diff --git a/moneos_2024/030_ecotopen/10_tabellen_inleiding.Rmd b/moneos_2024/030_ecotopen/10_tabellen_inleiding.Rmd
new file mode 100644
index 0000000..0091ed4
--- /dev/null
+++ b/moneos_2024/030_ecotopen/10_tabellen_inleiding.Rmd
@@ -0,0 +1,238 @@
+---
+params:
+ hoofdstuk: "030_ecotopen"
+knit: (function(inputFile, ...) {
+ rmarkdown::render(inputFile,
+ output_dir = paste0(rmarkdown::yaml_front_matter(inputFile)$params$hoofdstuk, "/output"))})
+title: "Rmarkdown template MONEOS analyse"
+output: word_document
+editor_options:
+ chunk_output_type: console
+---
+
+
+```{r setup, include=FALSE}
+
+knitr::opts_chunk$set(echo = FALSE, error=FALSE, warning=FALSE, message=FALSE, cache=FALSE)
+
+```
+
+
+```{r libraries}
+
+library(tidyverse)
+library(INBOtheme)
+library(rprojroot)
+library(readxl)
+library(writexl)
+library(flextable)
+library(officer)
+
+```
+
+
+```{r pad}
+
+# inlezen van variabelen
+# pad naar data : pad_data
+# pad naar tabellen : pad_tabellen
+# pad naar figuren : pad_figuren
+
+source(find_root_file("../pad.R", criterion = is_rstudio_project))
+
+pad_data <- maak_pad(params$hoofdstuk, "data")
+pad_figuren <- maak_pad(params$hoofdstuk, "figuren")
+pad_tabellen <- maak_pad(params$hoofdstuk, "tabellen")
+
+```
+
+# Tabel ecotoopklassen obv fysiotoop en geomorf
+
+```{r 030-tabel-ecotoopklassen-1}
+
+geomorftype <-
+ c("Onbepaald",
+ "Zacht substraat",
+ "Hard natuurlijk",
+ "Hard antropogeen (breuksteen)",
+ "Schor- en dijkvegetatie",
+ "Getijdeplas",
+ "Verhard"
+ )
+
+fysiotopen <-
+ c("Zeer diep subtidaal",
+ "Diep subtidaal",
+ "Matig diep subtidaal",
+ "Ondiep subtidaal",
+ "Laag slik",
+ "Middelhoog slik",
+ "Hoog slik",
+ "Supralitoraal s.s.",
+ "Hoog supralitoraal"
+ )
+
+ecotopen <-
+ c("Diep subtidaal",
+ "Matig diep subtidaal",
+ "Ondiep subtidaal",
+ "Laag slik zacht substraat",
+ "Middelhoog slik zacht substraat",
+ "Hoog slik zacht substraat",
+ "Laag slik hard natuurlijk",
+ "Middelhoog slik hard natuurlijk",
+ "Hoog slik hard natuurlijk",
+ "Laag slik hard antropogeen",
+ "Middelhoog slik hard antropogeen",
+ "Hoog slik hard antropogeen",
+ "Potentiële pionierzone",
+ "Schor",
+ "Supralitoraal s.s. hard natuurlijk",
+ "Supralitoraal s.s. hard antropogeen",
+ "Hoog supralitoraal (begroeid)",
+ "Hoog supralitoraal hard antropogeen",
+ "Getijdeplas",
+ "Antropogeen"
+ )
+
+ecotopen_df <- data.frame(ecotopen) %>%
+ rename(Ecotoop = ecotopen) %>%
+ mutate(
+ Getijdezone = case_when(
+ str_detect(Ecotoop, "subtidaal") ~ "Sublitoraal",
+ str_detect(Ecotoop, "slik") ~ "Litoraal",
+ TRUE ~ "Supralitoraal"
+ ),
+ Geomorftype = case_when(
+ str_detect(Ecotoop, "Hoog supralitoraal hard antropogeen") ~ "Hard antropogeen (breuksteen)",
+ str_detect(Ecotoop, "Schor|Hoog supralitoraal") ~ "Schor- en dijkvegetatie",
+ str_detect(Ecotoop, "subtidaal") ~ "Onbepaald",
+ str_detect(Ecotoop, "zacht substraat|Potentiële pionierzone") ~ "Zacht substraat",
+ str_detect(Ecotoop, "hard natuurlijk") ~ "Hard natuurlijk",
+ str_detect(Ecotoop, "hard antropogeen") ~ "Hard antropogeen (breuksteen)",
+ str_detect(Ecotoop, "Getijdeplas") ~ "Getijdeplas",
+ str_detect(Ecotoop, "Antropogeen") ~ "Verhard"
+ ),
+ Fysiotoop = case_when(
+ str_detect(Ecotoop, "subtidaal") ~ Ecotoop,
+ str_detect(Ecotoop, "Laag slik") ~ "Laag slik",
+ str_detect(Ecotoop, "Middelhoog slik") ~ "Middelhoog slik",
+ str_detect(Ecotoop, "Hoog slik") ~ "Hoog slik",
+ str_detect(Ecotoop, "Hoog supralitoraal") ~ "Hoog supralitoraal",
+ str_detect(Ecotoop, "pionierzone|Supralitoraal|Schor") ~ "Supralitoraal s.s.",
+ str_detect(Ecotoop, "Getijdeplas|Antropogeen") ~ ""
+ )
+ ) %>%
+ bind_rows(data.frame(Getijdezone = "Sublitoraal",
+ Ecotoop = "Diep subtidaal",
+ Geomorftype = "Onbepaald",
+ Fysiotoop = "Zeer diep subtidaal")) %>%
+ mutate(Ecotoop = factor(Ecotoop, levels = ecotopen)) %>%
+ arrange(Ecotoop, fct_relevel(Fysiotoop, 'Zeer diep subtidaal')) %>%
+ relocate(Getijdezone, Geomorftype, Fysiotoop, Ecotoop)
+
+```
+
+```{r make flextable 1}
+#### E1 klassen tabel ####
+
+set_flextable_defaults(background.color = "white")
+
+row_div <- c(5:7, 11:13, 18:19)
+
+flt_klassen <-
+ ecotopen_df %>%
+ flextable() %>%
+ merge_v() %>%
+ bold(i = 1, part = "header") %>%
+ width(j = "Fysiotoop", width = 40, unit = "mm") %>%
+ width(j = "Geomorftype", width = 45, unit = "mm") %>%
+ width(j = "Ecotoop", width = 67, unit = "mm") %>%
+ bg(i = row_div, j = 2:4, bg = "#D9D9D9", part = "body") %>%
+ hline_bottom(part = "body", border = fp_border(color = "#D9D9D9", width = 1.5)) %>%
+ rotate(j = "Getijdezone", rotation = "btlr", part = "body") %>%
+ set_header_labels(Getijdezone = "") %>%
+ width(j = 1, width = 10, unit = "mm") %>%
+ hline(i = c(4, 13), part = "body") %>%
+ vline(j = 1, part = "body")
+
+output_name_klassen <- "030_tabel_klassen_E1.png"
+flt_klassen %>% save_as_image(path = str_c(pad_tabellen, output_name_klassen))
+
+```
+
+```{r 030-tabel-ecotoopklassen-2}
+
+ecotopen_20_sublitoraal <-
+ c("Hoogdynamisch diep subtidaal",
+ "Laagdynamisch diep subtidaal",
+ "Hoogdynamisch matig diep subtidaal",
+ "Laagdynamisch matig diep subtidaal",
+ "Hoogdynamisch ondiep subtidaal",
+ "Laagdynamisch ondiep subtidaal")
+
+snelheden_sublitoraal <-
+ c("> 0,83 m/s",
+ "<= 0,83 m/s",
+ "> 0,92 m/s",
+ "<= 0,92 m/s",
+ "> 1,01 m/s",
+ "<= 1,01 m/s")
+
+df_sublit_20 <- data.frame("Ecotoop" = ecotopen_20_sublitoraal, "maxV" = snelheden_sublitoraal) %>%
+ mutate(Getijdezone = "Sublitoraal", Geomorftype = "Onbepaald", Fysiotoop = Ecotoop)
+
+ecotopen_df_20 <-
+ ecotopen_df %>%
+ dplyr::filter(!str_detect(Ecotoop, "subtidaal")) %>%
+ mutate(maxV = "") %>%
+ bind_rows(df_sublit_20) %>%
+ bind_rows(data.frame(Getijdezone = "Sublitoraal",
+ Ecotoop = "Hoogdynamisch diep subtidaal",
+ Geomorftype = "Onbepaald",
+ Fysiotoop = "Zeer diep subtidaal",
+ maxV = "----")) %>%
+ mutate(Getijdezone = factor(Getijdezone, levels = c("Sublitoraal", "Litoraal", "Supralitoraal"))) %>%
+ arrange(Getijdezone, fct_relevel(Fysiotoop, 'Zeer diep subtidaal')) %>%
+ relocate(Getijdezone, Geomorftype, Fysiotoop, maxV, Ecotoop)
+
+movedown <- ecotopen_df_20 %>%
+ dplyr::filter(Ecotoop %in% c("Hoog supralitoraal (begroeid)", "Hoog supralitoraal hard antropogeen", "Getijdeplas", "Antropogeen"))
+
+ecotopen_df_20 <- ecotopen_df_20 %>%
+ dplyr::filter(!Ecotoop %in% c("Hoog supralitoraal (begroeid)", "Hoog supralitoraal hard antropogeen", "Getijdeplas", "Antropogeen")) %>%
+ bind_rows(movedown %>%
+ arrange(fct_relevel(Ecotoop, "Hoog supralitoraal (begroeid)", "Hoog supralitoraal hard antropogeen", "Getijdeplas", "Antropogeen"))) %>%
+ rename("Max. snelheid (vloed)" = maxV)
+
+
+
+```
+
+```{r make flextable klassen 2}
+#### E2 klassen tabel ####
+
+set_flextable_defaults(background.color = "white")
+
+row_div_2 <- c(8:10, 14:16, 21:22)
+
+flt_klassen_2 <-
+ ecotopen_df_20 %>%
+ flextable() %>%
+ merge_v(j = c(1:3, 5)) %>%
+ bold(i = 1, part = "header") %>%
+ width(j = "Fysiotoop", width = 40, unit = "mm") %>%
+ width(j = "Geomorftype", width = 45, unit = "mm") %>%
+ width(j = "Ecotoop", width = 67, unit = "mm") %>%
+ bg(i = row_div_2, j = 2:5, bg = "#D9D9D9", part = "body") %>%
+ hline_bottom(part = "body", border = fp_border(color = "#D9D9D9", width = 1.5)) %>%
+ rotate(j = "Getijdezone", rotation = "btlr", part = "body") %>%
+ set_header_labels(Getijdezone = "") %>%
+ width(j = 1, width = 10, unit = "mm") %>%
+ hline(i = c(7, 16), part = "body") %>%
+ vline(j = 1, part = "body")
+
+output_name_klasse_2 <- "030_tabel_klassen_E2.png"
+flt_klassen_2 %>% save_as_image(path = str_c(pad_tabellen, output_name_klasse_2))
+```
+
diff --git a/moneos_2024/040_vegetatiekaart/INBO.MONEOS_sjabloonT2023_BV_vegetatiekaart.docx b/moneos_2024/040_vegetatiekaart/INBO.MONEOS_sjabloonT2023_BV_vegetatiekaart.docx
new file mode 100644
index 0000000..3ea331c
Binary files /dev/null and b/moneos_2024/040_vegetatiekaart/INBO.MONEOS_sjabloonT2023_BV_vegetatiekaart.docx differ
diff --git a/moneos_2024/040_vegetatiekaart/word_naar_rmd.R b/moneos_2024/040_vegetatiekaart/word_naar_rmd.R
new file mode 100644
index 0000000..3245770
--- /dev/null
+++ b/moneos_2024/040_vegetatiekaart/word_naar_rmd.R
@@ -0,0 +1,19 @@
+
+library(protocolhelper)
+
+source("../pad.R")
+
+hoofdstuk <- "040_vegetatiekaart"
+pad_data <- maak_pad(hoofdstuk, "data")
+pad_figuren <- maak_pad(hoofdstuk, "figuren")
+pad_tabellen <- maak_pad(hoofdstuk, "tabellen")
+
+convert_docx_to_rmd(from = "040_vegetatiekaart/INBO.MONEOS_sjabloonT2023_BV_vegetatiekaart.docx",
+ to = "150_geintegreerd_rapport/040_vegetatiekaart_magweg.Rmd",
+ dir_media = pad_figuren)
+
+add_captions(from = "150_geintegreerd_rapport/040_vegetatiekaart_magweg.Rmd",
+ to = "150_geintegreerd_rapport/040_vegetatiekaart.Rmd")
+
+unlink("150_geintegreerd_rapport/040_vegetatiekaart_magweg.Rmd")
+
diff --git a/moneos_2024/050_hogere_planten/INBO.MONEOS_sjabloonT2023_BV_hogereplanten.docx b/moneos_2024/050_hogere_planten/INBO.MONEOS_sjabloonT2023_BV_hogereplanten.docx
new file mode 100644
index 0000000..faf5326
Binary files /dev/null and b/moneos_2024/050_hogere_planten/INBO.MONEOS_sjabloonT2023_BV_hogereplanten.docx differ
diff --git a/moneos_2024/050_hogere_planten/word_naar_rmd.R b/moneos_2024/050_hogere_planten/word_naar_rmd.R
new file mode 100644
index 0000000..241db88
--- /dev/null
+++ b/moneos_2024/050_hogere_planten/word_naar_rmd.R
@@ -0,0 +1,19 @@
+
+library(protocolhelper)
+
+source("../pad.R")
+
+hoofdstuk <- "050_hogere_planten"
+pad_data <- maak_pad(hoofdstuk, "data")
+pad_figuren <- maak_pad(hoofdstuk, "figuren")
+pad_tabellen <- maak_pad(hoofdstuk, "tabellen")
+
+convert_docx_to_rmd(from = "050_hogere_planten/INBO.MONEOS_sjabloonT2023_BV_hogereplanten.docx",
+ to = "150_geintegreerd_rapport/050_hogere_planten_magweg.Rmd",
+ dir_media = pad_figuren)
+
+add_captions(from = "150_geintegreerd_rapport/050_hogere_planten_magweg.Rmd",
+ to = "150_geintegreerd_rapport/050_hogere_planten.Rmd")
+
+unlink("150_geintegreerd_rapport/050_hogere_planten_magweg.Rmd")
+
diff --git a/moneos_2024/060_sedimentkenmerken/10_sediment_data.Rmd b/moneos_2024/060_sedimentkenmerken/10_sediment_data.Rmd
new file mode 100644
index 0000000..94a9fdd
--- /dev/null
+++ b/moneos_2024/060_sedimentkenmerken/10_sediment_data.Rmd
@@ -0,0 +1,157 @@
+---
+params:
+ hoofdstuk: "060_sedimentkenmerken"
+knit: (function(inputFile, ...) {
+ rmarkdown::render(inputFile,
+ output_dir = paste0(rmarkdown::yaml_front_matter(inputFile)$params$hoofdstuk, "/output"))})
+title: "Sediment MONEOS data"
+output: word_document
+editor_options:
+ chunk_output_type: console
+---
+
+
+```{r setup, include=FALSE}
+
+knitr::opts_chunk$set(echo = FALSE, error=FALSE, warning=FALSE, message=FALSE, cache=FALSE, fig.showtext = TRUE, dpi = 300)
+
+```
+
+
+
+```{r libraries}
+
+library(tidyverse)
+library(lubridate)
+library(readxl)
+library(INBOtheme)
+library(rprojroot)
+
+
+```
+
+
+```{r pad}
+
+# inlezen van variabelen
+# pad naar data : pad_data
+# pad naar tabellen : pad_tabellen
+# pad naar figuren : pad_figuren
+
+# source("../pad.R")
+source(find_root_file("../pad.R", criterion = is_rstudio_project))
+pad_data <- maak_pad(params$hoofdstuk, "data")
+pad_figuren <- maak_pad(params$hoofdstuk, "figuren")
+pad_tabellen <- maak_pad(params$hoofdstuk, "tabellen")
+
+```
+
+
+```{r data}
+
+# OPGELET!!!
+ # Dit script start met de afgewerkte data-aanlevering.
+ # Om te starten met extractie van de gegevens uit de databank zie script 2017
+
+##datavoorbereiding 2024
+##koppelen van sedimentdata met locatiegegevens
+
+data2022loc <- read_excel(paste0(pad_data, "Locaties2022.xlsx"))
+data2022sed <- read_excel(paste0(pad_data, "Sediment2022_spatial.xlsx"))
+
+data2022loc <- data2022loc %>%
+ dplyr::filter(CampagneCode == "Spatial2022") %>%
+ rename_with(tolower) %>%
+ rename(X = x) %>%
+ rename(Y = y)
+
+data2022sed <- data2022sed %>%
+ rename_with(tolower) %>%
+ rename (OM = om)
+
+data2022 <- data2022loc %>%
+ left_join(data2022sed, by = "locatiecode") %>%
+ rename(locatie = locatiecode)
+
+data2023loc <- read_excel(paste0(pad_data, "Locaties2023_ONAF.xlsx"))
+data2023sed <- read_excel(paste0(pad_data, "Sediment2023_spatial.xlsx"))
+
+data2023loc <- data2023loc %>%
+ dplyr::filter(CampagneCode == "Spatial2023") %>%
+ rename_with(tolower) %>%
+ rename(X = x) %>%
+ rename(Y = y)
+
+data2023sed <- data2023sed %>%
+ rename_with(tolower) %>%
+ rename (OM = om)
+
+data2023 <- data2023loc %>%
+ left_join(data2023sed, by = "locatiecode") %>%
+ rename(locatie = locatiecode)
+
+
+##selectie variabelen en omzetten lang formaat
+
+data2022 <- data2022 %>%
+ select(jaar, campagne, waterloop, tidaal, fysiotoop, locatie, X, Y, mediaan, OM, slib) %>%
+ gather("mediaan", "OM", "slib", key = variabele, value = waarde, na.rm = TRUE)
+
+data2023 <- data2023 %>%
+ select(jaar, campagne, waterloop, tidaal, fysiotoop, locatie, X, Y, mediaan, OM, slib) %>%
+ gather("mediaan", "OM", "slib", key = variabele, value = waarde, na.rm = TRUE)
+
+##check op dubbels
+dubbel <-data2023 %>%
+ dplyr::group_by(jaar, campagne, waterloop, tidaal, fysiotoop, locatie, X, Y, variabele) %>%
+ dplyr::summarise(n = dplyr::n(), .groups = "drop") %>%
+ dplyr::filter(n > 1L)
+
+##data toevoegen aan dataset vorige rapportage
+ data <- read_excel(paste0(pad_data, "S_DS_V_004a_sediment_data2008_2021_rapportage2023.xlsx"))
+
+ data <- data %>%
+ select(jaar, campagne, waterloop, tidaal, fysiotoop, locatie, X, Y, variabele, waarde)
+
+ ##promemory uit de dataset/databank zijn volgende data verwijderd bij de aanlevering naar VLIZ omdat ze foutief zijn gemeten:
+ # foute data van GK 2015 intertidaal verwijderen
+ #subset(data, !(tidaal=="intertidaal" & jaar==2015 & waterloop=="Zeeschelde IV" &
+ # variabele %in% c("mediaan","slib") ))
+ # foute data ZSIV 2013 intertidaal verwijderen
+ # subset(data, !(tidaal == "intertidaal" & jaar ==2013 & waterloop == "Zeeschelde IV" &
+ # variabele %in% c("mediaan","slib") ))
+ # data ZSI subtidaal 2013 is ook verdacht en werd verwijderd
+ # subset(data, !(tidaal == "subtidaal" & jaar ==2013 & waterloop == "Zeeschelde I" &
+ # variabele %in% c("mediaan","slib") ))
+
+ data <- data %>%
+ rbind (data2022, data2023) %>%
+ na.omit(TRUE)
+
+# template_data <-
+# data.frame(x = sample(seq(0,10,0.05), 100, replace = TRUE)) %>%
+# mutate(y = 0.5 + 2*x + rnorm(n()))
+
+```
+
+
+data gecreëerd op `r Sys.time()`
+
+data weggeschreven naar `r paste0(pad_data, "template_data.csv")`
+
+
+```{r wegschrijven-data}
+
+ file <- paste0(pad_data, "S_DS_V_004a_sediment_data2008_",(year(Sys.Date())-1),"_rapportage",year(Sys.Date()),".xlsx")
+
+ openxlsx::write.xlsx(data, file, rowNames = FALSE, overwrite = TRUE)
+
+ data %>%
+ write_delim(paste0(pad_data, "sediment_data.csv"),
+ delim = ";")
+
+```
+
+
+
+
diff --git a/moneos_2024/060_sedimentkenmerken/20_sediment_analyse.Rmd b/moneos_2024/060_sedimentkenmerken/20_sediment_analyse.Rmd
new file mode 100644
index 0000000..2a74639
--- /dev/null
+++ b/moneos_2024/060_sedimentkenmerken/20_sediment_analyse.Rmd
@@ -0,0 +1,1540 @@
+---
+params:
+ hoofdstuk: "060_sedimentkenmerken"
+knit: (function(inputFile, ...) {
+ rmarkdown::render(inputFile,
+ output_dir = paste0(rmarkdown::yaml_front_matter(inputFile)$params$hoofdstuk, "/output"))})
+title: "Sedimentkenmerken MONEOS analyse"
+output: word_document
+editor_options:
+ chunk_output_type: console
+---
+
+
+```{r setup, include=FALSE}
+
+knitr::opts_chunk$set(echo = FALSE, error = FALSE, warning = FALSE, message = FALSE, cache = FALSE, fig.showtext = TRUE, dpi = 300)
+
+```
+
+
+
+```{r libraries}
+
+library(tidyverse)
+library(writexl)
+library(gridExtra)
+library(readxl)
+library(rprojroot)
+library(scales)
+library(INBOtheme)
+library(dplyr)
+library(purrr)
+library(ggplot2)
+library(broom)
+
+```
+
+
+```{r pad}
+
+# inlezen van variabelen
+# pad naar data : pad_data
+# pad naar tabellen : pad_tabellen
+# pad naar figuren : pad_figuren
+
+# source("../pad.R")
+source(find_root_file("../pad.R", criterion = is_rstudio_project))
+pad_data <- maak_pad(params$hoofdstuk, "data")
+pad_figuren <- maak_pad(params$hoofdstuk, "figuren")
+pad_tabellen <- maak_pad(params$hoofdstuk, "tabellen")
+
+```
+
+
+```{r data}
+
+sediment_data <-
+ read_delim(paste0(pad_data, "sediment_data.csv"),
+ delim = ";")
+
+vroegste_jaar <-
+ sediment_data$jaar %>%
+ min()
+
+recentste_jaar <-
+ sediment_data$jaar %>%
+ max()
+#
+# kleinste_y <-
+# template_data$y %>%
+# min()
+#
+# grootste_y <-
+# template_data$y %>%
+# max()
+
+```
+
+
+# beschrijving van de data
+
+ - Er zijn `r ncol(sediment_data)` variabelen
+ + `r paste(names(sediment_data), sep = ", ")`
+ - Er zijn `r nrow(sediment_data)` metingen
+
+
+
+# overzicht jaar waarden
+
+```{r 000-tabel-jaar-waarden}
+
+# tabel_jaar_waarden1 <-
+# sediment_data %>%
+# mutate(jaarcat = cut(jaar, floor(vroegste_jaar-1):ceiling(recentste_jaar+1))) %>%
+# count(jaarcat)
+
+
+tabel_jaar_waarden <-
+ sediment_data %>%
+ group_by(jaar,campagne) %>%
+ summarise (count = n_distinct(locatie))
+
+knitr::kable(tabel_jaar_waarden)
+
+write_xlsx(list(jaar_waarden = tabel_jaar_waarden),
+ paste0(pad_tabellen, "sediment_tabellen.xlsx"))
+
+```
+
+
+```{r meta-data}
+
+meta_data <-
+ enframe(c(vroegste_jaar = vroegste_jaar,
+ recentste_jaar = recentste_jaar,
+ metingen = nrow(sediment_data)),
+ name = "naam", value = "waarde")
+
+meta_data %>%
+ write_delim(paste0(pad_data, "meta_data.csv"),
+ delim = ";")
+
+```
+
+```{r voorbereiding dataset}
+
+table(sediment_data$tidaal)
+sediment_data$tidaal[sediment_data$tidaal=="inter"] <- "intertidaal"
+sediment_data$tidaal[sediment_data$tidaal=="inter"] <- "Intertidaal"
+sediment_data$tidaal[sediment_data$tidaal=="sub"] <- "subtidaal"
+
+table(sediment_data$waterloop)
+ sediment_data$waterloop[sediment_data$waterloop=="Zeeschelde_trj_Ml_Gb"] <- "Zeeschelde I_up"
+ sediment_data$waterloop[sediment_data$waterloop=="Zeeschelde I trj_Ml_Gb"] <- "Zeeschelde I_up"
+ sediment_data$waterloop[sediment_data$waterloop=="Zeeschelde I trj_Ml_Gb\r\n"] <- "Zeeschelde I_up"
+ sediment_data$waterloop[sediment_data$waterloop=="Zeeschelde I tijarm Zwijnaarde"] <- "Zeeschelde I_up"
+ sediment_data$waterloop[sediment_data$waterloop=="Zeeschelde I tijarm Zwijnaarde\r\n"] <- "Zeeschelde I-up"
+ sediment_data$waterloop[sediment_data$waterloop=="Beneden_Dijle"] <- "Dijle"
+ #
+ # sediment_data$waterloop[sediment_data$waterloop=="Zeeschelde_trj_Ml_Gb"] <- "Zeeschelde I"
+ # sediment_data$waterloop[sediment_data$waterloop=="Zeeschelde I trj_Ml_Gb"] <- "Zeeschelde I"
+ # sediment_data$waterloop[sediment_data$waterloop=="Zeeschelde I trj_Ml_Gb\r\n"] <- "Zeeschelde I"
+ # sediment_data$waterloop[sediment_data$waterloop=="Zeeschelde I tijarm Zwijnaarde"] <- "Zeeschelde I"
+ # sediment_data$waterloop[sediment_data$waterloop=="Zeeschelde I tijarm Zwijnaarde\r\n"] <- "Zeeschelde I"
+ #
+ table(sediment_data$waterloop)
+ sediment_data$waterloop <- factor(sediment_data$waterloop,
+ levels=c("Zeeschelde IV","Zeeschelde III","Zeeschelde II","Zeeschelde I","Zeeschelde I_up","Rupel","Durme","Nete","Dijle","Zenne"))
+
+ # sediment_data$waterloop <- factor(sediment_data$waterloop,
+ # levels=c("Zeeschelde IV","Zeeschelde III","Zeeschelde II","Zeeschelde I","Zeeschelde I_up","Rupel","Durme","Nete","Dijle","Zenne"))
+
+
+ table(sediment_data$fysiotoop)
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="diep subtidaal"] <- "diep"
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="hoge slikzone"] <- "hoog"
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="hoog slik"] <- "hoog"
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="lage slikzone"] <- "laag"
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="laag intertidaal"] <- "laag"
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="laag slik"] <- "laag"
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="matig diep subtidaal"] <- "matig diep"
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="laagdynamisch matig diep subtidaal"] <- "matig diep"
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="hoogdynamisch matig diep subtidaal"] <- "matig diep"
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="middelhoge slikzone"] <- "midden"
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="middelhoog slik"] <- "midden"
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="nog te bepalen - sub"] <- "sub indet."
