Järvimallien kehitys VEHO suunnitteluun ja päätöksentekoon

1. LakeState- projektintuloksiaVesipuitedirektiivin toimeenpanoa tukevat mallit valuma-alueen tavoitekuormitusten arvioinnissa ja seurannan kehittämisessä Olli Malve (Timo Huttulanpuolesta) Malliyksikkö, Vesikeskus, SYKE Projektiryhmä: Timo Huttula, Olli Malve, Niina Kotamäki, Anita Pätynen, Kai Rasmus, Ninni Liukko, Hanna Arola

2. Järvimallienkehitys VEHO suunnitteluunjapäätöksentekoon • LakeState- mallijärvenravinne-, klorofylli- jaleväkukintaennusteidentekemiseenjatavoitekuormituksenlaskentaan (YhteistyöDUKE’njaHY:nyliopistonkanssa) • LLR- internet työkalu VEHO suunnittelijoille • Internet versiovalmis, • Malliasennettu ns. COHERENS-serverille • Laajathelpitmallinkäyttliittymässä • Kaksikäyttäjäkoulusta v. 2008 • Englanninkeileinenversio EU-WISER-hankkeessa

3. Tavoitekuormien laskeminen perustuu • VPD:n vedenlaadun hyvän ja tyydyttävän (H/T) luokkarajoihin*) • Kokonaisfosforille (TotP, µg/l) • Kokonaistypelle (TotN, µg/l) • Klorofylli a:lle (Chla, µg/l) • Kasviplanktonbiomassalle (mg/l) *) Suomen ympäristökeskus, Riista- ja kalatalouden tutkimuslaitos. Pintavesien ekologisen luokittelun vertailuolot ja luokan määrittäminen. 22.1.2008

4. Tavoitekuormien laskeminen • LLR:llä voidaan laskea kokonaisfosforin ja -typen tavoitekuormat em. lukittelumuuttujien H/T –luokkarajojen mukaan • Esim. voidaan laskea millaisella järveen tulevalla kokonaisfosforikuormalla saavutetaan järven hyvää ekologista tilaa vastaava järviveden kokonaisfosforipitoisuus

5. LLR etusivuhttp://coherens/~tht_kr/lakestate/

6. Kuvaajasta näet miten hyvin mallin antamat arvot vastaavat järvessä havaittuja pitoisuuksia • havaittu pitoisuus │ 90 %:n luottamusraja +―+ mallilla laskettu ennuste Kuvaajista näet miten järven kokonaisfosforipitoisuus eri mallien mukaan muuttuu, kun järveen tuleva kokonaisfosfo-rin pintakuorma muuttuu. Vaakaviivat näyttävät järven eri tilojen luokkarajat kokonaisfosforipi-toisuuksille. Tärkein on Hyvä/Tyydyttävä –raja, jonka alapuolelle jäävät pitoisuudet ovat vesipuitedirektiivin vaatimusten mukaisia. Ohjelma laskee tavoitekuormalle kolmen eri mallin antamat ennusteet. Mallit perustuvat erilaisiin järviaineistoihin. Lisätietoja malleista saat Kuvaajista näet miten Chapran järvikohtaiseen aineistoon perustuvan mallin ennustama tavoitekuorma muuttuu eri ennustetodennäköisyyk-sillä

7. Kuvaajista näet, millaisilla kokonaisfosforin ja kokonaistypen pintakuormilla järviveden klorofylli a -pitoisuus saadaan alle Hyvä/Tyydyttävä -luokkarajan Klorofylli a-ennuste on laskettu Chapran mallia, jonka tarkemman kuvauksen löydät Prosenttiluvut tarkoittavat eri ennustetodennäköisyyksiä. Voidaan siis tarkastella, miten erilaiset ennustetodennäköisyydet vaikuttavat tavoitekuormiin Nuolet näyttävät mikä on mallin mukaan järven klorofylli a -pitoisuus kuormituksen nykytasolla. (Mallin antaman pitoisuuden ylittymismahdollisuus on 50 %.)

8. Hertta-data • Keskeinen LakeState-mallinkehitys- ja sovellus data • Jonka perusteella lasketaan järvikohtaiset ja järvityyppikohtaiset ravinne-, klorofyllia a ja kasviplankton ennusteet ja tavoitekuormitukset

9. Lehesjärvi • KeskeinenLakeState-mallinsovelluskohde • LLR:ntarvitsemankuormitusdatanarviointimenettelynvertailut • Näytteenottojatkui v. 2009 LakeState- mallintestaamistajahajakuormituksenhavainnoinninkehittämistävarten, satunnaistettuajassa

10. Lehesjärvi-Vähäjärvi pinta-ala 87 ha tilavuus 2,5*106 m3 keskisyvyys 3,24 m viipymä ~38 vrk  keskivirtaama 0,76 m3/s

11. Lehesjärvi-Vähäjärvi Pieni humusjärvi (tyyppi 2, Ph) Tila tyydyttävä. • TotP 44 µg/l • TotN 800 µg/l • a klorofylli 31,3 µg/l (välttävä) Valuma-alue 98,51 km2 • Metsätalous ~71 % • Maatalous ~15 % • Järven lähiympäristö maatalousvoittoinen • Järvisyys ~5,2 % • Alueella 22 muuta järveä

