Miljøovervåkning av indre Drammensfjord

Transkript

1 Miljøovervåkning av indre Drammensfjord Årsrapport R 3. mai 2011 Rapport utarbeidet for: Fylkesmannen i Buskerud Rapport utarbeidet av:

2

3 Prosjekt Prosjekt: Miljøovervåkning av indre Drammensfjord Dokumentnr.: R Dokumenttittel: Årsrapport 2010 Dato: 3. mai 2011 Oppdragsgiver Oppdragsgiver: Fylkesmannen i Buskerud Oppdragsgivers kontaktperson: Agnes Bjellvåg Bjørnstad Kontraktreferanse: Kontrakt datert For NGI Prosjektleder: Utarbeidet av: Kontrollert av: Arne Pettersen Hans Peter Arp, Anita Nybakk, Thomas Møskeland (DNV), Henrik Rye (SINTEF) Espen Eek, Sam Arne Nøland (DNV) Sammendrag Denne rapporten presenterer arbeidet som er utført av NGI og DNV i prosjekt Ren Drammensfjord i Det er gjennomført prøvetakning og analyser av vann (stikkprøver og passive prøvetakere), samt undersøkelser med sedimentfeller. Det er analysert for miljøgifter som tungmetaller, TBT, PAH og PCB. Videre er det analysert for parametere etter vannrammedirektivet. Det er også målt for hydrografiske parametere som temperatur, saltholdighet og oksygen i et utvidet stasjonsnett fra indre Drammensfjord til utenfor Svelvikterskelen for å overvåke dypvannsfornyelsen i Drammensfjorden. Det viktigste arbeidet som presenteres i denne årsrapporten, er fjordmodellen som er utviklet av NGI/DNV og strømmodellen som er utviklet av SINTEF. Måledata fra hele prosjektperioden er lagt inn i databasen til fjordmodellen.

4 Innhold Dokumentnr.: R Side: 4 1 Innledning 5 2 Undersøkelser i perioden Metoder Beskrivelse av overvåkningsprogrammets omfang 6 3 SINTEF Strømmodell for Drammensfjorden 7 4 NGI/DNV Fjordmodell (boksmodell) Funksjonsbeskrivelse Design av Modellen: Forbindelser som håndteres av modellen Inngangsparametere Utgangsparametere Monte Carlo usikkerhetsanalyse Sensitivitetsanalyse Scenarioanalyse Nøyaktighet av Output og Modelltolking Noen eksempler på modellkjøringer ved ulike caser 22 5 Resultater Hydrografi Dypvannsutskiftning Generell vannkvalitet i henhold til vanndirektivet 45 6 Leveranseoversikt 53 7 Referanser 53 Vedlegg A Dokumentasjon av NGI/DNV fjordmodell (boksmodell). Teksten er på engelsk. Kontroll og referanseside

5 Dokumentnr.: R Side: 5 1 Innledning NGI og DNV gjennomfører overvåkning av miljøtilstanden i Drammensfjorden på oppdrag fra Fylkesmannen i Buskerud. Overvåkningen startet i 2008 og skal pågå ut 2011, med en eventuell videre forlengelse til Arbeidet inngår i Fylkesmannens prosjekt Ren Drammensfjord Denne rapporten gir status for arbeidet som er utført i 2010, og presenterer data, modeller og resultater som er utarbeidet i perioden. Det vil bli utarbeidet en sluttrapport med endelige vurderinger fra overvåkningen som er utført i perioden Det er blant annet formulert sentrale spørsmål som overvåkningsprogrammet skal gi svar på. Hensikten med denne rapporten er å beskrive de to modellene som er utviklet i prosjektet. Dette er de Strømmodellen (SINTEF) og NGI/DNV fjordmodellen for kjemiske forbindelser (boksmodellen). De to modellene er ferdig utviklet og klare for kjøring av aktuelle scenarioer. De enkelte analyseresultatene fra overvåkningen i 2010 er som tidligere presentert i egen rapport for komplett sporbarhet og dokumentasjon. Det er gitt en liste over utarbeidede rapporter fra overvåkningsprogrammet i eget kapittel i denne årsrapporten. 2 Undersøkelser i perioden 2.1 Metoder Miljøovervåkningen av Drammensfjorden gjøres med et utvalg av metoder og analyseparametre (Tabell 1) som skal gjøre Fylkesmannen i stand til å følge de viktigste endringene i fjordmiljøet som kan ha betydning for oppnåelse av visjonen om en ren fjord innen Tabell 1 Type overvåkning Vannkvalitet Metodeoversikt Parametre Fargetall, turbiditet, saltholdighet, oksygenkonsentrasjon, temperatur Metode Vannprøver analyseres Miljøgifter i vann Tungmetaller og TBT i vann Vannprøver analyseres Passive prøvetakere PAH og PCB i vann Passive prøvetakere (POM) eksponeres i vannet og analyseres etterpå Miljøendring som overvåkes Endringer i oksygenforhold og dypvannsfornyelse, effekt av kloakkutslipp Endring i konsentrasjon av miljøgifter i vannet Endringer i konsentrasjon av miljøgifter i vannet

6 Dokumentnr.: R Side: 6 Type overvåkning Sedimentfeller Biota Sediment Parametre Mengde materiale som sedimenterer (sedimentasjonsrate) Mengde miljøgifter i sedimenterende materiale Innhold av miljøgifter i biota Innhold av miljøgifter i sediment Metode Innsamling av materiale i sedimentfeller og kjemisk analyse av dette Krabber fisket med teiner, bløtvev analysert for innhold av miljøgifter (ikke gjort i 2010) Sedimentprøver samlet inn med grabb og analysert (ikke gjort i 2010) Miljøendring som overvåkes Endringer i miljøgiftinnholdet i sedimenterende partikler Endringer i miljøgiftinnholdet i biota Endringer i miljøgiftinnholdet i sediment Når det måles miljøgifter i de ulike mediene, er det som regel på følgende parametre: PCB, PAH, TBT og tungmetallene Cu, Cd, Pb, Ni, Zn og Hg. 2.2 Beskrivelse av overvåkningsprogrammets omfang Prøvetakning av vann for bestemmelse av vannkvalitet (nitrogen, fosfor, fargetall, klorofyll A, termotolerante bakterier og suspendert stoff) og hydrografiske målinger (saltholdighet, temperatur og oksygen) gjøres fire ganger pr. år. Ved to av prøvetakningene er miljøgifter i vann (tinnorganiske forbindelser og metaller) inkludert. Det er lagt inn flere hydrografistasjoner utover i Drammensfjorden og forbi Svelvikterskelen, slik at omfang av dypvannsfornyelse kan bestemmes. To ganger pr. år er det satt ut sedimentfellerigger med passive prøvetakere. Dette gir tidsintegrerte målinger av mengde sedimenterende materiale og innhold av miljøgifter i dette materialet. Analyse av kvalitet på dette materialet omfatter tinnorganiske forbindelser, metaller, PAH, PCB og klororganiske forbindelser og pesticider. Med de passive prøvetakerne blir den vannløste konsentrasjonen av PAH og PCB bestemt. Fordelen med passive prøvetakere framfor stikkprøvetakning av vann er at det blir mulig å bestemme PAH og PCB ved vesentlig lavere konsentrasjoner. Metoden gir dessuten en tidsintegrert konsentrasjon for perioden prøvetakerne har vært eksponert. Det ble satt ut oppsamlingssylindre i to nivåer; over sjøbunnen og i overflaten. I en egen rapport gis det en detaljert oversikt over resultatene fra overvåkningen utført i 2010 sammen med detaljerte opplysninger om tidsperioder og posisjoner for gjennomførte prøvetakninger og analyser.

7 Dokumentnr.: R Side: 7 3 SINTEF Strømmodell for Drammensfjorden SINTEF foretar modellering av strømforholdene i Drammensfjorden. Formålet med denne modelleringen er å frembringe data for forventet strøm i områder det ikke er foretatt målinger. Målinger er dyrt å gjennomføre. Derfor kan det representere en besparelse å beregne strømmen med en modell som beskriver strømmen i området som funksjon av sted (geografisk koordinat), dybde og tid. Hydrodynamiske modeller er i dag blitt utviklet så langt at det er mulig å inkludere de viktigste mekanismene som genererer strøm i fjord- og kystområder. Ved å sammenligne modellresultater og måleresultater kan man danne seg et bilde av påliteligheten av strømmen som er modellert. Dersom denne sammenligningen viser tilstrekkelig god overensstemmelse kan modellen benyttes til å beskrive strømmen også i områder det ikke er målt strøm. I Drammensfjorden tenkes modellen benyttet til å beskrive spredning av mulig forurensning som følge av tiltak i området (utslipp, mudring, deponering av masser, spredning av forurensningskomponenter). Strømmodellen vil da kobles opp mot en separat modell for beregning av selve spredningen. Modellen som er benyttet for Drammensfjorden kalles SINMOD, og modellerer strømmen i et gitt område som funksjon av rom og tid, gitt strømmen på randområdet (ved Svelvikstrømmen i foreliggende tilfelle), elvetilførsler (Drammenselva og Lierelva i foreliggende tilfelle), tidevann og vind. Det er valgt ut en periode (vår/sommer 2009) hvor det foreligger resultater av målinger av strøm og hydrografi. Disse dataene kan således brukes til å sammenligne resultater av målinger og beregninger. På grunn av sykdom er SINTEF sitt bidrag i dette prosjektet (modellering av strøm) blitt sterkt forsinket. I det følgende er vist resultater oppnådd så langt. Figur 1 viser området som er modellert, sammen med lokaliseringen av målestasjonene til NGI og DNV for feltarbeidet gjennomført i Strømmålere er satt ut i posisjoner Dram-1 (Drammenselvas utløp), Dram-2 (vis-a-vis Dram-1, på Liersiden) og Dram-3 (ved Svelvikstrømmen). Målerne var at type ADCP (Acoustic Doppler Current Profiler) som måler strømmen momentant i flere dyp over lang tid. Stasjoner med hydrografimålinger (det måles vertikale variasjoner i temperatur og saltholdighet) er indikert med DH og et nummer. Figur 2 viser dybdeforholdene i fjorden implementert i SINMOD, mens Figur 3 viser ferskvannstilrenningen til fjorden fra Drammenselva og Lierelva for aktuell simuleringsperiode. Figur 4 viser et eksempel på beregnet overflatestrøm i fjorden beregnet med SINMOD. Elvevannet fra Drammenselva forårsaker oppbygging av et 3 7 m tykt brakkvannslag i hele fjorden. Dette reproduseres i modellen. Brakkvannslaget danner en stabil sjiktning i fjorden, som hindrer utveksling av vann mellom brakkvannslaget og det saltere fjordvannet under. Figur 5 viser målt (øverst) og beregnet (nederst) lagdeling i Drammensfjorden.

8 Dokumentnr.: R Side: 8 Også målinger av strøm er sammenlignet. Det viser seg at strømmen gjennom Svelviksundet er dominert av tidevann. Figur 6 viser målt og beregnet strøm i Svelvikstrømmen over en periode på 2 døgn (eller 4 tidevannssykluser) i 3 m dyp. Det er rimelig god overensstemmelse mellom målinger og beregninger. Maksimale strømhastigheter målt er noe høyere enn de beregnede. Utgående strøm er vesentlig sterkere enn inngående strøm, hvilket vises i både målinger og beregninger. Figur 7 viser statistikk for målt strøm i Svelvikstrømmen i ca. 2 m dyp. Retningen er N-S (som forventet) ved sundet. Hastighetene er tydelig sterkest når strømmen er på vei ut gjennom sundet. Figur 8 viser beregnet strøm ved målestasjon Dram-1 ved utløpet av Drammenselva. Strømhastigheten avtar raskt med dypet, men overflatestrømmen er vesentlig lavere (underkant av 0.2 m/s) enn hva den er i Svelvikstrømmen (over 1 m/s). Retningen på overflatestrømmen i 1 m dyp er vist på nederste figur, som antyder retning mot ØSØ. Figur 9 viser strøm i 4 m dyp målt ved stasjon Dram-1. Midlere retning og hastighet er i overensstemmelse med beregninger (retning ØSØ og styrke opp mot 0.15 m/s), men retningen er noe mer ustabil i målingene. Dette kan skyldes at måleresultatet er vist for 4 m dyp, mens beregningsresultatene er vist for 1 m dyp. Men det kan også skyldes at modellen viser middelverdier over 10 minutter, mens ADCP måleren gjør momentane registreringer av strømmen. Da kan målingene vise mer retningsavhengighet på grunn av turbulens, men denne vil være mer glattet ut i simuleringene (midlet bort). Avsluttende kommentar: Det ser ut til at modellen klarer å reprodusere de viktigste egenskapene til strømmen i området. Også lagdelingen reproduseres rimelig bra. Dette øker muligheten for at modellen kan brukes til å reprodusere strømmen i hele dette området. Det kan nevnes her at strømmene er gjennomgående svake under ca. 10 m dyp i hele området. Se eksempelvis vertikalprofilet for strømmen vist i Figur 8. NGI/DNVs målinger for 2009 tyder på at det foregår en økt utskiftning av vannmasser i Drammensfjorden som følge av mudringsoperasjoner foretatt i Svelvikstrømmen for noen år tilbake. Kanalen forbi Svelvik er noe utvidet, og det er mudret ned til ca. 13 m dybde. Dette kan altså ha virket inn på vannutskiftningen. Det vil derfor bli gjort et forsøk på å modellere med en endret topografi i Svelvikstrømmen for å se om endringen i topografien her kan virke inn på vannutskiftningen gjennom Svelvikstrømmen beregnet i modellen. I så fall kan SINMOD modellen også brukes til å prediktere mulig endret vannutskiftning gjennom Svelvikstrømmen som følge av mudringsoperasjonene.

9 Dokumentnr.: R Side: 9 Figur 1 Stasjonskart for målinger i Drammensfjorden for Fra NGIs årsrapport for 2009.

10 Dokumentnr.: R Side: 10 Figur 2 Dybdeforholdene i Drammensfjorden, implementert i SINMOD. Fargeskala vist til høyre. Horisontal og vertikal akse viser antall gridpunkter brukt i horisontal (V Ø) og vertikal (S-N) retninger. Vertikal oppløsning av strømmen kommer i tillegg (ikke vist).

11 Dokumentnr.: R Side: Drammenselva Flowrate River flowrate, m³/s Julian day 35 Lierelva Flowrate River flowrate, m³/s Julian day Figur 3 Ferskvannstilrenningen til Drammensfjorden fra Drammenselva (øverst) og Lierelva for året 2009.

12 Figur 4 Eksempel på simulering av strøm i Drammensfjorden. Overflatestrøm. Øyeblikksbilde, eksempel fra slutten av juni måned Sterkere strøm gir lengre pil. Legg merke til de sterke strømhastighetene ved Svelvikstrømmen og ved utløpet av Drammenselva. Dokumentnr.: R Side: 12

13 Dokumentnr.: R Side: 13 DR11 Salinity (ppm) Jun Jul 5 Aug Sep Depth (m) Figur 5 Målt (øverst) og beregnet (nederst) saltholdighet på stasjon DR11 (se kart på Figur 1). Tidspunkt for kurvene er ikke helt i overensstemmelse da beregningene bare ble ført frem til september. Øverste figur er fra årsrapport utarbeidet av NGI for 2009.

14 Dokumentnr.: R Side: 14 2 Measured vs Simulated at 3 m :00 00:00 12:00 00:00 12:00 00:00 12:00 Figur 6 Målt og beregnet strøm i Svelvikstrømmen (3 m dyp) over en periode på 3 døgn. Kontinuerlig kurve er beregnet strøm. Firkanter viser målt strøm. Hastighetene er store, opp mot m/s.

