Miljøeffekter av jordbruksdrift

Transkript

1 Bioforsk Rapport Vol. 7 Nr Miljøeffekter av jordbruksdrift Modellering av erosjon og næringsstofftap Sigrun H. Kværnø, Marianne Bechmann og Csilla Farkas Bioforsk Jord og miljø

2

3

4 Forord Rapporten er et resultat av et oppdrag gitt til Bioforsk av Landbruks- og Matdepartementet (LMD). Hensikten har vært å sammenstille kunnskap om effekter av tiltak i jordbruket og bruk av modeller til å vurdere næringsstofftilførsler i områder der det ikke gjennomføres målinger. Kapitlet om tiltakseffekter er basert på eksisterende sammenstillinger om Effekter av jordarbeiding på fosfortap (Bechmann et al., 2011), Vegetasjonssoner som rensetiltak for partikkel- og næringsstoffavrenning langs vassdrag (Blankenberg og Hougsrud, 2011) og Fangdammer for partikkel- og fosforrensing (Braskerud og Hauge, 2008). Prosjektet startet i august 2011 og etter avtale ble det levert statusrapport 1. juni Kontaktperson i LMD er Line Meinert Røed. Marianne Bechmann har vært prosjektleder og har utført arbeidet i samarbeid med Sigrun Kværnø, Csilla Farkas og Hans Olav Eggestad. Ås desember 2012 Marianne Bechmann 2

5 Sammendrag Denne rapporten sammenstiller 1) kunnskap om effekter av jordbrukstiltak på erosjon og fosfortap, med vekt på jordarbeiding og 2) metoder (modeller) for beregning av erosjon og fosforavrenning fra jordbruksdominerte nedbørfelt. Vurdere effekter av tiltak gjennom målinger Jordbrukstiltakene som er diskutert omfatter redusert og endret jordarbeiding, vegetasjonssoner og fangdammer. Det gis tilskudd til å gjennomføre disse tiltakene og de er direkte målrettet mot å redusere utslipp av fosfor fra jordbruksarealene. Andre tiltak, f.eks. grasdekte vannveier, er også viktige tiltak, men det finnes ikke representative målinger av effekten og de er derfor ikke tatt med i denne sammenstillingen. Effekter av jordarbeiding er målt og dokumentert på ulike skaler, alt fra små ruter med kontrollerte forhold og ulik drift på ulik ruter via skifter med helt vanlig drift, og til nedbørfelter som er flere kvadratkilometer store. Ruteforsøkene omfatter flere norske felter, og dessuten felter i andre nordiske land. Det tilgjengelige datamaterialet som er sammenstilt viser at det på rute- og skifteskala i overveiende grad påvises en svært positiv effekt av redusert jordarbeiding sammenliknet med høstpløying. Dette gjelder først og fremst effekten på jordtap og totalt fosfortap, og effekten er tydeligere for overflateavrenning enn for avrenning gjennom drensrør. I enkelte år og i enkelte forsøk har man imidlertid også registrert økt fosforavrenning når det ikke høstpløyes. Noen forsøk tyder på at avrenning av løst fosfat, som er mer algetilgjengelig enn partikulært fosfor, kan øke når åkeren ligger i stubb gjennom høsten og vinteren. På nedbørfeltskala er effektene av jordarbeiding mye vanskeligere å påvise, da man på denne skalaen måler ved utløpet av et felt som er en kompleks mosaikk av ulikt jordsmonn, topografi, arealbruk, vær- og avrenningsforhold, samt at både jordarbeiding og vær/avrenning varierer mellom år. Dessuten er det mange andre prosesser enn flateerosjon på jordbruksarealene som bidrar til tap av jord og fosfor, bl.a. erosjon i forsenkninger, rundt kummer og i bekkeløp. Både jordarbeiding og værforhold varierer fra år til år, og derfor er det ikke en direkte sammenheng mellom jordarbeiding og tap. Studier av jordarbeidingseffekter i to nedbørfelter på Østlandet, overvåket gjennom Program for jord- og vannovervåking i jordbruket (JOVA), antyder likevel at jordtapene generelt er lavere i år med lavere arealandel med høstpløying. For å kunne skille mellom effekter av været og effekter av tiltaksgjennomføring på erosjon og fosfortap kan en bruke beregningsmodeller til å simulere effekter av ulike jordarbeidingsmetoder under like klimaforhold i et nedbørfelt. Effekter av landskapstiltak som vegetasjonssoner og fangdammer er også dokumentert for norske forhold, på henholdsvis rute-/skifteskala og nedbørfeltskala. I norske forsøk med kontrollerte forsøksbetingelser er det funnet opp til 50 % tilbakeholdelse av fosfor i overflatevann som renner gjennom en vegetasjonssone. Tilsvarende for fangdammer er det målt at opp til 40 % av de årlige fosfortilførsler holdes tilbake. De fleste undersøkelser utføres imidlertid der en forventer å få god effekt av tiltaket. Det er derfor sannsynlig at effekten ikke er like god om en setter inn disse tiltakene mer generelt på alle jordbruksarealer. 3

6 Det er behov for å undersøke tiltakseffekter på lokaliteter der forholdene er mindre ideelle for tiltaket for å belyse den generelle effekten. På den annen side er det ikke mulig å måle tiltakseffekter alle steder og under alle vilkår for å belyse hele variasjonen. I et jordbrukslandskap med søkk og forsenkninger samler overflatevannet seg i vannveier og tiltak som grasdekte vannveier kan være vel så viktige som redusert jordarbeiding. Betydningen av de enkelte tiltakene må vurderes lokalt. Vurdere effekter av tiltak gjennom beregningsmodeller Det finnes ulike modeller for å beregne avrenning fra nedbørfelt og disse modellene har et meget ulikt detaljeringsnivå. Enkle modeller, basert på lett tilgjengelige datakilder har lenge vært i bruk av forvaltningen. Fordelen med disse modellene er at de er enkle å ta i bruk og kostnadene holdes på et nivå som er mulig å finansiere i forvaltningen. Ulempen med slike modeller er at de er usikre, at de i liten grad er kalibrert og validert på uavhengige data og at resultatene som oppnås kan gi feilaktige utslag i forhold til de reelle tap av jord og næringsstoffer. Til slike modeller hører bl.a. Agricat og JOVAnest. En del fysisk baserte modeller kan i teorien, på basis av blant annet værdata, beregne daglige variasjoner i hydrologi, erosjon og næringsstoffavrenning med bedre presisjon enn de enkle modellene, men ulempen er at disse modellene krever detaljerte inputdata og nitid kalibrering og validering, samt at de er kompliserte og tidskrevende å operere. Foreløpig har de fysisk baserte modellene i hovedsak vært brukt til forskningsformål, men det er et mål å utvikle disse for mer allment bruk. Til slike modeller hører bl.a. LISEM og SWAT. Vi presenterer her et eksempel på hvordan en beregningsmodell, INCA, kan brukes til å belyse spørsmål om effekter av jordarbeiding på tap av jord og fosfor fra et nedbørfelt i Akershus der måledata alene ikke gir noe klart svar på effekter av tiltaksgjennomføring. Resultatene fra beregningene underbygger antagelsene om at tiltakene har hatt en betydelig effekt på jord- og fosfortap i Skuterudfeltet, og at variasjoner i værforholdene delvis har dekket over denne effekten. Dette forteller oss at det er en viss sannsynlighet for at redusert jordarbeiding kan være et effektivt tiltak, og at tapene fra dette feltet ville vært enda høyere enn det som er målt i perioden hvis disse tiltakene ikke hadde blitt gjennomført. Det presiseres at disse konklusjonene ikke er absolutte, men at denne spesifikke modellstudien, med de forutsetningene som er gjort, tyder på at resultatet er sannsynlig. Samtidig skal man være klar over at enhver modelleringsstudie inneholder en rekke usikkerheter mht. prosessbeskrivelse og forutsetninger i modellen, inputdataene som brukes, hvordan modelløren stiller inn og kalibrerer modellen, osv. I rapporten er det laget en oversikt over modeller og deres bruksområder under norske forhold. Variasjon i tidsoppløsning, geografisk oppløsning og formål med modelleringen avgjør hvilken modell som er best egnet. På sikt er det en stor fordel om en til bruk for forvaltningen kan navigere seg bort fra de enkleste modellene og over mot modeller med større presisjon i estimatene. Forbedret kapasitet på PC-er vil gjøre slike modeller enklere å bruke. Tilgangen til inputdata vil imidlertid alltid sette begrensninger for bruken av fysisk baserte modeller i nye nedbørfelt hvor datatilgangen er sparsom. 4

7 5

8 Innhold Sammendrag Innledning Tiltakseffekter målt i felt Effekter av enkelte tiltak Effekten av jordarbeiding i ruteforsøk Høstpløying gir generelt størst tap av jord og fosfor Effekt på grøfteavrenning Stor variasjon fra år til år Betydning av jordart og jordtype Jordarbeidingsmetoder Fosfor og biotilgjengelighet Ruteforsøk og erosjonsprosesser Effekt av vegetasjonssoner Renseeffekt i vegetasjonssoner Partikler Fosfor Effekt av fangdammer Algetilgjengelig fosfor Best når det gjelder Tiltakseffekter på skiftenivå Effekter av tiltak på nedbørfeltnivå Effekter av jordarbeiding Effekter av gjødsling Tiltakseffekter i vestre Vansjø Muligheter og begrensninger ved måling av effekter i nedbørfelt Beregningsmodeller Klassifikasjon av modeller Modeller brukt i Norge Enkle modeller Universal Soil Loss Equation WebGIS avrenning og Agricat-P JOVA-nest/TEOTIL Fysisk baserte og konseptuelle nedbørfeltmodeller INCA Soil Water Assessment Tool (SWAT) EROSION-3D og Limburg Soil Erosion Model (LISEM) Pan-European Soil Erosion Risk Assessment (PESERA) Profilskalamodeller COUP, SOILN_NO, SOILNDB, DRAINMOD ERONOR ECECMOD Valg av modeller for ulike formål Modellers egnethet for ulike formål Sammenlikning av modellresultater Modellering av tiltakseffekter Bakgrunn Studieområdet Modellkjøringer Resultater Modellenes muligheter og kunnskapsbehov Utvikling av modeller og metoder Kalibrering, validering og usikkerhetsanalyse Konklusjoner

9 1. Innledning Erosjon og avrenning av næringsstoffer er naturlige prosesser som skjer fra alle typer areal, også fra skog og utmark. Matproduksjon og jordbruksdrift fører til endringer i avrenningsprosesser og økte utslipp av næringsstoffer sammenlignet med tilsvarende arealer uten jordbruksdrift. Det gjennomføres en rekke tiltak for å redusere næringsstofftapene og effekten av disse må dokumenteres med hensyn på vannkvalitet. Siden 1980-tallet har det vært gjennomført omfattende tiltak med det formål å redusere erosjon og næringsstofftilførsler til vassdrag. I Program for Jord- og vannovervåking (JOVA) har avrenning, erosjon og næringsstofftap blitt målt siden begynnelsen av 90-tallet. En av hovedgrunnene til å starte programmet var å dokumentere næringsstofftap og erosjon fra jordbruksdominerte nedbørfelt med forskjellig drift og klimatiske forhold. Samtidig var en viktig oppgave i programmet å dokumentere effekter av jordarbeidingstiltak på avrenningen. En trend er blant annet at jordarbeiding i større grad enn før skjer om våren i stedet for om høsten, samt at det har skjedd en overgang til forskjellige former for redusert jordarbeiding. Hovedformålet med disse tiltakene har vært å redusere erosjon og næringsstofftap, særlig tapet av fosfor. Vi har mye kunnskap om prosessene som styrer avrenning, erosjon og næringsstofftap fra jordbrukslandskapet, men også en del kunnskapshull når det gjelder kvantifisering av tiltakseffekter og målretting av tiltak. Blant annet er det vanskelig å skille mellom variasjoner i værforhold og effekter av tiltak i et nedbørfelt. Målinger av erosjon og næringsstoffavrenning kan ikke gjennomføres kontinuerlig i alle vassdrag og i mange tilfeller trenger man derfor andre metoder for å vurdere omfang av erosjon og næringsstoffavrenning og effekter av tiltak, klimaendringer, osv. Disse behovene kan møtes gjennom bruk av beregningsmodeller. En beregningsmodell er en matematisk beskrivelse av et system, for eksempel et skifte eller et nedbørfelt, som kan brukes til å forutsi hvordan systemet oppfører seg under ulike betingelser. Det fins mange ulike modeller med ulik detaljeringsgrad i hvordan prosessene er beskrevet i modellen, hvor store usikkerheter som er forbundet med beregningene, hva slags inndata som trengs og hvor mye ressurser som kreves for å bruke modellen. En lang rekke modeller har vært testet ut, verifisert og brukt for å beregne effekter av tiltak under norske forhold. Eksempler er JOVA-nest/TEOTIL (Eggestad et al., 2001) og tiltaksanalysemodellen Agricat-P (Borch et al., 2010). Det er behov for en avklaring vedrørende hvilke modeller som er best egnet til å overføre og oppskalere målte data for næringsstoffavrenning fra jordbruksarealer i Norge og til å beregne tiltakseffekter. Denne rapporten sammenstiller 1) kunnskap om effekter av jordbrukstiltak på erosjon og fosfortap med vekt på jordarbeiding og 2) bruk av modeller for beregning av erosjon og fosforavrenning fra jordbruksdominerte nedbørfelt. 7

10 2. Måling av tiltakseffekter Jordbrukstiltakene som diskuteres i dette kapittelet er først og fremst de tiltakene i jordbruket som det gis tilskudd til å gjennomføre og som er direkte målrettet mot å redusere utslipp av fosfor fra jordbruksarealene, det vil si tiltakene redusert og endret jordarbeiding, vegetasjonssoner og fangdammer. Den beste måten å måle effekter av enkelte tiltak er å måle effekten under ellers like forhold der det kun er tiltaket og ingen andre kilder som varierer. For å få til dette må det gjennomføres parallelle forsøk på lokaliteter med og uten tiltak under sammenlignbare forhold med hensyn til bl.a. vær, jord og hydrologiske forhold. Ruteforsøk på Vandsemb sammenligning under ellers like forhold Effekter på skiftenivå - Vandsemb Nedbørfeltovervåking effekt av endringer i jordbruksdrift, tiltak og vær (Mørdre) Figur 2.1 Ulike skala for måling av tiltakseffekter. Tiltakseffekter kan også undersøkes på skiftenivå. Da vil det ofte være forskjell på de lokaliteter som undersøkes, enten med hensyn til vær fordi det gjennomføres ulike tiltak i ulike år, eller med hensyn til hydrologi, fordi det undersøkes på lokaliteter som ikke er fullstendig like med hensyn til bl.a. topografi og jordart. Fordelen er samtidig at den samlede effekten av tiltaket blir undersøkt. For eksempel blir effekten av jordarbeiding på både overflateavrenning og erosjon i dråg og forsenkninger inkludert i den totale effekten av jordarbeiding; og resultatet blir da mer realistisk i forhold til den effekten som oppnås i praksis. 8

11 Ved måling av tiltakseffekter på større skala, f.eks. i et nedbørfelt, vil en kunne måle den totale effekten av alle endringer som skjer i nedbørfeltet inkludert tiltakene som gjennomføres. Øvrige endringer i jordbruksdrift og variasjoner i været blir da avgjørende for om det er mulig å spore effekten av tiltak eller om de blir overskygget/motvirket av andre endringer. 2.1 Effekter av enkelte tiltak Effekter av enkelte tiltak vurderes på bakgrunn av forsøk på lokaliteter med og uten tiltak. I forsøkene blir det ofte valgt ut lokaliteter med risiko for høye tap av næringsstoffer eller for høy risiko for erosjon. Det skyldes dels at det er viktig å få gjennomført tiltak mot avrenning fra disse arealene, og samtidig at det er bedre mulighet for å måle effekter av tiltak fra lokaliteter med høye tap. I forhold til målsetningen om å oppnå god vannkvalitet er det imidlertid ofte behov for å iverksette tiltak på andre arealer i tillegg de som har størst risiko, på tross av at effekten per arealenhet er forholdsvis lav. Kunnskap om tiltakseffekter på de mest vanlige jordarter og hellinger utgjør et viktig beslutningsgrunnlag. Tiltakseffekter er her beskrevet for 1) effekt av jordarbeiding på erosjon og fosfortap, 2) effekt av vegetasjonssoner på erosjon og fosfortap, 3) effekt av fangdammer på partikkelog fosfortransport Effekten av jordarbeiding i ruteforsøk Det er gjort en sammenstilling av 20 nordiske forsøk med jordarbeiding og fosfortap (Bechmann et al., 2011). De omfatter ruteforsøk i Norge, Sverige, Finland og Danmark. Forsøksoppleggene varierer og forsøkene har hatt forskjellig varighet, ulike år og ulike behandlinger. På de fleste feltene har det kun vært registrering av overflatevann, mens det i noen også er målt i grøftevann. Ut fra sammenstillingen konkluderer vi at det mangler kunnskap om flere viktige jordarter og hellingsklasser i Norge Høstpløying gir generelt størst tap av jord og fosfor Resultatene fra ruteforsøkene viser at det generelt er større jord- og fosfortap ved høstpløying sammenlignet med andre jordarbeidingssystemer slik som høstharving, vårpløying, vårharving og direktesåing vår eller høst. Fra areal med høstkorn som ble høstpløyd før såing er det i gjennomsnitt betydelig større jordtap enn fra høstpløyd areal hvor det ikke har skjedd jordarbeiding etter pløying, men det er store variasjoner fra år til år og fra sted til sted (figur 2.2). Erosjon og fosfortap ved høstpløying til høstkorn avhenger av fuktighetsforholdene ved jordarbeiding og såing; og av hvor godt høstkornet etablerer seg. I norske ruteforsøk er det stor variasjon i effekten som oppnås ved endring fra høstpløying til jordarbeiding om våren (tabell 2.1). Verdiene i tabell 2.1 representerer gjennomsnitt over flere år og kan omfatte relativt store variasjoner mellom år. Ruteforsøkene viser at det er stor forskjell i effekt mellom ulike jordarter og hellinger, og generelt er det større effekt av redusert jordarbeiding på partikkeltapet ved høyere erosjon på arealet. Planerte felt har stor erosjon og dermed stor effekt av redusert jordarbeiding på partikkeltapet. Flere av forsøksfeltene har forholdsvis lave jordtap. På disse feltene er det i gjennomsnitt også målt mindre jordtap når det ikke jordarbeides om høsten. 9

