Marint forvaltningsværktøj - marine vandplansmodeller Karen Timmermann, Stiig Markager Hanne Kaas & Anders Erichsen AARHUS UNIVERSITET
Agenda Baggrund Modeller Metode til beregning af indsats, statistiske modeller Metode til beregning af indsats, mekanistiske modeller Meta-analyse Andre Emner: Hjarbæk Fjord Fiskeriets betydning #2
Formål Målet med hele projektet er at: (Videre)udvikle modelværktøjer mhp. at forbedre det faglige grundlag for vandplanerne og reducere usikkerhederne Modelværktøjer skal Sikre optimal dækning af danske havområder, Beskrive flere inter-kalibrerede kvalitetselementer (klorofyl og ålegræs) Give areal- og tidsmæssige betragtninger af tilstand og effekter af virkemidler Inddragelse af udenlandske kilder #3
Hvad har vi opnået? Modellerne dækker nu 93% af det danske vandområdeareal Der er udviklet lokalspecifikke modeller for en stor andel af de marine vandområder Der er skabt grundlag for en differentieret planlægning Der er skabt grundlag for at adressere forskellige antropogene og naturlige påvirkninger Statistiske modeller Mekanistiske modeller Meta-analyse #4
Modellerne Statistiske modeller: Statistisk beskrivelse af sammenhæng mellem marin miljøparameter og ydre/fysiske faktorer (målinger) Meget afhængig af målte data Kræver lange tidsserier (år-til-år variationer, trends, mm.) Målinger benyttes til at validere modellerne Mekanistiske modeller: Matematisk beskrivelse af årsagssammenhænge (differentiel ligninger) Målinger indgår indirekte som del af formelapperatet Kobler biologisk viden med fysisk viden for et givent område (strømning, fortynding, mixning mm.) Beregninger på høj spatial- og temporal opløsning omregnes til indikatorer og enkeltstående vandområder Målinger benyttes til at validere modellerne #5
Validering af Modeller Statistiske modeller DCE #6
Modellerede Indikatorer Indikator Kvalitetselement/ Støtteparameter Periode Total kvælstof (TN) Næringsstof Jan-Dec Total fosfor (TP) Næringsstof Jan-Dec Klorofyl a (Chl a) Fytoplankton Maj-Sept Lysdæmpning (Kd)/ ålegræs dybdegrænse Lys/bundvegetation Mar-Juni og Juli-Sept #7
Presfaktorer Variabel N-tilførsel P-tilførsel Ferskvandstilførsel Vind stress Indstråling Salinitet Vandsøjlestabilitet Overfladevandstemperatur #8
Modelvalidering Vurdering af den gennemsnitlige absolutte procentvise afvigelse. Vurdering af R2-værdien. Vurdering af systematiske afvigelser Vurdering af om år-til-år variationer fanges Vurdering af antallet af data punkter Vurdering af om modellen fanger særlige fænomener Tidsserie Residualplot Scatterplot #9
Modelvalidering -oversigt 62 grønne modeller 29 gule modeller Afvigelser mellem model og målinger: TN modeller: ~ 10% TP modeller: ~ 10% Chl modeller: ~ 20% Kd modeller: ~ 10% Forklaringskraft: R2~ 0.6 Lavest på Kd modeller (R2~0.5) Systematiske afvigelser især for TN modeller #10
Eksempler på gule modeller Løgstør Århus Bugt #11
Eksempler på grønne modeller Århus Bugt Roskilde Fjord
Validering af Modeller Mekanistiske Modeller DHI #13
Mekanistiske modeller #14
Hvad indgår i modellerne? Estimering af indsats baseres på: Sommer klorofyl-a (maj til september) Kd i vækstsæsonen (marts til september) Men modellerne bygger på årsagssammenhæng og erfaringerne fra Reelgrass. Dermed inkluderer modellerne meget mere: Sedimentpuljer af N og P, og dermed den interne belastning Makroalger og mikro-bentiske alger Ålegræs og effekterne af ålegræs Ilt og eventuelle effekter af iltsvind (herunder frigivelse af næringsstoffer) Så indsatsen baseres på klorofyl-a og Kd, men effekterne fra ovenstående påvirker klorofyl-a og Kd #15
