MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Miljø- og Fødevareudvalget 2020-21
MOF Alm.del Bilag 69
Offentligt

FOSFORKORTLÆGNING AF DYRKNINGSJORD

OG VANDOMRÅDER I DANMARK

Videnskabelig rapport fra DCE – Nationalt Center for Miljø og Energi

nr. 397

2020

AARHUS

UNIVERSITET

DCE – NATIONALT CENTER FOR MILJØ OG ENERGI

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

[Tom side]

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

FOSFORKORTLÆGNING AF DYRKNINGSJORD

OG VANDOMRÅDER I DANMARK

Videnskabelig rapport fra DCE – Nationalt Center for Miljø og Energi

nr. 397

2020

Redaktører:

Hans Estrup Andersen

Goswin Heckrath

Aarhus Universitet, Institut for Bioscience

Aarhus Universitet, Institut for Agroøkologi

AARHUS

UNIVERSITET

DCE – NATIONALT CENTER FOR MILJØ OG ENERGI

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Datablad

Serietitel og nummer:

Kategori:

Titel:

Redaktører:

Forfattere:

Videnskabelig rapport fra DCE - Nationalt Center for Miljø og Energi nr. 397

Rådgivningsrapporter

Fosforkortlægning af dyrkningsjord og vandområder i Danmark

Hans Estrup Andersen

og Goswin Heckrath

Hans Estrup Andersen

(redaktør), Goswin Heckrath

(redaktør), Nils Onnen

, Kristof

Van Oost

, Anders Bjørn Møller

, Mogens Humlekrog Greve

, Jonas Rolighed

, Trine

Nørgaard

, Yi Peng

, Lis Wollesen de Jonge

, Bo Vangsø Iversen

, Ali Mehmandoost

Kotlar

, Adrian-Florin Florea

, Dominik Zak

, Hans Christian Bruun

, Amelie Beucher

Rasmus Jes Petersen

, Hans Thodsen

, Henrik Tornbjerg

, Annette Baattrup-

Pedersen

, Tenna Riis

, Trine Just Johnsen

, Pau Giminez Grau

, Annica Olesen

Liselotte Sander Johansson

, Martin Søndergaard

, Jesper P. A. Christensen

, Helle

Knudsen-Leerbeck

, Anders Erichsen

, Karen Timmermann

Aarhus Universitet,

Institut for Bioscience,

Institut for Agroøkologi,

Institut for Biologi,

Université catholique de Louvain, Belgien,

Earth & Life Institute, University of Sao

Paulo, Brasilien,

Centre for Nuclear Energy in Agriculture, Københavns Universitet,

Institut for Plante- og Miljøvidenskab &

Dansk Hydraulisk Institut

Aarhus Universitet, DCE – Nationalt Center for Miljø og Energi ©

http://dce.au.dk

Oktober 2020

September 2020

Aarhus Universitet: Søren Munch Kristiansen, Gitte Holton Rubæk, Rasmus Jes

Petersen, Christen Duus Børgesen, Bo Vangsø Iversen, Jørgen Windolf, Torben Linding

Lauridsen, Stiig Markager, Martin Søndergaard

Signe Jung-Madsen

Anne Mette Poulsen

Miljø- og Fødevareministeriet. Kommentarerne findes her:

http://dce2.au.dk/pub/komm/SR397_komm.pdf

Miljøstyrelsen

Andersen, H. E. & Heckrath, G. (redaktører). 2020. Fosforkortlægning af dyrkningsjord

og vandområder i Danmark. Aarhus Universitet, DCE – Nationalt Center for Miljø og

Energi, 338 s. - Videnskabelig rapport nr. 397

http://dce2.au.dk/pub/SR397.pdf

Gengivelse tilladt med tydelig kildeangivelse

Sammenfatning:

Tab af fosfor til vandmiljøet med en række diffuse transportveje er opgjort på

grundlag af en omfattende indsamling af nye data suppleret af eksisterende data og

udvikling af en række modeller. De udviklede kortlægninger af risikoområder for

fosfortab er samlet i et fælles kortværk. For vandløb, søer og marine områder er

vandområdernes følsomhed for tilførsel af fosfor vurderet og forsøgt kortlagt.

Fosfor, risikoområder, kortlægning, vandområders fosforfølsomhed

Grafisk Værksted, AU Silkeborg

Colourbox

978-87-7156-523-2

2244-9981

338

Rapporten er tilgængelig i elektronisk format (pdf) som

http://dce2.au.dk/pub/SR397.pdf

Institutioner:

Udgiver:

URL:

Udgivelsesår:

Redaktion afsluttet:

Faglig kommentering:

Kvalitetssikring, DCE:

Sproglig kvalitetssikring:

Ekstern kommentering:

Finansiel støtte:

Bedes citeret:

Emneord:

Layout:

Foto forside:

ISBN:

ISSN (elektronisk):

Sideantal:

Internetversion:

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Indhold

Forord

Summary

Sammenfatning

Baggrund

2.1

2.2

Tab af fosfor

Fosfors indvirkning på overfladevandsområder

106

112

123

143

149

152

Anvendte metoder

3.1

3.2

Fosforrisikokort

Fosforfølsomme vandområder

Resultater

Kortlægning af potentielt fosfortab fra landbrugsjord ved

vanderosion

4.2 Kortlægning af jordens fosforbindingskapacitet i danske

jorde baseret på oxalat-ekstraherbart aluminium og jern

4.3 Kortlægning af fosforudvaskning gennem jordens

matrice

4.4 Partikelmobilisering og makroporetransport

4.5 Fosfor i organisk lavbundsjord

4.6 Kortlægning af fosfortab ved brinkerosion

4.7 Kildeopsplitning af det samlede tab af fosfor

4.8 Kildeopsplitning af det diffuse tab af fosfor

4.9 Kortværket over risiko for fosfortab

4.10 Fosforfølsomme vandområder: vandløb

4.11 Fosforfølsomme vandområder: søer

4.12 Fosforfølsomme vandområder: marine områder

4.1

Bilag 1 Oversigt over målinger af fosfortab fra dyrket organisk

lavbundsjord

Bilag 2 Mapping the phosphate adsorption capacity of Danish soils

based on oxalate-extractable aluminum and iron

Bilag 3 Modelling leaching of dissolved phosphorus from Danish

agricultural soils

Bilag 4 Mapping mobilization of water dispersable colloids and the

risk of phosphorus loss via macropores

Bilag 5 Mapping of different soil properties related to mobilization

potential of phosphorus in farmed organic lowland soils

Bilag 6 Modelling phosphorus loss by stream bank erosion

153

154

215

241

263

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Bilag 7 Fosforfølsomme vandområder; søer

Bilag 8 Kortlægning af marine vandområders fosforfølsomhed

291

317

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Forord

Projektet

Fosforkortlægning af dyrkningsjord og vandområder i Danmark

er gen-

nemført af Aarhus Universitet i samarbejde med Københavns Universitet,

Dansk Hydraulisk Institut og Wageningen Environmental Research (Alterra)

for Miljø- og Fødevareministeriet i perioden 2017-2020.

Formålet med projektet

Fosforkortlægning af dyrkningsjord og vandområder i

Danmark

har været at få kortlagt de landbrugsarealer, hvor risikoen for fos-

fortab er størst. Denne viden kan sammenholdes med de vandområder, der

vurderes som fosforfølsomme og dermed er i risiko for ikke at opfylde vand-

område- og Natura2000-planens miljømål. Projektet kan dermed danne

grundlag for en eventuel, målrettet regulering af fosfor, som kan differentie-

res i forhold til de områder, hvor det fremgår, at både risikoen for fosfortab er

stor, og hvor vandmiljøet er fosforfølsomt.

Projektet har bestået af i alt ni delprojekter, som har fokuseret på mobilisering

og transport af fosfor samt fosforfølsomhed i vandløb, søer og marine områder.

I projektet har også indgået en kildeopsplitning af fosfortabet baseret på de nye

kortlægninger og sammenlignet med metoden, som benyttes i NOVANA.

Projektet har resulteret i en række GIS-temaer, der er samlet i et enkelt, lands-

dækkende GIS-projekt. Kortene er beskrevet i afrapporteringen.

Nærværende rapport udgør den samlede afrapportering af projektets resul-

tater. Rapporten består af en dansk sammenskrivning af resultaterne fra del-

projekterne samt af en række bilag, der indeholder yderligere information om

de indsamlede data, anvendte metoder og udviklede modeller. Rapporten fal-

der i tre overordnende dele: en kortlægning af risikoarealer for fosfortab til

overfladevand, der har resulteret i et samlet kortværk, en kildeopsplitning af

det samlede diffuse fosfortab til overfladevand samt en vurdering af fosfor-

følsomme vandområder: vandløb, søer og marine områder.

Projektet har været finansieret af Miljøstyrelsen. Arbejdet har været fulgt af

en styregruppe bestående af Lidde Bagge Jensen (Miljø- og Fødevareministe-

riet, MFVM), Peter Kaarup (MFVM), Harley Bundgaard (MFVM), Morten Ejr-

næs (MFVM), Peter Henriksen (AU), Erik Steen Kristensen (AU) og Jørgen E.

Olesen (AU). Styregruppens opgave har været at sikre arbejdets fremdrift.

Der er i projektperioden afholdt to orienteringsmøder for interessenter med

deltagelse af Danmarks Naturfredningsforening, Bæredygtigt landbrug,

Landbrug & Fødevarer, Dansk Vand- og Spildevandsforening, Dansk Akva-

kultur, Dansk Sportsfiskerforbund og Rådet for Grøn Omstilling.

Udkast til rapporten har været i høring hos MFVM. Høringskommentarer og

håndtering af kommentarerne kan ses på

http://dce2.au.dj/pub/komm/SR397_komm.pdf.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Summary

The loss of phosphorus (P) to the aquatic environment has been estimated for

different transport pathways based on comprehensive new data supple-

mented by existing data as well as the development of a number of models. A

series of maps has been produced indicating risk areas for phosphorus loss to

surface water across Denmark. In addition, an attempt has been made to map

the phosphorus sensitivity of streams, lakes and marine areas.

Water erosion on agricultural land and sediment delivery to surface water

have been mapped with a spatial resolution of 10 m using the WaTEM model.

The model incorporates detailed landscape data and has been calibrated.

Phosphorus erosion from fields to surface waters has been calculated by com-

bining soil loss from farmland to water with spatially varying estimates of the

phosphorus content in the eroded soil. At national scale, the annual phospho-

rus loss due to erosion is estimated at 56 t P year

-1

with a 95% confidence in-

terval of 53 – 58 t P year

-1

Leaching of dissolved phosphorus by matric flow to tile drains has been cal-

culated at field scale using a modification of the Dutch PLEASE model. The

model has been parameterised based on comprehensive laboratory analyses

of phosphorus sorption characteristics in representative soils from Denmark.

The model utilizes a newly established nationwide map of the soils’ phospho-

rus sorption capacity, for which a large number of archived and new soil sam-

ples have been analyzed. At national scale, the annual phosphorus loss by

matric leaching is estimated at 59 t P year

--1

with a 95% confidence interval of

23 – 94 t P year

-1

An indicator for the risk of phosphorus loss to tile drains by macropore

transport has been mapped nationwide. First, based on measured particle mo-

bilization in a wide range of soil samples, a pedotransfer function has been de-

veloped for estimating and mapping the potential for particle mobilization. Sec-

ond, an existing model for predicting the occurrence of macropore flow in soils

has been improved by including many new soil hydraulic measurements in

model development and using more advanced hydrological modelling. The

maps of the potential for particle mobilisation and the risk of macropore

transport have then been combined for representing risk classes for phosphorus

loss in connection with macropore transport. It has not been possible to quantify

phosphorus loss by macropore transport at fine spatial scale. However, based

on measurements of phosphorus loss in drainage water in numerous catch-

ments and a map of the contribution of macropore flow to drain discharge, the

total phosphorus loss by macropore transport in Denmark is estimated at 162 t

P year

-1

with a 95% confidence interval of 138 – 191 t P year

-1

Phosphorus mobilisation in organic lowland soils from 47 locations across Den-

mark was studied in comprehensive laboratory experiments. They showed that

the empirical model of Forsmann and Kjærgaard (2014) describing the potential

for phosphorus mobilisation as a function of the Fe:P ratio in soils cannot gen-

erally be applied to all organic lowland soils. Neither was it possible to explain

phosphorus mobilization as a function of the degree of phosphorus saturation.

Currently, a generally applicable model for predicting the potential of phospho-

rus mobilisation in organic lowland soils is lacking. Based on measured phos-

phorus loss from selected cultivated organic lowland soils and the extent of

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

such soils in Denmark, a crude estimate of the total phosphorus loss from culti-

vated organic lowland soils was obtained amounting to 326 t P year

-1

, with an

uncertainty interval of 69 – 515 t P year

-1

A model has been developed for large-scale mapping of stream bank erosion

in Denmark based on two Danish data sets of measured stream bank erosion.

By combining the modelled erosion rates with a large number of new meas-

urements of the phosphorus content in stream banks, phosphorus loss is esti-

mated at 644 t P year

-1

with a 95% confidence interval of 422 – 1373 t P year

-1

Summing the estimated phosphorus losses in connection with water erosion,

stream bank erosion, matric leaching and macropore transport in upland soils,

leaching from organic lowland soils as well as the contributions from wind

erosion, surface runoff and groundwater, the total diffuse phosphorus loss in

Denmark amounts to 1327 t P year

-1

with an uncertainty interval of 715 – 2261

t P year

-1

. The contribution from agricultural sources is estimated at 683 t P

year

-1

with an uncertainty interval of 292 – 888 t P year

-1

. In this context, stream

bank erosion is regarded as part of the natural background contribution, alt-

hough some of the eroded stream bank material is likely of agricultural origin.

However, the proportion of which cannot be quantified at present.

A range of maps relating to the risk of phosphorus loss from land to water at

fine spatial scale (field scale and finer) has been made available for local miti-

gation planning.

For rivers, lakes and marine areas, an attempt has been made to assess the

sensitivity of these water bodies to phosphorus inputs. Here, phosphorus sen-

sitivity should be understood as an assessment of how likely it is that the en-

vironmental quality of an aquatic area is significantly affected by changes in

the input of phosphorus to this water body.

The composition of plant communities in streams reflects a range of natural

conditions, but different types of anthropogenic influences play an at least

equally important role. In order to be able to assess the extent to which inor-

ganic phosphorus can be critical for meeting the objectives of the Danish Mac-

rophyte Index (DVPI), a method is described based on plant traits that in the

future will allow for a separation of the importance of inorganic phosphorus

from other types of impact. In addition, an interpretation is provided of the

newly developed benthic algae index, SID_TID. By including, among other

things, measurements of phosphorus dynamics in streams, it is demonstrated

that the identified critical concentrations of inorganic phosphorus cannot be in-

terpreted as stringent threshold values for when SID_TID objectives are met.

Based on data from 1213 ponds and 146 lakes > 1 ha, it has been examined

whether the state of the lakes (natural or ecological condition) could be related

to the environmental conditions of their catchment area. Assuming a strong re-

lationship, it may in principle be possible to estimate the state of a given lake on

the basis of catchment characteristics. The analyses showed that there were sev-

eral significant correlations between the natural state index and/or its applied

parameters and catchment characteristics. However, in all cases, the explana-

tory values (< 10%) are low. This means that the use of such catchment data will

be a very uncertain method for estimating the conditions of non-examined

lakes. It is therefore currently not possible on the basis of these data and anal-

yses, to develop a model that can be used to estimate the state of lakes with

unknown conditions from information on properties of the lake catchments.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

The mapping of the phosphorus sensitivity of marine areas was based on six

indicators. These indicators form the basis for a categorisation of the phos-

phorus sensitivity of marine areas as scaled from the variation in the phos-

phorus sensitivity of Danish marine areas. The results of this mapping can

support a qualitative assessment of the expected response of the individual

marine areas to changes in phosphorus inputs relative to other Danish marine

areas. That a marine area is estimated to have a high level of phosphorus sen-

sitivity based on one or more indicators does not preclude the area from being

affected by other factors too. For example, a marine area with high phospho-

rus limitation can also be sensitive to changes in the nitrogen input. Marine

areas exhibiting high levels of phosphorus sensitivity are often characterised

by a mainly phosphorus-limited algae growth, and the marine area being in-

fluenced by phosphorus input from its catchment area. Similarly, a marine

area estimated to have “least” or “low” phosphorus sensitivity can also

change environmental state in response to changes in phosphorus inputs.

However, major or long-term changes in the phosphorus input would be re-

quired to induce a shift in environmental state as either local sources have no

significant effect or accumulation of phosphorus in the sediment over time

has been so high that many years of low loading are required for a system

change to take place.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Sammenfatning

Tab af fosfor (P) til vandmiljøet med en række transportveje er opgjort på

grundlag af en omfattende indsamling af nye data suppleret af eksisterende

data og udvikling af en række modeller. Der er lavet et samlet kortværk, der

viser risikoområder for fosfortab til overfladevand. Derudover er fosforføl-

somheden af vandløb, søer og marine områder forsøgt kortlagt.

Erosion og sedimenttilførsel til overfladevand er kortlagt med WaTEM-mo-

dellen med en rumlig opløsning på 10 m. Modellen inddrager detaljerede

landskabsdata og er kalibreret. Ved at kombinere jordtabet på markerne med

rumligt varierende estimater af fosforindholdet i den eroderede jord er der

beregnet fosforerosion fra mark til vandområder. På landsniveau er det årlige

fosfortab med erosion opgjort til 56 t P år

-1

med et 95 % konfidensinterval på

53 – 58 t P år

-1

Udvaskning af opløst fosfor er beregnet på markniveau med en modifikation

af den hollandske PLEASE-model. Modellen er parameteriseret på grundlag

af omfattende laboratorieanalyser af danske jordes fosforsorptionskarakteri-

stika. Modellen er opsat på grundlag af en landsdækkende ny kortlægning af

jordenes iboende fosforbindingskapacitet, som har inddraget en række nye

måledata. Det årlige fosfortab ved udvaskning er beregnet til 59 t P år

-1

med

et 95 % konfidensinterval på 23 – 94 t P år

-1

Risikoen for fosfortab ved makroporetransport er kortlagt landsdækkende

med en rumlig opløsning på 250 m. Ud fra måling af partikelmobilisering i et

bredt udvalg af jordprøver er der udviklet en pedotransferfunktion til estime-

ring og kortlægning af partikelmobiliseringspotentialet. Desuden er en eksi-

sterende model til forudsigelse af forekomst af makroporestrømning videre-

udviklet på grundlag af mange nye hydrauliske målinger og en mere avance-

ret hydrologisk modellering. Kortene over potentiale for partikelmobilisering

og risiko for makroporetransport er kombineret til et kort, der repræsenterer

risikoklasser for fosfortab ved makroporetransport. Det har ikke været muligt

at kortlægge fosfortabet med makroporetransport kvantitativt på lokalt ni-

veau. Imidlertid er der på grundlag af målinger af fosfortab i dræn og en ny

kortlægning af makroporestrømning til dræn givet et overslag over det sam-

lede fosfortab ved makroporetransport på 162 t P år

-1

med et 95 % konfidens-

interval på 138 – 191 t P år

-1

Fosformobilisering fra organisk lavbundsjord blev undersøgt eksperimentelt

på udtagne prøver fra 47 lokaliteter. Undersøgelserne viste, at den empiriske

model (Forsmann og Kjærgaard, 2014), der beskriver fosformobiliseringspoten-

tialet som funktion af Fe:P-forholdet i jord ikke generelt kan anvendes på alle

lavbundsjorde. Det var heller ikke muligt at forklare fosforfrigivelsen som funk-

tion af fosformætningsgraden. Således savnes for øjeblikket det modelmæssige

grundlag til at kortlægge fosformobiliseringspotentialet i lavbundsjorde. Imid-

lertid er der på grundlag af målinger af fosfortab fra dyrkede organiske lav-

bundsjorde kombineret med den landsdækkende kortlægning af disse jorde gi-

vet et overslag over det samlede fosfortab fra dyrkede organiske lavbundsjorde

på i alt 326 t P år

-1

med et usikkerhedsinterval på 69 – 515 t P år

-1

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Der er udviklet en model til storskala-kortlægning af brinkerosion baseret på

to danske datasæt over målt brinkerosion. Modellen er kombineret med et

stort antal nye målinger af fosforindhold i danske vandløbsbrinker. Fosfortab

som følge af brinkerosion er opgjort til 644 t P år

-1

med et 95 % konfidensin-

terval på 422 – 1373 tons P år

-1

På baggrund af de beregnede fosfortab ved vanderosion, brinkerosion, matri-

ceudvaskning og makroporetransport på højbundsjorde, udvaskning fra orga-

niske lavbundsjorde samt skønnede bidrag fra vinderosion, overfladeafstrøm-

ning og grundvand er det samlede diffuse fosfortab opgjort til 1327 t P år

-1

med

et usikkerhedsinterval på 715 – 2261 t P år

-1

. Landbrugsbidraget er opgjort til

683 t P år

-1

med et usikkerhedsinterval på 292 – 888 t P år

-1

. Brinkerosion er i

denne sammenstilling betragtet som et baggrundsbidrag, selvom der sandsyn-

ligvis er en landbrugsbetinget andel heri, som pt. ikke kan kvantificeres.

De udviklede kortlægninger af risikoområder for fosfortab på fin skala (mark-

niveau og finere) er samlet i et fælles kortværk, som kan inddrages i lokal

virkemiddelplanlægning.

For vandløb, søer og marine områder er det søgt at vurdere vandområdernes

følsomhed for tilførsel af fosfor. Fosforfølsomhed skal her forstås som en vur-

dering af, hvor sandsynligt det er, at et vandområdes miljøkvalitet påvirkes

nævneværdigt af ændringer i tilførsler af fosfor til området.

Sammensætningen af planter i vandløb afspejler en række naturgive forhold,

men forskellige typer af påvirkninger spiller en mindst lige så stor rolle. Med

henblik på at kunne vurdere i hvor høj grad uorganisk fosfor kan være kritisk

for at opnå målopfyldelse med Dansk Vandløbs-Plante Indeks (DVPI) er der

beskrevet en metode baseret på planternes egenskaber, der fremadrettet vil

kunne gøre det muligt at adskille betydningen af uorganisk fosfor fra andre

påvirkningstyper. Derudover leveres en fortolkning af det nyudviklede ben-

tiske algeindeks, SID_TID. Det påvises ved blandt andet at inddrage målinger

over fosfordynamik i vandløb, at de identificerede, kritiske koncentrationer

af uorganisk fosfor ikke kan tolkes som værende stringente grænseværdier

for, hvornår der er målopfyldelse med SID_TID.

På baggrund af data fra 1213 vandhuller og 146 søer > 1 ha er det undersøgt,

hvorvidt der kan findes en sammenhæng mellem søernes tilstand (naturtil-

stand eller økologisk tilstand) og forhold i deres opland. Hvis dette kan påvi-

ses og stærke sammenhænge kan etableres, kan det i princippet være muligt

at estimere tilstanden i ikke-undersøgte søer på baggrund af oplandskarakte-

ristika. Analyserne viste, at der er flere signifikante sammenhænge mellem

naturtilstandsindekset og/eller dets anvendte parametre og oplandskarakte-

ristika. Der er dog i alle tilfælde tale om meget lave forklaringsværdier (< 10

%). Det betyder, at anvendelsen af disse oplandsdata vil være en meget usik-

ker metode til at estimere en tilstand i ikke-undersøgte søer. Det er derfor ikke

muligt på baggrund af disse data og analyser at udvikle en model, som kan

anvendes til at estimere tilstanden i søer med ukendt tilstand ved at anvende

informationer om søernes oplande.

Kortlægningen af marine vandområders fosforfølsomhed er baseret på seks in-

dikatorer. De anvendte indikatorer danner grundlag for en klasseinddeling af

vandområdernes fosforfølsomhed skaleret udfra variationen i danske vandom-

råders fosforfølsomhed, og resultaterne af kortlægningen kan understøtte en

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

kvalitativ vurdering af det enkelte vandområders forventelige respons på æn-

dringer i fosfortilførsler relativt til andre danske vandområder. At et vandom-

råde er vurderet til at have en høj fosforfølsomhed for én eller flere indikatorer,

udelukker ikke, at vandområdet også kan påvirkes af andre faktorer. For ek-

sempel kan et vandområde med høj fosforbegrænsning også være følsomt over

for ændringer i tilførsler af kvælstof. Vandområder med høj fosforfølsomhed er

ofte kendetegnede ved, at algevæksten hovedsagligt er fosforbegrænset, og

vandområdet er påvirket af fosfortilførsler fra dansk opland. Tilsvarende kan

et vandområde, vurderet til at have ”mindst” eller ”lav” fosforfølsomhed, også

ændre tilstand ved ændringer i fosfortilførsler. Der skal dog større eller længe-

revarende ændringer i fosfortilførslerne til, førend miljøtilstanden rykkes næv-

neværdigt, da der enten ikke er stor effekt af de lokale kilder eller da vandom-

rådet over tid har akkumuleret så meget fosfor i sedimentet, at der skal mange

år med lave udledninger til, for at ændre systemet.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Baggrund

2.1

Tab af fosfor

Fosfor tilført jorden bindes normalt hårdt, og der vil til enhver tid kun være

en meget lille mængde uorganisk fosfor opløst i jordvæsken, hvorfra den er

tilgængelig for planteoptag eller udvaskning. Bindingskapaciteten for fosfor i

jord er begrænset; dog varierer den ganske betydeligt for forskellige jordtyper

og med dybden. Tilføres der fosfor til jorden, vil størstedelen bindes i jorden,

og koncentrationen i jordvandet vil kun stige ganske ubetydeligt, hvis jordens

bindingskapacitet for fosfor ikke er opbrugt. Ved fortsat tilførsel beslaglægges

jordens fosforbindingskapacitet imidlertid, og der vil kunne ske mærkbare

stigninger i fosforkoncentrationen i jordvæsken. Selv efter indførelse af fos-

forlofter er der en fortsat fosforakkumulering i jorden på størstedelen af har-

moniarealet (ca. 60 %), nogenlunde svarende til før fosforlofterne (Andersen

m.fl., 2016). Hermed vil den resterende fosforbindingskapacitet i jorden fort-

sat reduceres og med tiden føre til en større fosforlækage, såfremt overskuds-

tilførslen fortsætter.

Fosfor kan ud over tab på opløst form ved udvaskning eller overfladisk af-

strømning også tabes fra dyrkningsjorden som partikulært bundet fosfor ved

vind- og vanderosion, ved overfladisk afstrømning og ved udvaskning via

makroporer til dræn, tabel 2.1.1. Når fosforindholdet i jorden øges, øges også

potentialet for tab af partikulært bundet fosfor via disse transportveje. Det er

ikke muligt direkte at slutte fra en øgning i fosforoverskuddet til en øget tabs-

risiko, da dette i meget høj grad vil bestemmes af lokale forhold, dyrknings-

historien, transportprocessen og jordens fysisk-kemiske egenskaber på den

enkelte mark. Her er der behov for modelberegninger, der udover fosforover-

skuddet inddrager de individuelle forhold, herunder jordens fosforindhold.

Ud over fosfortabet fra dyrkningsjorden er det vigtigt at kunne kvantificere

bidraget fra brinkerosion, baggrundsbidraget fra landarealer samt bidrag fra

spildevand for at kunne bestemme landbrugets andel af det samlede fosfor-

tab. Fosfortab fra det åbne land til vandmiljøet er rumligt og tidsligt stærkt

varierende og det er i rapporten vist, at disse tab hidrører fra en relativt be-

grænset del af det samlede areal – risikoområderne. Risikoområder (også kal-

det

hot spots

eller kritiske kildeområder) er områder, hvor en effektiv trans-

portvej forbinder områder med højt indhold af fosfor i jord med et vandløb

eller en sø.

Der er en tæt kobling mellem kortlægningen af risikoområder for fosfortab,

som beskrives i denne rapport, og kataloget over virkemidler til reduktion af

fosfortab fra diffuse kilder (Andersen et al., 2020). Ved at målrette virkemid-

delindsatsen mod risikoområderne kan der opnås langt bedre effekt og større

omkostningseffektivitet (Andersen & Kronvang, 2006). Virkemidlerne er i ka-

taloget beskrevet således, at det fremgår hvilken eller hvilke tabsveje, de vir-

ker mod, så der kan vælges et virkemiddel, der virker mod netop den tabsvej,

som anses for dominerende i et givent risikoområde.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Tabel 2.1.1.

Oversigt over tabsveje for fosfor til vandmiljøet.

Vinderosion

Ved vinderosion blæses jordpartikler fra de såkaldte afblæsningsflader til aflejringsområder,

herunder vandløb og søer. Vinden er den basale faktor, der starter vinderosion eventuelt i

samspil med temperaturen, der medvirker til at udtørre jordoverfladen og gøre den mere sår-

bar. Fosfor transporteres på partikulær form.

Overfladisk afstrømning

Når nedbøren overskrider jordens infiltrationskapacitet, optræder der stående vand på jord-

overfladen, som afhængigt af topografien kan begynde at løbe af. Fosfor, der er bundet til

det øverste jordlag kan opløses i vandet på overfladen og transporteres. Fosfor transporte-

res på opløst og eventuelt kolloidbundet form.

Erosion

Når hastigheden af det strømmende vand stiger, kan det rive jordpartikler løs, som skylles

med vandet, hvorefter det deponeres i lavninger og vandløbsbræmmer eller transporteres

videre til vandløb og søer. Der er en glidende overgang fra overfladisk afstrømning. Fosfor

transporteres overvejende på partikulær form.

Matriceudvaskning

Makroporeudvaskning

Ved stigende mætningsgrad af jordens fosforbindingskompleks stiger fosforkoncentrationen

i jordvæsken, og fosfor på opløst form kan udvaskes med nedsivende vand.

Makroporeudvaskning skelnes fra matriceudvaskning ved at vandtransporten og fosfortabet

her foregår i makroporer, som er porer større end 0,3 mm og karakteriseret ved ikke at have

kapillareffekt. Vand strømmer derfor kun i disse porer, når jorden lokalt er helt vandmættet.

Makroporer kan i visse tilfælde forbinde det øverste jordlag med drænrør, hvorved den ofte

betydelige ubrugte fosforbindingskapacitet i underjorden omgås. Fosfor transporteres både

på opløst og partikulær form.

Grundvand

Har de jordlag, der ligger over grundvandspejlet, en begrænset fosforbindingskapacitet, og

overstiger fosformætningsgraden i jordlagene et kritisk niveau, vil nydannet grundvand have

en forhøjet fosforkoncentration. Fosfor kan også føres til det øvre grundvand med makropo-

restrømning. I dybere, reduceret grundvand kan der forekomme naturligt høje koncentratio-

ner af opløst fosfor (> 0.1 mg P l

-1

Tab fra organisk lavbundsjord

Dyrkede og drænede lavbundsområder adskiller sig fra mineraljordene både, hvad angår hy-

drologi og fosforbinding og -omsætning. På trods af dræning kan der i våde perioder opstå

reducerede forhold, hvorved jernoxider går i opløsning, fosforbindingskapaciteten reduceres,

og fosfor kan udvaskes på opløst form.

Brinkerosion

Det strømmende vand i vandløb kan løsrive jordpartikler i brinkerne og hertil bundet fosfor.

På længere sigt kan brinker underskæres, hvorved der sker brinkskred. Fosfor transporteres

på partikulær form.

2.2

Fosfors indvirkning på overfladevandsområder

Fosfor er som for planter i landbrugsproduktionen et meget væsentligt næ-

ringsstof som, hvis det er i underskud, kan have betydning for vækstbetingel-

serne for vandplanter i bred forstand (både planteplankton (encellede alger)

og blomsterplanter). Fosfors betydning i forhold til det andet vigtige nærings-

stof, kvælstof, skifter ikke alene mellem vandtyperne (vandløb, søer og ha-

vet), men også hen over året. Der er dog det til fælles for alle typer af overfla-

devand, at mængden af fosfor (koncentrationen) på et eller andet tidspunkt

eller under bestemte betingelser er begrænsende for plantevæksten, herunder

især væksten af planteplankton. Det er i de situationer, at en øget tilførsel af

fosfor kan have negative miljøkonsekvenser – og omvendt, at en reduktion i

fosfortilførslen kan have en positiv effekt på tilstanden (Andersen m.fl., 2016).

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

2.2.1 Vandløb

Fosfor vil påvirke lysforholdene i vandløbet og sammensætningen af arter af

vandplanter. Det bevirker også, at vandløbets økologiske tilstand vurderet i

forhold til planterne påvirkes. Fosforkoncentrationer i vandløbsvandet, der

overstiger en given grænse, udgør derfor en risiko for manglende målopfyl-

delse ift. vandrammedirektivet.

2.2.2 Søer

Søvandets indhold af fosfor (og dermed tilførslen af fosfor) spiller en afgø-

rende rolle for søernes vandkvalitet og økologiske tilstand, fordi fosfor som

oftest er det begrænsende næringsstof for produktionen af planteplankton.

Reduceret tilførsel af fosfor anbefales derfor oftest som den primære styrende

faktor i forhold til at forbedre søers tilstand – f. eks. i form af en øget sigt-

dybde. Koncentration og tilførsel af fosfor kan også direkte relateres til de bi-

ologiske kvalitetselementer, der anvendes til at vurdere den økologiske kva-

litet i søer jf. vandrammedirektivet. Dette gælder for planteplankton og un-

dervandsplaner samt indholdet af klorofyl a (et mål for planktonmængden).

Dermed får tilførsel af fosfor og søvandets indhold også en afgørende rolle i

forhold til udarbejdelsen af vandplaner og de danske søers forvaltning. Det

skal bemærkes, at anvendelse af sammenhænge mellem næringsstoffer, her

fosfor, og biologiske kvalitetselementer ofte har en stor variation. Koncentra-

tionen af fosfor er faldet i de danske søer siden 1989, men først og fremmest i

den del af søerne, som er mest næringsrige, og mest i starten af perioden, hvor

der blev gennemført forbedret spildevandsrensning. Tilsvarende mindskedes

indholdet af klorofyl a i de mest uklare af søerne, især i løbet af 1990’erne.

Indholdet af fosfor er endnu for højt i de fleste danske søer til, at de opfylder

målsætningen om mindst god økologisk tilstand.

2.2.3 Kystnære marine områder

Fosfor har generelt stor betydning for miljøtilstanden i det marine miljø, sær-

ligt i de lukkede og mest ferske fjorde. Det gælder for produktionen af plan-

teplankton og som følge heraf også for bundlevende flora og fauna. Effekten

af tilførslen af fosfor skal dog ses i sammenhæng med udledningen af andre

næringsstoffer, særligt kvælstof. Samlet set for de danske farvande spiller

kvælstof en vigtigere regulerende rolle end fosfor, og der er også stadig et

behov for en reduktion af kvælstoftilførslerne. Men i visse kystnære områder

og på visse tider af året er fosfor det vigtigste næringsstof. Det vurderes der-

for, at kvælstof, isoleret set, har størst betydning for regulering af plantevæk-

sten i det danske havmiljø, men at også forfor spiller en væsentlig rolle.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Anvendte metoder

3.1

Fosforrisikokort

Mekanismerne bag fosfortab fra det åbne land til vandmiljøet varierer for de

forskellige tabsveje. Det er derfor meningsfuldt at opdele kortlægningen af risi-

koområder på de enkelte transportveje. Fosfortab ad individuelle transportveje

kan beskrives og kortlægges via en kombination af tre faktorer: fosforkilden,

mobilisering af fosfor fra kilden og transport af mobiliseret fosfor til vandmil-

jøet. En sådan modulær opbygning forenkler kortlægningen og gør den trans-

parent. Det første forsøg på en samlet, landsdækkende kortlægning af risiko-

områder for fosfortab baseret på en kombination af de tre faktorer var det dan-

ske P-indeks fra 2009 (bl.a. Heckrath m.fl., 2009). Denne kortlægning var ude-

lukkende kvalitativ og savnede en evaluering og usikkerhedsanalyse, hvilket

primært var begrundet i manglende data på enkelt-transportveje. De overord-

nede principper betragtes stadig som den bedste tilgang til at identificere risi-

koområder for fosfortab på en relevant skala, dvs. (sub-) markskala. I nærvæ-

rende projekt er der derfor bygget videre på den første kortlægning, idet eksi-

sterende data er suppleret med en stor mængde nye målinger, analyser og mo-

delberegninger, der muliggør dels en semi-kvantitativ kortlægning, dels en

evaluering og usikkerhedsanalyse af kortlægningen.

Udarbejdelsen af fosforrisikokortet har været opdelt i en række underprojekter

centreret om de enkelte fosfortabsveje. Følgende tabsveje er undersøgt: vand-

erosion, udvaskning via jordens matrice, udvaskning via makroporer, fosfor-

mobilisering på dyrkede organiske lavbundsjorde og brinkerosion. Jordens fos-

forbindingskapacitet, som er af afgørende betydning for udvaskning af fosfor,

er kortlagt på grundlag af et stort antal nye måledata. Desuden er potentialet

for mobilisering af vanddispergerbare partikler, som er af betydning for mak-

roporetab af fosfor, kortlagt. Underprojekterne har resulteret i en række GIS-

temaer, der er samlet i et enkelt, landsdækkende GIS-projekt. Dette muliggør

en vurdering af både den samlede og den relative betydning af en række fos-

fortabsveje for et vilkårligt område. På grund af forskelle i datakvalitet er kort-

lægningerne foretaget med forskellig rumlig opløsning for tabsprocesserne.

Der er foretaget en kildeopsplitning af den samlede målte og modelberegnede

fosforbelastning fra det danske landareal. Opsplitningen er opdelt på bidrag

fra punktkilder, spredt bebyggelse, baggrund og landbrug og under inddra-

gelse af estimeret fosforretention. Endvidere er åbent land-bidraget (summen

af baggrundsbidrag og landbrugsbidrag) søgt opdelt på de forskellige kilder

og fosfor-transportveje, som indgår i fosforrisikokortlægningen.

3.1.1 Afgrænsning

Fosfortab med vinderosion indgik ikke i projektet, fordi dette bidrag tidligere

er skønnet at være af underordnet betydning (Poulsen & Rubæk, 2005), hvor-

for projektets ressourcer har været fokuseret på de øvrige transportveje. Over-

fladeafstrømning er ikke behandlet separat, men som en del af vanderosions-

kortlægningen; dels fordi der mangler afstrømningsmodeller, der er valide-

rede under danske forhold, dels fordi det er de samme faktorer, som betinger

både overfladeafstrømning og egentlig erosion. Fosfortab ved vinderosion,

overfladisk afstrømning samt via grundvand er søgt estimeret på landsniveau

på grundlag af litteraturværdier.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

3.2

Fosforfølsomme vandområder

3.2.1 Vandløb

Der er beskrevet en metode baseret på planteegenskaber (traits) til at vurdere

betydningen af opløst uorganisk fosfor i vandløb for målopfyldelse med Dansk

Vandplante Indeks (DVPI). Der er inddraget et nyudviklet biologisk indeks for

bentiske alger i vandløb, SID_TID. Analyser af dynamikken i fosforkoncentra-

tionen i danske vandløb er anvendt til en fortolkning af sammenhængen mel-

lem indeks-værdier og koncentrationer af opløst uorganisk fosfor.

3.2.2 Søer

Sammenhængen mellem tilstand og oplandskarakteristika er undersøgt i

mindre danske søer. Analysen har omfattet 1200 kortlagte habitatsøer under

1 ha beliggende i Natura2000-områder, men uden for oplande omfattet af

vandområdeplanerne. Desuden er inddraget 170 vandplansøer, hvor tilstan-

den er ukendt. Der er opstillet en række empiriske sammenhænge mellem

oplandskarakteristika og målt tilstandsvurdering i søerne med det formål at

udvikle modelbaserede estimater af tilstanden i umålte søer. Det vurderes, i

hvilket omfang de undersøgte søer er fosforfølsomme, defineret som risiko

for, at der tilføres ekstern fosfor, som forværrer tilstanden.

3.2.3 Marine vandområder

Der er udviklet en række indikatorer, som kan bruges til at identificere fosfor-

følsomme, marine vandområder. Indikatorerne omfatter: klorofylkoncentra-

tion i foråret, lyssvækkelse i foråret, dage med fosforbegrænsning, mest be-

grænsende næringsstof, forekomst af cyanobakterier og potentielle cyanobak-

terie-habitater. Der er udviklet et indeks, der sammenfatter betydningen af

ovennævnte indikatorer. Alle indikatorer og det fælles indeks er kortlagt.

