Ontwerp Meetnet Biodiversiteit...

Ontwerp Meetnet Biodiversiteit Rijkswaterstaat

wegbermen en dijken

Geerten M. Hengeveld, Dennis te Beest, Nienke Hartemink

Wageningen University & Research

Dit onderzoek is in opdracht van Rijkswaterstaat uitgevoerd door de Stichting Wageningen Research (WR),

Biometris

WR is een onderdeel van Wageningen University & Research, samenwerkingsverband tussen Wageningen

University en de Stichting Wageningen Research.

Wageningen, december 2018

Rapport WPR-43.12.18

Hengeveld, G.M., D. te Beest, N. Hartemink, 2018. Ontwerp Meetnet Biodiversiteit Rijkswaterstaat;

wegbermen en dijken. Wageningen Research, Rapport WPR-43.12.18. 38 blz.; 3 fig.; 4 tab.; 11 ref.

Samenvatting Rijkswaterstaat (RWS) heeft behoefte aan het verhogen van de biodiversiteit op haar

assets. Dit rapport onderzoekt het ontwerp van een meetnet om te meten of de biodiversiteit op de

assets van RWS veranderd. Hierbij is uitgegaan van de gemiddelde lokale (α) diversiteit als definitie

van de biodiversiteit. In eerdere en parallel lopende onderzoeken is een aantal indicatoren

geïdentificeerd waarmee de biodiversiteit waar RWS zich op richt gemeten kan worden.

Binnen de beschikbare data geven deze indicatoren grote verschillen ten aanzien van de meetbaarheid

van verschillen, uitgedrukt in het aantal steekproefpunten dat nodig is om een verschil van 15%

significant afwijkend te kunnen noemen. Binnen de assets langs het Hoofd Wegen Net (HWN) varieert

dit aantal van 40 voor de minst variabele indicator tot 10000 voor de meest variabele indicator. Hierbij

kan de beperkte variatie in de minst variabele indicator een gevolg kan zijn van de zeer beperkte

ruimtelijke spreiding van de betreffende set meetgegevens.

Bij het bepalen van de steekproefgrootte is gekeken naar de mogelijkheid van gepaarde toetsen en

ongepaarde toetsen. Daarnaast is onderzocht of stratificatie volgens de fysisch geografische regio’s

het aantal benodigde steekproefpunten naar beneden kan brengen. Uitgaande van de ruimtelijke

variatie tussen meetpunten als een schatter van de temporele variatie binnen een punt, kan gepaard

toetsen het aantal benodigde steekproefpunten met een derde tot de helft reduceren.

Door beperkte beschikbaarheid van data binnen de looptijd van het project is het niet mogelijk

gebleken om steekproefpunten ruimtelijk toe te wijzen en om berekeningen te doen voor de assets

langs het Hoofd Vaarwegen Net (HVWN).

Afsluitend bevat dit rapport een aantal aanbevelingen voor het opbouwen van een referentiedataset

op basis van het meetnet bermflora. De dichtheid van dit meetnet lijkt voldoende om voor de meeste

van de indicatoren de ontwikkeling in biodiversiteit te kunnen volgen.

Trefwoorden: Biodiversiteit, steekproefgrootte, meetnet

© 2018 Wageningen, Stichting Wageningen Research, Wageningen Plant Research, Business unit

Biometris, Postbus 16, 6700 AA Wageningen; T 0317 48 07 00; www.wur.nl/plant-research

KvK: 09098104 te Arnhem

VAT NL no. 8113.83.696.B07

Stichting Wageningen Research. Alle rechten voorbehouden. Niets uit deze uitgave mag worden

verveelvoudigd, opgeslagen in een geautomatiseerd gegevensbestand, of openbaar gemaakt, in enige

vorm of op enige wijze, hetzij elektronisch, mechanisch, door fotokopieën, opnamen of enige andere

manier zonder voorafgaande schriftelijke toestemming van Stichting Wageningen Research.

Stichting Wageningen Research is niet aansprakelijk voor eventuele schadelijke gevolgen die kunnen

ontstaan bij gebruik van gegevens uit deze uitgave.


http://www.wur.nl/plant-research

Inhoud

Samenvatting 5

1 Inleiding 7

2 Het waarnemen van veranderingen 9

3 Achtergrondgegevens 11

3.1 Randvoorwaarden 11 3.2 Biodiversiteitsgegevens 11 3.3 Gebruikte maten voor biodiversiteit 12 3.4 GIS bestanden 13

4 Steekproefgrootte 15

4.1 Aanpak 15 4.2 Methode 16 4.3 Resultaat 17

5 Rapportage 19

6 Conclusies en overwegingen 20

6.1 Vooruitblik 21 6.2 Overwegingen 22

Literatuur 23

Bijlage 1 Visuele beoordeling van de data 24

Bijlage 2 Statistische beschrijving van de gebruikte data en

steekproefgrootte voor toetsen zonder stratificatie. 27

Bijlage 3 Statistisch beschrijving van de gebruikte data, per fysisch

geografische regio 29

Bijlage 4 Detailgegevens berekende steekproefgroottes 33

Rapport WPR-43.12.18 | 5

Samenvatting

Rijkswaterstaat (RWS) heeft behoefte aan het verhogen van de biodiversiteit op haar assets. Dit

rapport onderzoekt het ontwerp van een meetnet om te meten of de biodiversiteit op de assets van

RWS veranderd. Hierbij is uitgegaan van de gemiddelde lokale (α) diversiteit als definitie van de

biodiversiteit. In eerdere en parallel lopende onderzoeken is een aantal indicatoren geïdentificeerd

waarmee de biodiversiteit waar RWS zich op richt gemeten kan worden.

Binnen de beschikbare data geven deze indicatoren grote verschillen ten aanzien van de meetbaarheid

van verschillen, uitgedrukt in het aantal steekproefpunten dat nodig is om een verschil van 15%

significant afwijkend te kunnen noemen. Binnen de assets langs het Hoofd Wegen Net (HWN) varieert

dit aantal van 40 voor de minst variabele indicator tot 10000 voor de meest variabele indicator. Hierbij

kan de beperkte variatie in de minst variabele indicator een gevolg kan zijn van de zeer beperkte

ruimtelijke spreiding van de betreffende set meetgegevens.

Bij het bepalen van de steekproefgrootte is gekeken naar de mogelijkheid van gepaarde toetsen en

ongepaarde toetsen. Daarnaast is onderzocht of stratificatie volgens de fysisch geografische regio’s

het aantal benodigde steekproefpunten naar beneden kan brengen. Uitgaande van de ruimtelijke

variatie tussen meetpunten als een schatter van de temporele variatie binnen een punt, kan gepaard

toetsen het aantal benodigde steekproefpunten met een derde tot de helft reduceren.

Door beperkte beschikbaarheid van data binnen de looptijd van het project is het niet mogelijk

gebleken om steekproefpunten ruimtelijk toe te wijzen en om berekeningen te doen voor de assets

langs het Hoofd Vaarwegen Net (HVWN).

Afsluitend bevat dit rapport een aantal aanbevelingen voor het opbouwen van een referentiedataset

op basis van het meetnet bermflora. De dichtheid van dit meetnet lijkt voldoende om voor de meeste

van de indicatoren de ontwikkeling in biodiversiteit te kunnen volgen.

6 | Rapport WPR-43.12.18


1 Inleiding

Naar aanleiding van de maatregel “Inzetten assets voor biodiversiteit” is er een streven

naar een “no nett loss” en een toename van 15% van de biodiversiteit in het RWS

areaal ten opzichte van het jaar 2010. Om te kunnen bepalen of dit streven gehaald

wordt is er behoefte aan kennis van de temporele ontwikkeling van de lokale

biodiversiteit (α-diversiteit) van flora en ongewervelde fauna op de droge RWS assets.

