From 365606c0575e870330e0b1bc28cdff50ce2825f1 Mon Sep 17 00:00:00 2001
From: VAN RYCKEGEM <gunther.vanryckegem@inbo.be>
Date: Mon, 26 Aug 2024 17:16:33 +0200
Subject: [PATCH 1/9] data aanpassing

---
 .../10_sediment_data.Rmd                      |  157 +++
 .../20_sediment_analyse.Rmd                   | 1244 +++++++++++++++++
 2 files changed, 1401 insertions(+)
 create mode 100644 moneos_2024/060_sedimentkenmerken/10_sediment_data.Rmd
 create mode 100644 moneos_2024/060_sedimentkenmerken/20_sediment_analyse.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..db422ed
--- /dev/null
+++ b/moneos_2024/060_sedimentkenmerken/20_sediment_analyse.Rmd
@@ -0,0 +1,1244 @@
+---
+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$set(echo = FALSE, error = FALSE, warning = FALSE, message = FALSE, cache = FALSE, fig.showtext = TRUE, dpi = 300)
+
+```
+
+
+
+```{r libraries}
+
+library(tidyverse)
+library(writexl)
+library(gridExtra)
+library(readxl)
+library(rprojroot)
+library(scales)
+library(INBOtheme)
+
+```
+
+
+```{r pad}
+
+# inlezen van variabelen
+# pad naar data : pad_data
+# pad naar tabellen : pad_tabellen
+# pad naar figuren : pad_figuren
+
+# source("../pad.R")
+source(find_root_file("../pad.R", criterion = is_rstudio_project))
+pad_data <- maak_pad(params$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"))
+
+```
+
+
+# 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)$coef[2,4], 5)))
+}
+
+test <- sediment_data %>%
+  pivot_wider(names_from = variabele, values_from = waarde)
+
+
+test %>%
+  ggplot(aes(slib, mediaan)) +
+  geom_point() +
+  geom_smooth(method = "lm", color = "red")
+# ggsave(paste0(pad_figuren, "000_figuur_regressie.jpg"))
+
+test %>%
+  ggplot(aes(slib, OM)) +
+  geom_point() +
+  geom_smooth(method = "lm",color = "red")
+
+test %>%
+  ggplot(aes(mediaan, OM)) +
+  geom_point() +
+  geom_smooth(method = "lm",color = "red")
+
+fit1 <- lm(OM ~ mediaan, data = test)
+ggplotRegression(fit1)
+
+fit2 <- lm(OM ~ slib, data = test)
+ggplotRegression(fit2)
+
+fit3 <- lm(mediaan ~ slib, data = test)
+ggplotRegression(fit3)
+
+testslib <- test %>% 
+  dplyr::filter(slib > 25) %>%  #slibbodem
+  dplyr::filter(OM < 25) # geen veenbodem - arbitrair gekozen grens
+  
+fit4 <- lm(OM ~ mediaan, data = testslib)
+ggplotRegression(fit4)
+
+fit5 <- lm(OM ~ slib, data = testslib)
+ggplotRegression(fit5)
+
+fit6 <- lm(mediaan ~ slib, data = testslib)
+ggplotRegression(fit6)
+
+
+```
+
+
+```{r meta-data}
+
+meta_data <- 
+  enframe(c(vroegste_jaar = vroegste_jaar, 
+            recentste_jaar = recentste_jaar, 
+            metingen = nrow(sediment_data)),
+          name = "naam", value = "waarde")
+
+meta_data %>% 
+  write_delim(paste0(pad_data, "meta_data.csv"),
+              delim = ";")
+
+```
+
+```{r voorbereiding dataset}
+
+table(sediment_data$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$waterloop=="Zeeschelde_trj_Ml_Gb"] <- "Zeeschelde I"
+  sediment_data$waterloop[sediment_data$waterloop=="Zeeschelde I trj_Ml_Gb"] <- "Zeeschelde I"
+  sediment_data$waterloop[sediment_data$waterloop=="Zeeschelde I tijarm Zwijnaarde"] <- "Zeeschelde I"
+  # sediment_data$waterloop[sediment_data$waterloop=="Beneden_Dijle"] <- "Dijle"
+  table(sediment_data$waterloop)
+  sediment_data$waterloop <- factor(sediment_data$waterloop, levels=c("Zeeschelde IV","Zeeschelde III","Zeeschelde II","Zeeschelde I",
+                                                    "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$fysiotoop=="lage slikzone"] <- "laag"
+  sediment_data$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$fysiotoop=="middelhoge slikzone"] <- "midden"
+  sediment_data$fysiotoop[sediment_data$fysiotoop=="middelhoog slik"] <- "midden"
+  sediment_data$fysiotoop[sediment_data$fysiotoop=="nog te bepalen - sub"] <- "sub indet."
+  sediment_data$fysiotoop[sediment_data$fysiotoop=="ondiep subtidaal"] <- "ondiep"
+  sediment_data$fysiotoop[sediment_data$fysiotoop=="slik onbepaald"] <- "inter indet."
+  
+  unique(sediment_data$fysiotoop)
+  
+  fyzzers <- c("supralitoraal","hoog","midden","laag",
+               "hard antropogeen","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")
+  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")
