Kerstin Holmgren: Bidrag till Möte om klassifisering av innlandsfisk, 28 augusti 2014, i Trondheim Statusbedömning via fisk i sjöar bakgrund och underlag till ny interkalibrering Nytt uppdrag 2014: att utreda möjligheter till IC om fisk i sjöar
Bakgrund till ny utredning: Både Sverige och Norge misslyckades i ECOSTAT s interkalibrering!
Vi följde CISvägledningen för interkalibrering (från 2011) http://bookshop.europa.eu/en/guidance-on-the- intercalibration-process-2008-2011- pbkhan11014/?catalogcategoryid=znmkabstx5ia AAEjs5AY4e5L
Mål: Interkalibrerade metoder är relaterade och ger jämförbara bedömningar 1) EQR-värden via olika metoder ska vara positivt korrelerade med varandra Fler kriterier för: 2) maximal systematisk avvikelse i klassgränser (H/G & G/M) och 3) överensstämmelse i klassificering av ekologisk status.
Preconditions IC feasibility check 1 Q1. Do all national assessment methods meet the requirements of the Water Framework Directive? YES Q2. Do all national methods address the same common type(s) and pressure(s), and follow a similar assessment concept? YES NO NO Exclude methods not meeting the requirements. Establish groups of methods within which intercalibration is carried out and exclude methods that do not fit in any group. IC process according to Guidance Document No.14 Data basis for IC analysis IC option IC feasibility check 2 Benchmarking Boundary comparison/ setting Q3. Do all countries apply a common assessment method (but different classifications)? YES Common Dataset 1 Common Assessment Method YES Common Dataset 3 Direct Comparison supported by Use of Common Metrics Selection of common metric(s) 2 Use of Common Metrics Q6. Do the intercalibration datasets contain sites in near-natural conditions? YES Screen for sites using abiotic reference criteria, validate with biological data. Q5. Are all methods reasonably related to the common metric(s)? NO NO Common Dataset feat. partial datasets Improve common metric(s) or reconsider step Q2. Description of IC type-specific reference/biological benchmark communities at GIG level, considering possible biogeographical differences Q7. Do the good ecological status boundaries of the national methods comply with the WFD normative definitions? YES Demonstrate national boundary setting and compare national classifications. NO Q4. Is the BQE data sampling and processing generally similar, so that all national assessment methods can reasonably be applied to the data of other countries? YES Screen for sites using abiotic criteria representing selected environmental status, validate with biological data. NO NO Design and apply Boundary Setting Protocol at GIG level. Methods descriptions: Preconditions (WFD compliance) IC feasibility check 1 Data basis for IC analysis IC option and common metrics IC feasibility check 2 Benchmarking Abiotic reference criteria IC type-specific reference/biological benchmark communities Boundary comparison/checking IC type-specific biological communities at the good-moderate boundary Description of IC type-specific biological communities at GIG level representing moderate deviation from reference conditions (goodmoderate boundary), including associated environmental conditions
IC proceduren: Ex. Lakes-Northern GIG-Fish Preconditions Q1. Do all national assessment methods meet the requirements of the Water Framework Directive? Exclude methods not meeting the requirements. 4 metoder YES (FI-EQR4, SE-EQR8, IE-FIL2, NO-FCI) NO IC feasibility check 1 Q2. Do all national methods address the same common type(s) and pressure(s), and follow a similar assessment concept? YES NO Establish groups of methods within which intercalibration is carried out and exclude methods that do not fit in any group. 1 Typ (Finska typer 1+2), Eutrofiering! Q3. Do all countries apply a common assessment method (but different classifications)? YES NO YES Q4. Is the BQE data sampling and processing generally similar, so that all national assessment methods can reasonably be applied to the data of other countries? FI-EQR4, SE-EQR8 & IE-FIL2 NO NO-FCI