Mekanistiske modeller For hver parameter omfatter valideringen tjek af: Rumlige mønstre (f.eks. ålegræsudbredelse) Gradienter gennem farvande og vandområder Sæsonvariationer År-til-år variationer Massebevarelse for vandkvalitetsparametrene Valideringen er foretaget iht. NOVANA måledata Kemiske støtteparametre Næringsstoffraktionerne: total kvælstof (TN) og uorganisk kvælstof (DIN) total fosfor (TP) og uorganisk fosfor = fosfat (DIP) Biologiske kvalitetselementer Fytoplankton: klorofyl i vandet Bundvegetation: ålegræs udbredelse og mængde #16
Klorofyl Indre Danske Farvande: Validering af modellens klorofylkoncentration i perioden, der indgår i klorofyl-indikatoren, viser, at modellen beskriver målingerne meget tilfredsstillende med en gennemsnitlig afvigelse på 0,3 µg/l og en høj forklaringsgrad (R 2 =0.71). Limfjorden: Den generelle afvigelse i de modellerede klorofyl koncentrationer ligger på 1.9 µg/l svarende til en afvigelse på ~25% til trods for store variationer i de målte koncentrationer. Samtidigt er forklaringsgraden stor (R 2 =0.48) og gradienten ud gennem de forskellige fjorde og bredninger beskrives i modellen med en lille afvigelse på <20% og med en forklaringsgrad på 95% (R 2 =0.95). Odense Fjord: Sammenholdt med målingerne afviger modellen 0,4 µg/l (yderfjorden), svarende til en forskel på mindre end 10% og en korrelationskoefficient (R 2 ) på 0,53. Roskilde Fjord: Sammenholdt med målingerne afviger modellen 0,1 µg/l, svarende til en absolut forskel på mindre end 10% og en korrelationskoefficient (R 2 ) på 0,49. #17
Lys (som støtteparameter) Hvorfor er lys vigtig? Lys er forudsætning for vækst af ålegræs! der er også andre vigtige vækst- og tabs-faktorer, men uden lys ingen ålegræs Kan lys stå alene? Ændringerne i lys påvirkes også af ændringer i ålegræs feedback! Modellen beskriver feedback mekanismer, og især den umiddelbare ændringen i lys som funktion af ændringer i re-suspension Ændringen i lys kan (med modellen) beskrives på lavt vand, hvor feedback slår igennem Validering af lys: I alle modellerne beskrives K dpar med en afvigelse på maks. 20% #18
Statistiske Modeller Metode til beregning af indsats DCE #19
Overordnet metode Opstilling af modeller For hvert vandområde opstilles modeller, der beskriver indikatorer, som funktion af div. presfaktorer. Relationer Relationer mellem belastning og de enkelte indikatorer ekstraheres fra modellerne Indsatsbehov pr. indikator For hver indikator beregnes min. indsatsbehov til opnåelse af god-mod grænseværdi Samlet indsatsbehov Indsatsbehov for de enkelte indikatorer kobles til beregning af samlet indsatsbehov for vandområdet Målbelastning Målbelastning for vandområdet beregnes udfra indsatsbehov og lokal/regional belastning #20 DHI 19 November, 2014
Relationer til beregning af målbelastning/indsatsbehov Klorofyl indikator Status Miljømål Skal bruge: Statusværdi for indikator Miljømål for indikator Relation mellem belastning og indikator Målbelastning Nuværende belastning N belastning #21
Miljøindikatorer brugt i beregningerne Indikator Beskrivelse Kvalitetselement Model Klorofyl indikator N-begrænsnings indikator Kd indikator Sommer klorofylkoncentration Dage 20med DIN begrænsning Sigtdybde i vækstsæson 10 (proxi for ålegræs max dybde) Fytoplankton Fytoplankton Ålegræs Chl-load model DIN-TN model TN-load model Kd-load model (kategorisering) Iltsvindsindikator Iltsvindsfrekvens Bundfauna, Ålegræs TN-load model DIP/klorofyl sæson indikator Chl (µmol/l) Forhold mellem sommer konc. og års konc. (effekter af iltsvind) 3 6 9 12 40 20 Bundfauna, Ålegræs Halkær TN-load model #22