+  
+```
+
+```{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$fysiotoop %in% intersubZS,]
+ 
+   grafdat <- sediment_datab
+   kijk <- grafdat %>% 
+     dplyr::filter(waterloop == "Zeeschelde I") %>% 
+     dplyr::filter(tidaal == "intertidaal")
+   
+   
+  ggplot(data = subset(grafdat,!is.na(fysiotoop)), 
+         aes(x = factor(tidaal),y = waarde)) +
+    geom_boxplot(aes(fill = fysiotoop)) + 
+    scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+    # coord_trans(y="log") +
+    facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("mediane korrelgrootte (µm)")
+  
+  ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_","boxplotfysiotopen.jpg"))
+  
+```
+
+```{r Mediaan-Zeeschelde-intertidaal1, fig.height=5, fig.width=8 }
+
+var <- "slib"
+  partim <- hoofd
+  deel <- "Zeeschelde"
+  sediment_datab <- sediment_data[sediment_data$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$jaar) 
+
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"trend.jpg"))
+
+grafdat %>% 
+  dplyr::filter(jaar > 2016) %>% 
+  ggplot(aes(x = fysiotoop, y = waarde)) +
+  geom_boxplot((aes(color = fysiotoop))) +
+  facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("Mediane korrelgrootte (µm)") 
+
+grafdat %>% 
+  dplyr::filter(jaar > 2016) %>%
+  dplyr::filter(fysiotoop == "diep") %>% 
+  ggplot(aes(x = waterloop, y = waarde)) +
+  geom_boxplot((aes(color = fysiotoop))) +
+  xlab("") + ylab("Mediane korrelgrootte (µm)") 
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"diep.jpg"))
+
+grafdat %>% 
+  dplyr::filter(jaar > 2016) %>%
+  dplyr::filter(fysiotoop == "diep") %>%
+  ggplot(aes(x = waterloop, y = waarde)) +
+  geom_boxplot(aes(color = campagne)) +
+  xlab("") + ylab("Mediane korrelgrootte (µm)") 
+
+
+grafdat %>% 
+  dplyr::filter(jaar > 2016) %>%
+  dplyr::filter(fysiotoop == "matig diep") %>% 
+  ggplot(aes(x = waterloop, y = waarde)) +
+  geom_boxplot((aes(color = fysiotoop))) +
+  xlab("") + ylab("Mediane korrelgrootte (µm)") 
+
+grafdat %>% 
+  dplyr::filter(jaar > 2016) %>%
+  dplyr::filter(fysiotoop == "ondiep") %>% 
+  ggplot(aes(x = waterloop, y = waarde)) +
+  geom_boxplot((aes(color = fysiotoop))) +
+  xlab("") + ylab("Mediane korrelgrootte (µm)") 
+
+```
+
+```{r Mediaan-zijrivieren-intertidaal,fig.height=5, fig.width=8 }
+
+var <- "mediaan"
+  partim <- zij
+  deel <- "zijrivieren"
+  fysn <- inter
+  tidaal <- "intertidaal"
+  sediment_datab <- sediment_data[sediment_data$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
+  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-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-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$fysiotoop %in% fysn,]
+  grafdat <- sediment_datab
+  ggplot(grafdat, 
+         aes(x=factor(jaar),y=waarde)) +
+    geom_boxplot(aes(fill=fysiotoop)) + 
+    # scale_y_log10(breaks = c(0,63,125,250,500,1000)) +
+    # coord_trans(y="log") +
+    facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %")
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,".jpg"))
+
+
+
+ggplot(grafdat,
+         aes(x=jaar,y=waarde)) +
+    geom_point(aes(color=fysiotoop)) + 
+    geom_smooth(aes(color=fysiotoop)) +
+    facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %") +
+    scale_x_continuous (name = "jaar",
+                      breaks = grafdat$jaar,
+                      labels = grafdat$jaar) 
+
+ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"trend.jpg"))
+
+grafdat %>% 
+  dplyr::filter(jaar > 2016) %>% 
+  ggplot(aes(x = fysiotoop, y = waarde)) +
+  geom_boxplot((aes(color = fysiotoop))) +
+  facet_wrap(~waterloop, ncol=1) + xlab("") + ylab("slib %") 
+                 
+
+```
+
+```{r Slib-zijrivieren-intertidaal,fig.height=5, fig.width=8 }
+
+var <- "slib"
+  partim <- zij
+  deel <- "zijrivieren"
+  fysn <- inter
+  tidaal <- "intertidaal"
+  sediment_datab <- sediment_data[sediment_data$variabele == var,]
+  sediment_datab <- sediment_datab[sediment_datab$waterloop %in% partim,]
+  sediment_datab <- sediment_datab[sediment_datab$fysiotoop %in% fysn,]
+  grafdat <- sediment_datab
+  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 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%")
+
+```
+

From 41f850d46df804f5bb7db47af652190e734c1206 Mon Sep 17 00:00:00 2001
From: VAN RYCKEGEM <gunther.vanryckegem@inbo.be>
Date: Fri, 30 Aug 2024 11:56:53 +0200
Subject: [PATCH 2/9] regressie analyse toegevoegd

---
 .../20_sediment_analyse.Rmd                   | 413 ++++++++++++++----
 1 file changed, 340 insertions(+), 73 deletions(-)

diff --git a/moneos_2024/060_sedimentkenmerken/20_sediment_analyse.Rmd b/moneos_2024/060_sedimentkenmerken/20_sediment_analyse.Rmd
index db422ed..e7a8578 100644
--- a/moneos_2024/060_sedimentkenmerken/20_sediment_analyse.Rmd
+++ b/moneos_2024/060_sedimentkenmerken/20_sediment_analyse.Rmd
@@ -28,6 +28,10 @@ library(readxl)
 library(rprojroot)
 library(scales)
 library(INBOtheme)
+library(dplyr)
+library(purrr)
+library(ggplot2)
+library(broom)
 
 ```
 
@@ -104,6 +108,88 @@ write_xlsx(list(jaar_waarden = tabel_jaar_waarden),
 ```
 
 
+```{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}
@@ -126,22 +212,6 @@ test <- sediment_data %>%
   pivot_wider(names_from = variabele, values_from = waarde)
 
 
-test %>%
-  ggplot(aes(slib, mediaan)) +
-  geom_point() +
-  geom_smooth(method = "lm", color = "red")
-# ggsave(paste0(pad_figuren, "000_figuur_regressie.jpg"))
-
-test %>%
-  ggplot(aes(slib, OM)) +
-  geom_point() +
-  geom_smooth(method = "lm",color = "red")
-
-test %>%
-  ggplot(aes(mediaan, OM)) +
-  geom_point() +
-  geom_smooth(method = "lm",color = "red")
-
 fit1 <- lm(OM ~ mediaan, data = test)
 ggplotRegression(fit1)
 
@@ -164,68 +234,167 @@ 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()
 
-```{r meta-data}
+#### model: mediane korrelgrootte
+fit_lm <- function(df) {
+  lm(mediaan ~ jaar, data = df)
+}
 
-meta_data <- 
-  enframe(c(vroegste_jaar = vroegste_jaar, 
-            recentste_jaar = recentste_jaar, 
-            metingen = nrow(sediment_data)),
-          name = "naam", value = "waarde")
+# Apply the function to each nested data frame
+models <- nested_data %>%
+  mutate(model = map(data, fit_lm))
 
-meta_data %>% 
-  write_delim(paste0(pad_data, "meta_data.csv"),
-              delim = ";")
+models
 
-```
+# Extract the model coefficients and fitted values
+models <- models %>%
+  mutate(tidy_model = map(model, tidy),
+         augment_model = map(model, augment))
 
-```{r voorbereiding dataset}
+# Unnest the augmented data for plotting
+augmented_data <- models %>%
+  select(fysiotoop, waterloop, augment_model) %>%
+  unnest(augment_model)
 
-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"
+# 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) +
+  labs(title = "Linear Regression Fits by fysiotoop",
+       x = "Year",
+       y = "Mud") 
+
+# ggsave(file=paste0(pad_figuren,"060_figuur_regressie_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"))
 
