Analyses

De gegevens van de camerabeelden zijn vergeleken met omgevingsvariabelen die zijn verzameld door het weerstation in Uithuizermeeden: (http://www.weerstationuithuizermeeden.nl/Weersgegevens- Uithuizermeeden.htm) en gegevens van de verschillende aan de bouw gerelateerde activiteiten, die zijn geleverd door GSP, NUON en RWE. Aanvullend op de reguliere analyse (het hele onderzoekjaar of meerdere onderzoekjaren gezamenlijk) zijn de gegevens van een aantal momenten afzonderlijk geanalyseerd omdat de zeehonden mogelijk anders reageren in de verschillenden seizoenen of op verschillende momenten in de week.

Zo is gekeken of de dieren in de geboorteperiode wanneer de dieren hun pups mogelijk niet achter willen laten, minder geneigd zijn hun ligplaats te verlaten. Daarvoor zijn de maanden maart (geen verharings- of geboorteseizoen) en juni (geboorteseizoen) apart geanalyseerd om te kunnen onderzoeken of de zeehonden in de verschillende seizoenen steeds dezelfde reactie op bepaalde activiteiten vertonen. Voor vier verschillende typen activiteiten (heien, peilen, damwanden trillen en RIB’s) waren genoeg gegevens beschikbaar om deze analyses uit te voeren.

Ook is gekeken of de dieren mogelijk sterker op de activiteiten reageren na het relatief rustige weekend dan na een week met activiteiten (wanneer er mogelijk een bepaalde vorm van gewenning is

opgetreden). Hiervoor zijn de gegevens van twee weekdagen afzonderlijk bekeken: maandag (direct na een in potentie ‘rustig’ weekend) en vrijdag (na een aantal in potentie ‘drukke’ weekdagen). Voor zes verschillende typen activiteiten (heien, baggerwerkzaamheden, peilen, damwanden trillen, RIB en zandtransporten) waren genoeg gegevens beschikbaar om deze analyses uit te voeren.

Om de steekproef te vergroten zijn voor deze analyses de gegevens uit 2010 en 2011 samengevoegd. Voor elke activiteit is een set boxplots gemaakt, waarbij voor de twee aparte seizoenen (geboorteseizoen of geen geboorteseizoen) of dagen (maandag of vrijdag) een boxplot is gemaakt waarin het aantal op de zandbank aanwezige zeehonden te zien is. Daarbij is onderscheid gemaakt tussen de momenten waarop de activiteit daadwerkelijk plaatsvond, en de momenten waarop dit niet zo was. De verschillen in het aantal zeehonden op de zandbank tussen de tellingen met de specifieke activiteit en de tellingen zonder deze activiteit zijn per seizoen of weekdag statistisch getoetst met een t-test. Daarna werden de uitkomsten van deze t-testen met elkaar vergeleken om het mogelijke verschil tussen de verschillende momenten te kunnen weergeven.

6.1.5.1 Statistische analyse

Net als in 2010 bestond de analyse van de cameragegevens uit twee componenten. Eerst werd

onderzocht welke natuurlijke fysische factoren van invloed zijn op het aantal zeehonden op de zandbank (zie Tabel 11). De weergegevens zijn afkomstig van het weerstation in Uithuizermeeden, dat 10 km ten westen van de zandbank Hond en Paap ligt. Vervolgens werd onderzocht of menselijke activiteiten (zie

Tabel 11 en hoofdstuk 3), naast de hierboven genoemde natuurlijke factoren, invloed hadden op de aantallen zeehonden op de ligplaats.

Tabel 11. Lijst van alle natuurlijke factoren en alle bouwactiviteiten die zijn geanalyseerd.*= activiteiten zijn ook al in 2010 geanalyseerd.

Natuurlijke factoren Menselijke activiteiten in 2011

Algemene activiteit Gespecificeerde activiteit

Seizoen (dag nummer) Heien*

Temperatuur Heien RWE

Neerslag Baggeren*

Windsnelheid Baggeren GSP

Windrichting Baggeren vd Kamp

Luchtvochtigheid Baggeren Onderhoud GSP

Luchtdruk Baggeren Aussen Eems

Damwanden trillen* Peilen* Peilen Baggerspecies Peilen GSP Peilen maandelijks TrilblokBuisplanken RIB Stenen plaatsen*

Stenen plaatsen NUON/RWE Zandtransport

Aangezien non-lineaire relaties tussen de verschillende factoren te verwachten zijn, is de relatie tussen het aantal zeehonden op de ligplaats en de verschillende weersvariabelen geanalyseerd met behulp van een Generalized Additive Model (GAM). GAMs gebruiken zogenaamde smooth-functies om non-lineaire relaties te modelleren tussen de respons-variabele (aantal zeehonden) en de verklarende variabelen bestaand uit natuurlijke factoren en menselijke activiteiten. Details over de GAM-procedure is te vinden in Wood (2006).