Hiervoor moet een meetnet worden ingericht. De onderwerpen die in dit rapport

worden behandeld zijn 1) het bepalen van het aantal meetpunten, 2) de ruimtelijke

verdeling daarvan over de RWS assets en 3) een kort advies over de presentatie van

resultaten op basis van dit meetnet.

Bij biodiversiteit wordt onderscheid gemaakt in α, β, en γ-diversiteit (Whittaker 1960).

De α-diversiteit is de lokale biodiversiteit (op één plek), de γ-diversiteit is de totale

biodiversiteit over een groter gebied of een landschap. De β-diversiteit, of turnover,

geeft de variatie in biodiversiteit aan tussen locaties die het landschap maken. In de

vraag van RWS wordt uitgegaan van de ontwikkeling van de gemiddelde α-diversiteit

binnen de assets van RWS. De gemiddelde α-diversiteit wordt middels een steekproef

geschat. De voorliggende vraag is gericht op het ontwerp van een meetnet zodat de

ontwikkeling in dit gemiddelde met de gewenste nauwkeurigheid kan worden gevolgd.

Biodiversiteit kan worden uitgedrukt in veel verschillende maten (Lamb et al. 2009).

Elk van deze maten legt nadruk op andere aspecten van biodiversiteit; aantal soorten,

zeldzame soorten, gewenste soorten, groepen van soorten etc.. Omdat RWS nog geen

keuze heeft gemaakt over de maat of maten voor biodiversiteit de gebruikt zal/zullen

worden, is een aantal verschillende maten – met uiteenlopende eigenschappen -

meegenomen in dit advies (cf. Buckland et al. 2005, Santini et al. 2017).

Bij het beoordelen van verandering over de tijd kan op twee tijdstippen een

willekeurige steekproef genomen worden uit een populatie, vergelijking van het

gemiddelde van deze steekproeven kan gedaan worden met een ongepaarde toets. Als

gebruik gemaakt wordt van herhaalde observaties op dezelfde locaties kan een toets

voor gepaarde waarnemingen gebruikt worden.

De vraag over het opzetten van een meetnet is gericht op de assets van RWS verdeeld

over twee netwerken: het Hoofd Wegen Net (HWN) en het Hoofd Vaarwegen Net

(HVWN). Daarnaast is het de bedoeling om per RWS Dienst (MN, NN, ON, WNN, WNZ,

ZD, ZN) uitspraken te kunnen doen over de ontwikkeling van de biodiversiteit.


Elke combinatie van een Netwerk en een Dienst is in de huidige context een

rapportage-eenheid; de eenheid waarop een toets kan worden uitgevoerd. Omdat een

eenduidig GIS bestand voor het HWVN ontbreekt, is dat netwerk in de berekeningen

buiten beschouwing gelaten.

Voor bermflora langs rijkswegen is in 1999 een meetnet opgezet door RWS om de

effecten van beheer op de ontwikkeling van bermvegetaties te kunnen monitoren. Dit

meetnet bestond uit 1600 permanente quadraten (PQ’s), waarvan er nu nog ongeveer

1400 gemonitord worden (de overige PQ’s zijn verdwenen door werkzaamheden en

overdracht van wegen naar de Provincies). Binnen elk PQ wordt eens per vier jaar de

bedekking en presentie van soorten gemeten (de Goede, 1999, Boddeke, Japink,

Boonman, & Reitsma, 2016). Zo mogelijk wordt in dit advies aangesloten op het

bestaande meetnet.


2 Het waarnemen van veranderingen

Om te bepalen of verschillende gemiddelden van waargenomen waarden ook

verschillen in de onderliggende populatie reflecteren, maken we gebruik van

statistische toetsen. Hiermee toetsen we de nulhypothese – dat de populaties niet

verschillen - met een bepaalde onbetrouwbaarheidsdrempel. Over het algemeen wordt

5% als de drempelkans gebruikt; als de kans (ook wel p-waarde genoemd) onder de

5% ligt, trekken we de conclusie dat er een verschil is tussen twee populaties1.

De kans op het verwerpen van de nulhypothese wordt beïnvloed door

1. het aantal waarnemingen uit beide populaties – de steekproefgrootte,

2. de variatie binnen de populaties,

3. het echte verschil tussen de populaties,

4. de onbetrouwbaarheidsdrempel

5. de toets die gebruikt kan worden.

In deze studie berekenen we het benodigde aantal steekproefpunten om een bepaald

verschil als significant verschillend te zien. Deze berekende steekproefgrootte is een

richtlijn.

Gepaarde toets

Bij het beoordelen van verandering over de tijd, zoals in de voorliggende studie, kan

gebruik gemaakt worden van herhaalde observaties op dezelfde locaties. De

verandering op die locaties wordt dan getoetst met behulp van een toets voor

gepaarde waarnemingen. In vergelijking met een ongepaarde toets heeft een gepaarde

toets in het algemeen minder waarnemingen nodig om hetzelfde verschil met dezelfde

power als significant verschillend te zien. Voor het berekenen van de steekproefgrootte

voor een gepaarde toets, is wel een schatting van de temporele variatie nodig. Bij een

gepaarde toets valt de ruimtelijke variatie weg en kijken we alleen naar de variatie in

de tijd (e.g. de variatie van bepaalde PQ in de tijd). Omdat we binnen dit project voor

de variatie in de tijd geen schatting hebben, gebruiken we de variatie in de ruimte als

proxy voor de variatie in de tijd.

Parametrisch toetsen

Als de waarnemingen beschreven kunnen worden met een normale verdeling, kan een

parametrische toets gebruikt worden. Voorbeelden hiervan zijn de gepaarde en

ongepaarde t-toets. Als niet aan de voorwaarden voldaan wordt, kan een transformatie

van de data uitkomst bieden. In deze studie is voor rechts-scheve verdelingen een

1 Voor een uitgebreidere uitleg over statistisch toetsen en de onbetrouwbaarheidsdrempel zie wikipedia:

https://nl.wikipedia.org/wiki/Statistische_toets, en https://nl.wikipedia.org/wiki/P-waarde

https://nl.wikipedia.org/wiki/Statistische_toets


logaritmische transformatie uitgevoerd, mits dit de verdeling dichter bij de normale

verdeling brengt. Voor deze variabelen noemen we, naast het rekenkundig gemiddelde

en de standaard deviatie, tevens het geometrisch gemiddelde2 en de multiplicatieve

standaard deviatie (zie Limpert et al.2001). De Normale verdeling is symmetrisch en

hierdoor is de benodigde steekproefgrootte voor het detecteren van een bepaalde

verhoging of verlaging gelijk. De Lognormale verdeling daarentegen is niet

symmetrisch en hier zijn benodigde steekproefgroottes voor het detecteren van een

verhoging en verlaging niet aan elkaar gelijk. Het is belangrijk om te realiseren dat

(log)-normaliteit een aanname is. Als een distributie hiervan afwijkt verslechtert de

kwaliteit van de schatting van de benodigde steekproefgrootte. Er is in deze studie niet

gekeken naar non-parametrische toetsen.

