5. Resultatredovisning, flöden

5. Resultatredovisning, flöden 5.. Vattenflöden bestämda från massbalans för salt Omfattande mätningar har gjorts och görs av salthaltsvariationerna i Östersjön och dess delbassänger. Typiska värden sammanfattas i fig.. Frågan i detta sammanhang är: Vilka vattenflöden kan vidmakthålla de uppmätta salthalterna? För att svara på frågan har vi gjort ett antal förenklingar (som dock inte skall påverka det övergripande resultatet). Vi har () satt salthalten till 0 i alla tillflöden till Östersjön, () yt- och djupvattenområdena har skiljs av djupet för vågbasen, som ges av fig. 8, () vi har endast räknat med årsflöden för att få fram övergripande siffror, (4) vi har antagit att fördelningskoefficienten mellan löst och partikulär fas är PF = 0, dvs. att allt salt föreligger i löst form och (5) vi har endast räknat med ett nettoinflöde av salt via djupvattnet till egentliga Östersjön från Västerhavet (Kattegat). Använda morfometriska data för de olika bassängerna ges i tabell 5. I övrigt har vi använt samma flödessiffror som använts i flera andra sammanhang inom östersjöforskningen. Resultaten ges i fig.. Eftersom det är viktigt för förståelsen av hur Östersjön fungerar att förstå hur vattenutbytet sker mellan de olika delarna, och eftersom det är viktigt för den fortsatta redovisningen, skall från denna figur speciellt noteras: De angivna flödena ger en god beskrivning av medelsalthalterna i de olika bassängerna och i yt- och djupvatten (se fig. ). Det föreligger mycket stora vattenflöden mellan ytvattnet i de olika bassängerna, som bör betraktas som en serie kommunicerande kärl. Det föreligger mycket stora flöden på årsbasis också mellan djup- och ytvattnen inom de olika bassängerna. Djupvattenflödena mellan de olika bassängerna är däremot förhållandevis små. 66

Fig.. Resultat från massbalansmodellen för salt för egentliga Östersjön, Bottenhavet och Bottenviken. Syftet med de modelleringar som ligger bakom denna figur är att klargöra vilka flöden som krävs för att vidmakthålla uppmätta salthalter för yt- och djupvattnen i de tre delbassängerna. ET är andelen ET-bottnar, Dmax = maximalt djup och DT/A = vågbasen. Det är också uppenbart att även om resultaten som ges i fig. är realistiska vad gäller de övergripande storleksordningarna på flödena, så finns betydande osäkerheter i siffrorna, men alla osäkerheter är inte lika viktiga. Mycket har skrivits om metoder att undersöka modellosäkerhet (t.ex. känslighets- och osäkerhetsanalys med Monte Carlo teknik), men i detta sammanhang skall vi endast genomföra känslighetsanalys för två viktiga modellantaganden för denna massbalansmodell för salt, nämligen att salthalten i djupvatteninflödet kan sättas till 7 och att vågbasen kan bestämmas enligt ETA-diagrammet (fig. 8) t.ex. till 44 m i egentliga Östersjön. Känslighetsanalys innebär att man håller allt utom osäkerheten för en modellvariabel (x) konstant och studerar hur denna osäkerheten påverkar osäkerheten i målvariabeln y. Osäkerhetsanalys innebär att man varierar alla aktuella osäkerheter samtidigt och beräknar den samlande osäkerheten i målvariabeln y. 67

Salinity in SW in the Baltic proper ( ) 0 0 0 Sensitivity analysis; 00 runs; salinity in Kattegat DW = 7 ; CV = 0.; normal frequency distribution A. Baltic proper (BP) 5.75 50.50 75.5 00 Years Units 4 0 8 6 4 0 B. BP BS BB MV: 7.6 4.8. M50: 7.7 4.9. CV: 0.9 0.7 0.7 Outliers Fig.. Känslighetsanlys för massbalansmodellen för salt. I detta fall har osäkerheten i drivvariabeln, salthalten i djupvatten i Kattegat, testats genom att 00 värden genererats varvid medelvärdet satts till 7, osäkerheten i detta värde har satts till CV = 0. (CV = relativa standardavvikelsen = SD/MV). Den osäkerhet som detta ger för salthalten i ytvatten i egentliga Östersjön, Bottenhavet och Bottenviken framgår av den undre figuren då beräkningarna utgått från resultaten år 00. I fig. resovisas resultat från en känslighetsanalys för massbalansmodellen för salt. Hundra kurvor har genererats för hundra olika värden på salthalten i djupvattnet i Kattegat. Medelvärdet (MV) är satt till 7, standardavvikelsen (SD) till.4 (dvs. relativa standardavvikelsen, CV = SD/MV till 0.) och vi har antagit en normalfördelad frekvensfördelning av osäkerheten kring medelvärdet. Då genereras 00 olika värden på den aktuella salthalten och 00 olika värden på allt som beror på denna salthalt, t.ex. salthalten i ytvattnet i egentliga Östersjön (fig. A). Man kan då konstatera att efter det att modellen ställer in sig i ett dynamiskt jämviktsläge kommer salthalten i ytvattnet i egentliga Östersjön att variera som kurvorna i fig. A anger. Detta framgår också av "box-and-whisker" plotten i fig. B. Det beräknade medelvärdet är 7.6, medianvärdet 7.7 och den relativa Baltic Sea Baltic Bay M90 M75 M50 68

standardavvikelsen (dvs. osäkerheten) i beräkningen av salthalt i ytvatten är 0.9. Denna osäkerhet beror således enbart på den givna osäkerheten i drivvariabeln, dvs. salthalten i djupvatten i Kattegat. I fig. ges motsvarande känslighetsanalys för vågbasen (djupet som separerar T-bottnar från A-bottnar). Från fig. 8 får man fram att vågbasen bör ligga på i medeltal 44 m i egentliga Östersjön. Notera att detta innebär att den kan ligga betydlig djupare i delar av öppna Östersjön men helt säkert på betydligt mindre vattendjup inom kustzonen eller i topografiskt skyddade områden. I denna känslighetsanalys har vi antagit att alla värden mellan 0 och 70 m skulle kunna vara lika sanna (en rektangulär osäkerhetsfördelning). Resultaten ges i fig. och vi kan notera att osäkerheten vad gäller salthalten i ytvatten för egentliga Östersjön då är avsevärt lägre, CV = 0.0. Motsvarande data ges också i fig. och för salthalten i ytvatten i Bottenhavet och Bottenviken. Sammanfattningsvis kan konstateras att salthaltsmodellen ger goda resultat, men resultatet beror i hög grad på viket värde man använder för den viktiga drivvariabeln, dvs. salthalten i djupvatten i Kattegat. Alla andra osäkerheter är sekundära. En generell slutsats som gäller för alla osäkerheter i alla massbalansmodeller är: Osäkerheter i stora, viktiga flöden avgör osäkerheten i målvariabeln. Vi kan nu sammanfatta resultaten vad gäller viktiga principer för vattenflöden i Östersjön (se fig. 4): Vattenutbytet mellan kust och hav är generellt mycket dynamiskt. En karaktäristisk utbytestid för ytvattnet i kustområden ligger på 5 dygn, dvs. 6 utskiftningar per månad. 69

