4 Ontwikkelingen in beoordelingssystemen
4.3 Kenmerken van bestaande beoordelingssystemen 1 Ruimtelijke schaal
Eén van de meest belangrijke kenmerken van alle beoordelingsmethoden is het doel waarvoor ze zijn ontwikkeld. De verschillende bestaande systemen (hoofdstuk 4) geven een beeld van de verschillende doelen die in de loop der tijd belangrijk zijn geworden (tabel 11). Het geeft ook een beeld van de milieuproblemen die speelden op het moment dat deze beoordelingsmethoden werden ontwikkeld. De verschillende beoordelingsmethoden laten alle schaalkenmerken zien waarvan de KRW maatlatten gebruik kunnen maken.
Tabel 11. Algemeen differentiërende kenmerken van groepen van beoordelingsmethoden
beoordelingsmethode doel ruimtelijke schaal/type taxonomisch niveau niveau van de meting complexi- teit
saprobie indices organische vervuiling
groot/geen soorten ééndimen- sionaal
laag diversiteitsindices waterkwaliteit groot/geen soorten ééndimen-
sionaal laag biotische indices (organische)
vervuiling
groot/geen hogere taxa ééndimen- sionaal laag multimetrics systeem kwaliteit groot/eco- regio hogere taxa (soorten) ééndimen- sionaal matig structuurbeoordeling oeverzoene kwaliteit groot/geen - ééndimen- sionaal matig stroomgebied- beoordeling landgebruik effecten
matig/geen hogere taxa - matig ecosysteemkenmerk beoordeling systeem kwaliteit matig/voor- naamste typen soorten en hogere taxa één/multidi mensionaal matig gemeenschaps- beoordeling
staat van het systeem laag/stromend watertypen soorten multidimen- sionaal hoog
Tegelijkertijd is een ontwikkeling zichtbaar van grovere naar fijnere schaal en naar meer gedetailleerde typologische eenheden (tabel 11). Er is een algemene trend naar een meer en meer regionale benadering. De argumenten voor verfijning en regionalisatie zijn:
sturende ecosysteemkenmerken verschillen regionaal en beïnvloeden in belangrijke mate de soortsamenstelling,
er is een biogeografisch bepaalde regionale verdeling van soorten, er bestaan regionale, typologische verschillen tussen waterlichamen.
De betrouwbaarheid van een beoordeling verbetert sterk wanneer regionale aanpassingen worden ingebouwd (Seager et al., 1992; Tolkamp, 1984; Verdonschot 1990). Om bijvoorbeeld een saprobie-index toe te kunnen passen voor verschillende stromend watertypen in Duitsland, werd door Braukmann (1997) aangetoond dat de verandering in de spreiding van saprobie-scores in directe relatie stond met het betreffende watertype. Dit verklaart ook het grote aantal beschikbare aanpassingen van beoordelingstechnieken. Ecoregio’s zijn de biogeografische eenheden die als basis dienen voor het bepalen van referentieomstandigheden in Noord-Amerika. Ecoregio’s zijn grote, klimatologisch, geomorfologisch en landschappelijk relatief homogene ecologische gebieden (Omernik, 1987). Knoben et al. (1995) geven aan dat dit eerder politieke dan ecologische regio’s zijn, maar pleiten toch ook voor de ontwikkeling van Europeese ecoregio’s. In Europa gaat de KRW uit van de ecoregio’s geformuleerd door Illies (1978). Verdonschot & Nijboer (2002) toonden aan dat deze ecoregio’s herkenbare macrofaunagemeenschappen voor stromende wateren bevatten. Zij concluderen wel dat deze ecoregio’s nog te grote eenheden omvatten voor een toekomstige ecologische beoordeling. De verfijning in stromend watertypen naar Systeem A KRW criteria (‘stream types’) bleken eveneens te grof en nog te sterk gedomineerd door typologische variabelen.
De KRW maatlatten dienen vanuit ecologische optiek ruimtelijk voldoende verfijnd te zijn en dus aan te sluiten bij de schaal van het doel.
4.3.2 Algoritmen
Een aantal statistische technieken, die voor beoordeling kunnen worden gebruikt, zijn besproken door Hellawel (1986), Norris & Georgis (1993) en Johnson & Gage (1997). De technieken betreffen vooral samengestelde beoordelingssystemen zoals saprobie, biotische en diversiteitsindices tezamen met gradiënt-analyse, classificatie en clustering, ‘path analysis’, modellering, ‘fuzzy logic’, variatie-analyses en andere statistische technieken. Norris & Georgis (1993) verdelen de verschillende analyse mogelijkheden in twee groepen:
univariate technieken, multivariate technieken.
