SPEKTRAL LYSDÆMPNINGSMODEL FOR 2 GRØNLANDSKE FJORDE

Relaterede dokumenter
ISAAFFIK HELIKOPTER SHARE 2016

Limfjordens økosystem en fjord i balance

Vandområde planer - Beregnede kvælstofindsatsbehov for farvande

Vandområde planer - Beregnede kvælstofindsatsbehov for Norsminde Fjord

Partikler i regnvand Katrine Nielsen, PostDoc

Udvikling af metode til konsekvensvurdering af fosformerudledning for marine områder ved anlæg af vådområder

Opgørelse af eksporten/importen af danske og udenlandske N og P tilførsler til det marine miljø og atmosfæren

Kommentarer til Modeller for Danske Fjorde og Kystnære Havområder

Fremtidens regn. IDA Miljø møde 28/ Ida Bülow Gregersen

AARHUS AU UNIVERSITET. Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 7. maj Peter Henriksen. Institut for Bioscience

Opgørelse af eksporten/importen af danske og udenlandske N-tilførsler til det marine miljø og atmosfæren

0 Indhold. Titel: Fluorescens. Dokumenttype: Teknisk anvisning. Version: 1. Oprettet: Gyldig fra: Sider: 10 Sidst ændret: M05

Det sydfynske øhav som rammevilkår for landbruget på Fyn. Stiig Markager Aarhus Universitet

Udvikling i udvalgte parametre i marine områder. Udvikling i transport af nitrat på målestationer

Biodiversitet også hos de mindste organismer er af stor betydning!

Dagens Temaer. Test for lineær regression. Test for lineær regression - via proc glm. k normalfordelte obs. rækker i proc glm. p. 1/??

Nyeste LED: armaturer og lyskilder. 11. maj 2009 Belysningsseminar Aalborg Carsten Dam-Hansen

Vandområde planer - Beregnede kvælstofindsatsbehov for Ringkøbing fjord

Vi ønsker at konstruere normalområder for stofskiftet, som funktion af kropsvægten.

Byudvikling, klimaændringer og oversvømmelsesrisiko

KORTLÆGNING AF DET FAGLIGE LANDSKAB PÅ BIOS

Hvad er de miljømæssigt acceptable koncentrationer af kvælstof i drænvand i forhold til vandmiljøets tilstand

2 km 2 stenrev = 800 tons N, kan det virkelig passe?

På vej mod en landsdækkende nitratmodel

KIC Project on Raw Materials

NERI Seminar Series, Roskilde. Autumn 2002

Notat om basisanalyse: Opgave 2.2 Stofbelastning (N, P) af søer og kystvande

Verifikation af vandteknologier

Optik under diffraktionsgrænsen

Betoncentret

Lossepladser og vandressourcer

Bassiner og effektiv fosforfjernelse. Sara Egemose, Biologisk Institut, SDU

Stenrev: Et supplerende virkemiddel i Limfjorden?

Muslingeprojektet MarBioShell ( )

Matematisk Modellering 1 Cheat Sheet

DYNAMISKE SØMODELLER 3 årigt forsknings- og udviklingsprojekt

Solens indflydelse på Jordens klima. Jens Olaf Pepke Pedersen Danmarks Rumcenter, DTU Center for Sol-Klima Forskning

Varsling af oversvømmelser. Morten Rungø

Betydning af erstatning af DS metoder med EN metoder - Bestemmelse af uklarhed (turbiditet) Miljøstyrelsens Referencelaboratorium

Program. t-test Hypoteser, teststørrelser og p-værdier. Hormonkonc.: statistisk model og konfidensinterval. Hormonkoncentration: data

Betydning af erstatning af DS metoder med EN/ISO metoder

Er miljømålene i Vandrammedirektivet mulige at nå?

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

Målet er et godt vandmiljø men hvordan måler vi det?

Klimaprojekter i Arktis 2011

Morten Frydenberg 26. april 2004

Anvendt Statistik Lektion 7. Simpel Lineær Regression

Anvendt Statistik Lektion 5. Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele

Program. Modelkontrol og prædiktion. Multiple sammenligninger. Opgave 5.2: fosforkoncentration

Morten Frydenberg 14. marts 2006

a photonics greenlab MÅLERAPPORT PRØVEBELYSNING, ÆLDREBOLIG Albertslund Kommune Rapportnr.: L

BEREAL BEREGNET VS. FAKTISK ENERGIFORBRUG

Sådan ser overvågningsprogrammet ud NOVANA

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

Tema. Model og modelkontrol ( Fx. en normalfordelt obs. række m. kendt varians) Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse.

