SMED Rapport Nr 11 2013 Utveckling av indata för belastningsberäkningar med avseende på kvalitet och skala inklusive delning av produktionsområde Ida Westerberg, IVL Kristina Mårtensson, SLU Frank Schmieder, SLU Elin Widén-Nilsson, SLU Helene Ejhed, IVL Ylva Andrist-Rangel, SCB Holger Johnsson, SLU Karin Blombäck, SLU På uppdrag av Havs- och vattenmyndigheten
Publicering: www.smed.se Utgivare: Sveriges Meteorologiska och Hydrologiska Institut Adress: 01 7 Norrköping Startår: 200 ISSN: 153-8102 SMED utgör en förkortning för Svenska MiljöEmissionsData, som är ett samarbete mellan IVL, SCB, SLU och SMHI. Samarbetet inom SMED inleddes 2001 med syftet att långsiktigt samla och utveckla den svenska kompetensen inom emissionsstatistik kopplat till åtgärdsarbete inom olika områden, bland annat som ett svar på Naturvårdsverkets behov av expertstöd för Sveriges internationella rapportering avseende utsläpp till luft och vatten, avfall samt farliga ämnen. Målsättningen med SMED-samarbetet är främst att utveckla och driva nationella emissionsdatabaser, och att tillhandahålla olika tjänster relaterade till dessa för nationella, regionala och lokala myndigheter, luft- och vattenvårdsförbund, näringsliv m fl. Mer information finns på SMEDs hemsida www.smed.se.
Innehåll FÖRORD 7 SAMMANFATTNING 8 INLEDNING 10 Avgränsningar av arbetet 11 LOKALA DATA ERFARENHETER FRÅN LOKALA STUDIER 12 Exempel på lokala studier 12 Vattenkemi 12 Delavrinningsområdesindelning 13 Avlopp 14 Stora punktutsläpp 14 Enskilda avlopp 14 Läckage från jordbruksmark 15 Statistik över gödsling, skörd, jordbearbetning, sådd, etc. 15 Förbättrad jordartskarta för jordbruksmark (textur och fosforhalt) 1 Förfinade kväveläckagehalter baserade på lokal växtföljd 17 Förbättring av beräkningen av bakgrundsbelastning för fosfor från jordbruksmark17 Dränering 17 Läckage från skog, myr, hygge, öppen mark och fjäll 17 Intern fosforbelastning från sjösediment 18 Vattenföring 18 Markanvändning och grödfördelning 18 Höjd över havet och lutning 19 Retentionsberäkningar 19 Osäkerheter i kvävebelastning och skalberoende 20 IDENTIFIERING AV DATAUNDERLAG FÖR BEDÖMNING AV NOGGRANNHETEN I PLC-BERÄKNINGARNA 22 Mätstationer för vattenföring 22 Analys av osäkerheten i vattenföringsindata till TBV 24 Stationer med kväve- och fosforhaltmätningar 27 Rekommendationer för bedömning av tillförlitligheten i PLC-beräkningarna 31 5
Generella rekommendationer 32 Vattenföringsdata 33 Kväve- och fosfordata 34 PRIORITERING AV UTVECKLINGSBEHOV 35 Tillförlitlighetsbedömning och osäkerhetsanalyser 3 Förbättrade indata med avseende på upplösning i tid och rum 37 Uppföljning av förändrade förhållanden 40 FRAMTIDA BEHOV AV DATAINSAMLING OCH NATIONELLA DATAVÄRDAR41 KÄLLFÖRTECKNING 43 BILAGA 1. UPPDELNING AV STATISTIK FRÅN PRODUKTIONSOMRÅDE 47 Beräkning av typhalter för kväve och fosfor 52 Gödselmedelsstatistik och övrig indata för 2011 52 Målavrinning 52 Klimatstation 53 Jordartsfördelning 53 Grödfördelning 53 Normskördar 53 Gödsling 54 Fånggrödor och vårbearbetning 5 Skyddszonsreduktion 57 Resultat 57 Fosfor 57 Kväve 2 Diskussion 7 Fosfor 7 Kväve 9 BILAGA 2. INDATA OCH RESULTAT BERÄKNING AV TYPHALTER 71 Läckagekoefficienter 73 Kväve 73 Fosfor 78
Förord Hanna Gustavsson, SMHI, levererade data över vattenföring och vattenkemi och var med och diskuterade hur analyserna av dataunderlaget skulle utföras. Mikael Olshammar, IVL, bidrog med information om dagvatten och enskilda avlopp för prioriteringen av utvecklingsbehoven. 7
Sammanfattning Den mängd näringsämnen som transporteras från Sveriges yta och belastar havet utgör ett viktigt beslutsunderlag för nationell och internationell vattenförvaltning. Den mest omfattande beräkningen av kväve- och fosforbelastningen på havet, Pollution Load Compilation (PLC) periodical, utförs med 5 års mellanrum. Beräkningarna utfördes senast för år 200 (PLC5). Nästkommande PLC Periodical-rapportering, PLC, kommer att utföras för år 2014 och det är föreslaget att beräkningarna ska utföras med en högre geografisk upplösning (vattenförekomst) än de tidigare PLC5-beräkningarna (delavrinningsområde). Resultaten från PLC5 används inom den lokala vattenförvaltningen för delavrinningsområden, även om de från början var avsedda att enbart användas på en större skala på grund av begränsningar i data- och modellunderlaget. Havs- och vattenmyndigheten har begärt en utredning av hur underlag och beräkningar till HELCOM PLC kan förbättras i kvalitet och skala för att även uppfylla behov av underlag till vattenmyndigheternas rapportering enligt Vattenförvaltningsförordningen. För att bättre kunna använda PLC-data på lokal skala har Vattenmyndigheten för Norra Östersjön tidigare uttryckt önskemål om att dela läckageregion (SCBs produktionsområde, PO) i två regioner för att bättre motsvara de produktionsskillnader som finns inom jordbruket i regionen. En analys av effekten av att dela region, Mälar- och Hjälmarbygden, i två delregioner har gjorts. En region, region 1, utgjordes av området runt Mälaren och Hjälmaren och region 2 var den övriga delen av region. Region 1 hade högre gödslings- och skördenivå, lägre avrinning, mindre andel vall och större andel än region 2. I arbetet har beräkningsmetoden inklusive kriterier och antaganden som beskrevs i PLC5-beräkningen använts (PLC5-metoden). Påverkan av olika gödslings- och skördenivåer, avrinning, grödosammansättning och jordartsammansättning har beräknats. I den regionala skalan var fosforutlakningen högre i region 1 än i region 2. Det var orsakat av större andel grödor och jordarter med hög utlakning jämfört med region 2. På koefficientnivån observerades högre förluster av fosfor i region 1. Detta återspeglar förmodligen inte påverkan av olika åtgärder i regionerna utan beror framförallt på avrinningsskillnader som ICECREAM-modellen visade hög känslighet för. Utlakningen av kväve (kg N/ha) i region 2 var högre än i region 1. Det berodde på högre andel jordarter med hög utlakning och högre avrinning än i region 2, trots att grödosammansättningen tydde på högre utlakning i region 1. Även koefficienterna var högre i region 2 än i 1. Gödslingsnivån var högre i region 1 men även skördenivån var högre och det gjorde att det var mindre kväve kvar i profilen som riskerade att utlakas. Osäkerheten i den beräknade vattenföringen som användes till PLC5 undersöktes för ett antal slumpmässigt utvalda avrinningsområden och visade sig vara större för mindre avrinningsområden jämfört med stora. Osäkerheten i kvävebruttobelastningen från den tidigare Monte Carlo-analysen visade också på större spridning i mindre områden jämfört med stora, ett liknande mönster men mindre tydligt kunde också ses för nettobelastningen. Erfarenheter från tidigare lokala studier visar att när PLC-data kompletteras och förbättras med lokala data blir överenstämmelsen mellan beräknade och uppmätta halter av kväve och fosfor oftast bättre jämfört med en modelluppsättning enbart baserad på 8
PLC-data. Det går dock inte att generellt säga vilka data som är viktigast att komplettera med då påverkan från de olika typerna av källor varierar stort lokalt. TBV-belastningsresultaten har jämförts med observationsdata för 39 flodmynningar, men några jämförelser med observationsdata för små avrinningsområden av liknande skala som vattenförekomsterna har hittills inte gjorts. Det är därför prioriterat att i samband med PLC kvantifiera storleken på avvikelserna mot observationsdata för olika rumsliga skalor och därmed kunna bedöma och klassificera tillförlitligheten i resultaten, samt ge råd om hur dessa bör användas. Analysen av de vattenförings- och vattenkemidata som finns tillgängliga för modellkalibrering och utvärdering visade att få av de tillgängliga vattenföringsstationerna har små tillrinningsområden, medan det finns data över kväve och fosforhalter från fler små områden. Vattenföringsstationerna är väl fördelade över landet, medan tillgängligheten till kväve- och fosforhaltdata varierar mer mellan olika regioner. Det är därför viktigt att, om möjligt, samla in data från mindre avrinningsområden för resultatutvärderingen under PLC. Fler rekommendationer för resultatutvärdering och tillförlitlighetsbedömning av PLC- resultaten diskuteras i denna rapport. En lista över prioriterade områden för förbättring av indata till PLC-beräkningarna ges i slutet av rapporten tillsammans med en diskussion om framtida behov av datainsamling och nationellt datavärdskap. Källor och indata som inte har någon större betydelse på den nationella skalan kan ha stor lokal inverkan, vilket gör att prioriteringen rör i stort sett alla typer av källor som bidrar till antropogen kväveoch fosforbelastning. 9
Inledning Information om mängden näringsämnen som transporteras från Sveriges yta och belastar havet behövs inom både nationell och internationell vattenförvaltning. I Sverige utför Svenska MiljöemissionsData (SMED) de beräkningar av näringsämnesbelastning som ligger till grund för ett antal internationella rapporteringar (ex. EEA WISE SoE Emissions). Den största av dessa rapporteringar är Pollution Load Compilation (PLC)- Periodical-rapporteringen till HELCOM som utförs med 5 års mellanrum. Den senaste beräkningen, PLC5, representerar näringsämnesbelastningen år 200 (Brandt m.fl., 2008), och omfattar flödesnormaliserad brutto- och nettobelastning samt källfördelning av kväve och fosfor. Omfattande modellberäkningar och en mängd olika data ligger till grund för dessa beräkningar som utförs med hjälp av Tekniskt Beräkningssystem Vatten (TBV), samt en mängd olika modeller som används för att beräkna indata till TBV (ex. SOILNDB, ICECREAMDB, och MATCH-modellen). PLC5-beräkningarna var även avsedda att kunna användas av Vattenmyndigheterna för bland annat miljömålsuppföljning. PLC5-beräkningarna utfördes med delavrinningsområden (ca 13 000) som högsta rumsliga upplösning, och resultaten aggregerades sedan till huvudavrinningsområden (119) samt tillrinningsområden till de havsbassänger som omger Sverige. Resultaten används inom den lokala vattenförvaltningen för delavrinningsområden, även om de från början var avsedda att enbart användas på en större skala på grund av begränsningar i data- och modellunderlaget. Dessa begränsningar utgörs av flera olika faktorer. Jordbruksstatistiken har en geografisk indelning (22 läckageregioner) som är mycket grövre än indelningen i de ca 13 000 delavrinningsområdena. Näringsläckaget för skog och öppen mark baseras på statistik för 3 respektive 4 regioner, och vattenföring och retention beräknades för ca 1 100 PLC5-områden. Dessutom är ofta kalibrerings- och utvärderingsdata för retentionsoch hydrologimodelleringen (mätdata i sjöar och vattendrag) inte tillräckliga för delavrinningsområdesnivån. De modeller och data som används för att beräkna indata till TBV är också behäftade med osäkerheter som får en större inverkan på modelleringsresultatet i små områden jämfört med stora, där sådana osäkerheter i högre grad kan ta ut varandra. Tre tidigare SMED-studier har analyserat effekten av osäkerheter i indata till TBV på den beräknade kvävebelastningen, inga liknande analyser har hittills gjorts för fosfor. Widén- Nilsson m.fl., (2010) studerade osäkerheter i bruttobelastning av kväve för tre utvalda PLC5-områden. För dessa avrinningsområden bidrog jordarter, punktkällor och dagvatten mest till den totala osäkerheten i bruttobelastningen. Gustavsson m.fl. (2012) analyserade osäkerheten i beräkningen av kväveretention med HBV-NP-modellen för fyra avrinningsområden med hänsyn till inverkan av osäkerheter i mätdata av både vattenföring och kväve, men inte i de hydrologiska modellparametrarna. Denna retention användes i PLC5 som indata till TBV för beräkning av nettobelastning av kväve. Noggrannheten i vattenföringen hade stor påverkan på den beräknade retentionen och osäkerheter i kvävedata som användes för att kalibrera och utvärdera modellen var också betydande och varierade ofta över tid i och med att nya analysmetoder ersatt äldre. 10
Nästkommande PLC-Periodical-rapportering, PLC, kommer att utföras för år 2014. Det är föreslaget att beräkningarna ska utföras för de ca 25 000 vattenförekomster Sverige delas in i (indelningen är ännu inte avslutad), d.v.s. med en högre geografisk upplösning än tidigare delavrinningsområdesnivå. Havs- och vattenmyndigheten har därför begärt en utredning av hur underlag och beräkningar till HELCOM PLC kan förbättras i kvalitet och skala för att även uppfylla behov av underlag till vattenmyndigheternas rapportering enligt Vattenförvaltningsförordningen (SFS 2011:34). För att bättre kunna använda PLC-data på lokal skala har Vattenmyndigheten för Norra Östersjön tidigare uttryckt önskemål om att dela läckageregion (SCBs produktionsområde, PO) i två regioner för att bättre motsvara de produktionsskillnader som finns inom regionen. SMED bedömer att en eventuell uppdelning av PO kan ha betydelse på lokal skala, men inte på den nationella skalan. Tidigare delningar av SCBs produktionsområden 1, 2, 5 och 7, har gjorts på grund av stora klimatskillnader inom områdena, medan den nu föreslagna delningen skulle baseras på stora produktionsskillnader. För region har SCB redan förberett för en delning genom att anpassa insamlingen av gödselmedelsstatistiken för år 2011 utifrån skillnader i produktion inom området. Denna studie hade två syften. Det första var att utföra uppdelningen av läckageregion i två regioner samt att beräkna nya typhalter för dessa nya regioner. Detta arbete redovisas i Bilaga 1 och 2. Det andra var att beskriva hur data från PLC5 kan användas och hur kvaliteten hos data och underlag kan utvecklas och sammanställas för att bättre motsvara behov för rapportering av påverkansanalys av kväve- och fosforbelastning enligt Vattenförvaltningsförordningen och fortfarande vara anpassade för rapportering till HELCOM PLC. Avgränsningar av arbetet Fokus läggs på de datatyper som visats ha störst inverkan på den antropogena belastningen av kväve och fosfor, på modellernas känslighet och där osäkerheten i bruttobelastning är stor. 11