-  table(sediment_data$waterloop)
-  # sediment_data$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$waterloop=="Zeeschelde I tijarm Zwijnaarde"] <- "Zeeschelde I"
-  # sediment_data$waterloop[sediment_data$waterloop=="Beneden_Dijle"] <- "Dijle"
-  table(sediment_data$waterloop)
-  sediment_data$waterloop <- factor(sediment_data$waterloop, levels=c("Zeeschelde IV","Zeeschelde III","Zeeschelde II","Zeeschelde I",
-                                                    "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$fysiotoop=="lage slikzone"] <- "laag"
-  sediment_data$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$fysiotoop=="middelhoge slikzone"] <- "midden"
-  sediment_data$fysiotoop[sediment_data$fysiotoop=="middelhoog slik"] <- "midden"
-  sediment_data$fysiotoop[sediment_data$fysiotoop=="nog te bepalen - sub"] <- "sub indet."
-  sediment_data$fysiotoop[sediment_data$fysiotoop=="ondiep subtidaal"] <- "ondiep"
-  sediment_data$fysiotoop[sediment_data$fysiotoop=="slik onbepaald"] <- "inter indet."
-  
-  unique(sediment_data$fysiotoop)
-  
-  fyzzers <- c("supralitoraal","hoog","midden","laag",
-               "hard antropogeen","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")
-  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")
-  
 ```
 
+
 ```{r Mediaan-Zeeschelde, fig.height=5, fig.width=8 }
 
 var <- "mediaan"
@@ -250,6 +419,13 @@ var <- "mediaan"
   
   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 }
@@ -344,18 +520,28 @@ ggplot(grafdat,
 
 ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"trend.jpg"))
 
-grafdat %>% 
+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)") 
+  xlab("") + ylab("Mediane korrelgrootte (µm)") + labs(title = "sedimentdata 2016-2023")
 
 ggsave(file=paste0(pad_figuren,"060_figuur_",var,"_",deel,"_",tidaal,"diep.jpg"))
 
@@ -487,7 +673,9 @@ var <- "slib"
   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
+  grafdat <- sediment_datab %>% 
+    dplyr::filter(waterloop != "Zeeschelde I_up")
+  
   ggplot(grafdat, 
          aes(x=factor(jaar),y=waarde)) +
     geom_boxplot(aes(fill=fysiotoop)) + 
@@ -515,7 +703,15 @@ grafdat %>%
   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"))                
 
 ```
 
@@ -607,6 +803,60 @@ grafdat %>%
 ```
 
 
+```{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
 
@@ -703,7 +953,9 @@ var <- "slib"
   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
+  grafdat <- sediment_datab %>% 
+    dplyr::filter(fysiotoop != "sub indet.")
+  
   ggplot(grafdat, 
          aes(x=factor(jaar),y=waarde)) +
     geom_boxplot(aes(fill=fysiotoop)) + 
@@ -732,6 +984,13 @@ grafdat %>%
   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"))                
 
 ```
 
@@ -745,7 +1004,8 @@ var <- "slib"
   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
+  grafdat <- sediment_datab %>% 
+    dplyr::filter(fysiotoop !="inter indet.")
   ggplot(grafdat, 
          aes(x=factor(jaar),y=waarde)) +
     geom_boxplot(aes(fill=fysiotoop)) + 
@@ -774,6 +1034,13 @@ grafdat %>%
   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"))                
 
 ```
 

From 2602dd5b01214d2788e58922ab579e1a6ea8738c Mon Sep 17 00:00:00 2001
From: VAN RYCKEGEM <gunther.vanryckegem@inbo.be>
Date: Fri, 30 Aug 2024 11:57:40 +0200
Subject: [PATCH 3/9] tekst aangepast hoofdstuk sediment

---
 .../060_sedimentkenmerken.Rmd                 | 266 ++++++++++++++++++
 1 file changed, 266 insertions(+)
 create mode 100644 moneos_2024/150_geintegreerd_rapport/060_sedimentkenmerken.Rmd