15 Dokumentnr.: R Side: 15 CURRENT VELOCITY DISTRIBUTION DIAGRAM File name: svel sd6 Ref. number: 3113 Series number: 1 Interval time: 10 Minutes Number of measurements in data set: 8500 Data displayed from: 14:30-24.Jun-09 To: 15:00-22.Aug-09 N N Maximum velocity (cm/s) per 15 deg sector Mean velocity (cm/s) per 15 deg sector CURRENT VELOCITY DISTRIBUTION DIAGRAM File name: svel sd6 Ref. number: 3113 Series number: 1 Interval time: 10 Minutes Number of measurements in data set: 8500 Data displayed from: 14:30-24.Jun-09 To: 15:00-22.Aug-09 N N Relative water flux (%) per 15 deg sector Number of measurements per 15 deg sector Figur 7 Statistikk for målt strøm ved Svelvikstrømmen (måler er plassert litt N for selve sundet). Av de 2 nederste figurene går det klart fram at strømmen går gjennomgående sørover gjennom sundet. Fra datarapport utarbeidet av DNV.

16 Dokumentnr.: R Side: 16 00:00 Speed Depth m Figur 8 Strømprofil beregnet for lokalitet Dram-1 ved utløpet av Drammenselva (øverste). Strømretning beregnet for 1 m dyp for stasjon Dram-1 (nederst). Horisontal akse viser strømhastighet Ø- V, positiv mot Ø. Vertikal akse viser strømhastighet N-S, positiv mot N. Hastighet i overkant av 0.15 m/s.

17 Dokumentnr.: R Side: 17 CURRENT VELOCITY DISTRIBUTION DIAGRAM File name: dram101_aqp400_drammenselva-21.sd6 Ref. number: 3391 Series number: 1 Interval time: 10 Minutes Number of measurements in data set: 9000 Data displayed from: 12:10-24.Jun-09 To: 00:00-26.Aug-09 N N Maximum velocity (cm/s) per 15 deg sector Mean velocity (cm/s) per 15 deg sector CURRENT VELOCITY DISTRIBUTION DIAGRAM File name: dram101_aqp400_drammenselva-21.sd6 Ref. number: 3391 Series number: 1 Interval time: 10 Minutes Number of measurements in data set: 9000 Data displayed from: 12:10-24.Jun-09 To: 00:00-26.Aug-09 N N Relative water flux (%) per 15 deg sector Number of measurements per 15 deg sector Figur 9 Statistikk for målt strøm ved utløpet av Drammenselva (ved Dram- 1). Av de 2 nederste figurene går det klart fram at strømmen går i hovedsak mot ØSØ, som for beregningene. Fra datarapport utarbeidet av DNV.

18 Dokumentnr.: R Side: 18 4 NGI/DNV Fjordmodell (boksmodell) 4.1 Funksjonsbeskrivelse Drammensfjordmodellen er en integrerende modell som er basert på alle de relevante mekanismene for miljøgifter som er til stede i fjorden (Figur 10) og brukes for en rekke miljøgifter. Den benytter direkte målte konsentrasjoner og miljømessige observasjoner. Modellen er en boksmodell som er basert på de mekanismene som er dokumenterte i vitenskapelig litteratur der de er beskrevet matematisk. Teknisk dokumentasjon av modellen er presentert i vedlegg A. Modellen gir tre hovedtyper av informasjon: 1) Estimere endringer i konsentrasjon av miljøgifter i sedimenter og biota, vannfase (overflatevann og dypvann) fritt løst fraksjon og partikkelbundet fraksjon både i delområdene indre Drammensfjord og i ytre deler av Drammensfjorden. Det kan kjøres en rekke scenarioer som omfatter estimering av effekt av ulike potensielle tiltak og ulike forurensingssituasjoner. 2) Modellen har et analyseverktøy for usikkerhetsestimering (Monte Carlo) som kan angi usikkerheten for estimatene som gjøres. Det kan dermed angis sannsynlige tidsvindu for når de estimerte scenariene vil inntreffe. 3) Modellen har videre verktøy for Monte Carlo sensitivitetsanalyse som viser hvilken del av datagrunnlaget som bidrar med de største usikkerhetene i estimatene. Dette kan benyttes som hjelpemiddel under planlegging av prøvetakningsprogrammet. 4.2 Design av Modellen: Modellen drives i Microsoft Excel 2007 og bruker Oracle Crystal Ball programvare for beregning av Monto-Carlo usikkerhets analyse og sensitivitetsanalyse. Drammensfjordmodellen er som nevnt en integrerende modell som står for en rekke miljømessige egenskaper i Drammensfjorden (Figur 10) og brukes for masse forskjellig miljøgifter. Modellen benytter direkte målte konsentrasjoner og miljømessige observasjoner som input. Denne modellen skiller mellom vesentlig forurenset havneområdet og mindre forurenset fjordområdet. Se Figur 10. Modellen er basert på første ordens lineær koblet boksmodell teori utviklet i kapittel 21 til kapittel 23 av Schwarzenbach et. al. Environmental Chemistry, 2 nd edition (2003), men inneholder noen modifikasjoner. En detaljert beskrivelse er gitt i vedlegg A, og en kort oversikt er gitt her. Denne modell deler fjorden inn i en rekke bokser (compartments) som omfatter overflatevann, dypvann og sedimenter, se Figur 10. Disse boksene er koblet sammen ved de naturlige prosessene i dette systemet. Det benyttes første ordens, inhomogene differensiallikninger som beskriver disse prosessene matematisk.

19 Dokumentnr.: R Side: 19 Luft og biotafasen er også inkludert i modellen, men de kinetiske prosesser som skjer innenfor dem er ikke eksplisitt som i vann og sediment. Denne biotafasen regnes som output som er i steady state med fritt oppløst konsentrasjoner i vann og sediment. Luftkonsentrasjonen er lagt inn manuelt (bl.a ved hjelp av målinger fra NILU). For biotafasen, representerer dette et "worst case" scenario. I fremtiden, kan mer komplekse bioopptaksmodeller kobles til denne modell. Modellikninger kan finnes i vedlegg A. Figur 10 Dynamisk utveksling og prosesser i sedimenter og vann faser redegjort for i Drammensfjord modellen, sammen med de to store områdene modellen står for.

20 Dokumentnr.: R Side: Forbindelser som håndteres av modellen Modellen kan håndtere diverse miljøgifter, men den nåværende versjonen av modellen fungerer best for nøytrale organiske miljøgifter (PCB, PAH, etc.). Det kan godta metaller (f. eks Pb, Hg) og organometaller (f. eks TBT) som input, men den nåværende formen for modellen er for tiden ikke optimalisert for å håndtere miljøgifter som finnes i flere arter. 4.4 Inngangsparametere Inputparameterne er delt inn i to områder - havneområdet og fjordområdet (Figur 10). I tillegg er i havnen og fjorden, og forskjellen laget mellom overvann og dypvann. Gjennomsnittskonsentrasjoner ( ) fra Drammensfjord overvåkningsprogrammer i dette området og inn i andre områder (f. eks. fra Drammenselva, luft, urban avrenning) er alle brukt som input. Ulike fjordprosesser målt i overvåkningsprogrammet blir også brukt som input, for eksempel sedimenteringsrater, resuspensjonsrater, elvstrømningshastigheter, etc. I tillegg brukes tidligere data fra NILU, NIVA, den vitenskapelige litteraturen og eklima. Fysisk-kjemiske egenskapsdata (diffusjon koeffisienter, distribusjonskoeffisienter, etc.) hentes fra den vitenskapelige litteraturen. I tillegg er en usikkerhet tildelt for hver av inputparameterne. Denne usikkerheten kan være basert på målte standardavvik, eller et konservativt estimat. Ettersom miljømessige systemer kan være ganske variable, er det bedre å overestimere usikkerheten i inputvariabler en å underestimere de; dvs. ta høyde for naturlig variabilitet. Med mindre under spesielle omstendigheter, når usikkerheten er lognormalt fordelt. En komplett liste over inputparametere og hvor usikkerheten er tildelt, finnes i vedlegg A. 4.5 Utgangsparametere De viktigste outputparametre (resultatparametere) fra denne modellen er presentert i Tabell 2. Tabell 2 Outputparametre fra Drammensfjord modellen Symbol Enhet Beskrivelse Tid t 5% (år) Hvor lang vil det ta for konsentrasjon i fjorden eller havnen å bli stabil Sjøbunn C sed (µg/kg) partikkelkonsentrasjon i topp 10cm av sediment C pw (µg/l) porevannskonsentrasjon i topp 10cm av sediment C sed biota (µg/kg) konsentrasjon av biota i sjøbunn overvann og dypvann C tot (µg/l) total konsentrasjon (fritt-løst + partikkel) i vann C w (µg/l) fritt-løst konsentrasjon i vann

21 Dokumentnr.: R Side: 21 Symbol Enhet Beskrivelse C sus sed (µg/kg) suspenderte partikkelkonsentrasjon i vann (µg/kg) Konsentrasjon i biota i vann C w, biota Modellen beregner automatisk outputparametre som dekker hele havnen og fjordområdet. For mer lokale områder i havna og fjorden, er dette beregnet basert på plasseringen av spesifikke inputdata. For eksempel, dersom konsentrasjonen i Sol-26 er normalt fem ganger gjennomsnittlig konsentrasjon, og det forutsettes at dette ikke vil endre seg i fremtiden, så det er forventet at fremtidig konsentrasjon på Sol-26 er fem ganger modelloutput av havne konsentrasjonen. 4.6 Monte Carlo usikkerhetsanalyse Ved hjelp av programmet Oracle Crystal Ball, er en Monte Carlo analyse kjørt for å estimere usikkerheten i modellen. En Monte Carlo analyse virker ved tilfeldig utvalg av inputparametrene, ifølge feilen fordelingen av usikkerheten av inputparametere, og kjører en simulering. Denne prosessen gjentas for et bestemt antall ganger (her 5000 ganger). Utgangen resultatene er plottet og analysert. På denne måten kan hver outputparameter få tildelt et standardavvik. 4.7 Sensitivitetsanalyse Sensitivitetsanalysen er lik en Monte Carlo analyse, men det endres kun én inngangsparameter om gangen. Utgangen viser hvor stor innflytelse hver av inputparametrene hadde på en bestemt utgang. Disse dataene, som å identifisere inputparametere som har mest innflytelse på outputparametere, er viktige for a) å forstå hvor usikkerheten av modellen stammer fra, og b) finne hvilken av inputparameterne som potensielt trenger den beste karakterisering og / eller har mest innflytelse på miljøstatus. Dette er viktig for å etablere et overvåkningsprogram eller som hjelpemiddel ved vurderinger av endringer i eksisterende program, da den viser hvilke inputparametre bør overvåkes for de fleste nøye, og hvilke aktiviteter kunne ha mest innflytelse på forurensning nivåer i havnen. Sensitivitetsanalysen output er vist som et Tornado Plot i Figur 11. I et Tornado plot vil parametere som har mest virkning på resultatene komme øverst. I Figur 11 er det vist et eksempel der en sensitivitetsanalyse viser at inputparameter K TOC har mest virkning på C sed,tot som er en outputparameter (resultatparameter). Downside betyr hvor mye påvirkning inputparameter skal ha på output (i log enhet) hvis inputparameter er lavere, og Upside motsatt.

22 Dokumentnr.: R Side: 22 Figur 11 Eksempel på sensitivitetsanalysen Tornado Plot 4.8 Scenarioanalyse En rekke ulike scenarioer kan kjøres, for eksempel naturlig forbedring, effekt av tiltak eller effekt av utslippshendelser. Et Status Quo scenario forutsetter at prosessene (f. eks sedimentering, elvetilførsel og strøm) og kjemiske inputkonsentrasjoner ikke endres med tiden. En Natural Recovery scenario inkluderer et "Status Quo" scenario, men kan også omfatte forventet "naturlige" endringer i fjordens prosessparametre eller inputkonsentrasjoner (f. eks. redusert utslipp av PCB med tid). Et tiltaksscenario vil anta en handling for aktivt å endre enten en inngangskonsentrasjon, fjordprosess (f. eks. sorpsjon via aktiv tildekking) eller konsentrasjon i havn/fjord (f. eks. fra mudring / tildekking). Et utslippsscenario ville estimere effekt av et utslipp av forurensing til fjorden. Drammensfjordmodellen kan også simulere komplekse scenarioer, hvor forskjellige tiltaks- eller utslippshendelser oppstår under ulike tidsperioder. 4.9 Nøyaktighet av Output og Modelltolking Modellen i seg selv gir et "beste estimat". Dette påvirkes av kvaliteten på inputdata og forutsetninger brukt i modellen. Hvis viktig inputdata mangler, eller underliggende teoretiske forutsetningene brukt i modellen ikke er optimale, påvirker dette således nøyaktigheten av output. I noen tilfeller bør modellen brukes til en visualisering og rangering av mulige tiltak fremfor å angi nøyaktige estimater Noen eksempler på modellkjøringer ved ulike caser For å gi noen eksempler på hvordan Drammensfjordmodellen kan brukes til å vurdere naturlig forbedring, effekt av tiltak eller utslippshendelser, er det kjørt noen utvalgte caser. Disse omfatter scenarioer der det er modellert den naturlige utviklingen i Drammensfjorden samt et scenario der det er antatt tiltak i form av

23 Dokumentnr.: R Side: 23 reduserte utslipp i kombinasjon med tildekking. Sistnevnte scenario er et hypotetisk tilfelle ment for å illustrere modellens potensial og er ikke å betrakte som en endelig faglig anbefaling på dette stadiet i prosjektet. Case 1: Case 2: Case 3: PCB Status Quo Scenario TBT Status Quo Scenario TBT med sediment capping (30 % havn) etter 5 år, elvekonsentrasjon redusert til 50 % etter 10 år Case 1. Denne viser resultatene av en kjøring i modellen med forbindelsen PCB 118. Det er forutsatt et status quo scenario Sammendrag og tolkning: Sedimentkonsentrasjon - Hvis ingen oppryddingshandlinger blir gjort og hvis innganger ikke endrer PCB- 118 konsentrasjoner, er beregnet å redusere med en faktor 10, fra 4,2 µg / kg til 0,2 µg / kg i havneområdet og 1,5 til 0,1 µg / kg i fjorden, over de neste 5-16 år, og deretter stabilisere seg der (Tabell 3 og Tabell 4, Figur 12 og Figur 13). Endringen i sedimentet biota bør være lik. Vannkonsentrasjonene er svært usikkert (se Monte Carlo analyse, Tabell 5 og Figur 18), men forventes å øke og stabiliserer seg på 0,4 til 1 pg / L gjennom, sannsynligvis fordi den målte gjeldende vannekonsentrasjonen er mindre enn forventet, basert på sedimentkonsentrasjoner. Fra sensitivitetsanalysen (Figur 15) er det mest følsom til log K TOC, tilførselskilder og sedimentasjonsrater. Dermed kan mer data om disse parametrene redusere usikkerheten i modellen. En endring av overvåkningsprogrammet til å omfatte mer data vedr. sorpsjonstester og vurdering av partikkelmengde og konsentrasjoner i tilførselskildene (elv og avrenning), gir et bedre grunnlag. Reduksjon av konsentrasjoner av miljøgifter i tilførselskildene er den viktigste mekanismen for å redusere PCB-118 konsentrasjonene i Drammensfjorden.