Lokala data erfarenheter från lokala studier Genom en litteraturstudie sammanställdes erfarenheter från tidigare studier som utförts på lokal skala. Dessa studier inkluderar resultat från känslighets- och osäkerhetsanalyser, samt studier där utökade datainsamlingar och andra dataleverantörer än vad som finns tillgängliga på nationell nivå har använts. Exempel på lokala studier Flera parter inom SMED utför modellering av kväve och fosfor i lokala projekt utanför SMED-samarbetet. Syftet med de lokala studierna är normalt att beräkna en mer tillförlitlig källfördelning och simulera effekten av olika åtgärder. PLC5-data ligger oftast till grund för dessa modelluppsättningar och de förfinas sedan med ytterligare lokal information. När PLC-data kompletteras och förbättras med lokala data har man oftast fått en bättre överenstämmelse mellan simulerade och uppmätta halter av kväve och fosfor jämfört med en modelluppsättning enbart baserad på PLC-data (Andersson m.fl., 2005; Wallenberg och Ekstrand, 2007; Djodjic m.fl. 2010). Det går inte att generellt säga vilka data som är viktigast att komplettera med, men jordbruksvariabler såsom jordart, markens fosforhalt och jordbrukens driftsinriktning kan skilja sig mycket lokalt mot vad som antagits i PLC5-beräkningarna (Andersson, 2005; Wallenberg och Ekstrand, 2007; Djodjic m.fl., 2010; Djodjic och Kyllmar, 2011; Orback och Wallin, 2011). För att kunna uttala sig om ett mindre område är en finare delavrinningsområdesindelning också viktig (Brandt m.fl, 2004; Orback m.fl,, 2009; Djodjic m.fl., 2010; Orback och Wallin, 2011). Känsligheten för vilka indata som används ökar med en finare delavrinningsområdesindelning (Andersson m.fl, 2004). Uppdaterade värden av utsläpp från punktkällor kan vara betydelsefullt (Brandt m.fl, 2004; Andersson m.fl, 2005). När lokala data inkluderats skiljer sig den modellerade källfördelningen och de modellerade halterna av kväve och fosfor jämfört med PLC-resultaten (Wallenberg och Ekstrand, 2007; Djodjic m.fl. 2010: Orback och Wallin, 2011). Vattenkemi Tillgång till mätningar av kväve- och fosforhalter i vattendrag och sjöar är mycket viktiga för att kunna kalibrera näringsbelastningsmodeller. Saknas mätningar är det normalt sett viktigare att upprätta ett miljöövervakningsprogram än att försöka förfina modelluppsättningen. Det första steget vid en lokal modelltillämpning är oftast att få tillgång till mätningar av kväve- och fosforhalter. Mätstationerna kan ingå i den nationella eller regionala miljöövervakningen, eller vara lokala, oftast kommunala, stationer. Vid kalibreringen av retentionsberäkningarna med HBV-NP i PLC5 användes främst mätstationer från den nationella och regionala miljöövervakningen, med några tillägg av kommunala mätstationer. 12
Om en modelluppsättning med enbart PLC5-data utvärderas mot mätningar kan man få en första indikation på behovet av att förfina indata. Därefter kan korrigeringar av indata såsom jordart göras (Djodjic m.fl. 2010). I de flesta fall sker kompletteringen av lokala mätdata för att kunna öka upplösningen i modelleringen (Brandt m.fl., 2004; Andersson m.fl., 2005; Wallenberg och Ekstrand, 2007; Orback, 2007; Orback m.fl., 2009; Djodjic m.fl., 2010; Orback och Wallin, 2011). Ett annat exempel på hur alternativa, lokala data, nyttjats är omkalibreringen av HBV-NP för Mälaren (Sahlberg m.fl., 2008) då mätdata från Stockholm Vatten kunde används. I just Norrström har det varit problem med fluktuerande mätresultat p.g.a. dagvatteninträngning (Löfgren m.fl., 2010) och mätstationen har flyttats (Sonesten m.fl., 200). I PLC5-beräkningarna användes vattenkemiska mätdata från de mätprogram i vattendrag som ingår i datavärdskapet vid Institutionen för vatten och miljö, SLU. Det inkluderar nationell och regional miljöövervakning, samordnad recipientkontroll (SRK) och kalkeffektuppföljning. Eftersom vissa områden, bl.a. den norra Smålandskusten, saknar mätningar i dessa mätprogram, gjordes även en komplettering med kommunala data. Det finns ingen nationell databas för kommunala vattenkemimätningar. Delavrinningsområdesindelning Delavrinningsområden är vanligtvis den finaste rumsliga indelningen i modelleringen. För att kunna uttala sig om näringsbelastningen från små områden kan denna indelning behöva förfinas. SVAR-databasen över Sveriges delavrinningsområden uppdateras successivt för att bl.a. anpassa delavrinningsområdena till vattenförvaltningens behov. Vid simuleringar med land-kustmodellsystemet HOME Vatten (bestående av HBV-NP och Kustzonsmodellen) har SMHI förfinat områdesindelningen i de kustnära delavrinningsområdena i PLC5-uppsättningen av HBV-NP för att anpassa modellen till kustvattenförekomsterna (Sahlberg m.fl., 2008). För att kunna använda kemimätningar från små vattendrag kan en finare delavrinningsområdesindelning behövas så att mätpunkten hamnar i delavrinningsområdets utlopp (Orback och Wallin, 2011). Det kan också vara betydelsefullt att anpassa delavrinningsområdesindelningen så att stora punktkällor hamnar högt upp i delavrinningsområdet om retentionsberäkningarna görs på summan av alla tillflöden i delavrinningsområdet (Widén-Nilsson m.fl., 2012). Om en finare delavrinningsområdesindelning görs måste även markanvändning, grödfördelning, fosforklasser och lutningsklasser räknas om för att få fram värden för de nya delavrinningsområdena. Lantmäteriet arbetar med att ta fram en ny nationell höjdmodell, med en rumslig upplösning på 2x2 meter där höjdfelet är maximalt 0,5 meter. Många områden är redan klara och målet är att analysen för hela Sverige skall vara klar 2015 (Lantmäteriet, 2013). Med dessa högupplösta höjddata kan avrinningsområden och lutningar beräknas med större noggrannhet. Lokal kännedom om täckdikningar och vägtrummor behövs dock för att korrigera mindre avrinningsområden som enbart tagits fram från höjddata. 13
Avlopp Stora punktutsläpp PLC5-data representerar punktutsläpp av kväve och fosfor från stora reningsverk (ABanläggningar) och industrier under 2005. Tidsserier över punktkällorna har inte använts i PLC5-beräkningarna trots att beräkningar av retentionen sker genom kalibrering och utvärdering mot mätdata i recipienter för en tidsserie på 20 år. De mindre reningsverken (CU-anläggningarna) är schablonberäknade utifrån anslutningsgraden. Genom att kontakta länsstyrelser och kommuner är det möjligt att få fram tidsserier med utsläpp från reningsverk, av både AB- och CU-typ, med högre tidsupplösning. Det är också möjligt att få information om ännu mindre reningsverk som inte ingår i CU-anläggningarna i PLC5. Även vid modellering med en konstant belastning från reningsverken är det viktigt att uppdatera PLC-värdena (Brandt m.fl, 2004; Andersson m.fl, 2005). För att förbättra beräkningen av retentionen har tidserier av punktutsläpp använts vid lokala modellberäkningar. De större reningsverken måste provtas oftare än mindre reningsverk. Kemiprovtagningar görs vanligtvis endast någon gång per kvartal i mindre reningsverk även om flödet mäts något oftare. Orback (2007) och Orback m.fl. (2009) samlade in mätdata även från CU-anläggningar och beräknade månadsutsläpp från dessa. Sahlberg m.fl. (2008) använde dygnsdata från de stora reningsverken i Stockholmsregionen som indata. Datatillgången har successivt förbättrats genom åren. SMP-informationen för tidigare år är därför inte lika tillförlitlig som för de senaste åren. SMED genomför en granskning av data i SMP, men för inte in några ändringar. Upptäckta fel återrapporteras till uppgiftslämnarna men det ingår inte i granskningsprojekten att följa upp om utpekade brister åtgärdats direkt i SMP. Granskning genomförs i dagsläget enbart av årsvärden, vilket innebär att månadsvärden har fortsatt sämre kvalitet. Granskning av tidsserier är tidskrävande och innebär mycket stora kostnader. Utsläppen från de mindre reningsverken schablonberäknas i PLC utifrån anslutningsgrad och reningsteknik. Brånvall och Svanström (2011) har genomfört en webbenkät bland landets kommuner. Syftet med enkäten var att få mer detaljerad information om vilka orter som är anslutna till vilka reningsverk, vilka reningsverk som existerar och vilken reningsteknik de använder. Genom denna studie identifierades uppåt ett hundratal små verk som lagts ned jämfört med den tio år äldre enkäten och ett fåtal tidigare okända verk noterades. Ett hundratal små kommuner besvarade inte enkäten och där saknas alltså uppdaterad information om anslutnings- och reningsgrad hos reningsverken. Det vore önskvärt med en uppföljningsstudie där dessa kommuner återigen kontaktas för att få information om anslutna orter och reningstekniker. Enskilda avlopp Många kommuner inventerar kontinuerligt de enskilda avloppen och registrerar nyanlagda enskilda avlopp. Information från dessa inventeringar har sammanställts genom en enkätstudie år 2010 (Ek m.fl. 2011). En uppdaterad och mer detaljerad beskrivning, t.ex. av geografisk fördelning av avloppsanläggningstyp, kan sammanställas i lokala projekt. 14
Det finns ingen standardmall för inventeringen. Ibland anges endast om avloppet är godkänt eller ej (Orback och Wallin, 2011), i andra fall finns information om anläggningstyp, medan det ofta saknas information om ålder på anläggningarna. Utifrån reningsschabloner (Ek m.fl., 2011), information eller antagande om antal personer i fastigheten och fastighetens läge kan belastningen från enskilda avlopp beräknas. Det vore önskvärt med en nationell databas för enskilda avlopp, där databaser med kommunala inventeringar skulle kunna kopplas samman och därmed automatiskt uppdateras med senast tillgängliga information. Läckage från jordbruksmark Statistik över gödsling, skörd, jordbearbetning, sådd, etc. Läckagekoefficienter av kväve och fosfor från jordbruksmark beräknades till PLC5 för kombinationer av tio jordar och 15 grödor i 22 läckageregioner i Sverige (Johnsson m.fl., 2008). De 22 läckageregionerna bygger på SCB:s indelning i 18 produktionsområden (SCB, 1992) där fyra områden delats eftersom de har stora avrinningsskillnader (Johnsson m.fl., 2008). För att kunna följa förändringen mellan olika år används statistik över arealer (IAKS; SCB, 200c), skörd (SCB, 200a) och gödsling (SCB, 200b). Dessutom används statistik över tidpunkter för jordbearbetning, sådd och skörd (SCB, 2004). Utöver de refererade SCB-rapporterna användes för PLC5 även specialframtagen statistik från SCB. Skörde- och gödslingsstatistiken är baserad på enkäter och intervjuer. Skördestatistiken tas fram med ett större urval och kan redovisas för ca 100 skördeområden. I beräkningarna av jordbruksläckaget används sammanställningar för de 18 produktionsområdena. Gödselmedelsundersökningarna har inte tillräckligt statistiskt underlag i skördeområdena utan finns enbart för de 18 produktionsområdena. När det statistiska underlaget inte är tillräckligt för att redovisa resultatet på produktionsområdesnivå med indelningen i 18 områden (PO18) finns även en indelning i 8 produktionsområden (PO8). Då statistik saknas med PO18-indelningen används PO8-indelningen i beräkningen av jordbruksläckage (Johnsson m.fl, 2008). Om statistik saknas med PO8-indelningen används statistik från ett angränsande område eller hela riket. Beräkningen av jordbruksläckage kräver att skörde- och gödselstatistiken finns med samma områdesindelning och därför är det tillgängligheten på gödselmedelsstatistik som är begränsande för vilken regionsindelning som används. Statistiken är uppdelad på grödor, men inte på jordart. Bäst underlag finns för vårkorn, höstvete och havre (Johnsson m.fl, 2008). I Norrland saknas statistik på PO18-nivån för alla grödor och för större delarna av Norrland saknas även statistik på PO8-nivån. Vårvete, råg, vårraps och potatis saknar underlag från PO18- och PO8-nivån i hela landet år 200 och modellerades överallt med statistik för hela riket (Johnsson m.fl, 2008). Det är också viktigt att komma ihåg att grödor som odlas på mindre än 1 % av arealen i produktionsområdet inte beräknas, utan får läckagekoefficienter från medelvärdet av de övriga grödorna. När man gör beräkningar för en mer högupplöst rumslig skala är det större sannolikhet att dessa begränsningar i det statistiska underlaget blir betydelsefulla. Läckagekoefficenterna är framtagna utifrån den bästa statistiken som finns tillgänglig för att representera jordbrukets belastning på havet på den nationella nivån. Beräk- 15
ningarna är gjorda för 22 läckageregioner och resultatet anses kunna skalas ned till de ca 1 100 PLC5-områdena. Däremot varnas för att använda resultaten på delavrinningsområdesnivå. Djodjic m.fl. (2010) jämförde odlingsstatistik i sex små områden med odlingsstatistik i de läckageregioner de ingår i och såg bl.a. att vallarealen i några fall skiljde sig mycket mot läckageregionen. Områden med hög vallareal får lägre läckage än områden med låg vallareal. I Bilaga 1 undersöks möjligheten att dela produktionsområde (med PO18-indelningen) på grund av produktionsskillnader. Eftersom det statistiska underlaget är så litet i Norrland bör det där övervägas att slå ihop vissa av produktionsområdena. Förutom PO18- och PO8-nivån finns även en indelning i 3 produktionsområden. Man kan överväga att ta fram statistik för den nivån istället för att direkt använda rikets statistik om underlag saknas för en gröda på PO8-nivån. För att öka upplösningen skulle man i de mest produktiva delarna i södra Sverige kunna undersöka om det är möjligt att ta fram gödselmedelsstatistik med tillräckligt underlag för delade produktionsområden. För att en delning ska vara aktuell måste det finnas konsistent indata för de nya regionerna. Tillgång till gödselmedels- och skördedata är avgörande vid eventuell delning. I allmänhet finns data avseende målavrinning, gröd- och jordartsammansättning. Vid lokal beräkning av läckagekoefficienter kan information från lantbrukare användas. Wallenberg och Ekstrand (2007) utgick ifrån data sammanställda till beräkningarna i läckageregionen (Johnsson och Mårtensson, 2002) och uppdaterade dessa med intervjuinformation från lantbrukare angående jordbrukets inriktning (spannmål eller djurhållning) och därmed gödselgivor, jordbearbetning och odlingstidpunkter. Den lokala informationen resulterade i en bättre anpassning av modellen till mätdata, speciellt för kväve. Flera av kvävetopparna i modellberäkningarna med nationella data som inte motsvarades i mätdata, försvann med den nya lokala informationen. Djodjic och Kyllmar (2011) visade att den faktiska gödslingen varierar stort jämfört med de medelgödslingar som antas i modellering av jordbruksläckage i PLC5. På vissa håll förekommer mycket stora gödselgivor. Huruvida detta påverkar de nationella beräkningsresultaten är inte utrett, men lokalt har stora gödselgivor stor påverkan. Förbättrad jordartskarta för jordbruksmark (textur och fosforhalt) Jordartskartan för jordbruksmark i PLC5 är baserad på endast ca 3 000 prover av matjord (Eriksson m.fl., 1999), medan PLC5 har ca 8 500 delavrinningsområden med jordbruksmark. Jordbruksjordarten är en av de största osäkerhetskällorna i PLC5 (Djodjic m.fl., 2009). I lokala projekt är det ibland möjligt att få tillgång till lantbrukarnas egna markkartering (Wallenberg och Ekstrand, 2007). Det pågår också en utökad nationell markkartering och det finns planer på en ny, nationell, jordartskarta för jordbruksmarken. I lokala projekt kan det också ibland vara möjligt att få tillgång till vissa av dessa mätvärden på markens textur och fosforhalt. För att förbättra kvaliteten på PLC-beräkningarna är det av stor vikt att den nya, nationella jordartskartan för jordbruksmarken innehåller den texturinformation som behövs för att klassificera jordarterna enligt FAO:s system eftersom detta är den klassificering som används för jordarna i beräkningen av jordbruksläckaget. 1