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="subtidaal"] <- "sub indet."
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="ondiep subtidaal"] <- "ondiep"
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="laagdynamisch ondiep subtidaal"] <- "ondiep"
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="hoogdynamisch ondiep subtidaal"] <- "ondiep"
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="slik onbepaald"] <- "inter indet."
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="laagdynamisch diep subtidaal"] <- "diep"
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="hoogdynamisch diep subtidaal"] <- "diep"
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="hoogdynamisch zeer diep subtidaal"] <- "diep"
+ sediment_data$fysiotoop[sediment_data$fysiotoop=="hard antropogeen"] <- "hard substraat"
+
+ unique(sediment_data$fysiotoop)
+
+ fyzzers <- c("hoog","midden","laag",
+ "hard substraat","inter indet.","ondiep",
+ "matig diep","diep", "sub indet.","onbepaald")
+ sediment_data$fysiotoop <- factor(sediment_data$fysiotoop, levels = fyzzers)
+
+ hoofd <- c("Zeeschelde IV","Zeeschelde III","Zeeschelde II","Zeeschelde I","Zeeschelde I_up" )
+ # hoofd <- c("Zeeschelde IV","Zeeschelde III","Zeeschelde II","Zeeschelde I")
+ zij <- c("Rupel","Durme","Nete","Dijle","Zenne")
+ inter <- c("inter indet.","laag", "hoog", "midden")
+ sub <- c("diep","matig diep","ondiep","sub indet.")
+ intersubZS <- c("laag", "hoog", "midden", "diep","matig diep","ondiep")
+
+```
+
+# figuur regressie
+
+```{r 000-figuur-regressie, fig.height=5, fig.width=8}
+
+
+ggplotRegression <- function (fit) {
+
+require(ggplot2)
+
+ggplot(fit$model, aes_string(x = names(fit$model)[2], y = names(fit$model)[1])) +
+ geom_point() +
+ stat_smooth(method = "lm", col = "red") +
+ labs(title = paste("Adj R2 = ",signif(summary(fit)$adj.r.squared, 5),
+ "Intercept =",signif(fit$coef[[1]],5 ),
+ " Slope =",signif(fit$coef[[2]], 5),
+ " P =",signif(summary(fit)$coef[2,4], 5)))
+}
+
+test <- sediment_data %>%
+ pivot_wider(names_from = variabele, values_from = waarde)
+
+
+fit1 <- lm(OM ~ mediaan, data = test)
+ggplotRegression(fit1)
+
+fit2 <- lm(OM ~ slib, data = test)
+ggplotRegression(fit2)
+
+fit3 <- lm(mediaan ~ slib, data = test)
+ggplotRegression(fit3)
+
+testslib <- test %>%
+ dplyr::filter(slib > 25) %>% #slibbodem
+ dplyr::filter(OM < 25) # geen veenbodem - arbitrair gekozen grens
+
+fit4 <- lm(OM ~ mediaan, data = testslib)
+ggplotRegression(fit4)
+
+fit5 <- lm(OM ~ slib, data = testslib)
+ggplotRegression(fit5)
+
+fit6 <- lm(mediaan ~ slib, data = testslib)
+ggplotRegression(fit6)
+
+fit6 <- lm(mediaan ~ jaar, data = testslib)
+ggplotRegression(fit6)
+
+####testjes
+
+nested_data <- test %>%
+ # dplyr::filter(waterloop == "Zeeschelde II") %>%
+ group_by(waterloop,fysiotoop) %>%
+ nest()
+
+#### model: mediane korrelgrootte
+fit_lm <- function(df) {
+ lm(mediaan ~ jaar, data = df)
+}
+
+# Apply the function to each nested data frame
+models <- nested_data %>%
+ mutate(model = map(data, fit_lm))
+
+models
+
+# Extract the model coefficients and fitted values
+models <- models %>%
+ mutate(tidy_model = map(model, tidy),
+ augment_model = map(model, augment))
+
+# Unnest the augmented data for plotting
+augmented_data <- models %>%
+ select(fysiotoop, waterloop, augment_model) %>%
+ unnest(augment_model)
+
+# Plot the models
+ggplot(augmented_data, aes(x = jaar, y = mediaan)) +
+ geom_point() +
+ geom_line(aes(y = .fitted), linetype = "dashed") +
+ facet_wrap(~ fysiotoop+waterloop) +
+ labs(title = "Linear Regression Fits by fysiotoop in Zeeschelde II",
+ x = "Year",
+ y = "Median")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_regressieZSII_median.jpg"))
+
+# Extract the model coefficients and p-values
+model_summaries <- models %>%
+ mutate(tidy_model = map(model, tidy)) %>%
+ unnest(tidy_model) %>%
+ dplyr::filter(term == "jaar") %>%
+ select(waterloop,fysiotoop, estimate, p.value)
+
+# Identify significant models (e.g., p-value < 0.05)
+significant_models <- model_summaries %>%
+ dplyr::filter(p.value < 0.05)
+
+significant_models
+
+write_xlsx(list(modeloutput = significant_models),
+ paste0(pad_tabellen, "modeloutput.xlsx"))
+
+####################
+# linear model: slib
+####################
+fit_lm <- function(df) {
+ lm(slib ~ jaar, data = df)
+}
+
+# Apply the function to each nested data frame
+models <- nested_data %>%
+ mutate(model = map(data, fit_lm))
+
+models
+
+# Extract the model coefficients and fitted values
+models <- models %>%
+ mutate(tidy_model = map(model, tidy),
+ augment_model = map(model, augment))
+
+# Unnest the augmented data for plotting
+augmented_data <- models %>%
+ select(fysiotoop, waterloop, augment_model) %>%
+ unnest(augment_model)
+
+# Plot the models
+ggplot(augmented_data, aes(x = jaar, y = slib)) +
+ geom_point() +
+ geom_line(aes(y = .fitted), linetype = "dashed") +
+ # facet_wrap(~ fysiotoop+waterloop) +
+ facet_grid(fysiotoop ~ waterloop) +
+ labs(title = "Linear Regression Fits by fysiotoop",
+ x = "Year",
+ y = "Mud")
+
+partim <- hoofd
+ augmented_data_hoofd <- augmented_data[augmented_data$waterloop %in% partim,]
+ggplot(augmented_data_hoofd, aes(x = jaar, y = slib)) +
+ geom_point() +
+ geom_line(aes(y = .fitted), linetype = "dashed") +
+ # facet_wrap(~ fysiotoop+waterloop) +
+ facet_grid(fysiotoop ~ waterloop) +
+ labs(title = "Linear Regression Fits by fysiotoop",
+ x = "Year",
+ y = "Mud%")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_regressieZS_mud.jpg"))
+
+partim <- zij
+ augmented_data_zij <- augmented_data[augmented_data$waterloop %in% partim,]
+ augmented_data_zij <- augmented_data_zij[augmented_data_zij$fysiotoop != "onbepaald",]
+
+ggplot(augmented_data_zij, aes(x = jaar, y = slib)) +
+ geom_point() +
+ geom_line(aes(y = .fitted), linetype = "dashed") +
+ # facet_wrap(~ fysiotoop+waterloop) +
+ facet_grid(fysiotoop ~ waterloop) +
+ labs(title = "Linear Regression Fits by fysiotoop",
+ x = "Year",
+ y = "Mud%")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_regressie_zijrivier_mud.jpg"))
+
+# Extract the model coefficients and p-values
+model_summaries <- models %>%
+ mutate(tidy_model = map(model, tidy)) %>%
+ unnest(tidy_model) %>%
+ dplyr::filter(term == "jaar") %>%
+ select(waterloop,fysiotoop, estimate, p.value)
+
+# Identify significant models (e.g., p-value < 0.05)
+significant_models <- model_summaries %>%
+ dplyr::filter(p.value < 0.05)
+
+significant_models
+
+write_xlsx(list(modeloutput = significant_models),
+ paste0(pad_tabellen, "modeloutput_slib.xlsx"))
+
+
+######################
+##### linear model: OM
+######################
+
+fit_lm <- function(df) {
+ lm(OM ~ jaar, data = df)
+}
+
+# Apply the function to each nested data frame
+models <- nested_data %>%
+ mutate(model = map(data, fit_lm))
+
+models
+
+# Extract the model coefficients and fitted values
+models <- models %>%
+ mutate(tidy_model = map(model, tidy),
+ augment_model = map(model, augment))
+
+# Unnest the augmented data for plotting
+augmented_data <- models %>%
+ select(fysiotoop, waterloop, augment_model) %>%
+ unnest(augment_model)
+
+# Plot the models
+ggplot(augmented_data, aes(x = jaar, y = OM)) +
+ geom_point() +
+ geom_line(aes(y = .fitted), linetype = "dashed") +
+ facet_wrap(~ fysiotoop+waterloop) +
+ labs(title = "Linear Regression Fits by fysiotoop",
+ x = "Year",
+ y = "OM")
+
+# ggsave(file=paste0(pad_figuren,"060_figuur_regressie_OM.jpg"))
+
+# Extract the model coefficients and p-values
+model_summaries <- models %>%
+ mutate(tidy_model = map(model, tidy)) %>%
+ unnest(tidy_model) %>%
+ dplyr::filter(term == "jaar") %>%
+ select(waterloop,fysiotoop, estimate, p.value)
+
+# Identify significant models (e.g., p-value < 0.05)
+significant_models <- model_summaries %>%
+ dplyr::filter(p.value < 0.05)
+
+significant_models
+
+write_xlsx(list(modeloutput = significant_models),
+ paste0(pad_tabellen, "modeloutput_OM.xlsx"))
+
+```
+
+
+```{r Mediaan-Zeeschelde, fig.height=5, fig.width=8 }
+
+var <- "mediaan"
+ partim <- hoofd
+ deel <- "Zeeschelde"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% intersubZS,]
+
+ grafdat <- sediment_datab
+ kijk <- grafdat %>%
+ dplyr::filter(waterloop == "Zeeschelde I") %>%
+ dplyr::filter(tidaal == "intertidaal")
+
+
+ ggplot(data = subset(grafdat,!is.na(fysiotoop)),
+ aes(x = factor(tidaal),y = waarde)) +
+ geom_boxplot(aes(fill = fysiotoop)) +
+ scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("mediane korrelgrootte (µm)")
+
+ ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_","boxplotfysiotopen.jpg"))
+
+ ggplot(data = subset(grafdat,!is.na(fysiotoop) & jaar == 2022),
+ aes(x = factor(tidaal),y = waarde)) +
+ geom_boxplot(aes(fill = fysiotoop)) +
+ scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("mediane korrelgrootte (µm)")
+
+```
+
+```{r Mediaan-Zeeschelde-intertidaal1, fig.height=5, fig.width=8 }
+
+var <- "slib"
+ partim <- hoofd
+ deel <- "Zeeschelde"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ grafdat <- sediment_datab
+ ggplot(data = subset(grafdat,!is.na(fysiotoop)),
+ aes(x = factor(tidaal),y = waarde)) +
+ geom_boxplot(aes(fill = fysiotoop)) +
+ # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib (%)")
+
+ ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_","boxplotfysiotopen.jpg"))
+
+```
+```{r Mediaan-Zeeschelde-intertidaal,fig.height=5, fig.width=8 }
+
+var <- "mediaan"
+ partim <- hoofd
+ deel <- "Zeeschelde"
+ fysn <- inter
+ tidaal <- "intertidaal"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+ grafdat <- sediment_datab
+ ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes(fill=fysiotoop)) +
+ scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("mediane korrelgrootte (µm)")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,".jpg"))
+
+
+
+ggplot(grafdat,
+ aes(x=jaar,y=waarde)) +
+ geom_point(aes(color=fysiotoop)) +
+ geom_smooth(aes(color=fysiotoop)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("Mediane korrelgrootte (µm)") +
+ scale_x_continuous (name = "jaar",
+ breaks = grafdat$jaar,
+ labels = grafdat$jaar)
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"trend.jpg"))
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ ggplot(aes(x = fysiotoop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("Mediane korrelgrootte (µm)")
+
+
+```
+
+```{r Mediaan-Zeeschelde-subtidaal,fig.height=5, fig.width=8}
+var <- "mediaan"
+ partim <- hoofd
+ deel <- "Zeeschelde"
+ fysn <- sub
+ tidaal <- "subtidaal"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+ grafdat <- sediment_datab
+ ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes(fill=fysiotoop)) +
+ scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("mediane korrelgrootte (µm)")
+
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,".jpg"))
+
+ggplot(grafdat,
+ aes(x=jaar,y=waarde)) +
+ geom_point(aes(color=fysiotoop)) +
+ geom_smooth(aes(color=fysiotoop)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("Mediane korrelgrootte (µm)") +
+ scale_x_continuous (name = "jaar",
+ breaks = grafdat$jaar,
+ labels = grafdat$jaar)
+
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"trend.jpg"))
+
+grafdat %>%
+ dplyr::filter(!is.na(fysiotoop)) %>%
+ dplyr::filter(jaar > 2016) %>%
+ ggplot(aes(x = fysiotoop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("Mediane korrelgrootte (µm)")
+
+grafdat %>%
+ dplyr::filter(jaar < 2016) %>%
+ dplyr::filter(!is.na(fysiotoop)) %>%
+ dplyr::filter(fysiotoop == "diep") %>%
+ ggplot(aes(x = waterloop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ xlab("") + ylab("Mediane korrelgrootte (µm)")+ labs(title = "sedimentdata 2008-2015")
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ dplyr::filter(!is.na(fysiotoop)) %>%
+ dplyr::filter(fysiotoop == "diep") %>%
+ ggplot(aes(x = waterloop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ xlab("") + ylab("Mediane korrelgrootte (µm)") + labs(title = "sedimentdata 2016-2023")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"diep.jpg"))
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ dplyr::filter(fysiotoop == "diep") %>%
+ ggplot(aes(x = waterloop, y = waarde)) +
+ geom_boxplot(aes(color = campagne)) +
+ xlab("") + ylab("Mediane korrelgrootte (µm)")
+
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ dplyr::filter(fysiotoop == "matig diep") %>%
+ ggplot(aes(x = waterloop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ xlab("") + ylab("Mediane korrelgrootte (µm)")
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ dplyr::filter(fysiotoop == "ondiep") %>%
+ ggplot(aes(x = waterloop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ xlab("") + ylab("Mediane korrelgrootte (µm)")
+
+```
+
+```{r Mediaan-zijrivieren-intertidaal,fig.height=5, fig.width=8 }
+
+var <- "mediaan"
+ partim <- zij
+ deel <- "zijrivieren"
+ fysn <- inter
+ tidaal <- "intertidaal"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+ grafdat <- sediment_datab
+
+ ###maak selectie indien geen extra zijrivieren bemonsterd werden
+grafdat <- grafdat %>%
+ dplyr::filter(waterloop == "Durme"| waterloop == "Rupel")
+
+
+ ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes(fill=fysiotoop)) +
+ scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("mediane korrelgrootte (µm)")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,".jpg"))
+
+
+ggplot(grafdat,
+ aes(x=jaar,y=waarde)) +
+ geom_point(aes(color=fysiotoop)) +
+ geom_smooth(aes(color=fysiotoop)) +
+ facet_wrap(~waterloop, ncol=2) + xlab("") + ylab("Mediane korrelgrootte (µm)") +
+ scale_x_continuous (name = "jaar",
+ breaks = grafdat$jaar,
+ labels = grafdat$jaar) +
+ ylim(0,250)+
+ theme(axis.text.x = element_text(angle = 90))
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"trend.jpg"))
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ ggplot(aes(x = fysiotoop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ facet_wrap(~waterloop, ncol=2) + xlab("") + ylab("Mediane korrelgrootte (µm)") +
+ ylim(0,200)
+```
+
+```{r Mediaan-zijrivieren-subtidaal,fig.height=5, fig.width=8 }
+
+var <- "mediaan"
+ partim <- zij
+ deel <- "zijrivieren"
+ fysn <- sub
+ tidaal <- "subtidaal"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+ grafdat <- sediment_datab
+
+ ###maak selectie indien geen extra zijrivieren bemonsterd werden
+grafdat <- grafdat %>%
+ dplyr::filter(waterloop == "Durme"| waterloop == "Rupel")
+
+
+ ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes(fill=fysiotoop)) +
+ scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("mediane korrelgrootte (µm)")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,".jpg"))
+
+
+
+ggplot(grafdat,
+ aes(x=jaar,y=waarde)) +
+ geom_point(aes(color=fysiotoop)) +
+ geom_smooth(aes(color=fysiotoop)) +
+ facet_wrap(~waterloop, ncol=2) + xlab("") + ylab("Mediane korrelgrootte (µm)") +
+ scale_x_continuous (name = "jaar",
+ breaks = grafdat$jaar,
+ labels = grafdat$jaar)
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"trend.jpg"))
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ ggplot(aes(x = fysiotoop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ facet_wrap(~waterloop, ncol=2) + xlab("") + ylab("Mediane korrelgrootte (µm)")
+```
+
+```{r Slib-Zeeschelde-intertidaal,fig.height=5, fig.width=8 }
+
+var <- "slib"
+ partim <- hoofd
+ deel <- "Zeeschelde"
+ fysn <- inter
+ tidaal <- "intertidaal"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+ grafdat <- sediment_datab %>%
+ dplyr::filter(waterloop != "Zeeschelde I_up")
+
+ ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes(fill=fysiotoop)) +
+ # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,".jpg"))
+
+
+
+ggplot(grafdat,
+ aes(x=jaar,y=waarde)) +
+ geom_point(aes(color=fysiotoop)) +
+ geom_smooth(aes(color=fysiotoop)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %") +
+ scale_x_continuous (name = "jaar",
+ breaks = grafdat$jaar,
+ labels = grafdat$jaar)
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"trend.jpg"))
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ ggplot(aes(x = fysiotoop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %")
+
+grafdat %>%
+ # dplyr::filter(waterloop == "Zeeschelde IV") %>%
+ mutate(periode = factor(ifelse(jaar < 2015, "voor 2015", "2015 en later"),
+ levels = c("voor 2015", "2015 en later"))) %>%
+ ggplot(aes(x = fysiotoop, y = waarde, fill = periode)) +
+ geom_boxplot(position = position_dodge(width = 0.8)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %") + labs(title= "slib% intertidaal")
+ ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"boxplotperiods.jpg"))
+
+```
+
+
+```{r Slib-ZeescheldeIV-intertidaal,fig.height=5, fig.width=8 }
+
+var <- "slib"
+ partim <- hoofd
+ deel <- "Zeeschelde"
+ fysn <- inter
+ tidaal <- "intertidaal"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+ grafdat <- sediment_datab %>%
+ dplyr::filter(waterloop == "Zeeschelde IV")
+ ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes(fill=fysiotoop)) +
+ # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ facet_wrap(~fysiotoop, ncol=1) + xlab("") + ylab("slib %")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"ZSIV.jpg"))
+
+
+
+ggplot(grafdat,
+ aes(x=jaar,y=waarde)) +
+ geom_point(aes(color=fysiotoop)) +
+ geom_smooth(aes(color=fysiotoop)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %") +
+ scale_x_continuous (name = "jaar",
+ breaks = grafdat$jaar,
+ labels = grafdat$jaar)
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"trendZSIV.jpg"))
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ ggplot(aes(x = fysiotoop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %")
+
+
+```
+
+```{r Slib-ZeescheldeIV-subtidaal,fig.height=5, fig.width=8 }
+
+var <- "slib"
+ partim <- hoofd
+ deel <- "Zeeschelde"
+ fysn <- sub
+ tidaal <- "subtidaal"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+ grafdat <- sediment_datab %>%
+ dplyr::filter(waterloop == "Zeeschelde IV")
+ ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes(fill=fysiotoop)) +
+ # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ facet_wrap(~fysiotoop, ncol=1) + xlab("") + ylab("slib %")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"ZSIV.jpg"))
+
+
+
+ggplot(grafdat,
+ aes(x=jaar,y=waarde)) +
+ geom_point(aes(color=fysiotoop)) +
+ geom_smooth(aes(color=fysiotoop)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %") +
+ scale_x_continuous (name = "jaar",
+ breaks = grafdat$jaar,
+ labels = grafdat$jaar)
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"trendZSIV.jpg"))
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ ggplot(aes(x = fysiotoop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %")
+
+
+```
+
+
+```{r Slib-Zeeschelde-subtidaal,fig.height=5, fig.width=8 }
+
+var <- "slib"
+ partim <- hoofd
+ deel <- "Zeeschelde"
+ fysn <- sub
+ tidaal <- "subtidaal"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+ grafdat <- sediment_datab %>%
+ dplyr::filter(waterloop != "Zeeschelde I_up")
+
+ ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes(fill=fysiotoop)) +
+ # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"box.jpg"))
+
+
+
+ggplot(grafdat,
+ aes(x=jaar,y=waarde)) +
+ geom_point(aes(color=fysiotoop)) +
+ geom_smooth(aes(color=fysiotoop)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %") +
+ scale_x_continuous (name = "jaar",
+ breaks = grafdat$jaar,
+ labels = grafdat$jaar)
+
+# ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"trendZSIV.jpg"))
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ ggplot(aes(x = fysiotoop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %")
+
+grafdat %>%
+ mutate(periode = factor(ifelse(jaar < 2015, "voor 2015", "2015 en later"),
+ levels = c("voor 2015", "2015 en later"))) %>%
+ ggplot(aes(x = fysiotoop, y = waarde, fill = periode)) +
+ geom_boxplot(position = position_dodge(width = 0.8)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %") + labs(title= "slib% subtidaal")
+ ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"boxplotperiods.jpg"))
+
+```
+
+
+
+
+```{r Slib-Zeeschelde-intertidaal_zondertijarmen,fig.height=5, fig.width=8 }
+###bij datavoorbereiding negeer even de klassificatie van TZ en GM naar Zeeschelde I om onderstaande figuren te maken
+
+# var <- "slib"
+# partim <- hoofd
+# deel <- "Zeeschelde"
+# fysn <- inter
+# tidaal <- "intertidaal"
+# sediment_datab <- sediment_data[sediment_data$variabele == var,]
+# sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+# sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+# grafdat <- sediment_datab
+# ggplot(grafdat,
+# aes(x=factor(jaar),y=waarde)) +
+# geom_boxplot(aes(fill=fysiotoop)) +
+# # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+# # coord_trans(y="log") +
+# facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %")
+#
+# ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"ZSIzndtijarmen.jpg"))
+#
+#
+#
+# ggplot(grafdat,
+# aes(x=jaar,y=waarde)) +
+# geom_point(aes(color=fysiotoop)) +
+# geom_smooth(aes(color=fysiotoop)) +
+# facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %") +
+# scale_x_continuous (name = "jaar",
+# breaks = grafdat$jaar,
+# labels = grafdat$jaar)
+#
+# ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"trendZSIzndtijarmen.jpg"))
+#
+# grafdat %>%
+# dplyr::filter(jaar > 2016) %>%
+# ggplot(aes(x = fysiotoop, y = waarde)) +
+# geom_boxplot((aes(color = fysiotoop))) +
+# facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %")
+#
+#
+# ```
+#
+#
+# ```{r Slib-Zeeschelde-subtidaal,fig.height=5, fig.width=8 }
+#
+# var <- "slib"
+# partim <- hoofd
+# deel <- "Zeeschelde"
+# fysn <- sub
+# tidaal <- "subtidaal"
+# sediment_datab <- sediment_data[sediment_data$variabele == var,]
+# sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+# sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+# grafdat <- sediment_datab
+# ggplot(grafdat,
+# aes(x=factor(jaar),y=waarde)) +
+# geom_boxplot(aes(fill=fysiotoop)) +
+# # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+# # coord_trans(y="log") +
+# facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %")
+#
+# ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,".jpg"))
+
+#
+# ggplot(grafdat,
+# aes(x=jaar,y=waarde)) +
+# geom_point(aes(color=fysiotoop)) +
+# geom_smooth(aes(color=fysiotoop)) +
+# facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %") +
+# scale_x_continuous (name = "jaar",
+# breaks = grafdat$jaar,
+# labels = grafdat$jaar)
+#
+# ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"trend.jpg"))
+#
+# grafdat %>%
+# dplyr::filter(jaar > 2016) %>%
+# ggplot(aes(x = fysiotoop, y = waarde)) +
+# geom_boxplot((aes(color = fysiotoop))) +
+# facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %")
+
+
+```
+
+
+```{r Slib-zijrivieren-subtidaal,fig.height=5, fig.width=8 }
+
+var <- "slib"
+ partim <- zij
+ deel <- "zijrivieren"
+ fysn <- sub
+ tidaal <- "subtidaal"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+ grafdat <- sediment_datab %>%
+ dplyr::filter(fysiotoop != "sub indet.")