Variatie en stratificatie

De variatie tussen observaties binnen een steekproef bepaalt voor een groot deel het

onderscheidend vermogen van de toets. Grotere variatie binnen de steekproef

betekent dat er meer waarnemingen nodig zijn om een verschil met een andere

steekproef aan te tonen. Een mogelijkheid om potentieel grote variatie binnen een

steekproef op te vangen is om de steekproef te stratificeren – op te delen in

deelgebieden. Hierdoor wordt bij de vergelijking tussen de steekproeven eerst rekening

gehouden met de verschillen tussen de deelgebieden (de strata) binnen elke

steekproef. Uitgangspunt hierbij is dat de variatie binnen een stratum kleiner is dan de

variatie tussen de strata. Gepaarde waarnemingen zoals eerder beschreven zou men

kunnen beschouwen als een gestratificeerde steekproef waarbij de locaties de strata

zijn.

2 https://nl.wikipedia.org/wiki/Meetkundig_gemiddelde


3 Achtergrondgegevens

3.1 Randvoorwaarden

Bij de berekening van het aantal meetpunten kan rekening worden gehouden met de

verschillende fysisch-geografische regio’s (FGR, Nationaalgeoregister 2015). Bij de

opzet van het meetnet bermflora (de Goede 1999) is naast de FGR ook rekening

gehouden met verschillende begroeiingstypen. Kaartmateriaal over de verdeling van

verschillende begroeiingstypen over de netwerken is echter niet beschikbaar. Daarom

wordt de steekproef enkel gestratificeerd naar FGR.

RWS heeft aangegeven een verschil (afname danwel toename) van 15% in

biodiversiteit te willen kunnen detecteren over een tijdspanne van ongeveer 4 jaar. In

dit rapport wordt gerekend met een power van 80% en een

onbetrouwbaarheidsdrempel van 5%. Dat wil zeggen dat, indien het werkelijke verschil

gelijk is aan 15%, er een kans van 80% is dat een tweezijdige toets bij 5% significant

is. Het benodigde aantal meetpunten onder deze restricties wordt voor elke

biodiversiteit indicator apart berekend.

3.2 Biodiversiteitsgegevens

Voor het doen van een poweranalyse is informatie over de variatie in de gebruikte

biodiversiteitsmaat nodig. Veel variatie impliceert dat veel meetpunten nodig zijn,

weinig variatie dat relatief weinig meetpunten voldoende power geven.

Op basis van het Meetnet Bermflora zijn verschillende indicatoren voor de biodiversiteit

berekend. De resultaten van dit meetnet voor de jaren 1999-2015 zijn geanalyseerd

door Bureau Waardenburg en gepubliceerd in Boddeke e.a. (2016). Deze resultaten

kunnen worden gebruikt om de variatie in biodiversiteitsindicatoren voor de flora te

bepalen. Door de landelijke dekking en het meetnet bermflora zijn voldoende

waarnemingen per FGR beschikbaar om per FGR een schatting van de variatie van de

betreffende biodiversiteitsmaten te maken. Voor deze studie waren slechts de

gegevens van de laatste inventarisatieronde van het meetnet beschikbaar. Hierdoor

kan de temporele variatie niet meegenomen worden in de analyse. Deze bron wordt in

de verdere analyse aangeduid als ‘bermnet’.

Voor ongewervelde fauna is er nog geen meetnet en daarom is in 2017 een pilot-studie

opgezet, waarbij op 120 proefvlakken in 5 locaties de flora en de ongewervelde fauna

is geïnventariseerd (Possen e.a., 2017). Deze locaties zijn het Amsterdam-Rijnkanaal


(kanaal), Huissen en Hurwenen (uiterwaarden) en Echteld en Voorthuizen

(snelwegbermen). In deze proefvlakken van 3 bij 3 meter is de flora geïnventariseerd

volgens de Braun-Blanquet methode (waarbij de Braun-Blanquet score is omgezet naar

een 1-9 schaal). Voor de fauna inventarisatie is gebruik gemaakt van verschillende

methodieken om te bepalen welke het meest geschikt is: zichttellingen (op 20 bij 20

m, rondom de floraplots of 10 bij 20/30 meter, al naar gelang de situatie ter plekke),

sleepnetmonsters (op 3 bij 3 meter net naast de flora-plots) en potvallen. Deze

dataset heeft een te kleine spreiding binnen de FGRs (alleen hogere zandgronden en

rivierengebied) om per FGR een schatting te maken van de variatie. Deze bron wordt

in de verdere analyse aangeduid als ‘Possen’.

In 2018 is een aanvullende studie gedaan (Possen et al, 2018) om een betere

schatting van flora en fauna indicatoren te kunnen maken. De meetpunten uit deze

studie zijn ruim verspreid over Nederland en zijn uitgezocht op hoge natuurwaarde. Uit

deze studie waren van 87 steekproefpunten de fauna indicatoren beschikbaar als

aanvulling op de gegevens uit de pilot studie van Possen uit 2017.

3.3 Gebruikte maten voor biodiversiteit

In bovengenoemde studies worden verschillende indices gebruikt. In overleg is

besloten ons primair te richten op de biodiversiteitsindicator die is beschreven in

Possen e.a. (2017). Om verwarring met andere biodiversiteitsindices te voorkomen

noemen we deze indicator hier de Possen index. De Possen index is een

gecombineerde biodiversiteitsindex. Deze index is de som van een floraindex (in dit

rapport de Possenindex Flora genoemd) en een faunaindex (de Possenindex Fauna).

Omdat verschillende maten voor biodiversiteit verschillende aspecten van biodiversiteit

meenemen en de verdeling van ruimtelijke variatie en temporele dynamiek zeer

kunnen verschillen, is een aantal aanvullende indices voor biodiversiteit meegenomen.

Deze indices richten zich op flora of fauna, maar niet op beide. Aangezien niet alle

indices voor flora bij elke bron op vergelijkbare wijze berekend blijkt te zijn, worden de

indices voor floradiversiteit per bron afzonderlijk behandeld.

De gebruikte indices zijn:

Flora & Fauna:

Possenindex

Flora:

Possenindex_Flora

Shannon index

Simpson index


Aantal soorten

Bloemrijkdom

Verruigingssoorten

Fauna:

Possenindex_Fauna

Rovers

Bioabundantie

Voor de achterliggende methodiek en berekening van deze indices verwijzen we naar

Possen et al. 2017, 2018 . Tabel 2 geeft een samenvatting van de gebruikte

waarnemingen. Figuur 1 geeft een overzicht van de frequentie verdeling van deze

indices binnen de fysisch geografische regio’s waar waarnemingen zijn gedaan.

3.4 GIS bestanden

Er is gebruik gemaakt van een drietal GIS bestanden ter ondersteuning van de

analyse. Voor de FGRs is gebruik gemaakt van het bestand Fysisch Geografische

Regio’s uit 2013 (nationaalgeoregister 2015).

Voor de RWS regio’s is gebruik gemaakt van de geoservices van Rijkswaterstaat

(RWSgeservice 2018).

Voor de relevante arealen uit het HWN is gebruik gemaakt van het door RWS

verstrekte bestand KernGIS_vGroen.shp. Uit dit bestand is middels een query een

selectie gemaakt van het areaal met kruidachtige vegetatie en beheer door RWS:

(Soort='200' OR Soort='201' OR Soort='202' OR Soort='204' OR

Soort='205' OR Soort='206' OR Soort='207' OR Soort='208' OR







Soort='2025') AND ("BEHEERDER" NOT LIKE 'GEM%' AND "BEHEERDER" <>

'OV' AND "BEHEERDER" NOT LIKE 'PROV%' AND "BEHEERDER" NOT LIKE

'WS%')

Middels een overlay in ArcGIS is het areaal kruidachtige vegetatie binnen het HWN per

FGR en RWS-dienst bepaald.

Voor het relevante areaal binnen het HVWN was geen eenduidig GIS bestand

beschikbaar. Ook zijn geen getallen beschikbaar voor de verdeling van het areaal

binnen HVWN over de RWS-diensten en FGRs.


