Publications
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Förbättrad skattning av typhalterav N och P från skogs- ochmyrmark i södra Sverige införPLC6 – kan modeller baserade påkNN-data användas?
Executive, Universitet, Swedish University of Agricultural Sciences, Sveriges lantbruksuniversitet, mark och miljö.
Executive, Universitet, Swedish University of Agricultural Sciences, Sveriges lantbruksuniversitet, mark och miljö.
Responsible organisation
2014 (Swedish)Report (Other academic)
Abstract [sv]

Inom PLC5 beräknades typhalterna för kväve (N) och fosfor (P) i avrinningen från skog i norra Sverige utgående från deras höjdberoende, medan de oorganiska fraktionerna hanterades som konstanter. För södra Sverige användes typhalter baserade på medianvärden uppmätta i ett antal vattendrag med skog och myr som dominerande markslag i avrinningsområdet. Den enda skogsskötselåtgärd som man tog hänsyn till var hyggen. För N baserades hyggestyphalterna på ett samband med Nnedfallet och uppmätta halter i markvatten i södra Sverige. I norra Sverige skattades hyggestyphalten genom att multiplicera skogstyphalten med faktorn 2. För fosfor multiplicerades på samma sätt skogstyphalten med en faktor för att erhålla en hyggestyphalt.

Inom ramen för tre tidigare SMED-projekt (SMED rapport nr 52:2011, SMED rapport nr 100:2011, SMED rapport nr 109:2012) har halterna av kväve (N) och fosfor (P) i avrinningen från skogs- och myrmark studerats genom mätningar i bäckvatten vid utloppet av ca 200 slumpmässigt utvalda små avrinningsområden i Dalälven och sydvästra Sverige (Viskan, Ätran, Nissan och Lagan). I dessa tidigare projekt har skogstillståndet (tillväxt, biomassa, trädslag etc.) klassificerats genom analyser baserade på metoden Probilistic Classifier och data från satellitbilder och Riksskogsinventeringen (RIS). Modeller har därefter skapats för att skatta typhalterna för N och P. Dessa modellers förklaringsgrad var betydligt högre än de som användes inom PLC5. Mätdata från de slumpade vattendragen visade också att PLC5 typhalterna påtagligt underskattade halterna N och P i sydvästra Sverige. Inför PLC6 föreligger det därför ett behov att förbättra N och P typhalterna från skog och myr särskilt i södra Sverige.

Skogstillståndet klassat med Probilistic Classifier metoden saknas för stora delar av landet, vilket innebär att förbättrade typhalter inte kan tas fram till PLC6 för dessa områden. I detta projekt har vi därför använt rikstäckande geografiska data från kNN-Sverige och Lantmäteriet för att beskriva skogstillståndet. kNN-Sverige är en annan metod för att karaktärisera skogstillståndet och även den baseras på satellitbilder och RIS-data.

Med hjälp av dessa allmänt tillgängliga data över skogstillståndet har kväveoch fosforhalterna i avrinningen från skogs- och myrmark i södra Sverige, söder om Siljan, modellerats för fyra årstider. Validering av modellresultaten har därefter skett mot 22 vattendrag i södra Sverige som ingår i nationell och regional miljöövervakning samt Skogsstyrelsens skogsmarkskalkningsprojekt (SKOKAL).

Resultaten av analyserna visar att data för skogstillståndet baserat på kNN inte tillför någon väsentlig information till modelleringen. De viktigaste förklarande variablerna var istället geografiska koordinater (nordlig och ostlig koordinat samt höjd över havet) och andelen skog och myr i avrinningsområdet.

Baserat på modeller utan kNN-data som förklaringsvariabler visade sig modelleringen fungera relativt bra för total-N med R 2 mellan 0,22 och 0,46 för de slumpmässigt utvalda bäckarna i kalibreringsdatasetet och R 2 mellan 0,11 och 0,51 för de 17 bäckarna med data för total-N i testdatasetet. För total-P fungerade modelleringen sämre, med R 2 mellan 0,04 till 0,27 för kalibreringsdatasetet och förklaringsgrad nära noll för testdatasetet (22 bäckar). Med de nya modellerna skedde dock i många fall en viss överskattning av koncentrationerna av både kväve och fosfor i vattendragen i testdatasetet. Orsaken är sannolikt vattnets längre omsättningstid i de senare, vilket innebär större potential för retention av N och P.

