Bilag 3B. Variabilitet baseret på humus indholdet og det samlede ler-silt indhold

Størrelse: px
Starte visningen fra side:

Download "Bilag 3B. Variabilitet baseret på humus indholdet og det samlede ler-silt indhold"

Transkript

1 Bilag 3B. Variabilitet baseret på humus indholdet og det samlede ler-silt indhold GEUS: Per Rosenberg Gennem projektets undersøgelser er det vist, at de jordegenskaber, der bærer det klareste udsagn om den generelle grad af følsomhed overfor udvaskning af pesticid, er indholdene af humus (organisk kulstof /,57), silt og ler: de primære zoneringsparametre. Det er disse jordegenskaber, der ligger til grund for de overvejelser og eksempler på karakterisering og zonering af profiler og arealer, som er vist i det foregående. Med oplysninger om indholdet af humus, silt og ler i den øverste meter af jordbunden kan den følsomhed, som hidrører fra jordens transport og bindingsegenskaber karakteriseres i kategorierne særlig følsom og ikke særlig følsom, samt i nogle tilfælde også i en mellemkategori af muligvis særlig følsom. Det er som omtalt muligt konkret at detaljere denne karakteristik ved at inddrage yderligere data, fx. vedrørende nedbrydning, og simulere udvaskningen af konkrete stoffer. Denne detailkarakterisering kan eventuelt resultere i at et særligt følsomt profil fx. flyttes ned i en mindre kritisk kategori. Resultaterne viser imidlertid at det er den zonering, som baserer sig på indholdet af humus, silt og ler, der regionalt vil kunne foretages som en samlet ensartet, komprimeret indsats. Derfor er den følgende variabilitetsanalyse netop koncentreret om variationen i indholdet af humus, silt og ler. Figurerne i dette bilag er placeret efter teksten. Rammer og forudsætninger for de følgende variabilitetsberegninger: Variabilitetsundersøgelserne er gennemført for projektets variationsmarker, hvor der er udtaget og karakteriseret prøver fra jordbundshorisonterne A (muldlaget) og B (udfældningslaget). Der er etableret variationsmarker på 6 af de 8 undersøgte landskabselementer. For hver af de to horisonter er der lavet tre variable. De to første variable er: 1. Humusindholdet. 2. Summen af ler, finsilt og grovsilt (kaldes herefter ler og silt ). Indholdet af disse to variable er summeret indenfor den øverste meter af jordbunden på følgende måde: humus = CA*tykkelseA*VolvægtA+CB*(1-tykkelseA)*VolvægtB ler og silt = ler og silta*tykkelsea*volvægta+ler og siltb*(1-tykkelsea)*volvægtb hvor CA og CB er de oprindelige (eventuelt summerede) humusindhold i hhv. A- og B- horisonterne (organisk kulstof, C = humus x,57); ler og silta og ler og siltb er de oprindelige (eventuelt summerede) indhold af de fine fraktioner i hhv. A- og B-horisonterne; tykkelsea er A-horisontens gennemsnitlige tykkelse i kvadratnetsprofiler i sandjord = 28 cm (dette indebærer en beregningsmæssig gennemsnitlig tykkelse af B-horisonten på 72 cm); VolvægtA og VolvægtB er A- og B-horisonternes gennemsnitlige volumenvægt på hhv. 1,41 g/cm 3 og 1,46 g/cm 3 i kvadratnetsprofiler i sandjord. Ved denne beregning etableres der gennemsnitlige værdier, som udgør et fælles grundlag for vurdering af variabiliteten i de samlede profildybder og gør det muligt at give et meget groft estimat af den relative udvaskning ved hjælp af den etablerede korrelation. Beregningen er en tilnærmelse på grund af anvendelsen af gennemsnitsværdier for A- og B-horisonternes tykkel- Bilag side 45

2 ser og fordi B-horisonten beregningsmæssigt indeholder den del af C-horisonten som eventuelt ligger indenfor den øverste meter af jordprofilet. 3. Tredje variabel er den relative udvaskning, som er beregnet ved hjælp af korrelationsmodellen for kvadratnetsprofilerne, figur 3B.1 (se kapitel 3.3), hvor outliers er indikeret med rødt. For at få et førsteordensestimat af udvaskningen er marginale prøver, der passer dårligt til korrelationsmodellen fjernet. Det drejer sig om ca. 1 prøver. Det er ikke nærmere undersøgt, hvorfor disse prøver er outliers. (Der er sandsynligvis en række individuelle årsager). Statistisk er det ikke nødvendigvis forkert at fjerne sådanne prøver, idet formålet kun er at skabe en grov udvaskningsmodel, der kan bruges til relativt at rangordne jordene på variabilitetsmarkerne imod hinanden. Ved tolkningen skal der imidlertid tages hensyn til dette forhold. For at gøre det muligt at vurdere heterogeniteten indenfor den enkelte undersøgelsesmark illustreres middelværdi og spredning, både for hvert cluster af dataindsamlingspunkter (5 punkter tæt ved hinanden) og for marken som helhed, for hver samhørende værdi af humus, ler og silt, og modelleret relativ udvaskning. Middelværdi og spredning giver i de fleste tilfælde et acceptabelt estimat af variabiliteten (sammenfald mellem middelværdi og medianværdi), til trods for at værdierne ikke kunne forventes at være normalfordelte, fx. figur 3B.5. Variabiliteten for hver af markerne er vist på et kort, hvor hvert punkt (dataindsamlingspunkt) er afsat med UTM koordinater, og hvor farvekoden angiver den pågældende variabels værdi. Værdierne er opnået ved en såkaldt Delaunay triangulation, hvor hvert punkt er forbundet gennem et sæt linier til sine naboer. Det medfører at marken inddeles i trekanter, indenfor hvilke der foretages lineær interpolation mellem hjørnepunkterne. Metodens forudsætninger er ikke fuldstændig opfyldt i herværende sammenhæng, idet den forudsætter og tillægger lineært interpolerede udvaskningsværdier for kombinationer af jordegenskaber, hvilke relationer ikke er konkret dokumenterede. Metoden fungerer imidlertid stedse bedre jo tættere punkterne ligger, og jo lavere variabilitet der er mellem punkterne, og er derfor vurderet anvendelig til variabilitetsvurderingen. Endelig benyttes der kort med angivelse af EM38 målingerne for de pågældende marker. Forenklinger i forbindelse med variabilitetstolkningen. Resultaterne, baseret på indhold af humus, og ler og silt, beskriver alene variabiliteten for overjord og underjord (samlet for A- og B-horisonterne). Variabilitet der skyldes forskelle i horisonternes tykkelse eller forskelle i jordens volumenvægt (kompakteringen) er elimineret med de anvendte gennemsnitsværdier (baseret på kvadratnetsprofilerne). Betydningen af en eventuel/sandsynlig C-horisont indenfor den øverste meter er ikke indkalkuleret, idet der ikke er taget prøver fra C-horisonten på variabilitetsmarkerne. Den korrelerede relative udvaskning har en betydelig usikkerhed (mere end 2%), og kan kun anvendes i en grov tolkning af markens variabilitet. Det vil naturligvis altid være mest korrekt at vurdere direkte på grundlag af de målte variable. Til gengæld vil de overordnede tendenser, som fremstår til trods for denne usikkerhed, have væsentlig udsagnskraft. De kort, som er produceret, viser en sammenhæng mellem udvaskning, humus, og ler og silt. Dette er ikke overraskende, da udvaskningen netop er predikteret ud fra disse værdier. Mens de sammenhænge, som er illustreret i kortene, således er indbyggede og ikke viser ny viden, kan kortene imidlertid anvendes til at vurdere den indbyrdes betydning af disse variable i forskellige scenarier. Bilag side 46