Jordbruksjordart och fosforklass är osäkra data i PLC5 och av stor betydelse för jordbruksläckaget. Det är alltså en viktig lokal anpassning att ta fram förbättrade jordarter och fosforklasser. Fosforläckaget ändras abrupt mellan sandy och (Johnsson m.fl., 2008), vilket gör det viktigt att skilja just dessa jordarter åt (Djodjic m.fl., 2009). Förfinade kväveläckagehalter baserade på lokal växtföljd Kväveläckaget för en viss gröda beror även på vilka andra grödor som odlas på samma fält andra år. Ett område med stor andel vallodling får lägre beräknat kväveläckage från t.ex. vårvete jämfört med ett område med lägre andel vall. I ett lokalt projekt är det alltså möjligt att förfina produktionsområdets kväveläckagehalter genom att räkna om utifrån den lokala växtföljden (Djodjic m.fl. 2010). Förbättring av beräkningen av bakgrundsbelastning för fosfor från jordbruksmark I PLC5-beräkningarna används den lägsta fosforklassen i matjorden som bakgrundsnivå för hela landet. Bakgrundsnivån varierar dock mellan olika platser (Djodjic och Wallin, 2011). Vid en lokal anpassning kan man använda uppmätta fosforhalter i alven, som finns under matjorden, för att justera beräkningen av bakgrundsbelastningen av fosfor. Dränering Wallenberg och Ekstrand (2007) intervjuade lantbrukare för att få information om exempelvis dräneringsdjup och dräneringsrörens ålder för att kunna förbättra beräkningarna med SWAT-modellen. Täckdikning och dränering har visat sig transportera stora mängder fosfor under vissa förutsättningar. Information om ålder, bredd och djup av dränering finns inte i samlade databaser. Läckage från skog, myr, hygge, öppen mark och fjäll Typhalterna av skogsläckage är medianvärden baserade på mätningar i olika delar av Sverige (Löfgren och Westling, 2002; Uggla och Westling, 2003; Löfgren och Brandt, 2005). Spridningen kring dessa värden är stor och nyare resultat visar att läckaget kan vara större än typhalterna visar (Löfgren m.fl., 2011a; Löfgren m.fl., 2011b; Löfgren m.fl., 2011c). Typhalterna av läckage från de övriga källorna myr, hygge, öppen mark och fjäll är ofta baserade på skogsläckaget, med vissa omräkningar. Om det finns mätningar i skogsbäckar som tyder på ett högre eller lägre skogsläckage än medianhalten enligt PLC5 kan man vid modellkalibreringen testa att använda andra typhalter (Orback, 2007; Orback m.fl., 2009; Orback och Wallin, 2011). Markensten m.fl. (2012) hade tillgång till mätningar i fjällbäckar och fick halvera typhalterna för fjäll, jämfört med de typhalter som räknats ut med ett höjdberoende i PLC5, för att få en bättre överenstämmelse med uppmätta halter. Öppen mark är en restklass som används för att justera arealen jordbruksmark och som innehåller många varierande markanvändningar. Osäkerheterna i läckaget från öppen 17
mark blir alltså stort. Kväveläckaget från öppen mark sätts till samma som för skog, medan fosforläckaget från öppen mark anges konstant till 0,05 mg/l i hela Sverige. Intern fosforbelastning från sjösediment Många svenska sjöar har internbelastning av fosfor från sedimenten. Denna internbelastning gör att det kan ta hundratals år innan effekten av åtgärder på land märks om inte sjön restaureras. Vid en lokal studie kan det vara värdefullt att analysera sedimentprover för att undersöka om det förekommer internbelastning av fosfor (Orback, 2007; Orback m.fl., 2009; Orback och Wallin, 2011). I den lokala modelleringen kan man testa att lägga till en fiktiv källa som motsvarar internbelastningen (Orback, 2007; Orback och Wallin, 2011). Vattenföring Vattenföringen är en avgörande faktor för hur stor transporten av kväve och fosfor i avrinningsområdet blir. Lokala källfördelningsmodeller använder antingen uppmätt flöde (t.ex. FyrisNP) eller en delmodell för beräkning av vattenflödet (t.ex. HBV-NP, HYPE, SWAT). Förutom att vattenflödet avgör transporten av kväve och fosfor har det även stor påverkan på retentionsberäkningen (Gustavsson m.fl., 2012). Osäkerhet i beräknad vattenföring studerades i samband med osäkerhetsanalysen av PLC5-kvävebelastningsberäkningarna (Widén-Nilsson och Westerberg, 2013). Resultaten från denna studie samt dataunderlaget som finns tillgängligt för PLC-beräkningarna diskuteras utförligt i nästa avsnitt (se Identifiering av dataunderlag ). Markanvändning och grödfördelning I PLC5 ingår åtta markanvändningsklasser: jordbruksmark, skog, hygge, öppen mark, myr, fjäll, tätort och vatten. Det är översiktskartan (1:250 000, kallades tidigare röda kartan) som ligger till grund för PLC5, tillsammans med uppdaterade tätortsgränser, hyggen från Skogsstyrelsen samt blockkartor för jordbruksmark och grödarealer enligt stöddatabasen IAKS (Integrerat Administrations- och Kontrollsystem). SMD, Svenska Marktäckedata, är en alternativ markanvändningskarta med högre upplösning och fler klasser, baserat på den europeiska Corinne-kartan. Nationellt sett är skillnaderna mellan översiktskartan och SMD relativt små (Liljeberg, 2010; Widén-Nilsson och Westerberg, 2013) förutom att SMD klassificerar stora delar av fjällområdena som öppen mark. I enskilda delavrinningsområden kan dock skillnaderna vara mycket stora (Liljeberg, 2010; Widén-Nilsson m.fl., 2010). Med översiktskartans låga upplösning saknas många små myrmarker. Eftersom SMD har en högre rumslig upplösning ökar arealen myr med SMD, vilket exempelvis skulle kunna ha en stor påverkan i små områden mellan två vattendrag. Block- och IAKS-databaserna anses av många ge den bästa informationen om jordbruksarealer och grödfördelningen. Blockdatabasen förbättras successivt och block som inte stödsöks enligt IAKS förses numera med koden ej stödberättigade och tas senare bort. 18
Gränserna för blocken har också uppdaterats för att inte inkludera vattendrag och vägar m.m. Skillnader förekommer dock fortfarande, det är t.ex. mer än 10 % av blocken i Stigfjordens avrinningsområde som saknar grödoinformation i IAKS-data för år 2009 (Widén-Nilsson m.fl, pågående arbete). Grödorna är inte bestämda i rummet inom varje block, och denna begränsning i dataunderlaget får större påverkan ju mer högupplöst beräkningsskalan blir. När en delavrinningsområdesgräns skär igenom ett block saknas information om hur blockets grödor skall fördelas mellan de två delavrinningsområdena. I PLC5-beräkningarna användes blockets procentuella grödfördelning på båda sidor om delavrinningsområdesgränsen. Om lantbrukarna intervjuas om grödorna i de olika skiftena kan grödorna placeras i rätt delavrinningområde (Djodjic, 2008). Eftersom vattenförekomstskalan som planeras för PLC är mer högupplöst än de delavrinningsområden som användes med PLC5 kommer fler jordbruksblock att delas upp mellan delavrinningsområden. Begränsningarna i dataunderlaget får således större påverkan i PLC än i PLC5. IAKS- och blockdatabasen uppdateras varje år och översiktskartan uppdateras årligen med ett revideringsintervall på fyra år (Lantmäteriet, 2013). Det finns inga planer på uppdatering av SMD (Lantmäteriet, 2010). Höjd över havet och lutning Läckage från t.ex. skog i norra Sverige beräknas utifrån delavrinningsområdets höjd över havet. Beräkningarna av fosforläckage från jordbruksmark kräver information om markens lutning närmast vattendragen. Dessa lutningar kan tas fram med större noggrannhet om den nya nationella höjddatabasen används (se avsnittet Delavrinningsområdesindelning). Med mer högupplösta höjddata kan erosionsbenägna områden identifieras (Djodjic, 2008). Retentionsberäkningar I lokala modelltillämpningar kalibreras en ny beräknad retention mot uppmätta halter av kväve och fosfor. Många åtgärdsprogram är inriktade mot en viss sjö eller ett visst vattendrag i Sveriges inland. PLC5 publicerades dock endast med den ackumulerade retentionen till havet från alla PLC5-områden. För att förenkla kommande modelljämförelser och för att kunna ta fram en grov, lokal, källfördelning över belastningen till t.ex. en viss sjö vore det därför önskvärt om även den lokala retentionen redovisas i PLC. Eftersom uppehållstiden i vattnet är av betydelse för retentionen av näringsämnen behövs information om vattendragens storlek. Ofta används vattendragsinformation från vägkartan (1:100 000, blå kartan), men i små områden behöver man komplettera med diken. Norra Sverige har inte inventerats lika noggrant och därför har vägkartan färre vattendrag i detta område än i södra Sverige (Nisell m.fl., 2007). Större delen av retentionen av kväve och fosfor sker i sjöar. Retentionsberäkningar kan göras utifrån sjöarnas areal, men skall omsättningstiden i sjön beräknas krävs även information om sjövolym. I SMHI:s sjöregister finns drygt 100 000 sjöar, varav knappt 19
9 000 har information om volym och djup (SMHI, 2009a; 2009b). Retentionsberäkningarna är känsliga för sjöarealen (Gustavsson m.fl., 2012). I lokala studier har även information om sjövolym använts (Markensten m.fl., 2012). I retentionsberäkningar för olika tidsperioder och bruttobelastningar är det generella mönstret med hög retention i sjöar detsamma, men i enskilda delavrinningsområden kan skillnaderna vara stora (Arheimer och Pers, 2007). Osäkerheter i kvävebelastning och skalberoende I en SMED-studie som utfördes under 2012 (Widén-Nilsson och Westerberg, 2013), studerades effekten av osäkerheter i indata till TBV på beräknad brutto- och nettobelastning för hela Sverige. De Monte Carlo-beräknade resultaten jämfördes med data över transporterade mängder för 39 flodmynningar. Variationskoefficienten (standardavvikelsen delad med medelvärdet) för de 27 800 Monte Carlo-beräknade belastningarna (från den tidigare studien) ritades upp mot skalan (arean) på avrinningsområdena för dessa flodmynningar (Figur 1). Bruttobelastningen visade ett tydligt samband med större variation i mindre områden, eftersom de slumpmässigt ansatta osäkerheterna tar ut varandra när de summeras till en större skala. För nettobelastningen syntes inte samma tydliga samband eftersom osäkerheten i retentionen får en mycket stor påverkan i områden med stora sjöar långt nedströms i området (Norrström, Motala Ström och Göta älv avvek mest i figuren). Detta beror även på att samma absoluta osäkerhetsvärde för retentionen användes inom ett huvudavrinningsområde (se Widén-Nilsson och Westerberg, 2013). Det innebär att osäkerheterna i retentionen antogs vara helt systematiska för ett avrinningsområde (ett förenklat antagande, delvis av beräkningstekniska skäl) och därmed inte utjämnas med ökande avrinningsområdesskala. För bruttobelastningen antogs istället osäkerheterna vara helt slumpmässiga, vilket också är ett förenklat antagande eftersom vissa indata till TBV bör vara systematiskt över- eller underskattade i vissa regioner (ex. Löfgren m.fl., 2011c). I verkligheten förekommer därför i många fall sannolikt en blandning av slumpmässiga och systematiska osäkerheter. Någon sådan heltäckande information fanns dock inte tillgänglig för dessa beräkningar eftersom osäkerheterna inte är tillräckligt kända. 20
Figur 1 Variationskoefficienter för Monte Carlo-beräknade netto- och bruttobelastningar ritade mot skalan på avrinningsområdet för 39 flodmynningar (en färg per flodmynning). Direktutsläpp till havet har exkluderats för de beräknade belastningarna. 21
Identifiering av dataunderlag för bedömning av noggrannheten i PLC- beräkningarna Syftet med dessa analyser var att identifiera underlaget av mätdata för vattenföring, kväve och fosfor för bedömning av noggrannheten i de kommande PLC-beräkningarna. Mätstationer för vattenföring Vid denna analys undersöktes de 344 vattenföringsstationer som användes vid kalibreringen av HBV-NP-modellen för PLC5-beräkningarna, samt ytterligare 87 stationer från det hydrologiska grundnätet (totalt 431 stationer, Figur 2 och Figur 3). Figur 2 Mätstationer med data över vattenföring: de stationer som användes vid PLC5-beräkningarna (blåa) samt ytterligare stationer i det hydrologiska grundnätet som kan användas för PLC (gröna) samt de stationer som slumpmässigt valdes ut för att undersöka osäkerheten i indata till TBV-modellen för PLC5-beräkningarna (svarta). 22
De hydrologiska stationerna är väl fördelade över landet. Vid PLC5-beräkningarna kunde en del stationer med små avrinningsområden inte användas eftersom de inte låg vid utloppet av ett delavrinningsområde (Figur 3), men dessa bör i större utsträckning kunna användas vid PLC-beräkningarna eftersom SMED-HYPE-modellen kommer att sättas upp med högre rumslig upplösning (för varje vattenförekomst) än vad HBV-NP sattes upp med för PLC5. Alla stationer kommer dock troligtvis inte att kunna användas eftersom en del stationer som varit belägna vid utloppet av ett delavrinningsområde i den tidigare indelningen kan hamna för långt från utloppet i den nya indelningen. Figur 3 Fördelningar (kumulativa fördelningsfunktioner, CDF) över karakteristiken av avrinningsområdena till de 344 vattenföringsstationer som användes vid kalibreringen av HBV-NP-modellen vid PLC5- beräkningarna (blå linjer); avrinningsområdesarea och sjöprocent för avrinningsområdet, kvalitetsklassning av vattenföringsdata, samt östlig och nordlig koordinat för vattenföringsstationerna. De stationer som slumpmässigt valts ut för att skatta osäkerheten i indata till TBV-modellen visas som röda cirklar. Fördelningarna för alla 431 stationer (inkluderande de från det hydrologiska grundnätet som inte användes vid PLC5-beräkningarna) visas som svarta linjer (dock ej fördelningen över kvalitetsklassningen som inte var tillgänglig för alla stationer). 23