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..030dca5
--- /dev/null
+++ b/moneos_2024/150_geintegreerd_rapport/060_sedimentkenmerken.Rmd
@@ -0,0 +1,266 @@
+---
+editor_options: 
+  markdown: 
+    wrap: sentence
+---
+
+```{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 monsters 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 bentisch ecosysteem als matrix voor bodemprocessen.
+De aangeleverde data omvat de outputvariabelen mediane korrelgrootte (D50), het slibgehalte (percentage van het staalvolume dat een korrelgrootte heeft die kleiner is dan 63µm) en organisch materiaal (percentage na verhitting tot 550°C).
+
+## Materiaal en methode
+
+De data werden gegenereerd 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 inox 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 deelmonster.
+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 - in prep.) 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")
+
+```
+
+<!-- lege lijn na tabel -->
+
+<br/> <br/>
+
+Om de lange termijn trends te onderzoeken bepalen we welke lineaire regressiemodellen 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.
+De selectie van de meest significante modellen is weergegeven in Tabel \@ref(tab:060-tabel-modeloutput). De trendanalyses worden verduidelijkt door de data weer te geven met boxplots gegroepeerd in twee tijdsreeksen voor 2015 en 2015 en later. 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")
+
+```
+
+<!-- lege lijn na tabel -->
+
+<br/>
+
+## 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 mateiraal) 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 het subtidale tegenover 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"))
+
+```
+
+<br/>
+
+
+
+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 Kleine Nete waar het rivierbed zandiger werd en er dus slibrijk materiaal uitspoelde naar afwaarts (Meire et al., 2021).
+De veranderingen in de Kleine Nete zijn mogelijk veroorzaakt door de activiteit van de Chinese wolhandkrab (Schoelynck et al., 2020).
+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 kunnen doen over de recente trends.
+
+Hoewel de significante trends zich tonen als toenemende slibpercentages in de intertidale zones van de Beneden-Zeeschelde (waar de variatie in korrelgrootte ook kleiner is dan subtidaal, zie boven) is het opvallend dat er zich een 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). 
+
+De regressie analyse en databeschrijving wijst op geleidelijke habitatveranderingen die gaande zijn 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 in 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 bentische gemeenschap te duiden.
+
+```{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"))
+
+```
+
+<br/>
+
+```{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"))
+
+```
+
+<br/>
+
+```{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"))
+
+```
+
+<br/>
+
+```{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"))
+
+```
+
+<br/>
+
+## Algemene conclusie
+
+In de Zeeschelde en zijrivieren worden de intertidale habitats (vaak significant) slibrijker. Dit verandert (geleidelijk) 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 opvallend 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.
+<https://www.R-project.org/>.
+
+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 (in prep.).
+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

From 78d8bcc20123b67218de43c5f8d70b3b3aa85efb Mon Sep 17 00:00:00 2001
From: VAN RYCKEGEM <gunther.vanryckegem@inbo.be>
Date: Fri, 30 Aug 2024 12:01:46 +0200
Subject: [PATCH 4/9] doi error fix

---
 moneos_2024/150_geintegreerd_rapport/index.Rmd | 6 +++---
 1 file changed, 3 insertions(+), 3 deletions(-)

diff --git a/moneos_2024/150_geintegreerd_rapport/index.Rmd b/moneos_2024/150_geintegreerd_rapport/index.Rmd
index 532b25d..080ccbb 100644
--- a/moneos_2024/150_geintegreerd_rapport/index.Rmd
+++ b/moneos_2024/150_geintegreerd_rapport/index.Rmd
@@ -96,9 +96,9 @@ publication_type: report
 cover_photo: "" # naam foto file
 cover_description: ""
 # cover: media/cover.pdf # link naar pdf met cover
-doi: ""
-reportnr: ""
-depotnr: ""
+doi: "10.99999/inbor.9999999"
+reportnr: "9999"
+depotnr: "ISSN:9999-9999"
 ordernr: ""
 embargo: 2099-03-01
 

From d7072fda14ed1678dd1e3b7b0466f8344d7fab39 Mon Sep 17 00:00:00 2001
From: VAN DE MEUTTER <Frank.vandemeutter@inbo.be>
Date: Tue, 10 Sep 2024 11:51:04 +0200
Subject: [PATCH 5/9] revisedfvdm

