Meitemarken – en venn i hagen
Transkrypt
Meitemarken – en venn i hagen
Modelowanie w kontekście zarządzania zlewnią. Wnioski z Projektu EC Euroharp Nils Vagstad Norweski Instytut Rolnictwa i Ochrony Środowiska 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) 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 W kierunku zharmonizowanych procedur określania strat składników pokarmowych ze źródeł rozproszonych www.euroharp.org Zlewnie 5 Baltic Sea 5 North Sea 3 Atlantic Kryteria wyboru : • Dostępność danych • Główne źródła zanieczyszczeń • Reprezentatywność zlewni Szczegóły: 2 Black Sea • 17 państw → 17 Zlewni(Vechte transgraniczna DE-NL) • 5 nadmorskich ekoregionów (WFD) 2 Mediterranean EUROHARP –Badane modele Model NL-CAT (ANIMO) EVENFLOW REALTA MONERIS NLES-CAT NOPOLU SOURCE APPORTIONMENT SWAT TRK (SOILNDB/HBV) Fosfor Azot * * * * * * * * * * * * * * * Instytut badający ALTERRA ADAS KMM IGB NERI IFEN/BETURE-CEREC NERI EC-JRC/NTUA/IRSA-CNR SLU/SMHI agricultural N-losses (kg/(ha·a)) Porównanie wyników otrzymanych z modeli dla 17 zlewni europejskich – straty fosforu 55 50 45 40 35 30 25 20 15 10 5 0 0 5 10 15 20 25 30 35 average agricultural N-losses of all models (kg/(ha·a)) 1:1 Line Moneris 40% Deviation TRK SWAT NLES NL-Cat Evenflow SA NOPOLU 40 Porównanie wyników otrzymanych z modeli dla 17 zlewni europejskich – straty fosforu Najwyższa zmienność została zaobserwowana podczas modelowania koncentracji biogenów w wodach powierzchniowych Mean deviation (%) 120 100 80 60 40 20 0 net load agricultural losses Northern Europe Western Europe other diffuse losses retention Eastern Europe Southern Europe Środki zaradcze i scenariusze testowane na dwu zlewniach Changes in Fertiliser Use 1960-2003 20 70 18 16 14 50 12 40 10 30 8 6 20 10 Kg N/ha 4 Kg P/ha 2 00 90 95 20 19 85 19 80 19 19 75 70 19 19 19 65 0 61 0 19 In c re a s e s (% ) in M e a t p ro d u c tio n a n d in P o p u la tio n ; 1 9 6 1 -2 0 0 2 500 450 Pigmeat 400 Chic ken meat 350 Population 300 250 200 150 100 50 20 01 19 97 19 93 19 89 19 85 19 81 19 77 19 73 19 69 19 65 0 19 61 K g N /ha 60 Relative to yr 1961 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. 80 K g P/ha Scenariusze Wyniki symulacji różnych zmian na ładunki azotu Zelivka główne ujście 50 Change in N-loads at outlet (%) 40 30 20 10 0 -10 -20 -30 -40 -50 +20% min.fert. NL-CAT -20% min.fert. SWAT +20% livestock Evenflow -20% livestock NOPOLU Monoc.all AA NLES-CAT 20% AA to forest Moneris Avg. Predicted change in N-loss (kg/ha) from agricultural areas – the fertiliser scenario Enza 7 Zelivka 6 5 4 3 0 2 -0.5 1 -1 -1.5 0 -1 NL-CAT Change in N-loss from agricultural areas (kg/Ha) Change in N-loss from agricultural areas (kg/Ha) 8 TRK SWAT Evenflow NLES-CAT Model Moneris Avg. -2 -2.5 -3 -3.5 Enza -4 Zelivka -4.5 NL-CAT TRK SWAT Evenflow NLES-CAT Model Moneris Avg. Calculated losses from agricultural land, kg N/ha N-loss from agricultural areas (kg/Ha) 35 Enza Zelivka 30 25 20 15 10 5 0 NL-CAT TRK SWAT Evenfl ow NLES-CAT Model Moneris Avg. ZDOBYTE DOŚWIADCZENIA & KONKLUZJE 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 Przykładowe wartości strat Fosforu w okresie 1993-2002 w 9 zlewniach z dominującą oprawą zbóż w krajach Nordyckich. C a tc h m e n t D en m a rk H o rn d ru p L ille b æ k H ø jv a n d s R L a tv ia M e llu p ite B e rz e N o rw a y M ø rd re S k u te ru d K o ls ta d Sw eden U lv e rø d M a rs ta d G is s e lø å M ean K g h a –1 M in K g ha –1 M ax K g ha -1 M in /m a x r a tio 0 .4 8 0 .6 3 0 .2 1 0 .1 5 0 .1 6 0 .0 3 0 .9 6 0 .7 1 1 .1 5 6 .4 7 .2 1 5 .7 0 .1 7 0 .3 1 0 .0 9 0 .1 2 0 .2 7 0 .5 2 3 .0 4 .2 1 .5 9 2 .5 8 0 .5 6 0 .8 9 0 .9 2 0 .2 1 3 .9 6 5 .8 8 1 .2 6 4 .4 6 .4 6 .0 0 .9 4 0 .1 2 0 .5 1 0 .4 0 0 .0 9 0 .3 3 2 .3 0 0 .1 6 0 .8 2 5 .8 1 .8 2 .5 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 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. 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. Aktualnie brak supermodelu do wszystkich zastosowań • Nie znaleźliśmy modelu który by był we wszystkich aspektach lepszy od pozostałych. 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