3 Variation mellem marker Der er beregnet gennemsnit og 95% konfidensinterval for hhv. humusindhold, indhold af ler og silt, og beregnet udvaskning på de 6 marker: Humus, figur 3B.2. Det gennemsnitlige humus indhold varierer mellem ca. 12 og 22 kg/m 2. Ulsted marken har det laveste gennemsnitlige humusindhold, men en betydeligt variation, mens Sjørup marken har næsten tilsvarende lavt humusindhold og den mindste variation. Alle marker, undtaget Ulsted, adskiller sig signifikant fra Sjørup. Der er ikke signifikante forskelle mellem de øvrige marker, som har en gennemsnitsværdi på ca. 18 kg/m 2 og en betydelig spredning, ved samlet vurdering af alle data fra markerne. Ler og silt, figur 3B3. Indholdet af ler og silt varierer fra under 1 kg/m 2 til ca. 35 kg/m 2 i gennemsnit. Stubkær, Simmelkær og Kølvrå har både de laveste indhold og mindste variationer i ler og silt indhold. Sjørup, Astrup og Ulsted adskiller sig signifikant fra Stubkær, Simmelkær og Kølvrå markerne. Der er en betydelig spredning og et relativt lavt gennemsnitsindhold indenfor Ulsted marken, mens gennemsnitsindholdene i Sjørup og Astrup markerne er højere (og ligeledes med en betydelig spredning). Udvaskning, figur 3B4. Det er Ulsted, Kølvrå og Simmelkær markerne der har de højeste beregnede udvaskninger, hvilket især er sammenfaldende med/afledt af lavt ler og silt indhold. I Ulsted er der den største variation både i humus, og ler og silt indholdet, hvilket tilsammen medfører at Ulsted er den mest følsomme lokalitet. For Kølvrå og Simmelkær er der et lavt og ensartet indhold af ler og silt, mens humus indholdet ligger i mellemområdet. Sjørup og Astrup markerne har relativt lave gennemsnitlige udvaskninger. I Sjørup er lavt humusindhold kompenseret af de højeste indhold af ler og silt. I Astrup forudskikker både højt humus-, og ler og silt indhold den lave udvaskning. Der er en klar tendens til at variationen i relativ udvaskning stiger med gennemsnitsværdien, hvilket betyder at de lokaliteter, som samlet set er mest heterogene, gennemsnitligt er de mest følsomme, hvilket er en meget væsentlig egenskab i zoneringsøjemed. Dokumentation af variabiliteten for de primære kortlægningsparametre på undersøgelsesmarkerne Ulsted: Figurerne 3B.5-7 viser de primære kortlægningsparametres værdier, gennemsnitsværdier og 95% konfidensintervaller for hhv. de fire clustre (hvor der er kort afstand mellem 5 prøvetagningssteder) og for marken som helhed. Figurerne 3B.8-11 illustrer variabiliteten på tematiske kort. Ulsted er præget af betydelig heterogenitet for såvel humus som ler og silt. Variationen er på markskala, idet variationen indenfor de enkelte clustre er betydeligt lavere. Generelt er marken præget af et intermediært indhold af ler og silt, men med et lokalt indslag af højt ler og silt indhold, og med betydelig variation, omkring cluster 4, figur 3B.6. Humus indholdet varierer betydeligt indenfor marken, men er forholdsvis ensartet indenfor de enkelte clustre. Samlet set medfører dette en betydelig variation i relativ udvaskning. Cluster 2 har højest udvaskning, figur 3B.7, forårsaget af meget lavt indhold af ler og silt, og lavt humus indhold. Også udvaskningen varierer mest, når marken vurderes som helhed, idet der, bortset fra cluster 2, er meget lille variation indenfor clustrene, figur 3B.7. Samlet set varierer udvaskningen mellem og 1.4 baseret på/i forhold til kvadratnetprofilerne, hvilket betyder at selve marken (marken som helhed) er mere heterogen end sandjordsprofilerne i kvadratnettet. Udvaskningskortet, figur 3B.1, viser et område, som strækker sig fra sydøsthjørnet ind over midten af kortet, med relativ høj udvaskning, medens der de øvrige steder på marken er lav beregnet udvaskning. Området med relativt høj udvaskning afspejles især på humus kortet, Bilag side 47

4 figur 3B.8, men også i mindre omfang på ler og silt kortet. Em38 kortet, figur 3B.11, viser en resistivitetsfordeling som nogenlunde svarer til fordelingen af ler og silt. Denne fordeling fremgår dog kun vagt af kortet for ler og silt, da skalaen er fælles for alle ler og silt kort. EM38 kortet afspejler kun svagt forskellene i humusindhold (EM38 er ikke særlig følsom overfor lave og middelhøje humusindhold). Lavt humus indhold er sammenfaldende med lavt indhold af ler og silt, hvilket forstærker indslagene med høj udvaskning i figur 3B.1. Den store heterogenitet i udvaskningen på Ulsted marken, der understøttes af EM38 målingerne, medfører at der her er behov for at udtage relativt mange prøver, hvis størrelse og fordeling af sårbarheden skal bedømmes på dette grundlag Imidlertid er det kun et lille antal datapunkter, hvor den beregnede udvaskning er særligt høj, som en afspejling af variationen i humus-, og ler og silt indhold. Kortlægning af følsomheden indenfor Ulsted-lignende arealer kan derfor foretages på basis af EM38, suppleret med støttepunkter for humusindhold. Variation på EM38 kan i nogen grad, suppleret af kendskab til landskabselementet og variationerne i humusindhold i overjorden, hjælpe til udvælgelsen af disse datapunkter for humusindhold. Stubkær: Figurerne 3B12-14, viser parametrenes værdier, gennemsnitsværdier og 95% konfidensinterval for hhv. de fire clustre og for marken som helhed. Stubkær er overordentlig homogen, især for ler og silt indholdet, og også det relativt høje humusindhold er ret ensartet fordelt. Marken er præget af et ret lavt indhold af ler og silt, mens humusindholdet til gengæld er det højeste indenfor de undersøgte marker. Variationen i ler og silt indhold findes generelt på markniveau, idet markens variation er af samme størrelse som clustrenes variation. For humusindholdet gælder næsten samme forhold, idet markens variation dog er noget større end clustrenes. Resultatet er at også den simulerede udvaskningen er lav og udviser tilsvarende homogenitet på et relativt lavt niveau (især forårsaget af det relativt høje indhold humus). Kortene, figur 3B.15-18, illustrerer ovennævnte variabilitet. Kortene over EM38 og ler og silt indhold udviser begge homogenitet og lave værdier. Humuskortet viser nogen variabilitet, især omkring den nordøstlige afgrænsning, figur 3B.15. Denne variabilitet er dog stærkt præget af et enkelt punkt, og derfor ikke signifikant. Fordelingen af humus i figur 3B.15 svarer til fordelingen i udvaskningen, figur 3B.17, hvorfor det for Stubkær vil det være simpelt at kortlægge sårbarheden. Kølvrå: Figurerne 3B.19-21, viser parametrenes værdier sammen med gennemsnit og 95% konfidensinterval for hhv. de fire clustre og samlet for variationsmarken. Bortset fra cluster 1 for humus og cluster 4 for ler og silt, er Kølvrå marken meget homogen, figur 3B.19 og 3B.2. Variationen omkring clustrene er således, med de nævnte undtagelser, betydeligt mindre end variationen for marken som helhed. Variationen af humus i cluster 1 afspejles i udvaskningen, figur 3B.21, hvor denne svarer til den største variation og er med til at præge variationen på marken som helhed. Indholdet af ler og silt er relativt lavt, figur 3B.2, mens humusindholdet ligger på et gennemsnitligt niveau. Dette medfører at udvaskningen gennemgående er forholdsvis lav, med en relativt lille spredning og kun enkelte meget høje værdier, figur 3B.21. Kortene, figur 3B.22-25, illustrerer den nævnte variabilitet. Em38-kortet, figur 3B.25, bekræfter det ensartede indhold af ler og silt. Derfor er det variationen i humusindhold, der styrer variationen i udvaskning, hvilket fremgår tydeligt af kortene (sammenlign figur 3B.22 og 3B.24). Det vil, ligesom for Stubkær, være forholdsvis enkelt at vurdere fordelingen af følsomheden overfor udvaskning af pesticid i områder svarende til Kølvrå, idet humusindholdet syntes at være afgørende. Bilag side 48

