RAPPORT. En analyse for Lundin Norway AS. ACONA AS Rådhusgata 17, NO-0158 Oslo Norway, T:(+47) , Org. nr. NO MVA

Transkript

1 RAPPORT Stokastisk oljedriftsimulering, miljørisikoanalyse og beredskapsanalyse for boring, komplettering og prøveutvinning på Alta-feltet (brønn 7220/-EWT) En analyse for Lundin Norway AS ACONA AS Rådhusgata 7, NO-058 Oslo Norway, T:(+47) , Org. nr. NO MVA

2 Godkjenningstabell Godkjenningstabell Rapporttittel: Stokastisk oljedriftsimulering, miljørisikoanalyse og beredskapsanalyse for boring, komplettering og prøveutvinning på Alta-feltet (brønn 7220/-EWT) Kunde: Lundin Norway AS Utført av: Kundekontakt: Axel Kelley Signatur: Espen Donali Anders Bjørgesæter Jon Anders Ryste Kontrollert av: Signatur: Astrid Pedersen Godkjent av: Signatur: Julie Damsgaard Jensen Versjon: Dato: Versjon Aconas prosjektnummer: 8206 Referer til denne rapporten som: Acona AS 207. Stokastisk oljedriftsimulering, miljørisikoanalyse og beredskapsanalyse for boring, komplettering og prøveutvinning på Alta-feltet (brønn 7220/-EWT). En analyse for Lundin Norway AS. Versjonsdato: Aconas prosjektnummer:

3 Versjonshistorikk Versjonshistorikk Versjon / Dato Versjon Beskrivelse av endring: Rapport-utkast, for kundens gjennomlesning og vurdering. Versjon Rapport i FINAL-versjon, basert på kundens tilbakemelding. Versjon Rapport i FINAL-versjon, basert på korrigert rate i beredskapsanalysen, med tilhørende nye resultater. 3

4 Sammendrag Sammendrag Acona AS har gjennomført stokastiske oljedriftssimuleringer, miljørisikoanalyse og beredskapsanalyse med miljøgevinstanalyse (NEBA) for bore- og prøveutvinningskampanjen ved Altafeltet. Analysene er utført i samsvar med Styringsforskriften (paragraf 7), metode for miljørettet risikoanalyse og dokumentet Best Practice for oljedriftsimuleringer. Det er identifisert seks definerte fare- og ulykkeshendelser (DFU) for de planlagte aktivitetene: utblåsning under henholdsvis boring, komplettering og prøveutvinning, samt tre ulike uhellsutslipp under prøveutvinningen (uhellsutslipp fra shuttletanker, stigerør inkludert lossing av olje og fra 20 m 3 tank ombord på riggen). Stokastiske oljedriftssimuleringer og miljørisikoanalyse er utført for hver DFU og beredskapsanalysen et utført for de tre brønnhendelsene (utblåsning). Boreoperasjonen er planlagt startet rundt. mars 208 med forventet oppstart av prøveutvinningen. mai. Prøveutvinningen er planlagt med en varighet på inntil to måneder. Etter endt prøveutvinning vil brønnen plugges og forlates. Alta-feltet ligger i produksjonslisens 609 i Barentshavet og er lokalisert 56 km nordvest for Snøhvit og 06 km nordvest for Goliat. Korteste avstand til land er ca 56 km, til Sørøya i Hammerfest kommune i Finnmark. Havdypet ved lokasjonen er 400 m (MSL). Analysene er utført med olje fra Alta-feltet. Oljen danner stabile emulsjoner og er godt egnet for mekanisk oppsamling og kjemisk dispergering. Vannopptaket er raskt, med maksimalt vanninnhold på 80%. Viskositeten til emulsjoner oppnår nedre grensen for optimal mekanisk oppsamling i løpet av 6 timer etter et utslipp avhengig av vindstyrke og temperatur. Oljedriftsimuleringer Influensområdene for olje på sjøoverflaten varierer lite i utstrekning og form for utblåsninger ved boring, komplettering og prøveutvinning. Utslippene brer seg ut fra utslippspunktet og vil kunne berøre de ytre kystområdene i Finmark. Et uhellsutslipp fra shuttletankeren gir influensområder med noe mindre utstrekning enn utslippene fra utblåsningene. Influensområdene for de to mindre uhellsutslippene er små eller ikke eksisterende. Influensområdene er gjennomgående noe større for sjøbunnsutslipp enn for overflateutslipp. Ingen av influensområdene berører iskanten (den marginal issonen), polarfronten eller Bjørnøya. Influensområdene for olje i vannkolonne er relative store ved sjøbunnsutblåsninger og vil kunne strekke seg opptil 22 km fra brønnen. Influensområdene i vannkolonnen for overflateutblåsninger og for utslipp fra shuttletankeren er betraktelig mindre. Influensområdene for olje på strandlinjen vil kunne berøre deler av kysten av Finnmark. De største influensområdene forekommer ved sjøbunnsutblåsning under komplettering og prøveutvinning i sommersesongen. Uhellsutslippene under prøveutvinningen gir ikke influensområde på strandlinjen. 4

5 Sammendrag Sannsynlighet for stranding gitt en utblåsning eller uhellsutslipp fra shuttletankeren varierer mellom og 25 %, med høyest sannsynlighet i sommersesongen. De to minste uhellsutslippene gir ingen stranding av oljeemulsjon. Korteste drivtid til land, representert ved 95- persentilen forekommer om sommeren og er relativt lik (7 til 2 dager) for de fire største hendelsene (utblåsning og utslipp fra shuttletankeren). Overflateutslipp under boreoperasjonen har den korteste drivtiden på 7 dager. Største mengde strandet emulsjon, representert ved 95-persentilen, er 809 tonn og forekommer om sommeren for sjøbunnsutblåsning under boreoperasjonen. Syv NOFO eksempelområder har mer enn 5 % sannsynlighet for stranding av oljeemulsjon (gitt en utblåsning eller et utslipp). Det er Ingøya som er mest utsatt med både høyest sannsynlighet for stranding, korteste drivtider til land og størst mengde strandet oljeemulsjon. Miljørisikoanalyse Miljørisikoen for alle planlagte aktiviteter og tilhørende DFU er er lav, mindre enn 4 % av Lundins akseptkriterier. Utblåsning under komplettering gir høyest risiko. Pelagisk sjøfugl har høyest miljørisiko av ressursgruppene, mellom og 4 % av akseptkriteriene for moderat skade, avhengig av aktivitet og sesong. Det er barentshavbestandene av alke og lunde som har høyest risiko. For de resterende ressursgruppene var miljørisikoen mindre enn 5 % av akseptkriteriene for alle DFU er. Overlappsanalysen for fisk viser at viktige gyteområder overlappes minimalt av influensområdet for olje i vannkolonnen. Det største overlappet er for Nordøst-arktisk hyse, der mindre enn % av gyteområdet overlappes. Områder med forhøyet forekomst av VØK er langs polarfronten og iskanten (den marginale issonen) eller funksjonsområder (leve- og beiteområder) til sjøfugl og andre VØK er utenfor Bjørnøya har svært lav sannsynlighet for å bli berørt av et utslipp under bore- og prøveutvinningskampanjen på Alta-feltet. Beredskapsbehov Dimensjonerende hendelse for oljevernberedskap for alle tre aktiviteter er en utblåsning av olje. Vektet utblåsningsrate og -varighet er lagt til grunn for beregning av beredskapsbehov ved alle aktiviteter. Store influensområder på havoverflaten, avstand til kyst og aksjoner i mørke og kulde er utfordringer tilknyttet oljevernberedskap ved lokasjonen, men det er lang drivtid til land og det er god tilgang på oljevernressurser i området. Ressursbehovet på åpent hav (barriere A og B) varierer mellom tre og fem NOFO-systemer avhengig av aktivitet og sesong. Det er under boringen beredskapsbehovet på havet er størst. Ressursbehovet er tre NOFO-systemer i barriere A og to NOFO-systemer i barriere B. Første NOFO-system vil være på lokasjonen. Responstiden før dette fartøyet er klar for å samle opp olje er 2 timer. Neste NOFO-system har responstid på 9 timer. Fullt utbygd barriere på åpent hav vil kunne være på plass etter 44 timer under boringen. Største tilflytsrate til kysten er 0 S m 3 /d og korteste drivtid til land er 7,2 døgn. Beregnet 5

6 Sammendrag systembehov basert på tilflytsratene til hele kystlinjen blir mindre enn ett kystsystem. Tilflytsrate til kysten under boreperioden er 5 S m 3 /d og korteste drivtid til land i samme periode er 30 døgn. Beredskapsmodellering i OSCAR med tilhørende NEBA-vurderinger viser at mekanisk oppsamling alene gir tilsvarende miljøgevinst som ulike kombinasjoner av mekanisk oppsamling og kjemisk dispergering. 6

7 Forkortelser og definisjoner Forkortelser og definisjoner Akseptkriterier Operatørens aksepterte maksimalsannsynlighet for miljøskade i ulike skadekategorier. Benyttes for å avgjøre om en risiko akseptabel eller uakseptabel. ALARP As low as reasonably practical: prinsipp som benyttes ved vurdering av risikoreduserende tiltak. BA Beredskapsanalyse for oljesøl. Barriere Tekniske, operasjonelle og organisatoriske elementer som enkeltvis eller til sammen skal redusere muligheten for at konkrete feil, fare- og ulykkessituasjoner inntreffer, eller som begrenser eller forhindrer skader/ulemper. BP Beredskapsplan. DFU Definerte fare- og ulykkeshendelser. Felt En samling installasjoner som borer/produserer fra ett eller flere reservoarer, eller innenfor et naturlig avgrenset geologisk område. HI Havforskningsinstituttet. IGSA InnsatsGruppe Strand Akutt. Operativ berededskapstjeneste med spesialopplæring og utstyr til rask og effektiv oppsamling av olje i strandsone. IUA Interkommunalt Utvalg mot Akutt forurensning. Det interkommunale beredskapssamarbeidet som er delt inn i ulike IUA-regioner. MDir Miljødirektoratet, tidligere Klif. MEMW Marine Environmental Modelling Workbench. Programvarepakke fra SINTEF. MIRA Metode for miljørettet risikoanalyse. MRA Miljørisikoanalyse (Environmental Risk Analysis). Risikoanalyse som vurderer risiko for ytre miljø. NEBA Netto miljøgevinstanalyse for kjemisk dispergering (Net Environmental Benefit Analysis). NVG-sild Norsk vårgytende sild. NOFO Norsk oljevernforening for operatørselskap. NOFO-områder 50 eksempelområder forhåndsdefinert som dimensjonerende for oljevernberedskapen. Disse er karakterisert ved at de ligger i ytre kystsone, har høy tetthet av miljøprioriterte lokaliteter og som også på andre måter setter strenge krav til oljevernberedskapen. NORSOK Norsk sokkels konkurranseposisjon. Et samarbeidsprosjekt mellom aktørene i oljeindustrien og myndighetene, mest kjent for NORSOK-standardene. ODS Oljedriftsimulering. OLF Norsk olje og gass, tidligere Oljeindustriens Landsforening. Forkortelsen benyttes fremdeles for publikasjoner utgitt under det gamle navnet. Oljevernsystem Sett av utstyrsenheter for å samle sammen, ta opp og oppbevare oljeforurensning. OR-fartøy Oljevernfartøy (Oil spill Response vessel). Del av NOFO-system, der den andre delen 7

8 Forkortelser og definisjoner er et slepefartøy. OSCA Beredskapsanalyse (Oil spill contingency analysis). OSCP Oljevernberedskapsplan (Oil spill contingency plan). OSCAR Oil spill contingency and response. Modul for oljedriftsimuleringer i programvarepakken MEMW 7.0. fra SINTEF. PL Produksjonslisens. Ptil Petroleumstilsynet. Restitusjonstid Tiden det tar fra et oljeutslipp skjer og til restitusjon er oppnådd. Restitusjon er oppnådd når bestanden eller habitatet er tilbake på tilnærmet samme nivå som før oljeutslippet. Restitusjonstiden må være lengre enn måned for at den skal bli registrert som miljøskade. Skadekategorier Kategorisering av miljøskader i hhv. mindre, moderat, betydelig eller alvorlig på grunnlag av restitusjonstid. SVO Særlig verdifulle områder THC Total Hydrocarbon Concentration. Total mengde hydrokarbon - inkluderer både dispergert olje og løste komponenter. Vektet utblåsningsrate/-varighet Sannsynlighetsvektet gjennomsnitt av hhv. ublåsningsrate og -varighet. VØK Verdsatt økosystemkomponent. En bestand og/eller et habitat som oppfyller et sett definisjoner og prioriteringskriterier. 8

9 Innholdsfortegnelse Innhold Godkjenningstabell 2 Versjonshistorikk 3 Sammendrag 4 Forkortelser og definisjoner 7 Introduksjon 2. Planlagt aktivitet Statistikk for hver definerte fare- og ulykkeshendelse (DFU) Oljens forvitringsegenskaper Verdsatte økosystemkomponenter (VØK) i MRA Operatørens akseptkriterier for miljørisiko Områdebeskrivelse 24 3 Metoder Metode for simulering av oljedrift Metode for analyse av miljørisiko Metode for analyse av oljevernberedskap Inngangsdata Beregning av ressursbehov Stokastisk modellering av oljevernberedskap Resultater Oljedriftssimuleringer Influensområder Strandingsstatistikk Resultater for miljørisikoanalyse pelagisk sjøfugl kystbunden sjøfugl

10 Innholdsfortegnelse sel strandhabitat fisk Resultater for kystdatasett-alt5 og lys-loggerdatasettt Sårbare områder og assosiert fauna Oppsummering av miljørisikoanalyse Resultater for beredskapsanalyse Krav til oljevernberedskap Dimensjonering av oljevernberedskap Plassering av barrierer Oljevernberedskap i barriere Oljevernberedskap i barriere 2 og Beredskap for mindre uhellsutslipp Netto miljøgevinstanalyse (NEBA) med stokastisk beredskapsmodellering Konklusjoner oljevernberedskap Referanseliste 80 A Vedlegg: resultater 8 A. Vedlegg: Resultater for utblåsning under boring A.. Oljedriftssimulering (ODS) A..2 Miljørisikoanalyse (MRA) A.2 Vedlegg: Resultater for utblåsning under komplettering A.2. Oljedriftssimulering (ODS) A.2.2 Miljørisikoanalyse (MRA) A.3 Vedlegg: Resultater for utblåsning under prøveutvinning A.3. Oljedriftssimulering (ODS) A.3.2 Miljørisikoanalyse (MRA) A.4 Vedlegg: Resultater for uhellsutslipp fra shuttletanker under prøveutvinning.. 6 A.4. Oljedriftssimulering (ODS) A.4.2 Miljørisikoanalyse (MRA)

11 Innholdsfortegnelse A.5 Vedlegg: Resultater for uhellsutslipp fra stigerør under prøveutvinning A.5. Oljedriftssimulering (ODS) A.6 Vedlegg: Resultater for uhellsutslipp fra tank på rigg under prøveutvinning A.6. Oljedriftssimulering (ODS) B Vedlegg: inngangsdata 34 B. Verdsatte økosystemkomponenter (VØK) B.2 Oversikt geografiske bestander B.2. Barentshavet områdebeskrivelse C Vedlegg: metoder 52 C. OSCAR-modellering C.2 Definisjon av influensområder C.3 Beregning av persentiler C.4 Konverteringstabeller C.4. Skadelig oljekonsentrasjon for fiskelarver

12 Introduksjon Introduksjon Denne rapporten er utarbeidet av Acona AS, på vegne av Lundin Norway AS (heretter referert til som Lundin). Rapporten inneholder følgende tre analyser: () stokastiske oljedriftssimulering, (2) miljørisikoanalyse og (3) beredskapsanalyse med netto miljøgevinstanayse (NEBA) med stokastisk beredskapsmodellering. Analysene er utført i samsvar med Styringsforskriften (paragraf 7), metode for miljørettet risikoanalyse (MIRA, OLF 2007) og veiledning for miljørettede beredskapsanalyser (Norsk olje og gass 203), samt dokumentet Best Practice for oljedriftsimuleringer utarbeidet på oppdrag fra Norsk Olje og Gass (Acona, Akvaplan-Niva, og DNV GL 206). Aktivitetene som skal gjennomføres på Alta-feltet inkluderer boring og komplettering av en horisontal produksjonsbrønn (7220/-EWT) med påfølgende prøveutvinning i inntil to måneder. Etter endt prøveutvinning vil brønnen plugges og forlates. Oljen som utvinnes vil samles opp og overføres til en shuttletanker via et fleksibelt eksportrør mens gassen vil brennes over brennerbom. Boreoperasjonen er planlagt startet rundt. mars 208 med forventet oppstart av prøveuvinningen. mai. Brønn 7220/-EWT ligger i blokk PL 609 i Barentshavet (figur.). Brønnen er lokalisert 56 km nordvest for Snøhvit og 06 km nordvest for Goliat. Korteste avstand til land er ca 56 km, til Sørøya i Hammerfest kommune i Finnmark. Havdypet ved lokasjonen er 400 m (MSL). 2

13 Introduksjon Figur.: Beliggenhet til Alta-feltet, med brønn 7220/-EWT. 3

14 Introduksjon. Planlagt aktivitet Lundin planlegger å gjennomføre en tidsbegrenset prøveutvinning, i form av en utvidet brønntest, i løpet av våren og sommeren 208. Aktiviteten er delt opp i følgende delaktiviteter av betydning for risikobildet: (a) boring, (b) komplettering, og (c) prøveutvinning. Til disse aktivitetene er det identifisert seks definerte fare- og ulykkeshendelser (DFU, se tabell.); utblåsning under hver av de tre aktivitetene samt tre ulike uhellsutslipp under prøveutvinningen. Stokastiske oljedriftssimuleringer og miljørisikoanalyse er utført for hver DFU og beredskapsanalyse et utført for de tre brønnhendelsene (utblåsning). Hver DFU er karakterisert ved tre ulike statistikker: () sannsynligheten (frekvensen) for utslipp, (2) sannsynlighetsfordelingen mellom sjøbunn- og overflateutslipp, og (3) sannsynlighetsfordeling av utslippssrater og -varigheter. Acona har i samråd med Lundin utredet disse verdiene for alle DFU ene som planlegges basert på utblåsningsstudiet til brønnen (add energy 206), historiske ulykkesdata for akutt utslipp til fra petroleumsvirksomheten (DNV 2006; Lloyd s Register Consulting 207; Proactima 200, 20; Scandpower Inc. 203) og reservoarkvalitetene og potensial i reservoarene (add energy 206; Lloyd s Register Consulting 206) (se kapittel.. for detaljer). For de tre brønnhendelsene (utblåsning) er det antatt 52 dagers varighet for å bore en avlastningsbrønn. Tabell.: Operatørens planlagte aktivitetsnivå ved Alta-feltet med tilhørende definert fare- og ulykkeshendelser (DFU). Stokastiske oljedriftssimuleringer og miljørisikoanalyse er utført for hver DFU og beredskapsanalyse et utført for de tre brønnhendelsene (utblåsning). Aktivitet DFU Frekvens Utslippsdyp Boring utblåsning,9e-04 overflate og sjøbunn Komplettering utblåsning.38e-04 overflate og sjøbunn Prøveutvinning utblåsning 2,4E-05 sjøbunn uhellsutslipp fra shuttletanker 7,42E-05 overflate uhellsutslipp fra stigerør 3,00E-03 overflate uhellsutslipp fra tank på rigg 9,50E-05 overflate.. Statistikk for hver definerte fare- og ulykkeshendelse (DFU) utblåsning under boring Sannsynligheten for utblåsing under boring er.9e-04 pr. operasjon. Som basisfrekvens (frekvens utarbeidet av historiske data) er det benyttet data for boring av en gjennomsnittlig produksjonsbrønn (gass og olje) (3,86E-05) (Lloyd s Register Consulting 207) pga. det kan være en gasskappe over oljelaget og en korreksjonsfaktor 4

15 Introduksjon (3,) utarbeidet for boring i kalkformasjoner (se Lloyd s Register Consulting 206 for detaljer). Frekvensen til en gjennomsnittlig brønn (gass og olje) er 2 % høyere sammenlignet med en oljebrønn. Korreksjonsfaktoren øker sannsynligheten for utblåsning under boring i kalkformasjoner med litt over tre ganger sammenlignet med basisfrekvensen. Den viktigste årsaken til at det vurderes å være større sannsynlighet for en utblåsning ved boring i kalkformasjoner er muligheten for tap av boreslam i hulrom i formasjonen. Gitt at en utblåsning finner sted, er sannsynligheten for sjøbunns- og overflateutblåsninger hhv og 0.20 (Lloyd s Register Consulting 207). Sannsynlighetsfordelingene av utblåsningsrater og -varigheter er vist i tabell.2. Disse fordelingene har en vektet utblåsningsrate og -varighet på hhv S m 3 /d og 7.9 dager for sjøbunnsutblåsning og 5344 S m 3 /d og 5.5 dager for overflateutblåsning. Tabellverdiene er aggregert fra rate- og varighetsmatrisen i utblåsingsstudiet for brønnen (add energy 206) iht. beste praksis for oljedriftsmodellering (Acona, Akvaplan-Niva, og DNV GL 206). Tabell.2: Rate- og varighetsmatrisen for utblåsning under boring ved Alta-feltet. Utslippspunkt Rater Sannsynlighet for varighet Dybde Sans. (%) S m 3 /døgn Sans. (%) 2 dager 5 dager 5 dager 52 dager Overflate Overflate Overflate Overflate Overflate Overflate Sjøbunn Sjøbunn Sjøbunn Sjøbunn Sjøbunn Sjøbunn utblåsning under komplettering Sannsynligheten for utblåsing under komplettering av brønnen er.38e-04. Her er gasskappen isolert og det er derfor benyttet basisfrekvensen for utblåsning under komplettering av oljebrønner (Lloyd s Register Consulting 207). Gitt at en utblåsning finner sted, er sannsynligheten for sjøbunns- og overflateutblåsninger hhv og Fordelingen er basert på en basisfordeling på 96 % for overflateutblåsninger og 4 % for sjøbunnsutblåsninger (Lloyd s Register Consulting 207) og at man vil forsøke å kople fra riggen (kutte marin riser) og trekke den vekk fra utblåsningen. Suksessraten for dette er vurdert å være 75 % (DNV 2006). 5

16 Introduksjon Sannsynlighetsfordelingene av utblåsningsrater og -varigheter er vist i tabell.3. Disse fordelingene har en vektet utblåsningsrate og -varighet på hhv S m 3 /d og 6.5 dager for sjøbunnsutblåsning og 3378 S m 3 /d og 5.0 dager for overflateutblåsning. Tabellverdiene er utarbeidet fra rate- og varighetsmatrisen for boring av brønnen (add energy 206), justert for hendelser (utblåsningsscenarioer) som ikke vil kunne finne sted under komplettering: Toppeksponering av reservoaret (under komplettering er hele brønnen eksponert) og åpent hull (indre diameter av produksjonsrøret er antatt å være sammenlignbart med indre diameter av borestrengen). Fordelingen av de resterende utblåsningsscenarioene (77 % via borestrengen og 23 % via ringrommet, begge med en 30 : 70 fordeling mht. åpningen på sikkerhetsventilen) normaliseres slik at de summeres til 00 % for overflate- og sjøbunnsutblåsninger (jf. tabell.3). Tabell.3: Rate- og varighetsmatrisen for utblåsning under komplettering ved Alta-feltet. Utslippspunkt Rater Sannsynlighet for varighet Dybde Sans. (%) S m 3 /døgn Sans. (%) 2 dager 5 dager 5 dager 52 dager Overflate Overflate Overflate Overflate Sjøbunn Sjøbunn Sjøbunn Sjøbunn utblåsning under prøveutvinning Sannsynligheten for utblåsing under prøveutvinningen er 2.4e-05 som er basisfrekvensen for en produserende brønn i 2 måneder (Lloyd s Register Consulting 207). Prøveutvinningen vil foregå over en periode på to måneder som betyr at det er lagt inn en sikkerhetsfaktor på seks for å ta høyde for usikkerheten i faktorer som avviker fra en produserende brønn (ingen tubing hanger, ingen juletrær, men subsea-testtre montert i sikkerhetsventilen). Generelt vil det være bedre overvåkning på denne brønnen enn for produserende brønner, og ankringsanalysen viser at riggen tåler minst to ankerbrudd uten at den mister integriteten til operasjonen. Gitt at en utblåsning finner sted, er sannsynligheten for sjøbunns- og overflateutblåsninger hhv..00 og Sannsynlighetsfordelingene av utblåsningsrater og -varigheter er vist i tabell.4. Disse fordelingene har en vektet utblåsningsrate og -varighet på hhv S m 3 /d og 6.4 dager for sjøbunnsutblåsning. Tabellverdiene er utarbeidet fra rate- og varighetsmatrisen for boring av brønnen (add energy 206), justert for hendelser (utblåsningsscenarioer) som ikke vil kunne finne sted under prøveutvinningen: Toppeksponering av reservoaret (under produksjon 6