Danmarks første centrale sekundavandsanlæg Mariann Brun, Aarhus Vand

Danmarks første centrale sekundavandsanlæg. Mariann Brun, Aarhus Vand

Muligheder for optimering af nitrifikation og denitrifikation på Modeldambrug

Solindstråling på vandret flade Beregningsmodel

Status for havmiljøet, målrettet regulering og havet som et rammevilkår. Stiig Markager Aarhus Universitet

men nu er Z N((µ 1 µ 0 ) n/σ, 1)!! Forkaster hvis X 191 eller X 209 eller

Selection of a Laser Source for Magnetic Field Imaging Using Magneto-optical Films

Rødsand laboratoriet et samarbejde mellem KU, Femern & DHI

5.11 Middelværdi og varians Kugler Ydelse for byg [Obligatorisk opgave 2, 2005]... 14

DRÆNFILTERTEKNOLOGIER TIL OPTIMERET NÆRINGSSTOFFJERNELSE

Limfjordens fiskebestand og marin naturgenopretning. Jon C. Svendsen DTU Aqua

Kohæsive sedimenters effekt på biologi

Den vanskelige kunst at måle forurening i regnafstrømning. Karin Cederkvist

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

Anvendt Statistik Lektion 5. Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele

Notat vedr. interkalibrering af ålegræs

AARHUS AU UNIVERSITET. Notat fra DCE - Nationalt Center for Miljø og Energi Dato: 18. december Marie Maar. Institut for Bioscience

Logistisk regression

Stenrev som virkemiddel:

HVAD ER DET REELLE BIOGASPOTENTIALE I HUSDYRGØDNING?

Revision af Spildevandskomiteens skrift 28 og 29

Hvilken betydning har (dansk) kvælstof for en god økologisk tilstand i vore fjorde og i havet omkring Danmark? Flemming Møhlenberg - DHI

Løsning til øvelsesopgaver dag 4 spg 5-9

9. Chi-i-anden test, case-control data, logistisk regression.

Præsentation af CIRCLA, Bestyrelsens besøg på Inst. f. Kultur og Globale Studier. 8. februar 2016

k normalfordelte observationsrækker (ensidet variansanalyse)

Nanna I. Thomsen 1, Mads Troldborg 2, Ursula S. McKnight 1, Philip J. Binning 1 og Poul L. Bjerg 1

Regnafstrømningens forureningsprofil: Hvor små er partiklerne?

Vejr og vejkapacitet. Thomas C. Jensen

Fjordbundens betydning for omsætningen af næringsstoffer

Videreudvikling af marine modeller Anders Erichsen, DHI Danmark Karen Timmermann, Aarhus Universitet

Bestemmelse af dybden til redoxgrænsen med høj opløsning på oplandsskala. Anne Lausten Hansen (GEUS) NiCA seminar, 9.

Opgave 1 Betragt to diskrete stokastiske variable X og Y. Antag at sandsynlighedsfunktionen p X for X er givet ved

Tyklæbet multe. i Danmark. (Chelon labrosus) Biologi og fangster

Til Departementet for Uddannelse, Kirke, Kultur og Ligestilling

AARHUS UNIVERSITET. Fødevarestyrelsen

Status over nitrat i drikkevandet hos enkeltindvindere på landsplan

Tema. Dagens tema: Indfør centrale statistiske begreber.

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

Velkommen til Stormøde i Vand i Byer

Kvælstofreduktionsberegninger til kystvande: Fejlbehæftede, forvredet fortolkning af egne resultater og tilsidesættelse af viden

Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 10: 13. april

PINNGORTITALERIFFIK P.O.BOX 570

KORTLÆGNING AF KILDER TIL FOSFORTAB FRA DET ÅBNE LAND

Prøvetagning og testning ved genanvendelse af jord

Transkript:

SPEKTRAL LYSDÆMPNINGSMODEL FOR 2 GRØNLANDSKE FJORDE CIARÁN MURRAY 1,2, COLIN STEDMON 3, STIIG MARKAGER 1, THOMAS JUUL PEDERSEN 4, MIKAEL SEJR 1 1 AARHUS, INSTITUT FOR BIOSCIENCE 2 DHI 3 DTU-AQUA 4 GRØNLANDS KLIMAFORSKNINGSCENTER UNI VERSITET

DE 2 FJORDE maj 2011 juli-august 2011

LOKALE FORHOLD Salinitet Chl-a / SPIM GF YS

RELATION MELLEM ABSORPTION OG SPREDNING K d = 1 μ 0 a 2 + g 1 μ 0 g 2 ab 1 2 a, absorption [m-1] b, spredning µ 0 = funktion af solhøjden cosinus for den refrakterede lysstråle lige under overfladen g 1 g 2 er parametre (fra San Diego havn) vi har målt kd og a, vi kender µ 0 og kan estimere g 1 g 2 Så kan vi beregne b Kirk, J.T.O, 1994 5

ABSORPTION a Total = a w +a ph +a det +a CDOM a w vandets egen absorption a ph phytoplankton / Chl-a a det detritus a CDOM opløst organisk a water [m -1 ] 0.8 0.6 0.4 0.2 0.0 400 450 500 550 600 650 700 Wavelength [nm]