Vattenföringsdata från vattenföringsstationer beräknas normalt indirekt från vattenstånd med hjälp av en avbördningskurva som beskriver sambandet mellan vattenstånd och vattenföring. Avbördningskurvan etableras genom samtidiga mätningar av vattenstånd och vattenföring vid mätplatsen. Många faktorer påverkar kvaliteten på detta samband; det kan variera på grund av att vattendragets bottentopografi vid mätplatsen förändras över tid; det kan vara osäkert vid höga och låga flöden där kurvan behöver extrapoleras och där flödesmätningarna dessutom är mer osäkra; m.m. Andra faktorer som t.ex. isbildning kan påverka vattenståndsmätningen, och därmed beräkningen av vattenföringen. Kvaliteten på data från de olika stationerna skiljer sig därför åt och har klassificerats på en skala 1 5, där 1 motsvarar en bra station, 2 en acceptabel, 3 en mindre bra, 4 en extern station till största delen kraftverk, och 5 motsvarar en station som behöver åtgärdas, 0 står här för stationer som saknade klassificering (Figur 2). Denna kvalitetsbedömning bör beaktas när stationerna används för modellkalibrering och modellutvärdering. Den högsta uppmätta vattenföringen vid beräkningen av avbördningskurvan bör också beaktas så att en modell inte i för stor utsträckning kalibreras mot extrapolerade vattenföringsdata. Analys av osäkerheten i vattenföringsindata till TBV Osäkerheten i de med HBV-NP-modellen beräknade vattenföringsdata (långtidsmedelvärden för varje kalendermånad samt totalt för alla år för 1985 2004) som användes för belastningsberäkningarna med TBV vid de tidigare PLC5-beräkningarna - analyserades med hjälp av observerade data från ett antal slumpmässigt utvalda vattenföringsstationer (Figur 2). Vattenföringen beräknades i HBV-NP per PLC5-område och var därmed uniform för alla delavrinningsområden inom ett PLC5-område. Sverige delades upp i sex regioner för HBV-NP-kalibreringen och modellparametrarna var identiska inom varje region. Skillnaden i långtidsmedelvärden mellan observerad och beräknad vattenföring analyserades för 30 vattenföringsstationer som slumpmässigt valdes ut av de totalt 344 som använts. Av de utvalda stationerna var vattenföringen vid knappt en tredjedel synligt påverkad av reglering. Urvalet var representativt för fördelningen i landet med avseende på geografiskt läge, uppströmsarea, sjöprocent och kvalitetsklassificering av stationernas data (Figur 3). En av stationerna visade sig inte ha observerad vattenföring för perioden 1985 2004 och uteslöts ur analysen. En annan station vars area var osäker på grund av en bifurkation uppströms uteslöts också från analysen. Bifurkationer är inte vanligt förekommande. Osäkerheten i långtidsmedelvärden per kalendermånad och per år beräknades som modellberäknat minus observerat värde i procent av det modellberäknade långtidsmedelvärdet och var generellt sett större i intervallet 0 15 l/s/km 2 vattenföring jämfört med vattenföring i intervallet 15 30 l/s/km 2, vilket i sin tur hade större värden än för intervallet >30 l/s/km 2 (Figur 4, Figur 5 och Figur ). Osäkerheten beräknades som procent av det modellberäknade värdet för att kunna beräkna osäkerheten i indata till TBV nationellt. Eftersom den beräknades på detta sätt blev den negativa osäkerheten (underskattning) större än den positiva uttryckt i procent. Osäkerheter i de observerade data togs inte hänsyn till vid dessa beräkningar. För årsmedelvärden låg osäkerheten inom ca ±20 % av beräknad vattenföring (Figur 7). Det var tydligt att osäkerheten var störst i små avrinningsområden 24
(Figur 8), vilket inte är förvånande eftersom osäkerheter i indata och modellers beskrivning av de hydrologiska processerna oftast är större på en mindre jämfört med en större skala. Figur 4 Observerat medelvärde per kalendermånad ritat mot beräknat medelvärde per kalendermånad (en färg per station). Figur 5 Osäkerhet i beräknat medelvärde per kalendermånad (beräknat som beräknad minus observerad vattenföring och uttryckt som procent av det beräknade värdet) ritad mot de beräknade värdena, för de 28 slumpmässigt utvalda stationerna (en färg per station). Några få mer negativa värden vid små flöden uteslöts ur figuren för att bättre visualisera huvuddelen av värdena. 25
Figur Histogram över fördelningsfunktioner för osäkerhet i månadsmedelflöden av olika storlek. Fördelningsfunktionerna skattades utifrån avvikelserna mellan beräknad och observerad vattenföring för de olika flödesklasserna, med hjälp av en helt datadriven kernel density-metod. Beräkningen av osäkerhetsfördelningarna kan förbättras med ett större dataunderlag än för de 28 stationer som analyserades här. Figur 7 Osäkerhet i simulerat årsmedel (beräknat som simulerat minus observerat och uttryckt som procent av det simulerade värdet) ritad mot simulerat årsmedel för de 28 slumpmässigt utvalda stationerna. 2
Figur 8 Osäkerhet i simulerat årsmedel (beräknat som simulerat minus observerat och uttryckt som procent av det simulerade värdet) ritad mot avrinningsområdets area för de 28 slumpmässigt utvalda stationerna. Den största negativa avvikelsen inträffar vid en reglerad vattenföringsstation. Stationer med kväve- och fosforhaltmätningar Alla stationer med kväve- och fosforhaltmätningar i vattendrag från SLUs databas samt de stationer som användes för kalibreringen av HBV-NP-modellen i samband med PLC5- beräkningarna undersöktes med avseende på geografisk fördelning, avrinningsområdets storlek och antal mätdata. SLU är datavärd för data som samlats in från sötvatten inom den nationella och regionala miljöövervakningen. I denna studie har alla vattenkemiska data i SLU:s databas använts (http://webstar.vatten.slu.se/db.html). I databasen ingår data från den nationella miljöövervakningen som genomförs i SLU:s regi på uppdrag av Havsoch vattenmyndigheten, samt externa data från den regionala miljöövervakningen. Den regionala miljöövervakningen omfattar främst mätningar inom samordnad recipientkontroll (SRK), men även andra mätprogram från till exempel olika länsstyrelser. Totalt sett fanns det 3 458 stationer med kväve eller fosforhaltmätningar i SLUs databas samt ytterligare 45 stationer som använts vid PLC5-beräkningarna (för de sistnämnda fanns ingen information om antalet mätningar, men det kan antas att tillgången var god eftersom de använts i HBV-NP-modellen, Figur 9). Identifieringen av dessa ytterligare stationer var ibland något osäker eftersom koordinaterna för stationens läge ibland justerats i HBV-NP-modellen för att matcha stationens läge med modellens rumsliga upplösning. Av de 3 458 stationerna i SLU-databasen hade alla stationer kvävemätningar medan 235 stationer (från de externa mätningarna) saknade fosformätningar. För 2 020 stationer i databasen fanns det 10 eller fler mätningar för totalkväve medan det fanns 10 eller fler mätningar för totalfosfor vid 2 139 stationer (Figur 10). Hälften av stationerna hade fler 27
än 40 respektive 54 mätningar (för totalfosfor respektive totalkväve). Det maximala antalet mätningar av totalfosfor respektive totalkväve per station var 773 respektive 749. De flesta stationerna ligger i södra Sverige (Figur 9), och av de stationer som hade 10 eller fler mätningar av totalkväve respektive totalfosfor låg en ännu större andel i södra Sverige (Figur 10 11). Figur 9 Mätstationer med data över kväve- och fosforkoncentrationer: alla vattendragsstationer i SLUs databas (gröna), alla stationer som användes för kalibrering av HBV-NP-modellen i samband med PLC5- beräkningarna (gula och röda), och de mätstationer från PLC5-kalibreringen som inte finns med i SLUs databas (tex eftersom det är data från kommuner, röda). 28
Figur 10 Fördelning av stationer i SLU-databasen med 10 eller fler respektive mindre än 10 mätningar för totalkväve (vänster) och totalfosfor (höger) Figur 11 Fördelning av avrinningområdesarea, antal mätdata per station samt östlig och nordlig koordinat för alla stationer (SLU-databasen samt de extra stationerna i data från PLC5-kalibreringen) samt för de SLU-stationer som hade 10 eller fler mätdata (information om antal mätdatata var inte tillgänglig för de övriga PLC5-stationerna). 29
De flesta stationer hade ingen avrinningsområdesarea angiven, därför gjordes en rumslig matchning med ett GIS-dataset över alla delavrinningsområden med beräknade uppströmsareor. På grund av att vissa mätstationers koordinatdata var osäkra och att vissa stationer låg nära en delavrinningsområdesgräns fick en del stationer en felaktig area vid denna matchning. Stationer med uppenbart för stor area korrigerades manuellt. De stationer som inte ligger nära ett delavrinningsområdes utloppspunkt får också en överskattad uppströmsarea. För 81 % av de 181 stationer som hade en uppströmsarea angiven var dock avvikelsen mindre än 5 %. De flesta stationer hade en uppströmsarea som låg inom intervallet 10 till 1000 km 2 (Figur 12). Det fanns omkring 130 stationer med en area som var mindre än detta intervall och cirka 500 stationer med större area. Figur 12 Antal mätstationer för olika storlek på avrinningsområdets area för alla stationer, de i SLUdatabasen med 10 eller fler mätningar av totalfosfor, samt de i samma databas med 10 eller fler mätningar av totalkväve Förutom totalfosfor och totalkväve fanns det även andra kväve- och fosforfraktioner i SLU-databasen av vilka en del kan användas vid kalibreringen av SMED-HYPE för PLC; oorganiskt kväve (nitrat (NO 3 ), ammonium (NH 4 ) och nitrit (NO 2 )), organiskt kväve, partikulärt fosfor och löst fosfor (Figur 13). 30
Figur 13 Totalt antal mätningar vid alla stationer i SLU-databasen för olika kväve- och fosforvariabler Rekommendationer för bedömning av tillförlitligheten i PLC-beräkningarna Indata till PLC-beräkningarna har generellt en mycket lägre rumslig upplösning än vattenförekomstskalan, vilket innebär att resultaten för denna skala kommer att vara behäftade med stora osäkerheter. Storleken på dessa osäkerheter bör kvantifieras i samband med PLC-beräkningarna genom en jämförelse mellan observerade data och belastningsberäkningarna med TBV samt den ingående SMED-HYPE-modellen för olika skalor. TBV-resultaten från PLC5 har hittills enbart utvärderats på skalor ner till 200 300 km 2 (de minsta avrinningsområdena i Figur 1, för vilka en utvärdering mot observationsdata gjordes av Widén-Nilsson och Westerberg, 2013). Det är för tillfället oklart vilken storlek vattenförekomsterna som ska användas i PLC har, eftersom indelningen inte är slutförd, men endast omkring 30 (10) % av vattenföringsstationerna har en avrinningsområdesarea mindre än 300 (100) km 2 (Figur 3) för fosfor- och kvävehaltmätningar har omkring hälften av mätplatserna ett avrinningsområde mindre än 100 km 2 (Figur 11). Den tidsmässiga upplösningen av många indata för närsaltsberäkningarna är också låg och kan skilja sig mellan olika typer av indata, vilket innebär att resultaten från TBV främst bör utvärderas på längre tidsskalor. 31
Beräkningen av vattenföring och retention för PLC-beräkningarna kommer att genomföras med HYPE-modellen som anpassas för ändamålet till en SMED-HYPE-version som använder läckagehalter för beräkningen av närsalter från diffusa källor. Vid de tidigare PLC-beräkningarna har HBV-NP-modellen använts. Eftersom HYPE-modellen kommer att kodas, kalibreras och sättas upp specifikt för dessa beräkningar kan kalibreringen och modellutvärderingen anpassas på det sätt som bedöms vara bäst. Den nya HYPEversionen bör i största utsträckning anpassas så att den baseras på samma indata som TBV för markanvändning, punktkällor, etc., och så att spårbarheten mellan HYPE och TBV-data garanteras. I SMED-HYPE sparas avrinningen från varje specifik markanvändning för att användas i beräkningen av markläckaget. Till skillnad från SMED-HYPE beräknade HBV-NP endast avrinningen från hela delavrinningsområdet. Markläckaget, som är en påverkande faktor i retentionsberäkningarna, beräknas med SMED-HYPE som produkten av vattnet från en viss markanvändning och den, från samma markanvändning, unika koncentrationen. Tidigare användes en för markanvändningen areaviktad avrinning i samma beräkning. Den nya beräkningsmetodiken kan ge upphov till att markläckaget blir högre för en markanvändning som släpper igenom mycket vatten och vise versa. Osäkerheten i de nya beräkningarna av markläckaget med SMED-HYPE bör diskuteras i samband med PLC och de bör även jämföras med beräkningen av markläckaget i TBV för att säkerställa att beräkningarna är konsistenta. Generella rekommendationer Utvärdering på olika skalor - Eftersom vattenförekomst är en finare indelning än delavrinningsområde (och PLC5-områden som användes i HBV-NP), bör fler mätstationer som har mindre tillrinningsarea kunna användas för kalibrering och resultatutvärdering i PLC jämfört med PLC5 (ex. Figur 3). Detta gäller i synnerhet för utvärderingen av resultatens tillförlitlighet, som är viktig att göra för en liten rumslig skala om det finns intresse av att använda resultaten på en sådan skala. - SMED-HYPE kommer att i största möjliga utsträckning kalibreras utifrån jordart och markanvändning, med hänsyn till vissa regionala skillnader. Andra parametrar som t.ex. styr avdunstning från sjöar och vattendrag ansätts regionalt. På så sätt kan modellparametervärden ansättas för områden som saknar kalibreringsdata. Modellparametrarna kommer liksom för HBV-NP inte att optimeras för varje lokalt område. Jämfört med lokalt optimerade parametrar kommer resultaten därför att stämma sämre i många områden där det finns kalibreringsdata, men i gengäld förhoppningsvis bättre i de områden där kalibreringsdata saknas. Det finns andra kalibrerings- och regionaliseringsmetoder där hänsyn kan tas till osäkerheter i modellparameteriseringen, men dessa metoder är troligtvis inte praktiskt möjliga med tanke på den stora omfattningen av PLC-beräkningarna. - När SMED-HYPE kalibrerats bör resultatens tillförlitlighet utvärderas både vid de mätstationer som använts vid kalibreringen samt vid ytterligare mätstat- 32