5 Simmelkær: Figurerne 3B.26-28, viser parametrenes værdier sammen med gennemsnit og 95% konfidensinterval for hhv. de fire clustre og for variationsmarken som helhed. Vedrørende humusindholdet er der på marken fortrinsvis et gennemsnitligt humus indhold, suppleret med en population med noget højere indhold, figur 3B.26 og 3B.29. Denne fordeling afspejles i at der er to clustre med meget stor spredning og to med ringe. For ler og silt er indholdet generelt lavt og spredningen er lille, figur 3B.27 og 3B.3. Clustervariationen er sammenlignelig med markvariationen. Spredningen i humusindholdet afspejles i fordelingen af udvaskningen, om end øjensynlig i en afdæmpet form, figur 3B.28 og 3B.31. Den relative udvaskning er forholdsvis lille og spredningerne indenfor clustrene og for marken som helhed er i samme størrelse, og systematisk varierende over marken. Kortene, figur 3B.29-32, illustrerer den beskrevne variabilitet. Generelt udviser EM38 samme høje grad af homogenitet som ler og siltindholdet. Der er imidlertid høje EM38 værdier langs sydøstkanten, som ikke afspejles i indholdet af ler og silt, hvilket må skyldes fx. kabler langs skel, figur 3B.32. Som i de øvrige tilfælde, hvor der er homogene fordelinger af indholdet af ler og silt, er det variationerne i humusindholdet, der bestemmer variationerne i simuleret, relativ udvaskning. Effekten af det relativt lave humusindhold i den ene ende af marken slår igennem som relativt høj udvaskning i denne ende af marken, hvor der systematisk er relativt højere udvaskning, figur 3B.31. Astrup: Figurerne 3B.33-35, viser parametrenes værdier sammen med gennemsnit og 95% konfidensinterval for hhv. de fire clustre og for variationsmarken som helhed. Astrup marken har både relativt højt humus-, og ler og silt indhold. Variationen i indhold af ler og silt indenfor clustrene er af samme størrelsesorden som variationen indenfor marken, figur 3B.34. For to af clustrene er der for humus en betydeligt ringere variation en for de to øvrige clustre og for marken som helhed. Umiddelbart virker det som om der for humusindholdet er to populationer: en høj og en lav, figur 3B.33 og 3B.36. Generelt er udvaskningen meget lav, bortset fra et strøg med højere værdier, som tilskrives et relativt lavt indhold af ler og silt, sammenlign figur 3B.35 og 3B.38. Variationen i udvaskning indenfor clustrene er i samme størrelse som for marken som helhed. Kortene, figur 3B.36-39, illustrerer den beskrevne variabilitet. Variationen i indholdet af ler og silt afspejles ikke entydigt i EM38 målingerne, sammenlign figur 3B.37 og 3B.39. Det er relativt få punkter der bærer variationen og markerne er meget homogene. Humusindholdet afspejles ikke i udvaskningen, som er styret af det højeste indhold af ler og silt (om end ler og silt indholdet generelt er lavt og ensartet). Sjørup: Figurerne 3B.4-42,viser parametrenes værdier sammen med gennemsnit og 95% konfidensinterval for hhv. de fire clustre og for variationsmarken som helhed. Sjørup er (sammen med Ulsted, figur 3B.2) marken med det laveste indhold af humus, som desuden er særdeles ensartet fordelt, figur 3B.4. Variationen indenfor variationsmarken er noget højere end indenfor de enkelte clustre. Til gengæld er der i Sjørup et meget højt indhold af ler og silt, med betydelig variation, der er i samme størrelse indenfor marken som helhed og indenfor clustrene, figur 3B.4. Resultatet er at Sjørup marken har den næst laveste udvaskning, omend med nogen variation, der (i lighed med fordelingen af ler og silt) er af samme størrelse for marken som helhed og indenfor clustrene. Kortene, figur 3B.43-46, illustrerer den nævnte variabilitet. Variationen i indhold af ler og silt afspejles tildels i EM38 kortet, sammenlign figur 3B.44 og 3B.46. Bilag side 49

6 Humusindholdet er overordentlig ensartet fordelt, figur 3B.43, og de relativt små variationer i udvaskningen, figur 3B.45, skyldes altovervejende indholdet af ler og silt, figur 3B.44. Konklusion: Astrup-, Sjørup- og Stubkærmarkerne er de mindst sårbare af de undersøgte marker, som også udmærker sig ved at variabiliteten er temmelig lav. Indenfor Ulsted marken er der en betydelig variation i udvaskningen og marken er samlet set den mest følsomme af lokaliteterne. Dette skyldes et delområde på marken med lavt humus-, og ler og silt indhold. Relativt vurderes Ulsted marken at være et særligt følsomt område, indenfor hvilket der er delområder, som relativt er meget følsomme. De lokale meget følsomme områder er sammenhængende, figur 3B.1, hvilket gør dem relativt nemme at identificere/kortlægge. Også Kølvrå og Simmelkær markerne er relativt følsomme overfor (relativ, simuleret) udvaskning, men har forholdsvis ringe variation i udvaskning og ingen særligt følsomme delområder indenfor markerne. Med henblik på dokumentation af følsomheden overfor udvaskning (gennem analyse) vil det kun for Ulsted-situationens vedkommende være nødvendigt med en tæt prøvetagning. Kendskab til variationerne i humusindhold i A-horisonten vil, sammen med EM38 målinger, kunne give et fingerpeg om den nødvendige prøveudtagningstæthed. På grundlag af variabilitetsanalysen af de primære zoneringsparametre er det de områder som er mest heterogene mht. indholdet af især ler og silt, men også humus, som er de mest følsomme overfor udvaskning af pesticid. Dersom et områdes store variabilitet er kendt i forvejen kan det afgrænses og dets særligt følsomme karakter fastlægges på grundlag af en værst mulig karakteristik. Alternativt kan delområder med forskellige grader af følsomhed overfor pesticidudvaskning kortlægges gennem tæt prøvetagning. Følsomheden overfor udvaskning af pesticid kan, for de øvrige undersøgte lokaliteter, som alle er relativt mindre følsomme end Uldsted marken, karakteriseres ved hjælp af EM38 og relativt få prøver. De marker, som ikke er særligt følsomme overfor udvaskning af pesticid, er relativt homogene med få outliers i korrelationen af relative udvaskning. Ud fra de profiler som projektet har undersøgt synes de mest heterogene områder, især på ler-silt fraktionen men også på humus, også at være de mest følsomme, og at disse enten kan vælges ud alene ud fra et kendskab til stor heterogenitet på pågældende landskabstype, eller at disse kan prøvetages meget tæt. De øvrige lokaliteter kan udvælges ud fra et meget begrænset antal prøver/observationer. Bilag side 5

7 1.9 Prædikteret simuleret relativ udvaskning Simuleret relativ udvaskning Figur 3B.1. Sammenhængen mellem simuleret og korreleret udvaskning for et kunstigt stof med udgangspunkt i MCPA s bindingsegenskaber. 5 Humus, middelværdi og 95% konfidensinterval Humus Ulsted Sjørup Simmelkær Kølvrå Astrup Stubkær Figur 3B.2. Variationen i humusindhold indenfor projektets undersøgelsesmarker. Bilag side 51

8 8 Ler og silt, gennemsnit og 95% konfidensinterval Ler og silt Kølvrå Simmelkær Stubkær Ulsted Astrup Sjørup Figur 3B.3. Variationen i ler og siltindhold indenfor projektets undersøgelsesmarker 1.6 Relativ udvaskning, gennemsnit og 95% konfidensinterval Relativ udvaskning Astrup Sjørup Stubkær Simmelkær Kølvrå Ulsted Figur 3B.4. Variationen i korreleret relativ udvaskning indenfor projektets undersøgelsesmarker. Bilag side 52

9 5 Ulsted, humus Mark Figur 3B.5. Variationen i humusindhold for hele undersøgelsesmarken og de fire tætte clustre af undersøgelsespunkter. 8 Ulsted, ler og silt Mark Figur 3B.6. Variationen i ler- og siltindhold for hele undersøgelsesmarken og de fire tætte clustre af undersøgelsespunkter. Bilag side 53

10 1.5 Ulsted, relativ udvaskning Mark Figur 3B.7. Variationen i korreleret relativ udvaskning hele undersøgelsesmarken og de fire tætte clustre af undersøgelsespunkter. Bilag side 54

11 Figur 3B.8. Ulsted. Variationen i humusindhold for hele undersøgelsesmarken. Bilag side 55

12 Figur 3B.9. Ulsted. Variationen i ler- og siltindholdet for hele undersøgelsesmarken. Bilag side 56

13 Figur 3B.1. Ulsted. Variationen i korreleret relativ udvaskning for hele undersøgelsesmarken. Bilag side 57

14 Figur 3B.11. Ulsted. Variationen i EM38-værdier for hele undersøgelsesmarken. Skalaen er tilpasset for at vise maksimal variation. Bilag side 58

15 5 Stubkær, humus Mark Figur 3B.12. Variationen i humusindhold for hele undersøgelsesmarken og de fire tætte clustre af undersøgelsespunkter. 8 Stubkær, ler og silt Mark Figur 3B.13. Variationen i ler- og siltindhold for hele undersøgelsesmarken og de fire tætte clustre af undersøgelsespunkter. Bilag side 59

16 1.5 Stubkær, relativ udvaskning Mark Figur 3B.14. Variationen i korreleret relativ udvaskning for hele undersøgelsesmarken og de fire tætte clustre af undersøgelsespunkter. Bilag side 6