Litteratur

Andersen, H.E., Baatrup-Pedersen, A., Blicher-Mathiesen, G., Christensen,

J.P., Heckrath, G., Nordemann Jensen, P. (red.), Vinther, F.P., Rolighed, J., Ru-

bæk, G., Søndergaard, M. 2016. Redegørelse for udvikling i landbrugets fos-

forforbrug, tab og påvirkning af Vandmiljøet. Aarhus Universitet, DCE – Na-

tionalt Center for Miljø og Energi, 86 s. - Teknisk rapport fra DCE - Nationalt

Center for Miljø og Energi nr. 77

http://dce2.au.dk/pub/TR77.pdf

Andersen, H.E., Rubæk, G.H., Hasler, B. & Jacobsen, B.H. (redaktører). 2020.

Virkemidler til reduktion af fosforbelastningen af vandmiljøet. Aarhus Uni-

versitet, DCE – Nationalt Center for Miljø og Energi, 284 s. - Videnskabelig

rapport nr. 379

http://dce2.au.dk/pub/SR379.pdf

Andersen, H.E. & Kronvang, B. 2006. Modifying and evaluating a P index for

Denmark. Water, Air, and Soil Pollution, 174: 341-353.

ConTerra. 2019. Notat - Udvikling af GIS-kort over estimeret fosfortal i land-

brugsjord (Foreløbigt, upubliceret notat).

Heckrath, G., Andersen, H.E., Rubæk, G., Kronvang, B., Kjærgaard, C., Hoff-

mann, C.C. 2009. Et web-baseret P-indeks som miljøplanlægningsredskab: del

1. Vand og Jord nr. 2, 44–48.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Poulsen, H.D., Rubæk, G.H. (red.) 2005. Fosfor i dansk landbrug. DJF rapport

Husdyrbrug nr. 68. Aarhus Universitet, Det Jordbrugsvidenskabelige Fakul-

tet. 211 s.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Resultater

4.1

Kortlægning af potentielt fosfortab fra landbrugsjord ved

vanderosion

Goswin Heckrath

, Nils Onnen

, Kristof Van Oost

Fagfællebedømmelse: Søren Munch Kristiansen

Institut for Agroøkologi, AU

Earth & Life Institute, TECLIM, Université catholique de Louvain, Belgium

Institut for Geoscience, AU

4.1.1 Introduktion

Vanderosion på landbrugsjord er én af de processer, der transporterer fosfor-

beriget jord til overfladevand og dermed kan udgøre en trussel mod vand-

kvaliteten. I dette kapitel betegner vanderosion en omfordeling af jord i land-

skabet forårsaget af overfladisk vandafstrømning, mens eroderet jord benæv-

nes som sediment. Selvom spektakulære erosionshændelser er forholdsvist

sjældne i Danmark pga. begrænsede højdeforskelle i landskabet og en typisk

kun svagt erosiv nedbør, forekommer erosion i alle landsdele - som regel i

vinterhalvåret efter perioder med vedvarende regn eller tøbrud eller om forår

og sensommer ved skybrud. Der eksisterer kun et mindre antal systematiske

erosionsundersøgelser fra Danmark (Schjønning., 1995; Veihe m.fl., 2003), og

resultaterne peger på, at erosionsrater på de eroderede arealer kan sammen-

lignes med dem, der rapporteres fra andre nordeuropæiske lande (Van der

Knijff m.fl., 2000; Kirkby m.fl., 2004). Således rangerer Danmark blandt de

lande, der anses som sårbare over for vanderosion (Cerdan m.fl., 2010). Der

findes ikke måledata om fosfortilførsel til vandområder ved vanderosion i

Danmark. Imidlertid indikerer den internationale videnskabelige litteratur

(Rekolainen m.fl., 2006), at vanderosion kan udgøre et vigtigt bidrag til fos-

fortab fra landbrugsjord til vand under danske forhold. Afstrømmer vand på

jordens overflade tabes også opløst fosfor (Schjønning, 1995), der frigives fra

aggregater (Vadas m.fl., 2005) eller planterester i kontakt med vandet (Bech-

mann m.fl., 2005; Kieta m.fl., 2018). Imidlertid falder den relative betydning

af tab af opløst fosfor typisk eksponentielt med stigende erosionsrater (Shar-

pley m.fl., 1993). Når rilleerosion opstår og sediment leveres til vandområder,

er tab af opløst fosfor underordnet. Nærværende analyse fokuserer således på

tab af partikelbundet fosfor.

En målrettet indsats mod erosionsbetinget fosfortab kræver en kortlægning af

jordtransport fra landbrugsarealer til vandområder. Jorderosion forårsaget af

vandafstrømning på marker varierer stærkt, afhængigt af et komplekst samspil

af topografiske, klimatiske, jordfysiske/jordtypebestemte og dyrkningsrelate-

rede faktorer. Isoleret set har de enkelte faktorer kun en begrænset udsagns-

kraft, når det kommer til at estimere erosionsrisikoen. Derfor bør en vurdering

af erosionsrisikoen og jordtransporten i landskabet inddrage alle disse faktorer.

Praktisk kan det lade sig gøre ved hjælp af modellering, der også tager højde

for effekten af kompleks landskabsform i en eksplicit, rumlig sammenhæng.

Aarhus Universitet har tidligere gennemført en landsdækkende kortlægning af

erosionsrisiko, som var delvist finansieret af Landbrugsstyrelsen og Innovati-

onsfond-projektet Buffertech. Ved udarbejdelsen blev en tilpasset version af det

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

rumligt distribuerede WaTEM-modelværktøj (Van Oost m.fl., 2000) brugt til at

kortlægge den langsigtede, gennemsnitlige jordomfordeling forårsaget af over-

fladisk vandafstrømning i landskabet (Onnen et al., 2019). Dette indbefatter en

kortlægning af sedimenttilførsel til overfladevand. Erosionsrisikokortet viser

klasseinddelte rater af årligt jordtab. I forbindelse med nærværende projekt

blev modelleringen bl.a. udvidet til at estimere fosfortab ved vanderosion til

overfladevand. Som udgangspunkt har vi kortlagt, hvor meget af den jord, der

eroderes fra et givet punkt i landskabet, der sandsynligvis ender i vandmiljøet.

Under antagelse af et bestemt fosforindhold i overjord kunne vi således beregne

det potentielle tab af fosfor ved erosion fra mark til vandområde, herefter be-

tegnet som fosforerosion. Det bemærkes, at erosion og jordtab i et givet punkt i

landskabet ikke er ensbetydende med et tab til overfladevand. En stor del af

den mobiliserede jord aflejres igen inden for markgrænsen. Kortlægningen af

fosforerosion vil kunne bruges i planlægningen af en virkemiddelindsats på

markfladen mod fosfortab. Tilsvarende vil kort over sediment- og dermed

skønnet fosfortilførsel til vandområder kunne bidrage til udpegningen af lokale

områder, hvor en ændring i arealanvendelsen, f.eks. etablering af en buffer-

zone, effektivt vil kunne begrænse fosforudledning til vandområdet.

4.1.2 Metoder

4.1.2.1. Erosionsmodel

WaTEM estimerer den langsigtede gennemsnitlige jordomfordeling i kom-

plekse landskaber på grundlag af den empiriske model Revised Universal Soil

Loss Equation, RUSLE (Renard m.fl., 1997). De nødvendige inputdata for mo-

dellen kan generes fra nationale databaser. WaTEM beregner gennemsnitlige

årlige vanderosionsrater ved følgende ligning (1):

E = R * K * LS

* C * P

(1)

hvor E er det gennemsnitlige årlige jordtab (kg m

-2

år

−1

), R er den nedbørsaf-

hængige erosivitetsfaktor (MJ mm m

-2

-1

år

-1

; h, timer), K er jordens erodibi-

litetsfaktor (kg h MJ

-1

), LS

er den todimensionale topografiske faktor

(Desmet og Govers, 1996a), C er dyrkningsfaktoren (C-faktor herefter) og P

beskriver erosionsreducerende tiltag på marken. Den todimensionale topo-

grafiske faktor beregnes ud fra en digital højdemodel ved hjælp af en multi-

flow-algoritme (Desmet og Govers, 1996), der på realistisk vis afspejler over-

fladiske afstrømningsmønstre i landskabet. C-faktoren skalerer den erosions-

risiko, der er forbundet med dyrkningen af en given afgrøde i forhold til sort-

brak, dvs. bar jord. WaTEM beregner desuden sedimentaflejring i landskabet.

Dertil blev den oprindelige RUSLE-model udvidet med et transportkapaci-

tetskoncept, som antager, at sedimenttransport i landskabet er kontrolleret af

afstrømningens transportkapacitet (Desmet og Govers, 1995). Transportkapa-

citeten kan beregnes for ethvert givent punkt i landskabet ud fra erosionspo-

tentialet og karakteriseres vha. en transportkapacitetskoefficient (ktc). Når

transportkapaciteten i et givent punkt bliver oversteget, vil der ske afsætning

af sediment (Van Oost m.fl., 2000).

I tidligere anvendelser af WaTEM er der skelnet mellem transportkapacitet på

markarealer (ktc

high

) og skov- eller græsarealer (ktc

low

) (f.eks. Van Rompaey

m.fl., 2005). Vi har i vores modellering anvendt den samme skelnen. Imidler-

tid kan de i andre studier brugte ktc-værdier ikke umiddelbart anvendes un-

der danske forhold, idet ktc-koefficienterne afhænger af modelleringsskalaen

(den rumlige opløsning) og regionale forskelle i vegetationstyper (Van Rom-

paey m.fl., 2005; Verstraeten m.fl., 2007). Vi har derfor i vores studie kalibreret

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

ktc-værdierne i vores studie med sedimenttransporter målt i vandløb i 31 NO-

VANA moniteringsoplande (Onnen m.fl., 2019).

I vores modellering går vi ud fra, at overfladeafstrømning, som leder til fos-

fortab, ikke foregår på bebyggede arealer, infrastruktur, kystnære arealer så-

som klitter og strandenge eller vandområder. Disse arealer kan omvendt

modtage afstrømning og dermed potentielt fungere som ultimative sediment-

recipienter. WaTEM beregner sedimenttilførsel til disse arealer på pixelni-

veau langs grænsen med arealer, der tillader overfladeafstrømning. Mark-

grænser påvirker ofte afstrømning i landskaber og dermed sedimenttransport

(Takken m.fl., 1999). I vores WaTEM modellering antager vi en ensartet sedi-

menttilbageholdelse på 20% ved markblokgrænser og ved overgang til andre

arealanvendelsesklasser. WaTEM estimerer også den andel af eroderet jord i

et givent punkt, der potentielt kan transporteres frem til vandområder. Af be-

regningstekniske årsager kan denne fraktion af eroderet jord imidlertid kun

beregnes ved hjælp af en single-flow-afstrømningsalgoritme (Desmet og

Govers, 1996b). Vi anvendte derfor en kombination af ktc-koefficienterne i

single-flow modelopsætningen, der gav omtrent (101%) samme sedimenttil-

førsel til vandområder i hele landet som med multi-flow-opsætningen.

Modelens output er: i) et 10 x 10 m rasterkort, der viser erosions- eller aflej-

ringrater for hver gittercelle, ii) et 10 x 10 m rasterkort over sedimenttilførsel

til vandløb, og iii) et 10 x 10 m raster, der viser rater af jordtab til vandområder

på landbrugsareal.

Fosforerosion fra landbrugsjord til overfladevand blev estimeret ved at mul-

tiplicere jordtab til vand med en koncentration af totalfosfor i jord. Da projek-

tet som udgangspunkt ikke havde adgang til data over jordenes fosforindhold

med en høj rumlig opløsning, er der brugt to tilgange til at repræsentere fos-

forindholdet. Konsulentvirksomheden ConTerra ApS stillede via Miljø- og

Fødevareministeriet et landsdækkende kort over estimeret fosfortal (Ptal) i

overjord til rådighed. Kortet med en gridstørrelse på 500 m havde dog en for-

klaringsgrad på under 30% af målte fosfortal (ConTerra, 2019). Fosfortallene

blev konverteret til total P (mg kg

-1

) vha. en simpel lineær transformation (To-

tal P = 407 + 49 * Ptal; R

= 0.14) på grundlag af jordprøver fra 0-25 cm laget

udtaget på 379 unikke prøvepunkter i forbindelse med Kvadratnet-undersø-

gelsen i perioden 1986 – 2008. Denne kortlægningen af jordens fosforindhold

(herefter betegnet som rumligt varierende fosforindhold) er således forbun-

den med en større usikkerhed og skal anses som ét af flere mulige scenarier

over rumlig variation af jordens fosforindhold. Til sammenligning har vi også

estimeret fosforerosion ved at bruge en fast koncentration af totalfosfor på

0,60 g P kg

-1

jord, svarende til det gennemsnitlige fosforindhold i 0-25 cm-

laget af 280 jordprøver fra Kvadratnet-undersøgelsen i 2008. De tilsvarende

25% og 75% fraktiler var hhv. 0,49 og 0,70 g P kg

-1

. I forbindelse med kilde-

opsplitningen af landbrugsbidraget (kap. 4.8) og opgørelser på oplandsni-

veau (NOVANA, kap. 4.8; ID15, kap. 4.9) er der brugt de rumligt varierende

fosforindhold i jord til estimering af fosforerosion.

4.1.2.2. Model inputdata

Baseret på nedbørsdata fra 30 klimastationer fordelt over hele Danmark for pe-

rioden 1988 til 2012 blev erosivitetsfaktoren (R) beregnet på årsbasis som beskre-

vet af Panagos m.fl. (2015a). Nedbørens erosivitet estimeres ud fra nedbørs-

mængder og –intensiteter og er et udtryk for i hvilken grad nedbør kan mobili-

sere jordpartikler. I perioden varierede den årlige nedbør på stationerne mellem

300 mm og 1030 mm med et gennemsnit på 660 mm. Til sammenligning var den

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

gennemsnitlige årlige nedbør i Danmark i perioden 2006 til 2015 792 mm. Den

højeste nedbør forekommer i det centrale Jylland og den laveste på det nordøst-

lige Sjælland (Frich m.fl., 1997). De beregnede R-faktorer placerer Danmark

blandt europæiske lande med lav til moderat nedbørserosivitet (Panagos m.fl.,

2015a). En vurdering af hvor let jordoverfladen bliver vanderoderet, erodibili-

tetsfaktoren (K), blev estimeret vha. en tilpasset formel af Renard m.fl. (1997) og

på grundlag af et rumligt detaljeret og landsdækkende kort over tekstur og or-

ganisk stofindhold (Adhikari m.fl., 2013). En stor andel af silt og finsand i jord

medfører høj erodibilitet, hvorimod betydelige andele af ler eller grovsand

mindsker den. Således har de grovsandede jorde på den jyske hedeslette lav ero-

dibilitet og de meget findsandede jorde i Nordjylland høj erodibilitet (figur

4.1.2). En LiDAR-baseret, landsdækkende højdemodel (Rosenkranz og Frederik-

sen, 2011) blev omregnet til 10-m opløsning og hydrologisk korrigeret (Onnen

m.fl., 2019). C-faktorkortet blev konstrueret ud fra markblokdatabasen for peri-

oden 2005-2014. For hvert år og på markbasis blev C-faktorer knyttet til afgrøde-

typer i markblokdatabasen ifølge Panagos m.fl. (2015b). Arealvægtede C-fakto-

rer blev beregnet for markblokkene, midlet over 10-årsperioden og til sidst kort-

lagt på et 1-km

raster (Onnen et al., 2019). C-faktorkortet repræsenterer således

lokalt karakteristiske dyrkningssystemer i Danmark. Vi har ikke taget højde for

P-faktoren i vores modellering, der beskriver erosionsbeskyttende tiltag på mar-

ken såsom jordløsning i sprøjtespor eller opbrydning af pløjesål, da disse ikke er

kendt. Vi brugte Basemap 2012 (Levin m.fl., 2012), et landsdækkende 10-m ra-

sterkort, til at tage højde for landskabsstrukturen og forskellige arealanvendel-

sesklasser i Danmark. Markblokkene fra 2014 blev lagt ind i Basemap som land-

brugsareal. Selvom markblokarealet varierer fra år til år, viser stikprøveanalyser,

at markblokkene fra 2014 repræsenterer de aktuelle markblokke på en tilstræk-

kelig måde i vores 10-m rasteropsætning. Således vurderes, at nærværende ero-

sionsrisikoanalyse kun i mindre omfang vil påvirkes af en ajourføring af mark-

blokarealet. De oprindelige vandområder i Basemap blev erstattet med et opda-

teret 2016 vandtema leveret af Miljøstyrelsen (Geo Danmark (FOT)). WaTEM

estimerer således årlige, potentielle erosions- og aflejringsrater for alle arealan-

vendelsesklasser. De vigtigste inputfaktorer er illustreret i figur 4.1.1.

Figur 4.1.1.

Kort over inputfaktorer brugt i WaTEM modelleringen. Forkortelser er forklaret i teksten.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.1.2.3. Data til modelkalibrering og -evaluering

Til modelkalibrering brugte vi data af suspenderet sediment (SS) i 31 vandløb

fra NOVANA-overvågningsprogrammet (figur 4.1.2; Thodsen m.fl., 2019).

Suspenderet sedimenttransport blev estimeret ved at gange daglig afstrøm-

ning med tilsvarende SS-koncentration og summere for hele året (Kronvang

og Bruhn, 1996). Årligt sedimenttransport varierede fra 4,5 til 102,6 kg ha

-1

Figur 4.1.2.

Placering af 31 NO-

VANA oplande brugt til modelkali-

brering (Onnen m.fl., 2019) samt

189 skrående arealer, hvor der

blev moniteret rilleerosion på

markareal mellem 1994 og 1999

(Schjønning m.fl., 2009). Cirkler

indikerer de oplande, der blev ud-

peget som outliers.

Mellem 1994 og 1999 blev der foretaget en omfattende undersøgelse af vand-

erosion på landbrugsjord i Danmark ved at opmåle synlige erosionsriller på

et stort antal skråninger (Schjønning m.fl., 2009). Vi anvendte data fra denne

undersøgelse til evalueringen af modelleret jordtab ved rilleerosion. De 189

undersøgte skrånende arealer varierede i størrelse fra 4 til 23 ha (figur 4.1.2).

Dyrkningen på områderne var repræsentativ for Danmark (Danmarks Stati-

stik) med i gennemsnit 59% vintersæd, 12% græs i omdrift, 8% kornstub, mens

15% lå pløjet hen over vinteren. Bredden, dybden og længden af erosionsriller

blev bestemt i forbindelse med feltregistreringer (Govers, 1991), hvorefter ra-

ten af rilleerosion blev beregnet for arealet. I alt var der 1040 observationer,

herunder kun 213 tilfælde, hvor rilleerosion var synligt.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.1.3.

Sammenligning mel-

lem beregnet og målt sedimenttil-

førsel til vandområder i 25 DK op-

lande efter fjernelse af 6 outlier.

Proceduren for outlier-fjernelse er

detaljeret beskrevet af Onnen

m.fl. (2020).

4.1.2.4. Modelkalibrering

Kalibreringsprocessen er beskrevet i detaljer hos Onnen m.fl. (2019). For at

kalibrere modellen sammenlignede vi modelleret sedimenttilførsel med målt

sedimenttransport i vandløb af 25 NOVANA oplande for en række model-

kørsler med forskellige ktc-faktorer, efter fjernelse af 6 oplande som outliers

(Onnen m.fl., 2020). En lignende kalibreringsmetode blev anvendt i tidligere

undersøgelser (f.eks. Van Rompaey m.fl., 2005; Verstraeten, 2006; Alatorre

m.fl., 2010). Vi brugte Nash-Sutcliffe-statistikken (NSE, Nash & Sutcliffe,

1970) til at vurdere, hvor godt modellen kunne prædiktere målt sediment-

transport og finde frem til ktc-værdier, der i gennemsnittet resulterede i en

acceptabel overensstemmelse mellem målt og modelleret tilførsel af SS.

Ved modellering af komplekse transportprocesser i landskabet kan forskel-

lige modelopsætninger bestående af forskellige parametersæt ofte samtidig

være i acceptabel overensstemmelse med måledataene (Zak & Beven, 1999;

Van Oost m.fl., 2003). Dette faktum betegnes som ’equifinality’-konceptet,

som afviser idéen om at kunne identificere én optimal modelparameterisering

(Beven, 2006). Vores modelleringstilgang, der identificerede et antal accep-

table ktc-værdier, fulgte således konceptet. Acceptable ktc-værdier var dem,

der opnåede NSE-værdier > 0 i kalibreringen. Dette indikerer, at de modelle-

rede data er en bedre prædiktion for tilført sediment end gennemsnittet af

målinger i de 25 oplande. Til sidst blev 100 modelrealisationer vægtet med et

NSE-baseret sandsynlighedsudtryk og lagt sammen til det endelige modelre-

sultat. Fremgangsmåden danner samtidigt grundlaget for beregningen af mo-

delusikkerheden (Beven & Freer, 2001). Figur 2 viser sammenhængen mellem

målt og modelleret sedimenttilførsel til overfladevand efter kalibreringen.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.1.4.

Modelleret og målt

rilleerosion i danske georegioner.

Error-bars viser standardafvigel-

sen inden for regionerne. Tilpas-

set efter Onnen m.fl. (2019).

4.1.3 Resultater

4.1.3.1 Vanderosion i Danmark

En sammenligning af de målte og modellerede data viser, at modellen kan

afspejle jordtransport i det danske landskab på en tilfredsstillende måde (fi-

gur 4.1.3 og 4.1.4). Da vi kun har moniteringsdata af rilleerosion for et begræn-

set antal marker og en kort årrække, er det ikke hensigtsmæssigt at evaluere

modellen for individuelle marker men derimod på regionalt niveau. Der fin-

des en god overensstemmelse mellem målt og modelleret rilleerosion for ge-

oregionerne i Danmark (figur 4.1.4), der repræsenterer en underopdeling af

geologiske materialer ud fra isfremstød under sidste istid (Adhikari m.fl.,

2013). Imidlertid har modellen en tendens til at underestimere omfanget af

rilleerosion, sandsynligvis på grund af nogle kraftige afstrømningshændelser

i moniteringsperioden, og fordi de undersøgte arealer var mere skrånende

end det modellerede areal i gennemsnittet.

Figur 4.1.5 viser udsnit af kort over erosionsrisiko og sedimenttilførsel til

overfladevand som eksempler. Den gennemsnitlige rate af jordtab er 0,85 t ha

år

-1

for alle arealanvendelsesklasser, hvor der kan forekomme vanderosion.

Mens gennemsnitlige erosionsrater for store områder har begrænset nytte-

værdi i sammenhæng med virkemiddelplanlægningen, tillader de overord-

nede sammenligninger af sårbarhed over for vanderosion på tværs af regio-

ner. Den gennemsnitlige erosionsrate for Danmark falder inden for det inter-

val, der rapporteres af andre studier. Paneuropæisk erosionsmodellering med

lavere rumlig opløsning resulterede i gennemsnitlige erosionsrater på 2,6 t ha

år

-1

(Cerdan m.fl., 2010) eller 0,5 t ha

-1

år

-1

(Panagos m.fl., 2015c) for Dan-

marks velkommende. Førstnævnte undersøgelse ekstrapolerede resultater fra

europæiske plotforsøg baseret på arealanvendelse, jordtype og topografi i Eu-

ropa. Således blev der ikke taget højde for klimatiske variabler, og dermed

den forholdsvis lave erosivitet i Danmark, hvilket muligvis kan forklare den

højere gennemsnitlige erosionsrate estimeret af Cerdan m.fl. (2010). Panagos

m.fl. (2015c) har derimod anvendt en RUSLE-baseret model lignende vores.

Bortset fra erosivitetsfaktoren har alle vores inputdata imidlertid en meget

højere rumlig opløsning, og vores model er i modsætning til disse studier ble-

vet kalibreret mod målte sedimentbelastninger. En anden vigtig fordel ved

vores modellering sammenlignet med den grovere erosionsmodellering ud-

ført af Panagos m.fl. (2015c) og Borrelli m.fl. (2018) er, at den muliggør vurde-

ringen af erosionsrisikoen på markniveau.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.1.5.

Udsnit af erosionsrisikokortet (a) og tilsvarende kort over sedimenttilførsel til vandområder (b) sammenholdt med

ortofoto (c). Pixelstørrelsen er 10x10 m. Hvid repræsenterer bebyggede arealer, veje, infrastruktur og vandområder på erosions-

risikokortet (a). For sedimenttilførslen er der kortlagt kun pixler svarende til vandområder, der modtager sediment. Modificeret

efter Onnen m.fl. (2019).

Tabel 4.1.1.

Arealer med hhv. vanderosion og jordaflejring estimeret med WaTEM modellen i Danmark.

Samlet modelleret areal

t ha

-1

Erosion

> 7,5

2,5 – 7,5

1,0 – 2,5

0 – 1,0

Aflejring

Total

0 – 1,0

> 1,0

Areal (ha)

23.641

132.983

306.979

1.570.356

1.049.516

318.754

3.402.229

Areal (%)

0,7

3,9

9,0

46,2

30,8

9,4

Landbrugsareal

Areal (ha)

23.635

132.704

301.831

1.099.009

715.255

287.131

2.559.565

Areal (%)

0,9

5,2

11,8

42,9

27,9

11,2

Tabel 4.1.1 viser en klasseinddeling af de modellerede vanderosionsrater for

hele landet og for landbrugsarealet. Definitionen af erosionsrisikoklasser debat-

teres (Verheijen m.fl., 2009) og kan foretages ud fra forskellige perspektiver, fx

jordproduktivitet eller jordbundsdannelse (f.eks. Roose, 1996). For Europa er

der foreslået en øvre grænse for acceptabel erosion på 1,4 t ha

-1

år

-1

(Verheijen

m.fl., 2009) baseret på en sammenligning af raterne for jordtab og jordbunds-

dannelse. Det amerikanske landbrugsministerium bruger et jordtab på 1 t ha

-1

år

-1

som kritisk grænse i forbindelse med beskyttelsen af overfladevand (USDA,

2000). På omkring tre fjerdedele af arealet i det åbne land ligger jordomforde-

lingen mellem 0 - 1 t ha

-1

år

-1

jordtab og 0 - 1 t ha

-1

år

-1

jordaflejring i Danmark

(tabel 4.1.1) og dermed inden for et acceptabelt område. Imidlertid findes der

stadig et betydeligt areal, ca. 14%, hvor jordtabet ikke er bæredygtigt. Samlet

set er ca. 6% af landbrugsarealet udsat for en relativt høj erosionsrisiko.

Modelleret sedimenttilførsel til overfladevand i Danmark spænder fra nul til

3,2 t sediment per 100 m

gridcelle vandområde, der hvor sedimentet leveres.

Den samlede, modellerede sedimenttilførsel udgør 92.000 t år

-1

svarende til

en gennemsnitlig årlig sedimenttransport til vandløb på 2,7 t km

-2

landareal

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

(Onnen m.fl., 2019). Denne rate udgør ca. 60% af den målte gennemsnitlige

sedimenttransport over en årrække fra 132 større oplande i Danmark (Thod-

sen m.fl., 2019). I betragtning af det betydelige bidrag af brinkerosion til sedi-

menttransport i vandløb (Laubel m.fl., 2003; Kronvang m.fl., 2013) og de for-

skellige fejlkilder i modellerede og målte data, anses den modellerede sedi-

menttilførsel fra jordoverfladen til overfladevand for realistisk. Generelt er

modelleret og målt sedimenttransport i danske vandløb betydeligt lavere

sammenlignet med andre europæiske lande (Vanmaercke m.fl., 2011).

4.1.3.2. Fosfortab ved vanderosion

WaTEM kan på et givent landbrugsareal estimere den andel af eroderet jord,

der ender i vandmiljøet. Ofte transporteres kun en brøkdel til vandområder,

da betydelige mængder sediment aflejres igen inden for marken. Vi har såle-

des eksplicit kortlagt bidragsarealerne for jordtab på landbrugsareal til vand-

områderne. Da jorden indeholder fosfor, kan vi identificere og rangordne po-

tentielle risikoarealer for fosfortab til overfladevand. Dette modeloutput er

nyttigt i forbindelse med planlægningen af virkemiddelindsatsen på dyrkede

arealer. I alt estimeres det, at ca. 500.000 ha landbrugsjord kan bidrage med

sediment til vandområder (tabel 4.1.2). Imidlertid taber en stor del af dette

område kun små mængder sediment til overfladevand.

Tabel 4.1.2.

Estimeret årligt fosfortab fra landbrugsjord til overfladevand ved vanderosion baseret på WaTEM-modellering. To

scenarier for fosforerosion er beregnet ved at gange modelleret jordtab med fosforindholdet i den eroderede jord estimeret med

to forskellige metoder: 1) varierende indhold af totalfosfor i jord beregnet med udgangspunkt i ConTerra’s kortlægning af fosfor-

tallet (ConTerra, 2019); 2) en fast koncentration af totalfosfor på 0,60 g P kg

-1

jord, svarende til det gennemsnitlige fosforindhold

i 0-25 cm-laget af 280 jordprøver fra Kvadratnet-undersøgelsen i 2008. Klassedelingen af fosfortabsrater svarer til tabspotentia-

lerne anvendt i fosforvirkemiddelkataloget (Andersen m.fl., 2020).

Fosfor-tabsklasse Baseret på ConTerra’s fosfortal

Bidragsareal

kg P ha

-1

år

-1

>2,0

1,0 – 2,0

0,5 – 1,0

0,1 – 0,5

<0,1

Total

Baseret på gns. fosforindhold

Bidragsareal

Fosfortab

5.204 (0,2)

8.198 (0,3)

14.075 (0,5)

50.698 (2,0)

ton

Jordtab

t ha

-1

år

-1

>3,33

1,67 – 3,33

0,83 – 1,67

0,17 – 0,83

<0,17

Meget høj

Høj

Moderat til høj

Moderat

Lav

Risikoklasse

Fosfortab

ton

4.978 (0,2)

8.027 (0,3)

13.970 (0,5)

50.511 (2,0)

429.990 (16,8)

507.475 (19,8)

429.831 (16,8) 3

508.006 (19,8) 56

Landsdækkende kort over estimeret fosfortal (Ptal) i overjord produceret af ConTerra ApS (ConTerra, 2019).

Procentandel af

landbrugsareal på 2.561.000 ha (2014) i parentes.

Jordtab fra mark til overfladevand er kun beregnet for scenariet med gen-

nemsnitligt fosforindhold.

Jordtab til overfladevand blev af beregningstekniske årsager modelleret ved

hjælp af en single-flow-algoritme i modsætning til multi-flow-algoritmen, der

blev brugt ved modelleringen af jordomfordelingen i landskabet, dvs. erosions-

risikokortlægningen. Multi-flow-algoritmen repræsenterer mere realistiske af-

strømningsmønstre i landskabet og tager højde for konvergerende strømning i

lavninger og divergerende strømning på flade og kuperede områder (Desmet

& Govers, 1996b). Single-flow-algoritmer har derimod en tendens til at estimere

afstrømningsmønstre, der er mere koncentrerede og ofte resulterer i mindre bi-

dragsarealer sammenlignet med multi-flow-algoritmer. Det er derfor muligt, at

vi undervurderer det samlede areal, der genererer jordtab til vand. Dette vil dog

hovedsageligt påvirke arealomfanget i de lave og moderate risikoklasser, men

næppe den estimerede fosfortransport. Derfor vurderes det, at det i forhold til

virkemiddelplanlægningen er acceptabelt at bruge single-flow-metoden. Det

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

forventes desuden, at virkemidler på dyrkningsfladen i givet fald vil blive an-

vendt på praktisk håndterbare områder inden for markerne, der typisk vil over-

stige de kortlagte områder med jordtab til vandområder.

Vores WaTEM-modellering estimerer en årlig sedimenttilførsel til overflade-

vand på 92.000 ton i Danmark (Onnen m.fl., 2019). Hvis der antages et gennem-

snitligt fosforindhold i sedimentet på 0,60 kg P t

-1

, svarer dette til 55 ton fosfor-

tab til vandmiljøet. Adskillige undersøgelser har vist, at fosforkoncentrationen

i overfladesedimenter, der transporteres til vandområder, er højere end jordens

fosforkoncentration i kildeområderne. Årsag til denne såkaldte berigelse er, at

den fine og ofte fosforberigede fraktion af mobiliseret sediment har en større

sandsynlighed for transport over lange distancer i landskabet. Derfor udgør

den fine fraktion i tilført sediment en større andel ift. til den oprindelige jord.

Fosforkoncentrationer i sediment kan således være dobbelt så høje som i jord

(Sharpley, 1985; Fiener m.fl., 2005). Fosforkoncentrationen i sediment tilført

vandområderne i Danmark er ikke kendt. Derfor anses vores vurdering af fos-

forerosion baseret på det gennemsnitlige fosforindhold i landbrugsjord for kon-

servativ. Vi tager heller ikke højde for opløst fosfor i overfladeafstrømningen til

vandområder, da afstrømningsmængderne ikke er kendt.

Ligesom for sedimenttilførsel, kan vi direkte estimere fosfortabet fra landbrugs-

jord til vandområder ved at multiplicere jordtab på et givet område med jor-

dens fosforkoncentration. Vi har beregnet to scenarier for fosforerosion, scena-

rie 1, hvor jordens fosforindhold estimeres på grundlag af ConTerra’s fosfor-

tals-kortlægning og scenarie 2, hvor fosforindholdet beregnes ved at antage et

gennemsnitligt fosforindhold på 0,60 g P kg

-1

. Scenarierne giver sammenligne-

lige resultater (tabel 4.1.2) og viser, at et forholdsvist lille landbrugsareal med

høje rater af jordtab forventes at bidrage mest til fosfortab ved erosion. Klasse-

delingen af fosfortabsrater (tabel 4.1.2) svarer til tabspotentialerne anvendt i fos-

forvirkemiddelkataloget (Andersen m.fl., 2020). Arealet med potentiel fosfor-

erosion over 0,5 kg P ha

-1

år

-1

udgør kun 1% af landbrugsarealet i 2014. I Con-

Terra-scenariet estimeres, at ca. 27.000 ha med et fosfortab større 0,5 kg P ha

-1

år

-1

bidrager med 77% af den samlede fosfortilførsel til vandområderne forår-

saget af vanderosion. Set på landsplan var der kun en lille forskel i bidragsare-

alerne for de enkelte fosfortabsklasser i de to scenarier (tabel 4.1.2). Det skyldes

blandt andet, at på arealer med jordtab til vandområder lignede gennemsnittet

af det estimerede fosforindhold i jord baseret på ConTerra-data (gns., minimum

og maksimum hhv. 0,59, 0,46 og 0,90 g totalfosfor kg

-1

jord) den konstante værdi

anvendt i det andet scenarie. På grund af usikkerhederne forbunden med Con-

Terra’s fosfortalskort og omregningen til jordens fosforindhold kan der på nu-

værende tidspunkt ikke afgøres, hvilket scenarie der er bedst til at estimere fos-

forerosionen i en given lokalitet. Imidlertid vurderes det, at anvendelsen af de

rumlige varierende fosforindhold (scenarie 1) giver et mere retvisende billede

af fosforerosion på regionalt niveau. Den lille forskel i årligt fosfortab mellem

skønnene baseret på sedimenttilførselen til vandområder (55 ton P år

-1

) og fos-

forerosionen på landbrugsjord i gennemsnitsscenariet (56 ton, tabel 4.1.2) skyl-

des anvendelsen af de to forskellige afstrømningsalgoritmer.

Resultater fra kørslerne af erosionsmodellen med forskellige ktc-værdier blev

brugt til at karakterisere modelusikkerheden efter resultaterne blev vægtet for,

hvor godt scenarier med bestemte ktc-faktorer kunne beskrive målt sediment-

transport i vandløb (Onnen m.fl., 2019). For hvert punkt med sedimenttilførsel

til overfladevand er der således beregnet konfidensintervaller. De tilsvarende

sedimentmængder er ganget med et gennemsnitligt fosforindhold på 0,6 g kg

-1

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

sediment, da vi ikke har oplysninger om fosforkoncentrationen af dette sedi-

ment. På landsplan resulterede dette i et 95% konfidensinterval på 53 – 58 t P

tilført vandområder årligt med vanderosion. Ligesom for den gennemsnitlige

fosfortilførsel med vanderosion, anses konfidensintervallet som et konservativt

estimat, da vi hverken har taget højde for en mulig fosforberigelse af sedimentet

tilført vandområder eller opløst fosfor i overfladeafstrømningen.

4.1.4 Konklusion

Langsigtet gennemsnitlig erosion og sedimenttilførsel til overfladevand er

kortlagt landsdækkende med WaTEM-modellen med en rumlig opløsning på

10 m. Ved at kombinere jordtab fra landbrugsjord til overfladevand med esti-

mater af fosforindholdet i det eroderede sediment er der beregnet fosforero-

sion fra mark til vandområder. Denne kortlægning udpejer risikoarealer for

fosfortab ved vanderosion rumligt eksplicit. Derudover er fosfortilførsel til

vandområder estimeret på basis af modelleret sedimenttilførsel under anta-

gelse af et gennemsnitlig fosforindhold i tilført sediment. Dette indikerer,

hvor i landskabet eroderet fosfor tilføres vandområderne. På landsniveau er

det årlige fosfortab med erosion med de to metoder opgjort til 56 t P med en

95 % konfidensinterval på 53 – 58 t P. Usikkerhedsvurderingen af fosfor tilført

vandområder med erosion er gennemført ved at sammenholde målt og mo-

delleret sedimenttilførsel i 25 vandoplande under antagelse af et gennemsnit-

lig fosforindhold i sediment.

Litteratur

Adhikari, K., Kheir, R.B., Greve, M.B., Bøcher, P.K., Malone, B.P., Minasny, B.,

McBratney, A.B., Greve, M.H., 2013. High-Resolution 3-D Mapping of Soil

Texture in Denmark. Soil Sci. Soc. Am. J. 77, 860.

Alatorre, L.C., Beguería, S., García-Ruiz, J.M., 2010. Regional scale modeling

of hillslope sediment delivery: A case study in the Barasona Reservoir water-

shed (Spain) using WATEM/SEDEM. J. Hydrol. 391, 109–123.

Andersen, H.E., Rubæk, G.H., Halser, B., Jacobsen, B. (red.) 2020. Virkemidler

til reduktion af fosforbelastning af vandmiljøet. Videnskabelig rapport fra

DCE, Nationalt Center for Miljø og Energi, nr. 379.

Bechmann, M., Kleinman, P.J.A., Sharpley, A.N., Saporito, L.S., 2005. Freeze–

thaw effects on phosphorus loss in runoff from manured and catch-cropped

soils. J. Environ. Qual. 34, 2301–2309.

Beven, K., 2006. A manifesto for the equifinality thesis. J. Hydrol. 320, 18–36.

https://doi.org/10.1016/J.JHYDROL.2005.07.007

Beven, K., Freer, J., 2001. Equifinality, data assimilation, and uncertainty esti-

mation in mechanistic modelling of complex environmental systems using the

GLUE methodology. J. Hydrol. 249, 11–29.

Cerdan, O., Govers, G., Le Bissonnais, Y., Van Oost, K., Poesen, J., Saby, N.,

Gobin, A., Vacca, A., Quinton, J., Auerswald, K., Klik, A., Kwaad, F.J.P.M.,

Raclot, D., Ionita, I., Rejman, J., Rousseva, S., Muxart, T., Roxo, M.J., Dostal,

T., 2010. Rates and spatial variations of soil erosion in Europe: A study based

on erosion plot data. Geomorphology. 122, 167–177.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Commission Regulation (EC) No 796/2004 of 21 April 2004. http://data.eu-

ropa.eu/eli/reg/2004/796/2010-01-01 (accessed 03 June 2019).

ConTerra 2019. Notat – Udvikling af GIS-kort over estimeret fosfortal I land-

brugsjord. 28 s.

Desmet, P.J.J., Govers, G., 1995. GIS-based simulation of erosion and deposi-

tion patterns in an agricultural landscape: a comparison of model results with

soil map information. Catena 25, 389–401.

Desmet, P.J.J., Govers, G., 1996a. A GIS procedure for automatically calculat-

ing the USLE LS factor on topographically complex landscape units. J. Soil

Water Conserv. 51, 427-433.

Desmet, P.J.J., Govers, G., 1996b. Comparison of routing algorithms for digital

elevation models and their implications for predicting ephemeral gullies. Int.

J. Geograph. Inf. Systems 10, 311-331.

Fiener, P., Auerswald, K., Weigand, S. 2005. Managing erosion and water

quality in agricultural watersheds by small detention ponds. Agriculture,

Ecosystems & Environment 110, 132-142.

Frich, P., Rosenørn, S., Madsen, H., Juncher Jensen, J., 1997. Danish Meteoro-

logical Institute. Technical Report. 97-8, 38.

Govers, G., 1991. Rill erosion on arable land in Central Belgium: Rates, con-

trols and predictability. Catena 18, 133–155.