12 Tabell 2.1 Erosjonsrisiko (kg/daa) og gjennomsnittsverdier for jordtap (kg/daa) ved høstpløying og ved jordarbeiding på våren i norske rutefelter, basert på tidsserier med måledata. Felt Erosjonsrisikoklasse* Jordtap ved høstpløying Jordtap ved jordarbeiding om våren Askim** 3 Ca 400 Ca 50 Bjørnebekk** 3 Ca 520 Ca 95 Øsaker** 2 Ca 100 Ca 20 Hellerud** 3 Ca 200 Ca 20 Syverud 3 Ca 20 Ca 10 Kvithamar*** 2 Ca 80 Ca 30 Skjetlein*** 2 Ca 70 Ca 40 Apelsvoll 2 Ca 4 Ca 2 *Erosjonsrisiko fra Skog og Landskap. Erosjonsrisikoklasse 1: 0-50 kg SS/daa; klasse 2: kg SS/daa; klasse 3: kg SS/daa; klasse 4: > 800 kg SS/daa. **kun overflateavrenning målt/mulig å ta med i dataanalysen ***tap gjennom grøftene = ca 95 % av totale tap Figur 2.2 Gjennomsnittlig effekt av ulike typer jordarbeiding i nordiske ruteforsøk Effekt på grøfteavrenning Jordtap via drensrør har vært målt i endel ruteforsøk og i små nedbørfelter rundt om i landet (Kværnø og Bechmann, 2010), på sand og lettleire med moreneopphav, på planert marin leirjord og på uplanert marin leirjord. Forsøkene viser at jord- og fosfortap via drensrørene er lave på morenejord og på uplanert marin leirjord med lavt silt- og leirinnhold. På planert leirjord og særlig på nygrøftet planert og uplanert leirjord, kan tapene være betydelige. Dokumentasjon på effekter av endret jordarbeiding på jord- og fosfortap via drensrørene er meget begrenset. Resultatene spriker fra svært positiv effekt til svakt negativ effekt av jordarbeiding om våren sammenliknet med jordarbeiding om høsten (Kværnø og 10

13 Bechmann, 2010). Alt i alt indikerer resultatene likevel at det generelt vil være en positiv effekt av redusert jordarbeiding på tap gjennom drensrørene, men at den positive effekten antagelig er noe mindre for drensvann sammenlignet med overflatevann. I figur 2.3 er det vist data for drensvann for Syverudfeltet, et rutefelt i Akershus med 13 % helling, lettleire, høyt innhold av organisk stoff og lave jord- og fosfortap. Feltet ligger i erosjonsrisikoklasse 3 ( kg SS/daa, men målte jordtap er mye lavere enn erosjonsrisikoklassen tilsier (tabell 2.1). Her er det målt mindre fosfortap gjennom drensrørene ved jordarbeiding om våren enn om høsten. Figur 2.3 Effekt av jordarbeiding om våren og høsten på fosfortap fra drensrørene i Syverudfeltet (Ås) Stor variasjon fra år til år Ruteforsøkene viser at det er stor variasjon i effekt av jordarbeiding på jordtapet mellom år og mellom ulike felt (figur 2.4). Effekten av jordarbeiding på fosfortap viser tilsvarende stor variasjon. Både Askim- og Syverudfeltet ligger i Akershus og har 13 % helling, men Askimfeltet er planert og har lavere innhold av organisk stoff og betydelig større jordtap (Figur 2.4) (Skøien et al., 2012). Effekten av jordarbeiding på våren er stor på Askim, mens den varierer mye på Syverudfeltet. Fordeling av nedbør til ulike tider av året har avgjørende betydning for effekten av jordarbeiding, for eksempel vil tidspunkt for nedbør om høsten være avgjørende for forskjellen mellom tidlig og sen høstpløying. Nedbørmengden kan også ha betydning for effekten av jordarbeiding. Snøsmeltingen er en viktig periode for overflateavrenning og erosjon, og variasjoner mellom år kan også tilskrives snø- og teleforhold de enkelte år. Enkelte år kan det være meget store tap av partikler og fosfor, selv på forholdsvis flate og lite erosjonsutsatte arealer og i disse årene vil effekten av redusert jordarbeiding normalt være stor. Ved planlegging av jordarbeidingstiltak må en vurdere om en ønsker effekt i ekstreme år med stor erosjon eller om det er gjennomsnittsåret det planlegges for. Klimaendringer som fører til økt nedbør og nedbørintensitet kan gi økt erosjon og dermed økt effekt av endret jordarbeiding. Lokale vurderinger kan også ha betydning i forhold til hvilken risiko for fosfortap en vil vektlegge. I en sårbar vannforekomst med store arealer i lavere erosjonsrisikoklasser kan det være begrenset med aktuelle tiltak. Da kan en velge å vektlegge risiko for ekstremnedbør og store tap. 11

14 Figur 2.4 Effekt av jordarbeiding på fosfortap i overflateavrenning fra Askim (øverst) og Syverud (nederst)(lundekvam, pers medd.) Betydning av jordtype Ulike jordtyper 1 viser store forskjeller i erosjon, fosfortap og effekter av jordarbeiding. Strømningsveier for vann og jordas strukturstabilitet har avgjørende betydning for erosjonen og samtidig for effekten av jordarbeiding. Generelt vil jord med stor infiltrasjonskapasitet og vannledningsevne og høy stabilitet ha mindre risiko for partikkeltap og dermed også mindre effekt av redusert jordarbeiding. På planert jord vil jordarbeidingstiltakene generelt ha stor effekt både på grøfteavrenningen og på overflateavrenningen av fosfor. På jord som i utgangspunktet har god og stabil struktur, kan imidlertid overflateavrenningen være mindre ved høstpløying enn ved jordarbeiding om våren. Pløyd jord kan ha luftigere struktur enn upløyd jord, slik at vann lettere infiltrerer. Dessuten kan vann kan bli stående i plogfårene i stedet for å renne av på overflata. Jordtapene er likevel i gjennomsnitt mindre på upløyd jord, fordi planterestene beskytter mot løsrivelse av partikler. På mer ustabile jordarter vil pløyd jord derimot fort miste evnen til å infiltrere og lagre vann fordi jordstrukturen bryter sammen når det regner, og på slik jord er risiko for både overflateavrenning og jordtap større ved høstpløying. 1 en jordtype defineres ved egenskaper som kornfordeling (tekstur), innhold av organisk materiale og grus, lagdelinger, dreneringsforhold, avsetningstype, etc. 12

15 Jordarbeidingsmetoder Harving utføres med ulike jordarbeidingsredskap, som etterlater jorda i ulik tilstand. Harvedybden, jordstrukturen og hvor mye planterester som blir liggende igjen på overflaten kan være vesentlige for resultatet av høstharving. Forskjellen mellom metodene for høstharving og høstpløying kan i noen tilfeller være liten Fosfor og algetilgjengelighet Ruteforsøkene viser at fosfortapet stort sett har nært samsvar med jordtapet, noe som skyldes at mye av fosforet er bundet til jordpartiklene. Imidlertid foreligger en del av fosforet i vannløselig form, som løst fosfat. Løst fosfat er mer algetilgjengelig enn fosfor i partikkelbundet form, og er derfor av særlig betydning for eutrofiering. En del forsøksresultater viser at det kan være økt andel av løst fosfor og totalt sett økte tap av løst fosfor ved redusert jordarbeiding. Ved direktesåing over flere år uten blanding av jord fra ulike sjikt, øker fosforinnholdet i de øverste jordlagene og flere forsøk, både i Norge og andre nordiske land, har vist at avrenningen av løst fosfor kan øke ved direktesåing. Ved overvintring i stubb er det også målt økte tap av løst fosfor i overflatevann. Utfrysing av fosfor fra planterester har sannsynligvis bidratt til økningen. Særlig konsentrasjonen av løst P øker ved overvintring i stubb. I 4 av 5 forsøk, uavhengig av erosjonsrisikoen, er det målt økte konsentrasjoner av løst P ved overvintring i stubb. På den andre siden har forsøk med høstkorndyrking i Norge vist lavere tap av løst P ved redusert jordarbeiding sammenlignet med høstpløying til høstkorn. Sammenhengen mellom jordarbeiding og avrenning av løst P er komplisert og jordas fosforinnhold har også betydning for konsentrasjonen av løst P i avrenning fra de ulike jordarbeidingssystemer. Kunnskap om betydningen av partikkelbundet og løst P for vannkvaliteten er avgjørende for vurderingen av disse resultater Ruteforsøk og erosjonsprosesser Det er flere faktorer som virker på effekten av jordarbeiding, men som ruteforsøkene ikke gir grunnlag for å vurdere. På lange hellinger får overflatevannet mer fart og det kan bli større erosjon enn på korte hellinger. På enda lengre hellinger, fortrinnsvis om terrenget flater ut, kan overflatevannet eventuelt infiltrere før det når kum eller bekk, og partikler kan sedimenteres. I et jordbrukslandskap med søkk og forsenkninger samler overflatevannet seg i vannveier og tiltak som grasdekte vannveier kan være vel så viktige som redusert jordarbeiding. Betydningen av de enkelte tiltakene må vurderes lokalt. Ruteforsøkene sier fortrinnsvis noe om erosjon og jordtap på jevne hellinger Effekt av vegetasjonssoner Vegetasjonssoner etableres som et belte av vegetasjon i tilknytning til dyrka mark og fungerer som et filter for jordpartikler og næringssalter i overflateavrenning fra jordbruksjord. Effekten av vegetasjonssoner er dokumentert under ideelle forhold med parallelle målinger av avrenning fra ruter med og uten vegetasjonssone. Kunnskapsstatus for effekt av vegetasjonssoner er oppsummert av Blankenberg og Hougsrud (2010) og gjengitt her i korte trekk Renseeffekt i vegetasjonssoner Vegetasjonssoner består ofte av gras, som høstes og evt. pløyes om hvert tredje år. Effekten av en sånn vegetasjonssone avhenger av hvordan vegetasjonssonen ligger i terrenget, og effekten øker om vegetasjonssonen er etablert med en beliggenhet hvor det er stor erosjonsrisiko. De fleste forsøk er gjennomført på arealer der vegetasjonssonen 13

16 forventes å ha god effekt og renseeffektene er derfor generelt høye. Renseeffekten for overflatevann er dokumentert ved målinger av overflatevann fra ruter med og uten vegetasjonssoner. Resultatene viser at en ideell vegetasjonssone (5-10 m bredde) kan holde tilbake: 70 % partikler 50 % fosfor 30 % nitrogen 80 % organisk material En vegetasjonssone reduserer hastigheten på overflateavrenning fra jordbruksjord og jordpartikler og jordaggregater med bundne næringssalter sedimenteres i sonen, bindes til jord eller plantedeler eller tas opp i vegetasjonen. Infiltrasjon av overflatevann er også en viktig renseprosess. Størst effekt av vegetasjonssonene får en normalt om vinteren på pløyd mark oppstrøms. Figur 2.6. Vegetasjonssoner mellom stubbåker og bekk (Foto: Eva Skarbøvik). Partikler Renseeffekten for partikler er i norske undersøkelser på leirområder på Østlandet (korn) funnet å variere fra % i vegetasjonssoner med 5-10 m bredde (Syversen, 2002). I en fransk undersøkelse (Dorioz et al., 2006) ble det funnet at tilbakeholdelse av sediment varierte fra %, med mer enn 50 % reduksjon i mer enn 95 % av tilfellene. Helmers et al.(2005) fant at gjennomsnittlig effekt av tilbakeholdelse av sediment lå på rundt 80 %. Variasjonen avhenger av mengde tilført erodert materiale og hvor stor evne vegetasjonssonen har til å redusere vannhastigheten og dermed legge til rette for sedimentasjon av erodert materiale. Fosfor Renseeffekten for total fosfor er i norske undersøkelser på leirområder på Østlandet (korn) funnet å variere fra % i vegetasjonssoner med bredde 5-10 m bredde (Syversen, 2002). Ved 4-5 m bredt vegetasjonsdekke har Kronvang et al. (2008) funnet en 14

17 tilbakeholdelse av total fosfor på %. I en fransk studie (Dorioz et al., 2006) var tilbakeholdelsen av partikulært fosfor %. Variasjonen i renseeffekt for fosfor avhenger i stor grad av om det er gode sedimentasjonsforhold i vegetasjonssonen, da størstedelen av fosforfjerning skjer gjennom sedimentering av partikkelbundet fosfor Effekt av fangdammer Det er gjort et omfattende arbeid med å dokumentere effekter av fangdammer på retensjon av partikler og fosfor under norske forhold (Braskerud, 2001). Kunnskapsstatus for effekt av fangdammer er oppsummert av Hauge et al. (2008) og referert herunder. Undersøkelsene er gjort ved å måle mengden av jordpartikler og næringsstoffer som går inn og ut av fangdammer. Det er i tillegg gjort målinger av mengde jord som er sedimentert i fangdammer over en årrekke. Figur 2.7 Måling av renseeffekt i fangdam forskjellen mellom innløp og utløp (Foto: Bent Braskerud) Tilførselsmengdene av jord og fosfor påvirker tilbakeholdelse i betydelig grad. År med stort jord- og fosfortap gir høyest spesifikk og relativ (prosentvis) tilbakeholdelse. De årlige variasjonene i virkningsgrad kan være vesentlige. Tabell 2.2 viser årlig gjennomsnittlig fjerning i fire anlegg der det var mer enn 50 % vegetasjonsdekning i dammen. Gjennomsnittlig sedimentasjon av jord per fangdam var fra 18 til 75 tonn/år. Tilbakeholdelsen av fosfor var fra 20 til 46 kg/år. 15

18 Tabell 2.2 Gjennomsnittlig tilbakeholdelse av jordpartikler og fosfor i fire fangdammer (Braskerud et al., 2005) Q/A Jordpartikler Totalfosfor Fangdam (m/d) Relativ (%) Spesifikk (kg/m 2 /år) Relativ (%) Spesifikk (g/m 2 /år) A 1, C 1, F 1, G 0, Q/A hydraulisk belastning Algetilgjengelig fosfor Tilbakeholdelse av løst fosfat (LRP) er en stor utfordring å studere som massebalanse av metodiske årsaker, og blir derfor ikke presentert her (Braskerud, 1995 og Braskerud et al. 2005). Totalt reaktivt fosfor (TRP), som regnes som algetilgjengelig under optimale forhold for algene er mer stabil. TRP-fjerningen var vanligvis ca 8 %-poeng under den relative fjerningen av totalfosfor gjennom det meste av året (jf. tabell 2.1). Om sommeren kunne fjerningen av totalfosfor avta ca 10 %-poeng sammenlignet med gjennomsnittet over året. Dette skyldes trolig mindre tilført fosfor. TRP-fjerningen økte imidlertid tilsvarende, slik at den algefølsomme fosforfjerningen i anleggene økte (Braskerud et al., 2005). Dette kan skyldes fosforopptak i alger og annen biomasse i fangdammen i den varme årstiden. Jordaggregatene er dessuten også mest stabile om sommeren, Slik at de minste partiklene sedimenterer som aggregater i stedet for å passere dammen Best når det gjelder Vanligvis vil renseeffekten i fangdammen avta når oppholdstiden avtar (Kadlec og Knight, 1996). Det skyldes at partikler får kortere tid til sedimentering. På samme måte får biologiske og kjemiske prosesser kortere tid til å omdanne næringsstoffer og andre forurensinger. Forløpet blir som beskrevet i den stiplede linja i figur 2.8: Når den hydrauliske belastningen øker, avtar rensingen. I fangdammer gjelder dette for løste næringsstoffer og pesticider. Det motsatte er imidlertid tilfellet for partikler og partikkelbundne plantevernmidler og næringsstoffer, og dermed også for fosfor. Fosforfjerningen øker med økende vannføring, både relativt (figur 2.8) og spesifikt (kg/m 2 ). Det skyldes selektiv erosjon i nedbørfeltet: Ved økende nedbør øker erosjonen av store partikler og aggregater. Høyere vannføring øker transporten av store partikler til fangdammen. Når erosjonsmaterialet når fangdammen avtar vannhastigheten og jordpartiklene sedimenterer, særlig store enkeltpartikler og aggregater. Tilbakeholdelsen i fangdammen er kompleks. I virkeligheten avtar fangdammenes renseevne med økende vannføring. Men den negative virkningen av redusert oppholdstid blir imidlertid mer enn oppveid av økt sedimentasjonshastighet på de store, fosforrike partiklene som ankommer fangdammen ved høy vannføring (Braskerud, 2002). Renseevnen øker også ved økende fosforkonsentrasjoner i bekkevannet, fordi mer fosfor bindes på partikler og sedimentoverflate. Dette skyldes at likevekten mellom fosfor i vannet forskyves i retning mot mer fosfor på partikler. 16

19 80 Tilbakeholdt fosfor (%) Løst fosfor Partikkelbundet fosfor Hydraulisk belastning (m/d) Figur 2.8 Tilbakeholdelse av fosfor i fangdammer (etter Braskerud, 2002). Fangdammers renseevne øker når tilførslene av vann og fosforrike partikler øker (forløpet på tilbakeholdelse av løst fosfor er kun et anslag, beregnet etter Kadlec og Knight (1996) og gjelder våtmarker med svært god renseffekt). 2.2 Tiltakseffekter på skiftenivå Tiltakseffekter på skiftenivå har i liten grad vært studert i Norge, blant annet fordi resultatene kan være vanskelige å tolke pga. ulike vær- og avrenningsforhold de enkelte år. De begrensede resultatene som fins gjenspeiler likevel det man finner under mer kontrollerte forhold i ruteforsøk. Det stedet der tiltakseffekter på skiftenivå er mest systematisk studert, er på Vandsembfeltet på Romerike. Skiftet er om lag 60 daa, og består av en flat siltslette (erosjonsrisikoklasse 1-2) og en ravine med planert leirjord og opptil 20 % helning (erosjonsrisikoklasse 3-4). Resultatene fra 13 år med overvåking her viser tydelige forskjeller i jord- og fosfortap for år med og uten høstpløying. Figur 2.9 Overvåking i Vandsembfeltet (Foto: Bioforsk). Vandsembfeltet ble høstpløyd i fem år ( ) av de 13 årene med overvåking. De øvrige år var det ingen høstjordarbeiding på Vandsemb. Den gjennomsnittlige årlige konsentrasjonen av partikler for årene med høstpløying (306 mg/l) var om lag fem ganger høyere enn den gjennomsnittlige konsentrasjonen for årene da jorda ikke var jordarbeidet på høsten (68 mg/l) (Tabell 2.3). Gjennomsnittet for høstpløying inkluderer ett år med svært høye tap av SS (> 300 kg daa -1 år -1 ) og fire år med lavere tap av SS (18-46 kg daa -1 år - 1 ). De årlige konsentrasjonene var imidlertid i samme størrelsesorden alle de fem årene, ettersom de svært høye tapene det ene året skyldtes uvanlig store vannmengder. 17