17 Introduksjon er hele brønnen eksponert) og åpent hull (indre diameter av produksjonsrøret er antatt å være sammenlignbart med indre diameter av borestrengen). Fordelingen av de resterende utblåsningsscenarioene (54 % via borestrengen/produksjonsrøret og 46 % via ringrommet, begge med en 30:70 fordeling mht. åpningen på sikkerhetsventilen) normaliseres slik at de summeres til 00 % for sjøbunnsutblåsninger (jf. tabell.4). Tabell.4: Rate- og varighetsmatrisen for utblåsning under prøveutvinning ved Alta-feltet. Utslippspunkt Rater Sannsynlighet for varighet Dybde Sans. (%) S m 3 /døgn Sans. (%) dager 2 dager 5 dager 5 dager 52 dager Sjøbunn Sjøbunn Sjøbunn Sjøbunn uhellsutslipp fra shuttletanker under prøveutvinning Sannsynligheten for uhellsutslipp fra shuttletankeren under prøveutvinningen er 7.42e-05. Kollisjon med påfølgende utslipp til sjø er den dominerende hendelsen (Proactima 20). Sannsynligheten for kollisjon med påfølgende utslipp fra lagringstankene under prøveutvinningen er antatt å være 6,43E-05 for geostasjonær overføring vs.,62e-02 for tandem (Scandpower Inc. 203). Tallene justert til en to måneders periode blir 7.42E-05 pr. operasjon. Det er da ikke tatt hensyn til at kollisjonskraften er mindre enn 22 megajoule (MJ) i de fleste historiske hendelsene. Sannsynlighetsfordelingene av utslippsrater og -varigheter er vist i tabell.5. Uhellsutslippet kan kun forekomme på sjøoverflaten og har en vektet rate og -varighet på 4753 S m 3 /d og 2.0 dager. Tabellverdiene er basert på et lagringsvolum for en tank på 7922 m 3 (80 % fulle) og at det er hhv. 80 % og 20 % sannsynlighet for at en kollisjon vil føre til utslipp fra hhv. en og to av lagringstankene. Utslippets varighet er satt til 2 døgn slik at det er 80 % sannsynlighet for et utslipp på 7922 m 3 og 20 % sannsynlighet for et utslipp på 5844 m 3. Tabell.5: Rate- og varighetsmatrisen for uhellsutslipp fra shuttletanker under prøveutvinning ved Alta-feltet. Utslippspunkt Rater Sannsynlighet for varighet Dybde Sans. (%) S m 3 /døgn Sans. (%) 2 dager Overflate Overflate uhellsutslipp fra stigerør under prøveutvinning Sannsynligheten for uhellsutsipp fra stigerør under prøveutvinningen er 3.00e-03. Frekvensen inkluderer stigerørsbrudd med en basisfrekens på 6.0E-03 pr. år (Proactima 200, 20) og utslipp i forbindelse lossing 7

18 Introduksjon av olje med en basisfrekens på 2.0E-03 pr. skipning (Proactima 200). Frekvensen er justert for prøveutvinningsperioden og det er antatt en skipning under prøveutvinningen. Sannsynlighetsfordelingene av utslippssrater og -varigheter er vist i tabell.6. Utslippet kan kun forekomme på overflaten. Maksimalt utslippsvolum er satt til 50m 3 der totalvolumet til losseslangen utgjør 5m 3. Tabell.6: Rate- og varighetsmatrisen for uhellsutslipp fra stigerør under prøveutvinning ved Alta-feltet. Utslippspunkt Rater Sannsynlighet for varighet Dybde Sans. (%) S m 3 /døgn Sans. (%) 0.5 dager Overflate uhellsutslipp fra tank på rigg under prøveutvinning Sannsynligheten for uhellsutslipp fra oppsamlingstank på riggen under prøveutvinningen er 9.50E-05. Hendelsen har en basisfrekvens på.73e-03 (Proactima 20). En prosesslekkasje vil kun føre til akutt utslipp til sjø dersom oljen som slippes ut ikke blir samlet opp i innretningens dreneringssystem. Sannsynligheten for dette (enten ved at systemet feiler eller lekkasjen overstiger kapasiteten til dreneringssystemet) er vurdert å være 33 % slik at basisfrekvensen for utslipp til sjø for hendelsen blir 5.70E-04 pr. år (se Proactima (20) for detaljer). Justert for prøveutvinningsperioden gir dette en frekvens på 9.50E-05. Sannsynlighetsfordelingen av utslippsrater og -varigheter er vist i tabell.7. Utslippet kan kun forekomme på sjøoverflaten. Volumet til utslippet er lik volumet til tanken (22m 3 ) og varighetene av utslippet er satt til /2 døgn. Tabell.7: Rate- og varighetsmatrisen for uhellsutslipp fra tank på rigg under prøveutvinning ved Alta-feltet. Utslippspunkt Rater Sannsynlighet for varighet Dybde Sans. (%) S m 3 /døgn Sans. (%) 0.5 dager Overflate Oljens forvitringsegenskaper Forvitringsgenskapene til oljen fra Alta-feltet har blitt beskrevet av SINTEF (206). Disse egenskapene er brukt i oljedriftsimuleringene og beredskapsanalysen som er utført for de planlagte aktivitetene. Alta-oljen er en parafinisk råolje med middels tetthet, lavt asfalteninnhold og middels innhold av voks. Oljen har høyt fordampningstap umiddelbart etter utslipp med økt relativt innhold 8

19 Introduksjon av asfaltener og voks som resultat. Dette vil bidra til å stabilisere oljeemulsjoner samt at det er risiko for at oljen vil stivne på sjøoverflaten ved lave temperaturer. Oljen danner stabile emulsjoner med middels til lav viskositet. Vannopptaket er raskt, med maksimalt vanninnhold på 80 %. Bruk av emulsjonsbryter fungerer godt på emulsjoner av Alta-oljen. Levetiden til oljen på sjøoverflaten er - 5 døgn ved høye vindstyrker (0-5 m/s). Ved rolige værforhold kan så mye som 65 % av oljen fremdeles befinne seg på sjøoverflaten etter 5 døgn. Viskositeten til emulsjoner av Alta-oljen oppnår nedre grensen for optimal mekanisk oppsamling ( 000 cp) i løpet av 6 timer etter et utslipp avhengig av vindstyrke og temperatur. Viskositeten forventes å forbli under cp de første 5 dagene. Oljen har godt potensiale for bruk av dispergeringsmidler ved viskositeter under 500 cp og forventes å være dispergerbar inntil viskositeten når cp. Temperaturen til oljen vil nå sjøtemperaturen i løpet av kort tid. Flammepunktet for Alta-oljen forventes å være over sjøtemperaturen i løpet av 5 minutter ved lave vindstyrker (2 m/s) og etter kortere tid ved høyere vindstyrker. Grenseverdien for lagring i tanker, 60 C, nås etter 9 timer ved lave vindstyrker. Dette vil gå raskere ved høyere vindstyrker..3 Verdsatte økosystemkomponenter (VØK) i MRA En VØK (verdsatt økosystemkomponent) er definert i MIRA-metoden som en bestand og/eller et habitat som oppfyller et sett spesifikke definisjoner og prioriteringskriterier (OLF 2007). VØKbestander som benyttes i miljørisikoanalysen er presentert i vedlegg B.. Utvalgte områder med høy tetthet av VØK er er presentert i seksjon 2 og figur 2.. Bestandsdataene anvendt for denne rapporten omfatter to arter sjøpattedyr (sel), 29 arter sjøfugl (7 kystbundne og 2 pelagiske), og seks arter fisk. I tillegg er det analysert 35 sjøfuglarter i det nye "kystdatasettet Alt5" og lomvi fra fire ulike hekkekolonier (se nedenfor for detaljer). Habitatdataene omfatter 2 ulike strandhabitater og datasett for månedsvis isutbredelse. Planktonorganismer med unntak av fiskeegg og -larver er ikke tatt med pga. deres lave sensitivitet for olje, noe som skyldes stor geografisk fordeling av de enkelte artene og kort restitusjonstid. For arter av sjøfugl, sjøpattedyr og fisk er det forskjellige bestander for ulike geografiske regioner (se vedlegg B.2). Følgende datasett er benyttet for de ulike VØK-gruppene: Pelagisk sjøfugl: SEAPOP, , republisert i 205 Kystbunden sjøfugl: SEAPOP, Kystdatasett Alt5: NINA, Lyslogger-datasett for lomvi: NINA, Gyteområder: HI, nedlastet Fiskelarver og -egg: HI,

20 Introduksjon Sjøpattedyr (sel): MRDB, Sjøpattedyr (utbredelse av sirkumpolare sel- og hvalarter): HI, nedlastet Strand: MRDB, Isutbredelse og isfrekvens: Norsk Polarinstitutt, For sjøfugl er det benyttet tilrettelagte data fra SEAPOP (NINA). Artene er tildelt månedlige bestandsandeler og de pelagiske og de mer kystbundne artene er delt inn i i hhv. tre regioner (Barentshavet, Norskehavet og Nordsjøen) og fem regioner (Svalbard med omkringliggende områder og Bjørnøya, Barentshavet, Norskehavet, Nordsjøen og Skagerrak). Miljøskade og risiko for pelagiske arter i hekkeperioden er beregnet på bakgrunn av åpent hav-datasettet fra NINA/SEAPOP og rapportert i resultater for pelagisk sjøfugl. Datasettet gir en god representasjon av forekomsten av pelagiske arter i hekkeperioden. Et standardiseringsarbeid for tilretteleggingen av sjøfugldata fra SEAPOP til bruk i miljørisikoanalyser er igangsatt av Norsk olje og gass. NINA, DNV GL, Akvaplan-niva og Acona deltar i dette arbeidet. En sentral oppgave er harmonisering av bruk av kystdatasett i hekkeperioden, inkludert bruk av "buffersoner", "aggregeringsfaktorer" og bestandsinndeling. Dette arbeidet vil pågå ut 207. I første arbeidsmøte (workshop) holdt den 24. april 207 hos Miljødirektoratet ble det anbefalt en tilrettelegging av kystdatasettene som kunne benyttes frem til dette arbeidet er ferdigstilt. Datasettet refereres til som "Kystdatasett Alternativ 5 - standardisert mot nasjonal bestand" eller "Kystdatasett Alt5". Acona har tilrettelagt datasettet iht. anbefalingene og valgt ut 35 arter til miljørisikoanalysen for Alta-feltet (etter anbefaling fra NINA er de fleste våtmarkstilknyttede artene og vadere utelatt fordi datagrunnlaget er pr. i dag for fragmentert til å benyttes i kvantitative analyser). Følgende arter er analysert: Alkekonge, Alke, Grågås, Teist, Lunde, Havhest-N, Havhest-S, Gulnebblom, Storlom, Islom, Smålom, Gråmåke, Fiskemåke, Sildemåke, Polarmåke, Svartbak, Sjøorre, Laksand, Svartand, Siland, Ismåke, Toppskarv, Storskarv, Krykkje, Gråstrupedykker, Stellerand, Ærfugl, Praktærfugl, Havsule, Lomvi, Polarlomvi, Rødnebbterne, Makrellterne, Storjo og Tyvjo. Hovedresultatene fra denne analysen er presentert i avsnitt SeaTrack (Seabird Tracking) er en ny modul til SEAPOP med en tidsavgrensning på fem år ( ). SeaTrack er et internasjonalt samarbeid om kartlegging av sjøfuglers vandringer med fokus på arealbruk utenfor hekkesesongen, deriblant bestandstilhørighet, trekkruter og vinterområder for bestander som Norge har forvaltningsansvar for utenfor hekketiden. Datasettet er basert på lysloggerdata (GLS fra engelsk "global location sensor") som er en liten elektronisk enhet som festes til fuglen med en fotring. Denne logger lysintensitet og klokkeslett som benyttes for grove beregninger av lengde- og breddegrad for fuglens posisjoner. Dataene som opparbeides vil bla. benyttes til å gi bedre prediksjoner for utbredelsen av sjøfugl i åpent hav og da spesielt utenfor hekkeperioden, ved at man kombinerer dataene fra telletoktene med dataene fra SeaTrack (Fauchald 206). Dette arbeidet forventes ferdigstilt i i og vil resultere i nye utbredelseskart med mer presise estimater av forekomst over større områder 20

21 Introduksjon samt en sannsynlighetsfordeling (usikkerhet i estimatene) og bestandstilhørighet til fuglene. Lysloggerdataene i seg selv er ikke spesielt godt egnet til kvantitative miljørisikoanalyser da de ikke er ferdig harmonisert for bruk i MRA. I arbeidsmøtet "SeaTrack-data og bruk i miljørisikoanalyser" på Gardermoen, Oslo ble det anbefalt at dataene hovedsakelig benyttes i en kvalitativ vurdering og ikke vektlegges i den kvantitative oppsummerende risikoen for aktiviteten (Norsk olje og gass med deltagere fra Norsk Polarinstitutt, Norsk Institutt for Naturforvaltning, Miljødirektoratet samt deltagere fra flere oljeselskaper og konsulenter). Loggerdata er imidlertid allerede benyttet i noen miljørisikoanalyser i Barentshavet, delvis som følge av krav fra Miljødirektoratet. Det er pr. i dag opparbeidet data for lomvi fra fire ulike hekkekolonier (Sklinna, Hornøya, Hjelmsøya og Bjørnøya) og et datasett som inkluderer alle koloniene. De fire koloniene inneholder ca. 90 % av den norske populasjonen i hekkeperioden. Dataene er tilrettelagt av NINA og Norsk Polarinstitutt gjennom SeaTrack-programmet og gjort tilgjengelig for bruk i miljørisikoanalyser av NINA og Norsk olje og gass (personlig kommunikasjon Egil Dragsund, Norsk olje og gass ). Datasettet omfatter 3 år med sporingsdata for 300 individer for to ulike perioder: høst (august til oktober) og vinter (november til januar). Dataene er filtrert med 50 % kernel og viser således kjerneområdet til de merkede fuglene. Andelen av fugl i hver rute er normalisert slik at summen over alle rutene blir 00 % for hver koloni. Hovedresultatene fra denne analysen er presentert i avsnitt Datasettene for sel og strandhabitat er opprinnelig fra MRDB v.2 utgitt i 200. Dette er de nyeste datasettene som er tilrettelagt for standardiserte kvantitative miljørisikoanalyser. Havforskningsinstituttet utfører landsdekkende tellinger av den norske steinkobbe- og havertbestanden hvert femte år og inkorporering av nye resultater fra disse toktene vil kunne påvirke utbredelsen og den relative forekomsten av sel i eksisterende kolonier. Datasettet for strandhabitat i MRDB er basert på DamShore-konseptet for beregning av skadepotensialet ved akutt oljeforurensning på strand. I motsetning til datasettet for sel så beskriver dette datasettet en fastere størrelse. Datasettet er gitt på 5 5 km og er tilrettelagt på et 0 0 km rutenett til bruk i MIRA. Acona har tilrettelagt det slik at hver 0 0 km rute inneholder prosentvis strandlengde med sårbarhet S, S2 og S3 basert på strandtype og eksponeringsgrad iht. MIRA-metodikken, og som vist i tabell C.0 i vedlegg C.4. Norsk Polarinstitutt har utarbeidet data som viser månedsvis isutbredelse og isfrekvens for perioden 985 til 204 (König, M., Spreen, G. &, Vongraven, D. 204). Disse benyttes for å vurdere risikoen for arter assosiert med den marginale iskantsonen sammen med utbredelse av sirkumpolare sel- (ringsel, grønnlandssel, storkobbe og hvalross) og hvalarter (grønnlandshval, narhval, hvithval), samt isbjørn (se også DNV GL & Akvaplan-niva (204)). Isdatene er tilrettelagt til et standard rutenettet av Acona slik at man kan beregne oljedriftsstatistikk til månedsvis isutbredelse for ulike persentiler (0-00 persentilene). I denne analysen er det beregnet statistikk til 30-persentilen av månedlig isutbredelse (>= 5 % iskonsentrasjon). Det er vesentlig å merke seg følgende: 2

22 Introduksjon Dataene er basert på historiske data og beskriver ikke lokasjonen til den marginale issonen. Det er benyttet 30-persentilen for å definere isutbredelsen (30 % sannsynlighet for at det er is i området gitt at man antar at de foregående 30 årene er representative for fremtidige år). Hadde man benyttet en høyere persentil ville sannsynligheten for å treffe "iskanten" blitt redusert mens sannsynligheten for at det faktisk var is i området ville økt. Tilsvarende hvis man hadde benyttet en lavere persentil (f.eks. vil 0-persentilen, maksimal isutbredelse, ha en sannsynlighet på 0.2 %, dvs. man har registrert is i rute for den gitte måneden i 2 av 900 døgn). Selv om oljedriftssimuleringene har blitt utført med dynamsik sjøisdata vil lokasjonen til "iskanten" være fast pr. måned. Synkronisert bevegelse av drift av olje og is pga. vind og strøm vil ikke fanges opp i oljedriftstatistikken. Hovedresultatene fra denne analysen er presentert i avsnitt

23 Introduksjon.4 Operatørens akseptkriterier for miljørisiko Operatørens akseptkriterier for miljøskade i ulike kategorier er gitt i tabell.8 og er definert i Lunding Norway AS (204). Det er benyttet operasjonsspesifikke akseptkriterier. Verdiene angir høyeste sannsynlighet som operatøren aksepterer for miljøskade av ulik varighet (skadeklasser). Lundins akseptkriterier er fastsatt på grunnlag av hovedprinsippet om at "restitusjonstiden etter en miljøskade for den mest sårbare naturressursen skal være ubetydelig i forhold til forventet tid mellom slike miljøskader". Akseptkriteriene benyttes i beregningen av relativ miljørisiko for å avgjøre om miljørisikoen er akseptabel eller ikke. Dersom relativ miljørisiko er under 00 % er risikoen lavere enn operatørens akseptkriterie og anses som akseptabel. Rammeforskriftens "Prinsipper for risikoreduksjon" ( pålegger i tillegg operatører å vurdere miljørisikoen i forhold til ALARP-prinsippet. Tabell.8: Lundin Norway AS s operasjonsspesifikke akseptkriterier for miljøskade i de ulike skadekategoriene. Skadeklasse Restitusjonstid (år) Maks. sanns. Mindre 0..0E-03 Moderat 3 2.5E-04 Betydelig 3 0.0E-04 Alvorlig >0 2.5E-05 23

24 Områdebeskrivelse 2 Områdebeskrivelse I dette kapittelet følger en beskrivelse av viktige områder for verdsatte økosystemkomponenter (VØK) som kan være sårbare ved et oljeutslipp ved Alta-feltet, samt en presentasjon av områdene i figur 2.. En generell områdebeskrivelse for Barentshavet samt beskrivelse av økosystemkomponentenes sårbarhet er gitt i vedlegg B.2.. Lofoten-Tromsøflaket I områdene utenfor Lofoten, Vesterålen og kysten av Troms har Mareano-kartlegging av bunnfauna de senere årene påvist stor variasjon i naturtyper og stort naturmangfold med mange nye korallrev, nye naturtyper og nye arter. Havområdet er viktig gyteområde om våren og oppvekst- og beiteområde for nordøstarktisk torsk og hyse. NVG sild gyter på Røstbanken og overvintrer i havområdene vest for Lofoten, Vesterålen og Sør-Troms. For sjøfugl er område særlig viktig med fuglefjell som Røst, Værøy og Bleiksøy, og hele regionen opplever omfattende hekkevikt og langvarig bestandsnedgang hos pelagiske sjæfuglarter som lomvi, lunde og krykkje. Spekkhogger overvintrer i havområdet og havert og steinkobbe har kolonier og kasteplasser langs hele kystlinjen. Havområdet utenfor Lofoten-Tromsøflaket er definert som SVO-område i forvaltningsplanen for Barentshavet (St.meld.nr ) Eggakanten Eggakanten angir grensen mellom kontinentalsokkelen og dyphavet og inkluderer kontinentalskråningen. Avstanden til kysten varierer betraktelig, og Eggakanten ligger nærmest norskehavskysten i Sunnmøre og utenfor kysten av Vesterålen/Lofoten og Andøya. Atlanterhavsstrømmen og kyststrømmen bringer opp næringsrikt vann fra dyphavet langs kanten, noe som gir høy produksjon av plante- og dyreplankton. Området fungerer som transportområde for gyteprodukter og er et viktig beiteområde for bardehval, spermhval og pelagisk sjøfugl som alkefugl, havhest og krykkje. Dypvannsfisk som uer, snabeluer, blåkveite og vassild har gyteområder langs ulike deler av Eggakanten. Området har også høy tetthet av korallrev og svampsamfunn og kartlegging av havbunnen har avdekket at det kan finnes flere potensielt nye naturtyper og kandidater til ansvarsarter for Norge i området. Eggakanten er definert som SVO-område i forvaltningsplanen for Norskehavet. Tromsøflaket Tromsøflaket er et stort bankområde karakterisert av en høy biodiversitet. Havbunnens utforming og dens effekt på bunnstrømmene gjør Tromsøflaket til et retensjonsområde for fiskelarver (sild, torsk og lodde). Den høye tettheten av juvenil fisk danner grunnlaget for et rikt fugleliv, og området utgjør et viktig beiteområde for arter som hekker ved fugleklippene langs kysten. Tromsøflaket har også en viktig svampfauna og flere store korallrev. Lopphavet i vestre Finnmark er karakterisert av en høy biologisk produksjon med store tettheter av fisk og sjøfugl. Havbunnen i området er veldig variert, med flere ulike typer bunnhabitater som inkluderer viktige korallrev (DN 2009). Tromsøflaket er definert som SVO-område i forvalt- 24

25 Områdebeskrivelse ningsplanen for Barentshavet (St.meld.nr ) og Lopphavet er et kandidatområde i den marine verneplanen (DN 2009). Sør- og Nordfugløya og Loppa Sør- og Nord-Fugløya er begge svært viktige fuglefjell for kolonier av pelagisk dykkende og overflatebeitende arter om våren og sommeren. Områdene er viktige for artene alke, lomvi, lunde, krykkje og havsule. Nord-Fugløya har den høyeste forekomsten av alke i det sørlige Barentshavet med hekkende par (Alpha Miljørådgivning og NINA 2003). Om våren kan flere hundretusen alkefugl oppholde seg i grunne farvann utenfor kysten i forbindelse med innsig av bytteemner som lodde (HI & NPI 2003). Av kystbundne arter har nordlig sildemåse tidligere vært viktig på Nord-Fugløy, mens gråmåke og svartbak hekker i stort antall langs hele kysten av Troms og Finnmark. Lille Kamøya, Hjelmsøya og Gjesværstappan Lille Kamøya naturreservat utgjør landområdet på øya og havområdet rundt. Formålet med fredningen er å bevare et viktig fuglefjell som blant annet huser Norges største koloni med storskarv. Hjelmsøya og Gjesværstappan i Finnmark er begge viktige fuglefjell for pelagisk sjøfugl som lunde, alke, lomvi, krykkje og havsule. Lundekolonien ved Gjesværstappan teller nærmere hekkende par, og et betydelig antall av arten hekker også ved Hjelmsøya. Begge områder har også viktige kolonier av alke, med og hekkende par på hhv Hjelmsøya og Gjesværstappan (Alpha Miljørådgivning og NINA 2003). Hjelmsøya har en av de største koloniene av den kristisk truete lomvien i regionen i tillegg til en betydelig koloni med krykkje. Områdene er også viktige om høsten da flyveudyktige fugler er på sjøene under myteperioden. Gjesværstappan har en kastekoloni på rundt 50 havert. (HI & NPI 2003). 50 km kystbelte Kystsonen er i sin helhet definert som SVO-område i forvaltningsplanen for Norskehavet. Dette er på grunn av kystsonens betydning for overvintrende og hekkende sjøfugl og for sjøpattedyr. Sværholtklubben og Omgangsstauran Fuglefjellet Sværholtklubben, mellom Porsangerfjorden og Laksefjorden har en av de største hekkekoloniene med krykkje i Finnmark. Omgangsstauran rommer viktige hekkeplasser for krykkje, storskarv og lomvi. Alkefugler, teist og måker hekker også i området. Sværholtklubben og Omgangsstauran har vært definert som naturreservater siden 983 for å bevare fuglefjellene med tilhørende fugleliv, dyreliv og natur. Syltefjordstauran, Hornøya og Reinøya og Ekkerøya Fuglefjellet Syltefjordstauran i østre Finnmark er et viktig område for lundefugl og lomvi, og området har en stor tetthet av krykkje med mer enn hekkende par (HI & NPI 2003). De pelagiske artene bruker et område opp til 00 km utenfor koloniene i hekkeperioden (NINA 2008). Disse havområdene er også viktige om høsten når fuglene ligger på sjøen fordi de ikke er i stand til å fly under mytingen. Hornøya er en av SEAPOPS referanseområder for det nasjonale overvåkingsprogrammet for 25

26 Områdebeskrivelse sjøfugl og er en del av Hornøya og Reinøya naturreservat. Hornøya ligger helt øst i Finnmark, nordøst for Bardø og har arktisk klima. Øya er definert som en nøkkellokalitet på grunn av det brede utvalget arter som hekker der, og ikke at det er et spesielt høyt antall hekkende sjøfugl. De viktigste fugleartene som hekker her er krykkje, alke, lomvi, polarlomvi, lunde og toppskarv. I tillegg har både havhest, teist, gråmåse, svartbak, ærfugl og grågås hekkeplasser på Hornøya. Praktærfugl og stellerand samles i flokker rundt øya i vinterhalvåret, mens havelle, sjøorre og svartand bruker området som rasteplass om sommeren. Ekkerøya ble som de andre fuglefjellene i Finnmark fredet i 983. Den store kolonien med hekkende krykkje er den viktigste grunnen for fredning, men Ekkerøya rommer også en rekke andre fuglearter til ulike tider av året. Både ærfugl og rødnebbterne hekker i omrdået, mens praktærfugl, havørn, skarv, teist, alke, storlom og smålom opptrer jevnlig. Om sommeren er det ofte både islom og gulnebblom i området rundt Ekkerøya. Bjørnøya Bjørnøya og de omkringliggende grunne havområdene er et naturreservat med en rekke arter av både nasjonal og internasjonal betydning. Øya har noen av Europas største hekkekolonier av sjøfugl, som polarlomvi, lomvi, havhest og krykkje. Bjørnøya er også det eneste kjente stedet i Norge der gulnebblom hekker. Grunnene utenfor Bjørnøya har en karakteristisk, mangfoldig bunnfauna med store tareskoger. Polarfronten Polarfronten er området hvor varmt Atlantisk vann fra Golfstrømmen møter det kalde vannet fra Arktis. Frontområdene er forbundet med økt fytoplanktonproduksjon, som igjen fører til økt populasjonsstørrelse av zooplankton og økt tetthet av predatorer (Kaiser. M. J 2005). Polarfronten er definert som særlig verdifulle og sårbare områder (SVO) i forvaltningsplanen for Barentshavet. Iskanten Våroppblomstringen av fytoplankton starter i den marginale iskantsonen (the marginal ice zone) og oppblomstringen følger isen i et km bredt belte ettersom isen gradvis trekker seg tilbake (Alpha Miljørådgivning og NINA 2003). Iskanten er ansett for å være et veldig viktig område for juvenile og voksne predatorer fra alle trofiske nivåer i det Arktiske næringsnettet. Den marginale iskantsonen er definert som særlig verdifulle og sårbare områder (SVO) i forvaltningsplanen for Barentshavet (St.meld.nr ). Arter som ringsel, storkobbe, narhval, grønlandshval, hvithval, hvalross, isbjørn og ismåke er assosiert med iskanten. Isbjørn er i hovedsak begrenset til områder som har isdekke gjennom mesteparten av året. Noen bjørner har begrensede områder hvor de jakter om våren, mens andre individer følger isen mens den trekker seg nordover. 26

