en staalnametijd, dan stellen 60 stalen de SPM concentratie tijdens  goede weersomstandigheden  voor.  De  gemiddelde  SPM  concentratie  bere‐kend uit 6 willekeurige 13‐uursmetingen per  jaar met een Hs < 1.5 m als  criterium, geeft gelijkaardige gemiddelde SPM concentraties als de hele populatie. De hoge SPM concentratie variabiliteit gedurende een getijcyclus wordt behouden, terwijl deze ver‐loren gaat bij een satelliet meetschema.  

25

• De  gemiddelde  SPM  concentratie  afgeleid  uit  satelliet  data  is  gelegen  binnen  één standaard afwijking van de gemiddelde uit de 13‐uursmetingen op beide onderzochte locaties. Dit duidt op een goede overeenkomst tussen de verdelingen uit beide data‐sets. Indien op de SPM concentratie gemeten door de tripode en geëxtrapoleerd naar de  oppervlakte  een  meetschema  gelijkaardig  als  bij  satellieten  wordt  toegepast, wordt een  significant hoger gemiddelde bekomen dan dit afkomstig uit de  satelliet SPM concentraties. De reden hiervoor zijn gelegen  in de onzekerheden geassocieerd met de gebruikte extrapolatie en het feit dat hogere SPM concentraties (>200 mg l‐1) uitgefilterd worden door verzadiging van de satelliet.  

26

3. Profielen saliniteit en temperatuur Verticale salinteits‐ en  temperatuursstratificatie werd opgesteld met de data van de 13‐uursmetingen, zie §2.1.2. De figuren worden in appendix 8 gegroepeerd, hierbij werd het ontbrekende onderste deel  van het profiel met een  lineaire  regressie  tussen de water‐diepte en de saliniteit/temperatuur berekend.  In tabel 3.1 wordt het maximaal gemeten verschil  tussen  de  onderste  en  bovenste  waarneming  in  een  profiel  tijdens  de  13‐uursmeting weergegeven samen met het maximaal verschil tijdens een getij (horizontale gradiënt). De verticale verschillen zijn over het algemeen kleiner dan 1 (0.2 °C). Enkele uit‐schieters in saliniteit werden waargenomen te MOW1 (1.7) en Kwintebank (5.5).  

Tabel 3.1: Maximale verticale en horizontale saliniteits‐ en temperatuursgradiënt per getij. 

Id‐Nr  Locatie  Verticaal  Horizontaal 

    Saliniteit  Temperatuur Saliniteit  Temperatuur (°C) 

      (°C)  SBE19  SBE09  SBE19  SBE09 

2001/06‐A  MOW1  0.35  0.07  0.78  0.66  0.13  0.06 

2002/27‐B  MOW1  1.68  0.12  1.00  0.93  0.19  0.60 

2003/04‐A  MOW1  1.71  0.05  1.79  1.36  0.44  0.24 

2003/15  Kwintebank  0.05  0.11  0.19  0.16  0.94  0.94 

2003/17  Kwintebank  0.41  0.19  ‐  0.82  ‐  0.44 

2003/22  MOW1  0.10  0.03  0.42  0.40  0.30  0.38 

2003/25  Kwintebank  0.54  0.16  0.99  0.99  0.65  0.71 

2004/04  Kwintebank  1.46  0.68  1.27  2.68  0.77  0.76 

2004/05  Kwintebank  0.32  0.13  1.15  1.23  0.63  0.27 

2004/24  MOW1  0.28  0.06  0.45  0.41  0.23  0.13 

2004/25‐A  MOW1  0.08  0.06  0.36  0.42  0.35  0.34 

2005/02  MOW1  0.11  0.09  0.30  0.31  0.26  0.26 

2005/07‐A  MOW1  0.11  0.06  0.38  0.44  0.22  0.22 

2005/15‐A  Kwintebank  0.09  0.09  0.79  0.79  0.48  0.50 

2005/15‐B  MOW1  0.42  0.13  1.26  0.78  0.40  0.22 

2005/29  MOW1  0.16  0.19  0.60  0.59  0.24  0.23 

2006/06  MOW1  0.11  0.04  1.21  1.28  0.45  0.49 

2006/10‐A  MOW1  0.03  0.02  0.60  ‐  0.47  0.37 

2007/11‐A  Kwintebank  5.48  0.12  0.85  0.54  0.19  0.32 

2007/11‐B  MOW1  0.18  0.04  1.55  0.96  0.72  0.45 

2007/16  MOW1  0.46  0.11  1.11  0.79  0.42  0.45 

2007/25‐B  MOW1  0.08  0.15  ‐  0.81  ‐  0.82 

2008/02‐A  MOW1  0.27  0.22  0.90  0.80  0.76  0.70 

2008/02‐B  Kwintebank  0.03  0.02  0.15  0.36  0.29  0.29 

 In tabel 3.2 worden de horizontale gradiënten per getij tijdens de tripodemetingen ge‐

toond. De resultaten tonen dat het maximaal verschil in saliniteit en temperatuur tijdens een getij kan oplopen tot 4.6 (1.6 °C) in de kustzone ter hoogte van Zeebrugge. De medi‐aan van deze horizontale gradiënten bedraagt 0.75 (0.35 °C) en 0.73 (0.35 °C) te MOW1 en 

27

Blankenberge  respectievelijk. De  cummulatieve  frequentieverdeling  hiervan worden  ge‐toond in figuur 3.1. Uit de figuur blijkt dat een salinteitsverschil van 2 of meer tijdens een getij in 10% van de data teruggevonden wordt. 

Tabel 3.2 Maximale en mediane saliniteits‐ en  temperatuursgradiënt per getij  tijdens tri‐pode metingen te MOW1 en Blankenberge 

Locatie  Periode  Saliniteit  Temperatuur 

    Max  D50  Max  D50 

MOW1  oct‐nov 2004  1.89  0.53  0.92  0.20 

MOW1  feb 2005  4.03  1.10  0.94  0.32 

MOW1  apr 2005  1.77  0.75  ‐  ‐ 

MOW1  jun‐jul 2005  2.18  0.78  1.02  0.46 

MOW1  nov‐dec 2005  1.76  0.90  086  0.43 

MOW1  feb 2006  1.02  0.77  0.46  0.18 

MOW1  mar‐apr 2006  4.63  1.05  1.18  0.35 

MOW1  may‐jun 2006  4.04  0.59  0.96  0.42 

Blank  nov‐dec 2006  1.98  1.11  1.13  0.46 

Blank  dec 2006 – feb 2007 2.86  0.62  1.64  0.34 

Blank  jan‐feb 2008  2.50  0.60  0.69  0.32 

Blank  mar‐apr 2008  2.77  1.08  0.79  0.30 

Blank  apr‐jun 2008  2.12  0.36  0.82  0.34 

Blank  may‐jun 2009  3.08  0.51  0.65  0.32 

 

 Figuur 3.1: Cumulatieve frequentieverdeling van de maximale saliniteits‐ en temperatuurs‐verschillen tijdens een getij. Data afkomstig van tripode metingen te MOW1 en Blanken‐berge.  

28

4. Referenties Badewien TH, Zimmer E, Bartholomä A, Reuter R  (2009) Towards  continuous  long‐term 

measurements of suspended particulate matter (SPM) in turbid coastal waters. Ocean Dynamics, 59:227‐238. doi:10.1007/s10236‐009‐0183‐8 

Bartholomä A, Kubicki A, Badewien TH, Flemming BW (2009) Suspended sediment trans‐port in the German Wadden Sea—seasonal variations and extreme events. Ocean Dy‐namics, 59:213‐255. doi:10.1007/s10236‐009‐0193‐6 

Blewett J, Huntley DA (1998) Measurement of suspended sediment transport processes in shallow water off the Holderness Coast, UK. Marine Pollution Bulletin, 37:134‐143 

Bograd SJ, Rabinovich AB, Thomson RE, Eert AJ (1999). On sampling strategies and interpo‐lation schemes for satellite‐tracked drifters. Journal of Atmospheric and  Oceanic Tech‐nology, 16:893‐904 

Bowers DG, Boudjelas S, Harker GEL (1998) The distribution of fine suspended sediments in  the  surface waters  of  the  Irish  Sea  and  its  relation  to  tidal  stirring.  International Journal of Remote Sensing, 19:2789‐2805 

Bowers DG, Gaffney S, White M, Bowyer P (2002) Turbidity in the southern Irish Sea. Con‐tinental Shelf Research, 22:2115‐2126 

Buijsman MC, Ridderinkhof H (2007). Long‐term ferry‐ADCP observations of tidal currents in  the  Marsdiep  inlet.  Journal  of  Sea  Research,  57:  237‐256. doi:10.1016/j.seares.2006.11.004  

Cacchione DA, Drake DE, Kayen RW, Sternberg RW, Kineke GC, Tate GB (1995) Measure‐ments in the bottom boundary subaqueous delta. Marine Geology, 125:235‐257 

Caeiro S, Painho M, Goovaerts P, Costa H, Sousa S (2003). Spatial sampling design for se‐diment quality assessment in estuaries. Environmental Monitoring & Software, 18:853‐859. doi:10.1016/S1364‐8152(03)00103‐8 

de Wit PJ, Kranenburg C (1997) The wave‐induced liquefaction of cohesive sediment beds. Estuarine Coastal and Shelf Science, 45:261‐271 

Downing  J  (2006) Twenty‐five years with OBS sensors: The good,  the bad, and  the ugly. Continental Shelf Research, 26: 2299‐2318. doi:10.1016/j.csr.2006.07.018. 

Doxaran D,  Froidefond  J‐M,  Lavender  S, Castaing  P  (2002)  Spectral  signatures of highly turbid waters. Application with  SPOT data  to quantify  suspended particulate matter concentrations. Remote Sensing of Environment, 81:149‐161 

Doxaran, D, Froidefond  J‐M, Castaing P, Babin M  (2009) Dynamics of  the  turbidity maxi‐mum zone  in a macrotidal estuary (the Gironde, France): Observations from field and MODIS  satellite  data.  Estuarine  Coastal  and  Shelf  Science,  81:321‐332. doi:10.1016/j.ecss.2008.11.013 

Eleveld MA, Pasterkamp R, van der Woerd HJ, Pietrzak JD (2008) Remotely sensed seaso‐nality  in  the  spatial  distribution  of  sea‐surface  suspended  particulate matter  in  the southern  North  Sea.  Estuarine  Coastal  and  Shelf  Science,  80:103‐113. doi:10.1016/j.ecss.2008.07.015 

Fettweis M (2008) Uncertainty of excess density and settling velocity of mud derived from in  situ  measurements.  Estuarine  Coastal  and  Shelf  Science,  78:426‐436. doi:10.1016/j.ecss.2008.01.007 

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. 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).  Continental  Shelf  Research. 

29

doi:10.1016/j.csr.2010.05.001 Hall P, Davies AM (2005) The influence of sampling frequency, non‐linear interaction, and 

frictional effects upon the accuracy of the harmonic analysis of tidal simulations. Ap‐plied Mathematical Modelling, 29: 533‐552. doi:10.1016/j.apm.2004.09.015 

Hoitink AJF, Hoekstra P (2005) Observations of suspended sediment from ADCP and OBS measurements  in  a mud‐dominated  environment.  Coastal  Engineering,  52:103‐118. doi:10.1016/j.coastaleng.2004.09.005 

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, 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. 

Li MZ, Amos CL, Heffler DE (1997) Boundary layer dynamics and sediment transport under storm and non‐storm conditions on the Scotian Shelf. Marine Geology, 141:157‐181 

Li Y, Mehta AJ (2000) Fluid mud in the wave‐dominated environment revisited. In: Coastal and Estuarine Fine Sediment Dynamics.  In: McAnally WH, Mehta AJ (eds) Coastal and Estuarine Fine Sediment Dynamics, Proceedings in Marine Science 3, Elsevier, Amster‐dam, 79‐93 

Limpert E, Stahel W, Abbt M (2001) Log‐normal distributions across the sciences: Keys and clues. BioScience, 51:341‐352 

Ma Y, Wright LD, Friedrichs CT  (2008) Observations of  sediment  transport on  the conti‐nental  shelf off  the mouth of  the Waiapu River, New Zealand: Evidence  for  current‐supported  gravity  flows.  Continental  Shelf  Research,  28:516‐532. doi:10.1016/j.csr.2007.11.001 

Nechad B, De Cauwer V, Park Y, Ruddick KG  (2003) Suspended Particulate Matter  (SPM) mapping  from  MERIS  imagery.  Calibration  of  a  regional  algorithm  for  the  Belgian coastal waters. ESA MERIS user workshop, 10‐13th November 2003 

Nechad B, Ruddick KG, Park Y  (2010) Calibration and validation of a generic multisensor algorithm for mapping of Total Suspended Matter in turbid waters. Remote Sensing of Environment, 114:854‐866. doi:10.1016/j.rse.2009.11.022 

Ogston AS,  Cacchione DA,  Sternberg  RW,  Kineke GC  (2000) Observations  of  storm  and river‐flood  driven  sediment  transport  on  the  northern  California  continental  shelf. Continental Shelf Research, 20:2141‐2162 

Pepper DA, Stone GW  (2004) Hydrodynamic and sedimentary responses  to  two contras‐ting winter storms on the inner shelf of the northern Gulf of Mexico. Marine Geology, 210:43‐62. doi:10.1016/j.margeo.2004.05.004 

PIANC (2008) Minimising harbour siltation. PIANC report No 102, 88pp. 

30

Ruddick KG, Ovidio F, Rijkeboer M (2000) Atmospheric correction of SeaWiFS imagery for turbid coastal and inland waters. Applied Optics, 39:897‐912 

Ruhl CA, Schoelhammer DH, Stumpf RP, Lindsay CL (2001) Combined use of remote sen‐sing and continuous monitoring to analyse the variability of suspended‐sediment con‐centrations  in  San  Francisco  Bay,  California.  Estuarine  Coastal  and  Shelf  Science, 53:801‐812. doi:10.1006/ecss.2000.0730 

Schleppi  P, Waldner  PA,  Fritschi  B  (2006) Accuracy  and  precision  of  different  sampling strategies and flux integration methods for runoff water: comparisons based on meas‐urements  of  the  electrical  conductivity.  Hydrological  Processes,  20:395‐410. doi:10.1002/hyp.6057 

Shindo K, Otsuki A (1999). Establishment of a sampling strategy for the use of blue mussels as an indicator of organotin contamination in the coastal environment. Journal of Envi‐ronmental Monitoring, 1:243‐250 

Soulsby R (1997) Dynamics of marine sands. Thomas Telford Publications, London. 249pp Van den Eynde D, Nechad B, Fettweis M, Francken F (2007) SPM dynamics in the southern 

North Sea derived from SeaWifs imagery, in situ measurements and numerical model‐ling. In: Maa JP‐Y, Sanford LP, Schoelhammer DH (eds) Estuarine and coastal fine sedi‐ment dynamics. Proceedings in Marine Science 8. Elsevier, Amsterdam, pp 299‐311 

Wang M, Son S, Shi W (2009) Evaluation of MODIS SWIR and NIR‐SWIR atmospheric cor‐rection algorithms using SeaBASS data. Remote Sensing of Environment 113:635‐644. doi:10.1016/j.rse.2008.11.005 

Werdell PJ, Bailey SW, Franz BA, Harding LW, Feldman GC, McClain CR (2009) Regional and seasonal  variability of  chlorophyll‐a  in Chesapeake Bay as observed by  SeaWiFS and MODIS‐Aqua.  Remote  Sensing  of  Environment,  113:1319‐1330.  doi: 10.1016/j.rse.2009.02.012 

Winterwerp J (2006) Stratification effects by fine suspended sediment at low, medium and very  high  concentrations.  Journal  of  Geophysical  Research,  111:C05012. doi:10.1029/2005JC003019 

Zawada DG, Hu C, Clayton T, Chen Z, Brock JC, Muller‐Karger FE (2007) Remote sensing of particle backscattering in Chesapeake Bay: A 6‐year SeaWiFS retrospective view. Estua‐rine, Coastal and Shelf Science, 73:792‐806. doi:10.1016/j.ecss.2007.03.005 

31

COLOPHON 

    Dit rapport werd voorbereid door de BMM in juni 2010   Zijn referentiecode is MOMO/5/MF/201006/NL/AR/1.    Status       draft          finale versie          herziene versie           vertrouwelijk    Beschikbaar in het    Engels          Nederlands          Frans     Indien u vragen hebt of bijkomende copies van dit document wenst te verkrijgen, gelieve 

een e‐mail te zenden naar M.Fettweis@mumm.ac.be, met vermelding van de referentie, of te schrijven naar: 

   BMM   100 Gulledelle   B–1200 Brussel   België   Tel:   +32 2 773 2111   Fax:  +32 2 770 6972   http://www.mumm.ac.be/       

 

 

BEHEERSEENHEID VAN HET MATHEMATISCH MODEL VAN DE NOORDZEE

SUMO GROEP

  

 

    

32

APPENDIX 1   

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) 

Evaluation of in situ and remote sensing sampling methods of SPM concentration Michael Fettweis, Bouchra Nechad, Vera Van Lancker, Dries Van den Eynde Royal Belgian Institute of Natural Science, Management Unit of the North Sea Mathematical Models (MUMM), Gulledelle 100, Brussels, Belgium (Email: m.fettweis@mumm.ac.be) Time series of in situ SPM concentration and satellite imagery are valuable data sources for the analysis of suspended-sediment transport in coastal or estuarine areas. Still, shortcomings remain, with satellite imagery suffering from a low temporal resolution and only related to surface data, whilst in situ measurements have a limited spatial resolution.

Ship time and budget are often limited; it is thus of primary importance to choose a sampling method or a combination of methods, providing a representative sub-sample of the population in the time- and space domain. If long-term variations, induced by natural changes or anthropogenic effects, need resolving, overprinting tidal, neap-spring as also seasonal signals need filtering. This requires sufficiently dense sampling in time and long data series. To our knowledge only few efforts are being made to design or to evaluate existing sampling schemes. Often the best sampling strategy cannot be chosen, as it depends also on the availability of remote sensing and in situ data. Autonomous stations (tripods) with an almost continuous measurement of SPM concentration are relatively easy to design; however optical remote sensing images, available at lower time resolution and fair weather conditions only, often miss the occurring high ranges of SPM concentration during storms. Knowledge on the uncertainty, introduced by the sampling method and instrumentation, is therefore important in data interpretation, as well as data assimilation.

The aim of the presentation is the evaluation of the temporal SPM heterogeneity in the Belgian nearshore, using a large set of SPM concentration data from MODIS (MODerate resolution Imaging Spectroradiometer) ocean colour satellite and from in situ measurements (tidal cycle, tripod). As match-ups (satellite picture at the same time as in situ measurements) are scarce, statistical methods are used to evaluate the differences and similarities in the data sets. This approach is new and allows comparing different data sets, not necessarily sampled at the same moment in time. Further, the sampling strategy is analysed and the representativeness of the different data sets is discussed.

APPENDIX 2   

Chen P, Yu J, Fettweis M, Van den Eynde D, Maggi F. 2010. Flocculation in a nutrient‐rich coastal area (southern North Sea): Measurements and modelling. Poster at AGU Ocean Science Meeting, 22‐26 February, Portland (USA). 

Flocculation in a nutrient-rich coastal area (southern North Sea): Measurements and modeling Peihung Chen, Jason Yu National Sun Yat-sen University, Department of Marine Engineering, 80424 Kaohsiung, Taiwan Michael Fettweis, Dries Van den Eynde Royal Belgian Institute of Natural Science, Management Unit of the North Sea Mathematical Models (MUMM), Gulledelle 100, Brussels, Belgium Federico Maggi The University of Sydney, School of Civil Engineering J05, Sydney NSW 2006, Australia Knowledge on cohesive sediment transport processes is required to predict the distribution of suspended and deposited cohesive sediments in natural or anthropogenically created environments such as navigation channels and harbours. Settling of mud flocs is controlled by flocculation and hence also determines the transport of cohesive sediments. Flocculation is the process of floc formation and break-up which has a direct impact on settling velocity. The settling velocity is a function of the particle size and excess density and varies strongly in natural environments because Suspended Particulate Matter (SPM) consists of a population of flocs with heterogeneous sizes, densities, shapes and constituents (e.g. Eisma and Kalf, 1987). Natural SPM comprises many different substances with concentrations that are generally site specific and time varying. Although an accurate taxonomy is currently lacking, the SPM can be divided by inorganic and organic fractions. The inorganic fraction mainly consists of clay minerals, carbonates, quartz and other silicates. The organic fraction of the SPM is prevalently made of a variety of micro-organisms, their metabolic products, residuals from dead organisms, and fecal pellets (e.g. Mehta, 1989; Droppo et al., 1997; Grossart et al., 2003; Bhaskar et al., 2005;). The two fractions of the SPM are intimately related by physical, biological and chemical processes which make the SPM a complex, reactive biomaterial distributed in the water body.