20 Tabell 2.3 Konsentrasjoner av partikler, totalfosfor og løst fosfat fra Vandsembfeltet med og uten jordarbeiding på høsten (Bechmann, 2012). Høstpløying Ingen høstpløying Partikler (mg/l) Totalfosfor (µg/l) Løst fosfat (µg/l) Tilsvarende var konsentrasjonen av totalfosfor fra Vandsemb var 795 µg/l i gjennomsnitt for år med høstpløying og 279 µg/l for år uten høstjordarbeiding. For løst fosfat var konsentrasjonene 176 µg/l og 134 µg/l i gjennomsnitt for år med hhv. høstjordarbeiding og ingen høstjordarbeiding (tabell 2.3). Effekten av jordarbeiding om våren var altså større for partikkelkonsentrasjonen enn for konsentrasjonen av totalfosfor. Den gjennomsnittlige effekten av å unngå høstpløying på Vandsemb-skiftet tilsvarer effekten anslått av Lundekvam (2002) ut fra ruteforsøk, hvor erosjon ved jordarbeiding om våren var ca. 15 % av erosjon ved jordbearbeiding på høsten. Effekten av endret jordbearbeiding på tap av totalfosfor var mindre enn for jordtap. Denne forskjellen kan skyldes at det er de fineste partiklene, som også har høyest innhold av fosfor, som eroderer. Dermed er fosforinnholdet i erodert materiale vanligvis høyere enn jorda som det eroderes fra. Denne prosessen kalles anrikning av fosfor (Gburek et al., 2005). Ved stor erosjon er anrikningen mindre og det er ofte hele jorda som eroderes. Tapene av løst fosfat viste også en liten reduksjon ved endret jordarbeiding. 2.3 Effekter av tiltak på nedbørfeltnivå Forbedring av vannkvaliteten i en resipient er avhengig av den effekten et tiltak i nedbørfeltet har på tilførsler til resipienten. Men fra et nedbørfelt måler en summen av alle endringer som har skjedd i nedbørfeltet og ikke effekten av enkelte tiltak. I forbindelse med «Handlingsplan mot landbruksforurensning» ble det gjennomført overvåking i parallelle nedbørfelt med og uten tiltaksgjennomføring. Det viste seg å gi store utfordringer på grunn av mange andre mer eller mindre tilfeldige påvirkninger som skjedde samtidig i feltene. Grunnlaget som nå finnes for å vurdere tiltakseffekter på nedbørfeltnivå er resultater fra Program for jord og vannovervåking (JOVA) Effekter av jordarbeiding Det er gjennomført en omfattende endring i jordarbeiding på kornarealer i Norge i løpet av de siste 20 år. Disse endringene har også til en viss grad blitt registrert i JOVA-programmet og effektene på jord- og fosfortap er blitt undersøkt i flere prosjekter tilknyttet JOVA. Effekter av jordarbeidingstiltak slik som endringer fra høstpløying til høstharving eller overvintring i stubb er mest aktuelt i nedbørfeltene som ligger på Østlandet. Resultater fra ruteforsøk og fra Vandsemb-feltet (avsnitt 2.2) har vist at overvintring i stubb kan redusere erosjon og avrenning av fosfor på skiftenivå. Vi har vurdert endringen i jordarbeiding i to felter som overvåkes i JOVA-programmet: Mørdre og Skuterud, begge i Akershus. Skuterud har en gjennomsnittlig erosjonsrisiko ved høstpløying på ca 100 kg jord/daa (erosjonsrisikoklasse 2) og i Mørdrefeltet er gjennomsnittlig erosjonsrisiko ved høstpløying ca 500 kg jord/daa (erosjonsrisikoklasse 3). På bakgrunn av erosjonsrisiko ved høstpløying og faktorer for effekt av jordarbeiding basert på resultater fra rutefelt er forventet jordtap fra jordbruksarealene i de to felt estimert. Resultatene viser at det i Mørdrefeltet er det gjennomført jordarbeidingstiltak som ut fra effekt i ruteforsøk og forventes å 18

21 redusere jordtapet med 33 % i perioden fra 1992 til Tilsvarende i Skuterudfeltet er det gjennomført endringer i jordarbeidingen som forventes å redusere jordtapet med 25 %. Effekten av endring i jordarbeiding i nedbørfeltene som overvåkes i JOVA-programmet har ikke vært tydelig i målingene. Det skyldes bl.a. at det er meget stor årlig variasjon i avrenning av næringsstoffer på grunn av ulike værforhold de enkelte år. Dessuten har det i noen felt vært en generell økning i avrenningen fra 1990-tallet til 2000-tallet og dette bidrar til høyere tap i den siste del av overvåkingsperioden. Dette gjelder bl.a. Skuterudfeltet som er valgt som eksempel for modelleringen i dette prosjektet (se kapittel 4). Resultatene fra Skuterudfeltet viser at de målte jordtapene i bekken generelt er mindre i år der forventet jordtap er lavere (figur 2.10). Det vil si de år hvor det er mye overvintring i stubb og lite høstpløying på jordbruksarealene. Retensjons- og erosjonsprosesser i nedbørfeltet utenom jordbruksarealene og variasjoner i været er årsak til en del av variasjonen i målte jordtap. Resultater fra Mørdrefeltet viser at forventet effekt av endringen i jordarbeiding på skiftene i nedbørfeltet viser en utydelig sammenheng med jordtapene som måles i bekken (figur 2.10). Analyser av tiltakseffekter i Mørdrefeltet er gjort på data fra Det forventede jordtapet fra skiftene i denne perioden er de fleste år høyere enn det målte jordtapet fra hele feltet. Det kan evt. tyde på at det skjer noe sedimentasjon og retensjon av jordpartikler i nedbørfeltet, men også usikkerhet i vurderingen av forventet jordtap har betydning. Årlige variasjoner i været gir dessuten anledning til uventede jordtap fra feltet, bl.a. i året 2005/06 i Mørdre var de målte jordtapene mye høyere (400 kg/daa/år) enn de forventede og det skyldes nedbør samtidig med snøsmelting i april. Mange andre prosesser enn flateerosjon bidrar til jordtapet i Mørdrefeltet. Kartlegging viser at bl.a. erosjon i dråg og forsenkninger har stor betydning enkelte år (Øygarden et al., 2003). Figur 2.10 Sammenhengen mellom forventet (modellert) og målt jordtap i nedbørfeltene Skuterud og Mørdre (Bechmann, 2012) Effekter av gjødsling I to av nedbørfeltene i JOVA er det registrert en reduksjon i fosforgjødsling gjennom overvåkingsperioden. Effekter i bekken er likevel vanskelig å registrere. Årlige variasjoner i fosfortap fra jordbruksarealer er i de fleste bekker påvirket av været og jordtapene. 19

22 Endringer på grunn av fosforstatus er derfor vanskelige å identifisere. Det er heller ikke mulig å identifisere en tydelig effekt på fosfor/partikkel-forholdet i avrenningen. Fosforgjødsling i to felt i JOVA Fosfortap fra to felt i JOVA Figur 2.11 Reduksjon i fosforgjødsling i to JOVA-felt og tilsvarende fosfortap (g/daa jordbruksareal/år) Tiltakseffekter i vestre Vansjø I vestre Vansjøs nedbørfelt ble det ved hjelp av midler fra Landbruks- og matdepartementet i 2007 satt i gang et prosjekt for å fremme tiltaksgjennomføringen. I prosjektet inngikk miljøavtaler med bøndene. Miljøavtalene inkluderte endret jordarbeiding, redusert fosforgjødsling, vegetasjonssoner og etablering av fangdammer. Det ble stor tilslutning til miljøavtalene og 75 % av arealet ble med. Samtidig fikk bøndene tilbud om miljørådgiving og hvert gårdsbruk ble besøkt en eller to ganger i løpet av de første årene med miljøavtaler. Tiltaksgjennomføringen ble omfattende, spesielt med hensyn til reduksjon i fosforgjødsling (tabell 2.4). Samtidig ble det i denne perioden gjort forbedringer i anlegg for spredt avløp. Tabell 2.4 Fosforgjødsling på jordbruksarealer i vestre Vansjøs nedbørfelt. Fosforgjødsling (kg P/daa/år) ,2 1,1 0,6 0,4 0,5 I åtte delnedbørfelt innenfor vestre Vansjøs nedbørfelt ble partikkel- og fosforkonsentrasjonen overvåket fra 2006 og effekten av den omfattende tiltaksgjennomføringen evaluert. Overvåkingen besto i stikkprøver i bekkene hver 14. dag pluss prøver ved høy vannføring. Resultatene viser ingen tydelige trender i tap av fosfor og jordpartikler, men det er registrert en reduksjon i innhold av fosfor i jordpartikler i de åtte bekkene (tabell 2.5). 20

23 Tabell 2.5 Årlige middelverdier for TP/SS forhold for 6 bekker i perioden 2006 til P- verdier <0,05 viser statistisk signifikante endringer i årlig gjennomsnittlig TP/SS-forhold. Bechmann & Øgaard (in press). År Aug Gut Spe Hug Stø Vas TP/SS 2006/07 5,9 7,7 9,1 10,8 20,6 15,9 2007/08 5,0 4,5 6,7 9,5 34,9 13,6 2008/09 3,8 4,0 5,7 9,2 20,6 8,1 2009/10 3,3 4,9 4,6 7,2 17,3 9,1 2010/11 2,6 3,6 4,9 5,4 22,9 9,9 P-verdi 0,047 0,001 0,17 0,28 0,18 0,24 Alle bekkene unntatt Støa viste en avtagende trend over tid i TP/SS forholdet, men nedgangen var bare signifikant for Augerød og Guthus. I Augerød, Guthus og Sperrebotn var det renovering av flere spredte avløp i løpet av 2007, mens i de øvrige bekkene var renoveringen foretatt før reduksjonen i TP/SS forholdet fra 2007 til 2008 i disse bekkene kan sannsynligvis tilskrives denne renoveringen. Videre reduksjon i TP/SS forholdet kan være et resultat av den betydelige reduksjonen i fosforgjødsling (60-90 %) Muligheter og begrensninger ved måling av effekter i nedbørfelt Overvåkingsdata fra små, jordbruksdominerte nedbørfelter kan gi verdifull informasjon om avrenning av næringsstoffer og erosjon under ulike betingelser (produksjonssystemer, topografi, jordsmonn og klima). Det kan likevel være vanskelig å påvise tydelige effekter på vannkvalitet av tiltaksgjennomføring. Tiltaksgjennomføringen i nedbørfeltene i JOVA ikke total. Det blir gjennomført tiltak i varierende grad de enkelte år og det er f.eks. ikke noen entydig trend i jordarbeidingen på Østlandet gjennom overvåkingsperioden. Da JOVAfeltene ble etablert hadde man allerede begynt å sette i verk tiltak mange steder, dermed kan det hende at tilstanden før tiltak ble iverksatt ikke er godt nok representert i disse feltene. Det skjer det en utvikling i landbruket som kan påvirke avrenningen både i positiv og negativ retning. Bl.a. har en økning i husdyrtettheten i to felt er årsaken til økt gjødslingsnivå. Andre endringer som f.eks. jordpakking og dreneringstilstand blir ikke registrert i programmet, men kan likevel være med på å påvirke avrenningen. Dessuten har man kun registrert informasjon om et fåtall faktorer som fører til endring - i JOVA-feltene registreres kun hva bøndene gjør på skiftene sine, samt at meteorologiske data for feltene eller områder i nærheten er tilgjengelige. Det er begrenset informasjon om hva som skjer der det er annen arealbruk enn dyrka mark (skog, bebyggelse). Hogst og byggeaktivitet kan potensielt påvirke vannkvaliteten, men det er vanskelig å kvantifisere bidraget. Også på dyrka mark kan det skje ting som forsterker eller motvirker effekter av tiltak, kan det for eksempel tenkes at økende grad av jordpakking motvirker effekten av å redusere arealet som jordarbeides om høsten. På nedbørfeltnivå vil det dessuten være en del prosesser som bidrar til erosjon og næringsstofftransport, men som ikke er påvirket av tiltak i jordbruket. F.eks. vil erosjon i bekkekanter og erosjonsepisoder i skog og utmark kunne bidra mer i enkelte år på grunn av særlige værforhold. Marine sedimenter har et naturlig høyt innhold av fosfor, og bakgrunnsavrenning fra slike sedimenter bidrar derfor til det totale fosfortapet. 21

24 I de tilfellene tiltakseffekter kan påvises ut fra overvåkingsdataene, kan det være vanskelig å skille ut hvilke tiltak som har virket og hvilke som ikke har virket, og eventuelle positive eller negative interaksjoner mellom ulike tiltak. Man kan heller ikke si noe om effekter av tiltak som er aktuelle å gjennomføre, men som ikke har vært prøvd i feltet. En viktig faktor er dessuten værets betydning for avrenningen det enkelte år. JOVA har lange tidsserier (ca 20 år), som gir et godt uttrykk for betydningen av variasjoner i været. Likevel er tidsseriene ikke lange i forhold til å identifisere mindre effekter av tiltaksgjennomføring. Hvis det parallelt med tiltaksgjennomføringen har blitt mer nedbør og mer ekstremvær, eller større variasjon mellom enkelte år, kan dette også bidra til å dekke over eventuelle tiltakseffekter. Endra værforhold fører til endringer i hydrologisk respons både vannmengden, flomtoppene og strømningsveiene. Normalisering av avrenningsdata kan hjelpe til med å isolere effekter av tiltak fra vær, men bruk av hydrologisk baserte modeller vil gi et bedre grunnlag for å isolere vær og tiltakseffekter. 22

25 3. Beregningsmodeller Måling av erosjon og næringsstoffavrenning kan ikke gjennomføres kontinuerlig i alle vassdrag og dessuten er det en del utfordringer med hensyn til tolking av overvåkingsresultatene med hensyn på tiltakseffekter. Derfor er det nyttig å bruke beregningsmodeller for vurdering av erosjon og næringsstoffavrenning fra umålte felt. Modellene kan dessuten brukes til å estimere hva som vil skje i et framtidig klima (se forrige kapittel) og for å vurdere effekten av tiltak. En matematisk modell er en beskrivelse av et system, i denne sammenhengen for eksempel et jordprofil, et skifte, et nedbørfelt eller en større region, i form av matematiske konsepter og likninger. Slike verktøy kan brukes til å forutsi (predikere) hvordan systemet oppfører seg under ulike betingelser. Disse verktøyene er imidlertid ikke uavhengige av måledata. Måledata er helt essensielle i både utvikling og verifisering av modellene før de kan brukes i situasjoner der måledata mangler. Typiske problemstillinger for bruk av modeller omfatter: Forskning: oftest komplekse modeller (detaljert prosessbeskrivelse) som brukes for å få ny og bedre innsikt i prosesser og årsak-virkning. Prediksjon: mange typer modeller, både komplekse og enkle, som brukes til o Varsling/prognoser (for eksempel flom- og skredfarevarsling) o Beregne tilførsler ved aktuell status (karakterisering, tilstand) o Beregne tilførsler ved endret arealbruk, klima og driftspraksis o Planlegging og design (for eksempel planlegging av tiltak, design av dreneringssystemer, etc.) o Avlede effektive eller optimale strategier 3.1 Klassifikasjon av modeller Det fins mange typer modeller som kan brukes til dette formålet, og det er mange faktorer som bestemmer hvilke modeller som er egnet under hvilke betingelser. En meget forenklet klassifikasjon av modeller er presentert i figur 3.1. Grovt sett kan modellene deles inn i fysisk baserte, konseptuelle og empiriske modeller, der de fysisk baserte er mest komplekse og de empiriske minst komplekse med hensyn til både prosessbeskrivelse, romlig og tidsmessig representasjon. Empiriske modeller framkommer gjerne gjennom en statistisk analyse mellom systemresponsen (Q, SS, P, N) av interesse og ulike faktorer som man mener påvirker responsen, uten å ta hensyn til fysiske lover. De fysisk baserte modellene, derimot, representerer fysiske hydrologiske prosesser som fordamping, infiltrasjon, strømning i mettet og umettet sone, og andre biogeokjemiske prosesser eksplisitt, ofte formulert som ikke-lineære partielle differensiallikninger. Slike modeller er definert ved at alle modellparametre er målbare og har en fysisk betydning, og skal i teorien kunne beregne en respons uten å validere modellen (sjekke hvor godt samsvar det er mellom modellresultat og måledata). De konseptuelle modellene har en forenklet representasjon av prosessene i systemet og modellstrukturen er ofte basert på en skjematisk lagringskapasitet. Ikke alle modellparametre har en direkte fysisk betydning, og disse må som regel estimeres ved kalibrering, dvs. at man endrer modellparametre med hensikt å forbedre samsvaret mellom modellberegninger og målinger. Fysisk baserte og konseptuelle modeller er ofte mer detaljerte i sin representasjon av tid og rom enn det de empiriske modellene er. Med hensyn til skala har vi her skilt mellom profilskalamodeller, nedbørfeltmodeller og storskalamodeller. Profilskalamodellene simulerer endimensjonal vertikal strømning og transport. De brukes på profil-, rutefelt- og skifteskala, men kan noen ganger med hell 23

26 brukes også på større skala (ved oppskalering). Modeller for større skalaer (nedbørfelt og storskala) beskriver gjerne både det vertikale og horisontale planet og dekker vanligvis flere kombinasjoner av jordtype, topografi, arealbruk og til og med klima. Dette kan løses på flere måter. Enkleste variant, en lumped modell, behandler nedbørfeltet som en enkelt enhet, med inndata og parametre som representerer hele denne enheten. Den beregna responsen gjelder for hele enheten. I distribuerte modeller er beregningene romlig fordelt i landskapet ved at feltet deles inn i flere elementer, for eksempel gridceller. Hver grid-celle har egne inndataverdier, parametre og grenseverdier, og beregningene gjøres for hver grid-celle. Transportprosesser i landskapet er også beskrevet, overflateavrenning rutes fra grid-celle til grid-celle. Semi-distribuerte modeller er en mellomting mellom lumped og distribuert: Den som kjører modellen deler opp nedbørfeltet i en grad som er hensiktsmessig ut fra datatilgangen. Utgangspunktet for oppdelingen kan f.eks. være å ha et overkommelig antall enheter basert på kombinasjon av jordtype og arealbruk. De empiriske modellene er gjerne statiske, dvs. at tidsdynamikken ikke er representert, mens de fysisk baserte og konseptuelle modellene oftest er dynamiske. Dynamiske modeller kan være episodebaserte eller kontinuerlige: De episodebaserte modellene simulerer kun enkeltepisoder, som kan vare i under en time eller opp til noen dager, og er derfor egnet til å simulere responser som i stor grad styres av episoder (gjelder særlig erosjon). De kontinuerlige modellene simulerer over en lengre, sammenhengende periode, og dekker derfor flere episoder, og de opererer med en tidsoppløsning fra timer til år. Alle modelltypene har sine styrker og svakheter. Generelt kan man si at med avtakende kompleksitet reduseres kravet til inndata og brukerens kompetanse, og modellen er lettere å sette opp og parameterisere, men samtidig øker usikkerheten i beregningene og modellens overførbarhet til andre områder (ekstrapolering) er betydelig mer begrenset. I teorien er de komplekse modellene bedre egnet til å beregne effekter av endringer ettersom usikkerheten er mindre, mens dette i praksis kan være meget tidkrevende og vanskelig. Figur 3.1. Skjematisk framstilling av en forenklet klassifikasjon av beregningsmodeller. Kompleksiteten avtar fra venstre mot høyre. 3.2 Modeller brukt i Norge I Norge har man brukt mange ulike modeller for å beregne tap fra landbruksdominerte nedbørfelt og større regioner. Disse modellene er oppsummert i tabell 3.1, og blir beskrevet mer i detalj i de følgende avsnittene. 24