27 Områdebeskrivelse Figur 2.: Viktige områder for verdsatte økosystemkomponenter innenfor analyseregionen for Alta-feltet (PL 492): () Lofoten-Tromsøflaket (2) Eggakanten (3) Tromsøflaket (4) Sør- og Nordfugløya og Loppa (5) Lille Kamøya, Hjelmsøya og Gjesværstappan (6) 50 km kystbelte (7) Sværholtklubben og Omgangsstauran (8) Syltefjordstauran, Hornøya og Reinøya, Ekkerøya (9) Bjørnøya (0) Polarfronten () Marginal iskant. Koloniene analysert med lysloggerdatasett for lomvi (Bjørnøya, Hjelmsøya og Hornøya) er indikert med en hvit runding og et fuglesymbol. 27

28 Metoder 3 Metoder Oljens fysiske utbredelse er estimert vha. stokastiske oljedriftssimuleringer (ODS) utført med programvaren OSCAR (Oil Spill Contingency And Response, SINTEF), oljens miljømessige konsekvenser er estimert vha. MIRA (Metode for miljørettet risikoanalyse, OLF 2007), og beredskapsanalysen for oljesøl er utført i henhold til retningslinjene beskrevet av Norsk olje og gass (203). Påfølgende kapitler, 3. (ODS), 3.2 (MRA) og 3.3 (OSCA) gir en grundig innføring i metodene for de respektive analysene. Lesere med kjennskap til metodene kan fortsette direkte til kapittel 4 for resultater av analysene. 3. Metode for simulering av oljedrift De stokastiske oljedriftsimuleringene er gjort med modulen Oil Spill Contingency And Response (OSCAR), en del av programvarepakken MEMW 7.0. fra SINTEF. Basert på relevante inngangsdata (beskrevet nedenfor) simulerer programvaren spredning av olje på vannoverflaten, i vannkolonnen og akkumulering av olje på kystlinjen. Denne seksjonen beskriver inngangsdata til og bruken av OSCAR i grove trekk. En ytterligere beskrivelse finnes i brukermanualen (SINTEF 205). OSCAR er satt opp i henhold til Beste Praksis for oljedriftsmodellering for standard miljørisikoanalyser (Acona, Akvaplan-Niva, og DNV GL 206). Tabell 3.: Inngangsdata til de stokastiske oljedriftsimuleringene for utslipp ved Alta-feltet. Parameter Verdi/Referanse Vinddata NORA0 ( ) Havstrømdata SVIM ( ) Isdata SVIM ( ) Oljetype Alta Vanndyp (m) 400 Breddegrad ( N) 72,03628 Lengdegrad ( E) 20, Geodetisk system WGS 84 Oljetetthet (kg/m 3 ) 827 Gasstetthet (kg/m 3 ),040 Gass-til-olje ratio 30 Inngangsdata Oljedriftsimuleringene er basert på inngangsdata, eller -variable, av to ulike kategorier: () fikserte og (2) stokastiske. Til den første kategorien hører variable som vi med rimelig sikkerhet kan predikere verdiene til ved en potensiell oljeforurensning. Disse omfatter oljens egenskaper, brønnposisjon, vanndyp, og vannkolonnens temperatur- og saltholdighet- 28

29 Metoder sprofiler for ulike tider av året ved utslippspunktet. Til den andre kategorien hører variable som vi ikke kan predikere eksakt, og som vi derfor må representere med sannsynlighetsfordelinger. Disse fordelingene er basert på andre typer simuleringer og/eller historiske data. Denne kategorien inngangsdata omfatter utslippsrate, utslippsvarighet, utslippsdyp (sjøbunn eller overflate), samt styrke og retning på vind og havstrømmer. Disse er listet i tabell 3.. Månedlig vanntemperatur (over og under sprangsjiktet), salinitet, og dybde på sprangsjiktet er basert på geografisk posisjon til utslippspunktet (SINTEF 205). Vinddataene har horisontal- og tidoppløsning på hhv. 0 km og 3 timer. Strømdataene har horisontal- og tidsoppløsning på hhv. 4 km og dag. Stokastiske simuleringer Simuleringene ble gjennomført stokastisk i batch value mode, der man utfører en stokastisk simulering for alle kombinasjoner av utslippsdyp, -rate og - varighet. Hver stokastiske simulering består av mange enkeltsimuleringer utført etter hverandre for hele året. Antall enkeltsimuleringer i en stokastisk simulering bestemmes av utslippsvarigheten og antall år med vind- og strømdata tilgjengelig. Målet er å ha tilstrekkelig antall simuleringer slik at variabiliteten i vind- og strømdataene (gjennom året og mellom år) forplantes til en variasjon i utgangsdataene, og dermed gir oss tall på usikkerheten i disse. Fordi noen av inngangsdataene er stokastiske variable, så vil alle utgangsdataene også være stokastiske variable. Til hver rate- og varighetsmatrise (se tabell.2,.3,.4,.5,.6 og.7) ble det laget hhv. 48 (boring), 32 (komplettering), 20 (prøveutvinng), 2 (shuttletanker), (stigerør) og (tank på rigg) scenarier med unike kombinasjoner av utslippsdyp, -rate og -varighetet. Totalt ble det utført hhv. 520 (boring), 7680 (komplettering), 5280 (prøveutvinng), 720 (shuttletanker), 360 (stigerør) og 360 (tank på rigg) enkeltsimuleringer. Modellavgrensing Alle simuleringene ble gjort innenfor et tredimensjonalt (3D) modellrutenett (habitatgrid i OSCAR) med 3 3 km horisontaloppløsning og 5 m vertikaloppløsning ned til 50 m. Utgangsdata Resultatene fra hver stokastiske simulering ble eksportert fra OSCAR til tekstfiler. Filene ble etterprosessert (bla. vekting av resultatene med sannsynlighetsfordelingen til de stokastiske inngangsdataene) vha. egenutviklet programkode i MatLab og brukt til å beregne to typer data: () influensområder, beregnet for olje hhv. på havoverflate, i vannkolonne og på kystlinjen, og (2) strandings- og oljedriftstatistikk, som omfatter sannsynligheten for stranding og treff, sannsynlighetsfordelingen for korteste strandingstid, og sannsynlighetsfordelingen for strandet mengde vann-i-olje-emulsjon. Sannsynlighetsfordelingene ble rapportert vha. persentilverdier, forklart i vedlegg C.3. Statistikken for stranding ble beregnet både for kysten totalt (all oljeberørt kyst), for IUA-regioner og for eksempelområdene beskrevet av NOFO. 29

30 Metoder 3.2 Metode for analyse av miljørisiko I denne rapporten blir risiko for skade på det ytre miljøet, som følge av oljeforurensning, beregnet vha. den skadebaserte delmetodikken i MIRA (Metode for miljørettet risikoanalyse, OLF 2007, s. 34). Inngangsdata Den skadebaserte delmetodikken i MIRA baseres på fire sett inngangsdata.() Stokastisk simulerte oljedriftsdata: den geografiske utbredelsen av oljeforurensning laget vha. stokastisk simulering, (2) Utblåsningssannsynlighet basert på operatørens aktivitetsnivå, (3) Økosystemdata: den geografiske utbredelsen av verdsatte økosystemkomponenter samt deres sårbarhet for oljeforurensning, og (4) Akseptkriterier: operatørens valgte maksimalverdier for hvor stor miljørisiko de aksepterer. Økosystemdata Økosystemkomponentene er inndelt i to grupper, bestander (sjøfugl, fisk, sjøpattedyr) og habitater (strand). Romlige data for hver av disse komponentene finnes på et format tilpasset det geografiske rutenettet ContAct (Alpha Miljørådgivning AS 2003), bestående av 0 0 km kartruter som dekker kyst og åpent hav i norske farvann (hhv. kystruter og havruter). De romlige dataene er imidlertid av ulik art for de to gruppene av økosystemkomponenter. De romlige dataene for strandhabitat angir hvor restituerbar hver enkelt kystrute er for oljeforurensning, dvs. med hvilken hastighet strandet olje fjernes vha. naturlige nedbrytingsprosesser (på stedet). Hastigheten avhenger av strandens substrat og dens bølge- og vindeksponering. Restituerbarheten er angitt kvalitativt vha. restitusjonsklassene R, R2, eller R3, der R3 angir laveste restituerbarhet (lengst restitusjonstid for en gitt oljemengde strandet). For hver kystrute angir dataene hvor stor prosentandel av rutens totale strandlengde som tilhører hver av de tre restitusjonsklassene. For eksempel så kan strandhabitatet i en rute ha sårbarhet R i 30 % av sin lengde, sårbarhet R2 i 60 % av sin lengde og sårbarhet R3 i 0 % av sin lengde. De romlige dataene for hver av bestandene, derimot, angir antall individer i hver rute av ContAct- rutenettet. For hver bestand klassifiseres ) individantall per kartrute, 2) individenes direkte sårbarhet for oljeforurensning og 3) bestandens restitusjonsevne etter et bestandstap. Individenes direkte sårbarhet for oljeforurensning, dvs. hvor lett de blir skadet dersom olje er tilstede i en kartrute, er angitt kvalitativt vha. sårbarhetsklassene S, S2, og S3, der S3 angir høyeste sårbarhet. F.eks. så vil svartbak, som oppholder seg lite på vannet, ha sårbarhetsklasse S, mens en lomvi, som ligger mye på vannet ha sårbarhetsklasse S3. Bestandenes restitusjonsevne er angitt med de samme restitusjonsklassene som for strandhabitat, selv om tolkningen av disse klassene blir ulik for strand vs. en bestand. For bestander angir restitusjonsklassen med hvilken hastighet en bestand klarer å returnere til sin opprinnelig størrelse etter at en viss andel av bestanden er drept pga. oljeskade. 30

31 Metoder Relativt bestandstap For hver oljedrift som er simulert markeres alle kartruter som har blitt berørt av olje, heretter kalt oljeruter. For hver av disse oljerutene bestemmes andelen av tilstedeværende individer som dør innen hver av bestandene. Dette gjøres vha. tabell C.3 (olje-til-taps-tabell ), som angir andelen av individer som dør i en rute som funksjon av to variable, () oljemengden i ruta og (2) sårbarhetsklassen til den bestanden som individene tilhører. Dette kan illustreres med et eksempel for sjøfuglarten lomvi. Dersom simulert mengde olje i en kartrute ligger i intervallet -00 tonn og sårbarhetsklassen til lomvi er S3, så vil 20 % av lomvi-individene i denne kartruta dø som følge av oljeskade (relativt individtap pr. oljerute). Denne prosentandelen multipliseres deretter med antall lomvi-individer som er tilstede i ruta for å bestemme det absolutte antallet individer som dør (absolutt individtap pr. oljerute). Denne prosessen gjentas for alle andre bestander som er tilstede i kartruta. Ved å summere absolutt individtap pr. oljerute over alle oljeruter i en enkelt oljedrift, kan man bestemme det totale antall individer som dør, i hver bestand, som følge av denne enkeltoljedriften (absolutt individtap pr. oljedrift). For hver av bestandene kan man deretter bestemme relativt bestandstap, ved å dividere absolutt individtap pr. oljedrift med antall individer i hele bestanden (bestandsstørrelse). Størrelsen til en bestand bestemmes ved å summere dens individer over alle rutene i ContAct-nettverket. Er ressursdatene gitt som bestandsander pr. rute trenger man ikke gjennomføre dette trinnet. For fisk benyttes en enklere olje-til-taps-tabell der "relativt gyteprodukt-tap" beregnes direkte fra andelen fiskeegg og -larver som overlapper med oljekonsentrasjoner i vannkolonnen over en gitt effektgrense (Vedlegg C.4). Siden en stokastisk oljedriftsimulering består av n enkeltsimuleringer, som alle er noe forskjellige mht. oljemengde og -utbredelse, så vil man for hver enkelt bestand kunne beregne n ulike verdier for relativt bestandstap. Disse n relative tapsverdiene blir sortert i fem ulike relative bestandstapsintervaller, - 5 %, 5-0 %, 0-20 %, % og >30 %. For fisk sorteres de i følgende tapsintervaller, - 2 %, 2-5 %, 5-0 %, 0-20 %, %, % og >50 %. Antall simuleringer som havner i hver av disse intervallene divideres deretter på n, det totale antall simuleringer. Dette gir andelen simuleringer i hver av intervallene. For eksempel, 45 % av simuleringene kan gi relative populasjonstap innen intervallet - 5 %, 22 % av simuleringene kan gi relative populasjonstap innen intervallet 5-0 %, osv. Disse andelene er det beste estimatet vi har for sannsynligheten for relative bestandstap i de ulike intervallene dersom (betinget) et framtidig oljeutslipp finner sted fra utslippspunktet. Denne betingede sannsynligheten for relative bestandstap symboliseres med P P Tx, der P T x representerer bestandstapet i intervallet x. Restitusjonstid for bestander For hver av de n verdiene av relativt bestandstap kan man estimere bestandens restitusjonstid vha.skadenøkler, som angir sannsynligheten for ulike restitusjonstidsintervaller som funksjon av relativt populasjonstap og som funksjon av restitusjonskategorien til bestanden (tabell C.5 i vedlegg C.4). For fisk må man gå via en nøkkel 3

32 Metoder som angir sannsynlighet for ulike tap i årsklasserekruttering som funksjon av tapsandeler av fiskeegg og -larver (tabell C.6), før man kan estimere fiskebestandens restitusjonstid vha. en skadenøkkel (tabell C.7 og C.8). Disse n restitusjonstidene blir sortert i fire ulike restitusjonstidsintervaller, mnd. - år, - 3 år, 3-0 år, >0 år. Antall simuleringer som havner i hver av disse intervallene divideres deretter på n, det totale antall simuleringer. Dette gir andelen simuleringer som gir restitusjonstider i hver av intervallene. Disse andelene er det beste estimatet vi har for sannsynligheten for restitusjonstider i de ulike intervallene dersom (betinget) et framtidig oljeutslipp fra utslippspunktet. Denne betingede sannsynligheten for restitusjonstid symboliseres med P RTy Olje, der RT y representerer restitusjonstiden i intervallet y. Restitusjonstid for strandhabitat For strandhabitat beregnes restitusjonstid for hver enkelt kystrute direkte vha. skadenøkler (tabell C.3 i vedlegg C.9). Miljørisiko Ved å multiplisere den betingede sannsynligheten P RTy Olje, sannsynligheten for restitusjonstid i intervall y dersom et oljeutslipp finner sted, med P Olje, sannsynligheten for oljeutslipp, så får man den absolutte sannsynligheten for restitusjonstid i intervallet y dersom vi på forhånd ikke vet om olje vil bli sluppet ut. P RTy = P RTy Olje P Olje (3.) For å bestemme miljørisiko blir P RTy, for hver av restitusjontidsintervallene, dividert "akseptkriteriet" for miljøskade i dette intervallet, P Acc RT y. Brøken refereres til som relativ miljørisiko. RelativRisiko RTx Overlappsanalyse fiskeegg og -yngel = P RTy /P Acc RT y (3.2) I tillegg til MIRA-metoden for norsk vårgytende sild og nordarktisk torsk utføres en overlappsanalyse av gyteareal for andre viktige fiskebestander med influensområdet for olje i vannkolonnen (området bestående av all kartruter som har høyere oljekonsentrasjon i vannsøylen enn 00 ppb i mer enn 5 % av enkeltsimuleringene). 3.3 Metode for analyse av oljevernberedskap Beredskapsanalysen er utført i henhold til veiledning for miljørettede beredskapsanalyser (NOFO & OLF 2007; Norsk olje og gass 203) og NOFOs planforutsetninger for oljevernberedskap (NOFO 204). Formålet med beredskapsanalysen er å identifisere beredskapsbehov og utarbeide anbefalinger for oljevernberedskap som skal håndtere definerte fare- og ulykkehendelser. Resultatene fra beredskapsanalysen danner beslutningsgrunnlag for operatørens valg av avtalefestet stående beredskapsløsning. Primærstrategien for bekjemping av akutte oljeutslipp på norsk kontinentalsokkel er mekanisk opptak i nærområdet til utslippet vha. havgående systemer fra NOFO. Kjemisk dispergering skal i følge forurensningsforskriften (paragraf 9-6) velges når dette totalt sett gir minst 32

33 Metoder miljøskade sammenlignet med andre bekjempningsmetoder. Behov for resurser for oljevern (ressursbehov) er beregnet for følgende barrierer: Barriere : Bekjempelse på åpent hav nær utslippskilden (funksjon A) eller langs drivbanen (funksjon B) vha. NOFO-systemer Barriere 2: Bekjempelse i kystsonen vha. kystsystemer Barriere 3: Bekjempelse og beskyttelse av strandsonen ovenfor mobil olje (funksjon A) og oppsamling av ikke mobil olje på land (funksjon B) Minimum ytelseskrav til oljevernberedskap for Alta-feltet er presentert i kapittel Inngangsdata Tilgjengelige oljevernressurser NOFO-systemer og kystsystemer er tilgjengelige fra NOFO-baser i Stavanger, Mongstad, Kristiansund, Sandnessjøen og Hammerfest (figur 3..) I tillegg har NOFO ti stand-by fartøy tilgjengelige i spesifikke områder rundt Ekofisk, Ula/Gyda/Tambar, Sleipner/Volve, Balder, Troll/ Oseberg (2 stk), Gjøa, Tampen, Haltenbanken og Goliat (Barentshavet) som del av områdeberedskapen i disse områdene. For oljevernberedskap i kystsonen (barriere 2) er det fra hver NOFO-base tilgjengelig ti oppsamlingssystem, fire opptakssystem og to kommando- og støttesystemer. For strandaksjoner har NOFO avtale med IUA (Interkommunale utvalg mot akutt forurensning) og disponerer et spesialteam som utgjør NOFOs innsatsstyrke med kompetanse og kapasitet til å ivareta alle operasjonelle aspekter ved kyst- og strandsoneaksjoner. Teamet fungerer som støttespiller for NOFOs Operasjonsledelse og er samarbeidspartner, støttespiller, tilrettelegger og oppstarthjelper for IUAene. NOFOs Spesialteam, som utgjøres av 63 personer i minimum 0 dager, har en mobiliseringstid på 24 timer. I tillegg kommer Innsats Gruppe Strand Akutt (IGSA) som er gitt spesialopplæring, deltar i øvelser og er klargjort til en stående beredskap i strandsonen. Ved akutte situasjoner vil gruppen settes inn i kritiske områder med hurtiggående båter. Gruppen teller 40 personer og har en mobiliseringstid på 36 timer. IUAenes kan stille 0-20 personer per IUA i minimum 0 døgn. Deres mobiliseringstid er på 24 timer. I tillegg kommer ressurser fra WWF (500 personer totalt), MMB (30 pers), Nordlense (20 pers) og Kystverkets depotstyrke (76 pers). Samlet foreligger det avtaler med aktører som gir tilgang til totalt 849 personer med kompetanse for strandaksjoner. Oljevernsystemer og nominell kapasitet Et NOFO-system består av et OR-fartøy som tilfredsstiller den til enhver tid gjeldende NOFO-standard (NOFO 20) og et slepefartøy. OR-fartøyene er utstyrt med oljevernutstyr (inkludert lense NO-200-R, oljeopptakersystem TransRec og lagringstank med 500 m 3 kapasitet) samt avansert fjernovervåkningssystem 33

34 Metoder (IR og oljeradar). Et kystsystem består av ett oljevernfartøy med Current Buster 4 (oppsamlingssystem) og tilhørende fartøy dedikert for opptak (opptakssystem med skimmer og tankkapasitet) og kommando- og støttesystem. Ett kommando- og støttesystem kan lede og støtte inntil seks oppsamlingssystem og to opptaksfartøy. I akutt strandingsfase (funksjon A) benyttes pumper og slamsugere for opptak av mobil olje fra land eller fra sjø, ledelenser og diverse sperre- og låsningstiltak for å hindre stranding og re-mobilisering av olje. I strandrensefasen (funksjon B) benyttes ulike mekaniske og ikke-mekaniske teknikker for å fjerne olje fra stranden. Nominell systemkapasitet for de ulike systemene er presentert i tabell 3.2. Verdiene bygger på erfaringer, forsøk og øvelser og representerer maksimal kapasitet under optimale operative forhold. Verdiene for NOFO- og kystsystem inkluderer nede-tid på 2 timer per døgn. Nedetid skyldes rengjøring, feilretting, oppkobling, tømming og transitt for å levere oppsamlet olje, henting/venting på dispergeringsmiddel, personellutskiftinger, hvile og re-posisjonering for å finne oljeflak. Oppgitt kapasitet i barriere 3 (funksjon A) inkluderer ikke bruk av innsatsgruppen strand akutt (IGSA) som har betraktelig høyere nominell kapasitet. Figur 3.: Oversikt over NOFO-ressurser (NOFO 207). Lokale værdata Statistikk for bølger og vind for prospektet Alta-feltet er lastet ned fra Meteorologisk institutt. Offshoredata er fra hindcast data for Punkt 032 lokalisert 6 km fra utslippspunktet og kystdata fra 0 værstasjoner langs norskekysten i influensområdet for 34

35 Metoder Tabell 3.2: Nominell kapasitet for de ulike oljevernsystem brukt i denne analysen. Nominell kapasitet for NOFO- og kystsystem er inkludert en nede-tid på 2 timer (Norsk olje og gass 203). Typisk operasjonsområde Oljevernsystem Systemkapasitet (per døgn) Barriere NOFO system (funksjon A og B) 2400 m 3 Barriere 2 Kystsystem 20 m 3 Barriere 3 Strandsystem Funksjon A 0 m 3 Funksjon B 4 m strandlinje eller 20 kg ren olje olje akkumulert på strandlinjen. Temperaturdata er lastet ned fra databasen Levitus (Levitus). Fravær av dagslys (definert som tiden solen står 6 grader eller lavere under horisonten - "tussemørke") beregnes for posisjonen til utslippet og de utvalgte værstasjonene langs kysten. Sikten i områdene er ikke kjent og det er antatt at sikten er "god" 50 % av tiden og "dårlig" 50 % av tiden Beregning av ressursbehov Ressursbehov i barriere og 2 beregnes som antall oljevernsystemer som gir tilstrekkelig kapasitet til å bekjempe emulsjonsmengden som er tilgjengelig for opptak (dimensjonerende emulsjonsmengde eller tilflytsrate), dvs.: Ressursbehov = emulsjonsmengde tilgjengelig for opptak/kapasitet per døgn (3.3) I barriere oppgis ressursbehovet for antall NOFO-system og i barriere 2 for antall kystsystem. Ressursbehovet i barriere 3 beregnes som antall dagsverk og strandrenselag. Dimensjonerende emulsjonmengde Dimensjonerende emulsjonmengde i barriere er tilflytsraten (m 3 /døgn) av emulsjon ved valgt plassering av barriere A og B. Beregningen av emulsjonsmengde tar hensyn til referanseoljens forvitringsegenskaper (fordamping, nedblanding og vannopptak ved bestemte vindhastigheter og temperaturer) og historiske vind-, bølge- og temperaturdata i området. Dette gir et estimat for tilflytsraten inn til barriere A og B basert på stedspesifikke forventede klimatiske verdier i de ulike sesongene av året. Tilflytsraten inn i barriere 2 er lik 95-persentilen av strandet mengde emulsjon i IUA-regionene (fra oljedriftsimuleringene med modellert beredskap, se kapittel 3.3.3) dividert på estimert strandingsperiode (vektet utblåsningsvarighet til den dimensjonerende hendelsen). Dimensjonerende emulsjonsmengde i barriere 3 er lik 95-persentilen av strandet mengde emulsjon i IUA-regioner multiplisert med en erfaringsbasert reduksjonsfaktor på 0,60 (Norsk olje og gass 203). Bakgrunnen for reduksjonsfaktoren er at statlige aksjoner har vist at kun 20 % til 40 % 35

36 Metoder av strandet mengde emulsjon vil være tilgjengelig for opptak. I alle barrierene tar man hensyn til effekten av opptak i forutgående barrierer. Forventet kapasitet Verdiene som er oppgitt for de ulike oljevernsystemene i tabell 3.2 er kapasitet under optimale forhold (nominell kapasitet). For å beregne den forventede kapasiteten blir disse verdiene korrigert ved bruk av reduksjonsfaktorer for sjøtilstand (vindhastighet og/eller bølgehøyde) og fravær av lys og sikt. Forventet kapasitet per døgn beregnes med følgende formel: Forventet kapasitet pr døgn = ( døgn nede-tid) nominell kapasitet pr døgn red.faktorer) (3.4) Reduksjonsfaktorer som funksjon av bølgehøyde og vindhastighet er presentert i tabell 3.3. Disse benyttes sammen med statistikk for bølgehøyder og vindstyrker fra værstasjonene (kapittel 3.3.) til å beregne sannsynlighetsvektede gjennomsnitts-reduksjonsfaktorer for sjøtilstand for hhv. NOFO-systemer og kystsystemer. Reduksjonsfaktorer for fravær av lys og sikt er presentert i tabell 3.4. Disse benyttes sammen med andel av fravær av dagslys ("tussemørke") til å beregne sannsynlighetsvektede gjennomsnitts-reduksjons- faktorer for lys og sikt. Tabell 3.3: Reduksjonsfaktorer som funksjon av signifikant bølgehøyde (Hs) og vindhastighet. Bølgehøyde (m) Reduksjonsfaktor Vindhastighet (m/s) Reduksjonsfaktor 0 - m 0, m/s 0,72-2 m 0,75-2 m/s 0, m 0, m/s 0, m 0, m/s 0,72 > 4 m 0, m/s 0,7 5-6 m/s 0, m/s 0, m/s 0,33 > 8 m/s 0,00 En reduksjonsfaktor på betyr at forventet kapasitet er lik nominell kapasitet og en reduksjonsfaktor på 0 betyr at forventet kapasitet er lik null. Ved f.eks. en reduksjonsfaktor pga. sjøtilstand og lys og sikt på hhv og 0.95 gir dette i følge formel 3.4 en forventet kapasitet per døgn for et NOFO-system lik 382 m 3 /døgn. Emulsjon som ikke samles opp pga. redusert forventet kapasitet grunnet sjøtilstand er antatt å passere under lensene og må samles opp av neste barriere. I barriere 3 benyttes det generiske reduksjonsfaktorer for de ulike sesongene (tabell 3.5). Dette baserer på antagelsen at bekjemping og opprydding er redusert ved lave temperaturer og dårlig værforhold, dvs. lavest reduksjonsfaktorer om vinteren. 36