Maggi (2009) presented a flocculation model where a coupling between the mineral and micro-organism dynamics was implemented. The model was calibrated using in situ measurements of SPM concentration, turbulent shear rate and average floc size collected in the Belgian North Sea (Fettweis et al., 2006). Using the tuned coefficients, the model described the particle size observations well. The significant influence of micro-organism and organic matter on the particle size as well as the well-known variation of particle size with turbulent shear stress could be reproduced.

The aim of the presentation is to show results of calibration of the model against a large set of SPM concentration and particle size measurements from different location on the Belgian continental shelf, extended with turbulence shear rate modeled with COHERENS-3D. Refernces Bhaskar, P.V., Grossart, H.P., Bhosle, N.B., Simon, M., 2005. Production of macroaggregates from dissolved

exopolymeric substances (EPS) of bacterial and diatom origin. FEMS Microbiology Ecology 53, 255–264. Droppo, I.G., Leppard, G.G., Flanning, D.T., Liss, S.N., 1997. The freshwater floc: a functional relationship of water

and organic and inorganic floc constituents affecting suspended sediment properties. Water, Air and Soil Pollution 99, 43–54.

Eisma, D., Kalf, J. 1987. Distribution, organic content and particle size of suspended matter in the North Sea. Netherlands Journal of Sea Research, 21, 265-285.

Maggi, F. 2009. Biological flocculation of suspended particles in nutrient-rich aqueous ecosystems. Journal of Hydrolog, 376, 116-125.

Fettweis, M., Francken, F., Pison, V., Ven den Eynde, D., 2006. Suspended particulate matter dynamics and aggregate sizes in a high turbidity area. Marine Geology, 235, 63–74.

Grossart, H.P., Kiorboe, T., Tang, K., Ploug, H., 2003b. Bacterial colonization of particles: growth and interactions. Applied and Environmental Microbiology, 69, 3500–3509.

Mehta, A.J., 1989. On estuarine cohesive sediment suspension behavior. Journal of Geophysical Research – Oceans 94 (c10), 14303–14314.

Flocculation in a nutrient-rich coastal area (southern North Sea): Measurements and modeling

Peihung Chen1, Jason C-S Yu1, Michael Fettweis2, Dries Van den Eynde2 and Federico Maggi31National Sun Yat-sen University, Department of Marine Engineering, 80424 Kaohsiung, Taiwan

2 Royal Belgian Institute of Natural Science, Management Unit of the North Sea Mathematical Models (MUMM), Gulledelle 100, Brussels, Belgium3 The University of Sydney, School of Civil Engineering J05, Sydney NSW 2006, Australia

E-mail: peihungchen@gmail.com

Introduction

Data and analysisData collected during 2003 and 2004 (see Table 1) on the Belgian continental shelf are discussed here (see figure 1 for the sites). These are ship board measurements for a complete tidal cycle (13

hours) which consist of in situ observations of SPM using OBS and floc sizes with LISST 100 optical sensors (figure 2). Water samples were taken for lab experiments on SPM for OBS-SPM calibration and the POC/PON for organic fractions in the SPM . Continuous filtration of the water was also carried out for analyzing the primary particles. Velocities were measured by current meter or shipboard ADCP.

The currents, surface elevation and turbulent kinetic energy have been computed for these measuring periods using a 3D hydrodynamic operational model for the Belgian continental shelf (OPTOS-BCS). The turbulence closure scheme used in OPTOS-BCS describes the turbulent energy dissipation as the product of a velocity and a length scale Mellor and Yamada (1974).

Parameters were first analyzed in order to find their correlations. OBS backscatter data are compared with sampled SPM have shown strong correlation (see Table 2 and Figure 3), and used for calibrating the SPM time series observed from OBS. The biomass concentrations are calculated using the sampled POC/PON fraction of the SPM. Higher organic fractions can be observed with lower SPM concentrations (Fiure 4). The relation between Kolmogrov micro-scale(λ) and current velocity is also obtained for computing the turbulent shear rates in the BFLOC model (Figure 5).

Results of the Biological Flocculation ModelMaggi (2009) presented a flocculation model where a coupling between the mineral and micro-organism dynamics

was implemented. The model was calibrated using two sets of in situ measurements of SPM concentration, turbulent shear rate and average floc size collected in the Belgian North Sea (Fettweis et al., 2006). Using the coefficients tuned by Maggi (2009), the model described the particle sizes well comparing with the observations. The significant influence of biomass on the particle size can clearly observed. A sensitivity test has been carried out for the 5 parameters used in the BFLOC model, i.e. the aggregation parameter; breakup parameter; the biomass growth rate; half-saturation concentration and carrying capacity coefficient. A similar Monte Carlo analysis was carried out to characterize the parameters. We applied five independent normally-distributed probability density functions to the parameters with the averages obtained from standard deviation equal to 20% of each parameters (σ) according to the parameters of Maggi (2009). The range of parameter values was limited to ±3 times the standard deviation in 300 replicate test (see Table 2). Root mean square errors (RMSE) of each test set are calculated. The best parameters for each measurement are listed in Table 3.

The RMSE can be improved from 65.363µm down to 26.988µm for the measurement 2004-25-A. There are no significant improvements but well fitted with the observations for the sets 2003-25 and 2004-16 (Figure 6a). The worst predictions are for the 2003-15 (Fig 6b) and 2004-25-B, though RMSE could decrease (See Table3). The floc sizes of these two data sets are mostly biger than 100µm (160±38µm, 115±34µm). The floc sizes of these two measurements are not well distributed from the LISST records (see Figure 7). This may due to the real particles are mostly larger than 500µm which were exceeded the valid LISST record range. And, thus caused the modeled results based on the biological flocculation depart from the observations. Further study will be required, e.g. correction of the floc size distribution patterns will be necessary for verifying the influences.

Conclusions

References

Paper Number: G035B-08

The Belgian and southern Dutch coastal waters are an effective trap for fine-grained cohesive sediments. Most of these suspended sediments originate from the English Channel transported into the North Sea through the Dove Strait. Continuous dredging and dumping activities in the Belgian coastal water and harbors add about 10 millions tons of dry matter annually, from which 70% is silt and clay (Fettweis et al., 2006 ). These are the main sources of recent fine grained sediments in the southern North Sea (Fig.1 ).

Natural Suspended Particulate Matter (SPM) comprises many different substances with concentrations that are generally site specific and time varying. The SPM can be divided by inorganic and organic fractions. The inorganic fraction mainly consists of clay minerals, carbonates, quartz and other silicates. The organic fraction of the SPM is prevalently made of a variety of micro-organisms, their metabolic products, detritus, and fecal pellets(e.g. Mehta, 1989; Droppo et al., 1997; Grossart et al., 2003; Bhaskar et al., 2005). Settling of mud flocs is controlled by flocculation and hence also determines the transport of cohesive sediments. Flocculation is the process of floc formation and break-up which has a direct impact on settling velocity. The settling velocity is a function of the particle size and excess density and varies strongly in natural environments because SPM consists of a population of flocs with densities, heterogeneous sizes, shapes and constituents (e.g. Eisma and Kalf, 1987; van Leussen, 1994).

A flocculation model (BFLOC) proposed by Maggi (2009) taking the coupling effects between the mineral and micro-organism

dynamics was calibrated using two sets of in situ data collected in the Belgian North Sea (Fettweis et al., 2006). The model has shown significant influence of micro-organism and organic matter on the particle size and the variation of particle size with turbulence. The aim of this poster is to show the results of calibration of the model against a larger set of SPM measurements from different location on the Belgian continental shelf, extended with turbulence shear rate modeled with COHERENS-3D. Flocs observed from the time series

through out a complete tidal cycle during several years and seasons are analyzed and compared with various variables measured at the same time, i.e. SPM, POC. Sensitivity tests are carried out for understanding the influences of each parameter. Modeled floc sizes with the tuned parameters during tidal cycles have shown good agreement for some sets of data. The possible causes of those model results not fitted with the measurements are also discussed.

SPM=A+B×OBS Nr. Data Location Area A B

2003-15 11-12/06/2003 Kwinebank Offshore 0.31 2.253 2003-25 09-10/10/2003 Kwinebank Offshore 1.30 1.472 2004-16 15-16/07/2004 B&W Oostende TM 5.60 1.643 2004-25-A 08-09/11/2004 MOW1 TM 7.95 1.542 2004-25-B 09-10/11/2004 Hinderbank Offshore 3.06 1.953

Table 1 Tidal cycle measurements, further the linear regression coefficients between the OBS signal and the SPM concentration from filtrations are shown (TM= coastal turbidity maximum)

0

2

4

6

8

10

0 100 200 300 400 500 600 700 800SPM concentration (mg/l)

(PO

C+P

ON

)/SPM

(%)

Date Set: 2004-16, 2004-25-A (ref: 2003-22 from Maggi (2009))

Original value 20% of the value Min Max No. Parameter

(p) (σ ) (p-3σ ) (p+3σ )

1 'ka [−] 0.189 0.0378 0.0756 0.3024

2 'kb [−]×10-6 11.41 2.2820 4.5640 18.2560

3 maxη [s-1]×10-6 6.586 1.3172 2.6344 10.5376

4 mK [M]×10-6 1.159 0.2318 0.4636 1.8544

5 β [−] 0.226 0.0452 0.0904 0.3616

Date Set: 2003-15, 2003-25, 2004-25-B (ref: 2004-04-05 from Maggi (2009))

Original value 20% of the value Min Max No. Parameter

(p) (σ ) (p-3σ ) (p+3σ )

1 'ka [−] 0.156 0.0312 0.0624 0.2496

2 'kb [−]×10-6 4.261 0.8522 1.7044 6.8176

3 maxη [s-1]×10-6 6.126 1.2252 2.4504 9.8016

4 mK [M]×10-6 1.968 0.3936 0.7572 3.1488

5 β [−] 0.285 0.0570 0.1140 0.4560

Table 2 Parameters used for sensitivity test

Fig. 3 OBS-SPM Calibration. Fig. 4 Organic fractions in SPM. Fig. 5 Current-Turbulence.

ref: Michael Fettweis, 2008 RMSE(µm) Nr.

SPM ± stdv Df ±stdv d ±stdv Tuned parameter

Original Tuned O−T

003-15 4.5±1.1 160±38 2.06±0.02 6' 2.025 10kb −= × 85.059 68.516 16.543

003-25 27±12 75±20 2.08±0.04 ' 0.148ka = 16.222 16.156 0.066

004-16 32±14 81±22 3.23±0.06 6' 9.934 10kb −= × 24.481 23.414 1.067

004-25-A 89±54 88±25 1.72±0.03 6

' 0.076

' 18.202 10

ka

kb −

=

= × 65.363 26.988 38.375

004-25-B 3.6±1.3 115±34 3.25±0.03 6' 1.938 10kb −= × 58.316 39.188 19.128

Table 3 RMSE between the BFLOC model results and the measured floc sizes using calibrated parameters.

Bhaskar, P.V., Grossart, H.P., Bhosle, N.B., Simon, M., 2005. Production of macroaggregates from dissolved exopolymeric substances (EPS) of bacterial and diatom origin. FEMS Microbiology Ecology 53, 255–264.

Droppo, I.G., Leppard, G.G., Flanning, D.T., Liss, S.N., 1997. The freshwater floc: a functional relationship of water and organic and inorganic floc constituents affecting suspended sediment properties. Water, Air and Soil Pollution 99, 43–54.

Eisma, D., Kalf, J., 1987. Distribution, organic content and particle size of suspended matter in the North Sea. Netherlands Journal of Sea Research, 21, 265-285.

Fettweis, M., 2008.Unvertainty of excess density and settling velocity of mud flocs derived from in situ measurements. Estuarine, coast and shelf science, 78, 426–436.

Fettweis, M., Francken, F., Pison, V., Ven den Eynde, D., 2006. Suspended particulate matter dynamics and aggregate sizes in a high turbidity area. Marine Geology, 235, 63–74.

Grossart, H.P., Kiorboe, T., Tang, K., Ploug, H., 2003b. Bacterial colonization of particles: growth and interactions. Applied and Environmental Microbiology, 69, 3500–3509.

Maggi, F., 2009. Biological flocculation of suspended particles in nutrient-rich aqueous ecosystems. Journal of Hydrolog, 376, 116-125.

Mehta, A.J., 1989. On estuarine cohesive sediment suspension behavior. Journal of Geophysical Research –Oceans 94 (c10), 14303–14314.

Van Leussen, W., 1994. Estuarine macroflocs and their role in fine-grained sediment transport. Ph. D. thesis, University of Utrecht, The Netherland.

11-Jun 18:25 11-Jun 20:13 11-Jun 22:01 11-Jun 23:49 12-Jun 01:37 12-Jun 03:25 12-Jun 05:13 12-Jun 07:020

60

120

180

240

300

Floc

siz

e(um

)

2003-15(Kwintebank)

in-situBFLOC(org)BFLOC(kb')

15-Jul 15:45 15-Jul 17:38 15-Jul 19:31 15-Jul 21:25 15-Jul 23:18 16-Jul 01:12 16-Jul 03:05 16-Jul 04:590

40

80

120

160

200

Floc

siz

e(um

)

2004-16(B&W Oostende)

in-situBFLOC(org)BFLOC(ka')

Fig. 6 Modeled time series from (a, up) the better fitted results; (b,low) not fitted results.

Fig. 7 Particle (floc) size distribution of the SPM measured by the LISST as function of volume concentration

Fig. 2 (a,left) Instrument setup aboard; (b,right) Bottom sediment sample.

Fig. 1 SPM distribution in the North Sea

OBS

LISSTSampling

bottles

Five data sets of SPM measurements in Belgian coastal area are further studied and the floc dynamics are modeled after Maggi (2009). Data sets with fine particles are well modeled using calibrated parameters. Two sets of measurements were not well predicted by the flocculation model are investigated. This may cause by the uncertainties of the LISST records since the particles are exceeding the valid instrument ranges. Further study on this issue will be necessary.

APPENDIX 3   

Fettweis M, Van den Eynde D, Francken F, Van Lancker V. SPM dynamics measured  with  an  automated  tripod  in  the  Belgian  nearshore  area: natural  dynamics  and  anthropogenic  effects.  Liège  Colloquium,  26‐30 April 2010 

SPM dynamics measured with an automated tripod in the Belgian nearshore area: natural dynamics and anthropogenic effects

FETTWEIS M1, VAN DEN EYNDE D1, FRANCKEN F1, VAN LANCKER V1

1Royal Belgian Institute of Natural Sciences, MUMM, Belgium

Large amounts of sediments are dredged in the Belgian nearshore area to maintain ships’ access to ports and harbours. The EU Marine Water Framework Directive provides a framework that embodies the principles of environmental protection, improvement and restoration on an integrated basis. In addition, the WFD specifies that there must be no temporal deterioration in chemical and biological status for many water bodies, and identifies (Annex VIII) ‘material in suspension’ as one of the main pollutants. When human activities occur in habitats characterised by cohesive seabed sediments or by high turbidities, resuspension of material or dredging and dumping can result in higher concentrations of suspended particulate matter (SPM), which can spread over large areas. The manner in which the system reacts to engineering works needs to be understood to ensure cost-effective operations at sea, to better gauge the human footprint, and to develop environmental policies aiming at a more sustainable management of the marine environment. Reference situations are rarely available in the marine environment and, therefore, true impacts are difficult to be assessed unambiguously.

In situ data have been collected near Zeebrugge in the framework of a scientific experiment that was set up by the Ministry of the Flemish Community during May 2009 in order to evaluate an alternative dredging method for the Albert II dock (port of Zeebrugge). The dredged matter was directly pumped outside the port and the SPM concentration and other parameter were measured using a tripod at about 2 km from the dumping site. Data have been collected before, during and after the dredging works. Mounted instruments on the tripod include a SonTek 3 MHz ADP, a SonTek 5 MHz ADV Ocean, a Sea-Bird SBE37 CT system, two OBS (one at 0.2 and another at 2 m above bed (mab), a LISST 100 and two SonTek Hydra systems for data storage and batteries.

In order to measure changes of a natural highly dynamic quantity it is of primary importance to choose a sampling method, providing a representative sub-sample of the population in the time- and space domain. If long-term variations, induced by natural changes or anthropogenic effects, need resolving, overprinting tidal, neap-spring as also seasonal signals need filtering. This requires sufficiently dense sampling in time and long data series together with the uncertainty, introduced by the sampling method and instrumentation. The aim of the measurements was to investigate the effects of dumping works on the SPM concentration and to evaluate the temporal SPM heterogeneity in the Belgian nearshore, using a large set of SPM concentration. Statistical methods, based on probability density and auto correlation functions are used to evaluate the data sets.

1 Royal Belgian Institute of Natural Sciences, Management Unit of the North Sea Mathematical Models, Gulledelle 100, 1200 Brussels, Belgium

4 (Mar - Apr 2008)x*=290 mg/l

s*=3.01p=0.96

0.0

0.1

0.2

0.3

Pro

babi

lity

dens

ity

4 (Mar - Apr 2008)x*=150 mg/l

s*=2.46p=0.99

0.0

0.1

0.2

0.3

Pro

babi

lity

dens

ity

2 (Dec 2006 - Feb 2007)x*=309 mg/l

s*=2.97p=0.57

0.0

0.1

0.2

0.3

Pro

babi

lity

dens

ity

SPM dynamics measured with an automated tripod in the Belgian nearshorearea: natural dynamics and anthropogenic effects

M. FETTWEIS, D. VAN DEN EYNDE, F. FRANCKEN, V. VAN LANCKERRoyal Belgian Institute of Natural Science (RBINS), Management Unit of the North Sea Mathematical Models (MUMM), Gulledelle 100, 1200 Brussels, Belgium, E‐mail: m.fettweis@mumm.ac.be

INTRODUCTIONMany access channels and harbours suffer from sedimentation of fine sediments and formation of fluid mud layers. Conventional dredging methods with trailer suction dredgers, and disposal of the dredged material at designated locations, incur substantial costs. In May 2009 an experimental study was carried out in the port of Zeebrugge (Albert II dock) to investigate whether the thickness of the mud layer with a density lower than 1200 kg/m³, could be reduced by pumping using a cutter dredger. The dredged matter was pumped over the harbour breakwater into the sea at a location closer to the shore and the port as compared to the existing disposal sites (Lauwaert et al., 2009). The investigations performed during the disposal experiment consist of measurements in the water column (e.g. temperature, salinity, SPM concentration, particle size and current velocity) at a fixed location situated about 3 km west of the disposal site to evaluate far field effects. Although the evaluation of the project was negative in terms of efficiently reducing the thickness of the fluid mud layer insight was gained in the monitoring efforts needed to assess the impact on SPM concentration outside the port. 

Fluid mud from the port of Zeebrugge METHODA tripod has been deployed for 240 days during 6 measuring periods before, during and after the experiment. SPM concentration was measured at 0.2 m and 2 m above bed.

The SPM concentration variability at Blankenberge is the result of various processes related to tides, storms and seasonal changes. In order to identify the effects from dredged material disposal, statistical methods are used. By constructing frequency distributions of different data sets we can calculate using standard statistic tests if two distributions are drawn from the same distribution function. If disposal of dredged material over the western breakwater of the port has an impact on SPM concentration then this should be detected in variations of statistical parameters during the data collected during the field experiment (see Fettweis & Nechad, 2010). Further, changes in SPM concentration due to disposal could results in a shift of the SPM concentration maxima during the tides.  

This study was funded by the Maritime Access Division of the Ministry of the Flemish Community, within the framework of the MOMO project and partly by the Belgian Science Policy projects QUEST4D (SD/NS/06A).

CONCLUSIONHarbour authorities world‐wide are obliged to dredge their major shipping channels, and subsequently to dispose of the dredge spoil offshore. This study provided astatistical technique to evaluate the effects of disposal operations in a highly turbid area with high natural variability. The following arguments show that thedisposal of dredged matter have caused an increase in SPM concentration:

• The SPM concentration near the bed (0.2 mab) was exceptionnally high during the field experiment. The median SPM concentration was 240 mg/l higher than during measuring period 1 (high autumn SPM concentration) and about 330 mg/l higher than during the same period in 2008. 

