Højvandsstatistikker. Bilag. 1 Højvandsstatistik

Transkript

1 Højvandsstatistikker 27 Bilag Februar 28 Højvandsstatistik

2 2 Højvandsstatistik

3 Indhold A - Vandstandsmålere...5 A Beskrivelse af målertyper...5 B - Teori og behandling...7 B Import af vandstands...7 B2 Sortering fjernelse af dobbelt registreringer og NaN værdier...7 B3 Fjernelse af fejlmålinger (outliers)...7 B4 Huller i...7 B5 Fjernelse af tendensen i relativ havstigning (detrending faktor)...8 B6 Længden af tidsserien...9 B7 Peak Over Threshold (POT) - metode til udtagelse af ekstremværdier... B8 Fordelingsfunktioner... B9 Middeltidsværdier... B Afskæringsniveau... B Manglende ekstremer... C - Kort over 2, 5 og års middeltidshændelse... 2 D - Landhævning og detrendingkort... 3 D - Landhævningskort...3 D2 - Kort med detrendings faktorer...4 E - Resultater... 5 Statistikker opstillet efter afabetisk orden...6 Statistikker opstillet efter bladsorden...7 E Alle registrerede ekstremer i cm [trendfri]...8 E2 Kumulativ fordelingsfunktions figurer Højvandsstatistik 27 3

4 4 Højvandsstatistik

5 A - Vandstandsmålere A Beskrivelse af målertyper Der anvendes i alt seks forskellige måleteknikker efter tre måleprincipper. I det følgende gives en kort beskrivelse af de i dag anvendte målertyper. For en nærmere beskrivelse af alle måleteknikker henvises til KDI (27). Radar og ultralyd Vandstandsmåling ved hjælp af radarteknologi benytter et elektromagnetisk signal til at måle vandstanden, hvorimod måler med ultralydteknologi benytter lydens udbredelse til at måle vandstanden. Begge typer vandstandsmålere er placeret over vandoverfladen og er derfor ikke i kontakt med havvandet, hvilket er en stor fordel i forhold til begroning. En ulempe er, at måleren skal placeres et godt stykke over den højest mulige forventede vandstand. Det kan være en udfordring i forbindelse med opsætning og besværliggøre service samt vedligehold. En stor fordel ved brug af radar eller ultralyd er, at måleren er stabil i drift og foretager præcise målinger. Ulemperne er, at radaren er yderst følsom over for dug på domen og biologi i røret eller på rørsiden. Endvidere kan en radar ikke registrere is på havoverfladen, da is enten ikke reflekterer eller fejlreflekterer det elektromagnetiske signal. Hos ultralydmålerer ligger ulempen, i at lydens hastighed er afhængig af temperaturen, dvs. temperaturen af den luft, der passerer mellem instrument og vandoverfladen. Dette er især et problem om sommeren, hvor teknikskabet kan blive meget varmt. Figur A Måleprincippet bag en ultralydsmåler (KDI, 27) Højvandsstatistik 27 5