37 Metoder Tabell 3.4: Reduksjonsfaktorer for fravær av lys for ulike fjernmålingsutsyr (Norsk olje og gass 203). Med redusert sikt menes 2000 meter eller kortere sikt målt horisontalt. Fjernmålingsutstyr Sikt Reduksjonsfaktor IR og oljeradar God 0,9 Redusert 0,8 IR God 0,7 Redusert 0,5 Oljeradar God 0,7 Redusert 0,6 Drivbøyer og enkel IR God 0,3 Redusert 0,3 Ingen fjernmåling God 0,0 Redusert 0,0 Tabell 3.5: Generiske reduksjonsfaktorer for barriere 3, funksjon A og B. Periode Reduksjonsfaktor funksjon A Reduksjonsfaktor funksjon B Vinter 0,50 0,50 Vår 0,75 0,75 Sommer,00,00 Høst 0,75 0,75 37

38 Metoder Stokastisk modellering av oljevernberedskap Modellen OSCAR i MEMW-pakken (v. 7.0) til SINTEF er benyttet til å utføre stokastiske simuleringer av ulike beredskapsløsninger (tiltaksalternativer) for den dimensjonerende hendelsen (se kapittel 4.3.). Stokastiske OSCAR-modelleringer innebærer at utslippet (oljens fysiske- og kjemiske egenskaper samt spredning og drift) og utvalgte beredskapstiltak simuleres i samtid. Dette er en robust tilnærming for å finne den optimale beredskapsløsningen der effekten av ulike beredskapsløsninger måles direkte mot følgende kvantitative mål: Gjennomsnittlig massebalanse Strandingsstatistikk Miljørisiko, inkludert NEBA-vurderinger I samråd med operatøren og beregnet beredskapsbehov på åpent hav velges ulike tiltaksalternativer som skal modelleres. Et tiltaksalternativ består av ett eller flere enkeltsystemer. Ulike mekaniske og kjemiske oljevernsystemer (fartøy, helikopter og fly) kan kombineres i ett tiltaksalternativ. En oversikt over inngangsdataene benyttet for oppsett av enkeltsystemer i OSCAR er gitt i tabell C. og tabell C.2 i vedlegg C.. Informasjonen er hentet fra veileder for miljørettede beredskapsanalyser (NOFO 204), tekniske spesifikasjoner for utstyr i MEMW-pakken og fra forvitringsstudiet til referanseoljen (SINTEF 206). Hvert tiltaksalternativ modelleres tilstrekkelig antall ganger til at resultatene gir et representativ bilde av effekten under ulike værsituasjoner og evt. sesong. Det benyttes samme inngangsdata og metoder som beskrevet i kapittel 3. (oljedriftssimuleringer) og kapittel 3.2 (miljørisikoanalyse). Dette innebærer at det utføres en full MIRA-analyse med et komplett sett av økosystemdata for hvert tiltaksalternativ, som kan benyttes til å foreta kvantitative NEBA-vurderinger. Det er i simuleringene antatt at NOFO-slepefartøy og tankbåter ikke er en begrensende faktor i en oljevernaksjon. Beregning av responstid Det generelle kravet er at alle oljevernsystemer skal mobiliseres i henhold til best oppnåelig responstid. Best oppnåelige responstid er lik frigivelsestid for stående beredskap (evt. mobiliseringstid ved NOFO-base), seilingstid, og tid for utsetting av lenser. For kystsystem beregnes avstanden til skadestedets posisjon fra NOFO-base til midtpunktet av IUA-regioner med større strandingssannsynlighet enn 5 %. Det benyttes en ganghastighet på 4 knop for NOFO OR-fartøy og 7 knop for kystsystem. 38

39 Oljedriftsimulering: resultater for alle DFU er samlet 4 Resultater I dette kapittelet gis en overordnet oppsummering av resultatene for oljedriftsimuleringer og miljørisikoanalyser for hver DFU definert i tabell.. De komplette resultater fra den enkelte DFU er gitt i vedlegg med følgende struktur: Utblåsning under boring (vedlegg A.) Utblåsning under komplettering (vedlegg A.2) Utblåsning under prøveutvinning (vedlegg A.3) Uhellsutslipp fra shuttletanker under prøveutvinning (vedlegg A.4) Uhellsutslipp fra stigerør under prøveutvinning (vedlegg A.5) Uhellsutslipp fra tank under prøveutvinning (vedlegg A.6) Resultatene for de helårlige stokastiske oljedriftssimuleringene samt miljørisikoanalysen presenteres for sesongene vinter (desember-februar), vår (mars-mai), sommer (juni-august) og høst (september-november). Det er beregnet beredskapsbehov for utblåsning ved de tre aktivitetene boring, komplettering og prøveutvinning. Analysen er også dekkende for mindre uhellsutslipp under prøveutvinning. 4. Oljedriftssimuleringer Resultatene for oljedriftssimulering er omtalt nedenfor og presentert i tabellform for hver DFU definert i tabell.. Figurer som viser influensområder for olje på overflate, i vannkolonne og på strandlinje er derimot bare gitt for DFU en utblåsning under boring. Dette er gjort da figurene for denne utblåsningen er svært like figurene for de andre utblåsningene, utblåsning under komplettering, og utblåsning under prøveutvinning (se vedlegg A.2 og A.3). 39

40 Oljedriftsimulering: resultater for alle DFU er samlet 4.. Influensområder Influensområdene for olje på sjøoverflaten, i vannkolonnen og akkumulert på strandlinjen består av alle 0 0 km kartruter som har mer olje enn en viss grenseverdi i mer enn 5 % enkeltsimuleringene. Grenseverdien er 0,0 tonn/km 2 for sjøoverflaten, 00 ppb THC (Total Hydrocarbon Concentration, oppløst og i dråpeform) for vannkolonnen, og 0,0 tonn/km for strandlinjen. Merk at influensområdene ikke viser omfanget av et enkelt oljeutslipp, men er en statistisk størrelse som er beregnet fra enkeltsimuleringer og som angir sannsynligheten for at en kartrute vil bli berørt av mer olje enn grenseverdien forutsatt at en utblåsning eller et uhellsutslipp finner sted. Tabell 4. angir størrelsen på det største influensområdet gjennom året for henholdsvis overflate, vannkolonne og strandlinje for begge utslippsdyp for hver av aktivitetene. Som forventet er influensområdene generelt større for utblåsningene enn for mulige uhellsutslipp under prøveutvinning. Influensområdene for de to minste uhellsutslippene er små (influensområde på overflaten) eller null (influensområdene i vannkolonnen og på strandlinjen). Disse omtales derfor ikke ytterligere i dette kapittelet. Influensområde for olje på sjøoverflaten Influensområdene for olje på sjøoverflaten varierer lite i utstrekning og form for alle de tre utblåsningene (brønnhendelsene). Utslipp fra shutletankeren gir influensområder med noe mindre utstrekning enn utslippene fra utblåsningene, men med relativt lik form. Utslippene brer seg ut fra utslippspunktet, men med noe større utstrekning i østlig og nordøstlig retning, og berører de ytre kystområdene i Finmark. Influensområdene er gjennomgående noe større for sjøbunnsutslipp enn for overflateutslipp. Ingen av DFU ene gir influensområder som berører iskanten, polarfronten eller Bjørnøya. Det store uhellsutslippet ved prøveutvinningen har minst utstrekning (423 kartruter, vårsesongen) mens sjøbunnsutslipp fra kompletteringsaktivitet om sommeren har den største utstrekningen ( 066 kartruter). Dette er kun marginalt større enn influensområdene med størst utstrekning fra utblåsning i forbindelse med bore- og prøveutvinning i samme sesong (hhv. 065 og 055 kartruter). Figur 4. og 4.2 nedenfor gir influensområder for olje på sjøoverflaten for hhv. sjøbunn- og overflateutblåsning under boring. Influensområde for olje i vannkolonnen Influensområdene ved utslipp fra de forskjellige utblåsningene er størst for boring, med 09 kartruter for sjøbunnsutslipp og 46 kartruter for overflateutslipp, begge i sommersesongen. Influensområdene er gjennomgående størst i sommersesongen samt større for sjøbunnsutslipp enn for overflateutslipp. Influensområdene i vannkolonnen for det store uhellsutslippet under prøveutvinningen er små; de varierer fra 2 til 5 kartruter gjennom året. Figur 4.3 og 4.4 nedenfor gir influensområder for olje i vannkolonnen for hhv. sjøbunn- og overflateutblåsning under boring. 40

41 Oljedriftsimulering: resultater for alle DFU er samlet Tabell 4.: Størrelsen av det største influensområdet gjennom året, for hver av de seks DFU ene listet i tabell., for olje på sjøoverflaten, i vannkolonnen og akkumulert på strandlinjen, og angitt som antall 0 0 km kartruter. Influensområdene er beregnet fra de stokastiske oljedriftsimuleringene for Alta-feltet. DFU Dyp Overflate Vannkolonne Strandlinje Utblåsning under boring Overflate Sjøbunn Utblåsning under komplettering Overflate Sjøbunn Utblåsning under prøveutvinning Overflate Sjøbunn Uhellsutslipp fra shuttletanker Overflate under prøveutvinning Sjøbunn Uhellsutslipp fra stigerør Overflate under prøveutvinning Sjøbunn Uhellsutslipp fra tank Overflate under prøveutvinning Sjøbunn Influensområde for olje på strandlinjen De største influensområdene for olje på strandlinjen forekommer for sjøbunnsutslipp om sommeren for utblåsning ved komplettering og prøveutvinning (3 kartruter) og berører ruter i området fra Hasvik kommune i vest til Nordkapp kommune i øst, begge i Finnmark fylke. Det største influensområdet for utblåsning under boring er noe mindre ( kartruter). Influensområdene for olje på strandlinjen er størst for sjøbunnsutslipp i sommersesongen uansett utblåsning. Uhellsutslippet under prøveutvinningen gir ikke influensområde på strandlinjen. Figur 4.5 og 4.6 nedenfor gir influensområder for olje på strandlinjen for hhv. sjøbunn- og overflateutblåsning under boring. 4

42 Oljedriftsimulering: resultater for alle DFU er samlet Figur 4.: Influensområdene for olje på sjøoverflaten, beregnet fra de stokastiske oljedriftssimuleringene for sjøbunnsutblåsning under boring ved Alta-feltet. Hvert område består av alle 0 0 km kartruter som har mer olje på overflaten enn 0,0 tonn/km2 i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 42

43 Oljedriftsimulering: resultater for alle DFU er samlet Figur 4.2: Influensområdene for olje på sjøoverflaten, beregnet fra de stokastiske oljedriftssimuleringene for overflateutblåsning under boring ved Alta-feltet. Hvert område består av alle 0 0 km kartruter som har mer olje på overflaten enn 0,0 tonn/km2 i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 43

44 Oljedriftsimulering: resultater for alle DFU er samlet Figur 4.3: Influensområdene for olje i vannkolonnen, beregnet fra de stokastiske oljedriftssimuleringene for sjøbunnsutblåsning under boring ved Alta-feltet. Hvert område består av alle 0 0 km kartruter som har har høyere oljekonsentrasjon i vannsøylen enn 00 ppb, i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 44

45 Oljedriftsimulering: resultater for alle DFU er samlet Figur 4.4: Influensområdene for olje i vannkolonnen, beregnet fra de stokastiske oljedriftssimuleringene for overflateutblåsning under boring ved Alta-feltet. Hvert område består av alle 0 0 km kartruter som har har høyere oljekonsentrasjon i vannsøylen enn 00 ppb, i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 45

46 Oljedriftsimulering: resultater for alle DFU er samlet Figur 4.5: Influensområdene for olje akkumulert på strandlinjen, beregnet fra de stokastiske oljedriftssimuleringene for sjøbunnsutblåsning under boring ved Alta-feltet. Hvert område består av alle 0 0 km kyststripe-kartruter med mer akkumulert olje enn 0,0 tonn/km i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 46

47 Oljedriftsimulering: resultater for alle DFU er samlet Figur 4.6: Influensområdene for olje akkumulert på strandlinjen, beregnet fra de stokastiske oljedriftssimuleringene for overflateutblåsning under boring ved Alta-feltet. Hvert område består av alle 0 0 km kyststripe-kartruter med mer akkumulert olje enn 0,0 tonn/km i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 47

48 Oljedriftsimulering: resultater for alle DFU er samlet 4..2 Strandingsstatistikk Her vises strandingsstatistikken for utslipp fra Alta-feltet, for all oljeberørt kystlinje og for eksempelområdene definert av NOFO som har mer enn 5 % strandingssansynlighet. All kystlinje De to minste uhellsutslippene under prøveutvinningen gir ingen stranding av oljeemulsjon. Disse beskrives derfor ikke ytterligere. En oversikt over strandingstatistikken for øvrige DFU er er gitt i tabell 4.2. Gitt at en sjøbunnsutblåsning finner sted, så varierer høyeste sannsynlighet for stranding langs kysten mellom og 25 %. Sannsynlighet for stranding er høyest i sommersesongen og lavest i vintersesongen uansett DFU. Gitt at en overflateutblåsning finner sted, varierer høyeste sannsynlighet for stranding mellom 7 og 3 %. Høyeste sannsynlighet for stranding for det store uhellsutslippet under prøveutvinningen er 6 %. Igjen er det sommersesongen som har høyeste sannsynlighet. Sjøbunnsutslipp gir gjennomgående høyere sannsynlighet for stranding enn overflateutslipp uansett DFU. Korteste drivtid til land, representert ved 95-persentilen, forekommer om sommeren og er relativt lik (7 til 2 dager) for alle brønnhendelsene (uansett utslippsdyp) og utslipp fra shuttletankeren. Overflateutslipp under boreoperasjonen har den korteste drivtiden på 7 dager. Det er kun stranding av oljeemulsjon ved uhellsutslipp under prøveutvinningen i sommersesongen. Dette har en drivtid på 9 dager. Det er mer stranding i sommersesongen enn i de andre sesongene, for alle brønnhendelsene. Det er også mer stranding ved sjøbunnsutslipp enn ved overflateutslipp. Største mengde strandet emulsjon, representert ved 95-persentilen, er 809 tonn og forekommer om sommeren for utblåsning under boreoperasjonen. Det er noe lavere stranding for utblåsning under komplettering- og prøveutvinning (587 tonn). Høyeste sannsynlighet for stranding på Bjørnøya er 0,2 % gitt et sjøbunnsutslipp under boreaktivitet i vintersesongen. Korteste drivtid (00-perentil) er 65 døgn. Det er ikke registrert stranding på Bjørnøya i vår- og sommersesongen for noen av aktivitene, og kun i forbindelse med boreaktivitet i høstsesongen (<0,05 % sannsynlighet). NOFO-eksempelområder Det er 7 NOFO eksempelområder med mer enn 5% sannsynlighet for stranding. Strandingstatistikken for utblåsning under boreoperasjonen er gitt i tabell 4.3. Strandingsstatistikken for NOFO s eksempelområder, for hver av de seks DFU ene er gitt i vedlegg A. Av alle eksempelområdene er Ingøya mest utsatt med både høyest sannsynlighet for stranding, korteste drivtider til land og størst mengde strandet oljeemulsjon. Det er noe variasjon, men i hovedsak er det høyere sannsynlighet for stranding i sommersesongen enn i de andre sesongene og høyere sannsynlighet for stranding ved sjøbunnsutslipp en ved overflateutslipp. Høyest sannsynlighet for stranding på Ingøya er ved sjøbunnsutslipp i sommersesongen (20 %). 48

49 Oljedriftsimulering: resultater for alle DFU er samlet Det er generelt lange drivtider til eksempelområdene. Korteste drivtid er 20 dager til Ingøya for overflateutslipp om sommeren og høsten. Størst mengde strandet oljeemulsjon er 224 tonn ved sjøbunnsutslipp fra boreaktivitet i sommersesongen. 49

50 Oljedriftsimulering: resultater for alle DFU er samlet Tabell 4.2: Strandingsstatistikk for hver av de seks DFU ene (definerte fare- og ulykkeshendelser) listet i tabell.: (a) utblåsning under boring, (b) utblåsning under komplettering, (c) utblåsning under prøveutvinning, (d) uhellsutslipp fra shuttletanker under prøveutvinning, (e) uhellsutslipp fra stigerør under prøveutvinning, (f) uhellsutslipp fra tank på rigg under prøveutvinning. DFU Sesong Dyp Sanns. Tid Mengde P 95 P 95 (%) (dager) (tonn) Utblåsning Vinter Overflate under boring Sjøbunn Vår Overflate Sjøbunn Sommer Overflate Sjøbunn Høst Overflate Sjøbunn Utblåsning Vinter Overflate under komplettering Sjøbunn Vår Overflate Sjøbunn Sommer Overflate Sjøbunn Høst Overflate Sjøbunn Utblåsning Vinter Sjøbunn under prøveutvinning Vår Sjøbunn Sommer Sjøbunn Høst Sjøbunn Uhellsutslipp fra shuttletanker Vinter Overflate under prøveutvinning Vår Overflate Sommer Overflate Høst Overflate Uhellsutslipp fra stigerør Vinter Overflate 0-0 under prøveutvinning Vår Overflate 0-0 Sommer Overflate 0-0 Høst Overflate 0-0 Uhellsutslipp fra tank Vinter Overflate 0-0 under prøveutvinning Vår Overflate 0-0 Sommer Overflate 0-0 Høst Overflate

51 Oljedriftsimulering: resultater for alle DFU er samlet Tabell 4.3: Strandingsstatistikk for NOFO-eksempelområder med strandingssannsylighet større enn 5 %, gitt en utblåsning under boring ved Alta-feltet. Kolonenene dekker strandingssannynlighet, 95- persentil av korteste drivttid og 95-persentil av mengde strandet oljeemulsjon for sesongene vinter (P), vår (P2), sommer (P3) og høst (P4). Utslipp Sanns. (%) Tid (dager) Mengde (tonn) Område Dyp P P2 P3 P4 P P2 P3 P4 P P2 P3 P4 Gjesværstappan-0 Overflate Inf Inf 53 Inf Sjøbunn Inf Inf Gjesværstappan-02 Overflate Inf Inf 53 Inf Sjøbunn Inf Inf Hjelmsøy Overflate Inf Inf Inf Inf Sjøbunn Inf Inf Hjelmsøystauren Overflate Inf Inf Inf Inf Sjøbunn Inf Inf Ingøya Overflate Sjøbunn Nordkinn Overflate Inf Inf Inf Inf Sjøbunn Inf Inf 57 Inf Sørøya nordvest Overflate Inf Inf 27 Inf Sjøbunn Inf Inf

52 Miljørisikoanalyse: resultater for alle DFU er samlet 4.2 Resultater for miljørisikoanalyse I det etterfølgende oppsummeres høyeste miljørisiko for alle analyserte ressursgrupper fra miljørisikoanalysene som er utført for de forskjellige DFU ene. Ressursgruppene som er inkludert i analysene er Pelagisk sjøfugl Kystbunden sjøfugl Sel (kystsel) Fisk Strandhabitat Pelagisk og kystbunden sjøfugl med buffersoner iht. "alternativ5" Lyslogger datasett for lomvi i Barenshavet Sårbare områder og assosiert fauna Miljørisikoen er lavere enn Lundins akseptkriterier for alle de undersøkte DFU ene og ressursgruppene. For de to DFU ene uhellsutslippene fra stigerør og uhellsutslippene fra tank på rigg er miljørisikoen null for alle ressursgruppene. 52

53 Miljørisikoanalyse: resultater for alle DFU er samlet 4.2. pelagisk sjøfugl Høyeste beregnet miljørisiko for pelagisk sjøfugl er lav ( - 4 % av akseptkriteriene) for alle DFU ene og ligger i skadekategorien Moderat uansett DFU og sesong (figur 4.7). I vinter- og vårsesongen er det barentshavbestanden av alke som berøres mens barentshavbestanden av lunde berøres i sommer- og høstsesongen. Det er gjennomgående utblåsning under komplettering som har høyest beregnet miljørisiko i alle sesonger (0-4 % av akseptkriteriene), tett fulgt av utblåsning under boreoperasjonen (9 til 2 % av akseptkriteriene). Høyeste miljørisiko forekommer om vinteren for begge DFU ene. Utblåsning og uhellsutslipp under prøveutvinningen har gjennomgående lavest miljørisiko i alle sesonger ( - 8 % av akseptkriteriene). Figur 4.7: Høyeste miljørisiko for pelagisk sjøfugl for de ulike DFU ene ved Alta-feltet. Miljørisikoen for de to DFU ene uhellsutslipp fra stigerør og uhellsutslipp fra tank på rigg var null, og derfor ikke vist i figuen. 53

54 Miljørisikoanalyse: resultater for alle DFU er samlet kystbunden sjøfugl Høyeste beregnet miljørisiko for kystbunden sjøfugl er svært lav (< 5 % av akseptkriteriene) for alle DFU ene og ligger i hovedsak i skadekategorien Moderat (figur 4.8). I vintersesongen er det barentshavbestanden av praktærfugl som berøres. I vår- og høstsesongen berøres barentshavbestanden av toppskarv mens det i sommersesongen er barentshavebestandene av makrellterne og toppskarv som berøres. Det er gjennomgående utblåsning under kompletterering som har høyest beregnet miljørisiko i alle sesonger ( - 5 % av akseptkriteriene), tett fulgt av utblåsning under boreoperasjonen (under 0,5 til 4 % av akseptkriteriene). Høyeste miljørisiko forekommer om sommeren for begge DFU ene. Miljørisikoen for utblåsning og uhellsutslipp under prøveutvinningen er enda lavere; høyeste miljørisiko er beregnet til - 2 % av akseptkriteriene. Figur 4.8: Høyeste miljørisiko for kystbunden sjøfugl for de ulike DFU ene ved Alta-feltet. Miljørisikoen for de to DFU ene uhellsutslipp fra stigerør og uhellsutslipp fra tank på rigg var null, og derfor ikke vist i figuen. 54

55 Miljørisikoanalyse: resultater for alle DFU er samlet sel Høyeste beregnet miljørisiko for sel er svært lav (< 2 % av akseptkriteriene) for alle DFU ene og ligger i hovedsak i skadekategorien Moderat for den nordlige bestanden av havert i alle sesongene (figur 4.9). Unntaket er ved en utblåsning under prøveutvinningen hvor den nordlige bestanden av steinkobbe får utslag i skadekategorien Betydelig i høst-, sommer- og vårsesongen. Det er gjennomgående utblåsning under kompletterering og boring som har høyest beregnet miljørisiko i alle sesonger ( - 2 % av akseptkriteriene). Figur 4.9: Høyeste miljørisiko for sel for de ulike DFU ene ved Alta-feltet. Miljørisikoen for de to DFU ene uhellsutslipp fra stigerør og uhellsutslipp fra tank på rigg var null, og derfor ikke vist i figuen. 55

56 Miljørisikoanalyse: resultater for alle DFU er samlet strandhabitat Høyeste beregnet miljørisiko for strandhabitat er svært lav (< 3 % av akseptkriteriene) for alle DFU ene, uansett sesong (figur 4.0). Kartrutene som treffes er (Nordkapp kommune), (Hammerfest og Hasvik kommuner), og (Måsøy kommune), alle i Finmark fylke. Figur 4.0: Høyeste miljørisiko for strandhabitat for de ulike DFU ene ved Alta-feltet. Miljørisikoen for de to DFU ene uhellsutslipp fra stigerør og uhellsutslipp fra tank på rigg var null, og derfor ikke vist i figuen. 56

57 Miljørisikoanalyse: resultater for alle DFU er samlet fisk Resultatene for fisk er presentert i to avsnitt: () miljørisikoanalyse vha MIRA-metode for norsk vårgytende sild og nordøstarktisk torsk (skrei), og (2) overlappsanalyse for viktige fiskebestander i det aktuelle havområdet (figur 4. og tabell 4.4). MIRA-metoden Høyeste beregnet miljørisiko for gyteprodukter fra norsk vårgytende sild og nordøstarktisk torsk er lav (< 0,5 % av akseptkriteriene) for alle DFU ene. Risiko er kun beregnet for nordøstarktisk torsk i sommersesongen. I alle andre sesonger er miljørisikoen null. Overlappsanalyse Det arealmessige overlappet mellom influensområdet for olje i vannkolonne og gyteområdene til viktige fiskebestander i Barentshavet er presentert i tabell 4.4. Tabellen viser hvilke fiskebestander og hvor stor andel av deres gyteareal som overlapper med influensområdene for olje i vannkolonnen (THC-konsentrasjon > 00 ppb). Influensområdet i vannkolonnen overlapper kun med gyteområdet til nordøstarktisk hyse (se tabell B. for en oversikt over VØK-gytebestander som er vurdert). Overlappet er ca. %. Sannsynligheten for å få overlapp i den størrelsen er i underkant av %. Risikoen for effekt på rekruttering og/eller bestand for alle analyserte arter anses å være lav. Figur 4.: Høyeste miljørisiko for fisk for de ulike DFU ene ved Alta-feltet. Miljørisikoen for de to DFU ene uhellsutslipp fra stigerør og uhellsutslipp fra tank på rigg var null, og derfor ikke vist i figuen. all 57