+
+ ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes(fill=fysiotoop)) +
+ # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,".jpg"))
+
+
+
+ggplot(grafdat,
+ aes(x=jaar,y=waarde)) +
+ geom_point(aes(color=fysiotoop)) +
+ geom_smooth(aes(color=fysiotoop)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %") +
+ scale_x_continuous (name = "jaar",
+ breaks = grafdat$jaar,
+ labels = grafdat$jaar)
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"trend.jpg"))
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ ggplot(aes(x = fysiotoop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %")
+
+grafdat %>%
+ mutate(periode = factor(ifelse(jaar < 2015, "voor 2015", "2015 en later"),
+ levels = c("voor 2015", "2015 en later"))) %>%
+ ggplot(aes(x = fysiotoop, y = waarde, fill = periode)) +
+ geom_boxplot(position = position_dodge(width = 0.8)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %") + labs(title= "slib% subtidaal")
+ ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"boxplotperiods.jpg"))
+
+```
+
+```{r Slib-zijrivieren-intertidaal,fig.height=5, fig.width=8 }
+
+var <- "slib"
+ partim <- zij
+ deel <- "zijrivieren"
+ fysn <- inter
+ tidaal <- "intertidaal"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+ grafdat <- sediment_datab %>%
+ dplyr::filter(fysiotoop !="inter indet.")
+ ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes(fill=fysiotoop)) +
+ # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,".jpg"))
+
+
+
+ggplot(grafdat,
+ aes(x=jaar,y=waarde)) +
+ geom_point(aes(color=fysiotoop)) +
+ geom_smooth(aes(color=fysiotoop)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %") +
+ scale_x_continuous (name = "jaar",
+ breaks = grafdat$jaar,
+ labels = grafdat$jaar)
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"trend.jpg"))
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ ggplot(aes(x = fysiotoop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %")
+
+grafdat %>%
+ mutate(periode = factor(ifelse(jaar < 2015, "voor 2015", "2015 en later"),
+ levels = c("voor 2015", "2015 en later"))) %>%
+ ggplot(aes(x = fysiotoop, y = waarde, fill = periode)) +
+ geom_boxplot(position = position_dodge(width = 0.8)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %") + labs(title= "slib% intertidaal")
+ ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"boxplotperiods.jpg"))
+
+```
+
+```{r OM-Zeeschelde-intertidaal,fig.height=5, fig.width=8 }
+
+var <- "OM"
+ partim <- hoofd
+ deel <- "Zeeschelde"
+ fysn <- inter
+ tidaal <- "intertidaal"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+ grafdat <- sediment_datab
+ ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes(fill=fysiotoop)) +
+ # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("Organisch materiaal %")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,".jpg"))
+
+
+
+ggplot(grafdat,
+ aes(x=jaar,y=waarde)) +
+ geom_point(aes(color=fysiotoop)) +
+ geom_smooth(aes(color=fysiotoop)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("Organisch materiaal %") +
+ scale_x_continuous (name = "jaar",
+ breaks = grafdat$jaar,
+ labels = grafdat$jaar) +
+ ylim(0,20)
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"trend.jpg"))
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ ggplot(aes(x = fysiotoop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("Organisch materiaal %") +
+ ylim(0,20)
+
+
+```
+
+```{r OM-Zeeschelde-subtidaal,fig.height=5, fig.width=8 }
+
+var <- "OM"
+ partim <- hoofd
+ deel <- "Zeeschelde"
+ fysn <- sub
+ tidaal <- "subtidaal"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+ grafdat <- sediment_datab
+ ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes(fill=fysiotoop)) +
+ # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("Organisch materiaal %")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,".jpg"))
+
+
+
+ggplot(grafdat,
+ aes(x=jaar,y=waarde)) +
+ geom_point(aes(color=fysiotoop)) +
+ geom_smooth(aes(color=fysiotoop)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("Organisch materiaal %") +
+ scale_x_continuous (name = "jaar",
+ breaks = grafdat$jaar,
+ labels = grafdat$jaar)
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"trend.jpg"))
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ ggplot(aes(x = fysiotoop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("Organisch materiaal %")
+
+
+```
+
+```{r OM-Zijrivieren-subtidaal,fig.height=5, fig.width=8 }
+
+var <- "OM"
+ partim <- zij
+ deel <- "zijrivieren"
+ fysn <- sub
+ tidaal <- "subtidaal"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+ grafdat <- sediment_datab
+ ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes(fill=fysiotoop)) +
+ # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("Organisch materiaal %")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,".jpg"))
+
+
+
+ggplot(grafdat,
+ aes(x=jaar,y=waarde)) +
+ geom_point(aes(color=fysiotoop)) +
+ geom_smooth(aes(color=fysiotoop)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("Organisch materiaal %") +
+ scale_x_continuous (name = "jaar",
+ breaks = grafdat$jaar,
+ labels = grafdat$jaar)
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"trend.jpg"))
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ ggplot(aes(x = fysiotoop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("Organisch materiaal %")
+
+
+```
+
+```{r OM-Zijrivieren-intertidaal,fig.height=5, fig.width=8 }
+
+var <- "OM"
+ partim <- zij
+ deel <- "zijrivieren"
+ fysn <- inter
+ tidaal <- "intertidaal"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+ grafdat <- sediment_datab
+
+ ###maak selectie indien geen extra zijrivieren bemonsterd werden
+grafdat <- grafdat %>%
+ dplyr::filter(waterloop == "Durme"| waterloop == "Rupel")
+
+ ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes(fill=fysiotoop)) +
+ # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("Organisch materiaal %")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,".jpg"))
+
+
+
+ggplot(grafdat,
+ aes(x=jaar,y=waarde)) +
+ geom_point(aes(color=fysiotoop)) +
+ geom_smooth(aes(color=fysiotoop)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("Organisch materiaal %") +
+ scale_x_continuous (name = "jaar",
+ breaks = grafdat$jaar,
+ labels = grafdat$jaar)
+
+ggsave(file=paste0(pad_figuren,var,"_",deel,"_",tidaal,"trend.jpg"))
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ ggplot(aes(x = fysiotoop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("Organisch materiaal %")
+
+
+```
+
+```{r Grafieken durme}
+
+
+tabel_jaar_waarden_Durme <-
+ sediment_data %>%
+ dplyr::filter(waterloop == "Durme") %>%
+ group_by(jaar,campagne,tidaal) %>%
+ summarise (count = n_distinct(locatie)) %>%
+ spread(tidaal, count)
+
+knitr::kable(tabel_jaar_waarden_Durme)
+
+write_xlsx(list(jaar_waarden = tabel_jaar_waarden_Durme),
+ paste0(pad_tabellen, "sediment_tabel_Durme.xlsx"))
+####################
+##slib intertidaal
+#################
+
+var <- "slib"
+ partim <- zij
+ deel <- "zijrivieren"
+ fysn <- inter
+ tidaal <- "intertidaal"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+ grafdat <- sediment_datab %>%
+ dplyr::filter (waterloop == "Durme")
+
+ grafdat %>%
+ dplyr::filter(jaar == 2011| jaar > 2015) %>%
+ ggplot(aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes(fill=fysiotoop)) +
+ xlab("") + ylab("slib % intertidaal")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"Durme.jpg"))
+
+ ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes()) +
+ # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ xlab("") + ylab("slib % intertidaal")
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"boxDurme.jpg"))
+
+grafdat %>%
+ group_by(jaar) %>%
+ summarise(slibmean = (mean(waarde))) %>%
+ggplot(aes(x = jaar, y = slibmean))+
+ geom_boxplot(aes()) +
+ # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ xlab("") + ylab("slibmean %")
+
+
+ggplot(grafdat,
+ aes(x=jaar,y=waarde)) +
+ geom_point(aes(color=fysiotoop)) +
+ geom_smooth(aes(color=fysiotoop)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %") +
+ scale_x_continuous (name = "jaar",
+ breaks = grafdat$jaar,
+ labels = grafdat$jaar)
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"Durmetrend.jpg"))
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ ggplot(aes(x = fysiotoop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %")
+
+####################
+##slib subtidaal
+#################
+
+var <- "slib"
+ partim <- zij
+ deel <- "zijrivieren"
+ fysn <- sub
+ tidaal <- "subtidaal"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+ grafdat <- sediment_datab %>%
+ dplyr::filter (waterloop == "Durme")
+
+
+ grafdat %>%
+ dplyr::filter(jaar == 2012| jaar > 2015) %>%
+ ggplot(aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes(fill=fysiotoop)) +
+ xlab("") + ylab("slib % subtidaal")
+
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"Durme.jpg"))
+
+ ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes()) +
+ # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ xlab("") + ylab("slib % subtidaal")
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"boxDurme.jpg"))
+
+
+
+####################
+##mediaan intertidaal
+#################
+
+var <- "mediaan"
+ partim <- zij
+ deel <- "zijrivieren"
+ fysn <- inter
+ tidaal <- "intertidaal"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+ grafdat <- sediment_datab %>%
+ dplyr::filter (waterloop == "Durme")
+
+
+ ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes(fill=fysiotoop)) +
+ # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ xlab("") + ylab("mediaan")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"Durme.jpg"))
+
+
+
+ggplot(grafdat,
+ aes(x=jaar,y=waarde)) +
+ geom_point(aes(color=fysiotoop)) +
+ geom_smooth(aes(color=fysiotoop)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("mediaan") +
+ scale_x_continuous (name = "jaar",
+ breaks = grafdat$jaar,
+ labels = grafdat$jaar)
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"Durmetrend.jpg"))
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ ggplot(aes(x = fysiotoop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("mediaan")
+
+####################
+##mediaan subtidaal
+#################
+
+var <- "mediaan"
+ partim <- zij
+ deel <- "zijrivieren"
+ fysn <- sub
+ tidaal <- "subtidaal"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+ grafdat <- sediment_datab %>%
+ dplyr::filter (waterloop == "Durme")
+
+
+ ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes(fill=fysiotoop)) +
+ # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ xlab("") + ylab("mediaan")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"Durme.jpg"))
+
+
+ggplot(grafdat,
+ aes(x=jaar,y=waarde)) +
+ geom_point(aes(color=fysiotoop)) +
+ geom_smooth(aes(color=fysiotoop)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("mediaan") +
+ scale_x_continuous (name = "jaar",
+ breaks = grafdat$jaar,
+ labels = grafdat$jaar)
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"Durmetrend.jpg"))
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ ggplot(aes(x = fysiotoop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("mediaan")
+
+####################
+##OM intertidaal
+#################
+
+var <- "OM"
+ partim <- zij
+ deel <- "zijrivieren"
+ fysn <- inter
+ tidaal <- "intertidaal"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+ grafdat <- sediment_datab %>%
+ dplyr::filter (waterloop == "Durme")
+
+
+ ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes(fill=fysiotoop)) +
+ # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ xlab("") + ylab("OM%")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"Durme.jpg"))
+
+ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes()) +
+ # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ xlab("") + ylab("OM % intertidaal")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"boxDurme.jpg"))
+
+ggplot(grafdat,
+ aes(x=jaar,y=waarde)) +
+ geom_point(aes(color=fysiotoop)) +
+ geom_smooth(aes(color=fysiotoop)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("OM%") +
+ scale_x_continuous (name = "jaar",
+ breaks = grafdat$jaar,
+ labels = grafdat$jaar)
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"Durmetrend.jpg"))
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ ggplot(aes(x = fysiotoop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("OM%")
+
+####################
+##OM subtidaal
+#################
+
+var <- "OM"
+ partim <- zij
+ deel <- "zijrivieren"
+ fysn <- sub
+ tidaal <- "subtidaal"
+ sediment_datab <- sediment_data[sediment_data$variabele == var,]
+ sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+ sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+ grafdat <- sediment_datab %>%
+ dplyr::filter (waterloop == "Durme")
+
+
+ ggplot(grafdat,
+ aes(x=factor(jaar),y=waarde)) +
+ geom_boxplot(aes(fill=fysiotoop)) +
+ # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+ # coord_trans(y="log") +
+ xlab("") + ylab("OM%")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"Durme.jpg"))
+
+
+ggplot(grafdat,
+ aes(x=jaar,y=waarde)) +
+ geom_point(aes(color=fysiotoop)) +
+ geom_smooth(aes(color=fysiotoop)) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("OM%") +
+ scale_x_continuous (name = "jaar",
+ breaks = grafdat$jaar,
+ labels = grafdat$jaar)
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"Durmetrend.jpg"))
+
+grafdat %>%
+ dplyr::filter(jaar > 2016) %>%
+ ggplot(aes(x = fysiotoop, y = waarde)) +
+ geom_boxplot((aes(color = fysiotoop))) +
+ facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("OM%")
+
+```
+
diff --git a/moneos_2024/150_geintegreerd_rapport/000_abstract.Rmd b/moneos_2024/150_geintegreerd_rapport/000_abstract.Rmd
new file mode 100644
index 0000000..e080447
--- /dev/null
+++ b/moneos_2024/150_geintegreerd_rapport/000_abstract.Rmd
@@ -0,0 +1,102 @@
+# Dankwoord/Voorwoord {.unnumbered}
+
+Het INBO monitoringsprogramma wordt uitgevoerd met de financiële steun van de Vlaamse Waterweg nv, Maritieme Toegang (MT) en het Agentschap voor Natuur en Bos (ANB).
+Waarvoor dank.
+De monitoring zou niet mogelijk geweest zijn zonder de bemanning van de schepen SCALDIS I, Scheldewacht II, Veremans, Henry de Vos en de Parel.
+Dank aan Erwin De Backer (Waterbouwkundig laboratorium) voor de uitstekende planning van de bootcampagnes.
+
+De zoogdierengegevens werden met toestemming ontleend uit de databank van Waarnemingen.be (Natuurpunt VZW).
+
+De superdeluxe dataverzameling en het laboratoriumwerk voor watervogels, hyperbenthos, macrozoöbenthos en de hoogteraaien werden uitgevoerd door Dimitri Buerms, Ada Coudenys, Nico De Regge, Kenny Hessel, Charles Lefranc, Vincent Smeekens, Jan Soors en Frederic Van Lierop.
+Topteam Estuaria!
+
+De vismonitoring en data aanlevering werden voor ons verzorgd door INBO team MHAF (Monitoring Herstel Aquatische Fauna).
+Medewerkers van team MHAF leverden opnieuw prachtig werk: Olja Bezdenjesnji, Franky Dens, Marc Dewit, Linde Galle, Isabel Lambeens, Yves Maes, Thomas Terrie, Grim Boddez en Laura Van de Meersche.
+Voor de ankerkuilvisserij konden we rekenen op Sjaak, Job en Davy.
+Dankzij hun professionele vaardigheid zijn de campagnes in 2022 vlot verlopen en kon ons onderzoek in de beste omstandigheden worden uitgevoerd, dank u wel.
+Mevrouw Cabradilla (de Vlaamse Waterweg nv) verleent ons altijd vlot de nodige aanmeertoelatingen, hartelijk dank.
+
+We zijn ook de mensen van BMK en in het bijzonder Els Lommelen erkentelijk voor de technische ondersteuning en begeleiding bij het uitwerken van de rapportering via rmarkdown, bookdown en github.
+
+# Samenvatting {.unnumbered}
+
+Deze rapportage geeft toelichting bij de datarapportage van de geïntegreerde systeemmonitoring van het Schelde-estuarium, kortweg MONEOS (= MONitoring Effecten OntwikkelingsSchets), uitgevoerd door het INBO.
+De nadruk ligt op de resultaten van het monitoringsjaren 2022-2023 voor de aspecten leefomgeving voor flora en fauna en ecologie.
+
+We lichten de langjarige trends toe en we voeren de Evaluatiemethodiek Schelde-estuarium (EMSE) uit voor verschillende hoofdstukken.
+
+We bespreken de ecotopenkaart van 2022 van de Beneden-Zeeschelde.
+Het globale plaatje over de lange termijn is een uitruiming van de vaargeul met steiler wordende oevers als gevolg. De schoroppervlakte neemt ook verder toe, vooral in nieuwe Sigmagebieden.
+In het tot nu toe toegepaste Zeeschelde ecotopenstelsel 1.0 werden subtidale (water) en litorale (slik) ecotopen vooralsnog uitsluitend op basis van diepte en overspoelingsregime onderscheiden, zonder ecologische validatie.
+Op basis van recent onderzoek werd het ecotopenstelsel Zeeschelde 2.0 voorgesteld.
+In deze rapportage wordt de ecotopenkaart voor de Beneden‐Zeeschelde 2021 volgens beide ecotopenstelsels voorgesteld en vergeleken.
+Zo kunnen we nu in het sublitoraal de ecologisch meest waardevolle zones identificeren.
+8.5% van het sublitoraal blijkt laagdynamisch waardevol habitat en situeert zich grotendeels in het ondiep subtidaal.
+De klassificatie resulteert verder vooral in een verschuiving van middelhoog naar hoog slik zacht substraat of hard antropogeen (op hoog slik). De steile slikken zijn in hoofdzaak antropogeen verstevigde breuksteenzones.
+
+Op basis van een statistische verkenning tonen de sedimentdata verzameld bij de macrozoöbenthosstalen significant slibrijker wordende bodems. Dit is opvallend voor de intertidale habitats van de zijrivieren en de Zeeschelde. Opvallend is dat ook de geul van de zone met sterke saliniteitsgradiënt (Beneden-Zeeschelde) significant slibrijker wordt. Nochtans is de variatie in sedimentsamenstelling hier net groot. De geul in zone met korte verblijftijd lijkt anderzijds minder slibrijk te worden (nog niet significant).
+
+De soortenrijkdom van het macrozoöbenthos (exclusief Oligochaeta) lijkt de laatste jaren licht te stijgen in de meeste zones van de Zeeschelde.De shannondiversiteit in het intertidaal neemt toe in vrijwel alle zones sinds 2015.
+In het subtidaal zijn er veel diversiteitsschommelingen.
+In de zone met sterke saliniteitsgradiënt is er een sterke toename te noteren van schelpdieren. Vooral van de brakwaterkorfschelp (*Potamocorbula amurensis*) in het laag intertidaal en subtidaal en de platte slijkgapper (*Scrobicularia plana*) in het intertidaal.
+Door de bemonstering op kleine oppervlakte is de kans op een toevalstreffer bij grotere organismen te groot (en de fout op de biomassaberekening te groot). Dit verklaart wellicht de lagere biomassaberekening voor de zone met sterke saliniteitsgradiënt in 2022. Om dit te verbeteren hebben we onze monitoringsmethodiek aangepast hebben naar een aanvullende staalname, gericht op bivalven, met grotere core en levend zeven. In de Boven-Zeeschelde werd een belangrijk deel van de systeembiomassa gerealiseerd in de zone zoet korte verblijftijd, meer bepaald in de Scheldemeander tussen Melle en Gentbrugge. We zien dat de bodemdierbiomassa hier de laatste jaren daalt. Deze daling stuurt ook mee de algemene patronen van de bodemdierbiomassa in de Zeeschelde.
+
+
+De soortenrijkdom van het hyperbenthos schommelt van jaar tot jaar.