24 Dokumentnr.: R Side: 24 Tabell 3 PCB-118 Havn Område Status Quo Scenario Stedsspesifikke Drammen Havn C sed (µg/kg) i dag t =5.0y Class GIL 1 (µg/kg) n.a. GIL 2 (µg/kg) n.a. GIL 3 (µg/kg) n.a. GIL 4 (µg/kg) n.a. GIL 5 (µg/kg) n.a. LIE 10 (µg/kg) n.a. LIE 6 (µg/kg) n.a. LIE 7 (µg/kg) n.a. LIE 8 (µg/kg) n.a. LIE 9 (µg/kg) n.a. SOL 26 (µg/kg) n.a. SOL 27 (µg/kg) n.a. SOL 28 (µg/kg) n.a. SOL 29 (µg/kg) n.a. SOL 30 (µg/kg) n.a. C w,bunn (µg/l) GIL 4 (µg/l) 1.2E E 05 n.a. HOL 13 (µg/l) 1.8E E 05 n.a. LIE 8 (µg/l) 1.9E E 04 n.a. SOL 26 (µg/l) 2.2E E 05 n.a. SOL 28 (µg/l) 1.7E E 05 n.a. SOL 29 (µg/l) 1.2E E 05 n.a. STØ 19 (µg/l) 1.8E E 05 n.a. TAN 22 (µg/l) 2.1E E 05 n.a. C w,overvann (µg/l) GIL 4 (µg/l) 1.5E E 07 n.a. HOL 13 (µg/l) 2.3E E 07 n.a. LIE 8 (µg/l) 1.9E E 07 n.a. SOL 26 (µg/l) 2.7E E 06 n.a. SOL 28 (µg/l) 1.6E E 07 n.a. SOL 29 (µg/l) 1.6E E 07 n.a. STØ 19 (µg/l) 1.9E E 07 n.a. TAN 22 (µg/l) 2.0E E 07 n.a. C sus sed,bunn (µg/kg) GIL 4 (µg/kg) n.a. HOL 13 (µg/kg) n.a. LIE 8 (µg/kg) n.a. SOL 26 (µg/kg) n.a. SOL 28 (µg/kg) n.a. SOL 29 (µg/kg) n.a. STØ 19 (µg/kg) n.a. TAN 22 (µg/kg) n.a. C sus sed,overvann (µg/kg) GIL 4 (µg/kg) n.a. HOL 13 (µg/kg) n.a. LIE 8 (µg/kg) n.a. SOL 26 (µg/kg) n.a. SOL 28 (µg/kg) n.a. SOL 29 (µg/kg) n.a. STØ 19 (µg/kg) n.a. Figur 12

25 Dokumentnr.: R Side: 25 Tabell 4 PCB-118 Fjord Område Status Quo Scenario Stedsspesifikke Drammensfjord C sed (µg/kg) i dag t =16.0y Class REF 1 (µg/kg) n.a. REF 2 (µg/kg) n.a. REF 3 (µg/kg) n.a. C w,bunn (µg/l) REF 1 (µg/l) 0.0E E+00 n.a. REF 2 (µg/l) 2.1E E 07 n.a. REF 3 (µg/l) 5.5E E 07 n.a. C w,overvann (µg/l) REF 1 (µg/l) 0.0E E+00 n.a. REF 2 (µg/l) 0.0E E+00 n.a. REF 3 (µg/l) 2.0E E 07 n.a. C sus sed,bunn (µg/kg) REF 1 (µg/kg) n.a. REF 2 (µg/kg) n.a. REF 3 (µg/kg) n.a. C sus sed,overvann (µg/kg) REF 1 (µg/kg) n.a. REF 2 (µg/kg) n.a. REF 3 (µg/kg) n.a. Figur 13

26 Dokumentnr.: R Side: 26 Figur 14 Monte Carlo analyse av PCB-118 (Status Quo Scenario)

27 Dokumentnr.: R Side: 27 Mest sensitiv inputparametere for tid til steady-state er: log K TOC, F sed, harbor, F sed, fjord Mest sensitiv til C sed er: log K TOC, C river,sed, r sus_sed,river Mest sensitiv til C w er: log K TOC, C river,sed, r sus_sed,river Figur 15 Sensitivity analyse av PCB-118 (Status Quo Scenario)

28 Dokumentnr.: R Side: Case 2 Denne viser resultatene av en kjøring i modellen med forbindelsen TBT. Det er forutsatt et status quo scenario. Tabell 5 Sammendrag av aktuell og fremtidige konsentrasjoner TBT Status Quo Scenario Scenario: Status Quo Area Time to Environmental Concentrations Compound TBT Steady State Epilimnion Hypolimnion Sediment C w,tot C w,tot C sed Model (y) s.d. (µg/l) s.d. (µg/l) s.d. (µg/kg) s.d. Current Measurements Harbor 6.1E E E E Future Estimates Harbor E E E E Current Measurements Fjord 3.2E E E E Future Estimates Fjord E E E E Biota Concentrations Epilmnion Hypolimnion Sediment C biota C biota C biota (µg/kg) s.d. (µg/kg) s.d. (µg/kg) s.d. Current Measurements Harbor Future Estimates Harbor Current Measurements Future Estimates Fjord Sedimentkonsentrasjon - Hvis ingen tiltak gjøres hvis innganger ikke endrer TBT konsentrasjoner er beregnet å redusere med en faktor 10, fra 182 µg / kg til 12 µg / kg i havneområdet og 18 til 1,1 µg / kg i fjorden, over de neste 4-7 år, og deretter stabilisere seg der (Tabellene 5-7 og Figurene 16-17). I område fra GIL skal sedimentklasse gå fra Klasse 3-4 til Klasse 1-2 (Tabell 6). I område fra LIE skal sedimentklasse gå fra Klasse 4-5 til Klasse 2-3. I område fra SOL/TAN skal nivå gå fra Klasse 4-5 til Klasse 2-5. Fjord område skal gå til Klasse 1-2. Endringen i sedimentet biota bør være lik, og skal bli 1 µg/kg i gjennomsnitt. Vannkonsentrasjonene er svært usikkert (se Monte Carlo analyse, Figur 18), men forventes å øke og stabiliserer seg på 0,3 til 1 ng / L gjennom, sannsynligvis fordi de målte gjeldende vannkonsentrasjonene er mindre enn forventet, basert på sedimentkonsentrasjoner. Fra sensitivitetsanalysen (Figur 18) er den mest følsomme parameter K TOC, resuspensjonsrate, mikrobiell nedbrytning i sediment og dyp vann og elv / utslippskonsentrasjon. Mer overvåkning og studier av disse parametre kan gi mer presise resultater. Det er viktig å kontrollere utslippskonsentrasjon fra elvene og andre kilder.

29 Dokumentnr.: R Side: 29 Tabell 6 TBT Havn Område Status Quo Scenario Stedsspesifikke Drammen Havn C sed (µg/kg) i dag t =3.8y Class GIL 1 (µg/kg) Class I GIL 2 (µg/kg) Class I GIL 3 (µg/kg) Class I GIL 4 (µg/kg) Class II GIL 5 (µg/kg) Class II LIE 10 (µg/kg) Class II LIE 6 (µg/kg) Class II LIE 7 (µg/kg) Class III LIE 8 (µg/kg) Class III LIE 9 (µg/kg) Class III SOL 26 (µg/kg) Class IV SOL 27 (µg/kg) Class III SOL 28 (µg/kg) Class II SOL 29 (µg/kg) Class III SOL 30 (µg/kg) Class III C w,bunn (µg/l) GIL 4 (µg/l) 4.7E E 05 Class II HOL 13 (µg/l) 1.9E E 05 Class II LIE 8 (µg/l) 5.3E E 04 Class II SOL 26 (µg/l) 1.0E E 05 Class II SOL 28 (µg/l) 1.0E E 05 Class II SOL 29 (µg/l) 1.0E E 05 Class II STØ 19 (µg/l) 8.7E E 05 Class II TAN 22 (µg/l) 9.0E E 05 Class II C w,overvann (µg/l) GIL 4 (µg/l) 5.0E E 03 Class III HOL 13 (µg/l) 4.7E E 03 Class III LIE 8 (µg/l) 0.0E E+00 Class II SOL 26 (µg/l) 4.3E E 04 Class III SOL 28 (µg/l) 4.7E E 03 Class III SOL 29 (µg/l) 6.7E E 03 Class III STØ 19 (µg/l) 1.0E E 03 Class IV TAN 22 (µg/l) 1.5E E 03 Class V C sus sed,bunn (µg/kg) GIL 4 (µg/kg) Class II HOL 13 (µg/kg) Class III LIE 8 (µg/kg) Class II SOL 26 (µg/kg) Class IV SOL 28 (µg/kg) Class III SOL 29 (µg/kg) Class II STØ 19 (µg/kg) Class III TAN 22 (µg/kg) Class IV C sus sed,overvann (µg/kg) GIL 4 (µg/kg) Class II HOL 13 (µg/kg) Class II LIE 8 (µg/kg) Class III SOL 26 (µg/kg) Class III SOL 28 (µg/kg) Class III SOL 29 (µg/kg) Class II STØ 19 (µg/kg) Class III TAN 22 (µg/kg) Class IV Figur 16

30 Dokumentnr.: R Side: 30 Tabell 7 TBT Fjord Område Status Quo Scenario Stedsspesifikke Drammensfjord C sed (µg/kg) i dag t =6.7y Class REF 1 (µg/kg) Class II REF 2 (µg/kg) Class II REF 3 (µg/kg) Class II C w,bunn (µg/l) REF 1 (µg/l) 1.2E E 04 Class III REF 2 (µg/l) 0.0E E+00 Class II REF 3 (µg/l) 1.9E E 04 Class III C w,overvann (µg/l) REF 1 (µg/l) 4.9E E 04 Class III REF 2 (µg/l) 0.0E E+00 Class II REF 3 (µg/l) 3.9E E 04 Class III C sus sed,bunn (µg/kg) REF 1 (µg/kg) Class I REF 2 (µg/kg) Class III REF 3 (µg/kg) Class II C sus sed,overvann (µg/kg) REF 1 (µg/kg) Class I REF 2 (µg/kg) Class I REF 3 (µg/kg) Class III Figur 17

31 Dokumentnr.: R Side: 31 Figur 18 Monte Carlo analyse av TBT (Status Quo Scenario)

32 Dokumentnr.: R Side: 32 Mest sensitiv inputparametere for tid til steady-state er: log K TOC, µ res_harbor, k r_sed Mest sensitiv til C sed er: log K TOC, C river,w, f TOC_harbor Mest sensitiv til C w er: C w_river, k rh Figur 19 Sensitivitetsanalyse av PCB-118 (Status Quo Scenario)

33 Dokumentnr.: R Side: Case 3 Denne viser resultatene av en kjøring i modellen med TBT. Det er forutsatt et scenario der det er status quo scenario for perioden 0-5 år, et tiltak etter 5 år med en 30 % tildekking av areal i havneområdet og en 50 % reduksjon av tilførselen av miljøgifter med elvetransport. Dette scenario er et hypotetisk tilfelle ment for å illustrere modellens potensial og er ikke å betrakte som en endelig faglig anbefaling på dette stadiet i prosjektet. Tabell 8 Sammendrag av aktuell og fremtidig konsentrasjon Scenario: Status Quo Area Time to Environmental Concentrations Compound TBT Steady State Epilimnion Hypolimnion Sediment C w,tot C w,tot C sed Model (y) s.d. (µg/l) s.d. (µg/l) s.d. (µg/kg) s.d. Current Measurements Harbor 6.1E E E E Future Estimates Harbor E E E E Current Measurements Fjord 3.2E E E E Future Estimates Fjord E E E E Biota Concentrations Epilmnion Hypolimnion Sediment C biota C biota C biota (µg/kg) s.d. (µg/kg) s.d. (µg/kg) s.d. Current Measurements Harbor Future Estimates Harbor Current Measurements Future Estimates Fjord Sammenligning av naturlige forbedringsscenarioet (case 2) med dette scenario på 30 % sedimenttildekking og 50 % reduksjon i elv utslipp, viser at dette ikke gir noen økt forbedring i Drammensfjorden etter et tidsspenn på 20 år sammenlignet med naturlig forbedring. Imidlertid økte presisjonen av prediksjonene, fordi en av de parametrene som hadde mest innflytelse på usikkerhet (elvkonsentrasjon) har gått ned (Tabellene 8-10, og Figurene 20-21).

34 Dokumentnr.: R Side: 34 Tabell 9 TBT Havn Område 30 % Cap + 50 % Lavere Elvkonsentrasjon Scenario Stedsspesifikke Drammen Havn C sed (µg/kg) i dag t =12.8y Class GIL 1 (µg/kg) Class I GIL 2 (µg/kg) Class I GIL 3 (µg/kg) Class I GIL 4 (µg/kg) Class I GIL 5 (µg/kg) Class II LIE 10 (µg/kg) Class I LIE 6 (µg/kg) Class II LIE 7 (µg/kg) Class II LIE 8 (µg/kg) Class II LIE 9 (µg/kg) Class II SOL 26 (µg/kg) Class IV SOL 27 (µg/kg) Class II SOL 28 (µg/kg) Class II SOL 29 (µg/kg) Class II SOL 30 (µg/kg) Class II C w,bunn (µg/l) GIL 4 (µg/l) 4.7E E 05 Class II HOL 13 (µg/l) 1.9E E 05 Class II LIE 8 (µg/l) 5.3E E 04 Class II SOL 26 (µg/l) 1.0E E 05 Class II SOL 28 (µg/l) 1.0E E 05 Class II SOL 29 (µg/l) 1.0E E 05 Class II STØ 19 (µg/l) 8.7E E 05 Class II TAN 22 (µg/l) 9.0E E 05 Class II C w,overvann (µg/l) GIL 4 (µg/l) 5.0E E 03 Class III HOL 13 (µg/l) 4.7E E 03 Class III LIE 8 (µg/l) 0.0E E+00 Class II SOL 26 (µg/l) 4.3E E 04 Class III SOL 28 (µg/l) 4.7E E 03 Class III SOL 29 (µg/l) 6.7E E 03 Class IV STØ 19 (µg/l) 1.0E E 03 Class IV TAN 22 (µg/l) 1.5E E 03 Class V C sus sed,bunn GIL 4 (µg/kg) Class I HOL 13 (µg/kg) Class II LIE 8 (µg/kg) Class I SOL 26 (µg/kg) Class III SOL 28 (µg/kg) Class II SOL 29 (µg/kg) Class II STØ 19 (µg/kg) Class II TAN 22 (µg/kg) Class IV C sus sed,overvann GIL 4 (µg/kg) Class I HOL 13 (µg/kg) Class I LIE 8 (µg/kg) Class II SOL 26 (µg/kg) Class II SOL 28 (µg/kg) Class II SOL 29 (µg/kg) Class II STØ 19 (µg/kg) Class II TAN 22 (µg/kg) Class IV Figur 20

35 Dokumentnr.: R Side: 35 Tabell 10 TBT Fjord Område 30 % Cap + 50 % Lavere Elvkonsentrasjon Scenario Stedsspesifikke Drammensfjord C sed (µg/kg) i dag t =14.1y Class REF 1 (µg/kg) Class I REF 2 (µg/kg) Class I REF 3 (µg/kg) Class II C w,bunn (µg/l) REF 1 (µg/l) 1.2E E 04 Class III REF 2 (µg/l) 0.0E E+00 Class II REF 3 (µg/l) 1.9E E 04 Class III C w,overvann (µg/l) REF 1 (µg/l) 4.9E E 04 Class III REF 2 (µg/l) 0.0E E+00 Class II REF 3 (µg/l) 3.9E E 04 Class III C sus sed,bunn REF 1 (µg/kg) Class I REF 2 (µg/kg) Class II REF 3 (µg/kg) Class I C sus sed,overvann REF 1 (µg/kg) Class I REF 2 (µg/kg) Class I REF 3 (µg/kg) Class II Figur 21

36 Dokumentnr.: R Side: 36 5 Resultater 5.1 Hydrografi ) Hydrografi, vann- ) Bare hydrografi, Figur 22 Prøvetakingsstasjoner i Drammensfjorden. ( kjemi, sedimentfeller og passive prøvetakere, ( ( ) Strømmålinger.

37 Dokumentnr.: R Side: 37 I 2010 har det blitt generert hydrografidata i april, juli og september. Prøvestasjoner er vist i Figur 22. Prøvetakingsrunden i november utgikk pga dårlig vær og is på fjorden. Gjennomgangen i dette avsnittet er en oppsummering av hydrologiske forhold i Drammensfjorden i løpet av Alle hydrografidata har vært rapportert tidligere i kvartalsrapportene Overflatelaget av ferskvann Strømforhold og vanntransport bestemmes av ferskvannstilførsel, vannstandsvariasjoner (tidevann og lufttrykk) og vind. Når tilførselen av ferskvann er stor, slik den er i Drammensfjorden, vil dette være den kontrollerende faktoren for tykkelsen på overflatelaget av ferskvann, mens de andre mekanismene bare vil ha en modifiserende effekt (Magnusson og Næss, 1986). Både Magnusson og Næss (1986) og av Alve (1995) har dokumentert et overflatelag med ferskvann ned til 10 meters vanndyp. Data samlet inn 2010 viser et overflatelag som varierer mellom 3 og 7 meter. Figur 23 viser saltholdigheten ved stasjon DH1 innerst i Drammensfjorden og Figur 24 viser saltholdigheten i DR11 sentralt i indre Drammensfjord gjennom 2009, og viser at tykkelsen på ferskvannslaget varierer mellom 3 og 7 m. Figur 23 Saltholdighet på stasjon DH1 innerst i indre Drammensfjord i april, juli og september 2010, vanndyp 0-30 m.

38 Dokumentnr.: R Side: 38 Figur 24 Saltholdighet på DR11 sentralt i indre Drammensfjord i april, juli og september 2010, vanndyp 0-30 m Overgangslaget (sprangsjiktet) Under det ferske overflatelaget øker saltholdigheten raskt til en saltholdighet på 30. Dette laget strekker seg fra ca 5 meter til ca 30 meters vanndyp. Vannmassene ned til ca 20 meters vanndyp påvirkes av årstidsvariasjoner (Magnusson og Næss, 1986) Dypvannet Fra ca 30 meters vanndyp og ned til bunnen er vannmassene veldig stabile gjennom året i forhold til vannmassene over. I 1984 (NIVA, 1986) var saltholdigheten for disse massene høyere enn 31, mens i oktober 2000 (NIVA, 2000) var saltholdigheten mellom 30 og 31. Dataene fra 2009 viser en saltholdighet opp til 31,6. Saltholdigheten i bunnvannet vil sakte reduseres over tid ved at det hele tiden blandes inn litt ferskvann fra ferskvannslaget over. Når saltholdigheten i bunnvannet er så lav at saltholdigheten utenfor terskelen over terskelnivå er høyere enn i bunnvannet innenfor terskelen vil vann fra utenfor strømme inn over terskelen og skape en dypvannsfornyelse. Denne prosessen vil føre til høyere saltholdighet og kan tilføre oksygen til bunnvannet innenfor terskelen. Oksygennivået i bunnvannet i Drammensfjorden er påvirket av forholdet mellom frekvensen og størrelsen av dypvannsfornyelser og tilførsel av

39 Dokumentnr.: R Side: 39 forurensninger (NIVA, 2000). Fra slutten av 1800-tallet, når de første oksygenmålingene er registrert, har det kun i kortere perioder blitt registrert oksiske forhold i dypvannet i indre Drammensfjord (NIVA, 1986). Smittenberg et. al. (2005) studerte biogeokjemiske forhold i en sedimentkjerne fra Drammensfjorden og konkluderer med at dypvannet har vært anoksisk i om lag 1000 år. Dette skyldes blant annet at dypvannsfornyelsene har vært så svake og sjeldne at de ikke har klart tilføre nok oksygen til bunnvannet. Gjennom hele 2009 og 2010 er det imidlertid registrert oksygen i bunnvannet, noe som tyder på en nylig endring i forholdene som styrer tilførsel av oksygen til dypvannet 5.2 Dypvannsutskiftning Fra november 2009 til april 2010 har saltholdigheten i bunnvannet i Drammensfjorden økt fra ca 30,7 til ca 31,5, som vist i Figur 25. Dette indikerte at det hadde vært en betydelig utskiftning av bunnvannet i indre Drammensfjord i denne perioden. Gjennom 2010 har saltholdigheten i bunnvannet holdt seg høy, i forhold til målinger gjort i 2008 og Figur 25 viser endringen i saltholdighet fra desember 2008 til september 2010 i bunnvannet i tre stasjoner sentralt i den dypeste delen av fjorden. Disse resultatene viser at saltholdigheten økte gjennom hele perioden Dette sammen med den store økningen i saltholdigheten vinteren bekrefter inntrykket at det har skjedd og skjer en betydelig dypvannsutskiftning i indre Drammensfjord. 31,6 31,4 31,2 Saltholdighet 31 30,8 DR 10 DR 11 Ref 1 30,6 30, Figur 25 Saltholdighet i bunnvannet i Drammensfjorden ( m vanndyp) på stasjonene DR 9, DR 10 og Ref 1.

40 Dokumentnr.: R Side: 40 O2 konsentrasjon (ml/l) 5 4,5 4 3,5 3 2,5 2 1,5 1 0,5 DR 10 DR 11 Ref Figur 26 Oksygenkonsentrasjon i bunnvannet i Drammensfjorden ( m vanndyp) på stasjonene DR 10, DR 11 og Ref 1. Figur 26 viser oksygenkonsentrasjon fra desember 2008 til september 2010 i bunnvannet i de samme tre stasjonene. Oksygenkonsentrasjonen øker i vårhalvåret i 2009 og 2010 sammen med saltholdigheten, for så å synke noe i løpet av høst halvåret. Økningen i oksygenkonsentrasjon på vinteren og våren sammen med økning i saltholdighet, viser at bunnvannet tilføres nye vannmasser med høyere saltholdighet og høyere oksygenkonsentrasjon enn det som var i bunnvannet tidligere. Når saltholdigheten fortsetter å øke, tyder det på at fjordbassenget fortsatt tilføres nytt bunnvann fra utenfor Svelvikterskelen. Da kunne man forvente at oksygenkonsentrasjonen også skal øke. Den observerte reduksjonen i oksygenkonsentrasjon i høst halvåret kan forklares på to måter: 1. Tilførsel av organisk materiale til bunnvannet (sedimenterende partikler fra overflatevannet) øker slik at forbruket av oksygen ved nedbrytning av dette materialet blir større enn tilførselen av oksygen med det nye bunnvannet. 2. Bunnvannet som tilføres utenfra inneholder mindre oksygen i denne perioden. Forklaringen kan også være en kombinasjon av disse mekanismene. I forbindelse med overvåkningen av ytre Oslofjord i regi av Fagrådet for ytre Oslofjord har det blitt målt oksygen og saltholdighet sammen med andre hydrografiparametre på stasjon D-3 som ligger på samme sted som stasjon DR 8 i overvåkningen i regi av Fylkesmannen i Buskerud.

41 Dokumentnr.: R Side: 41 Figur 27 viser innholdet av oksygen i bunnvannet i indre Drammensfjord like innenfor Svelvikterskelen fra 2001 til Data fra stasjon D-3 er hentet fra overvåkning i regi av Fagrådet for ytre Oslofjord og data fra stasjon DR 8 er fra overvåkning i regi av FMBu og Kystverket. Frem til og med første halvdel av 2004 er oksygenkonsentrasjonen konstant lav (<0,5 ml O 2 /l målt med oksygensonde). I tiden etter dette øker oksygenkonsentrasjonen til mellom 2,5 og 3,5 ml O 2 /l for så å synke tilbake til mellom 0 og 2 ml O 2 /l. Den observerte økningen i oksygenkonsentrasjon faller sammen i tid med da det ble gjort utdypingsarbeider i Svelvikterskelen i regi av Kystverket. Det er sannsynlig at årsaken til den økte konsentrasjonen av oksygen i bunnvannet innenfor Svelvikterskelen er økt hyppighet og økt volum i dypvannsutskiftningene som følge av utdypingen av Svelvikterskelen. Figur 27 Oksygen i bunnvannet i Indre Drammensfjord Data fra stasjon D-3 er hentet fra overvåkning i regi av Fagrådet for ytre Oslofjord og data fra stasjon DR 8 er fra overvåkning i regi av FMBu og Kystverket. Magnusson og Næss (1986) hevder at dypvannsutskiftningen i Drammensfjorden skjer på samme måte som dypvannsutskiftningen i indre Oslofjord. De hevder også at sjansen for dypvannsutskiftning er størst fra november til april når saltere vann kommer inn i Oslofjorden. I denne perioden er det større sannsynlighet for at vannet over terskelnivå på utsiden av terskelen er saltere, og dermed tyngre, enn vannet i dypvannet på innsiden av terskelen. Slike forhold øker sannsynligheten for en utskiftning av dypvannet innenfor terskelen med saltere og oksygenholdig vann fra utsiden av terskelen. Figur 28 viser saltholdigheten innenfor, utenfor og på terskelen ved Svelvik i september. Som figurene viser er saltholdigheten i september høyere utenfor terskelen og tilrettelegger for en dypvannsutskiftning.

42 Dokumentnr.: R Side: 42 Dybde (m) Tetthet (Sigma T) DH 5/Syd for Svelvik Dr 8 Dr 0/Svelvikterskel Figur 28 Vanntetthet målt i Drammensfjorden (Dr-8), i Svelviksundet og sør for Svelvik 28. og 29. september Oksygenkonsentrasjonen i Drammensfjorden har endret seg gjennom Figur 29 viser konsentrasjonen av oksygen i vannmassene under terskeldyp i Drammensfjorden, mens Figur 30 viser saltholdigheten i de samme vannmassene. Disse figurene viser bare variasjonene under sprangsjiktet fordi forskjellene i saltholdighet er så store i overflaten at plott som inkluderer overflatevannet gjør det vanskelig å studere forskjellene dypere i vannsøylen. I april har det kommet inn oksygenrikt helt i sør. Vannet har lagt seg som en lomme ved rundt meters vanndyp. Fra april til juli har lomme utviklet seg til en kile av oksygenrikt vann sør i Drammensfjorden. Kilen går ned til et vanndyp på ca 100 meter. I september er det registret en generell reduksjon av oksygen i bunnvannet og ut fra Figur 29 ser det ut som om tilførselen av oksygenrikt vann har stoppet opp eller at oksygenforbruket er større enn tilførselen. Figur 30 viser små endringer i saltholdigheten fra april til september 2010 i Drammensfjorden.

43 Dokumentnr.: R Side: 43 a b c Figur 29 Figur a) viser oksygeninnholdet i dypvannet i Drammensfjorden i april, b) juli og c) september 2010.

44 Dokumentnr.: R Side: 44 a b c Figur 30 Figur a) viser saltholdigheten i dypvannet i Drammensfjorden i april, b) juli og c) september 2010.

45 Dokumentnr.: R Side: Generell vannkvalitet i henhold til vanndirektivet EUs vannrammedirektiv (VRD) gir retningslinjer for en helhetlig vannforvaltning innen EU og i de enkelte land. Direktivet omfatter innsjøer, elver, grunnvann, brakkvann og kystvann ut til 1 nautisk mil utenfor grunnlinjen. Overordnet kan arbeidet med direktivet beskrives som følger: 1. Geografisk avgrensning av vannområdene 2. Kategorisering => angivelse av om vannforekomsten er grunnvann, elv, innsjø eller kystvann og hvorvidt vannforekomsten er kunstig eller sterkt modifisert (SMVF) 3. Typifisering av vannforekomsten => angivelse av hvilken naturtype (referanseforhold, dvs. naturtype gitt at vannforekomsten ikke er påvirket av menneskelig aktivitet, men representerer naturtilstand) 4. Identifisering og registrering av påvirkninger på vannforekomsten. 5. Identifisering og registrering av informasjon, observasjon og/eller tilstandsdata om miljøtilstanden i vannforekomsten. Basert på tilgjengelige data og faglige vurderinger og skjønn skal hver vannforekomst risikovurderes => 1) risiko, 2) mulig risiko eller 3) ingen risiko for å ikke nå miljømålet (oppnå god tilstand eller opprettholde svært god tilstand) innen Et generelt prosessdiagram fra fullkarakteriseringen er vist i Figur 31. Figur 31 Prosessdiagram fra fullkarakteriseringen

46 Dokumentnr.: R Side: Klassifisering av tilstand Det foreligger et overordnet miljømål i henhold til vannrammedirektivet (VRD) for alle norske vannforekomster om å nå god økologisk tilstand innen God økologisk tilstand defineres av flere biologiske og fysisk/kjemiske kvalitetselementer (systemet for dette er fortsatt under utarbeidelse). Implementering av VRD i Norge er i gang, og som et resultat av dette foreligger det per i dag et foreløpig klassifiseringssystem av miljøtilstand i vann (Direktoratet for naturforvaltning, 2009). Denne veilederen er retningsgivende for hvilke parametere en skal måle på og angir grenseverdier og tilstandsklasser for de ulike parameterne. I og med at systemet fortsatt er under utarbeidelse, henvises det også til andre veiledere slik at de målte parameterne fra Drammensfjorden er klassifisert etter fire ulike veiledere (Tabell 11). Vannforekomsten i Drammensfjorden er lagdelt, hvor de øverste meterne (overflatelaget) har svært lav saltholdighet (PSU ~0), mens de dypere vannmassene (bunnvannet) har saltholdighet > 20 PSU. Klassifiseringen er gjort for overflatelaget og bunnvannet hver for seg. I Tabell 11 er benyttede veiledere for de ulike parametere vist. I tilfeller hvor grenseverdien er lavere enn analysemetodens deteksjonsgrense, er deteksjonsgrensen for den aktuelle parameteren halvert før klassifisering. Tabell 11 Benyttede veiledere for de ulike parametere målt i Drammensfjorden 2009 Veileder Tittel Parametere Kommentar TA1467 Klassifisering av miljøkvalitet i fjorder og kystvann Total fosfor, total nitrogen, TKB Øvre sjikt og nedre sjikt i ht henholdsvis Tabell 15 (PSU=0) og Tabell 14. November og april er klassifisert etter vintersesong, mens juni og september er TA1468 Klassifisering av miljøkvalitet i ferskvann TA2229 Veileder for klassifisering av miljøgifter i vann og sediment 01:09 Klassifisering av miljøtilstand i vann Vurderinger Metaller klorofyll a Metaller, TBT klorofyll a, suspendert stoff, fargetall klassifisert etter sommersesong. øvre sjikt (PSU <5) og elvestasjonene nedre sjikt (PSU >5) for metaller Klorofyll a i nedre sjikt (NEAGIG Type 9 Skagerak) Suspendert stoff etter TA1468 ferskvann Fargetall etter TA1468 ferskvann Felles for de benyttede veilederne er at klassifiseringen gjøres i et femdelt system for tilstand hvor I representerer bakgrunnsverdi/svært god, mens V representerer svært dårlig/ sterkt forurenset. Dvs. at om en skal innfri minimumsmål i VRD skal

47 Dokumentnr.: R Side: 47 målte verdier være i tilstandsklasse I og II. For enkelhets skyld er tilstandsklassene her kun presentert med fargekodene: Fargekode Tilstandsklasse I II III IV V I tråd med VRD er klassifiseringen av Drammensfjorden i denne undersøkelsen betraktet som en vannforekomst med to typer vannmasser: 1) Overflatelag øvre sjikt (PSU<5) 2) Bunnvann nedre sjikt (PSU>5) Derfor er det beregnet middelverdi av alle stasjonene for alle prøvetakingsperiodene i 2010 (april, juli og september) henholdsvis for øvre og nedre sjikt. Middel- og maksimumsverdier er vist i Tabell 12 og Tabell 13, mens data for hver prøvetakingsdato er vist i Tabell 14 - Tabell 16. Tabell 12 Middel- og maksimumsverdier for overflatelaget øvre sjikt (PSU < 5) PSU<5 Cd* Cu Hg Pb Zn TBT N-total P-total Susp. stoff KlfLa TKB Fargetall µg/l ng/l mg/l µg/l ant/100ml mg Pt/l Median 0,025 1,17 0,001 0,428 6,06 0,5 0,438 0,008 2,5 1, Gjennomsnitt 0,025 1,46 0,001 0,641 8,34 1,31 0,475 0,015 4,2 1, Maks 0,025 3,45 0,001 1,66 22,4 4,9 1,16 0,079 34,3 4, * verdiene skal sees i forhold til vannets hardhet, som ikke er målt. KlfLa = Klorofyll a TKB = Termotolerante koliforme bakterier Tabell 13 Middel- og maksimumsverdier for bunnvannet nedre sjikt (PSU >5) PSU>5 Cd* Cu Hg Pb Zn TBT N-total P-total Susp stoff KlfLa TKB µg/l ng/l mg/l µg/l ant/100 ml Fargetal l mg pt/l Median 0,00 6,9 0,025 1,20 1 0,85 4 1,3 0,46 0,024 2,5** 0,21 9,5 2,5** Gjennomsnit t 0, ,29 0,00 1 1,03 13, 8 1,43 0,4457 0,037 6,8** 0, ,6** Maks 0,00 96, 0,067 2,33 1 4,35 4 3,7 0,905 0,116 23,9** 5, ** * verdiene skal sees i forhold til vannets hardhet, som ikke er målt. ** Både suspendert stoff og fargetall er parametere som omtales i klassifiseringen av ferskvann, ikke i klassifiseringen av kystvann. KlfLa = Klorofyll a TKB = Termotolerante koliforme bakterier Det er verdt å merke seg at klassifisering av tilstand for en vannforekomst skal følge metoder angitt i veileder 01:2009. Eksempelvis anbefales det at næringssalter skal måles hyppig og med et minimum på seks målinger i løpet av året. I så måte blir middelverdien fra de fire målingene i Drammensfjorden 2010 kun indikasjoner på tilstandsklasse.