58 Miljørisikoanalyse: resultater for alle DFU er samlet Tabell 4.4: Andelen gyteareal som overlapper med influensområdet til olje i vannkolonnen. Influensområdet er en vektet kombinasjon av influensområdene for sjøbunns- og overflateutblåsninger. Aktivitet Gytebestand Gyteareal Andel overlapp (%) km 2 Vinter Vår Sommer Høst Boring Nordøst-arktisk hyse Komplettering Prøveutvinning Shutletanker

59 Miljørisikoanalyse: resultater for alle DFU er samlet Resultater for kystdatasett-alt5 og lys-loggerdatasettt Kystdatasett Høyeste beregnet miljørisiko for alle VØK ene i datasettet "Kystdatasettet Alternativ 5 - standardisert mot nasjonal bestand" er presentert i figur 4.2. Miljørisikoen for de ulike DFU ene følger samme mønster som SEAPOP datasettene presentert tidligere. Det er utblåsning under komplettering som gir høyest miljørisiko, deretter utblåsning under boring og utblåsning ved prøveutvinning. Lavest risiko har vi ved tap av shuttletankeren. Høyeste miljørisiko er 4.7 % av Lundin s operasjonsspesifikke akseptkriterie for moderat skade. Risikonivået er betraktelig lavere enn for de andre SEAPOP-datasettene. Dette skyldes at datasettet er standardisert mot nasjonale bestander og ikke regioner, samt at alle oljesøl som ikke driver inn i funksjonsområdene ("bufferområdene") til fuglene ikke gir skade. Figur 4.2: Høyeste miljørisiko for sjøfugl beregnet fra kystdatasettet Alternativ 5 - standardisert mot nasjonal bestand" for de fire DFU ene som ga utslag i risikoanalysen. Lys-logger data Høyeste beregnet miljørisiko for lyslogger-datasettet for lomvi er presentert i figur 4.2. Lomvi fra koloniene Sklinna, Bjørnøya og Hjelmsøya ga utslag i analysen. Det er gjennomgående merkede lomvi fra Hjelmsøya som har høyest beregnet miljørisiko for alle DFU ene i både vinter- og høstsesongen. Antatt at de merkede fuglene på Hjelmsøya representerer en egen bestand er det ca. 65 % sannsynlighet for et bestandstap på mer enn % gitt en utblåsning under komplettering; fordelt på 56 % for tapsandler mellom -5 %, 7 % mellom 5-0 % og % mellom 0-20 %. Det var ingen sannsynlighet for tapsandler over 20 %. Høyeste miljørisiko er 7.5 % av Lundin s operasjonspesifikke akseptkriterier for moderat skade. Dataene er filtrert med 50 % kernel og deretter normalisert slik at summen over alle rutene blir 00 % for hver koloni (se kapittel.3). Dette betyr at tapsandelene angitt over vil være konservative hvis områdene som er filtrert vekk fra datasettet har lavere sannsynlighet for å 59

60 Miljørisikoanalyse: resultater for alle DFU er samlet bli eksponert for olje enn området definert med 50 % kernel (opptil det dobbelte hvis områdene som er filtrert ut ikke ville blitt eksponert for olje). Hvor områdene som er filtrert vekk er lokalisert i originaldatasettet er imidlertid ukjent og det er derfor ikke mulig å vurdere hvorvidt tapsandelestimatene angitt over er konservative eller ikke. Dette er en av grunnene til at datasettet ikke er anbefalt for kvantitative miljørisikoanalyser (jf. kapittel.3). Figur 4.3: Høyeste miljørisiko for sjøfugl beregnet fra lysloggerdatasettet for de fire DFU ene som ga utslag i risikoanalysen. Det er lomvi merket på Hjelmsøya som vil bli mest berørt i begge sesongene og for alle DFU ene Sårbare områder og assosiert fauna Resultatene fra oljedriftssimuleringene viser at det er ingen eller lav sannsynlighet for at et utslipp under bore- og prøveutvinningskampanjen på Alta-feltet vil berøre områder med forhøyet forekomst av VØK er langs polarfronten og iskanten (den marginale issonen) eller funksjonsområder (leve- og beiteområder) til sjøfugl og andre VØK er utenfor Bjørnøya. Sannsynligheten for å treffe deler av disse områdene gitt en utblåsning varierer fra 0 % til mindre enn.8 %. Risikoen for effekt på bestandsnivå for arter med sterk tilknytning til disse områdene anses derfor som lav og risikonivået for de planlagte aktivitetene er innenfor akseptkriteriene til Lundin Oppsummering av miljørisikoanalyse Miljørisikoen ved Alta-feltet er lav, mindre enn 4 % av Lundins akseptkriterier, når beregnet for alle kombinasjoner av ressursgrupper og DFU er (figurene 4.7, 4.8, 4.9, og 4.0). Pelagisk sjøfugl har høyest miljørisiko av ressursgruppene, mellom og 4 % av akseptkriteriene. For de resterende ressursgruppene var miljørisikoen mindre enn 5 % av akseptkriteriene. Overlappsanalysen for fisk (figur 4.4) viser at viktige gyteområder overlappes minimalt av in- 60

61 Miljørisikoanalyse: resultater for alle DFU er samlet fluensområdet for olje i vannkolonnen. Det største overlappet er for Nordøst-arktisk hyse, der mindre enn % av gyteområdet overlappes. Dersom miljørisikoen summeres over alle DFU ene som kan finne sted i løpet av bore- og prøveutvinningskampanjen på Alta-feltet (dvs. boring, komplettering og produksjon, samt de tre uhellsutslippene), for hver ressursgruppe, og sammenlignes med de operasjonspesifikke akseptkriteriene til Lundin er miljørisikoen fremdeles relativ lav og mindre enn 36 % av akseptkriteriene for de ulike skadeklassene (figur 4.4). Figur 4.4: DFU ene ved Alta-feltet. Høyeste miljørisiko summert for alle 6

62 OSCA-resultater for alle DFU er 4.3 Resultater for beredskapsanalyse Beredskapsanalysen danner beslutningsgrunnlag for operatørens valg av avtalefestet stående beredskapsløsning for planlagte aktiviteter (boring, komplettering og prøveutvinning) ved Altafeltet. Tilgjengeligheten av NOFO-systemer og slepefartøy verifiseres av NOFO i forkant av boreoperasjonen. De viktigste beredskapsutfordringene ved aktiviteten er: Store influensområder på havoverflaten Avstand til kyst Mørke og kulde Avstanden til kysten er lang, men det er lang drivtid til land og det er god tilgang på oljevernressurser i området. Utfordringer for beredskapsaksjoner tilknyttet mørke og kulde må hensyntas i beredskapsplanleggingen Krav til oljevernberedskap Krav til oljevernberedskap for Alta-feltet er basert på Norsk olje og gass sin veiledning for miljørettede beredskapsanalyser (Norsk olje og gass 203). Det er etablert følgende ytelseskrav mot akutt forurensning: Barrierer på åpent hav (barriere A og B) skal hver for seg ha tilstrekkelig kapasitet til å kunne håndtere den emulsjonsmengden som er tilgjengelig som følge av dimensjonerende rate. Responstiden for fullt utbygd barriere skal være kortere enn 5-persentilen av drivtid til land. Responstiden for fullt utbygd barriere skal være kortere enn 5-persentilen av drivtid til land. I henhold til ytelseskravene til Lundin skal første system være på plass senest innen korteste (minste) drivtid til land. Kystbarrieren (barriere 2) skal ha tilstrekkelig døgnkapasitet til å kunne håndtere 95- persentilen av emulsjonsmengde (fra oljedriftsstatistikken) inn til barrieren etter at effekt av forutgående barriere er lagt til grunn. Barrieren i strandsonen (Barriere 3) skal i funksjon A (mobil olje) ha tilstrekkelig kapasitet til å bekjempe innkommende emulsjonsmengde til barrieren etter at effekt av forutgående barrierer er lagt til grunn. I tillegg skal funksjon B (ikke-mobil olje) ha kapasitet til å håndtere den oljemengde som ut fra beregningene strander innenfor kystverkets beredskapsregioner i influensområdet. Responstiden skal være kortere enn 5-persentilen av drivtid til land. 62

63 OSCA-resultater for alle DFU er Dimensjonering av oljevernberedskap Dimensjonering av oljevernberedskap er gjort i samråd med Lundin. Det er beregnet beredskapsbehov for boring, komplettering og prøveutvinning. Den dimensjonerende hendelsen for oljevernberedskap for alle tre aktivitetene er en utblåsning av olje. Vektet utblåsningsrate og -varighet er lagt til grunn for beregning av beredskapsbehov ved alle aktiviteter. For boring og komplettering er systembehovet beregnet for overflateutblåsning da denne har høyere vektet utblåsningsrate enn sjøbunnsutblåsning. For prøveutvinningen er det en sjøbunnsutblåsning som er dimensjonerende hendelse. Dimensjonerende rater og varigheter for de tre aktivitetene er presentert i tabell 4.7. Andelen som den dimensjonerende raten dekker av ratematrisen til den dimensjonernde hendelsen er angitt. Strandingsstatistikk fra de stokastiske oljedriftssimuleringene er lagt til grunn for dimensjonering av oljevernberedskap i barriere 2 (95-persentil for korteste drivtid til land og 95-persentil for strandet mengde vann-i-olje-emulsjon). I tilfeller der sjøbunnsutblåsning gir større beredskapsbehov er dette angitt. Tabell 4.5: Dimensjonerende rater og varigheter for de planlagte aktivitetene ved Alta-feltet. Andelen som den dimensjonerende raten dekker av ratematrisen til den dimensjonernde hendelsen er angitt til høyre. Aktivitet Dimensjonerende rate (S m 3 /d) Dimensjonerende varighet (døgn) Andel Boring ,5 83 % Kompletterig ,0 7 % Prøveutvinning ,5 5 % Plassering av barrierer Barriere A og B er satt til å bekjempe olje som har vært på sjøen i hhv. 6 og 2 timer. Ved disse tidspunktene vil det for Altaolje ikke være eksplosjonsfare i forbindelse med bekjempelse på sjøen eller ved lagring av olje i oppsamlingstankene til OR-fartøyene, og oljen er godt egnet for mekanisk oppsamling. I perioder hvor det er vindstille (2 m/s) må det imidlertid etter såpass kort tid forventes lenselekkasje pga. lav viskositet. Kjemisk dispergering vil i slike perioder kunne være et alternativ. En oversikt over forventede forvitringsegenskaper til oljen ved den valgte lokasjonen til barriere A og B er gitt i tabell 4.6. Tidsvinduer for mekanisk oppsamling, kjemisk dispergering, eksplosjonsfare og tilflyt for Altaolje ved ulike vindstyrker ved sommer- og vinterforhold er illustrert i figur

64 OSCA-resultater for alle DFU er Tabell 4.6: Beregnede forvitringsegenskaper for utslippet ved den valgte plasseringen til barriere A og B. Sesong Barriere A (6 timer) Barriere B (2 timer) Vanninnhold Fordampet Nedblandet Vanninnhold Fordampet Nedblandet Vinter Vår Sommer Høst Figur 4.5: Tidsvinduer for mekanisk oppsamling og kjemisk dispergering (øverst) og eksplosjonsfare og tilflyt (nederst) for Altaolje ved ulike vindstyrker ved sommer- og vinterforhold Oljevernberedskap i barriere Beregnet ressursbehov for produksjonsboring, komplettering og prøveutvinningen, samt tilflytsrater inn til barriere A og B, er presentert i tabell 4.8. Beregnede responstider for NOFO OR-fartøy og slepefartøy for Alta-feltet er presentert i tabell 4.8. Responstider for NOFO-systemer er basert på normal plassering på fartøyene. Beregningene er basert på en ganghastighet på 4 knop. Responstiden for slepefartøy er basert på redningsskøytene til Redningsselskapet (RS) og/eller NOFO slepefartøy. Redningsskøytene har frigivelsestid på 2 timer og en marsjfart på 20 knop. Reduksjonsfaktorer for signifikant bølgehøyde (Hs), lysforhold og sikt, systemeffektivitet, forventet kapasitet og barriereeffektivitet er presentert i tabell

65 OSCA-resultater for alle DFU er Ressursbehovet på åpent hav (barriere A og B) varierer mellom tre og fem NOFO-systemer avhengig av aktivitet og sesong. Det er under boringen beredskapsbehovet på åpent hav er størst. Ressursbehovet er tre NOFOsystemer i barriere A og to NOFO-systemer i barriere B i høst, vinter- og vårsesongen. For sommersesongen er systembehovet i barriere A tre NOFO-systemer og ett NOFO-system i barriere B. Første NOFO-system vil være på lokasjonen. Responstiden før dette fartøyet er klar for å samle opp olje er 2 timer. Neste NOFO-system har responstid på 9 timer. Under boring vil fullt utbygd barriere på åpent hav være på plass etter 9 timer om sommeren og etter 44 timer om høsten, vinteren og våren. Merk at tabell 4.8 gir eksempel på responstider ut ifra normal plassering på fartøyene. Responstider for komplette systemer innebærer bruk at redningsskøyter fra Redningsselskapet. Operatøren må sammen med NOFO gjøre en vurdering av hvorvidt det er formålstjenelig å benytte redningsskøyter som slepere eller om det vil være tilstrekkelig å benytte NOFO slepefartøy som har responstid på 24 timer+. Alle responstider må verifiseres av NOFO i forkant av boreoperasjonen. Tabell 4.7: Beregnede tilflytsrater av emulsjon og ressursbehov for barriere A og B. Tallene i parentes angir antall NOFO-systemer rundet opp. Aktivitet Barriere Tilflytsrate emulsjon (S m 3 /d) Ressursbehov (ant. systemer) Vinter Vår Sommer Høst Vinter Vår Sommer Høst Boring A (3) 2.9 (3) 2.8 (3) 2.9 (3) B (2).4 (2).0 ().6 (2) Komplettering A (2).9 (2).8 (2).9 (2) B (2) 0.9 () 0.6 ().0 () Prøve- A (3) 2.2 (3) 2. (3) 2.2 (3) utvinning B (2).0 () 0.7 ().2 (2) 65

66 OSCA-resultater for alle DFU er Tabell 4.8: Eksempel på mobilisering av tre NOFO-systemer på åpent hav. Responstid (timer) er summen av mobilisering/frigivelsestid, transittid og utsetting av lensen, rundet opp til nærmeste hele time. OR = Oljevernfartøy, SF = Slepefartøy, RS = Redningskøyte (slepefartøy). System Fartøy Frigiv. Transitt Utsetting Klar Responstid nr tid av lense innen komplett (t) (t) (t) (t) system (t) OR: "Alta" SF: Egen avtale OR: Goliat (Barentshavet) 4 3,9 9 9 SF: RS fra Sørvær (Sørøya) 2 4,6 8 3 OR: Hammerfest Avløser 4 7,5 5 4 SF: RS fra Båtsfjord 2 0,2 4 4 OR: Hammerfest 0 0 7,5 9 9 SF: RS fra Vadsø 2 4,7 8 5 OR: Haltenbanken SF: NOFO-pool Tabell 4.9: Reduksjonsfaktorer for bølger, lysforhold og sikt og beregnet systemeffektivitet, forventet systemkapasitet (S m 3 /d) og barriereeffektivitet (S m 3 /d) for systemer i barriere. Periode Reduksjonsfaktor Systemeffektivitet Systemkapasitet Barriereeffektivitet Bølger Lys og sikt A B A B Vinter Vår Sommer Høst Oljevernberedskap i barriere 2 og 3 Kystnære systemer og strandrensesystemer skal innen 95-persentil av korteste drivtid til land, være i stand til å håndtere 95-persentil av tilflytende mengde oljeemulsjon, etter at effekten av forutgående barrierer er trukket fra. Strandingsstatistikk til kysten beregnet fra de stokastiske oljedriftssimuleringene for overflateutslipp og tilflytsrater (dimensjonerende strandingsrater av emulsjon) per dag for barriere 2 er presentert i tabell 4.0. Største tilflytsrate til kysten er 0 S m 3 /d. Beregnet systembehov basert på tilflytsratene til hele kystlinjen blir mindre enn ett kystsystem. Korteste drivtid til land er 7,2 døgn. Allokering av beredskapssystemer og strandrenselag i barriere 2 og 3 vil avhenge av oljens geografiske spredning og type kystlandskap oljen skal bekjempes i under en faktisk hendelse. Det er ikke vurdert hensiktsmessig å gi ytterligere detaljering av beredskapsystemer og -ressurser for kyst- 66

67 OSCA-resultater for alle DFU er og strandsonen i denne analysen. Tabell 4.0: Tilflytsrate (volum per døgn) for barriere 2 (B2) beregnet fra 95-persentilen av akkumulert strandet mengde emulsjon, der effektiviteten av barriere A og B er tatt hensyn til. Tallene i parentes angir tilflytsraten for sjøbunnsutblåsning. Aktivitet Sesong Strandingsmengde (tonn) Drivtid (døgn) Tilflytsrate til B2 (S m 3 /d) Boring Vinter (2) Vår (7) Sommer (9) Høst (4) Komplettering Vinter () Vår (7) Sommer (9) Høst (4) Prøveutvinning Vinter Vår Sommer Høst Beredskap for mindre uhellsutslipp Det er ikke beregnes beredskapsbehov for mindre uhellsutslipp ved prøveutvinningen. Dersom mindre uhellsutslipp forekommer vil de bekjempes vha. aktiv mekanisk dispergering. Standby- og PSV-fartøy på lokasjon vil iverksette mekanisk dispergering av mindre oljeutslipp på havoverflaten. Luftbåren overvåking vil benyttes for å koordinere fartøy som assisterer naturlig dispergering med vanndosering ved hjelp av brannslanger (FI-FI) og/eller ved å kjøre propellen over oljen. Ved behov vil NOFO mobiliseres med ytterligere fartøy. Prosedyre for forberedelse, gjennomføring og oppfølging av tiltak ved mindre uhellsutslip vil beskrives i oljevernplanen Netto miljøgevinstanalyse (NEBA) med stokastisk beredskapsmodellering Basert på beregnet beredskapsbehov for boring av Alta-feltet er det gjennomført stokastisk beredskapsmodellering av det dimensjonerende utslippet (overflateutblåsning av 5344 S m 3 /d i 5,5 døgn) på åpen hav. Hovedformålet med modelleringen er å undersøke og sammenligne effekten av mekanisk oppsamling mot økende bruk av kjemisk dispergering. Det er tatt utgangspunkt i et systembehov på seks NOFO-systemer (fire NOFO-systemer i barriere A og to NOFO-systemer i barriere B). En oversikt over de ulike bekjempelsesmetodene er presentert i tabell 4.. For å kunne identifisere bekjempelsesmetoden (tiltaksalternativ for 67

68 OSCA-resultater for alle DFU er Tabell 4.: Oversikt over bekjempelsesmetodene som er modellert i OSCAR. Antall systemer angir antall systemer i barriere A og B. Navn Antall Systemer Disp. middel Beskrivelse Respons 0: Ingen beredskap Respons 4:2 [0t] Mekanisk oppsamling Respons 4:2 [25t] m 3 Kjemisk dispergering med NOFO System 2 til tanken er tom (25 timer), deretter mekanisk oppsamling. Respons 4:2 [63t] m 3 Kjemisk dispergering med NOFO System 2 til tanken er tom (63 timer), deretter mekanisk oppsamling. Inkluderer bruk av dispergeringsmiddel fra System 3. Respons 4:2 [25t] m 3 Kjemisk dispergering med NOFO System 2 til tanken er tom (25 timer), deretter mekanisk oppsamling. Inkluderer bruk av dispergeringsmiddel fra NOFO System 3, 4 og 5. bekjempelse) som gir mest miljøgevinst er effekten av de ulike bekjempelsesmetodene vurdert mot følgende endepunkter. Massebalanse Strandingsstatistikk Bestandstap og miljørisiko Hver bekjempelsesmetode er simulert med 357 enkeltsimuleringer. Parameterne som er benyttet i OSCAR modelleringen er presentert i Vedlegg C. Massebalanse Gjennomsnittlig massebalanse for de ulike bekjempelsesmetodene er gitt i figur 4.6. Søylediagrammet viser hvordan det totale volumet av utslippet fordeler seg i åtte massebalansekategorier (strandet, sedimentert, overflate, fordampet, nedbrutt, dispergert, oppløst og oppsamlet) ved endt simuleringsperiode. Figuren viser at uten beredskapstiltak (respons 0:0) vil det meste av utslippet fordampe (ca. 47 % - 50 %, avhenging av sesong), nedblandes (dispergeres) i vannmassene (ca. 43 % - 45 %, avhenging av sesong) eller brytes ned (ca. 5 % - 7 %, avhenging av sesong ). Ved endt simulering er det % eller mindre igjen av utslippet på overflaten. I sommer- og høstsesongen vil i gjennomsnitt ca. 0, % av utslippet strande (og mindre enn 0,04 promille i vår- og høstsesongen). Gjennomsnittlig andel oppsamlet olje av totalutslippet varierer med sesong og er høyest i sommersesongen (47 %) og lavest i vintersesongen (7 %). Effektiviteten av kjemisk dispergering 68

69 OSCA-resultater for alle DFU er vises i kategoriene dispergert, oppløst og nedbrutt (økt mikrobiell nedbryting) og ikke i kategorien oppsamlet. Oppsamlet mengde olje er derfor gjennomgående noe lavere desto mer tid som benyttes på kjemisk dispergering, mens verdiene for dispergert, oppløst og nedbrutt er gjennomgående noe høyere sammenlignet med massebalansen til responsalternativet med kun mekanisk oppsamling. Den samlede effekten av hvordan dette slår inn på strandingssannsynlighet og -mengde og miljøskade og -risiko er undersøkt i de to avsnittene nedenfor. Merk at tallene over er gjennomsnittsverdier fra mange enkeltsimuleringer og det vil kunne være stor variasjon i hvordan oljeututslippet fordeler seg i de åtte massebalansekategorier pga. variasjon i værforhold. Dette er illustrert i figur 4.7 som viser oppsamlet mengde og systemeffektivitet for alle de 90 simuleringene for beredskapsalternativet med mekanisk oppsamling (respons 4:2 [0t]) i sommersesongen. Andelen oppsamlet oljemengde varierer fra 70 % til litt over 2 % (med et gjennomsnitt på ca. 47 % som vist i figur 4.6). Figur 4.6: Gjennomsnittlig massebalanse ved endt simulering for de modellerte bekjempelsesmetodene. Hvert responsalternativ er simulert med 357 simuleringer (ca. 90 pr. sesong). 69

70 OSCA-resultater for alle DFU er Figur 4.7: Andel oppsamlet olje i prosent av totalt utsluppet oljemengde (stolper) og opptakseffektivitet av tilgjengelig olje på overflaten (linje) for hver enkeltsimulering av responsalternativet med kun mekanisk oppsamling i sommersesongen. Strandingsstatistikk Strandingsstatistikk for hele kystlinjen for de ulike bekjempelsesmetodene er vist i tabell 4.2. Alle alternativene reduserer sannsynlighet for stranding og strandingsmengde, og generelt øker også drivtiden til land i simuleringer med beredskap sammenlignet med simuleringer uten beredskap. Effekten av beredskap på strandingssannsynlighet og strandingsmengde er størst i sommersesongen (fra 246 tonn til mellom 0 og 7 tonn) og minst i vintersesongen (fra 24 tonn til mellom 9 og 20 tonn). Forskjellen mellom de ulike bekjempelsesmetodene er relativ små og det ingen av alternativene som entydig skiller seg ut som det beste alternativet. Målt mot 95-persentilen av strandet mengde emulsjon rangeres alternativet med kun mekanisk oppsamling (respons 4:4 [0t]) som nummer i tre (vinter, vår og høst) av sesongene. Beredskapen gir tilsvarende effekt på strandingsstatistikken for NOFOområdene. I sommersesongen reduserer f.eks. antall NOFO-områder med strandingssannsynlighet over 5 % fra syv områder uten beredskap til ett eller ingen områder med beredskap. Miljøskade og - risiko med beredskap på åpent hav Målet med en NEBA er å finne frem til det tiltaket som gir mest miljøgevinst. Effekten av de ulike bekjempningsmetodene på miljøskade og -risiko gitt en overflateutblåsning er derfor undersøkt på et komplett datasett av VØK er. Et utdrag av de viktigste resultatene med fokus på de to VØK ene med høyest miljørisiko presenteres i dette kapittelet. Merk at eventuell reduksjon i miljøskade og -risiko som følge av beredskap i kystsonen (barriere 2) ikke er inkludert i denne vurderingen. 70

71 OSCA-resultater for alle DFU er Tabell 4.2: Strandingsstatistikk for all oljeberørt kyst, beregnet fra stokastisk OSCAR modellering av dimensjonerende DFU. Kolonnene dekker sannsynlighet for stranding, strandingstid, og strandet mengde oljeemulsjon. Respons Sanns. (%) Strandingstid (dager) Strandingsmengde (tonn) Periode Bekjempelsesmetode P 5 P 95 P 00 Vinter Respons 0: Respons 4:2 [0t] Respons 4:2 [25t] Respons 4:2 [63t] Respons 4:2 [25t] Vår Respons 0: Respons 4:2 [0t] 2.2 Inf 0 5 Respons 4:2 [25t] 4.4 Inf 0 7 Respons 4:2 [63t] 2.2 Inf 0 5 Respons 4:2 [25t] 2.2 Inf 0 9 Sommer Respons 0: Respons 4:2 [0t] Respons 4:2 [25t] 3.3 Inf 0 36 Respons 4:2 [63t] Respons 4:2 [25t] 4.4 Inf 0 4 Høst Respons 0: Respons 4:2 [0t] Respons 4:2 [25t] Respons 4:2 [63t] Respons 4:2 [25t]