• The port and the disposal site are situated in ebb‐direction of the measuring location. During the experiment a generally higher SPM concentration near the bed during ebb and at 2 mab during flood was observed, suggesting that disposal of dredged material is mainly transported in the benthic layer. 

• The time lag between high wave and high SPM concentration proves that the SPM has been advected towards the measuring location rather than eroded locally.

Tripod deploymentat Blankenberge

1 (Nov-Dec 2006)x*=340 mg/l

s*=2.93p=1.00

0.0

0.1

0.2

0.3

Pro

babi

lity

dens

ity

1 (Nov-Dec 2006)x*=144 mg/l

s*=2.26p=0.93

0.0

0.1

0.2

0.3

Pro

babi

lity

dens

ity

3 (Jan - Feb 2008)x*=183 mg/l

s*=2.36p=0.77

0.0

0.1

0.2

0.3

Pro

babi

lity

dens

ity

5 (Apr - Jun 2008)x*=258 mg/l

s*=2.71p=0.53

0.0

0.1

0.2

0.3

Pro

babi

lity

dens

ity

5 (Apr - Jun 2008)x*=102 mg/l

s*=2.41p=0.81

0.0

0.1

0.2

0.3

0.4

Pro

babi

lity

dens

ity

6 (May - Jun 2009)x*=149 mg/l

s*=2.24p=0.98

0.0

0.1

0.2

0.3

0 250 500 750 1000 1250 15002 mab SPM concentration (mg/l)

Prob

abilit

y de

nsity

Probability density distribution of the SPM concentration data at 0.2 mab (left) and 2 mab(right) during the 6 measuring periods and the corresponding log‐normal probability density functions and Χ² test probability p. The data are binned in classes of 50 mg l‐1, the dashed lines correspond to the median x* times/over the multiplicative standard deviation s* .

The field experiment took place duirng period 6

SPM concentration at 0.2 mab (SPM1) and 2 mab (SPM2) and tide‐averaged data during periods 1, 5 and 6 (field experiment)

Disposal location of dredged material

Tripod location

Above: Albert II dock (port of Zeebrugge) and the dredging locations.

Right: Bathymetry in the southern North Sea and the tripod location at Blankenberge

3 (Jan - Feb 2008)x*=105 mg/l

s*=2.46p=0.59

0.0

0.1

0.2

0.3

Pro

babi

lity

dens

ity

Numerous morphological, and sedimentological effects result fromdredging and disposal works in nearshore areas. The current studyfocuses on the effects of a continuously disposal of fine‐grained dredged material on the increase of SPM concentration and on thepossible formation of fluid mud close to the shoreline.

The major conclusion from the data are:

• There is a dominant quarter‐diurnal signal in the time‐series. Thespring‐neap tidal signal is clearly visible during calm weather; 

• SPM concentrations maxima were sometimes up to 50 timeshigher than the minima; 

• The very high SPM concentrations near the bed during winter and autumn are caused by storms and suggest that high concentrated mud layers or fluid layers are formed (Fettweis et al., 2010); 

• During the field experiment (May – June 2009) the near‐bed dynamics was mainly influenced by HCBS layers, whereas at 2 maba spring‐neap tidal signal could be identified

6 (May - Jun 2009)x*=584 mg/l

s*=2.65p=1.00

0.0

0.1

0.2

0.3

0 500 1000 1500 2000 2500 30000.2 mab SPM concentration (mg/l)

Pro

babi

lity

dens

ity

2 (Dec 2006 - Feb 2007)x*=149 mg/l

s*=2.32p=0.93

0.0

0.1

0.2

0.3

Pro

babi

lity

dens

ity

Further readings:Fettweis M, Nechad B (2010) Evaluation of in situ and remote sensing sampling methods for SPM concentrations, Belgian continental shelf (southern North Sea). Ocean Dynamics (in revision)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 (in revision)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 materialdisposal on the marine environment (licensing period 2008‐2009). Report by MUMM, ILVO, CD, aMT and WL BL/2009/01. 73pp.

APPENDIX 4   

Baeye M,  Fettweis M,  Van  Lancker  V,  Francken  F.  2010. Monitoring  morphological  changes  using  near‐bed  ADV altimetry. Liège Colloquium, 26‐30 April 2010 

Monitoring Morphological Changes using near-bed ADV Altimetry.

BAEYE, M.1, FETTWEIS, M.2, FRANCKEN, F.2, VAN LANCKER, V.2

1Ghent University, Belgium 2Management Unit of the North Sea Mathematical Models, Belgium

Morphological changes of the bottom is of interest to many coastal and offshore applications such as engineering works (windmills, harbour construction, dredging), aggregate extraction, the underwater heritage protection and the object burial in general. The objective of this study is understanding seabed morphodynamics, comprising several spring/neap tidal cycles. Continuous time series were made available from a Sontek Acoustic Doppler Velocimeter (ADV) mounted on a multisensor tripod, at different locations on the Belgian Continental Shelf (RBINS-MUMM). Most measurements are conducted in near coastal shallow waters, though also offshore locations have been targeted. Data from the nearshore moorings clearly show dynamic trends in accretion and erosion. The results are statistically related to time-series of tidal forcing, wind and wave stresses using cross- and multi-spectral analyses and wavelet transforms. Furthermore, the data are coupled to time series of an optical backscatter sensor (OBS) to detect occurrences of near-bed fluffy layers and fluid mud sheets.

Please send your abstract by e-mail to oceanphys@ulg.ac.be Please indicate hereafter if you need special technical equipment for your presentation(s) x

1 Renard Centre of Marine Geology, Krijgslaan 281 B-9000 Ghent 2 MUMM, Gulledelle 100, B-1200 Brussels (St Lambrechts-Woluwe)

Fluid Mud Dynamics Derived from ADV Altimetry, Belgian Coastal Zone Matthias Baeye1, Michael Fettweis2, Frederic Francken², Vera Van Lancker2

1Department of Geology and Soil Science, Renard Centre of Marine Geology, Ghent University, Krijgslaan 281, B-9000, Gent, Belgium. Matthias.Baeye@UGent.be.

2Department VI of the Belgian Royal Institute of Natural Sciences, Management Unit of Mathematical Models North Sea, Gulledelle 100, B-1200 Brussels (St Lambrechts-Woluwe),

Belgium. Michael.Fettweis@mumm.ac.be, Vera.VanLancker@mumm.ac.be, Frederic.Francken@mumm.ac.be.

Cohesive sediment in coastal systems

eg. fluid mud/HCMS (high-concentration mud suspensions)

Depending on - sediment properties, - meteo-hydrodynamic conditions, - availability of the sediment.

Aim of study?

evaluating the probability for detecting fluid mud formation by means of an ADV (acoustic Doppler velocimeter) mounted on a tripod frame (Figure 1)

correlating observed sea bed level changes with hydro-meteo

conditions

Figure 1

In the southern North Sea

Belgian Continental Shelf Characteristics

- macrotidal regime (tidal amplitude maximum of 4-5 m), - occurrence of moderate wave conditions (0.5-2 m of significant

wave height).

Study area?

near-shore/west off Zeebrugge harbor

shallowness, maximum current velocities up to 1 m/s,

highly energetic hydrodynamic conditions,

Fettweis and Van den Eynde (2003): highly turbid with mean SPM concentrations (50 - 1000 mg/l), occurrence of turbidity maxima and mud fields.

Conclusions:

ADV altimetry reveals depositional and erosional events

Storms (significant wave height > 2m) + spring tide (doy 1-9)

Delivery of sediment in suspension

Bed level accretion during neap tide =

Long-term occurrence of fluid mud (doy 9-22)

Erosion as result of remobilization during accelerating tidal flow (doy 19-22) and/or storm passage

and so on …

Observation of short-term accretional events during slack waters

= Rapid siltation from saturated mud suspension conditions

(Winterwerp et al 2001)

Entrainment during accelerating tide

Observation of erosional events dependent on meteorological conditions

Ebb currents more erosive Resuspension of all sediments than flood (doy 10-11) for remaining a ’harder’ sea bed surface for westerly wind (doy 23-28) for easterly winds

A tripod frame mooring during winter of 2007 (28 days), see Figure 3

- ADV, - OBS (optical backscatter sensor), - LISST (Laser In-Situ Scattering and Transmissometry)

SonTek ADV/Ocean (5MHz)

(besides flow measurements) distance between probe tip and nearby physical boundary within range “detecting the spike in signal strength corresponding to the reflection of the acoustic pulse from that boundary” (Velasco and Huhta 2005), see Figure 2. IMPORTANT: Pitch and roll variations of probe are taken into account

settling of the tripod frame causes biased sediment levels

Figure 2

Figure 3

References: Fettweis, M. and Van den Eynde D. 2003. “The mud deposits and the high turbidity in the Belgian-Dutch coastal zone, southern bight of the North Sea.” Continental Shelf Research, 23, 669-691 Velasco D.W. and Huhta C.A. “Experimental verification of acoustic Doppler velocimeter (ADV) performance in fine-grained, high sediment concentration fluids.” SonTek/YSI report. 23 pgs. Winterwerp J.C., Uittenbogaard, R.E. and de Kok, J.M. 2001. “Rapid siltation from saturated mud suspensions.” Intercoh Conf. ’98. 22 pgs. This study is partly financed through a grant of the Flemish Institute to stimulate scientific-technological research in industry (IWT) and partly financed by the projects MOMO (Flemish Government) and QUEST4D (Belgian Science Policy)

APPENDIX 5   

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. doi:10.1016/j.csr.2010.05.001 

 

Continental Shelf Research ] (]]]]) ]]]–]]]

Contents lists available at ScienceDirect

Continental Shelf Research

0278-43

doi:10.1

n Corr

E-m

Pleasanth

journal homepage: www.elsevier.com/locate/csr

Storm influence on SPM concentrations in a coastal turbidity maximum areawith high anthropogenic impact (southern North Sea)

Michael Fettweis a,n, Frederic Francken a, Dries Van den Eynde a, Toon Verwaest b,Job Janssens b, Vera Van Lancker a

a Royal Belgian Institute for Natural Science (RBINS), Management Unit of the North Sea Mathematical Models (MUMM), Gulledelle 100, 1200 Brussels, Belgiumb Flanders Hydraulics Research, Berchemlei 115, 2140 Antwerp, Belgium

a r t i c l e i n f o

Article history:

Received 28 May 2009

Received in revised form

17 March 2010

Accepted 6 May 2010

Keywords:

Suspended particulate matter

Storm influence

Southern North Sea

Anthropogenic impact

43/$ - see front matter & 2010 Published by

016/j.csr.2010.05.001

esponding author. Tel.: +32 2 7732132; fax:

ail address: m.fettweis@mumm.ac.be (M. Fett

e cite this article as: Fettweis, M., etropogenic impact (southern North S

a b s t r a c t

Multi-sensor tripod measurements in the high-turbidity area of the Belgian nearshore zone (southern

North Sea) allowed investigating storm effects on near bed suspended particulate matter (SPM)

concentrations. The data have shown that during or after a storm the SPM concentration increases

significantly and that high concentrated mud suspensions (HCMS) are formed. Under these conditions,

about 3 times more mass of SPM was observed in the water column, as compared to calm weather

conditions. The following different sources of fine-grained sediments, influencing the SPM concentra-

tion signal, have been investigated: wind direction and the advection of water masses; the previous

history and occurrence of fluffy layers; freshly deposited mud near the disposal grounds of dredged

material, navigation channels and adjacent areas; and the erosion of medium-consolidated mud of

Holocene age.

Based on erosion behaviour measurements of in-situ samples, the critical erosion shear stresses

have been estimated for different cohesive sediment samples outcropping in the study area. The results

have shown that most of the mud deposits cannot be eroded by tidal currents alone, but higher shear

stresses, as induced by storms with high waves, are needed. Erosion can however occur during storms

with high waves. Data suggest that in order to obtain very high SPM concentrations near the bed,

significant amounts of fine-grained sediments have to be resuspended and/or eroded. The disposal

grounds of dredged material, navigation channels and adjacent areas with freshly deposited mud have

been found to be the major source of the fine-grained sediments during storms. This result is important,

as it suggests that dredging and the associated disposal of sediments have made available fine-grained

matter that contributes significantly to the formation of high SPM concentrations and high

concentrated mud suspensions.

& 2010 Published by Elsevier Ltd.

1. Introduction

Improving our understanding of suspended particulate matter(SPM) variability in nearshore areas is essential for a moresustainable exploitation of the marine environment, to betterunderstand the human footprint and to develop marine policiescomplying with international agreements aiming at sustainabledevelopment. Tides, waves, medium-scale meteorological events,and biological processes affect SPM concentration in nearshoreareas. Coastal beds are usually composed of heterogeneousparticles often consisting of sand- and clay-sized material.The mutual interaction of cohesive and non-cohesive sedimentsduring erosion influences SPM concentration (Le Hir et al., 2007).The SPM concentration is further controlled by the seasonal

Elsevier Ltd.

+32 2 7706972.

weis).

al., Storm influence on SPMea). Continental Shelf Resea

variability in the supply of fine-grained sediment, the remote orlocal availability of fine sediments, advective processes, erosion,deposition, and human activities (Velegrakis et al., 1997; Basset al., 2002; Schoellhamer, 2002; Chang et al., 2007). Thedeepening of channels and construction of ports increasesdeposition of fine-grained sediments and has as consequence anincrease of maintenance dredging and a local and instantaneousincrease of SPM concentration in and around the disposal site(Truitt, 1988; Collins, 1990; Van den Eynde and Fettweis, 2006;Wu et al., 2006) followed by segregation between fine- andcoarser-grained sediments on the disposal site (Du Four and VanLancker, 2008).

The aim of this paper is to present and discuss SPMconcentration variations in a shallow coastal turbidity maximumarea, generated by medium-scale meteorological events as alsowave heights. Waves have an important impact on cohesivesediment transport processes on continental shelves (e.g. Greenet al., 1995; Cacchione et al., 1999; Traykovski et al., 2007;

concentrations in a coastal turbidity maximum area with highrch (2010), doi:10.1016/j.csr.2010.05.001

M. Fettweis et al. / Continental Shelf Research ] (]]]]) ]]]–]]]2

Shi et al., 2008). During these events high concentrated mudsuspensions (HCMS) have been measured, which can be formedby settling of suspended matter or fluidization of cohesivesediment beds (Maa and Mehta, 1987; van Kessel and Kranen-burg, 1998; Li and Mehta, 2000). Fluidization or liquefaction ofmud layers occurs, if the stress caused by wave pressure exceedsthe yield stress of the sediments (Silva Jacinto and Le Hir, 2001).The high concentrated mud suspensions (HCMS) and fluid muddeposits are easily transported and may result in very highsediment fluxes.

In the vicinity of Zeebrugge (southern North Sea), long-termSPM concentration time-series have been collected using abenthic boundary layer tripod: these form a unique dataset forthe investigation of storm influences on SPM concentration. Themeasuring locations are situated in a very energetic area thatis among the most turbid in the North Sea. The origin of thesuspended matter in the southern North Sea is mainly from theinflow of fine-grained sediments through the Dover Strait,generated by a flood-dominated and wind-induced residual watertransport towards the North Sea (Eisma, 1981; Van Alphen, 1990;Lafite et al., 2000). Fettweis et al. (2007) point out that this SPMflux cannot solely be responsible for the often very high SPMconcentration in the area. They suggest that erosion of thenearshore medium consolidated Holocene mud deposits contri-butes to the sediment balance, but comment that other sources offine-grained sediments might exist. These sources could berelated to human activities as most of the nearshore areas inthe southern North Sea have a long history of human impact (e.g.coastal defence works, port construction, dredging, and disposalof sediments). Verwaest (2007) stresses the impact of dredgingand disposal activities on SPM concentrations.

The cohesive sediment processes associated with storms in acoastal high turbidity zone are not well documented; the presentpaper is therefore an attempt to assess, based on field measure-ments and numerical model results, the hydrodynamics, sedimentdynamics and bed erosion processes during extreme meteorolo-gical events. These data will help to better understand thevariability of SPM concentration and its relation to erosion,resuspension, and transport of sediments.

2. Regional settings

The study area is situated in the southern North Sea, morespecifically in the Belgian–Dutch nearshore zone. The depth isgenerally between 0 and 20 m below MLLWS (mean lowest lowwater spring), except in the mouth of the Westerschelde estuarywhere depths can reach more than 20 m below MLLWS (Fig. 1).The tidal regime is semi-diurnal, with tidal ranges thatdiminish towards the northeast. The mean tidal range atZeebrugge is 4.3 and 2.8 m at spring and neap tide, respectively.The tidal currents are generally flood-dominant dominant(towards the northeast), as also the residual water transport.The maximum current velocities are more than 1 m s�1. Thewinds are dominantly from the southwest and the highest wavesoccur during north-western winds (Fettweis and Van den Eynde,2003). SPM forms a turbidity maximum between Oostende andthe mouth of the Westerschelde. SPM concentration in the coastalzone varies between minimum 20–70 mg l�1 and maximum 100–1000 mg l�1 during calm meteorological conditions at 3 m abovethe sea bed; lower values (o10 mg l�1) occur in the offshore area(Fettweis et al., 2007).

The sea bed consists mainly of Quaternary sandy deposits.Most of them have been deposited during the Holocenetransgression; they are grouped today in sand banks, which formthe thickest accumulation of Quaternary deposits and the most

Please cite this article as: Fettweis, M., et al., Storm influence on SPManthropogenic impact (southern North Sea). Continental Shelf Resea

prominent sea bed feature in the area (Le Bot et al., 2005). Thenearshore deposits consist of mainly fine sands with variable mudcontent. The cohesive sediments (mud, clay) occur mainly in theeastern nearshore part of the Belgian Continental Shelf and arecharacterised by a particular rheological and/or consolidationstate. Four different types are distinguished, namely Eocene clay,Holocene mud (73000 yr BP), modern mud (o100 yr BP) andfreshly deposited mud (Fettweis et al., 2009). Generally, thefreshly deposited mud occurs as thin fluffy layers or locally asgradually soft consolidated thicker packages (70.2–1 m). Thesethicker soft mud layers also consist of modern mud deposits, arelimited to the area around the disposal place of dredged materialnear Oostende and the port of Zeebrugge. The Holocene deposits,extending over most of the foreshore area, consist of medium-consolidated mud with intercalation of thin more sandy horizons;they are often covered by sand layers (order of cm to dm) or fluffylayers of a few cm thick. In the offshore swales, the thickness ofthe Quaternary cover is locally less than 2.5 m; in these areasEocene outcrops (clay) are to be expected (Le Bot et al., 2005).

The port of Zeebrugge and its connection to the open sea(Pas van het Zand, Fig. 1) as well as the navigation channeltowards the Westerschelde estuary (Scheur, Fig. 1) are efficientsinks for cohesive sediments. To conserve the maritime accessto the coastal harbours and to the Scheldt estuary dredgingis needed. Maintenance dredging amounts today to about 8.6million tons of dry matter yearly and capital dredging to 2.8million tons of dry matter (averages over 1997–2006), seeLauwaert et al. (2008). About 45% of the maintenance dredgingis carried out in the navigation channels and 55% in the harbours.93% of the dredging in the harbours is from the port of Zeebrugge.Half of the matter from the navigation channels is dredged in theaccess channel towards Zeebrugge (Pas van het Zand).The dredged matter from the navigation channels consists of70–85% of mud; from the harbours this amounts to morethan 95%.

3. Materials and methods

3.1. Instrumentation and measuring sites

Data collection was conducted between April 2005 andFebruary 2007 using a tripod at two sites (Fig. 1). Both sites arecharacterised by the occurrence of near-bed Holocene medium-consolidated mud, albeit covered with an ephemeral slightlymuddy fine sand layer with a median grain size of about 170 mm.The thickness of the sand layer increases towards the shore.The water depth is 9 m MLLWS at the MOW1 site and about 5 mMLLWS at the Blankenberge site (Fig. 1). The tripod measuringsystem was developed to monitor SPM concentration and currentvelocity. Mounted instruments include a SonTek 3 MHz ADP, aSonTek 5 MHz ADV Ocean, a Sea-Bird SBE37 CT system, two OBSand two SonTek Hydra systems for data storage and batteries(Table 1). Three periods have been selected for further analysis toassess storm influences (Table 2).