ioner som inte kunnat användas vid kalibreringen. Utvärderingen av SMED- HYPE-resultaten bör fokusera på den information som används i TBV och den information som är av intresse för vattenförvaltningen, t.ex. långtidsmedelvärden av vattenföring (som används i TBV) och av belastning av kväve och fosfor (för retentionsmodelleringen). - Tillförlitligheten i PLC-resultaten som beräknas med TBV bör också utvärderas med hjälp av tillgängliga mätdata. Denna utvärdering bör göras från vattenförekomstskala till flodmynningsskala för att illustrera resultatens tillförlitlighet på olika rumsliga skalor. Utvärderingen kan till exempel presenteras som osäkerhet i beräknat långtidsmedelvärde ritat mot avrinningsområdets storlek (Figur 8). Resultaten från utvärderingen bör också presenteras rumsligt i form av kartor som visar hur osäkerheten i resultatet varierar över landet för en viss avrinningsområdesskala. - Jordbrukets läckagekoefficienter kan utvärderas mot typområdena för jordbruksmark utifrån den modelluppsättning som redan finns (Djodjic m.fl., 2010). Rapportering av resultatens tillförlitlighet - På grund av osäkerheterna i beräkningarna och att dessa är beroende av den rumsliga skalan är det av mycket stor vikt att i samband med PLC-beräkningarna rapportera tillförlitligheten i resultaten samt eventuellt ge riktlinjer för hur de bör användas. - Utifrån jämförelsen med uppmätta data och hänsyn till skala kan tillförlitligheten i modellresultaten klassificeras i ett antal klasser (ex., hög tillförlitlighet, medelgod tillförlitlighet, dålig tillförlitlighet ). Dessa klasser kan också färgkodas enligt stoppljusmetoden. Tillgängligheten till kalibrerings- och utvärderingsdata för kväve, fosfor och vattenföring bör också användas för indelningen. - Exakt utformning av denna klassificering bör studeras i ett utvecklingsprojekt i samband med PLC-beräkningarna. - Tillförlitligheten i information, såsom bakgrundsvärden och källfördelning som oftast inte kan utvärderas direkt mot data, bör också diskuteras och rapporteras vid PLC-beräkningarna. För detta ändamål är det viktigt att fortsätta arbetet med att undersöka osäkerheterna i de olika indata till TBV för kväve (Widén-Nilsson m.fl., 2010, Gustavsson m.fl., 2012 samt Widén-Nilsson och Westerberg, 2013), och även göra liknande undersökningar för fosfor. - För att få ytterligare information om osäkerheten i resultaten är det också av intresse att jämföra resultaten från TBV och SMED-HYPE med SMHIs S-HYPE-modell, som är den modelluppsättning som används inom vattenförvaltningen, samt även med de tidigare PLC-beräkningarna. Vattenföringsdata Ta hänsyn till kvaliteten på vattenföringsdata 33
- Kvalitetsklassificeringen av vattenföringsdata bör beaktas och stationer med alltför dålig kvalitet uteslutas - Information om det högsta uppmätta flödet som använts för beräkningen av avbördningskurvan för varje vattenföringsstation bör beaktas vid kalibreringen så att modellen inte i för stor utsträckning kalibreras mot extrapolerad vattenföring som kan vara mycket osäker. Om möjligt bör även de mobila vattenföringsstationer som SMHI sätter upp på olika platser under tvåårsperioder användas. Man bör då ta hänsyn till att dessa data inte håller samma kvalitet som de vanliga vattenföringsstationerna. Kalibreringen och utvärderingen av SMED-HYPE bör ske mot flera olika mått, t.ex. volymfel, kurvanpassningsmått och avvikelser från olika punkter på varaktighetskurvan. Speciellt bör avvikelser i de långtidsmedelvärden av månads- och årsflöden som sedan används i TBV redovisas. Kväve- och fosfordata Ta hänsyn till osäkerheten i kväve- och fosforhaltmätningar - Vid kalibrering och utvärdering mot mätstationer inom olika mätprogram är det viktigt att komma ihåg att olika mätmetoder för totalkväve ger olika resultat. Inom SRK-programmet används spektrofotometrisk analys efter persulfatuppslutning (Tot-N_ps) som generellt sett ger lägre halter än totalkvävehalter som tas fram som summan av Kjeldahlkväve och nitrit- och nitratkväve (Wallman m.fl., 2009). Den senare metoden har använts för den nationella miljöövervakningen där flodmynningsstationerna ingår. En god överensstämmelse mellan uppmätta och beräknade halter vid kalibrering uppströms mot i huvudsak SRK-stationer kommer därmed visa på en underskattning vid en utvärdering mot flodmynningsstationerna (Sonesten, 2011). Kalibreringen och utvärderingen bör ske mot flera olika mått som beskriver överrensstämmelsen mellan beräknade och observerade data ur flera olika aspekter, speciellt bör avvikelser mellan beräknade och observerade långtidsmedelvärden av kväve- och fosforbelastningar samt koncentrationer redovisas. Om man i ett område har en extra källa i form av internbelastning från sjösediment och inte tar hänsyn till denna kommer bruttobelastningen att bli för låg. Vid kalibrering av retentionen mot uppmätta halter kan då retentionen bli för låg. Den manuella kalibrering som genomfördes för HBV-NP till PLC5- beräkningarna fokuserade dock på dynamiken i retentionen snarare än de absoluta nivåerna, vilket kan göra påverkan av en felaktig bruttobelastning mindre. I ett litet område har en extra källa i form av internbelastning från sjösediment ett större genomslag än i ett större avrinningsområde. 34
Prioritering av utvecklingsbehov Vid användning av modeller som beslutsstöd är syftet med modelleringen det första som måste definieras. I fallet med SMEDs PLC5-beräkningar, har huvudsyftet varit att leverera data för internationell rapportering av belastning och källfördelning på havet per huvudavrinningsområde och havsbassäng. Att SMED ska beräkna resultat på en mer lokal vattenförekomstskala föreslås nu för att tillhandahålla ett generellt underlag för att bedöma risk för påverkan på enskilda vattenförekomster. Riskbedömningen kommer dock alltid att vara mer osäker på den lilla skalan eftersom resultaten från beräkningsmodeller och data alltid är behäftade med osäkerheter som är större på en liten rumslig skala (vattenförekomst, delavrinningsområde) jämfört med en stor skala (huvudavrinningsområde, havsbassäng). Prioriteringarna av utvecklingsbehov som föreslås i detta projekt har utgått ifrån kunskap om kvalitet i beräkningar som genomförts med nationella indata och på nationell skala samt baserat på erfarenheter av betydelse av indata från lokala projekt. Källor och indata som inte har någon större betydelse på den nationella skalan kan ha stor lokal inverkan, vilket gör att prioriteringen rör i stort sett alla typer av källor som bidrar till antropogen kväve- och fosforbelastning. Att osäkerheterna ökar med ökande rumslig upplösning beror på större lokala skillnader i de processer som modellerna förenklat beskriver (och även mänsklig påverkan på dessa processer såsom vattenregleringar, jordbruk, osv) samt på mindre representativt och mer osäkert dataunderlag på den lilla skalan (t.ex. indata för gödsling som utgörs av statistik för större områden). Dataunderlaget till PLC-beräkningarna begränsas även av den statistiska sekretessen för vissa typer av indata. Sådana osäkerheter och skillnader på lokal skala tar till viss del ut varandra när resultaten aggregeras till en större skala. Det är viktigt att kvantifiera storleken av dessa osäkerheter på olika skalor i samband med utvärderingen av beräkningsresultaten, och det finns en gräns för hur mycket osäkerheten i beräkningsresultaten kan begränsas med hjälp av förbättrade indata. På grund av dessa osäkerheter bör man på lokal skala alltid göra åtgärdsförslag baserat på ytterligare fördjupad lokal information och baserat på lokal åtgärdsvilja och kostnadseffektivitet i åtgärder. Tidigare studier visar att man behöver göra lokala mätningar av kväve- och fosforbelastning samt använda lokala anpassningar av indata för att hitta de små områden som har allra störst åtgärdsbehov (Andersson m.fl., 2005; Djodjic, 2008; Ekstrand m.fl., 2009). PLC5-data ansågs kunna användas ned till PLC5-områdesnivå, med rekommendation till stor försiktighet om man använder data med den ännu finare delavrinningsområdesindelningen. Även om avrinning och retention framöver kommer att beräknas på vattenförekomstskala kommer resultaten fortfarande att vara mycket osäkra på denna skala, och börja bli tillförlitliga först på PLC5-områdesnivå. Underlaget till nedanstående prioriteringslistor har varit bättre för kväve än för fosfor eftersom det har genomförts tre osäkerhetsstudier av de kvävebelastningsberäkningar som utfördes för PLC5, medan någon sådan studie ännu inte genomförts för fosfor. 35
Tillförlitlighetsbedömning och osäkerhetsanalyser Tabell 1 Utvecklingsbehov gällande tillförlitlighetsbedömning och osäkerhetsanalyser Typ av analys Behov Tidsprioritering Resultatutvärdering PLC Kvantifiering och redovisning av noggrannheten/osäkerheten i PLC-resultaten på olika skalor Tillförlitlighetsbedömning Osäkerhetsanalys fosfor Känslighetsanalys av variationen i kvävegödsling Känslighetsanalys av variationen i jordbearbetning Klassificering av tillförlitligheten för olika rumsliga skalor utifrån denna analys samt information om dataunderlag Samma typ av osäkerhetsanalyser för bruttooch nettobelastning av fosfor som utförts för kväve. Analys av osäkerhet i gödselgivor och skördar som kan variera stort på en liten skala Analys av variationen av olika jordbearbetningstidpunkter. PLC PLC PLC PLC Resultatutvärdering. Det är av stor vikt att osäkerheten i PLC-resultaten beräknas och redovisas för olika rumsliga skalor eftersom många indata, och i synnerhet de läckagefaktorer som används för jordbruk och skog, är framtagna med en mycket grövre geografisk indelning och kan inte anses representativa för vattenförekomstskalan. Den osäkerhet i beräknad belastning som detta ger upphov till bör därför kvantifieras genom jämförelser med observationsdata på olika rumsliga skalor. Tillförlitlighetsbedömning. Resultatens tillförlitlighet bör färgkodas (t.ex. enligt en stoppljusklassificering, se föregående avsnitt) baserat på det dataunderlag som använts (med information från osäkerhetsanalysprojekten) och utvärderingsresultaten för olika skalor. Ett utvecklingsprojekt bör utföras för att ta fram hur denna klassificering skall göras i samband med PLC. Osäkerhetsanalys fosfor. Analyser av osäkerheten i den beräknade netto- och bruttobelastningen av fosfor bör genomföras på samma sätt som för kvävebelastningen. Detta arbete bör utföras med den metodik som kommer att användas vid PLC-beräkningarna och därmed genomföras i samband med dessa. Arbetet ger även förbättrad kunskap om osäkerheterna i de olika indatatyperna och därmed även underlag för tillförlitlighetsbedömningen. 3
Känslighetsanalys av variationen i kvävegödsling. Från en genomgång av spridningsmönster av gödslingsgivor, och då särskilt för stallgödsel (Djodjic m.fl., 2011) vet man att även om det i medeltal råder balans mellan gödsling och bortförsel av kväve från åkerarealen så råder det långt ifrån balans på fältnivå. Det innebär att vissa fält i en vattenförekomst kan verka som en hot-spot. Det vore viktigt att i ett utvecklingsprojekt göra en analys av betydelsen av denna variation i gödslingsnivå, och också utreda om det går att inkludera ett spridningsmått i gödslingsintensitet i beräkningarna. Analys av påverkan av variationen i gödslingsgivor bör genomföras för att bättre kunna värdera påverkan på utlakningen vid olika jämförelser. Ett utvecklingsprojekt bör utföras för att ta fram hur denna klassificering skall göras i samband med PLC. Känslighetsanalys av variationen i jordbearbetningstidpunkt. Nu används en statistisk medeltidpunkt för att beskriva jordbearbetningen oberoende av hur spridningen ser ut. En analys av att använda ett tidsintervall istället för en normaldag bör utföras. Förbättrade indata med avseende på upplösning i tid och rum Vissa typer av indata omfattas av sekretess och att förfina den rumsliga upplösningen kan därför leda till konflikter med dessa sekretesskrav. Den pågående SMED-studien Indata och sekretess undersöker sådana konflikter men resultaten från studien är ännu inte tillgängliga på grund av förseningar i arbetet med den nya hydrologiska indelningen. Nedanstående prioriteringslista kan därför behöva revideras när resultaten från analysen av sekretesskonflikter är tillgängliga. 37
Tabell 2 Utvecklingsbehov gällande förbättrade indata m.a.p. upplösning i tid och rum Typ av data Förbättringsbehov Tidsprioritering Jordarter Punktkällor Punktkällor Odlingsstatistik Vattenföring Enskilda avlopp Dagvatten Beräkning av typhalter för stallgödselled respektive handelsgödsel (N) I den lokala skalan finns behov av att kunna differentiera typhalterna för de lokala förutsättningarna. Jordbruksbelastning Skog Organiskt kväveläckage från jordbruksmark Förbättring av jordartskartan utifrån nya texturoch höjddata Uppdatering av äldre teknikuppgifter för reningsverk Information om utsläpp som tidsserier av årsutsläpp i SMED-HYPE Valluppgifter Möjlighet till PO18-uppgifter i fler områden. Nya grödor t.ex. majs Nya brukningsmetoder t.ex. plöjningsfri odling Vattenföringsdata för mindre avrinningsområden för modellutvärdering Utveckling av nationell databas med koordinatsatta enskilda avlopp och beräknade belastningar Förbättrad information om andel dagvatten som leds till reningsverk Beräkning av vägdagvatten från det statliga vägnätet utom tätort. Förbättring av beräkningen av bakgrundsförlust av fosfor Förbättrade typhalter för skogsläckage för säkrare bedömning av antropogen belastning Förbättrad hantering av organiskt kväve från jordbruksmark i retentionsberäkningen PLC PLC Lång sikt PLC Lång sikt Lång sikt Lång sikt PLC PLC PLC PLC PLC 38