+Biomassa vertoont een patroon met in de zones stroomopwaarts van Antwerpen een gestage
+toename na juni tot het einde van het jaar. Dit bevestigt de aanname dat dit voor veel hyperbenthische
+soorten en vooral voor garnalen, aasgarnalen en vissen, een opgroeigebied is. De evolutie van densiteiten
+en biomassa overheen de monitoringsjaren is onderhevig aan grote schommelingen die samen hangen
+met goede en slechte jaren van specifieke soorten. Sinds 2022 zien we bijzonder lage hyperbenthosdensiteiten en dalende totale hyperbenthosbiomassa in het systeem. Vooral de grijze garnaal en de langneussteurgarnaal zijn, na elk
+een eigen bloeiperiode, nu al enkele jaren in lagere aantallen aanwezig. Dit resulteert in een lagere predatiedruk door deze groep in het trofische voedselweb.
+
+In deze rapportage wordt de vismonitoring in 2023 op de Zeeschelde met behulp van de ankerkuil en fuiken besproken. 2023 was net als 2022 een bodemjaar voor het aantal spieringen in de Zeeschelde. Dit geldt zowel voor de ankerkuil als voor de fuikvangsten, waardoor het beeld van de absolute dominantie van deze soort zelfs in het pelagiaal vervaagt. Grondels (brakwatergrondel en ook dikkop) zijn dominant in de aantallen in de oligohaliene en zoete zones. Sinds 2022 duikt de visindex voor de zoete zone, met een ontoereikende kwaliteitsbeoordeling, voor het eerst sinds 2009 onder die van de brakke en oligohaliene zones. Deze situatie moet nauw opgevolgd worden.
+Naar estuarien habitatgebruik overheersen de trekvissen de visgemeenschappen van de Zeeschelde in aantal en biomassa.
+Het estuarium heeft dus weer zijn functie opgenomen in de levenscyclus van deze soorten.
+Om te evalueren of de populaties echt gevestigd en duurzaam zijn is echter een cohorte-analyse van de betrokken soorten in tijd en ruimte nodig. Naar dieet overheersen omnivore soorten, een normale opportunistische dieetkeuze in een estuarium met wisselende levensomstandigheden. Toch wordt het voedselweb stilaan complexer. Dit uit zich in een toename van benthivore en piscivore soorten. Om dit beter te evalueren moet voor de belangrijkste soorten rekening gehouden worden met de dieetshift die ze maken in de overgang van juveniel naar adult. In de rapportage wordt naast een evaluatie volgens de EMSE een alternatieve beoordelingsmethode voorgesteld bruikbaar als insteek voor een toekomstige herwerking van de methodiek.
+
+Opvallend is dat we veel schommelingen zien in het hyperbenthos en de vissen. De vraag kan gesteld worden in hoeverre
+de sterk wisselende densiteiten een natuurlijk fenomeen zijn in het bovendeel van
+een estuarium, en dus als negatief beoordeeld moet worden. Het is waarschijnlijk deels eigen aan een
+opgroeigebied als de Zeeschelde dat er extreem succesvolle recruteringsjaren zijn waarin alle factoren
+mee zitten, en waarin één of enkele soorten de gemeenschap domineren. Anderzijds is meer ecologische
+kennis nodig over waarom soorten goede en slechte jaren afwisselen, en om natuurlijke en door de mens
+beïnvloede oorzaken te kunnen onderscheiden. Concluderend is er een noodzaak om onderzoek op te starten om met innovatieve monitoring (bijvoorbeeld met echosounding) continue data te verzamelen en/of om ruimtelijk een beter beeld te krijgen van het habitatgebruik. Dit onderzoek moet helpen om de variaties in het waterleven in ruimte en tijd te verklaren.
+
+Over de periode 2009-2023 bekeken is er op het niveau van de Zeeschelde een dalende trend te zien in het aantal overwinterende watervogels.
+De trendindex toont wel een toename in de sterke saliniteitsgradiënt. Dit is vooral te wijten aan de toename van scholeksters, bergeenden en in 2023 ook tureluurs. De toename van de scholekster is vermoedelijk het gevolg van de toename aan schelpdieren (zie hoofdstuk Macrozoöbenthos). Bovendien trok de ontpoldering van Hedwige-Prosper sinds 2021 heel wat watervogels aan die ook gebruik maken van de slikken van de Zeeschelde.
+Opvallend is de negatieve trend van de zone zoet lang, vooral veroorzaakt door een zeer sterke afname van de wilde eend.
+De diversiteit is het grootst in de zone met een sterke saliniteitsgradiënt en laag in de Durme en de zone zoet lang.
+De afname van de vogelaantallen langsheen de Zeeschelde wordt gecompenseerd door de toename van de vogelaantallen in de estuariene natuurontwikkelingsgebieden. In de ontpoldering van het Groot Schoor te Hamme verbleven zeer hoge aantallen wintertalingen en bergeenden.
+Dit resulteert tot vandaag niet in een totale toename van de watervogelaantallen binnen het estuarium (de vallei buiten beschouwing gelaten).
+
+De evoluties in de broedvogelaantallen voor een selectie van goed te inventariseren soorten binnen IHD-gebied (wetlands en estuariene gebieden) worden besproken in deze rapportage.
+Verscheidene soorten met doelstellingen komen tot 2023 nog steeds zelden tot broeden in het IHD‐gebied Schelde‐estuarium (grote karekiet, kwak, kwartelkoning, roerdomp en paapje), of werden nog nooit vastgesteld als broedvogel (purperreiger).
+Grote karekiet en lepelaar lijken zich wel te vestigen als regelmatige broedvogel.
+De zomertaling, baardman, woudaap en snor vertonen de laatste jaren een stijgende trend in de vallei van de Zeeschelde en haar tijgebonden zijrivieren. Voor het eerst wordt het doel van de zomertaling bereikt. Het valt op te merken dat het gebied Wal-Zwijn met een tussentijdsbeheer als wetland bijzonder succesvol was in het aantrekken van doelsoorten zoals roerdomp, woudaap, zomertaling, snor, grote karekiet en dodaars.
+De predatiewerende omheiningen in het noordelijk gebied hebben duidelijk een effect met hogere broedaantallen sinds 2021 van kluut, tureluur en een beperkte toename van grutto.
+De bruine kiekendief blijft stabiel (maar laag).
+Behalve voor zomertaling, blauwborst, rietzanger en dodaars worden de doelstellingen voor geen enkele soort gehaald.
+
+De bever koloniseerde ondertussen bijna alle geschikte habitats in het Zeeschelde-estuarium en neemt nu opvallend toe langsheen de Grote Nete.
+Het geschatte aantal beverterritoria in de vallei van de Zeeschelde en tijgebonden zijrivieren wordt geschat op ca.
+73.
+Dit stemt overeen met 44 families.
+De IHD-doelstelling voor bever is daarmee gerealiseerd.
+Het aantal waarnemeningen van otters is stabiel.
+De instandhoudingsdoelstellingen zijn echter zeker nog niet vervuld.
+Het aantal waargenomen gewone zeehonden was lager dan voorgaande jaren. Er waren slechts twee waarnemingen van bruinvis en grijze zeehond.
+
+
+De detail-hoogtemetingen op raaien langsheen de Zeeschelde illustreren en onderbouwen de waargenomen ontwikkelingen in de ecotopenkaarten en zijn een indicatief als early warning voor morfologische veranderingen in het systeem. Algemeen kunnen we stellen dat er in de Beneden-Zeeschelde relatief weinig gewijzigd is ten opzichte van de langjarige trend. De trends zijn eerder doorgaand. Ter hoogte van Lillo Haven (LH) is nu voor het eerste jaar sterke erosie met vorming van erosieklif op het slik vastgesteld.
+De zone rond Antwerpen en Hoboken (GW en HO) wordt gekenmerkt door sterke morfodynamiek (zandmobiliteit) toe tussen de jaren erosie of sedimentatie van zand ter hoogte van de Galgenweel‐raai (GW). Hier verliest het slik wel het grootste deel van het
+slib waarbij meer harde substraat komt bloot te liggen. Dit illustreert de hoge dynamiek in deze zone.
+Daarnaast zijn er opvallend veel aanwijzingen voor trendbreuken in 2022 en2023 in hoog en middelhoog slik in de
+Boven‐Zeeschelde met plotse erosie of stagnatie van de sedimentatie. In de zone tussen Rupel- en de Durmemonding wordt de stagnatie van sedimentatie en omslag naar erosie bevestigd. Hier is een trend tot verruiming van de vaargeul met gevolgen voor de slikken (minder sedimentatie tot trendbreuk naar erosie).
+Een verband met de bathymetrische veranderingen en de bagger- en zandwinningshoeveelheden in het kader van de duurzame bathymetrie van de Boven-Zeeschelde en Durme kan niet worden uitgesloten.
+Het lijkt daarom raadzaam om deze evoluties en de mogelijke link met de duurzame bathymetrie nauw op te volgen om sterke irreversibele morfologische veranderingen zo ver stroomopwaarts te voorkomen.
+Verder onderzoek naar de recente veranderingen in deze zone en mogelijke impact van huidige rivierbeheermaatregelen is dus zeer wenselijk.
+
+Ook de oevererosie werd gemonitord op basis van de bathymetrische verschilkaart (2023 versus 2022, 2021 en 2020).
+Deze kaarten dienen voornamelijk ter ondersteuning van de interpretatie van erosie van het hoger slik en schorrand als monitoring in functie van het oeverbeheer. Er wordt als signaalfunctie een erosie (en sedimentatie) van meer dan 50 cm gehanteerd. Zowel in de Boven‐ als Beneden‐Zeeschelde zijn grote dynamieken waargenomen in enkele zones.
+De waargenomen erosiezones vergen geen directe ingrepen, maar kunnen de voorbode zijn van toenemende erosieve druk op de hogere slikken en schorren zoals ook vastgesteld op de raaimetingen en zijn zones van aandacht. Vooral de erosie in de ondiepwaterzones van bochten in de Boven-Zeeschelde is opvallend.
diff --git a/moneos_2024/150_geintegreerd_rapport/010_Inleiding.Rmd b/moneos_2024/150_geintegreerd_rapport/010_Inleiding.Rmd
new file mode 100644
index 0000000..9479ec0
--- /dev/null
+++ b/moneos_2024/150_geintegreerd_rapport/010_Inleiding.Rmd
@@ -0,0 +1,141 @@
+
+\mainmatter
+
+
+```{r 010-hoofdstuk, include=FALSE}
+
+hoofdstuk <- "010_inleiding"
+
+```
+
+```{r 010-setup, include=FALSE}
+
+knitr::opts_chunk$set(echo = FALSE, error=FALSE, warning=FALSE, message=FALSE, cache=FALSE)
+knitr::opts_knit$set(eval.after = "fig.cap")
+
+```
+
+```{r 010-libraries}
+
+library(tidyverse)
+library(readxl)
+library(kableExtra)
+library(rprojroot) ## workaround pad
+```
+
+```{r 010-pad}
+
+# inlezen van variabelen
+# pad naar data : pad_data
+# pad naar tabellen : pad_tabellen
+# pad naar figuren : pad_figuren
+
+source(find_root_file("../pad.R", criterion = is_rstudio_project))
+pad_data <- maak_pad(hoofdstuk, "data")
+pad_figuren <- maak_pad(hoofdstuk, "figuren")
+pad_tabellen <- maak_pad(hoofdstuk, "tabellen")
+
+```
+
+
+# Inleiding
+
+De voorliggende datarapportage omvat een eerstelijnsanalyse en toelichting van de onderdelen van de geïntegreerde systeemmonitoring van het Schelde-estuarium, kortweg MONEOS (= MONitoring Effecten OntwikkelingsSchets) (Meire & Maris, 2008), uitgevoerd door het INBO in 2022 en/of 2023 afhankelijk van het thema. MONEOS levert basisdata voor de evaluatierapporten over de effecten van de verruiming en het baggeronderhoud, evenals voor de evaluatie van de evolutie van het systeem (EMSE, 2021).
+
+Het onderzoeksteam Estuaria van het INBO staat, voor wat de Zeeschelde betreft, reeds geruime tijd in voor de monitoring van diverse onderdelen die vallen onder de thema's morfodynamiek, diversiteit soorten en diversiteit habitats.
+Het onderzoeksteam Monitoring en Herstel Aquatische Fauna van het INBO staat in voor de vismonitoring.
+
+Het INBO levert data aan voor volgende thema's en indicatoren:
+
+Thema leefomgeving
+
+- Overzicht Estuariene Natuurontwikkelingsprojecten
+- Ecotopen
+- Vegetatiekaart
+- Sedimentkenmerken
+- Sedimentatie en erosie op punten en raaien
+- Monitoring slik en schorrand
+
+Thema diversiteit soorten en thema ecologisch functioneren
+
+- Hogere planten
+- Macrozoöbenthos
+- Hyperbenthos
+- Vissen
+- Watervogels
+- Broedvogels
+- Zoogdieren
+
+
+De aangeleverde data omvatten enkel gegevens van de Zeeschelde en getijgebonden zijrivieren.
+Tenzij anders vermeld kunnen ze gebruikt worden tot op niveau 3 van de Evaluatiemethodiek wat overeenkomt met de saliniteitszones aangevuld met de getijdenzijrivieren (Durme, Netes, Dijle en Zenne (Tabel \@ref(tab:010-tabel-indeling-schelde-estuarium).
+Deze indeling valt samen met de indeling in waterlichamen van de Kaderrichtlijn Water (KRW) (Figuur \@ref(fig:010-figuur-waterlichamen)).
+
+Bij elk hoofdstuk is er een verwijzing naar de datafiches waarin de metadata beschreven zijn.
+Zie hiervoor op ([https://rshiny.scheldemonitor.org/datafiches/)](https://rshiny.scheldemonitor.org/datafiches/)).
+
+Deze INBO MONEOS data (hydromorfologie, macrozoöbenthos, vis en macrofyten) is ook de basis voor de ecologische toestandsbepaling van de Zeeschelde in het kader van de Kaderrichtlijn Water (KRW) en voor de vaststelling van de staat van instandhouding en de evaluatie van de instandhoudingsdoelstellingen van de relevante Natura 2000-gebieden.
+
+```{r 010-tabel-indeling-schelde-estuarium}
+
+tabel_indeling_schelde_estuarium <- read_excel(paste0(pad_tabellen, "010_Inleiding_tabellen.xlsx"),
+ sheet = "indeling-schelde-estuarium2", .name_repair = "minimal") %>%
+ mutate_all(~replace_na(., "")) %>%
+ select(-`Model-eenheid`)
+
+cap_indeling_schelde_estuarium <- "Ruimtelijke indeling van het Schelde-estuarium volgens de Evaluatie methodiek (EM), KRW en saliniteitszones."
+
+footnote_text <- "n.v.t. : Deel van Zeeschelde niet beschouwd in Evaluatiemethodiek. Zou onderdeel kunnen worden van Z7. Ook wordt het traject Tijarm Merelbeke-Zwijnaarde (getijde Zeeschelde) niet gerekend tot Zeeschelde I in de KRW indeling. Dit zou beter wel deel worden van deze zone."
+
+tabel_indeling_schelde_estuarium %>%
+ mutate_all(~replace_na(., "")) %>%
+ mutate_all(~cell_spec(., color = "black")) %>%
+ {.[nrow(.)-1,c(1,2,3)] <- map(.[nrow(.)-1,c(1,2,3)],
+ ~paste0(.x, footnote_marker_symbol(1)))
+ .} %>%
+ {.[nrow(.),c(1,2,3,5)] <- map(.[nrow(.),c(1,2,3,5)],
+ ~paste0(.x, footnote_marker_symbol(1)))
+ .} %>%
+ knitr::kable(# "latex",
+ escape = FALSE,
+ booktabs = T,
+ caption = cap_indeling_schelde_estuarium) %>%
+ kable_styling(latex_options = c("scale_down"),
+ font_size = 15) %>%
+ # column_spec(1:3,width = "1in") %>%
+ collapse_rows(columns = 1:6, latex_hline = "full", valign = "middle") %>%
+ footnote(symbol = footnote_text,
+ # %>%
+ # cell_spec(color = "black"),
+ escape = FALSE,
+ threeparttable = TRUE)
+
+```
+
+
+
+\newpage
+
+```{=tex}
+\begin{landscape}
+```
+```{r 010-figuur-waterlichamen, fig.cap = "Overzicht van de deelzones (niveau 3) en de estuariene Sigmagebieden."}
+
+knitr::include_graphics(paste0(pad_figuren, "010_kaart_gebiedsindeling.png"))
+```
+
+```{=tex}
+\end{landscape}
+```
+\newpage
+
+## Referenties
+
+EMSE (2021).
+Evaluatiemethodiek Schelde-estuarium: Update 2021.
+Antea, Bureau Waardenburg, Deltares, UAntwerpen, UGent, INBO en NIOZ.
+
+Meire, P., and T.
+Maris.
+(2008).
+MONEOS: Geïntegreerde monitoring van het Schelde-estuarium.
diff --git a/moneos_2024/150_geintegreerd_rapport/020_Overzicht.Rmd b/moneos_2024/150_geintegreerd_rapport/020_Overzicht.Rmd
new file mode 100644
index 0000000..ab1323c
--- /dev/null
+++ b/moneos_2024/150_geintegreerd_rapport/020_Overzicht.Rmd
@@ -0,0 +1,176 @@
+```{r 020-hoofdstuk, include=FALSE}
+
+hoofdstuk <- "020_overzicht"
+
+```
+
+```{r 020-setup, include=FALSE}
+
+knitr::opts_chunk$set(echo = FALSE, error=FALSE, warning=FALSE, message=FALSE, cache=FALSE, fig.showtext = TRUE, dpi = 300)
+knitr::opts_knit$set(eval.after = "fig.cap")
+
+
+```
+
+```{r 020-libraries}
+
+library(tidyverse)
+library(readxl)
+library(kableExtra)
+library(rprojroot) ## workaround pad
+library(lubridate, warn.conflicts = FALSE)
+library(INBOtheme)
+
+```
+
+```{r 020-pad}
+
+# inlezen van variabelen
+# pad naar data : pad_data
+# pad naar tabellen : pad_tabellen
+# pad naar figuren : pad_figuren
+
+#source("../pad.R")
+source(find_root_file("../pad.R", criterion = is_rstudio_project))
+pad_data <- maak_pad(hoofdstuk, "data")
+pad_figuren <- maak_pad(hoofdstuk, "figuren")
+pad_tabellen <- maak_pad(hoofdstuk, "tabellen")
+
+```
+
+# Overzicht Estuariene Natuurontwikkelingsprojecten
+
+**Gunther Van Ryckegem**
+
+## Overzicht
+
+In dit hoofdstuk wordt een overzicht gegeven van de natuurontwikkelingsprojecten die reeds uitgevoerd zijn in de Zeeschelde (Tabel \@ref(tab:020-tabel-natuurontwikkelingsprojecten)).
+
+Voor details over de uitvoering en de initiele evoluties in de ontpolderingen wordt verwezen naar Van de Neucker et al., (2007) en Speybroeck et al. (2011).
+De evoluties in de GGG's[^overzicht-1] worden opgevolgd door Universiteit Antwerpen (Maris et al., 2023).
+Voor de gebieden waar ecotopenkaarten beschikbaar zijn, werd de oppervlakte estauriene natuur afgeleid uit de laatst beschikbare habitatkaart. Dit is exclusief de dijken of hoge zones die geen schor zijn (zie definities hoofdstuk ecotopen). Deze hogere zones kunnen eventueel wel nog een veiligheidsfunctie vervullen.
+
+[^overzicht-1]: Gecontroleerd Gereduceerd Getijdengebied
+
+```{r 020-tabel-natuurontwikkelingsprojecten}
+
+tabel_natuurontwikkelingsprojecten <- read_excel(paste0(pad_tabellen, "020_Overzicht_tabellen.xlsx"),
+ sheet = "natuurontwikkelingsprojecten", .name_repair = "minimal")
+
+tabel_natuurontwikkelingsprojecten$Realisatie <- format(tabel_natuurontwikkelingsprojecten$Realisatie, format="%Y-%m")
+
+tabel_natuurontwikkelingsprojecten <- tabel_natuurontwikkelingsprojecten %>%
+ select('Deelzone niveau 3','Gebied','Getij', 'Oppervlakte estuarien (ha)', 'Realisatie', 'Sigmaplan Estuarien gebied')
+
+options(knitr.kable.NA = '')
+
+tabel_natuurontwikkelingsprojecten[c(9,12),3] <- sapply(tabel_natuurontwikkelingsprojecten[c(9,12),3],
+ function(x) paste0(x, footnote_marker_number(1)))
+
+tabel_natuurontwikkelingsprojecten[c(20),4] <- sapply(tabel_natuurontwikkelingsprojecten[c(20),4],
+ function(x) paste0(x, footnote_marker_number(2)))
+
+tabel_natuurontwikkelingsprojecten[c(20),4] <- sapply(tabel_natuurontwikkelingsprojecten[c(20),4],
+ function(x) paste0(x, footnote_marker_number(3)))
+
+tabel_natuurontwikkelingsprojecten[c(20),4] <- sapply(tabel_natuurontwikkelingsprojecten[c(20),4],
+ function(x) paste0(x, footnote_marker_number(4)))
+
+tabel_natuurontwikkelingsprojecten[c(20),4] <- sapply(tabel_natuurontwikkelingsprojecten[c(20),4],
+ function(x) paste0(x, footnote_marker_number(5)))
+
+
+tabel_natuurontwikkelingsprojecten %>%
+ knitr::kable(caption = "Overzicht van de uitgevoerde estuariene natuurontwikkelingsprojecten langsheen de Zeeschelde en zijrivieren. De gebieden staan gerangschikt van grens BE-NL stroomopwaarts. Gebieden opgenomen in het MWeA - Meest Wenselijk Alternatief (Synthesenota, 2005) inclusief KBR. Habitatoppervlakte bepaald op basis van de laatste ecotopenkaarten (indien reeds ecotopenkaart beschikbaar is voor gebied)",
+ # "latex",
+ booktabs = T,
+ escape = F) %>%
+ kable_styling(latex_options = c("scale_down"),
+ font_size = 12) %>%
+ footnote(number = c("met koker verbonden (natuurlijk getijpatroon en dynamiek is beïnvloed)",
+ "in de loop van 2017 werd nog een grondstock opgeruimd en toegevoegd aan de ontpoldering (+ 2.2 ha)",
+ "in de zomer van 2019 werd een geul gegraven in het westelijk deel van de Wijmeers en ging estuariene oppervlakte tijdelijk verloren door de aanleg van een zandstock",
+ "ontpoldering afgesloten voor getij tussen maart 2020 en april 2021 voor de aanleg van een vloedschaar in oostelijk deel",
+ "december 2023 oostelijke bres gedicht en voorzien van buis met terugslagklep, tijdelijke compartimenteringsdijk aangelegd om gebied te verdrogen (knijten)."),
+ threeparttable = TRUE)
+
+```
+
+
+
+```{r 020-figuur-oppervlakte-estuariene-natuurontwikkeling, fig.cap=cap_oppervlakte, out.width="80%"}
+
+tabel_natuurontwikkelingsprojecten <- read_excel(paste0(pad_tabellen, "020_Overzicht_tabellen.xlsx"),
+ sheet = "natuurontwikkelingsprojecten", .name_repair = "minimal")
+tabel_natuurontwikkelingsprojecten$Realisatie <- format(tabel_natuurontwikkelingsprojecten$Realisatie, format="%Y-%m")
+fig_natuurontwikkeling_opp <- tabel_natuurontwikkelingsprojecten %>%
+ select('Deelzone niveau 3','Gebied','Getij', 'Opp_graph', 'Realisatie', 'Sigmaplan Estuarien gebied')
+
+
+
+# fig_natuurontwikkeling_opp$Realisatie <- format(tabel_natuurontwikkelingsprojecten$Realisatie, format="%Y-%m")
+# fig_natuurontwikkeling_opp$Realisatie <- as.Date(fig_natuurontwikkeling_opp$Realisatie)
+
+
+
+fig_natuurontwikkeling_opp$Sigmaplan <- as.factor(fig_natuurontwikkeling_opp$`Sigmaplan Estuarien gebied`)
+fig_natuurontwikkeling_opp$Opp <- fig_natuurontwikkeling_opp$`Opp_graph`
+fig_natuurontwikkeling_opp$zone <- fig_natuurontwikkeling_opp$`Deelzone niveau 3`
+
+
+
+fig_natuurontwikkeling_opp %>%
+ mutate(date = lubridate::ym(Realisatie)) %>%
+ # dplyr::filter(Sigmaplan == 1) %>%
+ dplyr::filter(zone != "Mesohalien") %>%
+ arrange(Realisatie) %>%
+ mutate(cs = cumsum(Opp)) %>%
+ ggplot(aes(date, cs)) +
+ geom_point(size = 2)+
+ xlab("Datum realisatie project")+
+ ylab("Cumulatieve oppervlakte (ha)")+
+ theme(axis.text.x = element_text(angle = 0),
+ legend.position = "bottom",
+ legend.title = element_blank())
+ggsave(paste0(pad_figuren, "10_figuur_oppervlakte_estuariene_natuurontwikkeling.jpg"))
+
+rapport <- fig_natuurontwikkeling_opp %>%
+ # dplyr::filter(Sigmaplan == 1) %>%
+ dplyr::filter(zone != "Mesohalien") %>%
+ arrange(Realisatie) %>%
+ mutate(cs = cumsum(Opp))
+
+cap_oppervlakte <- "Cumulatieve oppervlakte gerealiseerde estuariene natuurontwikkelingsgebieden, estuariene oppervlakte bepaald op basis van ecotopenkaarten indien beschikbaar - exclusief Hedwige (NL)"
+
+# knitr::include_graphics(paste0(pad_figuren, "10_figuur_oppervlakte_estuariene_natuurontwikkeling.jpg"))
+```
+
+In totaal werd er sinds 2003 ruim 660 ha aan estuariene natuur (slik+schor) gerealiseerd. Hiervan werd 600 ha gerealiseerd in het kader van het MWeA (inclusief KBR). De doelstelling is om 2000 ha estuarien habitat (slik (500 ha) en schor (1500 ha)) te realiseren. Er zijn al grote stappen gezet maar voor het behalen van de doelstellingen is het nodig om extra estuariene natuur te ontwikkelen.