CDOM ABSORPTION CDOM absorption [m -1 ] 0.25 0.20 0.15 0.10 0.05 Godthåbsfjord CDOM absorption [m -1 ] 0.25 0.20 0.15 0.10 0.05 Young Sound 0.00 400 450 500 550 600 650 700 Wavelength [nm] a λ = a 375 e S λ 375 Lav en fit til hver spektrum Find a(375) og S 0.00 400 450 500 550 600 650 700 Wavelength [nm]

CDOM ABSORPTION 25 30 25 Stedmon & Markager 2001 S [µm -1 ] 20 15 Godthåbsfjord Young Sound S = 11.7134 + 1.1261 / a375 S = 12.2488 + 2.1069 / a375 95% limits 10 0.0 0.1 0.2 0.3 0.4 a 375 [m -1 ] S = A + B/a(375) S [µm -1 ] 20 15 10 5 0 0.0 0.5 1.0 1.5 a 375 [m -1 ] Greenland Sea North Sea Skagerrak Godthåbsfjord Young Sound

PARTIKULÆRT & KLOROFYLL ABSORPTION 0.20 0.15 a p observed a p predicted a d Vi skiller partikulær absorption ad Absorption [m -1 ] 0.10 0.05 a ph a p λ = a d λ +a ph λ a d λ = a d 375 e S λ 375 a ph λ = A λ Chl (1 B λ ) 0.00 400 450 500 550 600 650 700 Wavelength [nm] A og B er kendte spektrale parametre* Løs for a d (375), S og [Chl] Stæhr & Markager 2004

PARTIKULÆRT & KLOROFYL ABSORPTION 1.0 5 a 375 [m -1 ] 0.8 0.6 0.4 0.2 Model Chl-a [µg l -1 ] 4 3 2 1 0.0 0 0 20 40 60 80 100 POC [µm] a p (375) = 0.00645 µm -1 m -1 * [POC] 0.0342 m -1 0 2 4 6 8 10 12 14 Observed Chl-a [µg l -1 ] S= 27.9 µm -1 (Godthåbsfjord) S = 18.4 µm -1 (Young Sund) Chl Model = Chl obs * 0.261 + 0.118

FRA OBSERVERET LYSDÆMPNING TIL SPREDNING K d [m -1 ] 1.0 0.5 FB1 FB2.5 GF10 GF12.5 GF7 GF8 GF9 GFQ1 KF1 KF17 b [m -1 ] 15 10 5 FB1 FB2.5 GF10 GF12.5 GF7 GF8 GF9 GFQ1 KF1 KF17 K d [m -1 ] 0.0 1.0 0.5 0.0 400 450 500 550 600 650 700 Wavelength [nm] GH05 GH08 HS Tyrol05 Tyrol10 Tyrol13 YS303 YS312 YS318 b [m -1 ] 0 15 10 5 0 400 450 500 550 600 650 700 Wavelength [nm] GH05 GH08 HS Tyrol05 Tyrol10 Tyrol13 YS303 YS312 YS318 Normalisere ved 550nm Brug en middel sprednings spektrum 11

PARAMETRIZATION FOR SPREDNING Regression of spredning (b 550 )on turbiditet (NTU) Samlet data fra de 2 fjorde 12 10 8 Godthåbsfjord Young Sound b = 1.88 [NTU] 95% prediction limits b [m -1 ] 6 4 2 0 0 1 2 3 4 5 NTU R 2 = 0.70

PARAMETRIZATION FOR SPREDNING Regression of spredning (b 550 )on turbiditet (NTU) 2 regressioner b [m -1 ] 7 6 5 4 3 2 Godthåbsfjord Model vs Obs b = 5.29 [NTU] -0.84 95% prediction limits 1 R 2 = 0.80 0 0.0 0.2 0.4 0.6 0.8 1.0 1.2 NTU b [m -1 ] 10 8 6 4 2 0 Young Sound Model vs Obs b = 1.84 [NTU] -0.35 95% prediction limits 0 1 2 3 4 5 NTU R 2 = 0.94

TEST AF MODELLEN 0.6 1.0 K d PAR, model [m -1 ] 0.5 0.4 0.3 0.2 Model vs Obs obs vs model_pred 95% prediction limits 1:1 line 0.1 R 2 = 0.86 0.0 0.0 0.1 0.2 0.3 0.4 0.5 0.6 K d PAR, observed [m -1 ] R 2 0.8 0.6 0.4 0.2 0.0 400 450 500 550 600 650 700 Wavelength [nm]

FREMTIDIG ARBEJDE Relation mellem CDOM og andre variabler Foton budget Variation langs transekter

TAK! Projektet er støttet af: Styrelsen for Forskning og Innovation (#09-067259/DSF) Greenland Climate Research Centre (Project 6511) Environment Agency Sub-Surface Blooms project