Modelowanie w kontekście zarządzania zlewnią. Wnioski z Projektu EC Euroharp. Nils Vagstad Norweski Instytut Rolnictwa i Ochrony Środowiska

Transkrypt

1 Modelowanie w kontekście zarządzania zlewnią. Wnioski z Projektu EC Euroharp Nils Vagstad Norweski Instytut Rolnictwa i Ochrony Środowiska

2 Model jako narzędzie do wspomagania decyzji zasadniczy cel Problemem kluczowym jest: rozwiązanie istniejących problemów, analiza trendów i modelowanie przyszłych zagrożeń, związanych z możliwością zanieczyszczenia wód powierzchniowych i podziemnych, Wprowadzenie środków zaradczych. Water Framework Directive: Plan Zarządzania Zlewnią (RBMP) Nitrates Directive: Program Działań (AP)

3 Co to RBMP & AP Identyfikacja OBSZAR ZAGROŻENIA ODPOWIEDNIE ŚRODKI Jakie działania wywołują zanieczyszczenia; Gdzie Dlaczego Priorytetowa lista środków zaradczych; np. na podstawie efetywności kosztowej Rodzaj środków Efekty Koszty Plan Wdrożenia

4 W kierunku zharmonizowanych procedur określania strat składników pokarmowych ze źródeł rozproszonych

5 Zlewnie 5 North Sea 5 Baltic Sea Kryteria wyboru : Dostępność danych Główne źródła zanieczyszczeń Reprezentatywność zlewni 3 Atlantic 2 Mediterranean 2 Black Sea Szczegóły: 17 państw 17 Zlewni(Vechte transgraniczna DE-NL) 5 nadmorskich ekoregionów (WFD)

6 EUROHARP Badane modele Model Fosfor Azot Instytut badający NL-CAT (ANIMO) * * ALTERRA EVENFLOW * ADAS REALTA * KMM MONERIS * * IGB NLES-CAT * NERI NOPOLU * * IFEN/BETURE-CEREC SOURCE APPORTIONMENT * * NERI SWAT * * EC-JRC/NTUA/IRSA-CNR TRK (SOILNDB/HBV) * * SLU/SMHI

7 Porównanie wyników otrzymanych z modeli dla 17 zlewni europejskich straty fosforu agricultural N-losses (kg/(ha a)) average agricultural N-losses of all models (kg/(ha a)) 1:1 Line 40% Deviation SWAT Moneris TRK NLES NL-Cat Evenflow SA NOPOLU

8 Porównanie wyników otrzymanych z modeli dla 17 zlewni europejskich straty fosforu

9 Najwyższa zmienność została zaobserwowana podczas modelowania koncentracji biogenów w wodach powierzchniowych Mean deviation (%) net load agricultural losses other diffuse losses retention Northern Europe Western Europe Eastern Europe Southern Europe

10 Środki zaradcze i scenariusze testowane na dwu zlewniach Scenariusze The Fertiliser scenarios (A and B) - 20 % wzrostu nowożenia N i P - 20 % spadku nowożenia N i P Scenariusz redukcji obsady (C and D) - 20 % wzrostu obsady zwierzęcej, - 20 % redukcji obsady zwierzęcej, Scenariusz użytkowania gleby (E and F) - Monokultura bazująca na przeważającym plonie, - 20 % powierzchni opuszczone i zastąpione leśnictwem. Kg N/ha Relative to yr Changes in Fertiliser Use Kg N/ha Kg P/ha Increases (% ) in Meat production and in Population; Pigmeat Chicken meat Population Kg P/ha

11 Wyniki symulacji różnych zmian na ładunki azotu Zelivka główne ujście Change in N-loads at outlet (%) % min.fert. -20% min.fert. +20% livestock -20% livestock Monoc.all AA 20% AA to forest NL-CAT SWAT Evenflow NOPOLU NLES-CAT Moneris Avg.

12 NL-CAT TRK SWAT Evenflow NLES-CAT Moneris Avg Predicted change in N-loss (kg/ha) from agricultural areas the fertiliser scenario Enza Zelivka 0 NL-CAT TRK SWAT Evenflow NLES-CAT Moneris Avg. Model Model Enza Zelivka Change in N-loss from agricultural areas (kg/ha) Change in N-loss from agricultural areas (kg/ha)

13 Calculated losses from agricultural land, kg N/ha Enza Zelivka N-loss from agricultural areas (kg/ha) 0 NL-CAT TRK SWAT Evenflow NLES-CAT Moneris Avg. Model

14 ZDOBYTE DOŚWIADCZENIA & KONKLUZJE

15 Quantifying diffuse nutrient losses not an easy task Correct reference values Reliable load measurements Calculation methods The very complex cause-effect relationships Flow pathways Soil processes Scales (spatial and temporal) And interactions with management practices, etc

16 Przykładowe wartości strat Fosforu w okresie w 9 zlewniach z dominującą oprawą zbóż w krajach Nordyckich. C atch m en t D enm ark H orndrup Lillebæk Højvands R L a tvia M ellupite Berze Norway M ø rd re Skuterud K o lstad Sweden U lverød M a rsta d G isseløå M e a n 1 K g h a M in K g h a M a x K g h a M in /m a x ratio

17 Bazy danych w modelowaniu w projekcie Euroharp Zmienna jakość wyników okresowe niezgodności Dane dla zlewni (typ danych i rozdzielczość przstrzenna) Monitoring wody (parametry i czasowa rozdzielczość) Różna interpretacja rezultatów badań przez badaczy

18 Prawdopodobieństwo błędów Model jako narzędzie wspomagania decyzji jaki jest akceptowany poziom dokładności? Modelowanie zespołowe Czy to droga do postępu? Modele mogą dostarczać prawidłowych wyników, mimo złych założeń.

19 Duża zmienność wyników pomiędzy modelami Symulacje dla strat fosforu i azotu całkowitego z terenów rolniczych dla różnych modeli mogą się znacząco różnić. Różnice w modelach dla fosforu mogą być dwukrotnie większe niż dla azotu. Badania nad modelami powinny się obecnie koncentrować nad poprawieniem algorytmu strat dla azotu. Twórcy modeli powinni się skoncentrować na poprawie algorytmów dla fosforu i i na procesie kalibracji walidacji. Dotyczy to szczególnie małych europejskich zlewni które były szczegółowo monitorowane. Obecnie wyniki modelowania w zależności od użytego modelu znacznie się różnią. Proponuje się kontynuowanie badań nad procesami retencji składników pokarmowych zarówno w wodach powierzchniowych jak i w wodzie glebowej.

20 Aktualnie brak supermodelu do wszystkich zastosowań Nie znaleźliśmy modelu który by był we wszystkich aspektach lepszy od pozostałych.

21 Zastosowanie modeli w podejmowaniu decyzji Wybór modelu w zależności od problematyki badań Zastosowanie raczej do usystematyzowania problemów i systematycznej oceny wyników niż narzędzie do otrzymywania dokładnych wyników Modelowanie jest procesem interaktywnym, -Nie można pozostawić wszystkich decyzji specjalistom od modeli. Praktycy w zarządzaniu zlewnią powinni współpracować w ocenie i krytycznej analizie wyników