+
+## Recente ontwikkelingen
+
+Sinds 2021 werden verschillende estuariene Sigmaprojecten opgeleverd.
+In juni 2021 werd de ontpoldering/dijkverlegging te Fort Filip gerealiseerd. Het Groot Schoor te Hamme werd als ontpoldering gerealiseerd in juli 2021. Het GGG Grote Vijver Noord langsheen de Beneden Nete trad in werking in maart 2022. Enkele maanden later in oktober 2022 werd definitief Prosper- en Hedwigepolder gebrest. Zo kwam er ruim 450 ha estuariene natuur in één klap bij. In het laatste monitoringsjaar werd het Klein Broek langsheen de Durme uitgevoerd. Dit resulteerde in ongeveer 35 ha extra estuariene natuur.
+
+
+## Referenties
+
+Maris T., Baeten S., Van den Neucker T., van den Broeck T., Oosterlee L. & Meire P. (2023). Onderzoek naar de gevolgen van het Sigmaplan, baggeractiviteiten en havenuitbreiding in de Zeeschelde op het milieu. Geïntegreerd eindverslag van het onderzoek verricht in 2022, deelrapport Intergetijdengebieden. ECOSPHERE 024-RES022 Universiteit Antwerpen, Antwerpen.
+
+Speybroeck J., Van Ryckegem G., Vandevoorde B.
+& Van de Bergh E.
+(2011).
+Evaluatie van natuurontwikkelingsprojecten in het Schelde-estuarium.
+2de rapportage van de projectmonitoring periode 2006-2009.
+Rapport INBO.R.2011.21.
+160pp.
+Instituut voor Natuur-en Bosonderzoek, Brussel.
+
+Synthesenota (2005).
+Geactualiseerd Sigmaplan voor veiligheid en natuurlijkheid in het bekken van de Zeeschelde.
+Waterwegen en Zeekanaal NV.
+
+Van den Neucker T., Verbessem I., Van Braeckel A., Stevens M., Spanoghe G., Gyselings R., Soors J., De Regge N., De Belder W & Van den Bergh E.
+(2007).
+Evaluatie van natuurontwikkelingsprojecten in het Schelde-estuarium.
+INBO.R.2007.54.
diff --git a/moneos_2024/150_geintegreerd_rapport/030_ecotopen.Rmd b/moneos_2024/150_geintegreerd_rapport/030_ecotopen.Rmd
new file mode 100644
index 0000000..ccf2f69
--- /dev/null
+++ b/moneos_2024/150_geintegreerd_rapport/030_ecotopen.Rmd
@@ -0,0 +1,590 @@
+---
+editor_options:
+ markdown:
+ wrap: sentence
+ chunk_output_type: inline
+---
+
+```{r 030-hoofdstuk, include=FALSE}
+
+hoofdstuk <- "030_ecotopen"
+
+```
+
+```{r 030-setup, include=FALSE}
+
+knitr::opts_chunk$set(echo = FALSE, error=FALSE, warning=FALSE, message=FALSE, cache=FALSE, fig.pos = "H")
+knitr::opts_knit$set(eval.after = "fig.cap")
+
+```
+
+```{r 030-libraries}
+
+library(tidyverse)
+library(readxl)
+library(kableExtra)
+library(INBOtheme)
+library(rprojroot) ## workaround pad
+
+```
+
+```{r 030-pad}
+
+# inlezen van variabelen
+# pad naar data : pad_data
+# pad naar tabellen : pad_tabellen
+# pad naar figuren : pad_figuren
+
+source(find_root_file("../pad.R", criterion = is_rstudio_project))
+
+pad_data <- maak_pad(hoofdstuk, "data")
+pad_figuren <- maak_pad(hoofdstuk, "figuren")
+pad_tabellen <- maak_pad(hoofdstuk, "tabellen")
+
+```
+
+```{r 030-table_from_figure-function}
+
+figtab <-
+ function(label, image_file, caption=NULL) {
+ txt <- sprintf('\\begin{table}[H]\n\\caption{%s}\n\\label{tab:%s}\n\\includegraphics{%s}\n\\end{table}',
+ caption,
+ label,
+ image_file)
+ magick::image_read(image_file) %>% magick::image_ggplot() %>% print()
+ writeLines(txt)
+ }
+
+```
+
+```{r 030-meta_data}
+
+meta_data <-
+ read_delim(paste0(pad_data, "meta_data.csv"),
+ delim = ";")
+
+for(i in 1:nrow(meta_data)){
+ ##first extract the object value
+ tempobj=meta_data$waarde[i]
+ ##now create a new variable with the original name of the list item
+ eval(parse(text=paste(meta_data$naam[i],"= tempobj")))
+}
+
+```
+
+# Ecotopen
+
+**Fichenummer: S-DH-V-004 - Ecotopen** **Amber Mertens & Alexander Van Braeckel**
+
+## Inleiding
+
+Om de evolutie van de diversiteit van estuariene habitats in de Zeeschelde op te volgen vormt de ecotopenkaart, samen met haar basiskaarten de fysiotopenkaart en een geomorfologische kaart, het belangrijkste instrument.
+Deze kaarten worden jaarlijks gemaakt voor de Beneden-Zeeschelde en 3-jaarlijks voor de Boven-Zeeschelde, Rupel en Durme.
+In de ecotopenkaart worden habitatoppervlakten in natuurontwikkelingsprojecten (NOP's) zoals ontpolderingen, GGG's en dijkverleggingen mee opgenomen wanneer deze een open aansluiting hebben met de Zeeschelde.
+
+De essentie van een goed ecotopenstelsel is dat de juiste fysische grenzen bepaald zijn voor het potentieel voorkomen van specifieke levensgemeenschappen.
+In het tot nu toe toegepaste Zeeschelde ecotopenstelsel 1.0 werden subtidale (water) en litorale (slik) ecotopen vooralsnog uitsluitend op basis van diepte en overspoelingsregime onderscheiden, zonder ecologische validatie.
+Van Braeckel *et al* (2018; 2020) onderzochten ondertussen de relatie tussen abiotische omgevingskenmerken, zoals hoogte in het getijvenster en stroomsnelheid, en het voorkomen van ongewervelde bodemdiergemeenschappen.
+Op basis van hun bevindingen werd het ecotopenstelsel Zeeschelde 2.0 voorgesteld.
+Deze nieuwe indeling van de ecotopen weerspiegelt beter de leefgebieden van verschillende levensgemeenschappen.
+Het wordt uitgebreid besproken in Van Braeckel et al. (2018) voor de sublitorale zone en in Van Braeckel et al. (2020) voor de litorale zone.
+
+In deze rapportage wordt de ecotopenkaart voor de Beneden-Zeeschelde vooralsnog volgens beide ecotopenstelsels voorgesteld.
+De kaart van het ecotopenstelsel *Zeeschelde 1.0* bestaat van `r vroegste_jaar` tot `r laatste_jaar`, terwijl de kaart van het ecotopenstelsel *Zeeschelde 2.0* teruggerekend is tot en met 2019.
+De ecotopenkaart Zeeschelde 2.0 werd voor het eerst gerapporteerd in het MONEOS rapport van 2022 (kaart van toestand 2020) (Mertens & Van Braeckel, 2022).
+
+In dit MONEOSrapport wordt de ecotopenkaart van `r laatste_jaar` van de Beneden-Zeeschelde besproken.
+De kaarten van de Boven-Zeeschelde van `r laatste_jaar` zullen gerapporteerd worden in de volgende MONEOS rapportage, wegens vertraging in de aangeleverde data.
+
+## Methodologie {#ECTM}
+
+De ecotopenkaart wordt samengesteld uit enerzijds een geomorfologische kaart en anderzijds een fysiotopenkaart (Tabel \@ref(tab:030-tabel-klassen-E1)).
+Beiden worden hier kort beschreven.
+Voor een uitgebreidere bespreking van materiaal en methode wordt verwezen naar Van Braeckel & Elsen (2018).
+
+### Geomorfologische kaart
+
+De geomorfologische kaart onderscheidt volgende subtraattypes:
+
+- schor- en dijkvegetatie (met hogere vegetatie begroeid substraat)
+- getijdeplas (water)
+- hard natuurlijk substraat (veen- en kleibanken)
+- hard antropogeen substraat (breuksteen, schanskorven)
+- verhard (volledig verharde zones zonder enige ecologische waarde: geen algen- noch plantengroei)
+- onbepaald (zacht onbegroeid substraat: slik en potentiële pionierzone)
+
+De kaart wordt gemaakt aan de hand van false colour beelden bij laagwater, die eens in de drie jaar gemaakt worden in opdracht van De Vlaamse Waterweg.
+Voor de tussenliggende jaren wordt ook gebruik gemaakt van orthofotomozaïeken van Vlaanderen, die echter niet altijd bij laag water genomen zijn.
+Voor de huidige Beneden-Zeeschelde kaart is gebruikt gemaakt van het meest recente false color beeld van 2022 en de orthofotomozaïek van `r laatste_jaar`.
+De grenzen worden hierop ingetekend door personen met een uitgebreide terreinkennis, vertrekkende van de grenzen van het voorgaande jaar.
+Figuur \@ref(fig:030-figuur-geomorfkaart) toont een voorbeeld van de geomorfologische kaart 2021 ter hoogte van schor Ouden Doel met links het false color beeld van 2019 bij laag water en rechts de orthofotomozaïek van 2021.
+
+
+
+```{r 030-figuur-geomorfkaart, fig.cap=figuur_geomorfkaart, out.width="100%"}
+
+figuur_geomorfkaart <- "Geomorfologische kaart 2021 voorbeeld ter hoogte van schor van Ouden Doel met als achtergrond false color beeld 2019 (links) en orthofotomozaïek Vlaanderen 2021 (rechts)."
+
+knitr::include_graphics(paste0(pad_figuren, "030_voorbeeld_geomorf_2021.png"))
+```
+
+
+
+### Fysiotopenkaart
+
+De fysiotopenkaart bakent abiotische eenheden af op basis van overspoelingsregime in het litoraal en op basis van diepte (ecotopenstelsel *Zeeschelde 1.0)* en maximale stroomsnelheid bij vloed (ecotopenstelsel *Zeeschelde 2.0)* in het sublitoraal*.* De basisgegevens zijn een digitaal hoogtemodel, getijdata en berekende stroomsnelheden.
+
+- Het digitaal hoogtemodel wordt samengesteld en aangeleverd door afdeling Maritieme Toegang.
+ Het is een gecombineerd grid van lidar hoogtemetingen en multibeam bathymetriemetingen.
+
+- Overspoelingsfrequenties en droogvalduren worden berekend door interpolatie van waterstandsmetingen per tijpost en over een periode van 4 jaar.
+ De tijdata van het Waterbouwkundig Laboratorium worden via HIC webservices geleverd.
+ Voor de Durme, Rupel en delen van de Boven-Zeeschelde wordt de Scaldis gemodelleerde tijdata gebruikt afkomstig van het Waterbouwkundig Laboratorium.
+ Om de litorale fysiotopen af te bakenen worden doorsnedes gemaakt van waterhoogtes met het digitaal hoogtemodel.
+
+- Maximale stroomsnelheden bij vloed worden berekend volgens het Scaldis 3D-model van het Waterbouwkundig Laboratorium.
+
+In de **sublitorale zone** worden in het ecotopenstelsel *Zeeschelde 1.0* 'diepte' fysiotopen onderscheiden onder het referentieniveau van het 30e percentiel van alle laagwaters over een periode van de laatste 4 jaar (LW30).
+Dit komt overeen met het gemiddeld laagwater bij springtij.
+
+- Zeer diep subtidaal: \>10m onder LW30
+
+- Diep subtidaal: 5-10m onder LW30
+
+- Matig diep subtidaal: 2-5m onder LW30
+
+- Ondiep subtidaal: 0-2m onder LW30
+
+In het ecotopenstelsel *Zeeschelde 2.0* blijven dezelfde dieptegrenzen gehandhaafd.
+Daarin worden telkens hoog- en laagdynamische habitats onderscheiden op basis van maximale stroomsnelheid bij vloed, berekend volgens het Scaldis 3D-model van het Waterbouwkundig Laboratorium.
+Voor de jaren 2019 - 2021 is steeds hetzelfde Scaldis 2019 model gebruikt.
+In 2022 werd een nieuwe model-run uitgevoerd met de bathymetrie van 2022 als input.
+
+De grenswaarden zijn gebaseerd op het voorkomen van ongewervelde bodemdiergemeenschappen (Van Braeckel et al, 2018) en verschillen per diepteklasse (Tabel \@ref(tab:030-tabel-dynamiek-ecotopen) ).
+In het ondiep subtidaal is de maximale stroomsnelheid voor laagdynamisch habitat 1.01 m/s.
+In het matig diep subtidaal is dit 0.92 m/s en in het diep subtidaal wordt 0.83 m/s gehanteerd.
+Het zeer diep subtidaal (\> 10 m onder LW30) wordt volledig als hoogdynamisch geklasseerd.
+
+
+
+```{r 030-tabel-dynamiek-ecotopen, results="asis", fig.show='hide', out.width="100%"}
+
+caption_tab <- "Afbakening van hoogdynamisch habitat op basis van maximale stroomsnelheid bij vloed, per diepteklasse (waterdiepte onder het gemiddeld laagwater bij springtij volgens de 30\\% laagwaterfrequentie)."
+
+img_file <- paste0(pad_tabellen, "030_tabel_dynamiek_ecotopen.png")
+
+figtab(knitr::opts_current$get()$label,
+ img_file,
+ caption_tab)
+
+```
+
+
+
+De **litorale zone** ligt tussen gemiddeld laagwater en gemiddeld hoogwater bij springtij (GLWS-GHWS).
+De gebruikte referentie niveaus zijn de waterstand bij LW30 (het 30e percentiel van alle laagwaters) en bij HW85 (het 85e percentiel van alle hoogwaters).
+
+In het ecotopenstelsel *Zeeschelde 1.0* worden 3 litorale fysiotopen onderscheiden op basis van percentages droogvalduur (DD):
+
+- Laag slik: tussen LW 30% en DD 25%
+- Middelhoog slik: tussen DD 25% en DD 75%
+- Hoog slik: tussen DD 75% en HW 85%
+
+In het ecotopenstelsel *Zeeschelde 2.0* worden op basis van de verspreiding van bodemdiergemeenschappen andere droogvalduurgrenzen gehanteerd.
+Deze zijn niet overal dezelfde (Tabel \@ref(tab:030-tabel-slik-ecotopen)).
+In de saliniteitszones "Mesohalien" en "Zone met sterke saliniteitsgradiënt" (brakke zone) blijft de grens tussen laag en middelhoog slik op 25% DD, maar in de saliniteitszones "Oligohalien" en de zones "Zoet lange/korte verblijftijd" verschuift deze grens naar 35% DD.
+De verspreiding van de saliniteitszones is te zien op de kaart in Hoofdstuk 1.
+De overgang van middelhoog naar hoog slik wordt 60%DD in plaats van 75%DD in de volledige Zeeschelde.
+
+
+
+```{r 030-tabel-slik-ecotopen, results="asis", fig.show='hide', out.width="100%"}
+
+caption_tab <- "Grenzen voor slik fysiotopen Zeeschelde 1.0 en Zeeschelde 2.0 op basis van verschillende percentielen van laagwater (LW), hoogwater (HW), en droogvalduur (DD)."
+
+img_file <- paste0(pad_tabellen, "030_tabel_slik_ecotopen.png")
+
+figtab(knitr::opts_current$get()$label,
+ img_file,
+ caption_tab)
+
+```
+
+
+
+De **supralitorale zone** is de zone boven het referentieniveau van de 85e percentiel van alle hoogwaters (HW85).
+Stroomafwaarts Dendermonde komt dat overeen met het gemiddeld hoogwater bij doodtij.
+De bovengrens van deze zone is ook de bovengrens van het estuarium en werd theoretisch vastgelegd als de hoogte die op basis van tijdata gemiddeld vier maal per jaar overspoelt.
+Deze buitengrens wordt in principe niet steeds aangepast, tenzij de estuariene grens door ingrepen is verlegd.
+
+In het supralitoraal worden twee fysiotopen onderscheiden:
+
+- supralitoraal (s.s.)
+- hoog supralitoraal
+
+Het supralitoraal (s.s.) is de zone waar het overspoelingsregime geschikt is voor de ontwikkeling van estuariene schorvegetaties.
+Het hoog supralitoraal is de zone die hoger ligt dan de functionele schorren.
+Deze zone overspoelt niet bij elk springtij maar enkel bij extreme hoogwaters zoals bij stormtij of hoge bovenafvoer.
+Dat is onvoldoende om estuariene schorvegetaties te ontwikkelen.
+Het hoog supralitoraal is dus de overgangszone tussen het schor en de dijkvegetatie alsook de opgehoogde delen midden in het schor.
+
+De grens tussen het hoog supralitoraal en het supralitoraal (s.s) of het schor verandert met het getijregime langs de longitudinale estuariene gradiënt.
+Van de Belgisch-Nederlandse grens tot de Roggeman en Vlassenbroek werd deze vastgelegd op 6,4m TAW.
+Stroomopwaarts Roggeman/Vlassenbroek en in Durme en Rupel wordt 6,2m TAW aangehouden en in de Ringvaart en Tijarm Zwijnaarde 5.75m TAW.
+Voor de zoete zijrivieren (Dijle, Zenne, Nete) werd nog geen grens bepaald.
+Deze hoogtes zijn vastgesteld op basis van expertise en worden voorlopig toegepast.
+Momenteel wordt een ecologisch gevalideerde grens gedefinieerd op basis van voorkomende plantengemeenschappen.
+Op basis van de resultaten van dit onderzoek zal in de toekomst gebruik gemaakt worden van een grens gebaseerd op de overspoelingsfrequenties, momenteel aangeduid met vraagtekens in Tabellen \@ref(tab:030-tabel-klassen-E1) en @ref(tab:030-tabel-klassen-E2)).
+
+### Ecotopenkaart
+
+De geomorfologische kaart en de fysiotopenkaart worden samengevoegd om de ecotopen te bekomen (Tabel \@ref(tab:030-tabel-klassen-E1) en Tabel @ref(tab:030-tabel-klassen-E2)).
+
+In de **sublitorale zone** zijn de ecotopen gelijk aan de fysiotopen.
+
+- In het ecotopenstelsel *Zeeschelde 1.0* worden het "Zeer diep subtidaal" en "Diep subtidaal" samengenomen in het ecotoop "Diep subtidaal".
+
+- In het ecotopenstelsel *Zeeschelde 2.0* wordt telkens onderscheid gemaakt in hoog- en laagdynamisch.
+
+In de **litorale zone** worden de slikfysiotopen gecombineerd met de geomorfologie tot zachte slikken, natuurlijk harde slikken en antropogeen harde slikken (Tabel \@ref(tab:030-tabel-klassen-E1)).
+
+In het *ecotopenstelsel 2.0* wordt ook slik met steile en vlakke helling onderscheiden met 25% als grenswaarde.
+Deze worden niet als apart ecotoop gekarteerd, maar de oppervlaktes worden wel berekend.
+
+In de **supralitorale zone** worden volgende ecotopen onderscheiden:
+
+- Potentiële pionierzone: de onbegroeide zone op zacht substraat boven HW85. In deze zone zou, op basis van de hoogteligging in het getijvenster, schoruitbreiding met kenmerkende schorvegetatie mogelijk zijn. Aangezien deze zone onbegroeid blijft, zijn de hydrodynamische omstandigheden en/of de waterverzadiging er niet geschikt voor vegetatievestiging;
+- Schor: zone boven HW85, maar lager dan de grens voor het hoog supralitoraal, begroeid met vegetatie kenmerkend voor estuariene of fluviatiele omstandigheden;
+- Getijdeplas: grote waterplas binnen de schorzone;
+- Supralitoraal (s.s.) hard natuurlijk: zone van klei of veen, vaak door erosie vrijgekomen, gelegen tussen HW85 en de ondergrens van het hoog supralitoraal;
+- Supralitoraal (s.s.) hard antropogeen: zone tussen HW85 en de ondergrens van het hoog supralitoraal met antropogeen hard substraat, meestal breuksteen of schanskorven, waartussen beperkte vegetatieontwikkeling mogelijk is en dus ook met beperkt ecologisch potentieel;
+- Hoog supralitoraal (hoog supralitorale vegetatie): Met hogere planten begroeide zone boven de functionele schorren;
+- Antropogeen: Dit ecotoop beschrijft de volledig verharde zones zonder enige ecologische waarde (geen algen noch plantengroei).
+
+In het verleden werd de categorie hoog supralitoraal ingevuld op basis van gekende hogere zones in combinatie met de vegetatiekaart.
+Vanaf 2019 tot en met `r laatste_jaar` is het hoog supralitoraal ingevuld op basis van hoogtewaarden in het DTM zoals hierboven bij het deel over fysiotopen vermeld (6,4/6,2/5,75 - 7m TAW).
+Dit heeft in alle kaarten een verschuiving veroorzaakt van schor of supralitoraal hard antropogeen naar hoog supralitoraal van 2019 naar het daaropvolgend jaar.