Om ervoor te zorgen dat de modellen convergeren is het maximum aantal vrijheidsgraden, die de flexibiliteit van de functies bepalen, in alle gevallen vastgezet op 5. Voor cyclische variabelen, zoals de windrichting (0-360°), zijn cyclische smoothers gebruikt, opdat het begin en eind van elke smooth- functie op elkaar aansluiten. Aangenomen werd dat de zeehondendata een Poisson-verdeling hebben. Om te bepalen welke variabelen het aantal zeehonden het best verklaren, is een voorwaartse

selectieprocedure gebruikt die is gebaseerd op het Akaike Information Criterion (AIC). Deze AIC is een maat voor de fit tussen het model en de data. Daarnaast kent de AIC een slechtere waarde toe (geeft een “penalty”) wanneer er meer modelparameters zijn of wanneer de model complexiteit hoger is. Toevoeging van een verklarende variabele aan het model leidt tot een afname van de AIC (Burnham en Anderson, 2002). De variabelen die de grootste afname van de AIC veroorzaken, hebben een groter effect op het aantal zeehonden. Variabelen die tot een kleine of geen verandering in AIC leiden zijn minder belangrijk. Het model met de beste fit en het minst aantal variabelen heeft theoretisch de laagste AIC, en is gekozen als beste model.

De modellen zijn toegepast op de data van 2010 en 2011 samen. Daarnaast zijn de gegevens van 2011, wanneer er voldoende gegevens beschikbaar waren, in meer detail geanalyseerd waardoor ook de gespecificeerde activiteiten (activiteiten per afzonderlijk bedrijf) apart konden worden bekeken.

Allereerst is gekeken welke invloed natuurlijke factoren hebben op de aantallen zeehonden op de ligplaats. Hiervoor zijn modellen gebruikt die alleen rekening houden met de effecten van het weertype. Daarna is gekeken naar de mogelijke effecten van de verschillende bouwactiviteiten door modellen te gebruiken die ook een viertal zogenaamde nominale variabelen bevatten die de bouwgerelateerde activiteiten beschrijven. Deze variabelen kregen een 1 op dagen dat de betreffende activiteit had plaatsgevonden en een 0 op dagen dat de betreffende activiteit niet had plaatsgevonden. De modellen zijn uitgevoerd met alle activiteiten apart en met activiteiten van hetzelfde type (zoals peilen, heien, damwanden trillen, baggeren) samengevoegd. De resultaten van de uiteindelijke modellen zijn grafisch weergegeven, waarbij de residuen zijn weergegeven ten opzichte van de gefitte waarden en

gecontroleerd voor auto-correlatie.

Aanvullende analyses zijn uitgevoerd om te testen of de effecten van de activiteiten op de

zeehondenaantallen groter was op maandag (volgend op de relatief rustige weekenden) dan op vrijdag (volgend op de relatief drukkere werkdagen) en of de effecten groter waren in maart (geen verharings- of geboorteseizoen) dan in juni (geboorteseizoen).

Door het kleinere aantal gegevens (alleen van bepaalde dagen of maanden) dat voor deze afzonderlijke analyses beschikbaar was, bleek het niet mogelijk om deze effecten te testen met de GAM-analyses zoals hierboven beschreven. In plaats daarvan is een simpelere variantieanalyse gekozen (ANOVA). De

ANOVA’s zijn gebruikt om te testen of de dag of het seizoen van invloed is op de correlatie tussen de aan- of afwezigheid van een activiteit en de zeehondenaantallen op de ligplaats. Als een van de interactietermen (dag of maand) significant bleek zou dit aangeven dat het effect van de activiteit afhankelijk was van de dag of de maand waarin deze activiteit werd uitgevoerd. Hierbij moet worden opgemerkt dat hoewel deze aanpak een indicatie kan geven voor de juistheid van deze hypotheses, de analyse zelf geen rekening houdt met alle andere aanwezige factoren (zoals weertype, andere

activiteiten op dezelfde dag) die naar alle waarschijnlijkheid ook invloed hebben op de

zeehondenaantallen. De gegevens zijn weergegeven in boxplots van tellingen met en zonder activiteiten. Resultaten van de t-tests zijn weergegeven om de verschillen in aantallen tussen dagen of maanden in situaties met en zonder activiteiten aan te geven.