48 Dokumentnr.: R Side: 48 Tabell 14 Vannprøver, april 2010 Stasjon Dyp Stoff Cd Cu Hg Pb Zn TBT N-total P-total Susp stoff µg/l ng/l mg/l µg/l KlfLa TKB ant/ 100ml Fargetall mg Pt/l Elv-1 O <0,05 1,98 <0,002 0,909 12,4 <1,0 0,86 0,047 23,8 <0, Elv-2 O <0,05 2,73 <0,002 0,691 11,2 <1,0 0,415 0,006 <5,0 0, Stø-19 Hol-13 Lie-8 Gil-4 Tan- 22 Sol-26 Sol-28 O <0,05 0,969 <0,002 <0,3 4,71 <1,0 0,41 0,006 <5,0 0, B <0,05 1,31 <0,002 0,602 6,34 1 0,555 0,045 <5,0 <0,31 8 <5,0 O <0,05 1,63 <0,002 0,834 11,1 <1,0 0,46 0,006 <5,0 0, B <0,05 0,708 <0,002 0,864 6,26 1,6 0,5 0,047 <5,0 <0,31 15 <5,0 O <0,05 1,17 <0,002 0,464 6,06 <1,0 0,47 0,009 <5,0 0, B <0,05 0,702 <0,002 1,11 6 1,6 0,51 0,046 <5,0 <0,31 9 <5,0 O <0,05 1,99 <0,002 0,401 6,4 <1,0 0,49 0,008 <5,0 <0, B <0,05 0,799 <0,002 0,642 4,07 1,4 0,52 0,047 <5,0 <0, <5,0 O <0,05 1,02 <0,002 0,315 5,68 <1,0 0,42 0,008 <5,0 0, B <0,05 0,893 <0,002 0,749 6,6 1,3 0,62 0,044 <5,0 <0,31 15 <5,0 O <0,05 1,09 <0,002 0,323 5,02 <1,0 0,455 0,01 <5,0 0, B <0,05 1,44 <0,002 1,04 9,49 1,3 0,595 0,048 <5,0 <0,31 20 <5,0 O <0,05 1,28 <0,002 0,897 5,53 <1,0 0,425 0,006 <5,0 0, B <0,05 1,08 <0,002 1,48 9,39 1,1 0,505 0,05 <5,0 <0,31 45 <5,0 O <0,05 1,07 <0,002 1,66 19,4 <1,0 0,425 0,005 <5,0 0, Sol-29 B* <0,05 1,67 <0,002 4,35 96,4 1 0,43 0,007 <5,0 <0, KlfLa = Klorofyll a TKB = Termotolerante koliforme bakterier O: overflate, B: bunn *Data er tatt ut av datasett. Resultatene stemmer ikke med at prøven er tatt ved bunn

49 Dokumentnr.: R Side: 49 Tabell 15 Vannprøver, juli 2010 Cd Stasjon Dyp Stoff Cu Hg Pb Zn TBT N-total P-total Susp stoff KlfLa TKB Fargetall µg/l ng/l mg/l µg/l ant/ 100ml mg Pt/l 1,16 0,079 34,3 2, Elv-1 O Elv-2 O 0,4 <0,040 <5,0 1, Stø-19 Hol-13 Lie-8 Gil-4 Tan-22 Sol-26 Sol-28 Sol-29 Ref-1 Ref-2 O 0,42 <0,040 <5,0 1, B 0,54 <0,040 <5,0 <0,31 15 <5,0 O 0,47 <0,040 <5,0 1, B 0,19 <0,040 <5,0 0,34 5 <5,0 O 0,44 <0,040 <5, B 0,27 <0,040 <5,0 0,39 4 <5,0 O 0,41 <0,040 <5,0 1, B 0,32 <0,040 <5,0 0,55 6 <5,0 O 0,49 <0,040 <5,0 1, B Inngår ikke i analyseomfanget for 0,34 <0,040 <5,0 0,34 4 <5,0 O denne perioden 0,38 <0,040 <5,0 1, B 0,36 <0,040 <5,0 0,33 1 <5,0 O 0,48 <0,040 <5,0 1, B 0,33 <0,040 5,2 5,3 8 7 O 0,43 <0,040 <5,0 1, B 0,3 <0,040 <5,0 0,42 15 <5,0 O 0,28 <0,040 <5,0 1, B 0,2 0,083 8,8 <0,31 <1 <5,0 O 0,36 <0,040 <5,0 4, B 0,25 0,092 6,1 <0,31 1 <5,0 O 0,25 <0,040 <5,0 2, Ref-3 B 0,37 <0,040 13,3 0,47 1 <5,0 KlfLa = Klorofyll a TKB = Termotolerante koliforme bakterier O: overflate, B: bunn

50 Dokumentnr.: R Side: 50 Tabell 16 Vannprøver, september 2010 Stasjon Dyp Stoff Cd Cu Hg Pb Zn TBT N-total P-total Susp stoff µg/l ng/l mg/l µg/l KlfLa TKB ant/ 100ml Fargetall mg Pt/l Elv-1 O <0,05 1,11 <0,002 1,42 7,43 <1,0 0,99 0,02 <5,0 0, Elv-2 O <0,05 2,62 <0,002 0,755 8,83 1,1 0,43 0,005 <5, Stø 19 Hol 13 Lie 8 Gil 4 Tan-22 Sol-26 Sol-28 Sol-29 Ref-1 Ref-2 O <0,05 0,638 <0,002 0,312 4,59 1,1 0,42 <0,005 <5,0 1, B <0,05 1,18 <0,002 0,508 4,3 1,1 0,61 0,019 6,3 <0, O <0,05 1,15 <0,002 0,348 5,11 1,4 0,475 0,006 <5,0 1, B 0,07 2,33 <0,002 0, ,1 0,61 0,019 6,7 <0, O <0,05 1,67 <0,002 0,39 8,05 <1,0 0,445 0,009 <5,0 0, B <0,05 1,31 <0,002 0,632 7,14 <1,0 0,49 0,01 <5,0 <0, O <0,05 3,45 <0,002 1,39 22,4 1,5 0,435 0,006 <5,0 0, B <0,05 1,89 <0,002 0,854 12,4 <1,0 0,625 0,015 6,1 <0,45 3 <5,0 O <0,05 0,749 <0,002 0,321 13,7 4,6 0,43 0,006 <5, B <0,05 1,73 <0,002 1,21 18,1 1,4 0,305 0,044 8,2 <0,45 4 <5,0 O <0,05 1,15 <0,002 0,764 12,3 1,3 0,46 0,008 6,2 0, B <0,05 1,77 <0,002 1,37 33,1 1,8 0,55 0,019 5,1 <0, O <0,05 1,35 <0,002 0,317 4,8 1,4 0,435 0,005 <5,0 0, B <0,05 1,16 <0,002 0,537 6,94 2 0,905 0,028 13,3 <0, O <0,05 1,39 <0,002 0,407 4,16 1,5 0,445 0,006 5,8 0, B <0,05 0,783 <0,002 0, ,825 0,031 19,9 <0, O <0,05 1,11 <0,002 0,448 4,19 4,9 0,445 0,007 <5,0 1, B <0,05 1,1 <0,002 0,764 6,57 2,3 0,24 0,116 23,9 <0,42 <1 5 O <0,05 1,39 <0,002 0,368 4,41 3,9 0,455 0,006 <5, B <0,05 1,4 <0,002 0,605 6,22 <1,0 0,27 0,07 20,3 <0,42 <1 <5,0 O <0,05 0,931 <0,002 0,375 4,41 1,5 0,44 0,006 <5,0 0, Ref-3 B <0,05 1,2 <0, ,81 3,7 0,235 0,039 21,8 <0,42 <1 <5,0 KlfLa = Klorofyll a TKB = Termotolerante koliforme bakterier O: overflate, B: bunn I motsetning til dataen fra 2009 viser målingene fra juni og april bedre tilstandsklasser enn målingene fra september. I juli og september viser dataene at det er forhøyet konsentrasjon av suspendert stoff ved bunn i stasjonene Ref-1, Ref-2 og Ref-3. Dette er ikke bekreftet med turbiditetsmålingene tatt i samme periode. Det er registrert høye konsentrasjoner av termotolerante koliforme bakterier (TKB) i stasjon Elv-1 i juli og ved bunn i stasjonene Sol-28 og Sol-29 i september. Forhøyelse av TKB kan ofte sees i sammenheng med kloakkutslipp. For de enkelte parameterne er det kadmium, klorofyll a og kvikksølv i vannmasser med PSU >5 som har laveste tilstandsklasse.

51 Dokumentnr.: R Side: 51 6 Leveranseoversikt Under er det gitt en liste over de rapporter som er utarbeidet av NGI/DNV så langt i miljøovervåkningen av Drammensfjorden. Dokumentene er tilgjengelige fra I tillegg har Fylkesmannen i Buskerud bestilt arbeider fra andre leverandører som inngår i Prosjekt Ren Drammensfjord Årsrapport 2010 (denne rapporten) NGI/DNV rapport R. Overvåkningsdata fra NGI/DNV rapport R Statusrapport 3. kvartal NGI/DNV rapport R Statusrapport 2. kvartal NGI/DNV rapport R Statusrapport 1. kvartal NGI/DNV rapport R 2009 Årsrapport NGI/DNV rapport R Overvåkningsdata fra NGI/DNV rapport R Statusrapport 3. kvartal NGI/DNV rapport R Statusrapport 2. kvartal NGI/DNV rapport R Statusrapport 1. kvartal NGI/DNV rapport R 2008 Årsrapport NGI/DNV rapport R Analyserapporter NGI/DNV rapport R 7 Referanser Alve, E. (1995). Benthic foraminiferal distribution and recolonization of formerly anoxic environments in Drammensfjord, southern Norway. Marine Micropaleontology 25, Direktoratet for naturforvaltning (2009) Klassifisering av miljøtilstand i vann Økologisk og kjemisk klassifiseringssystem for kystvann, innsjøer og elver i henhold til vannforskriften. Veileder 01: Smittenberg, R.H., M. Baas, M.J. Green, E.C. Hopmans, S. Schouten, J.S. Sinninghe Damsté (2005). Pre- and post-industrial environmental changes as revealed by the biogeochemical sedimentary record of Drammensfjord, Norway. Marine Geology 214, NIVA: Magnusson, J., Næs, K. (1986). Basisundersøkelser i Drammensfjorden Delrapport 6: Hydrografi, vannkvalitet og vannutskifting. Magnusson, J. (2000) Oksygenforholdene i Drammensfjorden oktober 2000.

52 Dokumentnr.: R Date: Page: 1 Appendix:A Vedlegg A - Dokumentasjon av NGI/DNV fjordmodell (boksmodell) I dette vedlegget er det gitt en komplett teknisk beskrivelse av NGI/DNVs Fjordmodell (boksmodell). Modellen er klar for kjøring av ulike scenarioer for miljøgiftinnhold i Drammensfjorden. Måledata er lagt inn i modellen. Modellen er beskrevet på engelsk. Dette scenario er et hypotetisk tilfelle ment for å illustrere modellens potensial og er ikke å betrakte som en endelig faglig anbefaling på dette stadiet i prosjektet. Innhold: 1 Drammensfjord Model Introduction Modeling future sediment, water and biota concentrations with coupled-box models Model Complexity 2 2 Models Set-Up for the Drammensfjord Two-Box Linear Water-Sediment Model Two-Box Linear Surface Water-Deep Water Model Coupled Models 16 3 Input Parameters Needed for the model and their Effect on the Output Input Parameters Output Parameters Influence of Model Choice on Output Parameters Sensitivity Analysis and Monte Carlo Analysis 27 4 Model scenarios Basic Scenarios (one action event) Complex Scenarios (multiple action events) 30 5 Instructions for Using the Drammensfjord Model 31 6 Source Data for Graphs Presented in the Report. 33

53 Dokumentnr.: R Date: Page: 2 Appendix:A 1 Drammensfjord Model Introduction 1.1 Modeling future sediment, water and biota concentrations with coupled-box models Concentrations in fjord or lake systems are dynamic. Changing contaminant input and output rates, and various dynamic processes such as sediment-water exchange, air-water exchange, microbial transformation, all occur simultaneously and collectively influence lake concentrations. Like climate models, there are a large amount of various variables to account for in contaminate fate models. Each of these variables has their own uncertainty. Thus, accounting for the diversity of dynamic processes and the uncertainty of input variables makes modeling lake environments a challenging task. Nevertheless, they are inherently useful and worth doing. At their best, if they are well set up and found to correlate well with measured data, models, through simulation, can potentially be used for identifying factors or events that will improve or worsen the environmental impact of contaminant concentrations in a lake or fjord system, and provides a handle on multiple processes that can influence future contaminants. For instance, models can be used to simulate the effects of chemical spills, or they can be used to estimate the benefit of a remedial action, such as sediment capping. 1.2 Model Complexity Models can be parameterized to any degree of complexity, from a single equation that only looks at one variable, to a highly-resolved, real-time model simulation that accounts for a variety of simultaneous occurring chemical processes on highly resolved spatial and temporal scales. Choosing a model that is too simple might result in inappropriate simulations, because crucial variables or processes were not accounted for. On the other hand, models that are too complicated suffer from a variety of practical difficulties, such as difficulty in setting up and difficulty in interpreting the output along with midway calculation steps that may have influenced the output. The Drammensfjord model uses therefore a variety of coupled two-box models that are run simultaneously, as described below. This level of complexity makes it tenable to have it on a spreadsheet such as excel, to include a large variety of processes, and to be quite transparent in terms of the assumptions being made and the midway calculation steps. 2 Models Set-Up for the Drammensfjord Two types of basic box models were established for the Drammensfjord: 1) A coupled two-box linear water-sediment model with four-phase equilibrium (air, water, sediment, biota).

54 Dokumentnr.: R Date: Page: 3 Appendix:A 2) A coupled two-box linear surface water deep water model with fourphase equilibrium (air, water, sediment, biota) These two models are run simultaneously, and the model that results in the slowest time to steady state is favored and used to generate output. In both of these model, all the transport and transformation processes that could affect concentrations in two types of boxes (i.e. compartments) are explicitly simulated, such as inputs, outputs, transformations, exchange with surrounding compartments. The concentrations modeled are assumed to be the rate determining processes within the fjord. In none of the models are air and biota compartments explicitly modeled for, as their concentration is assumed to be completely dependent on exchange with the modeled compartments that they border with (such as the water compartment or air). Thus, referring to the two core types of models were chosen here, the first assumes that the sediment-water exchange is the rate determining process, which is often true for sediment beds contaminated with chemicals with a strong affinity for sediments (e.g. metals, persistent organic pollutants); the second type of model assumes that exchange between the surface water and deep water is the rate determining process in the fjord, which is typical for nutrients and highly volatile compounds. These two models will be described in turn below. 2.1 Two-Box Linear Water-Sediment Model Changes in total water concentration total water concentration ( ) and the sediment concentration ( ) within a lake, harbor or fjord are dependent on many simultaneous and mutually interdependent processes, as depicted in Figure A1.

55 Dokumentnr.: R Date: Page: 4 Appendix:A Figure 2.1 Schematic of processes accounted for in the two-box linear watersediment model Two account for the interdependency of these different processes, two coupled linear differential equations can be used (adapted from (Schwarzenbach et al., 2003)): (2.A1) 1 (2.A2) Where, as these equations are coupled, and should be similar at a given time point, regardless of whether or not equation 2.A1 or 2.A2 is used. Note that this model explicitly assumes that input water concentrations,, air particle concentrations,, are constant, and air concentrations,, reaches steady-state at the exact same rate as. The processes depicted in this equation and shown in Figure 2.1 and explained in Table 2.1.