Kieta, K.A., Owens, P.N., Lobb, D.A., Vanrobaeys, J.A., Flaten, D., 2018. Phos-

phorus dynamics in vegetated buffer strips in cold climates: a review. Envi-

ron. Rev. 26, 255–272.

Kirkby, M.J., Jones, R.J.A., Irvine, B., Gobin, A, Govers, G., Cerdan, O., Van

Rompaey, A.J.J., Le Bissonnais, Y., Daroussin, J., King, D., Montanarella, L.,

Grimm, M., Vieillefont, V., Puigdefabregas, J., Boer, M., Kosmas, C., Yasso-

glou, N., Tsara, M., Mantel, S., Van Lynden, G.J., Huting, J., 2004. Pan-Euro-

pean Soil Erosion Risk Assessment: The PESERA Map, Version 1 October

2003. Explanation of Special Publication Ispra 2004 No.73 (S.P.I.04.73). Euro-

pean Soil Bureau Research Report No.16, EUR 21176. Office for Official Pub-

lications of the European Communities, Luxembourg.

Kronvang, B., Bruhn, A.J., 1996. Choice of sampling strategy and estimation

method for calculating nitrogen and phosphorus transport in small lowland

streams. Hydrol. Process. 10, 1483-1501.

Kronvang, B., Andersen, H.E., Larsen, S.E., Audet, J., 2013. Importance of

bank erosion for sediment input, storage and export at the catchment scale. J.

Soils Sediments. 13, 230–241.

Laubel, A., Kronvang, B., Hald, A.B., Jensen, C., 2003. Hydromorphological and

biological factors influencing sediment and phosphorus loss via bank erosion

in small lowland rural streams in Denmark. Hydrol. Process. 17, 3443–3463.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Levin, G., Blemmer, M.K., Nielsen, M.R. 2012. Basemap: Technical documenta-

tion of a model for elaboration of a land-use and land-cover map for Denmark.

Technical Report from DCE - Danish Centre for Environment and Energy.

Nash, J.E., Sutcliffe, J.V., 1970. River flow forecasting through conceptual

models part I — A discussion of principles. J. Hydrol. 10, 282–290.

Nearing, M.A., Govers, G., Norton, L.D., 1999. Variability in Soil Erosion Data

from Replicated Plots. Soil Sci. Soc. Am. J. 63, 1829.

Onnen, N., Heckrath, G., Olsen, P., Greve, M., Pulens, J.W.M., Kronvang, B.,

Van Oost, K. 2019. Distributed water erosion modelling at fine spatial resolu-

tion across Denmark. Geomorphology 342, 150-162.

Panagos, P., Ballabio, C., Borrelli, P., Meusburger, K., Klik, A., Rousseva, S.,

Tadić, M.P., Michaelides, S., Hrabalíková, M., Olsen, P., Aalto, J., Lakatos, M.,

Rymszewicz, A., Dumitrescu, A., Beguería, S., Alewell, C., 2015a. Rainfall ero-

sivity in Europe. Sci. Total Environ. 511, 801–814.

Panagos, P., Borrelli, P., Meusburger, K., Alewell, C., Lugato, E., Montana-

rella, L., 2015b. Estimating the soil erosion cover-management factor at the

European scale. Land use policy. 48, 38–50.

Panagos, P., Borrelli, P., Poesen, J., Ballabio, C., Lugato, E., Meusburger, K.,

Montanarella, L., Alewell, C., 2015c. The new assessment of soil loss by water

erosion in Europe. Environ. Sci. Policy. 54, 438–447.

Rekolainen S, Ekholm P, Heathwaite L, Lehtorante J, Uusitalo R (2006) Off-

site impact of erosion: Eutrophication as an example. In: J. Boardman, J.

Poesen (eds.) Soil Erosion in Europe. Wiley & Sons, Chichester, pp. 775-789.

Renard, K.G., Foster, G.R., Weesies, G.A., McCool, D.K., Yoder, D.C., 1997.

Predicting soil erosion by water: A guide to conversation planning with the

Revised Universal Soil Loss Equation (RUSLE), Agriculture Handbook Num-

ber 703, United States Department of Agriculture.

Roose, E., 1996. Land husbandry: components and strategy. FAO soils Bulletin

N° 70. FAO, Rome. 380.

Rosenkranz, B., Frederiksen, P., 2011. Quality assessment of the Danish Ele-

vation Model (DK-DEM). Danish Ministry of the Environment. National Sur-

vey and Cadastre – Denmark, Technical Report. 12, 82.

Schjønning, P. 1995. Surface runoff, erosion and loss of phosphorus at two

agricultural soils in Denmark - plot studies 1989-92. SP Report, No. 14, Danish

Institute of Plant and Soil Science. 77-96.

Schjønning, P., Heckrath, G., Christensen, B.T. 2009. Threats to Soil Quality in

Denmark. DJF Report Plant Science No. 143.

Sharpley, A.N. 1985. The Selection Erosion of Plant Nutrients in Runoff. Soil

Science Society America Journal 49, 1527-1534.

Sharpley, A.N., Daniel, T.C., Edwards, D.R., 1993. Phosphorus movement in

the landscape. J. Prod. Agric. 6(4), 492-500.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Takken, I., Beuselinck, L., Nachtergaele, J., Govers, G., Poesen, J., Degraer, G.,

1999. Spatial evaluation of a physically-based distributed erosion model

(LISEM). CATENA. 37, 431–447.

Thodsen, H., Rasmussen, J.J., Kronvang, B., Andersen, H.E., Nielsen, A., Lar-

sen, S.E., 2019. Suspended matter and associated contaminants in Danish

streams: a national analysis. J. Soils Sediments. 1–15.

U.S. Department of Agriculture, 2000. Summary Report: 1997 National Re-

sources Inventory (revised December 2000), Natural Resources Conservation

Service, Washington, DC, and Statistical Laboratory, Iowa State University,

Ames, Iowa.

Vadas, P., Kleinman, P.J.A., Sharpley, A.N., Turner, B.L., 2005. Relating soil

phosphorus to dissolved phosphorus in runoff: A single extraction coefficient

for water quality modeling. J. Environ. Qual. 34, 572–580.

Van der Knijff, J.M., Jones, R.J.A., Montanarella, L., 2000. Soil Erosion Risk As-

sessment in Europe. EUR 19044 EN. Luxemb. Off. Off. Publ. Eur. Communities.

Vanmaercke, M., Poesen, J., Verstraeten, G., de Vente, J., Ocakoglu, F., 2011.

Sediment yield in Europe: Spatial patterns and scale dependency. Geomor-

phology. 130, 142–161.

Van Oost, K., Govers, G., Desmet, P., 2000. Evaluating the effects of changes

in landscape structure on soil erosion by water and tillage. Landsc. Ecol. 15,

577–589.

Van Oost, K., Govers, G., Van Muysen, W., 2003. A process-based conversion

model for caesium-137 derived erosion rates on agricultural land: an inte-

grated spatial approach. Earth Surf. Process. Landforms. 28, 187–207.

Van Rompaey, A., Bazzoffi, P., Jones, R.J., Montanarella, L., 2005. Modeling

sediment yields in Italian catchments. Geomorphology. 65, 157–169.

Veihe, A., Hasholt, B., Schiøtz, I.G., 2003. Soil erosion in Denmark: processes

and politics. Environ. Sci. Policy. 6, 37–50.

Verheijen, F.G.A., Jones, R.J.A., Rickson, R.J., Smith, C.J., 2009. Tolerable ver-

sus actual soil erosion rates in Europe. Earth-Science Rev. 94, 23–38.

Verstraeten, G., 2006. Regional scale modelling of hillslope sediment delivery

with SRTM elevation data. Geomorphology. 81, 128–140.

Verstraeten, G., Prosser, I.P., Fogarty, P., 2007. Predicting the spatial patterns

of hillslope sediment delivery to river channels in the Murrumbidgee catch-

ment, Australia. J. Hydrol. 334, 440–454. https://doi.org/10.1016/J.JHY-

DROL.2006.10.025

Zak, S.K., Beven, K.J., 1999. Equifinality, sensitivity and predictive uncertainty

in the estimation of critical loads. Sci. Total Environ. 236, 191–198.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.2

Kortlægning af jordens fosforbindingskapacitet i danske

jorde baseret på oxalat-ekstraherbart aluminium og jern

Anders Bjørn Møller

, Goswin Heckrath

, Mogens Humlekrog Greve

Fagfællebedømmelse: Gitte Rubæk

Institut for Agroøkologi, AU

4.2.1 Introduktion

Fosfor (P) er et af de vigtigste næringsstoffer for planter, og tilførsel af fosfor-

holdig gødning er derfor nødvendig for at opretholde landbrugsproduktio-

nen. Intensiveringen af landbrugsproduktionen igennem det tyvende år-

hundrede har i mange landsdele medført store overskudstilførsler af fosfor

både i form af mineralsk fosfor og fosfor i husdyrgødning (Poulsen & Rubæk,

2005) med betydelig fosforophobning i landbrugsjord til følge (Rubæk m.fl.,

2013). Fosfor bindes normalt hårdt i jorden, men hvis jordens fosforindhold

overstiger den effektive bindingsevne, kan fosfor imidlertid udvaskes fra

landbrugsjord til recipienter (Andersen m.fl., 2016), hvor det kan medføre eut-

rofiering. Bindingskapaciteten for fosfor i jord er overvejende en naturgiven

faktor, der varier betydeligt med forskellige jordtyper og med dybden (Ru-

bæk m.fl., 2013; Schoumans & Chardon, 2015). Detaljeret viden om jordens

fosforbindingskapacitet (PSC) er derfor vigtig for at vurdere risikoen for fos-

forudvaskning (Schoumans & Groenendijk, 2000). Fosfor bindes til forskellige

komponenter i jord. Imidlertid anses lavt-krystallinske jern- og aluminium-

oxider for langt de vigtigste bindingskomponenter under danske forhold

(Borggaard m.fl., 1990; Borggaard m.fl., 2004). Selvom kalkmineraler i jord

binder fosfor, vurderes deres bidrag til fosforbindingskapaciteten på de kalk-

holdige danske lerjorde for negligibelt i forhold til jern- og aluminiumoxider.

Tilsvarende konkluderede Schoumans & Chardon (2015) for kalkholdige

jorde i Holland (Bilag 2).

Der er imidlertid kun få data på PSC, da direkte målinger er meget tidskræ-

vende. I stedet er der udviklet pedotransferfunktioner til at estimere PSC ba-

seret på mængderne af de komponenter, der har størst betydning for fosfor-

binding i jord. En ofte benyttet metode udviklet af Van Der Zee & Van

Riemsdijk (1986) giver et robust estimat på PSC baseret på en oxalatekstrak-

tion af de lavt-krystallinske aluminium- og jernoxider:

��

= 0,5(��

��

)

(4.2.1)

hvor

PSC

er den estimerede fosforbindingskapacitet (mmol kg

-1

), faktor 0,5 er

en empirisk konstant,

er oxalatekstraherbart aluminium (mmol kg

-1

), og

er oxalatekstraherbart jern (mmol kg

-1

Formålet med dette studie er at kortlægge fosforbindingskapaciteten i danske

jorde, undtagen organiske lavbundsjorde (>6% organisk kulstof; Adhikari

m.fl., 2014a), i fire dybdeintervaller (0 – 25; 25 – 50; 50 – 75; 75 – 100 cm) baseret

på et stort dataset af målinger af Al

og Fe

. Kortlægningen af Al

and Fe

i organiske lavbundsjorde er beskrevet i kapitel 4.5.2. Til kortlægningen er der

brugt den innovative maskinlæringsmetode Quantile Regression Forests, der

både kan kortlægge den afhængige variabel og usikkerhederne forbundet

med forudsigelsen (Vaysse & Lagacherie, 2017; Padarian et al., 2020). En ud-

dybende metodebeskrivelse findes i Bilag 2.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.2.2 Metode

4.2.2.1 Data

En detaljeret oversigt over de jordprøver, der indgik i nærværende studie

præsenteres i Bilag 2. I alt bruges 34 sæt af jordprøver i studiet. I nogle til-

fælde, f.eks. for nogle Kvadratnet-prøver (Rubæk m.fl., 2013), er der anvendt

data fra tidligere analyser af Al

og Fe

. I mange tilfælde er der gennemført

nye analyser på arkiverede jordprøver, bl.a. også fra Kvadratnetspunkter.

Derudover blev der gennemført en ny landsdækkende jordprøveudtagning

på 363 nye punkter i vinteren 2017/2018. Disse nye punkter er placeret stra-

tegisk, så de bedst muligt supplerer data fra tidligere Kvadratnetsudtagnin-

ger. Alle jordprøver er analyseret for Al

og Fe

efter Schoumans (2000). Sup-

pleret med data fra et antal mindre undersøgelser foreligger der i alt 4747 ge-

orefererede målinger af Al

ox,

og Fe

fra 1623 lokaliteter (figur 4.2.1), der ind-

går i kortlægningen af PSC (Bilag 2).

Figur 4.2.1.

Observationer af oxalatextraherbart aluminium (Al

, A) og jern (Fe

, B) samt fosforbindingskapaciteten (PSC,

mmol kg

-1

) i prøver fra dybden 0 – 25 cm beregnet med ligning 4.2.1 (C).

4.2.2.2 Kortlægning

I kortlægningen af PSC på grundlag af Al

og Fe

er anvendt avancerede

statistiske maskinlæringsmetoder, der inddrager talrige landsdækkende op-

lysninger om klima, geologi og landskabet i ekstrapoleringen af datapunk-

terne på 30,4 m rasteropløsning. Disse inputdata, såkaldte covariater, er be-

skrevet i Bilag 2. Maskinlæringsmetoden kaldes Quantile Regression Forests

(QRF) og fungerer ved at opbygge en række beslutningstræer baseret på stik-

prøver fra det samlede datasæt. Hvert beslutningstræ opbygges ved gentagne

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

opdelinger af stikprøven baseret på de forklarende variabler for bedst muligt

at kunne prædiktere den afhængige variabel, i dette tilfælde Al

eller Fe

Modellen kan herefter bruges til at kortlægge den afhængige variabel ved at

udregne gennemsnittet af forudsigelserne fra hvert beslutningstræ. Metoden

kan også kortlægge usikkerhederne for den afhængige variabel i form af

kvantiler ved at betragte forudsigelserne fra beslutningstræerne som en stati-

stisk fordeling. Kvantilen ved 25% angiver for eksempel en værdi, som ifølge

modellen har 25% chance for at være højere end den reelle værdi og 75%

chance for at være lavere (Bilag 2).

Vi opbyggede modeller for Al

og Fe

, ved brug af QRF. Dybden indgik i

begge modeller som en forklarende variabel, og hver model var derfor i stand

til at kortlægge den afhængige variabel i flere forskellige dybder. Vi kortlagde

både den forventede værdi og usikkerhederne forbundet med forudsigel-

serne i form af 100 kvantiler fra 0,5% til 99,5% for hvert dybdeinterval. Kor-

tene havde en rumlig opløsning på 30,4 m. Vi beregnede derefter usikkerhe-

derne for PSC ved at kombinere kvantilerne for Al

og Fe

Vi vurderede nøjagtigheden for hver model ved en krydsvalidering. Vi op-

delte det samlede datasæt i fire dele og brugte tre af delene til at opbygge en

model, som herefter blev brugt til at forudsige den afhængige variabel for den

sidste del af datasættet. Fremgangsmåden blev gentaget fire gange, hvilket

gav en uafhængig forudsigelse for hver del af datasættet, som herefter kunne

sammenlignes med de observerede værdier. Vi udregnede herefter nøjagtig-

heden som vægtet R

) og vægtet root mean square error (RMSE

). Vi

brugte vægtede mål for nøjagtigheden, hvor observationer fra områder med

mange prøver blev tildelt mindre vægt for at opnå et repræsentativt nøjagtig-

hedsestimat (Bilag 2). Hele Danmarks areal er kortlagt, undtagen de organi-

ske lavbundsjorde (>6% organisk kulstof, Adhikari m.fl., 2014a).

4.2.3 Resultater

En krydsvalidering viste, at forudsigelserne af Al

er moderat nøjagtige (R

= 0,49, RMSE

= 14,0 mmol kg

-1

). Forudsigelserne af Fe

er mindre nøjagtige

= 0,14; RMSE

= 32,3 mmol kg

-1

). Den samlede nøjagtighed for PSC ligger

på et niveau mellem Al

og Fe

= 0,23, RMSE

= 19,1 mmol kg

-1

). For-

skellene mellem kortene og de observerende værdier var generelt proportio-

nale med de forudsagte værdier. RMSE

svarer i gennemsnittet til 32,8% af

en given forudsagt værdi for Al

, 61,6% for Fe

og 39,7% for PSC. Den lave

for Fe

og PSC skyldes især deres skæve fordeling med få, ekstremt høje

værdier i områder med lavbundsjord. En logaritmisk transformation af vari-

ablerne øgede således R

til 0,27 for Fe

og til 0,38 for PSC. Dette viser, at

afvigelserne fra de observerede værdier er størst i områder, hvor værdierne

for Fe

og PSC er høje. Flere detaljerede resultater er vist i Bilag 2.

Koncentrationerne af Al

and Fe

i jord afhænger af sammensætningen af

det geologiske udgangsmateriale samt omfanget af forvitrings- og omforde-

lingsprocesserne (Bilag 2). Således er den rumlige variation af Al

and Fe

Danmark (figur 4.2.2, 4.2.3) tæt knyttet til de glaciale aflejringsprocesser og -

mønstre i landet (Madsen and Jensen, 1992). Forvitringen er typisk højest i de

øverste jordlag bl.a. fremmet af biologiske processer (Raulund-Rasmussen

m.fl., 1998), som medfører ofte relativt høje koncentrationer af Al

and Fe

disse lag. Den prædikterede koncentration af Al

er særligt høj i de sandede

moræneområder i Nordjylland og Himmerland (figur 4.2.2). Koncentrationen

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

er derimod lav i klitlandskaber og yngre marine aflejringer. Koncentratio-

nerne er også generelt lave i Østdanmark på de yngste, lerede morænejorde.

Koncentrationen af Al

er generelt størst i dybdeintervallet 25 – 50 cm, især i

sandjorde i den vestlige del af landet. I Østdanmark er der ikke stor forskel

på Al

i dybdeintervallerne 0 – 25 cm og 25 – 50 cm, dog med en tendens af

højest Al

i det øverste lag.

Figur 4.2.2.

Prædikteret koncen-

tration af Al

i dybden 0 – 25 cm.

Organisk lavbundsjord (>6% or-

ganisk kulstof, Adhikari m.fl.,

2014a) er ikke kortlagt.

De vigtigste variabler i modellen til kortlægning af Al

er relateret til dybde,

udgangsmateriale, topografi og klima, især nedbør (Bilag 2). Dybdefordelin-

gen af Al

, hvor koncentrationen ofte er størst i dybdeintervallet 25 – 50 cm,

skyldes podzolering. Podzolering er en jordbundsproces, der især forekom-

mer på kraftigt forvitrede sandjorde med meget lavt lerindhold i et fugtigt,

tempereret klima. Mikrobiel nedbrydning af planterester udleder organiske

syrer, der kan mobilisere aluminium og i nogle tilfælde jern bundet i minera-

ler. De opløste substanser aflejres længere nede i jorden i form af en horisont

beriget med organisk materiale, aluminiumoxider og eventuelt jernoxider

(Madsen m.fl., 1992; Väänänen m.fl., 2008). I Danmark forekommer podzole-

ring især i de tidligere hedejorder i Vestjylland (Adhikari m.fl., 2014b).

Ligesom for Al

påvirker udgangsmaterialets art og alder de rumlige møn-

stre af Fe

. Den prædikterede koncentration af Fe

har en skæv fordeling

med meget høje værdier i nogle områder (figur 4.2.3). Organisk stof, jordens

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

tekstur og processer i lavbundsområder er de vigtigste faktorer for prædikti-

onen af Fe

, hvor der kortlægges høje koncentrationer i ådale og på tide-

vandsflader. Omvendt er koncentrationen af Fe

lav i vindaflejrede sandom-

råder og på smeltevandssletterne med kraftigt forvitrede udgangsmaterialer.

Desuden findes relativt lave koncentrationer af Fe

på de unge lerede moræ-

nejorde i Østdanmark og på Littorinafladerne (figur 4.2.3). Generelt er den

rumlige variation af Fe

betydelig større end dybdevariationen.

Figur 4.2.3.

Prædikteret koncen-

tration af Fe

i dybden 0 – 25

cm. Organisk lavbundsjord (>6%

organisk kulstof, Adhikari m.fl.,

2014a) er ikke kortlagt.

De forholdsvis høje indhold af Fe

i lavbundsområder kan forklares med en

regional omfordeling af jern i grundvandsstrømninger. Lavbundsområder og

ådale er udstrømningsområder, der således modtager større mængder oplø-

ste stoffer (Bilag 2). Transporteres opløst jern [Fe(II)] i iltfrie grundvandsma-

gasiner til lavbundsområder, udfælder jern typisk som pyrit under iltfrie eller

som jern(III)oxid under iltede forhold (Appelo and Postma, 2005). Kortlæg-

ningen af Fe

er forholdsvis usikker i disse områder, da koncentrationen af

vil afhænge af hvor meget jern, der føres med grundvandet, hvilken vej

grundvandet strømmer, og hvor det iltes.

Kortlægningen af PSC reflekterer de kombinerede rumlige mønstre af både

og Fe

(figur 4.2.4). PSC er størst i lavbundsjorde på grund af det høje

indhold af Fe

og mindst i unge aflejringer, såsom littorinaflader, flyvesand

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

og de lerede morænejorde på øerne. På sandede moræneaflejringer, for ek-

sempel i Nordjylland og Himmerland, er PSC forholdsvis stor. I de fleste til-

fælde er PSC højest i topjorden. På hedesletterne og bakkeøerne i Vestjylland

er PSC derimod lavere i topjorden end i dybdeintervallet 25 - 50 cm på grund

af podzolisering og den resulterende omfordeling af Al

i jordprofilen.

Figur 4.2.4.

Den prædikterede

fosforbindskapacitet i topjorden

(0 – 25 cm). Organisk lavbunds-

jord (>6% organisk kulstof, Adhi-

kari m.fl., 2014a) er ikke kortlagt.

4.2.4 Konklusion

Nøjagtigheden af den kortlagte PSC er generelt lav. Den lave nøjagtighed

skyldes især, at det var vanskeligt at forudsige mængden af Fe

i lavbunds-

områder, da den påvirkes af et komplekst samspil mellem processer, der ikke

i tilstrækkeligt omfang kunne repræsenteres i de tilgængelige inputdata. Nøj-

agtigheden er derfor væsentligt højere for højbundsjorde end for lavbunds-

jorde. RMSE

er således 39,3 mmol kg

-1

for lavbundsjorde, men kun 11,1

mmol kg

-1

for højbundsjorde. Formålet med kortlægningen af PSC var pri-

mært at genere inputdata til modelleringen af fosforudvaskningen gennem

jordmatricen for drænede højbundsjorde (afsnit 4.3). Den relativt lave nøjag-

tighed for lavbundsjorde har ikke nogen stor betydning for dette formål. Vi

vurderer derfor, at kortet er tilstrækkeligt nøjagtigt til brug i udvaskningsmo-

delleringen.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

I dette afsnit har vi kortlagt jordens PSC ud fra mængderne af Al

og Fe

Denne fremgangsmåde er forsimplet, da bl.a. forekomst af kalk i jord kan

fremme fosforbinding. I overensstemmelse med Schoumans og Chardon

(2015) vurderes det dog, at de lave til moderate kalkindhold, der findes i de

lerede jorde i Danmark, udgør et negligerbart bidrag overskygget af fosfor-

bindingskapacitet knyttet til Al

and Fe

Litteratur

Adhikari, K., Hartemink, A.E., Minasny, B., Kheir, R.B., Greve, M.B. and

Greve, M.H., 2014a. Digital mapping of soil organic carbon contents and

stocks in Denmark. PLOS ONE 9(8), e105519.

Adhikari, K., Minasny, B., Greve, M.B. and Greve, M.H., 2014b. Constructing

a soil class map of Denmark based on the FAO legend using digital

techniques. Geoderma 214-215, 101-113.

Andersen, H.E., Baatrup-Pedersen, A., Blicher-Mathiesen, G., Christensen,

J.P., Heckrath, G., Nordemann Jensen, P. (red.), Vinther, F.P., Rolighed, J.,

Rubæk, G. & Søndergaard, M. 2016. Redegørelse for udvikling i landbrugets

fosforforbrug, tab og påvirkning af Vandmiljøet. Aarhus Universitet, DCE –

Nationalt Center for Miljø og Energi, 86 s. - Teknisk rapport fra DCE -

Nationalt Center for Miljø og Energi nr. 77.

Appelo, C.A.J., Postma, D. 2005. Geochemistry, groundwater and pollution.

ed. CRC Press, Boca Raton.

Borggaard, O.K., Jørgensen, S.S., Møberg, J.P. and Raben-Lange, B., 1990.

Influence of organic matter on phosphate adsorption by aluminium and iron

oxides in sandy soils. J. Soil Sci. 41(3), 443-449.

Borggaard, O.K., Szilas, C., Gimsing, A.L. and Rasmussen, L.H., 2004.

Estimation of soil phosphate adsorption capacity by means of a pedotransfer

function. Geoderma 118(1-2), 55-61.

Raulund-Rasmussen, K., Borggaard, O.K., Hansen, H.C.B., Olsson, M. 1998.

Effect of natural organic soil solutes on weathering rates of soil minerals.

Europ. J. Soil Sci. 49, 397-406.

Madsen, H.B., Jensen, N.H. 1992. Pedological regional variations in well-

drained soils, Denmark. Geografisk Tidsskrift 92,61-6

Madsen, H.B., Nørr, A.H. and Holst, K.A., 1992. The Danish soil classification.

The Royal Danish Geographical Society, Copenhagen, Denmark.

Padarian, J., Minasny, B. and McBratney, A.B., 2020. Machine learning and

soil sciences: a review aided by machine learning tools. Soil 6(1), 35-52.

Poulsen H.D., Rubæk G.H. (eds.) 2005. Fosfor i dansk landbrug. DJF rapport

Husdyrbrug nr. 68. Aarhus Universitet, Det Jordbrugsvidenskabelige

Fakultet. 211 p.

Roudier, P., Hewitt, A.E. and Beaudette, D.E., 2012. A conditioned Latin

hypercube sampling algorithm incorporating operational constraints. Digital

Soil Assessments and Beyond, 227-231.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Rubæk, G.H., Kristensen, K., Olesen, S.E., Østergaard, H.S., Heckrath, G. 2013.

Phosphorus accumulation and spatial distribution in agricultural soils in

Denmark. Geoderma 209–210, 241–250.

Schoumans O.F. 2000. Determination of the degree of phosphate saturation

in non-calcareous soils. In: G.M. Pierzynski, editor. Methods of

phosphorus analysis for soils, sediments, residuals and waters. Raleigh

NC, USA. Coop. Ser. Bull. 396, Publ. SERA-IEG-17., North Carolina State

University, pp. 31–34.

Schoumans, O.F., Groenendijk, P. 2000. Modelling soil phosphorus levels and

phosphorus leaching from agricultural land in the Netherlands. J. Environ.

Qual. 29, 111–116.

Schoumans, O.F., Chardon, W. 2015. Phosphate saturation degree and

accumulation of phosphate in various soil types in The Netherlands.

Geoderma 237-238, 325-335.

Van Der Zee, S.E.A.T.M. and Van Riemsdijk, W.H., 1986. Sorption kinetics

and transport of phosphate in sandy soil. Geoderma 38(1-4), 293-309.

Vaysse, K. and Lagacherie, P., 2017. Using quantile regression forest to

estimate uncertainty of digital soil mapping products. Geoderma 291, 55-64.

Väänänen, R., Hristov, J., Tanskanen, N., Hartikainen, H., Nieminen, M. and

Ilvesniemi, H., 2008. Phosphorus sorption properties in podzolic forest soils

and soil solution phosphorus concentration in undisturbed and disturbed soil

profiles. Boreal Env. Res. 13(6), 553–567.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.3

Kortlægning af fosforudvaskning gennem jordens

matrice

Jonas Rolighed

Fagfællebedømmelse: Rasmus Jes Petersen

Institut for Bioscience, AU

4.3.1 Introduktion

Normalt bindes fosfor i minerogene jorde hårdt til især amorfe aluminium-

og jern(hydr)oxider. Imidlertid kan fosfor mobiliseres i form af opløst fosfor

ved stigende mætningsgrad af bindingskomplekset og nedvaskes. Der findes

kun få modeller, der kvantificerer det diffuse fosfortab gennem jordprofilen

og via drænvand, selvom det lokalt kan udgøre en betydelig del af fosfor-

transporten (Andersen m.fl., 2016). Her udvikles og afprøves en simpel fos-

forudvaskningsmodel til kvantificering af transport af opløst uorganisk fosfor

fra drænede landbrugsarealer på højbundsjord. Modellen baseres på både ek-

sisterende og ny viden om fosfors bindingskinetik i jord. Der tages udgangs-

punkt i den hollandske model PLEASE udviklet af Schoumans m.fl. (2013),

som tidligere har været afprøvet under hollandske og danske forhold (van

der Salm m.fl., 2011). Modellens parametre bestemmes på baggrund af nye

analyser af danske jordprøver og modellens prædiktionsevne bestemmes ved

opsætning af modellen på en række lokaliteter med målinger af opløst fosfor

i jord- og drænvand. Modellen anvendes efterfølgende til en landsdækkende

kortlægning af tab af opløst fosfor ved udvaskning til dræn på markniveau.

Udover nedenstående beskrivelse findes i bilag 4 en mere uddybende beskri-

velse af det tilvejebragte datamateriale, metoder og resultater.

4.3.2 Metode

Modellen baseres på teori om fosfors binding til jordpartikler. Generelt er ho-

vedparten af de danske jorde relativt sandede og således indeholder 59 % af

Danmarks landbrugsareal <10 % ler (Jb1-Jb4) (Børgesen m.fl., 2009). I van der

Zee m.fl. (1987) beskrives det, at for sure, sandede jorde kan forholdet mellem

fosforindholdet i jorden og ligevægtskoncentrationen af opløst, uorganisk fos-

for i jordvæsken beskrives med en formel, der er baseret på Langmuirs ad-

sorptionsmodel. Ved ligevægt kan forholdet mellem fosforindhold i jorden og

ligevægtskoncentrationen af opløst fosfor vises som:

1+KC

hvor Q (mmol kg

-1

P) er den reversibelt bundne fosfor i jorden, Q

max

(mmol

-1

P) er den maksimale mængde reversibelt bundet uorganisk fosfor i jor-

den, K er adsorptionskonstanten (L mmol

-1

) og C er koncentrationen af opløst

fosfor i jordvæsken ved ligevægt. K kan udtrykkes som

��

, hvor k

adsorptionsrate-konstanten (L mmol

-1

) og k

-1

) er desorptionsrate-kon-

stanten. Q

max

er relateret til mængden af oxalat-ekstraherbart jern og alumi-

nium (Al

, Fe

(mmol kg

-1

)) i jorden:

β(Al

+ Fe )

hvor

angiver andelen af fosfor, der maksimalt kan bindes til jern og aluminium.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Analytisk bestemmes mængden af reversibelt bundet fosfor, Q, ved ekstrak-

tion af fosfor med FeO imprægneret papir (benævnes FeO-P). For at simulere

ligevægtskoncentrationen i jordvæsken, C, rystes jordprøver i en 0.01

CaCl

opløsning i 1:4 jord:væske forhold, som centrifugeres hvorefter koncentratio-

nen af opløst fosfor bestemmes i supernatanten.

Analyser af FeO-P og 0.01

CaCl

-P blev udført på 363 jordprøver fra en

prøvetagning i Kvadratnettet i 2008 samt fra en prøvetagning i landovervåg-

ningsoplandene i 2015. Størstedelen af jordprøverne blev klassificeret som

’sandy loam’, ’loamy sand’ og ’loam’ ifølge USDA soil classification system.

På baggrund af de nye analyser blev de gennemsnitlige Langmuir-parametre

K, k

bestemt til henholdsvis 74.43 L mmol

-1

, 0.173 h

-1

og 0.084 ved ikke-

lineær regression.

0.01

CaCl

-P var positivt korreleret med en række mål for tilgængeligt P:

vandekstraherbart P (n=373, R

=0.92, RMSE=0.24), FeO-P (n=372, R

=0.88,

RMSE=0.29), Olsen P (n=86, R

=0.86, RMSE=0.60) og fosformætningsgraden

(n=276, R

=0.52, RMSE=0.14). Olsen P var desuden positivt korreleret med

vandekstraherbart fosfor (n=989, R

=0.66, RMSE=3.07) og FeO-P (n=86,

=0.68, RMSE=7.68).

Til beregning af fosforkoncentration i jordvæsken, anvendes i modellen en sam-

menhæng mellem jordens indhold af aluminium og jern, vandekstraherbart fos-

for og ligevægtskoncentrationen af fosfor, som beskrevet af Schoumans and

Groenendijk (2000), foruden de nye, gennemsnitlige estimater af Langmuir-pa-

rametrene. Denne sammenhæng har tidligere været implementeret i modellen

PLEASE (Phosphorus LEAching from Soils to the Environment, Schoumans et

al. (2013)) og har været afprøvet på flere hollandske og danske lokaliteter (van

der Salm m.fl., 2011). I nærværende modelopsætning testes en ny beskrivelse af

transport af vand til drænene, hvor der fokuseres på den vertikale vandtransport.

Drænvandet deles i modellen op i to kategorier afhængig af vandets oprin-

delse. Vand, der er nået drænene via makroporestrømning antages at have

oprindelse nederst i pløjelaget og antages at have en koncentration af opløst

fosfor svarende til ligevægtskoncentrationen i pløjelaget. Vand, der har nået

drænene via matricestrømning antages at have samme koncentration af op-

løst fosfor som jordvæskens ligevægtskoncentration i drændybden. Makro-

porestrømning omhandles ikke yderligere i dette kapitel, men i kapitel 4.4.

For at beregne den årlige fosfortransport i dræn, blev der anvendt en nyud-

viklet model til estimering af den årlige drænafstrømning (Mortajemi m.fl.,

2020). Afsnit 4.4.5.4 beskriver, hvordan opdelingen i makropore- og matrice-

strømningens andel af drænvandstransporten derefter er foretaget. På drænet

landbrugsareal antages, at makroporestrømningens andel udgør 0%, 30% el-

ler 60% af drænafstrømningen (afsnit 4.4.5.4).

4.3.3 Resultater

Modellens evne til at simulere ligevægtskoncentrationen af fosfor blev evalu-

eret ved at sammenholde simulerede resultater med målt koncentration af op-

løst fosfor i 0.01

CaCl

-ekstraktioner samt opløst fosforkoncentration målt

i sugeceller og i drænvand. Fosfor i 0.01

CaCl

-ekstraktioner udført på jord-

prøver fra Kvadratnettet og landovervågningsoplandene blev simuleret med

rimelig nøjagtighed (R

= 0.57, RMSE = 0.17) (Figur 4.3.1). Modelberegnet fos-

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

forkoncentration i pløjelaget svarer godt til det målte niveau, mens koncen-

trationen i underjord med lavt fosforindhold (50-100cm) generelt blev over-

estimeret. Koncentrationer af opløst fosfor i sugeceller (R

= 0.92, RMSE =

0.03) og i drænvand (R

= 0.47, RMSE = 0.16) blev generelt også overestimeret

i forhold til målte værdier. Dræntransporten blev generelt overestimeret i

landovervågningens drænoplande med undtagelse af en enkelt station med

en stor andel af grundvandstilstrømning. Modelusikkerheden blev vurderet

på grundlag af sammenligningen mellem modelberegnet og målt ligevægts-

koncentration i 0.01

CaCl

-ekstraktioner, da det er ligevægtskoncentratio-

nen i jordvæsken, modellen tilstræber at simulere, figur 4.3.1.

Udvaskningsmodellen blev efterfølgende sat op på et datasæt, der dækkede

størstedelen af landbrugsjord i Danmark. Der blev anvendt de gennemsnitlige

Langmuir-parametre, ligesom afstrømning i dræn samt opdeling i makro-

pore- og matriceafstrømning blev anvendt på samme vis som ved opsætning

af modellen på målte lokaliteter. Beregningen blev begrænset til potentielt

drænede områder (Møller m.fl., 2018), da det formodes at fosfor vil bindes i

underjorden ved matrix-strømning på ikke-drænede landbrugsarealer, efter-

som landbrugsarealerne generelt har lav fosfor-mætningsgrad i underjorden

(Rubæk m.fl., 2013). I opsætningen blev der som afgrænsning af landbrugs-

jord anvendt markkortet fra 2019, mens jordens fosforbindingskapacitet blev

bestemt af den nye kortlægning af jordens indhold af oxalatekstraherbart alu-

minium og jern (afsnit 4.2). Pløjelagets fosforindhold (målt som Olsen P) blev

baseret på et kort udarbejdet af ConTerra (ConTerra, 2019) med en opløsning

på 100 m samt en empirisk relation mellem vandekstraherbart fosfor og Olsen

P, mens underjordens fosforindhold blev baseret på en gennemsnitlig relation

mellem over- og underjordens indhold af fosfor udført på 1163 jord-profiler.

Figur 4.3.1.

Modelberegnet og

målt ligevægtskoncentration i

0.01

CaCl

-ekstraktioner. Det

grå bånd angiver et 95% kon-

fidensinterval og de punkterede

linjer angiver 95%-prædiktionsin-

terval.

PO₄ (mg P L⁻¹) in 1:4 (w/v) 0.01M CaCl₂

1:1 line

Y=1.03X+0.04

M odelled

M easured

Den simulerede koncentration af opløst fosfor i jordvand var i gennemsnit

0.24 mg P l

-1

i pløjelaget og 0.04 mg P l

-1

i dybden 75-100 cm, mens koncentra-

tionen var en smule højere i det vestlige Danmark (figur 4.3.2).

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.3.2.

Modelberegnet koncentration af opløst fosfor i 75-100 cm dybde (DRP = opløst uorganisk fosfor).

Transporten af opløst fosfor fra drænede områder blev beregnet på baggrund

af en gennemsnitlig drænafstrømning i perioden 1990-2017 (afsnit 4.4.5.4).

Den gennemsnitlige, årlige transport af opløst fosfor i drænede områder blev

beregnet til 0.043 kg P ha

-1

og i alt 59 ton P fra matrice-afstrømning (figur 4.3.3)

med et interval på 23 – 94 tons P, hvis der antages et 95% konfidensinterval

for beregnede fosforkoncentrationer svarende til modelusikkerheden (se

yderligere i bilag 3).

Beregningerne er behæftet med væsentlig usikkerhed, som stammer fra anta-

gelser, simplificeringer vedrørende modelformuleringen samt usikkerheder

relateret til input-data. Langmuir-parametrene blev bestemt på baggrund af

362 jordprøver, hvoraf størstedelen stammer fra pløjelaget. Dette kan betyde,

at modellen er bedst til at simulere jordvandets ligevægtskoncentration af op-

løst P i pløjelaget, mens det kan give en tendens til overestimering i jordlag

med lavere indhold af P.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.3.3.

Modelberegnet udvaskning af opløst fosfor via dræn ved matrice-strømning. Data for drænafstrømning var ikke

tilgængelig for Bornholm (DRP = opløst uorganisk fosfor).

Endelig er der stor usikkerhed på inputs vedrørende jordens fosforbindings-

kapacitet og indhold af fosfor. Særligt indholdet af fosfor kan være udfor-

drende at estimere, da variationen kan være stor, selv inden for den enkelte

mark. Dette afspejles også i data-input vedrørende pløjelagets indhold af fos-

for. Her præsenteres en forklaringsgrad på 30 % for et kort over fosfortal med

500m opløsning, når modelresultater sammenholdes med målte værdier

(ConTerra, 2019). Der oplyses ikke nogen forklaringsgrad for det anvendte

kort med en opløsning på 100m, men den er forventeligt noget lavere. For

dette kort anføres det, at modelberegnede fosfortal aggregeret til georegion-

niveau overestimerer gennemsnitlige, målte fosfortal i georegioner med lave-

ste fosfortal, mens der underestimeres i georegionen med højeste, gennem-

snitlige fosfortal.

I nærværende modelopsætning er underjordens fosforindhold baseret på en

gennemsnitlig relation mellem fosfor i over- og underjord, hvilket yderligere

bidrager til usikkerhed vedrørende bestemmelse af koncentrationen af opløst

P jordvand i drændybden. Usikkerhederne taget i betragtning, må de resulte-

rende udvaskningskort anses for at være mest egnet til at demonstrere mo-

delkonceptet, frem for at vurdere risiko for fosfortab på markniveau. For at

vurdere risiko for fosfortab på markniveau, skal der ideelt set være kendskab

til lokale afstrømningsforhold samt analyser af fosforindhold i pløjelag og

drændybde.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Således vil modellen være egnet til vurdering af udvaskning i relativt velun-

dersøgte oplande eller på marker, hvor jordens fosforindhold er kendt. Her

kan modellen bl.a. anvendes til beregning af ændring i fosforudvaskning ved

scenarier med ændret dyrkningspraksis, der påvirker markens P-balance og

dermed jordens fosforpuljer.