17 Figur 3B.15. Stubkær. Variationen i humusindhold for hele undersøgelsesmarken. Bilag side 61

18 Figur 3B.16. Stubkær. Variationen i ler- og siltindhold for hele undersøgelsesmarken. Bilag side 62

19 Figur 3B.17. Stubkær. Variationen i korreleret relativ udvaskning for hele undersøgelsesmarken. Bilag side 63

20 Figur 3B.18. Stubkær. Variationen i EM38-værdier for hele undersøgelsesmarken. Skalaen er tilpasset for at vise maksimal variation. Bilag side 64

21 5 Kølvrå, humus Mark Figur 3B.19. Variationen i humusindhold for hele undersøgelsesmarken og de fire tætte clustre af undersøgelsespunkter. 8 Kølvrå, ler og silt Mark Figur 3B.2. Variationen i ler- og siltindhold for hele undersøgelsesmarken og de fire tætte clustre af undersøgelsespunkter. Bilag side 65

22 1.5 Kølvrå, relativ udvaskning Mark Figur 3B.21. Variationen i korreleret relativ udvaskning for hele undersøgelsesmarken og de fire tætte clustre af undersøgelsespunkter. Bilag side 66

23 Figur 3B.22. Kølvrå. Variationen i humusindhold for hele undersøgelsesmarken. Bilag side 67

24 Figur 3B.23. Kølvrå. Variationen i ler- og siltindhold for hele undersøgelsesmarken. Bilag side 68

25 Figur 3B.24. Kølvrå. Variationen i korreleret relativ udvaskning for hele undersøgelsesmarken. Bilag side 69

26 Figur 3B.25. Kølvrå. Variationen i EM38-værdier for hele undersøgelsesmarken. Skalaen er tilpasset for at vise maksimal variation. Bilag side 7

27 5 Simmelkær, humus Mark Figur 3B.26. Variationen i humusindhold for hele undersøgelsesmarken og de fire tætte clustre af undersøgelsespunkter. 8 Sim, ler og silt Mark Figur 3B.27. Variationen i ler- og siltindhold for hele undersøgelsesmarken og de fire tætte clustre af undersøgelsespunkter. Bilag side 71

28 1.5 Siimmelkær, relativ udvaskning Mark Figur 3B.28. Variationen i korreleret relativ udvaskning for hele undersøgelsesmarken og de fire tætte clustre af undersøgelsespunkter. Bilag side 72

3. Fremgangsmåde ved fortolkning af data

3. Fremgangsmåde ved fortolkning af data 3. Fremgangsmåde ved fortolkning af data For at finde de jordegenskaber som rummer de nødvendige oplysninger til udpegning af særligt pesticidfølsomme områder og som kan fremskaffes med den mindste ressource

Læs mere

Bilag 2. Kornstørrelsesfordeling og organisk stof - Repræsentativitet DJF: Mogens H. Greve, Bjarne Hansen, Svend Elsnab Olesen, Søren B.

Bilag 2. Kornstørrelsesfordeling og organisk stof - Repræsentativitet DJF: Mogens H. Greve, Bjarne Hansen, Svend Elsnab Olesen, Søren B. Bilag 2. Kornstørrelsesfordeling og organisk stof Repræsentativitet DJF: Mogens H. Greve, Bjarne Hansen, Svend Elsnab Olesen, Søren B. Torp Teksturdata fra de otte landskabselementtyper er blevet sammenholdt

Læs mere

4. Resultater 4.1 Repræsentativitet

4. Resultater 4.1 Repræsentativitet 4. Resultater Det er vurderet hvor godt de undersøgte lokaliteter og data afspejler de områder, hvor de er beliggende, og tilsvarende hvor variable jordegenskaberne er i undersøgelsesområderne. Der gives

Læs mere

Bilag 8. Omregning af K d til K f GEUS: Jim Rasmussen

Bilag 8. Omregning af K d til K f GEUS: Jim Rasmussen Bilag 8. Omregning af K d til K f GEUS: Jim Rasmussen Bindingen bestemt som fordelingskoefficienten K d. I forbindelse med simulering af udvaskning med MACRO modellen anvendes Freundlich funktionen til

Læs mere

KUPA-SAND: SANDEDE AREALERS SÅRBARHED FOR PESTICIDNEDSIVNING

KUPA-SAND: SANDEDE AREALERS SÅRBARHED FOR PESTICIDNEDSIVNING KUPA-SAND: SANDEDE AREALERS SÅRBARHED FOR PESTICIDNEDSIVNING Udvikling af et forvaltningsegnet værktøj til udpegning af pesticidsårbare sandarealer på baggrund af KUPAsand (Værkstedsområde Grindsted) Bo

Læs mere

Bilag 15. Eksempel på beslutningsstøtte system GEUS: Hans Jørgen Henriksen

Bilag 15. Eksempel på beslutningsstøtte system GEUS: Hans Jørgen Henriksen Bilag 15. Eksempel på beslutningsstøtte system GEUS: Hans Jørgen Henriksen Ved hjælp af en strukturel læringsanalyse af strukturer i et datasæt ( structural learning ) kan der findes frem til hvilke sammenhænge

Læs mere

Bilag 14. Verifikation GEUS: Ole Stig Jacobsen, Per Rosenberg

Bilag 14. Verifikation GEUS: Ole Stig Jacobsen, Per Rosenberg Bilag 14. Verifikation GEUS: Ole Stig Jacobsen, Per Rosenberg Med henblik på at afprøve gyldigheden af den karakterisering af sandjordes følsomhed overfor udvaskning af pesticid, som projektresultaterne

Læs mere

5. Diskussion 5.1. Grundlag for zonering

5. Diskussion 5.1. Grundlag for zonering 5. Diskussion Gennem en systematisk dataindsamling på 24 danske undersøgelsesmarker er der indhentet et omfattende og sammenhængende datasæt, der beskriver en bred vifte af jordegenskaber, bilag 1,.samt

Læs mere

Ekstremregn i Danmark

Ekstremregn i Danmark Ekstremregn i Danmark Supplement til statistisk bearbejdning af nedbørsdata fra Spildevandskomiteens regnmålersystem 1979-96 Henrik Madsen August 2002 Miljø & Ressourcer DTU Danmark Tekniske Universitet

Læs mere

Bilag 7: Sammenhænge mellem simple jordegenskaber GEUS: Jim Rasmussen

Bilag 7: Sammenhænge mellem simple jordegenskaber GEUS: Jim Rasmussen Bilag 7: Sammenhænge mellem simple jordegenskaber GEUS: Jim Rasmussen Hensigten med dette bilag er at illustrere de vigtigste almindeligt kendte sammenhænge mellem simple jorddata, som kan eftervises med

Læs mere

INTERNT GEUS-NOTAT Side 1

INTERNT GEUS-NOTAT Side 1 INTERNT GEUS-NOTAT Side 1 Bilag 16. Referee bemærkninger GEUS: Jens Christian Refsgaard Rapporten er tilrettet efter modtagelsen af bemærkningerne. Danmarks og Grønlands Øster Voldgade 10 Telefon 38 14

Læs mere

Bilag 7 Analyse af alternative statistiske modeller til DEA Dette bilag er en kort beskrivelse af Forsyningssekretariatets valg af DEAmodellen.

Bilag 7 Analyse af alternative statistiske modeller til DEA Dette bilag er en kort beskrivelse af Forsyningssekretariatets valg af DEAmodellen. Bilag 7 Analyse af alternative statistiske modeller til DEA Dette bilag er en kort beskrivelse af Forsyningssekretariatets valg af DEAmodellen. FORSYNINGSSEKRETARIATET OKTOBER 2011 INDLEDNING... 3 SDEA...

Læs mere

Afprøvning af zoneringskriterier for sandede jorde, Nordøstlige Djursland, Århus Amt

Afprøvning af zoneringskriterier for sandede jorde, Nordøstlige Djursland, Århus Amt Koncept for Udpegning af Pesticidfølsomme Arealer, KUPA Afprøvning af zoneringskriterier for sandede jorde, Nordøstlige Djursland, Århus Amt Danmarks og Grønlands Geologiske Undersøgelse Miljøministeriet

Læs mere

Bilag 4. Geokemiske og fysiske parametre - repræsentativitet GEUS: Vibeke Ernstsen

Bilag 4. Geokemiske og fysiske parametre - repræsentativitet GEUS: Vibeke Ernstsen Bilag 4. Geokemiske og fysiske parametre - repræsentativitet GEUS: Vibeke Ernstsen I forbindelse med feltarbejdet på de udvalgte KUPA lokaliteter blev der indsamlet jordog sedimentprøver til analyse i

Læs mere

Referencelaboratoriet for måling af emissioner til luften

Referencelaboratoriet for måling af emissioner til luften Referencelaboratoriet for måling af emissioner til luften Rapport nr.: 77 Titel Hvordan skal forekomsten af outliers på lugtmålinger vurderes? Undertitel - Forfatter(e) Arne Oxbøl Arbejdet udført, år 2015

Læs mere

Hvad betyder jordtypen og dyrkningshistorien for kvælstofbehovet?