27 Tabell 3.1. Modeller som har blitt brukt til å simulere hydrologi, erosjon og næringsstofftap fra landbruksdominerte nedbørfelter og regioner i Norge. Det er indikert om modellene har vært brukt i scenario-analyser og/eller i umålte felt. For modeller med * er det pr svak eller ingen kompetanse i norske modelleringsmiljøer. ** indikerer at modelleringen er utført på oppdrag fra forvaltningen, ellers er modelleringen utført som del av forskningsprosjekter. Modell Element Felt/region Scenarier? Umålte felt? Enkle balanse- og empiriske modeller USLE a SS Jordsmonnkartlagt areal i Norge 1 Nei Ja** JOVA-nest/TEOTIL b N, P Hele Norge 2 Nei Ja** WebGIS avrenning c SS, P Vansjø-Hobøl, Halden, Leira, Ja** Ja** Vestfold 3 Agricat-P d SS, P Skuterud, Vansjø-Hobøl, Halden, Ja** Ja** Bunnefjorden, Kolstad, Hadeland 4 NLES-CAT e * Q, N, P Vansjø-Hobøl 5 Nei Nei NOPOLU f * N, P Vansjø-Hobøl 5 Nei Nei MONERIS g * N, P Vansjø-Hobøl 5,6 Nei Nei SA h * N, P Vansjø-Hobøl 6,7 Nei Nei Semi-distribuerte nedbørfeltmodeller HBV i Q Skuterud 9,10 Nei Nei INCA j Q, SS, P, N Skuterud 9,15, Vansjø-Hobøl 16 Ja** Nei EveNFlow x * Q, N, P Vansjø-Hobøl 5,6,17 Nei Nei HYPE k * Q, SS, P, N Skuterud u Nei Nei Distribuerte nedbørfeltmodeller SWAT l Q, SS, P, N Skuterud 9,u, Vestre Vansjø u,5,6,17 Ja Nei MIKE-SHE m * Q Skuterud 10 Ja Ja LISEM n Q, SS Skuterud 18,19 Nei Nei EROSION-3D o Q, SS Skuterud 19 Nei Nei WEPP p Q, SS Vandsemb 20 Nei Nei EUROSEM q * SS Mørdre, Auli 11 Ja Nei PESERA r SS Skuterud, Mørdre, Akershus u Nei Ja** Profilskalamodeller COUP s Q, N Skuterud 8,9,10, Mørdre, Auli 11, Ja Ja Hedmark, Trøndelag, Jæren, Sørøstlandet SOILN_NO t N Skuterud 8, Mørdre, Auli 11, Hedmark, Ja Ja Trøndelag, Jæren, Sørøst-landet 12 DRAINMOD u Q Skuterud 9 Nei Nei SOILNDB v Q, N Mørdre 13 Nei Nei ERONOR w * Q, SS, (P) Skuterud 14, Hedmark, Trøndelag, Jæren, Sørøst-landet 12 Ja Ja Kombinert profilskala- og nedbørfeltmodeller NL-CAT y * Q, N, P Vansjø-Hobøl 5,6,17 Nei Nei TRK z * Q, N, P Vansjø-Hobøl 5,6,17 Nei Nei Referanser modeller: a Wischmeier og Smith (1965), b Eggestad et al. (2001), Tjomsland og Bratli (1996); c Turtumøygard et al. (2005;2010); d Borch et al. (2010), e Simmelsgaard et al. (2000); f EEA/IFEN (2000); g Behrendt et al. (2000); h OSPAR (2000); i Bergström(1995), j Wade et al. (2002a;b); k Lindström et al. (2010); l Neitsch et al. (2009), m Graham og Butts (2005); n Jetten (2002); o Schmidt (1996); p Flanagan og Nearing (1995); q Morgan et al. (1998); r Irvine and Kosmas (2007); s Jansson og Karlberg (2004); t Vold (1997); u Skaggs (1980); v Johnsson et al. (2002); w Lundekvam (2002); x Anthony et al. (1996); y Schoumans et al. (2005); z Btandt og Ejhed (2003). Referanser bruk i Norge: u = ikke publisert, 1 Skog og Landskap, 2 Selvik et al. (2007), 3 Blankenberg et al. (2008); Syversen et al. (2004); Turtumøygard og Øygarden (2003); 4 Borch og Turtumøygard (2008); Øygarden et al. (2010), Borch (2009); Borch et al. (2011); 5 Schoumans et al. (2009), 6 Hejzlar et al. (2009), 7 Kronvang et al. (2009), 8 Deelstra og Bechmann (2000); Deelstra et al. (2002), 9 Deelstra et al. (2010), 10 Kalantari (in prep. a;b), 11 Botterweg et al. (1998); Vatn et al. (1996), 12 Vatn et al. (2002; 2006), 13 Kværnø et al. (2001), 14 Lundekvam (2004), 15 Farkas et al. (2012), 16 Barkved et al. (2010), 17 Silgram et al. (2009 a;b), 18 Kværnø og Stolte (2012), 19 Starkloff (2012), 20 Povilaitis et al. (1996). 25

28 3.2.1 Enkle modeller De mest brukte enkle modellene er basert på næringsbalansekonsepter og empiriske sammenhenger, og omfatter USLE, WebGIS avrenning, Agricat-P og JOVA-nest. Et utvalg andre enkle modeller har også vært testet i et norsk vassdrag i et EU-prosjekt EUROHARP, men disse vil bli omtalt i avsnitt I Norge blir slike modeller i stor grad brukt på bestilling fra forvaltningen, eller forvaltningen har selv brukt dem, for å beregne tilførsler av N og P fra jordbruket og effekter av tiltak Universal Soil Loss Equation Universal Soil Loss Equation (USLE) beregner langsiktig gjennomsnittlig årlig jordtap fra en helning, på plotskala (standard USLE-plot er 22 m lange med 9 % helning). Den dekker kun flate- og rilleerosjon, og ikke gully-, vind- og jordarbeidingserosjon. USLE brukes til å vurdere aktuell erosjon opp mot verdier for tolerabel erosjon, vurdere erosjonsrisiko og tiltak mot erosjon. Likningen er som følger: A =R x K x LS x C x P (1) A = potensielt langsiktig gjennomsnittlig årlig jordtap (tonn/daa/år) R = nedbør- og avrenningsfaktor K = faktor for jordas eroderbarhet, som avhenger av tekstur, struktur, organisk materiale og permeabilitet LS = helningsfaktor, relativt til standard USLE-plot C = vekst/vegetasjons- og jordarbeidingsfaktor, relativt til brakk med høstpløying P = tiltaksfaktor reflekterer praksis som skal reduserer avrenning I Norge har det vært utstrakt bruk av USLE, den brukes i dag som grunnlag for erosjonsrisikokart fra Skog og Landskap, som igjen danner grunnlag for tilskudd til redusert jordarbeiding. I disse kartene framstilles erosjonsrisiko ved høstpløying. Et eksempel er vist i figur 3.2. Likningen som ligger til grunn for erosjonsrisikokartene er noe modifisert basert på måledata fra Romerike. Jordtap beregnet i USLE brukes også som input til eller del av flere andre modeller, blant annet GIS avrenning, Agricat-P, JOVA-nest, SWAT, m.fl. De norske erosjonsrisikokartene er for øyeblikket under revisjon, da USLE-tilnærmingen ikke synes å være tilstrekkelig god for dette formålet. Figur 3.2. Eksempel på erosjonsrisikokart (Skog og Landskap) 26

29 WebGIS avrenning og Agricat-P WebGIS avrenning og Agricat-P er to enkle, statiske, stort sett empirisk baserte modeller som er utviklet ved Bioforsk, og som i dag er mye brukt i tiltaksanalyser på bestilling fra forvaltningen. WebGIS avrenning er et internettbasert kartverktøy. Forløperen GIS avrenning ble utviklet i perioden i samarbeid med SLF/LMD. Beregninger av jordtap er basert på erosjonsrisikokartene fra Skog og Landskap, kombinert med data for drift, jordarbeiding og tiltak. Begrensningene i erosjonsrisikokartet forplanter seg dermed til beregningene i WebGIS avrenning. Modellen legger inn C-faktor på grunnlag av kodet driftstype og kobler denne til erosjonsrisikokartet for å beregne flateerosjon på det enkelte skifte. Beregningene i GIS avrenning er basert på driftsdata fra sentrale registre, mens WebGIS avrenning er tilrettelagt for å registrere søknader om regionale miljøtilskudd (RMP), og slik framskaffe driftsdata med høyere presisjonsnivå. WebGIS avrenning brukes direkte av kommunene/ fylkesmannen/vannforvaltningen til å beregne effekter av RMP-tiltakene som gjennomføres. Eksempler på steder der modellen er brukt er Morsa, Haldenvassdraget, Leira og Vestfold (Blankenberg et al., 2008; Syversen et al., 2004; Turtumøygard og Øygarden, 2003). I senere tid har man også lagt til enkle rutiner for å beregne P-tap man antar at P-tapet utgjør en fast andel av jordtapet. Andelen er avhengig av dyrkingssystemet. Modellen har aldri blitt validert mot måledata, til tross for at den er mye brukt. Figur 3.3. Kartutsnitt fra WebGIS avrenning. Vi ser skiftegrenser, vassdrag, veger, bygninger og arealer med ulike typer drift (hentet fra Turtumøygard et al., 2010). Behovet for modellering av mer detaljerte tiltakseffekter enn hva GIS-avrenning kunne produsere, førte til at Bioforsk utviklet modellen Agricat-P. Denne modellen har større fleksibilitet til å beregne effekter av ulike tiltaksstrategier, vekstvalg, jordarbeiding og rensetiltak. Modellen er også basert på erosjonsrisikokart (med de begrensningene som følger med dette) og C-faktorer, men det ble innarbeidet en rekke forbedringer av forholdet mellom jordtap og fosfortap, mellom grøftetap og overflateavrenning og effekter av redusert fosforinnhold (P-AL tall) i jord. En prinsippskisse for Agricat-P er vist i figur

30 Figur 3.4. Prinsippskisse for Agricat-P (Borch et al., 2010). Agricat-P beregner både miljøeffekter og kostnadseffektivitet av ulike tiltak, særlig i forbindelse med EUs rammedirektiv for vannkvalitet, og kan brukes til å målrette og prioritere tiltak. Simulerte SS- og P-tap har vært sammenliknet med målte data fra JOVAfeltene Skuterud og Kolstad, blant annet. Agricat-P er også en GIS-basert modell som bruker som grunnlag jordsmonnkart (tekstur, bakkeplanering, helningsgrad, erosjonsrisiko) fra Skog og Landskap, jorddatabanken ved Bioforsk (P-AL-tall fra siste 7 år), digital terrengmodell for beregning av nedbørfeltgrenser og areal, avrenningskart fra NVE og driftsdata på gårdsnivå fra SSB eller søknader om produksjonstilskudd. Gårdsdata kan alternativt hentes inn på skiftenivå direkte fra bønder. Informasjon om vegetasjonssoner og fangdammer får man enten fra bøndene eller fra landbrukskontorene, og disse tegnes inn i GIS-programmet basert på feltmålinger hvis de er faktiske, eller ved beregninger i GIS-programmet hvis det er snakk om et simulert tiltak. Agricat-P har vært brukt i mange nedbørfelter og regioner i Norge for å simulere effekter av tiltak mot erosjon og P-tap (Borch and Hauge, 2008; Borch and Turtumøygard, 2008; Borch, 2009; Øygarden et al., 2010; Borch et al., 2011). Agricat P er brukt i forbindelse med EUs vanndirektiv i vannområdene Morsa, Lysakerelva, Haldenvassdraget, og Bunnefjorden, samt i Halden og Fredrikstad kommune. 28

31 P tap (g/daa)/ss tap (kg/daa) Morsa SS tap P tap Figur 3.5. Scenarier for tiltaksgjennomføring i Vansjø-Hobølvassdraget (Morsa) i Akershus og Østfold, beregnet i Agricat-P. Dagens: dagens drift; S1-3: Alt kornareal i stubb + ingen endring P-AL og P-AL reduksjon til 10 og 7; S4-6: Alt kornareal i stubb + gras i erosjonsklasse 4 + ingen endring P-Al og P-AL reduksjon til 10 og 7; S7: Høstharvet areal i stubb; S8: Stubb på erosjonsutsatt + stubb på utvidet flomutsatt og vassdragsnært areal; S9-11: 20 % av kornarealet fristilt (valgfri drift) + ingen endring P-AL og P-AL reduksjon til 10 og 7; S12: 40 % av kornarealet fristilt (valgfri drift). Modifisert etter Øygarden et al. (2010). Web-GISavrenning og Agricat-P bygger på like prinsipper for beregning av fosfortap og man ser i dag på muligheten for å slå sammen de to modellene JOVA-nest/TEOTIL JOVA-nest har vært brukt som del av TEOTIL-beregningene som ligger til grunn for nasjonal rapportering til OSPAR. Modellen består av to empiriske ligninger som beregner tilførsler av N og P fra jordbruksområder. Den er utviklet ved statistisk analyse (multippel lineær regresjon) av data fra fem JOVA-felter. De faktorene som var statistisk signifikante er inkludert i modellen, og omfatter for nitrogen avledede variabler av jordas innhold av organisk stoff, nitrogen balanse, jordarbeiding, avrenning, temperatur og andel eng. Man kan dermed beregne effekter av tiltak og praksis som er knyttet til disse variable. Funksjonen for N-tap er uttrykt som: N-tap = Q 1.5 SOM N_ bal_pos_tilled Q_t tilldays temp_sum_t aharv_q_meadow (2) der N-tap = totalt N-tap (kg/daa) SOM = Organisk material i jord (%) N_bal_pos_tilled = N-balanse (kg/daa) på skifter som er jordarbeidet (ikke eng): N i mineralgjødsel + husdyrgjødsel + atmosfærisk N-deposisjon minus N opptatt i planter Q_t3 = avrenning i perioden januar til april (mm) tilldays = antall dager med middeltemperatur over null mellom jordarbeiding og 1. mai temp_sum_t1 = sum av døgnmiddeltemperaturer over null i perioden mai til august aharv_q_meadow = avrenning fra eng etter høsting av korn (avrenning engareal kornareal) (mm). For fosfor er tapet avhengig av jordas fosforinnhold (P-AL), avrenningen og partikkeltapet. Partikkeltapet er beregnet på grunnlag av jordsmonnkart og fosfortapet er uttrykt som: 29

32 P-tap = PAl Q SS (3) der P-tap = Totalt P-tap (g/daa) PAl = P-status i jord (mg P/100 g jord) Q = Avrenning (mm) SS = Jordtap (kg/daa) Inndataene til JOVA-nest omfatter: temperatur, nedbør (tilgjengelig fra Meteorologisk Institutt, Bioforsk og UMB), vannføring estimert som nedbør minus evapotranspirasjon (sistnevnte estimert fra vannbalanser i JOVA-felter og antatt representative for større regioner), N-deposisjon (fra NILU), organisk materiale og P-AL i jord (fra Jorddatabanken ved Bioforsk), driftsdata (fra SSB, søknader om produksjonstilskudd, jordbrukstellinger), avlinger (fra Statkorn AS), erosjonsrisiko og topografi (Skog og Landskap). Regresjonsmodeller gjelder normalt kun for de områder og perioder som de er utviklet for. Det er derfor knyttet en del usikkerheter til bruk av modellen i områder med andre karakteristika enn de fem JOVA-feltene som ble brukt i utvikling av modellen og under andre klimaforhold enn de som var rådende i perioden måledataene er hentet fra. Modellen brukes imidlertid i dag for hele landet. Figur 3.6 viser eksempler på N- og P- tilførsler beregnet i TEOTIL for en kyststrekning i Norge. Figur 3.6. Nitrogen- og fosfortilførsler fra antropogene kilder og fra jordbruk alene til kyststrekningen mellom svenskegrensa og Lindesnes i 1985 og i , beregnet med TEOTIL-modellen (JOVA-nest for tilførsler fra jordbruk). OSPAR-konvensjonen satte som mål å redusere de antropogene tilførslene med 50 % i forhold til 1985-nivå, og dette målet ble oppnådd i 2006 for fosfor, men er ikke nådd for nitrogen. Figur basert på data fra Selvik et al. (2007). 30

33 3.2.2 Fysisk baserte og konseptuelle nedbørfeltmodeller De fleste av modellene i denne kategorien er angivelig fysisk baserte, men inneholder i varierende grad konseptuelle og empiriske løsninger. De mest fysisk baserte modellene i denne kategorien er romlig distribuerte, mens de mer konseptuelle er semi-distribuerte. I Norge har vi kompetanse på de distribuerte modellene LISEM, EROSION-3D, SWAT og PESERA, og de semi-distribuerte modellene INCA og HBV. En tredje semi-distribuert modell, HYPE, har også så vidt vært prøvd. Disse modellene har til nå kun vært brukt i forskningsprosjekter, med unntak av INCA som har vært brukt for å besvare spørsmål om tiltakseffekter fra forvaltningen, og PESERA som grunnlag for å utvikle nye erosjonsrisikokart INCA INCA er en semi-distribuert nedbørfeltmodell som simulerer hydrologi, inkludert prosesser som infiltrasjon og transport i umettet og mettet sone. Den beregner også vannstrømning i elver og bekker. Modellen beregner vannføring ved utløpet av feltet, på døgnbasis. Erosjonsmodulen INCA-SED simulerer løsrivelse og transport av jordpartikler, fra jordoverflata og ut i bekken, og konsentrasjonen av suspendert stoff ved utløpet. Erosjon i bekkeløpet blir også beregnet. Modellen simulerer kun flateerosjon, og den simulerer heller ikke jordtap via grøftesystemet. INCA-P bruker resultatene fra INCA og INCA-SED til å simulere transport av partikkelbundet og løst P til overflatevann, og konsentrasjonen av total-p og løst reaktivt P ved utløpet. INCA-N simulerer transport og konsentrasjoner av N. Modellene kan parameteriseres for opptil seks enheter med ulike kombinasjoner av jord og arealbruk. Denne begrensningen fører til lite fleksibilitet i hvor mange tiltak eller arealbruksendringer man kan simulere innenfor ett og samme felt. Drivvariable i INCA omfatter døgnverdier for nedbør og lufttemperatur. Såkalt hydraulisk effektiv nedbør brukes også som inndata, men denne må simuleres i en annen modell. Det samme gjelder jordvann- defisiten. I Norge har man brukt HBV for å simulere disse to variablene. Fra GIS-kart avledes inndata for nedbørfeltareal, gjennomsnittlig helningsgrad og bredde, dybde og helningsgrad av bekken/elva, arealbruk og jordsmonn. Til næringsstoffsimuleringer trengs data for tilførsel av N og P fra gjødsel. Utover dette framkommer verdier for ulike andre egenskaper og prosesser i feltets delenheter ved å justere parametre i modellen. Kalibrering og validering er derfor svært viktig ved bruk av denne modellen. I og med at modellen er semi-distribuert, foregår kalibreringen ved justering av både nedbørfeltspesifikke parametre og parametre som er spesifikke for de definerte delenhetene innenfor nedbørfeltet. Vanligvis har man lite informasjon om bidrag til N-, P- og SS-tap under ulik arealbruk, på ulik jord og i forskjellige dyrkingssystemer, spesielt ved ulike kombinasjoner av disse. I tillegg vet man ikke hvor stor del av SS-tap målt ved utløpet som skyldes erosjon i bekkeløpet. Videre er det vanskelig å anslå hvor viktig flateerosjon er i forhold til grovfureerosjon. For å oppnå realistiske resultater i scenarioanalyser er det viktig at man vet hvor mye disse bidrar med. Man må dermed støtte seg på begrensede målinger og på annen informasjon. INCA-modellene har vært kalibrert og validert to ganger for Skuterudfeltet (Farkas et al., 2012; se også kapittel 4). Gjennom kalibreringen søkte man å oppnå realistiske resultater for vannføring, SS-, P- og N-tap ved utløpet av feltet, og samtidig realistisk fordeling av tap fra ulike delenheter. For urbanområdet og for skog var det noen måledata som man kunne støtte seg på for å anslå bidraget fra disse kildene. For høstpløying, høstharving, jordarbeiding om våren og eng hadde man ikke annet grunnlag enn måleserier fra ulike forsøk på ruteskala, som kunne gi noen retningslinjer mht. den relative forskjellen mellom systemer. Resultater fra kalibreringen er vist i figur 3.7. Ut fra R 2 og N-S-verdiene i figuren ser det ut til at modellen fungerte middels bra for vannføring i både kalibrerings- og valideringsperioden. SS-tap var middels godt simulert i kalibreringsperioden, og bra 31