6 Flyder Princippet bag en flyder er, at flyderen følger vandoverfladen, når den bevæger sig op og ned. Måleren består af en flyder og en kontravægt placeret i et lodret målerør med et eller flere huller i siden, som sikrer, at havvandet kan komme ind og ud. Flyderen og dens kontravægt er forbundet med et bånd, som går over et hjul, hvis bevægelse registreres, da denne giver forskellen i vandspejlet. Fordelen ved en flyder er, at det er en enkel og simpel løsning. Ulemperne er, at det er en mekanisk løsning med slitage af bånd og hjul. Ved lavere salinitet grundet indtrængning af ferskvand i brønd eller rør samt eventuel begroning af flyder ændres opdriften og giver målefejl. Dette kan kompenseres ved en automatisk nulstilling. Der anvendes tre forskellige metoder til trykmåling: relativ trykmåling, absolut trykmåling og trykmåling med boblemåler. Endvidere findes trykmålere både som integrerede instrumenter, der synkront måler tryk samt vandtemperatur og/eller konduktivitet, som kan omregnes til saltholdighed, samt som selvstændige instrumenter, som kun måler tryk. Fordelene ved brug af en trykmåler er, at den virker på trods af is i vandet, og at den er simpel at montere. Ulemperne er, at den ved placering i havvand er udsat for begroning, samt at detaljeret kendskab til densiteten (vandtemperatur og saltholdighed) op gennem vandsøjlen ikke er kendt. Dette giver en stor usikkerhed, når måleren er placeret ved f.eks. ferskvandsudløb eller, hvor der er udskiftning af hhv. ferske og salte eller varme og kolde vandmasser. Montering af én eller flere temperatursensorer i vandsøjlen minimerer denne fejlkilde. En anden fejlkilde er den ukendte saltholdighed, som oftest er den største fejlkilde. Fejlen stiger med stigende vandstand og kan være i størrelsesorden cm eller mere. En anden ulempe er, at alle trykmålere driver, hvilket betyder, at målerens nulpunkt over tid afviger mere og mere fra det reelle nulpunkt, som derved giver fejlmålinger. Dette sker uanset, om de måler i luft eller vand. Effekten er kendt og i en størrelsesorden på cm/år. Desværre driver nogle trykmålere yderligere af ukendte årsager, og dette kan være i størrelsesordenen cm/ år eller mere. Figur A2 Måleprincippet bag en flydermåler (KDI, 27) Trykmåler Princippet bag trykmålere er, at højden af vandsøjlen kan bestemmes ud fra vandsøjlens samlede tryk. Vandtrykket skal måles tæt ved havbunden. Ved omregning fra tryk til højde af vandsøjle skal der tages hensyn til vandsøjlens saltholdighed og temperatur, da vandets massefylde afhænger af disse to faktorer. Figur A3 Måleprincippet bag relativ trykmåling (KDI, 27) 6 Højvandsstatistik