Field calibration of the OBS sensors have been carried outduring 5 tidal cycles between April 2005 and May 2006 at siteMOW1. A Niskin bottle was closed every 20 min, thus resulting inabout 40 samples per tidal cycle. Three sub samples were filteredon board of the vessel from each water sample, using pre-weighted filters (Whatman GF/C). After filtration, the filters wererinsed once with Milli-Q water (750 ml) to remove the salt, anddried and weighted to obtain the SPM concentration. A linearregression between all OBS signals and SPM concentrations fromfiltration (about 240) was assumed.

concentrations in a coastal turbidity maximum area with highrch (2010), doi:10.1016/j.csr.2010.05.001

Fig. 1. (A) Yearly and depth-averaged SPM concentration (mg l�1) in the southern North Sea, derived from 370 SeaWiFS images (1997–2002), see Fettweis et al. (2007a).

(B) Bathymetry (m below mean sea level) of the Belgian coastal area. Indicated are the tripod measuring stations (black dots: MOW1, Blankenberge), the navigation

channel (Pas van het Zand and Scheur) and the location of the box-core samples for erosion behaviour measurements (white dots). Coordinates are in latitude (1N) and

longitude (1E).

Table 1Oceanographic instruments mounted on the tripod and distance in m above bed

(mab). The saturation concentration of the OBSs was 3.3 g l�1.

Survey no. ADV ADP OBS1 OBS2

2005/29 0.3 2.2 0.3 1.9 0.8

2006/23 0.2 2.3 0.2 2.2 0.8

2006/27 0.2 2.3 0.2 2.2 0.8

M. Fettweis et al. / Continental Shelf Research ] (]]]]) ]]]–]]] 3

3.2. Calculation of wave- and current induced shear stress from ADV

The high frequency ADV measurements (25 Hz) permit todecompose the velocity in terms of a mean and a fluctuating part.Several studies report on the possibility to estimate shear stressfrom the second moment (turbulence) statistics (Pope et al., 2006;Verney et al., 2007; Andersen et al., 2007). The estimation is basedon the calculation of the turbulent kinetic energy (TKE), which canbe obtained from the variance of the velocity fluctuations. The shearstress has found to be proportional to the TKE through t¼C TKE,where C¼19 was adopted as proposed by Stapleton and

Please cite this article as: Fettweis, M., et al., Storm influence on SPManthropogenic impact (southern North Sea). Continental Shelf Resea

Huntley (1995) and Thompson et al. (2003). This linear relation-ship will however fail in the presence of waves. The inertial-dissipation method uses the spectrum of velocity componentsand allows to apply a correction for the advection by waves(Trowbridge and Elgar, 2001; Sherwood et al., 2006). In this case thevertical component was used as it is least contaminated by waves.ADV Ocean data were discarded when the signal to noise ratiodropped below 15 dB and the correlation coefficient was lower than0.8. The data were then transformed into a power density spectrumusing a fast Fourier transform with a Hanning window and thespectral density, Eww, was normalized such that the integral overthe spectrum yielded the variance over the burst. Afterwards it wastransformed to Ewwo5/3(2p)�1, with o the radial frequency, as theturbulent dissipation, e, scales with Ewwo5/3(2p)�1 in the inertialsubrange, defined as the range between 1 and 2.5 Hz (Trowbridgeand Elgar, 2001). By calculating the mean over this range anestimate of Ewwo5/3(2p)�1 was obtained and e calculated using

e¼�

Ewwo5=3 12

55a Uj j2=3

� �� �3=2

concentrations in a coastal turbidity maximum area with highrch (2010), doi:10.1016/j.csr.2010.05.001

Table 2Tripod deployments at MOW1 and Blankenberge.

Survey no. Location Start End date (dd/mm/yyyy hh:mm) Duration (days)

2005/29 MOW1 22/11/2005 08:11 05/12/2005 09:03 13.04

2006/23 Blankenberge 08/11/2006 14:29 27/11/2006 09:04 18.83

2006/27 Blankenberge 18/12/2006 10:44 07/02/2007 13:17 50.11

M. Fettweis et al. / Continental Shelf Research ] (]]]]) ]]]–]]]4

where a is the empirical Kolmogorov constant and U is the burstaveraged velocity. To correct for the presence of waves the modeluses a function I to correct e, see Trowbridge and Elgar (2001) andSherwood et al. (2006). The shear stress at elevation z can then beobtained using t¼r(ekz)2/3, where k is the Von Karman constantand r the water density.

3.3. Erosion behaviour measurements

Erodibility measurements have been performed on mudsamples taken at different locations near the navigation channelsPas van het Zand and Scheur and near the harbour of Oostende(Fig. 1). Box cores were subsampled using cylindrical perspextubes (diameter 13.5 cm) allowing to retrieve relatively undis-turbed mud samples of the first 40 cm (on average) of the sea bed.Using a gamma-ray densitometer, bulk density profiles of thesesamples were determined in a non-destructive way. The mea-surements were performed at the University of Stuttgart using theSETEG-flume (Kern et al., 1999; Witt and Westrich, 2003): astraight pressure duct with rectangular cross section. The top ofthe perspex tubes can be attached to a circular hole in the bottomof the flume, and by pushing the sediment upwards until itssurface is level with the bottom surface of the flume the erosionbehaviour of the top layer of the sediment can be investigated.After erosion of the top layer, the sediment can be pushed furtherupwards and the underlying layers can be studied. The criticalshear stress for erosion is determined by visual observation of theonset of erosion by a gradual increase of the discharge. Shearstresses are calculated from the measured discharge via theDarcy–Weisbach equation, using the Colebrook formula todetermine the roughness coefficient (Streeter, 1996). In addition,the flume is equipped with the so-called SEDCIA-system, enablingto measure the erosion rate. This system consists of a camerawhich observes the time-dependent shift of a series of parallellaser lines projected under a certain inclination angle on thesediment’s surface, from which the sediment’s volume change –and hence also the mass change, since the bulk density is known –can be calculated in function of time.

3.4. Hydrodynamic numerical model

The currents, surface elevation, and turbulent kinetic energyhave been modelled using an implementation of the COHERENShydrodynamic model to the Belgian Continental Shelf, termedhereafter OPTOS-BCS. The 3D model solves the continuity andmomentum equations on a staggered sigma coordinate grid withan explicit mode-splitting treatment of the barotropic andbaroclinic modes. A description of the COHERENS model can befound in Luyten et al. (1999). OPTOS-BCS covers an area between511N and 51.921N in latitude and between 2.081E and 4.21E inlongitude. The horizontal resolution is 0.240 (longitude) and 0.140

(latitude), corresponding both to a grid size of about 250 m.Boundary conditions of water elevation and depth-averagedcurrents for this model have been provided by the operationalmodels OPTOS-NOS (covering the North Sea) and OPTOS-CSM(covering the North-West European Continental Shelf Model)of the Management Unit of North Sea Mathematical Models

Please cite this article as: Fettweis, M., et al., Storm influence on SPManthropogenic impact (southern North Sea). Continental Shelf Resea

(see www.mumm.ac.be). Pison and Ozer (2003) have describedthe validation of the current velocities of OPTOS-BCS using ADCPmeasurements. The bottom shear stress for currents alone iscalculated using the calculated current velocity in the lowest layerof the model and using a bottom roughness of 0.84 cm. Thebottom stress under the combined effect of currents and waves iscalculated in OPTOS-BCS with Bijker’s formulae of 1966 (Koutitas,1988). The currents are from the hydrodynamic model, whereasthe wave data are from wave buoy measurements (Coastal Serviceof the Ministry of the Flemish Community).

4. Results

4.1. Tripod data

The data of SPM concentration, water depth, ADV currentvelocity, and bottom shear stress collected at MOW1 in autumn2005 are presented in Fig. 2. Spring tide occurred aroundDecember 1 (day 10), neap tide around November 26 (day 5).The measuring period was characterised by 2 days of calmweather followed by a WNW storm with wind velocities of morethan 16 m s�1 (7 Bf) and significant wave heights of up to 3.5 m inthe coastal zone. The water was pushed up against the coast andlow water levels raised with almost 2 m. The SPM concentrationsfollow a quarter-diurnal (ebb-flood) signal. Although the currentsare flood dominated, no significant difference in magnitudebetween ebb and flood SPM concentration peak occurs. Asignificant increase in SPM concentration occurred almostimmediately after the beginning of the WNW storm (days 3–4).The SPM concentration measured by OBS1 (0.3 m above bottom,mab) increases to 1–3 g l�1, whereas at 2 mab (OBS2) the SPMconcentrations remain less than 0.5 g l�1. The sudden increase inSPM concentration at the onset of the storm was induced by theexceptional meteorological conditions and partly because thestorm occurred after a calm period and around neap tide. Neaptidal conditions and calm periods favour the deposition of fluffylayers, as has been observed from bottom samples and frommodel simulations (Fettweis and Van den Eynde, 2003). After theWNW storm the SPM concentration decreased in magnitude,however both OBSs still measured very high peak concentrations(OBS1: up to 3 g l�1, OBS2: up to 1 g l�1) until the end of thedeployment (1 week after the storm). The high minima in SPMconcentration measured by the OBS1 (0.5–1 g l�1), indicates thata HCMS or fluid mud layer was formed. It is only days afterthe storm that the SPM concentrations, measured by both OBSs,show again similar minima and that the near bed high SPMconcentrations have disappeared.

77 days of data were collected at the Blankenberge sitebetween November 8, 2006 and February 7, 2007. The data from7 to 18 November 2006 and 24 December 2006–8 January 2007are presented in Figs. 3 and 4. Remark that no bottom shearstresses are reported for the second period (Fig. 4) as the qualityof the ADV data was insufficient. During both periods differentstorms have occurred. On 12–13 November, a NW stormgenerated significant wave heights of about 2.7 m. The second-half of December was characterized by low wind speeds frommainly W-SW. On December 31, wave heights of nearly 3 m were

concentrations in a coastal turbidity maximum area with highrch (2010), doi:10.1016/j.csr.2010.05.001

0 2 4 6 8 10 12 146

11

16

Dep

th b

elow

su

rface

(m)

0 2 4 6 8 10 12 140

1

2

3

4

Wav

e he

ight

(m)

0 2 4 6 8 10 12 140

0.5

1V

eloc

ity (m

/s)

0 2 4 6 8 10 12 140

10

20

30

She

ar s

tress

(Pa)

0 2 4 6 8 10 12 140

1000

2000

3000

Time (days)

SP

M c

onc

(mg/

l)

depth wave height

SPM1

SPM2

measurements model results

Fig. 2. MOW1 site, tripod measurements of 22 November–5 December 2005 (survey 2005/29). From up to down: depth below water surface (m) and significant

wave heights; ADV current velocity (m/s); shear stress (Pa) derived from the ADV and from the hydrodynamic model and SPM concentration at 0.3 mab (SPM1) and

1.9 mab (SPM2).

0 2 4 6 8 10 12 144

9

14

Dep

th b

elow

su

rface

(m)

0 2 4 6 8 10 12 1401234

Wav

e he

ight

(m)

0 2 4 6 8 10 12 140

0.5

1

Vel

ocity

(m/s

)

0 2 4 6 8 10 12 140

20

40

She

ar s

tress

(Pa)

0 2 4 6 8 10 12 140

2000

4000

Time (days)

SP

M c

onc

(mg/

l)

depth wave height

SPM1 SPM2

Fig. 3. Blankenberge site, tripod measurements of 7–20 November 2006 (survey 2006/23). From up to down: depth below water surface (m) and significant wave heights;

ADV current velocity (m/s); shear stress (Pa) derived from the ADV; and SPM concentration at 0.2 mab (SPM1) and 2.2 mab (SPM2).

M. Fettweis et al. / Continental Shelf Research ] (]]]]) ]]]–]]] 5

Please cite this article as: Fettweis, M., et al., Storm influence on SPM concentrations in a coastal turbidity maximum area with highanthropogenic impact (southern North Sea). Continental Shelf Research (2010), doi:10.1016/j.csr.2010.05.001

0 5 10 154

9

14

Dep

th b

elow

su

rface

(m)

0 5 10 150

0.5

1

Vel

ocity

(m/s

)

0 5 10 150

2000

4000

Time (days)

SP

M c

onc

(mg/

l)

0 5 10 150

1

2

3

4

Wav

e he

ight

(m)

depth wave height

SPM1 SPM2

Fig. 4. Blankenberge site, tripod measurements of 27 December 2006–10 January 2007 (survey 2006/27). From up to down: depth below water surface (m) and significant

wave heights; ADV current velocity (m s�1) and mean particle size (mm); shear stress (Pa) derived from the ADV; and SPM concentration at 0.2 mab (SPM1) and

2.2 mab (SPM2).

M. Fettweis et al. / Continental Shelf Research ] (]]]]) ]]]–]]]6

registered (Fig. 4). The beginning of January 2007 wascharacterised by storms from mainly a NE direction. The highestSPM concentrations during the November 12 storm have beenregistered only about one day after the storm by OBS1 and about2 days after by OBS2 (Fig. 3). The OBS1 data are characterised byvery high minima in SPM concentrations (40.8 g l�1). The OBS2has measured only during a short period after the storm anincrease in SPM concentration. This indicates that vertical mixingwas limited. Similar data have been collected during the storm ofDecember 31. The period before the storm was characterised bylow differences in SPM concentration between OBS1 and OBS2.Stratification in SPM concentration has been observed only at theend of the ebbing tide and during slack water and is due tosettling of suspended particles. The increase in SPM concentrationafter the December 31 storm is – similar as observed during theNovember 12 storm – only detected one day after the stormin both OBS. This increase in SPM concentration occurred duringebb indicating that the suspended matter has mainly beentransported from the NE, i.e. from the mouth of theWesterschelde estuary and in the direction of the wind-drivenand the ebb current. Local resuspension of mud layers was at thattime of minor importance.

A few conclusions can be drawn from the three measurementperiods:

1.

Pa

There is a dominant quarter-diurnal (ebb-flood) signal in theSPM concentration time-series. The spring-neap tidal signalcan be identified clearly during calm meteorologicalconditions.

2.

Considerable variations in SPM concentrations exist during atidal cycle: maximum concentrations were sometimes up to 50times higher than the minimum concentrations.

3.

The very high SPM concentrations measured near the bed arerelated to storm periods; our data suggest that HCMS occurnear the bottom in the coastal turbidity maximum of theBelgian–Dutch nearshore zone.

4.

Wind-driven advection can have a significant influence on SPMconcentration.

lease cite this article as: Fettweis, M., et al., Storm influence on SPMnthropogenic impact (southern North Sea). Continental Shelf Resea

4.2. Erosion behaviour measurements

In Fig. 5 the measured depth profile of the bulk density, r, andthe critical shear stress for erosion, tce, of two cores withHolocene mud and one with freshly deposited mud are shown(location is indicated in Fig. 1). The profiles show that a highvariability of tce can be observed in muddy sediments. The corescontaining Holocene mud are both characterised by a 5–10 cmthick surface layer of freshly deposited mud above soft tomedium-consolidated mud. The Holocene mud deposits arecharacterised by intercalations of thin sandy layers. The toplayer has a tce ranging from 0.5 to 2.5 Pa. The Holocene mudlayers are very strong, with a tce up to 13 Pa, while theintermediate sandy layers exhibit much lower values (�1 Pa).The core with freshly deposited mud has been collected in thenavigation channel. The upper 45 cm are not consolidated andhave a tce of 1–4 Pa. A total of 35 sediment samples havebeen taken in the nearshore zone from which the followingobservations can be made:

�

crch

Generally, the top layer has low values for both tce (0.5–1 Pa)and r (fluffy layers).

� The sediment stability of freshly deposited mud strongly

increases in the first few cm. A value of �4 Pa is reached at adepth of a few cm.

� Only in some cores a positive correlation between tce and r

exist.

� The presence of shells has a negative effect on the stability of

muddy sediments.

� Sandy fractions always exhibit low to medium stability

(maximum tce: �4 Pa).

4.3. Hydrodynamic model results

The numerical model has been used to simulate the bottomshear stress during autumn 2005 (22 November–5 December).In Fig. 2 the model results are compared to the shear stresses

oncentrations in a coastal turbidity maximum area with high(2010), doi:10.1016/j.csr.2010.05.001

0

10

20

30

40

50

dept

h be

low

bed

[cm

]

bulk density [g cm-3]

Tau-crit

bulk density

0

10

20

30

40

50

dept

h be

low

bed

(cm

)

tau-crit

bulk density

0

10

20

30

40

50

dept

h be

low

bed

(cm

)

Tau-crit

Bulk density

τce (Pa)

14121086420

τce (Pa)

14121086420

τce (Pa)

14121086420

1.81.71.61.51.41.31.21.1

bulk density [g cm-3]

1.81.71.61.51.41.31.21.1

bulk density [g cm-3]

1.81.71.61.51.41.31.21.1

Fig. 5. Depth profile of critical erosion shear stress (tce) and bulk density of box core: (A) 7 cm of soft mud above 40 cm of medium-consolidated mud (Holocene) with

intercalations of sand, muddy sand and shell layers (location: near Zeebrugge). (B) 5 cm of very soft mud with fine sand above 40 cm of alternating medium-consolidated

mud and thin muddy sand layers with shells (Holocene). (C) 40 cm of freshly deposited mud from the navigation channel (Pas van het Zand) on top of medium-

consolidated mud (Holocene). The sandy and shelly layers have a lower tce and a higher bulk density.

M. Fettweis et al. / Continental Shelf Research ] (]]]]) ]]]–]]] 7

derived from ADV measurements. The maximum bottomshear stress is shown in Fig. 6 with and without wind and waveeffects. The figure shows that the bottom shear stress increasessignificantly to values of more than 12 Pa. Without meteorologicaleffects the maxima, occurring during spring tide in the channeltowards the Westerschelde (Scheur), reaches about 2.5 Pa.The difference between model results and shear stress resultsfrom ADV can be ascribed to inaccuracies in calculating near-bedshear stress from ADV data and to the fact that the bottomroughness in model is not well known and remains a calibrationparameter.

5. Discussion

The formation of HCMS in wave-dominated areas is welldocumented in the scientific literature (de Wit and Kranenburg,1997; Winterwerp, 1999; Li and Mehta, 2000). The occurrence offluid mud or HCMS on many continental shelves is associatedwith wave or current-driven sediment gravity flows off high-loadrivers (Wright and Friedrichs, 2006). However, the origin of thesuspended matter in the southern North Sea and in the Belgian–Dutch nearshore zone has been mainly ascribed to the inflow offine-grained sediments through the Dover Strait (Gerritsen et al.,2001), as no high-load rivers exist in the area (Fettweis et al.,2007). This SPM flux amounts to about 34�106 t year�1, fromwhich about 50% is transported along the continental side (i.e.France–Belgian–Dutch nearshore area), see Fettweis et al. (2007).Due to the high tidal energy permanent layers of freshly depositedto very soft consolidated cohesive sediments occur in the Belgian–Dutch nearshore area only in some protected hydrodynamicenvironment such as ports, navigation channels and disposalgrounds of dredged material. However, thin fluffy layers,temporarily present, do occur over large areas. The fluctuation

Please cite this article as: Fettweis, M., et al., Storm influence on SPManthropogenic impact (southern North Sea). Continental Shelf Resea

of SPM concentration with time is complex and it is not alwaysstraightforward to identify the origin of some of the variations.The relation between tidal range and tide-averaged SPM con-centration for the MOW1 data is shown in Fig. 7. The lowcorrelation points to the fact that the neap-spring tidal signal isoverprinted by other processes, such as high wave conditions andwind-induced long- and cross-shore advection.

Using SeaWiFS images the average mass of SPM over the period1997–2004 in the turbidity maximum area has been calculated asabout 1�106 t. Variations of the order of 30% occur betweenspring and neap tides, as also of the order of 40–60% in-betweenseasons. Based on the tripod measurements, the SPM mass duringstorm conditions has been estimated as 3–5�106 t in the samearea. An important amount of fine-grained matter has thus to beresuspended, eroded or transported during a storm. Below, somepoints are discussed in more detail to better identify the possiblesources of fine-grained sediments and the processes that result inthe significant increase in SPM concentration during storms.