34 simulert i valideringsperioden. Simulering av P-tap syntes å være relativt dårlig, men bra sammenliknet med andre modellstudier der INCA har blitt brukt. INCA-modellene har også vært brukt i det større Vansjø-Hobølvassdraget (Barkved et al., 2010), der den ble koplet til innsjømodellen MyLake (Saloranta and Andersen, 2007), og effekter av ulik arealbruk på P-tap i vassdraget og vannkvalitet i Vansjø ble vurdert. INCA ble også i dette tilfellet først kalibrert ved å sammenlikne resultatene med måledata fra Skuterudfeltet, og parameterne ble så antatt å være representative for det tilstøtende Vansjø-Hobølvassdraget. Discharge (m 3 /s) calibration period R 2 = 0.69 N-S = 0.67 validation period R 2 = 0.68 N-S = 0.66 Measured Simulated 0.5 Sediment loss (10 3 kg / 14 days) Total P loss (kg / 14 days) Simulated 400 Measured calibration period R 2 = 0.55 N-S = 0.54 validation period R 2 = 0.71 N-S = calibration period validation period Simulated 500 R 2 = 0.44 R 2 = 0.28 Measured N-S = 0.30 N-S = Figur 3.7. Resultater fra INCA, INCA-SED og INCA-P-simuleringer, sammenliknet med målte data. 32

35 Soil Water Assessment Tool (SWAT) SWAT er en fysisk basert/konseptuell, distribuert modell som er beregnet på å simulere effekter av drift på vannføring og tap av jord og næringsstoffer over lengre tidsperioder. Modellen er dermed kontinuerlig, og opererer på døgnbasis. De viktigste komponentene som SWAT simulerer er hydrologi, vær, erosjon, plantevekst, og transport av næringsstoffer og pesticider. Hydrologien er basert på en likning for vannbalansen, og modellen simulerer overflateavrenning, drenering, perkolasjon, grunnvannsstrømning, evapotranspirasjon og transport i bekker og elver. Avrenningsvolumet beregnes med den modifiserte SCS curve number-metoden. Jordtap estimeres med MUSLE (modifisert USLE), altså en empirisk funksjon. Plantevekstmodellen i SWAT er en forenkling av modellen EPIC. Beskrivelse av nitrogen- og fosfordynamikk er som i EPIC, og inkluderer mineralisering, denitrifikasjon, volatilisering og planteopptak. Avrenning og tap av partikler, næringsstoffer og pesticider simuleres for hver hydrologiske enheter og aggregeres for delnedbørfeltet, og rutes så til utløpet av hovedfeltet. Tabell 3.2. Et utvalg inndata som brukes i SWAT. Kart Drivvariable Jorddata Plantedata Hydrologiske data Drift Annet digital terrengmodell (DTM), arealbruk, jordsmonn Nedbør (døgn), min og max lufttemperatur, vindhastighet, relativ luftfuktighet, solstråling, potensiell evapotranspirasjon Innhold av leir, silt, sand og karbon, jordtetthet, Ksat, plantetilgjengelig vann, steininnhold, eroderbarhet (USLE K-faktor), max volum av sprekker, startverdier for innhold av næringsstoffer i jord, m.fl. Type vekst, bladarealindeks, bestandshøyde, rotdybde, fraksjoner av N og P i avling, USLE C-faktor, max potensiell rotdybde, m.fl. egenskapene til bekker, elver og sjøer, informasjon om dype og grunne akviferer tilført mineralsk og organisk N og P, mengde bakterier i husdyrgjødsel, pesticider, dybde og intensitet av jordarbeiding, m.fl. informasjon om punktkilder, data for urbane områder, dammer, våtmarker, vannforbruk SWAT bruker inndata som skal være lett tilgjengelige, selv om også mer detaljerte data kan brukes om man ønsker å bruke modellen i forskning. Som grunnlagskart brukes topografiske kart/digital terrengmodell og kart over arealbruk og jordsmonn. I Norge kan disse kartene lastes ned gratis fra internett. Store nedbørfelter skal kunne simuleres uten at man trenger å investere mye tid og penger i dette. Man kan kjøre simuleringer for mange tiår for å se på langtidseffekter. SWAT gir seg dermed ut for å være meget godt egnet til beregning i felter uten overvåkingsdata, og til å estimere effekter av tiltak, klimaendring og arealbruksendringer. Nedbørfeltet deles inn i et antall delnedbørfelter definert av brukeren. Inndata for delfeltene organiseres i følgende kategorier: klima, hydrologiske enheter, dammer/våtmarker, grunnvann, bekker/elver. De hydrologiske enhetene er lumped landarealer med unike kombinasjoner av arealbruk, jordtyper og drift. SWAT trenger diverse meteorologiske data (se tabell 3.2) som drivvariable, disse kan hentes fra aktuelle målestasjoner, eller de kan estimeres i modellens innebygde værgenerator. Det er ellers en lang rekke inndata for jord, planter, hydrologi osv. som er nødvendige, et utvalg er vist i tabell 3.2. Mange av disse må måles, estimeres med andre funksjoner eller finnes i litteraturen. SWAT har i Norge blitt kalibrert for Skuterudfeltet i Akershus, og basert på denne kalibreringen har den blitt brukt for å beregne effekter av tiltak i nedbørfeltet til vestre Vansjø. Resultatene er foreløpig ikke publisert. SWAT har også blitt kalibrert for Vansjø- Hobølvassdraget i prosjektet EUROHARP. 33

36 EROSION-3D og Limburg Soil Erosion Model (LISEM) LISEM og EROSION-3D er fysisk baserte, distribuerte, episodebaserte nedbørfeltmodeller som simulerer overflateavrenning og erosjon. Infiltrasjon simuleres med tilnærmingen til Green-Ampt i begge modeller, men i LISEM er det mulig å bruke også andre tilnærminger, basert på tilgjengelighet av jordfysiske data og hva slags prosesser som dominerer infiltrasjon og generering av overflateavrenning. Begge modellene simulerer også løsrivelse av partikler ved påvirkning av regn og vann som strømmer over overflata, og transport av disse partiklene. LISEM ruter overflatevann og partikler fra grid-celle til grid-celle og gjennom bekken med en tilnærming som kalles kinematic wave. En prinsippskisse for LISEM er vist i figur 3.8. Både LISEM og EROSION-3D har som datagrunnlag forskjellige raster-kart som representerer romlig variasjon i topografi (digital terrengmodell, for eksempel basert på LIDAR-data eller andre topografiske data), arealbruk og jordegenskaper (begge tilgjengelig fra Skog og Landskap). Til disse kartene kobles ulike inndata som kan måles direkte. Nedbørdata med høy tidsoppløsning er drivvariabel, og modellene trenger en startverdi for jordas vanninnhold, evt. sug. Utover dette krever de to modellene litt ulike inndata mht jordas permeabilitet, strukturstabilitet og overflateruhet og - tilstand. Disse er vist i tabell 3.3. I begge modeller må verdiene til inndataene tilpasses om det er pløyd, ikke pløyd, gras, korn, vegetasjonssone, grasdekt vannvei, traktorspor, osv. Kornfordeling og organisk materiale kan i noen grad avledes fra jordsmonnkart og representative data for ulike jordtyper kan hentes fra den nasjonale jorddatabasen, mens de andre dataene må måles eller estimeres via andre funksjoner. Utdata fra modellene omfatter blant annet erosjon, deposisjon, nettoerosjon fra nedbørfeltet, vannføring og sedimentkonsentrasjon. I Norge er disse modellene testet for Skuterudfeltet i Ås. I en av studiene ble LISEM sammenliknet med flere andre modeller (MIKE-SHE, HBV, COUP) mht simulering av avrenning (Kalantari, in prep. a). Tabell 3.3. Et utvalg inndata som brukes i LISEM og EROSION-3D. Plante- og overflatedata bladarealindeks, andel plantedekke, bestandshøyde, ruhet, mannings n, andel steiner, andel skorpe, bredde av veier, arealandel traktorspor LISEM EROSION-3D Kart DTM, arealbruk, jordsmonn DTM, arealbruk, jordsmonn Drivvariable Nedbør (sekunder/ minutter) Nedbør (sekunder/ minutter) Jorddata jordas d50-verdi, Ksat, porøsitet, pfkurve, aggregatstabilitet, kohesjon jordtetthet, organisk materiale, kornfordeling, eroderbarhet, skinfactor ruhet, andel jord som er dekket av planter, planterester og stein 34

37 Figur 3.8. Prinsippskisse for erosjonsmodellen LISEM, basert på figurer fra Jetten (2002). I en annen studie ble LISEM kalibrert for en episode med intenst regnvær om sommeren i et mindre felt innenfor Skuterudfeltet, for deretter å bli kjørt for en tilsvarende episode en annen sommer, for hele Skuterudfeltet (Kværnø og Stolte, 2012). Hensikten med denne studien var å se hvordan simulert overflateavrenning og erosjon ble påvirket av valg av inndata for jordas fysiske egenskaper. Modellen ble kjørt med to inndatasett for jordas tekstur og innhold av organisk materiale (disse jordegenskapene var nødvendige for å estimere modellens inndata for fuktighetskarakteristikk, vannledningsevne, kohesjon og aggregatstabilitet): inndata beregnet fra representative data fra jordsmonnkart og tilhørende jorddatabase, og inndata beregnet fra lokale måledata. Effekt av datakilde på simulert overflateavrenning og jordtap var stor, med høyere verdier simulert ved bruk av data avledet fra jordsmonnkart og jordsmonndatabasen enn ved bruk av lokale måledata. I denne studien var det lite forskjell i resultater ved å beholde informasjon om variasjon innen kartenheter ved stokastisk fordeling av måledata sammenliknet med å bruke en middelverdi av måledata for hver kartenhet. Studien viste også at forskjellene relatert til datakilde kan være større enn forskjeller som resultat av forskjellig risiko for avrenning og erosjon (situasjon med plantedekke sammenliknet med worst case -situasjon med redusert stabilitet og uten plantedekke). Den gode kalibreringen for overflateavrenning og resultater for jordtap simulert med ulike inndatakilder og for ulik erosjonsrisiko er vist i figur 3.9. I en tredje studie ble LISEM sammenliknet med EROSION-3D (Starkloff, 2012). Også her ble modellene kalibrert for småfeltet før de ble brukt for Skuterudfeltet som helhet. 35

38 Figur 3.9. Til venstre overflateavrenning ved en nedbørepisode i Skuterudfeltet i Akershus, simulert i LISEM for et delfelt i hovedfeltet og målt i samme delfelt. Til høyre netto jordtap fra Skuterud hovedfelt, simulert i LISEM, ved bruk av ulike inndatakilder for jordfysiske egenskaper (Generic, Mean, Random) og ved ulik erosjonsrisiko (sommer versus vinter). Fra Kværnø og Stolte (2012) Pan-European Soil Erosion Risk Assessment (PESERA) PESERA er en fysisk basert, distribuert modell som i utgangspunktet er beregnet på stor skala for å beregne regional erosjonsrisiko. Den simulerer hydrologi og erosjon, og kan ta høyde for både endret arealbruk og endret klima. Simuleringer kjøres for hver gridcelle i rasteret. Modellen er basert på fordeling av døgnverdier for nedbør på overflateavrenning (både som følge av overmetning og som følge av lav infiltrasjonskapasitet), strømning gjennom jorda og evapotranspirasjon. Snøakkumulering og snøsmelting simuleres også. Det skjer ingen ruting av avrenning og partikler fra gridcelle til gridcelle. Modellen kjører med værdata som drivvariable, og andre inndata omfatter en rekke rasterkart avledet fra eksisterende kart for arealbruk, jordsmonn, topografi og geologi. Informasjonen i jordsmonnkartet konverteres til parametre for jordhydrologi og eroderbarhet gjennom såkalte pedotransfer -regler. På europeisk nivå har en digital terrengmodell med 1 km oppløsing vært brukt, men større oppløsning enn dette er anbefalt (for eksempel 100 m). 36

39 Figur Prinsippskisse for PESERA. Figur Resultat av PESERA-simuleringer på europeisk skala. Tabell 3.4. Et utvalg inndata som brukes i PESERA. Kart Drivvariable Jorddata DTM, arealbruk, jordsmonn, berggrunn, løsmasser månedlige data for nedbør, temperatur, potensiell evapotranspirasjon jordtype, tekstur, eroderbarhet, risiko for skorpedannelse, 37

40 Plante- og overflatedata Drift vannlagringskapasitet, plantetilgjengelig vann type vekst, rotdybde, månedlig ruhet Såmåned Modellen har vært kjørt for store deler av Europa (figur 3.11), og den er nå under uttesting for norske forhold med tanke på oppgradering av norske erosjonsrisikokart, som i dag er basert på den empiriske USLE-tilnærmingen. Dette pågående arbeidet er finansiert av Statens Landbruksforvaltning. Så langt har PESERA vært kjørt for Akershus fylke, og den har vært kjørt for JOVA-feltene Skuterud og Mørdre i Akershus for å sammenlikne målt og simulert jordtap. Man har funnet behov for å tilpasse pedotransfer-reglene i modellen til norske jordtyper Profilskalamodeller Dette er i stor grad komplekse, fysisk baserte modeller med krav til detaljerte inndata, og i noen tilfeller et stort antall parametre som kan justeres. De opererer på profil-, plot- og skifteskala. Når disse modellene brukes på nedbørfeltskala, er det snakk om en oppskalering. To tilnærminger har vært brukt ved bruk av disse modellene på nedbørfeltskala: enten ved å bruke dem som en lumped modell, der man ser bort fra variasjoner i jord og arealbruk i nedbørfeltet, og forsøker å kalibrere seg fram til parametre som er representative for hele feltet, eller ved å kjøre dem for mindre, homogene enheter og siden aggregere resultatet fra modellkjøringene. I Norge har vi i denne kategorien kompetanse på bruk av modellene COUP, SOILN_NO, SOILNDB og DRAINMOD, for simulering av hydrologi og nitrogen, mens erosjonsmodellen ERONOR ikke lenger er operativ. Modellene har kun vært brukt i forskningsprosjekter, aldri som del av oppdrag fra forvaltningen COUP, SOILN_NO, SOILNDB, DRAINMOD COUP er en fysisk basert, endimensjonal modell som simulerer hydrologi og N-dynamikk i jordprofilet. Modellen er bygget på de tidligere separate modellene SOIL og SOILN. Den inneholder svært mange justerbare parametre, og dette gjør at modellen er vanskelig og tidkrevende å bruke. Inndata for simulering av hydrologi omfatter meteorologiske data (minimum nedbør og temperatur, men helst også vindhastighet, relativ luftfuktighet og stråling), jordegenskaper (fuktighetskarakteristikk, vannledningsevne, tekstur, organisk materiale) og planteegenskaper (bladarealindeks, rotdybde, bestandshøyde). Flere av disse variablene kan alternativt estimeres i modellen, men det kompliserer parameteriseringen ytterligere. De kan også estimeres via andre modeller før de brukes som inndata. Fordelen med COUP er at den er utviklet for svenske klimaforhold, dvs. at den har en detaljert prosessbeskrivelse mht snø og frost. Drenering inngår også, det samme gjør makroporestrømning. Sistnevnte er imidlertid meget vanskelig og parameterisere. I Norge har COUP for det meste vært brukt i hydrologisk modellering. Den har vært brukt på nedbørfeltskala ved noen anledninger: Deelstra et al. (2010) og Kalantari (in prep. a) kjørte COUP for Skuterudfeltet i Ås, og sammenliknet hvor godt denne og flere andre modeller (LISEM, MIKE-SHE, HBV) klarte å simulere avrenningen fra feltet. Kalantari (in prep. b) brukte en kombinasjon av COUP og MIKE-SHE i Skuterudfeltet for å undersøke effekter av ulik arealbruk på flomtopper. I denne studien simulerte COUP evapotranspirasjonen, mens den romlig distribuerte nedbørfeltmodellen MIKE-SHE simulerte avrenningen. SOILN_NO er en fysisk basert, endimensjonal modell som simulerer N-dynamikk i jordprofilet, inkludert N-utvasking. Den er i stor grad en videreutvikling av den svenske modellen SOILN. Vannbalansedata (jordfuktighet osv) brukes som inndata og må først 38

41 simuleres i en hydrologisk modell, for eksempel SOIL/COUP. Kombinasjonen av SOIL og SOILN_NO har vært brukt i noen modellstudier på nedbørfeltskala (Deelstra og Bechmann, 2000; Deelstra et al., 2002) og regional skala (Vatn et al., 1996; 2002; 2006). I studiene til Deelstra og Bechmann (2000) og Deelstra et al. (2002) ble SOILN_NO og SOIL brukt for å simulere N-tap fra Skuterudfeltet i Ås. Jord-, vær- og gårdsdata fra feltet ble brukt som input til modellene. I den første studien ble det kjørt en simulering som representerte hele skogarealet (inkludert urbanområde og myr), og en simulering for dyrka mark med en representativ jordtype og med gjennomsnittlig drift (bygg i hele feltet). I den andre studien ble det fortsatt kun kjørt en simulering for skog, mens for dyrka mark ble det kjørt simuleringer for hvert skifte (51 skifter). Jorddata fra tre representative jordprofiler ble brukt, for å skille mellom de viktigste jordtypene. Det ble også gjort skiftevise justeringer for å reflektere forskjeller i topografi (påvirker simulering av overflateavrenning). På hvert skifte ble simuleringer gjort med aktuell vekst, gjødsling, jordarbeiding, osv hvert enkelt år. Simulert avrenning og N-tap fra hver enhet (1 for skog, 51 for dyrka mark) ble så aggregert ved å beregne et arealveid gjennomsnitt. Sammenlikning av simulert og observert avrenning og N-tap viste at modellene fungerte ganske godt for formålet, selv om man ikke la til noen rutiner for å justere responsen ut fra prosesser som skjer på større skala. En årsak til dette kan være at N i hovedsak tapes i løst form, ved utvasking gjennom jordprofilet (vertikal transport), og at N som vaskes ut fra rotsonen stort sett kommer inn i drenssystemet, der det skjer lite retensjon pga. rask transport rett ut i bekken. Denitrifikasjon skjer dermed i hovedsak før N når drensrørene, og modellen beregner også dette gasstapet. Etter kalibrering ble modellene også brukt til å simulere ulike scenarioer for å undersøke effekter av vanning, fangvekst og redusert gjødsling på N-tap fra feltet. Resultatene fra denne analysen er vist i figur Ifølge disse simuleringene var fangvekst det mest effektive tiltaket i tre av de fire årene. Figur Simulert N-tap fra Skuterudfeltet ved faktisk drift og med tre scenarier for reduksjon av N-tap. Modellene som er brukt er SOIL og SOILN_NO. Modifisert etter Deelstra et al. (2002). SOILNDB er et annet modellverktøy, bestående av SOIL og SOILN i et databasegrensesnitt som gjør det enkelt å sette opp og kjøre modellen for store områder. Denne modellen har vært i utstrakt bruk i Sverige, der den ble utviklet. I Norge har den vært testet i Mørdre nedbørfelt i Nes (Kværnø et al., 2001). Mørdrefeltet ble diskretisert på samme måte som Skuterud i eksemplet over, og alle inputdata ble lagt inn pr. skifte. Annen arealbruk ble ikke simulert. Avrenningen ble noenlunde bra simulert, mens N-tapene ble sterkt overestimert. En årsak kan være problemer med enten prosessbeskrivelse eller 39