12. Tärkeimmät esitelmät ja hankkeen aikana tuotettu kirjallisuus • E. Conrad Lamon III, Olli Malve, Olli-Pekka Pietilainen, 2008. Lake classification to enhance prediction of eutrophication endpoints in Finnish lakes.Environmental Modeling & Software, Volume 23, Issue 7, July 2008. pp. 938-947. doi:10.1016/j.envsoft.2007.10.008 • Malve, O. 2007. Water quality prediction for river basin management. Doctoral dissertation. Helsinki University of Technology. Espoo, Finland. TKK-DISS-2292. ISBN 978-951-22-8749-9. URL: http://lib.tkk.fi/Diss/2007/isbn9789512287505/ • Malve, O., Laine, M., Haario, H., Kirkkala, T. and Sarvala, J. 2006. Bayesian modeling of algae mass occurrences using adaptive MCMC methods with a lake water quality model. Environmental Modeling and Software, 22(7), pp. 966-977. DOI:10.1016/j.envsoft.2006.06.016. • Malve, O. and Qian, S. 2006. Estimating nutrients and chlorophyll a relationships in Finnish Lakes. Environmental Science & Technology, 40(24),pp. 7848-7853. DOI: 10.1021/es061359b. • Pätynen A., Kotamäki N., Rasmus K., Malve O. & Huttula T. 2008. Estimating critical phosphorus and nitrogen loading for good water quality in Finnish lakes with the model tool LLR. Meeting of COST 869 Working Group 2. Athens-Anavyssos, Greece, 17-19 September 2008. • Pätynen A., Kotamäki N., Rasmus K., Malve O. & Huttula T. 2010. Lake Load Response (LLR) –mallityökaluvesistöalueidenhoidonsuunnittelunapuvälineenä.Suurjärviseminaari 2010. Lahti, 8.-10. maaliskuuta 2010. • Pätynen A. 2009. Tavoitekuormienmäärittäminenvesipuitedirektiivinmukaisessavesialueidenhoidossa. Pro gradu –tutkielma, Jyväskylänyliopisto. 35 s.

13. YHTEENVETO • Tuotettiin helposti ja nopeasti sovellettavia järvien vedenlaatumalleja (regressiomallit ja LakeState (LS)) VEHO suunnittelijoiden käyttöön. • Hankkeessa koottiin ja analysoitiin SYKEnHERTTA-rekisteristä kaikkien järvien aineistot. Säkylän Pyhäjärvellä ja Lehesjärvellä (Jyväskylä) tehtiin intensiivistä havaintotyötä ja mallintamista. Saatiin arvokasta kokemusta seurantaohjelmien satunnaistamisesta ja optimoinnista. • Kehitettyjen mallien avulla käyttäjä voi arvioida järvien tilan kehitystä vaikka kuormitusarvot olisivatkin puutteellisia • Tärkein tuote on LS-malliin pohjautuva LLR internet- työkalu, josta käyttäjä voi valita käyttöönsä erilaisia malleja vedenlaadun ennustamiseen ja tavoitekuormien määrittämiseen. • Kaksi LLR-koulutustilaisuutta ympäristöhallinnon aluekeskuksien suunnittelijoille. Aluekeskukset käyttivät LLR-ohjelmistoa vesienhoitosuunnitelmia valmistelleessaan ja vesipuitedirektiivin toteutuksessa. Mallien avulla he saivat vastauksia siihen, miten huonossa kunnossa olevia vesistöjä voidaan parantaa ulkoista kuormitusta vähentämällä.

14. YHTEENVETO (jatkoa) • Säkylän Pyhäjärven dynaamista LakeState –mallia kehitettiin edelleen lisämittauksista saadun aineiston avulla.Tässä mallissa menetelmiä sovellettiin dynaamiseen laskentaan neljälle leväryhmälle. Jatkossa mallia yksinkertaistetaan ja havainto/seuranta-ohjelmia optimoidaan soveltaen olemassa olevia koesuunnittelumenetelmiä. • Hankkeessa on tuotettu useita tieteellisiä julkaisuja sekä Olli Malveen väitöstyö ja Anita Pätysen pro gradu-työ, joka käsitteli järvien tulokuormituksen arviointia, erityisesti LLR-mallin kannalta. Anita Pätynen jatkaa VALUE-tutkijakoulussaLLRn käytön optimoinnin kehittämistä ja kasviplanktonin dynamiikan mallintamista. • Vuonna 2009 käynnistyneessä EU-WISER-hankkeessaLLR-käyttöliittymä käännetään englanniksi ja otetaan Euroopan laajuisesti käyttöön. Parhaillaan on menossa eurooppalaisten kohdejärvien havaintoaineiston kerääminen. • GISBLOOM (Eu:n Life+ 2009) hankkeessa 2010-1013 demonstroidaanLakeState-mallin käyttöä vesistöalueiden hoidossa osana koko Suomen kattavaa karttapohjaista leväkukintojen hallintajärjestelmää