Salinity in SW in the Baltic proper ( ) 0 0 Sensitivity analysis; 00 runs; critical depth = 44 m; values from 0 to 70 m tested A. Baltic proper (BP) 0 5.75 50.50 75.5 00 Years Units 4 0 8 6 4 0 B. Baltic Sea MV: 7.7 4.8.4 M50: 7.8 4.9.4 CV: 0.0 0.05 0.05 Baltic Bay BP BS BB Fig.. Motsvarande känslighetsanlys för vågbasens läge i egentliga Östersjön. Hundra värden mellan 0 och 70 m har genererats. Den osäkerhet som detta ger för salthalten i ytvatten i egentliga Östersjön, Bottenhavet och Bottenviken framgår av den undre figuren för år 00. Vattenutbytet för djupvattnet i ett kustområde är ofta betydligt långsammare, upp till 0 dygn, men ofta ligger det på 0 till 0 dygn beroende på den topografiska öppenheten, filterfaktorn och kustområdets djupvattenvolym. Om den karaktäristiska omsättningstiden för ett givet kustområdes djupvatten är 5 dagar betyder detta utskiftningar per månad, vilket är mycket, t.ex. i förhållande till den karaktäristiska vattenutbytestiden för en sjö, som ofta är ca år. 70

Coastal area Surface water Adjacent area Adjacent area Deep water Fig. 4. Sammanfattande illustration för att framhålla att det föreligger mycket stora och funktionellt viktiga vattenflöden mellan kust och hav, mellan yt- och djupvatten och mellan Östrsjöns olika delar. Kustområdena är havets "barnkammare och skafferi" och man kan inte rädda havet om man inte räddar kusten, men man kan inte rädda kusten om man inte först räddar havet. Vattenutbytet mellan de tre huvudbassängerna i Östersjön är mycket dynamiska med stora flöden i båda riktningarna för ytvattnet, och betydligt mindre flöden för djupvattnet, som avgränsas av effektiva topografiska barriärer. Vattenutbytet mellan yt- och djupvatten inom de tre huvudbassängerna är omfattande. Notera att vattenmassan antar samma temperatur två gånger per år. För att ytterligare betona dessa viktiga slutsatser om den dynamiska omblandningen mellan de kommunicerande delarna, ges i fig. 5 resultat för massbalansberäknade flöden för suspenderat partikulärt material (SPM). Den övre figuren ger en rangordning av alla stora 7

Fig. 5. En rangordning av SPM-flödena i (A) kustområdet L. Rimmö, St. Anna skärgård, Sverige, som har direktkontakt med havet och i (B) kustområdet Laitsalmi, Finland, som ligger djupt inne i egentliga Finlands skärgård (från Håkanson, 999). SW = ytvatten; DW = djupvatten. SPM-flöden för ett område på svenska ostkusten med direktkontakt med utanförliggande hav (dvs. egentliga Östersjön). Man kan konstatera, vilket kanske inte är förvånande utifrån de resultat som tidigare har redovisats, att SPM-flödena helt domineras av yt- och 7

djupvattenflödena fram och tillbaka mellan kustområdet och öppna havet. Notera den logaritmiska skalan på y-axeln. Andra flöden, som sedimentation på ET-bottnar, A-bottnar, landhöjningen, resuspension från ET-bottnar till ytvatten och djupvatten, omblandningen mellan yt- och djupvatten, transport från aktiva A-sediment till passiva ("burial") och SPM från primärproduktion, är, i tur och ordning, mindre eller mycket mindre viktiga. Utifrån detta är resultaten i fig. 5B, som ger motsvarande flöden för ett område djup inne i egentliga Finlands omfattande skärgård (området ligger i närheten av Åbo), intressanta. Man kanske skulle förvänta sig en radikalt annan rangordning av flödena så att primärproduktion kanske vore viktigare, men så är inte fallet. Det är fortfarande ytvattenutbytet med havet via flera mellanliggande skärgårdar som bestämmer SPM-flödena, och därmed SPMkoncentrationen i vatten också i detta kustområde. Vi skall nu försöka klargöra detta mer i detalj genom att specialstudera ett givet kustområde, Gävle Yttre fjärd. 5.. Massbalans för fosfor i ett kustområde, Gävle Yttre fjärd Gävle Yttre fjärd utgör, som vi skall visa, ett typexempel på att havet har stor påverkan på förhållandena i skärgårdsområdena. I Gävle Yttre fjärd har vi utfört en miljökonsekvensanalys för att belysa vilka faktorer som är betydelsefulla för ett skärgårdsområdes näringsstatus. Bakgrunden är att intill Gävle Yttre fjärd ligger Korsnäsverken, en pappers- och massafabrik som i likhet med andra skogsindustrier släpper ut näringsämnen via sitt avloppsvatten. Näringsämnena härrör från restprodukter i vedråvaran som inte utnyttjas i processen. I samband med att Korsnäsverken ansökt om tillstånd för fortsatt verksamhet har ansvariga myndigheter uttryckt farhågor för att utsläppen ger upphov till negativa effekter i fabrikens utsläppsområde. Vi vill här belysa hur stor påverkan fabrikens utsläpp egentligen har. Av kartan i fig. 6 framgår fabrikens läge och den skärgårdsfjärd som får ta emot 7

K60 B4 K67 K64 K650 K69 N60 40 E7 0 N Fig. 6. Karta över Gävle Yttre fjärd med provtagningspunkter för vattenkemiska parametrar (från Karlsson och Håkanson, 00). avloppsvattnet, den så kallade recipienten samt de provtagningsstationer vi utnyttjat mätdata ifrån för att beskriva tillståndet. För att lösa uppgiften har vi utvecklat en massbalansmodell som tar hänsyn till alla kända källor av fosfor (TP) som påverkar förhållandena i recipienten. Den grundläggande strukturen på modellen framgår av fig. 7. Som synes finns flera fosforkällor som i varierande omfattning bidrar till att vidmakthålla en relativt hög fosforkoncentration i Gävle Yttre fjärd. I jämförelse med de bedömningsgrunder för kust och hav som Naturvårdsverket utarbetat är Gävle Yttre fjärd att betrakta som ett näringsrikt område, vilket manifesteras i en förhållandevis hög växtplanktonproduktion och lågt siktdjup. Frågan är om någon av områdets punktkällor av fosfor har stor påverkan på områdets näringsstatus? 74