Alla länder hade data från provfisken med Nordiska nät (EN 14757)! Data basis for IC analysis FI-EQR4, SE-EQR8 & IE-FIL2 Additional info needed for NO-FCI Common Dataset Common Dataset Common Dataset feat. partial datasets IC option 1 Common Assessment Method 3 Direct Comparison supported by Use of Common Metrics 2 Use of Common Metrics IC feasibility check 2 Benchmarking YES Selection of common metric(s) Q6. Do the intercalibration datasets contain sites in near-natural conditions? YES Pseudo-common metric Q5. Are all methods reasonably related to the common metric(s)?, FI-EQR4 & EI-FIL2 kvar! NO, NO-FCI & SE- EQR8 föll bort Improve common metric(s) or reconsider step Q2., FI-EQR4 & EI-FIL2 kvar! NO
Screen for sites using abiotic reference criteria, validate with biological data. Screen for sites using abiotic criteria representing selected environmental status, validate with biological data. Description of IC type-specific reference/biological benchmark communities at GIG level, considering possible biogeographical differences Boundary comparison/ setting Q7. Do the good ecological status boundaries of the national methods comply with the WFD normative definitions? YES, FI-EQR4 & IE-FIL2 NO Demonstrate national boundary setting and compare national classifications. Design and apply Boundary Setting Protocol at GIG level. Description of IC type-specific biological communities at GIG level representing moderate deviation from reference conditions (goodmoderate boundary), including associated environmental conditions Bara FI-EQR4 och EI-FIL2 blev interkalibrerade efter liten justering av en klassgräns! SE-EQR8 och NO-FCI fick bakläxa!!!
Posterinnehållet finns också beskrivet på sid. 142-146 i; http://www.wiser.eu/meetings-andevents/final-conference/abstracts/
Copied from: Olin et al. 2014
Svenska EQR8 svarade bättre på surhet än på totalfosfor Copied from: Olin et al. 2014
Swedish EQR8 in an acidity gradient N = 54 non-limed Swedish lakes in the quadratic curve estimation (with 95% confidence interval) EQR8 = 0,46 = current boundary between good and moderate ecological status Included for illustration are also 27 limed lakes and 4 lakes with unknown liming status Selection: lakes with Tot-P < 20 μg/l and ph < 7,5 in southern Sweden
EQR8-indikatorer avviker i sura och kalkade sjöar Sjöar i södra Sverige, Tot-P < 20 μg/l & ph < 7,5 Fisk- och ph-data från 2000-2009 Referensvärden vid Z = 0 och +/- 1 SD 36 4 27 4 36 36 18 27 4 36 15 4 18 27 18 27
Norska FCI svarade också bättre på surhetsrelaterade faktorer! RC = reference condition CS = change in fish status Copied from: Olin et al. 2014
Undersøkelsen i Ennningdals-vassdraget i Västra Göteland/Østfold (från Hesthagen 2012) Kartlagt sjøer mht fisk: intervju: Norge 60 stk og Sverige: 59 stk Kartlagte innsjøer mht fiks: Prøvefiske: Norge: 60 stk, Sverige 46 stk. Over 90 % av innsjøarealet kalket eller påvirket av kalking
Undersøkelsen i Ennningdals-vassdraget i Västra Göteland/Østfold (från Hesthagen 2012) Sammenhengen mellom NFI og EQR8 for Norske (venstre) og Svenske sjøer (høyre) med to eller flere fiskearter
Undersøkelsen i Ennningdals-vassdraget i Västra Göteland/Østfold (från Hesthagen 2012) Ut fra foreslåtte grenseverdier mellom ulike tilstandsklasser, gir den Svensk indeksen en betydelig strengere vurdering av fiskeskader enn Norsk Indeks
Undersøkelsen i Ennningdals-vassdraget i Västra Göteland/Østfold (från Hesthagen 2012) Konklusjon NFI og EQR8 gir noe forskjellig tilstands-vurdering Bedre overenstemmelse mellom NFI og EQR8 for norske enn for svenske innsjøer Kan skyldes (i) ulike fiskesamfunn, (ii) ulik grad av fiskeskader (ikke på samme del av skade-aksen, (iii) Underlaget ved beregningene: forskjellig grad av historiske data som er innhentet Skal grenseverdiene for de to metodene justeres: Viktig med en felles forståelse for hvilke skade som gir MODERAT tilstandsklassene i Vanndirektivet (jf. tiltak nødvendig) Kerstin: Justering av klassgränser räcker inte för godtagbar interkalibrering!