4.3.4 Konklusion

Der er udviklet en dansk model for udvaskning af opløst fosfor fra dyrket

højbundsjord ved matricestrømning. Modellen er en modifikation af den hol-

landske PLEASE-model, som er en relativt simpel model baseret på kendt fos-

forkinetik. Modellens parametre er bestemt på grundlag af laboratorieanaly-

ser af 363 jordprøver fra Kvadratnettet og fra landovervågningsoplandene.

Modellen er evalueret bl.a. ved at sammenholde simuleret og målt ligevægts-

koncentration i jordvæskeekstrakt på 353 prøver. Modelberegnet fosforkon-

centration i pløjelaget svarer godt til det målte niveau, mens koncentrationen

i underjord (50 – 100 cm) med lavt fosforindhold generelt blev overestimeret.

Modellen er opsat landsdækkende på potentielt drænede jorde. Fosforkon-

centrationen i jordprofilet er beregnet på grundlag af den kortlagte fosforbin-

dingskapacitet (oxalatekstraherbart jern og aluminium), de laboratoriebe-

stemte modelparametre samt kortlægningen af pløjelagets fosforindhold be-

stemt som Olsen-P. Fosfortabet ved udvaskning fra de drænede jorde er fun-

det ved at multiplicere fosforkoncentrationen med drænafstrømningen.

Drænafstrømning er beregnet med en nyudviklet model og opdelt i hhv. ma-

tricestrømning og makroporestrømning. Den simulerede koncentration af op-

løst fosfor i jordvand var i gennemsnit 0.24 mg P l

-1

i pløjelaget og 0.04 mg P

-1

i dybden 75-100 cm. Den gennemsnitlige, årlige transport af opløst fosfor i

drænede områder blev beregnet til 0.043 kg P ha

-1

og i alt 59 ton P fra matrice-

afstrømning med et 95% konfidensinterval på 23 – 94 tons P.

Litteratur

Andersen, H.E., Windolf, J., Kronvang, B. 2016. Leaching of dissolved

phosphorus from tile-drained agricultural areas. Water Sci. Technol. 73(12):

2953–2958.

Børgesen, Christen Duus, Greve, Mogens H., Greve, Mette B.. 2009. Notat til

beskrivelse af metode til opstilling af pløjelagets jord- typefordeling på mark-

blokniveau, udført ved hjælp af eksiste- rende jordbundskort og markblokkort.

Conterra. 2019. Notat – Udvikling af GIS-kort over estimeret fosfortal i

landbrugsjord.

Møller, A.B., A. Beucher, B. V. Iversen, and M.H. Greve. 2018. Predicting

artificially drained areas by means of a selective model ensemble. Geoderma

320: 30–42.

Rubæk, G.H., K. Kristensen, S.E. Olesen, H.S. Østergaard, and G. Heckrath.

2013. Phosphorus accumulation and spatial distribution in agricultural soils

in Denmark. Geoderma 209–210: 241–250.

doi: 10.1016/j.geoderma.2013.06.022.

Schoumans, O.F., and P. Groenendijk. 2000. Modeling soil phosphorus levels

and phosphorus leaching from agricultural land in the Netherlands. J.

Environ. Qual. 29(1): 111–116.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Schoumans, O.F., C. Van der Salm, and P. Groenendijk. 2013. PLEASE: A

simple model to determine P losses by leaching. Soil Use Manag. 29(SUPPL.1):

138–146.

van der Salm, C., R. Dupas, R. Grant, G. Heckrath, B. V Lversen, B. Kronvang,

C. Levi, G. Rubaek, and O.F. Schoumans. 2011. Predicting phosphorus losses

with the PLEASE model on a local scale in Denmark and the Netherlands. J.

Environ. Qual. 40(5): 1617–1626.

van der Zee, S.E.A.T.M., L.G.J. Fokkink, and W.H. van Riemsdijk. 1987. A

New Technique for Assessment of Reversibly Adsorbed Phosphate1. Soil Sci.

Soc. Am. J. 51(3): 599.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.4

Partikelmobilisering og makroporetransport

Partikelmobilisering: Trine Nørgaard

, Yi Peng, Anders Bjørn Møller

, Mogens H.

Greve

, Lis Wollesen de Jonge

Makroporer: Bo Vangsø Iversen

, Ali Mehmandoost Kotlar

, Trine Nørgaard

Fagfællebedømmelse: Christen Duus Børgesen

Institut for Agroøkologi, AU

Centre for Nuclear Energy in Agriculture, University of São Paulo

4.4.1 Introduktion

Udvaskning af fosfor sker både i opløst og partikelbundet form. Små jordpar-

tikler i størrelsesorden 1 nm til 10

μm

(Stumm, 1977), også kaldet kolloider, er

kendetegnet ved at de har et meget stort overfladeareal og desuden har de en

høj sorptionskapacitet for forskellige pesticider og næringsstoffer som f.eks.

fosfor, der ellers anses for at være immobile i jorden. Kolloider består af bio-

logisk såvel som mineralsk materiale (bakterier, virus, organisk materiale, ler-

mineraler, oxider og hydroxider), og på grund af deres størrelse er de under

visse forudsætninger mobile i jordprofilen (de Jonge m.fl., 2004a; Kretzschmar

m.fl., 1999, figur 4.4.1).

Figur 4.4.1.

Størrelsesordnen på

kolloide partikler i jordmiljøet. Re-

digeret fra McCarthy og Zachara

(1989).

Således kan mobile kolloider agere som potentielle bærere af partikelbundet

fosfor, også kaldet kolloidfaciliteret transport (de Jonge m.fl., 2004b). Partikel-

mobiliseringspotentialet og dermed graden af kolloidfaciliteret transport va-

rierer mellem forskellige jordtyper og specielt med jordens indhold af ler og

organisk stof og påvirkes derudover af specifikke lokale forhold i jordbunden

under nedbørshændelser (Brubaker m.fl., 1992; Czyz m.fl., 2002; Vendelboe

m.fl., 2012).

Når afstrømning foregår i jordens makroporesystem på strukturerede jorde,

kan udvaskning af fosfor fra overjord til dræn være stor, da processen frem-

mer både opløst og kolloidfaciliteret fosfortransport (Andersen m.fl., 2016).

Det skyldes, at transport i kontinuerte makroporer, såsom sprækker, regnor-

megange og gamle rodkanaler, mindsker fosfortilbageholdelsen i underjor-

den sammenlignet med transport igennem det fine poresystem i jordens ma-

trice. Dels filtreres kolloider normalt meget effektivt, når vandet strømmer

igennem det fine poresystem af jordens matrice, og dels er den tidslige og

rumlige kontakt med bindingsoverflader i underjorden under makropore-

transport for begrænset til at kunne holde opløst fosfor tilbage, da makropo-

rer kun udgør en lille del af jordens poresystem.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

For at kunne vurdere risikoen for kolloidfaciliteret og opløst fosforudvaskning

er det afgørende at have kendskab til forskellige jordtypers risiko for makropo-

retransport under forskellige nedbørsregimer. Der er tidligere udviklet et mo-

delkoncept, der på grundlag af kortlagte jordbundsegenskaber og hydrologisk

modellering udpeger områder, hvor der er sandsynlighed for forekomst af ak-

tive makroporer (Iversen m.fl., 2011). Kobles risikokortet over makroporetrans-

port sammen med jordens potentiale for partikelmobilisering vil det være mu-

ligt at vurdere den rumlige variation i risikoen for kolloidfaciliteret transport og

dermed risikoen for udvaskning af fosfor gennem jordens makroporesystem.

Nærværende studie har haft to hovedformål. Ud fra måling af partikelmobilise-

ring i et bredt udvalg af jordprøver er der udviklet en pedotransferfunktion til

estimering og kortlægning af partikelmobiliseringspotentialet. En pedotransfer-

funktion er en empirisk funktion til forudsigelse af en egenskab på grundlag af

målte jordegenskaber. Desuden er modellen til forudsigelse af forekomst af ma-

kroporestrømning videreudviklet på grundlag af mange nye hydrauliske målin-

ger og en mere avanceret hydrologisk modellering. Kortene over potentiale for

partikelmobilisering og risiko for makroporetransport er til sidst kombineret til

et kort, der repræsenterer risikoklasser for fosfortab ved makroporetransport. I

dette kapitel beskrives kortlægningen af potentialet for partikelmobilisering ef-

terfulgt af kortlægningen af risiko for makroporetransport. Uddybende beskri-

velser af datagrundlaget og modeludviklingen findes i Bilag 4.

4.4.2 Partikelmobiliseringspotentialet

4.4.2.1 Datamateriale

Partikelmobiliseringspotentialet er bestemt som et udtryk for mængden af

mobile kolloider tilgængelige for kolloidfaciliteret transport. Partikelmobili-

seringspotentialet blev bestemt på uforstyrrede 100 cm

ringprøver indsamlet

fra topjorden på 475 lokaliteter over hele Danmark (figur 4.4.2a). Ved enkelte

lokaliteter blev der indsamlet prøver i et 15x15 m grid med det formål at un-

dersøge variationen af potentiel partikelmobilisering på markniveau (figur

4.4.2b). De 475 prøver dækker et bredt spekter af lerindhold (2.3 % til 69.9 %,

middelværdi: 14.0 %) og indhold af organisk stof (0.8 % til 36.8 %, middel-

værdi: 2.8 %) repræsenterende variationen af danske jorde.

Figur 4.4.2.

A) Lokaliteter, hvor der blev udtaget 100 cm

uforstyrrede ringprøver ifm. analysen af partikelmobiliseringspotentia-

let. B) Eksempel på en mark med prøver udtaget i et 15x15 m grid.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Den anvendte analyse i laboratoriet er baseret på en end-over-end rysteme-

tode beskrevet i deltaljer af Nørgaard m.fl. (2014).

4.4.2.2 Prædiktion af partikelmobiliseringspotentialet

Partikelmobiliseringspotentialet var primært bestemt af jordens lerindhold

(figur 4.4.3a, R

=0.65), hvilket også er påpeget i tidligere studier. Ikke desto

mindre har faktorer såsom pH og ledningsevne (EC) (Denovio m.fl., 2004;

Norgaard m.fl., 2014), jordens vandindhold (Michel m.fl., 2010), jordens ind-

hold af organisk stof samt jern og aluminium (Czyz m.fl., 2002; Norgaard

m.fl., 2014; Seta og Karathanasis, 1996), partikelstørrelse og porestruktur

(McGechan, 2002; Zhuang m.fl., 2005) samt jordbearbejdning også vist sig at

have en effekt på partikelmobiliseringspotentialet. På de 475 prøver fra dette

studie blev der lavet en ”best subset” regression analyse med ler, fin silt, or-

ganisk stof, jord pH og EC, samt oxalat-ekstraherbart jern (Fe), aluminium

(Al) og fosfor (P). Det sæt af fire variable der var i stand til at forklare variati-

onen i partikelmobiliseringspotetialet bedst var ler, EC, Al og P (partikelmo-

biliseringspotentialet = 5401 + 37523 x clay – 906 x EC – 70 x Al – 61 x P, adj

= 0.71; figur 4.4.3b). Dette udtryk fanger det meste af den variation, der er

i datasættet, og på trods af at jordens lerindhold uden tvivl er den variabel

med størst effekt på partikelmobiliseringspotentialet (R

=0.65), så har kemi-

ske parametre såsom EC, Al og P også en indflydelse på hvor mange partikler,

der potentielt kan mobiliseres fra jordprofilet.

Figur 4.4.3.

A: Partikelmobiliseringspotentialet (mg kg

-1

) som funktion af lerindhold (kg kg

-1

) for de 475 prøver. B: Målt partikel-

mobiliseringspotentiale (mg kg

-1

) som funktion af den prædikteret partikelmobiliseringspotentiale (= 5401 + 37523 x clay – 906 x

EC – 70 x Al – 61 x P, adj R

= 0.71).

Ved hjælp af den udledte regression er det muligt at bestemme potentialet for

mobilisering af partikler i jordprofilet ud fra let tilgængelige jordparametre,

og det gør det muligt at lave en første udgave af et kort, der viser variationen

i partikelmobiliseringspotentialet i Danmark.

4.4.3 Kortlægning af partikelmobiliseringspotentialet

Alle 475 prøver med målt partikelmobiliseringspotentiale blev anvendt i kort-

lægningen. Vi afprøvede først de to maskinlæringsalgoritmer Quantile Re-

gression Forests (QRF) (Meinshausen, 2006) og Cubist (Quinlan, 1992) for at

undersøge hvilken metode, der gav det mest nøjagtige resultat. Vi beregnede

modellernes nøjagtighed som RMSE og forklaret varians (R

) ved krydsvali-

dering og valgte den model, der gav den største nøjagtighed.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

QRF er i stand til at kortlægge usikkerhederne forbundet med forudsigelsen af

en variabel, men for Cubist er det nødvendigt at bruge en udvidet metode. For

at kortlægge usikkerheden forbundet med forudsigelser med Cubist blev algo-

ritmen derfor kørt med 100 gentagelser baseret på stikprøver fra det samlede

datasæt (bootstrapping) (Malone, 2017). Der blev opbygget en model baseret på

hver stikprøve, som blev brugt til at generere et kort over partikelmobiliserings-

potentialet. Der blev således genereret 100 kort i alt, hvilket gav en usikkerheds-

fordeling for hver pixel. Partikelmobiliseringspotentialet blev herefter beregnet

som et gennemsnit af de 100 kort. De 100 kort blev også anvendt til at beregne

usikkerheden i form af et 50%-prædiktionsinterval ved at trække den øvre præ-

diktionsgrænse (75%) fra den nedre prædiktionsgrænse (25%).

4.4.3.1 Rumlige variabler

Der blev anvendt 38 rumlige variabler som forklarende variabler til kortlæg-

ningen, heriblandt en digital højdemodel, topografiske variabler afledt fra

højdemodellen samt eksisterende jordbundskort (Tabel 4.4.1). På trods af det

store antal målinger af partikelmobilisering i datasættet var det ikke muligt at

dække den samlede variation i danske jordes arealanvendelse, jordbundsty-

per og geologi med mere. Der kunne derfor ikke anvendes kategoriske vari-

abler (arealanvendelse, landskabselementer, jordbundstyper, geologi og våd-

områder) i kortlægningen. Der manglede desuden generelt prøver fra lav-

bundsjorde, som derfor ikke er tiltrækkeligt repræsenterede i modellerne til

kortlægningen. Den lave repræsentation ville gøre forudsigelserne af parti-

kelmobiliseringspotentialet upålidelige for lavbundsjorde, og vi undlod der-

for disse områder fra kortlægningen.

Alle kort blev omsat til en rumlig opløsning på 30,4 meter for at kunne bruges

i kortlægningen. Den rumlige opløsning på 30,4 meter er en afvejning mellem

usikkerheder i værdierne for de enkelte pixels og det færdige korts egenskab

til at beskrive variationer som for eksempel dale.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Tabel 4.4.1.

Liste over variabler brugt til at kortlægge den rumlige variation i partikelmobiliseringspotentialet.

Parameter

Jordbundsvariabler:

SOM_a

SOM_b

clay_a

clay_b

silt_a

silt_b

finesand_a

finesand_b

coarsesand_a

coarsesand_b

pH_a

pH_b

pH_c

Al_a

Al_b

Fe_a

Fe_b

Topografiske variabler:

DEM

asp_cos

asp_sin

bluespot

curv_plan

curv_prof

demdetrend

dirinsola

flowaccu

gwd_intp

gwd_model

hdtochn

midslppos

mrvbf

RSP

sagawi

slpdeg

slptochn

twi

valldepth

vdtochn

Digital højdemodel (m)

Cosinus til overfladens kompasretning

Sinus til overfladens kompasretning

Dybden af afløbsløse lavninger (m)

Overfladens krumning på tværs af hældningen

Overfladens krumning langs hældningen

Højde minus middelhøjden i 4 km radius

Potentiel solindstråling (kWh year

-1

)

Akkumuleret tilstrømning fra højere liggende celler

Dybde til grundvandsspejl interpoleret fra målinger

Dybde til grundvandet fra DK10-modellen

Horisontal afstand til nærmeste overfladevand

Placering midt på skråning

Fladhed af dalbunde

Relativ placering på skråning

Topografisk vådhedsindex fra SAGA GIS

Overfladens hældning (°)

Downhill gradient to the nearest waterbody (degrees)

Topografisk vådhedsindex; beregnet som ln(flowaccu/tan[slpdeg])

Daldybde (m)

Vertikal afstand til nærmeste overfladevand (m)

30,9 (-39,5 – 170,5)

0,01 (-1,00 – 1,00)

-0,03 (-1,00 – 1,00)

0,1 (0,0 – 92,5)

0,0 (-5,1 – 6,0)

0,0 (-7,3 – 6,1)

1,0 (-57,9 – 105,4)

1269 (122 – 1707)

60 (1 – 110.908)

6,8 (0,0 – 144,3)

5,8 (0,0 – 126,0)

231 (0 – 3238)

0,27 (0,00 – 1,00)

4,3 (0,0 – 10,9)

0,17 (0 – 1)

14,5 (6,9 – 19,1)

1,6 (0,0 – 90,0)

1,1 (0,0 – 52,6)

5,9 (15,8 – 63,3)

7,5 (0,0 – 89,9)

4,1 (0,0 – 115,4)

Humusindhold; 0 – 30 cm (%)

Humusindhold; 30 – 60 cm (%)

Lerindhold; 0 – 30 cm (%)

Lerindhold; 30 – 60 cm (%)

Siltindhold; 0 – 30 cm (%)

Siltindhold; 30 – 60 cm (%)

Indhold af finsand; 0 – 30 cm (%)

Indhold af finsand; 30 – 60 cm (%)

Indhold af grovsand; 0 – 30 cm (%)

Indhold af grovsand; 30 – 60 cm (%)

pH; 0 – 5 cm

pH; 5 – 15 cm

pH; 10 – 30 cm

Oxalatekstraherbart aluminium; 0 – 25 cm (mmol kg

-1

)

Oxalatekstraherbart aluminium 25 – 50 cm (mmol kg

-1

)

Oxalatekstraherbart jern; 0 – 25 cm (mmol kg

-1

)

Oxalatekstraherbart jern; 25 – 50 cm (mmol kg

-1

)

4,6 (0 – 100)

4,7 (0 – 100)

8,2 (0,0 – 51,2)

10,1 (0,0 – 62,7)

9,7 (0,0 – 41,8)

9,2 (0,0 – 45,8)

42,8 (0,0 – 95,9)

40,5 (0,0 – 98,4)

39,2 (0,0 – 98,6)

40,1 (0,0 – 99,1)

6,3 (3,2 – 8,5)

6,3 (2,8 – 8,9)

6,3 (2,3 – 9,1)

35,7 (4,1 – 146,2)

39,2 (2,4 – 112,6)

35,8 (4,2 – 712,1)

35,5 (4,2 – 712,1)

Forklaring

Middelværdi (interval)

4.4.3.2. Kortlægning

Cubist gav en højere R

og en lavere RMSE end QRF (Tabel 2), og vi valgte

derfor Cubist til kortlægning af partikelmobiliseringspotentialet.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Tabel 2.

Nøjagtighed for modeller til kortlægning af partikelmobiliseringspotentialet base-

ret på Cubist og Quantile Regression Forests, beregnet ved krydsvalidering.

Model

Cubist

QRF

0,79

0,70

RMSE (mg kg

-1

)

1847

1908

Cubist er i stand til at beregne effekten af hver af de forklarende variabler i

modellen, og angiver dette som relativ betydning i procent. Beregningen vi-

ste, at ler, silt, finsand og grovsand havde en stor betydning for modellen. Alle

fire kornstørrelsesfraktioner havde en relativ betydning på over 75%, både i

topjorden og underjorden. Mange af disse variabler er stærkt korrelerede,

men Cubist er i stand til at håndtere korrelation mellem variabler. Ud over

jordens tekstur var mængden af oxalatekstraherbart jern i både over- og un-

derjorden også vigtigt for modellen. To af de topografiske variabler havde

desuden stor betydning for modellen (demdetrend og

mrvbf;

tabel 4.4.1).

Det endelige kort over partikelmobiliseringspotentialet har mange ligheder

med kortene over jordbundsklasser og jordens tekstur i Danmark (figur

4.4.4a; Adhikari et al., 2013; Adhikari et al., 2014). På den ene side har jorder

i den vestlige og nordlige del af landet et relativt lille partikelmobiliserings-

potentiale. Disse jorder er for det meste stærkt udvaskede sandjorde. På den

anden side har jorder på øerne og i Østjylland med højere ler- og siltindhold

et stort partikelmobiliseringspotentiale. Bemærk, at lavbundsjorde, markeret

med sort, ikke indgår i kortlægningen.

Figur 4.4.4

a) Kortlagt partikelmobiliseringspotentiale i topjorden. b) Kort over prædiktionsintervallet for partikelmobiliseringspo-

tentiale (difference mellem 75%-fraktilen, øvre prædiktionsgrænse, og 25%-fraktilen, nedre prædiktionsgrænse) som udtryk for

kortlægningsusikkerheden. Kortene indeholder ikke forudsigelser for lavbundsjorde (markeret med sort), da der manglede prø-

ver for disse områder.

4.4.3.3 Kortlægning af usikkerheder

Figur 4.4.4b viser usikkerheden forbundet med det kortlagte partikelmobili-

seringspotentiale. Områder med stor usikkerhed, markeret med rødt, fore-

kommer især på Lolland, i Midtjylland og i den nordlige del af landet. Nord-

og Midtjylland har nogle af de mest komplekse geologiske forhold i Danmark.

De indeholder dels sandede og lerede morænejorde aflejret af isfremstød fra

både nord og øst, men også finsandede marine aflejringer fra sen istid og ef-

teristiden. Det ses ofte, at jordbundskort har store usikkerheder i områder

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

med komplekse geologiske forhold, hvilket er en generelt udfordring for jord-

bundskortlægning i Danmark (Greve et al., 2007). De store usikkerheder på

Lolland skyldes sandsynligvis, at der ikke var nogen tilgængelige jordbunds-

prøver fra denne del af landet.

Her til kommer, som ovenfor nævnt, at den rumlige fordeling af prøverne var

begrænset på trods af det store antal jordprøver. Der var især få prøver i den

østlige del af landet, og modellen kunne derfor ikke dækkede den samlede

rumlige variation i partikelmobiliseringspotentialet i Danmark. Detaljeret

kortlægning på landsplan kræver et stort antal jordprøver, og det er vigtigt at

sikre, at de dækker den samlede variation i jordbundsforholdene. I en fremti-

dig kortlægning bør det derfor prioriteres, at der indsamles et repræsentativt

antal jordprøver fra alle dele af landet og fra forskellige geologiske klasser,

landskabselementer, arealanvendelser. Man vil dermed kunne opbygge en

model, der dækkede den samlede variation i jordbundsforholdene og derved

kunne forudsige partikelmobiliseringspotentialet med større nøjagtighed.

4.4.4 Sammenfatning på partikelmobiliseringspotentialet

Et datasæt på hele 475 prøver er unikt i forhold til at estimere partikelmobili-

seringspotentialet. Prøverne dækker et stort interval i indholdet af både ler og

organisk stof for danske jorde. I litteraturen er ler den mest betydende para-

meter for partikelmobiliseringspotentialet. Dette studie har ligeledes vist, at

ler var den mest betydende parameter (R

= 0,65), men også at den elektriske

ledningsledningsevne og mængderne af oxalatekstraherbart aluminium og

fosfor har betydning. De har tilmed forholdsvist god korrelation med de målte

værdier (R

= 0,71). Idet man nu kan forudsige partikelmobiliseringspotenti-

alet ud fra let tilgængelige jordbundsparametre, er man et skridt nærmere at

kunne forudsige den rumlige variation i partikelmobiliseringspotentialet.

Til dette første udkast af et kort, der beskriver den rumlige variation af parti-

kelmobiliseringspotentialet, blev der brugt 38 variabler. Det endelige kort over

potentialet har adskillige ligheder med kort over jordbundstyper og jordens

tekstur. Således var jorde med et lavt mobiliseringspotentiale at finde i den vest-

lige og nordlige del af Danmark, der består af jorde med relativt lavt lerindhold,

mens de høje mobiliseringspotentialer fandtes i de østlige og centrale dele af

Danmark, der hovedsaligt er domineret af højere ler- og siltindhold. Dette stem-

mer overens med den lineære regression, hvor ler var den dominerende varia-

bel. Således har de østlige og centrale dele af Danmark det højeste lerindhold,

og de forventedes derfor at have en stor tilgængelig pulje af små kolloide par-

tikler, der bidrager til det store partikelmobiliseringspotentiale i disse områder.

På trods af det omfattende datasæt var det stadig ikke muligt at dække den

samlede variation i arealanvendelse, jordbundstyper, geologi osv. over hele

Danmark, og derfor kunne ingen kategoriske variabler som for eksempel areal-

anvendelse, jordbundstyper, geologiske klasser og vådområder bruges som

forklarende variabler. Der er således behov for at estimatet for den potentielle

partikelmobilisering forbedres via et udvidet dataset, specielt rettet mod områ-

der, hvor der endnu ikke har udtaget prøver, for at nedbringe usikkerhederne

på modellerne. Desuden er dokumentationen af forholdet mellem partikelmo-

biliseringspotentialet, bestemt på 100 cm

-skala, og den egentlige partikelud-

vaskning fra pløjelaget på mark-skala, eventuelt opsamlet gennem dræn, meget

spinkelt. En mere omfattende evaluering af anvendelsen af konceptet om par-

tikelmobilisering til kvantitative vurderinger af tabspotentialer er påkrævet og

nødvendiggør specifikke og omfattende undersøgelser.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.4.5 Makroporetransport

4.4.5.1 Datamateriale

På udtagne, uforstyrrede store kolonner (6280 cm

) blev der i laboratoriet målt

mættet (K

) og umættet (k[h]) hydraulisk ledningsevne. Ligeledes blev der

målt vandretention på 100 cm

retentionsringe fra de samme udtagnings-

punkter samt gennemført målinger af jordens teksturfordeling (ler, silt, sand)

og indhold af organisk stof. Som udgangspunkt er der for beskrevne jordpro-

filer udtaget fem store kolonner og fem retentionsringe (100 cm

) per horisont.

Der blev kun udført målinger af k(h) på tre af de fem kolonner. Hvad angår

store kolonner var det oprindeligt anvendte datasæt (Iversen m.fl. 2011) base-

ret på målinger på henholdsvis ca. 400 og 700 kolonner, hvor der var målt

henholdsvist k[h] og K

. Med det nye datasæt etableret i projektet er det sam-

lede antal anvendte kolonner i analysen nu oppe på henholdsvis ca. 500 og

800 kolonner (k[h] og K

). Prøveindsamlingen var oprindeligt baseret på prø-

ver udtaget fra 75 lokaliteter. Med de ni nye lokaliteter fra nærværende pro-

jekt indbefatter det samlede datasæt nu 84 lokaliteter (figur 4.4.5).

Figur 4.4.5.

Fordelingen i Dan-

mark af det samlede antal lokali-

teter. Violette punkter indbefatter

det oprindelige datasæt (Iversen

m.fl. 2011), blå punkter indbefat-

ter de ni nye lokaliteter. Røde lin-

jer afgrænser forskellige georegi-

oner.

Analysen af de hydrauliske data er relateret til bestemmelsen af K

samt vær-

dien af k[h] defineret ved et matricspotentiale på

−10

cm (K

). Værdien af K

defineres som den hydrauliske ledningsevne i strukturerede jorde, hvor

vandtransporten overgår fra strømning i jordmatricen til strømning i jordens

makroporer. Forskellen mellem de logaritmerede værdier af K

og K

, beteg-

net K

jump

, kan dermed betragtes som værende den hydrauliske ledningsevne

for jordens makroporesystem. I relation til vandretention havde analysen i

nærværende projekt fokus på prædiktionen af jordens volumetriske vandind-

hold for matricspotentialerne

−10, −100, −1000

−15800

cm.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Med hensyn til jordens lerindhold var det oprindelige datasæt fra Iversen

m.fl. (2011) ikke-repræsentativt hvad angår de mere lerede jorde, da en stor

del af de oprindelige lokaliteter blev placeret i den vestlige del af Jylland (fi-

gur 4.4.5). Dvs. i georegioner, hvor jorden typisk er mere sandet. Datasættets

fordeling i forhold til georegionerne i Danmark er stadig ikke fuldstændig

optimalt, da enkelte georegioner stadig er underrepræsenterede (figur 4.4.5).

Inden for projektet forholdsvist begrænsede rammer har vi dog opnået en

mere optimal fordeling af prøvepunkterne samtidig med, at datasættet stør-

relse er forøget markant. Med det nye datasæt er det gennemsnitlige lerin-

dhold øget fra 6% til 14%. Baseret på USDA jordklassificeringen er 51% af da-

tasættet klassificeret som ”sandy loam”, 27% som ”sandy”, 14% som ”loamy

sand” og 7% som ”sandy clay loam” (figur 4.4.6a). Fordelingen af de samme

teksturklasser i Danmark for dybden 30-60 cm er vist i Figur 4.4.6b. Analysen

for middelværdierne (geometriske) viser, at med det nye datasæt er værdien

af K

steget fra 275 cm/d til 813 cm/d, hvorimod værdien af K

er faldet fra

14 cm/d til 2 cm/d. Stigningen i K

skal sandsynligvis begrundes i at det nye

datasæt indeholder en større andel strukturerede lerede jorde, hvor K

kan

være forholdsvist høj pga. af en større andel af makroporer i disse jorde. Fal-

det i K

skal sandsynligvis begrundes i en mere tæt jordmatrice ved et sti-

gende lerindhold.

Figur 4.4.6.

a) Fordelingen prøveindsamlingspunkter baseret på USDA-jordklassificeringen (blå punkter: nye prøver, røde punk-

ter: datasættet anvendt af Iversen m.fl. (2011), b) fordelingen af teksturklasser i Danmark for dybden 30 til 60 cm (Adhikari m.fl.

2013).

4.4.5.2 Udvikling af pedotransferfunktioner

Der blev udviklet pedotransferfunktioner til prædiktion af log(K

) og log(K

)

samt jordens volumetriske vandindhold for matricspotentialerne

−10, −100,

−1000

−15800

cm. Den anvendte metode var en gaussisk procesregression

baseret på maskinlæring med anvendelse af jordens indhold af ler, fin- og grov-

sand, silt samt organisk stof som prædiktorer. Ved en samtidig anvendelse af

en bootstrapping-teknik, var det ligeledes muligt at vurdere usikkerheden på

de forskellige prædiktioner. Efter udviklingen af pedotransferfunktionerne

blev det rasterbaserede, landsdækkende jordbundskort (Adhikari m.fl. 2013)

anvendt til at generere rumlige kort af de prædikterede parametre for dybderne

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

0 til 30, 30 til 60 og 60 til 100 cm med en opløsning på 30 m (svarende til A- B-

og C-horisonten). Figur 4.4.7 viser et eksempel på prædikterede, logaritmerede

værdier af K

, K

og K

jump

for Ap-horisonten (0 til 30 cm).

Figur 4.4.7.

Prædikterede log-værdier af (a) mættet hydraulisk ledningsevne, K

, (b) nærmættet hydraulisk ledningsevne, K

samt (c) differencen mellem log(K

) og log(K

) (K

jump

4.4.5.3 Modellering af makroporetransport

Til modellering af vandtransporten i jordens øverste to meter blev der an-

vendt en hydrologisk model (Hydrus 1D; Šimunek m.fl., 2008). De udviklede

kort over de prædikterede hydrauliske parametre blev anvendt til parameter-

iseringen af modellen. I alt blev der modelleret på mere end 34.000 typeprofi-

ler, hver bestående af tre dybder (Ap-, B- og C-horisonten). For begge model-

scenarier blev tærskelværdien for makroporetransport sat ved en vandtrans-

port i porer med en ækvivalent porediameter på 50 µm svarende til et ma-

tricspotentiale på

−60

cm (dvs. relativt tæt på mætning). Modelleringen blev

udført med det formål at kortlægge antallet af dage, hvor den øvre del af B-

horisonten havde et matricspotentiale på over

−60

cm. Øvre randbetingelser

var baseret på vinterhvede som afgrøde i kombination med et 20-årigt ned-

børsscenario hentet fra DMIs 20 km klimagrid. Grundvandsdybden blev an-

vendt som nedre randbetingelse og blev fastsat til 2 m. I tilknytning til model-

leringen blev der udregnet konfidensintervaller for begge modelscenarier.

Dette blev gjort ved brug af en statistisk teknik (fraktil random forrest), der

beregnede 5%- og 95%-percentilerne. De resulterende kort har alle en opløs-

ning på 250 m.

Rumlige klimadata (nedbør og fordampning) sammen med de hydrauliske

parametre er brugt i modelsimuleringerne. Der blev produceret et kort (figur

4.4.8a), der viser det totale antal dage i løbet af simuleringen, hvor matricspo-

tentialet havde en værdi på mellem

−60

og 0 cm i den øvre del af B-horisonten

(30-60 cm). Det resulterende risikokort for makroporetransport (figur 4.4.8b)

blev efterfølgende beregnet ved at multiplicere med kortet, der beskriver po-

tentialet for makroporetransport (figur 4.4.7c). Der kan specielt i de vestlige

dele af Danmark, hvor nedbøren er høj, være perioder, hvor jorden nærmer

sig fuld mætning. Men hvis disse jorde, der ofte er sandede, ikke har et poten-

tiale for makroporetransport, vil vandtransporten udelukkende forgå i jord-

matricen. Det ses tydeligt på risikokortet, at områder med den højeste risiko

befinder sig på lerede jorde.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

(a)

(b)

Figur 4.4.8

a) Log-transformerede værdier af antallet af dage, hvor matricspotentialet i jorden overstiger

−60

cm (log(t

)). b)

Kort over risiko for makroporeafstrømning. Kortet er en kombination af kortet over K

jump

(figur 4.4.7c) og Figur 4.4.8a.

4.4.5.4 Kvantificering af afstrømning til dræn

Der er blevet udarbejdet kort over den forventede årlige afstrømning i dræn-

systemerne baseret på udviklede statistiske modeller af Mortajemi m.fl. (2020)

ved anvendelse af maskinlæring (Random Forest). I denne statistiske model

blev der som prædiktor bl.a. anvendt simuleret grundvandsdannelse fra Den

Nationale Vandressource Model (DK-model) samt den digitale terrænmodel.

De udarbejdede kort over drænafstrømningen dækker over perioden fra 1990

til 2017, hvor hvert kort indbefatter et hydrologisk år defineret som perioden

fra den 1. juli til den 30. juni det efterfølgende år. Medianværdien samt første

og tredje kvartil blev efterfølgende beregnet. Derefter blev makropore- og ma-

tricestrømningens andel af drænvandstransporten estimeret. Det er forventet,

at en stor del af det vand, der strømmer i drænene kommer fra jordens ma-

kroporesystem. Modelleringsstudier (Varvaris m.fl., 2018 og Nagy m.fl., 2020)

på jorde med et lerindhold på omkring 20% og højere i B-horisonten viser, at

andelen af vand fra jordens makroporesystem til dræn udgør omkring 60-70%

af den samlede mængde vand. Kortet over risiko for makropore strømning

(figur 4.4.8b) blev inddelt i fem klasser (figur 4.4.9a) baseret på en inddeling

efter den statistisk set mest naturlige gruppering af data i relation til det valgte

klasseantal (Jenks Natural Breaks Classification). For Klasse 4 og 5, der er de

to klasser med højest risiko for makroporestrømning, har hver klasse et gen-

nemsnitligt lerindhold på omkring 17%. I disse områder antages det, at strøm-

ningsbidraget til dræn via makroporer udgør 60%. De resterende 40% udgø-

res af matricestrømning. For Klasse 3 og 4, der er klasserne med middel risiko

for makroporestrømning, har hver klasse et gennemsnitligt lerindhold på om-

kring 9 % ler. I disse områder antages det, at strømningsbidraget til dræn via

makroporer udgør 30%. For Klasse 1, der er klassen med ingen risiko for ma-

kroporestrømning, antages det, at strømningen til dræn udelukkende forgår

i jordmatricen. Figur 4.4.9b viser et eksempel på det forventede bidrag til

drænafstrømning fra makroporer. Kortet indbefatter udelukkende områder,

der forventes at være drænet (Møller m.fl., 2018).

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.4.9

a) Klasseinddelt kort for risiko for makroporeafstrømning. Klasse 4 og 5 har høj risiko, klasse 2 og 3 har middel ri-

siko og klasse 1 har ingen risiko for makroporeafstrømning. b) Eksempel på forventet bidrag til den årlige drænafstrømning fra

makroporer (værdier i mm).

4.4.6 Endeligt kort over risiko for kolloidbåren transport i jordens ma-

kroporer

Ved at kombinere kortene over henholdsvis risiko for makroporetransport og

partikelmobiliseringspotentialet er det muligt at komme med en samlet kva-

litativ vurdering af potentialet for transport af kolloider i jordens makroporer.

I lighed med kortet over risiko for makroporeafstrømning (figur 4.4.9a) blev

kortet over partikelmobiliseringspotentialet inddelt i fem klasser også her ba-

seret på en inddeling efter den statistisk set mest naturlige gruppering af data

i relation til det valgte klasseantal (figur 4.4.10a). Dette kort blev efterfølgende

kombineret med det klasseinddelte kort for risiko for makroporeafstrømning

(figur 4.4.9a). Det resulterende kort med 25 klasser blev efterfølgende reduce-

ret til fem klasser (figur 4.4.10b). Dette kort beskriver risikoen for kolloidbåren

transport i jordens makroporer. Høje værdier (Klasse 5) viser områder, hvor

der både ses et højt mobiliseringspotentiale af kolloider i kombination med en

høj risiko for makroporetransport. Lave klasseværdier viser områder, hvor

der er et samtidig lavt mobiliseringspotentiale af kolloider i kombination med

en lav risiko for makroporetransport.

Ved at kombinere kortet over risiko for kolloidbåren transport i makroporer

(figur 4.4.10b) med kortet over makroporestrømning til dræn (figur 4.4.9b) fås

et groft skøn af den relative risiko for partikelbunden fosfortab ved makropo-

retransport. Imidlertid har vi på nuværende tidspunkt ikke den nødvendige

viden til at kvantificere fosforudvaskning relateret til makroporetransport på

en lokal skala. Således mangler vi undersøgelser, der muliggør en sammen-

knytning af kilden til fosformobiliseringen, dvs. kolloidbåren mobiliserbart

fosfor i pløjelaget, med vores modeller af risiko for transport i makroporer.

Ligeledes er de nødvendige drænmoniteringsdata på markniveau ikke til

stede for at kunne evaluere risikokortlægningen af fosfortab ved makropore-

transport. Til gengæld kan vi ved hjælp af robuste antagelser og en modelle-

ring af makroporestrømningens andel i drænafstrømningen estimere fosfor-

tabet ved makroporetransport på oplandsniveau (kap. 4.8).

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.4.10.

a) Partikelmobiliseringspotentialet (= figur 4.4.4a) inddelt i fem klasser. b) Risiko for kolloidbåren transport i jor-

dens makroporer.

Litteratur

Adhikari, K., Kheir, R.B., Greve, M.B., Bocher, P.K., Malone, B.P., Minasny, B.,

McBratney, A.B. and Greve, M.H. 2013. High-Resolution 3-D Mapping of Soil

Texture in Denmark. Soil Sci. Soc. Am. J. 77, 860-876. doi: DOI

10.2136/sssaj2012.0275

Adhikari, K., Minasny, B., Greve, M.B. and Greve, M.H. 2014. Constructing a

soil class map of Denmark based on the FAO legend using digital techniques.

Geoderma

214-215,

101-113.

http://dx.doi.org/10.1016/j.ge-

oderma.2013.09.023

Brubaker, S.C., Holzhey, C.S. and Brasher, B.R. 1992. Estimating the Water-

Dispersible Clay Content of Soils. Soil Science Society of America Journal 56,

1227-1232.

Czyz, E.A., Dexter, A.R. and Terelak, H. 2002. Content of Readily-Dispersible

Clay in the Arable Layer of Some Polish Soils, in: Pagliai, M., Jones, R. (Eds.),

Sustainable land management - environmental protection: A soil physical

process. Catena-Verlag, Reiskirchen, Germany, pp. 115-124.

de Jonge, L.W., Kjaergaard, C. and Moldrup, P. 2004a. Colloids and colloid-

facilitated transport of contaminants in soils: An introduction. Vadose Zone

Journal 3, 321-325.

de Jonge, L.W., Moldrup, P., Rubaek, G.H., Schelde, K., and Djurhuus, J.