Jordarter. Nya texturdata har samlats in och den nya höjdmodellen finns tillgänglig för att göra en ny förbättrad jordartskarta för åkermark. Punktkällor. Det vore önskvärt att samla in och kvalitetskontrollera information om utsläpp från punktkällor som tidsserier för att förbättra retentions- och belastningsberäkningar. Det är även viktigt att säkerställa spårbarheten mellan punktkälledata som används i TBV och SMED-HYPE. SMED- HYPE måste anpassas för att kunna hantera tidsseriedata för punktkällor. Odlingsstatistik. Utökad datainsamling så att den tillgängliga statistiken räcker till för att göra data i skalan PO18 tillgängligt för fler grödor i fler läckageregioner. Tidsintervallet mellan datainsamlingar för både gödsling och skörd är också viktigt om resultat ska rapporteras med högre tidsupplösning. Vattenföring. Det finns få vattenföringsdata för små avrinningsområden, för att möjliggöra utvärdering och tillförlitlighetsbedömning på en liten skala behöver sådana data samlas in. Enskilda avlopp. Beräkningen av belastningen från enskilda avlopp kan förbättras avsevärt för mindre skalor om dagens statistiska beräkningar per kommun/delavrinningsområde ersätts med en nationell databas med koordinatsatta enskilda avlopp samt beräknade belastningar. Dagvatten. Förbättrad geografisk upplösning kring vilket dagvatten, vilka tätortsytor, som leds till reningsverk, dagvattenrening och till recipient. Kräver tillgång till ledningskartor och analys av dessa för större kommuner. Metodik för beräkning av vägdagvatten från det statliga vägnätet utom tätort finns redan framtagen och skulle relativt lätt kunna läggas in i TBV-beräkningarna Beräkning av typhalter för stallgödselledet respektive handelsgödselledet. Inom en region kan variationen vara stor med avseende på andelen djur och därmed också andelen stallgödsel. Med typhalter representativa för stallgödslad areal jämfört med endast handelsgödslad areal finns det möjlighet att bättre spegla denna variation. Ett utvecklingsprojekt bör utföras för att ta fram hur denna klassificering skall göras i samband med PLC. Jordbruksbelastning. En översyn av beräkningen av bakgrundsförlusten av fosfor från jordbruksmark behöver göras, beräkningarna görs idag för en klass för hela Sverige. Metodiken kan förbättras genom att ta hänsyn till uppmätta fosforhalter och andra variabler. Skog. Nya studier visar att läckaget från skogsmark kan vara större än typhalterna visar, och en eventuell revidering av dessa bör därför studeras. Organiskt kväveläckage från jordbruksmark. Förbättrad och förtydligad hantering av organiskt kväve från jordbruksmark i retentionsberäkningen. 39
Uppföljning av förändrade förhållanden Det finns ett behov av att utreda hur förändrade framtida förhållanden i klimat och markanvändning ska hanteras och följas upp i PLC-beräkningarna. Detta arbete bör koppla till andra nationella initiativ/projekt som t.ex. Climate change and Environmental Objectives (CLEO, www.cleoresearch.se). 40
Framtida behov av datainsamling och nationella datavärdar Generellt kommer resultaten och tillförlitligheten i modellberäkningarna aldrig bli bättre än de indata som ligger till grund för beräkningen. Det är därför grundläggande att indata redovisas så transparent som möjligt så att underlaget kan bedömmas vid lokal resultatanvändning. Under denna rubrik redovisar vi prioriterade behov av utveckling av datainsamling och system för att förbättra upplösning av indata, transparens i indata och bedömning av tillförlitligheten av resultaten. Tabell 3 Framtida behov av datainsamling och nationella datavärdar Indata/Behov Förslag lagringssystem Förslag systemansvarig Gränssnitt mot indata TBV SMED Ja Tillförlitlighetsbedömning TBV SMED Ja Beräknad belastningsdata, vattenföring och källfördelning Stora punktkällor, utsläppskoordinater TBV SMED Ja SMP Lst, Punktkällor, anmälningspliktiga SMP Lst, Enskilda avlopp, inventeringar anläggningstyp Gödselmedelsinventering utökad för PO18 Mätdata näringsämnen och flöde Utökad inventering av odlingsstatistik Nationell databas kopplad till kommunernas inventeringar SCB statistik insamling SLU och SMHI datavärdskap SCB statistik insamling Egenkontroll VU Granskning SMED Kontroll teknik kommuner, Schablonhalter SMED SMED SCB SLU/SMHI SCB Befintligt system att bygga ut Ja Ja Nej Ja Ja Ja 41
Gränssnitt mot indata. Ett gränssnitt bör utvecklas för att tillhandahålla indata och ge möjlighet för användare av resultaten att närmare granska de indata som ligger till grund för beräkningsresultaten i varje område. Detta ger större transparens och möjlighet för bedömning av tillförlitlighet av resultaten för användare utanför SMED. Ansvarig bör vara SMED på uppdrag av NV/HaV och gränssnittet borde bygga på TBV. o Även om retentionen i TBV anges som den ackumulerade retentionen till havet är det önskvärt att den lokala retentionen också redovisas, för att ha som utgångspunkt i lokala studier och vid modelljämförelser. Tillförlitlighetsbedömning. Denna bedömning görs i samband med PLC för resultat på olika skalor och redovisas tillsammans med resultaten via TBVs resultatgränssnitt. Ansvarig bör vara SMED på uppdrag av NV/HaV. Stora punktkällor. Koordinater för utsläppspunkter behöver samlas in. Data samlas i SMP. Ansvaret för SMP ligger hos Länsstyrelserna. Granskning sker av SMED på uppdrag av NV/HaV. Rättning sker genom egenkontroll hos verksamhetsutövaren. Ytterligare rättning och tillskrivning av data sker av SMED för viss internationell rapportering. SMED-rättade data samlas i TBV. Punktkällor, anmälningspliktiga. Data bör kunna samlas kontinuerligt i SMP på liknande sätt som för stora punktkällor. Data kan bestå av schablonhalter baserat på teknikuppgifter som granskas och uppdateras av kommuner. Ansvarig för SMP är Lst, kommuner granskar teknikuppgifter och koordinater, och SMED föreslår schablonhalter. Enskilda avlopp. En nationell databas kopplad till kommunernas inventering av anläggningstyp bör skapas så att uppdaterad information samlas och blir så transparent som möjligt. Databasen hanteras förslagsvis av SMED. Gränssnitt mot rådata så att man kan spåra förädlade indata till inventeringar. Gödselmedelstatistik. Utökad datainsamling så att den tillgängliga statistiken räcker till för att göra data i skalan PO18 tillgängligt i alla läckageregioner. Ansvariga är SCB på uppdrag av Jordbruksverket. Vid gödselmedelsinventeringen 2011 hade en utökning av antalet samples gjorts. Vilken förbättring denna utökning av inventeringen medför bör utvärderas innan eventuellt ytterligare utökningar föreslås. Mätdata näringsämnen och flöde. Samla samtliga mätdata från kommuner och Lst hos datavärdar. Speciellt värdefullt med data från mindre avrinningsområden för resultatutvärdering. Ansvarig datavärd idag är SLU och SMHI på uppdrag av NV. Granskning av data är stor vikt och bör utföras så långt möjligt. Utökad inventering av odlingsstatistik. I utökad inventering ingår övriga odlingsåtgärder, förutom gödselmedel och skördar, även tidpunkt för jordbearbetning, jordbearbetningsteknik m.fl. åtgärder. 42
Källförteckning Andersson, L., Rosberg, J., Pers, C.B., Olsson, J., Arheimer, B., 2005. Towards More Integrated Water Resource Management, Ambio, Vol. 34, No. 7, pp. 521-532. Arheimer, B. och Pers, C., 2007. Kväveretention i svenska sjöar och vattendrag betydelse för utsläpp från reningsverk. SMHI hydrologi Nr. 107. Blombäck, K., Johnsson, H., Lindsjö, A., Mårtensson, K., Persson, K. & Schmieder F. 2011. Läckage av näringsämnen från svensk åkermark för år 2009 beräknat med PLC5-metodik. SMED rapport nr 57. Blombäck, K., Mårtensson, K. & Johnsson, H. 2012. Översyn av läckagekoefficienter för N-läckage från lerjordar. SMED rapport nr 103. Brandt, M., Grahn, G., Årnfelt, E., Bäckman, N., 2004. Anpassning av TRK-systemet från nationell till regional nivå samt scenarioberäkningar för kväve - Tester för Motala Ström. SMHI Hydrologi, nr 94. Brandt, M., Ejhed, H. och Rapp, L. 2008. Näringsbelastningen på Östersjön och Västerhavet 200. Naturvårdsverket rapport 5815. Djodjic, F. 2008. Identifiering av riskområden för fosforförluster i ett jordbruksdominerat område i Dalarna, Länsstyrelsen i Dalarna, rapport 2008:17, http://www.lansstyrelsen.se/dalarna/sitecollectiondocuments/sv/publikatio ner/rapporter-2008/08-17.pdf Djodjic, F., Nisell, J., Brandt, M. och Söderström, M., 2009. Jordartskarta för jordbruksmark jämförelsestudie mellan olika metoder för interpolation av mätpunkter samt testning av deras betydelse för PLC-beräkningar. SMED rapport 25. Djodjic, F., Orback, C., Wallin, M., Blombäck, K., Johnsson, H., Kyllmar, K., Kalibrering och validering av jordbruksläckagekoefficienter och beräkning av retention i små sjölösa områden, SMED Rapport Nr 43 2010, http://www.smed.in/wp- content/uploads/2011/05/smed_rapport_2010_43.pdf Djodjic F., Kyllmar, K., 2011. Spridning av gödselmedel på åkermark. Institutionen för vatten och miljö, SLU, Rapport 2011:22, Uppsala Djodjic, F., Wallin, M., 2011. Förslag till vidareutveckling av bedömningsgrunder för fosfor i vattendrag Reviderad bakgrundshalt för jordbruksmark. Institutionen för vatten och miljö, SLU, Rapport 2011:, Uppsala Ek, M., Junestedt, C., Larsson, C., Olshammar, M., Ericsson, M. 2011. Teknikenkät enskilda avlopp 2009. SMED Rapport Nr 44 2011. http://www.smed.se/wpcontent/uploads/2011/05/smed_rapport_2011_44.pdf 43
Ekstrand, S., Persson, T., Wallenberg, P., 2009. Tillgängliga Modellverktyg för beräkning av belastning, åtgärdseffekt och retention kväve och fosfor. Slutrapport. IVL Rapport B1915, Stockholm Eriksson, J., Andersson, A. och Andersson, R., 1999. Åkermarkens matjordstyper. Naturvårdsverket rapport 4955. Gustavsson, H., Westerberg, I., och Widén-Nilsson, E. 2012. Osäkerhetsanalys av kväveretention i HBV-NP-modellen, SMED Rapport Nr 101. Johnsson och Mårtensson, 2002. Kväveläckage från svensk åkermark. Beräkningar av normalutlakning för 1995 och 1999. Naturvårdsverket, Rapport 5248 Johnsson, H., Larsson, M., Lindsjö, A., Mårtensson, K., Persson, K. & Torstensson, G., 2008. Läckage av näringsämnen från svensk åkermark. Beräkningar av normalläckage av kväve och fosfor. Naturvårsverket rapport 5823. Lantmäteriet, 2010. Produktbeskrivning: GSD-Marktäckedata. Datum 2010-03-2, Dokumentversion 1.2. http://www.lantmateriet.se/global/kartor%20och%20geografisk%20informa tion/kartor/produktbeskrivningar/md_prod.pdf Lantmäteriet, 2013. GSD-Översiktskartan, vektor. http://www.lantmateriet.se/kartor-ochgeografisk-information/kartor/oversiktskartan/gsd-oversiktskartan-vektor/ Senast besökt 2013-01-1 Liljeberg, M., Ejhed, H., Nisell, J., 2010. Förbättrad markanvändningsdata för beräkningar inom SMED Vatten. SMED Rapport Nr 42 2010. http://www.smed.se/wpcontent/uploads/2011/05/smed_rapport_2010_42.pdf Löfgren, S. och Westling, 2002. Modell för att beräkna kväveförluster från växande skog och hyggen i Sydsverige. Inst. för miljöanalys, SLU, rapport 2002:1. Löfgren S. och Brandt M. 2005. Kväve och fosfor i skogsmark, fjäll och myr i norra Sverige Rapportserie SMED och SMED&SLU vol. 2005 nr 14, http://www.smed.se/wpcontent/uploads/2011/05/smed_rapport_2005_14.pdf Löfgren S., Nisell, J., Yu, J., Ranneby, B., 2011a. Förbättrade skattningar av N och P- förlusterna från skog, myr och fjäll inför PLC pilotprojekt, SMED Rapport Nr 52 2011. Löfgren S., Nisell, J., Yu, J., Ranneby, B., 2011b. N- och P-halterna i skog, myr och fjäll våren 2011 i Dalälven, Viskan, Ätran, Nissan och Lagan projekt för att förbättra skattningarna av typhalter inför PLC., SMED Rapport Nr 100 2011. Löfgren, S, Fröberg, M, Nisell, J., Yu, J., Ranneby, B. N- och P-halterna i skog, myr och fjäll hösten 2011 i Dalälven, Viskan, Ätran, Nissan och Lagan - projekt för att förbättra skattningarna av typhalter in-för PLC. 2011c. SMED Rapport nr 109 2012. http://www.smed.se/wpcontent/uploads/2012/10/smed_rapport_2012_1091.pdf 44
Markensten, H., Fölster, J., Vrede, T., Djodjic, F., 2012. Näringspåverkan av fiskodling i regleringsmagasin. Institutionen för vatten och miljö, SLU, Uppsala, Rapport 2012:20. Nisell, J., Lindsjö, A., Temnerud, J., 2007. Rikstäckande virtuellt vattendrags nätverk för flödesbaserad modellering VIVAN. Utveckling av anpassade geografiska data för hydrologiska och vattenkemiska tillämpningar. Institutionen miljöanalys, SLU, Uppsala, rapport 2007:17 Orback, C. 2007. Utvärdering av enskilda avlopps betydelse för vattenkvaliteten i sjön Trehörningen. Institutionen för miljöanalys, rapport 2007:7, http://publikationer.slu.se/filer/examensarbetetrehrningen.pdf Orback C., och Wallin, M. 2011, Skråmträsket - Källfördelningsmodellering av fosfor, Institutionen för vatten och miljö, SLU, Uppsala, Rapport 2011:2, http://publikationer.slu.se/filer/skrmtrsket_fosforkllor.pdf Orback, C., Wallin, M., Djodjic, F., Rydin, E., 2009. Kväve- och fosforbelastning på Florsjön och Östersjön Källfördelningsmodellering med FyrisNP, Institutionen för miljöanalys, rapport 2009:10, SLU, Uppsala, http://vattennav.slu.se/main.php/vattennav.slu.se/main.php/projects/4be4d 8e11a7/docs/Florsjön%20Östersjön/Florsjön%20Östersjön%20Slutrapport.p df?fileitem=42017 Sahlberg, J., Marmefelt, E., Brandt, M, Hjerdt, N., Lundholm, K. 2008. HOME Vatten i Norra Östersjöns vattendistrikt Integrerat modellsystem för vattenkvalitetsberäkningar. SMHI, Norrköping, Oceanografi Nr. 93. SCB, 1992. Områdesindelningar i lantbruksstatistiken 1992. Meddelanden i samordningsfrågor. 1992:1, Stockholm SCB, 2004. Gödselmedel i jordbruket 2002/2003. Statistiska meddelanden, MI 30 SM 0403, SCB, Stockholm. SCB, 200a. Normskördar för skördeområden, län och riket 2005. SCB, Statistiska meddelanden, J15 SM 0501, Stockholm SCB, 200b. Gödselmedel i jordbruket 2004/2005 Mineral- och stallgödsel till olika grödor samt hantering och lagring av stallgödsel. SCB, Statistiska meddelanden, MI 30 SM 003, Stockholm. SCB, 200c. Jordbruksstatistisk årsbok 200. SCB, Stockholm. SCB, 2011. Odlingsåtgärder i jordbruket. Statistiska meddelanden, MI 30 SM 1102, SCB, Stockholm. SMHI, 2008. S-HYPE: HYPE-modell för hela Sverige, Tabell 1 Översiktlig sammanställning av indata till S-HYPE 2008. http://www.smhi.se/forskning/forskningsomraden/hydrologi/s-hype-1.50 Senast besökt 2013-01-1 45
SMHI, 2009a. Sjöregister. 25 november 2009. http://www.smhi.se/kdata/hydrologi/sjoar_vattendrag/sjo_svar_2009.pdf SMHI, 2009b. Sjödjup och sjövolym. 25 november 2009. http://www.smhi.se/kdata/hydrologi/sjoar_vattendrag/sjodjup_svar_2009.pdf Sonesten, L., Brånvall, G., Karlsson, B., 200. Förbättrade belastningsberäkningar till de internationella rapporteringarna EUROWATERNET-MARINE data, OSPAR RID och PLC ANNUAL. Genomgång av dagens beräkningar och förslag till förbättringar av närsaltsbelastningen. SMED rapport 200:2. Sonesten, L. 2011. Beräkningar av belastningen på havet från landområ-den. SMED rapport nr 53 2011, http://www.smed.se/wpcontent/uploads/2011/10/smed_rapport_2011_532.pdf Uggla, E., Westling, O., 2003. Utlakning av fosfor från brukad skogsmark. IVL Rapport B 1549, Stockholm. Wallenberg, P., Ekstrand, S., 2007. Samråd Västerås information från lantbrukare som bas för modellering av åtgärdseffekter. Slutrapport för projektet Utveckling av metodik och struktur för vattendirektivets samrådsprocess pilotfall Sagån och Svartån. IVL Rapport B173, Stockholm Wallman K., Löfgren S., Sonesten L., Demandt C. och From A-L. 2009. Totalkväveanalyser vid Institutionen för vatten och miljö - En genomgång av olika analysmetoder och deras betydelse för tids-serierna. Rapport / Sveriges lantbruksuniversitet, Institutionen för vatten och miljö vol. 2009:8, http://publikationer.slu.se/filer/totn.pdf Widén-Nilsson, E., Westerberg, I., 2013. Osäkerhetsanalys av kvävenettobelastning (PLC5). SMED Rapport 112, i tryck. Widén-Nilsson, E., Westerberg, I., Wallin, M., Brandt, M., Brånvall, G., Djodjic, F., Löfgren, S., Mårtensson, K., Nisell, J., Olshammar, M. och Orback, C., 2010. Osäkerhetsanalys av bruttobelastning (PLC5) till följd av osäkerhet i indata En inledande studie av kväveförlusterna i delar av Örsundaån, Lagan och Helge å, SMED Rapport (Avtal: 308 0904). http://vattennav.slu.se/main.php/leveransb10%20os%e4kerhetsananlys.pdf?fileitem=8077313 4
