Saaristomeren kuormitusmalli: Loppuraportti

Transkriptio

1 - Raportoijat: Risto Lignell 1, Elina Miettunen 1, Laura Tuomi 2, Janne Ropponen 1, Irma Puttonen 3, Kaarina Lukkari 1, Markus Huttunen 1, Marie Korppoo 1, Kimmo Tikka 2, Jonna Piiparinen 1, Harri Kuosa 1, Jenni Attila 1 - Organisaatiot: 1 SYKE, 2 Ilmatieteen laitos, 3 Åbo Akademi Sisällysluettelo 1. TIIVISTELMÄ HANKKEEN TAVOITTEET HANKKEEN OSAPUOLET JA MENETELMÄT SAARISTOMEREN MALLINNUS: HANKKEEN TULOKSET Mallin käyttöliittymä Mallin havaintoaineisto ja pistekuormitus Pohjan fosforivarannot ja sisäinen kuormitus Hydrodynamiikan COHERENS -mallinnus Vesipatsaan biogeokemian (ravinnekiertojen) mallinnus Valuma-alueen kuormitus Valuma-alueen kuormitusvähennysten vaikutus Saaristomeren rehevöitymiseen TULOSTEN KESTÄVYYS JA HYÖDYNTÄMINEN JATKOKEHITYSTARPEET Kirjallisuusviitteet LIITTEET

2 1. TIIVISTELMÄ Hankkeessa kehitettiin Saaristomeren alueen kokonaiskuormitusmalli vesienhoidollisten toimenpiteiden suunnittelun, vaikutusten arvioinnin ja seurannan työkaluksi. Virtaukset ovat avainasemassa avoimia mereisiä systeemejä mallinnettaessa, ja Saaristomeren erittäin mutkikas pohjan topografia, saarisuus ja rantaviivan rikkonaisuus tekivät sen hydrodynamiikan mallinnuksesta haastavan. Pääosin olemme hyödyntäneet ja jalostaneet olemassa olevia malleja ja havaintoaineistoja. Tärkeimpinä työkaluina käytettiin VEMALA -mallia valuma-alueelta tulevan kuormituksen arviointiin (ml. epäorgaaniset ravinteet) sekä sisäisen kuormituksen empiirisen arvion, 3-ulotteisen (3D) COHERENS -virtausmallin ja SEABED -vedenlaatumallin kytkentää Saaristomeren alueen hydrodynamiikan ja ravinnevoiden estimointiin. Nykyisistä Itämeren ekosysteemimalleista puuttuu rannikkokomponentti, ja hankkeemme on uraa uurtava Itämeren piirissä kytkiessään riittävän realistisen hydrodynaamis-biogeokemiallisen rannikkomallin operatiiviseen valuma-aluemalliin. Tällä haavaa ( ) kokonaiskuormitusmallia kehitetään edelleen ja sovelletaan Suomenlahdelle ja Selkämerelle. Mallilla pystytään kuvaamaan realistisesti leväbiomassan, a- klorofyllin ja ravinteiden pitoisuuksien vuotuinen kehitys sekä valuma-alueen ja pistekuormittajien, esimerkiksi kalankasvattamoiden ravinnekuormituksen aiheuttamat vasteet näissä muuttujissa Selkämeren eri vesimuodostumissa. Korkean erotuskyvyn (480 m hila) virtausmallin avulla voidaan lisäksi simuloida tarkemmin ravinnepäästöjen kulkeutumista ja laimenemista alueella. Hankkeemme on toteutettu Ympäristöministeriön (YM) tilauksesta, ja sen rahoittaja on YM:n ravinteiden kierrätysohjelma (Hanke 12, RaKi-viite 6.2). Hankkeen vastuuorganisaatio on SYKE (vastaava tutkija Risto Lignell) ja se toteutettiin SYKEn johtamassa konsortiossa, johon lisäksi kuuluvat Ilmatieteen laitos (IL) ja Åbo Akademi (ÅA). Hanke on toteutettu tiiviissä yhteistyössä konsortion, YM:n ja toisen keskeisen loppukäyttäjän, Varsinais-Suomen ELY-keskuksen (VARELY), sekä mukaan kutsutun Uudenmaan ELY-keskuksen (UUDELY) ja ja Kungliga Tekniska Högskolanin (KTH, Tukholma) kanssa. YM, VARELY ja UUDELY muodostivat myös hankkeen ohjausryhmän, jolle tutkimuskonsortio säännöllisesti raportoi tehtävien edistymisestä. Hankkeen kokonaisbudjetti oli 715k, josta YM:n rahoitusosuus oli 436k. 2. HANKKEEN TAVOITTEET Hankkeen toteuttajat (SYKE ja IL) sekä tilaajat ja loppukäyttäjät (YM ja VARELY) sopivat kokouksessaan, että hanke jaetaan kahteen erikseen rahoitettavaan vaiheeseen, jotka myös toteutettiin kokonaisuudessaan. Hankkeella ( ) oli kaikkiaan seuraavat keskeiset tavoitteet: I. Käyttötarpeiden määrittely yhdessä YM:n, VARELY:n ja Uudenmaan ELY-keskuksen kanssa: mallilta tarvittavat ominaisuudet ja sen käyttöliittymä (ulkonäkö, toiminnallisuus, tietojen syöttötapa, tulostettavat suureet ja tunnusluvut sekä niiden esitystapa). II. III. Mallinnuksen havaintoaineiston koostaminen olemassa olevista tietovarannoista (mukaan lukien laadun varmistus). Valuma-alueen virtaama- ja kuormitustietojen tuottaminen WSFS-VEMALA mallilla, kehityskohteena epäorgaanisten ravinteiden voiden mallinnus

3 IV. Kolmiulotteisen (3D) hydrodynaamisen Itämerimallin soveltaminen Saaristomerelle (COHERENS). V. SEABED -ravinnekiertomallin soveltaminen Saaristomerelle sisältäen mm. reunaehtojen määrittelyn sekä kytkennän 3D hydrodynaamiseen malliin sekä sisäisen kuormituksen ja valuma-alueen kuormituksen ravinnesyötteeseen. VI. Julkinen päätösseminaari ( ), johon mennessä hankkeen keskeiset tavoitteet (I- V) on toteutettu ja raportoitu. 3. HANKKEEN OSAPUOLET JA MENETELMÄT Hanke on toteutettu SYKEn, Ilmatieteen laitoksen (IL), VARELYn, Uudenmaan ELY-keskuksen (UUDELY), Ympäristöministeriön (YM), Åbo Akademin (ÅA) ja Kungliga Tekniska Högskolanin (KTH, Tukholma) tiiviillä yhteistyöllä. SYKE johti hanketta ja toimi sen vastuuorganisaationa (hankevastaava Risto Lignell; tutkjat SYKEstä, jollei erikseen mainittu). Mallinnuksen tarvitsema havaintoaineisto kerättiin sekä vesipatsaan että sedimentin avainmuuttujien osalta (Jonna Piiparinen, Harri Kuosa, Kaarina Lukkari ja Jouni Lehtoranta), ja sitä täydennettiin kaukokartoituksen tuomalla parannuksella vesipatsaan aineiston alueelliseen kattavuuteen (Jenni Attila). Hankkeeseen palkattiin kokopäiväinen merimallintaja, FM Elina Miettunen, joka kartoitti batymetria- (pohjan topografia) tiedot sekä toteutti 3D hydrodynamiikan COHERENS -mallinnuksen. Laura Tuomi (IL) ohjasi Elinan merimallinnusta, toimitti tarpeellista IL:n hydrodynaamista ja meteorologista pakote- ja taustadataa sekä analysoi merimallin tuloksia Elinan kanssa. Risto Lignell ja Heikki Peltonen osallistuivat Saaristomeren ravinnevirtojen mallinnukseen yhdessä Janne Ropposen kanssa. Irma Puttonen (ÅA) ja Kaarina Lukkari koostivat SEABED -hankkeen sedimenttiaineistot käyttöömme ja laativat sisäisen kuormituksen empiirisen arvion. Janne Ropponen ohjasi Elinan teknistä COHERENS-mallinnusta (mallin koodaus) sekä kytki SEABED ravinnekiertomallin 3D hydrodynaamiseen malliimme yhdessä Elinan ja Lauran kanssa. Janne vastasi myös malliajojen ja käyttöliittymän rajapinnan koodaamisesta sekä laskentaympäristön ylläpidosta yhdessä Kimmo Tikan (IL) kanssa; Kimmo johti lisäksi mallin käyttöliittymän laadintaa yhteistyössä YM:n ja VARELYn kanssa. Janne oli tiiviissä yhteydessä Ruotsiin SEABEDin vedenlaatumoduulin hyödyntämisen tiimoilta (SEABED-mallintajat Vladimir Cvetkovic ja Anders Jönsson), ja KTH:n delegaatio vieraili näissä merkeissä kahteen kertaan yhteisessä työkokouksessa Kumpulassa. Markus Huttunen tutki eri maankäyttömuotojen vaikutusta ravinnepäästöihin ja ohjasi valuma-alueen VEMALA kuormitusmallinnusta, jonka soveltamisen Saaristomerelle toteutti puolestaan projektimme tutkija, PhD Marie Korppoo. 4. SAARISTOMEREN MALLINNUS: HANKKEEN TULOKSET - Johdanto Terrestristen ja akvaattisten ekosysteemien ravinnekierrot ovat mutkikkaiden vuorovaikutussuhteiden tulosta, sisältäen ravinnevoiden takaisinkytkennät. Lisäksi mereiset systeemit ovat fysikaalisesti avoimia eli vapaassa vuorovaikutuksessa ja materian vaihdossa ympäristön vesialueiden kanssa. Näin ollen valuma-alue-rannikko systeemin dynamiikka ei ole intuitiivisesti hallittavissa, vaan tarvitaan matemaattisia malleja sen kuvaamiseen ja toiminnan kvantitatiiviseen ymmärtämiseen kokonaisuutena. Tavoitteena on laatia riittävän realistisia - 3 -

4 (mekanistisia) ja yksinkertaisia mallikuvauksia, jotka toisaalta auttavat ymmärtämään ao. systeemin toimintaa eri skenaarioissa, ja toisaalta ovat riittävän yleisiä soveltuakseen eri rannikkoalueille. Rannikon fysikaalis-kemiallisilla vaihettumisvyöhykkeillä on suuri merkitys Itämeren avoimissa estuaarisysteemeissä. Esimerkiksi SYKEn tutkimuksissa on osoitettu, että nämä vyöhykkeet pidättävät ja modifioivat merkittävällä tavalla valuma-alueilta tulevaa ravinnekuormitusta. Saaristomerelle 1990-luvulla laaditun virtaus- ja vedenlaatumallin tulokset osoittivat puolestaan, että maa-alueelta tulevan kuormituksen ja pohjasta vapautuvien ravinteiden lisäksi Itämeren pääaltaasta tulevilla ravinnevirroilla saattaa olla suuri merkitys alueen rehevöitymiskehityksessä. Näiden ravinnelähteiden keskinäistä suhteuttamista sekä paikallisten kuormituslähteiden vaikutusten arviointia varten on viranomaisilla suuri tarve kvantitatiivisille mallityökaluille, joilla systeemin rehevöitymisvasteita kontrolloivat mutkikkaat vuorovaikutussuhteet ja takaisinkytkennät voidaan hallita. Hankkeessa laadittiin tällainen Saaristomeren alueen kokonaiskuormitusmalli YM:n ja Varsinais-Suomen ELY keskuksen (VARELY) vesienhoidollisten toimenpiteiden suunnittelun, vaikutusten arvioinnin ja seurannan työkaluksi (mallinnusalue on esitetty Kuvassa 4.1). Työssä hyödynnettiin aikaisemmissa hankkeissa kerättyjä havaintoaineistoja ja mallien tulostietoja. Lisäksi tässä hankkeessa käytettiin pohjan laatu- ja syvyystietoja, joita on kerätty aikaisempaa tarkemmin Saaristomereltä SEABED -hankkeen yhteydessä. Saaristomeri on poikkeuksellisen mosaiikkimainen ja matala meri-alue (Kuva 4.1), minkä vuoksi pohjasedimentin ravinnekierrot voivat säädellä merkittävästi veden laatua yhdessä virtausdynamiikan kanssa. Pohjan ja vesipatsaan välinen ravinnekierto voikin merkittävästi hidastaa ulkoisen ravinnekuormituksen vähennyksistä tulevaa veden laadun parantumista niin ajallisesti kuin paikallisestikin. Sisäisen kuormituksen tilastollista arviointia varten olemme keränneet kattavan kenttähavaintoaineiston (ÅA ja SEABED projekti ym. lähteet). Valumaalueelta tulevan kuormituksen ja sen muutosten mallinnus on myös keskeisellä sijalla Saaristomeren rehevöitymisprosessin ymmärtämisessä ja siihen käytettiin SYKEssä sovellettua ja hankkeessamme edelleen kehitettyä VEMALA kuormitusmallia (mallien lyhenteet ja lyhyt kuvaus on Liitteessä 4.4-5). Saaristomeren vesipatsaan ravinnekiertoja kuvaavaksi malliksi valittiin SEABED -hankkeen tuottama vedenlaatumalli, jota on kehitetty edelleen. Vedenlaatumalli on mukautettu käyttämään koko Itämeren ja Saaristomeren kytkevän hydrodynaamisen mallimme tuottamaa dataa (veden virtaukset, lämpötilakerrostuneisuus ym.) ja kommunikoimaan hankkeen toteuttaman uuden käyttöliittymän kanssa (Kuva 4.2; yksityiskohtaisempi kuvaus mallijärjestelmän toiminnasta Liitteessä 4.5.1). Sisäisen, valuma-alueelta ja Saaristomeren ulkopuolelta peräisin olevan ravinnekuormituksen lisäksi vedenlaatumallin syötteisiin on sisällytetty kaikki alueen pistekuormittajat

5 Kuva 4.1. Saaristomeren mallinnusalue (syvyyskartta, m). Merimalli sisältää hienon erottelukyvyn Saaristomerimallin (hila n. 0.5 km), joka on kytketty karkeampaan (hila n. 3.7 km) koko Itämeren malliin (kts. myös Kuva 4.5.2). Kuva 4.2. Kaaviokuva Saaristomeren kuormitusmallinnuksen mallijärjestelmästä. Punaisella ympäröidyt mallit ovat valmiiksi ajettuja, turkoosilla ympäröityä mallia kutsutaan käyttöliittymän kautta. Yksityiskohtainen kuvaus mallijärjestelmän toiminnasta on Liitteessä Valuma-aluemalleilla laskettiin 14 skenaariota Saaristomeren ravinnekuormituksen mahdollisesta kehittymisestä jaksolla. Nämä skenaariot sisältävät 7 eri ilmastoskenaariota (Liite 4.6.2) ja kaksi maatalouden toimenpidevaihtoehtoa. Toimenpidevaihtoehdot ovat nykyiset maataloustoimenpiteet tai maksimitoimenpiteet maatalouden kuormituksen vähentämiseksi

6 Merimallissa pystytään edelleen valitsemaan haluttu skenaario näistä meren ravinnesyötteeksi. Erillisellä käyttöliittymällä on mahdollista muodostaa uusia skenaarioita niin, että maatalouden toimenpiteitä voi olla maksimia pienempi määrä ja samalla muiden kuormituslähteiden (pistekuormittajat, haja-asutus ja metsätalous) muutokset voidaan myös määritellä. Kokonaiskuormitusmallista hyötyvät välittömästi alueen vesiensuojelua palvelevan paikallisen ympäristöhallinnon työntekijät (ELY -keskukset) sekä YM:n Itämeren suojelua kehittävät virkamiehet. Merenhoidon ja vesienhoidon suunnittelukierros on 6 vuotta. Merenhoitosuunnitelman hyvän tilan määrittelyä tarkennetaan tulevina vuosina ja vielä puuttuvia indikaattoreita kehitetään kaiken aikaa, jotta ne ovat valmiina seuraavalle 2018 vuonna alkavalle suunnittelukaudelle. Sekä vesienhoidossa että merenhoidossa tarvitaan työkaluja, joilla pystytään arvioimaan tehtyjen toimenpiteiden ympäristövaikutuksia. Hankkeen lopputuotteet ovat avoimesti saatavilla YM:n ja COHERENSin datapolitiikan mukaisesti. 4.1 Mallin käyttöliittymä - Tiivistelmä Käyttöliittymä -projektissa luotiin mallijärjestelmän malliajojen määrittelemiseksi ja laskettujen tulosten esittämiseksi kevyt, helppokäyttöinen ja mahdollisimman selkeä selainpohjainen käyttöliittymä (Kuva 4.1.1) Käyttöliittymällä valitaan haluttu muuttuja, alue ja sen resoluutio, ajoaika ja skenaario (esim. pistekuormittajan tai valuma-alueen ravinnepäästöjen vaikutus), ja liittymän avulla saadaan aikasarja-, taulukko- ja karttapohjaiset tulostukset malliajoista Käyttöliittymän rakenne ja käyttö Käyttöliittymän toiminnat suunniteltiin ennen varsinaisen koodaamisen aloittamista, jolloin tunnistetut tarpeet ryhmiteltiin ja priorisoitiin. Huomattava osa järjestelmän lähtötiedoista voitiin siirtää rajapintapalveluun, jolloin toisaalta itse käyttöliittymästä saatiin joustavasti tuleviin tarpeisiin mukautuva ja toisaalta rajapintapalvelusta muotoutui alkuperäistä kaavailua monipuolisempi (Kuva 4.1.1; liittymän tekninen toteutus ja käyttö on esitetty yksityiskohtaisemmin Liitteessä 4.1.1). Käyttöliittymän toiminnot on jaettu neljään osaan: 1. Malliajojen tulokset 2. Listaa malliajot 3. Luo malliajo 4. Ekologinen tila 1. Malliajojen tulokset -sivu Tällä sivulla voidaan tarkastella valmiiden malliajojen laskentatuloksia ja myös lähtötietojen (soveltuvin osin). Tulosten tarkastelu on vaiheistettu: 1) valitse tarkasteltava malliajo - tämä tapahtuu klikkaamalla halutun malliajon riviä malliajolistalla 2) valitse tarkasteltavat vesimuodostumat - 6 -

7 - valinta tehdään klikkaamalla kartalta haluttuja vesimuodostumia, jolloin ne aktivoitumisen merkiksi muuttavat väriään - seuraavassa vaiheessa esitetään vain valittujen vesimuodostumien dataa 3) valitse tarkasteltava muuttuja pudotusvalikosta - pudotusvalikkoon tulevat ne muuttujat, joille mallissa on laskettu tuloksia 4) halutessasi vaihda tarkastelupäivää kalenteri -valitsemella Mallilaskenta voi tapahtua joko kokonaisen vesimuodostuman tarkkuudella tai sitten käyttäen vesimuodostumakohtaista tihennyshilaa (tihein hila 0.5 km; Kuva 4.1.2). Laskenta-alueiden tuloksia voidaan tarkastella myös aikasarjana. Tämä tapahtuu klikkaamalla haluttuja laskentaalueita kartalla. Valittujen alueiden tulosaikasarjat esitetään tällöin kuvana ja toisella välilehdellä taulukkona. Taulukkovälilehdeltä valitut tulokset voidaan myös tallentaa csv-muodossa käytettäväksi esimerkiksi Excel-taulukossa. 2. Listaa malliajot -sivu Tällä sivulla saadaan yleiskuva käytettävissä olevista malliajoista. Uudet malliajot voidaan siirtää ajojonoon nappia painamalla. Samoin voidaan poistaa listalta malliajoja, joita ei enää tarvita. Listalla esitetään malliajoista myös arvioitu ja toteutunut laskenta-aika. Kuva Mallijärjestelmän rakenne, jossa käyttöliittymän välityksellä ohjataan mallin toimintoja, valitaan tarkasteltavia muuttujia, ajoja ja skenaarioita, sekä tuotetun datan tallennus ja tulostus. Käyttöliittymän tekninen toteutus ja käyttö on esitetty yksityiskohtaisesti Liitteessä (kts. myös Kuva 4.2)