72 OSCA-resultater for alle DFU er Generelt er det liten forskjell mellom de ulike bekjempelsesmetodene. Alle gir redusert miljøskade og -risiko på de undersøkte VØK ene. Sannsynlighet for miljøskade og -risiko for kystnære VØK er (kystbunden sjøfugl, sel og strandhabitat) er lav uten beredskap (< 3.5 % for kystbunden sjøfugl og <. % for sel og strandhabitat) og den ble ytterlige redusert og/eller lik 0 % med beredskap på åpent hav. Det er ingen økning i sannsynlighet for miljøskade på gyteprodukter av Nordøstatlantisk torsk (skrei) og norsk vårgytende sild for tiltaksalternativene med kjemisk dispergering (ingen målbar effekt på bestandsnivå for alle alternativene). De to VØK ene med høyest miljøskade og -risiko er alke og lundefugl. Effekten av tiltakene for disse VØK ene er illustrert i figur 4.8, figur 4.9 og figur Figur 4.8 illustrerer hvordan sannsynligheten bestandstap av alke reduseres med mekanisk oppsamling i sommersesongen. Sannsynligheten for målbar skade på bestandnivå (> % bestandstap) reduseres fra 47 % til 25 % ved at sannsynligheten for bestandstap mellom 5-0 % reduseres fra 9 % til % og sannsynligheten for bestandstap mellom -5 % reduseres fra 38 % til 24 %. Figur 4.9 illustrerer det reduksjon i bestandstap vha. stolpediagrammer for alle sesongene og tiltaksalternativene. Det fremgår av figuren at tiltaksalternativene har tilsvarende effekt på bestandstapet. Figur 4.20 illustrerer reduksjons i miljørisiko for de ulike alternativene. Reduksjonen er størst i sommersesongen for lundefugl der risikoen reduseres fra 7 % til mellom 8-9 %, avhenging av alternativ. Det er liten forskjell i miljørisikoen beregnet for de ulike tiltaksalternativene. Den relative lille reduksjonen i miljørisiko i vinter- og høstsesongen må sees i sammenheng med redusert effektivitet og hvordan MIRA-metoden benytter oljemengdekategorier (-00, , og > 000 tonn) for å beregne akutt dødelighet. Sistnevnte betyr at man kan samle opp f.eks. 400 tonn olje i en kartrute uten at dette vil redusere den akutte dødeligheten for sjøfugl og andre VØK er. Figur 4.8: Sannsynlighet for ulike bestandstapsandeler (0- %. -5 %, 5-0 %, 0-20 %, %, 30-00,%) for alke i Barentshavet uten beredskap (venstre) og mekanisk oppsamling (høyre) i sommersesongen. 72

73 OSCA-resultater for alle DFU er Figur 4.9: Sannsynlighet for ulike bestandstapsandeler (0- %. -5 %, 5-0 %, 0-20 %, %, 30-00,%) for alke i Barentshavet med ingen beredskap og de fire modellerte tiltaksalternativene. 73

74 OSCA-resultater for alle DFU er Figur 4.20: Miljørisiko som andel av selskapets akseptkriterier for de to VØK ene med størst sannsynlighet for miljøskade og høyest miljørisiko uansett skadekategori. Alle bestandene tilhører Barentshavet (BH). Den hvite delen av stolpene illustrerer reduksjonen i miljørisiko. 74

75 OSCA-resultater for alle DFU er Konklusjoner oljevernberedskap Beregnet beredskapsbehov og eksempel for beredskapsløsning for boring, komplettering og prøveutvinning ved Alta-feltet er presentert i tabellene 4.3, 4.4, og 4.5. Med den presenterte beredskapsløsningen er ytelseskravene til Alta-feltet oppfylt. Den endelige beredskapsløsningen må verifiseres av NOFO. Beredskapsmodellering i OSCAR med tilhørende NEBA-vurderinger viser at mekanisk oppsamling alene gir tilsvarende miljøgevinst som ulike kombinasjoner av mekanisk oppsamling og kjemisk dispergering. Det er derfor ikke forventet at bruk av kjemisk dispergering vil gi høyere miljøgevinst enn mekanisk oppsamling. Mekanisk oppsamling fjerner olje fra miljøet og bør alltid være den foretrukne metoden gitt tilsvarende miljøgevinst. Ved operative forhold der mekanisk oppsamling ikke er mulig eller lite effektiv indikerer analysen at kjemisk dispergering vil kunne være et godt alternativ. Responstidene som er oppgitt i denne analysen er beregnet basert på normal plassering av fartøyene. Det vil i aktuell periode være en del aktivitet i området som vil kunne gi kortere responstider for flere av systemene og NOFO vurderer derfor at responstidene som er lagt til grunn i denne analysen er konservative. 75

76 OSCA-resultater for alle DFU er Tabell 4.3: Oppsummering av oljevernberedskapsbehov basert på dimensjonerende hendelse for boring. Barriere - bekjempelse nær kilden (funksjon A) og langs drivbanen (funksjon B) Antall systemer og responstid 5 NOFO systemer i høst-, vinter- og vårsesongen 4 NOFO systemer i sommersesongen Første system innen 2 timer, fullt utbygd barriere innen 44 timer Barriere 2 - bekjempelse i kystsonen Antall systemer og responstid Kapasitet til å håndtere 0 S m 3 /d Mobiliseres ved behov i samråd med NOFO. Responstid mindre enn 7 døgn Barriere 3 - bekjempelse i strandsonen Antall systemer og responstid Mobiliseres ved behov i samråd med NOFO. Responstid mindre enn 7 døgn Tabell 4.4: Oppsummering av oljevernberedskapsbehov basert på dimensjonerende hendelse for komplettering. Barriere - bekjempelse nær kilden (funksjon A) og langs drivbanen (funksjon B) Antall systemer og responstid 4 NOFO systemer i vintersesongen 3 NOFO systemer i vår, sommer og høstsesongen Første system innen 2 timer, fullt utbygd barriere innen 9 timer Barriere 2 - bekjempelse i kystsonen Antall systemer og responstid Kapasitet til å håndtere 9 S m 3 /d Mobiliseres ved behov i samråd med NOFO. Responstid mindre enn 9 døgn Barriere 3 - bekjempelse i strandsonen Antall systemer og responstid Mobiliseres ved behov i samråd med NOFO. Responstid mindre enn 9 døgn 76

77 OSCA-resultater for alle DFU er Tabell 4.5: prøveutvinning. Oppsummering av oljevernberedskapsbehov basert på dimensjonerende hendelse for Barriere - bekjempelse nær kilden (funksjon A) og langs drivbanen (funksjon B) Antall systemer og responstid 5 NOFO systemer i vinter og høstsesongen 4 NOFO systemer i vår og sommeresongen Første system innen 2 timer, fullt utbygd barriere innen 44 timer Barriere 2 - bekjempelse i kystsonen Antall systemer og responstid Kapasitet til å håndtere 7 S m 3 /d Mobiliseres ved behov i samråd med NOFO. Responstid mindre enn 2 døgn Barriere 3 - bekjempelse i strandsonen Antall systemer og responstid Mobiliseres ved behov i samråd med NOFO. Responstid mindre enn 2 døgn 77

78 Bibliography Acona, Akvaplan-Niva, og DNV GL. Oljedriftsmodellering for standard miljørisikoanalyser - Beste praksis. Driverdata, inngangsdata og innstillinger. a. bjørgesæter, p. lindersen, a. rudberg, c. stephansen, og g.m. skeie. Technical Report, 206. add energy. Blowout and Kill Simulation Study. Alta, 7220/-5. Revision / Reference ID: 0. Technical report, add energy, 206. Alpha Miljørådgivning AS. ContAct GIS. Rutenettet er ikke benyttet i analysene, men er tatt med som en referanse for at spesielt interesserte skal kunne finne den geografiske lokasjonen til strandhabitatrutene vha. deres ID-nummer., Alpha Miljørådgivning og NINA. Ulb delutredning - studie 7b. uhellsutslipp til sjø. miljøkonsekvenser på sjøfugl, sjøpattedyr, strand, iskant mv DN. Nasjonal marin verneplan - melding om oppstart av planarbeid DNV. Frekvenser for uhellsutslipp av olje i Barentshavet. Rapport nr.: Rev Technical report, DNV, DNV & SINTEF. Petroleumsvirksomhet. Oppdatering av faglig grunnlag for forvaltningsplanen for Barentshavet og områdene utenfor Lofoten (HFB). Konsekvenser av akutt utslipp for fisk DNV GL & Akvaplan-niva. Development of methodology for calculations of Environmental risk for the marginal ice zone - a joint Project between Akvaplan-niva and DNV GL. Report No.: , Rev00. Document No.: 8L9BD0-6. Technical report, DNV GL & Akvaplan-niva, 204. Per Fauchald. Hvordan bruke nye datasett for bedre prediksjoner for sjøfugl i åpent hav. Presentasjon av Per Fauchald (NINA) på arbeidsmøte "SEATRACK data og bruk i miljørisikoanalyser", Gardermoen, Oslo Technical report, NINA, 206. B.E. Grøsvik, S. Meier, P.A. Horneland, V. Lien, and F. Vikebø. Erfaringer, modellsimuleringer og kartverktøy til støtte for vurdering av dispergeringsmiddel i statens oljevernberedskap. Rapport fra Havforskningen, 2, 204. HI & NPI. Identifisering av særlig verdifulle områder i Lofoten-Barentshavet M. J. Jennings S. Thomas D. N. Barnes. D. K. A. Brierly A. S. Polunin N. V. C. Rafaelli D. G. & William P. J le B. Kaiser. M. J, Attrill. Marine Ecology: Processes, systems, and impacts. Oxford University Press. ISBN-3: , König, M., Spreen, G. &, Vongraven, D. Sea Ice Frequency with Maximum and Minimum Sea Ice Extent - Arctic. Norwegian Polar Institute: e6ba65f3a7a Levitus. URL 78

79 Lloyd s Register Consulting. Evaluation of blowout frequency in karstified formations. Report for: Lundin Norway AS. Report no: 0650/R Rev: Final. Date. 20 December. Technical report, Lloyd s Register Consulting - Energy AS, 206. Lloyd s Register Consulting. Blowout and well release frequencies based on sintef offshore blowout database 206. report for: Sintef offshore blowout database sponsors. report no: /207/r3 rev: Final. date: 28 april 207. Technical report, Lloyd s Register Consulting - Energy AS, 207. Lunding Norway AS. LNAS HSA risk acceptance criteria Meteorologisk institutt. URL NINA. Tverrsektoriell vurdering av konsekvenser for sjøfugl. Grunnlagsrapport til en helhetlig forvaltningsplan for Norskehavet NOFO. Nofo-standard: Krav til oljevernfartøy på norsk sokkel. rev. 09 mai NOFO. Norsk Oljevernforening For Operatørselskap Plangrunnlag. Sist oppdatert , 204. URL NOFO. (Norsk oljevernforening for operatørselskap) Utstyrsplassering. Tilgjengelig fra: Nedlastet: NOFO & OLF. Veileder for Miljørettet Beredskapsanalyse. DNV rapport til NOFO - Norsk Oljevernforening for Operatørselskaper og OLF - Oljeindustriens Landsforening. Rapport nr Revisjon nr Norsk olje og gass. Veiledning for miljørettede beredskapsanalyser. Rev. dato: OLF. Metode for miljørettet risikoanalyse (MIRA). Revisjon OLF. Metode for miljørisko på fisk ved akutte oljeutslipp. Rapport nr , Proactima. Frekvenser for akutte utslipp fra petroleumsvirksomheten. Memorandum til Petroleumtilsynet. PS-0357-ME-02. Rev.nr.:00. Technical report, Prroactima, 200. Proactima. Vurdering av frekvenser relatert til akutt utslipp til sjø fra petroleumsvirksomhet i Nordsjøen og Skagerrak i perioden Rapport til Petroleumtilsynet. Rapport nr. PS-0700-RE-05. Reisjon nr.. Technical report, Proactima, 20. Scandpower Inc. Risks in dp shuttle tanker offloading operations. presentation by dr haibo chen 29. may 203. Technical report, LloydŠs Register, 203. SINTEF. MEMW (Marine environmental modeling workbench) OSCAR and Dream Models. User manual version SINTEF. Alta crude oil Ű properties and behaviour at sea St.meld.nr. 0. Oppdatering av forvaltningsplanen for det marine miljø i Barentshavet og havområdet utenfor Lofoten

80 F.B Vikebø, P. Rønningen, S. Meier, and V.S. Grøsvik, B.E.and Lien. Dispersants have limited effects on exposure rates of oil spills on fish eggs and larvae in shelf seas. Environmental science & technology, 49(0): , 205. Frode B Vikebø, Petter Rønningen, Vidar S Lien, Sonnich Meier, Mark Reed, Bjørn Ådlandsvik, and Trond Kristiansen. Spatio-temporal overlap of oil spills and early life stages of fish. ICES Journal of Marine Science: Journal du Conseil, page fst3,

81 A Vedlegg: resultater I dette vedlegget presenteres de fullstendige resultatene for oljedrift og miljørisikoanalyse for hver DFU definert i tabell.. Resultatene for oljedriftssimulering er vist som influensområder for olje på overflate, i vannkolonne og på strandlinje, og som strandingsstatistikk for all kystlinje og for NOFO s eksempelområder. Resultater for miljøskade og miljørisiko er vist for () kystbunden sjøfugl, (2) pelagisk sjøfugl, (3) sel, (4) fisk og (5) strandhabitat. Skadekategoriene er (fra tabell.8): Alvorlig (restitusjonstid >0 år) Betydelig (restitusjonstid 3 0 år) Moderat (restitusjonstid 3 år) Mindre (restitusjonstid 0, år) Resultatene er presentert for følgende sesonger: Vinter (desember februar), vår (mars mai), sommer (juni august) og høst (september november). 8

82 Vedlegg: Resultater for utblåsning under boring A. Vedlegg: Resultater for utblåsning under boring A.. Oljedriftssimulering (ODS) Tabell A.: Størrelsen av influensområder for olje på sjøoverflaten, i vannkolonnen og akkumulert på strandlinjen, beregnet fra de stokastiske oljedriftssimuleringene for utblåsninger under boring ved Alta-feltet. Arealet er angitt som antall 0 0 km kartruter. Utslipp Antall kartruter (0 0 km) Sesong Dyp Vannkolonne Overflate Strandlinje Vinter Overflate Sjøbunn Vår Overflate Sjøbunn Sommer Overflate Sjøbunn Høst Overflate Sjøbunn

83 Vedlegg: Resultater for utblåsning under boring Figur A.: Influensområdene for olje på sjøoverflaten, beregnet fra de stokastiske oljedriftssimuleringene for sjøbunnsutblåsninger under boring ved Alta-feltet. Hvert område består av alle 0 0 km kartruter som har mer olje på overflaten enn 0,0 tonn/km2 i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 83

84 Vedlegg: Resultater for utblåsning under boring Figur A.2: Influensområdene for olje på sjøoverflaten, beregnet fra de stokastiske oljedriftssimuleringene for overflateutblåsninger under boring ved Alta-feltet. Hvert område består av alle 0 0 km kartruter som har mer olje på overflaten enn 0,0 tonn/km2 i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 84

85 Vedlegg: Resultater for utblåsning under boring Figur A.3: Influensområdene for olje i vannkolonnen, beregnet fra de stokastiske oljedriftssimuleringene for sjøbunnsutblåsninger under boring ved Alta-feltet. Hvert område består av alle 0 0 km kartruter som har har høyere oljekonsentrasjon i vannsøylen enn 00 ppb, i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 85

86 Vedlegg: Resultater for utblåsning under boring Figur A.4: Influensområdene for olje i vannkolonnen, beregnet fra de stokastiske oljedriftssimuleringene for overflateutblåsninger under boring ved Alta-feltet. Hvert område består av alle 0 0 km kartruter som har har høyere oljekonsentrasjon i vannsøylen enn 00 ppb, i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 86

87 Vedlegg: Resultater for utblåsning under boring Figur A.5: Influensområdene for olje akkumulert på strandlinjen, beregnet fra de stokastiske oljedriftssimuleringene for sjøbunnsutblåsninger under boring ved Alta-feltet. Hvert område består av alle 0 0 km kyststripe-kartruter med mer akkumulert olje enn 0,0 tonn/km i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 87

88 Vedlegg: Resultater for utblåsning under boring Figur A.6: Influensområdene for olje akkumulert på strandlinjen, beregnet fra de stokastiske oljedriftssimuleringene for overflateutblåsninger under boring ved Alta-feltet. Hvert område består av alle 0 0 km kyststripe-kartruter med mer akkumulert olje enn 0,0 tonn/km i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 88

89 Vedlegg: Resultater for utblåsning under boring Tabell A.2: Strandingsstatistikk for all oljeberørt kyst, beregnet fra de stokastiske oljedriftsimuleringene for sjøbunns- og overflateutblåsninger under boring ved Alta-feltet. Kolonnene dekker sannsynlighet for stranding, strandingstid, og strandet mengde oljeemulsjon. Strandingstid og mengde oljeemulsjon er oppgitt som tre ulike persentiler fra deres respektive sannsynlighetsfordelinger. Utslipp Sanns. (%) Tid (dager) Mengde (tonn) Periode Dyp P 00 P 95 P 50 P 50 P 95 P 00 Vinter Overflate Inf Sjøbunn Inf Vår Overflate Inf Sjøbunn Inf Sommer Overflate Inf Sjøbunn Inf Høst Overflate Inf Sjøbunn Inf Tabell A.3: Strandingsstatistikk for NOFO-områder, med strandingssannsylighet større enn 5 %, beregnet fra de stokastiske oljedriftsimuleringene for sjøbunns- og overflateutblåsninger under boring ved Alta-feltet. Kolonenene dekker strandingssannynlighet, 95-persentil av korteste drivtid og 95-persentil av mengde strandet oljeemulsjon for sesongene vinter (P), vår (P2), sommer (P3) og høst (P4). Utslipp Sanns. (%) Tid (dager) Mengde (tonn) Område Dyp P P2 P3 P4 P P2 P3 P4 P P2 P3 P4 Gjesværstappan-0 Overflate Inf Inf 53 Inf Sjøbunn Inf Inf Gjesværstappan-02 Overflate Inf Inf 53 Inf Sjøbunn Inf Inf Hjelmsøy Overflate Inf Inf Inf Inf Sjøbunn Inf Inf Hjelmsøystauren Overflate Inf Inf Inf Inf Sjøbunn Inf Inf Ingøya Overflate Sjøbunn Nordkinn Overflate Inf Inf Inf Inf Sjøbunn Inf Inf 57 Inf Sørøya nordvest Overflate Inf Inf 27 Inf Sjøbunn Inf Inf

90 Vedlegg: Resultater for utblåsning under boring A..2 Miljørisikoanalyse (MRA) Periode Rest. tid Betinget sanns. (%) Rel. miljørisiko (%) Bestand Vinter >0 år 3-0 år -3 år 0.- år Alke (BH) Alke (BH) Alke (BH) Alke (BH) Vår >0 år 3-0 år -3 år 0.- år Lunde (BH) Alke (BH) Alke (BH) Alke (BH) Sommer >0 år 3-0 år -3 år 0.- år Lunde (BH) Lunde (BH) Lunde (BH) Lunde (BH) Høst >0 år 3-0 år -3 år 0.- år Lunde (BH) Lunde (BH) Lunde (BH) Lunde (BH) Figur A.7: Høyeste skadesannsynlighet og miljørisiko i prosent for pelagisk sjøfugl, beregnet fra de stokastiske oljedriftsimuleringene for kombinasjonen av sjøbunns- og overflateutblåsninger under boring ved Altafeltet. NH = Norskehavet, NS = Nordsjøen, BH = Barentshavet. 90

91 Vedlegg: Resultater for utblåsning under boring Periode Rest. tid Betinget sanns. (%) Rel. miljørisiko (%) Bestand Vinter >0 år 3-0 år -3 år 0.- år Praktærfugl (BH) Praktærfugl (BH) Vår >0 år 3-0 år -3 år 0.- år Toppskarv (BH) Toppskarv (BH) Toppskarv (BH) Toppskarv (BH) Sommer >0 år 3-0 år -3 år 0.- år Toppskarv (BH) Toppskarv (BH) Makrellterne (BH) Makrellterne (BH) Høst >0 år 3-0 år -3 år 0.- år 3 3 Smålom (BH) Toppskarv (BH) Toppskarv (BH) Toppskarv (BH) Figur A.8: Høyeste skadesannsynlighet og miljørisiko i prosent for kystbundne sjøfugl, beregnet fra de stokastiske oljedriftsimuleringene for kombinasjonen av sjøbunns- og overflateutblåsninger under boring ved Alta-feltet. NH = Norskehavet, NS = Nordsjøen, BH = Barentshavet. Periode Rest. tid Betinget sanns. (%) Rel. miljørisiko (%) Bestand Vinter >0 år 3-0 år -3 år 0.- år Steinkobbe (NO) Havert (NO) Havert (NO) Vår >0 år 3-0 år -3 år 0.- år 3 3 Steinkobbe (NO) Havert (NO) Havert (NO) Sommer >0 år 3-0 år -3 år 0.- år Havert (NO) Havert (NO) Havert (NO) Høst >0 år 3-0 år -3 år 0.- år 2 2 Steinkobbe (NO) Havert (NO) Havert (NO) Figur A.9: Høyeste skadesannsynlighet og miljørisiko i prosent for sel, beregnet fra de stokastiske oljedriftsimuleringene for kombinasjonen av sjøbunns- og overflateutblåsninger under boring ved Alta-feltet. NH = Norskehavet, NS = Nordsjøen, BH = Barentshavet. 9

92 Vedlegg: Resultater for utblåsning under boring Periode Rest. tid Betinget sanns. (%) Rel. miljørisiko (%) Rute ID Vinter >0 år 3-0 år -3 år 0.- år Vår >0 år 3-0 år -3 år 0.- år Sommer >0 år 3-0 år -3 år 0.- år Høst >0 år 3-0 år -3 år 0.- år Figur A.0: Høyeste skadesannsynlighet og miljørisiko i prosent for strandlinje, beregnet fra de stokastiske oljedriftsimuleringene for kombinasjonen av sjøbunns- og overflateutblåsninger under boring ved Altafeltet. NH = Norskehavet, NS = Nordsjøen, BH = Barentshavet. Kolonnen "Rute ID" inneholder identifikasjonsnummer for enkeltrutene (0 0 km) i rutenettet ContAct (Alpha Miljørådgivning AS 2003). Tabell A.4: Andelen gyteareal for ulike fiskebestander som overlapper med influensområdet til olje i vannkolonnen, beregnet fra de stokastiske oljedriftsimuleringene for kombinasjonen av sjøbunns- og overflateutblåsninger under boring ved Alta-feltet. Gytebestand Gyteareal Overlapp (%) km 2 Vinter Vår Sommer Høst Nordøst-arktisk hyse

93 Vedlegg: Resultater for utblåsning under boring Periode Rest. tid Betinget sanns. (%) Rel. miljørisiko (%) Bestand Vinter >0 år 3-0 år -3 år 0.- år Vår >0 år 3-0 år -3 år 0.- år Sommer >0 år 3-0 år -3 år 0.- år Torsk (NH) Torsk (NH) Torsk (NH) Høst >0 år 3-0 år -3 år 0.- år Figur A.: Høyeste skadesannsynlighet og miljørisiko i prosent for nordøstarktisk torsk og norsk vårgytende sild, beregnet fra de stokastiske oljedriftsimuleringene for kombinasjonen av sjøbunns- og overflateutblåsninger under boring ved Alta-feltet. NH = Norskehavet, NS = Nordsjøen, BH = Barentshavet. 93

94 Vedlegg: Resultater for utblåsning under komplettering A.2 Vedlegg: Resultater for utblåsning under komplettering A.2. Oljedriftssimulering (ODS) Tabell A.5: Størrelsen av influensområder for olje på sjøoverflaten, i vannkolonnen og akkumulert på strandlinjen, beregnet fra de stokastiske oljedriftssimuleringene for utblåsninger under komplettering ved Alta-feltet. Arealet er angitt som antall 0 0 km kartruter. Utslipp Antall kartruter (0 0 km) Sesong Dyp Vannkolonne Overflate Strandlinje Vinter Overflate Sjøbunn Vår Overflate Sjøbunn Sommer Overflate Sjøbunn Høst Overflate Sjøbunn

95 Vedlegg: Resultater for utblåsning under komplettering Figur A.2: Influensområdene for olje på sjøoverflaten, beregnet fra de stokastiske oljedriftssimuleringene for sjøbunnsutblåsninger under komplettering ved Alta-feltet. Hvert område består av alle 0 0 km kartruter som har mer olje på overflaten enn 0,0 tonn/km2 i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 95

96 Vedlegg: Resultater for utblåsning under komplettering Figur A.3: Influensområdene for olje på sjøoverflaten, beregnet fra de stokastiske oljedriftssimuleringene for overflateutblåsninger under komplettering ved Alta-feltet. Hvert område består av alle 0 0 km kartruter som har mer olje på overflaten enn 0,0 tonn/km2 i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 96

97 Vedlegg: Resultater for utblåsning under komplettering Figur A.4: Influensområdene for olje i vannkolonnen, beregnet fra de stokastiske oljedriftssimuleringene for sjøbunnsutblåsninger under komplettering ved Alta-feltet. Hvert område består av alle 0 0 km kartruter som har har høyere oljekonsentrasjon i vannsøylen enn 00 ppb, i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 97

98 Vedlegg: Resultater for utblåsning under komplettering Figur A.5: Influensområdene for olje i vannkolonnen, beregnet fra de stokastiske oljedriftssimuleringene for overflateutblåsninger under komplettering ved Alta-feltet. Hvert område består av alle 0 0 km kartruter som har har høyere oljekonsentrasjon i vannsøylen enn 00 ppb, i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 98

99 Vedlegg: Resultater for utblåsning under komplettering Figur A.6: Influensområdene for olje akkumulert på strandlinjen, beregnet fra de stokastiske oljedriftssimuleringene for sjøbunnsutblåsninger under komplettering ved Alta-feltet. Hvert område består av alle 0 0 km kyststripe-kartruter med mer akkumulert olje enn 0,0 tonn/km i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 99