Het inzicht dat kan worden verkregen met univariate statistiek is beperkt omdat (i) verschillende maar compenserende trends geen significantie zullen vertonen, (ii) afgeleide maten niet altijd geleidelijk langs gradiënten veranderen en (iii) de natuurlijke variatie van individuele taxa moeilijk te kwantificeren is. Univariate technieken kunnen wel informatie verschaffen omtrent oorzaken of omtrent trends (beide gebaseerd op empirische patronen).
Multivariate benaderingen zijn in staat om subtiele verschillen te detecteren over taxa in ruimte en tijd (Jongman et al., 1987). Deze technieken zijn in staat om patronen in de variatie in groepen van taxa en/of milieuvariabelen te detecteren. Het lijkt erop dat deze technieken meer informatie verschaffen dan de variatie in enkele specifieke parameters kan openbaren (Norris & Georgis, 1993). De technieken zijn ook robuust. De grootste tekortkoming van multivariate technieken is dat de onderliggende ecologische mechanismen (oorzaak-effect) nog altijd onduidelijk
blijven en nauwelijks rekening houden met zeldzame soorten. In tabel 12 staan de voornaamste groepen van statistische technieken en hun kenmerken.
Tabel 12. Enkele kenmerken van aan beoordeling gerelateeerde statistische analyse-technieken (HG, ‘hypothesis generating’= opstellen van hypothesen, HT = hypothese testen)
groep doel hypothese
genererend/ testend patroon analyse voor- spelling gebruik Univariate statistieken soort <-> factor
samenvattende maat
‘statisch’ HG nee kwantificeert de staat van een eenheid in één enkele maat
variantie analyse
vergelijken HT enkel ja test de verschillen tussen het gemiddelde en de variatie van de eenheden
meervoudige
regressie exploreren HT enkel,meer- voudig
ja kwantificeert de verklaarde variantie en voorspelt het gevolg voor de eenheden
Mulitivariate analyse gemeenschap <-> complex
classificatie groeperen HG meer- voudig
nee groepeert vergelijkbare eenheden
associatie vergelijken HG (T) meer- voudig
nee vergelijkt eenheden ordinatie exploreren HG meer-
voudig
(ja) groepeert vergelijkbare eenheden en relateert hen aan anderen
De meeste beoordelingsmethoden zijn beperkt tot enkele samengestelde maten, of soms andere univariate statistieken (tabel 13). De gemeenschapsbeoordeling kan met behulp van alle technieken binnen de groep van multivariate statistieken worden uitgevoerd. Dit benadrukt het doel van de gemeenschapsbeoordeling: het detecteren van veranderingen in samenstelling van de gemeenschap langs complexe gradiënten. Tabel 13. Statistische benaderingen gebruikt in verschillende beoordelingsmethoden
beoordelingsmethoden univariaat multivariaat
enkel- voudig
ANOVA regressie classificatie associatie ordinatie
saprobie indices * diversiteitsindices * (*) biotische indices * multimetrics * * * structuurbeoordeling * stroomgebiedbeoordeling * ecosysteemkenmerkbeoordeling * gemeenschapsbeoordeling * * *
Multivariate technieken zijn zeer geschikt om groeperingen van taxacombinaties langs verstroingsgradiënten te beschrijven. Univariate technieken zijn geschikt om metrics en multimetrics op te baseren.
De KRW maatlatten hebben multivariate benaderingen nodig voor het beschrijven van verstoringsgradiënten en univariate methoden voor het invullen van multimetrics.
4.4 Conclusies
De meeste beoordelingsmethoden gebruiken een ééndimensionale maat of combinaties daarvan, behalve de (levens)gemeenschapbeoordeling. Deze laatste is ook de meest complexe methode om maatlatten uit te ontwikkelen voor bepaalde watertypen in een bepaalde regio (grote en kwalitatief hoogstaande gegevens nodig). Hoewel bij alle beoordelingstechnieken de biota als indicator voor de waterkwaliteit worden beschouwd, verschillen ze in de mate waarin ze reageren op dit milieu (tabel 14). Alleen de structuurbeoordeling gebruikt geen zuiver biologische indicatoren (behalve oevervegetatie en waterplanten als structuurparameter). Een aantal beoordelingsmethoden geeft verstoring aan, zonder de factoren die verantwoordelijk zijn voor de verstoring te detecteren. In andere methoden varieert de oorzaakanalyse van het aanduiden van specifieke stoffen (organische vervuiling) tot het aanduiden van een algehele toestand van het milieu. De laatste kolom met methoden verwijst naar de technieken die in tabel 6 staan opgesomd en hoe deze reageren op de kwaliteitselementen.