Bilaga 1. Uppdelning av statistik från produktionsområde SCB delar in Sveriges jordbruksmark i flera olika områdessystem för redovisning av lantbruksstatistik. Redovisning sker både för administrativa områden, t.ex. län och kommun, och för områden som avgränsas av de naturliga förutsättningarna för jordbruk. Det finns 1 naturliga jordbruksområden som slagits ihop till 18 produktionsområden, PO18. Dessa 18 områden är grunden för läckageregionerna för jordbruksmark som används i PLC5-beräkningen. De 18 produktionsområdena kan sammanföras till åtta produktionsområden, PO8, samt till tre riksområden. Det finns ytterligare en områdesindelning, skördeområden (SKO). Skördeområdena är mer homogena än de naturliga jordbruksområdena med avseende på skördens variation. Av de 18 produktionsområdena har produktionsområde Mälar- och Hjälmarbygden, region, den största arealen jordbruksmark. Dess jordbruksareal omfattar ca en femtedel av Sveriges åkermark. Region innehåller 15 hela skördeområden och delar av 4 skördeområden. Region har i detta projekt delats i två regioner 1 och 2 (Figur 14). Med region avses hela regionen och med 1 avses regionen närmast Mälaren och Hjälmaren. Region 2 avser de norra, de östra och de sydliga delarna. Region 1 är generellt mer intensivt brukat med t. ex. högre andel höstsådd gröda, mindre andel vall och högre skördar än region 2. Region 1a och region 2a (Johnsson m.fl., 2008) skiljer sig på samma sätt som 1 och 2 gör. I region 1a och 2a finns produktionsskillnader och grödsammansättning är olika, bl.a. var andelen vall och andelen stallgödslad areal var större i region 2a och gödslings- och skördenivåerna var något högre i region 1a än i region 2a. I beräkningen av kväve- och fosforförlusterna användes samma klimatstation och avrinningen var mycket lika, 303 mm respektive 307 mm. Även jordartsfördelningen är relativt lika. Generellt var varje utlakningskoefficient, utlakningen per gröda och jordart, högre i region 2a jämfört med 1a. Grödsammansättningen gör att medelutlakningen per jordart var relativt lika. 47
Figur 14. Region, region 1 (gult område) och region 2 (grönt område). Mörkblå yta är jordbruksblocken (2011). Årsavrinningen varierar inom region med högre avrinning i de västra och norra delarna av regionen och lägst i det centrala området runt Mälaren (Figur 15). Figur 15. Årsavrinning i region, 1 och 2 (mm). 48
I region har jordbruksmarken relativt övriga Sverige hög lerhalt. I området närmast Mälaren, främst norr om finns jordarna med de högsta lerhalterna (Figur 1). Figur 1. Jordartsfördelning i region, 1 och 2. Andelen av olika grödor i region varierade per skördeområde, högst andel vall fanns i de nordöstra delarna och de södra delarna (Figur 17) medan höstsådd gröda förekom mest i de centrala delarna runt Mälaren (Figur 18). Vårsådd gröda var mest förkommande i de västra och nordvästra delarna av region (Figur 19). 49
Andel vall (%) Figur 17. Andel vall per skördeområde i region, 2011 (% av andelen jordbruksareal). Det lägsta intervallet begränsas uppåt av medelandelen i region 1, nästa intervall begränsas av medelandelen i region, nästa av medelandelen i region 2 och det högsta intervallet är högre än medelandelen i region 2. Andel höstsådd areal (%) Figur 18. Andel höstsådd areal (höstvete, råg och höstraps) per skördeområde i region, 2011 (% av andelen jordbruksareal). Det lägsta intervallet begränsas uppåt av medelandelen i region 2, nästa intervall begränsas av medelandelen i region, nästa av medelandelen i region 1 och det högsta intervallet är högre än medelandelen i region 1. 50
Andel vårsådd areal (%) Figur 19. Andel vårsådd areal (vårkorn, havre, vårvete och vårraps) per skördeområde i region, 2011 (% av andelen jordbruksareal). Det lägsta intervallet begränsas uppåt av medelandelen i region 2, nästa intervall begränsas av medelandelen i region, nästa av medelandelen i region 1 och det högsta intervallet är högre än medelandelen i region 1. Skördenivåerna varierade inom region (Figur 20 och Figur 21). De högsta höstvete- och vårkornskördarna uppmättes i västra och centrala delarna av regionen. Skördenivå, höstvete (kg/ha) Figur 20. Skördenivå av höstvete per skördeområde i region, 2011 (kg/ha). Det lägsta intervallet begränsas uppåt av medelskörden i region 2, nästa intervall begränsas uppåt av medelskörden i region, nästa av medelskörden i region 1 och det högsta intervallet är högre än medelskörden i region 1. 51
Skördenivå, vårkorn, (kg/ha) Figur 21. Skördenivå av vårkorn per skördeområde i region, 2011 (kg/ha). Det lägsta intervallet begränsas uppåt av medelskörden i region 2, nästa intervall begränsas uppåt av medelskörden i region, nästa av medelskörden i region 1 och det högsta intervallet är högre än medelskörden i region 1. Beräkning av typhalter för kväve och fosfor I arbetet har beräkningsmetoden inklusive kriterier och antaganden som beskrevs i PLC5- beräkningen använts (PLC5-metoden) (Johnsson m.fl., 2008). Endast indata och antaganden som har ändrats för att beskriva region, 1 och 2 för år 2011 redovisas i denna rapport. Region är summan av region 1 och 2 i alla de beräknade faktorerna, det arealviktade medelvärdet av skörden av vårkorn i region 1 och 2 är till exempel medelskörden i region. Typhalter benämns nedan för koefficienter. Koefficienter avser både utlakning och koncentration för en enskild gröda och jordart. I arbetet har två beräkningar gjorts, dels har målavrinningen anpassats till respektive region och dels har målavrinningen antagits vara den samma i samtliga regioner för att kunna utesluta påverkan av avrinning. Gödselmedelsstatistik och övrig indata för 2011 Målavrinning Delning av region resulterar i olika målavrinningar för region 1 respektive 2. Målavrinningen har beräknats genom att medelvärdesbilda årsavrinningen för jordbruksmarken i respektive region. Målavrinningen beräknades till 189 mm i region 1 och 20 mm i region 2. 52
Region Region Klimatstation I beräkningarna av typhalter har samma klimatstation används för att beräkna samtliga regioner. Påverkan av olika klimat har inte värderats förutom skillnaden i målavrinning. Jordartsfördelning I beräkningen har jordartsfördelningen anpassats till respektive region (Tabell 4). Jordartsfördelningen i region 1 har en högre och region 2 har mindre andel än region. I kväveberäkningen har rotdjupet för korrigerat enligt Blombäck m.fl. 2012. Tabell 4. Jordartsfördelning i region, 1 respektive 2 (%) sand y sand sandy silt sandy silty silty 1 0 0 3 9 2 1 1 4 1 50 2 0 0 4 12 4 1 3 14 13 1 0 0 4 11 3 1 27 9 14 31 Grödfördelning Grödfördelningen i respektive produktionsområde är redovisad i Tabell 5 (Jimmie Hagsten, SCB). Enligt PLC5-metoden har grödor som har förekommit på mer än 1 % av arealen beräknats. I region 1 var andelen spannmål högre än i region och i region 2 var andelen vall högre än i region. Höstrapsarealen översteg 1 % i region 1 medan den var mindre än 1 % i region 2. Tabell 5. Andel av arealen i region 1, 2 och för hela region (%), total areal i respektive region (ha) år 2011 vårkorn höstvete vall höstraps träda havre vårvete råg vårraps 1 18 24 24 1 10 10 7 1 5 2 13 14 43 0 13 9 5 1 3 15 19 34 1 11 9 1 4 Normskördar Normskördarna för respektive region redovisas i Tabell. För samtliga grödor var skörden högre i region 1 än i region 2. Normskördarna har beräknats av Olle Funke (SCB, 2012) för höstvete, vårvete, råg, vårkorn, havre, höstraps, vårraps avseende region, 1 och 2 för år 2011. Beräkningarna grundas på indelningen i skördeområden. Normskörden för en gröda i en region har beräknats som ett arealvägt medelvärde av grödans normskörd per SKO i förhållande till grödarealerna enligt Jordbruksverkets arealstödsregister 2011. 53
1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 Gödsling (kg P/ha) Region Samtliga skördenivådata kommer från respektive region i PO18-systemet utom uppgifterna för vall. Uppgifterna för vall varierade inte mellan regionerna och uppgifterna kommer från tidigare beräkningar (Johnsson m.fl., 2008 och Blombäck m.fl., 2011). Det saknas normskördar för vall eftersom skördedatainsamlingen upphörde under några år och därefter återupptogs med en ny metod. Tabell. Normskörd i region, 1 respektive 2 (kg/ha) 2011 vårkorn höstvete vall höstraps havre vårraps höstraps vårraps 1 4 534 5 99 528 3 022 4 444 4 721 5058 2 19 2 3 888 5 022 528 2 931 3 2 3 837 340 1 972 4 239 5 424 528 2 984 4 02 4 332 480 2 114 Gödsling Samtliga gödslingsdata kommer från respektive region i PO18-systemet utom uppgifterna för vall. Se normskördavsnittet. Valluppgifter skiljer inte mellan regionerna och uppgifterna kommer från tidigare beräkningar (Johnsson m.fl., 2008 och Blombäck m.fl., 2011). Gödslingsuppgifterna har används oavsett storleken på det relativa medelfelet som SCB redovisar. I andra beräkningar med PLC5-metoden har det satts en begränsning för att använda siffror med ett för högt medelfel eller för få upprepningar. Fosfor 18 1 14 12 10 8 4 2 0 s-barley w_wheat ley w_rape oats s_wheat w_rye s_rape medel Figur 22. Total mängd tillfört fosfor med handelsgödsel och stallgödsel i region, 1 och 2 för vårkorn (s-barley), höstvete (w_wheat), vall (ley), höstraps (w_rape), havre (oats), vårvete (s_wheat), råg (w_rye), vårraps (s_rape) (kg P/ha). 54
Gödsling (kg N/ha) 1_vårkorn 1_höstvete 1_vall 1_höstraps 1_havre 1_vårvete 1_råg 1_vårraps _medel 2_medel _medel_e 2_medel_ Tabell 7. Gödsling till ledet med stallgödselgiva (P STG ), kompletterat med handelsgödselgiva (P HDG ) (kg P/ha) 2011 i region, 1 och 2 vårkorn höstvete vall höstraps havre vårvete råg vårraps P S P HGK P ST P HGK P ST P HGK P ST P HGK P ST P HGK P ST P HGK P ST P HGK P ST P HGK TG MP G MP G MP G MP G MP G MP G MP G MP 25 1 15 1 10 1 13 3 19 3 18 2 12 0.0 21 2 1 35 2 14 1 10 1 20 9 18 4 20 3 12 0.0 27 0 2 19 1 15 1 10 1 - - 20 2 1 1 12 0.0 19 1 Tabell 8. Andel stallgödslad areal med P i region, 1 och 2 2011 (%) vårkorn höstvete vall höstraps havre vårvete råg vårraps po 25 40 32 35 29 15 30 po1 20 20 32 5 21 12 28 3 po2 34 7 32-37 20 38 12 Tabell 9. Handelsgödselgiva till ledet med enbart handelsgödsel 2011 i region, 1 och 2 (kg P/ha) vårkorn höstvete vall höstraps havre vårvete råg vårraps po 9 10 8 7 9 9 9 11 po1 10 10 8 7 10 12 8 11 po2 8 8 8-9 7 7 10 Kväve För samtliga grödor utom höstraps var mängden N som spreds med handelsgödsel från både handelsgödselledet och ledet med stallgödsel kompletterat med handelsgödsel högre i region 1 än i region 2 (Tabell 10, Tabell 12). Den totala mängden N som spreds via stallgödsel var större i region 2 än i region 1 (Figur 23). Skillnaden i fördelning mellan stallgödselledet och handelsgödselledet i region 1 jämfört med region 2 var relativt stor (Tabell 11). 200 150 100 50 0 Norg NNH4 handelsgödsel Figur 23. Viktade totala mängden tillfört kväve med handelsgödsel och stallgödsel i region, 1 och 2 för vårkorn, höstvete, vall, höstraps, havre, vårvete, råg, vårraps, medel och medel för spannmål och oljeväxter (medel exkl) (kg N/ha). 55
Region Tabell 10. Gödsling till ledet med stallgödselgiva, NH 4 -N-del och organisk-n-del (NH 4 och orgn), kompletterat med handelsgödselgiva (hdg) (kg N/ha) 2011 i region, 1 och 2 vårkorn höstvete vall höstraps havre vårvete råg vårraps NH4 NH4 NH4 NH4 NH4 NH4 NH4 NH4 Region Region orgn hdg orgn hdg orgn hdg orgn hdg orgn hdg orgn hdg orgn hdg orgn hdg 1 35 95 58 38 52 73 22 23 94 42 50 13 1 25 44 44 43 4 75 7 79 10 4 40 48 71 2 37 54 48 41 43 80 22 23 94 39 4 12 3 2 50 44 42 52 31 27 30 71 2 32 10 7 3 71 51 40 4 80 22 23 94 38 4 12 1 2 48 44 43 50 53 1 0 88 30 3 9 Tabell 11. Andel stallgödslad areal med N i region, 1 och 2 2011 (%) vårkorn höstvete vall höstraps havre vårvete råg vårraps 1 1 10 32 4 20 9 12 2 2 2 3 32 37 33 13 2 10 20 21 32 19 2 10 17 5 Tabell 12. Handelsgödselgiva till ledet med enbart handelsgödsel 2011 i region, 1 och 2 (kg N/ha) vårkorn höstvete vall höstraps havre vårvete råg vårraps 1 83 138 84 142 74 101 95 107 2 79 125 84 10 7 89 77 104 81 134 84 149 71 95 91 10 Fånggrödor och vårbearbetning I de berörda länen fanns totalt 5 545 ha med fånggrödor och/eller vårbearbetning (Tabell 14). Hela länens areal ingår inte i region men trots det är fånggröde- och/eller vårbearbetningsarealen mindre än 1 % av arealen i region. De berörda länen är Örebro, Västmanlands, Södermanlands, Uppsala och Stockholms län. Effekten av fånggröda och vårbearbetning har antagits vara liten. Effekten har antagits vara lika i båda områdena och därför har påverkan av fånggröda och stödsökt vårbearbetning uteslutits. Den icke stödsökta vårbearbetade arealen som finns var beräknad till 3 % av den vårsådda arealen (SCB, 2011). 5
Utlakning (kg P/ha) Avrinning (mm) Koncentration ((mg P/l) Skyddszonsreduktion Summan av ytförlustreduktionsfaktorn och skyddszonsreduktionsfaktorn var i region 0,582, i region 1 0,58 och i region 2 0,579. Faktorn var lägre i region 2 på grund av högre andel vall. Skyddszonsreduktionen var beräknad i enlighet med Johnsson m.fl., 2008. Resultat Fosfor Samtliga resultat avser totala mängden fosfor, d.v.s. både löst och partikulärt fosfor via ytavrinning, makroporflöde och perkolation. UTLAKNING PÅ REGIONAL NIVÅ Den beräknade medelutlakningen för total fosfor (kg P/ha) i region, 1 och 2 redovisas i Figur 24. Medelutlakningen från region 1 beräknat med regionspecifika målavrinningen 189 mm ökade med 5 % (0.59 kg P/ha) jämfört med region som uppgick till 0.57 kg P/ha. Medelutlakningen för motsvarande beräkning för region 2 (målavrinning 20 mm), som representerar den mindre intensivt brukade delen av regionen, minskade i sin tur med 4.5 % (0.54 kg P/ha). Påverkan av skyddszonsreduktionsfaktorn ingick alltid i resultaten. Faktorn var lägst i region 1 och bidrog till ökad utlakning från regionen. Arealsviktining av utlakningen från region 1 och 2 resulterade i en medelutlakning som var nästan lika med den beräknade utlakningen från region. 0.7 0. 0.5 (a) Ptot 250 200 (b) Avrinning 0.5 0.4 0.4 150 0.3 0.3 0.2 0.1 0 100 50 0 0.2 0.1 0 Figur 24. Medelutlakningen (a) samt -koncentration och avrinning (b) från region, 1 och 2 när alla beräknade påverkande faktorer var inkluderade. _1 TD200 och _2 TD200 är motsvarande medelutlakning och -koncentration när avrinningen i region 1 respektive 2 är justerad till 200 mm, d.v.s. målavrinningen i region. 57