Transport from tributaries Inflow from the sea Water purification plant Emissions from the factory TP-concentration in water Outflow to the sea Land uplift Sedimentation and diffusion from A-areas Sedimentation and resuspension from ET-areas Fig. 7. Grundläggande struktur för den massbalansmodell för fosfor som används för Gävle Yttre fjärd (från Karlsson och Håkanson, 00). Vid en första anblick förefaller Gävle Yttre fjärd vara ett instängt område som i hög grad borde påverkas av sötvattentillförseln från Gavle- och Testeboån. När man räknar massbalans visar det sig dock (se fig. 8) att vattenutbytet med Gävlebukten och Bottenhavet är stort. Inflödet av vatten ifrån Bottenhavet via de sund som förbinder Gävle Yttre fjärd med Gävlebukten är i genomsnitt flera gånger högre än inflödet av sötvatten från åarna. Vattnet i Gävle Yttre fjärd byts i genomsnitt ut på ca två veckor. Detta är, som framhållits, en tämligen typisk omsättningstid för ytvattnet i svenska kust- och skärgårdsområden. Denna siffra på ytvattnets teoretiska uppehållstid är ett medelvärde och i verkligheten varierar utbytestiden kring detta medelvärde beroende på variationer i väder och vind. Om man tar hänsyn till sådana osäkerheter i ytvattnets teoretiska uppehållstid visar fig. 9 att man då får större variation i TP-halterna i vatten, men att variationen sker kring det medelvärde som modellen ger. En konsekvens av det betydande vattenutbytet med Gävlebukten är att fosforkoncentrationen i havet har en avgörande betydelse för fosforkoncentrationen i Gävle Yttre fjärd. Vi har utfört simuleringar där vi lagt på olika reningssteg i Korsnäsverken. När vi simulerar att utsläppen 75

90000 80000 Gävle Yttre Fjärd 70000 TP-fluxes (kg/yr) 60000 50000 40000 0000 0000 0000 0 Fig. 8. Rangordning av totalfosforflöden till, från och inom Gävle Yttre fjärd. De primära flöden är markerade. 40 TP-concentration in water 5 (µg/l) Mean Ts times random number Mean Ts 0 6 9 Months Fig. 9. En jämförelse av beräknade TP-koncentrationer i två scenarier, () då massbalansmodelleringen använt en konstant vattenutbytestid (Ts) som beräknats enligt fig. 5 från den topografiska öppenheten och () när vattnets omsättningstid (Ts) multiplicerats med slumptal för att illustrera den variation som föreligger mellan månadsmedelvärden för Ts beroende på klimatologiska faktorer. från fabriken reduceras med 40%, det alternativ som diskuterats, ger detta ingen större inverkan på fosforkoncentrationen i Gävle Yttre fjärd (se kurva i fig. 40) eftersom den 76

40 : Default conditions : 40% of the pulp mill emissions reduced (active sludge method) : 40% of TP-concentration in Sea reduced 4: No land uplift TP-conc in wat ter, µg/l 0 4 0 6 9 Months Fig. 40. Simuleringar för totalfosforhalten i vatten i Gävle Yttre fjärd. Kurva ger "default" förhållanden, dvs. referenssituationen, kurva ger resultatet om 40% av utsläppen från pappersfabriken tas bort månad 60, kurva om TP-koncentrationen i havet utanför Gävle Yttre fjärd reduceras med 40%, från 7 till 0 µg/l, och kurva 4 ger resultat om man räknar bort landhöjningens påverkan. Notera att detta är känslighetsanalyser, vilket betyder att alla andra faktorer i modellen har hållits som under referenssituationen förutom de ändringar som anges i de olika fallen. dominerande fosforkällan är det utanförliggande havet. Detta leder fram till en mycket viktig generell slutsats: Så länge som närsalthalterna i havet är höga kan man normalt inte förvänta oss några betydande positiva effekter i våra kustområden av lokala reningsåtgärder. Ovanstående gäller med reservation för mycket stora och instängda kustområden med mycket långsamt vattenutbyte och stor andel A-bottnar. De flesta skogsindustrirecipienter längs kusten ligger dock i områden med liknande eller ännu snabbare vattenomsättning än Gävle Yttre fjärd. I fig. redovisade vi tidsutvecklingen av närsalthalten i egentliga Östersjön från 950-talet till dagens nivåer. Av denna figur framgår att närsalthalterna inte visar några tecken på att minska trots de ansträngningar som gjorts inom ramen för bl.a. Helsingforskommissionen (HELCOM). Detta innebär att eutrofieringen av våra kustområden inte minskar i omfattning. 77

Man kan således inte normalt förvänta sig några påtagliga positiva effekter av reningsåtgärder kopplade till förhållandevis små flöden längs den svenska kusten eftersom dynamiken i vattenutbytet mellan kust och hav i de flesta områden är mycket stor. Detta innebär naturligtvis också att utsläppen från svenska punktkällor transporteras ut och bidrar till den storskaliga eutrofieringen av Östersjön. Många bäckar må blir förvisso till en stor å, men även en stor å är betydligt mindre än en stor flod. Ur det perspektivet är det självklart att de stora utsläppen måste minskas för att man skall komma till rätta med problemet, såväl i Gävle Yttre fjärd som i Östersjön som helhet. Vi anser att för Östersjöns bästa måste man väga nytta mot kostnader för olika reningsåtgärder i olika delar Östersjöns tillrinningsområde för att kunna genomföra rationella åtgärder. I nästa avsnitt jämför vi kostnaden och effekten för några olika reningsverk längs den baltiska kusten mot förmodade kostnader om Korsnäsverken skulle anlägga en reningsanläggning. 5... Jämförelse mellan olika reningsalternativ Som framgår av tabell kommer en stor del av tillförseln av närsalter till Östersjön från utsläpp i Baltikum och Polen. Sålunda är behovet av att införa rening av närsaltutsläppen på den östra sidan av Östersjön mycket stort. På östsidan saknas ofta infrastruktur i form av VAnät, energiförsörjning, etc. Ytterligare faktorer som ökar kostnaderna för reningsprojekt är tungrodda statssystem och bristande effektivitet, som förlänger projekttiden. Vissa gånger kan det handla om ren korruption. Ofta är anslagen för kontroll och uppföljning av driften för snålt tilltagna, vilket medför att anläggningar som från början fungerade väl efterhand tappar reningskapacitet. Det finns också exempel på reningsanläggningar som byggts men aldrig tagits i drift. Trots dessa problem är det här insatserna måste sättas in. Tabell 0. Kostnaden och reningskapaciteten för några kommunala reningsverk som anlagts under 990-talet och som Sida delfinansierat. Reningskostnaden per ton fosfor baseras på: En årlig kapitalkostnad på 0% av totalkostnaden, en avskrivningstid på 5 år och en energikostnad på Mkr för verk som renar <00 ton fosfor/år respektive 0 Mkr för verk med fosforrening > 00 ton/år. Costs (0 6 SKR) Reduced emissions of TP Cost (0 SKR/ton TP) (tons/yr) Haapsalu (Estonia) 47 4 77 Daugavapils (Latvia) 0 88 450 Liepaja (Latvia) 49 7 90 Riga (Latvia) 865 500 0 Kaunas (Lituania) 650 45 480 Klaipeda (Lituania) 8 67 590 78