8 3, Luo malliajo -sivu Uuden malliajon luonti on myös jaettu loogisiin vaiheisiin. 1) malliajon tunnisteet ja VEMALA-skenaario 2) tihennettävien vesimuodostumien valinta 3) kuormituspisteiden lisääminen ja muokkaaminen 4) yhteenveto ja malliajolistalle tallentaminen Ensimmäisessä vaiheessa käyttäjän on annettava malliajolle tunnistenimi ja oma nimensä sekä määriteltävä käytettävä VEMALA-skenaario pudotusvalikosta ja malliajon tarkasteluaikaväli. Malliajoa ei voi määritellä laajemmaksi kuin käytettävän VEMALA-skenaarion ajanjakso. VEMALA-ajojen hallintaa varten on oma käyttöliittymänsä, jolla ao. skenaariot voidaan tuottaa. Kuva Mallitulosten karttapohjainen tarkastelu laskenta-alueittain. Kuvassa valittuna eri alueelliset tihennystasot (0.5, 2 ja 8 km sekä vesimuodostuma) ja kahden alueen aikasarja. Toisessa vaiheessa valitaan tihennyksin tarkasteltavat vesimuodostumat. Valinta tapahtuu klikkaamalla vesimuodostumaa kartalta ja valitsemalla pudotusvalikosta haluttu tihennys (4, 1 tai 0,25 nm hila; nm = merimaili = 1852 m). Tihein hila vastaa hydrodynaamisen COHERENS - mallin ajossa käytettyä hilaa; vedenlaatumallin laajin alueellinen yksikkö on vesimuodostuma. Kuormituspisteiden tietojen muuttaminen tapahtuu valitsemalla ensin muokattava piste kartalta. Sen jälkeen voidaan pisteen kuormitustietoja ja tyyppiä vaihtaa. Uuden pisteen syöttäminen tapahtuu antamalla lisättävänä pisteen tunnistetiedot, koordinaatit, kuormitustyyppi ja vuosikuormitukset (kokonais- ja epäorgaaninen typpi ja fosfori). 4. Ekologinen tila -sivu Ekologinen tila-sivulla esitetään vesimuodostumittain laskettu alueen ekologinen tila. Tieto luetaan suoraan SYKE:n karttapalvelusta, eikä sitä voi käyttöliittymässä muokata

9 4.2 Mallin havaintoaineisto ja pistekuormitus - Tiivistelmä Osiossa tarkastellaan pistekuormituksen lähteitä, alueella tehtyjä mittaushavaintoja sekä kaukokartoitusaineitojen käyttöä mallijärjestelmän tarpeisiin. Mallinnusalueen fosforikuormituksesta suurin osa on peräisin kalankasvatuksesta taajamien jätevedenpuhdistamoiden ollessa suurin typen lähde. Teollisuuden osuus ravinnekuormituksesta on vähäistä. Saaristomeren leväbiomassan vuosidynamiikka noudattaa nykyisin Itämeren tyypillistä sukkessiota, jossa voimakasta kevätkukintaa seuraa alhaisen biomassan alkukesä ja keski- ja loppukesän sinileväkukintajakso. Kevätkukinta päättyy vesipatsaan epäorgaanisen typen loppumiseen, ja epäorgaanisten N:P - ravinnesuhteiden perusteella myös kesä on ensisijaisesti typpirajoitteinen. Saaristomeren tuotantodynamiikassa on tapahtunut muutos 1990-luvun puolivälissä, jolloin typpeä sitovat sinilevät yleistyivät. Sinileväkukintojen voimakkuus kuitenkin vaihtelee vuosien välillä ilmeisesti fosforin sisäisen kuormituksen vaikutuksen mukaan. Syvän veden fosforitaso nousee kesän kuluessa sisäisen kuormituksen takia, sillä pohjan läheinen alentunut happitilanne tai täysi hapettomuus on paikoittain havaittavissa. Kaukokartoitusaineisto täydentää mittaushavaintoja pinnan lämpötilan, sameuden ja kasviplanktonbiomassan osalta erityisesti alueelliseti Merialueen havaintoaineisto Saaristomeren leväbiomassan vuosidynamiikka noudattaa nykyisin Itämeren tyypillistä sukkessiota, jossa voimakasta kevätkukintaa seuraa alhaisen biomassan alkukesä ja keski- ja loppukesän sinileväkukintajakso. Saaristomeren eteläisimmän intensiiviseuranta-aseman, Utön, klorofyllipitoisuuden aikasarja ( ) osoittaa kevätkukinnan voimakkuuden vaihtelevan voimakkaasti vuosien välillä (Kuva 4.2.1). Toisaalta näytteenoton ajankohta vaikuttaa näihin havaintoihin: näyte otetaan vain kerran kuukaudessa, joten tulokset ovat suuresti riippuvaisia siitä, mihin kohtaan lyhytkestoista kukintahuippua näytteenotto ajoittuu. 20 Klorofylli-a (µg/l) Kuva A-klorofyllipitoisuus (µg/l) Utön intensiiviasemalla

10 Seilin typpeä sitovat sinilevät (% kokonaisbiomassasta) Kuva Seilin kasviplanktonlaskennoista arvioitu typpeä sitovien sinilevien osuudet vuosina Kuva Turun merialueen kasviplanktonin biomassa (µg/l) ja lajikoostumus vuosien 2008 ja 2010 sinilevämaksimin aikana. Sinilevien määrä 2008 vaaleansinisenä ja 2010 tummansinisenä (Lähde: Turun merialueen tarkkailuraportit 2008 ja 2010)

11 Kuva Intensiiviasemien epäorgaanisten ravinteiden pitoisuudet (µg/l) ja ravinnesuhde pinnassa ja syvällä (yhdistetty aineisto )

12 Kuva Intensiiviasemien pohjan läheisen vesikerroksen happipitoisuuden (mg/l) vuodenaikainen kehitys (yhdistetty aineisto ). Saaristomeren tuotantodynamiikassa on tapahtunut muutos 1990-luvun puolivälissä, ja Saaristomeren keskeisellä alueella sijaitsevan Seilin intensiiviaseman kasviplankton aineisto kuvaa hyvin muutosta (Kuva 4.2.2). Typpeä sitovien sinilevien lajisto (lähinnä Aphanizomenon flos-aquae) eroaa avomerikukinnoista (Nodularia spumigena), mikä kertoo Saaristomeren sinileväkukintojen olevan paikallista alkuperää. Typpeä sitovat sinilevät ovat runsaimmillaan heinä- ja elokuussa, mutta vuosien välinen vaihtelu on erittäin suurta. Seilissä typpeä sitovien sinilevien keskimääräinen osuus kesäaikaan (heinä-elokuu) on ollut vuosina keskimäärin 25% kasviplanktonin kokonaisbiomassasta. Voimakkaiden kukintojen aikana sinilevien osuus on kuitenkin suuri (jopa 40-70%). Sinileväkukintojen voimakas vuosien välinen vaihtelu koskee koko Saaristomerta, mistä esimerkkinä Turun merialueen kasviplanktontulokset vuosilta 2008 ja 2010 (Kuva 4.2.3). Saaristomeren intensiiviasemien seuranta-aineistojen mukaan kaikilla asemilla on varsin vakaa vuodenaikainen rytmiikka, jossa voidaan erotella talvijakso, nopea kevään vaihettumisjakso, kerrostunut kesäjakso ja syksyinen täyskierron sekoittumisjakso. Kaikilla asemilla molempien ravinteiden (N ja P) epäorgaaniset muodot käytettiin loppuun kevätkukinnan aikana, ja ylimääräisen epäorgaanisen fosforin määrä pintakerroksessa oli vähäinen (Kuva 4.2.4). N:Psuhteen mukaan erityisesti kesä oli typpirajoitteista ajanjaksoa. Syvän veden fosforitaso nousi kesän kuluessa kertoen sisäisestä kuormituksesta. Intesiiviasemien pohjan läheisen vesimassan happipitoisuudet seurasivat myös hyvin vakaata vuodenaikaisrytmiä (Kuva 4.2.5). Pohjanläheisen veden happimittauksia oli 149 havaintopisteeltä ja kerrostuneisuuden aikana (heinä-lokakuu) niistä 26 meni säännöllisesti kokonaan hapettomiksi tai erittäin vähähappisiksi ( 1.4 mg O 2 l -1 ) ja 39 pisteellä havaittiin happipitoisuuden alenemaa ( mg O 2 l -1 ; Kuva 4.2.6)

13 Kuva Mallinalueella ajanjaksolla olevat havaintopisteet (mustat pallot; ylempi kartta) sekä pohjanläheisen veden happitilanne heinä-lokakuussa (pistehavainnot, alempi kartta). HUOM: Alemmassa kuvassa on taustalla pohjan syvyyssuhteiden kartta (esim. punaiset alueet ovat >100 m syvyisiä), joita ei tule sekoittaa happitilanteen pistehavaintoihin! Vedenlaatuhavainnot mallin reunaehtona Utö on eteläisin havaintopiste aineistossamme (59.81N, 21.34E) ja edustaa sijaintinsa ja hydrografiansa puolesta hyvin mallin eteläreunan olosuhteita. Utön intensiiviaseman mittauksia ajanjaksolta onkin käytetty mallin realistisina reunaehtoina (Itämeren 3D

14 hydrodynaamisen mallin virtausten mukanaan kuljettamien ravinteiden ja leväbiomassan taustakuormituksen arviointiin). Havainnot on jaettu pintakerrokseen (keskiarvo 1, 5 ja 10 metrin havainnoista) ja syväveteen (painotettu keskiarvo 10, 20, 40 ja n. 67 m havainnoista). Havainnot on tehty enimmäkseen kuukauden välein, ja päiväkohtaiset pitoisuudet on interpoloitu aineistosta (kuva 4.2.7). Intensiiviasemien havaintoaineiston perusteella vesipatsas on tyypillisesti kokonaan sekoittunut lokakuusta maaliskuuhun. Kuva Utön aseman havaintojen aikasarjat, joita hyödynnettiin mallin reunaehtoina. Biomassa = leväbiomassa Pistekuormitus Pistekuormitus kalankasvattamoista sekä asutuksen ja teollisuuden jätevedenpuhdistamoista mallin alueella vuosille laskettiin VAHTI-tietokannasta ja erikseen Ahvenanmaan ympäristöviranomaiselta kerätyistä kuormitustiedoista (Kuva 4.2.8). Kalankasvattamot ovat lukumäärällisesti suurin kuormittaja ja suurin osa fosforikuormituksesta on peräisin kalankasvatuksesta jätevedenpuhdistamoiden ollessa suurin typen lähde. Teollisuuden omista jätevedenpuhdistamoista tuleva kuormitus on hyvin vähäistä alueella

15 Kuva Pistekuormittajat (kartta yllä) sekä epäorgaanisen typpi ja -fosforikuormituksen jakautuminen kalankasvattamoiden (KA), puhdistettujen asutusjätevesien (AS) ja teollisuuden jätevesien (muut) kesken mallin alueella (alla). Kalankasvattamoiden kokonaistypestä ja fosforista arviolta noin 80% ja 20% on epäorgaanisessa muodossa ja asutusjätevedessä vastaavat lukemat ovat noin 100% ja 70% Satelliittidata mallin vertailuaineistona Havaintoasemamittausten lisäksi mallin vertailuaineistona oli käytettävissä satelliitista tulkitut a- klorofylli ja sameusdata (vuodet ) sekä pintalämpötila-aineistot ( ). Satelliittihavainnot toimitettiin mallin laskenta-alueelta sekä numeerisena (300x300m hila) että kuvina. Satelliittihavaintojen etuna on niiden alueellinen ja ajallinen kattavuus (pilviset päivät pois lukien; Kuva 4.2.9). Satelliittidatan algoritmeilla arvioitu a-klorofyllipitoisuus sopi hyvin yhteen Utön intensiiviasemalla tehtyjen havaintojen kanssa (Kuva ), kun otetaan huomioon,

16 että aikasarjaan on koottu kaikki havainnot, joten niitä eivät ole välttämättä tehty samanaikaisesti intensiiviasemalla ja satelliitista. Satelliittihavaintojen alueellisesta ja ajallisesta kattavuudesta on erityisesti hyötyä dynaamisten kevät- ja sinileväkukintojen aikaan. Kuva Satelliitin havainnosta tulkittu a-klorofyllin pitoisuuden (µg/l) vaihtelu mallin laskenta-alueella Havaintohetki osuu intensiiviseen kevätkukinta-aikaan. Kuva Satelliitin havainnoista määritetty a-klorofylli (sininen viiva, EO) sekä Utön intensiiviasemalla mitatut klorofylli-a:n pitoisuudet vuosina (µg/l; punaiset pisteet)

17 4.3 Pohjan fosforivarannot ja sisäinen kuormitus - Tiivistelmä Mallia varten tehty karkea arvio sedimentin prosesseissa ajan myötä veteen vapautuvan fosforin määrästä perustuu ns. potentiaalisesti mobiilin fosforin, eli pääosin rautaan sitoutuneen ja labiilin orgaanisen fosforin määrään. Mallialueen sedimentit luokiteltiin fosforin vapautumisen kannalta olennaisten tekijöiden suhteen neljään luokkaan sen mukaan, missä määrin niiden voidaan olettaa aiheuttavan sisäistä fosforikuormitusta. Arviossa oletetaan, että kuormitus tulee pääosin alueilta, joissa kerrostuu pehmeitä, orgaanispitoisia sedimenttejä (n. 61% alueesta) ja arvioita tehtiin kolmella erilaisia happiolosuhteita kuvaavalla skenaariolla: 1) tavanomaiset, keskimääräiset, 2a) keskimääräistä paremmat ja 2b) keskimääräistä huonommat hapellisuusolosuhteet. Arvioiden mukaan koko mallialueelta vapautuisi: 1) t, 2a) t, ja 2b) t fosforia vuodessa. Suurimmat sisäisen fosforikuormituksen pitoisuudet sijoittuvat Aura- ja Paimionjokien edustoille sisä- ja ulkosaariston väliin. Vedenlaatumallin testiajoissa mallin syvään veteen tuottamat fosforipitoisuudet vastaavat suuruusluokaltaan havaintojen pitoisuuksia Sedimentin prosesseissa veteen vapautuva fosfori Arvio sedimentin prosesseissa ajan myötä veteen vapautuvan fosforin määrästä perustuu sedimentin fosforifraktiodatan (SEABED hankkeen havaintoaineisto) pohjalta laskettuun ns. potentiaalisesti mobiilin fosforin määrään sedimentin pinnassa. Tämä on pääosin rautaan sitoutunutta (Fe-P) ja labiilia orgaanista (OP) fosforia (arviointimenetelmä on kuvattu yksityiskohtaisesti Liitteessä 4.3.1). Reaktiivisen, fosforia veteen vapauttavan sedimentin pintakerroksen paksuudeksi koko mallialueella arvioitiin keskimäärin 1 cm, mikä perustuu kirjallisuudesta saataviin arvoihin sedimentin vuotuisesta kerrostumisnopeudesta (Nordmyr 2002, Mattila et al. 2006). Pohjatyyppien kartoituksessa mallialueen sedimentit luokiteltiin havaintoaineiston ja käytettävissä olevien sedimenttikarttojen perusteella neljään luokkaan sen mukaan, missä määrin niiden voidaan olettaa aiheuttavan sisäistä fosforikuormitusta (esim. kallio ja karkea hiekka tai sorapohja vs. orgaanispitoinen mutapohja; Kuva 4.3.1). Rautaan sitoutunut fosfori voi vapautua verraten nopeasti hapettomissa olosuhteissa, joten Fe-P:n vapautumista tarkennettiin lisäksi (ajoittain) hapettomien pohjien osalta (Kuvat ja 4.3.3) Sisäisen fosforikuormituksen arvioita koko mallialueelle Ajallisen vaihtelun osalta tarkennetussa sedimentin fosforin sisäisen kuormituksen arviossa on otettu huomioon alueellinen happiolosuhteiden heikkeneminen kolmen kesäkuukauden aikana kesäkuun puolivälistä syyskuun puoliväliin (Kuva 4.3.4). Turun saariston havaintoaineistoista (SEABED -hanke) saatujen tulosten perusteella kolmen kesäkuukauden aikana, kesäkuun puolivälistä syyskuun puoliväliin, sedimentin pinnan sisältämästä Fe-P:sta vapautuu keskimäärin 15 % ja OP:sta 20 %. Kirjallisuudesta löytyvät arviot vaihtelevat paljon ympäristöstä ja käytetyistä menetelmistä riippuen. Esimerkiksi Århusin lahdella Tanskassa on arvioitu syyslokakuussa vapautuvan 50 % vuosittaisesta fosforin sisäisestä kuormituksesta (Jensen et al. 1995). Tausta-aineistosta koottujen happitietojen ja VELMU-hankkeesta saadun pohjanläheisen veden happipitoisuuskartan perusteella alueellista arviota fosforin vapautumisesta korjattiin siten, että alueilla, joilla pohjan happitilanne todennäköisesti huononee loppukesällä, sedimentin pintakerroksen sisältämästä labiilista Fe-P:sta laskettiin vapautuvaksi 67 % ja labiilista OP:sta

18 %. Tämän koko mallialueen keskimääräisen potentiaalisesti mobiilin fosforin vapautumisprosentin ylittävän määrän oletetaan vapautuvan siis happitilanteen huonontuessa kesäkuukausien aikana. Kuva Sedimentin laatukartoitus. Sedimentin fosforipitoisuuksien interpoloinnissa käytettiin havaintoaineiston lisäksi pohjana Balance-sedimenttikarttaa (Al-Hamdani ja Reker 2007) ja SEABED-projektissa tehtyä kaikuluotausta. Kuva Sedimenttitietoihin ja alimman vesikerroksen happipitoisuuden määrityksiin perustuva happiluokitus mallialueella