7 B - Teori og behandling B Import af vandstands Ved import medtages to kolonner. Kolonne indeholder dato og tid, mens kolonne 2 angiver den tilhørende vandstandsmåling. Målehyppighed varierer i de fleste tidsserier, men fra er stort set alt leveret i minutters opløsning. Data modtages i eller omregnes til centimeter DVR9. En del målestationers serier indeholder endvidere oplysninger om kvalitet ud fra automatisk eller semiautomatisk kvalitetskontrol. B2 Sortering fjernelse af dobbelt registreringer og NaN værdier Ikke alt er sorteret, og nogle serier indeholder en del dobbeltregistreringer så vel som fejlregistreringer. For disse serier udføres følgende tre processer: ) sorterer efter dato og tid, 2) fjerner alle dobbelt registreringer (tjekket for ekstremværdier) og 3) fjerner alle fejlregistreringer (også benævnt NaN). Der produceres et indeks med alle stationer og resultatet af de tre processer. Se eksempel herunder: Test\XXXX_23to27.txt 26 duplicates removed Sorting applied 25 NaNs removed Start year: 23 End year: 27 I titlen ses stations nummer XXXX og den totale måleperiode. Herefter angives antal dobbeltregistreringer, der er fjernet, hvorvidt der er udført sortering samt, hvor mange måletidspunkter med fejlregistreringer, der er fjernet. Dobbelt- og fejlregistreringer er typisk et resultat af ødelagte målere, offline forhold, rengøring og vedligeholdelse og/eller drastiske ændringer af området omkring målerne. Der kan også forekomme skader på instrumenterne ved ekstreme vejrforhold, som viser sig i de registrerede værdier. B3 Fjernelse af fejlmålinger (outliers) En fejlmåling optræder, når en falsk værdi registreres. En fejlmåling betegnes også som en outlier. I denne analyse bliver værdier, som ligger udenfor den sandsynlige spredning for betragtet som fejlmålinger. I gennemsnit er der ca. 5 fejlmålinger per station (23-27). De systematiske outliers over et bestemt niveau, hvor værdierne betragtes som urealistiske, fjernes. En fejlmåling er relevant for statistikken, hvis den opstår under en storm. Den kan enten give en falsk ekstremværdi, hvis den ikke er fjernet fra tidsserien, eller give et hul i tidsserien i tilfælde, hvor den er fjernet. Der er A) systematiske outliers og B) tilfældige outliers: A) Systematiske outliers er typisk et produkt af målerfejl. For eksempel kan nogle af målerenhederne sætte sig fast i frostvejr, hvor der derfor registreres forkerte værdier i forhold til den aktuelle vandstand. De systematiske outliers optræder ofte ved samme målte værdi og ses derfor tydeligt i en serie med normal variation i vandstanden (tidevand, vindpåvirkning af vandstand mv.). B) Tilfældige outliers er målinger, der viser nogle ekstreme afvigelser fra den umiddelbare tendens. Det kan skyldes flere ting, men generelt er det fejl i instrumentet, der forårsager den ukorrekte måling. I begge tilfælde analyseres outliers manuelt i og med at ikke alle målinger, der falder udenfor den givne tendens, er fejlmålinger. Da fokus er på ekstreme vandstande, vil det være kritisk at fjerne en reel måling ved fejltolkning som outlier, og derfor gennemgås samtlige fejlmålinger som potentielt er en ekstremværdi. Hver fejlmåling registreres i forhold til dato/tid/værdi i et indeks. Sidst trækkes alle punkter ud af den totale tidsserie, og er outlier frit. Et indeks med outliers gemmes separat. B4 Huller i Definitionen på et hul er minimum 6 timers kontinuert manglende i denne analyse. Der registreres følgende parametre i indeks ved brug af scriptet: Start (dato/tid), Slut (dato/tid), Længde på hul (dato/tid), Opløsning (korteste tidsinterval mellem to målinger i hele serien, f.eks. minutter). Når alle huller er registreret i samme indeks produceres en dato/tid serie, der viser hele måleperioden (start måle dato til slut måle dato), værdier med dato/tid kopieres over i den nye serie, hvilket giver en kontinuerlig tidsserie, hvor dato/tid indgår for de blanke felter (dobbeltregistreringer, outliers, huller). Hul indekset indeholder følgende information: Start (dato/tid), Slut (dato/tid), Hul-længde pr. måned (angivet i døgn), Middel, Max, Minimum, Totale hul-længde, Procent huller (af den totale måleperiode), Dataperioden (måleperiode minus hul-længde) Højvandsstatistik 27 7

8 Der er dog nogle problemstillinger, som skal overvejes: Længden på et hul (seks timer) kan resultere i fejlregistreringer af mængden af huller. For eksempel kan der være fem timers manglende hver dag, som ikke vil blive registreret, da det ikke betragtes for værende et hul. Hulberegningen er af betydning, da huller kan betyde manglende ekstremværdier. Manglende ekstremværdier har indflydelse på statistikken på den givne station og er derfor af betydning. Der er specielt fokus på huller, der ligger i stormsæsonen (fra. oktober til. april), da de fleste ekstremhændelser finder sted her. En mulig løsning på de manglende ekstrem er interpolation her trækkes værdier fra tilsvarende periode, som det manglende fra nærliggende stationer med samme tendens i adfærd. Det er valgt at fjerne fejlmålinger og håndtere disse som huller. B5 Fjernelse af tendensen i relativ havstigning (detrending faktor) Idet de statistiske beregninger refererer til middel havniveau og dette ændrer sig som følge af havstigning og landbevægelser, korrigeres måle i forhold til middel vandstand i det år, målingen blev foretaget. For perioden frem til 99 korrigeres (opjusteres) ekstremværdier bagud i tid ud fra forskellen mellem den tidligere vertikalreference, Dansk Normal Nul (DNN) og den nuværende DVR9. Fra 99 til 27 korrigeres (nedjusteres) med en generel havstigning på,3 cm/år, der fratrækkes lokal landhævning på mellem cirka og,2 cm/ år afhængig af lokalitet. Den årlige landhævning (LH) (bilag D) trækkes fra havspejsstigningen (HSS) (relativ forskel fra 99 frem til nu). Formel Figur B4 illustrerer hvordan håndteres i forhold til fjernelse af tendensen i relativ havstigning. Sort angiver tidlinjen som rød og blå forholdes til. Den røde linje viser at før 99 er angivet i DNN, og alt efter 99 angives i DVR9 hvilket indikerer, at alt før 99 skal kalibreres, så det sættes i forhold til DVR9. Den blå linje viser de tidsserier, der arbejdes med i statistikken. Al frem til 22 består af enkelte værdier (værdier over minimumsgrænsen og ekstremværdier brugt til tidligere statistikker). Fra 22 til 27 er fulde tidsserier tilgængelige dvs. den fulde tidsserie og ikke kun ekstremværdier. 8 Højvandsstatistik