Average cost 499 I tabell 0 redovisas kostnaden och kapaciteten för några kommunala reningsanläggningar i Baltikum som Sida varit med och finansierat. En medelkostnad per ton renat fosfor för anläggningarna i tabell 0 är 0.5 miljoner kr/ton fosfor. För den bästa anläggningen (Riga) var kostnaden 0. miljoner kr/ton fosfor. I Korsnäs kan man räkna med en kostnad på ca miljoner kr per ton renad fosfor. I jämförelse med genomsnittet för de aktuella reningsanläggningarna i Baltikum är en reningsanläggning i Korsnäs ca 6 gånger dyrare än genomsnittet och ca 0 gånger dyrare än den bästa anläggningen i Baltikum. Korsnäsverkens planerade anläggning är möjligen inte helt representativ för vad reningsanläggningar kostar i Sverige på grund av problematiska lokaliseringsförhållanden. Siffrorna syftar främst till att övergripande jämföra kostnader mellan olika anläggningar. Det är dock otvetydigt så att man i det rådande läget normalt får ut avsevärt mycket mer miljöförbättring för per investerad krona i södra och sydöstra östersjöområdet än i Sverige. I Sankt Petersburg pågår just nu byggnationen av ett kommunalt reningsverk som kommer att kunna ta hand om avloppsmängder från motsvarande en miljon personer. Detta kommer sannolikt att bli den största utsläppsminskning som åstadkommits med en enskild anläggning. Det är den typen av anläggningar som, i likhet med den nyss byggda i Riga, är absolut nödvändiga för att åstadkomma förbättringar i Östersjöns alla delar. Av tabell framgår att den överlägset största fosforkällan till egentliga Östersjön är Polen som står för ca 50% av tillförseln av fosfor, det mesta via floden Vistula. Senaste HELCOM-utvärderingen visade att ca 50% av utsläppen härrör från industriella och kommunala avlopp. Polen har ansökt om medlemskap i EU. Det är uppenbart Polen inför ett eventuellt EU-inträde måste göra något åt sina utsläpp samtidigt som vi i Sverige måste hjälpa till så att dylika åtgärder kan genomföras. Slutsatsen av jämförelsen mellan reningsanläggningar i Sverige och Baltikum blir: Det finns stora möjligheter att åstadkomma väsentliga förbättringar av utsläppen från Östeuropa till kostnader som vida understiger motsvarande investeringar i reningsanläggningar i Sverige. 5.. Massbalans inom ramen för en näringsvävsmodell, BaltWeb Syftet med detta avsnitt är att presentera ett antal simuleringar på fosforflöden inom och mellan de tre huvudbassängerna i Östersjön och grundsyftet är naturligtvis att identifiera 79

stora flöden som kan åtgärdas. Dessa simuleringar har gjorts med en ny modell som presenteras schematiskt i fig. 4 och som beskrivs kortfattat i nästa avsnitt. 5... Om BaltWeb-modellen Det finns en vältestad ekosystemmodell för sjöar, LakeWeb-modellen, som nu anpassats för att gälla Östersjön under namnet BaltWeb. Den bygger på ett antal förutsättningar:. Det är en modell som gäller definierade ekosystem, således inte för enskilda lokaler.. Modellen bygger på ordinära differentialekvationer (dvs. det är en box-modell) och tidsupplösningen, dt, är vecka för att få säsongvariationer.. Den utgår från nio funktionella grupper av organismer: Växtplankton, bentiska alger, makrofyter, bakterioplankton, bottendjur, djurplankton som äter växtplankton och bakterier, djurplankton som äter djurplankton, bytesfisk och rovfisk. Den utgår således inte från enskilda arter. Phytoplankton production BaltWeb from LakeWeb Phytoplankton elimination Phytoplankton biomass Sub-models. Depth of the photic zone. Lake total phosphorus (mass-balance). Suspended particulate matter (SPM) Primary producers Decomposer Secondary producers (weekly calculations) To zooherb from phytoplankton abiotic/biotic interactions Bacterioplankton biomass SPM Herbivorous zooplankton biomass Zooherb production from phytoplankton To zoo herb from bacteria Bacterial production Driving variables:. mean depth. maximum depth. area 4. epilimnetic temperature (can be replaced by latitude, altitude and continentality if the temperature is used) 5 Elimination bacteria Zooherb elimination To prey fish from zooherb Zooherb production from bacteria Benthic algae biomass Predatory zooplankton biomass Zoopred production from zooherb Prey fish production from zooherb, zoopred and zoobenthos To zoobenthos from benthic algae Prey fish elimination Prey fish biomass To predatory fish from prey Fishing of prey fish Zoobenthos production from benthic algae 7 Elimination and physical erosion of benthic algae Benthic algae production Predatory fish biomass Predatory fish production from prey fish To prey fish from zoobenthos Zoobenthos biomass Zoobenthos elimination Predatory fish elimination Fishing of predatory fish Fig. 4. Illustration av näringsvävsmodellen, BaltWeb, som är en ny för Östersjön anpassad version av LakeWeb-modellen (från Håkanson and Boulion, 00). Denna modell beskriver produktion och biomassa hos nio funktionella grupper av organismer, tre primärproducenter (växtplankton, bentiska alger och makrofyter), en nedbrytare (bakterioplankton), två grupper av djurplankton (herbivorer, dvs. växtätare, och predatorer, dvs. djurplankton som äter andra djurplankton), två typer av fisk, rovfisk och bytesfisk, samt bottendjur. LakeWeb- 6 8 Zoop red elimination To prey fish from zoopred 9 Zoobenthos production from macrophytes Zoobenthos production from other sediment sources Fish migration to and from lake 4 To zoobenthos from macrophytes Macrophyte biomass Macrophyte elimination and physical erosion Macrophyte production 80