Kobling af indikatorer til beregning af samlet indsatsbehov Vand omr. Indsatsbehov Chl a- indikator Indsatsbehov N-begr. indikator Indsatsbehov Kdindikator Indsatsbehov Iltsvindsindikator Indsatsbehov DIP/chla sæson indikator Samlet indsatsbehov A X1 X2 X3 X4 X5 Vægtet gennemsnit (n=5) B Y1 0 0 0 0 Vægtet Q Brug af gennemsnits værdi (i stedet for Z1 Z2 Z3 0 max værdi) Ingen betyder: Usikkerheder reduceres status Stort indsatsbehov hvis mange indikatorer indikerer problem Lille indsatsbehov hvis kun få indikatorer indikerer problem Ikke målopfyldelse for alle indikatorer da samlet indsatsbehov < max indsatsbehov gennemsnit (n=5) Vægtet gennemsnit (n=4) #23
Mekanistiske Modeller Metode til beregning af indsats DHI #24
Mekanistiske modeller - Scenarier Status situation: Beregning af sommer klorofyl-a (maj-september) og sommer Kd værdi (marts til september): Dansk belastning: Nutidsbelastning Østersølande: Nutidsbelastning Atmosfære: Nutidsbelastning Scenarier: Scenarier beregningerne af sommer klorofyl-a og sommer Kd er baseret på: Dansk belastning: 15%, 30% eller 60% reduktioner i DK N-belastning kombineret med 10-20% reduktion i P-belastning Østersølande: BSAP Atmosfære: Göteborg Protokol Baggrundsdata Kørsler Relationer Indsamling af nøgletal om vandområde N & P belastning Validerede modeller benyttes til 6 prædefinerede N & P scenarier Relationer mellem miljøtilstand og N & P belastninger Reference situation: Estimering af sommer klorofyl-a og sommer Kd værdier svarende til værdier for en periode for godt 100 år siden. Dansk belastning: Baggrundsbelastning af N og P Østersølande: Belastning for perioden 1890-1910 baseret på BNI data Atmosfære: Modelberegnet belastning svarende til år 1900 (DCE) N & P Screeningsværktøj anvendes til fastlæggelse af målbelastning #25
Screenings Metode Indikator Klorofyl/Kd Effekt af BSAP & GP Hældning baseret på dansk N Status: Nutidsbelastning, DK Nutidsbelastning, Østersø Nutidsbelastning, Atmosfære Scenarier: DK reduktioner (15%, 30% & 60%) BSAP, Østersø Göteborg protokol, Atmosfære Reference: Baggrund (~30% af nutidsbelastning), DK Referencebelastning, Østersø, BNI References belastning, Atmosfære, DCE Referencebelastning 2007-2011 belastning Dansk N-belastning #26
Screenings Metode Indikator Klorofyl/Kd Maks. effekt af DK N Effekt fra andre kilder & faktorer Hældning baseret på dansk N Status: Nutidsbelastning, DK Nutidsbelastning, Østersø Nutidsbelastning, Atmosfære Scenarier: DK reduktioner (15%, 30% & 60%) BSAP, Østersø Göteborg protokol, Atmosfære Reference: Baggrund (~30% af nutidsbelastning), DK Referencebelastning, Østersø, BNI References belastning, Atmosfære, DCE Referencebelastning #27 2007-2011 belastning Dansk N-belastning
Gennemsnitlig DK andel (vandområde-baseret) #28
Opsummering DK andel relateret til indikatorer alene DK andel beregnet for de større åbne områder og de 3 fjorde DK N-belastninger har en betydning i alle vandområder, men har varierende betydning Kystnære områder påvirkes mere end åbne gennemstrømmede områder Nor og fjorde påvirkes afhængigt af opland og vandudveksling P-scenarier: P reduceret mellem 10-20% - ringe effekt på sommer klorofyl og Kd #29
Metode Skridt for skridt Bestemmelse af status: målinger integreret med model Hvor langt er vi fra målet: Afstand mellem status og miljømål Korrektion for effekter af BSAP og Göteborg Protokol Korrektion for DK andel DK indsatsbehov (% reduktion ift. nutid) beregnet vha. hældning Samlet indsats fundet som gennemsnit af klorofyl-indsats og Kd-indsats Indsatsbehov konverteret til målbelastning vha. nutidsbelastningen (2007-2011) #30