4 Steekproefgrootte

4.1 Aanpak

Uit de beschrijving van de beschikbare gegevens blijkt dat er geen informatie is over

de temporele variatie van de indices. Van de ruimtelijke variatie van de indices kan op

basis van de verschillende studies een schatting gemaakt worden (Bijlage 1). Voor een

aantal van de flora indices – gebaseerd op het bermnet - is de variatie ook te bepalen

voor de verschillende FGRs (Figuur 1).

Om tot een inschatting van de benodigde steekproefgrootte te komen om een

verandering van 15% in de indexwaarde als significant vast te kunnen stellen, is op

drie manieren een berekening gedaan.

1. De benodigde steekproefgrootte is berekend op basis van een ongepaarde t-

toets, zonder stratificatie. Bij deze toets wordt ervan uitgegaan dat de

meetronden onafhankelijk van elkaar zijn. Opeenvolgende jaren kunnen met

deze toets met elkaar vergeleken worden.

2. Voor een aantal indices met een groot aantal waarneming in de verschillende

FGRs is de benodigde steekproefgrootte berekend op basis van een regressie,

die geïnterpreteerd kan worden als een ongepaarde t-toets, met stratificatie. Bij

deze toets wordt ervan uitgegaan dat de meetronden onafhankelijk van elkaar

zijn en dat de variatie binnen de FGRs homogener is dan tussen de FGRs. De

berekende steekproefgrootte is afhankelijk van de oppervlakteverhouding van

de FGRs in de RWS regios. Opeenvolgende jaren kunnen met deze toets met

elkaar vergeleken worden.

3. De benodigde steekproefgrootte is berekend op basis van een gepaarde t-toets,

zonder stratificatie. Bij deze toets wordt ervan uitgegaan dat de metingen op

dezelfde locatie plaatsvinden. Doordat expliciet gekeken wordt naar de

verandering op de meetpunten, zijn minder meetpunten nodig. Voor deze

berekening is een schatting van de temporele variatie van de indices nodig.

Omdat deze ontbreekt is de ruimtelijke variatie gebruikt als schatting van de

temporele variatie. Per index zal deze aanname een overschatting of een

onderschatting kunnen zijn van de werkelijke temporele variatie. Met deze toets

worden metingen op dezelfde locaties vergeleken.

De berekende steekproefgroottes zijn in principe per rapportage-eenheid (combinatie

RWS-regio en Netwerk). Ter vergelijking met het meetnet bermflora is ook de totale

meetinspanning voor het HWN berekend.


4.2 Methode

Voor de eerste berekening, waarin geen rekening gehouden wordt met de stratificatie

naar FGR, wordt de steekproefgrootte berekend die voor elke rapportage-eenheid

geldig is. Bij getransformeerde indices is de steekproefgrootte om een afname van

15% waar te nemen anders dan die om een toename waar te nemen (Tabel 1).

In de tweede berekening wordt rekening gehouden met de verschillen tussen FGRs.

Zoals in Figuur 1 te zien is, is de variatie van de indices niet hetzelfde in de

verschillende FGRs. Hierbij is ervan uitgegaan dat de schatting van de variantie binnen

een FGR geldig is voor alle rapportage-eenheden, dus de biodiversiteit op zeeklei bij

Zee en Delta heeft dezelfde variatie als de biodiversiteit op zeeklei in Noord-Nederland.

Het benodigd aantal steekproefpunten verschilt per rapportage-eenheid omdat de

verhouding van de oppervlakte van de FGRs per rapportage-eenheid verschilt. Deze

berekeningen zijn uitgevoerd voor een selectie van de floraindices uit de bermnet-

Figuur 1 Vioolplots met boxplots van de verdeling van de indices binnen de fysisch

geografische regio’s. De buitenste lijn van de vioolplot geeft de dichtheidsverdeling van de waarnemingen aan. De boxplot geeft de mediaan en de kwantielen van de verdeling van de index.


meetgegevens: de Possenindex_flora, de Shannonindex, de Simpsonindex en het

aantal soorten.

In de derde berekening wordt de aanname gedaan dat de ruimtelijke variatie van de

indices een maat is voor de temporele variatie. In deze berekening is geen stratificatie

toegepast. Voor de t-toets zijn de berekeningen uitgevoerd met R package pwr. Voor

het regressie model zijn de schattingen gedaan met een data simulatie.

4.3 Resultaat

Het benodigd aantal steekproefpunten voor het HWN op nationale schaal is gegeven in

Tabel 1, meer gedetailleerde resultaten, met steekproefgrootte per rapportage-eenheid

en per stratum zijn te vinden in Bijlage 2 en Bijlage 4. In Tabel 1 zijn voor de

ongestratifceerde berekeningen de steekproefgroottes per rapportage eenheid

vermenigvuldigd met het aantal eenheden binnen het HWN (7 RWS regio’s). Voor de

gestratificeerde berekeningen is het aantal eenheden per RWS-regio over de regio’s bij

elkaar opgeteld.

Tabel 1 Berekende steekproefgroottes voor het HWN per index, zowel voor een niet gestratificeerde

ongepaarde toets, gestratificeerde ongepaarde toets en voor niet gestratificeerde gepaarde toets. Voor log-

getransformeerde indices is een steekproefgrootte gegeven voor waarnemen van respectievelijk afname en

toename van de index. Transformatie is toegepast op de Possen index, Possen index flora, Simpson index flora,

het aantal soorten flora, de bloemrijkdom flora, en de bioabundantie fauna.

INDEX STEEKPROEF

ONGEPAARD

NIET GESTRATIFICEERD

HWN

STEEKPROEF

ONGEPAARD

GESTRATIFICEERD

HWN

STEEKPROEF

GEPAARD

NIET GESTRATIFICEERD

HWN

POSSENINDEX POSSEN 63|84c)

42|56c)

POSSENINDEX_FLORA POSSEN 77|105 c)

49|63c)

POSSENINDEX_FLORA

BERMNET

581|784c) 339|446c) 301|406c)

POSSENINDEX_FAUNA 280

147

SHANNON_FLORA POSSEN 931

476

SHANNON_FLORA BERMNET 392 361 210

SIMPSON_FLORA POSSEN 1862|2513c)

938|1267c)

SIMPSON_FLORA BERMNET 217 208 119

ROVERS_FAUNA 434

224

AANTALSOORTEN_FLORA

POSSEN

1288|1736c)

651|875c)

AANTALSOORTEN_FLORA

BERMNET

889 803 455

BLOEMRIJKDOM_FLORA

POSSEN

2023

1022

BLOEMRIJKDOM_FLORA

BERMNET

7126|9639c)

3577|4830c)

VERRUIGINGSSOORTEN_FLORA

POSSEN

1771

896

VERRUIGINGSSOORTEN_FLORA

BERMNET

3941

1981


BIOABUNDANTIE_FAUNA 2506|3381c)

1260|1701c)

c) steekproefgrootte benodigd voor detecteren afname/toename

In deze tabel is duidelijk te zien dat de benodigde steekproefgrootte sterk verschilt per

toets, stratificatie, index en dataset. Deze varieert van 42 voor de Possenindex bij

gepaard toetsen, tot 9639 voor de bloemrijkdom op basis van het meetnet bermflora

bij ongepaard en niet gestratificeerd toetsen. Onderliggend hierbij is dat de variantie

sterk verschillend is (Bijlage 2 en Bijlage 3) en dat gepaard toetsen een reductie van

een derde tot de helft van het aantal steekproefpunten veroorzaakt. Stratificatie heeft

een minder groot effect op de benodigde steekproefgrootte.