modellen har testats mot omfattande empiriska modeller och sjödata och den innehåller bl.a. en massbalansmodell för fosfor. 4. LakeWeb-modellen har testats mot mycket omfattande empiriska data för enskilda sjöar och framförallt mot empiriska modeller som bygger på omfattande data från många sjöar som täcker en stor variationsbredd i sjötyper. 5. Modellen har också testats grundligt med känslighetsanalyser och osäkerhetsanalyser (s.k. Monte Carlo teknik) för att identifiera de viktigaste svagheterna då man beräknar olika variabler, som produktion och biomassa av de nio funktionella organismtyperna 6. Modellen kan drivas med få och lätt tillgängliga data som medeldjup, area, max. djup, latitud och årsmedelnederbörd. 7. Dessutom finns nya delmodeller för fosfor (en massbalansmodell som också inkluderar fosforupptag i de olika organismgrupperna), vattentemperatur, siktdjup, produktionsperiodens längd och djupet på den fotiska zonen. 8. Modellen har också använts för ett antal scenarier. Det gäller hur () temperaturförändringar ("global change") påverkar ekosystemens struktur och funktion, hur () ändrad närsaltsbelastning (både eutrofiering och oligotrofiering från ändrad markanvändning och från punktkällor) påverkar ekosystemens struktur och funktion, och hur () försurning och (4) humifiering (dvs. belastning med färgade humussubstanser) påverkar ekosystemens struktur och funktion, samt (5) hur olika typer av biomanipulation (t.ex. utfiskning) påverkar ekosystemen. 9. Dessutom ingår mer övergripande kriterier för viktiga parametrar för "lake management" samt praktiska riktlinjer för dessa skall definieras och användas utifrån det helhetsperspektiv som LakeWeb-modellen ger. 0. Grundläggande begrepp i LakeWeb-modellen är konsumtionsrater (hur mycket av födan som äts per tidsenhet), "metabolic efficiency ratios" (dvs. hur mycket av det som äts som leder till tillväxt, biomasseökning hos den som äter), födovalskriterier, omsättningstider för de olika organismerna, och hur detta påverkas av fysikaliska och kemiska förhållanden och förändringar i systemet.. I fiskmodellen ingår t.ex. migration in och ut ur sjön och hur makrofyter påverkar rovfiskens möjligheter att finns byte och bytesfisken möjligheter att komma undan.. I LakeWeb-modellen finns många tekniska nyheter (rörande t.ex. dimensionslösa moderatorer, algoritmer för konsumtionsrater och biotiska/abiotiska interaktioner). 8

Men vi har inte tagit fram en BaltWeb-modell på detta sätt utifrån så många kritiska tester. Detta är en preliminär version som bygger på de erfarenheter som vunnits med arbetet med LakeWeb-modellen. Med en framtida vältestad BaltWeb-modell skulle man, i sinom tid, på ett tillförlitligt sätt kunna beräkna t.ex. hur () ändrade närsaltsflöden till Östersjön påverkar ekosystemets struktur och funktion, () hur detta också påverkar valda gifter (som dioxiner) i de olika organismgrupperna, () hur "global change", dvs. framtida temperaturändringar, påverkar ekosystemens struktur och funktion, (4) hur fiskekvoter bör framräknas inte från fångststatistik som idag utan från hur mycket födoorganismer som finns för rovfisk och bytesfisk. (5) BaltWeb-modellen skulle också kunna kompletteras med delar som rör enskilda arter (t.ex. strömming, torsk, flundra, skarpsill, lax och sik), och (6) man skulle kunna göra delmodeller för de olika delarna av Östersjön (t.ex. Finska viken, Rigabukten, Bottenhavet, etc.) som skulle kunna bindas ihop till en holistisk östersjömodell av "kommunicerande kärl". Idag finns näringsvävsmodeller för Östersjön men det är mycket stora skillnader mellan dessa modeller och LakeWeb/BaltWeb. De olika modellerna har olika målvariabler, olika drivvariabler, olika syften, olika struktur, olika typer av ekvationer och bygger på olika skalor. Dessa olika modeller konkurrerar inte utan kompletterar varandra. 5... Fosforflöden Fig. 4 redovisar beräknade fosforflöden till, inom och emellan egentliga Östersjön (fig. 4C), Bottenhavet (B) och Bottenviken (A). Beräkningen av dessa flöden bygger på samma vattenflöden som vid massbalansmodellen för salt. Alla stora inflöden har markerats speciellt, eftersom det är dessa som bör åtgärdas. Från figuren kan följande noteras: Fosforflödena till och från organismer med kort uppehållstid ("bios", dvs. plankton och bentiska alger) är speciellt i Bottenviken och Bottenhavet förhållandevis mycket stora. Detta beror på att dessa organismer har kort livslängd (se tabell 7). Det är således viktigt att skilja på flöden och mängder. Fosformängderna i de olika delarna i egentliga Östersjön ges i fig. 4, och från den figuren kan man notera att de den största TP-mängderna inte finns i ETbottnarna eller i organismer med kort omsättningstid, som har de största flödena (fig. 4C), utan i A-sediment. 8

000000 00000 0000 000 00 0 TP-fluxes (tons/yr) A. Bothnian Bay (= BB) 000000 00000 0000 000 00 B. Bothnian Sea (= BS) 0 000000 00000 0000 000 00 0 TP-fluxes (tons/yr) C. Baltic proper (= BP) TP-fluxes (tons/yr) Fig. 4. Simulering med BaltWeb-modellen för totalfosforflöden i (A) Bottenviken, (B) Bottenhavet och (C) egentliga Östersjön. I Bottenviken gäller följande rangordning av flödena: TP-flödet till och från organismer med kort livslängd (dvs. växt- och djurplankton, bentiska alger och bakterioplankton), omblandning mellan yt- och djupvatten, sedimentation och resuspension till och från ET-bottnar, transport av fosfor mellan Bottenviken och Bottenhavet, inflöde från tillrinnande vattendrag, transport till och från organismer med lång livslängd (dvs. makrofyter, bottendjur och fisk), transportprocesser till och från A- bottnar (dvs. "burial", sedimentation och diffusion), landhöjning, nederbörd på vattenytan och sist, inflöde av fosfor via djupvattentransport från Bottenhavet. I figuren har alla stora inflöden markerats med grå ton eftersom det är dessa som står i fokus i åtgärdssammanhang; alla andra flöden omfördelar dessa inflöden. 8

Mean annual TP-amounts (tons TP 000) in the Baltic proper 00 80 60 40 0 00 80 60 40 0 0 A-sediments BioL BioS Deep water Surface water ET-sediments Fig. 4. Fosformängder i olika delar av egentliga Östersjön. Värden i kton. BioL är organismer med lång livslängd (fisk, bottendjur och makrofyter), BioS är organismer med kort livslängd (plankton och bentiska alger). I de fall där vi har kunnat kontrollera de fosforflöden som ges i fig. 4 stämmer de väl överens, åtminstone storleksordningsmässigt, med uppmätta flöden. Det gäller t.ex. att ca 50 till 70 kton (= 000 ton) fosfor flödar in i egentliga Östersjön. Det är viktigt att notera att fosforflödena kopplande till "mixing", dvs. omblandning mellan yt- och djupvatten inom de tre bassängerna, är stora. Det är också stora flöden av fosfor i ytvatten fram och tillbaka mellan de olika bassängerna. Det betyder att utsläpp i södra Östersjön påverkar TP-koncentrationerna i Bottenhavet och Bottenviken på ett påtagligt sätt, vilket skall visas i några kommande figurer. Fig. 44 ger predikterade TP-koncentrationer i egentliga Östersjön (kurvorna ), Bottenhavet (kurvorna ) och Bottenviken (kurvorna ) i (A) ytvatten, (B) djupvatten och i fig. 44C i aktiva A-sediment, där vi också lagt in två referensvärden, mg/g dw (dw = torrvikt), som ett max. värde, och 0.5 mg TP/g dw, som ett mer normalt referensvärde för A-bottnar i Östersjön (medelvärde för 0-0 cm sediment). Vid simuleringarna som ges i fig. 44 har vi också eliminerat alla antropogena fosforemissioner till hela Östersjön år 50. Syftet med detta har varit att först, för den första 50-års perioden, beräkna dagens TP-koncentrationer, sedan motsvarande "naturliga" referensnivåer, vilket är viktigt att uppskatta om man vill sätta 84