56 Dokumentnr.: R Date: Page: 5 Appendix:A Table 2.1 Components of the two-box linear water-sediment model. Equation 2.A1 simplified: Term Explanation Figure 2.1 gain in water concentration from both rivers 1a+b and runoff gain in water concentration from deposition of 2a air particles gain or loss in water concentration due to 2b exchange air-water exchange of freelydissolved compounds dynamic processes influencing the water concentration, which are from left to right a) water in the fjord renewing itself, b) air-water exchange, c) sediment deposition, e) sediment exchange and e) transformation reactions Gain or loss in water concentration due to sediment-water exchange and resuspension reactions 3g, 2b, 3a, 3b+c+d, 3e Simplified Symbol J T (µg m -3 yr -1 ) sum of all water input and atmosphere exchange k 11 (yr -1 ) sum of water rates influence on 3b+3c+3d k 12 (kg m -3 yr -1 ) sum of sediment rate influence on Equation 2.A2 simplified: Term Explanation Figure 2.1 Simplified Symbol 1 gain in sediment concentration due to 3a k 21 deposition from water phase 1 Gain or loss in sediment concentration due to 3b + 3d sediment-water exchange or sediment (kg -1 m 3 yr -1 ) sum of water rates influence on resuspension loss in sediment due to permanent burial 4a k 22 gain or loss in sediment due to exchange with 3b + 3d water loss in sediment due to transformation 4c reactions The biota concentrations in the water column (Figure 2.1, 3f) and in the sediment (Figure 2.1, 4b) are assumed to be in equilibrium with the water concentration and sediment, respectively. To calculate the terms in this model, a variety of input parameters and equations are needed. These are defined and summarized in Table 2.2. (yr -1 ) sum of sediment rates influence on

57 Dokumentnr.: R Date: Page: 6 Appendix:A Table 2.2 Parameters needed for the two-box linear water-sediment model. Symbol Units Input Equation Definition Compound Properties.. ( ) Input molecular weight of the contaminant of interest ( ) Input partition coefficient to TOC ( ) Input air-water partition coefficient ( ) Input octanol-water partition coefficient molecular diffusivity in... water ( assumed as 21.8 m 2 y -1 (25 C) kinematic viscosity of water Schmidt number for water Transfer velocity of the contaminant in water based on CO 2 at 20 C as a reference Air Input Properties (μ ) Input air particle-bound contaminant concentration (μ ) Input vapour phase concentration in the air phase ( ) Input air particle deposition rate ( ) Input average wind speed at 10 m transfer velocity for water vapor in air... transfer velocity for the.. contaminant in air where.. = 18 g mol -1 Water Input Properties ( ) Input river flow rate ( ) Input runoff flow rate (μg kg ) Input concentration on suspended (μg m ) Input or Calc If not measured, estimated as / sediment particles freely dissolved concentration of incoming water (kg m ) Input mass of suspended sediment per volume of river water (μg kg ) Input concentration on suspended sediment particles (μg m ) Input If not measured, estimated as freely dissolved or concentration of incoming /

58 Dokumentnr.: R Date: Page: 7 Appendix:A Symbol Units Input Equation Definition Calc water (kg m ) Input mass of suspended sediment per volume of river water (kg TOC kg ) Input measured or assumed as 0.04 weight fraction of TOC in incoming particles ( ) Partition coefficient to incoming particles (μg m ) total concentration of (or assumed ) incoming river water (μg m ) total concentration of (or assumed ) incoming river water (μg m ) total water concentration flowing in Water Box Properties Input area of box Input average height of the water body (μg kg ) Input concentration on suspended sediment particles in the (μg m ) Input or Calc If not measured, estimated as / water freely dissolved concentration in water (kg m ) Input mass of suspended sediment per volume of water ( ) Input sedimentation rate / Input contaminant half life in water (kg TOC kg ) Input measured or assumed as 0.04 weight fraction of TOC in suspended sediment ( ) Partition coefficient to suspended sediment μg m ) total water concentration 1 ratio of suspended sediment water contaminant at steady state ratio of sediment water 1 1 ( ) contaminant at steady state particle settling velocity particle settling rate 1 Particle-settling rate at steady state water flushing rate

59 Dokumentnr.: R Date: Page: 8 Appendix:A Symbol Units Input Equation Definition air-water transfer velocity air-water transfer rate air-water transfer rate at steady state ln 0.5 / transformation rate in water Sediment Box Properties (m) Input height of mixed sediment layer / Input contaminant half life in sediment (μg kg ) Input sediment concentration in mixed sediment layer (μg m ) Input If not measured, estimated as / ( ) Input measured as difference in near the sediment surface and near the top of the water column (kg TOC kg freely dissolved porewater concentration in the mixed sediment layer sediment resuspension rate ) Input measured or assumed as 0.04 weight fraction of TOC in sediment () Input Measured or assumed as sediment diffusive boundary layer thickness (-) Input measured or assumed as 0.5 porosity of sediment ( ) Input measured or assumed as 2500 density of dry sediment (-) Input assummed at 0.9 preservation factor (general fraction of contaminant that reaches the permanent burial layer) ( ) partition coefficient to sediments (kg m ) 1 mass of sediment in mixed sediment layer per area ( ) diffusive exchange velocity in sediment ( ) total sediment diffusive and resuspension exchange ( ) velocity Total sediment and resuspension exchange rate ( ) ln 0.5 / Transformation rate in sediment. Biota Box Properties Input Estimated lipid content of benthic organisms

60 Dokumentnr.: R Date: Page: 9 Appendix:A Symbol Units Input Equation Definition Input Estimated protein content of benthic organisms, Input Estimated lipid content of aquatic organisms Input Estimated protein content of aquatic organisms, ( ) Estimated lipid-water partitioning coefficient, ( ) 0.7 Estimated protein-water partitioning coefficient, (, ( ),, ),, Estimated sediment biotawater partitioning coefficient Estimated aquatic biotawater partitioning coefficient Solving the two-box linear water-sediment model To solve the above model, the following equations are used (referring to Table 2.1 for the necessary input parameters needed) The steady state total concentration in the water phase,,,, is given as: The steady state total concentration in the water phase,,, is given as: (2.A3), (2.A4) To calculate a concentration at a given point of time, as well as determining the half-life or time to steady state, requires solving the negative Eigen values of the linear system (see p of (Schwarzenbach et al., 2003)). The negative Eigen values for this system are: 4 (2.A5) The total water concentration at a given time is given as (concentrations at t=0 are the initial, measured concentrations):, (2.A6)

61 Dokumentnr.: R Date: Page: 10 Appendix:A Where:,,,,,,,,,, Similarly, the sediment concentration at a given time is given as:, (2.A7) Where:,,,,,, 2.2 Two-Box Linear Surface Water-Deep Water Model For some compounds, transfer across the thermocline between the epilimnion (surface water) or hypolimnion (deep water), can be a boundary that determines how quickly contaminant concentrations reach steady-state in a fjord, and not the transfer between the water and sediment.

62 Dokumentnr.: R Date: Page: 11 Appendix:A Figure 2.2 Schematic of processes accounted for in the two-box linear surface water-deep water model To account for the processes simultaneously influencing the surface water ( ) and deep water ( ), the (adapted from (Schwarzenbach et al., 2003)) following : (2.B1) (2.B2) Where, as these equations are coupled, and should be similar at a given time point, regardless of whether or not equation B1 or B2 is used. Note that this model assumes that input river water concentrations,, runoff water concentrations,, and air particle concentrations,, are constant

63 Dokumentnr.: R Date: Page: 12 Appendix:A with time, and that both sediment concentrations,, and air concentrations,, reach steady-state at the same rate as the water concentrations do. The processes depicted in this equation are shown in Figure 2.1 and explained in Table 2.3. Table 2.3 Components of the two-box linear surface water-deep water model. Equation 2.B1 simplified: water concentration from rivers Term Explanation Figure Simplified Symbol 2.2 gain in surface 1a J E (µg m -3 yr -1 ) sum of all water gain in surface water concentration from 1b input and runoff gain in surface water concentration from 2a atmosphere exchange on deposition of air particles Gain or loss in surface water concentration due 2b to exchange air-water exchange of freelydissolved compounds dynamic processes influencing the water concentration, which are from left to right a) the surface water renewing itself, b) air-water exchange, c) loss with particles depositing to the deep water, d) change in surface water due to exchange with the deep water and e) loss from transformation reactions Gain or loss in water concentration due to surface water-deep water exchange 3g, 2b, 3a, 3b, 3e, k 11 (yr -1 ) sum of surface water rates influence on 3b k 12 (yr -1 ) Deep water influence on Equation 2.B2 simplified: Term Explanation Figure 2.2 gain or loss in deep water concentration from 4a exchange with sediment porewater Simplified Symbol J H (µg m -3 yr -1 ) sum of all water input and atmosphere exchange on loss with particles falling from deep water 3a* k 21 gain or loss in water concentration due to 3b surface water-deep water exchange (yr -1 ) sum of deep water

64 Dokumentnr.: R Date: Page: 13 Appendix:A Loss due to transformation reactions 3e* rates influence on gain in deep water from particles falling from surface water gain or loss in water concentration due to surface water-deep water exchange 4a k 22 (yr -1 ) sum of surfacewater 3b + 3d rates influence on To calculate the terms in this model, a variety of input parameters and equations are needed. Most of these were defined and summarized in Table 2.2. Extra terms unique to this model are presented in Table 2.4. Table 2.4 Parameters needed for the two-box linear surface water-deep water model. Symbol Units Input Equation Definition Surface Water Box Properties Input area of water surface in box Input depth of the middle of the thermocline Input area of thermocline in the box Input height of the thermocline (µg kg ) Input (µg m ) Input or Calc If not measured, estimated as / concentration on suspended sediment particles in the surface water freely dissolved concentration in the surface water ( Input mass of suspended kg m sediment per volume of ) surface water ( Input sedimentation rate in the surface water ) / Input contaminant half life in surface water ( Input measured or assumed as weight fraction of TOC kg TOC kg 0.04 in suspended sediment ) Input turbulent diffusivity ( ) Partition coefficient to suspended sediment µg m ) total surface water concentration

65 Dokumentnr.: R Date: Page: 14 Appendix:A Symbol Units Input Equation Definition ( ) ln 0.5 (µg kg ) (µg m ) Input or Calc / Deep Water Box Properties Input If not measured, estimated as / ratio of suspended sediment water contaminant at steady state ratio of sediment water contaminant at steady state particle settling velocity particle settling rate water flushing rate air-water transfer velocity air-water transfer rate transformation rate in surface water exchange velocity exchange rate in the surface water concentration on suspended sediment particles in the surface water freely dissolved concentration in the surface water Input depth from the thermocline to the sediment basin ( kg m ) ( ( Input mass of suspended sediment per volume of surface water Input sedimentation rate in the deep water ) Input measured or assumed as weight fraction of TOC kg TOC kg 0.04 in suspended sediment ) / Input contaminant half life in deep water µg m ) total deep water concentration

66 Dokumentnr.: R Date: Page: 15 Appendix:A Symbol Units Input Equation Definition ( ) Partition coefficient to suspended sediment 1 ratio of suspended 1 sediment water contaminant at steady state 1 ( ) 1 ln 0.5 / 1 ratio of sediment water contaminant at steady state particle settling velocity particle settling rate in the deep water exchange rate in the deep water transformation rate in deep water Loss in surface water from particles into deep water Solving the two-box linear surface water-deep water sediment model. To solve the above model, the following equations are used (referring to equations given in Table 2.3) The steady state total concentration in the water phase,,, is given as: (2.B3), The steady state total concentration in the water phase,,, is given as:, (2.B4) To calculate a concentration at a given point of time, as well as determining the half-life or time to steady state, requires solving the negative eigenvalues of the linear system (see p of (Schwarzenbach et al., 2003)). The negative eigenvalues for this system are: 4 (2.B5) The total water concentration at a given time is given as (concentrations at t=0 are the initial, measured concentrations):

67 Dokumentnr.: R Date: Page: 16 Appendix:A, (2.B6) Where:,,,,,,,, Similarly, the sediment concentration at a given time is given as:, (2.B7) Where:,, 2.3 Coupled Models,,,,,, For the Drammensfjord model, to account for the harbor concentrations being much different than for the rest of the fjord, coupled 2-box models were used. These use the above 2-box structure as a vertical base unit that can be extended in horizontal directions. Here, one of the 2-box units represents the harbor was coupled to a 2-box unit represents the fjord. These are illustrated for the watersediment model and surface water-deep water models below.

68 Dokumentnr.: R Date: Page: 17 Appendix:A Figure 2.3 Schematic of processes accounted for in the coupled two-box linear water-sediment model The harbor box is modeled exactly the same as explained above in section 2.1. The fjord box is modeled slightly different in terms of the input terms, J T, only The harbor water input term is: (2.C1) Where all the input terms gain the superscript harbor, to denote we are referring to the specific concentrations and processes occurring in the harbor and not in the fjord. The fjord water input term is:,, (2.C2)

69 Dokumentnr.: R Date: Page: 18 Appendix:A, Where, is the output from the Drammen-Harbor water box at steady state, and the subscript fjord is used to denote fjord specific processes. This, is the link between which the two-box components are coupled., Similarly, the remainder of the terms needed for the coupled model is exactly the same as in 2.1, it is only that now the parameters must be made fjord or harbor specific. Further, the harbor box model must be solved prior to the fjord model,, as, is used as input. Note that it is possible to instead use,, (t) as an input by coupling the two-boxes of the harbor with the two-boxes of the fjord; however, an explicit solution to this four-box model would require coding and would not be possible in excel. Though this would be more realistic, it is assumed here that increasing the model to this level of sophistication would not influence the output significantly to be worthy of the cost of setting up such a model (see section 1.2).. A similar coupled two-box surface water-deep water model was designed, as shown in Figure 2.4. Figure 2.4 Schematic of processes accounted for in the coupled two-box surface water-deep water model

70 Dokumentnr.: R Date: Page: 19 Appendix:A For this model, we are assuming that the harbor water input terms are: (2.C3) And the fjord input terms are:,,,,, (2.C4) Here what is coupling the models is the steady state surface water concentration, from the harbor area,, which is assumed to be flushing through the fjord at the same rate ( ) as the harbor, as well as additional rivers and runoff into the fjord. Additionally, the deep water in the fjord is coupled to the steadystay deep water concentration in the harbor,,,, which is entering at the rate of. Note that because the water is flowing towards the direction of the sea, we are not concerned in the present model about flow from the fjord to the harbor. The area referred to as Harbor (a.k.a. Havn ) and Fjord for the input and output data are presented in Figure 2.5.

71 Dokumentnr.: R Date: Page: 20 Appendix:A Figure 2.5 Markation of the Harbor and Fjord area used in the Drammensfjord Model 3 Input Parameters Needed for the model and their Effect on the Output 3.1 Input Parameters The input parameters needed for this model, and how they were measured, are given below. Basically, there are two types of input that can be altered: contaminant properties (physical-chemical and concentration) and fjord properties. The contaminant properties used as input are presented in Table 3.1. The fjord dependant properties are presented in Table 3.2. Remaining parameters needed for predictions are calculated from these input parameters. Note that for the coupled models, input data is seperate for the fjord and harbor areas.