19 Kuva Sedimentin pintakerroksen labiili orgaaninen P (OP; tässä Org-P, μmol g -1 kuivapainosta), happitilanteeseen herkimmin reagoiva P (Fe-P, tässä Ads-P+Fe-P) ja orgaanisen aineksen määrää karkeasti indikoiva hehkutushäviö (LOI, % kuiva-painosta) ja niiden yhtäaikainen vaihtelu mallialueella. Sisäinen kuormitus on oletettavasti suurin alueilla, joissa on tihein päällekkäinen rasterointi ja kuvan mukaisesti huonoimmat happiolosuhteet. Koko mallialueen sisäisen fosforikuormituksen arviossa oletetaan, että kuormitus tulee pääosin akkumulaatioalueilta, joissa kerrostuu pehmeitä, orgaanispitoisia sedimenttejä. Vaikka fosforia vapautuu todennäköisesti jonkin verran myös ns. transportaatio- eli kulkeutumisalueilta, niissä myös sitoutuu fosforia sedimenttiin parempien happiolosuhteiden takia, mistä syystä vuosittainen nettovuo arvioitiin näillä alueilla nollaksi. Laskelma on tehty koko Saaristomeren kokonaiskuormitusmallin alueelle, jossa merenpohjan pinta-ala on n km 2, ja josta n. 61 % on pehmeitä, orgaanispitoisia sedimenttejä ja 35 % kovia savia. Arviossa 1 oletetaan Saaristomeren alueella vallitsevan tavanomaiset keskimääräiset hapellisuusolosuhteet. Arviossa 2 esitetään kaksi erilaista ääriolosuhdetta sellaisina, kuin ne ovat havaintoaineiston perusteella voineet olla. Arvio 2a edustaa sedimentistä yhden vuoden aikana vapautuvan fosforin minimimäärää. Tässä arviossa oletetaan hapellisuusolosuhteet keskimääräistä paremmiksi, jolloin hapettomuutta esiintyisi vain niillä pohjilla, joilla sen on havaittu toistuvan joka vuosi, ja kaikilla muilla alueilla pohjan läheisen veden on oletettu pysyvän hapellisena läpi vuoden. Arviossa 2b oletetaan puolestaan kesän aikana menevän hapettomiksi kaikkien niiden pohjien, joilla hapettomuutta on havaittu edes kerran tunnetun seurantajakson aikana. Tämä arvio edustaa siten pehmeistä, orgaanispitoisista sedimenteistä yhden vuoden aikana vapautuvan fosforin maksimimäärää. Arvio 1 Oletetaan, että aina hapellisina pysyvillä pohjilla 30 % sedimentin 1 cm pintakerroksen labiilista orgaanisesta fosforista (OP) vapautuu. Pohjilla, joissa happipitoisuuden on todettu

20 käytettävissä olleen seuranta- ym. aineiston perusteella laskeneen edes kerran (tapahtunut yleensä loppukesällä) niin alhaiseksi, että voidaan olettaa sedimentin pinnan olleen hapettoman, arvioidaan sedimentin pintakerroksesta vapautuvan rautaan sitoutuneesta fosforista (Fe-P) 50 % ja OP:sta 30 %. Pohjilla, joissa happivaje on toistunut vuosittain, arvioidaan 67 %:n Fe-P:sta ja 30 %:n OP:sta vapautuvan. Pehmeistä, orgaanispitoisista sedimenteistä vapautuisi näin laskien keskimäärin 0,56 g P m -2 vuodessa. Tämä tekee tonnia fosforia vuodessa koko mallialueelta. Tämä oletus siis sisältää arvion, että sedimentaationopeus kaikilla näillä pohjilla on 1 cm vuodessa ja että koko kyseinen 1 cm:n pintakerros vapauttaa yllä arvioidut osuudet Fe-P:sta ja OP:sta. Arvio 2 a) Keskimääräistä paremman happitilanteen arvio, jossa oletetaan hapettomuutta esiintyvän vain niillä pehmeillä pohjilla, missä seurannassa on havaittu vuosittain toistuva happikato. Näiltä alueilta on arvioitu vapautuvan 67 % FeP:stä ja 30 % OP:sta, kun taas kaikkialta muualta, eli alueilta, joiden oletetaan pysyvän hapellisina koko vuoden, on arvioitu vapautuvan 30 % OP:sta. Tällöin keskimääräinen fosforin vapautumisnopeus pehmeistä orgaanispitoisista sedimenteistä olisi 0,31 g P m -2 vuodessa. Vapautuvan fosforin määräksi koko mallialueella tulisi näin laskien tonnia vuodessa. b) Poikkeuksellisen huonon happitilanteen skenaario, jossa hapettomiksi oletetaan menevän kaikki ne alueet, joilla happipitoisuuden on todettu heikentyneen edes kerran tunnetun seuranta-ajan aikana. Näiltä alueilta arvioidaan 67 %:n Fe-P:sta ja 30 %:n OP:sta vapautuvan. Alueilta, joissa happipitoisuus on pysynyt korkeana, arvioidaan vapautuvan puolestaan 30 % OP:sta. Tällöin keskimääräinen fosforin vapautumisnopeus pehmeistä orgaanispitoisista sedimenteistä olisi 0,64 g P m -2 vuodessa, ja koko mallialueelta vapautuisi tonnia fosforia vuodessa. Kuva Arviossa 1 esitetty vuosittainen fosforin sisäinen kuormitus koko mallialueella jaettuna tasaisesti koko vuodelle (kuva ylävasemmalla) ja jaettuna Århusin lahdella Tanskassa tehtyjen mittausten (Jensen ym. 1995) vuodenaikaisvaihtelun mukaisesti (kuva yläoikealla). Alakuvassa on esitetty sama kuormitus jaettuna modifioidulla versiolla vuodenaikaisjakaumasta

21 Kuva Eri happiolosuhteita kuvaavien skenaarioiden mukaiset arviot sisäisestä fosforikuormituksesta

22 Loppukesällä lämpötilan nousu ja happivaihtelultaan herkillä alueilla hapettomuus kiihdyttävät fosforin vapautumista sedimentistä. Tämän vuoksi eri skenaarioiden mukaiset arviot vuosittaisista kokonaiskuormituksista jaettiin kuukausittaisiksi jakaumiksi kirjallisuudessa esitettyjen sedimentin fosforin vapautumisen vuodenaikaisvaihteluiden mukaisesti (esim. Jensen ym. 1995; Kuva 4.3.4). Kuukausittain tehtyjä kokeellisia mittauksia fosforin vapautumisesta sedimentistä veteen on julkaistu verraten vähän, ja ne vaihtelevat ympäristöstä, sedimenttityypistä ja käytetyistä menetelmistä riippuen. Fosforin sisäisen kuormituksen yksittäisiin esimerkkihavaintoihin perustuvaa vuodenaikaisjakaumaa modifioitiin edelleen vastaamaan kirjallisuudessa esitettyjen useampien havaintojen vuodenaikaisjakaumien trendiä ja mallialueen olosuhteita. Kuvan kartoissa on esitetty arvioiden 1, 2a ja 2b mukaiset alueelliset vaihtelut vuosittaisessa sisäisen fosforin kuormituksessa. Näiden arvioiden suurimmat sisäisen fosforikuormituksen pitoisuudet sijoittuvat sisä- ja ulkosaariston keskivaiheille. Verrattaessa erilaisilla skenaarioilla tehtyjä laskelmia kirjallisuudesta löydettyihin joko kokeellisesti tai mallinnuksella tehtyihin laskelmiin sedimentistä vapautuvasta fosforista havaitaan, että kirjallisuudesta löytyvät pitoisuudet vaihtelevat voimakkaasti, ja tässä arviossa eri alueille ja eri olosuhteissa saadut pitoisuudet menevätkin kirjallisuudessa esitettyjen pitoisuuksien vaihteluväleille. Muutamina esimerkkeinä Itämeren alueella tehdyistä arvioista ovat seuraavat: in situ mittaukset, benthic lander : -1,02 +20,46 g P m -2 y -1 in situ mittaukset, benthic chamber : +0,03 +0,58 g P m -2 y -1 sedimenttiputkien inkubointi: -2,78 +20,06 g P m -2 y -1 keinotekoisesti luotu anoksia: +12,40 +14,70 g P m -2 y -1 erilaiset koejärjestelyt: -0,34 +12,44 g P m -2 y -1 massatasapainolasku sedimentin kokonaisfosforilla: +0,52 +0,70 g P m -2 y -1 sedimentin fosforin jakeet: 0 +2,7 g P m -2 y -1 mallilaskelmia Itämeren pääaltaalla (hapellisesta hapettomaan): noin +1,13 +7,91 g P m -2 y -1 Yllä esitettyjen arvioiden mukaisia sisäisen fosforikuormituksen pitoisuuksia käytettiin modifioidun vuosijakauman mukaisella ajallisella jakaumalla (Kuva 4.3.5) syötteinä vedenlaatumallin ajoissa. Kaikkiaan mallin syväveteen tuottamat fosforipitoisuudet vastaavat suuruusluokaltaan havaintojen pitoisuuksia (kts. Kuvat )

23 4.4 Hydrodynamiikan COHERENS -mallinnus - Tiivistelmä Vedenlaatumallin tarvitsemat lämpötila- ja virtauskentät tuotettiin kolmiulotteisella hydrodynaamisella COHERENS-merimallilla. Saaristomeren mallinnukseen käytettiin tarkan erottelukyvyn rannikkomallin ja karkeamman erottelukyvyn Itämerimallin yksisuuntaista kytkentää; Saaristomerisovelluksen horisontaalinen erottelukyky on noin 0.5 km ja Itämerisovelluksen noin 3.7 km. Saaristomeren mallinnusalue on jaettu 40 kerroksen vertikaalisuunnassa. Mallitulosten tarkkuutta on arvioitu vertaamalla mallin laskemaa lämpötilaa ja suolaisuutta Saaristomeren alueen seuranta-asemilla tehtyihin havaintoihin. Saaristomerimalli kuvaa hyvin pintakerroksen lämpötilan vuotuista ja alueellista vaihtelua, sekä pintasuolaisuuden alueellista vaihtelua. Myös pohjanläheiset lämpötila- ja suolaisuusarvot malli tuottaa luotettavasti monilla alueilla. Joillakin alueilla mallin käyttämän pohjan topografia-aineiston epätarkkuus vaikuttaa mallin kykyyn kuvata pohjanläheistä vedenvaihtoa ulkosaariston ja sisäsaariston välillä, mikä heikentää pohjanläheisten lämpötila- ja suolaisuusarvojen tarkkuutta (mm. Seili). Saaristomerimalli pystyy simuloimaan myös kumpuamistilanteet, joita on verifioitu satelliittihavaintojen avulla Mallikuvaus Saaristomeren (Kuva 4.4.1) mallinnukseen käytetään karkean erottelukyvyn Itämerimallin ja tarkan erottelukyvyn rannikkomallin yksisuuntaista kytkentää ( nesting ). Saaristomerisovelluksen horisontaalinen erottelukyky on 0.25 merimailia eli noin 460 metriä ja siinä on 40 vertikaalikerrosta. Saaristomerimalli saa reunaehdot eli tiedon lämpötilasta, suolaisuudesta, virtauksista ja vedenkorkeudesta mallialueen avoimilla reunoilla Itämerimallilta. Tämän Itämerisovelluksen horisontaalinen erottelukyky on kaksi merimailia eli noin 3.7 kilometriä ja siinä on 80 vertikaalikerrosta. Hydrodynaamisille merimalleille syötetään tarvittavat alkutiedot meriveden lämpötilasta ja suolaisuudesta, säätiedot (lämpötila, ilmanpaine, tuulet, pilvisyys, sademäärä, suhteellinen kosteus), jokivirtaamat sekä tiedon vedenkorkeudesta, virtauksista, lämpötilasta ja suolaisuudesta mallialueen avoimilla reunoilla (malli ja sen syöttötiedot on kuvattu yksityiskohtaisesti Liitteessä 4.4.1) Mallitulosten verifiointi Mallituloksia vuosilta on verifioitu lämpötilan ja suolaisuuden osalta vertaamalla niitä alueen seuranta-asemilla tehtyihin havaintoihin. Kolmelta intensiiviasemalta, Brändöstä (60.595N, E), Seilistä (60.255N, E) ja Utöstä (59.805N, E), on saatavilla lähes kuukausittaisia havaintoja, muilta asemilta on yleensä muutama havainto vuodessa. Lisäksi pintalämpötilakenttiä on verrattu satelliittikuviin. Malli kuvaa kohtalaisen tarkasti lämpötilan vuodenaikaisvaihtelun. Verrattaessa mallituloksia Brändön, Seilin ja Utön pintalämpötilahavaintoihin vuoden 2006 osalta (Kuva 4.4.2) nähdään, että Utössä ja Brändössä mallinnetut arvot vastaavat hyvin havaittuja arvoja. Seilissä pintakerros lämpenee mallissa hieman hitaammin kuin havaituissa arvoissa vuonna 2006, mutta loppusyksystä mallinnettu pintalämpötila vastaa havaittua. Mallinnettujen lämpötilojen vastaavuus havaintoihin vaihtelee eri vuosien välillä ja toisina vuosina osuvuus on parempi. Esimerkiksi vuonna 2008 Seilin pintakerroksen lämpötila vastaa hyvin havaintoja alkukesästä, mutta viilenee havaintoja hitaammin syksyllä. Mallinnettu pintakerroksen suolaisuus vastaa hyvin havaittuja arvoja Brändössä ja Seilissä (Kuva 4.4.3). Utön osalta nähdään, että loppusyksystä mallin laskema suolaisuus on n. 0.5 psu havaittua

24 pintasuolaisuutta korkeampi. Tämä liittyy Saaristomerimallin ja Itämerimallin vuorovaikutukseen mallialueen eteläreunalla sekä siihen, että alueelta ei ole saatavilla batymetriatietoa riittävällä tarkkuudella. Mallin käyttäytymistä ko. alueella on parannettu hankkeen aikana muokkaamalla alueen batymetriaa ja tätä työtä jatketaan edelleen mallitulosten parantamiseksi. Kuva Saaristomeren syvyyskartta (m). Mallin kykyä tuottaa horisontaaliset gradientit pintasuolaisuudessa tutkittiin vertaamalla mallin laskeman pintasuolaisuuden kuukausikeskiarvoja heinäkuussa 2011 seuranta-asemien havaintoihin saman kuukauden ajalta (Kuva 4.4.4). Malli kuvaa hyvin Selkämereltä tulevan makeamman veden ja jokivirtaamien aiheuttamat gradientit pintasuolaisuudessa. Vastaavasti pintalämpötilan osalta horisontaaligradientit on esitetty kuvassa perustuen mallin laskemaan vuorokausikeskiarvoon ja seuranta-asemien havaintoihin Malli pystyy kuvaamaan pintalämpötilan gradienttia tuottamalla alempia pintalämpötiloja avomerellä ja korkeampia arvoja rannikon lähellä. Sisäsaaristossa mallinnetut pintalämpötilat jäävät kuitenkin tässä vuoden 2011 malliajossa hieman alhaisemmiksi kuin havaitut arvot. Lisäksi rannikon lahdilla pintalämpötila nousee kesällä ajoittain liian korkeaksi, sillä mallin käyttämässä batymetriassa sisälahdet ovat tyypillisesti liian matalia verrattuna todellisiin syvyyksiin. Saaristomerimalli pystyy kuvaamaan myös kumpuamista. Kuvassa on esitetty kumpuamistilanne kesältä Kumpuamisen vaikutus näkyy mallinnetuissa pintalämpötilassa selkeästi. Mallinnetussa tilanteessa kumpuamisen vaikutus pintalämpötilaan näkyy hieman voimakkaammin kuin satelliittikuvissa. Osa mallin ja havaintojen välisestä erosta selittyy sillä, että satelliitti havaitsee meren pinnan lämpötilaa (ns. skin-lämpötila ), kun taas mallin pintakerros on metrin paksuinen. Kaiken kaikkiaan Saaristomerimalli kuvaa hyvin pintakerroksen lämpötilan vuotuista ja alueellista vaihtelua ja pystyy tuottamaan jokivirtaamien ja Selkämereltä tulevan makeamman veden aiheuttamat horisontaaliset gradientit. Jatkossa Saaristomerimallia tullaan kehittämään edelleen muun muassa batymetrian kuvauksen osalta, jotta saadaan parannettua Itämerimallin ja Saaristomerimallin vuorovaikutusta sekä pohjanläheisten kerrosten vedenvaihtoa Saaristomerimallin eri alueilla

25 Kuva Mallin laskema pintakerroksen lämpötila verrattuna Brändön, Seilin ja Utön intensiiviasemien havaintoihin vuonna Kuva Mallin laskema pintakerroksen suolaisuus verrattuna Brändön, Seilin ja Utön intensiiviasemien havaintoihin vuonna

26 Kuva Mallin laskeman pintakerroksen suolaisuuden kuukausikeskiarvo heinäkuussa 2011 verrattuna seuranta-asemien havaintoihin samalta kuukaudelta (merkitty palloina). Kuva Mallin laskeman pintakerroksen lämpötilan vuorokausikeskiarvo verrattuna seuranta-asemien havaintoihin (merkitty palloina)

27 Kuva Kumpuamistilanne kesällä Ylhäällä vasemmalla on pintalämpötila satelliittikuvasta ja ylhäällä oikealla mallin laskema pintakerroksen lämpötilan vuorokausikeskiarvo samalle päivälle. Alhaalla on vastaavat kuvat kaksi päivää myöhemmin, Satelliittikuvien valkoiset alueet ovat pilvien peitossa (ei dataa)

28 4.5 Vesipatsaan biogeokemian (ravinnekiertojen) mallinnus - Tiivistelmä Vedenlaatumalli kokoaa yhteen Saaristomeren mallinnushankkeessa tuotetut lähtötiedot, hydrodynamiikan ja ravinnesyötteet, ja mallintaa niiden perusteella vesipatsaan ravinnekierron dynamiikan. Mallin tulostietoina ovat ravinnepitoisuudet, leväbiomassa ja a-klorofyllipitoisuus laskenta-alueittain (skaala 0.5 km - vesimuodostuma). Vedenlaatumalli käynnistetään käyttöliittymän kautta, missä voidaan tehdä halutut valinnat kuormittajien, kuormitusskenaarioiden, mallinnusajanjakson ja mallinnusresoluution suhteen. Mallin laskemat tulokset ohjautuvat automaattisesti käyttöliittymään tarkasteltaviksi. Malli pystyy hyvin simuloimaan leväbiomassan kasvukauden aikaisen kehityksen vesimuodostumissa sekä ravinteiden vuosidynamiikan Vedenlaatumallin toiminta Biogeokemiallisen vedenlaatumallin yhteyteen on rakennettu kokoelma apuohjelmia, jotka pitävät huolen mallin tiedonvaihdosta käyttöliittymärajapinnan kanssa (kts. Kuva 4.2). Ohjelmat huolehtivat uuden malliajon käynnistämisestä, syöttötietojen hakemisesta ja käsittelystä, tulostietojen välittämisestä käyttöliittymään sekä metatietojen (esim. ajoaika) vaihdosta vedenlaatumallin ja käyttöliittymän välillä. Kaikki tämä tapahtuu automaattisesti käyttäjän käynnistettyä malliajon käyttöliittymän kautta Saaristomerihankkeen tarkoitukseen muokatun vedenlaatumallin perustoimintakaavio on esitetty Kuvassa (Kiirikki ym. 2001). Malli sisältää dynaamisina muuttujina epäorgaanisen typen ja fosforin lisäksi kaksi leväryhmää (autotrofiset eukaryootit ja N 2 -sitovat sinilevät) ja kaksi detrituskomponenttia (N ja P), joiden välityksellä simuloidaan ravintoverkon sedimentaatiohävikki ja ravinteiden kierrätys (remineralisaatio). Malliin on lisätty syötteinä valuma-alueen ravinnekuormitus (VEMALA mallista; mallien lyhenteet ja lyhyt kuvaus on Liitteessä 4.4-5), Saaristomeren ulkopuolelta tuleva taustakuormitus ja mittaustietoihin perustuva alueellisesti ja ajallisesti vaihteleva sisäinen kuormitus. Kokonaisravinteet lasketaan konservatiivisesti (olettaen ne passiivisiksi merkkiaineiksi) mallin laskemaa detrituksen sedimentaatiohävikkiin perustuvaa korjausta lukuun ottamatta. Mallin leväryhmät lasketaan biomassana, joka muunnetaan a- klorofylliksi Kuusisto ym:n (1998) mukaan. Vedenlaatumalli käyttää taustatietoinaan 3D hydrodynaamisen mallimme laskemaa virtaus-, lämpötila- ja suolaisuusdataa, jota on saatavilla 0.5 km alueellisella tarkkuudella ja 40 syvyyskerroksessa. Hydrodynaamisen mallin laskentahila määrittää samalla vedenlaatumallin alueellisen kattavuuden (kuva 4.5.2). Vedenlaatumoduulin käyttämä mallinnustarkkuus voi vaihdella käyttäjän valinnan perusteella 0.5 km ja vesimuodostumatason välillä. Malli aggregoi hydrodynaamisen datan alueellisesti haluttuun mallinnustarkkuuteen ja pystysuunnassa tuottavaan (sekoittuvaan) pintakerrokseen ja syväveteen (mallin toiminta on kuvattu yksityiskohtaisesti Liitteessä 4.5.1)

29 Kuva Vedenlaatumallin toimintakaavio. Selitykset: Leväryhmä1 = eukaryootit, Leväryhmä2 = N 2 -sitovat sinilevät, DIN ja DIP = epäorgaaninen N ja P). Mallin ravinnesyötteet sisältävät valuma-alueen ja Saaristomeren ulkoisen taustakuormituksen sekä sedimenttien sisäisen kuormituksen. Kuvasta puuttuu selkeyden vuoksi kokonaisravinteet, joita käsitellään konservatiivisina merkkiaineina mallin laskemaa detrituksen (detn ja detp) vajoamishävikkiä lukuun ottamatta Vedenlaatumallin simulaatiot Vedenlaatumallia on testattu vertaamalla Saaristomeren havaintojakson aineistoa mallin simulointeihin. Simuloinnit perustuvat hankkeessa estimoiduilla pistekuormittajien sekä muun ulkoisen kuormituksen ja sisäisen kuormituksen (Arvio 1, yllä) kytkentään vedenlaatumallissa ja mallin niistä prosessoimiin vesipatsaan biogeokemiallisiin vasteisiin (kokonais- ja epäorgaaniset ravinnepitoisuudet sekä a-klorofylli). Seuraavassa esitetään ao. havainnot ja simulaatiot neljältä tyypilliseltä Saaristomeren vesimuodostumalta kattaen eteläpohjoinen ja ulappa-rannikko -gradientit (Kuva 4.5.3). Vedenlaatumalli pystyy varsin hyvin simuloimaan leväbiomassan (a-klorofyllin; Kuva 4.5.4) ja epäorgaanisten ravinteiden vuotuisen kehityksen sekä tason (konsentraatioiden) että dynamiikan (ajoituksen) puolesta (Kuvat ). Tässä yhteydessä on huomattava, että pistehavainnot ovat peräisin koko vesimuodostuman alueelta, mikä lisää ao. aineiston luontaista hajontaa. Kokonaisravinteiden ajallinen kehitys simuloidaan myös suhteellisen realistisesti tason osalta, mutta simulaatiot sisältävät näiden muuttujien vakaisiin havaintoarvoihin nähden ylimääräistä fluktuaatiota, jonka syytä ei vielä ole pystytty täysin identifioimaan (Kuvat ). Mallia ei ole erikseen sovitettu ao. aineistoihin, joten kaikkiaan mallin verfioituminen on lupaavaa erityisesti biologisten vasteiden osalta

30 Kuva Saaristomerimallin mallinnusalue ja pistekuormittajat. Kevätkukinta näkyy a-klorofyllin piikkinä, minkä jälkeen ao. muuttuja vaihtelee kesän aikaan pääsääntöisesti välillä 2-6 µg/l sekä havaintojen että simulaatioiden mukaan (Kuva 4.5.4). Epäorgaanisten ravinteiden määrä on pintakerroksessa alhainen kasvukauden ajan levien hyödyntäessä niiden syötteen, mutta syvävedessä pitoisuudet ovat korkeat talven jäljiltä, osin myös kesän sisäisen ja ulkoisen kuormituksen ansiosta (Kuvat ). Syyskierron jälkeen pinnan epäorgaanisten ravinteiden pitoisuudet kasvavat sekä vertikaalin sekoittumisen että syksyisen valuma-alueen kuormituspiikin seurauksena, ja tällöin myös levien kasvukausi päättyy

31 Kuva Vedenlaatumallin simulaatioita edustavat vesimuodostumat. Selitykset simulaatiokuvia varten: Eteläisen ulkosaariston alue 3_Lu_030 = blokki 1041, luoteisen ulkosaariston alue 8_Aay_039 = 1128, välisaariston alue 3_Lv_003 = 1048, sisäsaariston alue 3_Ls_012 = Kuva A-klorofyllin ajallinen vaihtelu eri vesimuodostumissa (Kuva 4.5.3): mallisimulointi (yhtenäinen viiva) vs. havainnot (pisteet). HUOM: pisteet edustavat havaintoja eri puolilla vesimuodostumia!

32 Kuva Ravinteiden ajallinen vaihtelu eteläisellä Saaristomeren ulapalla: mallisimulointi (yhtenäinen viiva) vs. havainnot (pisteet). Selitykset: DIN ja DIP = epäorgaaninen N ja P, TOT-N ja TOT-P = kokonais- N ja P; vesimuodostuman sijainti (blokki nro suluissa): kts. karttakuva HUOM: pisteet edustavat havaintoja eri puolella vesimuodostumaa!

33 Kuva Ravinteiden ajallinen vaihtelu luoteisella Saaristomeren ulapalla: mallisimulointi (yhtenäinen viiva) vs. havainnot (pisteet). Selitykset: DIN ja DIP = epäorgaaninen N ja P, TOT-N ja TOT-P = kokonais- N ja P; vesimuodostuman sijainti (blokki nro suluissa): kts. karttakuva HUOM: pisteet edustavat havaintoja eri puolella vesimuodostumaa!

34 Kuva Ravinteiden ajallinen vaihtelu Saaristomeren välisaaristossa: mallisimulointi (yhtenäinen viiva) vs. havainnot (pisteet). Selitykset: DIN ja DIP = epäorgaaninen N ja P, TOT-N ja TOT-P = kokonais- N ja P; vesimuodostuman sijainti (blokki nro suluissa): kts. karttakuva HUOM: pisteet edustavat havaintoja eri puolella vesimuodostumaa!

35 Kuva Ravinteiden ajallinen vaihtelu Saaristomeren sisäsaaristossa: mallisimulointi (yhtenäinen viiva) vs. havainnot (pisteet). Selitykset: DIN ja DIP = epäorgaaninen N ja P, TOT-N ja TOT-P = kokonais- N ja P; vesimuodostuman sijainti (blokki nro suluissa): kts. karttakuva HUOM: pisteet edustavat havaintoja eri puolella vesimuodostumaa!

36 4.6 Valuma-alueen kuormitus - Tiivistelmä VEMALA ja ICECREAM malleilla arvioitiin valuma-alueelta Saaristomereen tuleva ravinnekuormitus sekä ilmastonmuutoksen ja maatalouden kuormitusta vähentävien toimenpiteiden vaikutus siihen 2020-luvulla (yhteensä 14 skenaariota). Malleja kehitettiin biologisesti käyttökelpoisten ravinnefraktioiden päästöjen arvioimiseksi perinteisten kokonaisravinteiden ohella. Jaksolla kokonais- ja epäorgaanisen fosforin vuotuiset kuormitukset olivat keskimäärin 540 ja 160 t/v ja vastaavat typen arvot olivat 9500 ja 6000 (NO 3 + NH 4 ) t/v. Maatalouden maksimitoimenpiteillä mereen päätyvä nitraattitypen ainevirtaama vähenisi jaksolla tasolla 18-21% ja fosfaatin ainevirtaama vähenisi 3-11 % jaksoon verrattuna. Päämääränämme oli arvioida nykyinen ravinnekuormitus valuma-alueelta Saaristomereen (Kuva 4.6.1) ja miten ilmaston muuttuminen ja maatalouden kuormitusvähennystoimenpiteet vaikuttavat mereen päätyviin ravinnemääriin. Merimallintamisen lähtötiedoksi tarvitaan lisäksi päivittäiset virtaama- ja ravinnekuormitustiedot Saaristomereen eriteltyinä vesistöalueiden purkupisteisiin. Kuva Saaristomeren valuma-alue: 10 jokea kuljettaa pääosan ravinnekuormituksesta mereen; VEMALAssa on näille erilliset kuormituspisteet vastaten alueita ja 82). Ravinnekuormituksen laskemiseksi sovellettiin WSFS-VEMALA v.3 -mallia ja siihen liitettyä ICECREAM peltomallia (mallit on kuvattu yksityiskohtaisesti Liitteessä 4.6.1). VEMALA - malliin lisättiin ravinnefraktioiden joki- ja järviprosessit. ICECREAM -malliin lisättiin mahdollisuus viljellä kerääjäkasveja ja suorakylvön vaikutusten kuvausta tarkennettiin. Malleilla laskettiin 14 skenaariota Saaristomeren ravinnekuormituksen mahdollisesta kehittymisestä jaksolla. Nämä skenaariot sisältävät 7 eri ilmastoskenaariota (Liite 4.6.2) ja kaksi maatalouden toimenpidevaihtoehtoa (nykyiset toimenpiteet ja maatalouden päästöjen vähennykset maksimissaan)

37 4.6.1 Mallin arvio Saaristomeren valuma-alueelta tuleva ravinnekuormituksesta Jaksolla kokonaisfosforin ja fosfaatin vuotuiset kuormitukset Saaristomereen olivat keskimäärin 540 ja 160 t/v, ja vastaavat kokonaistypen, nitraatin ja ammoniumin arvot olivat 9500 ja 5500 ja 450 t/v. Valuma-aluemallien kykyä mallintaa todellisia arvoja voidaan verrata erilaisin vertailuluvuin, joista Nash-Sutcliffe (NSE) kerroin on yleisesti käytetty (Liite 4.6.3). NSE - tarkastelun mukaan VEMALA simuloi yleensä ottaen erittäin hyvin Saaristomereen tulevat päivittäiset ravinnekuormitusarvot eri valuma-alueilta (Taulukko 4.6.1). Vain ammoniumtypellä NSE -kertoimen arvo on pienempi kuin hyväksyttävän simulaation kriteerinä yleisesti käytetty 0.4. Taulukko VEMALAn mallisimulaatioiden sopiminen kuormitushavaintoihin: Nash- Sutcliffe (NSE) -arvot Saaristomeren eri valuma-alueiden (24-32) ammoniumin (NH 4 ), nitraatin (NO 3 ), kokonaistypen (TN), fosfaatin (PO 4 ) ja kokonaisfosforin (TP) päivittäisille kuormitusarvioille ajalla Jatkossa käsitelty Aurajoki on merkitty vihreällä kehikolla; muut selitykset Kuvassa ja Liitteessä NSE 24 Kiskonjoki 25 Uskelanjoki 26 Halikonjoki 27 Paimionjoki 28 Aurajoki 29 Hirvijoki 30 Mynäjoki 31 Laajoki NH NO TN PO TP Taulukko Nash-Sutcliffe (NSE) arvot Saaristomeren kolmen eri valuma-alueen (25, 27 ja 28) ammoniumin (NH 4 ), nitraatin (NO 3 ), kokonaistypen (TN), fosfaatin (PO 4 ) ja kokonaisfosforin (TP) päivittäisille kuormitusarvioille ajalla Vain ne kuukaudet, jolloin on tehty 3 tai useampia mittauksia ovat mukana tarkastelussa; muut selitykset Taulukossa NSE NH NO TN PO TP

38 Kuukausikohtainen NSE kerroin laskettiin vain kolmelle valuma-alueelle, sillä Uskelanjoki, Paimionjoki and Aurajoki olivat ainoat valuma-alueet, joilta oli käytettävissä riittävästi mittauksia (= useana kuukautena 3 mittausta) malliin tehtävää vertailua varten. VEMALA pystyi simuloimaan hyvin myös kuukausittaisia ravinnekuormituksia ammoniumia lukuun ottamatta (Taulukko 4.6.2). Jatkossa tarkastellaan tarkemmin Aurajoen valuma-aluetta (Uskelanjoen ja Paimionjoen tulokset ovat Liitteessä 4.6.4) Aurajoen valuma-alueen ravinnekuormitus Nash-Sutcliffe (NSE) -arvojen perusteella mallilla simuloitu ravinnekuormitus kuvaa erittäin hyvin mittausten mukaan laskettuja havaintoarvoja (Taulukko 4.6.3). NSE kerroin oli ammoniumia lukuun ottamatta korkea (> 0.6) sekä päivittäisille että kuukausittaisille kuormitusarvioille. Taulukko Nash-Sutcliffe (NSE) -arvot ammoniumin (NH 4 + ), nitraatin (NO 3 - ), kokonaistypen (TN), fosfaatin (PO 4 3- ) ja kokonaisfosforin (TP) kuormitusarvioille ajalla Vain ne kuukaudet, jolloin on tehty 3 tai useampia mittauksia ovat mukana tarkastelussa; muut selitykset Taulukossa NSE Päivittäinen Kuukausittainen Kalibraatio Validaatio Kalibraatio Validaatio NH NO TN PO TP Aurajoen valuma-alueen ammoniumkuormitus on selvästi yliarvioitu mallilla (Kuva 4.6.2), joka antaa liian suuren kuormituksen keväällä lumien sulamisaikana. Vastaavaa yliarviota ei ole kvantitatiivisesti huomattavasti merkittävämmän nitraattikuormituksen osalla. Malli simuloi nitraatin yleisesti ottaen hyvin lukuun ottamatta huhtikuuta 2011 ja 2013, jolloin simulaatio antaa liian pienet kuormitustulokset. Malli simuloi hyvin Aurajoen fosfaattikuormituksen lukuun ottamatta huhtikuuta 2013, jolloin mittausten mukaan oli epätavallisen korkea kuormituspiikki. Nitraattitypen osuus kokonaistypen kuormituksesta oli keskimäärin 58% vuosina vaihdellen kuukausittain 39%:sta 71%:iin (Kuva 4.6.3). Fosfaatin osuus kokonaisfosforin kuormituksesta oli keskimäärin 33%

39 Kuva Epäorgaanisten ravinteiden päivittäiset kuormitussimulaatiot Aurajoen valumaalueelta (28) ajalla sekä simuloitujen kuukausittaisten kuormitusten vertailu havaintoihin niinä kuukausina, jolloin käytettävissä on ollut 3 tai useampi mittaustulos. Huomaa y-akselien erilainen skaalaus!

40 Kuva a - Aurajoesta Saaristomereen tulevan typpikuormituksen kuukausittainen keskiarvo ajalla ; b - Aurajoesta Saaristomereen tulevan fosforikuormituksen kuukausittainen keskiarvo ajalla ; c - Aurajoesta Saaristomereen tulevan ravinnekuormituksen N/Psuhteen kuukausittainen keskiarvo ajalla Ajanjakson kuukausittaisten minimi- ja maksimiarvojen vaihteluväli on merkitty janoilla; muut selitykset Taulukossa

41 Mallin simuloima Aurajoen kokonaisravinteiden kuormituksen keskiarvo Saaristomereen oli ajanjaksolla kokonaistypen osalta (652 tn v -1 ) hyvin lähellä HELCOMin arviota (680 tn v -1 ; Kuva 4.6.4). Kokonaisfosforin osalta mallin simuloima keskiarvo (45 tp v -1 ) vuosille oli pienempi kuin HELCOmin arvio (60 tp v -1 ). Kokonaisfosforin kuormituksen osalta poikkeuksellisen sateinen vuosi 2008 eroaa selvimmin. Kuva VEMALAn simuloima fosfaatin (PO 4 ) ja kokonaisfosforin (TP) kuormitus Aurajoesta Saaristomereen (tp v -1 ) ajalla verrattuna HELCOMin kokonaisfosforikuormituksen arvioon (HELCOM 2011; yllä), sekä ammoniumin (NH 4 ), nitraatin (NO 3 ) ja kokonaistypen (TN) vastaavat arvot (tn v -1 ) HELCOMin kokonaistypen kuormituksen arvioon verrattuna (alla). Muut selitykset Taulukossa

42 4.6.3 Valuma-alueen kuormitusskenaariot VEMALA ja ICECREAM -malleilla tuotettiin joukko valmiita skenaarioita Saaristomereen päätyvälle ravinnekuormitukselle. Skenaarioiden päämääränä on vastata kysymykseen, miten toimenpiteillä voidaan vaikuttaa ravinnekuormitukseen ja mikä on toimenpiteiden ja ilmastonmuutoksen yhteisvaikutus lähitulevaisuudessa. Skenaarioissa tarkasteltiin ilmastonmuutoksen ja vesienhoidon toimenpiteiden yhteisvaikutusta maatalouden ravinnekuormitukseen ja mereen päätyvään ravinnekuormaan jaksolla Skenaarioissa tarkasteltiin seuraavien vesienhoidon toimenpiteiden vaikutusta: - tarkennettu lannoitus - talviaikainen kasvipeitteisyys (verrattiin syyskyntöä ja suorakylvöä) - suojavyöhykkeen käyttö - lietteen sijoitus nurmille - kerääjäkasvien käyttö kevätviljoilla Ilmastonmuutoksen vaikutusta tarkasteltiin käyttämällä seitsemää eri ilmastoskenaariota (Liite 4.6.2), jotka kuvaavat vaihteluväliä, jolla ilmaston muuttuminen todennäköisesti on 2020-luvulle mentäessä. Toimenpiteille skenaarioissa tarkasteltiin kahta eri vaihtoehtoa: - jatketaan nykyisillä toimenpiteillä - peltolohkokohtaisesti valitaan yo. toimenpidevalikoimasta ne toimenpiteet, jotka vähentävät ravinnekuormitusta kyseisellä lohkolla Pellot ovat Saaristomeren valuma-alueella merkittävin kuormituksen lähde ja vastaavasti peltolohkojen puutteelliset tiedot ovat tässä sovelletun VEMALA -mallinnuksen suurin ongelma. Esimerkiksi Aurajoella peltolohkokohtaiset viljavuuslukutiedot kattavat 25% lohkoista. Eri viranomaisilla on kerättynä mallien tarvitsemaa olennaista maankäyttö- ja kuormitustietoa, mutta se ei käytännössä ole käytettävissä tiedon saatavuutta on ehdottomasti helpotettava! Peltoskenaarioiden tulokset Maatalouden skenaarioissa tutkittiin, miten ilmastonmuutos vaikuttaa ravinnekuormitukseen ja miten toimenpiteillä voidaan vähentää kuormitusta. Lisäksi tuloksena saadaan arvio toimenpidemääristä ja eri toimenpiteiden yhdistelmien vaikuttavuudesta. Saaristomeren valumaalueen peltojen ravinnekuormitusta tarkasteltiin em. 14 eri skenaariossa, ja yksittäisistä toimenpiteistä tehokkaimmaksi osoittautui tarkennettu lannoitus. Tarkennetussa lannoituksessa ravinnetaseita tarkastellaan lohkokohtaisesti, ja siten mm. lanta levitetään koko alueelle niille pelloille missä sitä ravinteiden puolesta tarvitaan. Vesienhoidon suunnittelussa arvioitiin, että Saaristomeren alueella toimenpiteillä voitaisiin alentaa P kuormitusta pelloilta noin 7%. Näissä skenaarioissa päästäisiin vähennystasolle 13-22%. Nämä skenaariot kuvaavat kuitenkin maksimia, mitä näillä toimenpiteillä voitaisiin saavuttaa ja lannoitusta erityisesti rajoitetaan merkittävästi. Lisäksi vesienhoidon suunnittelussa kerääjäkasvin käyttö ei ollut mukana. Mereen päätyvä ravinnekuormitus ja skenaariot Jaksolla kokonaisfosforin ja fosfaatin vuotuiset kuormitukset olivat keskimäärin 540 ja 160 t/v (Kuva 4.6.5) ja vastaavat kokonaistypen, nitraatin ja ammoniumin arvot olivat 9500 ja 5500 ja 450 t/v (Kuva 4.6.6). Tässä tarkasteltavissa skenaarioissa verrataan jaksoa tulevaisuusjaksoon On huomionarvoista, että näiden jaksojen sään eroa ei aiheuta pelkästään ilmastonmuutos. Sen lisäksi eroa aiheuttaa jakson luontainen sään vaihtelu