5 Rapportage

In bovenstaande wordt uitgegaan van een steekproef per rapportage-eenheid - de

combinatie van RWS dienst en Hoofdnetwerk - om de gemiddelde toestand van de

lokale biodiversiteit (α-diversiteit) te schatten. Daarmee is de schatting van de

toestand en ontwikkeling van de gemiddelde lokale biodiversiteit een eigenschap van

de rapportage-eenheid. De toets zegt daarmee niet direct iets over de individuele

onderliggende punten.

Aggregatie van de analyse naar nationale schaal is mogelijk. Hierbij zal de bijdrage van

steekproefpunten gewogen moeten worden proportioneel aan de relatieve grootte van

de rapportage-eenheid. Voor deelgebieden van de rapportage-eenheden wordt het

gewenste onderscheidend vermogen niet gehaald en zal een toets op aan of

afwezigheid van verandering weinig informatie kunnen geven.


6 Conclusies en overwegingen

Op basis van de beperkte gegevens die beschikbaar zijn, is het niet mogelijk om een

eenduidig advies te geven voor de aantallen steekproefpunten binnen een meetnet

voor de biodiversiteit binnen het RWS areaal. Afhankelijk van de doelindex zal het

optimale aantal steekproefpunten liggen tussen de 40 en 10000 punten voor het HWN

met een mediane steekproefgrootte voor de gepaarde toets rond de 500 punten. Voor

het HWVN zal waarschijnlijk een vergelijkbaar aantal nodig zijn. Het huidige meetnet

bermflora lijkt met ongeveer 1400 PQs ruim in omvang te zijn om de gewenste 15%

verandering in de meeste indices te kunnen waarnemen.

Wel moet worden opgemerkt dat de variatie in de beschikbare data voor bepaalde

indices (m.n. die indices die gebaseerd zijn op de dataset van Possen et al. 2017) erg

laag lijkt en dat daarmee de steekproefgrootte voor die indices mogelijk onderschat

wordt. Daarnaast zijn niet alle indices normaal verdeeld (zie Figuur 2). Ook na

transformatie kan niet altijd de aanname van normaliteit gemaakt worden. Het toetsen

van de verandering in deze indices zal dan wellicht met een niet-parametrische toets

gedaan moeten worden, waardoor de benodigde steekproef om significante

verandering waar te nemen groter zal zijn dan in Tabel 1 is aangegeven3.

Waar voldoende data beschikbaar is om per FGR te stratificeren zien we het totaal

aantal benodigde steekproefpunten voor een ongepaarde toets afnemen als de

stratificatie meegenomen wordt in het meetnetontwerp. Deze afname is afhankelijk

van de oppervlakteverhouding van FGRs in de rapportage-eenheden en de doel index.

Een dataset met zowel flora en fauna gegevens en een goede spreiding over de FGRs

en de tijd ontbreekt. Het lijkt daarmee te lonen om te investeren in het opbouwen van

een voorlopige dataset met voldoende spreiding over de FGRs en met herhaalde

metingen op dezelfde locaties.

Door aan te nemen dat de ruimtelijke variatie gebruikt kan worden als indicatie voor

de temporele variatie in een situatie zonder echte verandering, is een

steekproefgrootte berekend voor een meetnet met gepaarde waarnemingen. De

steekproefgrootte die op deze manier wordt berekend is een derde tot de helft van de

steekproefgrootte voor ongepaarde metingen. Dit zal echter gestaafd moeten worden

door aanvullende metingen die de aanname over de temporele variatie onderbouwen.

3 Bijvoorbeeld een Mann Whitney U test, https://en.wikipedia.org/wiki/Mann–Whitney_U_test


Door de grote spreiding in het benodigde aantal steekproefpunten, het ontbreken van

een eenduidige afbakening van het relevante deel van het HVWN en de aanwezigheid

van het meetnet bermflora in het HWN is geen ruimtelijke toewijzing van

steekproefpunten gemaakt. Bij het ontwerp van het meetnet bermflora is een aantal

vuistregels gebruikt voor het aanwijzen van steekproefpunten. De belangrijkste

hiervan lijkt de minimale onderlinge afstand van 2 km om ruimtelijke correlatie

effecten te minimaliseren (De Goede 1999). In de huidige analyse is ervan uitgegaan

dat de wegbermen en kanaaldijken dusdanig gedomineerd worden door een enkel

begroeiingstype dat onderscheid maken naar begroeiingstype weinig toegevoegde

waarde zal hebben. De steekproefpunten dienen verder wel willekeurig in het

doelgebied neergelegd te worden.

6.1 Vooruitblik

De huidige analyse leunt zwaar op de aanname dat de variatie in index waarden tussen

de opnames representatief is voor de temporele variatie van de index waarden op een

plek. Voor deze ruimte-tijd verwisseling is geen onderbouwing gezocht. Het lijkt

redelijk om aan te nemen dat deze aanname voor flora en fauna anders uitwerkt. Ook

de tijdshorizon zal hierbij een rol spelen, temporele variatie kent zowel

seizoensgebonden patronen als fluctuaties en verschuivingen tussen jaren. Om tot een

eenduidiger advies te komen, is het nodig om een goede en representatieve

referentiedataset aan te leggen. Voortbordurend op bovenstaande lijkt het raadzaam

om de temporele en ruimtelijke spreiding van het meetnet bermflora te gebruiken om

ook een goede spreiding over de FGRs te krijgen van het fauna-gedeelte van de

biodiversiteit. Zaak is om hierbij ook rekening te houden met het meenemen van

voldoende meetpunten in de relatief zeldzame FGRs (heuvelland en laagveengebied,

zie Tabel 4). Voor duinen en afgesloten zeearmen is door de zeer kleine relatieve

bijdrage aan het totaal oppervlak in de rapportage-eenheden minder noodzaak tot

inschatting van de variantie.

Op basis van een dergelijke referentiedataset kan een inschatting gemaakt worden van

de inspanning die nodig is om – zo mogelijk op basis van het meetnet bermflora -

uitspraken te doen over de ontwikkeling van de biodiversiteit van flora en

ongewervelde fauna. Met een eenduidige afbakening van het relevante deel van het

HVWN kan ook voor dit netwerk een set steekproefpunten toegewezen worden.


6.2 Overwegingen

Bovenstaande statistische overwegingen - over de te verwachten variatie in de

biodiversiteitsindices over tijd en ruimte, en binnen fysisch geografische regios –

kunnen inzicht geven in de vraag of een verschil in waargenomen indexwaarden

binnen een steekproef ook een verandering van de gemiddelde index waarde op het

hele areaal impliceert. Deze overwegingen richten zich niet op de vraag of de beoogde

verandering van 15% van de gemiddelde indexwaarden relevant en - rekenkundig en

ecologisch - haalbaar is.

De maten die gebruikt worden als indicator van biodiversiteit, zijn voor een deel

eenvoudige tellingen van het aantal soorten, een ander deel bestaat uit complexere

berekeningen en een aantal is normatief. Hierdoor kan een verandering in de

soortsamenstelling op een locatie voor de ene index een dramatische verandering te

weeg brengen (er komen gewenste soorten bij, terwijl er ongewenste soorten

verdwijnen), terwijl een andere index deze verandering niet opmerkt (het aantal

soorten blijft gelijk) (Buckland et al. 2005, Santini et al. 2017). Voor indices die het

resultaat zijn van een complexere berekening, geldt bovendien dat niet elke

verandering ook numeriek een effect heeft in de index waarde. Figuur 1en Figuur 2

laten zien dat de verdeling van de indexwaarden in de beschikbare datasets zeker niet

altijd normaal is, of naar normaal neigt, een verandering van 15% van het gemiddelde

of de mediaan van deze verdelingen heeft ook implicaties voor de omliggende

verdeling.