5.1. SPM transport and wind-driven advection

The effect of winds on SPM concentration is variable anddepends also on the wind direction and the availability of muddysediments. Along- or cross-shore advection, enhanced during windsfrom the SW/NE or NW/SE, respectively, transports water masseswith low SPM concentration and higher salinity to the measure-ment location. During periods with high salinity variations during atide, a negative correlation between salinity and SPM concentrationexists, see Fig. 8. High salinities and low(er) SPM concentrations areassociated with flooding and low salinities and high(er) SPMconcentrations with ebbing tide. The data show that during thefirst 3 weeks of January 2007, SW winds prevailed resulting inadvection of high salinity and low turbid water from the English

concentrations in a coastal turbidity maximum area with highrch (2010), doi:10.1016/j.csr.2010.05.001

Fig. 6. Hydrodynamic model results of maximum bottom shear stress (Pa) during a spring tide without wind (A) and during the November 2005 storm (B). Coordinates are

in latitude (1N) and longitude (1E).

M. Fettweis et al. / Continental Shelf Research ] (]]]]) ]]]–]]]8

Channel towards the southern North Sea. At the end of January, thewind direction changed towards S-SE and low salinity, highturbidity water originating from the Schelde estuary dominatedthe signal. Our data show that high SPM concentrations are oftenmore closely related to advection (Velegrakis et al., 1997; Blewettand Huntley, 1998) rather than instantaneous bed shear stress(Stanev et al., 2009). This confirms the idea that the Belgian coastalarea can be seen as a congestion in the residual SPM transport of thesouthern North Sea rather than an important source of sediments(Fettweis and Van den Eynde, 2003).

5.2. Holocene mud as SPM source

The largest reservoir of fine-grained sediments in the near-shore area consists of the medium-consolidated Holocene mud

Please cite this article as: Fettweis, M., et al., Storm influence on SPManthropogenic impact (southern North Sea). Continental Shelf Resea

(bulk density 41500 kg m�3). The area where these muddeposits occur in the first meter of the sea bed is �744 km2

(Fettweis et al., 2009). Erosion behaviour measurements (seeabove) confirm that consolidated cohesive bed layers are difficultto erode by only fluid-transmitted stress. The maximum bottomshear stress during calm periods and during spring tide is about4 Pa (see Figs. 2–4 and 6). The sediments of the mud fields canthus not be eroded under calm meteorological conditions. Nearbed shear stresses derived from the ADV data amount up to 40 Paduring the storm of November 2005 at MOW1 (Fig. 2) andof December 2006 (Fig. 3). These values indicate that erosion ofHolocene mud by fluid-transmitted shear stress can occur andthat SPM could have been released into the water column fromthe Holocene mud fields under storm conditions. Using theAriathurai–Partheniades formulation (Ariathurai, 1974) for ero-sion of cohesive sediments, a mean bed shear stress of 12 Pa, a

concentrations in a coastal turbidity maximum area with highrch (2010), doi:10.1016/j.csr.2010.05.001

2

3

4

5

0 500 1000 1500 2000

Tida

l ran

ge (m

)

SPM concentration (mg/l)

SPM1 (0.2 mab)SPM2 (2 mab)

Fig. 7. Tidally-averaged SPM concentration as a function of tidal range at the

Blankenberge site (November 2006–February 2007).

29

30

31

32

33

34

35

0 200 400 600 800 1000

Sal

inity

SPM concentration (mg/l)

30

31

32

33

34

0 200 400 600 800 1000

Sal

inity

SPM concentration (mg/l)

Fig. 8. SPM concentration from OBS2 (2 mab) as a function of salinity. The figures

show the effect of alongshore advection of high saline and low turbid water during

January 2007 at the Blankenberge site: (A) Negative correlation between salinity

and SPM concentration during prevailing SW winds (5–7 January). (B) Two

successive periods are shown; the first is characterised by high salinity and low

SPM concentration (16–22 January) and the second by low salinity and high SPM

concentration (22–31 January). The sudden decrease in salinity was induced by a

change in wind direction from SW to SE.

M. Fettweis et al. / Continental Shelf Research ] (]]]]) ]]]–]]] 9

Please cite this article as: Fettweis, M., et al., Storm influence on SPManthropogenic impact (southern North Sea). Continental Shelf Resea

critical erosion shear stress of 10 Pa and an erosion rate of0.5 g m�2 s�1 the mass of Holocene mud that can be erodedamounts to 864 t km�2 day�1. If all the Holocene mud wouldoutcrop then about 0.6�106 t day�1 could have been eroded byhorizontal tidally induced shear stress and wave-induced shearstress during the storm. This is a maximum estimate as large partsof the Holocene mud fields are probably covered by thin layers ofsandy sediments. Most probably, erosion of Holocene mud byentrainment represents only a minor source of suspendedsediments during storms.

Still, in literature, it is well documented that a cohesive mud bedmay be eroded and fluidised by waves (Maa and Mehta, 1987; DeWit and Kranenburg, 1997; Li and Mehta, 2000; Silva Jacinto and LeHir, 2001). The effect of water waves on a cohesive, deformable bedcan be described by a pressure wave, inducing normal and shearstresses in the bed. These stresses modify the strength of the bedand thus also the erodibility of the sediments. Silva Jacinto and LeHir (2001) explain the observed liquefaction and failure ofconsolidated mud layers along sandy layers by waves due topumping effects. Mud pebbles are an indication of this type oferosion, they have been observed regularly in the area ofinvestigation (Fettweis et al., 2009). However, due to insufficientdata availability, the mass of mud pebbles or of suspended matteroriginating from wave induced bed failure cannot be quantified yet.

5.3. Mixed sediments as SPM source

Other important erosion mechanisms are due to the mutualinteraction of cohesive and non-cohesive sediments (Le Hir et al.,2007): one can distinguish between sand grains moving on acohesive substrate and erosion of mixed sediments. Thin sandlayers on top of Holocene mud layers and mixed sediments haveoften been observed in the turbidity maximum area. Williamsonand Torfs (1996) were the first to show that the addition of mud toa sandy bed increases the sediment shear strength. van Ledden et al.(2004) argue that a transition in erosion behaviour can be expectedwhen the bed changes between cohesive and non-cohesiveproperties, and when the network structure is formed by anothersediment fraction. Mixed sediments could therefore act as areservoir for fine-grained material that is only resuspendable undermore extreme meteorological conditions. However, on the basis ofexisting data, we cannot quantify the amount of fine sediments thatis released as SPM due to the erosion of mixed sediments.

5.4. Freshly deposited mud as SPM source

The movement of recently deposited sediment in the waveboundary layer exposes fine-grained sediment to resuspensionwhen shear stresses become sufficiently high. These resuspendedsediments are then transported further by waves and currents.The numerical model results indicate that, under normal condi-tions, the bed shear stress in the navigation channels and atlocation MOW1 or Blankenberge is lower than 4 Pa (Fig. 6). Thecritical erosion shear stresses of in-situ samples in the navigationchannels and around Zeebrugge and the disposal ground ofOostende are, below the fluffy surface layer, generally higher than4 Pa. The deposits of fresh mud below the fluffy layer in theseareas forms thus a reservoir of SPM that will only be resuspendedduring periods with high shear stresses e.g. caused by storms. Thefluffy surface layer having thicknesses of a few centimetres and atce of o1 up to �4 Pa, will be fully resuspended during periodswith higher stresses (storms, spring tides). Generation of fluffylayers can occur during periods with low stresses (neap tides).

The total surface of the area where freshly deposited mud isfound is not precisely known. The surface of the navigation

concentrations in a coastal turbidity maximum area with highrch (2010), doi:10.1016/j.csr.2010.05.001

M. Fettweis et al. / Continental Shelf Research ] (]]]]) ]]]–]]]10

channels, where mud is dredged, equals to 715 km2. Mud withsimilar erosion behaviour has also been sampled near the disposalground of dredged material near Oostende and around Zeebrugge.Based on bed samples, the surface of these deposits has beenestimated as 30 km2. The bulk density of these sedimentsamounts to 1200–1400 kg m�3. If we assume a thickness of20 cm very soft mud in these areas, then the total mass of mudavailable for resuspension equals 1.8�3.6�106 t. This is of thesame order of magnitude as what has been estimated to be insuspension during storms (see above). The MOW1 and theBlankenberge site are both situated in the vicinity of thenavigation channel towards Zeebrugge (Pas van het Zand) andthe Westerschelde (Scheur). The data suggest that an importantpart of the HCMS, measured at both sites, could have beenresuspended from the very soft mud deposits in the navigationchannels and adjacent areas.

6. Conclusion

Measurements have been collected at two locations in thevicinity of the port of Zeebrugge and its navigation channels.Between autumn 2005 and winter 2007, three stormy periods havebeen selected with similar wave conditions. The data have shownthat during or after a storm, the SPM concentration increasessignificantly and that HCMS have been formed. SPM concentrationis clearly related to high waves and winds. The wind direction andthe advection of water masses, the previous history and theavailability of fine-grained sediments in fluffy layers, the very softmud deposits around navigation channels, and the erosion ofmedium-consolidated mud of Holocene age influence the SPMsignal. The data suggest that for the generation of very high SPMconcentrations near the bed, significant amounts of fine-grainedsediments have to be resuspended and/or eroded. The navigationchannels and other areas with soft mud have been found to bethe major source of the fine-grained sediments during storms.This result is important as it suggest that the deepening of thenavigation channels has made available fine-grained matter thatcontributes significantly to the formation of high concentrationmud suspensions. This suggests that HCMS were probably lessfrequent in the past when anthropogenic activities where limited.

Acknowledgements

This study was partly funded by the by the Belgian SciencePolicy within the framework of the QUEST4D project (SD/NS/06A)and by the Maritime Access Division of the Ministry of theFlemish Community in the framework of the MOMO project.G. Dumon (Coastal Service, Ministry of the Flemish Community)made available wave measurement data. We want to acknowl-edge the crew of the RV Belgica, Zeearend and Zeehond for theirskilful mooring and recuperation of the tripod. The assistance ofmarine divers during recuperation of the tripod on February 7,2007 is also acknowledged. The measurements would not havebeen possible without technical assistance of A. Pollentier,J.-P. De Blauwe, and J. Backers (measuring service of MUMM,Oostende). We also are grateful to G. Voulgaris, for helping us outwith the inertial-dissipation method.

References

Andersen, T.J., Fredsoe, J., Pejrup, M., 2007. In-situ estimation of erosion anddeposition thresholds by acoustic Doppler velocimeter (ADV). Estuarine,Coastal and Shelf Science 75, 327–336. doi:10.1016/j.ecss.2007.04.039.

Ariathurai, C.R., 1974. A Finite Element Model for Sediment Transport in Estuaries.University of California, Davis.

Please cite this article as: Fettweis, M., et al., Storm influence on SPManthropogenic impact (southern North Sea). Continental Shelf Resea

Bass, S.J., Aldridge, J.N., McCave, I.N., Vincent, C.E., 2002. Phase relationshipsbetween fine sediment suspensions and tidal currents in coastal seas. Journalof Geophysical Research 107 (C10), 1–14.

Blewett, J., Huntley, D.A., 1998. Measurement of suspended sediment transportprocesses in shallow water off the Holderness Coast, UK. Marine PollutionBulletin 37, 134–143.

Cacchione, D.A., Wiberg, P.L., Lynch, J.F., Irish, J.D., Traykovski, P., 1999. Estimatesof suspended-sediment flux and bedform activity on the inner portion of theEel continental shelf. Marine Geology 154, 83–97.

Collins, M., 1990. The behaviour of cohesive and non-cohesive sediments. In:Alzieu, C., Galenne, B. (Eds.), Proceedings of the International Seminar on theEnvironmental Aspects of Dredging Activities. Port Autonome de NantesSaint-Nazaire, Nantes, pp. 15–32.

Chang, T.S., Flemming, B., Bartholoma, A., 2007. Distinction between sortable siltsand aggregated particles in muddy intertidal sediments of the East FrisianWadden Sea, southern North Sea. Sedimentary Geology 202, 453–463.doi:10.1016/j.sedgeo.2007.03.009.

de Wit, P.J., Kranenburg, C., 1997. The wave-induced liquefaction of cohesivesediment beds. Estuarine, Coastal and Shelf Science 45, 261–271.

Du Four, I., Van Lancker, V., 2008. Changes of sedimentological patterns andmorphological features due to the disposal of dredge spoil and theregeneration after cessation of the disposal activities. Marine Geology 25,15–29. doi:10.1016/j.margeo.2008.04.011.

Eisma, D., 1981. Supply and deposition of suspended matter in the North Sea. In:Nio, D.D., Shuttenhelm, R.T.E., van Weering, T.C.E. (Eds.), Holocene MarineSedimentation in the North Sea Basin, vol. 5. IAS Special Publication, BlackwellScientific, pp. 415–428.

Fettweis, M., Van den Eynde, D., 2003. The mud deposits and the high turbidity inthe Belgian–Dutch coastal zone. Southern bight of the North Sea. ContinentalShelf Research 23, 669–691. doi:10.1016/S0278-4343(03)00027-X.

Fettweis, M., Nechad, B., Van den Eynde, D., 2007. An estimate of the suspendedparticulate matter (SPM) transport in the southern North Sea using SeaWiFSimages, in-situ measurements and numerical model results. Continental ShelfResearch 27, 1568–1583. doi:10.1016/j.csr.2007.01.017.

Fettweis, M., Houziaux, J.-S., Du Four, I., Van Lancker, V., Baeteman, C., Mathys, M.,Van den Eynde, D., Francken, F., Wartel, S., 2009. Long-term influence ofmaritime access works on the distribution of cohesive sediments: analysis ofhistorical and recent data from the Belgian nearshore area (southern NorthSea). Geo-Marine Letters 29 (5), 321–330. doi:10.1007/s00367-009-0161-7.

Gerritsen, H., Boon, J.G., van der Kaaij, T., Vos, R.J., 2001. Integrated modelling ofsuspended matter in the North Sea. Estuarine, Coastal and Shelf Science 53,581–594. doi:10.1006/ecss.2000.0633.

Green, M.O., Vincent, C.E., McCave, I.N., Dickson, R.R., Rees, J.M., Pearson, N.D.,1995. Storm sediment transport: observations from the British North Sea shelf.Continental Shelf Research 15, 889–912.

Kern, U., Haag, I., Schurlein, V., Holzwarth, M., Westrich, B., 1999. EinStromungskanal zur Ermittlung der tiefenabhangigen Erosionsstablitat vonGewassersedimenten. Wasserwirtschaft DWA 89 (2), 72–77.

Koutitas, C.G., 1988. Mathematical Models in Coastal Engineering. Pentech Press,London, UK 156 pp.

Lafite, R., Shimwell, S., Grochowski, N., Dupont, J.-P., Nash, L., Salomon, J.-C.,Cabioch, L., Collins, M., Gao, S., 2000. Suspended particulate matter fluxesthrough the Strait of Dover, English Channel: observations and modelling.Oceanologica Acta 23, 687–700.

Lauwaert, B., Bekaert, K., Berteloot, M., De Brauwer, D., Fettweis, M., Hillewaert, H.,Hoffman, S., Hostens, K., Mergaert, K., Moulaert, I., Parmentier, K., Vanhoey, G.,Verstraeten, J., 2008. Synthesis report on the effects of dredged materialdisposal on the marine environment. BMM, ILVO, AK & AMT rapport,BL/2008/01, 109 pp.

Le Bot, S., Van Lancker, V., Deleu, S., de Batist, M., Henriet, J.-P., Haegeman, W.,2005. Geological and geotechnical properties of Eocene and Quarternarydeposits on the Belgian continental shelf: synthesis in the context of offshorewind farming. Netherlands Journal of Geosiences 84, 147–160.

Le Hir, P., Monbet, Y., Orvain, F., 2007. Sediment erodability in sediment transportmodelling: can we account for biota effects? Continental Shelf Research 27,1116–1142. doi:10.1016/j.csr.2005.11.016.

Li, Y., Mehta, A.J., 2000. Fluid mud in the wave-dominated environment revisited.In: McAnally, W.H., Mehta, A.J. (Eds.), Coastal and Estuarine Fine SedimentDynamics, Proceedings in Marine Science, vol. 3, pp. 79–93.

Luyten, P.J., Jones, J.E., Proctor, R., Tabor, A., Tett, P., Wild-Allen, K., 1999.COHERENS, a coupled hydrodynamical–ecological model for regional and shelfseas: user documentation. MUMM Report, Brussels, Belgium, 911 pp. /http://www.mumm.ac.be/coherensS.

Maa, P.-Y., Mehta, A.J., 1987. Mud erosion by waves: a laboratory study.Continental Shelf Research 7, 1269–1284.

Pison, V., Ozer, J., 2003. Operational products and services for the Belgian coastalwaters. In: Dahlin, H., Flemming, N.C., Nittis, K., Petersson, S.E. (Eds.), Buildingthe European Capacity in Operational Modeling, Proceedings of the ThirdInternational Conference on EuroGOOS, Elsevier Oceanography Series, vol. 69,pp. 503–509.

Pope, N.D., Widdows, J., Brinsley, M.D., 2006. Estimation of bed shear stress using theturbulent kinetic energy approach—a comparison of annular flume and field data.Continental Shelf Research 26, 959–970. doi:10.1016/j.csr.2006.02.010.

Schoellhamer, D.A., 2002. Variability of suspended-sediment concentration at tidalto annual time scales in San Francisco Bay, USA. Continental Shelf Research 22,1857–1866.

concentrations in a coastal turbidity maximum area with highrch (2010), doi:10.1016/j.csr.2010.05.001

M. Fettweis et al. / Continental Shelf Research ] (]]]]) ]]]–]]] 11

Sherwood, C., Lacy, J., Voulgaris, G., 2006. Shear velocity estimates on the innershelf off Grays Harbor, Washington, USA. Continental Shelf Research 26,1995–2018.

Shi, J.Z., Gu, W.-J., Wang, D.-Z., 2008. Wind wave-forced fine sediment erosionduring slack water periods in Hangzhou Bay, China. Environmental Geology55, 629–638. doi:10.1007/s00254-007-1013-2.

Silva Jacinto, R., Le Hir, P., 2001. Response of stratified muddy beds to water waves.In: McAnally, W.H., Mehta, A.J. (Eds.), Coastal and Estuarine Fine SedimentProcesses, Proceedings in Marine Science, vol. 3, pp. 95–108.

Stanev, E.V., Dobrynin, M., Pleskachevsky, A., Grayek, S., Gunther, H., 2009.Bed shear stress in the southern North Sea as an important driver forsuspended sediment dynamics. Ocean Dynamics 59, 183–194. doi:10.1007/s10236-008-0159-0.

Stapleton, R.L., Huntley, D.A., 1995. Seabed stress determination using the inertiadissipation method and the turbulent kinetic energy method. Earth SurfaceProcesses and Landforms 20, 807–815.

Streeter, V.L., 1996. Fluid Mechanics. McGraw-Hill Book Company, New York705 pp.

Thompson, C.E.L., Amos, C.L., Jones, T.E.R., Chaplin, J., 2003. The manifestation offluid-transmitted bed shear stress in a smooth annular flume—a comparisonof methods. Journal of Coastal Research 19, 1094–1103.

Trowbridge, J., Elgar, S., 2001. Turbulence measurements in the surf zone. Journalof Physical Oceanography 31 (8), 2403–2417.

Truitt, C.L., 1988. Dredged material behaviour during open water disposal. Journalof Coastal Research 4, 389–397.

Traykovski, P., Wiberg, P.L., Geyer, W.R., 2007. Observations and modeling ofwave-supported sediment gravity flows on the Po prodelta and comparison toprior observations from the Eel shelf. Continental Shelf Research 27, 375–399.doi:10.1016/j.csr.2005.07.008.

Van Alphen, J.S.L.J., 1990. A mud balance for Belgian–Dutch coastal watersbetween 1969 and 1986. Netherlands Journal of Sea Research 25, 19–30.

Please cite this article as: Fettweis, M., et al., Storm influence on SPManthropogenic impact (southern North Sea). Continental Shelf Resea

Van den Eynde, D., Fettweis, M., 2006. Modelling of fine-grained sedimenttransport and dredging material dumpings at the Belgian continental shelf.Journal of Coastal Research SI39, 1564–1569.

van Ledden, M., van Kesteren, W.G.M., Winterwerp, J., 2004. A conceptualframework for the erosion behaviour of sand–mud mixtures. ContinentalShelf Research 24, 1–11. doi:10.1016/j.csr.2003.09.002.

van Kessel, T., Kranenburg, C., 1998. Wave-induced liquefaction and flow ofsubaqueous mud layers. Coastal Engineering 34, 109–127.