Meta-analyse Metode til beregning af indsats #31
Meta-analyse Benyttes til vandområder, hvor der ikke er lokalspecifikke modeller Metode: Respons mellem N belastning og indikatorer overføres fra lignende områder (som har modeller) Statistisk tilgang er baseret på NST typologi (gennemsnit af respons fra områder af samme type) Mekanistisk tilgang er baseret på gennemsnit af hældning korrigeret for DK andel #32
Usikkerheder #33
Usikkerhed på forudsigelse af målbelastning og indsatsbehov Usikkerhed estimeres ved modelsammenligning under antagelse af: Modellerne er uafhængige Underbygges af stor forskel på de to modeltyper Modellerne vil ikke systematisk over- eller underestimere målbelastningen Underbygges af valideringsresultaterne Beregningerne viser at: Usikkerheden på målbelastningen som gennemsnit for vandområderne er på 16% Usikkerheden på målbelastningen samlet set for alle 119 vandområder er på 4% Usikkerheden på indsatsbehovet på vandområdeniveau typisk er på 20% Usikkerheden på indsatsbehovet samlet set for alle 119 vandområder er på 10% #34
Andre Emner Hjarbæk Fjord & Fiskeri #35
Hjarbæk Fjord Analyse af dæmningen ved Virkesund: Nuværende sluse Uddybet sluse Ingen dæmning To sæt af scenarier: Nuværende belastning (N & P) Reference belastning (N & P) Analysen: Klorofyl-a, sigtdybde, ilt i bundvandet, ålegræs og næringsstoftransporten til Lovns Bredning Konklusioner: Stor effekt på saltholdigheder Begrænset effekter på miljøparametrene Største effekter opnås gennem reduktioner i N & P #36
Fiskeri igangsatte projekter Er der sammenhæng mellem ålegræsdybdegrænser og muslingefiskeri (Limfjorden) Fiskeriets påvirkning af nuværende og potentielle ålegræsudbredelse: vil det nuværende fiskeri vanskeliggøre opfyldelse af miljømål for ålegræs? Hvilken betydning har fangst af fisk for zooplankton og deres græsning af fytoplankton (klorofyl) #37
Direkte effekter af fiskeri på ålegræsdybdegrænser (Limfjorden) Fiskeridata fra 2003-2011, DTU-Aqua #38
Relative change in dredged buffer zones eelgrass maximum depth (m) Resultater Ålegræs dybdegrænse 2,5 p<0.001 2 1,5 1 Max dybdegrænser i fiskede områder er signifikant mindre end i ikke-fiskede områder #39 1,3 1,2 1,1 1 0,9 0,8 0,7 0,5 0 Gennemsnit for nondredged Gennemsnit for dredged Ændring i ålegræs dybdegrænse R² = 0,7206 0,6 0,6 0,8 1 1,2 Relative change in non dredged buffer zones Men, det gælder ikke for ellers ens områder Ingen forskel i ændring af ålegræsdybder i fiskede og ikke-fiskede områder
Marine virkemidler Muslinger, Makroalger, Ålegræs, Stenrev #40
Linemuslinger Kan fjerne 0.6-0.9 tons N/ha/år (når bæreevne ikke overskrides) Fjerner alger Øger sigtdybden Øger sedimentation/iltforbrug under anlæg #41 Skal placeres rigtigt (strøm, føde, anden arealanvendelse) Baseret på resultater fra projektet MuMiHus
Dyrkning af Makroalger Kan fjerne op til 39 kg N/ha/år Øget lokal biodiversitet Biomasse med høj værdi Kræver god sigtdybde, høj saltholdighed, strøm Stort teknologisk udviklingspotentiale #42 Baseret på resultater fra projekterne MAB3 og KOMBI
(Re)etablering af ålegræs Ålegræsenge har mange økosystemfunktioner Ændrer næringsstof-tilgængeligheden Øger sigtdybden Beskytter mod erosion Skaber positiv feedback mekanisme Og meget meget mere. Ingen garanti for udplantnings/sånings succes Presfaktorer skal identificeres og reduceres/fjernes Afventer resultater/erfaringer fra NOVAGRASS #43
Stenrev Øger biodiversitet Direkte N effekt tvivlsom (fjerner ikke N) Kan på udvalgte placeringer påvirke ilt ved bunden positivt (mulig indirekte N effekt) Forkert placering kan forværre miljøtilstand ifm. iltsvind #44