+De grote toename in hoog supralitoraal is dus het resultaat van een wijziging in de afbakeningsmethode en weerspiegelt geen natuurlijke evolutie.
+Vanaf 2019 weerspiegelen de wijzigingen in het hoog supralitoraal opnieuw de natuurlijke evoluties.
+
+
+
+```{r 030-tabel-klassen-E1, results="asis", fig.show='hide', out.width="100%"}
+
+caption_tab <- "Ecotopenstelsel Zeeschelde 1.0."
+
+img_file <- paste0(pad_tabellen, "030_tabel_klassen_E1.png")
+
+figtab(knitr::opts_current$get()$label,
+ img_file,
+ caption_tab)
+
+```
+
+
+
+```{r 030-tabel-klassen-E2, results="asis", fig.show='hide', out.width="100%"}
+
+caption_tab2 <- "Ecotopenstelsel Zeeschelde 2.0."
+
+img_file2 <- paste0(pad_tabellen, "030_tabel_klassen_E2.png")
+
+figtab(knitr::opts_current$get()$label,
+ img_file2,
+ caption_tab2)
+
+```
+
+\newpage
+
+## Ecotopen in de Zeeschelde
+
+### Ecotopen van de Beneden-Zeeschelde in `r laatste_jaar` {#BEZ}
+
+#### Zeeschelde ecotopen 1.0
+
+De ecotopenkaart methode 1.0 van de Beneden-Zeeschelde in `r laatste_jaar` is te zien in Figuur \@ref(fig:030-figuur-kaart-bez).
+
+Tabel \@ref(tab:030-tabel-oppervlakte-BEZ) toont de oppervlaktes per ecotoop in de Beneden-Zeeschelde voor elk jaar vanaf `r vroegste_jaar` in hectare (ha) en als percentage (%) van de totale oppervlakte.
+
+De korte en lange termijn evolutie van de ecotopen is beschreven in Tabel \@ref(tab:030-tabel-evolutie-BEZ) via de absolute verandering (ha) en de procentuele verandering (%) tussen de aangegeven jaren.
+Voor de korte termijn evolutie wordt het huidige jaar vergeleken met het jaar ervoor, terwijl voor de lange termijn evolutie de vergelijking van het huidig jaar gemaakt wordt met het eerste rapportage jaar (`r vroegste_jaar`).
+
+Na een kleine toename van 0,7 hectare van het **sublitoraal** bij de vorige rapportage (Mertens & Van Braeckel, 2022), is dit ecotoop in `r laatste_jaar` terug in oppervlakte gedaald met 0,8 hectare (Tabel \@ref(tab:030-tabel-evolutie-BEZ)).
+Het diep subtidaal is anderzijds gestegen met 9,3 hectare en dit vooral ten koste van het matig diep subtidaal.
+Het ondiep subtidaal bleef vrij stabiel (Tabel \@ref(tab:030-tabel-oppervlakte-BEZ)).
+
+In het **litoraal** is de totale oppervlakte aan zacht substraat met 6 hectare gestegen sinds `r laatste_jaar - 1`.
+Deze stijging vond vooral plaats in het laag slik zacht substraat.
+Het hoog slik zacht substraat is daarentegen licht gedaald in oppervlakte (3,4 hectare).
+Het natuurlijk hard substraat in het litoraal is licht gedaald in `r laatste_jaar` ten opzichte van `r laatste_jaar - 1`.
+
+De nieuwe slikken net ten noorden van Fort Filip bestonden in `r laatste_jaar - 1` vooral uit hard substraat, maar in `r laatste_jaar` is hier een zachte sliblaag opgekomen (Figuur \@ref(fig:030-figuur-kaart-ff)).
+Net achter de strekdam bevindt zich wel nog een verharde zone.
+
+In het **supralitoraal** is de potentiële pionierzone opnieuw afgenomen en heeft met een oppervlakte van 17,2 hectare de laagste waarde bereikt sinds 2010.
+Het schor is verder blijven toenemen, in `r laatste_jaar` met 14,8 hectare ten opzichte van `r laatste_jaar - 1`.
+Beide verschijnselen worden deels verklaard doordat op de potentiële pionierzone op verschillende plaatsen schorvorming is ontstaan of uitgebreid in 2022.
+Voorbeelden zijn in de Lillo ontpoldering (Figuur \@ref(fig:030-figuur-kaart-lillo)), de heraangelegde zone stroomopwaarts van Fort Filip (Figuur \@ref(fig:030-figuur-kaart-ff) in de hoek rechts onderaan) en eveneens in de Fasseit ontpoldering (Figuur \@ref(fig:030-figuur-kaart-fasseit)).
+Ook in de Burchtse Weel GGG zette de trend van verschorring zich voort (zie ook Mertens & Van Braeckel, 2022).
+Het hoog supralitoraal is licht gedaald met 3,6 hectare.
+
+Een voorbeeld van lokale schorvermindering is te zien in Figuur \@ref(fig:030-figuur-kaart-cauwelaertsluis) net voorbij de Van Cauwelaertsluis waar er schor verwijderd is door menselijke ingrepen.
+
+Het antropogeen hard substraat (breuksteen) is over alle ecotopen afgenomen met 10,8 hectare.
+
+De totale oppervlakte estuarien gebied in de Beneden-Zeeschelde is met 1,9 hectare gedaald.
+Dit na een stijging van 5,3 hectare in `r laatste_jaar - 1` door de heraanleg rond Fort Filip.
+Deze 'verloren' oppervlakte betreft voor een deel de nieuwe hoge breuksteen zone rond Fort Filip, waarbij de zone die hoger dan de estuariene bovengrens ligt uit de kaart is verwijderd.
+Verder zijn er ook enkele zones van hoog supralitoraal die inmiddels duidelijk buiten de estuariene grens vallen uit de kaart verwijderd.
+
+
+
+\newpage
+
+```{r 030-figuur-kaart-bez, fig.cap=figuur_ecotopenkaart_bez, out.width="100%"}
+# kaart wordt gemaakt in sjabloon_bez.mxd met schaal 1 : 97 000
+
+figuur_ecotopenkaart_bez <- str_c("Ecotopenkaart ", laatste_jaar, " Beneden-Zeeschelde 1.0")
+
+knitr::include_graphics(paste0(pad_figuren, "030_figuur_Ecotoop_BEZ_", laatste_jaar, "_10.png"))
+```
+
+\newpage
+
+
+
+```{=tex}
+\begin{landscape}
+```
+```{r 030-tabel-oppervlakte-BEZ, results="asis", fig.show='hide', out.width="100%"}
+
+caption_tab <- str_c("Oppervlaktes en oppervlaktepercentages van ecotopen Zeeschelde 1.0 in de Beneden-Zeeschelde in de laatste 6 jaar voor ", laatste_jaar, ", inclusief het startjaar ", vroegste_jaar, ".")
+
+img_file <- paste0(pad_tabellen, "030_tabel_Oppervlakte_BEZ_", vroegste_jaar, "_", laatste_jaar, "_10.PNG")
+
+figtab(knitr::opts_current$get()$label,
+ img_file,
+ caption_tab)
+
+```
+
+```{=tex}
+\end{landscape}
+```
+\newpage
+
+```{r 030-tabel-evolutie-BEZ, results="asis", fig.show='hide', out.width="100%"}
+
+caption_tab <- str_c("Absolute verandering en procentuele verandering van de lange termijn evolutie (tussen ", vroegste_jaar, " en ", laatste_jaar, ") en de korte termijn evolutie (tussen ", laatste_jaar - 1, " en ", laatste_jaar, ") in de Beneden-Zeeschelde 1.0.")
+
+img_file <- paste0(pad_tabellen, "030_tabel_evolutie_BEZ_", vroegste_jaar, "_", laatste_jaar, "_10.PNG")
+
+figtab(knitr::opts_current$get()$label,
+ img_file,
+ caption_tab)
+
+```
+
+
+
+(ref:figff) Ecotopenkaart Zeeschelde 1.0 2022 rond Fort Filip (centraal onder), overzichtskaart met rode kader als indicator detailkaart (linksboven), ecotopenkaart 2021 1.0 (rechtsboven). Zie Figuur \@ref(fig:030-figuur-kaart-bez) voor legende.
+
+```{r 030-figuur-kaart-ff, fig.cap='(ref:figff)', out.width="100%"}
+
+knitr::include_graphics(paste0(pad_figuren, "030_figuur_FortFilip_2022.png"))
+
+```
+
+
+
+(ref:figlillo) Ecotopenkaart Zeeschelde 1.0 2022 Lillo (centraal onder), overzichtskaart met rode kader als indicator detailkaart (linksboven), ecotopenkaart 2021 1.0 Lillo (rechtsboven). Zie Figuur \@ref(fig:030-figuur-kaart-bez) voor legende.
+
+```{r 030-figuur-kaart-lillo, fig.cap='(ref:figlillo)', out.width="100%"}
+
+# figuur_kaart_lillo <- "Ecotopenkaart Zeeschelde 1.0 2022 Lillo (centraal onder), overzichtskaart met rode kader als indicator detailkaart (linksboven), ecotopenkaart 2021 1.0 Lillo (rechtsboven). Zie Figuur \\@ref(fig:030-figuur-kaart-bez) voor legende."
+
+knitr::include_graphics(paste0(pad_figuren, "030_figuur_Lillo_2022.png"))
+
+```
+
+
+
+(ref:figfasseit) Ecotopenkaart Zeeschelde 1.0 2022 Fasseit ontpoldering (centraal onder), overzichtskaart met rode kader als indicator detailkaart (linksboven), ecotopenkaart 2021 1.0 (rechtsboven). Zie Figuur \@ref(fig:030-figuur-kaart-bez) voor legende.
+
+```{r 030-figuur-kaart-fasseit, fig.cap='(ref:figfasseit)', out.width="100%"}
+
+knitr::include_graphics(paste0(pad_figuren, "030_figuur_Fasseit_2022.png"))
+
+```
+
+
+
+(ref:figcauw) Ecotopenkaart Zeeschelde 1.0 2022 voorbij Van Cauwelaertsluis (centraal onder), overzichtskaart met rode kader als indicator detailkaart (linksboven), ecotopenkaart 2021 1.0 (rechtsboven). Zie Figuur \@ref(fig:030-figuur-kaart-bez) voor legende.
+
+```{r 030-figuur-kaart-cauwelaertsluis, fig.cap='(ref:figcauw)', out.width="100%"}
+
+knitr::include_graphics(paste0(pad_figuren, "030_figuur_Cauwelaertsluis_2022.png"))
+
+```
+
+
+
+Om de veranderingen beschreven in Tabel \@ref(tab:030-tabel-oppervlakte-BEZ) en Tabel \@ref(tab:030-tabel-evolutie-BEZ) goed te begrijpen is het relevant om naast het bespreken van het geheel estuarien gebied met laterale uitbreidingen ook naar de 'enge' planimetrie van het estuarium te kijken (zie bijvoorbeeld Van Braeckel & Elsen, 2020), met name het estuariene deel van de Beneden-Zeeschelde zonder de laterale uitbreidingen van de natuurontwikkelingsprojecten.
+Deze aanpak beschrijft beter de evolutie van de ecotopen in de Beneden-Zeeschelde onder rechtstreekse invloed van veranderingen in de vaargeul en van het hydraulisch regime.
+De gebieden die dus niet in rekening worden gebracht onder de 'enge' planimetrie van de Beneden-Zeeschelde zijn nieuwe Sigmagebieden of natuurontwikkelingsprojecten in KRWzone IV en III tot aan de Rupelmonding.
+De oppervlaktes van de ecotopen binnen de 'enge' planimetrie zijn weergegeven in Tabel \@ref(tab:030-tabel-eng-BEZ) en het verschil in evolutie binnen het gehele estuarien gebied en enkel de 'enge' planimetrie is te zien in Figuur \@ref(fig:030-figuur-evolutie-bez).
+
+Zowel op korte als lange termijn volgen de evoluties in het laag en middelhoog slik dezelfde tendensen in de 'enge' planimetrie als in de volledige planimetrie.
+Het laag slik zacht substraat kent vooral schommelingen van stijgende en dalende oppervlakte in de enge planimetrie en is meest recentelijk gestegen.
+Het middelhoog slik zacht substraat is licht gestegen.
+De zeer geleidelijke afname van de oppervlakte hoog slik zacht substraat zoals die zich voordoet in de volledige planimetrie is pas sinds `r laatste_jaar - 1` ook zichtbaar in de enge planimetrie, daarvoor bleef deze oppervlakte eerder stabiel.
+
+De oppervlakte potentiële pionierzone is zowel in het volledige gebied als binnen de 'enge' planimetrie gedaald ten opzichte van `r laatste_jaar -1`, maar het grootste deel van de daling heeft plaatsgevonden binnen de laterale uitbreidingen.
+
+Het grootste verschil in de vergelijking tussen de enge en volledige planimetrie vinden we in het schor waar de verdubbeling in oppervlakte sinds 2010 nagenoeg volledig is toe te schrijven aan toename in de laterale uitbreidingen.
+Op korte termijn vinden we hier een toename in zowel de enge als de volledige planimetrie.
+
+De afname van het hoog supralitoraal vond voornamelijk plaats binnen de 'enge' planimetrie.
+
+De afname van antropogeen hard substraat gebeurde eveneens hoofdzakelijk binnen de enge planimetrie.
+
+
+
+```{r 030-tabel-eng-BEZ, results="asis", fig.show='hide', out.width="100%"}
+
+caption_tab <- str_c("Ecotooparealen Zeeschelde 1.0 in de ‘enge planimetrie’ van de Beneden‐Zeeschelde zonder de NOP’s of ontpolderingen, dijkverleggingen en aantakkingen tussen ", vroegste_jaar, " en ", laatste_jaar, ".")
+
+img_file <- paste0(pad_tabellen, "030_tabel_Oppervlakte_EngePlanimetrie_BEZ_", laatste_jaar, "_10.PNG")
+
+figtab(knitr::opts_current$get()$label,
+ img_file,
+ caption_tab)
+
+```
+
+```{r 030-figuur-evolutie-bez, fig.cap=figuur_evolutie_bez, out.width="100%"}
+
+figuur_evolutie_bez <- "Temporele evolutie van de oppervlakte van de ecologisch belangrijke ecotopen Zeeschelde 1.0 in de Beneden-Zeeschelde met en zonder NOP's (natuurontwikkelingsprojecten zoals ontpolderingen, GGG’s en dijkverleggingen)"
+
+knitr::include_graphics(paste0(pad_figuren, "030_figuur_Evolution_NOPs_BEZ_", laatste_jaar, "_10.png"))
+
+```
+
+
+
+#### Zeeschelde ecotopen 2.0
+
+De ecotopenkaart methode 2.0 van de Beneden-Zeeschelde in `r laatste_jaar` is te zien in Figuur \@ref(fig:030-figuur-kaart-bez-20).
+
+Tabel \@ref(tab:030-tabel-oppervlakte-BEZ-20) toont de oppervlaktes per ecotoop in de Beneden-Zeeschelde voor elk jaar vanaf 2019 in hectare (ha) en als percentage (%) van de totale oppervlakte.
+
+De korte en lange termijn evolutie van de ecotopen is opnieuw beschreven in Tabel \@ref(tab:030-tabel-evolutie-BEZ-20) via de absolute verandering (ha) en de procentuele verandering (%) tussen de aangegeven jaren.
+Voor de korte termijn evolutie wordt het huidige jaar vergeleken met het jaar ervoor, terwijl voor de lange termijn evolutie de vergelijking van het huidig jaar gemaakt wordt met het eerste rapportage jaar (2019 voor Zeeschelde 2.0).
+
+In het **sublitoraal** is een onderverdeling gemaakt tussen hoog- en laagdynamisch subtidaal, op basis van de maximale stroomsnelheid bij vloed.
+De tabel toont dat de diepere delen (diep en matig diep subtidaal) grotendeels hoogdynamisch zijn.
+In het ondiep subtidaal is het aandeel laagdynamisch iets groter dan het aandeel hoogdynamisch.
+Tegenover `r laatste_jaar - 1` heeft er in alle diepteklassen een verschuiving plaatsgevonden van hoogdynamisch naar laagdynamisch.
+
+Bij de berekening van het **litoraal** zijn aangepaste grenzen gebruikt ten opzichte van ecotopen 1.0, afhankelijk van de saliniteitszone.
+Hierdoor is het aandeel middelhoog slik kleiner en het aandeel hoog slik groter dan bij het ecotopenstelsel 1.0.
+Verder volgen de evoluties van het litoraal in ecotopenstelsel 2.0 eenzelfde patroon als bij 1.0, met een stijging in het laag slik zacht substraat en een kleinere daling in het hoog slik zacht substraat.
+Beiden patronen zijn iets sterker in het ecotopenstelsel 2.0.
+
+In de aangepaste methode wordt ook de helling van de slikken in rekening gebracht.
+De oppervlaktes per slikecotoop met een steile (\>25%) en zwakke (\<=25%) helling zijn beschreven in Tabel (\@ref(tab:030-tabel-oppervlakte-helling-BEZ-20)).
+Zowel het litoraal zacht substraat als het litoraal hard natuurlijk hebben vrijwel geen steile hellingen.
+In het litoraal antropogeen hard substraat is wel een redelijk aandeel steil, namelijk ongeveer 39% van het totaal oppervlak litoraal hard antropogeen, wat iets meer is dan in `r laatste_jaar-1` toen het ongeveer 33% was.
+De overige 61% litoraal hard antropogeen heeft dus nog steeds een hellingsgraad van kleiner dan of gelijk aan 25%.
+
+
+
+\newpage
+
+```{r 030-figuur-kaart-bez-20, fig.cap=figuur_ecotopenkaart_bez_20, out.width="100%"}
+# kaart wordt gemaakt in sjabloon_bez.mxd met schaal 1 : 97 000
+
+figuur_ecotopenkaart_bez_20 <- str_c("Ecotopenkaart ", laatste_jaar, " Beneden-Zeeschelde 2.0")
+
+knitr::include_graphics(paste0(pad_figuren, "030_figuur_Ecotoop_BEZ_", laatste_jaar, "_20.png"))
+```
+
+\newpage
+
+```{r 030-tabel-oppervlakte-BEZ-20, results="asis", fig.show='hide', out.width="100%"}
+
+caption_tab <- str_c("Oppervlaktes en oppervlaktepercentages van ecotopen in de Beneden-Zeeschelde in ", laatste_jaar, " volgens de Zeeschelde ecotopen 2.0.")
+
+img_file <- paste0(pad_tabellen, "030_tabel_Oppervlakte_BEZ_2019_", laatste_jaar, "_20.PNG")
+
+figtab(knitr::opts_current$get()$label,
+ img_file,
+ caption_tab)
+
+```
+
+```{r 030-tabel-evolutie-BEZ-20, results="asis", fig.show='hide', out.width="100%"}
+
+caption_tab <- str_c("Absolute verandering en procentuele verandering van de lange termijn evolutie (tussen 2019 en ", laatste_jaar, ") en de korte termijn evolutie (tussen ", laatste_jaar - 1, " en ", laatste_jaar, ") in de Beneden-Zeeschelde 2.0.")
+
+img_file <- paste0(pad_tabellen, "030_tabel_evolutie_BEZ_2019_", laatste_jaar, "_20.PNG")
+
+figtab(knitr::opts_current$get()$label,
+ img_file,
+ caption_tab)
+
+```
+
+```{r 030-tabel-oppervlakte-helling-BEZ-20, results="asis", fig.show='hide', out.width="100%"}
+
+caption_tab <- str_c("Oppervlaktes en percentages van steile en vlakke slikken in de Beneden-Zeeschelde in ", laatste_jaar, ", volgens de Zeeschelde ecotopen 2.0.")
+
+img_file <- paste0(pad_tabellen, "030_tabel_Oppervlakte_HellingSlik_BEZ_", laatste_jaar, "_20.PNG")
+
+figtab(knitr::opts_current$get()$label,
+ img_file,
+ caption_tab)
+
+```
+
+## Referenties
+
+
+
+Mertens, A.
+& Van Braeckel A.
+(2022).
+Ecotopen *in* Van Ryckegem, G., Vanoverbeke, J., Van de Meutter, F., Vandevoorde, B., Mertens, W., Mertens, A., Van Braeckel, A., Smeekens, V., Thibau, K., Bezdenjesnji, O., Buerms, D., De Regge, N., Hessel, K., Lefranc, C., Soors, J., Van Lierop, F.
+(2022).
+MONEOS ‐ Geïntegreerd datarapport INBO: Toestand Zeeschelde 2021.
+Monitoringsoverzicht en 1ste lijnsrapportage Geomorfologie, diversiteit Habitats en diversiteit Soorten.
+Rapporten van het Instituut voor Natuur‐ en Bosonderzoek 2022 (Rapporten van het Instituut voor Natuur‐ en Bosonderzoek 2022 (26)).
+Instituut voor Natuur‐ en Bosonderzoek, Brussel.
+DOI: [https://doi.org/10.21436/inbor.85928183](https://doi.org/10.21436/inbor.52484672){.uri}
+
+Van Braeckel, A., Vanoverbeke, J., Van de Meutter, F., De Neve, L., Soors, J., Speybroeck, J., Van Ryckegem, G., & Van den Bergh, E.
+(2020).
+Habitatmapping Zeeschelde Slik: habitatkarakteristieken van bodemdieren en garnaalachtigen & slikecotopen Zeeschelde 2.0.
+(Rapporten van het Instituut voor Natuur- en Bosonderzoek; Nr. 31).
+Instituut voor Natuur- en Bosonderzoek.
+
+
+Van Braeckel A.
+& Elsen R.
+(2018).
+Ecotopen *in* Van Ryckegem, G., Van Braeckel, A., Elsen, R., Speybroeck, J., Vandevoorde, B., Mertens, W., Breine, J., Spanoghe, G., Bezdenjesnji, O., Buerms, D., De Beukelaer, J., De Regge, N., Hessel, K., Lefranc, C., Soors, J., Terrie, T., Van Lierop, F., & Van den Bergh, E.
+(2018).
+MONEOS -- Geïntegreerd datarapport INBO: Toestand Zeeschelde 2017: Monitoringsoverzicht en 1ste lijnsrapportage Geomorfologie, diversiteit Habitats en diversiteit Soorten.
+(Rapporten van het Instituut voor Natuur en Bosonderzoek; Nr. 74).
+Instituut voor Natuur- en Bosonderzoek.
+
+
+Van Braeckel, A., Speybroeck, J., Vanoverbeke, J., Van Ryckegem, G., & Van den Bergh, E.
+(2018).
+Habitatmapping Zeeschelde subtidaal: Relatie tussen bodemdieren en hydro- en morfodynamiek.
+(Rapporten van het Instituut voor Natuur- en Bosonderzoek; Nr. 91).
+Instituut voor Natuur- en Bosonderzoek.
+
+
+
diff --git a/moneos_2024/150_geintegreerd_rapport/040_vegetatiekaart.Rmd b/moneos_2024/150_geintegreerd_rapport/040_vegetatiekaart.Rmd
new file mode 100644
index 0000000..6d24df7
--- /dev/null
+++ b/moneos_2024/150_geintegreerd_rapport/040_vegetatiekaart.Rmd
@@ -0,0 +1,52 @@
+# Vegetatiekaart
+
+Fichenummer: S-DH-V-003 -- Vegetatiekartering
+
+Bart Vandevoorde, Frederik Van Lierop, Vincent Smeekens & Koen Thibau
+
+## Inleiding
+
+Met behulp van schorvegetatiekaarten kan de evolutie van de habitatdiversiteit binnen het schorecotoop nader geëvalueerd worden. De basiseenheid van deze vegetatiekaart, is een homogene vegetatie-eenheid waaraan volgens een hiërarchisch systeem een habitat, formatie en vegetatietype zijn toegekend.
+
+In Tabel \@ref(tab:Tabel1) is een overzicht gegeven van de vegetatiekaarten die van de schorren zijn gemaakt de voorbije decennia. De gebruikte methode, ruimtelijke afbakening en detailgraad zijn niet voor alle kaarten gelijk. Zo zijn de kaarten van 1992, 1996, 2003, 2013 en 2019 gemaakt aan de hand van de fotogeleide veldmethode. Remote sensing-technieken zijn gebruikt in 2007 om het hele Zeeschelde-estuarium te karteren (Bertels *et al*., 2008) en in 2011 voor de vegetatiekartering van de Beneden-Zeeschelde (Eurosense, 2012). Voor een overzicht van de historische kaarten en een toelichting bij de gebruikte codes verwijzen we naar Vandevoorde (2011).
+
+Table: (#tab:Tabel1) Overzicht van de jaren waarvan vegetatiekaarten beschikbaar zijn. De verschillende deelgebieden zijn gekarteerd volgens de klassieke karteringsmethode (A) of door middel van remote sensing-technieken (B).
+
+ -------------------------------------------------------------------------------------------------
+ **Deelgebied** **1992** **1996** **2003** **2007** **2011** **2013** **2019**
+ -------------------- ---------- ---------- ---------- ---------- ---------- ---------- ----------
+ Beneden-Zeeschelde A A A B B A A
+
+ Boven-Zeeschelde A A A B A A
+
+ Durme A A B A A
+
+ Rupel A B A A
+
+ Zenne A B A
+
+ Dijle A B A
+
+ Kleine Nete A B A
+
+ Grote Nete A B A
+ -------------------------------------------------------------------------------------------------
+
+Momenteel is de vegetatiekaart van 2019 in opmaak. Deze kaart zal de schorren van de volledige Zeeschelde, Durme en Rupel omvatten, inclusief de getijdenafhankelijke delen van de Ringvaart en Tijarm in het meest stroomopwaartse deel van het estuarium (regio Gent). Ook de ontpolderingen gerealiseerd in 2019 of ervoor maken deel uit van deze kaart (bijv. Wijmeers, Fasseit, Burchtse Weel, Potpolder Lillo). Naast deze ontpolderingen zijn ook de verschillende functionele gecontroleerd gereduceerd getijdengebieden (GGG's) in deze vegetatiekaart opgenomen (Bergenmeersen, Lippenbroek, Polders van Kruibeke). Van de verschillende GGG's is de vegetatiekaart overgenomen uit de OMES-rapportage (Maris *et al*., 2020).
+
+In de zomer van 2019 zijn falsecolour infrared-beelden (FCIR) gemaakt van het volledige projectgebied, inclusief de nieuw aangelegde gebieden (GGG's en ontpolderingen). Met behulp van deze beelden is in 2020, 2021, 2022 en 2023 veldwerk verricht om grondwaarheidsgegevens te verzamelen.
+
+In Van Ryckegem *et al*. (2022) is een voorlopige versie van de vegetatiekaart van 2019 van de Zeeschelde, Durme en Rupel gepubliceerd. In deze rapportage wordt geen nieuwe versie van deze vegetatiekaart ter beschikking gesteld. De definitieve versie van de kaart zal gepubliceerd worden in het datarapport van 2025 of in een aparte rapportage.
+
+## Referenties
+
+Bertels L., Houthuys R., Deronde B., Knaeps E., Vandevoorde B. & Van den Bergh E. (2008). Automatische kartering voor opvolging areaal slikken en schorren. Rapport VITO 2008/TAP/R/076, 137 p.
+
+Eurosense (2012). Hyperspectraalmetingen en kartering van slikken en schorren van de Zeeschelde afwaarts Wintam in het kader van de geïntegreerde monitoring van het Schelde-estuarium (MONEOS-programma). Eindrapport 01/10/2012. In opdracht van W&Z Afdeling Zeeschelde.
+
+Maris T., Baeten S., Van den Neucker T., van den Broeck T. & Meire P. (2020). Onderzoek naar de gevolgen van het Sigmaplan, baggeractiviteiten en havenuitbreiding in de Zeeschelde op het milieu. Geïntegreerd eindverslag van het onderzoek verricht in 2019, deelrapport Intergetijdengebieden. ECOBE 020-R266 Universiteit Antwerpen, Antwerpen.
+
+Vandevoorde B. (2011). Systeemmonitoring vegetatiekartering. In Van Ryckegem G., (red.) (2011). MONEOS --Geïntegreerd datarapport Toestand Zeeschelde tot 2009. Datarapportage ten behoeve van de VNSC voor het vastleggen van de uitgangssituatie anno 2009. Rapporten van het Instituut voor Natuur- en Bosonderzoek INBO.R.2011.8. Instituut voor Natuur‐ en Bosonderzoek, Brussel.
+
+Van Ryckegem G., Vanoverbeke J., Van de Meutter F., Vandevoorde B., Mertens W., Mertens A., Van Braeckel A., Smeekens V., Thibau K., Bezdenjesnji O., Buerms D., De Regge N., Hessel K., Lefranc C., Soors J. & Van Lierop F. (2022). MONEOS ‐ Geïntegreerd datarapport INBO: Toestand Zeeschelde 2021. Monitoringsoverzicht en 1ste lijnsrapportage Geomorfologie, diversiteit Habitats en diversiteit Soorten. Rapporten van het Instituut voor Natuur‐ en Bosonderzoek 2022 (26). Instituut voor Natuur‐ en Bosonderzoek, Brussel.
+
diff --git a/moneos_2024/150_geintegreerd_rapport/050_hogere_planten.Rmd b/moneos_2024/150_geintegreerd_rapport/050_hogere_planten.Rmd
new file mode 100644
index 0000000..0cebd50
--- /dev/null
+++ b/moneos_2024/150_geintegreerd_rapport/050_hogere_planten.Rmd
@@ -0,0 +1,199 @@
+
+```{r 050-hoofdstuk, include=FALSE}
+
+hoofdstuk <- "050_hogere_planten"
+
+```
+
+
+```{r 050-setup, include=FALSE}
+
+knitr::opts_chunk$set(echo = FALSE, error=FALSE, warning=FALSE, message=FALSE, cache=FALSE, fig.pos = "H")
+knitr::opts_knit$set(eval.after = "fig.cap")
+
+```
+
+
+```{r 050-libraries}
+
+library(tidyverse)
+library(readxl)
+library(kableExtra)
+library(rprojroot) ## workaround pad
+
+conflicted::conflicts_prefer(dplyr::filter)
+
+```
+
+
+```{r 050-pad}
+
+# inlezen van variabelen
+# pad naar data : pad_data
+# pad naar tabellen : pad_tabellen
+# pad naar figuren : pad_figuren
+
+source(find_root_file("../pad.R", criterion = is_rstudio_project))
+
+pad_data <- maak_pad(hoofdstuk, "data")
+pad_figuren <- maak_pad(hoofdstuk, "figuren")
+pad_tabellen <- maak_pad(hoofdstuk, "tabellen")
+
+```
+
+
+```{r 050-table_from_figure-function}
+figtab_landscape <-
+ function(label, image_file, caption=NULL) {
+ txt <- sprintf('\\newpage\n\\begin{landscape}\n\\begin{table}[H]\n\\caption{%s}\n\\label{tab:%s}\n\\includegraphics{%s}\n\\end{table}\n\\end{landscape}\n\\newpage\n',
+ caption,
+ label,
+ image_file)
+ magick::image_read(image_file) %>% magick::image_ggplot() %>% print()
+ writeLines(txt)
+ }
+```
+
+# Hogere planten
+
+Fichenummers: S-DS-V-001 -- Hogere planten; P-DS-V-001a - Hogere planten)
+
+**Bart Vandevoorde, Frederik Van Lierop, Vincent Smeekens & Wim Mertens**
+
+## Inleiding
+
+Op de schorren van het Zeeschelde-estuarium wordt de diversiteit aan hogere planten opgevolgd door middel van vegetatieopnames. Deze worden gemaakt van de bestaande permanente kwadraten (PQ) en aangevuld met losse vegetatieopnames welke stratified random worden gelokaliseerd in functie van de huidige vegetatietypes of doelvegetatietypes (Leyssen *et al*., 2006; Meire & Maris, 2008).
+
+In Tabel \@ref(tab:050-tabel-vegetatieopnames) is per jaar een overzicht gegeven in welke gebieden vegetatieopnames zijn gemaakt, al dan niet van permanente kwadraten.
+
+
+```{r 050-tabel-vegetatieopnames, results="asis", fig.show='hide', out.width="100%"}
+
+caption_tab <-
+ "Per gebied en per jaar is een overzicht gegeven van de beschibare vegetatieopnames. Met een letter is aangegeven of het een vegetatieopname is van een permanent kwadraat (PQ) of een losse locatie: A: PQ INBO, A*: PQ INBO Zomerklokje, A**: PQ INBO LSVI 91E0\\_sf, B: losse vegetatieopname INBO, C: PQ ANB en D: PQ UA."
+img_file <- paste0(pad_figuren, "media/image1.jpeg")
+figtab_landscape(knitr::opts_current$get()$label,
+ img_file,
+ caption_tab)
+
+```
+
+
+## Materiaal en methode
+
+### Vegetatieopnames van permanente kwadraten
+
+Vegetatieopnames worden gemaakt volgens de principes van de Frans-Zwitserse school (Schaminée *et al*., 1995). Dit houdt in dat de vegetatie in een proefvlak homogeen moet zijn en dat ze een representatieve weergave moet zijn van de aanwezige vegetatie. Het proefvlak moet met andere woorden groot genoeg zijn om de floristische samenstelling van de vegetatie weer te geven (i.e. minimumareaal).
+
+Bij het installeren van de permanente kwadraten is rekening gehouden met deze twee voorwaarden (homogeniteit, minimumareaal) in functie van het toen aanwezige vegetatietype. Maar na verloop van tijd kan het gebeuren dat de vegetatie in het permanent kwadraat niet langer homogeen is. Een PQ, oorspronkelijk gelegd in bijvoorbeeld een homogene ruigte, kan ingegroeid geraken door een struweel, waardoor het voor een deel uit ruigte en voor een ander deel uit struweel bestaat. Dit is eigen aan permanente kwadraten en hoeft geen probleem te zijn. De vegetatieopnames die gemaakt zijn van permanente kwadraten, kunnen dus uit heterogene vegetaties bestaan. Als vegetatieopnames worden gemaakt van niet-permanente proefvlakken is steeds voldaan aan het principe van homogeniteit.
+
+Bovendien wordt volgens de principes van de Frans-Zwitserse school de vegetatie in zijn geheel beschouwd. Dit wil zeggen dat bij het maken van een vegetatieopname alle plantensoorten, mossen, lichenen en (macro)algen verdeeld over de verschillende vegetatielagen (boomlaag, struiklaag, kruidlaag, moslaag[^1], algenlaag) in rekening worden gebracht. De planten moeten wel rechtstreeks in contact staan met de bodem; epifyten worden bijvoorbeeld niet meegeteld.
+
+In functie van het (initiële) vegetatietype varieert de oppervlakte van de permanente kwadraten. De grootte van een permanent kwadraat is zodanig gekozen dat het een representatieve weergave is van de aanwezige vegetatie (i.e. minimumareaal). In bossen en struwelen zijn bijvoorbeeld grotere proefvlakken afgebakend in vergelijking met andere vegetatietypes als biezen- en pioniersvegetaties. Bij het maken van een vegetatieopname van het permanent kwadraat wordt steeds de initiële grootte van het proefvlak gerespecteerd, onafhankelijk van de vegetatie die er zich heeft ontwikkeld. Bij vergelijking van vegetatieopnames met verschillende grootte wordt hier best rekening mee gehouden door te standaardiseren per oppervlakte-eenheid.
+
+Kaderend binnen de systeemmonitoring van het Schelde-estuarium werd tot 2013 3-jaarlijks een vegetatieopname gemaakt van de permanente kwadraten. Deze meetfrequentie is evenwel gewijzigd naar 6-jaarlijks. De laatste opnamesessie dateert van 2019. De vegetatieopnames die toen gemaakt zijn van de permanente kwadraten, zijn gepubliceerd in Van Ryckegem *et al*. (2020).
+
+Tot 2013 werden de natuurontwikkelingsgebieden (Paardeschor, Ketenisseschor, Paddebeek en Heusden) jaarlijks bemeten maar vanaf 2013 is deze meetfrequentie aangepast naar 3-jaarlijks. De proefvlakken of permanente kwadraten, waarvan vegetatieopnames worden gemaakt, zijn gelegen langs transecten die loodrecht op de rivieras gesitueerd zijn. In 2022 zijn de laatste keer vegetatieopnames gemaakt van deze PQ's welke gepubliceerd zijn worden in Van Ryckegem *et al*. (2020).
+
+De laatste jaren zijn nieuwe permanente kwadraten geïnstalleerd ter opvolging en evaluatie van recent aangelegde natuurontwikkelingsgebieden zoals de Potpolder Lillo en Fort St.-Filips. In 2022 en 2023 zijn vegetatieopnames gemaakt van de permanente kwadraten van Fort St.-Filips die in dit rapport worden gepubliceerd worden. Ook de vegetatieopnames van de Potpolder Lillo gemaakt in 2013, 2016, 2017, 2018, 2019 en 2021 worden in dit rapport gepubliceerd.
+
+Een 30-tal PQ's van de systeemmonitoring worden ook aangewend ter evaluatie van het habitattype 91E0_sf Zachthoutooibos (wilgenvloedbos, *Salicetum albae*). Om dit habitattype betrouwbaar te evalueren zijn echter 77 PQ's nodig. Negen hiervan liggen langs de Maas en worden verder buiten beschouwing gelaten, de resterende 38 PQ's zijn afgebakend langs het Schelde-estuarium (Westra *et al*., 2014). De plots worden bemonsterd met een retourperiode van 6 jaar. Jaarlijks wordt een vegetatieopname gemaakt van een zesde van de plots. De eerste opnamereeks is afgewerkt. De vegetatieopnames van de 30 PQ's van de systeemmonitoring zijn reeds gepubliceerd in Van Ryckegem *et al*. (2020). De resterende 38 worden in dit rapport gepubliceerd.
+
+### Databankstructuur 'VegetatieopnamesPQ_Zeeschelde_2023.accdb' {#DBstruct}
+
+De vegetatieopnames zijn opgeslagen in de INBO-databank INBOVEG onder de survey Schelde-estuarium; de opnames ter evaluatie van het habitattype 91E0_sf Zachthoutooibos (wilgenvloedbos, *Salicetum albae*) onder de survey N2000meetnet_Bos_91E0_sf.
+
+De vegetatieopnames zijn geëxporteerd uit de INBOVEG-databank als een access-databank: VegetatieopnamesPQ_Zeeschelde_2023.accdb.
+
+{width="5.90625in" height="2.6909722222222223in"}
+
+Deze databank bevat 5 tabellen, die onderling gekoppeld zijn (Figuur \@ref(fig:Figuur1)). In de tabel 'ivRecording2023' zijn kopgegevens van de vegetatieopname gegeven zoals datum, lengte, breedte, auteur, etc. (Tabel \@ref(tab:Tabel3)). Deze tabel is eveneens de basistabel van de aangeleverde vegetatieopnames. Deze tabel is gekoppeld aan de tabel 'ivRLQualifier2022' waarin de code van het permanent kwadraat (PQ) gegeven is, waarvan de vegetatieopname is gemaakt (Tabel \@ref(tab:Tabel4)).
+
+De tabel 'ivRLLayer2023' is eveneens direct gekoppeld aan de basistabel 'ivRecording2023' en bevat de verschillende vegetatielagen die aangetroffen zijn in elke vegetatieopname (Tabel \@ref(tab:Tabel5)). Ook is per vegetatielaag de procentuele bedekking gegeven in deze tabel. Op zijn beurt is deze tabel gekoppeld aan de tabel 'ivRLTaxonOccurrence2023' waarin per vegetatielaag de bedekkingen van de aangetroffen plantensoorten gegeven zijn (Londoschaal) (Tabel \@ref(tab:Tabel6)). De naam van de overeenkomstige plantensoort is gegeven in de gekoppelde tabel 'ivRLIdentification2023' (Tabel \@ref(tab:Tabel7)).
+
+\newpage
+
+| Tabel 'ivRecording2023' | |
+|:------------------|-----------------------------------------------------|
+| ID | Uniek volgnummer |
+| RecordingGivid | Unieke code van de vegetatieopname in de databank INBOVEG |
+| LocationCode | Naam van het schor waar het PQ gelegen is |
+| Length | Lengte van het proefvlak in cm |
+| Width | Breedte van het proefvlak in cm |
+| Area | Oppervlakte van het proefvlak in vierkante meter |
+| UserReference | Unieke waarnemerscode van de vegetatieopname. 'BV' verwijst naar de auteur (Bart Vandevoorde), met aansluitend een oplopend volgnummer (WM: Wim Mertens, VS: Vincent Smeekens) |
+| Observer | Auteur van de vegetatieopname |
+| VagueDateBegin | Datum wanneer de vegetatieopname is gemaakt |
+
+: (#tab:Tabel3) Overzicht met een beschrijving van de kolommen opgenomen in de tabel 'ivRecording2023' van de Access-databank VegetatieopnamesPQ_Zeeschelde_2023.accdb.
+
+
+| Tabel 'ivRLQualifier2023' | |
+|:-----------------------|------------------------------------------------|
+| ID | Uniek volgnummer |
+| RecordingID | ID corresponderend met tabel 'ivRecording2023' |
+| QualifierCode | Nummer of code van het PQ waarvan de vegetatieopname is gemaakt |
+
+: (#tab:Tabel4) Overzicht met een beschrijving van de kolommen opgenomen in de tabel 'ivRLQualifier2023' van de Access-databank VegetatieopnamesPQ_Zeeschelde_2023.accdb.
+
+
+| Tabel 'ivRLLayer2023' | |
+|:-----------------|------------------------------------------------------|
+| ID | Uniek volgnummer |
+| RecordingID | ID corresponderend met tabel 'ivRecording2023' |
+| LayerCode | Deze code verwijst naar de verschillende vegetatielagen binnen de vegetatieopname (TOT: totale bedekking; BH: boomlaag; SH: struiklaag; KH: kruidlaag; MO: moslaag; AL: algenlaag; NB: naakte bodem; STR: strooisellaag). |
+| CoverCode | Deze waarde is de procentuele bedekking die de betreffende vegetatielaag inneemt in het plot. 'x-1' betekent een bedekking van minder dan 1% |
+
+: (#tab:Tabel5) Overzicht met een beschrijving van de kolommen opgenomen in de tabel 'ivRLLayer2023' van de Access-databank VegetatieopnamesPQ_Zeeschelde_2023.accdb.
+
+
+\newpage
+
+| Tabel 'ivRLTaxonOccurrence2023' | |
+|:-------------------|----------------------------------------------------|
+| ID | Uniek volgnummer |
+| LayerID | ID corresponderend met tabel 'ivRLLayer2023' |
+| CoverageCode | Bedekkingen (Londo-schaal) van de verschillende plantensoorten die in de overeenkomstige lagen zijn aangetroffen |
+
+: (#tab:Tabel6) Overzicht met een beschrijving van de kolommen opgenomen in de tabel 'ivRLTaxonOccurrence2023' van de Access-databank VegetatieopnamesPQ_Zeeschelde_2023.accdb.
+
+| Tabel 'ivRLIdentification2023' | |
+|:--------------------------|---------------------------------------------|
+| ID | Uniek volgnummer |
+| OccurrenceID | ID corresponderend met tabel 'ivRLTaxonOccurence2023' |
+| TaxonFullText | Wetenschappelijke naam van de plantensoort |
+| TaxonGroup | VP: vaatplant; !!: wier |
+
+: (#tab:Tabel7) Overzicht met een beschrijving van de kolommen opgenomen in de tabel 'ivRLIdentification2023' van de Access-databank VegetatieopnamesPQ_Zeeschelde_2023.accdb.
+
+
+### Coördinaten
+
+In het Moneos-rapport van 2023 zijn de coördinaten van de PQ's aangeleverd (Van Ryckegem *et al*., 2023). In dit rapport wordt de lijst van de coördinaten herhaald maar aangevuld met de coördinaten van de PQ's ter evaluatie van habitattype 91E0_sf Zachthoutooibos (ZSCPQ328 t.e.m. ZSCPQ356; ZSCPQ370 t.e.m. ZSCPQ378). Deze coördinaten worden aangeleverd als bijlage onder de vorm van een excel-bestand (CoordinatenPQ_ZeescheldeINBO_2024.xlsx) waarin de volgende kolommen zijn opgenomen in het enige werkblad 'Coördinaten':
+
+- **PQnummer**: het unieke nummer van het permanent kwadraat. Het acroniem ZSC verwijst naar Zeeschelde, PQ verwijst naar permanent kwadraat en vervolgens is een nummer gegeven. Dit nummer is ook aangegeven in de kolom 'QualifierCode' in tabel 'ivRLQualifier2023' (zie \@ref(DBstruct)).
+
+- **Lam72-X-coördinaat**: de X-coördinaat in Lambert 72 van het middelpunt tussen de markeringspalen of van de diagonaal.
+
+- **Lam72-Y-coördinaat**: de Y-coördinaat in Lambert 72 van het middelpunt tussen de markeringspalen of van de diagonaal.
+
+- **Functioneel**: als er in de deze kolom een 0 staat, is het PQ heden niet meer functioneel en wordt het niet meer opgenomen. Indien er een 1 staat, is het PQ wel nog functioneel en wordt het recurrent opgenomen.
+
+- **Coördinaat**: Bij een hele reeks PQ\'s staat een 0 en ontbreken de coördinaten omdat deze coördinaten niet beschikbaar zijn. Deze PQ\'s zijn geïnstalleerd in de vorige eeuw toen nog geen RTK-GPS beschikbaar was. De PQ\'s zijn pas jaren later ingemeten en een deel van de PQ\'s kon helaas niet teruggevonden worden. Dit zijn PQ\'s waarvan er opnames zijn in 1995 en 1997 maar later niet meer. Van enkele PQ's is wel een coördinaat gegeven maar schuilt er een onbetrouwbaarheid in. Ook bij deze PQ's is een 0 gegeven in deze kolom. Indien er een 1 staat in deze kolom is de coördinaat wel betrouwbaar.
+
+## Referenties
+
+Meire P. & Maris T. (2008). MONEOS: Geïntegreerde monitoring van het Schelde‐estuarium.
+
+Leyssen A., Denys L., Schneiders A., Van Looy K., Packet J. & Vanhecke L. (2006). Afstemmen van referentiecondities en evaluatiesystemen voor de biologische kwaliteitselementen macrofyten en fytobenthos en uitwerken van een meetstrategie in functie van de Kaderrichtlijn Water. Rapport van het Instituut voor Natuurbehoud IN.R.2006.09 in opdracht van VMM, Brussel.
+
+Schaminée J.H.J., Stortelder A.H.F. & Westhoff V. (1995). De vegetatie van Nederland. Deel 1 Inleiding tot de plantensociologie: grondslagen, methoden en toepassingen. Opulus Press, Uppsala, Leiden, 296 p.
+
+Van Ryckegem G., Van Braeckel A., Elsen R., Vanoverbeke J., Van de Meutter F., Vandevoorde B., Mertens W., Breine J., Speybroeck J., Bezdenjesnji O., Buerms D., De Beukelaer J., De Regge N., Hessel K., Soors J. & Van Lierop F. (2020). MONEOS -- Datarapport INBO: toestand Zeeschelde 2018-2019. Monitoringsoverzicht en 1ste lijnsrapport Geomorfologie, diversiteit Habitats en diversiteit Soorten. Rapporten van het Instituut voor Natuur- en Bosonderzoek 2020 (38). Instituut voor Natuur- en Bosonderzoek, Brussel.