2004b. Particle leaching and particle-facilitated transport of phosphorus at

field scale. Vadose Zone Journal 3, 462-470.

Denovio, N.M., Saiers, J.E. and Ryan, J.N. 2004. Colloid movement in unsatu-

rated porous media: Recent advances and future directions. Vadose Zone

Journal 3, 338-351.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Greve, M.H., Greve, M.B., Bøcher, P.K., Balstrøm, T., Breuning-Madsen, H.

and Krogh, L. 2007. Generating a Danish raster-based topsoil property map

combining choropleth maps and point information. Geografisk Tidsskrift-

Danish Journal of Geography 107, 1-12.

Iversen, B. V., Børgesen, C.D., Lægdsmand, M., Greve, M.H., Heckrath, G. and

Kjærgaard, C. 2011. Risk Predicting of Macropore Flow using Pedotransfer

Functions, Textural Maps, and Modeling. Vadose Zo. J. 10, 1185.

https://doi.org/10.2136/vzj2010.0140

Kretzschmar, R., Borkovec, M., Grolimund, D. and Elimelech, M. 1999. Mobile

subsurface colloids and their role in contaminant transport. Advances in

Agronomy 66, 121-193.

Malone, B.P., Minasny, B. and McBratney, A.B. 2017. Using R for digital soil

mapping. Springer.

McCarthy, J. F. and Zachara, J. 1989. M. Subsurface transport of contaminants

- mobile colloids in the subsurface environment may alter the transport of

contaminants. Environmental Science & Technology 23, 496-502.

McGechan, M.B. 2002. Transport of particulate and colloid-sorbed contami-

nants through soil, part 2: Trapping processes and soil pore geometry. Biosys-

tems Engineering 83, 387-395.

Meinshausen, N. 2006. Quantile regression forests. Journal of Machine Learn-

ing Research 7(Jun), 983-999

Michel, E., Majdalani, S. and Di-Pietro, L. 2010. How differential capillary

stresses promote particle mobilization in macroporous soils: A novel concep-

tual model. Vadose Zone Journal 9, 307-316.

Motarjemi, S., A.B. Møller, F. Plauborg, and B.V. Iversen. 2019. Predicting tile

drainage discharge using machine learning algorithms (in prep.).

Møller, A.B., A. Beucher, B. V. Iversen, and M.H. Greve. 2018. Predicting

artificially drained areas by means of a selective model ensemble. Geoderma

320: 30–42 Available at

https://www.sciencedirect.com/science/article/pii/S0016706117318116?vi

a%3Dihub (verified 19 June 2018).

Nagy, D., A.E. Rosenbom, B.V. Iversen, M. Jabloun, and F. Plauborg. 2019.

Estimating the degree of macropore flow to drainage at an agricultural clay

till field for a 10-years period. Water Resources Research (submitted).

Norgaard, T., Moldrup, P., Ferre, T.P.A., Katuwal, S., Olsen, P. and de Jonge,

L.W. 2014. Field-scale variation in colloid dispersibility and transport: Multi-

ple linear regressions to soil physico-chemical and structural properties. Jour-

nal of Environmental Quality 43, 1764-1778. doi: 10.2134/jeq2013.12.0510

Quinlan, J.R.1992. Learning with continuous classes. 5th Australian joint con-

ference on artificial intelligence, World Scientific, 92, 343-348

Seta, A.K. and Karathanasis, A.D. 1996. Water dispersible colloids and factors

influencing their dispersibility from soil aggregates. Geoderma 74, 255-266.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Šimuunek, J., Šejna, M., Saito, H., Sakai, M. and Van Genuchten, M.T. 2008.

The HYDRUS-1D software package for simulating the movement of water,

heat, and multiple solutes in variably saturated media, version 4.0: HYDRUS

Software Series 3. Dep. Environ. Sci. Univ. Calif. Riverside, Riverside, Califor-

nia, USA 315.

Stumm, W. 1977. Chemical Interaction in Partical Separation. Environmental

Science & Technology 11, 1066-1070.

Varvaris, I., Børgesen, C.D., Kjærgaard, C. and Iversen, B. V. 2018. Three two-

dimensional approaches for simulating the water flow dynamics in a hetero-

geneous tile-drained agricultural field in Denmark. Soil Sci. Soc. Am. J. 82,

1367–1383.

Vendelboe, A.L., Schjonning, P., Moldrup, P., Jin, Y., Merbach, I. and de Jonge,

L.W. 2012. Colloid Release From Differently Managed Loess Soil. Soil Science

177, 301-309.

Zhuang, J., Qi, J. and Jin, Y. 2005. Retention and transport of amphiphilic col-

loids under unsaturated flow conditions: Effect of particle size and surface

property. Environmental Science & Technology 39, 7853-7859.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.5

Fosfor i organisk lavbundsjord

Dette kapitel er todelt. Først rapporteres resultater fra et eksperimentelt studie

vedrørende potentiel fosformobilisering i udvalgte lavbundsjorde. Efterføl-

gende redegøres der for kortlægninger af vigtige jordegenskaber i organiske

lavbundsjorde, der har betydning for potentiel fosformobilisering. En uddy-

bende beskrivelse af kortlægningsmetoden og –resultatet findes i Bilag 5.

4.5.1 Fosformobilisering i lavbundsjord

Goswin Heckrath

, Adrian-Florin Florea

, Dominik Zak

, Hans Christian Bruun

Hansen

Fagfællebedømmelse: Rasmus Jes Petersen

Institut for Agroøkologi, AU

Institut for Plante- og Miljøvidenskab, KU

Institut for Bioscience, AU

4.5.1.1. Introduktion

Fosfortab fra dyrkede organiske lavbundsjorde kan være højt (Hoffmann m.fl.,

2009) og bidraget fra lavbundsjorde skønnes at være én af de største diffuse tabs-

poster til overfladevand (Poulsen og Rubæk, 2005). En kvantificering af fosfor-

tabet fra lavbundsjord er dog kompliceret, da det afhænger af samspillet mellem

komplekse, dynamiske geokemiske og hydrologiske processer i ådalsmagasi-

nerne. Mange organiske lavbundsjorde i Danmark er kendetegnet ved et højt

fosforindhold, hvor en stor del af fosforpuljen er bundet til aluminium- og jern-

oxider ligesom i højbundsjord (Kjærgaard m.fl., 2010). En forudsætning for at

fosfor (P) kan udvaskes er, at det først frigives til jordvæsken, en proces der her

overordnet betegnes som fosformobilisering. Balancen mellem fosforbinding og

–frigivelse til jordvæsken kontrolleres i højbundsjord langt overvejende af sorp-

tions- og desorptionsprocesser (kap. 4.3). Det samme gælder også for lavbunds-

jorde under iltede forhold, hvor bindingskapaciteten kan være stor, men rumligt

kraftigt varierende. I danske lavbundsjorde er der i gennemsnit næsten tre gange

så meget jern(III) som aluminium bundet i lav-krystallinske (amorfe) oxider,

som typisk kan ekstraheres fra jord vha. oxalatekstraktion (Bilag 5). I mange

studier og modeller antages de oxalatekstraherbare jern(III)- og aluminiumoxi-

der at have samme fosforbindingskapacitet (PSC) (Schoumans og Chardon,

2015). Andre studier indikerer, at aluminiumoxiderne kan have næsten dobbelt

så høj fosforbindingskapacitet som jern(III)oxiderne (Borggaard m.fl., 1990).

På grund af dårlig vandledningsevne og grundet deres beliggenhed i lavtlig-

gende og våde dele af landskabet, kan organiske lavbundsjorde ofte være vand-

mættede i perioder, selvom de er drænede (Petersen m.fl., 2020a). Under disse

forhold opstår der iltfrie (anaerobe) zoner, hvor jern(III)oxider opløses i forskel-

lig grad i forbindelse med anaerobe mikrobielle omsætningsprocesser. Derved

reduceres ferri-jern, Fe(III), fra oxiderne til vandopløseligt ferro-jern, Fe(II) (Ro-

den og Wetzel, 2002). Når anaerobe zoner iltes ved afdræning eller tilførsel af

iltholdigt vand udfælder jern(III)oxider igen som okker og binder hurtigt fosfor

i jordvæsken (Zak m.fl., 2004; Kjærgaard m.fl., 2012). Jern(III)reduktion afhæn-

ger bl.a. af temperatur, krystallisationsgraden af jernoxiderne og adgang til let-

omsættelige kulhydrater som energikilde og elektrondonor for mikroorganis-

mer (Loveley m.fl., 2004). Det sæsonprægede, dynamiske skift mellem anaerobe

og aerobe forhold og dermed opløsning og udfældning af jern(III)oxider i orga-

niske lavbundsjorde begunstiger dannelsen af lav-krystallinske jernoxider, der

har stort overfladeareal og høj affinitet for fosfor (Freese m.fl., 1992; Heiberg

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

m.fl., 2012). Tilstedeværelse af høj koncentration af organisk stof medvirker til

dannelse af lav-krystallinske jernoxider (Karlsson m.fl., 2008). Fosforbinding og

-frigivelse i organiske lavbundsjorde er således i høj grad påvirket af redox-re-

aktioner (Zak m.fl., 2010). Under naturlige forhold forventes der kun en delvis

reduktion og opløsning af jern(III)oxider på grund af dynamisk skiftende re-

dox-forhold i lavbundsjorde (Prem m.fl., 2015). Derfor vil det fosfor, der frigives

efter opløsning af nogle jern(III)oxider, kunne bindes igen til de resterende

jern(III)oxider. Ligeledes vil fosfor bindes af aluminiumoxider eller lersilikater,

hvis disse er til stede. Desuden kan fældning af opløst fosfor i form af mineralet

vivianit (et jern(II)fosfat med lave opløselighed) forekomme under anaerobe

forhold når både Fe(II)- og fosforkoncentration samt pH er forholdsvis høje

(Heiberg m.fl., 2012; Walpersdorf m.fl., 2013).

Forskellige kemiske ekstraktionsmetoder kan anvendes i lavbundsjord til be-

stemmelse af puljen af jern(III)- og aluminiumoxider samt fosfor bundet der-

til. Imidlertid er ekstraktionsmetoderne ikke specifikke for bestemte jern- eller

aluminiummineraler. Bikarbonat-dithionit (BD) reagenset opløser overve-

jende den reducerbare fraktion af jern(III)oxider og er anvendt på anaerobe

søsedimenter samt organiske lavbundsjorde (Paludan og Jensen, 1995; Zak

m.fl., 2008; Forsmann og Kjærgaard, 2014). Ekstraktion med ammoniumoxa-

lat (pH 3) bruges ofte til bestemmelse af indholdet af både lav-krystallinske

jern(III)- og aluminiumoxider (Parfitt og Childs, 1988) og er meget hyppigt

brugt til at estimere jordes fosforbindingspotentiale (kap. 4.2. - Freese m.fl.,

1992; Lookman m.fl., 1995). Forholdet mellem oxalatekstraherbart fosfor og

bindingskapaciteten betegnes som fosformætningsgraden, der kan relateres

til risikoen for fosforudvaskning (kap. 4.3; Schoumans og Chardon, 2015).

Tidligere laboratorieundersøgelser på udvalgte organiske lavbundsjorde i

Danmark har fundet en empirisk sammenhæng, hvor risikoen for fosformo-

biliseringen under anaerobe forhold kunne estimeres på basis af Fe:P forhol-

det i BD-ekstraktet (Kjærgaard m.fl., 2010; Forsmann og Kjærgaard, 2014).

Fosforfrigivelsen steg således i takt med øget fosformætning af jern(III)oxider.

En lignende relation blev vist for fosforfrigivelsen og Fe:P forholdet i oxala-

tekstrakter på de samme jorde (Forsmann og Kjærgaard, 2014), selvom noget

af det ekstraherede fosfor må have været bundet til aluminiumoxider. Imid-

lertid var indholdet af aluminiumoxider i disse jorde betydeligt lavere end

indholdet af jernoxider (Forsmann, 2014). Som et første led i estimeringen af

fosfortab fra organiske lavbundjorde har nærværende projekt undersøgt,

hvor vidt Fe:P forholdet vil kunne anvendes som grundlag for en landsdæk-

kende kortlægning af fosformobiliseringspotentialet. Dette kræver et tilpas

omfangsrigt datagrundlag, som ikke foreligger i forbindelse med BD-ekstrak-

tionen, da metoden er følsom for fejl, relativt tidskrævende og dårligt egnet

til rutineanalyser. Til gengæld indeholder SINKS-databasen oplysninger om

oxalatekstraherbart aluminium (Al

), jern (Fe

) og fosfor (P

) fra 8830 måle-

punkter på lavbundsjorde på tværs af Danmark (kap. 4.5.1). Med gennemsnit-

ligt mere end to prøvepunkter per kvadratkilometer er disse data rumligt me-

get detaljerede i forhold til lignende studier foretaget internationalt.

Det specifikke formål med nærværende studie har derfor været at teste den em-

piriske sammenhæng mellem fosforfrigivelsen, Fe:P forholdet i BD- og oxala-

tekstrakter, og graden af jern(III) reduktion for et større antal lavbundsjorde og

med en bredere variation af jordegenskaber, end det har været tilfælde i de tid-

ligere undersøgelser (Forsmann og Kjærgaard, 2014). For at måle den dynami-

ske fosforfrigivelse under anaerobe forhold i jorden, blev der målt en række fy-

sisk-kemiske jordegenskaber og gennemført et omfattende inkubationsstudie.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.5.1.2. Metoder

I vinteren 2018/2019 blev der udtaget jordprøver på 26 lavbundslokaliteter (fi-

gur 4.5.1.1) udvalgt i SINKS-databasen mht. en bred spredning af indholdene

af Al

, Fe

og organisk stof. Jordprøverne blev udtaget med volumenbor i to

dybder, 0-25 og 25-50 cm, undtagen hvor prøveudtagningen mislykkedes på

grund af høj grundvandstand. Dette resulterede i 25 og 22 prøver fra henholds-

vis den øvre og lavere dybde. Prøverne blev omgående pakket lufttæt i en plast-

pose og opbevaret ved ca. 2

C indtil den videre behandling. Der blev målt pH

in situ

i begge jordlag med en pH elektrode. I laboratoriet foregik alt arbejde

med de fugtige jordprøver ved 20 °C i en handskeboks med iltfri atmosfære for

at undgå oxidation af tilstedeværende jern(II) i prøverne. Til videre brug blev

prøverne findelt med hånden til <8 mm og homogeniseret. En repræsentativ

delprøve blev tørret ved 40 °C og sigtet <2 mm til bestemmelse af tekstur, orga-

nisk kulstof, vandekstraherbart P (P

vand

; Sissingh, 1971), fosfortal (Olsen P; Ru-

bæk og Kristensen, 2017) samt Al

, Fe

og P

(Schoumans, 2000). En del-

mængde af den sigtede (<2 mm) jord blev finformalet og totalfosfor (P

total

) og

totaljern (Fe

total

) analyseret efter perchlorsyre-destruktion (Kafkafi, 1972). Desu-

den blev Al

, Fe

og P

også analyseret på de finformalede prøver. Bikarbonat-

dithionit-ekstraherbart Fe (Fe

), Al (Al

) og P (P

) blev målt i de homogeni-

serede, fugtige jordprøver (Paludan og Jensen, 1995).

Figur 4.5.1.1.

Kort over 26 lokali-

teter, hvor der er udtaget jordprø-

ver på lavbundsjord i vinteren

2018/2019 til detaljerede biogeo-

kemiske analyser af fosforfrigi-

velse under anaerobe forhold.

Georegionerne er vist som gule

polygoner.

Til inkubationsforsøget blev 20 g fugtigt jord afvejet i en 50 ml plastflaske og

tilsat 7.5 ml iltfrit (argon boblet) vand for at sikre, at prøverne var vandmæt-

tede. Efter inkubation under anaerobe forhold i 1, 7, 21, 91 eller 148 dage ved

stuetemperatur i handskeboksen blev der udtaget repræsentative prøver på

hver 1 g for at måle vandekstraherbart P (P

) og HCl-ekstraherbart jern

(Fe(II)

HCl

) (Heiberg m.fl., 2012). HCl ekstraherer det Fe(II), der produceres ved

jern(III)reduktion. Frigivelsen af Fe(II) blev også målt umiddelbart ved start

af inkubationen. Alle koncentrationer rapporteres på tørvægtbasis.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.5.1.3. Resultater og diskussion

Jordegenskaberne af de 47 jordprøver var meget varierende (tabel 4.5.2.1). Sta-

tistisk set var der ingen effekt af jorddybde på de fleste jordegenskaber. Derfor

blev alle prøver behandlet som uafhængige. Indholdet af organisk kulstof (OC)

spændte over en stor gradient. Syvogtyve prøver var tørvejorde med >12% OC,

mens fire mineralske lavbundsjorde (<3% OC) blev inkluderet til sammenlig-

ning. Ligeledes varierede P

total

over et stort interval fra ca. 3 til 390 mmol kg

-1

(tabel 4.5.1.1; figur 4.5.1.2) og var generelt højt sammenholdt med fosforindhol-

det på højbundsjord. Således havde 75% af prøverne et P

total

-indhold, der var

større end det gennemsnitlige P

total

-indhold i 0-25 cm laget i den landsdæk-

kende Kvadratnet-undersøgelse fra 1997 (Rubæk m.fl., 2013). Stor akkumula-

tion af fosfor er tidligere observeret i danske lavbundsjorde (Kjærgaard m.fl.,

2010). En stor del af P

total

var oxalatekstraherbart (figur 4.5.1.2). Omtrent 70% af

total

forelå typisk som P

i vores jordprøver, bortset fra fire jordprøver med

ekstremt høje P

total

indhold. Derfor er forholdet mellem P

og P

total

i tabel 4.5.1.1

noget mindre. Derimod udgjorde bikarbonat-dithionit-ekstraherbart P (P

) en

betydeligt mindre fraktion svarende til gennemsnitligt ca. 10% af P

total

, bortset

fra prøver med meget høje P

total

, hvor P

udgjorde mindre end 5% af P

total

(figur

4.5.1.2). Sammenholdt med andre danske undersøgelser af fosfordynamik i lav-

bundsjord dækkede nærværende jordprøver over lignende store intervaller af

total

og P

(Heiberg m.fl., 2012; Forsmann og Kjærgaard, 2014). Vandekstraher-

bart fosfor i aerob, lufttør jord (P

vand

) udgjorde gennemsnitligt en meget lille

fosforfraktion (tabel 4.5.2.1), typisk mindre end 0,3% af P

vand

. Variationsbredden

i P

vand

svarer til den, der er målt for jordprøver udtaget i Kvadratnettet i 1997 i

dybden 0-50 cm (Andersen m.fl., 2016).

Tabel 4.5.1.1.

Oversigt over udvalgte jordegenskaber af de 47 lavbundsjorde anvendt i studiet. Koncentrationer er angivet på

tørvægtbasis.

Gens

H2O

Volumenvægt

Grovsand

vand

total

(Fe:P)

Min

3,6

129

0,3

0,8

0,02

2,6

1,8

0,9

0,4

2,7

0,8

1,5

2,3

5,5

245

7,7

5,1

0,06

18,2

28,0

74,8

8,0

5,3

24,6

2,4

6,7

9,2

Median

6,1

423

14,7

14,2

0,10

24,6

49,2

126,6

11,2

14,4

70,4

4,9

10,0

12,1

6,7

639

26,2

39,1

0,23

40,0

69,8

281,9

19,8

23,8

114,0

8,1

15,9

19,5

Maks

7,8

843

43,6

69,8

2,22

390,1

883,1

1584,7

153,1

234,5

287,3

20,6

204,5

49,0

6,0

kg m

-3

mmol kg

-1

mmol kg

-1

mmol kg

-1

mmol kg

-1

446

17,5

21,1

0,20

60,6

88,5

246,0

23,4

27,2

83,0

5,9

17,7

15,4

mmol kg

-1

mmol kg

-1

mmol kg

-1

Gens, Min, Q1, Q3, Maks er henholdsvis gennemsnit, minimum, 1. kvartil, 3. kvartil og maksimum.

organisk kulstof.

Den store spredning i jordprøvernes jernindhold, både som Fe

og Fe

(tabel

4.5.1.1), er repræsentativ for organiske lavbundsjorde i Danmark (kap. 4.5.2).

Højt indhold af Fe

er kendetegner landbundsjorde i forhold til højbundsjorde

(kap. 4.2; Petersen m.fl., 2020b). I de fleste tilfælde udgør Fe

den langt største

del af totaljern (Fe

total

) svarende i gennemsnittet til 78%. (figur 4.5.1.3). Når Fe

eller Fe

overstiger Fe

total

skyldes det analytisk usikkerhed. Forholdet mellem

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

og Fe

var noget varierende og i gennemsnit udgjorde Fe

ca. 70% af Fe

(figur 4.5.1.3), hvis de ekstremt høje Fe

-værdier ekskluderes. De høje indhold

af Fe

antyder, at en stor del af jernoxiderne vil kunne opløses under reduce-

rende forhold i jord. I nærværende sæt af jordprøver udgør Al

en vigtig del af

metaloxiderne (tabel 4.5.1.1) i tråd med observationerne i SINKS-databasen

(kap. 4.5.2). Det bemærkes, at bikarbonat-dithionit også har ekstraheret betyde-

lige mængder aluminium, selvom ekstraktet er tiltænkt bestemmelse af redu-

cerbare jern(III)oxider. Dette kan antyde en kemisk tæt associering af alumi-

nium med jernoxider, der ekstraheres med bikarbonat-dithionit, hvorved også

aluminium frigives (Heiberg m.fl., 2012); desuden vil også den svagt alkaline

BD ekstraktionsopløsning medføre en vis opløsning af aluminiumoxider. Langt

mere aluminium kunne dog ekstraheres med oxalat. Det molære forhold mel-

lem jern og fosfor varierede mellem 2 - 49 for (Fe:P)

og 2 til 205 for (Fe:P)

de undersøgte jorde (tabel 4.5.1.1). I henholdsvis 14 og 22 ud af de 47 jordprøver

var (Fe:P)

- og (Fe:P)

-forholdet lavere end ti, der er anset for en kritisk tær-

skelværdi ift. fosformobiliseringen (Forsmann og Kjærgaard, 2014).

Figur 4.5.1.2.

Forskellige fosforfraktioner i de undersøgte lufttørrede jordprøver sorteret efter P

total

. P

, P

og P

total

er henholds-

vis bikarbonat-dithionit- og oxalatekstraherbart P samt totalfosfor. Bemærk den logaritmiske ordinatakse.

Inkubationsforsøget har simuleret anaerobe forhold som de opstår i felten,

når jorden er vandmættet. En vigtig forskel var dog, at temperaturen i forsø-

get var højere end den forventes at være under naturlige forhold, hvilket har

øget hastigheden af de mikrobielle omsætningsprocesser, og herunder reduk-

tionen af jern(III)oxider. I de fleste jordprøver blev der målt en meget kraftig

stigning i frigivelsen af P

og Fe(II)

HCl

i løbet af de første 21 dage af inkubati-

onen (figur 4.5.1.4). Derefter aftog jernfrigivelsen typisk markant og nærmede

sig et plateau - for visse jorde allerede omkring 25 dage, for andre jorde efter

mere end 100 dage. Fosforfrigivelsen fulgte en lignende trend, dog viste en-

kelte jordprøver en tydelig tilbagegang i P

over tid. Figur 4.5.1.4 viser ek-

sempler for tre udvalgte jorde med karakteristiske kurveforløb. Generelt var

den tidslige ændring i frigivelsen af P

mere svingende end for frigivelse af

Fe(II)

HCl

. Frigivelsesrater for P

og Fe(II)

HCl

varierede stærkt blandt de 47 jord-

prøver. I litteraturen rapporteres Fe(II)-frigivelsesrater for organiske lav-

bundsjorde ved stuetemperatur, der ligger inden for det observerede interval

i nærværende studie, med en median på 6 mmol Fe(II)

HCl

-1

dag

-1

for en

inkubationsperiode på 21 dage (10% og 90% fraktilen henholdsvis 1,5 og 12,4

mmol Fe(II)

HCl

-1

dag

-1

) (Küsel m.fl., 2002; Heiberg m.fl., 2012; Forsmann og

Kjærgaard, 2014).

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.5.1.3.

Forskellige jernfraktioner i de undersøgte lufttørrede jordprøver sorteret efter Fe

total

. Fe

, Fe

og Fe

total

er hen-

holdsvis bikarbonat-dithionit- og oxalatekstraherbart jern samt totaljern. Bemærk den logaritmiske ordinatakse.

0.95; RSME

0.17

0.74; RSME

0.12

0.09; RSME

0.25

0.96; RSME 29

0.99; RSME 8

0.75; RSME 16

Figur 4.5.1.4.

Eksempler på frigivelse af fosfor (P

, øverst) og jern (Fe(II)HCl, nederst) til vandfasen over tid i inkubationsforsøg

for jordprøverne F133-09, H1 og R2-43 (rumtemperatur-ca.25

C ). Punkter er måledata. Kurverne viser to kinetiske modeller,

der er tilpasset data. For P

er der brugt en Elovich model: Pw

ln(t) (Chien og Clayton, 1980), hvor Pw

er koncentration

for en given tid (t) og

a, b

er konstanter. Fe(II)

HCl

frigivelse er beskrevet vha. en første-orden kinetisk model Fe(II)

HCl,t

= Fe(II)

max

[1 - exp(-k

t)]

(Roden, 2003), hvor Fe(II)

HCl,t

er koncentrationen for en given tid (t), Fe(II)

max

en den maksimale mængde af Fe(II),

der kan produceres i et givet system, og

er hastighedskonstanten. Modeltilpasningen karakteriseres vha. de statistiske udtryk

og RSME (root mean square error).

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

En stor del af jordenes jern(III)pulje blev frigivet (reduceret) i inkubationsforsø-

get. Efter 21 dage svarede Fe(II)

HCl

-frigivelsen stort set til hele puljen af Fe

jordene undtagen seks jorde med ekstremt høje Fe

total

-indhold (figur 4.5.1.5). I

nogle tilfælde især ved Fe

<400 mmol kg

-1

oversteg Fe(II)

HCl

-frigivelsen Fe

indholdet i jorden. Ud over måleusikkerhed skyldes dette en mobilisering af

jern(III) udenfor oxalatpuljen, eksempelvis jern i mere krystallinske jernoxider.

Disse resultater antyder en meget effektiv jern(III)-reduktion i de undersøgte

jorde og dermed en kraftig reduktion af en stor del af fosforbindingskapaciteten

efter få uger. Frigivelsen af Fe(II)

HCl

over tid var velbeskrevet (gns. r

0.92) vha.

en første-orden kinetisk model (figur 4.5.1.4), hvilket stemmer godt overens

med, at mikrobiel jernreduktion i vandmættede jorde og søsedimenter følger

denne type reaktionskinetik (Roden, 2003; Heiberg m.fl., 2012). Modellen har to

parametre, den maksimale mængde af Fe(II), der kan produceres i et givet sy-

stem (Fe(II)

max

) og hastighedskonstanten (k) (figur 4.5.1.4). Der var en meget

stærk sammenhæng mellem Fe(II)

max

og Fe

i de undersøgte jorde (figur

4.5.1.5). Dette antyder, at Fe

er et robust estimat for den mikrobielle reducer-

bare jern(III)pulje i disse lavbundsjorde (Munch og Ottow, 1980). De høje pro-

duktionsrater af Fe(II) i de undersøgte organiske lavbundsjorde kan forklares

med høj tilgængelighed af både lav-krystallinske jernoxider og let-omsættelige

kulstofkilder for mikroorganismer (Lovley m.fl., 2004).

Fosfor-mobiliseringsforsøgene er udført ved stuetemperatur (ca. 25

C). Lav-

bundsjorde vil have en gennemsnitstemperatur på ca. 10

C, men med en stor

temperaturamplitude over året. Når temperaturen falder vil reduktionen af

jern(III)oxid gå langsommere. Hvor meget langsommere afhænger af både jord-

bunds- og mikrobielle faktorer, men der kan typisk antages, at for mikrobiolo-

giske reduktionsprocesser som jern(III)oxid-reduktion mindskes hastigheds-

konstanten med en faktor 2 for et temperaturfald på 10

C (Zak m.fl., 2006; Schil-

ling m.fl., 2019). Det betyder, at ved et fald fra 25

C til 10

C vil hastighedskon-

stanten for jern(III)oxid reduktionen mindskes med en faktor ca. 3. Konkret be-

tyder det, at fosforbindingskapaciteten falder langsommere når jordtemperatu-

ren er under 25

C, og dermed mindskes også risikoen for fosformobilisering.

Eksempelvis vil mængden af jern(III)oxid, der er reduceret efter 21 dage, for de

tre jorde i Fig. 4.5.1.4, dvs. jordprøverne F133-09, H1 og R2-43, mindskes med

46, 20 og 45 % sammenlignet med reduktionen målt ved 25

C, når jern(III)oxid-

reduktionen foregår ved temperatur på 10

C i stedet for 25

C. Omfanget af

jern(III)oxid-reduktionen er fortsat høj, men alt andet lige reduceres hastighe-

den af fosformobilisering tilsvarende den mindre opløsning af jern(III)oxider.

Temperaturen vil også påvirke andre processer i jorden, som påvirker fosfors

opløselighed, f.eks. fældning af metal-fosfater så som vivianit. Temperaturaf-

hængigheden af de fosfor-specifikke jordbundsprocesser er vigtig i forbindelse

med vurdering af klimaeffekter på fosformobiliseringen. Temperatureffekterne

er ringe belyst i litteraturen og yderligere undersøgelser er nødvendige.

Varigheden af perioder med anaerobe jordbundsforhold og dermed jern(III)-

reduktion vil variere meget fra sted til sted og vil naturligvis være stærkt af-

hængig af klimaet. Der kan være situationer med kortvarige (dage til få uger)

vandmætninger ved høj sommernedbør, mens langvarige vandmætninger

over flere måneder typisk ses fra om vinteren og ind i foråret. De kortvarige

vandmætninger om sommeren, hvor jordbundstemperaturen er høj, må for-

modes også at kunne give anledning til fosformobilisering. De langvarige

vandmætninger om vinteren og foråret har et sådant omfang, at hele Fe

puljen muligvis opløses, selv om temperaturen er lavere.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.5.1.5.

Forhold mellem frigivelse af Fe(II)

HCl

efter 21 dages inkubation og jordenes Fe

indhold i 47 lavbundsjorde (ven-

stre). Forhold mellem modelestimeret maksimal jernfrigivelse (Fe(II)

max

) ved reduktion af jern(III)oxider i inkubationsforsøget og

i 45 lavbundsjorde. En første-ordens kinetisk model er tilpasset til målt Fe(II)

HCl

-frigivelse. To jorde er ekskluderet, fordi den

kinetiske model ikke kunne tilpasses data. 1:1 linjen er vist i begge figurer.

Imidlertid var fosforfrigivelsen efter 21 dage (P

w21

) lav sammenholdt med fos-

forpuljerne. Medianen for forholdet mellem P

w21

og P

var kun 3% og varierede

mellem 1% og 22% for henholdsvis 10%- og 90%-fraktilen. Til forskel fra jernfri-

givelsen fandtes der ikke en stærk korrelation mellem P

og P

(figur 4.5.1.6,

venstre). Frigivelsen af P

w21

var heller ikke relateret til den andel af P

, der teo-

retisk er bundet til Fe

(figur 4.5.1.6, højre) under antagelsen af den samme fos-

forbindingskapacitet i Al

-puljen og Fe

-puljen (Al

/Fe

= P

ox_Al

ox_Fe

). Til

gengæld var fosforfrigivelsen (P

w21

) klart større end puljen af P

vand

(tabel 4.5.1.1).

Figur 4.5.1.6.

Forhold mellem fosforfrigivelse til vandfasen (P

w21

) efter 21 dages inkubation og P

for 47 lavbundsjorde (ven-

stre); sammenhæng mellem P

w21

og andelen af P

, der teoretisk forventes at være associeret med Fe

puljen (højre) under

antagelsen, at Al

-puljen har den samme fosforbindingskapacitet som Fe

-puljen på molær basis.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Når Fe

puljen opløses under anaerobe forhold vil der i første omgang også

frigives en betydelig mængde P

(figur 4.5.1.6, højre). Da kun en mindre del

af dette fosfor genfindes i jordvæsken, kan det antages, at resten er bundet til

aluminiumoxider, resterende jernoxider og lermineraler. Heiberg m.fl. (2012)

har desuden observeret udfældning af vivianit under lignende forhold.

Denne udfældning var akkompagneret af et tydeligt fald i fosforfrigivelsen

) efter ca. 30 dage i deres inkubationsforsøg. I nærværende studie viste 5

jorde et fald i P

på den anden side af 21 dage (R2-43 eksempel i figur 4.5.1.4).

Tre af dem havde desuden en pH-værdi i vand højere end 7,1, som fremmer

vivianitudfældningen (Lindsay m.fl., 1989). For de fleste af de resterende

jorde kunne den tidslige ændring af P

tilfredsstillende estimeres vha. Elo-

vich-ligningen (figur 4.5.1.4), der anvendes til beskrivelsen af fosforsorption-

skinetik (Chien og Clayton, 1980). Dette antyder, at sorptionsprocesser og evt.

fældningsprocesser kontrollerer fordelingen af fosfor mellem jordvæsken og

den faste fase i de undersøgte jordprøver, på trods af den omfattende reduk-

tive opløsning af jern(III)oxider under inkubationen.

I udvalgte organiske lavbundsjorde er der tidligere blevet fundet en ekspo-

nentiel faldende sammenhæng mellem fosforfrigivelsen til vandfasen som

følge af jern(III)reduktion og (Fe:P)

eller (Fe:P)

forholdet i de inkuberede

jorde (Forsmann og Kjærgaard, 2014). I de tidligere undersøgte jorde udgjorde

jern(III)oxiderne langt den største del af bindingskapaciteten for fosfor (Fors-

mann, 2014). Imidlertid kan der til forskel fra Forsmann og Kjærgaard (2014)

i nærværende studie ikke observeres en markant stigning i fosforfrigivelsen

ved lave Fe:P forhold, hverken for (Fe:P)

eller (Fe:P)

(figur 4.5.1.7, venstre).

Samtidig var der i studiet inkluderet forholdsvis mange jorde med et Fe:P for-

hold, hvor der efter modellen forventes høj fosforfrigivelse. Der var ikke tegn

på, at jordenes indhold af organisk stof påvirkede relationen mellem fosfor-

frigivelsen og (Fe:P)

-forholdet betydeligt (figur 4.5.1.7, højre). Dette er i tråd

med, at der fandtes en residuel (tilbageværende) bindingskapacitet i de fleste

af de undersøgte lavbundsjorde eller vivianitfældning i enkelte tilfælde.

Figur 4.5.1.7.

Fosforfrigivelsesraten efter 21 dages inkubation under anaerobe forhold som funktion af Fe:P-forholdet i 47 lav-

bundsjorde. Den blå kurve viser modellen for fosforfrigivelsen fra Forsmann og Kjærsgaard (2014). Den lodrette linje (Fe:P)

10 indikerer en kritisk tærskelværdi forslået af de samme forfattere.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Det er kendt fra højbundsjord, at opløst fosfor i jordvæsken er relateret til fos-

formætningsgraden, der estimeres som forhold mellem P

og fosforbindings-

kapaciteten (PSC) typisk på grundlag af Fe

og Al

indholdet (kap. 4.3;

Schoumans og Groenendijk, 2000; Andersen m.fl., 2016). Den residuelle bin-

dingskapacitet (PSC

res

) i de undersøgte lavbundsjorde, hvor en del af Fe

puljen er opløst som følge af reduktion af Fe(III)oxider, kan groft estimeres

ved følgende udtryk: [PSC

res

= Al

+ Fe(II)

max

– Fe(II)

], hvor koncentratio-

nerne er molære og Fe(II)

er mængden af reduceret jern efter 21 dage. Det

modelberegnede Fe(II)

max

anvendes, fordi den for mange jorde var lidt større

end Fe

(figur 4.5.1.5). Desuden antages, at Al

-puljen har samme fosforbin-

dingskapacitet som Fe

-puljen på molær basis. Den tilsvarende aktuelle mæt-

ningsgrad i lavbundsprøverne fås derefter som forholdet mellem P

korrige-

ret for fosforfrigivelsen efter 21 dage og den residuelle bindingskapacitet.

Dette er vist i figur 4.5.1.8 (venstre). Den således korrigerede mætningsgrad

kan dog heller ikke forklare fosforfrigivelsen i de undersøgte jorde.

Når den residuelle bindingskapacitet sammenholdes med forholdet mellem

og P

, dvs. den relative fosforfrigivelse) efter 21 dages inkubation,

deles jordene i to hovedgrupper (figur 4.5.1.8). Ved en residuel bindingskapa-

citet <200 mmol kg

-1

jord spænder den relative fosforfrigivelse over et stort

interval (figur 4.5.1.8, højre) og den residuelle bindingskapacitet differentierer

ikke mellem jordene. Til gengæld antyder resultaterne, at risikoen for fosfor-

frigivelse er lille for residuelle bindingskapaciteter >500 mmol kg

-1

. Vores stu-

die inkluderer dog kun forholdsvis få datapunkter med høje bindingskapaci-

teter og enkelte observationer ligger uden for det generelle mønster. Dette kan

ikke umiddelbart forklares med de tilgængelige oplysninger om jordene, hel-

ler ikke når der antages større fosforbindingskapacitet for Al

- end Fe

-pul-

jen på molær basis.

Figur 4.5.1.8.

Forhold mellem fosforfrigivelsen (P

) efter 21 dages inkubation og den residuelle fosformætningsgrad (venstre).

Sidstnævnte er forholdet mellem P

korrigeret for fosforfrigivelsen efter 21 dage (P

ox_c

= P

– P

w21

) og den residuelle fosfor-

sorptionskapacitet (PSC

res

) estimeret ved udtrykket (PSC

res

= Al

+ Fe(II)

max

– Fe(II)

). Figuren på højre siden viser tilsvarende

forholdet mellem den relative fosforfrigivelse (P

) og den residuelle fosforbindingskapacitet (PSC

res

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.5.2.4. Konklusion

Generelt har undersøgelsen vist, at den største del af de lav-krystallinske jern-

oxider kan gå i opløsning efter et kort tidsrum på 21 dage under anaerobe, re-

ducerende forhold for en bred vifte af lavbundsjorde. Oxalatekstraherbart jern

var et robust estimat for den mikrobielt reducerbare jern(III)pulje. Det var dog

ikke ensbetydende med en stor fosforfrigivelse. Selvom jern(III)oxider binder

meget fosfor under iltede forhold, kan det fosfor, der frigives når jern(III)oxider

opløses, tilbageholdes af andre komponenter og processer i jorden. Vores studie

var ikke designet til at belyse disse mekanismer nærmere. Imidlertid antyder

resultaterne, at en høj residuel fosforbindingskapacitet, bestemt som funktion

af Al

og ikke-opløst Fe

, minimerer risikoen for fosforfrigivelsen under anae-

robe forhold i lavbundsjorde. Omvendt så er muligheden for fosforfrigivelse

højere når jordene har lav residuel fosforbindingskapacitet - uanset jordenes

initielle fosformætning og indhold af jern(III)oxider.

Det konkluderes, at den empiriske model (Forsmann og Kjærgaard, 2014), der

beskriver fosformobiliseringspotentialet som funktion af Fe:P-forholdet i jord

ikke generelt kan anvendes på alle lavbundsjorde. Ej heller kan et tilpasset

udtryk for fosformætningsgraden forklare fosforfrigivelsen. Derfor mangler

vi i øjeblikket det modelmæssige grundlag til at kortlægge fosformobilise-

ringspotentialet i lavbundsjorde. Nærværende studie har tydeliggjort et be-

hov for videregående analyser af jern- og fosfordynamikken samt -mobilise-

ringen, når potentialet for fosfortabet fra lavbundsjorde skal kvantificeres.

Litteratur

Andersen, H.E., Baatrup-Pedersen, A., Blicher-Mathiesen, G., Christensen,

J.P., Heckrath, G., Nordemann Jensen, P. (red.), Vinther, F.P., Rolighed, J., Ru-

bæk, G. & Søndergaard, M. 2016. Redegørelse for udvikling i landbrugets fos-

forforbrug, tab og påvirkning af Vandmiljøet. Aarhus Universitet, DCE –Na-

tionalt Center for Miljø og Energi, 86 s. - Teknisk rapport fra DCE - Nationalt

Center for Miljø og Energi nr. 77.