---
 .../060_sedimentkenmerken.Rmd                 | 76 ++++++++++++-------
 1 file changed, 48 insertions(+), 28 deletions(-)

diff --git a/moneos_2024/150_geintegreerd_rapport/060_sedimentkenmerken.Rmd b/moneos_2024/150_geintegreerd_rapport/060_sedimentkenmerken.Rmd
index 030dca5..5aa0191 100644
--- a/moneos_2024/150_geintegreerd_rapport/060_sedimentkenmerken.Rmd
+++ b/moneos_2024/150_geintegreerd_rapport/060_sedimentkenmerken.Rmd
@@ -2,6 +2,7 @@
 editor_options: 
   markdown: 
     wrap: sentence
+  chunk_output_type: inline
 ---
 
 ```{r 060-hoofdstuk, include=FALSE}
@@ -66,27 +67,27 @@ Fichenummer: S-MD-V004a – Sedimentkenmerken (in functie van benthos)
 
 ## Inleiding
 
-Op elke locatie waar monsters voor het macrozoöbenthos worden genomen (zie Hoofdstuk 7), wordt een begeleidend sedimentstaal genomen.
+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 bentisch ecosysteem als matrix voor bodemprocessen.
-De aangeleverde data omvat de outputvariabelen mediane korrelgrootte (D50), het slibgehalte (percentage van het staalvolume dat een korrelgrootte heeft die kleiner is dan 63µm) en organisch materiaal (percentage na verhitting tot 550°C).
+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 gegenereerd in R (R Core Team, 2019).
+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 inox steekbuis (diameter 2cm) tot op 10 cm diepte.
+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 deelmonster.
+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 - in prep.) een uitgebreide kwaliteitscontrole gepresenteerd van de INBO analysemethode voor korrelgrootteverdeling (adhv een Coultern counter).
+In Van de Meutter et al. (2022 - in prep. <!--# waar verwijst die in prep. naar? Het rapport van 2022 is gepubliceerd -->) 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.
 
@@ -114,10 +115,13 @@ tabel_x_waarden %>%
 
 <br/> <br/>
 
-Om de lange termijn trends te onderzoeken bepalen we welke lineaire regressiemodellen een significante trend tonen over de periode 2008-`r recentste_jaar` (p-waarde genomen \< 0.01).
+Om de lange termijn trends te onderzoeken bepalen we welke lineaire regressiemodellen <!--# kan je iets meer uitleggen wat voor modellen? Nu lijkt het alsof je heel veel aparte modellen test, waardoor er multiple testing optreedt. Anderzijds beschrijf je een design waarin alle data zitten, en genest worden? --> 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.
-De selectie van de meest significante modellen is weergegeven in Tabel \@ref(tab:060-tabel-modeloutput). De trendanalyses worden verduidelijkt door de data weer te geven met boxplots gegroepeerd in twee tijdsreeksen voor 2015 en 2015 en later. 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).
+De selectie van de meest significante modellen is weergegeven in Tabel \@ref(tab:060-tabel-modeloutput).
+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}
 
@@ -148,11 +152,13 @@ tabel_x_waarden %>%
 ## 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 mateiraal) een sterk onderling verband.
+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 het subtidale tegenover 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. 
+Doorheen het estuarium is er een grotere spreiding op de metingen van <!--# binnen? --> het subtidale tegenover <!--# 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%"}
 
@@ -166,21 +172,32 @@ knitr::include_graphics(paste0(pad_figuren, "060_figuur_slib_Zeeschelde_boxplotf
 
 <br/>
 
-
-
+We stellen een aantal duidelijke veranderingen in sedimentsamenstelling vast in de Zeeschelde inclusief de zijrivieren.
 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 Kleine Nete waar het rivierbed zandiger werd en er dus slibrijk materiaal uitspoelde naar afwaarts (Meire et al., 2021).
 De veranderingen in de Kleine Nete zijn mogelijk veroorzaakt door de activiteit van de Chinese wolhandkrab (Schoelynck et al., 2020).
 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 kunnen doen over de recente trends.
-
-Hoewel de significante trends zich tonen als toenemende slibpercentages in de intertidale zones van de Beneden-Zeeschelde (waar de variatie in korrelgrootte ook kleiner is dan subtidaal, zie boven) is het opvallend dat er zich een 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). 
-