42 parameterisering av mineralisering og denitrifikasjon tallverdiene for mineralisering tydet i hvert fall på dette. Skogsområdene langs bekken kunne også hatt en betydning som ikke ble tatt høyde for i simuleringene. I den samme studien ble det også forsøkt å erstatte gårdsdataene som var tilgjengelige for hvert skifte med data fra SSB, for å si noe om effekter av datakvalitet på simulert N-tap. Det var lite forskjell i N-tap ved bruk av de to datakildene. Denne studien gikk dessverre ikke langt nok i å behandle feltet som et umålt felt, for mye av den feltspesifikke informasjonen ble fortsatt beholdt i simuleringene med SSB-data. Om denne studien skulle blitt fulgt opp, burde man erstatte de målte jorddataene med jorddata estimert via pedotransferfunksjoner, og estimert en del av de andre inndataene på bakgrunn av annen informasjon enn JOVA-dataene fra feltet. SOILNDB har også vært brukt på større skala i Norge, i Vansjø-Hobølvassdraget (i EU-prosjektet EUROHARP), men da som del av modelleringssystemet TRK (REF) som innebærer at de aggregerte resultatene fra SOILNDB går videre inn i den konseptuelle modellen HBV-N, som simulerer hydrologi og N-prosesser på nedbørfeltskala. I samme prosjekt ble også et annet, liknende modellsystem (NL-CAT, bestående av profilskalamodellene SWAP og ANIMO og nedbørfeltmodellene SWQN and SWQL) brukt for Vansjø-Hobølvassdraget. DRAINMOD er i utgangspunktet en fysisk basert, endimensjonal hydrologisk modell, utviklet for å simulere effekter av ulike dreneringsmetoder (dreneringsintensitet, controlled drainage, osv.). Etter hvert ble det også utviklet og koplet på en modell for simulering av N-dynamikk. Modellen har også noen enkle rutiner for å estimere relativ avling og laglighet for kjøring som funksjon av nedbør, jordas vanninnhold og grunnvannsstand. Modellen har et overkommelig antall parametre, men krever ellers tilsvarende inndata som COUP. Denne modellen har vært lite brukt i Norge. De eneste studiene omfatter bruk i nedbørfeltet Skuterud (Deelstra et al., 2010) og på plotskala for feltlysimeteret på Kvithamar i Trøndelag (Kværnø, in prep.). Sistnevnte studie viste at det var svært vanskelig å simulere overflateavrenning i modellen, mens grøfteavrenningen ble relativt bra simulert, i hvert fall utenom vintersesongen. Ett av problemene som ble påpekt var manglende beskrivelse av makroporestrømning i modellen, en antatt årsak til at modellen feilet både mht overflateavrenning og mht den tidvis svært høye, men kjappe responsen til grøfteavrenningen. Morfologiske undersøkelser av jorda på Kvithamar, og dessuten det at feltet i overvåkingsperioden hadde store jordtap gjennom drensrørene, tyder på at makroporetransport har vært meget viktig i måleperioden. Det virket også som at prosesser i frossen jord ikke var godt nok beskrevet i modellen ERONOR ERONOR (Lundekvam, 2002) er en erosjonsmodell som bygger på vannbalansesimuleringer i en hydrologisk modell a la COUP (alternativt en enklere modell AVRJUST) og en USLEbasert tilnærming for estimering av jordtap. Modellen er altså en empirisk, men likevel dynamisk modell, som simulerer jordtap (flate- og rilleerosjon) på døgnbasis. ERONOR ble utviklet pga. dårlige erfaringer med erosjonsmodeller utviklet i andre land (EUROSEM og WEPP), fordi disse ikke tok godt nok hensyn til prosesser i vintersesongen. ERONOR er basert på måledata fra erosjonsplot i Ås, Askim, Sarpsborg og på Romerike, og data fra et naturlig avgrenset småfelt på Romerike. Flesteparten av disse feltene lå på planert leirjord. Selv om ERONOR ble utviklet for plotskala, har den vært brukt på nedbørfeltskala (Lundekvam, 2004) og regional skala (Vatn et al., 2002; 2006). I studien til Lundekvam (2004) ble ERONOR brukt på skiftenivå i Skuterudfeltet, og resultatene for hvert skifte ble oppskalert ved å beregne gjennomsnitt og arealveid gjennomsnitt for hele nedbørfeltet, på tilsvarende vis som i studien med SOILN_NO. Vi kommer tilbake til modellkjøringene med ERONOR på regional skala under. ERONOR er i dag ikke en operativ modell. 40

43 Figur Jordtap fra Skuterudfeltet i perioden (hvert år er delt i tre perioder), som målt ved utløpet av nedbørfeltet og simulert med erosjonsmodellen ERONOR (modifisert etter Lundekvam, 2004) ECECMOD Modelleringssystemet ECECMOD (2.0) (Vatn et al., 2002) ble utviklet i et stort forskningsprosjekt om miljøvennlige driftsformer i landbruket (MILDRI). Systemet består av profilskalamodellene COUP, SOILN_NO og ERONOR, plantevekstmodellene KONOR og ENGNOR, pesticidmodellen PV-NOR, ammoniakktapsmodellen FIELDVOL og i tillegg en modell FARMNOR for valg av agronomisk praksis. Forgjengeren til ECECMOD (2.0) var ECECMOD (Vatn et al., 1996), der plantevekstmodellene ikke var like godt utviklet, og der nedbørfeltmodellen EUROSEM-GRIDSEM ble brukt i stedet for ERONOR for simulering av jordtap. ECECMOD ble brukt i nedbørfeltene Mørdre i Nes og Auli i Vestfold, mens ECECMOD (2.0) ble brukt på regional skala, dvs. for fire jordbruksregioner: Jæren, Akershus/Østfold, Hedmark og Trøndelag (Vatn et al., 2002; 2006). I sistnevnte tilfelle ble modellberegningene også sammenliknet med måledata på nedbørfeltskala, dvs. JOVAfelter i de aktuelle regionene (sannsynligvis Skuterud, Kolstad, Hotran og Time). Simulert og observert gjennomsnittlig årlig N-, P- og SS-tap for de fire regionene/jova-feltene er vist i tabell 3.5. Tabellen viser at N-tap simulert i SOILN_NO var en del høyere enn observert N-tap i alle regioner, spesielt på Jæren. SS- og P-tap simulert i ERONOR viste god sammenheng med målte S- og P-tap i tre av regionene, mens i Trøndelag ble både SS- og P- tap underestimert i modellen. ECECMOD og ECECMOD (2.0) ble begge brukt for å simulere scenarier som inkluderte forskjellige nivåer av avgifter på N-gjødsel, reduserte kornpriser, obligatorisk bruk av fangvekster og eng, delt gjødsling og reguleringer mht redusert jordarbeiding. Tabell 3.5. Observert og simulert tap (kg/ha/år) av nitrogen (N), jordpartikler (SS) og fosfor (P) i fire jordbruksregioner. Simuleringene er gjort med det integrerte 41

44 modelleringssystemet ECECMOD (2.0). Data fra Vatn et al., 2006). Observerte data er fra felter i JOVA-programmet. Akershus/Østfold Hedmark Trøndelag Jæren Obs. Sim. Obs. Sim. Obs. Sim. Obs. Sim. N SS P Valg av modeller for ulike formål Modellers egnethet for ulike formål Basert på modellbeskrivelsene over, er det klart at ulike modeller er egnet til ulike formål. Valg av modell bør baseres både på hva modellen kan beskrive og hvordan det er beskrevet. De ulike modellene egner seg for ulik geografiske skala (f.eks. nedbørfelt eller plot), tidsoppløsning (f.eks. episode, år eller gjennomsnitt for en normalperiode) og for ulike formål. Tilsvarende har modellene ulikt behov for inndata og de krever ulik innsats i bruken. I tabell 3.6 er det satt opp en sammenligning av de ulike modellene som er beskrevet i avsnittene foran med tanke på romlig skala, tidsoppløsning, hvor egnet de er til ulike formål. Dessuten er krav til ressurser (tidsforbruk, datakraft) og inndata vurdert. Tabell 3.6. Vurdering av ulike modellers representasjon av rom (P = profil, rute, skifte, N = nedbørfelt, R = større region) og tid (S = statisk, K = dynamisk kontinuerlig, E = dynamisk episodebasert), egnethet (U = uegnet, + = egnet, jo flere +, dess bedre egnet) for beregning av tilførsler generelt (årlige eller langsiktige) og effekter av tiltak og klimaendring, egnethet for bruk i felter uten overvåkingsdata, og krav til ressurser (A = lite, B = middels, C = mye) og inndata (A = lett tilgjengelig fra offentlige kilder, B = middels tilgjengelig, C = lite tilgjengelig). Modell Rom Tid Umålte Tilførsler Tiltakseffekteendring Klima- Ressurser Inndata felt USLE P/N/R S U A A WebGIS avrenning N/R S U A A Agricat-P N/R S U A A JOVA-nest R S U A A INCA N K B B SWAT N K C B/C LISEM N E ++ U C C EROSION-3D N E ++ U C C PESERA N/R K C A/B COUP P K C C SOILN_NO P K C C SOILNDB P K B B/C DRAINMOD-NII P K B C ERONOR P K B B De enkleste modellene (f.eks. Agricat, JOVAnest) er mye brukt i vannforvaltningen fordi de er lite ressurskrevende og har inndata som er lettilgjengelige fra offentlige kilder. På den annen side har de større usikkerhet enn de mer komplekse modeller, spesielt i felt uten overvåkingsdata. Det gjelder både mht tilførselsberegninger generelt og mht beregning av 42

45 tiltakseffekter. Bruk av de mer komplekse modellene er generelt forbundet med mindre usikkerhet fordi de er fundert i fysiske lover og ikke i samme grad på empiri, derfor er de kategorisert her som bedre egnet til både tilførselsberegninger og beregning av effekter av tiltak og klimaendring. De er da også bedre egnet for bruk i felter uten overvåkingsdata, gitt at man til en viss grad løser problemet med større krav til inndata med høy kvalitet. De komplekse modellene er imidlertid mye mer ressurskrevende mht. oppsetting og parameterisering, de tar lenger tid å kjøre, og siden få av dem har vært kalibrert og validert i utstrakt grad, kommer dette også med i betraktning. De enkle modellene kan ikke beregne effekter av klimaendring, da effekten av variasjoner i vær og hydrologi ikke simuleres. De fysisk baserte og konseptuelle modellene er derimot godt egnet til å beregne effekter av klimaendringer. Det er ikke mulig å anbefale en enkelt modell for alle formål. Variasjon i tidsoppløsning, geografisk oppløsning og formål med modelleringen avgjør hvilken modell som er best egnet. På sikt er det en stor fordel om en til bruk for forvaltningen kan navigere seg bort fra de enkleste modeller og over mot modeller med større presisjon i estimatene. Forbedret kapasitet på PC-er vil gjøre slike modeller enklere å bruke. Tilgangen til inndata vil imidlertid alltid sette begrensninger for bruken av fysisk baserte modeller i nye nedbørfelt hvor datatilgangen er sparsom. Det fins også andre sammenstillinger som viser ulike modellers egnethet for ulike formål. En av disse ble gjennom ført i prosjektet EUROHARP, og sammenlikner ni modeller med ulik kompleksitet (Schoumans og Silgram, 2003). Disse modellene ble brukt i Vansjø- Hobølvassdraget og 16 andre nedbørfelter i Europa. De ni modellene var Source Apportionment, MONERIS, NOPOLU, REALTA, NLES-CAT, NL-CAT, TRK, SWAT og EveNFlow. Fra denne studien kan man merke seg at alle modeller unntatt REALTA ble funnet mer eller mindre egnet under nordiske forhold. Bare TRK (som består av tidligere omtalte SOILNDB og HBV-N) kom ut som meget godt egnet. Fem av modellene hadde en viktig begrensning i at de ikke beregner vannføringen (REALTA, NOPOLU, N-LES CAT, SA, MONERIS). Tidsforbruk for å kjøre modellene varierte fra 0,5 til 3 månedsverk, og var generelt lavest for de enkle modellene og høyest for de mest komplekse. Ikke alle modellene var egnet til å beregne effekter av tiltak og endringer i arealbruk. De mest komplekse modellene, men også noen av de enklere, var best egnet til dette, og egnetheten var generelt bedre for beregning av nitrogen enn for beregning av fosfor Sammenlikning av modellresultater I tillegg til å vurdere ut fra type modell, prosessbeskrivelse og krav til data og ressurser, bør valg av modeller også understøttes av resultater som viser at modellen fungerer rimelig bra, altså ved å se på studier der modellen har blitt validert ved å sammenlinke modellresultater med måledata. I avsnittene foran har vi nevnt en rekke modellstudier der individuelle modeller har blitt validert mot måledata fra enkelte felter. I tillegg fins det studier der resultatene fra flere forskjellige modeller har blitt sammenliknet. Slike studier er verdifulle fordi de kan peke på en del styrker og svakheter ved ulike modeller. Det er forøvrig sjelden mulig å plukke ut en beste modell i slike studier. Vi oppsummerer her noen hovedresultater fra slike studier: I en modellstudie for Skuterudfeltet i Akershus kalibrerte og sammenlignet Deelstra et al. (2010) modellene COUP, DRAINMOD, HBV, INCA og SWAT mht. evnen til å simulere avrenningen fra feltet. Når man integrerte simulert avrenning over tidsperioder på en uke eller mer, så alle modellene ut til å fungere ganske bra. Modellenes evne til å simulere på 43

46 døgnbasis var variabel, og man forsøkte i kalibreringen å oppnå et så godt resultat på døgnbasis som mulig. Ved nærmere analyse av simulerte vannbalanseelementer (evapotranspirasjon, overflateavrenning, grøfteavrenning) så man store forskjeller mellom modellene (Figur 3.14). Figuren viser blant annet at på dyrka mark simulerte modellene mellom 13 (DRAINMOD) og 170 (SWAT) mm/år i overflateavrenning. På daværende tidspunkt var det ikke tilgjengelig målte data for disse elementene i Skuterudfeltet, så det var vanskelig å si noe om hvilken modell som kom best ut i denne sammenhengen. Fordeling av vann på ulike strømningsveier er meget viktig mht transport av jordpartikler og næringsstoffer. Det var heller ingen måledata som kunne brukes til å verifisere simulert avrenning fra forskjellig arealbruk denne fordelingen var også temmelig forskjellig mellom modellene. Videre var det også forskjell mellom modellene i hvor gode resultatene var for ulike perioder av året. Generelt fungerte alle modellene brukbart om høsten, mens resultatene generelt var dårligst om sommeren og våren. Alt i alt var det ikke mulig å velge ut en modell blant de fem som var bedre enn de andre. Det ble foreslått at man kanskje kunne forbedre resultatene fra særlig de mer komplekse modellene ved å finjustere parameterne ytterligere. Kalantari et al. (in prep. a) gjorde et tilsvarende modellstudium, der hun sammenlignet de fire modellene COUP, HBV, MIKE-SHE og LISEM og deres evne til å simulere flomtopper under snøsmelting. Også her var Skuterudfeltet studieområde. Generelt klarte disse modellene å simulere tidspunkt for flomtoppene bra. I noen tilfeller ga den enkle HBVmodellen bedre prediksjon av flomtoppene enn de mer komplekse modellene. COUP og HBV gjorde det bedre enn MIKE-SHE og LISEM i perioder med snøsmelting og frost i jorda ettersom disse har bedre utviklet prosessbeskrivelse for å håndtere dette. Figur Vannbalanseelementer simulert for dyrka mark, skog og for hele nedbørfeltet Skuterud i Akershus. Modellene som ble brukt var COUP, DRAINMOD (DM), INCA, SWAT og HBV. Modifisert etter Deelstra et al. (2010). Total runoff (total avrenning) er eneste output fra HBV, mens for de andre modellene er det mulig å skille mellom overflateavrenning og drensvann. I prosjektet EUROHARP ble ni modeller med ulik kompleksitet sammenlignet for 17 forskjellige nedbørfelter i Europa. Tre av nedbørfeltene, inklusive Vansjø-Hobølvassdraget i Norge, var såkalte kjernefelter der mer detaljerte modellstudier ble gjennomført. De ni modellene var Source Apportionment, MONERIS, NOPOLU, REALTA, NLES-CAT, NL-CAT, TRK, SWAT og EveNFlow. I Norge har man ikke kompetanse på å bruke disse modellene, 44

47 med unntak av SWAT. Silgram et al. (2009a) brukte de fire komplekse modellene NL-CAT, TRK (SOILNDB), SWAT og EveNFlow i Vansjø-Hobøl i Norge, Ouse i England and Enza i Italia. De fant at det var store forskjeller i de enkelte modellenes resultater før og etter kalibrering, denne forskjellen var større enn forskjeller mellom de ulike modellene. De kom også fram til at tolking av inndataene, som var samlet inn av lokale personer med noenlunde kjennskap til nedbørfeltene, var like viktig som prosessbeskrivelsen i modellene. Ved mangel på kalibreringsdata (målte responser) ble det ofte gjort tvilsomme antakelser og inndata-feil av modellørene, som ikke hadde tilstrekkelig lokalkjennskap i nedbørfeltene. Det ble konkludert med at nært samarbeid mellom modellør og de som sitter på lokal kunnskap og feltdata er meget viktig i en modelleringsprosess. Silgram et al. (2009b) demonstrerte, for de samme fire modellene og de samme tre nedbørfeltene, at modellresultater kunne se akseptable ut på årsbasis, men at dette dekket over store forskjeller mellom modeller hvis man så på resultatene på døgn- og månedsbasis. Schoumans et al. (2009) undersøkte åtte modellers evne til å beregne årlige N- og P-tap fra de samme tre nedbørfeltene, og konkluderte med at det ikke var mulig å identifisere en beste modell. Videre viste Kronvang et al. (2009) at det var store forskjeller mellom modeller i simulert N-tap og særlig P-tap fra dyrka mark. Variasjonen i simulerte N- og P- tap fra ulike kilder og nettotap fra nedbørfeltene hadde sammenheng delvis med regionale forskjeller mellom feltene og om det var store innsjøer i feltene eller ikke. Hejzlar et al. (2009) viste at retensjonsverdiene fra seks modeller var høyst variable, med en tendens til større forskjeller for P enn for N, og for nedbørfelter med innsjøer (som Vansjø-Hobøl) sammenliknet med felt uten større innsjøer. Simulerte næringsstofftap fra diffuse kilder var direkte proporsjonal med retensjonsestimatene, noe som antyder at usikkerheten i kvantifiseringen av bidraget fra diffuse kilder avhenger av usikkerheten i retensjonsestimatene. 45