Hvad betyder jordtypen og dyrkningshistorien for kvælstofbehovet? Hvad betyder jordtypen og dyrkningshistorien for kvælstofbehovet? Landskonsulent Leif Knudsen, konsulent Niels Petersen og konsulent Hans S. Østergaard, Landskontoret for Planteavl, Landbrugets Rådgivningscenter

Læs mere

1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ

1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ Indhold 1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ exposure) 2 1.1 Variation indenfor og mellem grupper.......................... 2 1.2 F-test for ingen

Læs mere

grupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen

grupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen 1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen

Læs mere

Præstationsprøvning 2006

Præstationsprøvning 2006 Rapport nr. 36-006 Præstationsprøvning 006 NO x, CO, UHC og O i strømmende gas Arne Oxbøl 10. juli 006 Miljøstyrelsens Referencelaboratorium for måling af emissioner til luften Park Allé 345, DK-605 Brøndby

Læs mere

Kapitel 11 Lineær regression

Kapitel 11 Lineær regression Kapitel 11 Lineær regression Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 1 / 1 Indledning Vi modellerer en afhængig variabel (responset) på baggrund af en uafhængig variabel (stimulus),

Læs mere

Bilag 10. Korrelationsmetoder og resultater GEUS: Jim Rasmussen, Per Rosenberg

Bilag 10. Korrelationsmetoder og resultater GEUS: Jim Rasmussen, Per Rosenberg Bilag 1. Korrelationsmetoder og resultater GEUS: Jim Rasmussen, Per Rosenberg I dette bilag beskrives først de to metoder anvendt ved korrelationsanalyserne, efterfølgende gennemgås fremgangsmåde ved datafortolkningen

Læs mere

Bilagsnotat til: De nationale tests måleegenskaber

Bilagsnotat til: De nationale tests måleegenskaber Bilagsnotat til: De nationale tests måleegenskaber Baggrund Der er ti obligatoriske test á 45 minutters varighed i løbet af elevernes skoletid. Disse er fordelt på seks forskellige fag og seks forskellige

Læs mere

Gennemsnit og normalfordeling illustreret med terningkast, simulering og SLUMP()

Gennemsnit og normalfordeling illustreret med terningkast, simulering og SLUMP() Gennemsnit og normalfordeling illustreret med terningkast, simulering og SLUMP() John Andersen, Læreruddannelsen i Aarhus, VIA Et kast med 10 terninger gav følgende udfald Fig. 1 Result of rolling 10 dices

Læs mere

Personale i daginstitutioner normering og uddannelse

Personale i daginstitutioner normering og uddannelse Personale i daginstitutioner normering og uddannelse Dagtilbudsområdet er et stort velfærdsområde, som spiller en vigtig rolle i mange børns og familiers hverdag og for samfundet som helhed. Dagtilbuddenes

Læs mere

Naturstyrelsens tanker om grundvandsbeskyttelse over for pesticider. Funktionsleder Martin Skriver

Naturstyrelsens tanker om grundvandsbeskyttelse over for pesticider. Funktionsleder Martin Skriver Naturstyrelsens tanker om grundvandsbeskyttelse over for pesticider Funktionsleder Martin Skriver Eksisterende håndtag i MBL 21 b. Anvendelse af pesticider, dyrkning og gødskning til erhvervsmæssige og

Læs mere

Afprøvning af zoneringskriterier for sandede jorde, Grindstedområdet, Ribe Amt

Afprøvning af zoneringskriterier for sandede jorde, Grindstedområdet, Ribe Amt Koncept for Udpegning af Pesticidfølsomme Arealer, KUPA Afprøvning af zoneringskriterier for sandede jorde, Grindstedområdet, Ribe Amt Danmarks og Grønlands Geologiske Undersøgelse Miljøministeriet Danmarks

Læs mere

Benchmarking af kommunernes sagsbehandling antagelser, metode og resultater

Benchmarking af kommunernes sagsbehandling antagelser, metode og resultater Benchmarking af kommunernes sagsbehandling antagelser, metode og resultater Anna Amilon Materiel vurdering Ved vurderingen af en afgørelses materielle indhold vurderes afgørelsens korrekthed i forhold

Læs mere

Analyse af en lineær regression med lav R 2 -værdi

Analyse af en lineær regression med lav R 2 -værdi Analyse af en lineær regression med lav R 2 -værdi Denne gennemgang omhandler figur 13 i Regn med biologi. Man kan sagtens lave beregninger på egne data. Forsøgsmæssigt kræver det bare en tommestok tapet

Læs mere

Erfaringsopsamling på udbredelsen af forureningsfaner i grundvand på villatanksager

Erfaringsopsamling på udbredelsen af forureningsfaner i grundvand på villatanksager Erfaringsopsamling på udbredelsen af forureningsfaner i grundvand på villatanksager Udført for: Miljøstyrelsen & Oliebranchens Miljøpulje Udført af: Poul Larsen, Per Loll Claus Larsen og Maria Grøn fra

Læs mere

ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester

ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2 2 0 0 K ø b e n h a v n N ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER

Læs mere

Rapport 23. november 2018

Rapport 23. november 2018 Rapport 23. november 2018 Proj.nr. 2004280 Version 1 EVO/MT Principper for og forslag til repræsentative stikprøveplaner til analyse af konsekvensen af produktionsændringer for værdi- og kvalitetsvurdering

Læs mere

Grindstedområdet, Ribe Amt

Grindstedområdet, Ribe Amt Afprøvning af KUPA zoneringskriterier for sandede jorde, Grindstedområdet, Ribe Amt Nygaard, E. 1, Greve, M.H. 2, Greve, M.B. 2, Iversen, B.V. 2, Møller, I. 1, Torp, S. 2 Forord I 1998 fik amterne ved

Læs mere

Særligt pesticidfølsomme sandområder: Forudsætninger og metoder for zonering

Særligt pesticidfølsomme sandområder: Forudsætninger og metoder for zonering Koncept for Udpegning af Pesticidfølsomme Arealer, KUPA Særligt pesticidfølsomme sandområder: Forudsætninger og metoder for zonering Danmarks og Grønlands Geologiske Undersøgelse Miljøministeriet Danmarks

Læs mere

Udvaskning af pesticider fra danske golfbaner

Udvaskning af pesticider fra danske golfbaner DGA-ugen 14. november 2018 Udvaskning af pesticider fra danske golfbaner Resultater fra PESTGOLF Annette E. Rosenbom, Nora Badawi, Sachin Karan og Anne Mette D. Jensen Formål PESTGOLF At estimere skæbne

Læs mere

POLITIETS TRYGHEDSUNDERSØGELSE I GRØNLAND, 2017

POLITIETS TRYGHEDSUNDERSØGELSE I GRØNLAND, 2017 SYDSJÆLLAND POLITIETS TRYGHEDSUNDERSØGELSE I GRØNLAND, EN MÅLING AF TRYGHEDEN OG TILLIDEN TIL POLITIET I: HELE GRØNLAND NUUK BEBYGGELSE MED POLITISTATION BEBYGGELSE UDEN POLITISTATION MARTS 2018 1 INDHOLD

Læs mere

Analysestrategi. Lektion 7 slides kompileret 27. oktober 200315:24 p.1/17

Analysestrategi. Lektion 7 slides kompileret 27. oktober 200315:24 p.1/17 nalysestrategi Vælg statistisk model. Estimere parametre i model. fx. lineær regression Udføre modelkontrol beskriver modellen data tilstrækkelig godt og er modellens antagelser opfyldte fx. vha. residualanalyse

Læs mere

Nordøstlige Djursland, Århus Amt

Nordøstlige Djursland, Århus Amt Afprøvning af KUPA zoneringskriterier for sandede jorde, Nordøstlige Djursland, Århus Amt Nygaard, E. 1, Greve, M.H. 2, Greve, M.B. 2, Hallermund, F. v.p. 1, Iversen, B.V. 2, Møller, I. 1, Torp, S. 2 Forord

Læs mere

Bilag 1. Om læsning og tolkning af kort udformet ved hjælp af korrespondanceanalysen.