-De regressie analyse en databeschrijving wijst op geleidelijke habitatveranderingen die gaande zijn 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 in 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 bentische gemeenschap te duiden.
+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 het 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).
+<!--# in principe zijn grote slibfracties niet op hun plaats in de diepe delen. Is dit een fluid-mud indicatie? Of zit er klei bij? of of of ... In de Livesheet wordt steeds een inschatting bijgeschreven door de veldmensen. Kan een idee zijn om uit die beschrijvingen wat meer info te halen -->
+
+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-slib-Zeeschelde-intertidaalboxplotperiodes, fig.cap=slib_Zeeschelde_intertidaal, out.width="80%"}
 
@@ -224,9 +241,11 @@ knitr::include_graphics(paste0(pad_figuren, "060_figuur_slib_zijrivieren_subtida
 
 ## Algemene conclusie
 
-In de Zeeschelde en zijrivieren worden de intertidale habitats (vaak significant) slibrijker. Dit verandert (geleidelijk) 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 opvallend is dan ook de significante trend uit de random staalname dat de diepe geul van de Beneden-Zeeschelde slibrijker wordt. 
-
+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
 
@@ -258,9 +277,10 @@ MONEOS – Geïntegreerd datarapport INBO: Toestand Zeeschelde 2016: monitorings
 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.
+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

From aec6e2a46bd0dbadd1147dd3c8879a238e06560c Mon Sep 17 00:00:00 2001
From: VAN RYCKEGEM <gunther.vanryckegem@inbo.be>
Date: Fri, 13 Sep 2024 11:03:45 +0200
Subject: [PATCH 6/9] aanpassingen na review van Frank

---
 .../150_geintegreerd_rapport/060_sedimentkenmerken.Rmd    | 8 ++++----
 1 file changed, 4 insertions(+), 4 deletions(-)

diff --git a/moneos_2024/150_geintegreerd_rapport/060_sedimentkenmerken.Rmd b/moneos_2024/150_geintegreerd_rapport/060_sedimentkenmerken.Rmd
index 5aa0191..7d4bd0b 100644
--- a/moneos_2024/150_geintegreerd_rapport/060_sedimentkenmerken.Rmd
+++ b/moneos_2024/150_geintegreerd_rapport/060_sedimentkenmerken.Rmd
@@ -87,7 +87,7 @@ In Van Ryckegem et al. (2017) wordt uitvoerig de analyseprocedure en de datacorr
 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 - in prep. <!--# waar verwijst die in prep. naar? Het rapport van 2022 is gepubliceerd -->) een uitgebreide kwaliteitscontrole gepresenteerd van de INBO analysemethode voor korrelgrootteverdeling (adhv een Coultern counter).
+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.
 
@@ -115,7 +115,7 @@ tabel_x_waarden %>%
 
 <br/> <br/>
 
-Om de lange termijn trends te onderzoeken bepalen we welke lineaire regressiemodellen <!--# kan je iets meer uitleggen wat voor modellen? Nu lijkt het alsof je heel veel aparte modellen test, waardoor er multiple testing optreedt. Anderzijds beschrijf je een design waarin alle data zitten, en genest worden? --> een significante trend tonen over de periode 2008-`r recentste_jaar` (p-waarde genomen \< 0.01).
+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.
 De selectie van de meest significante modellen is weergegeven in Tabel \@ref(tab:060-tabel-modeloutput).
@@ -156,7 +156,7 @@ In slibrijke bodems (\> 25% slib) vertonen de drie beschouwde variabelen in de d
 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 <!--# binnen? --> het subtidale tegenover <!--# in vergelijking met? --> het intertidale gebied (Figuur \@ref(fig:060-figuur-slib-Zeeschelde-boxplotfysiotopen)).
+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.
 
@@ -267,7 +267,7 @@ 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 (in prep.).
+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.

From 828352c52030d8174378adaeb2978947aba8ccb5 Mon Sep 17 00:00:00 2001
From: VANOVERBEKE <joost.vanoverbeke@inbo.be>
Date: Thu, 26 Sep 2024 14:01:18 +0200
Subject: [PATCH 7/9] figuur regressie met facet grid

---
 moneos_2024/060_sedimentkenmerken/20_sediment_analyse.Rmd | 5 +++--
 1 file changed, 3 insertions(+), 2 deletions(-)

diff --git a/moneos_2024/060_sedimentkenmerken/20_sediment_analyse.Rmd b/moneos_2024/060_sedimentkenmerken/20_sediment_analyse.Rmd
index e7a8578..27332b7 100644
--- a/moneos_2024/060_sedimentkenmerken/20_sediment_analyse.Rmd
+++ b/moneos_2024/060_sedimentkenmerken/20_sediment_analyse.Rmd
@@ -1,6 +1,6 @@
 ---