9 Nedenstående figur viser håndteringen af de tendenser i den relative havstigning iht.. I sort ses tidslinjen i år. De tidligste registreringer starter i 874 (Esbjerg Havn), dog indgår matematisk tilpasning ift. relativ havstigning først fra 89, og slutter i løbet af 27. Den blå linje viser de to forskellige serie -typer. Fra bruges lister med vandstande over det tidligere satte minimumsniveau. Det betyder, at der arbejdes med individuelle punkter (vandstandsniveau). Fra 22 og frem arbejdes der med fulde tidsserier, hvilket betyder, at alt, også det under minimumsniveau, er medtaget. Fra 22 og frem produceres en tilsvarende liste, fra før 22, som sammenlægges til en opdateret komplet liste. De statistiske beregninger gennemføres således med reference til DVR9 (jf. dog bemærkninger angående målestationer i den vestlige Limfjord). Resultaterne er herefter tillagt den relative havspejlsstigning siden 99, således at de publicerede hændelser refererer til middel vandstand i 27. B6 Længden af tidsserien Fra et statistisk synspunkt er usikkerheden større for korte tidsserier. De estimerede returhændelser bliver generelt mere robuste, jo længere serien er. Der kan som udgangspunkt forsvares at beregnes en hændelse for en returperiode på 2 til 3 gange seriens længde (Kunz, H.; Flügge, G. og Franzius, O., 27). For eksempel kan der estimeres en -års returhændelse ud fra cirka 35-års. Dette betragtes kun som en retningslinje og ikke en fast regel, da statistikkernes usikkerhed og robusthed også er særdeles afhængig af flere andre parametre - såsom de fysiske forhold, registreringsfrekvensen, hyppigheden af fejlmålinger eller manglende. For denne analyse er tidsseriens længde (længden) den faktiske længde af det tilgængelige (måleperioden fratrukket huller), og hvor måleperioden angiver tidsserien inklusiv huller. Ændring i vandstand før 99 (DNN) til efter 99 (DVR9). Vandstandsændring i 99 er ,5 cm Vandstand A Vandstand B , cm 2,8 cm DVR ,7 cm DNN 99 DVR9 27 År Figur B5 illustrerer hvordan tendensen i relativ havstigning behandles. Der er kun tale om et visuelt eksempel til bedre forståelse af fjernelse af tendenser i vandstands. Det kan være gavnligt, at forestille sig at både den grå (A) og røde (B) linje skal udlignes til (den sorte DVR9 linje), se eksempel nedenunder. Eksempel: Lokalitet A har vandstandslinjen Vandstand A (grå linje), og lokalitet B har vandstandslinjen Vandstand B (rød linje). Under en højvandshændelse i 27 aflæser lokale beboer vandstanden til 54,5 cm. Ser man derimod på vandstandsregistreringer før 99, skal faktoren ikke trækkes fra men lægges til. Vandstandsregistreringer som blev aflæst f.eks. i 92 med 6 cm på lokalitet A og 2 cm på lokalitet B, Højvandsstatistik 27 9