Bij de uiteindelijke keuze voor een (set van) indices is het van belang om duidelijk te

onderzoeken wat de gewenste ontwikkelingen zijn en hoe deze hun weerslag (kunnen)

vinden in (de verdeling van) de index waarden. Als het gedrag van de indices bekend

is, kan beter geïnformeerd een keuze gemaakt worden voor de verschillen die als

significant waargenomen moeten worden. Dat levert een sterkere basis voor een

berekende steekproefgrootte en een beter toegespitst meetnet.


Literatuur

Boddeke, P.H.N., M. Japink, M. Boonman & J.M. Reitsma, 2016. Ontwikkelingen in de

bermvegetatie langs rijkswegen 1999-2015. Eindrapport Meetnet Bermflora 4e

meetronde 2012-2015, Analyserapport 1999-2015 Bureau Waardenburg

Rapportnr. 16-095. Bureau Waardenburg, Culemborg.

Buckland, S.T., A.E Magurran, R.E Green and R.M Fewster, 2005, Monitoring change in

biodiversity through composite indices, Philosophical Transactions of the Royal

Society B: Biological Sciences 360, 243-254,

https://doi.org/10.1098/rstb.2004.1589Cohen, J. (1988). Statistical power

analysis for the behavioral sciences. Second Edition. Hillsdale, NJ: Lawrence

Erlbaum Associates, Publishers

De Goede A.F., 1999, proefonderzoek opzet meetnet flora en vegetatie in wegbermen

van rijkswegen, A&W- rapport 223, Altenburg & Wymenga ecologisch onderzoek,

Veenwouden

Lamb E.G., E. Bayne, G. Holloway, J. Schieck, S. Boutin, J. Herbers, D.L. Haughland,

2009, Indices for monitoring biodiversity change: Are some more effective than

others? Ecological Indicators 9 432-444 doi.org/10.1016/j.ecolind.2008.06.001

Limpert, L., W. A. Stahel, and M. Abbt, 2001, Log-normal Distributions across the

Sciences: Keys and Clues. BioScience, 51(5):341.

Nationaalgeoregister 2015, Fysisch Geografische Regio’s WFS,

http://nationaalgeoregister.nl/geonetwork/srv/dut/catalog.search#/metadata/78

5fda82-16a1-4e71-b313-8212d404eddc, last download 2018-10-2.

Possen, B., M. Courbois, K. Eichhorn, & T. van den Broek, 2017, Methodiek en

nulmeting biodiversiteit, WATBF5328R001F01, RoyalhaskoningDHV.

Possen, B.J.H.M., M. Courbois, K. Eichhorn, T. van den Broek, 2018, Toepassen

methodiek bepalen biodiversiteit op Rijkswaterstaat-areaal,

G1263WATRP1811300855, RoyalhaskoningDHV

RWSGeoservice 2018,

https://geoservices.rijkswaterstaat.nl/arcgis2/rest/services/GDR/regiogebieden_r

ijkswaterstaat/MapServer, accessed on 2018-10-2

Santini, L., J. Belmaker, M.J. Costello, H.M. Pereira, A.G. Rossberg, A.M. Schipper, S.

Ceauu, M. Dornelas, J.P. Hilbers, J.Hortal, M.A.J. Huijbregts, L.M. Navarro, K.H.

Schiffers, P. Visconti, C. Rondinini, 2017, Assessing the suitability of diversity

metrics to detect biodiversity change, Biological Conservation 213 341-350,

doi.org/10.1016/j.biocon.2016.08.024.

Wittaker R.H., (1960) Vegetation of the Siskiyou Mountains, Oregon and California,

Ecological MonographsV 30 (3) 279-338,

https://www.jstor.org/stable/pdf/1943563.pdf

http://nationaalgeoregister.nl/geonetwork/srv/dut/catalog.search#/metadata/785fda82-16a1-4e71-b313-8212d404eddc

http://nationaalgeoregister.nl/geonetwork/srv/dut/catalog.search#/metadata/785fda82-16a1-4e71-b313-8212d404eddc

https://geoservices.rijkswaterstaat.nl/arcgis2/rest/services/GDR/regiogebieden_rijkswaterstaat/MapServer

https://geoservices.rijkswaterstaat.nl/arcgis2/rest/services/GDR/regiogebieden_rijkswaterstaat/MapServer


Bijlage 1 Visuele beoordeling van de data


Figuur 2 histogrammen en qq-plots van de geselecteerde indices. Het histogram laat de aantallen waarnemingen binnen elke waarnemingsklasse zien. Met behulp van de qqplot wordt gekeken of de verdeling van de waarnemingen overeenkomt met de Normale verdeling. Afwijking van de lijn x = y impliceert afwijking van de Normale verdeling en duidt voor deze studie, op een minder betrouwbare berekening van de steekproefgrootte. Voor getransformeerde indices (Tabel 1) is ook de verdeling van de getransformeerde waarden getoond.

Bijlage 2 Statistische beschrijving van de gebruikte data en

steekproefgrootte voor toetsen zonder stratificatie.

Tabel 2. Beschrijving van de verdeling van de indices, gemiddelde met 95% betrouwbaarheidsinterval en standaard deviatie. Bij rechtsscheve

verdelingen waarvoor transformatie (Tabel 1) is uitgevoerd is het geometrisch gemiddelde en de multiplicatieve standaard deviatie berekend. Ook het aantal observaties in de dataset en de berekende steekproefgrootte bij ongepaarde en gepaarde toetsing zijn gegeven.

Index Gemiddelde Onderkant

95%CI Bovenkant

95%CI SD Observaties

steekproef grootte

(ongepaard)

steekproef grootte

(gepaard)

Possenindex Possen 1.54a) 1.51 1.57 0.189 / 1.13b) 120 9 / 12c) 6 / 8c)

Possenindex_Flora Possen 1.27a) 1.24 1.30 0.175 / 1.14b) 120 11 / 15c) 7 / 9c)

Possenindex_Flora bermnet 1.35a) 1.33 1.38 0.824 / 1.45b) 1355 83 / 112c) 43 / 58c)

Possenindex_Fauna 0.265 0.253 0.276 0.063 120 40 21

Shannon_Flora Possen 1.56 1.44 1.69 0.679 120 133 68

Shannon_Flora bermnet 1.73 1.71 1.76 0.486 1355 56 30

Simpson_Flora Possen 3.59a) 3.92 4.90 2.719 / 1.95b) 120 266 / 359c) 134 / 181c)

Simpson_Flora bermnet 0.725 0.717 0.733 0.149 1355 31 17

Rovers_Fauna 5.30 5.09 5.51 1.57 207 62 32

AantalSoorten_Flora Possen 11.3a) 11.8 14.3 6.67 / 1.74b) 120 184 / 248c) 93 / 125c)

AantalSoorten_Flora bermnet 19.1 18.7 19.5 8.10 1355 127 65

Bloemrijkdom_Flora Possen 30.1 26.6 33.5 19.3 120 289 146

Bloemrijkdom_Flora bermnet 0.038a) 0.036 0.041 0.148 / 3.70b) 1355 1019 / 1377c) 511 / 690c)

Verruigingssoorten_Flora Possen 2.92 2.60 3.23 1.75 120 253 128

Verruigingssoorten_Flora bermnet 0.358 0.340 0.375 0.321 1355 563 283

Bioabundantie_Fauna 128a) 116 142 283 / 2.17b) 219 358 / 483c) 180 / 243c)

28 | WPR Rapport 43.12.18

a) Geometisch gemiddelde

b) Standaard deviatie (SD) / multiplicatieve standaard deviatie

c) Steekproefgroote benodigd voor detecteren afname/toename


Bijlage 3 Statistisch beschrijving van de gebruikte data, per fysisch

geografische regio

Tabel 3 statistische beschrijving van de gebruikte data per fysisch geografische regio (FGR). Voor elk van de indices is per FGR het rekenkundig

gemiddelde met 95% betrouwbaarheidsinterval en standaard deviatie en het aantal observaties gegeven. Voor rechts-scheef verdeelde indices die op log-schaal worden geanalyseerd, is ook het geometrisch gemiddelde en de multiplicatieve standaarddeviatie gegeven.