72 Dokumentnr.: R Date: Page: 21 Appendix:A Contaminant Dependant Input Parameters Table 3.1 Contaminant dependant input parameters for the Drammensfjord Models, their uncertainty and how there method of measurement Unit How it is measured Error Error Distribution Physical-Chemical.. From the periodic table of elements 0% but error of 20% can be LN assigned to reflect the uncertainty of parameters estimated based on this (e.g. and ) Average value from onsite variations up to a factor 30 LN measurements, or from literature can occur due to TOC reviews (e.g.(arp et al., 2009)) heterogeneity. Usually a factor 10 is assigned. Taken from the literature variations of a factor 3 or 4 is LN assigned to account for dependency on temperature. Taken from the literature variations of a factor 10 are LN assigned to account for the uncertainty of parameters based on this (e.g., ) Air Concentrations taken from measured data for Norway (or Drammen if available). Note this is generally negligible for PCBs. Taken from measured data for Norway (or Drammen if available). Note this is generally negligible for PAHs larger than benzo(a)pyrene and heavy metals (e.g. Pb) Water Input measured from sediments collected from sediment traps in inflowing rivers. As more than one rivers were monitored, the concentrations were weighted based on the flow rate of each river. Measured from POM measurements for organic compounds, assumed negligible for metals, and calculated for TBT. Averaging done as in the uncertainty is calculated from measured data if available, or assumed at 99%. uncertainty is calculated from measured data if available. Otherwise, or assumed at 99% standard deviation of measurements or assumed as 99% case of Measured either from storm-water standard deviation of LN standard deviation of measurements, or assumed as 99% LN LN LN LN

73 Dokumentnr.: R Date: Page: 22 Appendix:A Unit How it is measured Error Error Distribution particles in man holes, or assumed measurements, or assumed as to be the same as the river. Measured from POM measurements for organic compounds, assumed negligible for metals, and calculated for TBT. 99% standard deviation of measurements, or assumed as 99% Water b) average of sediment trap standard deviation of LN concentrations measurements, or assumed as 99% see above for standard deviation of LN measurements, or assumed as 99% / estimated based on literature 50% error or more LN Surface Water b) average of sediment trap standard deviation of LN concentrations in surface water measurements, or assumed as 99% see above for, though standard deviation of LN applied to surface water measurements, or assumed as 99% estimated based on literature 50% error or more LN / Deep Water b) average of sediment trap standard deviation of LN concentrations in deep water measurements, or assumed as 99% see above for, though standard deviation of LN applied to deep water measurements, or assumed as 99% estimated based on literature 50% error or more LN / Sediment b) average sediment concentrations in standard deviation of the harbor or fjord area measurements, or assumed as 99% dither measured with POM in the standard deviation of lab, or extracted from porewater for measurements, or assumed as PBT. If not measured, it estimated 99% from a) LN = log normal b) These parameters are collected separately for the fjord area and harbor areas (Figure 2.5). LN LN LN

74 Dokumentnr.: R Date: Page: 23 Appendix:A Fjord Dependant Input Parameters Table 3.2 Environmental dependant input parameters for the Drammensfjord Models Unit How it is measured Error Model a) Air compartment Currently no data available for Drammen. Typical values of 26 g m 2 y -1 is assigned for harbor and 5 for the fjord (Wang et al., Aerosol and Air Quality Research, Vol. 7, No. 1, pp , 2007) Averaged data from the Drammen area over past 5 years using data from Eklima.net very uncertain, due to changing conditions. Uncertainty of 50% or greater is assigned. calculated as the standard deviation from measured values Water Input Compartment deviation from measurements or 20% measured from flow meters in the river (source SINTEF, this report) measured from flow meters in storm water drainage system (source, Nesse 2005) measured using turbidity measurements measured from turbidity in storwater drains or assumed the same as river water deviation from measurements or 20% deviation from measurements or 25% deviation from measurements or 25% average TOC content in river deviation from LN particles assumed to measurements or 25% if no measurement Water Compartment area of entire fjord surface 1% LN average depth of fjord 20% due depth variations LN measured using turbidity measurements (Partikkelkonsentrasjon tat fra Hydrografi april 2009 NGI sonde) measured variation or given as 50% average from sediment traps standard deviation from measurements average TOC content in river measured variation or particles assumed to be given as 50% if no measurement Surface Water Compartment area of entire fjord surface 1% LN average depth from surface to measured variation or LN middle of thermocline (NGI given as 50% LN LN LN LN LN LN LN LN LN

75 Dokumentnr.: R Date: Page: 24 Appendix:A Unit How it is measured Error Model a) report R) area of the fjord at the assumed as 5% LN thermocline height of the thermocline measured or assumed at 40% LN measured using turbidity measured variation or LN measurements given as 50% (Partikkelkonsentrasjon tat fra Hydrografi april 2009 NGI sonde)) average from sediment traps standard deviation from LN average TOC content in river particles assumed to be if no measurement measured value (NIVA Report??) depth from the thermocline to the sediment basin measured using turbidity measurements (Partikkelkonsentrasjon tat fra Hydrografi april 2009 NGI sonde) measurements measured variation or given as 50% measured variation or given as 50% Deep Water Compartment calculated from standard deviation of thermocline and harbor depth measured variation or given as 50% average from sediment traps standard deviation from measurements average TOC content in river measured variation or particles assumed to be given as 50% if no measurement Sediment Compartment Can be measured, but is measured variation or generally assumed to be 10 cm given as 50% measured as the (average) standard deviation from difference between sediment measurements traps near the sediment bed and surface water Can be measured, but is measured variation or LN generally assumed to be 10 cm given as 50% Measured or assumed as assumed as 20% LN (source(eek et al., 2008)) measured or assumed as 0.5 assumed as 10% LN measured or assumed as 2500 assumed as 5% LN assumed as 0.9 assumed as 10% LN Biota Compartment assumed as 0.2 based on Schwaba p337 Table 10.1 assumed as 50% LN LN LN LN LN LN LN LN LN

76 Dokumentnr.: R Date: Page: 25 Appendix:A Unit How it is measured Error Model a) assumed as 0.6 assumed as 50% LN assumed as 0.12 assumed as 50% LN assumed as 0.7 assumed as 50% LN a) LN = log normal b) These parameters are collected separately for the fjord area and harbor areas (Figure 2.5). 3.2 Output Parameters The main output parameters from these models are essentially the concentration at steady-state (i.e.,,,,,, and, ), and the time required to reach a desired concentration, such as the steady state concentration. The desired concentration in this case is defined based on how far the concentration has shifted from the initial concentration,, to steady state,, using: % The time required to reach a certain concentration The half-way point (often referred to as a half-life in the case of a concentration decrease), % can be calculated as follows: % ln % where is the smallest negative Eigen value (i.e. the rate determining step) between and in equations 2A.5 or 2B.5. For instance, the half-way point to steady-state (often referred to as the half-life in the case of concentration decreasing) is: ln 0.5 % The time required for steady-state, % is often as given when 0.95, thus: ln 0.05 % For the various compartments, the time required for steady-state in the components can be achieved. An overview of the most important output parameters is given in Table

77 Dokumentnr.: R Date: Page: 26 Appendix:A Table Overview of important output parameters for the Drammensfjord model Symbol Unit Descritiption tid t 5% (y) Amount of time required to reach steady-state Sea bed C sed (µg/kg) Particle concentration in the top 10 cm of sediment C pw (µg/l) Porewater concentration in the top 10 cm of sediment C sed biota (µg/kg) Concentration in the sediment seabed overvann og dypvann C tot (µg/l) Total concentration (particle-bound and freely-dissolved) in water C w (µg/l) Freely-dissolved water concentration C sus sed (µg/kg) Suspended particle concentration (µg/kg) Concentration in water biota C w, biota 3.3 Influence of Model Choice on Output Parameters To a large extent, the partitioning, contaminant transfer and transformation processes between accounted for in the sediment-water model and the surface water-deep water model are identical or near identical. As a result, not much influence on the steady-state concentrations is generally expected. In other words, though, may be slightly different from the two models, this difference should not be very large. Where we do expect to see a large difference in the output parameters is in the time to steady state. The reason is because the main differences between the two main models are which kinetic phase transfer processes are assumed to be ratelimiting. The sediment-water model assumes that the sediment-water interface is the slowest, rate-limiting boundary for the model to reach steady state. On the other hand, the surface water-deep water boundary considers it is the transfer across the thermocline. Which is true depends on the compounds. For salts like phosphates and small molecules like methane, it is transfer across the thermocline that can be rate limiting. For persistent organic pollutants and metals, it is generally the sediment-water interface. Note that it would be possible to make a three-box model that considers the interface at the thermocline and sediment-surface simultaneously, or even a fourbox model that additionally includes the air-water interface. However, this has two disadvantages, as alluded in section1.2. The first is that the number of kinetic rate constants inflates exponentially, and it becomes difficult to identify rate-determining processes. Secondly, such models are beyond what one can do reasonably in excel, and thus the solutions have to be approximated or coded. Therefore, instead we here decided to focus on looking at the sediment-water and surface-water model separately, and the one that is chosen as the ultimate

78 Dokumentnr.: R Date: Page: 27 Appendix:A output is the one that gives the slowest rate transfers. In most cases for persistent organic pollutants and metals this will be the sediment-water interface. 3.4 Sensitivity Analysis and Monte Carlo Analysis The influence that the errors in input parameters have on the output parameters can be described using sensitivity analysis and Monte Carlo analysis. Here, both sensitivity analysis and Monte Carlo analysis were done using the Excel add-in Oracle Crystal Ball. The sensitivity analysis works by systematically varying each of the input parameters according to the error associated with it, and noting what effect, if any, this has on the output. For visualization, the output is generated in Tornado plots, as in the example in Figure In Figure the parameters are plotted in order, with the parameters that have the most effect on the output on the top. In the example in it is log K TOC (input) which has the most influence on C sed harbor (output). Notice also that when log KTOC is decreased, this will decrease C sed (downside shift), similarly if increased it will cause an increase in C sed (upside shift). Figure Example of a sensitivity analysis in the form of a Tornado Plot. The parameters that exhibit the most influence on output are shown at the top. Downside refers to the effect it will have on the output (in log-normalised concentrations) if the input parameter is lowered, and upsided refers to the effect if the input parameter increases in value. This type of sensitivity analysis is extremely useful in such a model because it a) Shows were the uncertainty in model output derives from

79 Dokumentnr.: R Date: Page: 28 Appendix:A b) Indicates which input parameters should be better accounted for to reduce model uncertainty c) Also indicates the concentrations or fjord properties that potentially have the most influence on the environmental status of the fjord area Thus, a sensitivity analysis is a useful tool for implementing both effective monitoring and remediation strategies. Currently, sensitivity analysis are conducted by sampling the data at 20% and 80% of each input parameters distribution curve. The Monte Carlo analysis randomly picks a value for each of the input parameters, within the limits of the designated error of each parameter, and generates output. After a certain number of output values have been calculated, the output results are tabulated and statistics are preformed on them. An example of a Monte Carlo output graph is presented in Figure Figure Example of Monte-Carlo output. In this example, the probability of an output occurring v. the output is plotted. From here standard deviations and mean values are calculated, from which the model output is established.

80 Dokumentnr.: R Date: Page: 29 Appendix:A 4 Model scenarios Various different scenarios can be accounted for using this model. Examples of which are provided below. 4.1 Basic Scenarios (one action event) The basic model is currently set up so that the contaminant input parameters (Table 3.1) and various fjord process parameters (Table 3.2) remain constant throughout the model domain Status Quo Scenario When the data is based on current measured field data generally referred to as a status quo scenario. This infers that none of the air and water input concentrations will change substantially with time, and the sediment input will only change as the sediment becomes buried by incoming sediments Natural Recovery Scenario Though similar to the Status Quo scenario, a natural recovery scenario can additionally account for anticipated future emissions, such as river input concentrations of PCB decreasing with time. Note, if there are many temporal changes anticipated in the natural recovery scenario, it is best handled as a Complex Scenario (section 4.2) Remediation or Spill Scenarios In case changes in future input concentrations are anticipated, due to the number of contaminant sources decreasing or increasing, alternative input concentrations can be entered to estimate what effect this would have. As examples, a sediment capping event may be simulated by a complete or partial decrease in, or a decrease in a upstream sources may minimize and. Alternatively, a chemical spill may have a huge impact on or. The output of such remediation / spill scenarios can then be compared with the status quo scenario Altered Fjord Processes Scenario Certain changes can be also anticipated to the fjord scenarios. For instance, with increasing regulations, the particles entering the fjord from the air and river may decrease, thus requiring a decrease in deposition rates like, and and. Alternatively, anticipated increased large boat traffic may increase and. Of course, remediation scenario and altered fjord processes scenario may occur simultaneously, requiring different concentration and fjord process inputs.

81 Dokumentnr.: R Date: Page: 30 Appendix:A Relationship between Sensitivity Analysis and Basic Scenarios Running scenarios can be quite time consuming, especially considering the difficulty in anticipating what parameters could be altered and by how much. Therefore conducting a sensitivity analysis on the status quo scenario can be beneficial. Input and fjord property parameters that have only a negligible impact on the output of the status quo scenario generally do not have to be included. Rather, only the parameters that have a substantial influence would have an impact need to be considered. If you suspect that a certain status quo parameter may change with time, it is worthwhile to increase the uncertainty of this parameter in the sensitivity analysis of the status quo scenario, or to adjust the distribution of the uncertainty so that if favors future scenarios. 4.2 Complex Scenarios (multiple action events) Future changes to the fjord inputs and processes may change incrementally over time. For instance, a massive sediment dredging event may be scheduled, reductions in input river contamination or air particle concentrations may set to be halved by a certain future date, and the particulate input into the fjord can change over time. Such changes can be accounted for using one of two approaches. The first is to add additional rate terms to account for the change over time of an input parameter. This is suitable for continuous changes over time. The second is an iterative approach, which models for a specific amount of interval of time, and then uses the output parameters from that interval of time as input for the next interval of time, which also contains appropriately adjusted input parameters. This is suitable for sudden events, such as a spill or remediation activity event that takes place in the future. In its current form, the model is set up for an iterative approach.

82 Dokumentnr.: R Date: Page: 31 Appendix:A 5 Instructions for Using the Drammensfjord Model The Drammensfjord model consists of various spreadsheets run in Microsoft Excel. It is best to keep these spreadsheets in the same folder, as some spreadsheets are linked to others. The uncertainty analysis is done using Oracle Crystal Ball software. Key files: 1) Main Model - Drammensfjordmodel.xlsm a. Works sheet Kjem Prop - contains physical-chemical property and concentration input data (Table 3.1). Uncertainty input parameters for Crystal Ball are also placed as input here. b. Worksheet Fjord Prop contains fjord input property data (Table 3.2). Uncertainty input parameters for Crystal Ball are also placed as input here. c. Worksheet Figures presents output figures and graphs without any standard deviations d. Worksheet FiguresMonteCarlo is to place the output data from Oracle Crystal Ball, in order to get the uncertainty analysis e. Worksheet For Next Time Step is used if multiple time steps are being run (complex scenario), and allows for output of one time step to be used as input for the next time step, when copy and pasted into KjemProp. 2) Monte Carlo Analysis MonteCarloTemplate.xlsx a. In this spreadsheet, output from a Monte Carlo run in Crystal Ball (click Generate Report after analysis, and select Statistics, Percentiles and Chart bins ) can be copy-pasted (rows 1-82) into this template. Output graphs are automatically generated. And, in the box from cell A152 to D169 is copy-pasted (values) into the corresponding box in FiguresMonteCarlo within Drammenfjordmodel.xlsm for the errors to be put on all graphs and output. 3) Tornado Chart TornadoTemplate.xlsx a. Data from the Tornado Chart analysis can be copy and pasted in here to generate Tornado Chart output graphs. Tornado analysis is done by selecting the 20% and 80% error range for the input parameters, testing 2 data points, and selecting output as % of variables.

83 Dokumentnr.: R Date: Page: 32 Appendix:A 4) Complex Scenarios TimeTemplate.xlsx a. This worksheet is used to generate graphs for Complex Scenarios (Section 4.2). Instructions for this are given in FiguresMonteCarlo within Drammenfjordmodel.xlsm. Data Input: Currently, all data from the monitoring program are in a worksheet called Drammandata.xlsx. The Kjem Prop work sheet in Drammensfjordmodel.xlsm is currently linked with Drammendata.xlsx for the following chemicals: PCB-28 PCB-52 PCB-118 Pyrene Benzo(a)pyrene TBT Hg Pb Thus, simply by copy/pasting, output data can be generated. Input data can be manipulated to try out different scenarios. Other data could also be linked to Drammendata.xlsx, or could be typed in manually. For Fjord Input, many parameters are also linked with those in the file Drammendata.xlsx, other data is embedded directly in Drammensfjordmodel.xlsm. IMPORTANT Save any changes under a different file name. As the method of doing calculations involves often using the Copy / Paste Special (value) function of excel, it is important that the order of cells are not manipulated. Further, data in Drammendata.xlsx should not be manipulated unless all files which are linked to it are also open.