Verney, R., Deloffre, J., Brun-Cottan, J.C., Lafite, R., 2007. The effect of wave-inducedturbulence on intertidal mudflats: impact of boat traffic and wind. ContinentalShelf Research 27, 594–612. doi:10.1016/j.csr.2006.10.005.

Verwaest, T., 2007. Using simple semi-empirical models for integrated assessmentof scenarios for a navigation channel. The case of the port of Ostend, Belgium.Coastal Sediments 2007, New Orleans, USA.

Velegrakis, A.F., Gao, S., Lafite, R., Dupont, J.P., Huault, M.F., Nash, L.A., Collins, M.B.,1997. Resuspension and advection processes affecting suspended particulatematter concentrations in the central English Channel. Journal of Sea Research38, 17–34.

Williamson, H., Torfs, H., 1996. Erosion of mud/sand mixtures. Coastal Engineering29, 1–25.

Winterwerp, J., 1999. On the dynamics of high-concentrated mud suspensions.Ph.D. Thesis, TU Delft, The Netherlands, 172 pp.

Witt, O., Westrich, B., 2003. Quantification of erosion rates for undisturbedcontaminated cohesive sediment cores by image analysis. Hydrobiologia 494,271–276.

Wright, L.D., Friedrichs, C.T., 2006. Gravity-driven sediment transport oncontinental shelves: a status report. Continental Shelf Research 26,2092–2107. doi:10.1016/j.csr.2006.07.008.

Wu, J., Liu, J.T., Shen, H., Zhang, S., 2006. Dispersion of disposed dredged slurry inthe meso-tidal Changjiang (Yangtze River) Estuary. Estuarine, Coastal andShelf Science 70, 663–672. doi:10.1016/j.ecss.2006.07.013.

concentrations in a coastal turbidity maximum area with highrch (2010), doi:10.1016/j.csr.2010.05.001

APPENDIX 6   

Fettweis M, Baeye M, Francken F, Lauwaert B, Van den Eynde D, Van Lancker V, Martens C, Michielsen T. Monitoring the effects of disposal of fine sediments from maintenance  dredging  on  SPM  concentration.  Marine  Pollution  Bulletin (submitted) 

 

Monitoring the effects of disposal of fine sediments from maintenance 

dredging on SPM concentration 

 

Michael Fettweis1, Matthias Baeye2, Frederic Francken1, Brigitte Lauwaert1, Dries Van den Eynde1, Vera Van 

Lancker1, Chantal Martens3, Tinne Michielsen3 

 1Royal Belgian Institute for Natural Science (RBINS), Management Unit of the North Sea Mathematical Models 

(MUMM), Gulledelle 100, 1200 Brussels, Belgium 2Ghent University, Renard Centre of Marine Geology, Krijgslaan 281 (S8), 9000 Gent, Belgium 3Ministry of Public Works and Mobility, Maritime Access Division, Tavernierkaai 3, 2000 Antwerp, Belgium 

 

M. Fettweis (corresponding author) (e‐mail: m.fettweis@mumm.ac.be, Tel.: +32‐2‐7732132, Fax: +32‐2‐

7706972),  

 

Abstract 

Harbour authorities worldwide are obliged to dredge their major shipping channels, and subsequently to dispose 

the dredged spoil offshore. In May 2009, an experimental dredging study was carried out in the port of 

Zeebrugge to investigate the efficiency of pumping fluid mud using a cutter dredger. Before, during and after the 

experiment monitoring of SPM concentration using OBS and bed level variation using ADV altimetry was carried 

out at a location about 5 km west of the disposal site. The data allowed to characterise the natural turbidity 

regime and to assess the effects of the disposal operations on the sediment dynamics.  

The median SPM concentration near the bed was more than 2 times higher during the field experiment. The time 

lag between high wave heights and high SPM concentration suggested that the SPM was advected towards the 

measuring location rather than eroded locally. The disposed material was mainly transported in the benthic layer 

and resulted in a long‐term increase of SPM concentration near the bed and formation of fluid mud layers during 

the neap tidal conditions. During the other periods fluffy layer were associated with quarter‐diurnal tidal 

variations and with storm conditions.  

Keywords 

dredging, disposal of dredged material, fluid mud, SPM, monitoring, outfall 

 

1

1 Introduction 

Dredging and disposal of sediments is generally considered to be harmful to the environment and to aquatic life 

(Lohrer and Wetz, 2003; Orpin et al., 2004; Ware et al., 2010). Numerous morphological, and sedimentological 

effects (increased turbidity, enhanced sedimentation, changed distribution of sediments) result from dredging 

and disposal works in nearshore areas (Nichols, 1988; Bray et al., 1996; O’Connor, 1999; Fredette and French, 

2004; Van den Eynde, 2004; Wu et al., 2006; Bolam et al., 2006; Du Four and Van Lancker, 2008; OSPAR, 2008; 

Okada et al., 2009; Siegel et al., 2009). The Water Framework Directive (2000/60/EC) and recently adopted EU 

Marine Strategy Framework Directive (2008/56/EC) (see e.g. Borja, 2005; Devlin et al., 2007) requires the 

monitoring of various environmental parameters for the establishment of present‐day water quality reference 

conditions; specifies that there must be no temporal deterioration in chemical and biological status for many 

water bodies; and identifies material in suspension as one of the main pollutants. The influence of large 

engineering works, such as dredging and disposal, needs therefore to be understood to ensure cost‐effective 

operations at sea, to better gauge the human footprint, and to develop environmental policies aiming at a more 

sustainable management of the marine environment.  

Many access channels and harbours suffer from sedimentation of fine sediments and formation of fluid 

mud layers (Fettweis and Sas, 1999; Verlaan and Spanhoff, 2000; Winterwerp, 2005; PIANC, 2009; Van Maren et 

al., 2009; De Nijs et al., 2009). Fluid mud is a high concentration aqueous 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 (Mac Anally et al. 2007). Ship 

manoeuvrability studies aided in the redefinition of the level of dredging required, which is often put at a density 

of 1200 kg m‐3 (Delforterie et al., 2005; PIANC, 2008). Nevertheless, to keep navigation safe and economic, 

extensive maintenance dredging is still needed. The efficiency of dredging operations in fluid mud is limited as 

consolidation is hampered by ship movements, which generate significant flows and resuspension (PIANC, 2008) 

or as accumulation may be so rapidly that it exceeds the capacity of available dredgers (Mac Anally et al., 2007). 

Conventional dredging methods with trailer suction dredgers, and disposal of the dredged material at designated 

locations, are inefficient for fluid mud and incur substantial costs.  

In May 2009, an experimental study was carried out in the port of Zeebrugge to investigate whether 

pumping using a cutter dredger could reduce the thickness of the mud layer with a density lower than 1200 kg m‐

3. An automatic method to intercept and pump away fluid mud using stationary pumping system was evaluated 

by Berlamont (1989). He concluded that mud from Zeebrugge could be pumped to a density of 1150 kg m‐3, 

beyond which the radius of influence of the pump rapidly became very small. A similar approach was adopted 

here, except that no stationary system was used, but a cutter dredger, which continuously dredged for periods of 

a few days up to a week at a fixed location and a fixed depth corresponding to a density smaller than 1200 kg m‐3 

before being moved to another location. The advantages of a stationary cutter dredger are the high pumping 

capacities and the efficient removal of the dredged matter via floating pipelines. Although the evaluation of the 

project was negative in terms of efficiently reducing the thickness of the fluid mud layer (Lauwaert et al., 2009), 

insight was gained on the impact of an almost continuously disposal of fine‐grained dredged material on the 

increase of suspended particulate matter (SPM) concentration close to a shoreline. The monitoring included in 

2

situ measurements carried out before, during and after the experiment. The specific aims of this study were to 

characterise using statistical analysis the natural turbidity regime; to assess the effects of the disposal operations 

on the sediment dynamics, especially on the formation of fluid mud layers; and to evaluate possible impacts of 

disposal operations on the sediment composition.  

2. Methods 

2.1 Study area 

The study area is situated in the southern North Sea (Fig. 1). Water depths vary between 0–20 m below MLLWS 

(mean lowest low water spring). Tides are semi‐diurnal with a mean tidal range at Zeebrugge of 4.3 m at spring 

and 2.8 m at neap tide. The tidal current ellipses are elongated in the nearshore area and become gradually more 

semi‐circular further offshore. Maximum current velocities are higher and minima lower in the nearshore area 

than further offshore. The current velocities near Zeebrugge (nearshore) vary from 0.2–1.5 m s–1 during spring 

tide and 0.2–0.6 m s–1 during neap tide; more offshore they range between 0.2‐0.6 m s‐1 during spring tide and 

0.1‐0.3 m s‐1 during neap tide (see operational model results at www.mumm.ac.be). Flood currents are directed 

towards the Northeast and ebb currents towards the Southwest. Winds blow predominantly from the southwest 

and the highest waves occur during northwesterly winds. SPM forms a turbidity maximum between Oostende 

and the mouth of the Westerschelde (Fig. 1). The strong tidal currents and the low fresh water discharge of the 

Scheldt (yearly average is 100 m3 s–1) result in a well‐mixed water column with very limited salinity and 

temperature stratification. Measurements indicate variations in SPM concentration in the nearshore area of 20–

70 mg l–1; reaching 100 to 3000 mg l–1 near the bed; lower values (<10 mg l–1) occur in the offshore (Fettweis et 

al., 2010). The most important sources of SPM are the French rivers discharging into the English Channel, coastal 

erosion of the Cretaceous cliffs at Cap Gris‐Nez and Cap Blanc‐Nez (France) and the erosion of nearshore 

Holocene mud deposits (Fettweis et al., 2007). 

On average 4.46×106 ton dry matter (tdm) is dredged annually in the port of Zeebrugge to maintain 

navigation depth; this represents about 60% of the total amount of maintenance dredging in the Belgian 

nearshore area (Lauwaert et al., 2009). The dredged matter consists of muddy sediments and is disposed on the 

disposal sites S1 (47%), Zeebrugge Oost (44%) and S2 (9%). The sedimentation rate in the outer port of 

Zeebrugge is on average about 1.7 tdm m‐2 per year. In 2007 and 2008, respectively, 0.7×106 tdm and 0.3×106 

tdm of sediments were dredged in the Albert II dock (Fig. 1).  

2.2 Field experiment and monitoring 

The experimental dredging study took place in the Albert II dock situated in the outer port of Zeebrugge between 

5 May 12:00 and 2 June 2009 07:00. During the field experiment, the cutter suction dredger was operated at 

different locations in the dock. The cutter head was positioned in mud with a density of 1200 kg m‐3. The dredged 

matter was pumped using floating pipelines over the harbour breakwater into the sea at a location closer to the 

shore and the port compared to the existing disposal sites (see Fig. 1). Pumping capacity and density of the 

pumped matter was registered by the dredger.  

The monitoring during the disposal experiment consist of near field and far field measurements. The near‐

field measurements were carried out inside and outside the dock. They consisted of daily bathymetrical and 

3

weekly mud density surveys in the dock and outside the port near the outfall. Bathymetrical surveys were 

performed daily with 33/210 kHz echo sound measurements along fixed transects and of weekly with 

multibeam. The far field monitoring was carried out at a fixed location near Blankenberge (51.33°N 3.11°E) 

situated about 1 km offshore and 5 km west of the disposal site (Fig. 1) using a tripod which was developed for 

collecting time‐series (up to 50 days) of SPM concentration and current velocity. The water depth at the site is 

about 6 m MLLWS. A SonTek 5 MHz Acoustic Doppler Velocimeter (ADV) Ocean, a Sea‐Bird SBE37 CT system and 

two OBS sensors (OBS1 at about 0.2 and OBS2 at about 2 m above bottom (hereafter referred to as mab) were 

mounted on the frame. The ADV was attached at 0.35 mab such that the measuring volume was situated at 0.2 

mab. The altimetry of the ADV was used to detect variation in bed level due to the occurrence of fluid mud 

layers. Decreasing distance between probe and bed boundary correspond with the presence of high 

concentration mud suspensions acting as an acoustic reflector. The tripod has been deployed for 240 days during 

6 measuring periods before, during and after the experiment; the first two were situated in autumn ‐ winter 

2006‐2007 (November 2006 – February 2007), the next three in winter and spring 2008 (January – June 2008) 

and the last one during and after the field study in spring 2009 (May‐June 2009), see Table 1. 17% of the data 

have been collected during or shortly after the field experiment. Respectively 15%, 38% and 47% of the data at 

the measuring location are situated in autumn, winter and spring. As the SPM concentration is highest during 

autumn and winter and lowest during spring and summer (Fettweis et al., 2007), the data are well distributed 

over the high and low SPM concentration periods. Significant wave heights at a coastal station (Bol van Heist, see 

Fig. 1) for the period 2006‐2009 have been used to characterise meteorological and sea state conditions. 

2.3 Statistical analysis 

The SPM concentration variability at Blankenberge is the result of various processes related to tides, storms and 

seasonal changes. In order to identify the effects from dredged material disposal, statistical methods are used. 

SPM concentration is log‐normally distributed (Fettweis and Nechad, 2010). By using frequency distributions of 

different data sets, we can calculate using standard statistic tests if two distributions are drawn from the same 

distribution function. If the data collected during different sampling periods have similar log‐normal 

distributions, geometric means and standard deviations, then we could conclude that ‐ within the range of 

natural variability and measuring uncertainties ‐ similar sub‐samples from the whole population are obtained and 

no changes have occurred due to external disturbances, such as dredging impacts. If disposal of dredged material 

over the western breakwater of the port has an impact on SPM concentration then this should be detected in 

variations of statistical parameters during the data collected during the field experiment.  

3. Results 

3.1 Bathymetrical and density measurements 

The dredging effort caused rapid (order of hours) formation of cone formed craters centred on the cutter head 

location (Fig. 2), which disappeared again after relocation of the cutter. Influx of sediment related to shipping 

activities and spring tide caused at some occasions the filling‐up of the crater during a short period. The dredging 

caused a local deepening of the 1100 kg m‐3 density surface, however the influence remained local and did not 

significantly changed the depth of the fluid mud density field in the dock. The pumping capacity was 3000 m3 h‐1, 

resulting thus –using the average density of the pumped matter (including salt and sediment) of 1.055 t m‐3 –  in 

4

60×103 tdm of sediments that have been disposed during the duration of the experiment. As the density 

recordings were inaccurate, this should be seen as an estimate.  

3.2 Significant wave height 

The median significant wave height (Hs) during the period 2006‐2009 is 0.55 m. Lower values occur in spring 

(0.48 m) and summer (0.53 m) and higher ones in autumn (0.62 m) and winter (0.60 m). The median Hs during 

the tripod measurements were 0.54 m, with 0.50 m; 0.61 m and 0.53 m during respectively spring, autumn and 

winter. The median Hs varied between 0.46 and 0.80; and the maximum Hs between 1.7 and 3.0 m (Table 1) 

during the different deployments. Remark that during the field study (period 6) the median Hs is higher than 

during the same season in 2008 and correspond with an autumn ‐ winter situation. The maximum Hs is however 

lower (1.9 m), indicating that the storm intensity was limited.  

3.3 Time series 

Time series of SPM concentration at 0.2 and 2 mab (m above bed) together with water depth, the significant 

wave height and the ADV altimetry for the measuring periods 1, 5 and 6 are shown in Fig. 3‐5. Period 1 

(November – December 2006) is characterized by the occurrence of different storms. On 12‐13 November, a NW 

storm generated significant wave heights of about 2.8 m (day 317‐318). The highest SPM concentrations were 

registered only about one day after the storm by OBS1 and about two days after by OBS2 (Fig. 3). The OBS1 data 

are characterised by very high minima in SPM concentrations (>0.8 g l‐1). The OBS2 has measured an increase in 

SPM concentration only during a short period after the storm. This indicates that vertical mixing was limited. 

Similar data have been collected during the storm of December 31 (period 2), see Fettweis et al. (2010). ADV 

altimetry shows a vertical rise of the acoustic reflective boundary after the storm (day 317 to 321) and indicating 

the deposition of mud and the formation of a fluid mud layers. Its appearance coincides with low wave activity 

and decelerating currents associated with neap tide when current velocities are not strong enough to resuspend 

the mud layer on the bed. During higher wave activity or accelerating currents (around day 321), the fluid mud 

layer disappears. The altimetry signal shows then a bed boundary fluctuating with the quarter diurnal tidal 

currents; the change in altimeter height on day 336 is probably due to tripod instability. The decrease in 

altimeter height on day 344 is due to mud accumulation. During the deposition events, the sea floor as detected 

by the ADV altimetry raised about 10 cm, due to formation of fluid mud. Period 5 (April – June 2008) was 

characterised by low meteorological disturbances. SPM concentration follows tidal and neap‐spring tidal signal 

with higher SPM concentration around days 108‐114, 124‐130 and 142‐144 (Fig. 4). A clear shift between the 

OBS1 (0.2 mab) and the OBS2 (2 mab) signal is observed from day 132 (May 2008). The highest SPM 

concentrations occur at 0.2 mab during neap tide, whereas at 2 mab the highest values are around spring tide. 

This indicates probably an increased deposition of mud in fluffy layers during neap tide. The acoustic bed 

boundary remains at the same distance after stabilization of the tripod at the beginning of the deployment. 

Deposition and consecutive resuspension occurs as temporal events coinciding with the ebb‐flood tidal signal 

during neap tides and the availability of SPM. During the deposition events, the sea floor as detected by the ADV 

altimetry raised on average by 10 cm, due to formation of fluffy layers. From day 140 on SPM concentration 

decreased, resulting in no increase of the acoustic bed boundary. The field experiment (i.e. disposal operations) 

took place between 5 May and 2 June 2009; the measurements continued until 15 June almost 14 days after the 

5

end of the disposal operations. May 2009 was marked by alternating W‐SW and E‐NE and relatively high wave 

conditions (Table 1, Fig. 5). SPM concentration at 0.2 mab was strikingly high, with tide‐averaged values ranging 

from 0.3‐1.6 g l‐1, when compared with the corresponding spring period of May 2008. These high values 

remained until one week after the end of the experiment before decreasing to tide averaged values lower than 

0.5 g l‐1. The high SPM concentrations in May 2009 are partially due to the occurrence of periods with high 

waves. SPM concentration at 2 mab differs from the near‐bed one, and reveals a dynamic controlled by tidal and 

neap‐spring tidal variation, whereas near the bed high concentrated benthic suspension or fluid mud layers have 

dominated the sediment dynamics. The ADV altimetry reveals also the occurrence of an increase in acoustic bed 

boundary of 8‐10 cm during neap tide(for day 134‐139 and 153‐159). For both mud depositions, favoured hydro‐

meteor conditions prevail (i.e. low wave activity and decelerating currents). The increase in bed level remains 

during several days and hardly any quarter‐diurnal variation occur. This possibly indicates that fluid mud layers 

were fomed with a higher erosion resistance rather than fluffy layers. After cessation of the disposal operations, 

the SPM concentrations at 0.2 mab remained still very high during 1 week and disapeeard together with the fluid 

mud layer. The major conclusion from the data can be summarised as follows: 

1. There is a dominant quarter‐diurnal (ebb‐flood) signal in the SPM concentration time‐series. The spring‐neap 

tidal signal can be identified clearly during calm meteorological conditions. 

2. Considerable variations in SPM concentrations exist during a tidal cycle: maximum concentrations were 

sometimes up to 50 times higher than the minimum concentrations. Maxima in SPM concentration occur 

during ebb and flood.  

3. The ADV altimetry altimetry data show quarter‐diurnal variations in bed level when SPM concentration is 

sufficiently high; this is explained as formation and resuspension of fluffy layers during slack waters.  

4. The very high SPM concentrations measured near the bed during winter and autumn are related to storms 

and suggest that high concentrated benthic suspension layers have been formed, which may stay for a few 

days.  

5. During the field experiment (May – June 2009) high concentrated benthic suspension layers mainly 

influenced the near‐bed dynamics, whereas at 2 mab a spring‐neap tidal signal was identified. The ADV 

altimetry data indicate the formation and resuspension of fluid mud layers associated with neap‐spring 

cycle, rather than fluffy layers. 