48 4. Modellering av tiltakseffekter Som nevnt tidligere kan endrete værforhold parallelt med tiltaksgjennomføring bidra til å dekke over eventuelle effekter tiltakene kan ha hatt, siden endra værforhold fører til endringer i hydrologisk respons både vannmengden, flomtoppene og strømningsveiene, og derfor også endringer i tap av partikler og næringsstoffer. I en del tilfeller kan normalisering av avrenningsdata kan hjelpe til med å isolere effekter av tiltak og effekter av vær, men bruk av hydrologisk baserte modeller gir et bedre grunnlag for å løse denne problemstillingen. I det følgende ser vi nærmere på et eksempel der modellen INCA har vært brukt for å skille mellom effekter av varierende værforhold og effekter av tiltak i et nedbørfelt (JOVA-feltet Skuterud) på sørøstlandet. 4.1 Bakgrunn I JOVA-feltet Skuterud har en rekke tiltak vært gjennomført for å redusere tap av jord og næringsstoffer, blant annet redusert gjødsling, endret jordarbeiding og anlegging av en fangdam ved utløpet av feltet. Analyser av trender i vannkvalitet i utløpet har ikke påvist at disse tiltakene har hatt noen effekt. En av årsakene til dette kan være at variasjoner i værforholdene, og dermed hydrologi og strømningsveier, har dekket over tiltakseffektene ved at tapene har økt. Man kan derfor anslå at dersom tiltak ikke hadde blitt gjennomført, hadde tapene vært enda høyere enn det som har vært observert i denne perioden. Formålet med denne studien er å undersøke i hvilken grad tiltaksgjennomføring kan ha hatt effekt ved å sammenlikne jord- og fosfortap for to scenarier, simulert i modellene INCA-SED og INCA-P. Figur 4.1. Oversiktsbilde over Skuterudfeltet i Ås og Ski. Feltet drenerer til Østensjøvannet i nord. 46

49 4.2 Studieområdet Skuterudfeltet (figur 4.1) ligger i kommunene Ski og Ås i Akershus fylke. Det er en del av JOVA-programmet, og vannkvaliteten ved utløpet har blitt overvåket siden Feltet er 4500 daa, med 61 % dyrka mark, 31 % skog inklusive et myrområde, og resten er et boligfelt. Gjennomsnittlig lufttemperatur i området er 5,3 C, mens gjennomsnittlig nedbør er 785 mm. Gjennomsnittlig årlig evapotranspirasjon er 535 mm. Jordtypene i feltet er i hovedsak dannet i sandige strandavsetninger og i havavsetninger med teksturen siltig lettleire til siltig mellomleire. Avrenning, erosjon og næringsstofftap er høyest i perioden september til mars. Gjennomsnittlig årsavrenning er 528 mm. Overflateavrenning forekommer, særlig under forhold med snøsmelting på delvis frossen jord. Gjennomsnittlig årlig nitrogen- og fosfortap har variert fra henholdsvis 2 til 7 kg N/daa og 0,1 til 0,6 kg P/daa. 4.3 Modellkjøringer Modellene INCA-SED og INCA-P ble brukt for å simulere henholdsvis jord- og fosfortap fra nedbørfeltet. Modellene er nærmere beskrevet i kapittel 3. Inndata og referansedata er beskrevet i Tabell 4.1. I forhold til tidligere kalibrering av modellene ble det gjort noen endringer. En av de viktigste var at også høstharving ble inkludert som en delenhet i feltet, sammen med de delenhetene som hadde vært definert ved tidligere kalibrering (høstpløying, jordarbeiding om våren, eng, skog og boligfelt). Høsthvete er også vanlig i feltet, men siden det var en begrensning på seks delenheter, ble denne slått sammen med høstpløying. Modellen måtte kalibreres (endre på modellparametre) med tanke på å oppnå gode resultater for utløpet av feltet, mens man samtidig beholdt realistiske verdier for bidraget fra hver delenhet. Dette ble løst ved å kalibrere mot referanseverdier for forskjellig arealbruk og jordarbeidingssystemer, de sistnevnte basert på informasjon fra jordarbeidingsforsøk på rutefelter (tabell 4.2). Kalibreringen skjedde manuelt ved å endre på parametre i modellen. Vannføring ble kalibrert først. Så ble delenhetsspesifikke SS-tap fra delenhetene kalibrert, og så SS-tap fra hele feltet. Deretter ble det parameterne fininnstilt helt til man ikke kunne oppnå bedre resultat. Etter dette ble delenhetsspesifikke P-tap og totale P-tap kalibrert, igjen med omkalibrering av vannføring og SS-tap for å forbedre P-tap ytterligere. Hvor god overenstemmelse det var mellom målte og simulerte verdier ble vurdert med utvalgte statistiske indikatorer. Etter kalibrering (årene ) og validering (resten av årene) ble modellen kjørt for tre situasjoner: faktisk drift i , et verste og et beste scenario. Verste scenario besto av å simulere med samme jordarbeiding som i , som representerer det året med mest areal jordarbeidet om høsten, hvert år fra Beste scenario besto av å simulere en situasjon med minst mulig jordarbeiding om høsten, tilsvarende året , og redusert P-gjødsling, hvert år fra Prosentandel eng, ikke jordarbeidet om høsten, høstharving og høstpløying var henholdsvis 2:17:1:42 % og 3:39:13:6 % for verste og beste scenario. For å få et mål på usikkerhet i beregningene så man også på differansen mellom målt og simulert SS- og P-tap under faktisk drift. Hvis denne differansen var lavere enn differansen mellom beste og verste scenario, var det sannsynlig at tiltakene faktisk hadde en effekt. Hvis differansen mellom målt og simulert var større enn differansen mellom beste og verste scenario, var modelleringsresultatet så usikkert at man ikke kunne konkludere med en effekt av tiltak. 47

50 Tabell 4.1. Inndata og referansedata for oppsett og kalibrering av modellene INCA-SED og INCA-P. Data Beskrivelse Oppløsning Type Kilde Meteorologiske Nedbør døgn inndata UMB a og hydrologiske Lufttemperatur døgn inndata UMB a data Hydraulisk effektiv nedbør døgn inndata Simulert i HBV b Jordfuktighetsdefisit døgn inndata Simulert i HBV b Nedbørfelt- og Areal, midlere helningsgrad - inndata GIS-kart bekkedata Lengde, bekkens bredde, - inndata GIS-kart dybde og helningsgrad Arealbruk inndata GIS-kart Drift Gårdsdata årlig inndata Bioforsk c Mengde og tidspunkt for P- døgn inndata Bioforsk c gjødsling Vannføring Målt vannføring, utløp døgn referanse Bioforsk c Skuterud Konsentrasjoner, Blandprøver analysert for SSkonsentrasjon Ca hver 14 dag referanse Bioforsk c utløp Skuterud Blandprøver analysert for TPkonsentrasjon Ca hver 14 dag referanse Bioforsk c Arealbruksspesifikke SS-tap årsmiddel referanse Ulike kilder d tap P-tap årsmiddel referanse Ulike kilder d a Data fra Universitetet for Miljø- og Biovitenskaps meteorologiske stasjon i Ås b Beldring (2008) c Data fra JOVA-databasen ved Bioforsk d Data fra ulike studier oppsummert av Kværnø og Bechmann (2010), Bechmann et al. (2011) Tabell 4.2. Arealbruksspesifikt tap av jord (SS), totalfosfor (TP) og løst fosfor (DRP) som andel av TP, brukt i kalibrering av INCA-SED og INCA-P. Arealbruk SS tap (kg/ha/år) TP tap (g/ha/år) % DRP Skog a Eng b Jordarbeidet om våren c Høstharving c Høstpløying c Boligfelt d a Vandsemb (2006) og tre år med data fra Skuterud, hentet fra JOVA-databasen ved Bioforsk b data hentet fra liknende nedbørfelter c estimert vha. C-faktorer basert på data oppsummert i Kværnø og Bechmann (2010) og Bechmann et al. (2011) d data fra Rustad, urbant delfelt i Skuterud 4.4 Resultater Resultatene av kalibreringen blir ikke vist her, men er å finne i avsnitt Resultatene for verste og beste scenario er vist i Figur 4.2, sammen med resultatene for faktisk drift. Simuleringene viser at tapene (og konsentrasjonene) er høyere for verste enn for beste scenario og at resultatene for simuleringer under faktisk drift som regel ligger mellom verste og beste scenario. Dette antyder at endret jordarbeiding og redusert fosforgjødsling har hatt en positiv effekt på vannkvaliteten, og at variasjoner i værforholdene delvis har 48

51 dekket over denne effekten. Den absolutte forskjellen mellom beste og verste scenario viste seg videre å være større enn den absolutte forskjellen mellom målte og simulerte tap i 10 av 14 år, dvs. at modellfeilen er mindre enn forskjellen mellom scenariene, hvilket antyder at vi kan stole noenlunde på resultatene. Alt i alt forteller altså denne modellstudien oss at det er sannsynlig at redusert jordarbeiding kan være et effektivt tiltak, og at tapene ville vært enda høyere enn det som er målt i perioden hvis disse tiltakene ikke hadde blitt gjennomført. Det presiseres at disse konklusjonene ikke er absolutte, men at det denne spesifikke modellstudien, med de forutsetningene som er gjort, tyder på at det man har vist er sannsynlig. Figur 4.2. Jord- og fosfortap fra Skuterudfeltet, simulert med INCA-SED og INCA-P, for perioden (agrohydrologiske år, 1. mai til 30. april). Faktisk drift er basert på årlige opplysninger om jordarbeiding, gjødsling og liknende fra JOVA-programmet ved Bioforsk. Verste scenario tilsvarer største andel jordarbeiding om høsten, som registrert i , hvert år. Beste scenario tilsvarer minste andel jordarbeiding om høsten, som registrert i , hvert år. Modellen er kjørt med faktisk årlig nedbør og temperatur i alle simuleringer. 49

52 5. Modellenes muligheter og kunnskapsbehov 5.1 Utvikling av modeller og metoder Økt kunnskap om prosesser - Første skritt på veien til å utvikle modeller og metoder med mindre usikkerhet knyttet til modellens struktur og prosessbeskrivelse, er at man fortsetter å forbedre vår prosessforståelse. Det er fortsatt en del kunnskapshull og utilstrekkelig prosessforståelse mht hydrologi og transport av jordpartikler og næringsstoffer i ulike systemer, og dette hindrer utvikling av adekvate modeller. Dette innebærer at man fortsatt satser på forskning på de aktuelle temaene. Alt fra grundig forskning på enkeltprosesser under kontrollerte forhold i laboratoriet, via felteksperimenter på mindre og større skala til metadataanalyser av overvåkingsdata og andre måledata, bidrar til mer kunnskap. Utvikling av nye modeller og forbedring av eksisterende modeller - det er relativt få modeller (og ingen nedbørfeltmodeller) som omfatter alle prosesser som er spesielt viktige for landbruksavrenning under norske klima- og jordforhold, spesielt prosesser i frossen jord, snødynamikk, drenering og transport i makroporer. Erosjonsmodellering har vist seg å være svært vanskelig i Norge, og som et resultat også fosformodellering. For fysisk basert modellering er det viktig å se nærmere for muligheter til å forbedre og utvikle modeller slik at disse prosessene blir bedre beskrevet. I dag er imidlertid tilgjengelighet av inndata til modeller og datakraft en begrensning for bruk av fysisk baserte modeller. Det er derfor også behov for å se nærmere på og utvikle flere enklere modeller og teknikker for oppskalering. Kilder til inndata En del inndata som er nødvendige i modeller er lett tilgjengelige: kart over jordsmonn (dyrka mark), geologi, arealbruk og topografi, informasjon om vekster og avlinger fra offentlige registre (SSB, søknad om produksjonstilskudd, jordbrukstellinga), og til dels også meteorlogiske data. Mer detaljert informasjon om jord- og planteegenskaper, driftspraksis, o.l. er ofte lite eller ikke tilgjengelig. Man må oftest måle dette spesifikt for det aktuelle feltet. Det fins imidlertid mange alternativer til målinger, for eksempel bruk av pedotransferfunksjoner for å estimere jordegenskaper fra mer lett tilgjengelige data, plantevekstmodeller for å estimere planteegenskaper, fjernanalyse og andre sensorer for å kvantifisere og lokalisere variasjoner i landskapet, for eksempel andel plantedekke, hvilke vekster som dyrkes hvor, hvor og når det er jordarbeidet, jordvariasjon, osv. Slike metoder bør i større grad brukes og verifiseres. Dette vil øke muligheten for å bruke mer komplekse modeller i oppdrag for forvaltningen. Teknikker for oppskalering - Oppskalering er en måte å overføre informasjon fra et mindre område til et større område. I sin enkleste form kan oppskalering begrense seg til å bruke en målt eller beregnet verdi for et bestemt sted til å representere andre tilsvarende steder uten videre manipulering av denne verdien. I sin mest avanserte form kan oppskalering omfatte bruk av flere ulike modeller eller utvikling av enklere modeller fra mer komplekse modeller. I avsnittene foran har vi sett noen eksempler på oppskalering. For eksempel har man kjørt profilskalamodeller for på hvert skifte i et felt, og etterpå antatt at det arealveide gjennomsnittet av alle resultatene kan representere responsen fra nedbørfeltet som helhet (avsnitt om SOILN_NO, SOILNDB og ERONOR). I andre eksempler har man koplet modeller for forskjellige skalaer, slik som for TEOTIL/JOVA-nest (avsnitt ), TRK og NL-CAT (avsnitt og 3.2.4). Man har også kalibrert modeller 50

53 på mindre skala og brukt denne parameteriseringen på større skala, evt. ved ytterligere tilpasning av noen parametre, så som i studiene med LISEM (avsnitt ) og INCA (avsnitt ). Det fins flere andre måter å oppskalere på. Egnetheten av de ulike metodene for oppskalering samt usikkerhetene ved disse bør undersøkes nærmere. Verktøy for å velge passende modeller slike verktøy er vanligvis i form av definerte kriterier, dvs. et sett av operasjonelle og funksjonelle kriterier, f.eks. i form av spørsmål vedrørende skala, oppløsning og formål med modelleringen. 5.2 Kalibrering, validering og usikkerhetsanalyse Kalibrering av modeller for mange nedbørfelter - så langt er mange aktuelle modeller prøvd ut i Skuterudfeltet, og noen i Mørdrefeltet. For å kunne bruke modellene generelt for norsk jordbrukslandskap bør modellene også testes i andre felter, slik at det er undersøkt om de dekker det vide spekteret av produksjonssystemer, jordsmonn, topografi, klima og skala. De andre JOVA-feltene er et godt utgangspunkt, siden lange tidsserier med overvåkingsdata er tilgjengelig. Kalibreringsprosessen gir bedre forståelse av prosessene i de ulike systemene, og kan også gi sett av kalibrerte parametre som kan brukes eller som kan bli regionalisert for liknende felter uten overvåkingsdata. Overvåkingsdata for kalibrering trengs for å kalibrere og validere modeller. Dette vil ikke være tilgjengelig i felter uten overvåkingsdata, men parametersett som har framkommet ved kalibrering på et liknende felt med overvåkingsdata kan overføres til felt uten målinger. Det er knyttet større usikkerhet til å gjøre dette for enkle modeller enn for fysisk baserte modeller. Imidlertid foregår overvåking i nedbørfelter som inkluderer flere kilder, noe som betyr at bidragene fra ulik jord og arealbruk er vanskelig å avdekke. Derfor gir ikke målinger ved utløpet av nedbørfeltene svar på hvor risikoen er høyest og hvor det vil være mest effektivt å sette inn tiltak. Det bør i tillegg legges vekt på å måle avrenning fra småfelter samt undersøkelse av transportprosesser innenfor de større nedbørfeltene for å kartlegge kilder og risikoarealer. Konsentrasjoner som måles i JOVA består av samleprøver for gjennomsnitt av om lag to uker. For kalibrering av modeller bør disse data suppleres med for eksempel stikkprøver og kontinuerlige sensormålinger. Vurdering av usikkerheter - kvantifisering av usikkerheter i modelleringsprosessen er viktig, ettersom man ved å ignorere usikkerhet kan komme til å velge strategier som ikke er optimale. Vurdering av usikkerhet har fått liten oppmerksomhet i norske modelleringsstudier der overvåkingsdata har vært brukt som input og som kalibreringsgrunnlag. Det bør derfor legges mer vekt på dette temaet. En lovende teknikk er såkalt multi-modellering. Teknikken er særlig kjent fra værvarsling, og bygger på en forutsetning om at det finnes flere modeller som passer til den aktuelle oppgaven. Hver modell forventes å ha et ikke-systematisk element i beregningene sine, men samtidig forventes det at de ulike modellene også vil vise de samme trendene. Ofte kan det være vanskelig å vurdere hvilken modell som gir lavest usikkerhet i beregningene. Når resultater fra flere, individuelt kalibrerte modeller aggregeres, er det sannsynlig at de felles trendene blir mer tydelige, mens de ikke-systematiske elementene vil bli mindre vektlagt. Slik kan sanne trender potensielt bli beregnet med større sikkerhet. 51

54 6. Konklusjoner Miljøeffekter av jordbruksdrift kan vurderes ut fra målinger på ulike skala. På rutefelt og ved måling av erosjon og næringsstoffavrenning med og uten gjennomføring av tiltak under ellers like forhold er det god effekt av tiltak som redusert jordarbeiding (unngå høstpløying), vegetasjonssoner og fangdammer. Forsøkene er dog ofte gjennomført på arealer med stor risiko for erosjon og fosfortap og effekter er antagelig større enn det som vil være tilfellet for en del arealer med mindre risiko. Det er behov for vurderinger og evt. forsøk som viser effekten av jordbrukstiltak på jord- og fosfortap for arealtyper med andre hellingsgrader. Resultater fra ruteforsøk og fra Vandsemb-feltet har vist at overvintring i stubb kan redusere erosjon og avrenning av fosfor på skiftenivå. Jordtapet varierer mye fra år til år på grunn av værforholdene og det er derfor vanskelig å se effekter jordarbeiding på jordtapet. Det ser dog ut til å være generelt lavere jordtap i år med lite høstpløying sammenlignet med år med mer høstpløying i feltene. Jordarbeidingen og været varierer dessuten samtidig og derfor er det ikke en direkte sammenheng mellom jordarbeiding og tap slik som for rutefelt. For å kunne skille mellom effekter av været og effekter av tiltaksgjennomføring på erosjon og fosfortap kan en bruke beregningsmodeller til å simulere effekter av ulike jordarbeidingsmetoder med like klimaforhold i et nedbørfelt. INCA-modellen ble brukt til å simulere effekter av jordarbeiding på tap av jord og fosfor fra et nedbørfelt i Akershus (Skuterudfeltet). Resultatene fra simuleringene underbygger antagelsene om at tiltakene har hatt en betydelig effekt på jord- og fosfortap i Skuterudfeltet, men at denne effekten har vært vanskelig å skille fra effekten av variasjoner i værforholdene. Dette forteller oss at det er sannsynlig at redusert jordarbeiding kan være et effektivt tiltak, og at tapene ville vært enda høyere enn det som er målt i perioden hvis disse tiltakene ikke hadde blitt gjennomført. Det presiseres at disse konklusjonene ikke er absolutte, men at denne spesifikke modellstudien, med de forutsetningene som er gjort, tyder på at resultatet er sannsynlig. Det finnes ulike modeller for å beregne avrenning fra nedbørfelt og disse modellene har et meget ulikt detaljeringsnivå. Enkle modeller, basert på lett tilgjengelige datakilder har lenge vært i bruk av forvaltningen. Fordelen med disse modellene er at de er enkle å ta i bruk og kostnadene holdes på et nivå som er mulig å finansiere i forvaltningen. Ulempen med slike modeller er at de er usikre, at de i liten grad er kalibrert og validert på uavhengige data og at resultatene som oppnås kan gi feilaktige utslag i forhold til de reelle tap av jord og næringsstoffer. Til slike modeller hører bl.a. Agricat og JOVAnest. En del fysisk baserte modeller kan på basis av værdata, simulere daglige variasjoner i hydrologi, erosjon og næringsstoffavrenning. I teorien er det forbundet mindre usikkerhet med fysisk baserte modeller enn de enklere modellene. Ulempen er at disse modellene krever detaljerte input data og er tidskrevende å bruke. Foreløpig har de fysisk baserte modellene i hovedsak vært brukt til forskningsformål, men det er et mål å kunne bruke disse i større omfang, også på oppdrag fra forvaltningen. Til slike modeller hører bl.a. LISEM og SWAT. Det er ikke mulig å anbefale en enkelt modell for alle formål. Variasjon i tidsoppløsning, geografisk oppløsning og formål med modelleringen avgjør hvilken modell som er best egnet. 52