Chien, S.H., Clayton, W.R. 1980. Application of Elovich equation to the kinet-

ics of phosphate release and sorption in soils. Soil Sci. Soc. Am. J. 44, 265-268.

Borggaard, O.K., Jørgensen, J.P., Møberg, J.P., Raben-Lange, B. 1990. Influence

of organic matter on phosphate adsorption by aluminium and iron oxides in

sandy soils. Journal of Soil Science 41, 443-449.

Forsmann, D. 2014. Hydro-biogeochemical processes affecting phosphorus

release in rewetted organic soils. PhD Dissertation. AU Universitet.

Forsmann, D.M., Kjærgaard, C. 2014. Phosphorus release from anaerobic peat

soils during convective discharge — Effect of soil Fe:P molar ratio and prefer-

ential flow. Geoderma 223-225, 21-32.

Freese, D., Van der Zee, S.E.A.T.M., Van Riemsdijk, W.H., 1992. Comparison

of different models for phosphate sorption as a function of the iron and alu-

minium oxides of soils. J. Soil Sci. 43, 729–738.

Heiberg, L, Bender Koch, C., Kjærgaard, C., Jensen, HS., Hansen, HCB. 2012.

Vivianite precipitation and phosphate sorption following iron reduction in

anoxic soils. J. Environ. Qual. 41, 938-949.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Hoffmann, CC., Kjaergaard, C., Uusii-Kämppää, J., Hansen, HCB, Kronvang,

B. 2009. Phosphorus retention in riparian buffers: Review of their efficiency. J.

Environ. Qual. 38, 1942–1955.

Kafkafi, U. 1972. Soil phosphorus. In: Halmann, M. (Ed.), Analytical Chemis-

try of Phosphorus Compounds. John Wiley, New York, pp. 727–741.

Karlsson, T., Persson, P., Skyllberg, U., Morth, C., Giesler, R. 2008. Character-

ization of iron(III) in organic soils using extended X-ray absorption fine struc-

ture spectroscopy. Environ. Sci. Technol. 42:5449–5454.

Kjærgaard, C.; Heiberg, L.; Jensen, H.S.; Hansen, H.C.B. 2012. Phosphorus

mo- bilization in rewetted peat and sand at variable flow rate and redox re-

gimes. Geoderma 173, 311–321.

Kjærgaard, C., Hoffmann, C.C., Heiberg, L., Hansen, H.C.B., Jensen, H.,

Greve, M. 2010. Risiko for fosfortab ved reetablering af vådområder? Vand &

Jord 17(2), 58-62.

Lindsay, W.L., P.L.G. Vlek, and S.H. Chien. 1989. Phosphate minerals. p.

1089–1130. In J.B. Dixon and S.B. Weed (ed.) Minerals in soil environments.

2nd ed. SSSA Book Ser. 1. SSSA, Madison, WI.

Lookman, R., Freese, D., Merckx, R., Vlassak, K., Van Riemsdijk, W.H., 1995.

Long-term kinetics of phosphate release from soil. Environ. Sci. Technol. 29,

1569–1575.

Lovley DR, Holmes DE, Nevin KP. 2004. Dissimilatory Fe(III) and Mn(IV) re-

duction. Adv Microb Physiol 49, 219–286.

Munch, J.C., Otto, J.C.G. 1980 Preferential reduction of amorphous to crystal-

line iron oxides by bacterial activity. Soil Sci. 129, 15–21.

Paludan, C. and H.S. Jensen. 1995. Sequential extraction of phosphorus in

freshwater wetland and lake sediment: Significance of humic acids. Wetlands

15, 365–373.

Parfitt, R.L., Childs, C.W. 1988. Estimation of forms of Feand Al: a review, and

analysis of contrasting soils by dissolution and Mössbauer methods. Austral-

ian Journal of Soil Research 26, 121-144.

Petersen, R.J., Prinds, C., Iversen, B.V., Engesgaard, P., Jessen, S., Kjærgaard,

C. 2020a. Riparian lowlands in clay till landscapes, Part I: Heterogeneity of

flow paths and water balances. Water Resources Research 56(4)

doi.org/10.1029/2019WR025808.

Petersen, R.J., Prinds, C., Jessen, S., Iversen, B.V., and Kjaergaard, C. 2020b.

Riparian lowlands in clay till landscapes Part II: Nitrogen reduction and re-

lease along variable flow paths. Water Resources Research, 56(4)

doi:10.1029/2019WR025810.

Poulsen H.D., Rubæk G.H. (red.) 2005. Fosfor i dansk landbrug. DJF rapport

Husdyrbrug nr. 68. Aarhus 370 Universitet, Det Jordbrugsvidenskabelige Fa-

kultet. 211 p.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Roden, E.E. 2003. Fe(III) oxide reactivity toward biological versus chemical

reduction. Environ. Sci. Technol. 37, 1319–1324.

Roden EE, Wetzel RG. 2002. Kinetics of microbial Fe(III) oxide reduction in

freshwater wetland sediments. Limnol Oceanogr 41, 1733–1748.

Rubæk, GH, Kristensen, K, Olesen, SE, Østergaard, HS & Heckrath, G, 2013.

Phosphorus accumulation and spatial distribution in agricultural soils in Den-

mark. Geoderma, 209-210: 241-250.

Rubæk, G.H. og Kristensen, K. 2017. Protocol for bicarbonate extraction of in-

organic phosphate from agricultural soils. DCA Report no. 102, 53 p.

Schilling, K., Borch, T., Rhoades, C.C., Pallud, C.E. 2019. Temperature sensi-

tivity of microbial Fe(III) reduction kinetics in subalpine wetland soils. Bioge-

ochemistry 142, 19-35.

Schoumans O.F. 2000. Determination of the degree of phosphate saturation in

non-calcareous soils. In: G.M. Pierzynski, editor. Methods of phosphorus anal-

ysis for soils, sediments, residuals and waters. Raleigh NC, USA. Coop. Ser.

Bull. 396, Publ. SERA-IEG-17., North Carolina State University, pp. 31–34.

Schoumans, O.F., Chardon, W. 2015. Phosphate saturation degree and accu-

mulation of phosphate in various soil types in The Netherlands. Geoderma

237-238, 325-335.

Schoumans, O.F., Groenendijk, P. 2000. Modeling soil phosphorus levels and

phosphorus leaching from agricultural land in the Netherlands. J. Environ.

Qual. 29, 111-116.

Sissingh, H.A. 1971. Analytical technique of the Pw method, used for the as-

sessment of the phosphate status of arable soils in the Netherlands. Plant and

Soil 34, 483-486.

Walpersdorf, E., Koch, C.B., Heiberg, L., O'Connell, D.W., Kjaergaard, C.,

Hansen, H.C.B. 2013. Does vivianite control the solubility of phosphate in an-

oxic meadow soils? Geoderma 193-194, 189 – 199.

Zak, D., Gelbrecht, J., Steinberg, C.E.W. 2004. Phosphorus retention at the re-

dox interface of fens in Northeast Germany. Biogeochemistry 70, 359-370.

Zak, D., Hupfer, M., Kleeberg, A. 2006. Sulphate-mediated phosphorus mobi-

lization in riverine sediments at increasing sulphate concentration, River

Spree, NE Germany. Biogeochemistry 80, 109-119.

Zak, D., Gelbrecht, J., C. Wagner, Steinberg, C.E.W. 2008. Evaluation of the

phosphorus mobilization potential in re-wetted fens by an improved sequential

chemical extraction procedure. European Journal of Soil Science 59, 1191-1201.

Zak, D., Wagner, C., Payer, B., Augustin, J., Gelbrecht, J. 2010. Phosphorus

mobilization in rewetted fens: the effect of altered peat properties and impli-

cations for their restoration. Ecological Applications 20(5), 1336-1349.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.5.2 Kortlægning af relevante jordparametre for fosfor-mobilisering

i dyrkede, organiske lavbundsjorde

Amélie Beucher

, Mogens Humlekrog Greve

Fagfællebedømmelse: Rasmus Jes Petersen

Institut for Agroøkologi, AU

Institut for Bioscience, AU

4.5.2.1. Introduktion

En stor del af de danske organiske lavbundsjorde er drænede og har været i

omdrift i mere end et århundrede. Tilførsel af fosforgødning samt redistribu-

ering af fosfor (P) fra omkringliggende områder har resulteret i en ophobning

af fosfor i mange af disse lavbundsjorde (Forsmann & Kjærgaard, 2014). Sam-

tidig med en øget tilførsel af fosfor har den øgede iltning af de organiske jorde

resulteret i en øget volumenvægt (BD) og fosforkoncentration i disse jorde.

Fosfor kan bindes i lavbundsjordene til organisk stof eller til lerpartikler og

jern- og aluminiumoxider. Den fortsatte ophobning af fosfor resulterer i en

øget mætning af fosforbindingskomplekset og udgør dermed en risiko for tab

af fosfor til vandmiljøet (Forsmann & Kjærgaard, 2014). Flere studier (f.eks.

Litaor m.fl., 2004; Richardson, 1985; Sah & Mikkelsen, 1986; Schlichting m.fl.,

2002) har vist, at fosforbindingskapaciteten i lavbundsjorde korrelerer med

indholdet af aluminiumoxider og særligt jernoxider.

Kendetegnende for de organiske lavbundsjorde er den udbredte tilstedevæ-

relse af reducerende forhold, når jordene periodevist vandmættes, og der op-

står iltfrie forhold. Disse reducerende forhold kan føre til en opløsning af jern-

oxider og dermed en kraftig reduktion af jordens fosforbindingskapacitet.

Hvis fosfor, som før var bundet til de, nu opløste, oxider, ikke kan bindes til

de tilbageværende oxider, vil dette medføre en netto frigivelse af fosfor. På

trods af at dræning øger jordens generelle iltindhold og dermed stabiliserer

jernoxider, kan der i våde perioder ofte opstå lokale zoner med reducerende

forhold – også i drænede lavbundsjorde (Petersen m.fl., 2020), hvormed fosfor

kan gå i opløsning og transporteres via drænvand (Zak m.fl., 2010).

Poulsen og Rubæk (2005) udpegede dyrkede organiske lavbundsjorde som den

næststørste kilde efter brinkerosion til den diffuse fosforbelastning af havmil-

jøet omkring Danmark. Genetablering af vådområder resulterer i øgede iltfrie

forhold med potentiel opløsning af fosforbindende jernoxider, hvilket udgør en

risiko for yderligere fosforudvaskning (Forsmann & Kjærgaard, 2014).

Puljer af jernoxider og bundet fosfor kan karakteriseres vha. forskellige eks-

traktionsmetoder (kap. 4.5.1). Med ammoniumoxalat ekstraheres amorfe og

dermed reaktive aluminium- og jernoxider samt det fosfor, der er bundet til

dem (kap. 4.2). Fordele ved ekstraktion med ammoniumoxalat er dens ro-

busthed og egnethed til rutineanalyser. Ekstraktion med ammoniumoxalat er

ofte anvendt på højbundsjorde til estimering af fosforsorptionskapaciteten

(PSC), som er proportional til summen af oxalat-ekstraherbart jern (Fe

) og

aluminium (Al

) (Van der Zee og Van Riemsdijk, 1986). Forholdet mellem

oxalat-ekstraherbart fosfor (P

) og PSC benævnes fosformætningsgraden, og

denne er blevet relateret til risikoen for fosformobilisering, særligt i svagt sure

og pH-neutrale, sandede jorde (Schoumans & Chardon, 2015). Som i høj-

bundsjorde, udgør Fe

og Al

også en stor del af PSC under aerobe forhold i

organiske lavbundsjorde (Kjærgaard m.fl., 2010). Størstedelen af Fe

-puljen

anses for redox-følsom (kap. 4.5.1; Heiberg m.fl., 2012), dog er evidensen her-

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

for forholdsvis sparsom. På grund af den store redoxfølsomme Fe-pulje i or-

ganiske lavbundsjorde, kan fosformætningsgraden i disse jorde ikke relateres

direkte til fosformobilisering, som det er tilfældet på aerobe højbundsjorde

(Kjærgaard m.fl., 2010; Forsmann & Kjærgaard, 2014). Indholdet af P

i dan-

ske lavbundsjorde er ofte højt i forhold til indholdet i højbundsjorde, og denne

dynamiske fraktion udgør en stor del af total P i lavbundsjordene (Kjærgaard

m.fl., 2010). Viden om lavbundsjordenes indhold af Al

, Fe

og P

er derfor

nødvendig for at forstå og beskrive den rumlige variation og tidslige dyna-

mikker for fosforfrigivelse og –tilbageholdelse. Der findes p.t. ingen modeller

til at beskrive disse generelt for organiske lavbundsjorde.

SINKS-databasen indeholder geokemiske og fysiske data fra 8830 prøvepunk-

ter i organiske lavbundsjorde over hele Danmark. Som en del af fosforkort-

lægningsprojektet er anvendt dette omfattende datasæt til kortlægning af

nøgleparametre (Fe

, Al

, P

og BD) i de øverste 30 cm af organiske lav-

bundsjorde. Denne kortlægning er et bidrag til at danne det nødvendige vi-

densgrundlag for at kunne foretage en risikovurdering af fosfortabet fra or-

ganiske lavbundsjorde, når der en gang foreligger valide modeller.

Et stigende antal studier har anvendt maskinlæringsteknikker til at kortlægge

jordegenskaber eller jordtyper. Disse teknikker tillader en høj grad af komplek-

sitet i de tilgængelige data, kan håndtere store datasæt og kan tage højde for

både lineære og ikke-lineære sammenhænge mellem data. Til den nærværende

kortlægning er anvendt maskinlæringsmetoder til processering af 66 forskellige

fladedækkende input-variable, herunder landskabstyper, geologi, topografi,

dræningsklasser og arealanvendelse, til prædiktering/kortlægning af Fe

, Al

og BD. Flere detaljer af kortlægningsstudiet er præsenteret i Bilag 5.

4.5.2.2. Metoder

4.5.2.2.1 Kortlægning vha. maskinlæring

Til kortlægning af relevante jordparametre i de organiske lavbundsarealer er

der anvendt to forskellige maskinlæringsmetoder:

Random Forest

(RF; Brei-

man, 2001) og

Quantile Regression Forest

(QRF; Meinshausen, 2006). For at ud-

lede forholdet mellem de parametre, som man ønsker at prædiktere/kort-

lægge, og de forskellige input-variable producerer RF et stort antal beslut-

ningstræer/dendrogrammer. Datasættet opdeles via tilfældig udtrækning

med tilbagelægning (bagging), og for hvert delsæt dannes beslutningstræer,

hvor algoritmen til hver node i disse beslutningstræer udvælger en tilfældig

input-variabel. Ved brug af QRF fås ikke blot gennemsnitlige prædikterede

værdier, men også konfidensintervaller, så usikkerheden kan vurderes. For

hver prædikteret parameter er der foretaget krydsvalidering (×10) til udvæl-

gelse af den bedste prædiktionsmodel baseret på en række forklaringskoeffi-

cienter:

Mean squared error

(MSE),

mean absolute error

(MAE),

root mean squared

error

(RMSE) og determinationskoefficienten (R

4.5.2.2.2. Data

Området for kortlægningen af dyrkede, organiske lavbundsarealer (ca. 1714

km², figur 4.5.2.1) blev defineret som udbredelsen af jorde med et minimum-

indhold af organisk kulstof (SOC) på 6% efter kortlægningen af Adhikari m.fl.

(2014b) samt af IMK2018-kortet over dyrkede arealer i 2018. Da SINKS-data

ikke dækker ca. 344 km² af dette areal, omfatter kortlægningen af Al

, Fe

og BD i alt 1370 km². På de følgende kort vil de manglende 344 km² blive

vist som ”ikke kortlagt”.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.5.2.1.

Fordeling af 1714

km² dyrkede, organiske lav-

bundsjorde i Danmark defineret

som overlappet mellem jorde,

hvor organisk kulstof > 6% (Adhi-

kari m.fl., 2014b) og dyrkede are-

aler i 2018 (IMK2018).

4.5.2.2.3. Input-variable (prædiktorer)

Til at prædiktere og kortlægge de relevante parametre er der i dette studie

anvendt fladedækkende data for 66 forskellige variabler (prædiktorer). Disse

kan inddeles i tre grupper: landskabs-/jordparametre (36 variabler), topografi

(21 variabler) og klima (9 variabler). Alle disse blev genereret eller

resamplet

til en opløsning på 30,4 m (Bilag 5).

Landskabs-/jordparametrene består af både kontinuerte variabler (30) og ka-

tegoriske variabler (5). De kontinuerte variable er humus-indhold samt ind-

holdet af ler, sand (grov+fin) og silt i fire forskellige dybder (0-30, 30-60, 60-

90 og 90-120 cm, Adhikari m.fl., 2013; 2014b), pH i seks forskellige dybder (0-

5, 5-15, 15-30, 30-60, 60-100 og 100-200 cm), modelleret eller interpoleret dybde

til grundvandsspejlet, tykkelsen af kvartære aflejringer og risikokortet for

særligt pyritholdige jorde (Beucher m.fl., 2017). De kategoriske variabler (Ta-

bel 1) består af geologi (11 kategorier, Danmarks Geologiske Undersøgelse,

1978), georegion (7 kategorier baseret på klima og geografi), landskabstype

(11 kategorier, Madsen m.fl., 1992), arealanvendelse (5 kategorier, Stjernholm

og Kjeldgaard, 2004) og dræningsklasse (5 kategorier, Møller m.fl., 2019).

De topografiske variabler består hovedsagligt af Danmarks Højdemodel

(DHM) og variabler afledt heraf:

Detrended

højdemodel, terrænhældning,

co-

sine and sine of slope aspect, direct sunlight insolation, mid-slope position, relative

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

slope postion (RSP), flow accumulation, Multi- Resolution Index of Valley Bottom

Flatness (MRVBF), System of Automated Geoscientific Analyses Wetness Index

(SAGAWI), Total Wetness Index (TWI),

daldybde, vertikal og horisontal afstand

til vandløb, terrænhældning til vandløb,

plan and profile curvatures

depth of

sinks (bluespot)

(Adhikari et al, 2014a). Derudover er der anvendt kort over

ådale (Sechu m.fl., under forberedelse) samt afstanden til Litorina-kystlinjen.

Klimavariablerne er hovedsagligt baseret på gennemsnitsværdier for perio-

den 1970-2000 fra WorldClim (Fick & Hijmans, 2017): årlig middel-, mini-

mum-, og maksimumtemperatur, middeltemperatur for de varmeste og kol-

deste kvartaler, årsmiddelnedbør samt nedbør i hhv. den vådeste og den tør-

reste måned. Derudover er anvendt middelnedbør i perioden april-oktober

for årene 1961-1990 (Scharling, 2000).

Figur 4.5.2.2.

Lokaliteter for jord-

prøvetagning til SINKS-databa-

sen.

4.5.2.2.4. SINKS-data (målvariabler/træningsdata)

Jordprøvetagning til SINKS-databasen blev foretaget i 2010-2011, hvor ca.

8830 jordprøver systematisk blev udtaget fra dyrkede organiske lavbundsare-

aler (figur 4.5.2.2). Prøverne blev udtaget fra tre forskellige regulære grids

(250, 275 og 500 m), og vha. et volumen-bor (5 cm diameter) blev der ved hvert

prøvepunkt udtaget prøver fra fire forskellige dybder (0-30, 30-60, 60-90 og

90-120 cm), dog ikke dybere end til den øverste mineraljord. Tykkelsen af tørv

blev målt ned til en dybde på maksimum 5 m. Jordprøverne blev beskrevet

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

mht. jordtype, farve og omsætningsgrad, og pH blev målt i felten. Jordprø-

verne blev opbevaret i plasticposer, tørret (37°C) og siet (2 mm, ISO 11464:

2006) for at fjerne sten og grove planterester. Fe

, Al

og P

blev analyseret

på de siede prøver med ICP-OES (Varian 725-ES, 238.204 nm, AGROLAB

GmbH, Tyskland) som beskrevet af Schoumans (2000). Kulstofindholdet blev

bestemt ved forbrænding efter ISO 10694: 1995. Volumenvægten (tør) blev be-

regnet for hver prøve ud fra tørvægten og det totale prøvevolumen.

4.5.2.3. Resultater

4.5.2.3.1 Træningsdata

Middelværdier for Fe

, Al

og P

i SINKS-databasen var hhv. 143,8, 55,3 og

15,7 mmol kg

-1

. Datafordelingerne for disse parametre var højreskæve som

følge af et mindre antal meget høje værdier. Kurtosisværdien for fordelin-

gerne var ligeledes høj som et udtryk for, at datasættet hovedsagligt består af

lave værdier. Middelværdien for volumenvægten (BD) var 0,8 g cm

-3

og faldt

generelt med stigende dybde.

4.5.2.3.2. Modelresultater

På trods af at maskinlæringsmetoden QRF ikke kræver nogen antagelser om

normalfordelte data (Vaysse & Lagacherie, 2017), var modellen bedre til at

prædiktere de fleste af målvariablerne, hvis disse var log-transformerede (Bi-

lag 5). Al

og P

blev desuden bedre prædikteret, hvis disse blev udtrykt på

volumenbasis (mmol m

-3

) i stedet for vægtbasis (mmol kg

-1

). De bedste mo-

delresultater blev således opnået ved at prædiktere BD utransformeret

(R²=0,61), logtransformeret Fe

på vægtbasis (R²=0.46), logtransformeret Al

på volumenbasis (R²=0,53) og logtransformeret P

på volumenbasis

(R²=0,40). Disse moderate modelpræstationer stemmer overens med den

kompleksitet for fosfordynamik, som tidligere er påvist for lavbundsområder

(Zak m.fl., 2010; Kjærgaard m.fl., 2012).

De resulterende kort for disse fire modeller ses i figurerne 4.5.2.3-4.5.2.6, hvor

målvariablerne hver er klassificeret i fem 20 %-fraktiler. De prædikterede vær-

dier for Al

og P

var særligt høje på bakkeøerne og smeltevandssletterne i

Vestjylland og i de sandede moræneaflejringer i Nordjylland (hhv. figur 4.5.2.3

og 4.5.2.5). De laveste værdier for begge disse parametre blev kortlagt på Lito-

rinafladen i Nordjylland, mens der yderligere sås lave værdier for Al

i det øst-

lige Danmark og lave værdier for P

i de centrale dele af Sønderjylland.

De prædikterede værdier for Fe

var høj i de fleste organiske lavbundsjorde

i Danmark, hvor lavere værdier hovedsagligt fandtes på Litorinafladen i

Nordjylland og på smeltevandssletterne i Midt- og Sønderjylland (figur

4.5.2.4). Prædikterede værdier for BD var ligeledes generelt lave på Lito-

rinafladen i Nordjylland og i det vestlige Jylland (figur 4.5.2.6).

Den vigtigste prædiktor for alle målvariablerne var humus-indholdet i de

øverste 30 cm (Bilag 5), hvilket stemmer overens med tidligere studier, som

har fundet, at humus-indholdet spiller en vigtig rolle for fosformobilisering

(Forsmann & Kjærgaard, 2014).

Klima- og landskabsparametrene var særligt vigtige for prædiktion af Fe

, mens ådalene og dybden til grundvandsspejlet var særligt vigtige for

prædiktion af Fe

. Hydrologien har tidligere vist sig at have en vigtig indfly-

delse på fosformobilisering i vådområder (Kjærgaard m.fl., 2012).

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Teksturvariablerne, særligt groft sand og ler, var ydermere relativt vigtige præ-

diktorer for P

. Mod forventning var de topografiske prædiktorer ikke særligt

vigtige for prædiktion af BD. Heller ikke risikokortet for særligt pyritholdige

jorde var en vigtig prædiktor for nogen af målvariablerne, hvilket er overra-

skende, da Zak m.fl. (2006) fandt, at områder med høj tilførsel af sulfat og stor

sulfatreduktion medfører udfældning af jernsulfider, hvormed porevandskon-

centrationer af Fe(II) mindskes, og risikoen for fosformobilisering øges.

Figur 4.5.2.3.

Middel af prædikte-

rede værdier for oxalat-ekstraher-

bart aluminium (Al

, mmol dm

-3

)

inddelt i fem fraktiler. De viste re-

sultater er for dybden 0-30 cm.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.5.2.4.

Middel af prædikte-

rede værdier for oxalat-ekstraher-

bart jern (Fe

, mmol kg

-1

) inddelt

i fem fraktiler. De viste resultater

er for dybden 0-30 cm.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.5.2,5.

Middel af prædikte-

rede værdier for oxalat-ekstraher-

bart fosfor (P

, mmol dm

-3

) ind-

delt i fem fraktiler. De viste resul-

tater er for dybden 0-30 cm.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.5.2.6.

Middel af prædikte-

rede værdier for jordens tørre vo-

lumenvægt (BD, kg dm

-3

) inddelt i

fem fraktiler. De viste resultater er

for dybden 0-30 cm.

4.5.2.3.4. Usikkerheder

De prædikterede værdier viste generelt en mindre spredning end de observe-

rede data (SINKS-data), og modellerne havde dermed svært ved at prædik-

tere de mest ekstreme værdier (Bilag 5). For Fe

, Al

og P

udgjorde 80 % af

prædiktionsintervallet hhv. kun 0,34 %, 0,78 % og 2,3 % af variationsbredde

af de observerede data, mens det for BD udgjorde <25 % af den observerede

variationsbredde. Prædiktionsintervallet for Al

var generelt smalt med und-

tagelse af et mindre område omkring Varde Bakkeø og Esbjerg Bakkeø (ikke

vist), hvor de prædikterede værdier samtidig var forholdsvis høje (figur

4.5.2.3). For Fe

og BD var de bredeste prædiktionsintervaller at finde i det

sydvestlige Jylland, mens Litorinafladen i Nordjylland udviste de smalleste

prædiktionsintervaller. Der blev ikke påvist en generel sammenhæng mellem

størrelsen af prædiktionsintervallerne og størrelsen af de prædikterede vær-

dier, hvilket antyder, at de fleste prædiktionsusikkerheder stammer fra vari-

ationer på en mindre skala end opløsningen af prædiktor-variablerne.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.5.2.4. Konklusion

Der er foretaget en landsdækkende kortlægning af oxalat-ekstraherbart jern,

aluminium og fosfor (Fe

, Al

og P

) samt volumenvægt (BD) i organiske lav-

bundsjorde, da disse parametre har stor indflydelse på den biogeokemiske fos-

fordynamik i organiske lavbundsområder (Kjærgaard m.fl., 2012; Forsmann &

Kjærgaard, 2014). Fe

er relevant, da den udgør en stor redoxfølsom pulje, som

binder store mængder fosfor. Al

udgør ligeledes en pulje, som kan binde fos-

for. Denne pulje er ikke redoxfølsom. Volumenvægten, BD, udviser stor varia-

tion på organiske lavbundsjorde, hvorfor kendskab til BD er afgørende, når

stofomsætning og fosformobilisering skal vurderes på arealbasis.

Kortlægningen er foretaget for de øverste 30 cm, hvor de bedste modeller for

hver af de fire målvariable var i stand til at forklare de observerede data med

forklaringsgrader (R²) mellem 0,40 og 0,61. De forholdsvis beskedne forkla-

ringsgrader er forventelige som følge af den store kompleksitet, som er be-

skrevet for fosfordynamik for ikke bare danske lavbundsområder (Kjærgaard

m.fl., 2012), men også for organiske jorde i Nordeuropa (Zak m.fl., 2010).

Prædiktionsusikkerheder blev vurderet ud fra prædiktionsintervallet (for-

skellen mellem 25 %- og 75 %-kvartilerne). Prædiktionsintervallerne var ge-

nerelt smalle, og der sås ingen sammenhæng mellem prædiktionsværdier og

størrelsen af prædiktionsintervallerne.

Litteratur

Adhikari, K.; Kheir, R.; Greve, M.B.; Bøcher, P.; Malone, B.; Minasny, B.;

McBratney, A.; Greve, M.H. 2013. High-Resolution 3-D Mapping of Soil Tex-

ture in Denmark. Soil Sci. Soc. Am. J.77, 860–876.

Adhikari, K., Minasny, B., Greve, M.B., Greve, M.H. 2014a. Constructing a soil

class map of Denmark based on the FAO legend using digital techniques. Ge-

oderma 214, 101–113.

Adhikari, K., Hartemink, A., Minasny, B., Kheir, R., Greve, M.B., Greve, M.H.

2014b. Digital mapping of soil organic carbon contents and stocks in Denmark.

PLoS One 9, e105519.

Beucher, A., Adhikari, K., Breuning-Madsen, H., Greve, M.B.; Osterholm, P.,

Fr¨ jd¨ , S., Jensen, N.H., Greve, M.H. 2017. Mapping potential acid sulfate soils in

o o

Denmark using legacy data and LiDAR-based derivatives. Geoderma 308,

363-372.

Breiman, L. Random forests. 2001. Mach. Learn. 45, 5–32.

Danmarks Geologiske Undersøgelse. Foreløbige geologiske kort (1:25.000) over Dan-

mark. DGU Serie A(3), 1978. Danmarks Geologiske Undersøgelse, Denmark.

Fick, S.E. and R.J. Hijmans. 2017. Worldclim 2: New 1-km spatial resolution

cli- mate surfaces for global land areas. Int. J. Climatol..

Forsmann, D.M., Kjærgaard, C. 2014. Phosphorus release from anaerobic peat

soils during convective discharge — Effect of soil Fe:P molar ratio and prefer-

ential flow. Geoderma 223-225, 21–32.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Kjærgaard, C.; Hoffmann, C.C.; Heiberg, L.; Hansen, H.C.B.; Jensen, H.;

Greve, M. Risiko for fosfortab ved reetablering af vådområder? Vand & Jord

2010, 17(2), 58-62.

Kjærgaard, C., Heiberg, L., Jensen, H.S., Hansen, H.C.B. 2012. Phosphorus

mobilization in rewetted peat and sand at variable flow rate and redox re-

gimes. Geoderma, 173, 311–321.

Litaor, M.I., Reichmann, O., Auerswald, K., Haim, A., Shenker, M. 2004. Sorp-

tion characteristics of phosphorus in peat soils of a semiarid altered wetland.

Soil Sci. Soc. Am. J. 69, 1658–1665.

Madsen, H.B., Nørr, A.H., Holst, K.A. 1992. The Danish soil classification. Atlas

Over Denmark I Vol. 3. The Royal Danish Geographical Society, Copenhagen.

Meinshausen, N. 2006. Quantile regression forests. J. Mach. Learn. Res. 7, 983–

999.

Møller, A.B., Iversen, B.V., Beucher, A., Greve, M. 2019. Prediction of soil drain-

age classes in Denmark by means of decision tree classification. Geoderma 352,

314–329.

Padarian, J., Minasny, B., McBratney, A.B. 2019. Using deep learning for dig-

ital soil mapping. SOIL Discuss. 5, 79–89.

Petersen, R.J.; Prinds, C.; Iversen, B.V.; Engesgaard, P.; Jessen, S.; Kjærgaard,

C. Riparian lowlands in clay till landscapes, Part I: Heterogeneity of flow

paths and water balances. Water Resources Research 2020, 56(4)

doi.org/10.1029/2019WR025808.

Poulsen, H.D., Rubæk, G.H. (eds.) Fosfor i dansk landbrug. DJF rapport Hus-

dyrbrug nr. 68. 2005. 211 s.

Richardson, C.J. 1985. Mechanisms controlling phosphorus retention capacity

in freshwater wetlands. Science 228, 1424–1427.

Sah, R.N., Mikkelsen, D.S. 1986. Transformation of inorganic phosphorus dur-

ing the flooding and draining cycles of soil. Soil Sci. Soc. Am. J. 50, 62–67.

Scharling, M. 2000. Klimagrid - Danmark normaler 1961-90 m˚aneds- og ˚arsvær-

dier nedbør 10*10, 20*20 and 40*40 km temperatur og potentiel fordampning

20*20 and 40*40 km. Teknisk Rapport, Danish Meteorological Institute, pp. 1–17.

Schlichting, A., Leinweber, P., Meissner, R., Altermann, M. 2002. Sequentially

extracted phosphorus fractions in peat-derived soils. J. Plant Nutr. Soil Sci. 165,

290–298.

Schoumans, O.F. 2000. Determination of the degree of phosphate saturation

in non-calcareous soils. In: G.M. Pierzynski (ed.) Methods of phosphorus anal-

ysis for soils, sediments, residuals and waters. Raleigh NC, USA. North Car-

olina State University, South. Coop. Ser. Bull. 396, Publ. SERA-IEG-17,31–34.

Sechu, G.L., Iversen, B.V., Nilsson, B., Greve, M.B., Børgesen, C.D., Greve,

M.H. In preparation. River Valley Extractor (RVE): A GIS tool for the extrac-

tion of river valley bottom within catchments.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Stjernholm, M., Kjeldgaard, A. 2004. CORINE Landcover Update in Denmark

- Final Report, 2004. National Environment Research Institute (NERI), Den-

mark.

Van der Zee, S.E.A.T.M., Van Riemsdijk, W.H. 1986. Sorption kinetics and

transport of phosphate in sandy soil. Geoderma 38(1-4), 293-309.

Vaysse, K., Lagacherie, P. 2017, Using quantile regression forest to estimate

uncertainty of digital soil mapping products. Geoderma 291, 55–64.

Wadoux, A.M.J.C., Padarian, J., Minasny, B. 2019. Multi-source data integra-

tion for soil mapping using deep learning. Soil Discuss. 5, 107–119.

Zak, D., Kleeberg, A., Hupfer, M. 2006. Sulphate-mediated phosphorus mobi-

lization in riverine sediments at increasing sulphate concentration, River Spree,

NE Germany. Biogeochemistry 80, 109–119.

Zak, D., Wagner, C., Payer, B., Augustin, J., Gelbrecht, J. 2010a. Phosphorus

mobilization in rewetted fens: the effect of altered peat properties and implica-

tions for their restoration. Ecol. Appl- 20, 1336–1349.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.6

Kortlægning af fosfortab ved brinkerosion

Rasmus Jes Petersen

, Hans Thodsen

, Hans Estrup Andersen

Fagfællebedømmelse: Bo Vangsø Iversen

Institut for Bioscience, AU

Institut for Agroøkologi, AU

4.6.1 Introduktion

Erosion af vandløbsbrinker udgør et betydeligt bidrag til mobilisering af både

sediment og fosfor i vandløb i Danmark (Foster m.fl., 1988; Svendsen m.fl.,

1995; Kronvang & Rubæk, 2005). Brinkerosionsrater er målt til 11-36 mm år

-1

i en række danske studier på forskellige jordtyper, landskabstyper og op-

landsstørrelser (Laubel m.fl., 1999; Laubel m.fl., 2003; Veihe m.fl., 2011; Kron-

vang m.fl., 2012). Der er her tale om brutto-brinkerosion, idet en meget stor

del af materialet, især de grovere fraktioner, deponeres igen i vandløbssyste-

met. Fosforindholdet i vandløbsbrinker er bestemt i nogle få, danske studier,

hvor koncentrationsintervallet har været 570 - 1130 mg P kg

-1

(Laubel m.fl.,

2003; Veihe m.fl., 2011; Kronvang m.fl., 2012).

Netto-fosformobilisering fra vandløbsbrinker, dvs. den mængde fosfor, der

eroderes fra brinkerne fratrukket den del, der re-deponeres indenfor vand-

løbssystemet, er tidligere estimeret til 0.28 – 0.34 kg P ha

-1

fra et 486 km

op-

land, svarende til 22 – 53% af det totale diffuse fosfortab fra oplandet (Kron-

vang m.fl., 2012). Ligeledes estimerede Laubel m.fl. (2003) en netto-fosformo-

bilisering ved brinkerosion på 0.23 - 0.28 kg P ha

-1

i 15 vandløb, svarende til

14 - 40 % af den totale diffuse fosfortransport. På national skala er brinkero-

sion vurderet som værende den største diffuse fosforkilde til vandmiljøet med

et bidrag på 20 - 47% af den totale diffuse fosforbelastning mellem 2000 og

2018 (Kronvang & Rubæk, 2005; Thodsen m.fl., 2019).

Den videnskabelige litteratur peger på flere faktorer, som har indflydelse på

størrelsen af brinkerosion: Store afstrømningsbegivenheder og det forudgå-

ende vandindhold i brinkerne (Hooke, 1979), frost-tø-processer (Lawler,

1993), husdyrhold og landbrug (Trimble, 1994), vandløbsbrinkernes jordtype

og geometri (Schumm & Thorne, 1989), vandløbsmorfologi (Klaassen & Mas-

selink, 1992) og vegetationstypen på vandløbsbrinkerne (Gray & MacDonald,

1989; Kronvang m.fl., 2012).

Formålet med dette studie er at bestemme fosfortabet forårsaget af brinkero-

sion på oplandsskala og på national skala. Studiet har haft en række delmål:

•

Karakterisering af brinksedimenters fosforindhold for alle arealmæssigt

betydende landskabstyper.

•

Udvikling af en brinkerosionsmodel, som kan anvendes på oplands- og

national skala.

•

Indsamling og beregning af nødvendige inputdata til brinkerosionsmodel-

len.

•

Afvikling af modellen landsdækkende og vurdering af modelberegninger

mod moniteringsdata for diffus fosfortransport på oplands- og national

skala.

Udover nedenstående beskrivelse findes i bilag 6 en mere uddybende beskri-

velse af det tilvejebragte datamateriale, metoder og resultater.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.6.2 Metoder

4.6.2.1 Udtagning og analyse af brinkprøver

I alt 879 jordprøver fra vandløbsbrinker på 334 lokaliteter fordelt over hele landet

dækkende alle betydende landskabstyper blev indsamlet i 2018 (Figur 4.6.1).

Alle jordprøver blev scannet med NIR reflektionsspektroskopi og 150 repræsen-

tative prøver blev udvalgt til traditionel teksturanalyse. Disse 150 prøver blev

anvendt til at kalibrere en pedotransfer-funktion til bestemmelse af de øvrige

jordprøvers tekstur og indhold af organisk C (SOC) ud fra deres NIR-spektre.

Figur 4.6.1.

Lokaliteter for prøve-

tagning af vandløbsbrinker.

Cirkler viser lokaliteter, hvor jord-

prøver blev udtaget i fire forskel-

lige dybder (0-25, 25-50, 50-75,

og 75-100 cm), mens kvadrater

viser lokaliteter, hvor en enkelt

jordprøve blev udtaget midt mel-

lem brinkkrone og vandspejlet.

Baggrundskortet viser de ni geo-

regioner i Danmark.

Ved hjælp af empiriske relationer blev tekstur (vægt-%), organisk kulstofind-

hold (SOC, vægt-%) og prøvetagningsdybden (cm) anvendt til at estimere vo-

lumenvægten (tørvægt, BD, g cm

³) for jordprøverne:

Jordprøver, hvor SOC < 10% (Katuwal m.fl., 2020):

BD = 1.901 – 0.002 ler – 0.004 grovsilt – 0.004 sand – 0.094 SOC + 0.001 dybde

(1)

Jordprøver, hvor SOC

≥

10% (Ruehlmann & Körschens, 2009):

BD = 1.556×

��

(2)

4.6.2.2 Udvikling af en model for brinkerosion

To forskellige datasæt ligger til grund for udviklingen af brinkerosionsmodel-

len anvendt i denne kortlægning: Ét fra oplandet til Odense Fjord (486 km²,

Kronvang m.fl., 2012), som repræsenterer de østlige, lerede dele af Danmark,

og et fra de øvre dele af oplandet til Skjernåen (2490 km², ikke publiceret), som

repræsenterer de vestlige, sandede landskabstyper. Odense-studiet forløb over

tre år og omfattede 36 vandløbsstrækninger à 100 m. Skjern Å-studiet forløb

over to år og omfattede 12 vandløbsstrækninger à 100 m. I begge studier blev

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

brinkerosionen målt ved at indsætte stålpinde i forskellige højder i vandløbs-

brinkerne vinkelret på brinkoverfladen. Erosion og aflejring blev herefter målt

som ændringerne i jordoverfladen ift. de installerede stålpinde over tid.

Modeludviklingen var begrænset af, at de forklarende modelparametre efter-

følgende skulle kunne kortlægges landsdækkende. Som en konsekvens heraf

indgår kun vandløbsbredde og brinkvegetation i modellen. Der blev udviklet

separate modeller for de to datasæt, da signifikant forskellige estimater blev

fundet for modelparametrene sandsynligvis på grund af forskelle i topografi

og geologi imellem områderne. De resulterende modeller prædikterer brutto-

brinkerosion i mm år

-1

baseret på to vegetationshøjdeklasser (0-4 og >4 m)

samt hhv. fire breddeklasser (0-4, 4-8, 8-12, >12 m) i Odense-modellen og tre

breddeklasser (0-4, 4-8, >8 m) i Skjern-modellen. De resulterende erosionsra-

ter spænder mellem 11 og 43 mm år

-1

for Odense-modellen og mellem 24 og

93 mm år

-1

for Skjern-modellen. Modellen har følgende udseende:

��

(3)

hvor

veg

er regressionskoefficienter for hhv. breddeklasse og vegetati-

onshøjdeklasse.