Hur kan vi lyckas i framtida interkalibrering? Utgå från gemensamt dataset och testa nya indikatorer i en eller flera påverkansgradienter? Fokusera på provfiskedata med Nordiska nät? Skapa gemensamt filter för att identifiera referenssjöar? Modellera sjöspecifika referensvärden via kontinuerligt varierande sjöegenskaper?
Vad kan Sverige (inkl. WATERS) bidra med i interkalibrering? Skapa och förvalta gemensamt dataset med provfiskade sjöar från båda länder? Alternativt leverera svenska data till norsk förvaltare? Provfiskedata och ev. ålders-/tillväxtdata för vanliga fiskarter i provfiskade sjöar Sjöbeskrivande variabler och referensfilter- /påverkansdata för provfiskade sjöar?
Ur: Sonesten 2013 Provfisken (rött) är den vanligaste U- typen i areaklass D (10-100 ha)!
Dataunderlag Fisk i sjöar Två olika utdrag av data ur NORS (Kinnerbäck 2013) 1819 sjöar Provfisken med Nordiska översiktsnät 197 sjöar Åldersdata Antal sjöar i databaser 2012
Markanvändningsdata i provfiskade sjöar (Nu 1484 sjöar, varav 432 okalkade) Jmf. dataunderlaget 2005: 443 provfiskade sjöar med markanvändningsdata, varav 238 okalkade! 95 okänd kalkstatus 1057 kalkade 432 okalkade 95 okänd kalkstatus 1057 kalkade 432 okalkade 39 med >= 10% jordbruk 121 med >= 10% jordbruk 151 med >= 10% jordbruk 33 med >= 1% artificiell mark 100 med >= 1% artificiell mark 128 med >= 1% artificiell mark
Hydromorfologisk status i provfiskade sjöar (baserat på nya BG, uttag ur VISS) N = 273 kalkade N = 326 kalkade N = 167 kalkade N = 221 okalkade N = 260 okalkade N = 139 okalkade 1 = Bottenviken, 2 = Bottenhavet, 3 = Norra Östersjön, 4 = Södra Östersjön, 5 = Västerhavet
WATERS referensfilter (version 2014-08-11)
Vilka interkalibreringsinsatser ska vi satsa på? Sjötyper som förekommer i båda länder? Fisksamhällen som förekommer i sjöar i båda länder? Påverkansgradienter? Surhet/försurning och/eller något annat? Vilka fiskindikatorer (metrics) ska vi testa? Sträva mot enklare common metrics eller nya gemensamma bedömningsgrunder?
Kerstin Holmgren: Bidrag till Möte om klassifisering av innlandsfisk, 28 augusti 2014, i Trondheim Tack! Nytt uppdrag 2014: att utreda möjligheter till IC om fisk i sjöar
Sampling of fish with multi-mesh gillnets (EN 14757) Nordic gillnets 1,5 m deep 12 panels (2.5 m) Mesh sizes: 5-55 mm Depth stratification: Number of nets depending on lake area and maximum depth 12 9 3 6 Pelagic nets 6 m deep 11 panels (2.5 m) Mesh sizes: 6.25-55 mm
Alla provfisken sker i juli-augusti - så här kan det se ut!