+
+Van Ryckegem G., Vanoverbeke J., Van de Meutter F., Vandevoorde B., Mertens A., Mertens W., Van Braeckel A., Van Thyune G., Smeekens V., Thibau K., Bezdenjesnji O., Buerms D., De Regge N., Hessel K., Lefranc C., Soors J. & Van Lierop F. (2023). MONEOS ‐ Geïntegreerd datarapport INBO: Toestand Zeeschelde 2022. Monitoringsoverzicht en 1ste lijnsrapportage Geomorfologie, diversiteit Habitats en diversiteit Soorten. Rapporten van het Instituut voor Natuur‐ en Bosonderzoek 2023 (45). Instituut voor Natuur‐ en Bosonderzoek, Brussel.
+
+Westra T., Oosterlynck P., Van Calster H., Paelinckx D., Denys L., Leyssen A., Packet J., Onkelinx T., Louette G., Waterinckx M. & Quataert P. (2014). Monitoring Natura 2000 - habitats: meetnet habitatkwaliteit. Rapporten van het Instituut voor Natuur- en Bosonderzoek 2014 (1414229). Instituut voor Natuur- en Bosonderzoek, Brussel.
+
+[^1]: De bedekking van de moslaag is ingeschat, net als de bedekking van de individuele mossoorten maar deze zijn niet toegevoegd aan de dataset omdat de determinatie nog gecontroleerd moet worden.
+
diff --git a/moneos_2024/150_geintegreerd_rapport/060_sedimentkenmerken.Rmd b/moneos_2024/150_geintegreerd_rapport/060_sedimentkenmerken.Rmd
new file mode 100644
index 0000000..01d1661
--- /dev/null
+++ b/moneos_2024/150_geintegreerd_rapport/060_sedimentkenmerken.Rmd
@@ -0,0 +1,312 @@
+---
+editor_options:
+ markdown:
+ wrap: sentence
+ chunk_output_type: inline
+---
+
+```{r 060-hoofdstuk, include=FALSE}
+
+hoofdstuk <- "060_sedimentkenmerken"
+
+```
+
+```{r 060-setup, include=FALSE}
+
+knitr::opts_chunk$set(echo = FALSE, error=FALSE, warning=FALSE, message=FALSE, cache=FALSE, fig.pos = "H", out.extra = '')
+knitr::opts_knit$set(eval.after = "fig.cap")
+
+
+```
+
+```{r 060-libraries}
+
+library(tidyverse)
+library(readxl)
+library(kableExtra)
+library(INBOtheme)
+library(rprojroot)
+
+```
+
+```{r 060-pad}
+
+# inlezen van variabelen
+# pad naar data : pad_data
+# pad naar tabellen : pad_tabellen
+# pad naar figuren : pad_figuren
+
+# source("../pad.R")
+
+source(find_root_file("../pad.R", criterion = is_rstudio_project))
+pad_data <- maak_pad(hoofdstuk, "data")
+pad_figuren <- maak_pad(hoofdstuk, "figuren")
+pad_tabellen <- maak_pad(hoofdstuk, "tabellen")
+```
+
+```{r 060-meta-data}
+
+meta_data <-
+ read_delim(paste0(pad_data, "meta_data.csv"),
+ delim = ";")
+
+for(i in 1:nrow(meta_data)){
+ ##first extract the object value
+ tempobj=meta_data$waarde[i]
+ ##now create a new variable with the original name of the list item
+ eval(parse(text=paste(meta_data$naam[i],"= tempobj")))
+}
+
+```
+
+# Sedimentkenmerken
+
+Fichenummer: S-MD-V004a – Sedimentkenmerken (in functie van benthos)
+
+**Gunther Van Ryckegem**
+
+## Inleiding
+
+Op elke locatie waar stalen voor het macrozoöbenthos worden genomen (zie Hoofdstuk 7), wordt een begeleidend sedimentstaal genomen.
+Van deze stalen worden de granulometrische karakteristieken bepaald door laserdiffractie (LDIF) en wordt het gehalte aan organisch materiaal (OM%) bepaald door verassing (LOI).
+De korrelgrootte en hoeveelheid organisch materiaal geven respectievelijk informatie over de fysische structuur van de bodem en de mogelijke voedselrijkdom in het sediment – rechtstreeks als voedsel of onrechtstreeks als proxy voor potentiële bacteriële activiteit.
+Hiermee zijn het interessante factoren voor het verklaren van trends in de bodemdierengemeenschappen en algemeen indicatief voor het functioneren van het benthisch ecosysteem als matrix voor bodemprocessen.
+De aangeleverde data omvatten de outputvariabelen mediane korrelgrootte (D50), het slibgehalte (percentage van het staalvolume dat een korrelgrootte heeft die kleiner is dan 63µm) en organisch materiaal (percentage van het droog staalgewicht, na verhitting tot 550°C).
+
+## Materiaal en methode
+
+De data werden geanalyseerd in R (R Core Team, 2019).
+
+Het aantal sedimentstalen per campagne is weergegeven in Tabel \@ref(tab:060-tabel-sediment).
+
+In het veld wordt net naast elk macrozoöbenthosstaal een sedimentstaal verzameld met een steekbuis (diameter 2cm) tot op 10 cm diepte.
+De jaarlijkse campagnes vallen steeds in september – oktober.
+Het organische stofgehalte van het sediment wordt bepaald door een hoeveelheid sediment te drogen (bij 105°C tot constante massa), te wegen en vervolgens gedurende 2 uur te verassen bij 550°C.
+Het bekomen verlies aan massa ten gevolge van het verbranden van de organische component, het asvrij drooggewicht, wordt uitgedrukt als percentage van de oorspronkelijke droge massa van het deelstaal.
+In Van Ryckegem et al. (2017) wordt uitvoerig de analyseprocedure en de datacorrectie besproken naar aanleiding van veranderingen in protocol en meettoestellen.
+De geleverde data is de gecorrigeerde data.
+In 2015 en 2013 bleken de korrelgrootte analyses voor de intertidale batch Zeeschelde IV en in 2013 voor de subtidale batch Zeeschelde I onbetrouwbaar.
+Deze data werd niet aangeleverd en is buiten de analyse gelaten.
+In Van de Meutter et al. (2022) een uitgebreide kwaliteitscontrole gepresenteerd van de INBO analysemethode voor korrelgrootteverdeling (adhv een Coultern counter).
+De herhaalbaarheid van de metingen is hoog (mediaan verschil: ca. -1 tot 4µm; gemiddelde verschil: ca. -5 tot 7µm; standaarddeviatie (SD) \~ 15µm).
+Afwijkende metingen (\> 2 keer SD) kunnen voorkomen in circa 7% van de stalen.
+
+```{r 060-tabel-sediment}
+
+# inlezen tabel
+tabel_x_waarden <-
+ read_excel(paste0(pad_tabellen, "sediment_tabellen.xlsx"),
+ sheet = "jaar_waarden",
+ .name_repair = "minimal")
+
+# hoofding tabel
+caption_x_waarden <- "Aantal sedimentstalen per jaar."
+
+# opmaak tabel
+tabel_x_waarden %>%
+ # dplyr::mutate_all(~replace_na(., "")) %>%
+ kable(caption = caption_x_waarden,
+ booktabs = TRUE) %>%
+ kable_styling(latex_options = "HOLD_position")
+
+```
+
+
+
+
+
+Om de lange termijn trends te onderzoeken bepalen we welke lineaire regressiemodellen per waterloop en fysiotoop een significante trend tonen over de periode 2008-`r recentste_jaar` (p-waarde genomen \< 0.01).
+De dataset werd genest binnen fysiotoop en waterloop.
+Slibpercentage is de responsvariabele en jaar de predictorvariabele.
+
+
+## Resultaten
+
+In deze eerstelijnsrapportage wordt de nadruk gelegd op de resultaten van de outputvariabele slibgehalte voor de periode 2008-`r recentste_jaar`.
+In slibrijke bodems (\> 25% slib) vertonen de drie beschouwde variabelen in de dataset (mediane korrelgrootte, slibgehalte en organisch materiaal) een sterk onderling verband.
+Daarom beperken we de eerstelijnsbespreking tot het slibgehalte van de sedimenten.
+De andere metingen werden gevalideerd.
+
+Doorheen het estuarium is er een grotere spreiding op de metingen van slibgehalte binnen het subtidale in vergelijking met het intertidale gebied (Figuur \@ref(fig:060-figuur-slib-Zeeschelde-boxplotfysiotopen)).
+In het intertidaal is er een consistent patroon van slibrijke (fijnere) bodems in het hoog slik fysiotoop naar minder slibrijke (grovere) sedimenten lager.
+Dit patroon zet zich globaal door in het subtidaal.
+
+```{r 060-figuur-slib-Zeeschelde-boxplotfysiotopen, fig.cap=slib_Zeeschelde_boxplotfysiotopen, out.width="80%"}
+
+slib_Zeeschelde_boxplotfysiotopen <- paste0("Boxplot van het slibpercentage per fysiotoop in het intertidaal en subtidaal van de Zeeschelde (data 2008-",recentste_jaar,").")
+
+
+
+knitr::include_graphics(paste0(pad_figuren, "060_figuur_slib_Zeeschelde_boxplotfysiotopen.jpg"))
+
+```
+
+
+
+We stellen een aantal duidelijke veranderingen in sedimentsamenstelling vast in de Zeeschelde inclusief de zijrivieren.
+
+De selectie van de meest significante modellen is weergegeven in Tabel \@ref(tab:060-tabel-modeloutput). De regressiefiguren worden getoond in
+De trendanalyses worden verduidelijkt door de data weer te geven met boxplots gegroepeerd in twee tijdsreeksen vóór 2015 en vanaf 2015.
+Deze opdeling is gebaseerd op de knikpunt analyse uitgevoerd door Meire et al. (2021).
+Deze auteurs vonden in 2014 een trendbreuk in de SPM concentraties in het opwaartse turbiditeitsmaximum (van Temse tot Dendermonde).
+
+```{r 060-tabel-modeloutput}
+
+# inlezen tabel
+tabel_x_waarden <-
+ read_excel(paste0(pad_tabellen, "modeloutput_slib.xlsx"),
+ sheet = "modeloutput",
+ .name_repair = "minimal")
+
+# hoofding tabel
+caption_x_waarden <- "Significante (<0.01) lineare regressiemodellen voor slibpercentage voor de waterloop zones per fysiotoop."
+
+# opmaak tabel
+tabel_x_waarden %>%
+ dplyr::filter(p.value < 0.01) %>%
+ dplyr::arrange(p.value) %>%
+ # dplyr::mutate_all(~replace_na(., "")) %>%
+ kable(caption = caption_x_waarden,
+ booktabs = TRUE) %>%
+ kable_styling(latex_options = "HOLD_position")
+
+```
+
+
+
+
+
+Het slibpercentage langsheen de Beneden-Nete neemt significant toe (Tabel \@ref(tab:060-tabel-modeloutput)).
+Deze trend kan mogelijk gelinkt worden aan de sterk verhoogde sedimentimport uit de Grote Nete waar het rivierbed zandiger werd en er dus slibrijk materiaal uitspoelde naar afwaarts (Meire et al., 2021).
+De veranderingen in de Grote Nete zijn mogelijk veroorzaakt door de activiteit van de Chinese wolhandkrab (Schoelynck et al., 2020). Een lozing met het afsterven van de waterplanten tot gevolg is ook een hypothese.
+Hoewel niet alle modellen sterk significant zijn, is deze tendens tot verhoogde intertidale 'verslibbing' ook zichtbaar langs de andere zijrivieren (Zenne, Rupel, Dijle) en langs de Zeeschelde (Figuur \@ref(fig:060-figuur-slib-zijrivieren-intertidaalboxplotperiodes) en (Figuur \@ref(fig:060-figuur-slib-Zeeschelde-intertidaalboxplotperiodes)).
+Er zijn andere factoren (naast Chinese wolhandkrab, die een stabiele trend toont in de monitoringperiode 2012-2017 - Van Ryckegem et al., 2018) die elk een ander gewicht kunnen hebben langsheen de estuariene gradiënt (zie Meire et al., 2021).
+Het aantal jaren met data in Nete, Zenne en Dijle is wel beperkt.
+In de periode 2015 en later zijn er enkel gegevens in 2015, 2016, 2017 en 2020.
+Hierdoor kunnen we voor de zijrivieren geen uitspraak doen over de recente trends.
+
+De hydrodynamica van de Zeeschelde zal de verhoogde slibfractie (als SPM) in de waterkolom in principe preferentieel sorteren en sedimenteren naar (de hogere delen van) het intertidaal.
+De significante toename van het slibpercentages in de intertidale zones van de Beneden-Zeeschelde liggen daarmee in de lijn der verwachtingen, maar het is opvallend dat er zich ook een grote en significante habitatwijziging voordoet (significant hoger slibpercentage en ook kleinere mediane korrelgrootte) van de diepe onderwaterbodems van de Beneden-Zeeschelde - Zeeschelde IV (Figuur \@ref(fig:060-figuur-slib-Zeeschelde-subtidaalboxplotperiodes). Nadere analyse is wenselijk om te bekijken of deze toename indicatief is voor 'fluid mud' lagen in de diepe delen.
+
+
+De regressie analyse en databeschrijving wijst op geleidelijke habitatveranderingen die gaande zijn, waarschijnlijk onder invloed van de verhoogde SPM gehaltes.
+Dit verhoogd slibgehalte wordt afgezet op de intertidale habitats én de onderwaterbodem.
+Er zijn duidelijke aanwijzingen dat dit gerelateerd is aan de toegenomen baggeractiviteit.
+Dit in combinatie met veranderingen in de debieten en het veranderde systeemvolume zorgt voor een toename van het opwaarts transport in droogteperiodes.
+Deze sedimentpaketten worden bij hoge (winter) debieten opnieuw afwaarts getransporteerd (Meire et al., 2021).
+In Zeeschelde I is er een tendens tot het zandiger worden van het matig diep (maar niet significant in datareeks).
+
+In de gekozen ruimtelijke afbakening (KRW-zones) van deze verkennende analyse komen geen significante veranderingen aan het licht in Zeeschelde III. Deze zone is sedimentologisch/morfologisch heterogeen, mogelijk loont het om ruimtelijk homogenere eenheden af te bakenen voor analyses (bv. stroomopwaarts en stroomafwaarts Rupel).
+Een diepgaandere analyse van de data is nodig om correlaties te zoeken met mogelijk verklarende factoren.
+De verandering in het slibgehalte (of de mediane korrelgrootte) is (vaak) subtiel in de absolute cijfers.
+Er zijn geen aanwijzingen dat het gehalte in organisch materiaal wijzigde (analyse niet getoond).
+Bijkomend onderzoek is nodig om de effecten op de benthische gemeenschap te duiden.
+
+
+
+```{r 060-figuur-regressieZS-mud, fig.cap=slib_Zeeschelde_regressie, out.width="80%"}
+
+slib_Zeeschelde_regressie <- paste0("Lineaire regressiefits voor slibgehalte (\\%) – Zeeschelde. Data genest binnen Zeeschelde zones en fysiotopen. (data 2008-",recentste_jaar,").")
+
+knitr::include_graphics(paste0(pad_figuren, "060_figuur_regressieZS_mud.jpg"))
+
+```
+
+
+
+
+```{r 060-figuur-regressie-zijrivier-mud, fig.cap=slib_zijrivier_regressie, out.width="80%"}
+
+slib_zijrivier_regressie <- paste0("Lineaire regressiefits voor slibgehalte (\\%) – Zijrivieren. Data genest binnen waterloop en fysiotopen. (data 2008-",recentste_jaar,").")
+
+knitr::include_graphics(paste0(pad_figuren, "060_figuur_regressie_zijrivier_mud.jpg"))
+
+```
+
+
+
+```{r 060-figuur-slib-Zeeschelde-intertidaalboxplotperiodes, fig.cap=slib_Zeeschelde_intertidaal, out.width="80%"}
+
+slib_Zeeschelde_intertidaal <- paste0("Slibgehalte (\\%) – Zeeschelde intertidaal. Boxplots data voor periode voor 2015 en 2015 en later. Zeeschelde I is exclusief de sedimentstalen genomen in de tijarm Zwijnaarde en de Scheldemeander tussen Melle en Gentbrugge (data 2008-",recentste_jaar,").")
+
+knitr::include_graphics(paste0(pad_figuren, "060_figuur_slib_Zeeschelde_intertidaalboxplotperiods.jpg"))
+
+```
+
+
+
+```{r 060-figuur-slib-Zeeschelde-subtidaalboxplotperiodes, fig.cap=slib_Zeeschelde_subtidaal, out.width="80%"}
+
+slib_Zeeschelde_subtidaal <- paste0("Slibgehalte (\\%) – Zeeschelde subtidaal. Boxplots data voor periode voor 2015 en 2015 en later. Zeeschelde I is exclusief de sedimentstalen genomen in de tijarm Zwijnaarde en de Scheldemeander tussen Melle en Gentbrugge (data 2008-",recentste_jaar,").")
+
+knitr::include_graphics(paste0(pad_figuren, "060_figuur_slib_Zeeschelde_subtidaalboxplotperiods.jpg"))
+
+```
+
+
+
+```{r 060-figuur-slib-zijrivieren-intertidaalboxplotperiodes, fig.cap=slib_zijrivieren_intertidaal, out.width="80%"}
+
+slib_zijrivieren_intertidaal <- paste0("Slibgehalte (\\%) – zijrivieren intertidaal. Na 2017 enkel nog data van 2020 langsheen de zijrivieren Nete, Dijle en Zenne. Boxplots tonen data voor periode voor 2015 en 2015 en later (data 2008-",recentste_jaar,").")
+
+knitr::include_graphics(paste0(pad_figuren, "060_figuur_slib_zijrivieren_intertidaalboxplotperiods.jpg"))
+
+```
+
+
+
+```{r 060-figuur-slib-zijrivieren-subtidaalboxplotperiodes, fig.cap=slib_zijrivieren_subtidaal, out.width="80%"}
+
+slib_zijrivieren_subtidaal <- paste0("Slibgehalte (\\%) – zijrivieren subtidaal. Na 2017 enkel nog data van 2020 langsheen de zijrivieren Nete, Dijle en Zenne. Boxplots tonen data voor periode voor 2015 en 2015 en later (data 2008-",recentste_jaar,"). Het fysiotoop 'diep' komt niet voor langsheen de Nete, Dijle en Zenne")
+
+knitr::include_graphics(paste0(pad_figuren, "060_figuur_slib_zijrivieren_subtidaalboxplotperiods.jpg"))
+
+```
+
+
+
+## Algemene conclusie
+
+In de Zeeschelde en zijrivieren worden de intertidale habitats (vaak significant) slibrijker.
+Dit verandert de leefgebieden van het macrozoöbenthos.
+Bijkomend onderzoek is nodig om de mogelijke effecten op de benthische gemeenschap te duiden.
+In de diepere geul is de variatie groot en vaak zonder duidelijk patroon.
+Des te opvallender is dan ook de significante trend uit de random staalname dat de diepe geul van de Beneden-Zeeschelde slibrijker wordt.
+
+## Referenties
+
+Meire P., Plancke Y., Govaerts A., Cox T., Gelsomi P., Horemans D., Meire D., Meire L., Zetsche E.
+and Maris T.
+(2021).
+Synthesis note: SPM dynamics and trends in the Scheldt estuary.
+ECOBE Report 021-R267 Universiteit Antwerpen, Antwerpen.
+
+R Core Team (2019).
+R: A Language and Environment for Statistical Computing.
+R Foundation for Statistical Computing, Vienna, Austria.
+.
+
+Schoelynck J., Wolters J. W., Teuchies J., Brion N., Puijalon S.,Horemans D.M.L., Keirsebelik H., Bervoets L., Blust R.
+& Meire P. (2020).
+Experimental evidence for the decline of submerged vegetation in freshwater ecosystems by the invasive Chinese mitten crab (*Eriocheir sinensis*).
+Biological Invasions, 22(2), 627–641.
+
+Van de Meutter F., Smeekens V. & Buerms D.
+(2022).
+Beschrijvend datarapport: sedimentkarakteristieken en sedimentatie-erosie langsheen vaste raaien voor benthosmonitoring in de Zeeschelde 2018-2020.Rapporten van het Instituut voor Natuur- en Bosonderzoek 2022 (34).
+Instituut voor Natuur- en Bosonderzoek, Brussel.
+
+Van Ryckegem G., Van Braeckel A., Elsen R., Speybroeck J., Vandevoorde B., Mertens W., Breine J., Spanoghe G., Buerms D., De Beukelaer J., De Regge N., Hessel K., Soors J., Terrie T., Van Lierop F.
+& Van den Bergh E.
+(2017).
+MONEOS – Geïntegreerd datarapport INBO: Toestand Zeeschelde 2016: monitoringsoverzicht en 1ste lijnsrapportage Geomorfologie, diversiteit Habitats en diversiteit Soorten.
+Rapporten van het Instituut voor Natuur- en Bosonderzoek 2017 (37).
+Instituut voor Natuur- en Bosonderzoek, Brussel.
+
+Van Ryckegem G., Van Braeckel A., Elsen R., Speybroeck J., Vandevoorde B., Mertens W., Breine J., Spanoghe G., Bezdenjesnji O., Buerms D., De Beukelaer J., De Regge N., Hessel K., Lefranc C., Soors J., Terrie T., Van Lierop F.
+& Van den Bergh E.
+(2018).
+MONEOS – Geïntegreerd datarapport INBO: Toestand Zeeschelde 2017: monitoringsoverzicht en 1ste lijnsrapportage Geomorfologie, diversiteit Habitats en diversiteit Soorten.
+Rapporten van het Instituut voor Natuur- en Bosonderzoek 2018 (74).
+Instituut voor Natuur- en Bosonderzoek, Brussel.
+DOI: doi.org/10.21436/inbor.15000892
diff --git a/moneos_2024/150_geintegreerd_rapport/LICENSE.md b/moneos_2024/150_geintegreerd_rapport/LICENSE.md
index 7e5a52a..bed44e0 100644
--- a/moneos_2024/150_geintegreerd_rapport/LICENSE.md
+++ b/moneos_2024/150_geintegreerd_rapport/LICENSE.md
@@ -1,6 +1,4 @@
-## creative commons
-
-# Attribution 4.0 International
+# Creative Commons Attribution 4.0 International
Creative Commons Corporation (“Creative Commons”) is not a law firm and does not provide legal services or legal advice. Distribution of Creative Commons public licenses does not create a lawyer-client or other relationship. Creative Commons makes its licenses and related information available on an “as-is” basis. Creative Commons gives no warranties regarding its licenses, any material licensed under their terms and conditions, or any related information. Creative Commons disclaims all liability for damages resulting from their use to the fullest extent possible.
diff --git a/moneos_2024/150_geintegreerd_rapport/index.Rmd b/moneos_2024/150_geintegreerd_rapport/index.Rmd
index 7b5c6d0..fd987fe 100644
--- a/moneos_2024/150_geintegreerd_rapport/index.Rmd
+++ b/moneos_2024/150_geintegreerd_rapport/index.Rmd
@@ -23,6 +23,7 @@ author:
- name:
given: Bart
family: Vandevoorde
+ orcid: 0009-0001-7272-8055
affiliation: Research Institute for Nature and Forest (INBO)
- name:
given: Amber
@@ -96,9 +97,9 @@ publication_type: report
cover_photo: "" # naam foto file
cover_description: ""
# cover: media/cover.pdf # link naar pdf met cover
-doi: 99.21436/inbor.98471395
-reportnr: ""
-depotnr: ""
+doi: 10.21436/inbor.xxxxxxx5
+reportnr: 45
+depotnr: D/20xx/3241/365
ordernr: ""
embargo: 2099-03-01