10 B7 Peak Over Threshold (POT) - metode til udtagelse af ekstremværdier Det første der udføres, i forhold til at finde middeltidshændelses værdierne, er, at alle værdier over et defineret minimumniveau udtrækkes til en tabel. Minimumsniveauet er defineret iht. tidligere statistikker. I 27 statistikkerne benyttes de tidligere (22) anvendte minimumsniveauer. Specielt for de længere tidsserier, der indeholder værdier for analoge målinger, er argumentet at beholde alle tidligere værdier i tabellen. For nye stationer, hvor der ikke eksisterer en tidligere sat minimumsværdi, anvendes minimumsværdier for nærliggende stationer. Ved udtagelse af ekstremværdier er følgende forhold taget i betragtning: Weibull, Fréchet, Logaritmisk Normalfordeling, Generalized Extreme Value (GEV) og Gamma. Fordelingsfunktionens formål er at muliggøre et estimat for middeltidshændelserne i fremtiden. Jo bedre passer i forhold til fordelingsfunktionen, des større er sandsynligheden for, at en given hændelse forekommer inden for den angivne tid. Der henvises til symbollisten side. Weibull 3-parameter Weibull CDF: Formel 2 Minimum testværdi for tærskel: På grund af valg af afskæringsniveau benyttes den. laveste værdi til at garantere mindst én skæring mellem serien og tærsklen. Ekstremværdierne findes ikke uden lavere sammenligningsværdier, hvilket er netop hvad denne minimum testværdi sikrer. Maksimal testværdi for tærskel: Valg af værdi er ud fra en systematisk gennemgang af omkringliggende værdier. Den valgte værdi giver det mest realistiske forhold og dermed den bedste mulighed for at fastsætte maksimalværdi. Antallet på,8 pr. år er det mindste antal ekstremer, der skal indgå i udregningerne. Tærskel-testsinterval: Der er valgt et 2 cm interval baseret på bedste forhold mellem nøjagtighed for estimat og beregningstid. Middeltidshændelser for Fréchet fordelingsfunktion: Formel 3 Logaritmisk Normal Formel 4 Logaritmisk Normal fordelingsfunktion: Formel 5 Uafhængighed - 72 timers vindue: Med uafhængighed menes, at det garanteres, at de forskellige ekstremværdiers hændelse (f.eks. meteorologiske systemer) ikke har haft indflydelse på de individuelle vandstandsværdier. Alle værdier over angivet minimumsniveau markeres og kopieres til et indeks. Værdierne rangeres og betragtes efter rangorden (fra højst mod lavest), hvor højeste værdi indkapsles med 36 timer på hver side af maksimum værdien. Alle værdier, der falder indenfor de indkapslet 72 timer, foruden maksimum værdien ignoreres. Middeltidshændelser for Logaritmisk Normal fordelingsfunktion: Kvadratroden af den gennemsnitlige kvadratafvigelse (KGK) (Root-mean-square) KGK beregner værdien som: kvadratroden af middelværdien af kvadraterne på de enkelte værdier (x): Formel 6 Efter alle ekstremværdier er udtaget fra serien plottes de med det formål at finde den fordelingsfunktion, som bedst beskriver. B8 Fordelingsfunktioner Ekstrem kan beskrives på adskillige måder, men her tages udgangspunkt i statistisk, og derfor fokuseres der på de fordelingsfunktioner, der benyttes. I udarbejdelsen af Højvandsstatistikker 27 er der kigget på følgende fordelingsfunktioner: B9 Middeltidsværdier Den laveste middeltidshændelse afhænger af λ (prøve frekvensen= antal hændelser/ antal år) på hver station. Dette betyder, at man f.eks. ikke kan udtale sig om en års hændelse, hvis der kun findes ekstremer hvert 3. år. Højvandsstatistikker 27 følger sine forgængere i valg af middeltider: 2 års, 5 års og års hændelser. Disse tider er valgt ud fra: bedste estimat af statistisk sandsynlighed - som afhænger af ) seriens længde, Højvandsstatistik