Provfiskare tillbringar mesta tiden på land
Fish fauna in lakes high ecological status according to the Water Framework Directive (WFD) Species composition och abundance (number and/or biomass) correspond totally or nearly totally to undisturbed conditions All the type-specific sensitive species are present. The age structure of the fish community shows little sign of anthropogenic disturbance and is not indicative of a failure in the reproduction of a particular species. Perch: Operculum bone and otolith Roach: Otolith and scale Whitefish: Otolith and scale
Svenska BG för fisk (från 2007) Två multimetriska fiskindex EQR8 (sjöar) och VIX (vattendrag) 1) Insamling av fiskoberoende påverkansdata 2) Modellering av objektspecifika referensvärden till indikatorkandidater 3) Test av indikatorernas känslighet för påverkan 4) Urval av känsliga och icke-överflödiga indikatorer till multimetriskt index 5) Förslag till klassgränser
Dataset sjöar 2005 Antal Kalkad * Med * Med * Med % markslag Län sjöar Ja/Nej ph-mätn Tot-P-mätn i avrinningsområdet 1: Stockholms 28 3 / 24 26 (22) 26 (22) 28 (24) 3: Uppsala 6 0 / 6 2 (2) 2 (2) 6 (6) 4: Södermanlands 15 10 / 5 15 (5) 6 (4) 3 (2) 5: Östergötlands 22 17 / 5 19 (4) 6 (2) 2 (1) Referensmaterial 6: Jönköpings 170 133 för / 37kalibrering 156 (28) 74 (24) och test 29 = (15) 7: Kronobergs 181 129 / 52 172 (46) 162 (46) 41 (20) 8: Kalmar sjöar 108av hög 79 / 29 eller 75 (15) god status 24 (15) 14 (9) 10: Blekinge 43 32 / 10 43 (10) 15 (9) 11 (9) 12: Skåne 58 31 / 27 57 (26) 57 (56) 21 (16) Kriterier för att ingå i referensmaterialet 13: Hallands 58 52 / 6 57 (6) 24 (5) 21 (5) 14: Västra Götalands 62 46 / 16 58 (14) 17 (10) 16 (10) - Okalkad, ph > 6, 17: Värmlands 110 71 / 39 91 (24) 32 (15) 31 (14) - TotP 18: Örebro < 20 μg/l och/eller 10 5 / 5 < 25% 5 (1) jordbruk/öppenmark 5 (1) 10 (5) 19: Västmanlands 10 4 / 6 5 (4) 5 (4) 3 (3) 20: Dalarnas 161 83 / 78 145 (62) 82 (35) 161 (78) 21: Gävleborgs 16 9 / 7 13 (5) 11 (4) 4 (1) 22: Västernorrlands 25 19 / 6 25 (6) 24 (5) 24 (5) 23: Jämtlands 10 0 / 10 5 (5) 5 (5) 0 24: Västerbottens 55 14 / 36 21 10 (10) 13 (10) 25: Norrbottens 9 0 / 9 5 (5) 5 (5) 5 (5) Summa 1157 737 / 413 995 (304) 592 (249) 443 (238) * Antal okalkade inom parentes 116 referenser and 392 påverkade sjöar
Svenska bedömningsgrunder från 2007 Ett multi-metriskt fiskindex - EQR8 Indikator Surhet Eutrofi 1. Antal inhemska fiskarter - + 2. Artdiversitet: Simpson's D (antal) - 3. Artdiversitet: Simpson's D (biomassa) - + 4. Relativ biomassa av inhemska fiskarter - + 5. Relativt antal av inhemska fiskarter - + 6. Medelvikt i totala fångsten + 7. Andel potentiellt fiskätande abborrfiskar + 8. Kvot abborre / karpfiskar (biomassa) - Modellering av referensvärden Multipel regression med följande miljöfaktorer: altitud, sjöns area, maxdjup, årsmedel i lufttemperatur, position över/under högsta kustlinjen From: Holmgren m.fl. 2007
European Intercalibration/WISER database (2008-2011) Lake fish cross-gig reference criteria: - at least 81% natural or semi-natural land in the catchment, - not more than 10 inhabitants / km2 catchment, - annual mean of not more than 12 μg Total P/ L, - annual mean ph between 6-9, - no upstream barriers, - no lack of connectivity, - no significant water level fluctuation, - 0-10% shoreline (bank) modified, - no urban/industrial discharge, - no stocking, - no biological &/or chemical manipulation (e.g. liming to counteract acidification), - low exploitation of fish population by fishing Swedish lakes dominated the European dataset, but many lakes had missing data for several pressure variables!
Proceduren vid utvecklingen av EUrespektive N-indexen Hindcasting MLR = multiple regression med både karaktäriserings- och påverkansvariabler From: Argillier et al. 2013