3.4 Statistics of SPM concentration 

For each of the 6 measuring period probability distributions were constructed together with fitted lognormal 

distributions (Fig. 6). The probability of the Χ² test was computed, hypothesising that SPM concentration data fit 

a lognormal distribution. The geometric mean (x*), median (D50) and multiplicative standard deviation (s*) of 

these distributions, together with the X² test results is shown in Table 2. The results show that the mean SPM 

concentration during autumn and winter (periods 1, 2, 3, 4) is generally higher than during spring (period 5). The 

mean and median SPM concentration at 0.2 mab during the field experiment (period 6a) is significantly higher 

than during any of the other periods, whereas at 2 mab the same order of magnitude is observed than during a 

winter situation (periods 1, 2 and 3). During the field experiment (5 May – 2 June) the mean increased to 612 mg 

l‐1 (0.2 mab), i.e. more than twice the mean value before and after the experiment; but remained nearly similar 

6

at 2 mab (150 mg l‐1 vs. 128 mg l‐1).  

Excluding samples from the measurements where the bottom wave orbital velocity Uw is lower (higher) 

than a certain value allows calculating the median and multiplicative standard deviation of a population 

representing good (stormy) weather conditions (Table 3‐4). The bottom wave orbital velocity has been calculated 

based on the significant wave height (Hs), the water depth and the JONSWAP spectrum of waves (Soulsby, 1997). 

An Uw of 0.03 m s‐1 (0.3 m s‐1) corresponds to a significant wave height of about 0.5 m (1.5 m) in a water depth of 

about 8 m. The results show that the mean SPM concentration at 0.2 mab is generally lower during low wave 

activity, except for period 2 and 3, whereas at 2 mab no clear relation can be observed. Before and after the field 

experiment, lower wave influence is not significantly changing the mean SPM concentration at 2 mab. The low 

mean SPM concentration during measuring period 3 is the result of calm weather (Hs = 0.46 m). The correlation 

between median SPM concentration and SPM concentration during higher wave action (Uw > 0.3) is only obvious 

for periods 1 and 6 (Table 4). For the other periods, the mean has similar values (period 4 and 5) or is even lower 

than the mean for all data (Table 2). 

The cumulative frequency distributions of SPM concentration are shown in Fig. 7. The probability to have 

a SPM concentration at 0.2 mab higher than the median SPM concentration during the field experiments is on 

average 0.21 (periods 1‐5, 6b), with 0.06 (period 4) and 0.30 (period 1) being the two extreme probabilities. At 2 

mab the probabilities are on average higher (0.43: periods 1‐5, 6b) and the extreme values are closer together 

(period 5: 0.32 – 0.52: period 6b).  

4. Discussions  

In this study, the results based on time‐series measurements at a fixed location before, during and after an 

experimental disposal of dredged matter, indicated a significant higher SPM concentration during the disposal. 

Below we argue that the increase is not due to natural variability. The probability of having a SPM concentration 

higher than the median SPM concentration at 0.2 mab during the field experiment is low.  

4.1 Wave influence 

The Blankenberge site is situated in shallow waters (6 m MLLWS) where wave effects are important. The 

correlation between median SPM concentration and SPM concentration during higher wave action (Uw > 0.3) is, 

however, only obvious for periods 1 and 6a (Table 4). For the other periods, the median has a similar value 

(period 4) or an even lower value than the median for all wave conditions (Table 2). This is in contrast with 

observations made at MOW1 (Fig. 1) situated about 7 km offshore and at a water depth of about 10 m MLLWS, 

where the median SPM concentration was clearly correlated with significant wave height (Fettweis and Nechad, 

2010). The different dynamics between both stations cannot be explained by a different wave climate, as the 

median Hs at both stations during measurements were very similar. It points possibly to the occurrence of a time 

lag between waves and SPM concentrations at Blankenberge and that the suspended matter is rather advected 

from elsewhere than locally eroded. The fact that advection is the dominant source of SPM and that during all 

wave conditions the median SPM concentration during the field experiment (period 6a) was higher than during 

the other periods, strengthen the argument that the high SPM concentration during this period is caused 

significantly by the disposal of dredged material.  

The data of May 2009 suggest that the high SPM concentrations are partially due to higher wave activity. 

7

Increase in SPM concentrations remains, however, limited to the near bed, suggesting that vertical mixing due to 

waves was low. Fettweis et al. (2010) report that the increase in SPM concentration as observed during other 

periods, was due to erosion of Holocene and recent muddy sediments during storms with Hs > 2 m. It is therefore 

not very likely that the May 2009 storms (Hs < 1.8 m) have eroded sufficient sediments to explain the increase in 

SPM concentrations.  

4.2 Ebb‐flood dynamics 

During a tidal cycle, several peaks in SPM concentration are observed; generally, two peaks occur during ebb and 

one during flood. The first ebb peak is generally lower and occurs when the increasing current velocity has 

reached a critical value for resuspending the fluffy layer. The second one occurs at the end of ebb and is a 

consequence of settling. This is confirmed by the fact that the SPM concentration peak at 0.2 mab is generally 

observed after the peak at 2 mab. Maxima in SPM concentration during flood occur generally after slack water 

and point thus to resuspension; the SPM concentration at 2 mab occurs after the peak at 0.2 mab. The mean of 

the SPM concentration maxima during a tide is at least 1.7 times higher during the field experiment than during 

the other periods (0.2 mab: 2670 mg l‐1 vs. 1566 mg l‐1; 2 mab: 941 mg l‐1 vs. 552 mg l‐1), whereas the mean of the 

minima is similar (0.2 mab: 109 mg l‐1 vs. 99 mg l‐1; 2 mab: 35 mg l‐1 vs. 40 mg l‐1). These processes of 

resuspension and rapid deposition have also been identified in the ADV altimetry data. The OBS measurements 

indicate that in general the SPM concentration is higher during ebb at 0.2 mab, whereas at 2 mab it is generally 

higher during flood. This is more pronounced during measuring period 6a, where the highest peaks at 0.2 mab 

occur more frequently during ebb than flood. The SPM during the disposal experiment is thus concentrated in 

the near bed layer rather than being well mixed in the water column, as is also observed by others (e.g. Wu et al., 

2006; Siegel et al., 2009), and indicates that the high SPM concentration near the bed is associated with 

transport of fine sediments during ebb from the disposal site towards the measurement location; the 

measurement location is situated in ebb direction of the disposal site. The SPM concentration and altimetry data 

both suggest that a lutocline or benthic plume was formed during the field experiment and that the fate of the 

fluid mud layer was controlled by the difference in bottom stress during neap and spring tidal periods.  

4.3 Impact of disposal 

The natural variability of SPM concentration in the area is very high, which is indicated by the high multiplicative 

standard deviations of the probability distributions (Table 2). Orpin et al; (2004) argue that the natural variability 

of the system could be used to define the initial limits of acceptable turbidity levels. Such an approach assumes 

that a short‐term increase (several hours) that falls within the range of natural variability will not have any 

significant ecological effect. Orpin et al. (2004) developed this strategy for coral communities, which are much 

more sensitive to turbidity than the Macoma balthica community found in the high turbidity area of the study 

site (Degraer et al., 2008). Changes in species density or faunal community may be attributable to changes in 

sediment composition and increased SPM concentration. Nevertheless, applying the same trigger to indicate 

acceptable upper limits of SPM concentration in the water column (2 mab) indicates that the increase is within 

natural variability of the system. However, at 0.2 mab we found that the cumulative frequency of SPM 

concentration at 0.2 mab during the field experiment is not included within one standard deviation of the curve 

for all the data not collected during the field experiment (Fig. 7), which would indicate a significant change in 

8

turbidity and possibly bed sediment composition over a large area. The increase of SPM concentration in the 

near bed layer together with deposition of mud might thus negatively affect the macrobenthos of the area. Van 

Hoey et al. (2010) report that on the disposal site Zeebrugge Oost (Fig 1), situated west of the port, lower macro‐

benthos and epibenthos densities were found than elsewhere in the area. The impact of disposal of dredged 

matter is, however, very site specific (Ware et al., 2010); it is therefore important to aim at understanding the 

site‐specific environmental impact when such disposal projects are designed.  

5. Conclusions 

Harbour authorities worldwide are obliged to dredge their major shipping channels, and subsequently to dispose 

the dredged spoil offshore. This study provided a statistical analysis to evaluate the effects of disposal operations 

during a one‐month field experiment in a highly turbid area. Monitoring of SPM concentration was carried out 

before, during and after the experiment. The data have been treated statistically; the major conclusions are: 

1. The natural variability of SPM concentration is very high.  

2. The SPM concentration near the bed (0.2 mab) was exceptionally high (median was more than 2 times 

higher) during the field experiment. Wave influence was not responsible for the high SPM concentrations.  

3. The disposal site is situated in ebb‐direction of the measuring location. During the experiment, a generally 

higher SPM concentration near the bed during ebb and at 2 mab during flood was observed, suggesting that 

the disposed material was mainly transported in the benthic layer. The time lag between high wave heights 

and high SPM concentration suggests further that the SPM has been advected towards the measuring 

location rather than eroded locally. 

4. The disposal results in a long‐term increase of SPM concentration near the bed at the measuring location. 

This together with ADV altimetry suggest that fluid mud layers have been formed during whole the disposal 

experiment rather than being limited to neap tidal or storm conditions as observed during the other 

periods.  

Acknowledgements 

This study was funded by the Maritime Access Division of the Ministry of the Flemish Community in the 

framework of the MOMO project and by the Belgian Science Policy within the framework of the QUEST4D 

(SD/NS/06A) project. G. Dumon (Coastal Service, Ministry of the Flemish Community) made available wave 

measurement data. We want to acknowledge the crew of the RV Belgica, Zeearend, Zeehond and DN23 for their 

skilful mooring and recuperation of the tripod. The measurements would not have been possible without the 

technical assistance of A. Pollentier, J.‐P. De Blauwe and J. Backers (measuring service of MUMM, Oostende). 

References 

Berlamont, J. 1989. Pumping fluid mud: Theoretical and experimental considerations. J. Coast. Res. 5, 195‐205. 

Borja, A. 2005. The new European Marine Strategy Directive: Difficulties, opportunities, and challenges. Mar. 

Poll. Bull. 52, 239‐242. doi:10.1016/j.marpolbul.2005.12.007. 

Bolam, S.G., H.L. Rees, P. Somerfield, R. Smith, K.R. Clarke, R.M. Warwick, M. Atkins, and E. Garnacho. 2006. 

Ecological consequences of dredged material disposal in the marine environment: A holistic assessment of 

activities around the England and Wales coastline. Mar. Poll. Bull. 52, 415‐426. 

9

doi:10.1016/j.marpolbul.2005.09.028 

Bray, R.N., Bates, A.D., Land, J.M. 1996. Dredging and the Environment. In: Dredging: A Handbook for Engineers, 

Elsevier, 371‐387.  

Degraer, S., Verfaillie, E., Willems, W., Adriaens, E., Vincx, M., Van Lancker, V. 2008. Habitat suitability modelling 

as a mapping tool for macrobenthic communities: An example from the Belgian part of the North Sea. Cont. 

Shelf Res. 28, 369‐379. doi: 10.1016/j.csr.2007.09.001 

Delefortrie, G., Vantorre, M., Eloot, K. 2005. Modelling navigation in muddy areas through captive model tests. J. 

Mar. Sci. Technol. 10, 188‐202. doi: 10.1007/s00773‐005‐0210‐5 

De Nijs, M.A.J., J. Winterwerp, Pietrzak, J.D. 2009. On harbour siltation in fresh‐salt water mixing region. Cont. 

Shelf Res. 29, 175‐193. doi:10.1016/j.csr.2008.01.019 

Devlin, M., Bets, M., Haynes, D. 2007. Implementation of the Water Framework Directive in European marine 

waters. Mar. Poll. Bull. 55, 1‐2. doi:10.1016/j.marpolbul.2006.09.020  

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. 25, 15‐29. 

doi:10.1016/j.margeo.2008.04.011

Fettweis, M., Sas, M. 1999. On the sedimentation of mud in access channels to the harbour of Antwerp. PIANC 

Bull. 101, 53‐59.  

Fettweis, M., Van den Eynde, D. 2003. The mud deposits and the high turbidity maximum 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., 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. doi:10.1016/j.csr.2010.05.001 

Fettweis, M., Nechad, B. 2010. Evaluation of in situ and remote sensing sampling methods for SPM 

concentrations, Belgian continental shelf (southern North Sea). Ocean Dyn. (accepted) 

Fredette, T.J., French, G.T. 2004. Understanding the physical and environmental consequences of dredged 

material disposal: history in New England and current perspectives. Mar. Poll. Bull. 49, 93‐102. 

doi:10.1016/j.marpolbul.2004.01.014 

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, 73pp. 

http://www.mumm.ac.be/Downloads/News/synthesis_report_PW_2009.pdf

Lohrer, A.M., Wetz, J.J. 2003. Dredging‐induced nutrient release from sediments to the water column in a 

southeastern saltmarsh tidal creek. Mar. Poll. Bull. 46, 1156‐1163. doi:10.1016/S0025‐326X(03)00167‐X 

10

McAnally, W.H., Friedrichs, C., Hamilton, D., Hayter, E.J., 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. Engrg. 133, 9‐22. doi:10.1061/(ASCE)0733‐9429(2007)133:1(9) 

Nichols, M.M. 1988. Consequences of dredging. In: Kjerfve, B. (Ed.), Hydrodynamics of Estuaries. CRC Press, 

Florida, 89–99. 

O'Connor, T.P.1999. A wider look at the risk of ocean disposal of dredged matter. Mar. Poll. Bull. 38, 760‐761. 

Okada, T., Larcombe, P., Mason, C. 2009. Estimating the spatial distribution of dredged material disposed of at 

sea using particle‐size distributions and metal concentrations. Mar. Poll. Bull. 58, 1164‐1177. 

doi:10.1016/j.marpolbul.2009.03.023 

Orpin, A.R., Ridd, P.V., Thomas, S., Anthony, K.R.N., Marshall, P., Oliver, J. 2004. Natural turbidity variability and 

weather forecasts in risk management of anthropogenic sediment discharge near sensitive environments. 

Mar. Poll. Bull. 49, 602‐612. doi:10.1016/j.marpolbul.2004.03.020 

OSPAR. 2008. Assessment of the environmental impact of dredging for navigational purposes, OSPAR 

Commission, Publication nr 366/2008, 17pp.  

PIANC. 2008. Minimising harbour siltation, Report No 102, 75pp. 

Siegel, H., Gerth, M. Heene, T., Ohde, T., Rüss, D., Kraft, H. 2009. Hydrography, currents and distribution of 

suspendedmatter during a dumping experiment in the western Baltic Sea at a site near Warnemünde. J. Mar. 

Syst. 75, 397‐408. doi:10.1016/j.jmarsys.2008.04.005 

Soulsby, R. 1997. Dynamics of marine sands. Thomas Telford Publications, London. 249pp. 

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. J. Mar. Syst. 48, 171‐189. 

doi:10.1016/j.jmarsys.2003.03.003 

Van Hoey, G., Hostens, K., Parmentier, K., Robbens, J., Bekaert, K., De Backer, A., Derweduwen, J., Devriese, L., 

Hillewaert, H., Hoffman, S., Pecceu, E., Vandendriessche, S., Wittoeck, J., 2009. Biological and chemical effects 

of the disposal of dredged material in the Belgian Part of the North Sea (period 2007‐2008). ILVO‐report, 

Oostende (Belgium), pp. 97.  

Van Maren, D.S., Winterwerp, J.C., Sas, M., Vanlede, J. 2009. The effect of dock length on harbour siltation. Cont. 

Shelf Res. 29, 1410‐1425.  doi:10.1016/j.csr.2009.03.003 

Verlaan, P.A.J., Spanhoff, R. 2000. Massive sedimentation events at the mouth of the Rotterdam waterway. J. 

Coast. Res. 16, 458‐469. 

Ware, S., Bolam, S.G., Rees, H.L. 2010. Impact and recovery associated with the deposition of capital dredging at 

UK disposal sites: Lessons for future licensing and monitoring. Mar. Poll. Bull. 60, 79‐90. 

doi:10.1016/j.marpolbul.2009.08.031 

Winterwerp, J.C., 2005. Reducing harbour siltation I: methodology. J. Waterw., Port, Coast. Ocean Engrg. 131, 

258–266. doi:10.1061/(ASCE)0733‐950X(2005)131:6(258) 

Wu, J., Liu, J.T., Shen, H., Zhang, S. 2006. Dispersion of disposed dredged slurry in the meso‐tidal Changjiang 

(Yangtze River) Estuary. Estuar. Coast. Shelf Sci. 70, 663‐672. doi:10.1016/j.ecss.2006.07.013 

11

Table 1: Tripod deployments at Blankenberge and the median and maximum significant wave height (Hs) during 

the measurement period. Period 6a corresponds with the field experiment. 

  Start (dd/mm/yyyy 

hh:mm) 

End ((dd/mm/yyyy 

hh:mm) 

Duration 

(days) 

Median (max) Hs 

(m) 

1  08/11/2006 14:30  15/12/2006 08:30  36.7  0.83 (2.76) 

2  18/12/2006 10:47  07/02/2007 13:17  50.1  0.79 (2.96) 

3  28/01/2008 15:38  24/02/2008 13:18  26.9  0.44 (2.82) 

4  06/03/2008 09:09  08/04/2008 15:29  33.7  0.76 (3.03) 

5  15/04/2008 08:58  05/06/2008 07:48  51.0  0.46 (1.69) 

6  04/05/2009 09:59  15/06/2009 11:49  41.9  0.57 (1.89) 

6a  05/05/2009 12:00  02/06/2009 07:00  27.8  0.55 (1.89) 

6b  09/06/2009 00:00  15/06/2009 11:49  7.5  0.42 (1.12) 

 

 

12

Table 2: Median (D50) and geometric mean SPM concentration (x*) in mg l‐1 during the 6 deployments (table 1) 

together with the Χ² test probability (p) compared with a lognormal distribution and the multiplicative standard 

deviation (s*). 1‐5, 6b corresponds with all the data before and after the field experiment (6a). 

  0.2 mab  2 mab 

data  1  2  3  4  5  6a  6b  1‐5,6b 1  2  3  4  5  6a  6b  1‐5,6b

D50  341  288  199  321  280  672  345  281  137 143 116 150  106  150 158 131 

x*  340  308  183  290  258  612  319  279  144 149 105 150  102  150 135 128 

s*  2.9  3.0  2.4  3.0  2.7  2.6  2.2  2.9  2.3  2.3  2.5  2.5  2.4  2.3  2.3  2.4 

p  1.00  0.57  0.77  0.96  0.82  0.99  0.37  0.93  0.93 0.94 0.59 0.99  0.94  0.99 0.12 0.99 

 

Table 3: Median (D50) and geometric mean SPM concentration (x*) in mg l‐1 during the 6 deployments (see table 

1) and wave orbital velocities < 0.03 m/s. Also shown is the Χ² test probability (p) of the distributions compared 

with a lognormal one and the multiplicative standard deviation (s*). 1‐5, 6b corresponds with all the data before 

and after the field experiment (6a). 

  0.2 mab  2 mab 

data  1  2  3  4  5  6a  6b  1‐5,6b 1  2  3  4  5  6a  6b  1‐5,6b

  184  310  206  217  259  559  306  250  91  209 137 126  113  141 130 134 

x*  221  341  181  203  239  470  269  237  103 196 116 127  103  142 121 124 

s*  2.7  2.5  2.3  3.3  3.1  3.0  2.2  2.8  2.5  2.1  2.5  2.8  2.6  2.4  2.3  2.6 

p  0.02  1.00  0.49  0.59  0.84  0.99  0.38  0.95  0.18 0.66 0.32 0.83  0.70  0.99 0.11 0.86 

 

Table 4: Median (D50) and geometric mean SPM concentration (x*) in mg l‐1 during the 6 deployments (see table 

1) and wave orbital velocities > 0.3 m s‐1. Also shown is the Χ² test probability (p) of the distributions compared 

with a lognormal one and the multiplicative standard deviation (s*). 1‐5, 6b corresponds with all the data before 

and after the field experiment (6a). For period 5 and 6b, not enough data correspond with these wave conditions 

to give statistical meaningful values. 