11 2) Stormrådets indstillinger relateret til middeltidshændelser og sidst, 3) med henblik på klimatilpasning - i henhold til ændring i fremtidens middelvandstande og dermed opførsel af forebyggende forhold i forbindelse med eventuelle oversvømmelser. B Afskæringsniveau Afskæringsniveauet (threshold) er tærsklen fundet ved POT metoden. Middeltidshændelse og spredning på middeltidshændelser beregnes for forskellige afskæringsniveauer, og det bedste estimat vælges. Fastlæggelse af afskæringsniveau inkluderer: ) Middeltidshændelsen afbildes som funktion af afskæringsniveau. Her ses det, at middeltidshændelsen varierer indtil et vist afskæringsniveau. Vandstande over dette niveau har typisk samme fordeling og betragtes som værende ekstremværdier 2) Spredningerne på middeltidshændelserne afbildes som funktion af afskæringsniveau, og så vurderes det, hvor spredningen er lavest 3) Afskæringsniveauerne plottes sammen med deres rootmean-square / goodness of fit og de testede fordelingsfunktioner. Der produceres en graf, der viser returværdierne og deres konfidensgrænser (kumulativ fordelingsfunktions figurer). Jo tættere punkterne ligger på den rette linje, des bedre beskriver fordelingsfunktionen de målte ekstremer 4) Forhold mellem længde og statistisk sandsynlighed B Manglende ekstremer Håndteringen af manglende i perioder, hvor der forventes ekstreme vandstande, er som tidligere nævnt problematisk. Efterfølgende ses de stationer (Ballen Havn, Assens Havn og Nr. Sundby Havn), der mangler registrering af en ekstremværdi under en storm. Til hver station ses på nærliggende stationer og de ekstremværdier, der er målt til den givne storm. Derfra estimeres en værdi på baggrund af den regionale kystgeografi og den dominerende vindretning omkring kulminationstidspunktet. Den estimerede værdi benyttes til statistikken. Nr. Sundby Havn Hoved kilde: 774 er Nr. Sundby station, men da større perioder mangler, mellem (svarende til knap 3 %), er det besluttet at indtage fra flere nærtliggende stationer: primær stationskilde: Ålborg Øst (pga. tætteste placering) GPS: 57, , Sekundær stationskilde: Grøndlandshavnen GPS: 57,4868,5242. Både Ålborg Ø og Grønlandshavnen er blevet givet nye stations numre fra..27, men er stadig samme placering. Stationsnr. og navn Dato og tid Vandstand (DVR9 cm) 23 Ålborg Ø : Ålborg Ø :5 232 Ålborg Ø : Grøndlandshavnen : Grøndlandshavnen : 4 23 Grøndlandshavnen : Grøndlandshavnen : 4 23 Grøndlandshavnen :2 23 Grøndlandshavnen : Grøndlandshavnen :3 Stationsnr Ballen Havn Manglende ekstremværdi for stormen: Bodil Bogense Kalundborg Sjællands Odde Odense Fjord/Gabet Juelsminde Indsat værdi for: Ballen Havn 55 Stationsnr Assens Havn Manglende ekstremværdi for stormen Haderslev - 6 Kolding Faaborg Aabenraa Indsat værdi for: Assens Havn Højvandsstatistik 27

12 C - Kort over 2, 5 og års middeltidshændelse Kort med middeltidsvandstande for henholdsvis 2, 5 og års hændelsen til hver station 2 Højvandsstatistik

13 D - Landhævning og detrendingkort D - Landhævningskort D viser landhævningen i mm. per år over Danmark. Landhævningen er effekten af den ophørte nedpresningseffekt efter afsmeltning af det Skandinaviske Isskjold fra sidste istid, som påvirker særligt den nordøstlige del af Danmark. Kilde: DTU Space, Højvandsstatistik 27 3