Index FGR Rekenkundig gemiddelde

Geometrische gemiddeldea)

Onderkant 95%CI

Bovenkant 95%CI SD

Multiplicative SDa) Observaties

Possenindex Possen Rivierengebied 1.54 1.54 1.51 1.58 0.177 1.12 100

Possenindex Possen Hogere Zandgronden 1.59 1.57 1.47 1.70 0.241 1.16 20

Possenindex_Flora Possen Rivierengebied 1.28 1.27 1.25 1.31 0.157 1.12 100

Possenindex_Flora Possen Hogere Zandgronden 1.31 1.29 1.20 1.43 0.249 1.20 20

Possenindex_Flora bermnet Zeekleigebied 1.12 1.10 1.09 1.14 0.233 1.19 360

Possenindex_Flora bermnet Hogere Zandgronden 1.79 1.61 1.72 1.87 1.041 1.52 676

Possenindex_Flora bermnet Laagveengebied 1.19 1.16 1.12 1.25 0.274 1.23 69

Possenindex_Flora bermnet Duinen 1.06 1.06 0.93 1.20 0.055 1.05 3

Possenindex_Flora bermnet Niet indeelbaar 1.26 1.21 1.10 1.42 0.398 1.29 26

Possenindex_Flora bermnet Rivierengebied 1.17 1.14 1.13 1.21 0.280 1.22 185

Possenindex_Flora bermnet Heuvelland 1.40 1.35 1.26 1.54 0.389 1.28 33

Possenindex_Flora bermnet Afgesloten Zeearmen 1.49 1.46 0.60 2.38 0.360 1.27 3

Possenindex_Fauna Rivierengebied 0.263 0.251 0.276 0.065 100

Possenindex_Fauna Hogere Zandgronden 0.272 0.248 0.295 0.050 20


Shannon_Flora Possen Rivierengebied 1.70 1.58 1.82 0.604 100

Shannon_Flora Possen Hogere Zandgronden 0.86 0.58 1.13 0.597 20

Shannon_Flora bermnet Zeekleigebied 1.63 1.58 1.67 0.465 360

Shannon_Flora bermnet Hogere Zandgronden 1.73 1.69 1.77 0.502 676

Shannon_Flora bermnet Laagveengebied 1.79 1.68 1.90 0.464 69

Shannon_Flora bermnet Duinen 1.77 0.59 2.95 0.475 3

Shannon_Flora bermnet Niet indeelbaar 1.89 1.69 2.09 0.497 26

Shannon_Flora bermnet Rivierengebied 1.85 1.79 1.92 0.456 185

Shannon_Flora bermnet Heuvelland 1.95 1.84 2.07 0.324 33

Shannon_Flora bermnet Afgesloten Zeearmen 1.75 0.21 3.28 0.618 3

Simpson_Flora Possen Rivierengebied 4.83 4.07 4.29 5.37 2.722 1.84 100

Simpson_Flora Possen Hogere Zandgronden 2.32 1.94 1.63 3.00 1.465 1.81 20

Simpson_Flora bermnet Zeekleigebied 0.696 0.680 0.712 0.155 360

Simpson_Flora bermnet Hogere Zandgronden 0.727 0.716 0.739 0.151 676

Simpson_Flora bermnet Laagveengebied 0.736 0.702 0.770 0.142 69

Simpson_Flora bermnet Duinen 0.718 0.346 1.091 0.150 3

Simpson_Flora bermnet Niet indeelbaar 0.770 0.723 0.816 0.115 26

Simpson_Flora bermnet Rivierengebied 0.751 0.731 0.771 0.138 185

Simpson_Flora bermnet Heuvelland 0.796 0.769 0.822 0.075 33

Simpson_Flora bermnet Afgesloten Zeearmen 0.740 0.309 1.171 0.173 3

Rovers_Fauna Zeekleigebied 5.889 5.277 6.501 1.231 18

Rovers_Fauna Laagveengebied 5.667 4.865 6.468 1.447 15

Rovers_Fauna Rivierengebied 4.899 4.591 5.207 1.621 109

Rovers_Fauna Hogere Zandgronden 5.545 5.103 5.988 1.454 44

Rovers_Fauna Afgesloten Zeearmen 6.333 5.062 7.604 1.211 6


Rovers_Fauna Niet indeelbaar 4.600 3.184 6.016 1.140 5

Rovers_Fauna Heuvelland 6.889 6.427 7.351 0.601 9

AantalSoorten_Flora Possen Rivierengebied 14.54 13.2 13.30 15.78 6.27 1.58 100

AantalSoorten_Flora Possen Hogere Zandgronden 5.60 5.3 4.76 6.44 1.79 1.38 20

AantalSoorten_Flora bermnet Zeekleigebied 17.45 16.77 18.13 6.54 360

AantalSoorten_Flora bermnet Hogere Zandgronden 18.89 18.24 19.53 8.58 676

AantalSoorten_Flora bermnet Laagveengebied 20.01 18.18 21.85 7.63 69

AantalSoorten_Flora bermnet Duinen 20.67 4.13 37.21 6.66 3

AantalSoorten_Flora bermnet Niet indeelbaar 20.46 17.01 23.92 8.55 26

AantalSoorten_Flora bermnet Rivierengebied 21.62 20.40 22.84 8.40 185

AantalSoorten_Flora bermnet Heuvelland 23.73 21.07 26.38 7.49 33

AantalSoorten_Flora bermnet Afgesloten Zeearmen 18.33 -3.93 40.60 8.96 3

Bloemrijkdom_Flora Possen Rivierengebied 27.786 24.8 30.8 15.1 100

Bloemrijkdom_Flora Possen Hogere Zandgronden 41.405 26.7 56.1 31.3 20

Bloemrijkdom_Flora bermnet Zeekleigebied 0.124 0.055 0.048 0.063 0.168 3.69 360

Bloemrijkdom_Flora bermnet Hogere Zandgronden 0.060 0.026 0.024 0.028 0.105 3.20 676

Bloemrijkdom_Flora bermnet Laagveengebied 0.139 0.051 0.036 0.072 0.195 4.33 69

Bloemrijkdom_Flora bermnet Duinen 0.080 0.062 0.005 0.720 0.053 2.68 3

Bloemrijkdom_Flora bermnet Niet indeelbaar 0.149 0.055 0.030 0.103 0.190 4.65 26

Bloemrijkdom_Flora bermnet Rivierengebied 0.146 0.072 0.060 0.086 0.181 3.48 185

Bloemrijkdom_Flora bermnet Heuvelland 0.088 0.038 0.025 0.060 0.138 3.49 33

Bloemrijkdom_Flora bermnet Afgesloten Zeearmen 0.300 0.197 0.013 2.94 0.338 2.97 3