43 Kymmenen vuoden jakso on ilmastollisesti liian lyhyt kuvaamaan pitkän jakson keskiarvoa, johon normaalisti käytetään 30 vuoden jaksoa. Tässä tarkastelussa tätä vaikutusta ei kuitenkaan huomioitu. Lisäksi pistekuormitus, haja-asutuksen kuormitus, laskeuma ja metsätalouden kuormitus säilyvät v tasolla. Ilmaston muuttuminen on vaikuttamassa sadannan ja lämpötilan muutosten kautta haihduntaan ja virtaamaan mereen. Skenaariotuloksissa virtaama jaksolla pieneni 1-10% jaksoon verrattuna, mikä on osaltaan pienentämässä myös ravinnekuormitusta. Tarkasteltaessa jaksoa vuodesta 2030 eteenpäin virtaama on kuitenkin kasvussa, mikä puolestaan lisää ravinnekuormitusta. Jaksolla mallitulosten perusteella ilmaston muuttumisen vaikutus haihduntaan on voimakkaampi kuin sateen muutos. Ilmastonmuutos vaikuttaa selvästi virtaaman ja samalla myös mereen päätyvän kuormituksen painottumiseen vuoden sisällä siten, että suurempi osuus tulee talvella (Kuva 4.6.7); myös tulevaisuudessa kesän virtaamat ja siten ravinnekuormat pysyvät alhaisina. Nykyisillä maatalouden toimenpiteillä nitraattityppikuormitus olisi kasvamassa 7-8 % ja fosfaattifosforin pysymässä lähellä nykyistä tasoa (Kuva 4.6.8). Ottamalla käyttöön maatalouden toimenpiteet maksimissaan, mereen päätyvä nitraattitypen ainevirtaama vähenisi jaksolla tasolla 18-21% ja fosfaatin ainevirtaama vähenisi 3-11 % jaksoon verrattuna. Ammoniumtypen ainevirtaamaa olisi puolestaan kasvamassa maatalouden maksimitoimenpiteillä, mutta tämän kehityksen vaikutus olisi pieni suhteessa nitraattikuormituksen laskuun (nitraattikuormitus on kertaluokkaa ammoniumkuormitusta suurempi; Kuva 4.6.6). Ptot t/a PO4P t/a A1Bmean_ REMO- HadRMHA HIRH- RCA3- RCA3- HIRH- Kuorma Kuorma A1Bmean_ REMO- HadRMHA HIRH- RCA3- RCA3- HIRH- Kuorma Kuorma Kuva Kokonaisfosforin (Ptot) ja fosfaatin (PO4P) vuotuiset ainevirtaamat (t/v) Saaristomereen. Sininen palkki = nykytilanne ( ), punaiset palkit edustavat skenaarioita ( ), jotka esitetty samassa järjestyksessä tarkemmin on Kuvassa sekä Liitteessä

44 Ntot t/a NO3N t/a A1Bmean_ REMO- HadRMHA1 HIRH- RCA3- RCA3- HIRH- Kuorma Kuorma A1Bmean_ REMO- HadRMHA HIRH- RCA3- RCA3- HIRH- Kuorma Kuorma NH4N t/a A1Bmean_ REMO- HadRMHA HIRH- RCA3- RCA3- HIRH- Kuorma Kuorma Kuva Kokonaistypen (Ntot) nitraatin (NO3N) ja ammoniumin (NH4N) vuotuiset ainevirtaamat (t/v) Saaristomereen. Sininen palkki = nykytilanne ( ), punaiset palkit edustavat skenaarioita ( ), jotka on esitetty samassa järjestyksessä tarkemmin Kuvassa sekä Liitteessä Kuva Saaristomeren valuma-alueelta tulevan kokonaisvirtaaman vuotuinen jakauma ja ilmastonmuutoksen vaikutus

45 8 7 7 NO 3 -N muutos % PO 4 -P muutos % NH 4 -N muutos % Kuva Nitraattitypen (yllä), fosfaattifosforin (keskellä) ja ammoniumtypen (alla) mereen päätyvien ainevirtaamien muutokset eri kuormitusskenaarioissa (kts. Liite 4.6.2)

46 4.7 Valuma-alueen kuormitusvähennysten vaikutus Saaristomeren rehevöitymiseen - Tiivistelmä Mallilla tarkasteltiin maksimaalisen saavutettavissa olevan valuma-alueiden päästövähennysskenaarion (ravinnekuormitus 20%) vaikutusta Saaristomeren tilaan. Alustavien tulosten perusteella vedenlaatu paranee (n. 10% a-klorofylli vähennys) lähinnä rannikon ja sisäsaariston vesimuodostumilla. Tämän viittaa ulkoisen kuormituksen tehokkaaseen sekoittumiseen rannikon edustalla, mitä sekä ravinteiden kulkeutumismallinnus että rannikkovesien saliniteettihavainnot tukevat. A B C D Kuva Mallin simuloima keskimääräinen a-klorofylli pitoisuus (µg/l) Saaristomerellä kasvukaudella 2011: Kevät (A, huhti-toukokuu), kesä (B, kesä-elokuu), syksy (C, syys-lokakuu) sekä loppukesä (D, heinä-elokuu; VARELYn kesänäytteenoton jakso). Havaintoaineistojen perusteella mallijärjestelmämme tuottaa realistisen arvion leväbiomassan kasvukauden aikaisesta alueellisesta kehityksestä (Kuva 4.7.1: kts. luku 4.5). Tätä näkemystä tukevat myös heinä-elokuun 2011 simulaatiot (alkukesän biomassaminimin vaihe puuttuu; Kuva 4.7.1D), jotka sopivat hyvin VARELYn vastaavan jakson havaintoihin (Janne Suomela, henk.koht.). Ainoan poikkeuksen tekevät aivan rannikon tuntumassa olevat simuloituja arvoja

47 selvästi korkeammat havainnot, mikä suurelta osin johtuu siitä, että nämä alueet jäävät matalina ja osittain suljettuina 3D hydrodynaamisen mallimme katveeseen. Tällaisten alueiden kuormitusvasteisiin tuleekin soveltaa niitä varten kehitettyä SYKEn tilastollista CLR mallia (LLR; Olli Malve), ja tulevaisuudessa näiden kahden mallijärjestelmän tulokset kannattaakin yhdistää koko rannikon kattamiseksi vesien- ja merenhoidossa Epäorgaaninen typpi Jokikuorma Saaristomereen t/kk nykytoimenpiteet lisätoimenpiteet jokikuorma Saaristomereen kg/kk Epäorgaaninen fosfori nykytoimenpiteet lisätoimenpiteet Kuva Epäorgaanisen typen (NO3 + NH4) ja fosforin kuukausittainen kuormitus Saaristomereen: Nykytilanne ( ), sekä ennuste ( ) nykytoimenpiteiden jatkuessa ja lisätoimenpiteillä (maksimaalinen toteutettavissa oleva peltopäästöjen vähennys). VEMALA mallilla laadittiin valuma-alueiden epäorgaanisten ravinnepäästöjen vähennysskenaariota, ja maatalouden maksimitoimenpiteillä kuorman vähenemä on keskimäärin 19% (typpi) ja 15% (fosfori), kun muihin kuormituslähteisiin, kuten metsätalouteen, ei oleteta tehtävän muutoksia (Kuva 4.7.2). Rannikkomallimme kulkeutumissimulaatioista puolestaan nähdään, että valuma-aluekuormituksen vaikutusalue rajoittuu lähinnä rannikkoon ja sisäsaaristoon (Kuva 4.7.3; konservatiivisen, suspendoituneen merkkiaineen kulkeutumissimulaatio), mikä osoittaa, että ao. kuormitus laimenee tehokkaasti edetessään. Tätä

48 näkemystä tukevat alueellisten saliniteettipitoisuuksien jakautumisen havainnot ja vastaavat 3D hydrodynaamisen mallin simulaatiot: Saaristomeren vesi on suolaisuuden suhteen lähes homogeenista aivan rannikon läheisimpiä sisälahtia lukuun ottamatta (Kuva 4.4.4), mikä kertoo tehokkaasta ulappa- ja rannikkovesien sekoittumisesta. Kuva Valuma-alueen jokikuormituksen kulkeutuminen ja laimeneminen Saaristomerellä: Mallisimulaatio konservatiivisen merkkiaineen (tässä kokonaisfosfori, µg/l) keskimääräisestä kuukausittaisesta alueellisesta jakautumisesta huhti-, kesä-, elo- ja marraskuussa Muita ravinnesyötteitä ei mukana; rannikon läheisyydessä on käytetty tihennettyä hilaa (0.5 km). VEMALA kuormitusskenaario, jossa toteutettiin maatalouden ravinnepäästöjen maksimaaliset vähennykset, johti 5-10% a-klorofylli -pitoisuuden laskuun rannikon ja sisäsaariston alueella (Kuva 4.7.4). Tämä alustava arviomme vaikuttaa ylisummaan realistiselta ottaen huomioon kuormituksen tehokkaan laimenemisen rannikolla, mutta toisaalta aivan rannikon tuntumassa malli todennäköisesti aliarvioi rehevöitymisvasteen (kts. yllä). Valuma-aluekuormituksen rehevöittävää vaikutusta (prosentuaalista muutosta) peittää osaltaan myös vastealueen (Kuva 4.7.3) suhteellisen voimakas sisäinen kuormitus (Kuva 4.3.5) ja monien pistekuormittajien päästöt (Kuva 4.2.8). Lisäksi on huomattava, että tässä skenaariossa vain Saaristomeren valuma-alueella

49 vähennetään kuormitusta reaalimaailmassa näitä toimenpiteitä tulee toteuttaa koko Itämeren valuma-alueella veden tilan kohentamiseksi. Leväbiomassan ja a-klorofyllin pitoisuudet ovat herkkiä ja informatiivisia rehevöitymisen biologisia indikaattoreita. Saaristomeren kannalta pintakerroksen rehevöitymistä vakavampi ekologinen ongelma on kuitenkin pohjien hapettomuus (anoksia), joka laajenee loppukesällä ja tuhoaa elämän näistä habitaateista ja lisää lähinnä kemiallisten prosessien välityksellä sedimenttien sisäistä kuormitusta (kts. Luku 4.3). A B C Kuva Valuma-alueen ravinnekuormituksen maksimaalisen vähentämisen vaikutus Saaristomerellä: a-klorofylli pitoisuuden prosentuaalinen muutos (nykykuormitustilanteeseen verrattuna) keväällä (A, huhti-toukokuu), kesällä (B, kesä-elokuu) ja syksyllä (C, syys-lokakuu). Maatalouden maksimitoimenpiteillä epäorgaanisen ravinnekuorman vähenemä VEMALA - skenaariossa on keskimäärin 19% (typpi) ja 15% (fosfori). Systeemitasolla tuottavan kerroksen leväbiomassa edustaa uusien, pintakerroksen ulkopuolelta tulevien ravinteiden syötteen ja hävikin (sedimentaatio ja advektio) välistä tasapainoa, ja kasvukauden aikaskaalassa uusien ravinteiden syöte on yhtä suuri kuin niiden hävikki (Dugdale ja Goering 1967). Ottaen huomioon valuma-aluekuormituksen suhteellisen suppean vaikutusalueen on näin ollen todennäköistä, että valtaosa pintakerrokseen päätyvästä uusien ravinteiden

50 kuormituksesta sitoutuu leviin ja vajoaa sedimentaation välityksellä Saaristomeren pohjalle, missä se kuluttaa hajotessaan happea ja vapauttaa ravinteita takasin kiertoon. Vaikka maatalouden kuormitusvähennysten mahdollistama a-klorofyllipitoisuuden lasku oli skenaariossamme suhteellisen pieni, on kuormituksen pienentämisellä siis huomattava potentiaalinen merkitys Saaristomeren pohjien tilan kohenemiselle sedimentaation vähetessä. Lisäksi pistekuormituksen (kalankasvatus ja asutusjätevedet) kontrollointiin tulee kiinnittää huomiota, sillä vaikka sen mineraaliravinteiden päästöt ovat kertaluokkaa pienemmät kuin koko vastaava valumaaluekuormitus (Kuvat 4.2.8, ja 4.6.6), voi sillä olla paikallisesti suurin merkitys, etenkin jos veden viipymä on pitkä vaikutusalueella. Lopuksi voidaan vielä todeta, että planktisen systeemin ohella havaitaan vakavia valuma-alueen ravinnekuormituksen aiheuttamia ympäristöhaittoja rantojen rihmamaisten levien ja päällyslevien ylenmääräisen kasvun seurauksena. Tämä rehevöitymiskehitys tukahduttaa ranta-alueiden luontaisen kasvuston ja esimerkiksi näiden habitaattien avainroolin kalojen kutualueena ja poikasten kasvuympäristönä. Lisäksi valtaosa suomalaisista asuu länsi-etelärannikolla, ja heille vesien virkistyskäyttöarvo kohenee valuma-aluekuormituksen pienenemisen myötä, rannikoiden parantuneen kunnon edustaessa samalla kuvaa Itämeren tilasta yleisemminkin

51 5. TULOSTEN KESTÄVYYS JA HYÖDYNTÄMINEN Saaristomeri -hankkeen mallien ja niiden käyttöliittymän suunnittelu ja testaaminen sekä havaintoaineistojen kartoitustyö luovat lujan pohjan ao. aineistojen ja mallien jatkojalostukselle. Jatkohankkeessa kehitetään Suomenlahden ja Selkämeren rannikkoalueiden kokonaiskuormitusmalli yhteistyössä YM:n ja ELY -keskusten kanssa vesienhoidollisten toimenpiteiden suunnittelun, vaikutusten arvioinnin ja seurannan työkaluksi. Tämä malli ja siitä edelleen kehitettävät versiot vahvistavat rannikkoalueiden vesiensuojelullisen suunnittelun ja päätöksenteon kvantitatiivista, tieteellistä pohjaa. Malli laaditaan avoimella lähdekoodilla ja rakenteeltaan joustavaksi, jolloin sitä voidaan sujuvasti jatkuvasti kehittää, ja koko kansainvälinen mallinnusyhteisö voi osallistua sen kehittämiseen ja hyödyntämiseen. Tuotetulla mallinnustyökalulla saadut arviot rannikon ravinnekuormituksen vesistövaikutuksista sopivat näin myös kytkettäväksi sosioekonomisiin, ohjaus- ja politiikka-analyyseihin vesiensuojelutoimenpiteitä kehitettäessä. Näiden tavoitteiden toteutuminen voidaan todentaa vesiensuojelutoimien ennustettavuuden ja kustannustehokkuuden parantumisesta sekä onnistuneista veden tilan kohentamistoimenpiteistä. Mallin julkiset versiot mahdollistavat myös kansalaisten, kansalaisjärjestöjen (ml. ympäristönsuojelujärjestöt), median ym. asianosaisten valistuneet kannanotot Saaristomeren rannikkoalueiden ympäristönsuojelullisiin kysymyksiin. Malliamme on tähän mennessä hyödynnetty menestyksekkäästi taannoisen Harjavallan nikkelipäästöonnettomuuden yhteydessä (nikkelin kulkeutuminen Kokemäenjoen ulkopuolisella merialueella) sekä pohjoisella Saaristomerellä sijaitsevan Loukeenkarin kalankasvattamon ravinnepäästöjen kulkeutumisen ja ympäristövaikutusten arvioimisessa (Maa- ja metsätalousministeriön hanke). Lisäksi mallimme hyödyntäminen ja kehittäminen on ollut keskeisenä osiona lukuisissa EU:n ja Akatemian hakemuskonsortioissa, jotka ovat saaneet hyviä arvioita, vaikka rahoitus on toistaiseksi näistä lähteistä saamatta (osa hakemuksista odottaa vielä päätöstä). Merenhoidon ja vesienhoidon suunnittelukierros on 6 vuotta. Parhaillaan on vesienhoidossa menossa ensimmäinen päivityskierros ja vastaavasti merenhoidossa vasta ensimmäinen kierros. Molemmissa tulee toimenpideohjelmat olla valmiina vuoden 2015 aikana. Merenhoitosuunnitelman hyvän tilan määrittelyä tarkennetaan tulevina vuosina ja vielä puuttuvia indikaattoreita kehitetään kaiken aikaa, jotta ne ovat valmiina seuraavalle 2018 vuonna alkavalle suunnittelukaudelle. Sekä vesienhoidossa että merenhoidossa tarvitaan työkaluja, joilla pystytään arvioimaan tehtyjen toimenpiteiden ympäristövaikutuksia. Hankkeen mallin kehittäjät työskentelevät myös jatkossa kiinteässä yhteistyössä ELY -keskusten ja YM:n meriasiantuntijaryhmän kanssa, ja merenhoitosuunnitelman kuormitusvähennystarpeet Saaristomerellä arvioidaan yhteistyönä tämän hankkeen tutkijoiden kanssa. Lisäksi pitemmällä tähtäimellä hanke tukee SYKEn ja IL:n strategisia tavoitteita realististen rannikkomallien laatimiseksi sekä SYKEn pyrkimystä niiden asteittaisesta kehittämisestä koko Suomen rannikkoalueen kattavaksi valuma-alue- ja ulappamallien väliseksi kytkennäksi