14 D2 - Kort med detrendings faktorer 4 Højvandsstatistik

15 E - Resultater E Alle ekstremer Tabellerne viser samtlige ekstremer brugt til udførelse af de individuelle statistikker. Det er dermed de højest målte vandstande for hver station. På bladene i rapporten ses mindst de 2 højeste ekstremer, men i de fleste tilfælde flere. Værdierne er angivet som trendfri vandstande. Der er udført et grundigt arbejde med verifikation af alle stationernes, men det kan ikke udelukkes, at fejlbehæftede kan forekomme. Der inviteres til dialog angående konkrete målinger og/eller ekstremstatistikker. Nedenstående vises en liste over de stationer, hvor der ikke findes tilsvarende tabeller, da der ikke er flere end 2 ekstrem vandstande i deres statistikker. Datablad Stationsnavn Stationsnummer 8 Grådyb Barre KDI Kerteminde Havn KDI 24/242; DMI 2898/ Slipshavn DMI Bagenkop Havn DMI Korsør Havn DMI Københavns Havn DMI 3336 E2 Kumulative figurer Figurerne viser et plot af stationens ekstremværdier og den fordelingsfunktions kurve, der er benyttet til statistikkerne. Det afgørende i disse figurer er forholdet mellem punkterne og kurven. Jo tættere punkterne ligger på kurven, desto bedre er den valgte fordeling til at beskrive. Der er plottet konfidensinterval på 95 %, vist med to rødstribede linjer, omkring fordelingskurven. Når punkterne falder indenfor konfidensgrænserne fortæller det noget om selve pålideligheden af den valgte fordelingsfunktion Højvandsstatistik 27 5

16 Statistikker opstillet efter alfabetisk orden Databladsnr. Stationsnavn 43 Assens Havn 29 Attrup 49 Bagenkop Havn 45 Ballen Havn 3 Ballum Sluse 44 Bogense Havn 9 Bork Havn 4 Brøns Sluse Havet 59 Drogden Fyr 7 Esbjerg Havn 7 Ferring 36 Fredericia Havn 23 Frederikshavn Havn 4 Fynshav Havn 42 Fåborg Havn 64 Gedser Havn 33 Grenå Havn 8 Grådyb Barre 38 Haderslev Havn 3 Hals 2 Hanstholm Havn 2 Havneby Havn 53 Havnebyen/Sjællands Odde 63 Hesnæs Havn 2 Hirtshals Havn 54 Holbæk Havn 57 Hornbæk Havn 56 Hundested Havn 26 Hvalpsund 4 Hvide Sande Havet 3 Hvide Sande Havn 35 Juelsminde Havn 52 Kalundborg Havn 62 Kalvehave 5 Karrebæksminde 47 Kerteminde Havn Kloster Havn 37 Kolding Havn 5 Korsør Havn 58 Københavns Havn 6 Køge Havn 24 Lemvig Havn 28 Løgstør Havn 5 Mandø Havet 3 Nr. Sundby 46 Odense Fjord (Gabet) 32 Randers Havn 6 Ribe Kammersluse Flyder Ringkøbing Havn 55 Roskilde 65 Rødbyhavns Havn 6 Rødvig Havn 66 Rønne Havn 22 Skagen Havn 25 Skive Havn 2 Skovlund 48 Slipshavn 4 Sønderborg Havn 67 Tejn Havn 27 Thisted Havn 6 Thorsminde Havet 5 Thorsminde Havn 9 Thyborøn Havet 8 Thyborøn Havn Vidåslusen-Højer I 39 Åbenrå Havn 34 Aarhus Havn 6 Højvandsstatistik