Verruigingssoorten_Flora Possen Rivierengebied 2.85 2.492 3.21 1.81 100

Verruigingssoorten_Flora Possen Hogere Zandgronden 3.25 2.573 3.93 1.45 20

Verruigingssoorten_Flora bermnet Zeekleigebied 0.442 0.410 0.474 0.311 360


Verruigingssoorten_Flora bermnet Hogere Zandgronden 0.310 0.285 0.335 0.328 676

Verruigingssoorten_Flora bermnet Laagveengebied 0.375 0.306 0.444 0.289 69

Verruigingssoorten_Flora bermnet Duinen 0.360 -0.013 0.733 0.150 3

Verruigingssoorten_Flora bermnet Niet indeelbaar 0.373 0.256 0.491 0.291 26

Verruigingssoorten_Flora bermnet Rivierengebied 0.341 0.299 0.382 0.286 185

Verruigingssoorten_Flora bermnet Heuvelland 0.429 0.294 0.564 0.380 33

Verruigingssoorten_Flora bermnet Afgesloten Zeearmen 0.623 -0.144 1.391 0.309 3

Bioabundantie_Fauna Zeekleigebied 191.2 150.4 114.0 198.5 136.5 2.10 30

Bioabundantie_Fauna Laagveengebied 192.9 174.9 134.6 227.2 89.5 1.60 15

Bioabundantie_Fauna Rivierengebied 158.9 103.5 89.0 120.2 328.1 2.20 109

Bioabundantie_Fauna Hogere Zandgronden 176.8 124.5 102.1 151.8 313.2 1.92 44

Bioabundantie_Fauna Afgesloten Zeearmen 259.2 248.9 178.6 347.0 78.4 1.37 6

Bioabundantie_Fauna Niet indeelbaar 158.8 156.5 123.9 197.7 31.2 1.21 5

Bioabundantie_Fauna Heuvelland 454.7 443.0 365.9 536.3 104.5 1.28 9

a) Voor variabelen geanalyseerd op de log-schaal wordt het geometrische gemiddelde en de multiplicative standaard deviatie gegeven


Bijlage 4 Detailgegevens berekende steekproefgroottes

Tabel 4 Berekende steekproefgroottes per RWS dienst en fysisch geografische regio (FGR) voor de indices Possenindex_flora_bermndet, Shannon_flora_bermnet, Simpson_flora_bermnet en Aantalsoorten_Flora_bermnet. Voor de Possenindex_Flora_bermnet worden

steekproefgroottes voor afname en toename gegeven, omdat deze index na log-transformatie geanalyseerd is.

Dienst FGR Relatieve aandeel

Possenindex_Flora bermnet Shannon_Flora bermnet Simpson_Flora bermnet

AantalSoorten_Flora

bermnet

RWS Midden-Nederland Afgesloten Zeearmen 0% 0 / 0 0 0 0

RWS Midden-Nederland Getijdengebied 0% 0 / 0 0 0 0

RWS Midden-Nederland Hogere Zandgronden 22% 8 / 12 11 6 25

RWS Midden-Nederland Laagveengebied 6% 2 / 4 3 2 7

RWS Midden-Nederland Niet indeelbaar 2% 1 / 1 1 1 2

RWS Midden-Nederland Rivierengebied 33% 13 / 18 17 10 38

RWS Midden-Nederland Zeekleigebied 36% 14 / 20 18 10 40

RWS Midden-Nederland Total 100% 38 / 55 50 29 112

RWS Noord-Nederland Afgesloten Zeearmen 0% 0 / 0 0 0 0

RWS Noord-Nederland Hogere Zandgronden 57% 39 / 52 31 17 71

RWS Noord-Nederland Laagveengebied 12% 9 / 11 7 4 15

RWS Noord-Nederland Niet indeelbaar 2% 1 / 2 1 1 3

RWS Noord-Nederland Zeekleigebied 29% 20 / 27 16 9 36

RWS Noord-Nederland Total 100% 69 / 92 55 31 125

RWS Oost-Nederland Afgesloten Zeearmen 0% 0 / 0 0 0 0

RWS Oost-Nederland Hogere Zandgronden 68% 55 / 73 34 19 87

RWS Oost-Nederland Laagveengebied 2% 2 / 2 1 1 2

RWS Oost-Nederland Niet indeelbaar 2% 2 / 2 1 1 3


RWS Oost-Nederland Rivierengebied 27% 22 / 29 14 7 34

RWS Oost-Nederland Zeekleigebied 2% 1 / 2 1 0 2

RWS Oost-Nederland Total 100% 82 / 108 51 28 128

RWS West-Nederland Noord Afgesloten Zeearmen 1% 0 / 0 0 0 1

RWS West-Nederland Noord Duinen 6% 2 / 2 3 2 7

RWS West-Nederland Noord Hogere Zandgronden 3% 1 / 1 2 1 3

RWS West-Nederland Noord Laagveengebied 20% 6 / 7 10 6 22

RWS West-Nederland Noord Niet indeelbaar 19% 6 / 7 10 5 22

RWS West-Nederland Noord Zeekleigebied 51% 15 / 20 26 15 59

RWS West-Nederland Noord Total 100% 30 / 37 51 29 114

RWS West-Nederland Zuid Afgesloten Zeearmen 0% 0 / 0 0 0 0

RWS West-Nederland Zuid Duinen 1% 0 / 0 0 0 1

RWS West-Nederland Zuid Laagveengebied 13% 3 / 4 6 4 13

RWS West-Nederland Zuid Niet indeelbaar 10% 2 / 3 5 3 10

RWS West-Nederland Zuid Rivierengebied 15% 3 / 4 7 4 16

RWS West-Nederland Zuid Zeekleigebied 62% 14 / 18 31 18 64

RWS West-Nederland Zuid Total 100% 22 / 29 49 29 104

RWS Zee en Delta Afgesloten Zeearmen 1% 0 / 0 1 0 1

RWS Zee en Delta Duinen 0% 0 / 0 0 0 0

RWS Zee en Delta Getijdengebied 0% 0 / 0 0 0 0

RWS Zee en Delta Niet indeelbaar 2% 0 / 0 1 1 2

RWS Zee en Delta Zeekleigebied 97% 19 / 24 53 33 95

RWS Zee en Delta Total 100% 19 / 24 55 34 98

RWS Zuid-Nederland Heuvelland 11% 8 / 11 5 3 13

RWS Zuid-Nederland Hogere Zandgronden 61% 47 / 61 30 16 74

RWS Zuid-Nederland Niet indeelbaar 6% 4 / 6 3 2 7

RWS Zuid-Nederland Rivierengebied 10% 7 / 10 5 3 12

RWS Zuid-Nederland Zeekleigebied 13% 10 / 13 7 4 16

RWS Zuid-Nederland Total 100% 76 / 101 50 28 122

Correspondentie adres voor dit rapport:

Postbus 16

6700 AA Wageningen

T 0317 48 07 00

www.wur.nl/biometris


De missie van Wageningen University & Research is ‘To explore the potential

of nature to improve the quality of life’. Binnen Wageningen University &

Research bundelen Wageningen University en gespecialiseerde

onderzoeksinstituten van Stichting Wageningen Research hun krachten om

bij te dragen aan de oplossing van belangrijke vragen in het domein van

gezonde voeding en leefomgeving. Met ongeveer 30 vestigingen, 5.000

medewerkers en 10.000 studenten behoort Wageningen University &

Research wereldwijd tot de aansprekende kennisinstellingen binnen haar

domein. De integrale benadering van de vraagstukken en de samenwerking

tussen verschillende disciplines vormen het hart van de unieke Wageningen

aanpak.

http://www.wur.nl/biometris

Ontwerp Meetnet Biodiversiteit...

Documents

Transcript of Ontwerp Meetnet Biodiversiteit...