84 Dokumentnr.: R Date: Page: 33 Appendix:A 6 Source Data for Graphs Presented in the Report. All source data and output files for the report can be found in the spreadsheets named in section 5. The key input data is copied below for PCBs (Figure 6.1), TBT (Figure 6.2) and Drammenfjord (Figure 6.3).

85 Dokumentnr.: R Date: Page: 34 Appendix:A Figure 6.1 PCB input data (from ) Chemical: PCB-118 CAS: Parameter Units value error reference (25 C) MW (g/mol) molecular weight log K aw (-) air-water partition coefficient Schenker_ES&T_2005 log p* il (Pa) subcooled liquid vapour pressure Schenker_ES&T_2005 log S* il (mol/m3) subcooled liquid aqueous solubility Schenker_ES&T_2005 log K ow (-) octanol-water partition coefficient (wet) Schenker_ES&T_2005 log K TOC (L/kg TOC) TOC-water partition coefficient Arp_ ES&T_2009 log K lipid (L/kg lipid) lipid-water partitioning coefficient Schwarzenbach_2003 (p 341) - log K = 0.91 lo log K protein (L/kg protein) protein-water partitioning coefficient Schwarzenbach_2003 (p 341) - log K = 0.7 log D air (cm 2 /s) air diffusion coefficient 5.09E E-03 Schwarzenbach_2003 (p807) D water (cm 2 /s) water diffusion coefficient 4.43E E-07 Schwarzenbach_2003 (p814) Sc water (-) Schmidt number 2.02E E+02 Schwarzenbach_2003 (p919) v a (cm/s) air-diffusion rate E-02 Schwarzenbach_2003 (p919) v w (cm/s) water-diffusion rate 3.55E E-05 Schwarzenbach_2003 (p905,919) v aw (cm/s) air-water transfer rate 2.64E E-05 Schwarzenbach_2003 (p919) k desorbtion_slow (1/h) sediment desorptin rate (slow fraction) 1.05E E-05 Oen_ET&C_2006 for pyrene k desorbtion_veryslow (1/h) sediment desorption rate (v slow fraction) 2.10E E-05 Oen_ET&C_2006 for pyrene k re (1/h) transformation rate overflattevann 1.16E E-06 Sinkonnen_Chemosphere_1998 k rh (1/h) transformation rate bunnvann 1.16E E-06 Sinkonnen_Chemosphere_1999 k r_sed (1/h) transformation rated sediment 1.16E E-06 Sinkonnen_Chemosphere_2000 t 1/2,air emission (år) estimation of half life of air emissions 0.00E+00 not accounted for yet in model (for Level IV t 1/2,sed burial (år) estimation of half life due to sediment burial 0.00E+00 not accounted for yet in model (for Level IV C sed_fjord (μg/g) total sediment concentration - fjord 1.45E E E-04 measured, averaged over C sed_harbor (μg/g) total sediment concentration - harbor 4.24E E E-03 measured, averaged over C sus_sed_e_fjord (μg/g) suspended sediment surface conc. -fjord 0.00E E E+00 measured, averaged over C sus_sed_e_harbor (μg/g) suspended sediment surface conc. -harbo 1.75E E E-04 measured, averaged over C sus_sed_h_fjord (μg/g) suspended sediment deep - fjord 0.00E E E+00 measured, averaged over C sus_sed_h_harbor (μg/g) suspended sediment deep - harbor 5.18E E E-04 measured, averaged over C runoff_sed_fjord (μg/g) surface runoff sed (overvann) 0.00E E E+00 measured, averaged over C runoff_sed_harbor (μg/g) surface runoff sed (overvann) 1.75E E E-04 assummed same as harbor C river_sed (μg/g) river sediment concentration 8.67E E E-04 measured, averaged over C pw_fjord (μg/m 3 ) porewater concentration - fjord 4.63E E E-03 estimated C pw_harbor (μg/m 3 ) porewater concentration - harbor 4.28E E E-03 estimated C w_e_fjord (μg/m 3 ) surface water concentration - fjord 1.63E E E-04 measured, averaged over C w_e_harbor (μg/m 3 ) surface water concentration - harbor 1.96E E E-05 measured, averaged over C w_h_fjord (μg/m 3 ) deep water concentration - fjord 8.74E E E-04 measured, averaged over C w_h_harbor (μg/m 3 ) deep water concentration - harbor 1.72E E E-05 measured, averaged over C w_runoff (μg/m 3 ) freely-dissolved water concentration 1.64E E E-06 assummed same as river C w_river (μg/m 3 ) river water concentration 1.64E E E-06 measured, averaged over C a (μg/m 3 ) air concentration 3.60E E Brevik_ET&C_2004_Oslo C p (μg/m 3 ) air particle concentration E assummed negligible (Arp, ES&T, 2008) ΔH aw (kj/mol) enthalpy air-water partitioning Schenker_ES&T_2005 ΔH vap (kj/mol) enthalpy of vaporization Schenker_ES&T_2005 H E sol (kj/mol) excess enthalpy of aqueous solubization Schenker_ES&T_2005 ΔH ow (kj/mol) enthalpy octanol-water partitioning Schenker_ES&T_2005 KLIF boundaries Sediments Class I (µg g -1 ) sediment Class II (µg g -1 ) sediment Class III (µg g -1 ) sediment Class IV (µg g -1 ) sediment Class V (µg g -1 ) sediment Water Class I (µg L -1 ) water Class II (µg L -1 ) water Class III (µg L -1 ) water Class IV (µg L -1 ) water Class V (µg L -1 ) water

86 Dokumentnr.: R Date: Page: 35 Appendix:A Figure 6.2 TBT input data (from ) Chemical: TBT CAS: tributyltin chloride Parameter Units value error reference (25 C) MW (g/mol) molecular weight log Kaw (-) air-water partition coefficient log p*il (Pa) subcooled liquid vapour pressure 0.00E log S*iL (mol/m3) subcooled liquid aqueous solubility given as < 10mg/L and cited log Kow (-) octanol-water partition coefficient (wet) Arnold_ES&T_1997 (might need to consider D log KTOC (L/kgTOC) TOC-water partition coefficient Berg_ES&T_2000 (Figure 4) - HAS A HUGE I log Klipid (L/kglipid) lipid-water partitioning coefficient Hunziker ES&T 2001 (Figure 2) log Kprotein (L/kgprotein) protein-water partitioning coefficient Schwarzenbach_2003 (p 341) - log K = 0.7 log Dair (cm 2 /s) air diffusion coefficient 5.10E E-03 Schwarzenbach_2003 (p807) Dwater (cm 2 /s) water diffusion coefficient 4.44E E-07 Schwarzenbach_2003 (p814) Scwater (-) Schmidt number 2.01E E+02 Schwarzenbach_2003 (p919) va (cm/s) air-diffusion rate 2.35E E-02 Schwarzenbach_2003 (p919) vw (cm/s) water-diffusion rate 3.55E E-05 Schwarzenbach_2003 (p905,919) vaw (cm/s) air-water transfer rate 2.35E E-12 kdesorbtion_slow (1/h) sediment desorptin rate (slow fraction) 1.05E E E-05 Oen_ET&C_2006 kdesorbtion_veryslow (1/h) sediment desorption rate (v slow fraction) 2.10E E E-05 Oen_ET&C_2006 kre (1/h) transformation rate overflattevann 2.54E E-04 Ranke_ET&C_2002 krh (1/h) transformation rate bunnvann 1.28E E-04 Ranke_ET&C_2002 kr_sed (1/h) transformation rated sediment 2.74E E-06 Ranke_ET&C_2002 t1/2,air emission (år) estimation of half life of air emissions not accounted for yet in model (for Level IV t1/2,sed burial (år) estimation of half life due to sediment burial not accounted for yet in model (for Level IV Csed_fjord (μg/g) total sediment concentration - fjord E measured, averaged Csed_harbor (μg/g) total sediment concentration - harbor E measured, averaged Csus_sed_E_fjord (μg/g) suspended sediment surface conc. -fjord E measured, averaged Csus_sed_E_harbor (μg/g) suspended sediment surface conc. -harbo E measured, averaged Csus_sed_H_fjord (μg/g) suspended sediment deep - fjord E measured, averaged Csus_sed_H_harbor (μg/g) suspended sediment deep - harbor E measured, averaged Crunoff_sed_fjord (μg/g) surface runoff sed (overvann) E Crunoff_sed_harbor (μg/g) surface runoff sed (overvann) E Criver_sed (μg/g) river sediment concentration E Cpw_fjord (μg/m 3 ) porewater concentration - fjord E Cpw_harbor (μg/m 3 ) porewater concentration - harbor E Cw_E_fjord (μg/m 3 ) surface water concentration - fjord E measured, averaged Cw_E_harbor (μg/m 3 ) surface water concentration - harbor E measured, averaged Cw_H_fjord (μg/m 3 ) deep water concentration - fjord E measured, averaged Cw_H_harbor (μg/m 3 ) deep water concentration - harbor E measured, averaged Cw_runoff (μg/m 3 ) freely-dissolved water concentration 1.50E E-01 assummed same as river Cw_river (μg/m 3 ) river water concentration E-01 measured, averaged Ca (μg/m 3 ) air concentration 1.00E E-10 0 Cp (μg/m 3 ) air particle concentration 1.00E E-10 0 ΔHaw (kj/mol) enthalpy air-water partitioning ΔHvap (kj/mol) enthalpy of vaporization H E sol (kj/mol) excess enthalpy of aqueous solubization ΔHow (kj/mol) enthalpy octanol-water partitioning KLIF boundaries Sediments Class I (µg g -1 ) sediment 0 Class II (µg g -1 ) sediment Class III (µg g -1 ) sediment Class IV (µg g -1 ) sediment 0.02 Class V (µg g -1 ) sediment 0.1 Water Class I (µg L -1 ) water 0 Class II (µg L -1 ) water 0 Class III (µg L -1 ) water Class IV (µg L -1 ) water Class V (µg L -1 ) water 0.003

87 Dokumentnr.: R Date: Page: 36 Appendix:A Figure 6.3 Drammen Harbor and Fjord input data (from ) Fjord Drammen Coordinates N E Sediment and Boundary Layer Properties Parameter Units value error measured reference / comments error A (m2) total area of fjord A fjord (m2) area of deep part of fjord A harbor (m2) area of shallow part of fjord B/S Fjord (-) ratio A thermocline fjord /A fjord B/S Harbor (-) ratio A thermocline harbor /A harbor F sed_fjord (g sed m-2 år sedimentation rate E+03 Sediment bunn / sedimestatus rappo F sed _harbor (g sed m-2 år sedimentation rate Sediment bunn / sedimestatus rappo f TOC_fjord (g TOC /g sed ) fraction of total organic carbon in sediments average from data f TOC_harbor (g TOC /g sed ) fraction of total organic carbon in sediments average from data ρ sed (kg/m3) dry density sediment estimated n sed (%) porosity 45% 3% estimated d bulk (kg/m3) bulk sediment density estimated z mix_fjord (m) bioturbation depth E-03 NGI report R (Ta z mix_harbor (m) bioturbation depth 1.00E E-03 NGI report R (Ta δ BL_fjord (m) double-boundary layer thickness 7.00E E-04 Eek_ES&T_2010 δ B L_harbor (m) double-boundary layer thickness 7.00E E-04 Eek_ES&T_2010 µ res_fjord (g sed m-2 år resuspended sediment fjord 0.00E E+00 top layer sediment traps usually con µ res_harbor (g sed m-2 år resuspended sediment harbor 2.04E E from measured sediment trap data β (g sed m-2 år sediment preservation factor 9.00E E-02 assummed fraction of original conta Water Box Properties Parameter Units value error reference h fjord (m) fjord water depth 85 5 antatt gjennomsnitsdybde, finn mer h harbor (m) harbor water depth 25 5 h E (m) surface water layer depth NGI report R, new h H_fjord (m) deep fjord water layer depth h H_harbor (m) deep harbor water layer depth 20 5 h rain (m y-1)? height rain fall (year?) From 2005 to 2010 rain data h thermo (m) average height of the thermocline estimated Q river (m3 s-1) river water input flux measured NVE, Mjøndalen bru Fra:07/08/20 Q run-off_fjord (m3 s-1) runoff water input flux measured? Nesse 2005 Q=48300 Q run-off_harbor (m3 s-1) runoff water input flux measured? Nesse 2005 Q=48300 E z (m2 s-1) turbulent verticle exchange 6.55E E-05 measured? CHECK!! NIVA report for Inner Oslo F evap (m s-1) evaporation 1.58E E-09 p898 Schwaba, can range from 0.2 r sus_sed_river (g m-3) fraction of suspended sediment in river ref?? r sus_sed_runoff_fjord (g m-3) fraction of suspended sediment in runoff water ref?? r sus_sed_runoff_harbor (g m-3) fraction of suspended sediment in runoff water ref?? r sus_sed_e_fjord (g m-3) fraction of suspended sediment in surface water ref?? r sus_sed_e_harbor (g m-3) fraction of suspended sediment in surface water ref?? r sus_sed_h_fjord (g m-3) fraction of suspended sediment in deep water Partikkelkonsentrasjon tat fra Hydro r sus_sed_h_harbor (g m-3) fraction of suspended sediment in deep water Partikkelkonsentrasjon tat fra Hydro

88 Dokumentnr.: R Date: Page: 37 Appendix:A Air Box Properties Parameter Units value error reference µ10 (m/s) wind speed average past 365 days, Eklima.no f PM 10 (µg /m3) PM10 particle concentration Oftedal_Int. J. Environment and Pol F p_harbor (g m-2 år-1 aerosol deposition rate typical value, taken from collection F p_fjord (g m-2 år-1 aerosol deposition rate 5 1 T air ( C) temperature average past 365 days, Eklima.no f Biota Properties f lipid_sed (g lipid /g biota_sed ) based on Schwaba p337 Table 10.1 f protein_sed (g protein /g biota_sed ) based on Schwaba p337 Table 10.1 f lipid_water (g lipid /g biota_water ) based on Schwaba p337 Table 10.1 f protein_water (g water /g biota_water ) log K biota_sed (L pw /kg biota_sed ) formula log K biota_water (L/kg biota_water ) formula

89 Dokumentnr.: R Date: Page: 38 Appendix:A References Arp, H.P.H., Breedveld, G.D., Cornelissen, G., Estimating the in situ Sediment-Porewater Distribution of PAHs and Chlorinated Aromatic Hydrocarbons in Anthropogenic Impacted Sediments. Environ. Sci. Technol. 43, Eek, E., Cornelissen, G., Kibsgaard, A., Breedveld, G.D., Diffusion of PAH and PCB from contaminated sediments with and without mineral capping; measurement and modelling. Chemosphere 71, Schwarzenbach, R.P., Gschwend, P.M., Imboden, D.M., Environmental Organic Chemistry. John Wiley & Sons, Hoboken.

90 Kontroll- og referanseside/ Review and reference page Dokumentinformasjon/Document information Dokumenttittel/Document title Årsrapport 2010 Dokumenttype/Type of document Rapport/Report Teknisk notat/technical Note Distribusjon/Distribution Fri/Unlimited Begrenset/Limited Ingen/None Oppdragsgiver/Client Fylkesmannen i Buskerud v/agnes Bjellvåg Bjørnstad Dokument nr/document No R Dato/Date Rev.nr./Rev.No. 0 Emneord/Keywords Environmental effect, Monitoring, Contaminated sediment, sea bed, sea water Stedfesting/Geographical information Land, fylke/country, County Buskerud Kommune/Municipality Drammen Sted/Location Drammensfjorden Kartblad/Map Havområde/Offshore area Feltnavn/Field name Sted/Location Felt, blokknr./field, Block No. UTM-koordinater/UTM-coordinates Dokumentkontroll/Document control Kvalitetssikring i henhold til/quality assurance according to NS-EN ISO9001 Rev./ Rev. Revisjonsgrunnlag/Reason for revision Egenkontroll/ Self review av/by: 0 Originaldokument HPA EE Sidemannskontroll/ Colleague review av/by: Uavhengig kontroll/ Independent review av/by: SaNo (DNV) Tverrfaglig kontroll/ Interdisciplinary review av/by: Dokument godkjent for utsendelse/ Document approved for release Dato/Date 3. mai 2011 Sign. Prosjektleder/Project Manager Arne Pettersen Skj.nr. 043

91

92