52 6. JATKOKEHITYSTARPEET 6.1. Käyttöliittymä Käyttöliittymää toteutettaessa ja käytettäessä on voitu todeta, että käyttöliittymä toimii kohtaisen hyvällä vasteajalla ja suunnitellut toiminnot saadaan suoritettua. Osa käytön aikana esiin tulleista muutos/lisäystarpeista on varsin yksinkertaisia toteuttaa, kun taas toiset vaativat selkeästi enemmän työpanosta. Ensimmäisessä vaiheessa ei järjestelmän käyttöä rajoitettu käyttäjähallinnalla muuten kuin normaalein palomuurisäännöin. Jatkossa käyttäjähallintaan on syytä kiinnittää huomiota. Toteutus voi olla varsin kevyt ja tukeutua olemassa olevaan infraan. Modulaarisena toteutuksena voidaan käyttöliittymästä rajata helposti toiminnallisuuksia käyttäjäryhmittäin ja tarvittaessa lisärajauksia voidaan toteuttaa myös rajapinnan puolella. Rajapintapalvelut on syytä siirtää tietokantaan. Käyttöliittymässä käytetään vasteaikasyistä vesimuodostumista yksinkertaistettuja rajamäärittelyjä, ja tulosten karttaesityksen parantamiseksi olisi syytä muodostaa maamaski kuvatasona (kuten nyt pohjakartta), jolloin saaret saataisiin näkyviin suorituskyvyn juurikaan kärsimättä. Malliajojen muodostamista helpottamaan voidaan kohtalaisen helposti toteuttaa toiminto, jolla aiempia malliajomäärittelyitä voidaan käyttää pohjana uuden määrittelyn luontiin. Tuloksia esitettäessä on laskenta-alueista syytä saada näkyviin selväkieliset tunnisteet. Tämä havainnollistaisi järjestelmän käyttöä huomattavasti. Tuloksia kartalla ja aikasarjana esitettäessä ajankohdan valintaa helpottaisi, jos esitettävä aika valittaisiin aikajanalta. Osaan käyttötarpeista olisi hyvä tuottaa automaattisesti riittävän korkealaatuinen tulostus liitettäväksi asiakirjoihin. 6.2 Sisäinen kuormitus Fosforin kierto sedimentin ja veden välillä Saaristomerellä on huomattavan monimutkainen prosessi ja siihen liittyy myös useita tekijöitä, joiden vaikutusta ei tunneta. Pelkästään alueen pohjan suuren heterogeenisyyden takia tiettyjen näyteasemien sedimentistä mitatuista fosforipitoisuuksista tehtyyn interpolaatioon niille alueille, joilta havaintoja ei ole, sisältyy epävarmuutta, joka voi johtaa joko yli- tai aliarvioon vapautuvan fosforin määrästä. Toinen suuri epävarmuutta tuova tekijä on sedimentaationopeuksien ja siten sedimentin reaktiivisen pintakerroksen paksuuden vaihtelu alueellisesti. Joillakin alueilla sedimentaationopeus on huomattavasti suurempi kuin arviossa käytetty keskimääräinen 1 cm:n vuosittainen kerrostumisnopeus. Tällöin myös sedimentoituvan aineksen fosforin ja orgaanisen aineksen pitoisuudet saattavat olla huomattavastikin keskimääräistä korkeampia, ja myös fosforin vapautuminen voi olla arvioitua voimakkaampaa. Toisaalta sedimentaationopeuden tiedetään vaikuttavan hautautuvan ja kierrosta poistuvan fosforin määrään (Berner ja Rao 1994; Lukkari et al. 2008, yms.). Lisäksi käytössä ollut pohjasedimenttikartoitus on mittakaavaltaan varsin karkea. Ottaen huomioon Saaristomeren heterogeenisen ja pienipiirteisen topografian, sedimenttikarttoihin perustuva arvio eri sedimenttityyppien kattavuudesta voi poiketa todellisesta paljon, ja siten johtaa joko yli- tai aliarvioon vapautuvan fosforin määrästä. Arvioon tuovat epävarmuutta myös pohjalla vallitsevien olosuhteiden ja fosforin sisäisen kuormituksen ajallinen vaihtelu, jota tunnetaan huonosti. Sedimenttinäytteet, joiden fraktiointituloksia tässä arviossa on käytetty laskelmien pohjana, on otettu pääosin kultakin alueelta vain yhtenä ajankohtana vuodessa, vaikka fosforin vapautumisen kannalta reaktiivisen sedimentin pinnan potentiaalisesti mobiilien fosforimuotojen määrät voivat vaihdella ajallisesti paljon eri vuosien välillä ja myös saman vuoden aikana eri vuodenaikoina (esim. SEABED - aineisto, Lukkari 2008, Thouvenot-Korppoo et al. 2012). Lisäksi tutkimustietoa fosforin kierrosta sedimentin ja veden välillä hapellisilta pohjilta, joita peittää vähän orgaanista ainesta sisältävä

53 glasiaali- tai postglasiaalisavi, on olemassa hyvin vähän, joten niiden rooli joko fosforin sitojana tai vapauttajana tunnetaan huonosti. Mallialueen pinta-alasta huomattava osa, noin 33 %, on kovia savipohjia. Ideaalitapauksessa yllä olevien epävarmuustekijöiden merkitykseen saataisiin vastauksia hyvin kohdennetulla lisätutkimuksilla, mutta valitettavasti tässä hankkeessa niihin ei ole resursseja. Toisaalta jo nykyisellään Saaristomeren sedimenttiaineisto on (lähinnä SEABED hankkeen ansiosta) laajuudessaan ainutkertainen. Rannikkomallijärjestelmämme jatkokehityksessä sedimentaation dynaaminen kytkeminen sisäiseen kuormitukseen on keskeinen tavoite. 6.3 Vedenlaatumalli Mallijärjestelmän osat on alusta alkaen suunniteltu toisistaan erillisiksi moduuleiksi, joita voidaan kehittää samaan aikaan toimivaksi todetun tuotantoversion toimintaa häiritsemättä. Nykyinen vedenlaatumalli on yksinkertainen kuvaus ravinnekierron dynamiikasta, jota voidaan kehittää usealla osa-alueella. Ensimmäisiä kehitettäviä asioita on vedenvaihdon tarkentaminen 3D hydrodynaamisesta mallista saaduilla syöttötiedoilla. Ravinnekiertokuvausta on mahdollisuus myös kehittää monella tavalla, esimerkiksi ravinnevoiden formulointien osalta ja sisällyttämällä useampi planktonryhmä (mukaan lukien eläinplankton ja bakteerit). Mallin ominaisuuksia on kehitetty erillisessä YM:n TEAS hankkeessa (nopeampi Fortran käännös ja hydrodynamiikan kehittyneempi kuvaus ja kytkentä 3D COHERENS -malliin). 6.4 Valuma-aluemalli Arvioitaessa peltojen fosforikuormitusta laskentamalleilla on oleellista pystyä yhdistämään tieto peltolohkon kaltevuudesta, maalajista ja P-luvusta. Jos peltolohkon P-luku on korkea, sen vaikutus fosforikuormitukseen riippuu merkittävästi pellon kaltevuudesta ja maalajista. Jotta peltojen fosforikuormituksen laskentatuloksia pystyttäisiin vertaamaan pitoisuusmittauksiin joissa ja sitä kautta tarkentamaan ja validoimaan laskentamallia, tarvitaan lisäksi viljavuusanalyysin paikkatieto. Eli on oleellista tietää millaisia peltoja jokaisen jokihavaintopisteen valuma-alueella on. Tämän hetken suuri ongelma on peltolohkojen P-lukujen huono saatavuus, mihin olisi saatava parannus! Esimerkiksi TEHO-hankkeella on paljon relevanttia tietoa, mutta sen jakaminen ulkopuolisille on rajattua. Osa olemassa olevista tiedoista on hankala saada mm. yksityisyyden suojan vuoksi. VEMALA malliin liitetyllä ICECREAM peltomallissa peltojen lähtötiedot perustuvat eri viljavuusanalyysilaboratorioista tutkimuskäyttöön saatuun viljavuusanalyysiaineistoon. Tässä aineistossa on viljavuusanalyysejä vuodesta 2000 alkaen ja koko maan pelloista aineisto kattaa noin 41 %. Aineisto sisältää peltolohkokohtaisen tiedon lisäksi myös analyysejä, joista tiedetään pellon sijaintikunta mutta ei itse peltolohkoa. Näiden kuntakohtaisten tietojen perusteella arvioidaan loppujen peltojen lähtötiedot kuormituslaskentaan. Peltojen lähtötiedoissa on ainakin seuraavat puutteet: - Peltojen nykytilaa kuvaamaan käytetään kaikkia viljavuusanalyysejä v jälkeen, jotta edes 41 % kattavuus saadaan. Osa tiedoista on kuitenkin jo 15 v vanhoja. - Lohkokohtaiset tiedot puuttuvat 59 % pelloilta. Näiden tiedot arvioidaan kuntatason tiedoista. Tästä aiheutuu merkittävä epävarmuus kuormitusarvioon, jota kuvataan jäljempänä. - Kuntatason tiedoista ei ole tietoa ovatko ne pelloilta vai esim. kotipuutarhasta. - Erikoiskasvien, mm. sokerijuurikaspeltojen tiedoissa kattavuus on muita huonompi. - Viljavuusanalyysitietojen kattavuus vaihtelee huomattavasti eri puolilla maata. Fosforikuormitusarviot erityisesti rannikko- ja merialueilla ovat epävarmoja, koska viljavuusanalyysejä on vähän ja kuormitusarvioita ei voida korjata vesistöjen pitoisuusmittausten

54 perusteella. Rannikko- ja merialueilla kuormitus menee suoraan tai pieniä uomia mereen ja siksi pitoisuustietoja vesistöstä ei voida mitata kattavasti. ICECREAM -mallilla arvioitiin Saaristomeren valuma-alueella millaisen epävarmuuden kuormitusarvioihin puuttuvat viljavuusanalyysit aiheuttavat. Laskennan lähtötiedoksi täytyy arvioida maalaji ja P-luku myös peltolohkoille, joilta ei ole viljavuusanalyysiä. P-lukuna käytetään satunnaista P-lukua kuntatiedoista ja maalaji arvioidaan maannostietokannan perusteella. Näiden epävarmuuden vaikutusta fosforikuormitukseen arvioitiin muodostamalla 10 kpl erilaisia lähtötietoyhdistelmiä ja laskemalla vesistöalueittain peltojen fosforikuormitus näillä eri lähtötiedoilla. Lähtötiedoissa vaihtelevat peltojen P-luvut ja maalajit ja kuormitustuloksiin vaikuttaa erityisesti millaisia P-luku/maalaji/kaltevuus yhdistelmiä pelloille muodostuu. Kuormitustuloksen epävarmuuteen vaikuttaa, paljonko lohkokohtaisia tietoja alueelta puuttuu ja toisaalta miten paljon peltojen ominaisuudet vaihtelevat alueella. Saaristomeren valuma-alueen 3. jakovaiheen vesistöalueilla epätarkkuus on tyypillisesti alle 20 %, mutta yksittäisillä alueilla se voi olla huomattavasti suurempi. WSFS-Vemala laskentajärjestelmässä on käytössä tutkimuskäyttöön saatu aineisto viljavuusanalyyseistä. Aineistoa käytetään niin, että analyysitiedot pidetään salassa. Analyysitietojen perusteella järjestelmä tuottaa arvioita peltojen ravinnekuormituksesta nykytilassa ja eri viljelytoimenpidevaihtoehdoilla, mutta lähtötiedot eivät ole näkyvissä tai tulkittavissa tuloksista. Jos peltolohkojen P-luku- ja maalajitiedot olisivat kattavia ja ajantasaisia, siitä saataisiin ainakin seuraavat hyödyt: - Arvio peltojen ravinnekuormituksen osuudesta nykyisestä vesistöjen kokonaiskuormituksesta tarkentuisi - Arviot mahdollisuuksista vaikuttaa viljelytoimenpiteillä vesistöjen ravinnekuormitukseen tarkentuisivat. Nämä arviot ovat lähtötietona mm. vesien- ja merenhoidon suunnittelussa. - Laskentamalleilla pystyttäisiin arvioimaan peltolohkokohtaisesti eri kuormitusvähennystoimenpiteiden hyötyjä lohkolla. Mm. paljonko suojakaista tai talviaikainen kasvipeitteisyys vaikuttaa lohkon ravinnekuormitukseen. Tämä olisi arvokas lähtötieto kohdennettaessa toimenpiteitä kustannustehokkaimmalla tavalla

55 Kirjallisuusviitteet Al-Hamdani, Z. and Reker, J. (eds.) Towards marine landscapes in the Baltic Sea. BALANCE interim report #10. Almroth-Rosell, E., Eilola, K., Kuznetsov, I., Hall, P.O.J., Meier, H.E.M A new approach to model oxygen dependent benthic phosphate fluxes in the Baltic Sea. J Mar Syst., 144: Baltic Sea Hydrographic Commission, 2013, Baltic Sea Bathymetry Database version Downloaded from on Balzer, W Organic matter degradation and biogenic element cycling in a nearshore sediment (Kiel Bight). Limnol. Oceanogr., 29 (6): Bergström, S., Carlsson, B., River runoff to the Baltic Sea AMBIO Vol. 23, No. 4-5, Berner, R. A. and Rao, J.-L Phosphorus in sediments of the Amazon River and estuary: implications for the global flux of phosphorus to the sea. Geochim. Cosmochim. Acta, Vol. 58, No. 10, pp Billen, G., Garnier, J., Hanset, P., Modelling phytoplankton development in whole drainage network: the RIVERSTRAHLER Model applied to the Seine river system. Hydrobiologia, 289, Bärlund, I., Tattari, S., Puustinen, M., Koskiaho, J., Yli-Halla, M., & Posch, M. (2009). Soil parameter variability affecting simulated fieldscale water balance, erosion and phosphorus losses. Agricultural and Food Science, 18, Chatskikh D., Olesen J. E., Berntsen J., Regina K. and Yamulki S Simulation of effects of soils, climate and management on N2O emission from grasslands. Biogeochemistry 76: Chen, W.W., Niepel, M., Sorger, P.K., Classic and contemporary approaches to modeling biochemical reactions. Genes Dev., 24, Clavero, V., Izquierdo, J.J., Ferna ndez, J.A., Niell, F.X., Seasonal fluxes of phosphate and ammonium across the sediment water interface in a shallow small estuary (Palmones River, Southern Spain). Mar. Ecol. Prog. Ser. 198, Conley, D. J., Humborg, C., Rahm, L., Savchuk, O. P. and Wulff, F Hypoxia in the Baltic Sea and basin scale changes in phosphorus biogeochemistry. Environ. Sci. Tech., 36: Conley, D.J., Carstensen, J., Ærtebjerg, G., Bondo Christensen, P., Dalsgaard, T., Hansen, J.L.S. and Josefson, A.B Long-term changes and impacts of hypoxia in Danish coastal waters. Ecol. Appl., 17(5): S165-S184. Cowan JLW, Boynton WR (1996) sediment water oxygen and nutrient exchanges along the longitudinal axis of Chesapeake Bay: seasonal patterns, controlling factors and ecological significance. Estuaries 19: Cowan, J.L.W, Pennock, J.R. and Boynton, W.R Seasonal and interannual patterns of sediment nutrient and oxygen fluxes in Mobile Bay, Alabama (USA): regulating factors and ecological significance. Mar Ecol. Prog. Ser. 141: Dugdale, R. C. ja Goering, J. J. (1967). Uptake of new and regenerated forms of nitrogen in primary productivity. Limnol. Oceanogr. 12: Emeis, K.-C., Struck, U., Leipe, T., Pollehne, F., Kunzendorf, H. and Christiansen, C Changes in the C, N, P burial rates in some Baltic Sea sediments over the last 150 years relevance to P regeneration rates and the phosphorus cycle. Marine Geology, 167: Foster, G.R Modeling the erosion process. In: Haan, C.T., Johnson, H.P. & Brakensiek, D.L. (Eds.), Hydrologic modeling of small watersheds, ASAE Monograph No. 5, ASAE, St. Joseph, MI. Garnier, J., Billen, G., Coste, M., Seasonal succession of diatoms and Chlorophyceae in the drainage network of the Seine River: Observations and modelling. Limnol. Oceanogr., 40(4),

56 Haverkamp R., Vauclin M., Thoma J., Wierenga P. & Vachaud G A comparison of numerical simulation models for one-dimensional infiltration. Soil Science Society of America Journal 41: Heikkinen J., Ketoja E., Nuutinen V. & Regina K Declining trend of carbon in Finnish cropland soils in Global Change Biology 19: HELCOM The Fifth Baltic Sea Pollution Load Compilation (PLC-5). Baltic Sea Environment Proceedings, 128. HIRLAM-B, System documentation. Huttunen, I., Huttunen, M., Piirainen, V., Korppoo, M., Lepistö, A., Räike, A., Tattari, S. & Vehviläinen, B A national scale nutrient loading model for Finnish watersheds VEMALA. Environmental Modeling and Assessment doi: /s Håkanson, L. & Jansson, M., Principles of lake sedimentology. Springer-Verlag, Berlin, 316 pp. Jaakkola, E., Tattari, S., Ekholm, P., Pietola, L., Posch, M., & Bärlund, I. (2012). Simulated effects of gypsum amendment on phosphorus losses from agricultural soils. Agricultural and Food Science, 21, James, W. F., Barko, J.W., and Eakin, H. L Diffusive and kinetic fluxes of phosphorus from sediments in relation to phosphorus dynamics in Lake Pepin, Upper Mississippi River," Miscellaneous Paper W-99-1, Engineer Research and Development Center, Waterways Experiment Station, Vicksburg, MS. Jensen, Mortensen, Andersen, Rasmussen & Jensen 1995 Phosphorus cycling in a coastal marine sediment, Aarhus Bay, Denmark. Limnol. Oceanogr. 40(5): Kiirikki, M., Inkala, A., Kuosa, H., Pitkänen, H., Kuusisto, M. & Sarkkula, J Evaluating the effects of nutrient load reductions on the biomass of toxic nitrogen-fixing cyanobacteria in the Gulf of Finland, Baltic Sea. Boreal Env. Res. 6: Knisel, W. (1993). GLEAMS: Groundwater loading effects of agricultural management systems. Version Publication No. 5. Athens, Georgia: University of Georgia, Department of Biological and Agricultural Engineering, Coastal Plain Experiment Station: 259. Knisel, W., ed. (1980). CREAMS, A field-scale model for chemicals, runoff, and erosion from agricultural management systems. Conservation Research Report 26. Washington, D.C.: USDA: 643. Koop, K., Boynton, W. R., Wulff, F. and Carman, R Sediment-water oxygen and nutrient exchanges along a depth gradient in the Baltic Sea. Mar. Ecol. Prog. Ser., Vol. 63: Lukkari, K Chemical characteristics and behaviour of sediment phosphorus in the northeastern Baltic Sea. Finnish Institute of Marine Research, Contributions, No. 17. Dissertation, University of Helsinki. Lukkari, K., Leivuori, M. & Hartikainen, H Vertical distribution and chemical character of sediment phosphorus in two shallow estuaries in the Baltic Sea. Biogeochemistry (2008) 90: Lukkari, K., Norkko, J. and Norkko, A Linking increasing hypoxia to phosphorus chemistry across redox gradients in the sediment. Goldschmidt Conference 2009, 21 st -26 th, June, Davos, Switzerland. A poster. Luyten, P. (Editor) COHERENS A Coupled Hydrodynamical-Ecological Model for Regional and Shelf Seas: User Documentation. Version RBINS-MUMM Report, Royal Belgian Institute of Natural Sciences. Mattila, J., Kankaanpää, H. & Ilus, E Estimation of recent sediment accumulation rates in the Baltic Sea using artificial radionuclides 137Cs and 239,240Pu as time markers. Boreal Environ. Res. 11: Monteith J.L. & Unsworth M Principles of Environmental Physics. 2nd ed. London: Arnold. 291 pp. Moore, P.A., Reddy, K.R., and Fisher, M.M Phosphorus flux between sediment and overlying water