100 Vedlegg: Resultater for utblåsning under komplettering Figur A.7: Influensområdene for olje akkumulert på strandlinjen, beregnet fra de stokastiske oljedriftssimuleringene for overflateutblåsninger under komplettering ved Alta-feltet. Hvert område består av alle 0 0 km kyststripe-kartruter med mer akkumulert olje enn 0,0 tonn/km i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 00

101 Vedlegg: Resultater for utblåsning under komplettering Tabell A.6: Strandingsstatistikk for all oljeberørt kyst, beregnet fra de stokastiske oljedriftsimuleringene for sjøbunns- og overflateutblåsninger under komplettering ved Alta-feltet. Kolonnene dekker sannsynlighet for stranding, strandingstid, og strandet mengde oljeemulsjon. Strandingstid og mengde oljeemulsjon er oppgitt som tre ulike persentiler fra deres respektive sannsynlighetsfordelinger. Utslipp Sanns. (%) Tid (dager) Mengde (tonn) Periode Dyp P 00 P 95 P 50 P 50 P 95 P 00 Vinter Overflate Inf Sjøbunn Inf Vår Overflate Inf Sjøbunn Inf Sommer Overflate Inf Sjøbunn Inf Høst Overflate Inf Sjøbunn Inf Tabell A.7: Strandingsstatistikk for NOFO-områder, med strandingssannsylighet større enn 5 %, beregnet fra de stokastiske oljedriftsimuleringene for sjøbunns- og overflateutblåsninger under komplettering ved Alta-feltet. Kolonenene dekker strandingssannynlighet, 95-persentil av korteste drivtid og 95-persentil av mengde strandet oljeemulsjon for sesongene vinter (P), vår (P2), sommer (P3) og høst (P4). Utslipp Sanns. (%) Tid (dager) Mengde (tonn) Område Dyp P P2 P3 P4 P P2 P3 P4 P P2 P3 P4 Gjesværstappan-0 Overflate Inf Inf 69 Inf Sjøbunn Inf Gjesværstappan-02 Overflate Inf Inf 72 Inf Sjøbunn Inf Hjelmsøy Overflate Inf Inf Inf Inf Sjøbunn Inf Inf Hjelmsøystauren Overflate Inf Inf Inf Inf Sjøbunn Inf 62 5 Inf Ingøya Overflate Sjøbunn Nordkinn Overflate Inf Inf Inf Inf Sjøbunn Inf Inf 6 Inf Sørøya nordvest Overflate Inf Inf Inf Inf Sjøbunn Inf Inf

102 Vedlegg: Resultater for utblåsning under komplettering A.2.2 Miljørisikoanalyse (MRA) Periode Rest. tid Betinget sanns. (%) Rel. miljørisiko (%) Bestand Vinter >0 år 3-0 år -3 år 0.- år Alke (BH) Alke (BH) Alke (BH) Alke (BH) Vår >0 år 3-0 år -3 år 0.- år Lunde (BH) Alke (BH) Alke (BH) Alke (BH) Sommer >0 år 3-0 år -3 år 0.- år Lunde (BH) Lunde (BH) Lunde (BH) Lunde (BH) Høst >0 år 3-0 år -3 år 0.- år Lunde (BH) Lunde (BH) Lunde (BH) Lunde (BH) Figur A.8: Høyeste skadesannsynlighet og miljørisiko i prosent for pelagisk sjøfugl, beregnet fra de stokastiske oljedriftsimuleringene for kombinasjonen av sjøbunns- og overflateutblåsninger under komplettering ved Alta-feltet. NH = Norskehavet, NS = Nordsjøen, BH = Barentshavet. 02

103 Vedlegg: Resultater for utblåsning under komplettering Periode Rest. tid Betinget sanns. (%) Rel. miljørisiko (%) Bestand Vinter >0 år 3-0 år -3 år 0.- år Praktærfugl (BH) Praktærfugl (BH) Vår >0 år 3-0 år -3 år 0.- år Toppskarv (BH) Toppskarv (BH) Toppskarv (BH) Toppskarv (BH) Sommer >0 år 3-0 år -3 år 0.- år Teist (BH) Toppskarv (BH) Makrellterne (BH) Makrellterne (BH) Høst >0 år 3-0 år -3 år 0.- år Smålom (BH) Smålom (BH) Toppskarv (BH) Toppskarv (BH) Figur A.9: Høyeste skadesannsynlighet og miljørisiko i prosent for kystbundne sjøfugl, beregnet fra de stokastiske oljedriftsimuleringene for kombinasjonen av sjøbunns- og overflateutblåsninger under komplettering ved Alta-feltet. NH = Norskehavet, NS = Nordsjøen, BH = Barentshavet. Periode Rest. tid Betinget sanns. (%) Rel. miljørisiko (%) Bestand Vinter >0 år 3-0 år -3 år 0.- år Havert (NO) Havert (NO) Vår >0 år 3-0 år -3 år 0.- år Steinkobbe (NO) Havert (NO) Havert (NO) Sommer >0 år 3-0 år -3 år 0.- år Steinkobbe (NO) Havert (NO) Havert (NO) Høst >0 år 3-0 år -3 år 0.- år 2 2 Steinkobbe (NO) Havert (NO) Havert (NO) Figur A.20: Høyeste skadesannsynlighet og miljørisiko i prosent for sel, beregnet fra de stokastiske oljedriftsimuleringene for kombinasjonen av sjøbunns- og overflateutblåsninger under komplettering ved Altafeltet. NH = Norskehavet, NS = Nordsjøen, BH = Barentshavet. 03

104 Vedlegg: Resultater for utblåsning under komplettering Periode Rest. tid Betinget sanns. (%) Rel. miljørisiko (%) Rute ID Vinter >0 år 3-0 år -3 år 0.- år Vår >0 år 3-0 år -3 år 0.- år Sommer >0 år 3-0 år -3 år 0.- år Høst >0 år 3-0 år -3 år 0.- år Figur A.2: Høyeste skadesannsynlighet og miljørisiko i prosent for strandlinje, beregnet fra de stokastiske oljedriftsimuleringene for kombinasjonen av sjøbunns- og overflateutblåsninger under komplettering ved Alta-feltet. NH = Norskehavet, NS = Nordsjøen, BH = Barentshavet. Kolonnen "Rute ID" inneholder identifikasjonsnummer for enkeltrutene (0 0 km) i rutenettet ContAct (Alpha Miljørådgivning AS 2003). Tabell A.8: Andelen gyteareal for ulike fiskebestander som overlapper med influensområdet til olje i vannkolonnen, beregnet fra de stokastiske oljedriftsimuleringene for kombinasjonen av sjøbunns- og overflateutblåsninger under komplettering ved Alta-feltet. Gytebestand Gyteareal Overlapp (%) km 2 Vinter Vår Sommer Høst Nordøst-arktisk hyse

105 Vedlegg: Resultater for utblåsning under komplettering Periode Rest. tid Betinget sanns. (%) Rel. miljørisiko (%) Bestand Vinter >0 år 3-0 år -3 år 0.- år Vår >0 år 3-0 år -3 år 0.- år Sommer >0 år 3-0 år -3 år 0.- år Torsk (NH) Torsk (NH) Torsk (NH) Høst >0 år 3-0 år -3 år 0.- år Figur A.22: Høyeste skadesannsynlighet og miljørisiko i prosent for nordøstarktisk torsk og norsk vårgytende sild, beregnet fra de stokastiske oljedriftsimuleringene for kombinasjonen av sjøbunns- og overflateutblåsninger under komplettering ved Alta-feltet. NH = Norskehavet, NS = Nordsjøen, BH = Barentshavet. 05

106 Vedlegg: Resultater for utblåsning under prøveutvinning A.3 Vedlegg: Resultater for utblåsning under prøveutvinning A.3. Oljedriftssimulering (ODS) Tabell A.9: Størrelsen av influensområder for olje på sjøoverflaten, i vannkolonnen og akkumulert på strandlinjen, beregnet fra de stokastiske oljedriftssimuleringene for utblåsninger under prøveutvinning ved Alta-feltet. Arealet er angitt som antall 0 0 km kartruter. Utslipp Antall kartruter (0 0 km) Sesong Dyp Vannkolonne Overflate Strandlinje Vinter Sjøbunn Vår Sjøbunn Sommer Sjøbunn Høst Sjøbunn

107 Vedlegg: Resultater for utblåsning under prøveutvinning Figur A.23: Influensområdene for olje på sjøoverflaten, beregnet fra de stokastiske oljedriftssimuleringene for sjøbunnsutblåsninger under prøveutvinning ved Alta-feltet. Hvert område består av alle 0 0 km kartruter som har mer olje på overflaten enn 0,0 tonn/km2 i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 07

108 Vedlegg: Resultater for utblåsning under prøveutvinning Figur A.24: Influensområdene for olje i vannkolonnen, beregnet fra de stokastiske oljedriftssimuleringene for sjøbunnsutblåsninger under prøveutvinning ved Alta-feltet. Hvert område består av alle 0 0 km kartruter som har har høyere oljekonsentrasjon i vannsøylen enn 00 ppb, i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 08

109 Vedlegg: Resultater for utblåsning under prøveutvinning Figur A.25: Influensområdene for olje akkumulert på strandlinjen, beregnet fra de stokastiske oljedriftssimuleringene for sjøbunnsutblåsninger under prøveutvinning ved Alta-feltet. Hvert område består av alle 0 0 km kyststripe-kartruter med mer akkumulert olje enn 0,0 tonn/km i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 09

110 Vedlegg: Resultater for utblåsning under prøveutvinning Tabell A.0: Strandingsstatistikk for all oljeberørt kyst, beregnet fra de stokastiske oljedriftsimuleringene for sjøbunns- og overflateutblåsninger under prøveutvinning ved Alta-feltet. Kolonnene dekker sannsynlighet for stranding, strandingstid, og strandet mengde oljeemulsjon. Strandingstid og mengde oljeemulsjon er oppgitt som tre ulike persentiler fra deres respektive sannsynlighetsfordelinger. Utslipp Sanns. (%) Tid (dager) Mengde (tonn) Periode Dyp P 00 P 95 P 50 P 50 P 95 P 00 Vinter Sjøbunn Inf Vår Sjøbunn Inf Sommer Sjøbunn Inf Høst Sjøbunn Inf

111 Vedlegg: Resultater for utblåsning under prøveutvinning Tabell A.: Strandingsstatistikk for NOFO-områder, med strandingssannsylighet større enn 5 %, beregnet fra de stokastiske oljedriftsimuleringene for sjøbunns- og overflateutblåsninger under prøveutvinning ved Alta-feltet. Kolonenene dekker strandingssannynlighet, 95-persentil av korteste drivtid og 95-persentil av mengde strandet oljeemulsjon for sesongene vinter (P), vår (P2), sommer (P3) og høst (P4). Utslipp Sanns. (%) Tid (dager) Mengde (tonn) Område Dyp P P2 P3 P4 P P2 P3 P4 P P2 P3 P4 Gjesværstappan-0 Sjøbunn Inf Gjesværstappan-02 Sjøbunn Inf Hjelmsøy Sjøbunn Inf 62 5 Inf Hjelmsøystauren Sjøbunn Inf Inf Ingøya Sjøbunn Nordkinn Sjøbunn Inf Inf 6 Inf Sørøya nordvest Sjøbunn Inf Inf

112 Vedlegg: Resultater for utblåsning under prøveutvinning A.3.2 Miljørisikoanalyse (MRA) Periode Rest. tid Betinget sanns. (%) Rel. miljørisiko (%) Bestand Vinter >0 år 3-0 år -3 år 0.- år Alke (BH) Alke (BH) Alke (BH) Alke (BH) Vår >0 år 3-0 år -3 år 0.- år Lunde (BH) Alke (BH) Alke (BH) Alke (BH) Sommer >0 år 3-0 år -3 år 0.- år Lunde (BH) Lunde (BH) Lunde (BH) Lunde (BH) Høst >0 år 3-0 år -3 år 0.- år Lunde (BH) Lunde (BH) Lunde (BH) Lunde (BH) Figur A.26: Høyeste skadesannsynlighet og miljørisiko i prosent for pelagisk sjøfugl, beregnet fra de stokastiske oljedriftsimuleringene for kombinasjonen av sjøbunns- og overflateutblåsninger under prøveutvinning ved Alta-feltet. NH = Norskehavet, NS = Nordsjøen, BH = Barentshavet. 2

113 Vedlegg: Resultater for utblåsning under prøveutvinning Periode Rest. tid Betinget sanns. (%) Rel. miljørisiko (%) Bestand Vinter >0 år 3-0 år -3 år 0.- år Praktærfugl (BH) Praktærfugl (BH) Vår >0 år 3-0 år -3 år 0.- år Toppskarv (BH) Toppskarv (BH) Toppskarv (BH) Toppskarv (BH) Sommer >0 år 3-0 år -3 år 0.- år Teist (BH) Toppskarv (BH) Makrellterne (BH) Makrellterne (BH) Høst >0 år 3-0 år -3 år 0.- år 3 3 Smålom (BH) Smålom (BH) Toppskarv (BH) Toppskarv (BH) Figur A.27: Høyeste skadesannsynlighet og miljørisiko i prosent for kystbundne sjøfugl, beregnet fra de stokastiske oljedriftsimuleringene for kombinasjonen av sjøbunns- og overflateutblåsninger under prøveutvinning ved Alta-feltet. NH = Norskehavet, NS = Nordsjøen, BH = Barentshavet. Periode Rest. tid Betinget sanns. (%) Rel. miljørisiko (%) Bestand Vinter >0 år 3-0 år -3 år 0.- år Havert (NO) Havert (NO) Vår >0 år 3-0 år -3 år 0.- år 5 5 Steinkobbe (NO) Havert (NO) Havert (NO) Sommer >0 år 3-0 år -3 år 0.- år 5 5 Steinkobbe (NO) Havert (NO) Havert (NO) Høst >0 år 3-0 år -3 år 0.- år 2 2 Steinkobbe (NO) Havert (NO) Havert (NO) Figur A.28: Høyeste skadesannsynlighet og miljørisiko i prosent for sel, beregnet fra de stokastiske oljedriftsimuleringene for kombinasjonen av sjøbunns- og overflateutblåsninger under prøveutvinning ved Alta-feltet. NH = Norskehavet, NS = Nordsjøen, BH = Barentshavet. 3

114 Vedlegg: Resultater for utblåsning under prøveutvinning Periode Rest. tid Betinget sanns. (%) Rel. miljørisiko (%) Rute ID Vinter >0 år 3-0 år -3 år 0.- år Vår >0 år 3-0 år -3 år 0.- år Sommer >0 år 3-0 år -3 år 0.- år Høst >0 år 3-0 år -3 år 0.- år Figur A.29: Høyeste skadesannsynlighet og miljørisiko i prosent for strandlinje, beregnet fra de stokastiske oljedriftsimuleringene for kombinasjonen av sjøbunns- og overflateutblåsninger under prøveutvinning ved Alta-feltet. NH = Norskehavet, NS = Nordsjøen, BH = Barentshavet. Kolonnen "Rute ID" inneholder identifikasjonsnummer for enkeltrutene (0 0 km) i rutenettet ContAct (Alpha Miljørådgivning AS 2003). Tabell A.2: Andelen gyteareal for ulike fiskebestander som overlapper med influensområdet til olje i vannkolonnen, beregnet fra de stokastiske oljedriftsimuleringene for kombinasjonen av sjøbunns- og overflateutblåsninger under prøveutvinning ved Alta-feltet. Gytebestand Gyteareal Overlapp (%) km 2 Vinter Vår Sommer Høst Nordøst-arktisk hyse

115 Vedlegg: Resultater for utblåsning under prøveutvinning Periode Rest. tid Betinget sanns. (%) Rel. miljørisiko (%) Bestand Vinter >0 år 3-0 år -3 år 0.- år Vår >0 år 3-0 år -3 år 0.- år Sommer >0 år 3-0 år -3 år 0.- år Torsk (NH) Torsk (NH) Torsk (NH) Høst >0 år 3-0 år -3 år 0.- år Figur A.30: Høyeste skadesannsynlighet og miljørisiko i prosent for nordøstarktisk torsk og norsk vårgytende sild, beregnet fra de stokastiske oljedriftsimuleringene for kombinasjonen av sjøbunns- og overflateutblåsninger under prøveutvinning ved Alta-feltet. NH = Norskehavet, NS = Nordsjøen, BH = Barentshavet. 5

116 Vedlegg: Resultater for uhellsutslipp fra shuttletanker under prøveutvinning A.4 Vedlegg: Resultater for uhellsutslipp fra shuttletanker under prøveutvinning A.4. Oljedriftssimulering (ODS) Tabell A.3: Størrelsen av influensområder for olje på sjøoverflaten, i vannkolonnen og akkumulert på strandlinjen, beregnet fra de stokastiske oljedriftssimuleringene for uhellsutslipp fra shuttletanker under prøveutvinning ved Alta-feltet. Arealet er angitt som antall 0 0 km kartruter. Utslipp Antall kartruter (0 0 km) Sesong Dyp Vannkolonne Overflate Strandlinje Vinter Overflate Vår Overflate Sommer Overflate Høst Overflate

117 Vedlegg: Resultater for uhellsutslipp fra shuttletanker under prøveutvinning Figur A.3: Influensområdene for olje på sjøoverflaten, beregnet fra de stokastiske oljedriftssimuleringene for uhellsutslipp fra shuttletanker under prøveutvinning ved Alta-feltet. Hvert område består av alle 0 0 km kartruter som har mer olje på overflaten enn 0,0 tonn/km2 i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 7

118 Vedlegg: Resultater for uhellsutslipp fra shuttletanker under prøveutvinning Figur A.32: Influensområdene for olje i vannkolonnen, beregnet fra de stokastiske oljedriftssimuleringene for uhellsutslipp fra shuttletanker under prøveutvinning ved Alta-feltet. Hvert område består av alle 0 0 km kartruter som har har høyere oljekonsentrasjon i vannsøylen enn 00 ppb, i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 8

119 Vedlegg: Resultater for uhellsutslipp fra shuttletanker under prøveutvinning Figur A.33: Influensområdene for olje akkumulert på strandlinjen, beregnet fra de stokastiske oljedriftssimuleringene for uhellsutslipp fra shuttletanker under prøveutvinning ved Alta-feltet. Hvert område består av alle 0 0 km kyststripe-kartruter med mer akkumulert olje enn 0,0 tonn/km i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 9

120 Vedlegg: Resultater for uhellsutslipp fra shuttletanker under prøveutvinning Tabell A.4: Strandingsstatistikk for all oljeberørt kyst, beregnet fra de stokastiske oljedriftsimuleringene for sjøbunns- og overflateuhellsutslipp fra shuttletanker under prøveutvinning ved Alta-feltet. Kolonnene dekker sannsynlighet for stranding, strandingstid, og strandet mengde oljeemulsjon. Strandingstid og mengde oljeemulsjon er oppgitt som tre ulike persentiler fra deres respektive sannsynlighetsfordelinger. Utslipp Sanns. (%) Tid (dager) Mengde (tonn) Periode Dyp P 00 P 95 P 50 P 50 P 95 P 00 Vinter Overflate Inf Inf Vår Overflate Inf Inf Sommer Overflate Inf Høst Overflate Inf Inf

121 Vedlegg: Resultater for uhellsutslipp fra shuttletanker under prøveutvinning Tabell A.5: Strandingsstatistikk for NOFO-områder med strandingssannsylighet større enn 5 %, beregnet fra de stokastiske oljedriftsimuleringene for sjøbunns- og overflateuhellsutslipp fra shuttletanker under prøveutvinning ved Alta-feltet. Kolonenene dekker strandingssannynlighet, 95-persentil av korteste drivttid og 95-persentil av mengde strandet oljeemulsjon for sesongene vinter (P), vår (P2), sommer (P3) og høst (P4). Utslipp Sanns. (%) Tid (dager) Mengde (tonn) Område Dyp P P2 P3 P4 P P2 P3 P4 P P2 P3 P4 Ingøya Overflate Inf Inf 9 Inf

122 Vedlegg: Resultater for uhellsutslipp fra shuttletanker under prøveutvinning A.4.2 Miljørisikoanalyse (MRA) Periode Rest. tid Betinget sanns. (%) Rel. miljørisiko (%) Bestand Vinter >0 år 3-0 år -3 år 0.- år Alke (BH) Alke (BH) Alke (BH) Vår >0 år 3-0 år -3 år 0.- år Alke (BH) Alke (BH) Alke (BH) Sommer >0 år 3-0 år -3 år 0.- år Alke (BH) Lunde (BH) Lunde (BH) Høst >0 år 3-0 år -3 år 0.- år Alke (BH) Lunde (BH) Lunde (BH) Figur A.34: Høyeste skadesannsynlighet og miljørisiko i prosent for pelagisk sjøfugl, beregnet fra de stokastiske oljedriftsimuleringene for uhellsutslipp fra shuttletanker under prøveutvinning ved Alta-feltet. NH = Norskehavet, NS = Nordsjøen, BH = Barentshavet. 22

123 Vedlegg: Resultater for uhellsutslipp fra shuttletanker under prøveutvinning Periode Rest. tid Betinget sanns. (%) Rel. miljørisiko (%) Bestand Vinter >0 år 3-0 år -3 år 0.- år Praktærfugl (BH) Praktærfugl (BH) Vår >0 år 3-0 år -3 år 0.- år Toppskarv (BH) Smålom (BH) Smålom (BH) Sommer >0 år 3-0 år -3 år 0.- år 4 4 Toppskarv (BH) Makrellterne (BH) Makrellterne (BH) Høst >0 år 3-0 år -3 år 0.- år Toppskarv (BH) Toppskarv (BH) Figur A.35: Høyeste skadesannsynlighet og miljørisiko i prosent for kystbundne sjøfugl, beregnet fra de stokastiske oljedriftsimuleringene for uhellsutslipp fra shuttletanker under prøveutvinning ved Alta-feltet. NH = Norskehavet, NS = Nordsjøen, BH = Barentshavet. Periode Rest. tid Betinget sanns. (%) Rel. miljørisiko (%) Bestand Vinter >0 år 3-0 år -3 år 0.- år Havert (NO) Havert (NO) Vår >0 år 3-0 år -3 år 0.- år Sommer >0 år 3-0 år -3 år 0.- år Havert (NO) Havert (NO) Høst >0 år 3-0 år -3 år 0.- år Havert (NO) Havert (NO) Figur A.36: Høyeste skadesannsynlighet og miljørisiko i prosent for sel, beregnet fra de stokastiske oljedriftsimuleringene for uhellsutslipp fra shuttletanker under prøveutvinning ved Alta-feltet. NH = Norskehavet, NS = Nordsjøen, BH = Barentshavet. 23

124 Vedlegg: Resultater for uhellsutslipp fra shuttletanker under prøveutvinning Periode Rest. tid Betinget sanns. (%) Rel. miljørisiko (%) Rute ID Vinter >0 år 3-0 år -3 år 0.- år Vår >0 år 3-0 år -3 år 0.- år Sommer >0 år 3-0 år -3 år 0.- år Høst >0 år 3-0 år -3 år 0.- år Figur A.37: Høyeste skadesannsynlighet og miljørisiko i prosent for strandlinje, beregnet fra de stokastiske oljedriftsimuleringene for uhellsutslipp fra shuttletanker under prøveutvinning ved Alta-feltet. NH = Norskehavet, NS = Nordsjøen, BH = Barentshavet. Kolonnen "Rute ID" inneholder identifikasjonsnummer for enkeltrutene (0 0 km) i rutenettet ContAct (Alpha Miljørådgivning AS 2003). Tabell A.6: Andelen gyteareal for ulike fiskebestander som overlapper med influensområdet til olje i vannkolonnen, beregnet fra de stokastiske oljedriftsimuleringene for uhellsutslipp fra shuttletanker under prøveutvinning ved Alta-feltet. Gytebestand Gyteareal Overlapp (%) km 2 Vinter Vår Sommer Høst Nordøst-arktisk hyse

125 Vedlegg: Resultater for uhellsutslipp fra shuttletanker under prøveutvinning Periode Rest. tid Betinget sanns. (%) Rel. miljørisiko (%) Bestand Vinter >0 år 3-0 år -3 år 0.- år Vår >0 år 3-0 år -3 år 0.- år Sommer >0 år 3-0 år -3 år 0.- år Torsk (NH) Torsk (NH) Torsk (NH) Høst >0 år 3-0 år -3 år 0.- år Figur A.38: Høyeste skadesannsynlighet og miljørisiko i prosent for nordøstarktisk torsk og norsk vårgytende sild, beregnet fra de stokastiske oljedriftsimuleringene for uhellsutslipp fra shuttletanker under prøveutvinning ved Alta-feltet. NH = Norskehavet, NS = Nordsjøen, BH = Barentshavet. 25

126 Vedlegg: Resultater for uhellsutslipp fra stigerør under prøveutvinning A.5 Vedlegg: Resultater for uhellsutslipp fra stigerør under prøveutvinning A.5. Oljedriftssimulering (ODS) Tabell A.7: Størrelsen av influensområder for olje på sjøoverflaten, i vannkolonnen og akkumulert på strandlinjen, beregnet fra de stokastiske oljedriftssimuleringene for uhellsutslipp fra stigerør under prøveutvinning ved Alta-feltet. Arealet er angitt som antall 0 0 km kartruter. Utslipp Antall kartruter (0 0 km) Sesong Dyp Vannkolonne Overflate Strandlinje Vinter Overflate Vår Overflate Sommer Overflate Høst Overflate

127 Vedlegg: Resultater for uhellsutslipp fra stigerør under prøveutvinning Figur A.39: Influensområdene for olje på sjøoverflaten, beregnet fra de stokastiske oljedriftssimuleringene for uhellsutslipp fra stigerør under prøveutvinning ved Alta-feltet. Hvert område består av alle 0 0 km kartruter som har mer olje på overflaten enn 0,0 tonn/km 2 i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 27