Bilag 1. Om læsning og tolkning af kort udformet ved hjælp af korrespondanceanalysen. Bilag 1. Om læsning og tolkning af kort udformet ved hjælp af korrespondanceanalysen. Korrespondanceanalysen er en multivariat statistisk analyseform, som i modsætning til mange af de mere traditionelle

Læs mere

Estimation og usikkerhed

Estimation og usikkerhed Estimation og usikkerhed = estimat af en eller anden ukendt størrelse, τ. ypiske ukendte størrelser Sandsynligheder eoretisk middelværdi eoretisk varians Parametre i statistiske modeller 1 Krav til gode

Læs mere

DANISH METEOROLOGICAL INSTITUTE MINISTRY OF TRANSPORT TECHNICAL REPORT 01-19 KLIMAGRID - DANMARK

DANISH METEOROLOGICAL INSTITUTE MINISTRY OF TRANSPORT TECHNICAL REPORT 01-19 KLIMAGRID - DANMARK DANISH METEOROLOGICAL INSTITUTE MINISTRY OF TRANSPORT TECHNICAL REPORT 01-19 KLIMAGRID - DANMARK Sammenligning af potentiel fordampning beregnet ud fra Makkinks formel og den modificerede Penman formel

Læs mere

SDR. OMME KVALITETSANALYSE AF GRUS- PRØVER. Vurdering af grusmaterialer som betontilslag. Til Region Syddanmark. Dokumenttype Laboratorierapport

SDR. OMME KVALITETSANALYSE AF GRUS- PRØVER. Vurdering af grusmaterialer som betontilslag. Til Region Syddanmark. Dokumenttype Laboratorierapport Til Region Syddanmark Dokumenttype Laboratorierapport Dato Februar, 2018 Vurdering af grusmaterialer som betontilslag SDR. OMME KVALITETSANALYSE AF GRUS- PRØVER KVALITETSANALYSE AF GRUSPRØVER Revision

Læs mere

Bilag 5. Hydrauliske parametre - Repræsentativitet DJF: Ole Hørbye Jacobsen, Bo Vangsø Iversen, Christen Børgesen

Bilag 5. Hydrauliske parametre - Repræsentativitet DJF: Ole Hørbye Jacobsen, Bo Vangsø Iversen, Christen Børgesen Bilag 5. Hydrauliske parametre - Repræsentativitet DJF: Ole Hørye Jacosen, Bo Vangsø Iversen, Cristen Børgesen Hydraulisk ledningsevne I dataaser findes der kun meget egrænsede data vedrørende ydrauliske

Læs mere

LOKALITETSKORTLÆGNINGER AF SKOVREJSNINGSOMRÅDER VED NAKSKOV, NÆSTVED OG RINGE

LOKALITETSKORTLÆGNINGER AF SKOVREJSNINGSOMRÅDER VED NAKSKOV, NÆSTVED OG RINGE LOKALITETSKORTLÆGNINGER AF SKOVREJSNINGSOMRÅDER VED NAKSKOV, NÆSTVED OG RINGE MOGENS H. GREVE OG STIG RASMUSSEN DCA RAPPORT NR. 047 SEPTEMBER 2014 AU AARHUS UNIVERSITET DCA - NATIONALT CENTER FOR FØDEVARER

Læs mere

Modellering af stoftransport med GMS MT3DMS

Modellering af stoftransport med GMS MT3DMS Modellering af stoftransport med GMS MT3DMS Formål Formålet med modellering af stoftransport i GMS MT3DMS er, at undersøge modellens evne til at beskrive den målte stoftransport gennem sandkassen ved anvendelse

Læs mere

De nationale tests måleegenskaber

De nationale tests måleegenskaber De nationale tests måleegenskaber September 2016 De nationale tests måleegenskaber BAGGRUND De nationale test blev indført i 2010 for at forbedre evalueringskulturen i folkeskolen. Hensigten var bl.a.

Læs mere

Kilde: UNI-C s databank. Tabel (EGS) Bestand og GRS Klassetype og Institutioner og Tid Skoleår.

Kilde: UNI-C s databank. Tabel (EGS) Bestand og GRS Klassetype og Institutioner og Tid Skoleår. N OTAT Inklusion/segregering og tilvalg af folkeskolen Debatten på folkeskoleområdet berører ofte udfordringerne med inklusion. Herunder fremføres den øgede inklusion som grund til at forældre i stigende

Læs mere

Fastlæggelse af indvandringsomfanget i Befolkningsfremskrivning 2016

Fastlæggelse af indvandringsomfanget i Befolkningsfremskrivning 2016 Bilag 3: Notat om metode for indregning af flygtninge i landsfremskrivningen og i den kommunale fremskrivning 26. april 2016 Fastlæggelse af indvandringsomfanget i Befolkningsfremskrivning 2016 De seneste

Læs mere

Uddybende beregninger til Produktivitetskommissionen

Uddybende beregninger til Produktivitetskommissionen David Tønners Uddybende beregninger til Produktivitetskommissionen I forlængelse af mødet i Produktivitetskommissionen og i anledning af e-mail fra Produktivitetskommissionen med ønske om ekstra analyser

Læs mere

Kapitel 1. Hovedresultater fra Profilanalyse Kommunalt bidrag til operatøren af lokal erhvervsservice De lokalt vejledte...

Kapitel 1. Hovedresultater fra Profilanalyse Kommunalt bidrag til operatøren af lokal erhvervsservice De lokalt vejledte... Indholdsfortegnelse Kapitel 1. Hovedresultater fra Profilanalyse 2018... 4 1.1 Kommunalt bidrag til operatøren af lokal erhvervsservice... 4 1.2 De lokalt vej... 4 1.3 De specialiserede vej... 7 Kapitel

Læs mere

13.1 Substrat Polynomiel regression Biomasse Kreatinin Læsefærdighed Protein og højde...

13.1 Substrat Polynomiel regression Biomasse Kreatinin Læsefærdighed Protein og højde... Modul 13: Exercises 13.1 Substrat.......................... 1 13.2 Polynomiel regression.................. 3 13.3 Biomasse.......................... 4 13.4 Kreatinin.......................... 7 13.5 Læsefærdighed......................

Læs mere

Dansk Industri har den 3. september 2015 offentliggjort deres årlige erhvervsklimaundersøgelse.

Dansk Industri har den 3. september 2015 offentliggjort deres årlige erhvervsklimaundersøgelse. N OTAT DI's lokalt erhvervsklima 2015 - Sammenhæng mellem virksomheders vurderinger og statistiske rammevilkår Dansk Industri har den 3. september 2015 offentliggjort deres årlige erhvervsklimaundersøgelse.

Læs mere

13.1 Substrat Polynomiel regression Biomasse Kreatinin Læsefærdighed Protein og højde...

13.1 Substrat Polynomiel regression Biomasse Kreatinin Læsefærdighed Protein og højde... Forskningsenheden for Statistik ST01: Elementær Statistik Bent Jørgensen Modul 13: Exercises 13.1 Substrat........................................ 1 13.2 Polynomiel regression................................

Læs mere

Sandjordes følsomhed over for udvaskning af sprøjtemidler. Februar 2015

Sandjordes følsomhed over for udvaskning af sprøjtemidler. Februar 2015 Sandjordes følsomhed over for udvaskning af sprøjtemidler Februar 2015 I Titel: Sandjordes følsomhed over for udvaskning af sprøjtemidler Udgiver: Miljøsministeriet Naturstyrelsen Haraldsgade 53 2100 København

Læs mere

Eksamen i Statistik og skalavalidering

Eksamen i Statistik og skalavalidering Eksamen i Statistik og skalavalidering 2009-studieordning Til aflevering d. 22. december 2010 Efterårssemestret 2010, Kandidatuddannelsen i Folkesundhedsvidenskab Opgaven er udarbejdet af: Eksamensnummer

Læs mere

Psykisk arbejdsmiljø og stress

Psykisk arbejdsmiljø og stress Psykisk arbejdsmiljø og stress - Hvilke faktorer har indflydelse på det psykiske arbejdsmiljø og medarbejdernes stress Marts 2018 Konklusion Denne analyse forsøger at afklare, hvilke faktorer der påvirker

Læs mere

Normalfordelingen og Stikprøvefordelinger

Normalfordelingen og Stikprøvefordelinger Normalfordelingen og Stikprøvefordelinger Normalfordelingen Standard Normal Fordelingen Sandsynligheder for Normalfordelingen Transformation af Normalfordelte Stok.Var. Stikprøver og Stikprøvefordelinger

Læs mere

Baggrundsnotat: Beskrivende statistik

Baggrundsnotat: Beskrivende statistik Sekretariatet for Energitilsynet Baggrundsnotat: Beskrivende statistik Store forskelle i varmepriserne hvorfor? Center for Varme Baggrundsnotat: Store forskelle i varmepriserne hvorfor? Fjernvarmesektoren

Læs mere

Interkalibrering Sedimentprøvetagning i søer 2017

Interkalibrering Sedimentprøvetagning i søer 2017 Interkalibrering Sedimentprøvetagning i søer 2017 Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 1. februar 2019 Liselotte Sander Johansson Martin Søndergaard Institut for Bioscience Rekvirent:

Læs mere

Statistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik

Statistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Statistik Lektion 1 Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Introduktion Kursusholder: Kasper K. Berthelsen Opbygning: Kurset består af 5 blokke En blok består af: To normale

Læs mere

Byggeriets Evaluerings Center

Byggeriets Evaluerings Center Byggeriets Evaluerings Center Bygge Rating Notat om pointsystem til faktablade og karakterbøger for entreprenører og bygherrer Version 2015 Indholdsfortegnelse 1 Bygge Rating... 3 2 Bygge Rating for entreprenører...