57 in Lake Okeechobee, Florida: Spatial and temporal variations. Journal of Environmental Quality, 27(6): Moriasi D.N, Arnold J. G., Van Liew M. W., Bingner R. L., Harmel R. D., Veith T. L., Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. American Society of Agricultural and Biological Engineers, Vol. 50(3): Nordmyr, L Datering och geokemisk karakterisering av sediment från Skärgårdshavet. Åbo Akademi. Pro gradu. 105 s.+ bil. Penn, M. R., Auer, M. T., Doerr, S. M., Driscoll, C. T., Brooks, C. M. and Effler, S. W Seasonality in phosphorus release rates from the sediments of a hypereutrophic lake under a matrix of ph and redox conditions. Can. J. Fish. Aquat. Sci., 57: Puttonen, I., Mattila, J., Jonsson, P., Karlsson, O. M., Kohonen, T., Kotilainen, A., Lukkari, K., Malmaeus, J. M., Rydin, E., Distribution and estimated release of sediment phosphorus in the northern Baltic Sea archipelagos. Estuarine, Coastal and Shelf Science 145, Rekolainen, S., & Posch, M. (1993). Adapting the CREAMS model for Finnish conditions. Nordic Hydrology, 24(5), Ruelland, D., Billen, G., Brunstein, D., Garnier, J., SENEQUE: A multi-scaling GIS interface to the Riverstrahler model of the biogeochemical functioning of river systems. Science of The Total Environment, 375, SEABED -hanke: Seifert, T., Kayser, B., A high resolution spherical grid topography of the Baltic Sea. Meeresw Berichte (Marine science reports) (9), Siddorn, J.R., Furner, R., An analytical stretching function that combines the best attributes of geopotential and terrain-following vertical coordinates. Ocean Modelling, 66:113. Soil Conservation Service (1972). Hydrology. Section 4. In: Soil Conservation Service National Handbook. Washington, DC: U.S. Department of Agriculture. Sokolov A., Andrejev, O., Wulff, F., Rodriguez Medina, M., The data assimilation system for data analysis in the Baltic Sea. Technical report, Stockholm University, Sweden. Stigebrandt, A Physical Oceanography of the Baltic Sea. In A Systems Analysis of the Baltic Sea; Wulff, F.,Rahm, L., Larsson, P., Eds.; Springer-Verlag: Berlin, 2001; pp STRÅNG - a mesoscale model for solar radiation, Tattari, S., Bärlund, I., Rekolainen, S., Posch, M., Siimes, K., Tuhkanen, H-R., & Yli-Halla, M. (2001). Modeling sediment yield and phosphorus transport in Finnish clayey soils. Transactions of the ASAE, 44(2), Thouvenot-Korppoo, M., Lukkari, K., Järvelä, J., Leivuori, M., Karvonen, T. and Stipa, T Phosphorus release and sediment geochemistry in a low-salinity water bay of the Gulf of Finland. Boreal Environmental Research, 17(3-4): Tuominen, L., Mäkelä, K., Lehtonen, K. K., Haahti, H. Hietanen, S. and Kuparinen, J Nutrient fluxes, porewater profiles and denitrification in sediment influenced by algal sedimentation and bioturbation by Monoporeia affinis. Est. Coast. Shelf Sci., 49: Vehviläinen, B., The watershed simulation and forecasting system in the National Board of Waters and the Environment. Publications of the Water and Environment Research Institute. National Board of Waters and the Environment, Finland No. 17. Viktorsson, L., Almroth-Rosell, E., Tengberg, A., Vankevich, R., Neelov, I., Isaev, A., Kravtsov, V. and Hall, P.O.J Benthic phosphorus dynamics in the Gulf of Finland, Baltic Sea. Aquat. Geochem. Viktorsson, L., Ekeroth, N., Nilsson, M., Kononets, M., and Hall, P.O Phosphorus recycling in sediments of the central Baltic Sea. Biogeosci. Discuss., 9: Villnäs, A., Norkko, J., Hietanen, S., Josefson, A.B., Lukkari, K., and Norkko, A Disturbance

58 history and frequency: implications for ecosystem multifunctionality. Ecol. 01/2013; 94: Villnäs, A., Norkko, J., Lukkari, K., Hewitt, J., and Norkko, A Consequences of increasing hypoxic disturbance on benthic communities and ecosystem functioning. PLoS ONE 7(10): e doi: /journal.pone Virtanen, E Happimalli Suomen rannikkoalueille. VELMUn taustamuuttujamallinnus. SYKE, (In prep.) Yli-Halla, M., Tattari, S., Bärlund, I., Tuhkanen, H.-R., Posch, M., Siimes, K., & Rekolainen, S. (2005). Simulating processes of soil phosphorus in geologically young acidic soils of Finland. Transactions of the ASAE, 48(1),

59 LIITTEET Liite Käyttöliittymän tekninen toteutus ja käyttö Laadittu järjestelmä perustuu yleisiin standardeihin ja avoimiin koodeihin (HTML5, Javascript) ja se on toteutettu modulaarisena. Käyttöliittymä saa pääosan lähtötiedoistaan ja määrittelyistään rajapintapalvelusta ja siten se mukautuu varsin hyvin datassa tapahtuviin muutoksiin. Järjestelmän rajapintapalvelu toteutettiin käyttäen Python -pohjaista rajapintakirjastoa (cherrypy v.3.2.3). Käyttöliittymän tiedostot sijaitsevat SYKE:n IIS-palvelimella ja RESTful-rajapinta COHERENS koneella (Janne Ropponen, SYKE). Käyttöliittymä käyttää SYKE:n ArcGIS-palvelua, josta saadaan vesimuodostumien ja käytettyjen hilojen rajat. Käyttöliittymä käyttää vesimuodostumista yksinkertaistettuja rajoja, joista mm. alueen sisälle määritellyt saaret on poistettu. Käyttäjä ottaa järjestelmään yhteyden selaimella käyttäen http/https-protokollaa. Käyttöliittymän ja rajapinnan välinen tiedonvaihto tapahtuu JSON-tiedostoina/viesteinä. Käyttöliittymästä voidaan määritellä uuden malliajo tiedot ja siirtää ne ajojonoon. Ajojonoon siirron yhteydessä rajapintapalvelu muodostaa vedenlaatumallia varten lähtötietotiedostot. Käyttöliittymän käyttö edellyttää, että käyttäjän koneelta on joko http- tai https-protokollan mukainen pääsy oikeisiin tcpip-portteihin käyttöliittymän sisältävälle web-palvelimelle (SYKE:n IIS-palvelin), rajapintapalvelimelle (COHERENS) ja karttapalvelut tuottavalle palvelimelle (SYKE:n kkgeoct1). On huomattava, että protokollia ei voi käyttää sekaisin: jos yhteys on avattu käyttäen, ovat kaikki yhteydet jatkossa tämän protokollan mukaisia

60 Liite Menetelmä sedimentin prosesseissa veteen vapautuvan fosforin määrän arvioimiseksi Arvio sedimentin prosesseissa ajan myötä veteen vapautuvan fosforin määrästä perustuu havaintoaineiston sekventiaalisella uutolla (Lukkari ym. 2008) määritetyn sedimentin fosforifraktiodatan (SEABED -hanke) pohjalta laskettuun ns. potentiaalisesti mobiilin fosforin määrään sedimentin pinnassa. Tämä on pääosin rautaan sitoutunutta (Fe-P) ja labiilia orgaanista (OP) fosforia. Fosforin sekventiaaliseen uuttoon liittyy aina menetelmästä aiheutuvaa epätarkkuutta: uutto laboratoriossa antaa tulokseksi hieman suuremman pitoisuuden, kuin mitä sedimentistä luonnossa vapautuu. Toisaalta potentiaalisesti mobiilista fosforista osa voi prosesseissa muuttua pysyvään muotoon, tai muuten hautautua pysyvästi sedimenttiin. Mahdollisesti vapautuvan fosforin määrän arvion tarkentamiseksi sedimentin pintakerroksessa ko. fraktioille määritettiin näyteasemakohtainen taustapitoisuus, eli arvio sedimenttiin pysyvästi hautautuvasta määrästä (Liite-Kuva 4.3.1). Taustapitoisuus valittiin syvyydeltä 10 cm, koska tämän alapuolella syvyyssuuntaiset pitoisuusvaihtelut yleensä tasaantuvat akkumulaatiopohjilla (pehmeillä, orgaanispitoisten partikkeleiden kerrostumisalueilla). Niillä asemilla, joilla fosforin fraktiointituloksia ei ollut käytettävissä 10 cm:n alapuolelta, käytettiin taustapitoisuuksina akkumulaatiopohjien keskimääräisiä Fe-P ja OP-fraktioiden pitoisuuksia yli 10 cm:n syvyydellä. Pintasedimentin irtotiheyden (g cm -3 ), vesipitoisuuden ja hehkutushäviön avulla (Håkanson & Jansson 1983) muutettiin labiilin Fe-P:n ja OP:n pitoisuudet sedimentin pintakerroksessa yksikköön μg P cm -3. Asemakohtaiset Fe-P- ja OP-pitoisuudet interpoloitiin koko mallialueelle eri pohjatyyppien mukaan käyttäen pohjatietona Balance -sedimenttikartan tietoja ja SEABEDhankkeessa tehtyjä merenpohjan kaikuluotauksia sekä sedimenttinäytteiden luokitteluja (al- Hamdani et al. 2007, Puttonen et al. 2014; Kuva 4.3.1). Reaktiivisen, fosforia veteen vapauttavan sedimentin pintakerroksen paksuudeksi koko mallialueella arvioitiin keskimäärin 1 cm. Tällä tarkoitetaan sitä, että noin yhden senttimetrin paksuisen kerroksen sisältämä labiili fosfori voisi olosuhteiden salliessa vapautua yhden vuoden aikana. Oletus on karkea ja perustuu kirjallisuudesta saataviin arvoihin sedimentin kerrostumisnopeudesta (Nordmyr 2002, Mattila et al. 2006). Sedimentaationopeuksia eri alueilla ei tunneta, mutta tiedetään, että ne vaihtelevat paljon mallialueen sisällä ja voivat olla noin nollasta jopa noin 3 cm:iin vuodessa. Sedimentin 1 cm pintakerroksen sisältämästä labiilista fosforista (Fe-P ja OP) vuoden aikana vapautuvaa osuutta arvioitiin vähentämällä ko. kerroksen potentiaalisesti labiilien Fe-P:n ja OP:n varannoista sen alapuolella, 1-2 cm:n syvyydellä, olevat vastaavat pitoisuudet (Kuva ). Näin laskien pintakerroksen labiilista Fe-P:sta vapautuisi keskimäärin 55 % ja labiilista OP:sta keskimäärin 30 % yhden vuoden aikana. Asemakohtaiset Fe-P ja OP pitoisuudet interpoloitiin koko mallialueelle sedimenttityypeittäin siten, että pehmeiltä orgaanispitoisilta pohjilta mitatut fosforipitoisuudet ekstrapoloitiin sedimenttikartan (kuva 4.3.2) ja pohjatietojen perusteella koko mallialueen pehmeille, orgaanispitoisille pohjille. Rautaan sitoutunut fosfori voi vapautua verraten nopeasti hapettomissa olosuhteissa, joten Fe-P:n vapautumista tarkennettiin lisäksi (ajoittain) hapettomien pohjien osalta. Tämä tehtiin taustaaineistosta (pääosin seuranta- ja velvoitetarkkailuaineistoista ja VELMU-hankkeesta (Virtanen 2015)) saatujen happitietojen pohjalta tehdyn mallialueen pohjan happiolosuhteiden luokituksen avulla (Kuva 4.3.2). Happiluokitustieto yleistettiin tunnetuilta alueilta IDW-interpolaatiolla koko mallialueelle käyttäen apuna sedimentin laatutietoja ja muita pohjatietoja

61 Liite-Kuva Kaavakuva fosforipitoisuudesta sedimentissä. Potentiaalisesti mobiilin fosforin taustapitoisuutena vähennettiin keskimääräinen orgaanisen P:n (OP) ja rautaan sitoutuneen P:n (Fe-P) pitoisuus yli 10 cm:n syvyydellä. Vuoden aikana vapautuvaksi määräksi arvioitiin sedimentin pintakerroksen (0 1 cm) ja syvyydeltä 1 2 cm uutetun fosforipitoisuuden keskimääräinen erotus. Mallialueen pohjien luokittelu fosforin vapautumisherkkyyden suhteen Pohjatyyppien kartoituksessa mallialueen sedimentit luokiteltiin havaintoaineiston ja käytettävissä olevien sedimenttikarttojen perusteella neljään luokkaan sen mukaan, missä määrin niiden voidaan olettaa aiheuttavan sisäistä fosforikuormitusta (esim. kallio ja karkea hiekka tai sorapohja vs. orgaanispitoinen mutapohja; Kuva 4.3.1). Lisäksi pohjat luokiteltiin potentiaalisesti mobiilin fosforin (Fe-P ja OP), huonoissa happioloissa pelkistyvään rautaan sitoutuneen fosforin (Fe-P), labiilin orgaanisen fosforin (OP), orgaanisen aineksen määrää heijastelevan sedimentin hehkutushäviön (LOI) ja pohjaveden happipitoisuuden mukaan ja kaikkien em. muuttujien luokat ekstrapoloitiin koko mallialueelle ja tarkasteltiin niiden alueellista jakautumista. Tätä havainnollistettiin visuaalisesti päällekkäisten rasterointien kartalla (kuva 4.3.3), joka osoittaa näiden fosforin vapautumiseen olennaisesti vaikuttavien tekijöiden yhtäaikaisen vaihtelun ja samalla rajaa uusia muuttujien luokkakombinaatioita, jotka puolestaan voidaan luokitella toisistaan olosuhteiltaan ja siten fosforin vapautumisherkkyytensä osalta eroaviksi aluetyypeiksi. Esimerkiksi alue, jossa on paljon rautaan sitoutunutta fosforia, ja joka sijaitsee alueella, jossa on esiintynyt ajoittain hapettomuutta, edustaa aluetta, josta happitilanteen huonontuessa voi vapautua lyhyellä aikavälillä paljon fosforia sen rautaan sitoutuneesta muodosta. Toisaalta jollakin alueella voi olla paljon rautaan sitoutunutta fosforia, mutta jos se sijaitsee aina hapellisena pysyvällä alueella, rautaan sitoutuneen fosforin vapautumisherkkyys on pienempi. Toisaalta taas alue, jossa on paljon orgaanista fosforia ja orgaanista ainesta, vapauttaa todennäköisesti vähitellen fosforia sekä hapellisissa että hapettomissa oloissa mineralisaation seurauksena, mutta hapellisena pysyvällä alueella suurempi osa tästä mineralisaatiossa vapautuneesta fosforista voi sitoutua sedimenttiin. Kaikille mallialueella esiintyville erilaisille luokkakombinaatioille laskettiin ensin potentiaalisesti vapautuvan fosforin (Fe-P ja OP) minimi- ja maksimiarvot vesimuodostumakohtaisesti ja

62 jokaiselle hilapisteelle erikseen valitsemalla Kuvan kartalta kunkin vesimuodostuman alueella ja hilapisteen kohdalla vallitsevana esiintyvä luokkakombinaatio. Seuraavaksi arvioita sedimentistä vapautuvan fosforin määristä tarkennettiin vielä asteittain lisäämällä rajausehtoja eri kriteerein, jotka liittyvät sedimentin fosforin esiintymismuotoihin, sedimentin muihin ominaisuuksiin ja kyseisellä alueella vallitseviin olosuhteisiin. Fosforia ei vapaudu merenpohjasta tasaisesti kautta vuoden, vaan pohjalla vallitsevat olosuhteet vaikuttavat vapautumisen intensiteettiin. Hapen puute kiihdyttää etenkin rautaan sitoutuneen, mutta myös labiilin orgaanisen fosforin vapautumista mineralisaation kiihtyessä. Pohjanläheisen veden happipitoisuus alenee Saaristomerellä tyypillisesti loppukesää kohti, kun kevään levätuotannosta pohjaan vajoavan orgaanisen aineksen hajotus kuluttaa happea pohjanläheisestä vedestä. Vesipatsaan voimakas lämpötilakerrostuneisuus estää hapekkaan pintaveden pääsyn pohjalle ja hajotustoiminnan seurauksena happi kuluu joillakin alueilla loppuun pohjanläheisestä vedestä ja sedimentin pinnasta

63 Liite Mallilyhenteet ja niiden selitykset COHERENS: Vedenlaatumallin tarvitsemat lämpötila- ja virtauskentät tuotetaan kolmiulotteisella (3D) hydrodynaamisella merimallilla. Hydrodynamiikan mallinnukseen käytetään COHERENSmallia (Luyten, 2013), joka on kehitetty rannikkoalueiden ja reunamerien mallinnukseen. Tämä mallimme sisältää hienohilaisen (0.5 km) Saaristomeren mallin kytkettynä karkeampaan (3.7 km hila) koko Itämeren malliin. SEABED: Aiemmassa hankkeessa (SEABED) sovellettu ekosysteemimalli, jonka vedenlaatumoduulin (PyWQM) muuttujina ovat kokonais- ja epäorgaaniset ravinteet (N ja P) sekä leväbiomassa ja a-klorofylli. Mallia on kehitetty hankkeessamme, ja se perustuu vesipatsaan ravinnekiertomallin (Kiirikki ym. 2001; kts. Kuva 4.5.2) ja 3D hydrodynaamisen mallimme (COHERENS) kytkentään. Saaristomeren kuormitusmallijärjestelmä: Mallijärjestelmässämme vedenlaatumalli (SEABED) on kytketty 3D hydrodynaamiseen malliimme (COHERENS) ja saa vesi- ja ravinne- ym. syötteet valuma-alueelta, pistekuormittajilta, sedimenteistä (sisäinen kuormitus) sekä taustakuormituksena Saaristomeren mallialueen reunojen yli (vrt. Kuva 4.2). PyWGM: SEABED -mallin vedenlaatumoduuli (Python Water Quality Model) VEMALA: Vesistömallijärjestelmän vedenlaatuosio. Koko Suomen kattava järjestelmä, joka kuvaa ravinnekuormitusta vesistöihin, kuormituksen kulkeutumista ja pidättymistä vesistöissä ja kuormitusta mereen. VEMALA v3 versio sisältää kokonaisravinteiden lisäksi ravinnejakeet typelle ja fosforille. ICECREAM: Peltojen ravinnekuormitusta kuvaava malli. ICECREAM on dynaaminen peltolohkokohtainen malli, joka kuvaa ravinnekuormitusta peltolohkon ominaispiirteiden ja viljelytoimenpiteiden perusteella

64 Liite Hydrodynaamisen mallin kuvaus Saaristomeren 3D hydrodynamiikan mallinnukseen käytetään karkean erottelukyvyn Itämerimallin ja tarkan erottelukyvyn rannikkomallin yksisuuntaista kytkentää ( nesting ). Saaristomerisovelluksen horisontaalinen erottelukyky on 0.25 merimailia eli noin 460 metriä ja siinä on 40 vertikaalikerrosta. Saaristomerimalli saa reunaehdot eli tiedon lämpötilasta, suolaisuudesta, virtauksista ja vedenkorkeudesta mallialueen avoimilla reunoilla Itämerimallilta. Tämän Itämerisovelluksen horisontaalinen erottelukyky on kaksi merimailia eli noin 3.7 kilometriä ja siinä on 80 vertikaalikerrosta. Alkuperäinen COHERENS-malli käyttää vertikaalisuunnassa ns. sigma-kerroksia eli jakaa vesipatsaan tasaisesti samaan määrään kerroksia syvyydestä riippumatta. Kun syvyysvaihtelut ovat mallialueella suuria, tämä tuottaa liian paksun (jopa yli kolmen metrin) pintakerroksen syvemmillä alueilla. Pintakerroksen dynamiikan kuvauksen parantamiseksi sekä Itämeri- että Saaristomerimalliin asennettiin Siddornin ja Furnerin (2013) kehittämä menetelmä, jolla voi määritellä vakiopaksuiset pinta- ja pohjakerrokset. Sigma-kerroksia käytetään nyt matalammilla hilapisteillä ja tätä uutta menetelmää syvemmillä alueilla siten, että pintakerros on maksimissaan metrin paksuinen. Syvyyshila Itämerimallin syvyystiedot perustuvat IOW:n aineistoihin (Leibniz-Institut für Ostseeforschung Warnemünde, Seifert & Kayser, 1995) sekä BSBD:n aineistoihin (Baltic Sea Bathymetry Database, Baltic Sea Hydrographic Commission, 2013). Saaristomerimallin käyttämät syvyystiedot (Kuva 4.4.1) koostettiin Liikenneviraston merikartoista, ja lisäksi mallihilan muodostamisessa käytettiin tiheän erottelukyvyn (0.01 merimailin) maapeittoa. Tämän perusteella määriteltiin 0.25 merimailin hilassa maa-alueet käyttäen kynnysarvoa saarten prosenttiosuus hilapisteessä: jos saarten osuus pisteessä on alle 30 %, piste on merta. Menetelmällä pyrittiin etsimään optimaalinen hila, jossa on huomioitu saariston osuus riittävällä tarkkuudella, ja minimoimaan hilan muokkaukseen tarvittavan manuaalisen työn määrä. Syvyyshilaa muokattiin vielä useiden testiajojen perusteella, esimerkiksi suodattamalla pois jyrkimpiä syvyysvaihteluja ja syventämällä tai avaamalla vesiväyliä. Mallien syöttötiedot Hydrodynaamiset merimallit tarvitsevat alkutiedot meriveden lämpötilasta ja suolaisuudesta, säätiedot (lämpötila, ilmanpaine, tuulet, pilvisyys, sademäärä, suhteellinen kosteus), jokivirtaamat sekä tiedon vedenkorkeudesta, virtauksista, lämpötilasta ja suolaisuudesta mallialueen avoimilla reunoilla. Lämpötilan ja suolaisuuden alkukentät on luotu DAS-ohjelmalla (Sokolov ym., 1997), joka interpoloi kentät havainnoista. Alkukentät perustuvat Itämeren alueen avoimissa tietokannoissa oleviin lämpötila- ja suolaisuushavaintoihin. Sääsyötteenä käytetään Ilmatieteen laitoksen numeerisen sääennustemalli HIRLAMin ennusteita. HIRLAM -aineiston spatiaalinen resoluutio on neljä merimailia (7.4 km) ja aikaresoluutio kolme tuntia (HIRLAM-B, 2012 ). Suomen jokien virtaamatiedot merimallit saavat VEMALA -valuma-aluemallilta. Lisäksi Itämerimalli käyttää muiden kuin Suomen jokien osalta klimatologisia kuukausikeskiarvoja (Bergström & Carlsson, 1994). Itämerimallissa on avoin reuna Pohjanmerelle Tanskan salmissa. Lämpötila- ja suolaisuusprofiilit tällä reunalla on otettu Copernicus Marine Environment Monitoring Service -palvelun merimallituotteista ja vedenkorkeus SMHI:n havaintoaineistosta (Göteborgin mareografi). Saaristomerimalli saa avoimien reunojen tiedot luonnollisesti Itämerimallilta

65 Liite Biogeokemiallisen ravinnekiertomallin kuvaus Laskentahila, -alue, ja -tarkkuus Biogeokemiallinen vedenlaatumallimme käyttää taustatietoinaan COHERENS-merimallin laskemaa virtaus-, lämpötila- ja suolaisuusdataa, jota on saatavilla 0.25 merimailin alueellisella tarkkuudella ja 40 syvyyskerroksessa. Merimallin laskentahila määrittää samalla vedenlaatumallin alueellisen kattavuuden (Kuva 4.5.2). Vedenlaatumoduulin käyttämä mallinnustarkkuus voi vaihdella käyttäjän valinnan perusteella 0.25 merimailin ja vesimuodostumatason välillä. Malli keskiarvoistaa hydrodynaamisen datan alueellisesti valittuun horisontaaliin mallinnustarkkuuteen ja pystysuunnassa vastaavasti tuottavaan pintakerrokseen ja syväveteen. Vedenlaatumalli tuottaa tuloksia yhden vuorokauden aika-askeleella, mutta sisäisesti malli voi valita pienemmänkin aikaaskeleen laskentatarkkuuden parantamiseksi. Syöttötiedot ja niiden käyttö Tässä hankkeessa on suurelta osin keskitytty SEABED -mallin vedenlaatu (PyWQM) -moduulin kehittämiseen ja muokkaamiseen käyttämillemme syöttötiedoille. Vedenlaatumallimme hyödyntää 3D hydrodynaamisen mallin tuottamia kenttiä usealla tavalla. Ravinteet kulkeutuvat laskettujen virtauskenttien mukaisesti vesialueilta toisille ja liikkuvat lisäksi vesipatsaassa pystysuunnassa tuottavan kerroksen ja pohjakerroksen välillä. Lämpötilatietoa hyödynnetään malliyhtälöissä kasvu- ja hajoamisprosesseissa. Tietoa pohjanläheisestä virtausnopeudesta hyödynnetään määriteltäessä, voiko laskeutuva aines sedimentoitua kyseisellä alueella ja ajanhetkellä. Kynnysarvona käytetään 10 cm/s, jota suuremmilla virtausnopeuksilla sedimentaatiota ei tapahdu vaan ravinteet pysyvät vesipatsaassa. Hydrodynaamisen mallin laskentahilan perusteella määritetään myös vedenlaatumallin laskenta-alueiden ja kerroksien pinta-alat ja tilavuudet. Vedenlaatumoduuli tarvitsee toimiakseen myös tiedot alueen globaalista säteilystä. Tätä varten tiedot on haettu SMHI:n STRÅNG-mallista mallinnusajanjaksolle. Biogeokemialliset reunaehdot (ravinteet ja leväbiomassa) on tuotettu Saaristomeren ulkoreunojen intensiivimittausasemien mittaustulosten perusteella mallinnusalueen ulkorajoille. Pistekuormitustiedot (kalankasvattamot, jätevedenpuhdistamot, teollisuus, muut) on saatu VAHTI-palvelusta ja niiden koordinaatteja on tarvittaessa muokattu, jotta ne sopivat laskentaalueelle. Joitakin kuormittajia on jouduttu jättämään pois tapauksissa, joissa laskentahila ei ulotu alueelle, joilla kuormittaja on. Kuormitusdata käsitellään automaattisesti mallin käyttämälle yhden vuorokauden aika-askeleelle. Joki- ja valuma-aluetiedot sekä sisämaan että saariston alueilta saadaan VEMALA -mallista. VEMALA tarjoaa useita kuormitusskenaarioita, joista käyttäjä valitsee halutun skenaarion mukaan vedenlaatumalliin. Vedenlaatumalli Saaristomerihankkeen tarkoitukseen muokatun vedenlaatumallin perustoimintakaavio on esitetty Kuvassa (Kiirikki ym. 2001). Malli sisältää dynaamisina muuttujina epäorgaanisen typen ja fosforin lisäksi kaksi leväryhmää (autotrofiset eukaryootit ja N 2 -sitovat sinilevät) sekä kaksi detritus-komponenttia (N ja P), joiden välityksellä simuloidaan ravintoverkon sedimentaatiohävikki ja ravinteiden kierrätys (remineralisaatio). Jokaisessa laskentayksikössä on tuottava pintakerros ja syvän veden kerros: ne toimivat muuten identtisesti, mutta levien oletetaan kasvavan vain tuottavassa (valaistussa) pintakerroksessa. Hydrodynaamisesta merimallista saadaan arvio kerrosten välisen vertikaalin vedenvaihdon suuruudelle, jonka avulla lasketaan ravinteiden kulkeutuminen pinnan ja pohjan välillä. Merimallin virtauskenttiä hyödynnetään myös laskettaessa ravinteiden horisontaalia kulkeutumista vierekkäisten laskentayksiköiden välillä. Vedenlaatumalli sisältää kaikkiaan noin kolmekymmentä parametria, joiden arvot on suurimmaksi

66 osaksi otettu SEABED -hankkeen Saaristomerimallista (käytännössä Kiirikki ym tutkimuksen kalibroinneista). Malliin on lisätty valuma-alueen ravinnekuormitus (VEMALA mallista) ja mittaustietoihin perustuva alueellisesti ja ajallisesti vaihteleva sisäisen kuormituksen syöte sekä kokonaisravinteiden laskenta. Kokonaisravinteet lasketaan konservatiivisesti (olettaen ne passiivisiksi merkkiaineiksi) pientä mallin laskemaa detrituksen sedimentaatiohävikkiin perustuvaa korjausta lukuun ottamatta. Mallin leväryhmät lasketaan biomassana, joka muunnetaan a-klorofylliksi Kuusisto ym. (1998) mukaan. Malliajon toimintaperiaate ja mallinnusympäristö Vedenlaatumallin yhteyteen on rakennettu kokoelma apuohjelmia, jotka pitävät huolen mallin tiedonvaihdosta käyttöliittymärajapinnan kanssa. Ohjelmat huolehtivat uuden malliajon käynnistämisestä, syöttötietojen hakemisesta ja käsittelystä, tulostietojen välittämisestä käyttöliittymään sekä metatietojen (esim. ajoaika) vaihdosta vedenlaatumallin ja käyttöliittymän välillä. Kaikki tämä tapahtuu automaattisesti käyttäjän käynnistettyä malliajon käyttöliittymän kautta. Malliajon toimintaperiaate on seuraava: 1. Haetaan mallinnusasetukset (esim. aikaväli, laskentayksiköt), hila ja pistekuormittajatiedot käyttöliittymärajapinnalta 2. Jaetaan mallinnusalue laskentayksiköihin (esim. vesimuodostumiin) 3. Aggregoidaan merimallin hydrodynaaminen data laskentayksiköille 4. Lasketaan alku- ja reunaehdot sekä käsitellään säteilydata 5. Haetaan VEMALAn skenaariovarastosta oikea versio ja käsitellään data mallin ymmärtämään muotoon 6. Muunnetaan pistekuormittajadata vuositasolta vuorokausitasoon 7. Jaetaan kaikki kuormitusdata (pistekuormittajat, VEMALA, sisäinen kuormitus) koordinaattien perusteella oikeisiin laskentayksiköihin 8. Kirjoitetaan malliajon lähtötiedot käyttöliittymärajapintaan 9. Ajetaan vedenlaatumalli 10. Kirjoitetaan tulostiedot käyttöliittymärajapinnalle 11. Haetaan mallinnusasetukset (esim. aikaväli, laskentayksiköt), hila ja pistekuormittajatiedot käyttöliittymärajapinnalta 12. Jaetaan mallinnusalue laskentayksiköihin (esim. vesimuodostumiin) 13. Aggregoidaan merimallin hydrodynaaminen data laskentayksiköille 14. Lasketaan alku- ja reunaehdot sekä käsitellään säteilydata 15. Haetaan VEMALAn skenaariovarastosta oikea versio ja käsitellään data mallin ymmärtämään muotoon 16. Muunnetaan pistekuormittajadata vuositasolta vuorokausitasoon 17. Jaetaan kaikki kuormitusdata (pistekuormittajat, VEMALA, sisäinen kuormitus) koordinaattien perusteella oikeisiin laskentayksiköihin 18. Kirjoitetaan malliajon lähtötiedot käyttöliittymärajapintaan 19. Ajetaan vedenlaatumalli 20. Kirjoitetaan tulostiedot käyttöliittymärajapinnalle Malliajon toimintaperiaate ja mallinnusympäristö Vedenlaatumallin yhteyteen on rakennettu kokoelma apuohjelmia, jotka pitävät huolen mallin tiedonvaihdosta käyttöliittymärajapinnan kanssa. Ohjelmat huolehtivat uuden malliajon käynnistämisestä, syöttötietojen hakemisesta ja käsittelystä, tulostietojen välittämisestä käyttöliittymään sekä metatietojen (esim. ajoaika) vaihdosta vedenlaatumallin ja käyttöliittymän

67 välillä. Kaikki tämä tapahtuu automaattisesti käyttäjän käynnistettyä malliajon käyttöliittymän kautta. Malliajon toimintaperiaate on seuraava: Vedenlaatumalli, apuohjelmat ja käyttöliittymärajapinta on toteutettu Linux-ympäristössä alun perin Python-ohjelmointikielellä, ja ne sijaitsevat SYKEn verkossa coherens.vyh.fivirtuaalipalvelimella. Palvelin sisältää 20 laskentaydintä ja 24 gigatavua muistia. Tällä järjestelmällä vedenlaatumoduulilta kestää vähän yli puoli tuntia jokaista malliajovuotta kohti esikäsitellä lähtötiedot mallin ymmärtämään muotoon. Esimerkiksi hydrodynaamista dataa on vedenlaatumoduulin käsiteltävänä yhteensä noin 233 gigatavua, joka on vain murto-osa merimallin tuottamasta kokonaisdatamäärästä. Nyttemmin malli on käännetty Fortranille, mikä on nopeuttanut sen ajoja huomattavasti

68 Liite VEMALA ja ICECREAM mallien kuvaukset The VEMALA model is an operational, national scale nutrient loading model for Finnish watersheds (Huttunen et al., 2015). It simulates nutrient processes, leaching and transport on land, and in rivers and lakes. The model simulates nutrient gross load, retention and net load from Finnish watersheds to the Baltic Sea. It includes two main sub-models, the WSFS hydrological model (Vehviläinen, 1994) and the VEMALA water quality model (Huttunen et al., 2015). In the present simulations the VEMALA model uses results from the ICECREAM model for the agricultural input of nitrogen and phosphorus. This development allows the simulation of agricultural scenarios for both phosphorus and nitrogen using ICECREAM (Table 1). Table 1: Sub-models used in the VEMALA v.3 model Agricultural input with ICECREAM model ICECREAM model is based on CREAMS (Knisel 1980) and GLEAMS (Knisel 1993) models, applied to Finnish conditions by Rekolainen and Posch (1993), and further developed for simulation of phosphorus loading from Finnish fields by Tattari et al. (2001), Yli-Halla et al.(2005), Bärlund et al. (2009) and Jaakkola et al. (2012). After coupling ICECREAM with VEMALA in 2011, the ICECREAM model has been developed as a part of the VEMALA modelling system (see Huttunen et al. 2015). The development project is continuous, and ICECREAM has also been further developed during the Archipelago Sea Modelling project. Not all the changes applied to the model have been reported in publications. These changes include the modifications to the water flow and nitrogen loading simulation (described in detail in the 6 th progress report of the Archipelago Sea Modelling project), erosion processes, catch crop simulation and the leaching of dissolved phosphorus from crop residues left on the soil surface over winter. In VEMALA, the ICECREAM model is applied to each field plot in every 3 rd level subcatchment. The total daily loading is simulated from each field and daily total agricultural loading is simulated as a sum of loadings from each field in a 3 rd level sub-catchment. The water flow simulation in ICECREAM is based on the Richards equation and is described in detail in the 6 th progress report of the Archipelago Sea Modelling project. The dependence of hydraulic conductivity on soil water content is calculated according to Haverkamp et al. (1977). Soil water content is calculated as a function of soil water potential also according to Haverkamp et al. (1977). The SCS curve number method is used for calculating surface runoff (Soil Conservation Service 1972). For clay soils, macropore flow is simulated as a fraction of the surface runoff. Evapotranspiration is calculated with the Penman-Monteith method (Monteith & Unsworth 1995). The phosphorus simulation is based on the flow between three mineral P pools (stable, active and labile P) and three organic P pools (manure, fresh organic and stable organic P). The initial inorganic P content is calculated from the concentration of acid ammonium acetate extractable P which is routinely tested from agricultural fields in Finland. The simulated P loading consists of particulate phosphorus (PP) and dissolved phosphorus (DP). They are lost via surface runoff and in clay soils also via macropore flow. In addition, dissolved phosphorus is lost via the water

69 percolating through the soil profile. Losses of PP in surface runoff and macropore flow are linked to soil erosion, which are calculated with the USLE model modified according to Foster (1982). A schematic presentation of the phosphorus flows in the model is shown in Fig. 1. Figure 1: Simulation of phosphorus flows in the ICECREAM model. Nitrogen reactions in the soil are mainly governed by organic matter degradation, nitrification and denitrification. Nitrate and ammonium can be immobilized to microbial biomass if, for example, plant material with a high C:N ratio is added to the soil. However, in traditional management systems with regular ploughing of the soil, the organic matter content decreases over the years (Heikkinen et al. 2013) and mineral nitrogen is thus released to the soil in the long run. Nitrification and denitrification are calculated according to Chatskikh et al. (2005). Nitrate is not retained in the soil, and it moves freely with soil water. Ammonium is bound to sediment, and it can be transported either as dissolved or along with eroded sediment according to the GLEAMS model (Knisel 1993). Also organic N can be transported with the sediment along surface runoff and macropore flow. A detailed description of the nitrogen reactions and flows can be found in the 6 th progress report of the Archipelago Sea Modelling project and a schematic presentation is shown in Fig. 2. VEMALA v.3 nutrient loading catchment model A new version of the VEMALA nutrient loading catchment model was developed during the Archipelago Sea Modelling project to include the differentiation of total nutrients into bioavailable and non-bioavailable nutrient species (VEMALA v.3). The model is developed towards a more process-based model by describing the biogeochemical processes affecting each species along its travel from the headwaters to the Sea. VEMALA v.3 is built on the WSFS hydrological model and uses VEMALA 1.1, VEMALA-N and VEMALA-ICECREAM as terrestrial models (Table 1). The biogeochemical deterministic models are built on the simple and well-known enzymecatalysed reactions (e.g. Michaelis-Menten) that simulate the limiting reactions in the environment driving the entire ecosystem. Most of these reaction rates can be experimentally measured, thus reducing the uncertainty of the model calibration. The relationships between rate constants are also easier to analyze (e.g. sensitivity analysis) (Chen et al., 2010). The deterministic biogeochemical models allow the same processes to be modeled through the aquatic continuum,

70 i.e. the rates are constant, but the conditions (temperature, flow, light ) change therefore the processes vary accordingly. Thus, these models can be applied over large areas without extra calibration. In this study, we implemented a simplification of the ecological model RIVE in the VEMALA model. RIVE was developed by Billen et al. (1994) and is used in the RIVERSTRAHLER (Garnier et al. 1995) and SENEQUE (Ruelland et al., 2007) models. The state variables included in the model are oxygen, nutrients (organic nitrogen, nitrate (NO 3 - ) and ammonium (NH 4 + ), phosphate (PO 4 3- ), organic phosphorus and inorganic particulate phosphorus), suspended sediments and total organic carbon (Figure 3). Phytoplankton is the only biological species explicitly simulated in the model. The similarities between the phosphorus and nitrogen cycles are important. Indeed, nitrogen and phosphorus are both linked to algal growth and the mineralization process (degradation of the organic matter), which provides energy for the microbial growth. At this stage in the development, the impact of sediment processes (early diagenesis) on the water quality is not included. Figure 2: Nitrogen reactions and flows in the ICECREAM model

71 Figure 3: Biogeochemical sub-model used in VEMALA v