Modelestimater for brutto-brinkerosion beregnet for hhv. Odense- og Skjern-

modellen er vist i tabellerne 4.6.1 og 4.6.2.

Tabel 4.6.1.

Brinkerosionsmodel udviklet på data fra oplandet til Odense Å (mm år

-1

) (n =

495) inklusiv nedre og øvre grænse i 95% konfidensintervaller. Breddeklasse 1-4 dækker

over vandløbsbredder i hhv. intervallerne 0-4 m, 4-8 m, 8-12 m og >12 m, mens vegetati-

onsklasserne H og L dækker over hhv. høj (>4 m) og lav (<4 m) vegetationshøjde.

Bredde-

klasse

Vegetations-

klasse

Erosion

(mm år

-1

)

11.3

15.7

26.8

14.7

17.9

24.9

42.5

23.3

Nedre grænse

(mm år

-1

)

8.0

11.7

18.3

10.4

14.8

21.7

33.8

19.2

Øvre grænse

(mm år

-1

)

15.9

21.0

39.3

20.8

21.6

28.5

53.4

29.0

Tabel 4.6.2.

Brinkerosionsmodel udviklet på data fra oplandet til Skjern Å (mm år

-1

) (n =

109) inklusiv nedre og øvre grænse i 95% konfidensintervaller. Breddeklasse 1-3 dækker

over vandløbsbredder i hhv. intervallerne 0-4 m, 4-8 m, >8 m, mens vegetationsklasserne

H og L dækker over hhv. høj (>4 m) og lav (<4 m) vegetationshøjde.

Bredde-

klasse

Vegetations-

klasse

Erosion

(mm år )

24.3

28.1

43.0

52.7

61.1

93.4

-1

Nedre grænse

(mm år )

13.2

13.4

5.1

40.5

41.4

15.7

-1

Øvre grænse

(mm år

-1

)

44.8

58.9

363.4

68.5

90.3

556.6

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.6.2.3 Afvikling af modellen på national skala

Beregning af brinkerosion med den udviklede model kræver data for vand-

løbsbredde, vandløbsbrinkernes højde, samt højde af brinkvegetationen. Det

danske vandløbskort (GeoDanmark, 2020) indeholder polylinjer for alle vand-

løb samt tilhørende brinker på begge sider af vandløbet. På hver side af vand-

løbene blev der i GIS udlagt en 2 m bufferzone (brinkzone), og alle vandløb

blev inddelt i 100 m strækninger.

Dele af landet er intensivt grøftet eller inddæmmet. Det blev vurderet, at

brinkerosion i disse grøfter/vandløb ikke er af særlig betydning, og der er

derfor foretaget følgende frasortering:

•

Bredde < 2 m i skove.

•

Bredde < 5 m på Litorinafladen.

•

Bredde <10 m i marskområder (her blev det fundet, at bredden generelt er

overvurderet i kortgrundlaget, derfor 10 m).

•

Alle vandløb på tørlagte, inddæmmede arealer.

•

Alle vandløb i byer.

•

Alle 100 m vandløbsstrækninger, som skærer en 10 m bufferzone omkring

kystlinjen (de kortlagte vandløb består her i overvejende grad af tide-

vandskanaler).

Figur 4.6.2.

Opdeling af vandløb

i 100 m-strækninger samt klassifi-

cering af vegetationshøjder i

brinkzonerne.

Vegetationshøjden i brinkzonerne blev beregnet som højdeforskellen mellem

overflademodellen og terrænmodellen i Danmarks Højdemodel (GeoDan-

mark, 2020). Vandløbsbredden for hver 100 m-strækning blev bestemt som

afstanden mellem de to brinker i midten af strækningen. Brinkhøjderne blev

beregnet som summen af brinkhøjden over vandoverfladen og vanddybden.

Brinkhøjden over vandoverfladen blev beregnet ud fra Danmarks Højdemo-

del som højdeforskellen mellem vandløbet og den maksimale terrænhøjde i

brinkzonen i det tværsnitsprofil, hvor vandløbsbredden bestemmes (figur

4.6.2). Vandløbsdybden blev beregnet på baggrund af empiriske lineære rela-

tioner mellem vandløbsbredde og –dybde som blev opstillet på baggrund af

Dansk Fysisk Indeks-data for hver af Danmarks ni georegioner. For brinkhøj-

den over vandoverfladen samt vanddybden blev der anvendt en øvre afskæ-

ringsværdi på 2.5 m resulterende i en maksimal total brinkhøjde på 5 m. Den

volumetriske brinkerosion (m³ år

-1

) for hver vandløbsstrækning kan herefter

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

beregnes som produktet af den totale brinkhøjde (m), vandløbsstrækningens

længde (m), samt fladeerosionen beregnet med erosionsmodellen (mm år

-1

Til beregning af brinkerosion på national skala blev brinkerosionsmodellen

for Skjern-oplandet anvendt på alle vandløb i georegion 1-3 med undtagelse

af marskområder (figur 4.6.1). Odense-modellen blev anvendt på georegio-

nerne 4-9 samt marskområder i georegion 3. De målte koncentrationer af to-

tal-fosfor samt volumenvægte fra de udtagne jordprøver blev aggregeret per

landskabstype (Tabel 4.6.4) i det danske nationale geomorfologiske kort

(GEUS, 2018). Hver enkelt 100 m vandløbsstrækning blev herefter tildelt en

volumenvægt og total-fosforkoncentration (medianværdier) ud fra hvilken

landskabstype, sektionen befandt sig i.

Brutto- og nettofosformobilisering

Brutto-fosformobilisering ved brinkerosion blev beregnet ved at kombinere

brinkerosionen med volumenvægte og total-fosforkoncentrationer i brinkma-

terialet. På grundlag af målingerne på erosionspinde i Skjern- og Odense-op-

landene blev det beregnet, at gennemsnitligt 93% af det eroderede materiale

blev genaflejret. Fosforindholdet i deponeret sediment er målt af Kronvang

m.fl. (2012) og Kronvang (pers.medd.) i et mindre antal prøver til 302±72 mg

P kg

-1

(n=8). Til beregning af netto-fosformobiliseringen blev det på grundlag

af disse målinger antaget, at total-fosforkoncentrationen i det deponerede ma-

teriale er 300 mg P kg

-1

med undtagelse af i klitlandskaber, hvor total-fosfor-

koncentrationen i det deponerede materiale er antaget at være 100 mg P kg

-1

Der beregnes således for hver vandløbsstrækning først en brutto-fosformobi-

lisering ved at multiplicere den eroderede sedimentmængde med fosforind-

holdet i brinken. Netto-fosformobiliseringen findes ved at fratrække den gen-

deponerede fosformængde, som beregnes som: 93% af den eroderede sedi-

mentmængde multipliceret med et fosforindhold på 300 mg P kg

-1

(alternativt

100 mg P kg

-1

). Størrelsen af deponering af P udgør en væsentlig usikkerhed.

Især mængden af deponeret materiale er forbundet med stor usikkerhed.

Standardafvigelsen på fosforindholdet for de få målte prøver er dog forholds-

vis lav, hvilket indikerer at fosforindholdet i deponeret materiale er forholds-

vist stabilt.

4.6.3 Resultater og diskussion

Gennemsnit og standardafvigelse for de beregnede volumenvægte for samtlige

brinkprøver (333 lokaliteter) var 1.3 ± 0.3 g cm

³. Median, gennemsnit og stan-

dardafvigelse for indhold af total-fosfor (TP) i jordprøverne betragtet samlet er

hhv. 529, 679, og 611 mg P kg

-1

. Tabel 4.6.3 sammenholder fosforindholdet i

brinkerne med fosforindhold i dyrkede danske jord, som indgår i Kvadratnettet

(Rubæk m.fl., 2013) opdelt på dybdeintervaller. Det fremgår, at det gennemsnit-

lige fosforindhold i vandløbsbrinkerne er betydeligt højere end i de dyrkede,

gødede jorde - ikke bare i overjorden, men i hele det undersøgte profil. Medi-

ankoncentrationerne i brinkerne er i det øverste jordlag derimod lavere end i

de dyrkede jorde. Denne modsætning skyldes en betydeligt større variation i

fosforindholdet i vandløbsbrinkerne end i de dyrkede jorde. De høje standard-

afvigelser for fosforkoncentrationen i brinkprøver skyldes til dels at fordelingen

af fosforkoncentrationer indenfor de fleste landskabstyper er højreskæv, hvor-

med nogle enkelte høje koncentrationer trækker standardafvigelserne op. En

sammenligning af både gravimetrisk og volumetrisk fosforindhold ift. arealan-

vendelsen (landbrug, eng, skov, natur, by) på lokaliteterne for de udtagne

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

brinkprøver viste ingen signifikant forskel i fosforindhold imellem arealanven-

delserne. Det er derfor valgt at ekstrapolere de målte fosforindhold i brinkerne

som medianværdier indenfor landskabstyper, tabel 4.6.4.

Størstedelen af brinkprøverne blev desuden analyseret for oxalat-ekstraher-

bart fosfor (P

), jern (Fe

) og aluminium (Al

) samt vand-ekstraherbart fos-

for (P

) (bilag 7).

Tabel 4.6.3.

Sammenligning af indhold af total-fosfor (mg P kg

-1

) i de undersøgte brinker og en række dyrkede jorde, som ind-

går i Kvadratnettet (Rubæk m.fl., 2013). Antallet af prøver er vist i parentes.

Dybde [cm]

0 – 25

25 – 50

50 – 75

75 – 100

185

180

179

Vandløbsbrinker

median

465

485

426

372

Gnsn.

644

543

546

530

Std.

427

366

631

787

337

336

226

224

Dyrkede jorde

median

553

412

312

269

Gnsn.

562

423

311

265

Std.

173

152

123

129

Analyseresultater samt fordelingen af brinkprøver per landskabstype ses i Ta-

bel 4.6.4. Både det gravimetriske og det volumetriske fosforindhold i brink-

prøverne varierer betydeligt inden for hver landskabstype resulterende i, at

middelværdierne ikke er signifikant forskellige mellem landskabstyperne.

Tabel 4.6.4.

Fordeling af brinkprøver per landskabstype, totalt areal dækket af hver respektiv landskabstype, samt median

(med), gennemsnit (avg) og standardafvigelse (std) for volumenvægt (BD) samt gravimetrisk (TP

) og volumetrisk (TP

) kon-

centration af total-fosfor i de analyserede brinkprøver.

Landskabstype

Yngre moræneaflejringer

Bakkeø

Hedeslette

Markant dødislandskab

Litorina eller yngre

Klit (æoliske aflejringer)

Markant sammenhængende randmorænelandskab

Yoldiaaflejringer

Mindre markant eller usammenhængende randmoræne

Mindre markant dødislandskab

Tunneldal

Tørlagt inddæmmet areal

Marsk

Klit og bakkeø

Issølavning

Klit og hedeslette

Klit og Littorina

Hedeslette, yngre moræne og markant dødislandskab

Hedeslette og yngre moræne

Ås

Grundfjeld

Total

333

Areal

[km²]

BD [g cm

-3

]

med avg std

[mg kg

-1

]

med avg std

541 663 545

537 803 767

502 745 802

441 500 192

520 597 444

132 150 100

483 502 134

565 729 456

451 451

646 646 105

487 751 641

532 426 304

721 1090 777

941 941 120

567 611 183

227 227 165

529 529

792 792

906 906

624 624

514 514 234

[kg m

-3

]

med avg std

0.75 0.86 0.67

0.44 0.83 0.88

0.60 0.83 0.79

0.63 0.67 0.24

0.68 0.69 0.42

0.21 0.21 0.13

0.71 0.70 0.17

0.83 1.01 0.58

0.63 0.63

0.92 0.92 0.18

0.59 0.69 0.39

0.77 0.58 0.39

0.99 1.45 1.06

0.89 0.89 0.26

0.79 0.84 0.23

0.33 0.33 0.23

0.80 0.80

0.60 0.60

0.34 0.34 0.20

1.03 1.03 0.01

18154 1.4 1.4 0.2

4727 1.2 1.1 0.4

4675 1.4 1.3 0.3

3470 1.4 1.4 0.2

2937 1.4 1.3 0.3

1628 1.5 1.4 0.1

1377 1.4 1.4 0.2

986 1.4 1.4 0.1

938 1.4 1.4

924 1.4 1.4 0.0

703 1.3 1.1 0.4

502 1.5 1.4 0.1

419 1.4 1.3 0.1

200 0.9 0.9 0.6

199 1.4 1.4 0.0

164 1.5 1.5 0.1

107 1.5 1.5

49 0.8 0.8

41 1.1 1.1

17 1.0 1.0

50 0.7 0.7 0.1

41331 1.4 1.3 0.3

529 679 611

0.66 0.80 0.65

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Til vurdering af den beregnede netto-fosformobilisering ved brinkerosion

blev der anvendt et datasæt over målt fosfortransport i vandløb. Datasættet

omfatter målinger ved 267 vandløbsstationer, som er karakteriseret ved at

have minimum fem års målinger og beregnet stoftransport i perioden 2000 –

2018. Den gennemsnitlige oplandsstørrelse er 101.3 km

(median = 37.0 km

10-percentil = 4.7 km

, 90-percentil = 265.0 km

). Der indgår ikke oplande med

større nedstrøms søer i datasættet på grund af den usikkerhed, der er forbun-

det med at opgøre fosfortilbageholdelsen (retentionen) i søer. Fosforbidrag fra

punktkilder (Miljøstyrelsen, 2019) og fra spredt bebyggelse (Miljøstyrelsen,

2020) er fratrukket den målte transport, figur 4.6.3. Den målte fosfortransport

er beregnet på grundlag af stikprøver udtaget 1 – 2 gange månedligt. Denne

prøvetagningsstrategi medfører en risiko for en undervurdering af den sande

fosfortransport (se endvidere afsnit 4.7).

Figur 4.6.3.

Arealvægtet trans-

port af total-fosfor fra diffuse kil-

der fra 267 oplande med mini-

mum fem års observationer i peri-

oden 2000 – 2018.

Før sammenligningen mellem målt transport af fosfor fra diffuse kilder og

beregnet netto-fosformobilisering ved brinkerosion er eventuel fosforreten-

tion i søer trukket fra den beregnede netto-fosformobilisering ved brinkero-

sion. Der er anvendt en fast rate på 4.5 kg P ha

-1

søoverflade i overensstem-

melse med NOVANA-programmet (Thodsen m.fl., 2019a). De beregnede op-

landstab ved brinkerosion er vist i figur 4.6.4 for de 267 oplande.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.6.4.

Modelberegnet og

arealvægtet oplandstab af total-

fosfor ved brinkerosion.

I figur 4.6.5. er forholdet mellem fosfortab ved brinkerosion og det samlede,

diffuse fosfortab vist. Den modellerede netto-fosformobilisering ved brink-

erosion udgjorde i gennemsnit 57% af den målte diffuse fosfortransport i de

267 oplande, hvor brinkerosion generelt udgjorde en større andel af den dif-

fuse fosfortransport i georegion 1 - 3 (74%) end i georegion 4 - 9 (36%). Resul-

taterne er dermed i overensstemmelse med tidligere danske studier af brink-

erosionens betydning for fosfortransport i vandløb (Laubel m.fl., 2003; Kron-

vang m.fl. 2012). Brinkerosionen stiger generelt med oplandstørrelse, hvilket

er en effekt af, at vandløbsbredden stiger med oplandsstørrelsen. Det fremgår

af figur 4.6.5, at der er enkelte oplande, hvor fosfortabet ved brinkerosion er

større end den målte transport fra diffuse kilder. Dette afspejler usikkerheden

på den simple brinkerosionsmodel (tabellerne 4.6.2 og 4.6.3) og på bestem-

melsen af inputdata til modellen.

Fosfortab ved brinkerosion er beregnet landsdækkende og summeret på ID15-

oplandsniveau (Figur 4.6.4). Fosformobiliseringen som følge af brinkerosion er

størst i Nord- og Vestjylland med undtagelse af bakkeøerne. Den store fosfor-

mobilisering i disse områder skyldes en kombination af lav brinkvegetation og

stor vandløbstæthed. Fosforindholdet i vandløbsbrinkerne på bakkeøerne er en

anelse højere end på den omkringliggende smeltevandsslette, men som følge af

smallere vandløb på bakkeøerne er der en forholdsvis lavere fosformobilisering

fra brinkerne i disse vandløb. Resultaterne understøttes af et tidligere, lands-

dækkende studie af vandløbstransport af suspenderet sediment: Thodsen m.fl.

(2019b) analyserede data fra 572 stationer i perioden 1976 – 2016 og fandt meget

høje transporter af suspenderet sediment i specielt Nordjylland og Thy. Som

det fremgår af Figur 4.6.4, afspejler de modelberegnede regionale resultater

også valget af brinkerosionsmodel (Odense- eller Skjern-type). Optimalt set bør

der udvikles og opstilles flere individuelle modeller.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.6.5.Ratio

mellem model-

leret netto-fosformobilisering ved

brinkerosion og målt diffus fosfor-

transport ved 267 vandløbsstatio-

ner.

Figur 4.6.4.

Arealvægtet netto-

fosformobilisering ved brinkero-

sion opgjort per ID15-opland.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Netto-fosformobilisering ved brinkerosion udgør i gennemsnit 0.26 kg P ha

-1

i georegion 1 - 3, 0.08 kg P ha

-1

i georegion 4 - 9, og 0.15 kg P ha

-1

for hele

landet. Det samlede fosfortab ved brinkerosion er beregnet til 644 tons fosfor

per år med et 95% konfidensinterval på 422 – 1373 tons fosfor. Konfidensin-

tervallet dækker over modelusikkerheden. Hertil kommer en betydelig usik-

kerhed på bestemmelsen af modellens parametre: bestemmelse af fosforind-

hold i brinkmateriale, beregning af vandløbs- og brinkdimensioner og bereg-

ning af vegetationshøjde.

Det samlede fosfortab fra diffuse kilder, dvs. den samlede fosforbelastning

inklusive retention og fratrukket bidrag fra punktkilder og spredt bebyggelse,

udgjorde i 2014 – 2018 1432 tons fosfor (beregninger i NOVANA, Thodsen

m.fl., 2019a og anvendelse af nye estimater for bidrag fra spredt bebyggelse,

Miljøstyrelsen, 2020). Brinkerosion udgør dermed gennemsnitligt 45% af den

totale diffuse fosforbelastning.

4.6.4 Konklusion

Der er udviklet en ny metode til storskala-kortlægning af brinkerosion baseret

på to danske datasæt over målt brinkerosion. Fosforindhold i danske vand-

løbsbrinker er blevet målt i flere dybder på 334 lokaliteter fordelt over hele

landet, i alt 879 målinger. Vha. den opstillede brinkerosionsmodel og efterføl-

gende kortlægning har det været muligt at estimere fosformobilisering som

følge af brinkerosion på national skala. En modelbaseret estimering af brink-

erosion på national skala har ikke været forsøgt tidligere, hverken nationalt

eller internationalt. Brinkerosion er opgjort til at udgøre i alt gennemsnitligt

644 tons fosfor årligt med et 95 % konfidensinterval på 422 – 1373 tons P år

-1

Fosformobilisering som følge af brinkerosion udgør hermed 45% af den totale

diffuse fosforbelastning af havmiljøet, hvilket er i samme størrelsesorden,

som tidligere, mere grove estimater (20-47%, Kronvang & Rubæk, 2005; Thod-

sen m.fl., 2019). Mens det var muligt at estimere fosformobiliseringen fra

brinkerosion på national og georegional skala bør kortlægningen kun anven-

des vejledende på enkelte vandløbsstrækninger. Kortlægning kan dermed

ikke gøre det ud for undersøgelser af faktiske fosforindhold i brinkerne på

enkelte vandløbsstrækninger, som det er eksemplificeret i de store standard-

afvigelser i målte fosforindhold. Tilsvarende kan der lokalt være stor forskel

på faktisk brinkerosion og modelleret brinkerosion, som det fremgår af mo-

delusikkerheden (tabel 4.6.1 og 4.6.2) og usikkerheden på bestemmelsen af

inputparametre til modellen.

Nogle dele af landet, herunder marsken og Litorinafladen, er tæt grøftede,

hvormed vandløbshydrologien i disse områder er stærkt modificeret. Dette er

i nærværende rapport håndteret ved at bortskære vandløb, som var smallere

end en subjektivt vurderet tærskelværdi. De kortlagte brinkerosionsrater i

særligt disse områder bør derfor anvendes med varsomhed.

Brinkerosion varierer i praksis meget langs et vandløb, og der kan ofte iden-

tificeres kortere strækninger med betydelig brinkerosion, mens der på lange

strækninger er beskeden brinkerosion. Implementering af virkemidler mod

brinkerosion bør først og fremmest rettes imod strækninger med tydelig og

betydelig brinkerosion.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Litteratur

Foster IDL, Dearing JA, Grew R. 1988. Lake-catchments: an evaluation of their

contribution to studies of sediment yield and delivery processes. In Sediment

Budgets, Bordas MO, Walling DE (eds). IAHS Publication no. 174: Great

Britain; 413–424.

GeoDanmark, 2020. Downloads from:

https://download.kortforsyningen.dk/content/geodataprodukter

Gray, D. H. & A. MacDonald, 1989. The role of vegetation in river bank

erosion. In M. A. Port (ed.), Hydraulic Engineering. Proceedings of the 1989

National Conference on Hydraulic Engineering: 218–223.

Hooke JM. 1979. An analysis of the processes of river bank erosion. Journal of

Hydrology 42: 39–62.

Klaassen, G. J. & G. Masselink, 1992. Planform changes of a braided river with

fine sand as bed and bank material. In P. Larsen & N. Eisenhauer (eds),

Sediment Management. Fifth International Symposium on River

Sedimentation, Karlsruhe, 1992.

Katuwal, S., Knadel, M., Norgaard, T., Moldrup, P., Greve, M. H., and de

Jonge, L. W. (2020), Predicting the dry bulk density of soils across Denmark:

Comparison of single-parameter, multi-parameter, and vis–NIR based

models.

Geoderma,

361, 114080.

https://doi.org/10.1016/j.geoderma.2019.114080

Kronvang, B. & Rubæk, GH. 2005. Kvantificering af dyrkningsbidraget af

fosfor til vandløb og søer. in HD Poulsen & GH Rubæk (eds), Fosfor i dansk

landbrug. Omsætning, tab og virkemidler mod tab. DJF rapport, husdyrbrug,

no. 68: 132-145.

Kronvang, B., Audet, J., Baattrup-Pedersen, A., Jensen, H.S. and Larsen, S.E.,

2012. Phosphorus Load to Surface Water from Bank Erosion in a Danish

Lowland River Basin. Journal of Environmental Quality, 41(2): 304-313.

Laubel, A., Kronvang, B., Hald, A.B. and Jensen, C., 2003. Hydromorpho-

logical and biological factors influencing sediment and phosphorus loss via

bank erosion in small lowland rural streams in Denmark. Hydrological

Processes, 17(17): 3443-3463.

Lawler DM. 1993. The measurement of river bank erosion and lateral channel

change: a review. Earth Surface Processes and Landforms, 17: 455–463.

Miljøstyrelsen, 2019. Punktkilder 2018. NOVANA – Punktkilder, december

2019.

Miljøstyrelsen, 2020. Opdatering af Tidserie for udledning af spildevand fra

RegnBetingede Udløb (RBU) og Spredt bebyggelse 1990-2018. Notat fra

Miljøstyrelsen dateret 9. marts 2020.

Rubæk, GH, Kristensen, K, Olesen, SE, Østergaard, HS & Heckrath, GJ, 2013.

Phosphorus accumulation and spatial distribution in agricultural soils in

Denmark. Geoderma, 209-210: 241-250.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Ruehlmann, J., and Körschens, M. (2009), Calculating the Effect of Soil

Organic Matter Concentration on Soil Bulk Density.

Soil Science Society of

America Journal,

73, 876-885. https://doi.org/10.2136/sssaj2007.0149

Schumm, S. A. & C. R. Thorne, 1989. Geologic and geomorphic controls on

bank erosion. In M. A. Port (ed), Hydraulic Engineering. Proceedings of the

1989 National Conference on Hydraulic Engineering: 106–111.

Svendsen LM, Kronvang B, Kristensen P, Græsbøl P. 1995. Dynamics of

phosphorus-compounds in a lowland river system: importance of retention

and non-point sources. Hydrological Processes 9: 119–142.

Thodsen, H., Tornbjerg, H., Rasmussen, J.J., Bøgestrand, J., Larsen, S.E.,

Ovesen, N.B., Blicher-Mathiesen, G., Kjeldgaard, A. & Windolf, J. 2019a.

Vandløb 2018. NOVANA. Undertitel. Aarhus Universitet, DCE – Nationalt

Center for Miljø og Energi, 72 s. - Videnskabelig rapport nr. 353.

http://dce2.au.dk/pub/SR353.pdf

Thodsen, H., Rasmussen, J., Kronvang, B., Andersen, H.E., Nielsen, A. &

Larsen, S.E. 2019b: Suspended matter and associated contaminants in Danish

streams: a national analysis. J. Soils and Sediments.

https://doi.org/10.1007/s11368-019-02320-8.

Trimble SW. 1994. Erosional effects of cattle on streambanks in Tennessee,

USA. Earth Surface Processes and Landforms, 19: 451–464.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.7

Kildeopsplitning af det samlede tab af fosfor

Hans Estrup Andersen

, Henrik Tornbjerg

, Hans Thodsen

Fagfællebedømmelse: Jørgen Windolf

Institut for Bioscience, AU

4.7.1 Introduktion

Af hensyn til blandt andet planlægning af en indsats mod fosforbelastningen

er det betydningsfuldt med en overordnet viden om den relative størrelse af

de enkelte kilder til den samlede belastning samt viden om med hvilken sik-

kerhed, man kan opgøre disse bidrag. Formålet med dette afsnit er opgøre

bidraget fra det åbne land på baggrund af de data, som rapporteres lands-

dækkende i det nationale overvågningsprogram NOVANA, herunder at vur-

dere med hvilken sikkerhed denne opgørelse kan foretages.

4.7.2 Metode

4.7.2.1 Beregninger

Dette afsnit tager udgangspunkt i de metoder, der anvendes ved opgørelser

af fosfortransporten og kildeopsplitningen heraf i det nationale overvåg-

ningsprogram NOVANA (Thodsen et al., 2019)

Bidraget af fosfor, der stammer fra det åbne land udgøres af:

•

Åbent land-bidraget:

den samlede fosforbelastning fratrukket bidrag fra

punktkilder, men inklusiv udledninger af spildevand fra spredt bebyg-

gelse. Åbent land bidraget kan opdeles i:

Landbrugs- og baggrundsbidraget:

den samlede fosforbelast-

ning fratrukket bidrag fra punktkilder og fra spredt bebyggelse.

Fra dette bidrag kan det egentlige landbrugsbidrag isoleres:



Landbrugsbidraget:

den samlede fosforbelastning fra-

trukket bidrag fra punktkilder og fra spredt bebyggelse

samt baggrundsbidraget

. Baggrundsbidraget er bereg-

net for hele arealet (landbrug samt øvrige arealer).

En del af det udledte fosfor vil tilbageholdes via retention. Hvis denne fosfor-

retention tillægges den målte fosfortransport i vandløb estimeres brutto-ud-

ledningen af fosfor i et givent opland. Det betyder, at alle bidrag fra punktkil-

der, spredt bebyggelse, baggrund og landbrug er brutto-bidrag, dvs. bidrag

før retention, og kan opfattes som en opgørelse af tilførsel til nærmeste reci-

pient. I NOVANA-opgørelserne har det alene været muligt at søge at ind-

regne fosforretention i søer. Der ses med andre ord bort fra øvrig fosforreten-

tion i vandløb, vådområder og ved oversvømmelser. Der kan således angives

ligning 4.7.1. for brutto-udledning af fosfor:

Målt transport + retention = punktkilder + spredt bebyggelse + baggrund + landbrug

(4.7.1)

Baggrundsbidraget er her defineret som det fosfortab, der kan måles i udyrkede

oplande uden punktkilder. Under danske forhold vil fosfortransporten fra sådanne

områder helt overvejende udgøres af bidrag fra grundvand og erosion af vandløbs-

brinker.

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.7.2.2 Datagrundlag

Der er her anvendt data for perioden 2009 – 2018. Den samlede havbelastning

er beregnet i forbindelse med NOVANA 2018-rapporteringen (Thodsen et al.,

2019) og består af en kombination af målte fosfortransporter for 61% af land-

arealet og modelberegnet fosfortransport for den resterende del. Information

om bidrag fra indenlandske udledninger af spildevand samt direkte udled-

ninger af spildevand til marint vand stammer fra Miljøstyrelsen (2019). Fos-

forudledningen fra spredt bebyggelse er genberegnet i forhold til tidligere år

(Miljøstyrelsen, 2020). Fosforretention i større søer er beregnet som en fast rate

på 4.5 kg P ha

-1

søoverflade (Thodsen, H., pers. Medd.). Baggrundskoncentra-

tionen af fosfor er tidligere beregnet af Bøgestrand et al. (2009) men er nylig

blevet genberegnet på et opdateret og større datasæt (Andersen, H.E., upub-

licerede data). Tabel 4.7.1 viser de reberegnede estimater for baggrundskon-

centration af total-fosfor opdelt på georegioner. Det er disse koncentrationer

for baggrundbidrag, der er anvendt i denne rapport.

Tabel 4.7.1.

Georegionale estimater af den årlige afstrømningsvægtede baggrundskon-

centration af total-fosfor (mg TP l

-1

) inklusiv 95%-konfidensintervaller, hvor det har været

muligt. Antallet af vandløb bag hvert estimat er angivet i parentes (Andersen, H.E., upubli-

cerede data). For Norddjursland, hvor der ikke har indgået vandløb, er median-værdien for

det samlede datasæt anvendt.

Georegion

1. Thy

2. Nordjylland

3. Vestjylland

4. Himmerland

5. Norddjursland

6. Midtjylland

7. Østdanmark

8. Nordsjælland

9. Bornholm

Afstrømningsvægtet års-koncentration i mg TP l

-1

0.084 +/- 0.008 (2)

0.074

0.042 +/- 0.018

0.080 +/- 0.017

0.052

0.032 +/- 0.153

0.054 +/- 0.006

0.054 +/- 0.024

0.020 +/- 0.005

(1)

(4)

(3)

(0)

(2)

(7)

(3)

(4)

4.7.2.3 Usikkerhedsvurdering af beregnet brutto-udledning af fosfor

Den anvendte beregningsmetode til kildeopsplitning af fosfortransporter be-

regnet i NOVANA rapporteringen (ligning 4.7.1) medfører, at al usikkerhed

falder tilbage på residualen,

in casu

arealbidragene hhv. åbent land-bidraget,

landbrugs- og baggrundsbidraget og landbrugsbidraget. Der er i opgørel-

serne skelnet mellem, om der bliver beregnet et negativt bidrag eller ej. Et

negativt bidrag skyldes usikkerhed på de enkelte poster i ligning 4.7.1. Et po-

sitivt bidrag kan imidlertid stadig være en underestimering – eller en over-

estimering. Nedenfor er foretaget en kvalitativ vurdering af sikkerheden på

de enkelte led i kildeopsplitningen:

Den samlede netto-fosforbelastning af overfladevand i Danmark består af en

kombination af målt fosfortransport for 61% af landarealet og modelberegnet

fosfortransport for den resterende del. De målte fosfortransporter, der indgår

i opgørelserne er tilvejebragt via stikprøvetagning i vandløb til vandkemisk

analyse. Det er veldokumenteret, at der med den anvendte prøvetagnings-

strategi (udtagning af stikprøver 1 – 2 gange månedligt) som oftest vil ske en

undervurdering af den sande fosfortransport. Dette gælder specielt i år med

store nedbørshændelser og mest markant i mindre vandløb. Bøgestrand m.fl.

(2000) sammenlignede fosfortransporter beregnet ud fra traditionel prøvetag-

ningsstrategi med transorter baseret på intensiv prøvetagning i 9 mindre

vandløb (oplandsareal mindre end 15 km

) i 1993 – 1999. Her blev det fundet,

100

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

at transporten af total-fosfor gennemsnitligt blev undervurderet med 34% ved

stikprøvetagning sammenlignet med intensiv prøvetagning (absolut forskel

0.124 kg P ha

-1

). En tilsvarende sammenligning blev foretaget for 24 mindre

vandløb i 1998 – 1999. Her blev det fundet, at fosfortransporten bestemt ved

stikprøvetagning blev undervurderet med hhv. 31% og 28% sammenlignet

med intensiv prøvetagning (absolut afvigelse hhv. 0.148 og 0.180 kg P ha

-1

(Bøgestrand m.fl., 2000). For større vandløb er bias og usikkerheden forårsa-

get af stikprøvestrategien langt mindre. I Odense Å ved Kratholm målestation

(oplandsareal 485 km

) er det således på grundlag af en sammenligning mel-

lem prøvetagningsstrategier for perioderne 1992 – 1997 og 2003 – 2006 fundet,

at stikprøvetagning undervurderer den sande transport med 0 – 10% (Kron-

vang m.fl., under forberedelse). Af de 237 stationer, der blev brugt til NO-

VANA-2018 opgørelsen er 77% større end 20 km

Den anvendte model til fosfortransportberegning for det umålte opland er

bias-korrigeret mod målinger fra vandløb, hvor transporten er beregnet ud

fra stikprøvetagning, (Thodsen m.fl., 2019). En eventuel generel underestime-

ring af den sande fosfortransport for de målte vandløbsoplande overføres her-

med til det umålte opland, hvorved den mulige underestimering af den sande

transport reproduceres af modellen. Hertil kommer en modelusikkerhed på 1

– 4% (Svendsen m.fl., 2018).

Retention er beregnet som en fast rate per sø-arealenhed gældende for alle

danske større søer. Dette er en forenkling, idet det vides, at fosforretentionen

varierer markant imellem søer og også fra år til år. Udover retention i søer

sker der også retention i vandløb og vådområder herunder på oversvømmede

arealer. På grund af manglende viden kan der imidlertid kun opgøres en re-

tention for større søer. Fosforretention ved temporære oversvømmelser af

vandløbsnære arealer er angivet at være i størrelsesordenen 0.5 – 1.5 kg P ha

per dag (Hoffmann m.fl., 2018). Målinger ved Brynemade langs den genslyn-

gede del af Odense Å gennem 10 år viste en gennemsnitlig fosfordeposition i

forbindelse med oversvømmelser på 83 kg P ha

-1

per år Hoffmann & Kron-

vang (under forberedelse). Der er således sandsynligt, at fosforretentionen i

havbelastningsberegningen er undervurderet.

Bidrag fra punktkilder er baseret på den årlige indberetning af resultater fra

tilsyn og Miljøstyrelsens egen overvågning af udvalgte punktkilder (Miljøsty-

relsen, 2019). Udledning fra regnvandsbetingede udløb er beregnet på en

kombination af målinger, modelberegninger og enhedstal. Belastningsopgø-

relsen for spredt bebyggelse er baseret på oplysninger om ejendomstyper og

renseanlægstyper fra Bygnings- og Boligregistret (BBR). Der er ikke angivet

usikkerheder i Miljøstyrelsen (2019).

Baggrundsbidraget er beregnet som den gennemsnitlige vandføringsvægtede

baggrundskoncentration ganget med den årlige vandføring. Baggrundsbidra-

get beregnes for hele oplandsarealet. Baggrundskoncentrationen af total-fosfor

er estimeret på grundlag af et meget lille antal vandløb (tabel 4.7.1). Der er i alle

tilfælde tale om små vandløb, hvilket jf. ovenstående medfører en risiko for en

undervurdering af den sande transport. Da koncentrationen imidlertid er be-

stemt på grundlag af nutidige målinger, som uundgåeligt er præget af menne-

skelig aktivitet, er det her angivne baggrundsbidrag sandsynligvis en overesti-

mering af det rent geogene fosforbidrag. For Danmark som helhed er median-

baggrundskoncentrationen bestemt til 0.052 mg TP l

-1

, hvilket vurderes som

værende i den rigtige størrelsesorden og i overensstemmelse med variationen i

101

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

baggrundsniveauer i nabolandene, dog i den høje ende. På regionalt niveau må

der antages at være stor usikkerhed på baggrundskoncentrationen.

Samlet vurdering af usikkerheden (tabel 4.7.2): Den samlede fosfortransport

er underestimeret. Retentionen er meget usikkert bestemt og sandsynligvis

underestimeret. Samlet giver dette en stor, negativ bias på venstre side i lig-

ning 4.7.1. Den mindste relative usikkerhed er formentlig knyttet til bidragene

fra punktkilder og spredt bebyggelse. Bidraget fra spredt bebyggelse er imid-

lertid netop reberegnet (Miljøstyrelsen, 2020), hvilket indikerer, at dette bi-

drag i hvert fald tidligere har været overvurderet. Baggrundsbidraget er be-

stemt med stor usikkerhed og er måske overvurderet på landsniveau. Samlet

set betyder dette, at de beregnede arealbidrag kan opfattes som konservative

minimumsestimater.

Tabel 4.7.2.

Vurdering af usikkerhed (tilfældig variation) og bias (systematisk variation) på elementerne i kildeopsplitningen af

den samlede fosforbelastning. Vurdering af usikkerhed: ’+’: lav usikkerhed, ’++’: mellemhøj usikkerhed, ’+++’: høj usikkerhed.

Bias: negativ hhv. positiv bias betyder, at bidraget er hhv. under- eller overestimeret i forhold til en sand værdi.

Usikkerhed

Målt fosfortransport

Små vandløb

Store vandløb

Bias

- 30%

- 5%

Negativ (- 5%)

Sandsynligvis negativ

Sandsynligvis positiv

0 - 10%

1 – 4%

+++

++(+)

Modelberegnet fosfortransport

Fosfor-retention

Bidrag fra punktkilder

Bidrag fra spredt bebyggelse

Baggrundsbidrag

Bøgestrand m.fl. (2000)

Kronvang et m.fl. (under forberedelse). 77% af målestationerne anvendt i NOVAVA2018 dækker oplande større end 20 km

4.7.3 Resultater

Inputdata til kildeopsplitningen samt de beregnede arealbidrag er præsente-

ret i tabel 4.7.3 som landstal for hvert af årene 2009 – 2018 samt som gennem-

snit for 2014 – 2018. I det følgende præsenteres resultater for gennemsnit af

perioden 2014 – 2018. Det er valgt at vise et gennemsnit for delvist at tage

højde for den vejr-betingede årsvariation i den samlede transport. Det skal

understreges, at data fra tabellen ikke umiddelbart kan bruges til at tolke på

en tidslig udvikling i de diffuse fosforbidrag. De diffuse tabsveje er direkte

relaterede til bl.a. nedbørsmængde og –fordeling, som derfor skal inddrages

i en tolkning af udviklingstendenser.

102

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Tabel 4.7.3.

Inputdata til kildeopsplitningen samt de beregnede arealbidrag fra hhv. åbent land, landbrug og baggrund og land-

brug. Enhed fosfor: tons P år

-1

, enhed vandafstrømning: mio. m

år

-1

Vandaf-

strøm-

ning

2009

2010

2011

2012

2013

2014

2015

2016

2017

2018

2014 -

2018

Samlet

netto-

transport

1814

1996

2312

2254

1898

2082

2379

1969

2058

1615

Reten-

tion

193

Brutto-

udledt

2007

2189

2505

2447

2091

2275

2572

2162

2251

1808

Punktkil- Punktkilder, Spredt

direkte

406

284

315

369

348

299

305

263

248

209

Bidrag, Bidrag, Bidrag,

land baggrund

621

709

796

780

680

777

950

784

797

674

1180

1476

1764

1636

1340

1503

1712

1490

1542

1300

1087

1390

1686

1558

1262

1425

1634

1412

1464

1222

Bidrag,

transport der, inden-

landske

420

429

426

442

403

473

555

410

461

298

bebyg- baggrund åbent landbrug- landbrug

gelse

466

681

889

778

583

648

684

627

667

549

11652

13397

14943

14831

12940

14536

17711

14763

14955

12584

14910

2021

193

2214

439

265

796

1510

1431

635

Nogle direkte punktkilder har ikke tilknyttet noget opland. Disse er fjernet i denne opgørelse, som har fokus på arealbidragene.

Det samlede bidrag fra disse fjernede, direkte kilder er som gennemsnit over de 10 år 11 tons P.