(µg/l) 40 : Bothnian Bay : Bothnian Sea : Baltic proper Surface water (µg/l) 40 A. B. Deep water : Bothnian Bay : Bothnian Sea : Baltic proper 0 TP-concentration 0.5 65.50 97.75 0 Years (mg/g dw) 4 C. Active A-sediments : Bothnian Bay : Bothnian Sea : Baltic proper 0 TP-concentration 0.5 65.50 97.75 0 Years All anthropogenic sources to the Baltic proper, the Bothnian Sea and the Bothnian Bay eliminated year 50 4 4 4 4 4: Max TP-conc. TP-concentration 5 5 5 5 5: Norm TP-conc. 0.5 65.50 97.75 0 Years Fig. 44. Simuleringar med BaltWeb-modellen. I detta fall har alla antropogena fosforflöden till hela Östersjön eliminerats år 50 och syftet har varit att först, för den första 50- årsperioden, beräkna dagens fosforhalter i (A) ytvatten, (B) djupvatten och (C) aktiva A- bottensediment i egentliga Östersjön, Bottenhavet och Bottenviken, samt efter år 50, hur lång tid det tar att återställa förhållandena till en ny naturlig dynamisk jämvikt och vilka fosforkoncentrationer som skulle vara naturliga för de tre delområdena. relevanta miljömål för fosfor i Östersjöns olika delområden, eller för hela Östersjön. Från fig. 44 kan noteras: TP-koncentrationerna ligger idag på ca 0 µg/l i egentliga Östersjöns ytvatten, ca 7 µg/l i Bottenhavets ytvatten och ca 5 µg/l i Bottenvikens ytvatten. Värdena är högre i djupvattnet (fig. 44B), där nivåerna ligger på mellan 0 och 0 µg/l. TP-halterna i aktiva A-sediment ligger nära normvärdet 0.5 mg/g dw. Om alla antropogena utsläpp upphörde skulle det ta storleksordningen 0-0 år att nå ett nytt dynamiskt jämviktsläge. De "naturliga" TP-halterna i ytvatten ligger på ca 4-5 µg/l i egentliga Östersjön, - µg/l i Bottenhavet och 9-0 µg/l i Bottenhavet. 85

Surface water; all ant. sources to BP eliminated year 50 (µg/l) 40 : Bothnian Bay A. : Bothnian Sea : Baltic proper 0 TP-concentration 0.5 65.50 97.75 0 Years Surface water; all ant. sources to BB eliminated year 50 (µg/l) 40 : Bothnian Bay C. : Bothnian Sea : Baltic proper Surface water; all ant. sources to BS eliminated year 50 (µg/l) 40 : Bothnian Bay B. : Bothnian Sea : Baltic proper 0 TP-concentration 0.5 65.50 97.75 0 Years 0 TP-concentration 0.5 65.50 97.75 0 Years Fig. 45. Simuleringar med BaltWeb-modellen. I detta fall har först, (A) alla antropogena fosforflöden till egentliga Östersjön eliminerats år 50 och i den första figuren ges resultatet för TP-koncentrationen i ytvatten i Bottenviken (kurva ), Bottenhavet (kurva ) och egentliga Östersjön (kurva ). Fig. B ger motsvarande simulering men i detta fall har alla antropogena TP-flöden endast till Bottenhavet tagits bort år 50, och i (C) har alla antropogena TP-flöden endast till Bottenviken eliminerats år 50. I djupvattnet ligger nivåerna mellan - µg/l i de olika bassängerna och TP-koncentrationerna i aktiva A-sediment ligger något under dagens nivåer. Utifrån dessa resultat är det mycket intressant att göra olika simuleringar av åtgärder. I fig. 45 redovisas en sådan simulering för ytvattenkoncentrationer. I detta fall har vi först (fig. 45A) eliminerat alla antropogena emissioner till Bottenviken år 50, sedan alla antropogena källor till Bottenhavet (fig. 45B) och sist alla antropogena källor endast till egentliga Östersjön (fig. 45C). Syftet har varit att se hur detta skulle påverka yt-, djup- och sedimentkoncentrationerna inte endast i Bottenviken (kurvorna ) utan också i Bottenhavet (kurvorna ) och egentliga Östersjön (kurvorna ). Man kan konstatera att: Reduktionerna i ett område påverkar alla områden, eftersom det föreligger ett mycket stort vattenutbyte mellan områdena. 86

De mest påtagliga förändringarna för alla tre delområdena erhålls om man minskar alla antropogena emissioner till egentliga Östersjön (fig. 45A) helt enkelt därför att detta berör de största flödena. Att minska de förhållandevis små antropogena flödena till Bottenhavet och Bottenviken ger förhållandevis små effekter även inom dessa områden, speciellt gäller detta för Bottenhavet som står i direktkontakt med egentliga Östersjön. Effekterna av att reducera de direkta flödena till Bottenviken är större i Bottenviken, men här ligger TPkoncentrationen redan på en förhållandevis låg nivå så behovet att åtgärda (se PER-analysen i tabell 5) är inte lika stort som för egentliga Östersjön och Bottenhavet. Sammanfattningsvis kan framhållas () att behovet att åstadkomma förbättringar är störst för egentliga Östersjön, () om de antropogena utsläppen till egentliga Östersjön reducerades, kommer detta att inte endast att reducera närsaltshalterna i egentliga Östersjön utan också i Bottenhavet, och i viss mån också i Bottenviken, () att koncentrera närsaltreduktionerna till de stora flödena till egentliga Östersjön är den enda riktigt effektiva åtgärden för att minska närsaltsnivåerna i hela Östersjön. Dessa slutsatser gäller de stora dragen för de stora delbassängerna. Vad som händer i dessa delbassänger och i havet har avgörande betydelse för vad som händer i kustområdena, men olika kustområden svarar olika på förändringar i havet beroende på olikheter i morfometri och i vatten- och bottendynamiska förhållanden. I nästa avsnitt skall vi diskutera en effektdos-känslighetsmodell för kustområden. 5.4. En ELS-modell för syrgas i kustområden De grundläggande begreppen som rör ELS-modeller ("Effect-Load-Sensitivity") illustreras som ett ELS-diagram i fig. 46. Notera att ELS-modeller gäller för hela definierade 87