Læs mere

Deskriptiv statistik for hf-matc

Deskriptiv statistik for hf-matc Deskriptiv statistik for hf-matc 75 50 25 2018 Karsten Juul Deskriptiv statistik for hf-matc Hvad er deskriptiv statistik? 1.1 Hvad er deskriptiv statistik?... 1 1.2 Hvad er grupperede og ugrupperede data?...

Læs mere

Notat om værdisætning ved opsummeringer

Notat om værdisætning ved opsummeringer Bilag 9 Notat om værdisætning ved opsummeringer ved Ekspertgruppens sekretariat September 2008 Bilag til Ekspertgruppens anbefalinger til videreudvikling af Sundhedskvalitet www.sundhedskvalitet.dk N O

Læs mere

1 Regressionsproblemet 2

1 Regressionsproblemet 2 Indhold 1 Regressionsproblemet 2 2 Simpel lineær regression 3 2.1 Mindste kvadraters tilpasning.............................. 3 2.2 Prædiktion og residualer................................. 5 2.3 Estimation

Læs mere

Lars Andersen: Anvendelse af statistik. Notat om deskriptiv statistik, χ 2 -test og Goodness of Fit test.

Lars Andersen: Anvendelse af statistik. Notat om deskriptiv statistik, χ 2 -test og Goodness of Fit test. Lars Andersen: Anvendelse af statistik. Notat om deskriptiv statistik, χ -test og Goodness of Fit test. Anvendelser af statistik Statistik er et levende og fascinerende emne, men at læse om det er alt

Læs mere

Sammenhængsanalyser. Et eksempel: Sammenhæng mellem rygevaner som 45-årig og selvvurderet helbred som 51 blandt mænd fra Københavns amt.

Sammenhængsanalyser. Et eksempel: Sammenhæng mellem rygevaner som 45-årig og selvvurderet helbred som 51 blandt mænd fra Københavns amt. Sammenhængsanalyser Et eksempel: Sammenhæng mellem rygevaner som 45-årig og selvvurderet helbred som 51 blandt mænd fra Københavns amt. rygevaner som 45 årig * helbred som 51 årig Crosstabulation rygevaner

Læs mere

Bilag 3A. Variabilitet, Geostatistik og Mikrobiologi, Generelt GEUS: Ingelise Møller DJF: Lars Elsgaard, Mogens H. Greve, Finn P.

Bilag 3A. Variabilitet, Geostatistik og Mikrobiologi, Generelt GEUS: Ingelise Møller DJF: Lars Elsgaard, Mogens H. Greve, Finn P. Bilag 3A. Variabilitet, Geostatistik og Mikrobiologi, Generelt GEUS: Ingelise Møller DJF: Lars Elsgaard, Mogens H. Greve, Finn P.Vinther Variabilitet på landskabstypeniveau Variabiliteten på landskabstypeniveau

Læs mere

Anvendt Statistik Lektion 7. Simpel Lineær Regression

Anvendt Statistik Lektion 7. Simpel Lineær Regression Anvendt Statistik Lektion 7 Simpel Lineær Regression 1 Er der en sammenhæng? Plot af mordraten () mod fattigdomsraten (): Scatterplot Afhænger mordraten af fattigdomsraten? 2 Scatterplot Et scatterplot

Læs mere

Statistiske modeller

Statistiske modeller Statistiske modeller Statistisk model Datamatrice Variabelmatrice Hændelse Sandsynligheder Data Statistiske modeller indeholder: Variable Hændelser defineret ved mulige variabel værdier Sandsynligheder

Læs mere

Mindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning

Mindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning 1 Regressionsproblemet 2 Simpel lineær regression Mindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning 3

Læs mere

Originalt emballagedesign

Originalt emballagedesign Originalt emballagedesign Af Jesper Clement Designer mdd, Ph.D. i marketing Underviser i emballagedesign på DMJX En undersøgelse af hvad re-design af emballager kan medføre Hvilket emballagedesign er bedst?

Læs mere

Validering af jordbundsdata. Pesticidfølsomme sandjorder Værkstedsområde Grindsted

Validering af jordbundsdata. Pesticidfølsomme sandjorder Værkstedsområde Grindsted Validering af jordbundsdata Pesticidfølsomme sandjorder Værkstedsområde Grindsted Kolofon Titel Validering af jordbundsdata Pesticidfølsomme sandjorder Værkstedsområde Grindsted Emneord Pesticidudvaskning,

Læs mere

Hovedresultater fra registeranalyse. Fra uddannelse til første job med handicap. April Gennemført af: Pluss Leadership VIA University College

Hovedresultater fra registeranalyse. Fra uddannelse til første job med handicap. April Gennemført af: Pluss Leadership VIA University College Hovedresultater fra registeranalyse Fra uddannelse til første job med handicap April 2019 Gennemført af: Pluss Leadership VIA University College Publikationstitel: Hovedresultater fra registeranalyse Projekttitel:

Læs mere

1. Indledning og sammenfatning Dansk Industri offentliggjorde den 4. september 2013 deres årlige erhvervsklimaundersøgelse.

1. Indledning og sammenfatning Dansk Industri offentliggjorde den 4. september 2013 deres årlige erhvervsklimaundersøgelse. N OTAT DI's erhvervsklimaundersøgelse 2013 - kommentarer til undersøgelsesmetode og resu l- tater. 1. Indledning og sammenfatning Dansk Industri offentliggjorde den 4. september 2013 deres årlige erhvervsklimaundersøgelse.

Læs mere

Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning

Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning 1 Multipel regressions model Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning PSE (I17) ASTA - 11. lektion

Læs mere

For Myndighedsafdelingen Voksenhandicap 2013

For Myndighedsafdelingen Voksenhandicap 2013 Brugertilfredshedsundersøgelse For Myndighedsafdelingen Voksenhandicap 2013 UDGIVER Socialforvaltningen Center for Socialfaglig Udvikling Værkmestergade 15 8000 Aarhus C KONTAKT Birthe Kabel, udviklingskonsulent

Læs mere

Metode til beregning af karakterer for service og kvalitet på sygehuse. Notat af 26. september 2006

Metode til beregning af karakterer for service og kvalitet på sygehuse. Notat af 26. september 2006 Metode til beregning af karakterer for service og kvalitet på sygehuse. Notat af 26. september 2006 I Regeringens debatoplæg Et åbent og gennemsigtigt sundhedsvæsen fra 2003 redegøres for brug af et overordnet

Læs mere

De danske huspriser. homes husprisindeks. 180 Realkreditrådet. Home s Danske Husprisindeks. Danmarks Statistik. 80 www.danskebank.

De danske huspriser. homes husprisindeks. 180 Realkreditrådet. Home s Danske Husprisindeks. Danmarks Statistik. 80 www.danskebank. De danske huspriser homes husprisindeks København den 1. sept. 7 For yderligere information: Steen Bocian, Danske Bank +5 5 1 5 31, stbo@danskebank.dk Niels H. Carstensen, home +5 15 3 nica@home.dk Den

Læs mere

National kvælstofmodel Oplandsmodel til belastning og virkemidler

National kvælstofmodel Oplandsmodel til belastning og virkemidler National kvælstofmodel Oplandsmodel til belastning og virkemidler Kortleverancer Anker Lajer Højberg, Jørgen Windolf, Christen Duus Børgesen, Lars Troldborg, Henrik Tornbjerg, Gitte Blicher-Mathiesen,

Læs mere

Accelerations- og decelerationsværdier

Accelerations- og decelerationsværdier Accelerations- og decelerationsværdier for personbiler Baseret på data fra testkørsler med 20 testpersoner Poul Greibe Oktober 2009 Scion-DTU Diplomvej 376 2800 Lyngby www.trafitec.dk Indhold 1. Introduktion...