55 På sikt er det en stor fordel om en til bruk for forvaltningen kan navigere seg bort fra de enkleste modeller og over mot modeller med større presisjon i estimatene. Forbedret kapasitet på PC-er vil gjøre slike modeller enklere å bruke. Tilgangen til input data vil dog alltid sette begrensninger for bruken av fysisk baserte modeller i nye nedbørfelt hvor datatilgangen er sparsom. 53

56 7. Referanser Anthony, S.G., Quinn, P., Lord, E.I., Catchment scale modelling of nitrate. Aspects of Applied Biology 46, Barkved, L.J., Saloranta, T., Kaste, Ø., Beldring, S., Farkas, Cs, Deelstra, J., Wade, A., Linking hydrology and water quality models for improved water management the case of Vansjø-Hobøl. Poster abstract for NHR conference on Lillehammer, September 14-16, Bechmann, M Effect of soil tillage and sediment losses from field to catchment scale in south east Norway. Special Issue on Soil in erosion in Nordic countries. Acta Agriculturae Scandinivica, section B. Plant and soil 62, Suppl. 2, Bechmann, M. and Øgaard, A. Submitted. Water quality changes following intensive focus on mitigation methods to reduce phosphorus losses. Agrochemistry and Soil Science Online journal Bechmann, M., Kværnø, S., Skøien, S., Øygarden, S., Riley. S., Børresen, T., Krogstad, T., Effekter av jordarbeiding på fosfortap. Sammenstilling av resultater fra nordiske forsøk. Bioforsk RAPPORT 6(61), 73 s. Behrendt, H., Kornmilch, M., Opitz, M., Schmoll, D., Scholz, G., Estimation of the nutrient inputs into river systems experiences from German rivers. Regional Environmental Changes 3, Beldring, S., Distributed Element Water Balance Model System. NVE rapport 2008/4. Bergström, S., The HBV model. In: Computer Models of Watershed Hydrology. In: Singh, V.P. (ed.). Water Resources Publications, Highlands Ranch, pp Blankenberg, A.G.B., Hougsrud, E Vegetasjonssoner som rensetiltak for partikkel- og næringsavrenning langs vassdrag. Bioforsk Fokus 5(1). Blankenberg, A.G.B., Turtumøygard, S., Pengerud, A., Borch, H., Skarbøvik, E., Øygarden, L., Bechmann, M., Syversen, N., Vagstad, N.H., Tiltaksanalyse for Morsa: Effekter av fosforreduserende tiltak i Morsa Bioforsk RAPPORT 3(86), 54 s. Borch, H., Hauge, A., Avrenning av næringsstoff fra landbruk og spredt avløp i Fredrikstad kommune. Bioforsk RAPPORT 3(136). Borch, H., Turtumøygard, S., Tilførselsberegninger fra bakgrunnsavrenning, landbruk og spredt avløp. Tiltak for landbruksforurensingen i Haldenvassdraget. Bioforsk RAPPORT 3(121). Borch, H., Avrenning av næringsstoff fra landbruk i Bunnefjorden med Årungen- og Gjersjøvassdraget. Bioforsk RAPPORT 4(11), 25 pp. Borch, H., Farkas, C., Øgaard, A. & Bechmann, M., The AGRICAT-P Model - a tool for modelling the mitigation effects of agricultural runoff in Norwegian catchments. Bioforsk RAPPORT 5(9), 56 s. Borch, H., Turtumøygard, S., Eggestad, H.O., Modellering av næringsstofftilførsler i et vassdragsavsnitt på Hadeland. Bioforsk RAPPORT 6(132), 55 s. Botterweg, P., Leek, R., Romstad, R., Vatn, A., The Eurosem Gridsem modelling system for erosion analyses under different natural and economic conditions. Ecol. Model. 108, Brandt M., and Ejhed H., TRK, Transport-Retention-Källfördelning, Belastning på havet. Swedish Environmental Protection Agency, Report 5247, Lindblom &Co, Stockholm. Braskerud, B.C. (red), Is living water possible in agricultural areas? Proceedings from NJF seminar no. 374, Jordforsk report 48/05, Ås. ISBN korte artikler om stofftap fra landbruket, bruk av og renseevne til vegetasjonssoner og fangdammer, samt 54

57 restaurering av bekker og innsjøer i Norden (nedlastbar fra og Braskerud, B. C., T. Hartnik, and Ø. Løvstad, The effect of the redox-potential on the retention of phosphorus in a small constructed wetland. Water Science and Technology, 51(3-4), Braskerud, B Tilbakeholdelse av jord, fosfor og nitrogen i fangdammer. Resultater - Metoder - Representativitet, JORDFORSK-rapport, 9/95, ISBN: Braskerud, B. C., The influence of vegetation on sedimentation and resuspension of soil particles in small constructed wetlands. Journal of Environmental Quality 30, Braskerud, B., Hauge, A Veileder fangdammer for partikkel- og fosforrensing. Bioforsk Fokus 3(12). 38pp. Deelstra, J., Bechmann, M., SOIL and SOILNNO at the catchment scale: a case study of an agriculture dominated catchment. Proceedings from symposium Agricultural Effects on Ground and Surface Waters: Research at the Edge of Science and Society, Wageningen, October IAHS Publ. no Deelstra, J., Bechmann, M., Kværnø, S.H., SOIL and SOIL-NO at a catchment scale - a case study for an agriculture-dominated catchment. Water Sci. Technol. 45, Deelstra, J., Farkas, Cs., Engebretsen, A., Kværnø, S.H., Beldring, S., Olszewska, A., Nesheim, L., Can we simulate runoff from agriculture-dominated watersheds? Comparison of the DrainMod, SWAT, HBV, COUP and INCA models applied for the Skuterud catchment. Bioforsk FOKUS 5(6), Dorioz, J.M., Wang, D., Poulenard, J., Tre visan, D The effect of grass buffer strips on phosphorus dynamics A critical review and synthesis as a basis for application in agricultural landscapes in France. Agriculture, Ecosystems and Environment 117 (2006) European Environment Agency/IFEN (2000). Calculation of nutriment surplus from agricultural sources. Statistics spatialisation by means of CORINE Land Cover. Application to the case of Nitrogen. Technical report N 51. Eggestad, H.O., Vagstad, N., Bechmann, M., Losses of nitrogen and phosphorus from Norwegian Agriculture to the OSPAR problem area. Jordforsk report 99/2001. Farkas, Cs., Beldring, S., Bechmann, M., Deelstra, J Soil erosion and phosphorus losses under variable land use as simulated by the INCA-P model. Soil Use Manage. (accepted for publication). Flanagan, D.C., Nearing, M.A., USDA Water Erosion Prediction Project. Hillslope profile and watershed model documentation. NSERL Report No. 10, USDA-ARS National Soil Erosion Research Laboratory, West Lafayette, Indiana. Gburek, B., Barberis, E., Haygarth, P., Kronvang, B. and Stamm, C Phosphorus mobility in the landscape. In: Sims, T. and Sharpley, A.N. (Eds.) Phosphorus: Agriculture and the environment. American Society of Agronomy, Madison, Wisconsin: Graham, D., Butts, M., Chapter 10 flexible integrated watershed modelling with MIKE SHE. In: Singh, V., Frevert, D. (eds.). Watershed Models, CRC Press. Grønsten, H.A., Lundekvam, H., Prediction of surface runoff and soil loss in southeastern Norway using the WEPP Hillslope model. Soil Till.Res. 85, Hauge, A., Blankenberg, A.G.B., Hanserud, O Evaluering av fangdammer som miljøtiltak i SMIL. Bioforsk rapport (3)140. Helmers, M.J., Eisenhauer, D.E., Dosskey, M.G., Franti, T.G., Brothers, J.M., McCullough, M.C Flow pathways and sediment trapping in a field-scale vegetative filter. Soil & Water Division of ASAE. Vol. 48(3): Hejzlar, J., Anthony, S., Arheimer, B. Behrendt, H., Bouraoui, F., Grizzetti, B., Groenendijk, P., Jeuken, M.H.J.L., Johnsson, H., Lo Porto, A., Kronvang, B., Panagopoulos, Y., Siderius, C., Silgram, M., Venohr, M., Žaloudík, J., Nitrogen and phosphorus retention in surface 55

58 waters: an inter-comparison of predictions by catchment models of different complexity. J. Environ. Monit. 11, Jansson, P.-E., Karlberg, L Coupled heat and mass transfer model for soil-plant-atmosphere systems. Royal Institute of Technology, Dept of Civil and Environmental Engineering, Stockholm, 435 pp. Jetten, V., LISEM user manual, version 2.x. Draft version January Utrecht Centre for Environment and Landscape Dynamics, Utrecht University, 48 pp. Johnsson, H., Larsson, M., Mårtensson, K., Hoffmann, M., SOILNDB: a decision support tool for assessing nitrogen leaching losses from arable land. Environ. Modell. Softw. 17, Kadlec, R. H. and R. L. Knight Treatment wetlands. Lewis Publishers, New York. Kalantari, Z., in prep. Evaluation of simulated land use measures on peak discharge of a catchment adjacent to a road. Manuscript. Kalantari, Z., Jansson, P.E., Stolte, J., Folkeson, L., French, H.K., Sassner, M., in prep. Usefulness of four hydrological models in simulating high-resolution discharge dynamics of a catchment adjacent to a road. Manuscript. Kronvang, B., Baatrup-Pedersen, Ejrnæs, R., Schou, J.S., Jørgensen, U., Børgesen, C Udyrkede bræmmer og randzoner langs vandløb og søer. Kortlægning af risikoarealer for fosfortab i Danmark. B3: Arealændringer i risikoområder. Årgang 1, 2008 Nr. B3, vers. 1. Kronvang, B., Behrendt, H., Andersen, H.E., Arheimer, B., Barr, A., Borgvang, S.A., Bouraoui, F., Granlund, K., Grizzetti, B., Groenendijk, P., Schwaiger, E., Hejzlar, J., Hoffmann, L., Johnsson, H., Panagopoulos, Y., Lo Porto, A., Reisser, H., Schoumans, O., Anthony, S., Silgram, M., Venohr, M., Larsen, S.E., Ensemble modelling of nutrient loads and nutrient load partitioning in 17 European catchments. J. Environ. Monit. 11, Kværnø, S., Bechmann, M Transport av jord og næringsstoffer i overflate- og grøftevann. Bioforsk rapport 5(30). 76pp Kværnø, S. H., S. M. Vandsemb, J. Deelstra, M. Bechmann and H. O. Eggestad, Nitrogen dynamics simulation affected by data availability. A case study for the Mørdre catchment. Jordforsk report 92/01, 24 pp. Kværnø, S.H., Deelstra, J., Modelling soil frost and snow dynamics under unstable winter climate. CoupModel simulation in the Skuterud catchment. Jordforsk report 37/03. Kværnø, S.H., Stolte, J., Effects of soil physical data sources on discharge and soil loss simulated by the LISEM model. CATENA 97, Lindström, G., Pers, C.P., Rosberg, R., Strömqvist, J., Arheimer, B Development and test of the HYPE (Hydrological Predictions for the Environment) model A water quality model for different spatial scales. Hydrology Research 41, Lundekvam, H., EORNOR/USLENO Empirical Erosion Models for Norwegian Conditions. Report No. 6/2002. Agricultural University of Norway, Ås. Lundekvam, H Bruk av erosjonsmodellen ERONOR i Skuterudfeltet. Jordforsk rapport 9/2004. Morgan, R.P.C., Quinton, J.N., Smith, R.E., Govers, G., Poesen, J.W.A, Auerswald, K., Chisci, G., Torri, D., Styczen, M.E., The European Soil Erosion Model (EUROSEM): A dynamic approach for predicting sediment transport from fields and small catchments. Earth Surface Processes and Landforms 23, Neitsch, S.L., Arnold, J.G., Kiniry, J.R., Williams J.R Soil and Water Assessment Tool. Theoretical Documentation. OSPAR HARP. Guideline 8: Principles for source apportionment for quantifying nitrogen and phosphorus discharges and losses. Reference no.: ; 00/9/2 Add.8 and 00/20/1, 9.5a. NIVA, Oslo, Norway. Povilaitis, A., Øygarden, L., Deelstra, J., Eggestad, H.O., Evaluation of the WEPP profile model. A preliminary study of the applicability in Norway. Jordforsk report 39/96, 19 pp. 56

59 Saloranta, T., Kämäri, J., Rekolainen, S., Malve, O., Benchmark Criteria: A Tool for Selecting Appropriate Models in the Field ofwater Management. Environmental Management 32, Saloranta, T., Andersen, T., MyLake A multi-year lake simulation model code suitable for uncertainty and sensitivity analysis simulations. Ecological Modelling 207, Schmidt, J., Entwicklung und Anwendung eines physikalisch begründeten Simulationsmodells für die Erosion geneigter landwirtschaftlicher Nutzflächen. Berliner Geogr. Abh., Heft 61, pp Schoumans, O.F. & Silgram, M. (eds.), Review and literature evaluation of nutrient quantification tools. EUROHARP report , NIVA report SNO , Oslo, Norway, 120 pp. Schoumans, O.F. Groenendijk P. and C. Siderius, NL-CAT application to six European catchments, Report 1205, Alterra, Wageningen, Schoumans, O.F., Silgram, M., Walvoort, D.J., Groenendijk, P., Bouraoui, F., Andersen, H.E., Lo Porto, A., Reisser, H., Le Gall, G., Anthony, S., Arheimer, B., Johnsson, H., Panagopoulos, Y., Mimikou, M., Zweynert, U., Behrendt, H., Barr, A., Evaluation of the difference of eight model applications to assess diffuse annual nutrient losses from agricultural land. J. Environ. Monit. 11, Selvik, J.R., Tjomsland, T., Eggstad, H.O., Teoretiske tilførselsberegninger av nitrogen og fosfor til norske kystområder i SPFO-rapport 1005/2007, 66 s. Silgram M, Anthony SG, Collins AL, Stromqvist J, Bouraoui F, Schoumans O, Lo Porto A, Groenendijk P, Arheimer B, Mimikou M, Johnsson H., Evaluation of diffuse pollution model applications in EUROHARP catchments with limited data. J. Environ. Monit. 11, Simmelsgaard, S. E., K. Kristensen, H. E. Andersen, R. Grant, J. O. Jørgensen and H. S. Østergaard, An empirical model for calculation of root zone nitrate leaching, DJF rapport Markbrug no. 32, Danmarks JordbrugsForskning, 67 pages, Skaggs,R. W., DRAINMOD: Reference Report - Methods for Design and Evaluation of Drainage- Water Management Systems for Soils with High Water Tables. USDA-SCS. Fort Worth, TX. Skøien, S.E., Børresen, T. & Bechmann, M Effect of tillage methods on soil erosion in Norway. Acta Agriculturae Scandinavica Section B. Soil and Plant 62, Suppl. 2, Starkloff, T., Modelling of soil erosion, with the EROSION 3D model for the Skuterud catchment in Norway. An applied comparison of the erosion risk models EROSION 3D and LISEM. Diploma Thesis, Technical University Freiberg. Syversen, N., Cold Climate vegetativ buffer zones as filters for surface agricultural runoff. Retention of soil particles, phosphorus and nitrogen. Doctor Scentiarum Theses 2002:12. Agricultural University of Norway. Syversen, N., Turtumøygard, S., Øygarden, L., Landbruk og spredt avløp tilførsler og anbefalte tiltak. Jordforsk-rapport 56/04. Tjomsland, T., Bratli, J.L., Brukerveiledning og dokumentasjon for TEOTIL. Modell for teoretisk beregning av fosfor- og nitrogentilførsler i Norge. O NIVArapport, L.nr pp. Turtumøygard, S., Øygarden, L., GIS avrenning i Leiras nedbørfelt. Jordforsk-rapport 86/03. Turtumøygard, S., Øygarden, L., Randby, J., GIS avrenning. Planleggingsverktøy for tiltak mot erosjon fra landbruksarealer. Jordforsk-rapport 26/05, 33 pp (In Norwegian). Turtumøygard, T., Borch, H., Rød, L.M., WebGIS avrenning - planleggingsverktøy for registrering og rapportering av tiltak mot erosjon i nedbørfelt. BIOFORSK RAPPOR 5(154), 11s. Turtumøygard, S., Eggestad, H., Borch, H., Jordbrukets arealavrenning i Vestfold Bioforsk RAPPORT 5(46), 16 pp. 57

60 Vold, A Development and evaluation of a mathematical model for plant N-uptake and N- uptake and N.leaching from agricultural soils. Doctor Scientiarum theses 1997:28, The Agricultural University of Norway, 98pp. Wade, A.J., Whitehead, P.G., Butterfield, D., 2002a. The Integrated Catchments model of Phosphorus dynamics (INCAP-P), a new approach for multiple source assessment in heterogeneous river systems: model structure and equations. Hydrol. Earth Syst. Sc. 6, Wade, A.J., Durand, P., Beaujouan, V., Wessel, W.W., Raat, K.J., Whitehead, P.G., Butterfield, D., Rankinen, K., Lepistö, A., 2002b. A nitrogen model for European catchments: INCA, new model structure and equations. Hydrol. Earth Syst. Sc.6, Vatn, A., Bakken, L.R., Bleken, M.A., Botterweg, P., Lundeby, H., Romstad, E., Rørstad, P.K., Vold, A., Policies for Reduced Nutrient Losses and Erosion from Norwegian Agriculture. Integrating Economics and Ecology. Norw. J. Agr. Sci., supplement No. 23, 319 pp. Vatn, A., Bakken, L.R., Bleken, M.A., Baadshaug, O.H., Fykse, H., Haugen, L.E., Lundekvam, H., Morken, J., Romstad, E., Rørstad, P.K., Skjelvåg, A.O., Sogn, T., Vagstad, N.H., Ystad, E., ØKØKMOD 2.0. Et tverrfaglig forskningsverktøy for analyse av tiltak for å redusere utslipp fra landbruket. Rapport 4/2002, Norges Landbrukshøgskole. 38 pp. (In Norwegian). Vatn, A., Bakken, L.R., Bleken, M.A., Baadshaug, O.H., Fykse, H., Haugen, L.E., Lundekvam, H., Morken, J., Romstad, E., Rørstad, P.K., Skjelvåg, A.O., Sogn, T., A methodology for integrated economic and environmental analysis of pollution from agriculture. Agr. Syst. 88, Wischmeier, W.H., Smith, D.D., Predicting rainfall-erosion losses from cropland east of the Rocky Mountains. U.S. Department of Agriculture, Agricultural Research Service, Agriculture Handbook 282. Øygarden, L. (2003). Rill and gully development during an extreme winter runoff event in Norway. Catena 50, Øygarden, L., Borch, H., Skarbøvik, E., Bechmann, M., Øgaard, A.F., Fornyet tiltaksanalyse for jordbrukstiltak i Morsa. Bioforsk RAPPORT 5(99), 67 pp (In Norwegian). 58