ELS-diagram from ELS-model Coastal area ; high sensitivity Coastal area ; low sensitivity Operational effect variable Load factor (kg X per time unit; kg X/m; or load function) Fig. 46. Grundläggande ELS-diagram från ELS-modell. En och samma belastning ger olika effekt i ekosystem av olika känslighet. ekosystem, t.ex. definierade sjöar eller kustområden. Det är mycket viktigt att avdela ett givet kustområde på ett vetenskapligt relevant sätt; en godtycklig områdesindelning ger godtycke i bestämningarna av parametrar som area, volym, medeldjup, teoretisk vattenomsättningstid, etc. Därför är det viktigt att använda den metod som presenteras i fig. 7 och att objektivt avgränsa kusten enligt den topografiska flaskhalsprincipen. Här skall vi diskutera en ELS-modell där syrgasmättnaden i djupvatten (O Sat i %) är den operationella effektvariabeln; om syrgasmättnaden som medelvärde under sommaren (den mest känsliga perioden) understiger 0% kommer bottendjuren, dvs. en funktionell nyckelgrupp av organismer, sannolikt att dö. Därmed finns det en viktig koppling mellan denna operationella effektvariabel och en ideal effektvariabel, som skall gälla produktion, överlevnad eller biomassa hos funktionella organismgrupper. Många faktorer skulle kunna påverka variationen i medelvärde för O Sat mellan de kustområden som studerats i detta sammanhang och i fig. 47 ges en rangordning av de faktorer som faktiskt och med statistisk 88

Fig. 47. Effekt-dos-känslighetsmodellen för syrgasmättnad i djupvatten i kustområden (modellen från Håkanson, 999). angiven säkerhet påverkar variationen i O Sat mellan de studerade kustområdena. I fig. 47 ges också ett ELS-diagram för ELS-modellen i fråga. Notera att nomogrammet (dvs. kurvorna i fig. 47A) gäller för hur syremättnaden beror på variationer i dosfunktionen (som beror på totalkväve- och totalfosforkoncentrationerna i vattenfasen, TN och TP), samt på variationer i djupvattnets teoretiska utbytestid (Td) för ett kustområde med ett medeldjup av 7.56 m, en filterfaktor av 6.7 km and och en vattenvolym av 0. km. Resultatet av en statistisk analys (stegvis multipel regression med data från de kustområdena) ges i fig. 47B och här har de faktorer som påverkar variationen mellan kust- 89

områden vad gäller O Sat rangordnats (r -värdet är den statistiska förklaringsgraden). Fig. 47C ger den aktuella regressionsmodellen. Flera av de morfometriska modellvariablerna (Td, Dm, Ff och V) kan ju inte egentligen påverkas av åtgärder - kustens morfometri är som den är. Närsaltsbelastningen däremot kan påverkas. Ett av syftena med ELS-modeller är att de är utmärkta redskap för att simulera konsekvenserna av olika åtgärder. Ett annat motiv att utveckla ELS-modeller är att det är vetenskapligt viktigt att veta och förstå vilka faktorer som faktiskt påverkar en definierad effektvariabel. ELS-modellen i fig. 47 ger en mycket hög statistisk förklaringsgrad, r = 0.9. Man bör då notera att det aldrig kommer att finnas modeller som ger en 00%-ig statistisk förklaringsgrad (r = ) eftersom det alltid föreligger osäkerhet i alla empiriska värden som används då modellers förklaringsgrad bestäms. Alla empiriska data är behäftade med osäkerhet beroende på problem rörande provtagning, transport och laboratorieanalys. Den empiriska osäkerheten kan ges av det karaktäristiska CV-värdet (dvs. den relativa standardavvikelsen, SD/MV), som för O Sat är ca 0.6. Detta ger att det maximala r -värdet för O Sat som operationell effektvariabel är 0.96 (beräknat från r max = 0.66 0.6 ; där 0.66 är en konstant). Den givna modellen har således ett r -värde som ligger nära det maximala. Fig. 48 visar hur O Sat beror på variationer i kustens TN- och TP-koncentrationer för kuster med olika morfometri, dvs. olika känslighet. Fig. 48A ger ett D-diagram som visar hur sådana variationer påverkar O Sat i ett kustområde med medeldjup på 5 m, area på km, teoretisk omsättningstid för djupvattnet på (Td) på 0 dygn och en filterfaktor på 7 km. Den kritisk O Sat-nivån 0% har också angivits. Man kan notera att den kritiska nivån nås om TP går över ca 0 µg/l och TN samtidigt ligger på ca 50 µg/l i detta kustområde. Fig. 48B ger samma sak men för ett område med väsentligt större djupvattenvolym. Medeldjupet har här satts till 50 m (detta skulle t.ex. kunna gälla för ett kustområde vid Höga kusten). Den 90

A. 00 Mean depth = 5 m Area = km 90 Td = 0 days 80 Filter factor = 7 km 70 60 50 40 0 0 Oxygen saturation (%) 0 0 0 5 0 5 0 Phosphorus (µg/l) 5 40 500 400 00 00 Nitrogen (µg/l) B. Mean depth = 50 m 00 Area = km 90 Td = 0 days 80 Filter factor = 7 km 70 Oxygen saturation (%) 60 50 40 0 0 0 0 0 5 0 5 Phosphorus (µg/l) 0 5 40 500 400 00 00 Nitrogen (µg/l) C. 00 Mean depth = 50 m Area = km 90 Td = 0 days 80 Filter factor = 7 km 70 60 50 Oxygen saturation (%) 40 0 0 0 0 0 5 0 5 Phosphorus (µg/l) 0 5 40 500 400 00 00 Nitrogen (µg/l) Fig. 48. Simuleringar med ELS-modellen för syrgasmättnad i djupvatten. kritiska syrgasmättnaden nås då vid väsentligt lägre TP- och TN-värden. Fig. 48C ger samma sak men för ett ännu känsligare kustområde. Här har medeldjupet satts till 50 m och Td till 0 dygn. Den kritiska syrgasmättnaden nås då vid ännu lägre TP- och TN-värden. Sammanfattningsvis kan sägas, () att olika kustområden är olika känsliga för belastning av närsalter, () att det finns praktiskt användbara ELS-modeller som ger hög statistisk för- 9

klaringsgrad för fler operationella effektvariabler för kustvatteneutrofiering och en sådan modell exemplifieras i fig. 47, och () att sådana ELS-modeller är viktiga redskap i det praktiska miljöarbetet då det gäller att optimera åtgärder. Tyvärr används inte ELS-modeller i dag i den omfattning de borde, vilket ger ett alltför stort utrymme för tro och tyckande i dessa viktiga frågor och det leder till att miljöåtgärder sätts in på ett suboptimalt och slösaktigt sätt. I nästa avsnitt skall vi diskutera hur åtgärder skall kunna sättas in på ett vetenskapligt rationellt sätt för hela Östersjön, och vi skall också definiera ett miljömål som borde vara av stor vikt i det praktiska miljöarbetet. 5.5. Ett miljömål och en miljökonsekvensanalys för Östersjön Ordet miljökonsekvensanalys kan betyda i stort sett vad som helst. Det måste således definieras. Här skall vi göra en miljökonsekvens med BaltWeb-modellen. Vi skall studera vad en närsaltsreduktion kan innebära för de parametrar som ingår i modellen, och vi skall också nämna några andra sannolika effekter av en sådan åtgärd. I fig. 49A illustreras vad som sannolikt skulle hända om alla antropogena utsläpp av fosfor till egentliga Östersjön eliminerades vid en viss tidpunkt (vecka 6). Kurva i fig. 49A ger detta för TP-koncentrationen och kurva för siktdjupet. Vi kan konstatera att TP-koncentrationen sjunker från den nuvarande nivån på ca 0 µg/l till ca 4-5 µg/l och att siktdjupet logiskt ökar från ca m till ca.5-4 m. Detta betyder också att algvolymen minskar (fig. 49B). I den praktiska miljövården används värdet 5 mm /l som en kritisk gräns för algvolymen och värdet 0 mm /l som en alarmnivå. Om algvolymen når dessa nivåer kan de leda till flera negativa effekter, t.ex. () att risken för blomning av giftiga blågröna (= cyanobakterier) alger ökar, () att vattnets siktdjup minskar och att vattnets därmed blir otrevligt ur rekreationssynpunkt och () att attraktiva fiskarter försvinner och ersätts av "skräpfisk" (som mört). I denna figur ges också två konfidensnivåer för algvolymen. Om algvolymen ligger på 9