Baserat på modeller utan kNN-data som förklaringsvariabler beräknades nya N- och P-koncentrationer för PLC5-delavrinningsområden. I genomsnitt är de nya koncentrationsskattningarna högre än de som användes i PLC5, framför allt i låglänta områden i sydligaste Sverige. De nya typhalterna för N är bättre än de som användes i PLC5 och kan användas i södra Sverige (söder om Siljan) för PLC6. I sydost är N-typhalterna osäkra p.g.a. avsaknad av vattenkemisk data från slumpmässigt utvalda småbäckar. Där bör nya studier initieras för att verifiera modellernas giltighet. De modellerade typhalterna för P bör inte användas för PLC6 p.g.a. låg precision i skattningarna.

Abstract [en]

In PLC5, the type concentrations for nitrogen (N) and phosphorus (P) in discharge from forest land in northern Sweden were estimated from their relations to altitude, while the inorganic fractions were handled as constants. For southern Sweden, the type concentrations were based on median values obtained from measurements in a number of streams with forests and wetlands as dominating land cover in the catchment. The only forest operation taken into account was clear-felling. In southern Sweden, the N type concentration from clear-felling was based on the relation between N deposition and the N concentration in soil water. In northern Sweden the N type concentration was obtained by multiplying the forest type concentration with a factor of 2. For P, the type concentration from clearfelling was obtained in a similar way by multiplying the forest type concentration with a factor.

In earlier SMED projects (SMED report no 52:2011, SMED report no 100:2011, SMED report no 109:2012), nitrogen and phosphorus concentrations in runoff from forest land and wetlands have been studied by measurements in stream water in about 200 randomly selected small forest and wetland dominated catchments. In these earlier projects forest status (increment, biomass, tree species etc. was classified by the Probabilistic Classifier method and data from satellite images and the national forest inventory (NFI). Thereafter, models have been created to estimate the N and P type concentrations. The explanatory power of these models was much higher compared with those used for PLC5. Additionally, the data from the randomly selected streams showed that the PLC5 type concentrations tangibly underestimated the N and P concentrations in southwest Sweden. For PLC6, there is a need of improved N and P type concentrations from forest land and wetland, especially in southern Sweden.

Forest data based on the Probilistic Classifier method do not exist from large areas of Sweden, which implies that improved PLC6 type concentrations cannot be developed for these regions. In this project we have therefore used nationally covering geographic information from kNNSverige and Lantmäteriet to describe forest status. kNN-Sverige is another method for characterizing forest status and it is also based on satellite and NFI data.

These publically available forest status data were used to model nitrogen and phosphorus concentrations in runoff from forest land and wetland in southern Sweden south of Lake Siljan during four seasons. The models were validated against independent data from 22 streams in southern Sweden. This data originate from national and regional monitoring and the Swedish Forest Agency forest soil liming project (SKOKAL).

It was found that forest status based on kNN-data did not add any significant information to the models. The most important explanatory variables were instead geographic coordinates (longitude, latitude, altitude) and the proportion of forests and wetlands in the catchment.

Based on models without kNN-data as explanatory variables, the modeling was relatively successful for total N with R2 between 0.22 and 0.46 for the randomly selected streams and R2 between 0.11 and 0.51 for the 17 streams with data on total-N in the test dataset. For total P modeling was less successful with R2 between 0.04 and 0.27 for the calibration dataset and R2 close to zero for the test dataset. For the strams in the test dataset, the new models overestimated the N and P concentrations in many cases. This may be explained by longer water residence time in these systems, which creates prerequisites for larger N and retention.

Based on models without kNN-data as explanatory variables, calculations of new N and P type concentrations were made for the PLC5 sub-catchments. On average, the new estimates of concentrations are higher than those used in PLC5, especially in low elevation areas in southernmost Sweden. The new N concentrations are better than those used in PLC5 and can be used for southern Sweden (south of lake Siljan) in PLC6. In southeast, the modeled N concentrations are less certain due to lack of water chemical data from randomly selected streams. Such studies should be initiated in order to validate the model estimates. The modeled P concentrations should not be used for PLC6 due to low accuracy in the estimates.

Place, publisher, year, edition, pages
Norrköping: SMHI , 2014. , p. 45
Series
SMED Rapport, ISSN 1653-8102 ; SMED Rapport Nr 141 2014
National Category
Environmental Sciences
Research subject
SMED (Svenska MiljöEmissionsData); SMED (Svenska MiljöEmissionsData), Water
Identifiers
URN: urn:nbn:se:naturvardsverket:diva-1666OAI: oai:DiVA.org:naturvardsverket-1666DiVA, id: diva2:742927
Available from: 2017-10-23 Created: 2014-09-03 Last updated: 2017-10-23Bibliographically approved

Open Access in DiVA

No full text in DiVA

By organisation
Sveriges lantbruksuniversitet, mark och miljö
Environmental Sciences

Search outside of DiVA

GoogleGoogle Scholar

urn-nbn

Altmetric score

urn-nbn
Total: 65 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf