BFM-mallin soveltaminen järviympäristöön : Pohjois- Päijänteen kasviplanktonin kehityksen kuvaus

Abstract

Biochemical Flux Model (BFM) on vesiekologinen malli, joka kuvaa yleisimpien aineiden kiertoa meriekosysteemissä. Yksi sisävesien vedenlaatumallinnuksen kehityssuunta on ollut vesiekologisten mallien linkittäminen virtausmalleihin. BFM-malli on useissa tutkimuksissa linkitetty 3D-virtausmalleihin. Tässä tutkimuksessa testattiin BFM-mallin soveltuvuutta järven kasviplanktonin biomassan kehityksen sekä a-klorofyllipitoisuuden kuvaamiseen. Sovellus toteutettiin 0-dimensioisena laatikkomallina Pohjois-Päijänteellä. Malli kalibroitiin vuodelle 2010 ja validointiin käytettiin vuosia 2011, 2012 ja 1977. Herkkyysanalyyseissa tutkittiin kalibroituja parametreja ja a-klorofyllisynteesejä sekä kasviplanktonin biomassaan eniten vaikuttavia tekijöitä. Kalibrointivuoden jälkeisellä ajanjaksolla malli ennusti keskiarvotilan tasolla toiminnallisten ryhmien (piilevät, nanoflagellaatit ja muut levät) sekä a-klorofyllipitoisuuden arvoja hyvin, mutta Nash- Sutcliffe -selitysaste oli negatiivinen. Vuonna 1977, jolloin järvi oli nykyistä paljon rehevämpi, malli yliarvioi kevään ja kesän kasviplanktonin biomassan. Tämä voi johtua mallin liian yksinkertaisesta fysikaalisesta kuvauksesta, riittämättömästä ravinnekuvauksesta, tai kasviplanktonin merellisestä parametrisoinnista. Sellu- ja paperiteollisuuden jätevesien toksisten yhdisteiden inhibitio on asia, jota malli ei huomioinut. Haitallisten aineiden tiedetään rajoittaneen kasviplanktonbiomassaa 1970- luvulla, ja se saattaa olla merkittävä syy havaittuun anomaliaan. Mallin kasviplanktonin biomassakuvaus on herkkä ravinnepitoisuuksille ja valolle, joten intensiivisempi ravinteiden näytteenotto tai linkittäminen toisiin malleihin parantaisi todennäköisesti ennustekykyä.

Biochemical Flux Model (BFM) is an aquatic ecological model, which describes major biochemical processes in marine ecosystems. One of the recent trends in water quality modelling is linking ecological models to hydrodynamic models to get spatial descriptions for predictions. In a number of studies, BFM is linked to 3D-hydrodynamic models for spatial description. In this study BFM applicability for phytoplankton biomass dynamics and chlorophyll a in a lake environment was tested as a box model in Northern Lake Päijänne. Model calibration was performed for the year 2010 and validation for years 2011, 2012 and 1977. Sensitivity analysis was conducted to the calibrated parameters and chlorophyll a synthesis and also to find most influential input variables to phytoplankton biomass. After calibration the time period model performed well at average condition levels of phytoplankton variables (diatoms, nanoflagellates and other phytoplankton) and chlorophyll a, but Nash-Sutcliffe efficiency was negative. In eutrophic conditions in 1977, the model overestimated spring and summer phytoplankton biomasses. This may be due to simplified physical and insufficient nutrients description used in the model and phytoplankton parametrization for marine environment. The pulp and paper industry’s wastewater toxic compounds inhibition is something that model ignored. Harmful substances are known to limit phytoplankton biomass in the 1970s, and it may be a major cause of the observed anomaly. The model’s phytoplankton description is sensitive to nutrient concentrations and illumination. Therefore more intensive monitoring of nutrients or linking the used model to other models would likely improve its prediction ability.