Fig. 49. Simulering med BaltWeb-modellen för att studera effekter på egentliga Östersjön om alla antropogena fosforflöden elimineras vecka 6. Fig. A ger resultaten för TP-koncentrationerna i ytvatten (kurva ) och siktdjupet (kurva ). Fig. B ger medelvärde (kurva ) och medelvärde plus 95% konfidensintervall (kurva ) samt medelvärde minus 95% konfidensintervall (kurva ) för algvolymen samt, som referenser, den kritiska algvolymen (5 mm /l) och alarmvärdet (0 mm /l). Fig. C ger motsvarande ändringar i växtplanktonbiomassa (kurva ), biomassa av bentiska alger (kurva ) och makrofytbiomassa (kurva ). Fig. D ger motsvarande resultat för total zooplanktonbiomassa (kurva ), bottendjurens biomassa (kurva ) and bytesfiskens biomassa (kurva ). en viss medelnivå i egentliga Östersjön kommer detta med nödvändighet att innebära att det föreligger en betydande variation kring detta medelvärde, dvs. att vissa områden kommer att ha högre, andra lägre algvolymen än medelvärdet. Man kan då utgå från att med dagens fosforbelastning finns det flera områden där algvolymen ligger över den kritiska nivån. Det är viktigt att reducera TP-belastningen så att denna risk minimeras. Om alla antropogena TPflöden till egentliga Östersjön reducerades skulle det innebära att även det övre konfidensnivån för algvolymen kom under den kritiska nivån, och detta är mycket viktig information då man skall sätta ett miljömål för egentliga Östersjön. TP-koncentrationen i egentliga Östersjön bör således ner till ca 5 µg/l enligt detta kriterium. I figurerna 49B och C visas hur biomassorna av växtplankton, bentiska alger, makrofyter, djurplankton, bottendjur och bytesfisk sannolikt skulle påverkas om TP-halten sjönk enligt fig. 49A. Vi kan t.ex. se relativt små förändringar för de två primärproducenterna bentiska 9

alger och makrofyter. Detta beror på att intressanta och viktiga motstående processer påverkar dessa organismgrupper. Såväl bentiska alger som makrofyter kommer att öka då siktdjupet ökar, och detta kompenseras av att TP-halten minskar. Nettoeffekten kan vi se i fig. 49C, och den är att det sannolikt blir relativt små förändringarna för dessa två primärproducenter. Växtplankton, å andra sidan, som styrs mer av närsaltsnivåerna i vattenmassan, svarar mer påtagligt på denna minskning i vattnets TP-halt (fig. 49C). Eftersom det inte sker så stora förändringar för bentiska alger och makrofyter, kan man inte förvänta sig några större förändringar för bottendjur (kurva i fig. 49D), och då heller inte några större förändringar för bytesfisk, som äter bottendjur och djurplankton (fig. 49D). Från dessa simuleringar kan man notera att det föreligger kompensatoriska förändringar, som att minskad närsaltsbelastning leder både till minskad närsaltskoncentration och samtidigt ökat siktdjup; dessa två förändringar verkar i motsatt riktning för alla grupper av primärproducenter, men mest för bentiska alger och makrofyter. På grund av dessa kompensatoriska förändringar skulle den aktuella reduktionen i närsaltsbelastning sannolikt inte få så stora effekter vad gäller dessa funktionella grupper av organismer. Däremot kan man kanske förvänta sig betydligt större effekter för enskilda arter, men sådana prediktioner kan på detta stadium inte göras med BaltWeb-modellen. Däremot är det mycket viktigt att påpeka detta eftersom sådana kompletterande studier är viktiga för en fullständig miljökonsekvensanalys. Eftersom vi diskuterat en ELS-modell för syrgasmättnad i djupvattnet för kustområden, eftersom bottendjuren därvidlag är en nyckelgrupp av organismer, eftersom omfattande förändringar redan har skett i Östersjön vad gäller utbredningen av "döda bottnar" med laminerade sediment (fig. ), eftersom det dokumenterats att "bottendöden" numera sprider sig också till kustområdena, havets "barnkammare och skafferi" och eftersom förhållandena i 94

Fig. 50. Simulering med BaltWeb-modellen för att studera effekter på egentliga Östersjön i ett antal fall då mängden bottendjur ändras (som t.ex. en följd av eutrofiering som lett till att TP-koncentrationen ökat från 0 till 40 µg/l i ytvatten i egentliga Östersjön) i ett antal definierade steg där det sista steget innebär att alla bottendjur elimineras vecka 6. Fig. A ger resultaten för algvolymen samt, som referenser, den kritiska algvolymen (5 mm /l) och alarmvärdet (0 mm /l). Notera all i alla dessa simuleringar är det först en period då jämvikten ställer in sig. Fig. B ger motsvarande värden för siktdjupet. Fig. C ger motsvarande ändringar för den totala fiskproduktionen (dvs. bytesfisk och rovfisk). Fig. D ger resultat för rovfiskbiomassan. havet i så stor utsträckning påverkar förhållandena i kusten, har vi gjort ett specialscenario kring de sannolika miljöeffekterna om bottendjuren skulle reducerats i ett antal steg (se fig. 50). I dessa simuleringar har vi använt BaltWeb-modellen för att undersöka hur stegvis minskad bottenfauna jämfört med dagens läge skulle påverka systemet. Detta visas i fig. 50 för algvolymen (fig. 50A), siktdjupet (fig. 50B), fiskproduktionen (fig. 50C), samt biomassan av rovfisk (fig. 50D). Alla ändringar har genomförts från vecka 6 och under den första perioden av simuleringen ställer modellen in sig i ett dynamiskt jämnviktsläge. Från denna figur kan man notera att: En ytterligare ökning av Östersjöns eutrofiering skulle sannolikt få drastiska effekter på ekosystemets struktur och funktion och om TP-halten överskrider 0 µg/l skulle algvolymen 95