17 Statistikker opstillet efter bladsnummer Datablad nr. Stationsnavn Vidåslusen-Højer I 2 Havneby Havn 3 Ballum Sluse 4 Brøns Sluse Havet 5 Mandø Havet 6 Ribe Kammersluse Flyder 7 Esbjerg Havn 8 Grådyb Barre 9 Bork Havn Ringkøbing Havn Kloster Havn 2 Skovlund 3 Hvide Sande Havn 4 Hvide Sande Havet 5 Thorsminde Havn 6 Thorsminde Havet 7 Ferring 8 Thyborøn Havn 9 Thyborøn Havet 2 Hanstholm Havn 2 Hirtshals Havn 22 Skagen Havn 23 Frederikshavn Havn 24 Lemvig Havn 25 Skive Havn 26 Hvalpsund 27 Thisted Havn 28 Løgstør Havn 29 Attrup 3 Nr. Sundby 3 Hals 32 Randers Havn 33 Grenå Havn 34 Aarhus Havn 35 Juelsminde Havn 36 Fredericia Havn 37 Kolding Havn 38 Haderslev Havn 39 Åbenrå Havn 4 Sønderborg Havn 4 Fynshav Havn 42 Fåborg Havn 43 Assens Havn 44 Bogense Havn 45 Ballen Havn 46 Odense Fjord (Gabet) 47 Kerteminde Havn 48 Slipshavn 49 Bagenkop Havn 5 Karrebæksminde 5 Korsør Havn 52 Kalundborg Havn 53 Havnebyen/Sjællands Odde 54 Holbæk Havn 55 Roskilde 56 Hundested Havn 57 Hornbæk Havn 58 Københavns Havn 59 Drogden Fyr 6 Køge Havn 6 Rødvig Havn 62 Kalvehave 63 Hesnæs Havn 64 Gedser Havn 65 Rødbyhavns Havn 66 Rønne Havn 67 Tejn Havn Højvandsstatistik 27 7

18 E Alle registrerede ekstremer i cm [trendfri] Vidåslusen-Højer I, Datablad Havneby Havn, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 34 8 Højvandsstatistik

19 Ballum Sluse, Datablad 3 Brøns Sluse Havet, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : Højvandsstatistik 27 9

20 Mandø Havet, Datablad 5 Ribe Kammersluse Flyder, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : Højvandsstatistik

21 Esbjerg Havn, Datablad 7 Bork Havn, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : Højvandsstatistik 27 2

22 Ringkøbing Havn, Datablad Kloster Havn, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : Højvandsstatistik

23 Skovlund, Datablad 2 Hvide Sande Havn, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : Højvandsstatistik 27 23

24 Hvide Sande Havet, Datablad 4 Thorsminde Havn, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : Højvandsstatistik

25 Thorsminde Havet, Datablad 6 Ferring, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : Højvandsstatistik 27 25

26 Thyborøn Havn, Datablad 8 Thyborøn Havet, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : Højvandsstatistik

27 Hanstholm Havn, Datablad 2 Hirtshals Havn, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : Højvandsstatistik 27 27

28 Skagen Havn, Datablad 22 Frederikshavn Havn, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 6 28 Højvandsstatistik

29 Lemvig Havn, Datablad 24 Skive Havn, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : Højvandsstatistik 27 29

30 Hvalpsund, Datablad 26 Thisted Havn, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 96 3 Højvandsstatistik

31 Løgstør Havn, Datablad 28 Attrup, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : Højvandsstatistik 27 3

32 Nr. Sundby, Datablad 3 Hals, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 4 32 Højvandsstatistik

33 Randers Havn, Datablad 32 Grenå Havn, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : Højvandsstatistik 27 33

34 Aarhus Havn, Datablad 34 Juelsminde Havn, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 9 34 Højvandsstatistik

35 Fredericia Havn, Datablad 36 Kolding Havn, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : Højvandsstatistik 27 35

36 Haderslev Havn, Datablad 38 Åbenrå Havn, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : :3 36 Højvandsstatistik

37 Sønderborg Havn, Datablad 4 Fynshav Havn, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : Højvandsstatistik 27 37

38 Fåborg Havn, Datablad 42 Assens Havn, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : Højvandsstatistik

39 Bogense Havn, Datablad 44 Ballen Havn, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : Højvandsstatistik 27 39

40 Odense Fjord (Gabet), Datablad 46 Karrebæksminde, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : :5 8 4 Højvandsstatistik

41 Kalundborg Havn, Datablad 52 Havnebyen/Sjællands Odde, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : Højvandsstatistik 27 4

42 Holbæk Havn, Datablad 54 Roskilde, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : Højvandsstatistik

43 Hundested Havn, Datablad 56 Hornbæk Havn, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : Højvandsstatistik 27 43

44 Drogden Fyr, Datablad 59 Køge Havn, Datablad : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 3 44 Højvandsstatistik