Utlakningen i region 1 och region 2 beräknat med samma målavrinning, målavrinningen för region, ökade ytterligare något i region 1 (0,1 kg P/ha) och minskade ytterligare något i region 2 (0,53 kg P/ha) jämfört med beräkningen med regionspecifik målavrinning. I båda regionerna observerades därför en högre utlakning vid högre avrinning. I Figur 24 redovisas motsvarande total P koncentration (mg P/l) och beräknad avrinning (mm). Den senare var utan undantag mycket nära målavrinningen i respektive region. Den relativa avvikelsen var <0,5 % i samtliga fall. På liknande sätt som utlakningen var medelkoncentrationen högst i region 1 med regionsegen målavrinning respektive med målavrinning för region (0,34 0,33 mg P/l). På samma sätt som i fallet med utlakning var det möjligt att nästan exakt beräkna koncentrationen för region genom att arealsvikta medelkoncentrationen för region 1 och 2. Koncentrationen ökade i både region 1 och 2 i de beräkningar som innebar lägre avrinning. Skillnaden var emellertid låg, ca 1 %. KOEFFICIENTNIVÅ Koefficienter för utlakning och koncentration redovisas för vårkorn och höstvete i Figur 25 och Figur 2. Koefficientnivå avser utlakning och koncentrationer som inte påverkas direkt av jordarts- eller grödfördelning i regionen, de representerar istället utlakningen för en gröda och jordart. De relativa koefficientskillnaderna mellan olika regioner var jämförbara för alla grödor. De två redovisade grödornas gödslingsnivåer representerar variationen av gödslingsskillnader mellan de beräknade grödorna i regionerna. Vårkorn var gödslad med högre giva i region 1 (1 kg P/ha) jämfört med region (14 kg P/ha) och region 2 (13 kg P/ha). Höstvete gödslades istället med högre giva i region 2 (14 kg P/ha) jämfört med region (13 kg P/ha) och 1 (12 kg P/ha). Båda grödorna odlades på en stor andel av åkermarken i alla regioner. Utlakningarna för region 1 och 2 i Figur 25 och Figur 2 härrör från beräkningarna med regionspecifik målavrinning. Förutom att utlakningen för vårkorn var något högre var utlakningsmönstret mycket lika för båda grödorna. I motsats till resultaten i den regionala skalan var de högsta beräknade utlakningarna i region 2. Detta gäller för både vårkorn och höstvete, trots att gödslingsgivan för vårkorn var högre i region 1 och för höstvete högre i region 2. Även andra grödor visade samma mönster. Den högsta relativa differensen var för sandy med 17 % och 21 % högre utlakning för höstvete och vårkorn i region 2 än i 1. Den totala skillnaden var högre för jordarter med höga utlakningsnivåer. Den totala skillnaden var t.ex. för vårkorn 0,02 kg P/ha (sandy ) till 0,07 kg P/ha (silty ). Effekten av jordartsfördelning är illustrerad för vårkorn och höstvete i Figur 25 och Figur 2 (medel). Orsaken till att medelfosforutlakningen var högre i region 1 är jordarts- och grödfördelningen, som med olika fördelningar ger högre utlakning än i region och 2. Detta gäller för samtliga grödor (Figur 27). 58
Utlakning (kg P/ha) Utlakning (kg P/ha) 0.9 0.8 0.7 0. 0.5 0.4 0.3 0.2 0.1 0 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 SL L SiL SCL CL SiCL SiC C medel Figur 25. Utlakning per jordart för vårkorn i region, 1 och 2 (kg P/ha). Gödsling- och skördskillnader mellan de olika regionerna är inkluderade. Utlakningen representerar beräkningen med regionsegen målavrinning, dvs 189 mm i region 1 respektive 20 mm i region 2. Sandy (SL), (L), Silt (SiL), Sandy (SCL), Clay (CL), Silty (SiCL), Silty (SiC) och Clay (C). 0.9 0.8 0.7 0. 0.5 0.4 0.3 0.2 0.1 0 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 SL L SiL SCL CL SiCL SiC C medel Figur 2. Utlakning per jordart för höstvete i region, 1 och 2 (kg P/ha). Gödsling- och skördskillnader mellan de olika regionerna är inkluderade. Utlakningen representerar beräkningen med regionsegen målavrinning, dvs 189 mm i region 1 respektive 20 mm i region 2. Sandy (SL), (L), Silt (SiL), Sandy (SCL), Clay (CL), Silty (SiCL), Silty (SiC) och Clay (C). 59
Avrinning (mm) Koncentration (mg P/l) 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 Utlakning (kg P/ha) 0.8 0.7 0. 0.5 0.4 0.3 0.2 0.1 0 fallow_st s_barley w_wheat ley fallow_gr oats s_wheat w_rye s_rape w_rape Figur 27. Jordartsviktad medelutlakning för samtliga grödor i region, 1 och 2 (kg P/ha, mm och mg N/ha). Medelutlakningen är beräknad med grödfördelning i region. Tydliga skillnader i avrinning beräknades mellan olika regioner på koefficentnivån (Figur 28 och Figur 29). Avrinningen var alltid högst i region 2 och lägst i region 1. Vilket ledde till att högst utlakning beräknades för region 2. Avrinningen var i medeltal 13 % (vårkorn) och 14 % (höstvete) högre i region 2 jämfört med 1. Koncentrationen för vårkorn och höstvete (Figur 28 och Figur 29) var högst i region 1 för de flesta jordarterna. 300 250 tot-p Konc. 0. 0.5 200 0.4 150 100 50 0 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 SL L SiL SCL CL SiCL SiC C medel 0.3 0.2 0.1 0 Figur 28. Koncentration av P-tot och avrinning per jordart för vårkorn i region, 1 och 2 (kg P/ha). Gödslings- och skördeskillnader mellan de olika regionerna är inkluderade. Figuren representerar beräkningen med regionsegen målavrinning, d.v.s. 189 mm i region 1 respektive 20 mm i region 2. Sandy (SL), (L), Silt (SiL), Sandy (SCL), Clay (CL), Silty (SiCL), Silty (SiC) och Clay (C). 0
Avrinning (mm) Koncentration ((mg P/l) 300 250 P-tot Konc. 0. 0.5 200 0.4 150 100 50 0 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 SL L SiL SCL CL SiCL SiC C medel 0.3 0.2 0.1 0 Figur 29. Koncentration av P-tot och avrinning per jordart för höstvete i region, 1 och 2 (kg P/ha). Gödslings- och skördeskillnader mellan de olika regionerna är inkluderade. Figuren representerar beräkningen med regionsegen målavrinning, d.v.s. 189 mm i region 1 respektive 20 mm i region 2. Sandy (SL), (L), Silt (SiL), Sandy (SCL), Clay (CL), Silty (SiCL), Silty (SiC) och Clay (C). Utlakning och koncentration för vårkorn från beräkningarna med samma målavrinning redovisas i Figur 30 och Figur 31. Genom att använda samma målavrinning vid beräkningarna minskade skillnaden mellan avrinningen på koefficientnivå väsentligt. De principiella skillnaderna med högre avrinning i region 2 än i region 1 återstår. I genomsnitt var avrinningen 5 % högre i region 2 jämfört med region 1. Koncentrationsskillnaden mellan regionerna minskade också. De varierade med 2,5 % mellan region 1 och 2 jämfört med tidigare 5 % vid regionspecifik avrinning. 1
1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 Avrinning (mm) Koncentration (mg P/l) Utlakning (kg P/ha) 0.9 0.8 0.7 0. 0.5 0.4 0.3 0.2 0.1 0 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 SL L SiL SCL CL SiCL SiC C medel Figur 30. Utlakning per jordart för vårkorn i region, 1 och 2 (kg P/ha). Gödslingsoch skördeskillnader mellan de olika regionerna är inkluderade. Figuren representerar beräkningen med samma målavrinning, dvs 200 mm i samtliga regioner. Sandy (SL), (L), Silt (SiL), Sandy (SCL), Clay (CL), Silty (SiCL), Silty (SiC) och Clay (C). 300 250 P-tot Konc. 0. 0.5 200 0.4 150 100 50 0 0.3 0.2 0.1 0 Figur 31. Avrinning och P-tot koncentration per jordart för vårkorn i region, 1 och 2 (kg P/ha). Gödslings- och skördeskillnader mellan de olika regionerna är inkluderade. Figuren representerar beräkningen med samma målavrinning, d.v.s. 200 mm i samtliga regioner. Sandy (SL), (L), Silt (SiL), Sandy (SCL), Clay (CL), Silty (SiCL), Silty (SiC) och Clay (C). Kväve SL L SiL SCL CL SiCL SiC C medel UTLAKNING PÅ REGIONAL NIVÅ Den totala förändringen i medelutlakning och -koncentration var en minskning i region 1 respektive en ökning i region 2 jämfört med region (Figur 32). Blå staplar redovisar resultatet av alla beräknade faktorers förändringar, d.v.s. avrinning, grödsammansättning, jordartsfördelning, gödsling och skörd. Dessa faktorer påverkar utlakningen och koncentrationen både ökande och minskande, vilket gör att den totala observerade förändringen 2
Avrinning (mm) Koncentration (mg N/l) Utlakning (kg N/ha) är summan av alla beräknade faktorer. Dessutom redovisas medelutlakning och - koncentration när avrinningen i region 1 och 2 har justerats till 200 mm (röda staplar och cirklar), d.v.s. målavrinningen i hela region. I region 1 ökade avrinningen jämfört med region och utlakningen ökade. I region 2 minskades avrinningen och utlakningen minskade jämfört med beräkningen för region. Koncentrationen var oförändrad. (a) (b) avrinning koncentration.0 200 5.0 150 100 50 0 1 1 2 2 4.0 3.0 2.0 1.0 0.0 Figur 32. Medelutlakningen (a) samt -koncentration och avrinning (b) från region, 1 och 2 när alla beräknade påverkande faktorer var inkluderade (blå staplar och trianglar). Röda staplar och cirklar är motsvarande medelutlakning och -koncentration när avrinningen i region 1 respektive 2 var justerad till 200 mm, dvs målavrinningen i region. GRÖD- OCH JORDARTSPÅVERKAN De nedan redovisade resultaten avser beräkningar med samma målavrinning i alla regionerna d.v.s. 200 mm. Eftersom gröd- och jordartsammansättningen inte är lika i de olika regionerna så är inte den beräknade avrinningen densamma för varje enskild jordart eller gröda. Medelutlakningen per jordart är större i region 1 än i region och 2 (Figur 33). Jordartsfördelningen i respektive region gör att medelutlakningen för region 1 och 2 får det omvända förhållandet, d.v.s. region 2 har högre utlakning än region 1. Medelutlakningen per gröda är mycket högre i region 2 än i region och 1 (Figur 34). Grödfördelningen i respektive region gör att medelutlakningen för region 2 ändå inte blir så mycket högre. 3
Utlakning (kg N/ha) Utlakning (kg N/ha) Figur 33. Utlakningen per jordart i region, 1 och 2 (kg N/ha). Gödsling-, skörd- och grödsammansättningsskillnader mellan de olika regionerna är inkluderade. 30 25 1 2 20 15 10 5 0 vårkornhöstvete vall höstraps havre vårvete råg vårraps medel Figur 34. Utlakningen per gröda i region, 1 och 2 (kg N/ha). Gödsling-, skörd- och jordartsskillnader mellan de olika regionerna är inkluderade. Jämför man utlakning och koncentration för olika jordarter och en enskild gröda är dessa högre i region 2 än i region och 1 (Figur 35 och Figur 3). Att skillnaden mellan region 1 och 2 varierar jämfört med region för vårkorn respektive höstvete beror på olika balans mellan gödsling och skörd i regionerna vilket ger olika respons. Normskörden var högre i region 1 jämfört med region 2 trots att gödslingen inte skilde sig så mycket åt och det gör att mindre kväve försvinner med grödan och mer kväve riskerar att utlakas i region 2 än i region 1. 4
sandy 1 sandy 2 sandy 1 2 silt 1 silt 2 silt sandy 1 sandy 2 sandy 1 2 silty 1 silty 2 silty silty 1 silty 2 silty Avrinning (mm) 1 2 Koncentration (mg N/l) Utlakning (kg N/ha) 350 300 250 200 150 100 50 0 avrinning koncentration 12 10 8 4 2 0 Figur 35. Utlakning och koncentration per jordart för vårkorn i region, 1 och 2 (kg N/ha). Gödsling- och skördskillnader mellan de olika regionerna är inkluderade. 5
sandy 1 2 1 2 silt 1 silt 2 silt sandy 1 2 1 2 silty 1 silty 2 silty silty 1 silty 2 silty 1 2 Avrinning (mm) Koncentration (mg N/l) Utlakning (kg N/ha) 350 300 250 200 150 100 50 0 avrinning koncentration 14 12 10 8 4 2 0 Figur 3. Utlakning och koncentration per jordart för höstvete i region, 1 och 2 (kg N/ha och mg N/l)). Gödsling- och skördskillnader mellan de olika regionerna är inkluderade. KOEFFICIENTNIVÅ I Figur 37 redovisas utlakning och koncentration för samtliga beräknade grödor med jordarten i region, 1 och 2. Figuren visar de återstående skillnaderna mellan regionerna när gödslings- och skördeskillnader återstår och gröd- och jordartssammansättningsskillnader är exkluderade. Både skörde- och gödslingsnivån är högre i region 1 än i region 2 men skörden var jämfört med gödslingen högre i region 1 än i 2. Ett exempel på olika N-effektivitet var att ungefär samma sammanlagda gödsling för höstvete, vårkorn och havre i båda regionerna gav högre skörd i region 1 än i region 2. Den varierande N-effektiviteten i beräkningarna gör att det finns mer kväve kvar i profilen som bidrar till högre förluster per gröda och jordart i region 2 jämfört med region 1.
Avrinning (mm) Koncentration (mg N/l) Utlakning (kg N/ha) 30 25 20 15 10 5 0 1 2 Figur 37. Utlakning och koncentration för samtliga grödor för i region, 1 och 2 (kg N/ha, mm och mg N/ha). Medelutlakningen är beräknad med grödfördelning i region. Diskussion När man utvärderar resultaten är det viktigt att skilja på resultat på den regionala skalan och i koefficientskalan. I den regionala skalan påverkar förutom olika odlingsåtgärder också avrinning, gröd- och jordartssammansättningen. På koefficientskalan är det främst odlingsåtgärder som påverkar resultaten. Det arealsviktade medlet av utlakningen för region 1 och 2 var överensstämmande med den beräknade utlakningen för region. Därmed bör en jämförelse med tidigare beräkningar där region inte var delad möjliggöras. Fosfor I den regionala skalan var fosforförlusterna som förväntat enligt vad indata indikerade. Den högsta utlakningen visades i region 1 där jordbruket också uppfattades som mer intensivt än i region 2. Vilken påverkan olika odlingsåtgärder hade på utlakningen i region 1 och 2 jämfört med region framgår av Figur 38. Figuren avser beräkningen med regionspecifik målavrinning. Figuren visar, i total skillnad (kg/ha), vilken påverkan varje beräknad faktor har, t.ex. hur regionspecifik målavrinning i en region ökade eller minskade regionens utlakning. Effekten av orsakerna har beräknats genom att byta ut antingen avrinning, koefficienter, fördelningen av grödor eller fördelningen av jordarter i beräkningen av 7