Læs mere

UNDERVISNINGSEFFEKT-MODELLEN 2006 METODE OG RESULTATER

UNDERVISNINGSEFFEKT-MODELLEN 2006 METODE OG RESULTATER UNDERVISNINGSEFFEKT-MODELLEN 2006 METODE OG RESULTATER Undervisningseffekten udregnes som forskellen mellem den forventede og den faktiske karakter i 9. klasses afgangsprøve. Undervisningseffekten udregnes

Læs mere

Betydningen af konjunktur og regelændringer for udviklingen i sygedagpengemodtagere

Betydningen af konjunktur og regelændringer for udviklingen i sygedagpengemodtagere DET ØKONOMISKE RÅD S E K R E T A R I A T E T d. 20. maj 2005 SG Betydningen af konjunktur og regelændringer for udviklingen i sygedagpengemodtagere Baggrundsnotat vedr. Dansk Økonomi, forår 2005, kapitel

Læs mere

Opgavens formålet er at undersøge variationen mellem to laboratoriers bestemmelse af po 2 i blod.

Opgavens formålet er at undersøge variationen mellem to laboratoriers bestemmelse af po 2 i blod. 1-stikprøve t-test (Eksamen 2005 opgave 1) Opgavens formålet er at undersøge variationen mellem to laboratoriers bestemmelse af po 2 i blod. I nedenstående tabel betragtes blodprøver fra 9 patienter. Hver

Læs mere

Beskæftigelse og handicap

Beskæftigelse og handicap Notat v. Max Miiller SFI - Det Nationale Forskningscenter for velfærd Beskæftigelse og handicap Beskæftigelse blandt personer med og uden et handicap SFI udgav i efteråret 2006 rapporten Handicap og beskæftigelse

Læs mere

Væksthus Midtjylland Profilanalyse 2015

Væksthus Midtjylland Profilanalyse 2015 Væksthus Midtjylland Profilanalyse 2015 Analyse af brugerne af den lokale og specialiserede erhvervsvejledning i Region Midtjylland Indholdsfortegnelse Forord... 3 Kapitel 1: Hovedresultater fra Profilanalyse

Læs mere

Sundhedsstyrelsens notat om karakterberegning

Sundhedsstyrelsens notat om karakterberegning Bilag 1 s notat om karakterberegning Juni 2007 Bilag til Ekspertgruppens anbefalinger til videreudvikling af Sundhedskvalitet www.sundhedskvalitet.dk N O T A T METODE TIL BEREGNING AF KARAKTERER FOR SER-

Læs mere

OMKOSTNINGER TIL ENERGISYN

OMKOSTNINGER TIL ENERGISYN JUNI 2018 ENERGISTYRELSEN OMKOSTNINGER TIL ENERGISYN - for virksomheder med et lille energiforbrug i Danmark ADRESSE COWI A/S Parallelvej 2 2800 Kongens Lyngby TLF +45 56 40 00 00 FAX +45 56 40 99 99

Læs mere

Kapitel 1 Statistiske grundbegreber

Kapitel 1 Statistiske grundbegreber Kapitel 1 Statistiske grundbegreber Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 1 Indledning 2 Population versus stikprøve 3 Variabeltyper og måleskalaer 4 Parametrisk versus ikke-parametrisk

Læs mere

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo

Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte

Læs mere

Vurdering af indeklimarisiko ved fremtidig følsom arealanvendelse på baggrund af grundvandskoncentrationer. Overestimerer vi risikoen?

Vurdering af indeklimarisiko ved fremtidig følsom arealanvendelse på baggrund af grundvandskoncentrationer. Overestimerer vi risikoen? Vurdering af indeklimarisiko ved fremtidig følsom arealanvendelse på baggrund af grundvandskoncentrationer. Overestimerer vi risikoen Minakshi Dhanda, Region Hovedstaden Sine Thorling Sørensen, Region

Læs mere

DEFF Projekt evaluering

DEFF Projekt evaluering DEFF Projekt evaluering I projektet stilles kvalitetssikrede, internationale biblioteksressourcer til rådighed for gymnasieelever, så de kan benyttes i den daglige undervisning og især i forbindelse med

Læs mere

Bilag 2: Undersøgelse af de nationale tests reliabilitet. Sammenfatning

Bilag 2: Undersøgelse af de nationale tests reliabilitet. Sammenfatning Bilag 2: Undersøgelse af de nationale tests reliabilitet Sammenfatning I efteråret 2014 blev der i alt gennemført ca. 485.000 frivillige nationale tests. 296.000 deltog i de frivillige test, heraf deltog

Læs mere

Generelt er korrelationen mellem elevens samlede vurdering i forsøg 1 og forsøg 2 på 0,79.

Generelt er korrelationen mellem elevens samlede vurdering i forsøg 1 og forsøg 2 på 0,79. Olof Palmes Allé 38 8200 Aarhus N Tlf.nr.: 35 87 88 89 E-mail: stil@stil.dk www.stil.dk CVR-nr.: 13223459 Undersøgelse af de nationale tests reliabilitet 26.02.2016 Sammenfatning I efteråret 2014 blev

Læs mere

C) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b2.

C) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b2. C) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b. 5.000 4.800 4.600 4.400 4.00 4.000 3.800 3.600 3.400 3.00 3.000 1.19% 14.9% 7.38% 40.48% 53.57% 66.67% 79.76% 9.86% 010 011

Læs mere

Appendiks 3 Beregneren - progression i de nationale matematiktest - Vejledning til brug af beregner af progression i matematik

Appendiks 3 Beregneren - progression i de nationale matematiktest - Vejledning til brug af beregner af progression i matematik Appendiks 3: Analyse af en elevs testforløb i 3. og 6. klasse I de nationale test er resultaterne baseret på et forholdsvist begrænset antal opgaver. Et vigtigt hensyn ved designet af testene har været,

Læs mere

Eksamen ved. Københavns Universitet i. Kvantitative forskningsmetoder. Det Samfundsvidenskabelige Fakultet

Eksamen ved. Københavns Universitet i. Kvantitative forskningsmetoder. Det Samfundsvidenskabelige Fakultet Eksamen ved Københavns Universitet i Kvantitative forskningsmetoder Det Samfundsvidenskabelige Fakultet 14. december 2011 Eksamensnummer: 5 14. december 2011 Side 1 af 6 1) Af boxplottet kan man aflæse,

Læs mere

Restsaltmængdernes afhængighed af trafikken,

Restsaltmængdernes afhængighed af trafikken, Restsaltmængdernes afhængighed af trafikken, Thomas Glue, marts 2. Trafikintensitet...2 Indledende definitioner...2 Regressionsanalyser på trafikintensiteten...6 Justering af restsaltmængder i henhold

Læs mere

Sammenhængen mellem elevernes trivsel og elevernes nationale testresultater.

Sammenhængen mellem elevernes trivsel og elevernes nationale testresultater. Sammenhængen mellem elevernes trivsel og elevernes nationale testresultater. 1 Sammenfatning Der er en statistisk signifikant positiv sammenhæng mellem opnåelse af et godt testresultat og elevernes oplevede

Læs mere

Blending af testdagsydelser og laktationsydelser ved avlsværdivurdering for ydelse hos malkekvæg.

Blending af testdagsydelser og laktationsydelser ved avlsværdivurdering for ydelse hos malkekvæg. Blending af testdagsydelser og laktationsydelser ved avlsværdivurdering for ydelse hos malkekvæg. Bilag til konsulentmøde om avlsmæssige aktiviteter på Landskontoret d. 16. maj 2002 Af Trine Villumsen

Læs mere

Epidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Institut for Biostatistik. Regressionsanalyse

Epidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Institut for Biostatistik. Regressionsanalyse Epidemiologi og biostatistik. Uge, torsdag. Erik Parner, Institut for Biostatistik. Lineær regressionsanalyse - Simpel lineær regression - Multipel lineær regression Regressionsanalyse Regressionsanalyser

Læs mere

Working paper: Analyse af data fra 50 RISE-vurderinger

Working paper: Analyse af data fra 50 RISE-vurderinger Working paper: Analyse af data fra 50 RISE-vurderinger Jesper Overgård Lehmann & Tommy Dalgaard Institut for Agroøkologi, Aarhus Universitet Foulum Dato: 30. oktober 2018 Indholdsfortegnelse Data og formål

Læs mere