Tabel 14. Respons (*) van groepen van beoordelingssystemen op de hoodfdfactoren van het abiotische milieu
beoordelingsmethode systeem-voorwaarden stroming structuren stoffen
saprobie indices * diversiteitsindices biotische indices * multimetrics * structuurbeoordeling * * stroomgebiedbeoordeling * * * ecosysteemkenmerkbeoordeling * * * gemeenschapsbeoordeling * * * * * respons aanwezig
De KRW maatlatten moeten worden gebaseerd op combinaties van metrics die ieder een min of meer specifieke indicatie geven van bepaalde relevante milieu- omstandigheden (pressoren en kwaliteitselementen). Deze combinatie wordt samengevoegd in een multimetric.
Tabel 10. De relatie tussen beoordelingsmethoden en de hoofdfactoren uit het 5-S-model (1, 2, 3, 4, 5 betekenis afkortingen zie § 4.2.3, 4.2.4, 4.2.5, 4.2.6, 4.2.7) indices multimetrische en snelle beoordelings- technieken1 fysisch/ecologisch2 stroomgebied schaal3 ecosysteem kenmerken4
gemeenschap5 proces en niet-
taxonomisch systeem- voorwaar- den landgebruik RCS, RHS CSA geologie/ morfologie
RHS, GSGK CSA SERCON RIVPACS,
AUSRIVAS, EKOO
verval QHEI CSA
stroming hydrologie HIS/HEP, IHA/RVA CSA AMOEBE
stroming QHEI, RBP, RHS, GSGK,
IFIM/PHABISM, RCHARC
SERCON
stroomsnelheid EBEOSWA EKOO
structuren oeverzone Functionele maten HIS/HEP, RCS, QHEI, RBP, RHS, GSGK
CSA SERCON
kanaal RCS, QHEI, RBP, RHS, GSGK CSA SERCON,
AMOEBE
RIVPACS, AUSRIVAS, EKOO
diepte HIS/HEP, IFIM/PHABISM, RCHARC CSA AMOEBE
substraten EBEOSWA HIS/HEP, QHEI, RBP, RHS, GSGK, IFIM/PHABISM, RCHARC
CSA SERCON,
AMOEBE
EKOO, RIVPACS, AUSRIVAS
bedekking IFIM/PHABISM, RCHARC CSA
stoffen vervuiling tellingen organisch saprobie en biotische indexen (maat voor soortenrijkdom), EBEOSWA HIS/HEP
indices multimetrische en snelle beoordelings- technieken1 fysisch/ecologisch2 stroomgebied schaal3 ecosysteem kenmerken4
gemeenschap5 proces en niet-
taxonomisch
nutriënten functionele maten, EBEOSWA
proceskenmerken
chemie CSA SERCON,
AMOEBE
RIVPACS, AUSRIVAS, EKOO
soorten algen biotische indexen waterplanten RCS, QHEI oevervegetatie QHEI, RBP, RHS, GSGK macrofauna tellingen, soortenrijkdom, similariteit en functionele maten, EBEOSWA RIVPACS, AUSRIVAS, EKOO functionele voedingsgroepen, soortkenmerken vis tellingen, soortenrijkdom, similariteitsmaten
HIS/HEP, IFIM/PHABISM, RCHARC
alle biotische indexen CSA SERCON, AMOEBE (doelsoorten) proces kenmerken, functionele voedingsgroepen, soortkenmerken
indices multimetrische en snelle beoordelings- technieken1 fysisch/ecologisch2 stroomgebied schaal3 ecosysteem kenmerken4
gemeenschap5 proces en niet-
taxonomisch ruimtelijke aspect in het watersysteem saprobie, biotiek en diversiteits- indexen tellingen, soortenrijkdom, similariteit en functionele maten, EBEOSWA
HIS/HEP, IFIM/PHABISM, RCHARC, IHA/RVA
RIVPACS, AUSRIVAS, EKOO
oeverzone RCS, QHEI, RBP, RHS, GSGK
omgeving AMOEBE