 params:
-hoofdstuk: "060_sedimentkenmerken"
+  hoofdstuk: "060_sedimentkenmerken"
 knit: (function(inputFile, ...) {
         rmarkdown::render(inputFile,
                           output_dir = paste0(rmarkdown::yaml_front_matter(inputFile)$params$hoofdstuk, "/output"))})
@@ -319,7 +319,8 @@ augmented_data <- models %>%
 ggplot(augmented_data, aes(x = jaar, y = slib)) +
   geom_point() +
   geom_line(aes(y = .fitted), linetype = "dashed") +
-  facet_wrap(~ fysiotoop+waterloop) +
+  # facet_wrap(~ fysiotoop+waterloop) +
+  facet_grid(fysiotoop ~ waterloop) +
   labs(title = "Linear Regression Fits by fysiotoop",
        x = "Year",
        y = "Mud") 

From b808b276cf24ef4e87e2e90cfa38161eaa90d673 Mon Sep 17 00:00:00 2001
From: VAN RYCKEGEM <gunther.vanryckegem@inbo.be>
Date: Tue, 1 Oct 2024 10:47:54 +0200
Subject: [PATCH 8/9] aanpassing figuren regressie

---
 .../20_sediment_analyse.Rmd                   | 30 ++++++++++++++++++-
 1 file changed, 29 insertions(+), 1 deletion(-)

diff --git a/moneos_2024/060_sedimentkenmerken/20_sediment_analyse.Rmd b/moneos_2024/060_sedimentkenmerken/20_sediment_analyse.Rmd
index 27332b7..2a74639 100644
--- a/moneos_2024/060_sedimentkenmerken/20_sediment_analyse.Rmd
+++ b/moneos_2024/060_sedimentkenmerken/20_sediment_analyse.Rmd
@@ -325,7 +325,33 @@ ggplot(augmented_data, aes(x = jaar, y = slib)) +
        x = "Year",
        y = "Mud") 
 
-# ggsave(file=paste0(pad_figuren,"060_figuur_regressie_mud.jpg"))
+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 %>%
@@ -342,6 +368,8 @@ significant_models
 
 write_xlsx(list(modeloutput = significant_models),
            paste0(pad_tabellen, "modeloutput_slib.xlsx"))
+
+
 ######################
 ##### linear model: OM
 ######################

From 625349e184ab983372d006592e3cecec7523c8fa Mon Sep 17 00:00:00 2001
From: VAN RYCKEGEM <gunther.vanryckegem@inbo.be>
Date: Tue, 1 Oct 2024 10:48:07 +0200
Subject: [PATCH 9/9] toevoegen figuren regressie

---
 .../060_sedimentkenmerken.Rmd                 | 82 ++++++++++++-------
 1 file changed, 54 insertions(+), 28 deletions(-)

diff --git a/moneos_2024/150_geintegreerd_rapport/060_sedimentkenmerken.Rmd b/moneos_2024/150_geintegreerd_rapport/060_sedimentkenmerken.Rmd
index 7d4bd0b..01d1661 100644
--- a/moneos_2024/150_geintegreerd_rapport/060_sedimentkenmerken.Rmd
+++ b/moneos_2024/150_geintegreerd_rapport/060_sedimentkenmerken.Rmd
@@ -118,7 +118,34 @@ tabel_x_waarden %>%
 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.
-De selectie van de meest significante modellen is weergegeven in Tabel \@ref(tab:060-tabel-modeloutput).
+
+
+## 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"))
+
+```
+
+<br/>
+
+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).
@@ -149,33 +176,9 @@ tabel_x_waarden %>%
 
 <br/>
 
-## 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"))
-
-```
-
-<br/>
-
-We stellen een aantal duidelijke veranderingen in sedimentsamenstelling vast in de Zeeschelde inclusief de zijrivieren.
 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 Kleine Nete waar het rivierbed zandiger werd en er dus slibrijk materiaal uitspoelde naar afwaarts (Meire et al., 2021).
-De veranderingen in de Kleine Nete zijn mogelijk veroorzaakt door de activiteit van de Chinese wolhandkrab (Schoelynck et al., 2020).
+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.
@@ -183,7 +186,7 @@ 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 het 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).
+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.
 <!--# in principe zijn grote slibfracties niet op hun plaats in de diepe delen. Is dit een fluid-mud indicatie? Of zit er klei bij? of of of ... In de Livesheet wordt steeds een inschatting bijgeschreven door de veldmensen. Kan een idee zijn om uit die beschrijvingen wat meer info te halen -->
 
 De regressie analyse en databeschrijving wijst op geleidelijke habitatveranderingen die gaande zijn, waarschijnlijk onder invloed van de verhoogde SPM gehaltes.
@@ -199,6 +202,29 @@ De verandering in het slibgehalte (of de mediane korrelgrootte) is (vaak) subtie
 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"))
+
+```
+
+<br/>
+
+
+```{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"))
+
+```
+
+<br/>
+
 ```{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,").")