128 Vedlegg: Resultater for uhellsutslipp fra stigerør under prøveutvinning Figur A.40: Influensområdene for olje i vannkolonnen, beregnet fra de stokastiske oljedriftssimuleringene for uhellsutslipp fra stigerør under prøveutvinning ved Alta-feltet, var null for alle fire sesonger. 28

129 Vedlegg: Resultater for uhellsutslipp fra stigerør under prøveutvinning Figur A.4: Influensområdene for olje akkumulert på strandlinjen, beregnet fra de stokastiske oljedriftssimuleringene for uhellsutslipp fra stigerør under prøveutvinning ved Alta-feltet, var null for alle fire sesonger. 29

130 Vedlegg: Resultater for uhellsutslipp fra tank på rigg under prøveutvinning A.6 Vedlegg: Resultater for uhellsutslipp fra tank på rigg under prøveutvinning A.6. Oljedriftssimulering (ODS) Tabell A.8: Størrelsen av influensområder for olje på sjøoverflaten, i vannkolonnen og akkumulert på strandlinjen, beregnet fra de stokastiske oljedriftssimuleringene for uhellsutslipp fra tank på rigg under prøveutvinning ved Alta-feltet. Arealet er angitt som antall 0 0 km kartruter. Utslipp Antall kartruter (0 0 km) Sesong Dyp Vannkolonne Overflate Strandlinje Vinter Overflate Vår Overflate Sommer Overflate Høst Overflate

131 Vedlegg: Resultater for uhellsutslipp fra tank på rigg under prøveutvinning Figur A.42: Influensområdene for olje på sjøoverflaten, beregnet fra de stokastiske oljedriftssimuleringene for uhellsutslipp fra tank på rigg under prøveutvinning ved Alta-feltet. Hvert område består av alle 0 0 km kartruter som har mer olje på overflaten enn 0,0 tonn/km 2 i mer enn 5, 25, 50 eller 75 % av enkeltsimuleringene, gjengitt med ulike fargekoder. 3

132 Vedlegg: Resultater for uhellsutslipp fra tank på rigg under prøveutvinning Figur A.43: Influensområdene for olje i vannkolonnen, beregnet fra de stokastiske oljedriftssimuleringene for uhellsutslipp fra tank på rigg under prøveutvinning ved Alta-feltet, var null for alle fire sesonger. 32

133 Vedlegg: Resultater for uhellsutslipp fra tank på rigg under prøveutvinning Figur A.44: Influensområdene for olje akkumulert på strandlinjen, beregnet fra de stokastiske oljedriftssimuleringene for uhellsutslipp fra tank på rigg under prøveutvinning ved Alta-feltet, var null for alle fire sesonger. 33

134 Vedlegg: Resultater for uhellsutslipp fra tank på rigg under prøveutvinning B Vedlegg: inngangsdata B. Verdsatte økosystemkomponenter (VØK) Tabell B.: Verdsatte økosystemkomponenter ( VØK er) i ulike grupper. VØK enes rødlistestatus (ref) er vist vha. kodene: CR = Akutt truet, EN = Sterkt Truet, VU = Sårbar, NT = Nær truet, LC = Livskraftig, NA = ikke egnet. * angir deres rødlistestatus på Svalbard Gruppe Art Rødlistestatus Pelagisk sjøfugl Alkekonge LC* Alke EN Lunde VU Havhest EN Fiskemåke NT Polarmåke NT* Svartbak LC Gråmåke LC Krykkje EN Havsule LC Polarlomvi EN Lomvi CR Kystbundne sjøfugl Grågås LC Gråstrupedykker NA Gulnebblom NT Havelle NT Islom NA Laksand LC Lappfiskand VU Praktærfugl NA Siland LC Sjøorre VU Smålom LC Stellerand VU Storskarv LC Svartand NT Teist VU Toppskarv LC Ærfugl NT Sjøpattedyr Havert LC Fortstatt på neste side 34

135 Vedlegg: Resultater for uhellsutslipp fra tank på rigg under prøveutvinning Tabell B.: VØK-liste fortsatt Gruppe Art Rødlistestatus Steinkobbe LC Fisk Norsk vårgytende sild LC Nordøstarktisk sei LC Nordøstarktisk torsk (skrei) LC Nordøstarktisk hyse LC Nordsjømakrell LC Nordsjøtorsk LC Nordsjøsild LC Nordsjøsei LC Nordsjøhyse LC Havsil (tobis) LC Snabeluer VU Lodde LC Blåkveite LC Polartorsk NT Strandhabitat

136 Vedlegg: Resultater for uhellsutslipp fra tank på rigg under prøveutvinning B.2 Oversikt geografiske bestander En oversikt av de ulike regionene som er benyttet for å dele sjøfugl og sjøpattedyr inn i bestander er presentert i tabell B.2. Bestandsinndelingen for sjøfugl følger inndelingen gitt i hhv. SEAPOP åpent hav datasettet og SEAPOP kystdatasettet. Bestandinndelingen for sel følger anbefalingen fra Havforskningsinstituttet og MRDB v Pelagisk sjøfugl er delt inn i tre regionale bestander, mens kystbundne arter er delt inn i fem regionale bestander (figur B.)(jf. tabell B.2 for en oversikt artene i de ulike gruppene). Steinkobbe og havert er definert ved tre ulike regionale bestander. Steinkobbe har en bestand i Oslofjorden og Skagerrak (sørlig bestand), en bestand fra og med Vest-Agder/Rogaland til Lopphavet (midtnorsk bestand), og en bestand som strekker seg fra Lopphavet til russergrensa (nordlig bestand). Steinkobbe har også en bestand rundt Kong Karls Forland på Svalbard (ikke med i datasettet). Havert har en bestand sør for Stad med hovedkasteområde ved Kjørholmene utenfor Tananger (sørlig bestand), en bestand som strekker seg fra Stad til Lofoten med flere kolonier, derav Frøy og Froan som den største (midtnorsk bestand), og en bestand fra Vesterålen til russergrensa (nordlig bestand). Tabell B.2: Geografisk bestandsinndeling for grupper av sjøfuglarter og for enkeltarter av sel. VØK-gruppe Geografisk bestandskode Geografisk region Pelagisk fugl BH Barentshavet NH Norskehavet NS Nordsjøen Kystfugl BH Barentshavet NH Norskehavet NS Nordsjøen SK Skagerrak SV Kystfarvann rundt Svalbard Havert SO Sørlig bestand MI Midtnorsk bestand NO Nordlig bestand Steinkobbe SO Sørlig bestand NH Midtnorsk bestand NO Nordlig bestand 36

137 Vedlegg: Resultater for uhellsutslipp fra tank på rigg under prøveutvinning Figur B.: Illustrasjon av områdene benyttet til å dele inn sjøfugl i regionale bestander. 37

138 Vedlegg: Resultater for uhellsutslipp fra tank på rigg under prøveutvinning B.2. Barentshavet områdebeskrivelse 38

139 The Barents Sea has a special significance on both the Norwegian and international scale, as it is important for many of the commercial fish species in Norway, has one of the world s highest concentration of seabirds and is an important area for sea mammals. Many of these species are dependent on ice for survival and many are on the Norwegian or international red lists (Henriksen,S & Hilmo,O 205). The sea water in the Barents Sea is a mix of ) warmer Atlantic water flowing towards the north-east, 2) colder Arctic water flowing toward the south-west, meeting Atlantic water in the Polar front, and 3) warm coastal waters from the Skagerrak and North Sea. The three current systems create an uneven distribution of water, and the front systems are characterized by a sharp gradient in temperature and salinity. In the Barents Sea, this water is slightly warmer and have slightly lower salinity than Atlantic water. Large parts of the Barents Sea have an annual dynamic with freezing and subsequent thawing of sea ice. Figure. Circulation of sea water in the Barents Sea (IMR 202). Blue arrows represent Arctic waters, Red arrows Atlantic waters and the green arrows are coastal currents. The marginal ice zone (MIZ) The Marginal Ice Zone (MIZ) refers to the area which is close enough to the open ocean boundary to be affected by the physical properties of the ocean. The area is highly variable in time and space and the size of the area may change over hours or days. The MIZ is frequently referred to as the ice-edge zone, the variable ice-edge and the ice edge. The marginal ice zone is an extremely productive ecosystem. The biological importance of the marginal ice zone stems from the dynamic nature of the zone. The combination of high

140 biodiversity (many different species) and high production makes the area particularly vulnerable. When the ice melts and retreats, phytoplankton blooms creates a high primary production that supports zooplankton, fish, seabirds and marine mammals. Much of the phytoplankton production also sinks to the sea bed, where it is utilised by benthic animals. The area of high biological production stretches in a zone about km from the ice. This belt of high productivity can sustain a very high density of grazing and foraging species in a relatively limited geographical area. The ice-edge SVO is considered one of only four areas in the Lofoten-Barents Sea area that is vulnerable to the point where any disruption of the ecosystem may cause significant and longterm effects for the entire oceanic area (Olsen & von Quillfeldt, 2003). A simplified illustration of a food web related to sea-ice is illustrated in Figure 2. Figure 2. Simplified schematic illustration of a food web related to sea-ice. Source: CAFF 200. Vulnerability to oil and gas activities Oil pollution in the marginal ice zone will affect both sea birds, sea mammals, plankton, ice-associated algae and fauna and fish in various stages of life. The large densities of sea birds and large mammals are the most vulnerable components of this ecosystem with respect to oil pollution. There is still a lack of knowledge regarding effects of oil pollution in the MIZ, but the vulnerability is regarded as high. Oil that freeze into the ice will be

141 transported around with it and represent a chronic source of pollution in the areas where the ice thaws. The marginal ice zone is regarded as vulnerable to oil throughout the year, but the most vulnerable periods are assumed to be spring and summer, when the primary production is at its highest (Meld.St ). The Polar Front The Polar Front lies north of the northern/north-eastern border of the South-East Barents Sea and the ecological processes coupled to the Polar Front is generally assumed to be less important in the area, except in cold years (IMR 202). Annual variations in the Polar Front s geographical location is caused by differences in the balance between Atlantic and Arctic sea water. The Polar Front is defined as a particularly valuable area (SVO), because it is a relatively small area characterised by a very high biological production and biodiversity. The high primary production rate caused by the frontal system sustain high densities of krill and zooplankton, fish, seabirds and sea mammals. The Polar Front is an important feeding ground for seabirds that nest in the Hopen-Storfjorden-Bjørnøya area and is thought to be an important gathering area for seabirds during moulting. Bjørnøya Bjørnøya and the surrounding shallow waters are a nature reserve holding species of national and international importance. The island is home to some of Europe's largest breeding colonies of seabirds like Brünnich's and common guillemot, northern fulmar and black-legged kittiwake. In addition it is the only known place in Norway where the yellow billed driver is known to breed. The shallow waters around Bjørnøya have a rich and characteristic benthic fauna and well developed kelp forest. The area is defined as a particularly valuable and vulnerable area in the Management Plan for the Barents Sea (Meld.St. nr ).. Biological resources.. Biological production and plankton The phytoplankton bloom is the foundation for the marine food web. In the Barents Sea, the onset of the spring bloom varies greatly (up to 6 weeks) with geographic location, with the earliest blooms in coastal areas in the south in March/April (Miljøstatus.no). The spring bloom starts along the coast and along the ice-edge and then moves into the open central parts of the Barents Sea, following nutrient-rich, stable waters. The spring bloom begins with diatoms, and then other types of phytoplankton. The plankton biomass is largest during the spring bloom, but primary production is an important part of the annual production in the Barents Sea through summer (IMR 202). Zooplankton blooms follow the phytoplankton bloom, are imported from other oceanic areas and even follow the ice edge as it moves south in autumn and north in spring (ice-edge fauna). This group feeds on phytoplankton and are consumed in turn by larger predators such as fish and sea mammals. An adequate zooplankton supply is crucial for the survival of larvae and fry of commercially important fish species (e.g. herring and capelin).

142 The levels of silicate and nitrate has decreased in Atlantic water since over the last 20 years (IMR 202). This development, along with predicted ocean acidification could significantly affect primary production in the future. This will probably affect ecosystem structure and function, such as productivity and the strong coupling between ice-associated, pelagic and benthic communities. Vulnerability for oil and gas activities Traditionally, plankton stocks have not been considered very sensitive to oil pollution due to wide and varying distribution, short generation time and rapid immigration from unaffected areas. In the Barents Sea, however, the strong coupling between plankton and other species mean that if the plankton is killed by oil in a given area, the food supply for many larger organisms will be reduced or may disappear entirely. The effects is likely to be most severe should a large oil spill occur in spring/early summer and reach the frontal systems or marginal ice zone when the primary production is at its highest...2 Benthic communities The first investigation of sea floor communities in the Barents Sea was undertaken in the 930s. Since then, changes in biomass and the distribution of arctic versus boreal species has been observed and connected to climatic variations. Dominating species include echinoderms (e.g. starfish, sea urchins), sponges and molluscs, which can dominate both single localities and/or large areas. The distribution of bottom communities appear to be regulated by ocean depth, sea ice coverage, trawling and climate. Soft and hard bottom deep-sea sponge species grow as solitary sponges or in large colonies. Aggregations of large sponge species often create diverse habitats with important nurseries and breeding areas for fish and invertebrates (MAREANO, 200). Sedimentation, covering, mechanical injury and toxic effects are regarded as major threats to sponge aggregations (DN, 2008). Deep-sea sponge aggregations are included on the OSPAR list of threatened and/or declining species and habitats (OSPAR, 2008).

143 Figure 3. Distribution of crinoids ( sjøliljer ) and sponges ( svamper ). Source: IMR, 202 and OD, 205). Vulnerability for oil and gas activities Benthic communities are generally not considered particularly vulnerable to oil spills. The vulnerability of sponge, coral and other benthic communities are mostly local due to drilling discharges, anchor operation, seabed construction and pipe. The effect is for the most part physical and includes sedimentation (smothering), covering and mechanical injury, although some toxic effects may be the result of oil spill and of chemical discharge. Most of the benthic species have pelagic larvae, however, which are vulnerable to oil in the water column on an individual level...3 Fish resources The Barents Sea is an important nursing ground for several ecologically and commercially important fish species, including capelin, Norwegian spring-spawning herring, North-East Arctic cod and haddock. These species spawn along the Norwegian and Russian coasts and offshore along the continental shelf from February through April. Egg and/or larvae are transported northwards and eastwards with the Atlantic current and the Norwegian coastal current. Fish larvae and juveniles graze on the diverse plankton resources along the frontal systems in the Barents Sea. A considerable amount of capelin larvae drift in the Barents Sea during summer, while the larvae will gain a wider distribution with age. The species generally migrates northwards to feed along the ice edge in summer and early fall and southwards in late fall and winter.

144 The herring spawns on the coastal banks from Egersund to Vesterålen. Larvae are then transported northwards with ocean currents, and in years with large recruitment, the Barents Sea is an important nursing ground. Eggs and newly hatched larvae of Northeast Arctic cod drift into the Barents Sea and settle on the bottom in late autumn. Most of the Barents Sea population are found on the warmer side of the Polar front, but the area has been expanding both to the north and south in recent years. Juvenile North-East Arctic haddock can be numerous in the area, depending on ocean currents, water temperature and Figure 4. Fish communities in the Barents Sea. Circles with grazing conditions. Some years the same color represent communities with similar species. The size of the circles indicates number of species per station. occurrence of older juveniles and adult The data is based on ecosystem survey during the period fish can be considerable (IMR 202) Purple: coastal cold water, yellow: south-east shallow water, red: coastal warm water, turquoise: high arctic, Greenland halibut spawn along the continental edge and larvae are transported northwards from the spawning grounds along the continental edge and north to Spitsbergen. Some may also be transported into Bjørnøyrenna, and they prefer depths of meters. Adult fish may occur throughout the area. The Barents Sea is nursing ground for juvenile deep-water redfish, while the spawning ground stretches along the continental edge and north to Bjørnøya. Deepwater redfish spawns live juvenile larvae, which spread with currents. Table. Spawning periods for fish stocks considered vulnerable to petroleum activity. Species Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Capelin NSS Herring Northeast Arctic Cod Greenland halibut Deepwater redfish Vulnerability to oil and gas activities The seismic activities undertaken in the search of oil and gas can scare fish away from the area of interest. Some damage may occur to single individuals and fish larvae, but such effects are local and not likely to affect the population. Fish are exposed to discharged oil through several mechanisms, including absorption of the volatile compounds, eating contaminated food items and direct contact (resulting in contamination of gills or ingestion). Fish eggs and juveniles are sensitive to contact with

145 oil in the water column. Fish species with geographically concentrated spawning areas or nursing grounds (e.g. cod, herring, capelin and saithe) are likely to be most sensitive towards large oil spills, but measurable effect on the spawning population is difficult to register due to a high natural mortality rate (>99%). Adult fish are less vulnerable than larvae and mortality will only be likely in areas with very high concentrations of oil. For adult fish, the chronic (long-term) exposure to low concentrations of oil/pahs can induce sub-lethal responses such as enlarged liver, reduced growth, reproductive and behavioural responses. The most sensitive species may experience genetic changes, sometimes followed by cancer. Low concentrations of oil may also cause tainting, i.e. there will be a smell or taste of oil from the fish meat...4 Sea birds The Barents Sea has a special significance for seabird populations on both the Norwegian and international scale, as it has one of the world s highest concentration of seabirds. Many of these species are on the Norwegian or international red lists [Meld.St.20 ( )]. There are important bird colonies along the coast of Finnmark, where many bird species nest. Some of the species that breed here includes northern gannet, cormorants, common eider, little eider, gulls, terns, guillemots, razorbills and Atlantic puffin. Some of the coastal seabirds gather in large densities in certain areas along the coast during winter. One such species is little eider (stellerand), a duck species on the national red list. A large part of the existing population have their wintering area in the Varangerfjord area. Some species have a more pelagic distribution when they are not nesting. These species include auks, gannets, northern fulmar, black-legged kittiwake, common guillemot and Brünnich s guillemot. These species feed on the high densities of fish and larger zooplankton found along the frontal systems, i.e. the polar front and the marginal ice zone. Some species, such as black-legged kittiwake, little auk and Brünnich s guillemot are loosely dependent on the sea ice during their grazing. Ivory gulls and glaucous gull have a stronger association to the marginal ice zone, and does not breed further south than Svalbard. An example of the distribution of nine common pelagic seabird species (little auk, Brünnich's guillemot, black-legged kittiwake, glaucous gull, northern fulmar, Atlantic puffin, common guillemot, black-backed gull and herring gull) in the Barents Sea during the autumn (August to November) is illustrated in Figure 5, right panel. The colour code denotes the mean number of seabirds in 0 0 km grid cells based on survey data from The grey circles illustrate the centre of gravity for the distribution for each year. As shown, the centre of gravity is similar for all nine years indicating that the maps is representative for the relative distribution of the species. The data in Figure 5 is the main source used to calculate environmental values in the Havmiljø project ( Insufficient survey data exist for modelling seabird population further east, and there is no available data for winter (November - March) and summer (April - July) in the northernmost areas. For distribution for other seasons the reader is referred to SEAPOPs web-portal.

146 Figure 5. Left: Registered seabird colonies ( sjøfuglkolonier ) above 500 pairs in the Norwegian part of the Barents Sea (Source: Systad and Strøm, 202). Right: Modelled distribution for nine pelagic seabird species during the autumn (. Aug. to 3 Oct.). Source: SEAPOP - Barents Sea for seabird ecosystems. Many bird populations are currently declining, also in the Barents Sea. Notably, the large colonies of Brünnich s guillemot on Spitsbergen have declined with nearly 50% and the small populations on the Norwegian mainland have almost disappeared. Population data for several of the large gulls, including black-backed and herring gulls in the Barents Sea also suggest declines. The situation is especially critical for common guillemot, which is listed as critically endangered (CR) on the national red list. Black-legged kittiwake has declined substantially in all regions, except on Bjørnøya and is listed as endangered (EN). Razorbill, Brünnich s guillemot, black guillemot and Atlantic puffin are listed as vulnerable (VU) (Henriksen, S & Hilmo, O 205, NINA 205). The declines in bird populations are most likely explained by () increased predation in the seabird colonies from avian and mammalian predators and (2) ecosystem changes affecting the availability of prey (NINA 205). Human influences and activities, such as fisheries, bycatch, pollution, hunting and disturbance cannot explain all of the recent population declines. They are, however, likely to contribute to the total impact on seabird populations. Human influences are more easily controlled and regulated than predation and prey availability and it is particularly important to control and minimise this impact on declining and threatened populations. Vulnerability to oil and gas activities Sea birds have a very high probability of being affected by oil spills, and are vulnerable to both direct and indirect effects when exposed to oil. Loss of insulation due to soiled

147 feathers can lead to mass mortality within a short time after an oil spill (Lorentsen et al. 200). Birds are also subject to poisoning and toxic effects from grooming soiled feathers and through eating oil-polluted prey. The seabirds at highest risk include pelagic diving seabirds. Some of these birds come ashore only to breed, and even in the breeding season (April-August) many of them spend the majority of their time feeding at sea, often tens of kilometres away from their colonies. During the moulting period some species are incapable of flight for a period of up to 50 days (Systad et al. 2007). In the same period there will also be young-of-the-year not capable of flying on the sea. Some species, such as auks also gather in high densities to overwinter at open sea. Even small oil spills that hit such concentrations may cause large consequences on a population level...5 Marine mammals Seven seal species and seventeen whale species are frequently observed in the Barents Sea. Marine mammals forage on both benthic and pelagic prey. Along the mainland coast, we find grey seal, harbour seal, European otter and harbour porpoise (Figure 6.). A genetically isolated harbour seal colony comprised of about 000 individuals is located on Svalbard and is protected from hunting (Kovacs and Lydersen - Both harbour seal and otter is listed on the National Red List. The harbour porpoise use more pelagic habitats in the southern Barents Sea as well as coastal areas. Pelagic habitats are also used by Minke whale, humpback whale, fin whale and harp seal. The harp seal may be strongly associated with the sea ice during summer and fall. Figure 6. Distribution of harbour seal ( steinkobbe ) and grey seal ( havert ) in the North Atlantic and Barents Sea. Source: Institute of Marine Research - sjopattedyr/nb-no)

148 Research cruises to estimate whale populations in the Barents Sea indicate that there are approximately Minke whales, 000 fin whales and 500 humpback whales in the Barents Sea during summer (IMR 202). The largest densities are found in the northern Barents Sea and around the Spitsbergen bank in August and September (Figure 7). Grazing areas for Minke whale and fin whale also include the shallow banks north in the Barents Sea South-East area. The knowledge of whale distribution and habitat use in other seasons is limited, but data from the whaling cruises indicate that the southern Barents Sea and the continental edge (Eggakanten) are important habitats. There is also considerable uncertainty around when whales emigrate from the Barents Sea during fall, although October and November is likely. It is also probable that some baleen whales spend the winter in the Barents Sea, in the southern ice-free areas. How many whales that have wintering areas here is unknown. The distribution of prey is likely a factor that determines the distribution of whales during the seasons and from year to year (IMR 202). The harp seal has the most pelagic life history of the seal species. It whelps in Kvitsjøen and have a grazing migration into Norwegian waters during spring. It returns to Kvitsjøen for moulting, before it migrates to the central and northerly areas of the Barents Sea where it stays from spring until fall. During this period, it appears to be associated with the sea ice, where it forages on krill, amphipods, capelin and polar cod. There are approximately 2.5 million harp seals in the Barents Sea. There is also a harp seal population that whelp in Vestisen (Greenland) with grazing migrations into the Barents Sea during summer. Figure 7. Left: Distribution of whale species (Minke, fin, humpback whale and white beaked dolphin) that have been observed during the surveys ( ) in the Barents Sea for the period August to September. The map illustrates the modelled mean distribution, where deeper colour indicates larger density. Right: Example of distribution of harp seal during a year. The map shows the position of 0 harp seals that was tagged in Kvitsjøen 996.

149 The marine mammals with the northernmost distribution are strongly associated with the sea ice throughout the year. Species includes ringed seal, bearded seal, narwhal, bowhead whale, beluga whale, walrus and polar bear. Several of these species are on the national red list; narwhal is listed as critically endangered (CR), beluga whale is listed due to small population size and walrus as vulnerable (VU). Polar bear is listed on the international IUCN Red List as vulnerable (IMR 202). The polar bear is largely restricted to areas with sea ice during a significant part of the year. Figure 8 shows the position of 2000 bears in the Barents Sea in the period. Some bears have home ranges of a few hundred square kilometres where they hunt on the sea ice in the spring while other bears follow the retreat of the sea ice and move north-east or east in the summer, hunting at the ice-edge or in Franz Josef Land in Russia (NPI polar bear web site). None of the tagged bears have been within the applied area. In general, the applied area has little sea ice, and it Figure 8. The position of 2000 tagged polar bears in is therefore not utilised by to a large extent by the Barents Sea. The colour of dots indicate the year ice-associated sea mammals (personal of tagging. communication of Jon Aars and Kit Kovacs, Norwegian Polar Institute in IMR 202). In colder periods, however, the sea ice may be present. In such periods, ice-associated sea mammals should be expected in the area. A qualified guess estimate for polar bears is an expected density of bears per 00 square kilometres in the applied area (NPI 202). Vulnerability for oil and gas activities Seismic activities performed in the search of oil can scare sea mammals away from important feeding grounds and thereby lead to reduced food availability. Individuals that are hit will not die, but can experience temporary loss of hearing and may exhibit behavioural changes. Whales, seals, otters and polar bears may be directly affected by an oil spill to various extents. Direct exposure to oil occur through oiling of fur, ingestion of oil from grooming or feeding on oiled prey or carcasses. Inhalation of volatile compounds, or even the oil itself if the animal come to the surface in the middle of an oil slick, also represent a route of exposure. The fur of sea mammals will lose its insulating properties after contact with oil and oiled individuals will most likely suffer from hypothermia. It is assumed that animals that rely on blubber for insulation is less vulnerable to this type of exposure, however, it is possible that skin damage will arise as a result of contact with oil. Effects from ingestion of oil may lead to behavioural changes (e.g. anorexia), tissue damage, anaemia and renal failure.