  0.2 mab  2 mab 

data  1  2  3  4  5  6a  6b  1‐5,6b 1  2  3  4  5  6a  6b  1‐5,6b 

D50  763  197  98  303  ‐  595  ‐  244  178 117 57  167  ‐  177 ‐  130 

x*  609  237  115  288  ‐  651  ‐  270  197 114 61  162  ‐  169 ‐  129 

s*  2.5  2.6  2.2  2.5  ‐  2.1  ‐  2.8  2.0  1.8  2.0  2.1  ‐  2.2  ‐  2.1 

p  1.00  0.09  0.07  0.98  ‐  0.99  ‐  0.52  0.13 0.40 0.08 0.37  ‐  0.46 ‐  0.91 

 

13

Fig. 1: (Above) Map of the southern North Sea showing the yearly averaged surface SPM‐concentration (mg l‐1) in 

the southern North Sea, from MODIS images (2003‐2008); coordinates are in latitude (°N) and longitude (°E).. 

(Below) Detail of the Zeebrugge area showing the measurement station at Blankenberge, the wave 

measurement station at Bol van Heist, the location of the disposal site during the field experiment and the Albert 

II dock. The background consist of the bathymetry and of the dredging and disposal intensity of 2008 (in ton dry 

matter TDS).  

14

Fig. 2: Bathymetrical map of the 210 kHz echo soundings in the Albert II dock showing a relict (left) and an active dredging crater.  

15

Fig. 3: Tripod measurements of 8 November ‐ 15 December 2006 (measuring period 1). From up to down: depth 

below water surface (m) and significant wave heights; ADV altimetry; and SPM concentration at 0.2 mab (SPM1) 

and 2.2 mab (SPM2).  

16

 

Fig. 4: Tripod measurements of 15 April – 5 June 2008 (measuring period 5). From up to down: depth below 

water surface (m) and significant wave heights; ADV altimetry; and SPM concentration at 0.2 mab (SPM1) and 

2.2 mab (SPM2).  

17

 

Fig. 5: Tripod measurements of 4 May – 15 June (measuring period 6). The field experiment lasted from 5 May 

until 2 June. From up to down: depth below water surface (m) and significant wave heights; ADV altimetry; and 

SPM concentration at 0.2 mab (SPM1) and 2.2 mab (SPM2).  

 

 

 

 

 

18

 

Fig. 6: Probability density distribution of the SPM concentration data at 0.2 mab (left) and 2 mab (right) for 

periods 1, 5, 6a (during field experiment) and all data except those during the field experiment (1‐5 and 6b) and 

the corresponding log‐normal probability density functions and Χ² test probability p  (periods 2‐4 are not shown). 

The data are binned in classes of 50 mg l‐1, the dashed lines correspond to the median x* times/over the 

multiplicative standard deviation s*. 

 

19

 

 

Fig. 7: Cumulative probability distribution of SPM concentration measured at 0.2 mab and 2 mab. Shown are the 

distributions of the data not collected during the field experiment (1‐5, 6b) including standard deviation (thin 

black lines) and during the field experiment (6a).  

 

20

APPENDIX 7

SPM concentratieprofielen uit 13-uursmetingen te MOW1 en Kwintebank

9 2001/06 A MOW1

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (1.2h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (2.2h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (3.2h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (4.2h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (5.2h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 6 (6.2h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (7.2h after start) Profile 8 (8.2h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 9 (9.2h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 10 (10.2h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 11 (11.2h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 12 (12.2h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 13 (13.2h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

21 2002/27 B MOW1

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (0.5h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (1.5h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (2.5h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (3.5h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (4.5h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 6 (5.5h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (6.5h after start) Profile 8 (7.5h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 9 (8.5h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 10 (9.5h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 11 (10.5h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 12 (11.5h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 13 (12.9h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

22 2003/04 A MOW1

0

2

4

6

8

10

12

14

16

0 150 300 450 600 750

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (0.7h after start)

0

2

4

6

8

10

12

14

16

0 150 300 450 600 750

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (1.7h after start)

0

2

4

6

8

10

12

14

16

0 150 300 450 600 750

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (2.6h after start)

0

2

4

6

8

10

12

14

16

0 150 300 450 600 750

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (3.6h after start)

0

2

4

6

8

10

12

14

16

0 150 300 450 600 750

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (4.7h after start)

0

2

4

6

8

10

12

14

16

0 150 300 450 600 750

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 6 (5.7h after start)

0

2

4

6

8

10

12

14

16

0 150 300 450 600 750

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (6.6h after start)

0

2

4

6

8

10

12

14

16

0 150 300 450 600 750

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 8 (7.6h after start)

0

2

4

6

8

10

12

14

16

0 150 300 450 600 750

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 9 (9.6h after start)

0

2

4

6

8

10

12

14

16

0 150 300 450 600 750

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 10 (10.6h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

24 2003/15 Kwintebank

0

2

4

6

8

10

12

14

16

18

20

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (0.6h after start)

0

2

4

6

8

10

12

14

16

18

20

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (1.6h after start)

0

2

4

6

8

10

12

14

16

18

20

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (2.6h after start)

0

2

4

6

8

10

12

14

16

18

20

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (3.6h after start)

0

2

4

6

8

10

12

14

16

18

20

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (4.6h after start)

0

2

4

6

8

10

12

14

16

18

20

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 6 (5.6h after start)

0

2

4

6

8

10

12

14

16

18

20

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (6.6h after start) Profile 8 (7.6h after start)

0

2

4

6

8

10

12

14

16

18

20

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

0

2

4

6

8

10

12

14

16

18

20

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 9 (8.6h after start)

0

2

4

6

8

10

12

14

16

18

20

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 10 (9.6h after start)

0

2

4

6

8

10

12

14

16

18

20

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 11 (10.6h after start)

0

2

4

6

8

10

12

14

16

18

20

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 12 (11.7h after start)

0

2

4

6

8

10

12

14

16

18

20

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 13 (12.6h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

25 2003/17 Kwintebank

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (0.5h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (1.5h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (2.5h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (3.5h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (4.5h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 6 (5.5h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (6.5h after start) Profile 8 (7.4h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 9 (8.4h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 10 (9.5h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 11 (10.5h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 12 (11.5h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 13 (12.4h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

26 2003/22 MOW1

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (1.0h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (2.0h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (3.0h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (4.0h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (5.0h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 6 (6.0h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (7.0h after start) Profile 8 (8.0h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 9 (9.0h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 10 (10.0h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 11 (11.0h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 12 (12.0h after start)

0

2

4

6

8

10

12

14

16

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 13 (13.0h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

27 2003/25 Kwintebank

0

2

4

6

8

10

12

14

16

18

20

0 20 40 60 80 100

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (0.7h after start)

0

2

4

6

8

10

12

14

16

18

20

0 20 40 60 80 100

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (1.7h after start)

0

2

4

6

8

10

12

14

16

18

20

0 20 40 60 80 100

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (2.7h after start)

0

2

4

6

8

10

12

14

16

18

20

0 20 40 60 80 100

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (3.7h after start)

0

2

4

6

8

10

12

14

16

18

20

0 20 40 60 80 100

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (4.7h after start)

0

2

4

6

8

10

12

14

16

18

20

0 20 40 60 80 100

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 6 (5.7h after start)

0

2

4

6

8

10

12

14

16

18

20

0 20 40 60 80 100

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (6.7h after start) Profile 8 (7.7h after start)

0

2

4

6

8

10

12

14

16

18

20

0 20 40 60 80 100

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

0

2

4

6

8

10

12

14

16

18

20

0 20 40 60 80 100

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 9 (8.7h after start)

0

2

4

6

8

10

12

14

16

18

20

0 20 40 60 80 100

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 10 (9.7h after start)

0

2

4

6

8

10

12

14

16

18

20

0 20 40 60 80 100

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 11 (10.7h after start)

0

2

4

6

8

10

12

14

16

18

20

0 20 40 60 80 100

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 12 (11.7h after start)

0

2

4

6

8

10

12

14

16

18

20

0 20 40 60 80 100

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 13 (12.7h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

28 2004/04 Kwintebank

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (1.3h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (2.3h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (3.3h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (4.3h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (5.3h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 6 (6.3h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (7.3h after start) Profile 8 (8.3h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 9 (9.3h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 10 (10.3h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 11 (11.3h after start)

0

2

4

6

8

10

12

14

16

18

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 12 (12.3h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

29 2004/05 Kwintebank

0

2

4

6

8

10

12

14

16

18

20

22

0 25 50 75 100 125 150

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (1.0h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 25 50 75 100 125 150

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (2.0h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 25 50 75 100 125 150

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (3.0h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 25 50 75 100 125 150

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (4.0h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 25 50 75 100 125 150

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (5.0h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 25 50 75 100 125 150

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 6 (6.0h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 25 50 75 100 125 150

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (7.0h after start) Profile 8 (8.0h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 25 50 75 100 125 150

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

0

2

4

6

8

10

12

14

16

18

20

22

0 25 50 75 100 125 150

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 9 (9.0h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 25 50 75 100 125 150

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 10 (11.0h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 25 50 75 100 125 150

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 11 (11.0h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 25 50 75 100 125 150

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 12 (12.0h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

32 2004/24 MOW1

0

2

4

6

8

10

12

14

0 250 500 750 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (0.7h after start)

0

2

4

6

8

10

12

14

0 250 500 750 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (1.7h after start)

0

2

4

6

8

10

12

14

0 250 500 750 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (2.7h after start)

0

2

4

6

8

10

12

14

0 250 500 750 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (3.7h after start)

0

2

4

6

8

10

12

14

0 250 500 750 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (4.7h after start)

0

2

4

6

8

10

12

14

0 250 500 750 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 6 (5.7h after start)

0

2

4

6

8

10

12

14

0 250 500 750 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (6.7h after start) Profile 8 (7.7h after start)

0

2

4

6

8

10

12

14

0 250 500 750 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

0

2

4

6

8

10

12

14

0 250 500 750 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 9 (8.7h after start)

0

2

4

6

8

10

12

14

0 250 500 750 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 10 (9.7h after start)

0

2

4

6

8

10

12

14

0 250 500 750 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 11 (10.7h after start)

0

2

4

6

8

10

12

14

0 250 500 750 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 12 (11.7h after start)

0

2

4

6

8

10

12

14

0 250 500 750 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 13 (12.7h after start)

0

2

4

6

8

10

12

14

0 250 500 750 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 14 (13.3h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

33 2004/25 A MOW1

0

2

4

6

8

10

12

0 50 100 150 200 250 300

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (0.8h after start)

0

2

4

6

8

10

12

0 50 100 150 200 250 300

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (1.8h after start)

0

2

4

6

8

10

12

0 50 100 150 200 250 300

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (2.8h after start)

0

2

4

6

8

10

12

0 50 100 150 200 250 300

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (3.8h after start)

0

2

4

6

8

10

12

0 50 100 150 200 250 300

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (4.8h after start)

0

2

4

6

8

10

12

0 50 100 150 200 250 300

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 6 (5.8h after start)

0

2

4

6

8

10

12

0 50 100 150 200 250 300

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (6.9h after start) Profile 8 (7.8h after start)

0

2

4

6

8

10

12

0 50 100 150 200 250 300

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

0

2

4

6

8

10

12

0 50 100 150 200 250 300

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 9 (8.8h after start)

0

2

4

6

8

10

12

0 50 100 150 200 250 300

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 10 (9.8h after start)

0

2

4

6

8

10

12

0 50 100 150 200 250 300

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 11 (10.8h after start)

0

2

4

6

8

10

12

0 50 100 150 200 250 300

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 12 (11.8h after start)

0

2

4

6

8

10

12

0 50 100 150 200 250 300

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 13 (12.8h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

35 2005/02 MOW1

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (1.1h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (2.0h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (3.0h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (4.0h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (5.0h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (7.0h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 8 (8.0h after start) Profile 9 (9.0h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 10 (11.1h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 11 (12.1h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 12 (13.1h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

36 2005/07 A MOW1

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (0.7h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (1.7h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (2.7h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (3.7h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (4.8h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 6 (5.7h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (6.7h after start) Profile 8 (7.7h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 9 (8.7h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 10 (9.7h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 11 (10.7h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 12 (11.7h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 13 (13.0h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

38 2005/15 A Kwintebank

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (0.7h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (1.8h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (2.8h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (3.7h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (4.7h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 6 (5.7h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (6.8h after start) Profile 8 (7.8h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 9 (8.7h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 10 (9.1h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 11 (10.7h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 12 (11.8h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

39 2005/15 B MOW1

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (0.8h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (1.8h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (2.8h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (3.8h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (4.8h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 6 (5.8h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (6.8h after start) Profile 8 (7.8h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 9 (8.8h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 10 (9.8h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 11 (10.8h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 12 (11.8h after start)

0

2

4

6

8

10

12

14

16

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 13 (12.9h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

40 2005/29 MOW1

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (0.1h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (1.2h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (2.0h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (3.1h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (4.1h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 6 (5.1h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (6.1h after start) Profile 8 (7.1h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 9 (8.1h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 10 (9.1h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 11 (10.1h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 12 (11.1h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 13 (12.0h after start)

0

2

4

6

8

10

12

14

0 100 200 300 400 500 600

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 14 (13.0h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

41 2006/06 MOW1

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (0.7h after start)

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (2.7h after start)

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (3.7h after start)

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (4.0h after start)

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (7.7h after start)

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 6 (8.1h after start)

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (9.7h after start)

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 8 (10.7h after start)

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 9 (11.7h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

42 2006/10 A MOW1

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (0.7h after start)

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (1.7h after start)

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (2.8h after start)

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (3.7h after start)

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (4.8h after start)

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 6 (5.8h after start)

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (6.8h after start) Profile 8 (7.7h after start)

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 9 (10.7h after start)

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 10 (11.8h after start)

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 11 (12.7h after start)

0

2

4

6

8

10

12

14

0 200 400 600 800 1000

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 12 (13.2h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

45 2007/11 A Kwintebank

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)Profile 1 (0.1h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

Profile 2 (1.0h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

Profile 3 (2.5h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

Profile 4 (3.5h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

Profile 5 (4.4h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

Profile 6 (5.4h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

Profile 7 (6.4h after start) Profile 8 (7.5h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

Profile 9 (8.4h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

Profile 10 (9.5h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

Profile 11 (10.5h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

Profile 12 (11.5h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

Profile 13 (12.4h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

46 2007/11 B MOW1

0

2

4

6

8

10

12

14

0 50 100 150 200

Dep

th a

bove

bot

tom

(m

)Profile 1 (1.5h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200

Dep

th a

bove

bot

tom

(m

)

Profile 2 (2.5h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200

Dep

th a

bove

bot

tom

(m

)

Profile 3 (3.4h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200

Dep

th a

bove

bot

tom

(m

)

Profile 4 (4.4h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200

Dep

th a

bove

bot

tom

(m

)

Profile 5 (5.4h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200

Dep

th a

bove

bot

tom

(m

)

Profile 6 (6.4h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200

Dep

th a

bove

bot

tom

(m

)

Profile 7 (7.4h after start) Profile 8 (8.4h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200

Dep

th a

bove

bot

tom

(m

)

0

2

4

6

8

10

12

14

0 50 100 150 200

Dep

th a

bove

bot

tom

(m

)

Profile 9 (9.4h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200

Dep

th a

bove

bot

tom

(m

)

Profile 10 (10.4h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200

Dep

th a

bove

bot

tom

(m

)

Profile 11 (11.2h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200

Dep

th a

bove

bot

tom

(m

)

Profile 12 (12.4h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200

Dep

th a

bove

bot

tom

(m

)

Profile 13 (13.3h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

47 2007/16 MOW1

0

2

4

6

8

10

12

14

0 50 100 150

Dep

th a

bove

bot

tom

(m

)Profile 1 (0.6h after start)

0

2

4

6

8

10

12

14

0 50 100 150

Dep

th a

bove

bot

tom

(m

)

Profile 2 (1.5h after start)

0

2

4

6

8

10

12

14

0 50 100 150

Dep

th a

bove

bot

tom

(m

)

Profile 3 (2.6h after start)

0

2

4

6

8

10

12

14

0 50 100 150

Dep

th a

bove

bot

tom

(m

)

Profile 4 (3.5h after start)

0

2

4

6

8

10

12

14

0 50 100 150

Dep

th a

bove

bot

tom

(m

)

Profile 5 (4.6h after start)

0

2

4

6

8

10

12

14

0 50 100 150

Dep

th a

bove

bot

tom

(m

)

Profile 6 (5.5h after start)

0

2

4

6

8

10

12

14

0 50 100 150

Dep

th a

bove

bot

tom

(m

)

Profile 7 (6.5h after start) Profile 8 (7.5h after start)

0

2

4

6

8

10

12

14

0 50 100 150

Dep

th a

bove

bot

tom

(m

)

0

2

4

6

8

10

12

14

0 50 100 150

Dep

th a

bove

bot

tom

(m

)

Profile 9 (8.6h after start)

0

2

4

6

8

10

12

14

0 50 100 150

Dep

th a

bove

bot

tom

(m

)

Profile 10 (9.5h after start)

0

2

4

6

8

10

12

14

0 50 100 150

Dep

th a

bove

bot

tom

(m

)

Profile 11 (10.5h after start)

0

2

4

6

8

10

12

14

0 50 100 150

Dep

th a

bove

bot

tom

(m

)

Profile 12 (11.5h after start)

0

2

4

6

8

10

12

14

0 50 100 150

Dep

th a

bove

bot

tom

(m

)

Profile 13 (12.5h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

49 2007/25 B MOW1

0

2

4

6

8

10

12

14

0 50 100 150 200 250 300 350 400 450 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (0.5h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250 300 350 400 450 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (1.5h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250 300 350 400 450 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (2.5h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250 300 350 400 450 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (3.5h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250 300 350 400 450 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (4.5h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250 300 350 400 450 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 6 (5.5h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250 300 350 400 450 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (6.6h after start) Profile 8 (7.5h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250 300 350 400 450 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

0

2

4

6

8

10

12

14

0 50 100 150 200 250 300 350 400 450 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 9 (8.5h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250 300 350 400 450 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 10 (9.5h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250 300 350 400 450 500

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 11 (10.6h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

50 2008/02 A MOW1

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (3.1h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (2.1h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (4.1h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (5.1h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (6.0h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 6 (7.0h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (8.0h after start) Profile 8 (10.0h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 9 (11.1h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 10 (12.0h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 11 (13.0h after start)

0

2

4

6

8

10

12

14

0 50 100 150 200 250

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 12 (14.0h after start)

Above: Measurements averaged over 0.5 m depth cells and the log-fitted profiles. Left: distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

51 2008/02 B Kwintebank

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 1 (1.2h after start)

avg data (0.5m)log-profile

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 2 (2.2h after start)

avg data (0.5m)log-profile

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 3 (3.2h after start)

avg data (0.5m)log-profile

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 4 (4.2h after start)

avg data (0.5m)log-profile

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 5 (5.2h after start)

avg data (0.5m)log-profile

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 6 (6.2h after start)

avg data (0.5m)log-profile

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 7 (7.2h after start)

avg data (0.5m)log-profile

Profile 8 (8.2h after start)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

avg data (0.5m)log-profile

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 9 (9.2h after start)

avg data (0.5m)log-profile

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 10 (10.2h after start)

avg data (0.5m)log-profile

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 11 (11.2h after start)

avg data (0.5m)log-profile

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 12 (12.2h after start)

avg data (0.5m)log-profile

0

2

4

6

8

10

12

14

16

18

20

22

0 10 20 30 40 50

Dep

th a

bove

bot

tom

(m

)

SPM concentration (mg/l)

Profile 13 (13.2h after start)

avg data (0.5m)log-profile

Above: Measurements averaged over 0.5 m depth cells and log-fitted profiles. Left: Distribution from fitted profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

APPENDIX 8

Saliniteits- en temperatuursprofielen

9 2001/06 A MOW1

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

21 2002/27 B MOW1

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

22 2003/04 A MOW1

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

24 2003/15 Kwintebank

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

25 2003/17 Kwintebank

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

26 2003/22 MOW1

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

27 2003/25 Kwintebank

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

28 2004/04 Kwintebank

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

29 2004/05 Kwintebank

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

32 2004/24 MOW1

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

33 2004/25 A MOW1

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

35 2005/02 MOW1

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

36 2005/07 A MOW1

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

38 2005/15 A Kwintebank

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

39 2005/15 B MOW1

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

40 2005/29 MOW1

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

41 2006/06 MOW1

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

42 2006/10 A MOW1

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

45 2007/11 A Kwintebank

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

46 2007/11 B MOW1

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

47 2007/16 MOW1

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

49 2007/25 B MOW1

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

50 2008/02 A MOW1

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).

51 2008/02 B Kwintebank

Salinity and temperature profiles as a function of time (x-axis in hours) and depth (y-axis depth above bottom in m).