Kildeopsplitningen er yderligere gennemført på 4. ordens kystoplande for at

belyse regionale forskelle og usikkerheder. Som et mål for usikkerheden er

det opgjort, hvor ofte kildeopsplitningen resulterer i negative arealbidrag, ta-

bel 4.7.4. Dette er yderligere illustreret ved hjælp af figur 4.7.1.

Tabel 4.7.4.

Oversigt over antal tilfælde med negative værdier af arealbidrag beregnet

som residual i ligning 4.7.1 opgjort som hhv. antal 4. ordens kystoplande med et negativt

beregnet arealbidrag og det hertil hørende, samlede areal.

Antal oplande

2014 - 2018

Åbent land-bidrag

Landbrugs- og baggrundsbidrag

Landbrugsbidrag

Areal (km

)

2014 - 2018

330

390

3190

Det fremgår af tabel 4.7.4, at selv ved beregningen af åbent land-bidraget fo-

rekommer der enkelte negative værdier. Negative værdier beregnes, hvis

summen af fosforbidrag fra indenlandske og direkte punktkilder overstiger

den samlede brutto- fosfortransport. I alle tilfælde er der tale om oplande,

hvor det samlede bidrag fra punktkilder beregnet i forhold til oplandsarealet

er højt; for 2014 – 2018 generelt større end 0.5 kg P ha

-1

. Det fremgår endvidere

af tabel 4.7.4, at antallet af oplande og det samlede areal med negativt areal-

bidrag stiger fra beregningen af åbent land-bidraget over beregningen af det

samlede landbrugs- og baggrundsbidrag og til beregningen af landbrugsbi-

draget. Således udgør arealet med et beregnet negativt landbrugsbidrag i pe-

rioden 2014 – 2018 319,000 ha svarende til 7.4% af landets areal, figur 2. De

negative arealbidrag, som fremkommer for en række 4. ordens kystoplande,

gør det klart, at resultaterne af den anvendte residualberegnings-metode bør

fortolkes med forsigtighed. Resultatet af beregningen af landbrugsbidraget

bør kun anvendes på landsniveau og kun som en størrelsesorden for land-

brugsbidragets størrelse.

103

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.7.1.

Markering af 4. or-

dens kystoplande, hvor residual-

beregningen resulterer i negative

landbrugsbidrag i 2014 - 2018.

4.7.4 Opsummering

I NOVANA-rapporteringen opdeles den samlede havbelastning med fosfor i

en spildevandsudledning fra punktkilder og en diffus udledning (Thodsen

m.fl., 1999). Den diffuse udledning svarer til det her beregnede bidrag fra

åbent land. Dette bidrag udgør 68% af den samlede havbelastning i 2014 –

2018, tabel 4.7.5. Udledningen fra spredt bebyggelse kan imidlertid også be-

tragtes som en punktkilde. Reberegningen af dette bidrag, som har været

overvurderet de senere år, gør det interessant at vurdere det egentlige bidrag

fra det åbne land, her betegnet landbrugs- og baggrundsbidraget. Dette bi-

drag udgør i 2014 – 2018 65% af den samlede fosforbelastning. Baggrundsbi-

draget er usikkert bestemt, men en størrelsesorden for landbrugsbidraget kan

fås ved også at fratrække baggrundsbidraget i ligning 4.7.1. Landbrugsbidra-

get beregnet på denne vis udgør i 2014 – 2018 29% af den samlede fosforbe-

lastning. Estimaterne for åbent land-bidraget, for landbrugs- og baggrundsbi-

draget og for landbrugsbidraget er at betragte som konservative minimums-

estimater. Resultatet af beregningen af landbrugsbidraget er i særlig grad be-

hæftet med usikkerhed og bør kun anvendes på landsniveau og kun som en

størrelsesorden for landbrugsbidragets størrelse.

Tabel 4.7.5.

Kildeopsplitning af den samlede brutto-fosforbelastning 2014 – 2018. De enkelte bidrag er angivet som procent af

den samlede belastning (målt og modelleret fosfortransport inklusiv retention). I tabellens venstre side er vist hhv. åbent land-

bidraget (den samlede fosforbelastning fratrukket punktkilder), landbrugs- og baggrunds-bidraget (den samlede fosforbelastning

fratrukket punktkilder og bidrag fra spredt bebyggelse) og landbrugsbidraget (den samlede fosforbelastning fratrukket punktkil-

der, bidrag fra spredt bebyggelse og baggrundsbidraget). I tabellens højre side er vist en fuldstændig kildeopsplitning.

Åbent land

2014 - 2018

Landbrug-bag-

grund

Landbrug

Punktkilder

Spredt

bebyggelse

Baggrund

Landbrug

104

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Litteratur

Bøgestrand, J. (red.) (2000): Vandområder – Vandløb og kilder 1999. NOVA

2003. Danmarks Miljøundersøgelser. Faglig rapport fra DMU nr. 336.

Bøgestrand, J., Kronvang, B., Ovesen, N.B., Nyegaard, P., Troldborg, L. 2008:

Baggrundskoncentrationen af næringsstoffer i grundvand og vandløb. Vand

& Jord, 15(3), 113 – 116.

Hoffmann, C.C., Andersen, H.E., Kronvang, B., & Kjaergaard, C. 2018.

Kvantificering af fosfortab fra N og P vådområder. Notat fra DCE 15. oktober

2018.

http://dce.au.dk/fileadmin/dce.au.dk/Udgivelser/Notater_2018/Kvantifice

ring_af_fosfortab_fra_N_og_P_vaadomraader_opdat_Oktober2018CCH.pdf

Hoffmann, C.C. & Kronvang, B. Fosfor-vådområder (P-ådale). I: Andersen,

H.E., Rubæk, G.H., Hasler, B., Martinsen, L., Jacobsen, B.H. (eds.).

Fosforvirkemiddelkatalog (under forberedelse).

Kronvang, B., v’ant Veen, S., Hashemi, F., Windolf, J. Larsen, S.E., Tornbjerg,

H. (under forberedelse). Udkast til DCE-notat om fosformodeludviklings-

projektet

Miljøstyrelsen, 2019. Punktkilder 2018. NOVANA – Punktkilder, december

2019.

Miljøstyrelsen, 2020. Opdatering af Tidserie for udledning af spildevand fra

RegnBetingede Udløb (RBU) og Spredt bebyggelse 1990-2018. Notat fra

Miljøstyrelsen dateret 9. marts 2020.

Svendsen, L.M., Gustafsson, B., Larsen, S.E., Sonesten, L., Frank-Kamenetsky,

D. 2018. Inputs of nutrients (nitrogen and phosphorus) to the sub-basins of

the Baltic Sea (2016). HELCOM, 2018. 30 s. (HELCOM core indicator report,

Bind October 2018).

Thodsen, H., Tornbjerg, H., Rasmussen, J.J., Bøgestrand, J., Larsen, S.E.,

Ovesen, N.B., Blicher-Mathiesen, G., Kjeldgaard, A. & Windolf, J. 2019.

Vandløb 2018. NOVANA. Aarhus Universitet, DCE – Nationalt Center for

Miljø og Energi, 72 s. - Videnskabelig rapport nr. 353.

105

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.8

Kildeopsplitning af det diffuse tab af fosfor

Hans Estrup Andersen

, Goswin Heckrath

Fagfællebedømmelse: Jørgen Windolf

Institut for Bioscence, AU

Institut for Agroøkologi, AU

4.8.1 Introduktion

I projektet er der vha. modeller og en lang række nye og eksisterende data

kortlagt en række betydende, diffuse tabsveje for fosfor. Kilderne til det sam-

lede, diffuse fosfortab til overfladevand kan oplistes som:

•

Vanderosion (kap. 4.1)

Udvaskning gennem jordmatricen på højbundsjord (kap. 4.3)

Tab gennem makroporer på højbundsjord (kap. 4.4)

Tab fra organisk lavbundsjord (kap 4.5)

Erosion af vandløbsbrinker (kap. 4.6)

Overfladisk afstrømning

Vinderosion

Grundvand.

Bidrag fra de tre sidstnævnte kilder, overfladisk afstrømning, vinderosion og

grundvand, har det ikke været muligt at kvantificere inden for projektets ram-

mer. For så vidt angår vinderosion og overfladisk afstrømning, så anses disse

bidrag dog for mindre kvantitativt betydningsfulde. Bidrag fra de tre kilder

er estimeret på baggrund af Poulsen & Rubæk (2005).

Formålet med dette afsnit er

•

at foretage en samlet evaluering af de modelberegnede og estimerede fos-

forbidrag ved at sammenholde med den målte diffuse fosfortransport ved

en række målestationer

•

at vurdere betydningen af de enkelte diffuse fosforbidrag til hhv. land-

brugsbidraget og til det samlede diffuse bidrag (landbrugs-og baggrunds-

bidraget) opgjort på landsplan.

Tab gennem makroporer

På grund af kompleksiteten af fosformobilisering og –transport ved makro-

porestrømning til dræn findes der på nuværende tidspunkt ingen modeller,

der kan estimere rumligt varierende tab ved makroporetransport. Derfor har

det ikke været muligt at kortlægge fosfortabet ved makroporetransport kvan-

titativt på lokalt niveau. Der mangler desuden data over fosfortab i drænvand

med en passende rumlig og tidslig dækning til at kunne kalibrere empiriske

tabsmodeller. Imidlertid muliggør beregningen af makroporestrømning til

dræn (figur 4.4.9b) i kombination med et realistisk bud på fosforkoncentrati-

oner i drænvand et skøn over fosfortabet via makroporetransport for større

oplande.

Tab fra organisk lavbundsjord

Ligeledes har det ikke været muligt at kvantificere fosfortabet fra dyrkede,

organiske lavbundsjorde på lokal skala. Imidlertid er den geografiske forde-

106

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

ling af disse jorde kortlagt. Der foreligger et mindre antal målinger af fosfor-

tab fra dyrkede organiske lavbundsjorde (bilag 1), hvorfor der kan gives et

overslagsmæssigt bud på det samlede fosfortab fra disse jorde.

4.8.2 Metode

4.8.2.1 Målt diffus fosfortransport

Datasættet omfatter målinger ved 267 vandløbsstationer, som er karakterise-

ret ved at have minimum fem års målinger og beregnet stoftransport i perio-

den 2000 – 2018. Den gennemsnitlige oplandsstørrelse er 101.3 km

(median =

37.0 km

, 10-percentil = 4.7 km

, 90-percentil = 265.0 km

). For hver station er

beregnet gennemsnit over alle måleår. Der indgår ikke oplande med større

nedstrøms søer i datasættet. Fosforbidrag fra punktkilder (Miljøstyrelsen,

2019) og fra spredt bebyggelse (Miljøstyrelsen, 2020) er fratrukket den målte

transport. Før sammenligningen med den modelberegnede diffuse fosfor-

transport er eventuel fosforretention i søer lagt til den målte transport. Der er

anvendt en fast rate på 4,5 kg P ha

-1

søoverflade i overensstemmelse med NO-

VANA-programmet (Thodsen et al., 2019a). Øvrige retentionsmekanismer så-

som aflejring af partikelbundet fosfor ved oversvømmelse af ånære arealer er

ikke er inkluderet. Dette forhold i kombination med den anvendte prøvetag-

ningsstrategi (udtagning af stikprøver hver 2. eller 3. uge) kan betyde, at den

målte fosfortransport er undervurderet (se afsnit 4.7). Halvfems ud af de 267

oplande er mindre end 20 km

4.8.2.2 Modelberegnet diffus fosfortransport

Den modelberegnede diffuse fosfortransport omfatter bidrag fra vanderosion,

matrix-udvaskning og brinkerosion som beskrevet i kapitlerne 4.1, 4.3 og 4.6.

Tab gennem makroporer

For at kvantificere fosfortab via makroporestrømning på oplandsniveau er der

foretaget følgende: Der er analyseret data fra 43 drænstationer fordelt over lan-

det, hvor der er foretaget en intensiv monitering af fosfortabet fra landbrugsare-

aler i perioder fra 1 til 31 år. Størrelsen af de drænede arealer varierer mellem 1

og 430 ha. Dyrkningspraksis og afgrødevalg var repræsentative for dansk land-

brug. For hver af disse drænstationer er den årlige afstrømningsvægtede gen-

nemsnitskoncentration af total-fosfor (TP) i drænvand beregnet. Gennemsnits-

koncentrationen varierede mellem 0,02 og 0,67 mg TP l

-1

. Medianværdien af de

afstrømningsvægtede total-fosforkoncentrationer for alle drænstationer på 0,14

mg TP l

-1

blev efterfølgende brugt i opgørelsen af fosfortabet ved makropore-

transport. Fosfortabet blev således beregnet ved at gange median-fosforkoncen-

trationen med den kortlagte makroporestrømning til dræn (figur 4.4.9.b), hvor-

efter tabsmængderne blev opsummeret på oplandsniveau. Anvendelsen af me-

diankoncentrationen til estimeringen af tabsmængder på oplandsniveau er

åbenlyst forbundet med stor usikkerhed. Der findes ingen studier, der har målt

omfanget af makroporestrømning til dræn på oplandsniveau og knyttet det til

fosfortab. Betydningen af makroporetransport for fosfortab skyldes især tab af

partikelbundet fosfor samt generelt høje fosforkoncentrationer i makropore-

strømning. Den her anvendte mediankoncentration er en størrelsesorden større

end den simulerede koncentration af opløst fosfor i jordvand i drændybden, som

repræsenterer fosforkoncentrationen i drænvand ved matricestrømning (kap.

4.3). Den her anvendte mediankoncentration afspejler således det øgede fosfor-

tab ved makroporetransport (Schelde m.fl., 2006). Da drænafstrømning i praksis

altid er sammensat af bidrag fra både matrice- og makroporestrømning, hvor

matriceafstrømning forventes at have lavere fosforkoncentrationer end makro-

107

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

porestrømning (afsnit 4.3), underestimerer den her anvendte afstrømningsvæg-

tede koncentration fra drænoplandene tendentielt fosforkoncentrationen i ma-

kroporestrømning på grund af fortyndningseffekten. Eksempelvis er der i østjy-

ske lerede drænoplande, hvor der er påvist betydelig makroporestrømning

(Varvaris m.fl., 2018), målt afstrømningsvægtede gennemsnitskoncentrationer

på mellem 0.1 og 0.5 mg TP l

-1

(Heckrath m.fl., 2018). Det skal endvidere bemær-

kes, at anvendelse af en mediankoncentration ikke tager højde for de store lokale

forskelle i fosformobiliseringen i jord, der inkluderer jordens fosforstatus, mæt-

ningsgraden og kolloidmobiliseringen. Det er sandsynligt, at fosfortabet i ma-

kroporestrømning regionalt over- eller underestimeres på grund af variationen

mellem landsdelene i jordens fosforstatus (Andersen m.fl., 2016; ConTerra, 2019)

og potentialet for kolloidmobilisering (kap. 4.4). Således vil der være oplande,

der er kendetegnet ved et lavt fosformobiliseringspotentiale og høj makropore-

strømning til dræn. Her vil mediankoncentrationen kunne betyde en overesti-

mering af tabsniveauet. Det forventes dog, at mediankoncentrationen fra de 43

drænstationer giver et robust bud på fosforkoncentrationen i makroporestrøm-

ning på oplandsniveau. Indenfor hvert opland vil der findes en vis variations-

bredde af fosforkoncentrationen i makroporestrømning til dræn. Anvendelsen

af mediankoncentrationen er på nuværende tidspunkt vores bedste skøn af en

repræsentativ fosforkoncentration.

Tab fra organisk lavbundsjord

Desuden er der tillagt et skønnet bidrag fra dyrkede, organiske lavbunds-

jorde. Arealet af dyrkede, organiske lavbundsjorde udgør 1716 km

og er be-

stemt ved at sammenholde det digitale markkort for 2018 med temaet over

organiske lavbundsjorde (organisk C-indhold > 6 %, afsnit 4.5). Tidligere skøn

over tabsrater for dyrkede, organiske lavbundsjorde ligger i intervallet 0,4-3

kg P ha

-1

(Poulsen & Rubæk, 2005). Baseret på en analyse af de tilgængelige

data over målt fosfortab fra dyrket organisk lavbundsjord er der her anvendt

en tabsrate på 1,9 kg P ha

-1

(bilag 1).

I den samlede model- og skønsberegnede diffuse fosfortransport mangler så-

ledes bidrag fra vinderosion, overfladisk afstrømning og grundvand, som er

skønnet på baggrund af Poulsen & Rubæk (2005).

4.8.3 Resultater

4.8.3.1 Sammenligning mellem modelberegnet og målt diffus fosfor

transport

I figur 4.8.1 er den modelberegnede transport af total-fosfor fra diffuse kilder

plottet mod den tilsvarende målte transport. Der er betydelige usikkerheder

forbundet med de udviklede modeller for de enkelte transportveje og på in-

putvariable til modellerne (afsnit 4.7-4.6). Der er desuden foretaget skøn over

fosfortab via makroporer til dræn og fra dyrket, organisk lavbundsjord, og

endelig er en række bidrag til den diffuse fosfortransport ikke kvantificeret

(vinderosion, overfladisk afstrømning, grundvand). Samtidig er der en risiko

for, at den målte diffuse fosfortransport er undervurderet. For de enkelte op-

lande kan der være tale om, at modelberegningen over- eller underestimerer

den målte fosfortransport. En likelihood ratio test viser imidlertid, at der for

det samlede datamateriale ikke er nogen statistisk signifikant forskel på målt

og modelberegnet diffus fosfortransport og ingen bias. Den statistiske test er

foretaget på logaritmerede værdier, da spredningen stiger med værdierne.

108

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Modelberegnet transport, kg P/år

Figur 4.8.1.

Modelberegnet diffus

transport af total-fosfor mod målt

diffus transport af total-fosfor op-

gjort for 267 oplande. 1:1-linjen er

vist med stiplet signatur.

45000

40000

35000

30000

25000

20000

15000

10000

5000

-5000

5000

15000

25000

35000

45000

Målt transport, kg P/år

Figur 4.8.2. viser den geografiske fordeling af den modelberegnede over- og

underestimering af den målte transport. Generelt udgør brinkerosion hoved-

parten af den modelberegnede diffuse fosfortransport. For Sjælland, hvor mo-

dellen overestimerer for de fleste oplande, er makroporebidraget dog mar-

kant og flere steder større end brinkerosionsbidraget. Overestimeringen kan

skyldes, at fosforstatus i pløjelaget typisk er lavere på Sjælland sammenlignet

med de vestlige landsdele (ConTerra, 2019), hvorfor den antagne fosforkon-

centration i drænvandet ikke er repræsentativ for Sjælland. I Vest- og Sønder-

jylland, hvor den modelberegnede diffuse fosfortransport er større end den

tilsvarende målte transport for en række oplande, er brinkerosion den helt

dominerende transportvej og sandsynligvis overestimeret. I Himmerland un-

derestimerer modellen generelt. Her er brinkerosion af mindre betydning for

det samlede, modelberegnede tab, mens tab fra dyrkede, organiske lavbunds-

jorde er det mest betydende i flere oplande.

Figur 4.8.2.

Modelberegnet diffus

transport af total-fosfor opgjort i

procent af målt diffus transport af

total-fosfor for 267 oplande.

109

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.8.3.2 Kildeopsplitning af landbrugsbidraget og af den samlede, diffuse

fosfortransport

På baggrund af den tilfredsstillende evaluering af modelberegnet diffus fos-

fortransport mod målt diffus fosfortransport for en lang række oplande er der

foretaget en landsdækkende opgørelse af landbrugsbidraget og af den sam-

lede diffuse fosfortransport sammensat af enkelt-bidrag (tabel 4.8.1). Bidrag

fra vanderosion, brinkerosion, matrix-udvaskning og makroporetransport er

opgjort på landsplan med modellerne beskrevet i afsnittene 4.1-4.6. For de bi-

drag, der ikke er kvantificeret i projektet – vinderosion, overfladisk afstrøm-

ning og grundvand – er estimaterne fra Poulsen & Rubæk (2005) benyttet di-

rekte. For tab fra dyrket, organisk lavbundsjord er benyttet det i projektet

kortlagte areal på 1716 km

kombineret med en skønnet tabsrate på 1,9 kg P

-1

og med variationsbredden fra Poulsen & Rubæk (2005) på 0,4-3 kg P ha

-1

Tabel 4.8.1.

Samlet kildeopsplitning af landbrugsbidraget og af det samlede diffuse tab på landsplan, tons fosfor per år.

Bidrag

Vand-erosion

Vind-erosion

Overfladisk afstrømning

Matrix-udvaskning

Makropore-tab

Dyrket lavbundsjord

Grundvand fra ikke-drænede marker

Landbrugsbidrag

Brinkerosion (netto)

Grundvand fra udyrkede arealer

Diffust bidrag (landbrug og baggrund)

Model (kapitel 4.6)

Metode

Model (kapitel 4.1)

Poulsen & Rubæk, 2005

Model (kapitel 4.3)

Model + skøn (kapitel 4.4)

Poulsen & Rubæk, 2005. Her anvendt: rate = 1,9

kg P/ha; areal = 1716 km

Poulsen & Rubæk, 2005

Estimat

tons P år

-1

162

326

683

644

1327

Interval

tons P år

-1

53-58

5-15

23-94

138-191

69-515

293-888

422-1373

715-2261

Det fremgår af tabel 4.8.1, at landbrugsbidraget beregnet som summen af en-

keltbidrag udgør i alt 683 (293-888) tons fosfor. Der er hermed god overens-

stemmelse med landbrugsbidraget beregnet som en residual i kildeopsplit-

ningen af den samlede fosforbelastning (afsnit 4.7). Landbrugsbidraget bereg-

net som residual er på 635 tons fosfor og at betragte som et minimumsestimat.

I tabel 4.8.1 er brinkerosion regnet som et baggrundsbidrag. Brinkerosion er

en naturlig proces, og der er ikke konstateret forskel i erosionsraten (mm år

-1

)

mellem mæandrerende og udrettede vandløb (Kronvang m.fl., 2012). Imidler-

tid er en del vandløb uddybede med henblik på en bedre afvanding og der-

med bedre dyrkningsforhold. Dette efterlader en højere brink og dermed et

større areal, der kan påvirkes af erosionsprocesser. Desuden kan en del af den

fosfor, der findes i brinkzonen, sandsynligvis også tilskrives landbrug, efter-

som fosfor kan tilføres brinkzonen med eroderet sediment fra højere liggende

marker, og der kan forekomme spild af gødning ind i den udyrkede randzone

i forbindelse med markdrift. Ligeledes vil byudvikling og udbredelse af be-

fæstede arealer resultere i højere maksimumafstrømninger og dermed højere

brinkerosion.

110

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Det samlede diffuse bidrag, landbrugs- og baggrundsbidraget, er beregnet til

1327 (715-2261) tons fosfor. Hertil kommer et ikke-kvantificeret grundvandsbi-

drag fra udyrkede arealer. Der er hermed også god overensstemmelse med det

residualberegnede landbrugs- og baggrundsbidrag på 1431 tons (afsnit 4.7).

Litteratur

Andersen, H.E., Baatrup-Pedersen, A., Blicher-Mathiesen, G., Christensen,

J.P., Heckrath, G., Nordemann Jensen, P. (red.), Vinther, F.P., Rolighed, J., Ru-

bæk, G., Søndergaard, M. 2016. Redegørelse for udvikling i landbrugets fos-

forforbrug, tab og påvirkning af Vandmiljøet. Aarhus Universitet, DCE – Na-

tionalt Center for Miljø og Energi, 86 s. - Teknisk rapport fra DCE - Nationalt

Center for Miljø og Energi nr. 77

http://dce2.au.dk/pub/TR77.pdf

ConTerra. 2019. Notat - Udvikling af GIS-kort over estimeret fosfortal i land-

brugsjord (foreløbigt, upubliceret notat).

Heckrath, G., Onnen, N., Pugliese, L., Pop, A., Iversen, B.V. 2018. Scenario

analyses for spatially differentiated P measures in catchments. SOILS2SEA

DELIVERABLE NO. 2.4. Department of Agroecology, Aarhus University,

Denmark.

Kronvang, B., Audet, J., Baattrup-Pedersen, A., Jensen, H.S., Larsen, S.E. 2012.

Phosphorus load to surface water from bank erosion in a Danish lowland river

basin. . Environ. Qual. 41. 304-313.

Miljøstyrelsen. 2019. Punktkilder 2018. NOVANA – Punktkilder, december

2019.

Miljøstyrelsen. 2020. Opdatering af Tidserie for udledning af spildevand fra

RegnBetingede Udløb (RBU) og Spredt bebyggelse 1990-2018. Notat fra

Miljøstyrelsen dateret 9. marts 2020.

Thodsen, H., Tornbjerg, H., Rasmussen, J.J., Bøgestrand, J., Larsen, S.E.,

Ovesen, N.B., Blicher-Mathiesen, G., Kjeldgaard, A.. Windolf, J. 2019a.

Vandløb 2018. NOVANA. Undertitel. Aarhus Universitet, DCE – Nationalt

Center for Miljø og Energi, 72 s. - Videnskabelig rapport nr. 353.

http://dce2.au.dk/pub/SR353.pdf

Varvaris, I., Børgesen, C.D., Kjærgaard, C. and Iversen, B. V. 2018. Three two-

dimensional approaches for simulating the water flow dynamics in a hetero-

geneous tile-drained agricultural field in Denmark. Soil Sci. Soc. Am. J. 82,

1367–1383.

111

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.9

Kortværket over risiko for fosfortab

Goswin Heckrath

, Hans Estrup Andersen

Fagfællebedømmelse: Jørgen Windolf

Institut for Bioscence, AU

Institut for Agroøkologi, AU

4.9.1 Introduktion

Projektet har resulteret i en række kortlægninger, som her præsenteres sam-

men med en vurdering af sikkerheden på kortlægningerne og anbefalinger til

brug af kortene. Kortene præsenteres først aggregeret til ID15-niveau for at

vise det regionale billede. Til sidst vises kortudsnit i den langt finere skala,

som kortlægningen er foretaget på.

Figur 4.9.1.

Fosfortab ved vanderosion vist på ID15-niveau.

112

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.9.2 Vanderosion

Fosfortab ved vanderosion fra markblokarealet i 2014 til overfladevand er

kortlagt ved at gange det langsigtede gennemsnitlige jordtab fra markareal til

vandområder med et fosforindhold i pløjelaget, der blev estimeret ud fra Con-

Terra’s kortlægning af fosfortal i jorden (kap. 4.1; ConTerra, 2019). Ved at ind-

drage et landsdækkende arealanvendelseskort tager vores modellering ek-

splicit hensyn til jordtransport på landskabsniveau, det vil sige, at vi estime-

rer, hvad der sker med eroderet markjord uden for markgrænsen. Erosionsri-

sikokortlægningen er rumligt set meget detaljeret og kan udpege zoner med

forskellig fosfortabsrisiko inden for en given mark eller vandløbstrækninger,

hvor der forventes tilførsel af sediment. Grundlæggende vil kortlægningen af

fosforerosionen derfor kunne bruges til at understøtte planlægningen af en

målrettet virkemiddelindsats. Vanderosion er kendetegnet ved lokalt fore-

kommende arealer med høje tabsrater fra mark til overfladevand (kap. 4.1).

Imidlertid aflejres i de fleste tilfælde eroderet fosforholdigt sediment i land-

skabet, før det når frem til vandområder. Derfor er fosfortabsrater forbundet

med vanderosion betydeligt lavere end eksempelvis for makroporetransport

eller brinkerosion, når de opgøres på ID15-oplandsniveau (figur 4.9.1).

Idet den estimerede rumlige variation af fosforindholdet i jord er forholdsvis

mindre end variationen af erosionsrisikoen, følger fosfortabet overordnet set

jordtabet på ID15-niveau. Især i Nordjylland er der kortlagt høje oplandstab

(figur 4.9.1), hvilket især skyldes en kombination af meget eroderbare jordty-

per med erosiv nedbør på kuperet terræn. Moniteringen har både vist høje

erosionsrater og høj sedimenttransport i nordjyske oplande (Onnen m.fl.,

2019; Thodsen m.fl., 2019). Derimod kan typisk lave tabsrater på Sjælland for-

klares med mindre erosiv nedbør, mindre eroderbare jordtyper og forholdsvis

lavt fosforindhold i jord. I Vestjylland har de forholdsvis høje fosforindhold i

jord en mindre betydning for tabsniveauet (figur 4.9.1), da erosionsraterne er

forholdsvis lave.

På landsplan er der modelberegnet et årligt fosfortab ved vanderosion til

vandområder på 56 ton med et 95 % konfidensinterval på 53 – 58 ton P (kap.

4.1). For at estimere usikkerhederne er der ved hjælp af en statistisk simule-

ring genereret forskellige modelrealisationer for hele landet, der alle resulte-

rede i en acceptabel overensstemmelse mellem målte sedimenttilførsler til

overfladevand i 25 moniteringsoplande (Onnen m.fl., 2019). Derefter blev

usikkerhedsintervallet for sedimenttilførsel til overfladevand ganget med en

fast fosforkoncentration i sedimentet. Denne metode resulterede i et forholds-

vis snævert konfidensinterval, da de acceptable modelrealisationer ikke var

stærkt forskellige fra hinanden. Desuden var det ikke muligt at tage hensyn

til eventuelt varierende fosforindhold i det tilførte sediment (kap. 4.1). Andre

usikkerhedsfaktorer, der ikke indgår i modelleringen, er lokale klimavariati-

oner og en ufuldstændig repræsentation af vigtige landskabselementer på

grund af 10-m rasteropløsningen. Således kan arealanvendelseskortet eksem-

pelvis ikke eksplicit afspejle smalle bufferzoner under 5 m langs vandområ-

der, hvilke forventes at have en betydning for den hydrologiske konnektivitet

af afstrømningen i landskabet og derfor for fosfortabet. Imidlertid er de hyp-

pigt forekommende smalle randzoner indirekte taget højde for i forbindelse

med kalibreringen af erosionsmodellen. Grundlæggende vil kortlægningen af

fosforerosionen kunne bruges til at understøtte planlægningen af en målrettet

virkemiddelindsats.

113

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.9.2.

Fosfortab ved matrice-udvaskning vist på ID15-niveau.

4.9.3 Udvaskning gennem jordmatricen

Beregningen af fosfortab ved matrice-udvaskning er kun foretaget for poten-

tielt drænede områder (kap. 4.3). Udvaskningsmodellen er parameteriseret på

grundlag af den kortlagte fosforbindingskapacitet (figur 4.2.4) samt det af

ConTerra estimerede fosforindhold i jorden. Modellen drives af den estime-

rede drænafstrømning. Den regionale fordeling af fosfortab ved matrice-

strømning afspejler den relativt lavere fosforbindingskapacitet vest for is-

randslinjen og på Lolland samt dræningsintensiteten (figur 4.9.2).

Modelusikkerheden er kvantificeret og eksemplificeret ved en beregnet gen-

nemsnitlig, årlige transport af opløst fosfor i drænede områder på landsplan

på i alt 59 ton P med et 95 % konfidensinterval på 23 – 94 tons P. Hertil kom-

mer usikkerhed på inputdata i form af jordens fosforbindingskapacitet og ind-

hold af fosfor. Særligt indholdet af fosfor kan være udfordrende at estimere,

da variationen kan være stor, selv inden for den enkelte mark. Dette afspejles

også i data-input vedrørende pløjelagets indhold af fosfor. Her præsenteres

en forklaringsgrad på 30 % for et kort over fosfortal med 500 m opløsning, når

modelresultater sammenholdes med målte værdier (ConTerra, 2019). Forkla-

ringsgrad for det anvendte kort med en opløsning på 100 m er ikke angivet,

114

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

men den er forventeligt noget lavere. I modelopsætningen er underjordens

fosforindhold baseret på en gennemsnitlig relation mellem fosfor i over- og

underjord, hvilket yderligere bidrager til usikkerhed vedrørende bestem-

melse af koncentrationen af opløst P jordvand i drændybden.

Usikkerhederne taget i betragtning, må de resulterende udvaskningskort an-

ses for at være mest egnede til at demonstrere modelkonceptet frem for at

vurdere risiko for fosfortab på markniveau. For at vurdere risiko for fosfortab

på markniveau skal der ideelt set være kendskab til lokale afstrømningsfor-

hold samt analyser af fosforindhold i pløjelag og drændybde. Således vil mo-

dellen være egnet til vurdering af udvaskning i relativt velundersøgte op-

lande eller på marker, hvor jordens fosforindhold er kendt. Her kan modellen

bl.a. anvendes til beregning af ændring i fosforudvaskning ved scenarier med

ændret dyrkningspraksis, der påvirker markens fosforbalance og dermed jor-

dens fosforpuljer.

Figur 4.9.3.

Fosfortab ved makroporetransport vist på ID15-niveau.

4.9.4 Tab via makroporer

Fosfortabet via transport i makroporerne og videre ud i drænsystemet (Fig.

4.9.3) er beregnet ved at multiplicere medianen af den afstrømningsvægtede

115

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

gennemsnitskoncentration af totalfosfor fra 43 drænstationer (0,14 mg P l

-1

kap. 4.8) med de beregnede afstrømningsmængder fra makroporer via dræn-

afstrømningen (kap. 4.4). Variationen i den beregnede transport er derfor ude-

lukkende styret af den beregnede makroporeafstrømning til dræn, som i høj

grad er relateret til variationen i jordtekstur og klimaet (kap. 4.4). Kunstigt

afdrænede ID-15-oplande med et højt fosfortab ses derfor i høj grad i områder

med et relativt højt lerindhold. Specielt ID15-oplande inden for det østjyske

moræneområde udviser høje værdier (figur 4.9.3). På Sjælland er udvasknin-

gen generelt lavere sammenlignet med den østlige del af Jylland, hvilket skyl-

des en lavere nedbørsmængde i denne del af landet. Generelt ligger tabsni-

veauerne for makroporetransport i ID15-oplande mellem bidragene fra ero-

sion og matrice-udvaskning på den ene side og brinkerosion på den anden.

Usikkerheden af kortlagt fosfortab ved makroporetransport er alene estimeret

ud fra den tidslige variation af makroporestrømning til dræn for 27 hydrolo-

giske år, hvor der fandtes data (kap. 4.4). Argumentet herfor er en tydelig kor-

relation mellem fosfortabet og variationen i årlige afstrømningsmængder på

landsplan (Andersen m.fl., 2016). Der er anvendt første og tredje kvartil af

afstrømningsmængderne for at definere grænser af et prædiktionsinterval,

dvs. der er en 50% sandsynlighed for at den sande makroporestrømning lig-

ger inden for dette interval. Første og tredje kvartil af afstrømningsmæng-

derne blev ganget med den ovnnævnte mediankoncentration af fosfor i dræn-

vand for at estimere et prædiktionsinterval for fosfortab ved makroporetrans-

port. For median-afstrømningsscenariet (kap. 4.4) er der beregnet et lands-

dækkende tab på 162 ton P år

-1

med et prædiktionsinterval på 138 – 191 ton P

år

-1

. Som beskrevet i kapitel 4.8 vil den rumlige variation i fosforkoncentrati-

oner i makroporeafstrømningen bidrage til usikkerheden. Denne variation er

ikke kendt og kan derfor ikke inddrages i usikkerhedsestimeringen.

Den her beskrevne tilgang til estimering af fosfortab ved makroporetransport

karakteriserer den regionale variation (figur 4.9.3). Lokalt er det på nuvæ-

rende tidspunkt ikke muligt at kvantificere dette tab, da modellen udeluk-

kende er baseret på jordfysiske og klimatiske faktorer (kap. 4.4, 4.8). Til gen-

gæld muliggør vores kombinerede kortlægning af risiko for kolloidbåren

transport i makroporer og makroporestrømning til dræn (kap. 4.4) for første

gang en vejledende vurdering af den relative risiko for fosfortab ved makro-

poretransport på markniveau. Dette vil kunne indgå i en prioritering af dræn-

virkemiddelindsatsen.

4.9.5 Tab fra dyrkede organiske lavbundsjorde

Kortlægningen af fosfortab fra dyrkede, organiske lavbundsjorde i figur 4.9.4

afspejler udelukkende fordelingen af disse jorde, da selve fosfortabet er esti-

meret med en fast rate på 1,9 kg P ha

-1

år

-1

, som dækker over en meget stor

variation (bilag 1). Estimater over fosfortab fra dyrkede, organiske lavbunds-

jorde fremkommet på denne måde kan kun anvendes til landsdækkende og

regionale overslag over tabsniveauer. Til forskel fra de andre tabsprocesser er

der forholdsvist få oplande, der potentielt har meget høje tabsrater. Derud-

over anses dele af Limfjordregionen og Sønderjylland som potentielle risiko-

regioner. I betragtning af det potentielle bidrag fra dyrkede organiske lav-

bundsjorde til fosfortabet er der et presserende behov for at generere den vi-

den og udvikle de modeller, der konkret kan understøtte en prioriteret virke-

middelindsats, der tager hensyn til både landets målsætninger på klimaom-

rådet og begrænsningen af næringsstofudledningen.

116

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.9.4.

Fosfortab fra dyrkede, organiske lavbundsjorde vist på ID15-niveau.

4.9.6 Brinkerosion

Sedimenttab ved brinkerosion er modelleret med to simple modeller udviklet

på data fra hhv. Odense Å og Skjern Å. Modellerne er ekstrapoleret til at repræ-

sentere hele Danmark. Det modelberegnede sedimenttab er ved kombination

med målinger af fosforindhold i brinker og fosforindhold i genaflejret materiale

omregnet til et netto-fosfortab. Fosformobiliseringen som følge af brinkerosion

er størst i Nord- og Vestjylland med undtagelse af bakkeøerne. Den store fos-

formobilisering i disse områder skyldes en kombination af lav brinkvegetation

og stor vandløbstæthed. Fosforindholdet i vandløbsbrinkerne på bakkeøerne er

en anelse højere end på den omkringliggende smeltevandsslette, men som følge

af smallere vandløb på bakkeøerne er der en forholdsvis lavere fosformobilise-

ring fra brinkerne i disse vandløb. Resultaterne understøttes af et tidligere,

landsdækkende studie af vandløbstransport af suspenderet sediment, som

fandt meget høje transporter af suspenderet sediment i specielt Nordjylland og

Thy (Thodsen m.fl., 2019b). Som det fremgår af Figur 4.9.5, afspejler de model-

beregnede regionale resultater også valget af brinkerosionsmodel (Odense- el-

ler Skjern-type). Optimalt set bør der udvikles og opstilles flere individuelle

modeller understøttet af regionalt indsamlede, empiriske data. Det modelbe-

regnede fosfortab ved brinkerosion afspejler dog de regionale forskelle i målt

diffus fosfortransport relativt godt (figur 4.6.1 – 4.6.3).

117

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.9.5.

Fosfortab ved brinkerosion vist på ID15-niveau.

Fosfortab ved brinkerosion er opgjort til at udgøre i alt gennemsnitligt 644 tons

fosfor årligt med et 95 % konfidensinterval på 422 – 1373 tons P år

-1

. Konfiden-

sintervallet beskriver modelusikkerheden. Hertil kommer usikkerhed på input-

variablene vandløbsbredde, brinkhøjde, højden af brinkvegetationen, fosfor-

indhold i brinker og i genaflejret materiale samt usikkerhed på antagelsen om,

at 93 % af det eroderede materiale genaflejres. Kortlægningen af estimeret fos-

formobiliseringen afspejler det regionale billede, men bør kun anvendes vejle-

dende på enkelte vandløbsstrækninger. Kortlægning kan dermed ikke gøre det

ud for undersøgelser af faktiske fosforindhold i brinkerne på enkelte vandløbs-

strækninger, som det er eksemplificeret i de store standardafvigelser i målte

fosforindhold. Tilsvarende kan der lokalt være stor forskel på faktisk brinkero-

sion og modelleret brinkerosion forårsaget af modelusikkerheden og usikker-

heden på bestemmelsen af inputparametre til modellen.

118

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.9.6.

Landbrugsbidraget sammensat af bidrag fra vanderosion, matrixudvaskning, makroporetab og tab fra dyrkede, or-

ganiske lavbundsjorde vist på ID15-niveau. Tab med vinderosion, overfladisk afstrømning og grundvand indgår ikke.

4.9.7 Sammenfattende vurderinger

Kortene i figurerne 4.9.6 og 4.9.7 kombinerer de forskellige tabsposter for at

give et rumligt indtryk over det samlede fosfortabsniveau. Landbrugsbidra-

get domineres af tabet fra organiske lavbundsjorde og af tab ved makropore-

transport. Da førstnævnte skønnes at have betydeligt større tabsrater end ma-

kroporetransport, fremstår områderne med tab fra organiske lavbundsjorde

tydeligt som hotspots med tab >0,5 kg P ha

-1

(figur 4.9.6). Oplande med mo-

derate eller høje landbrugsbidrag forekommer i alle landsdele (figur 4.9.6).

Derimod er tabsniveauerne tendentielt lavere på øerne og i dele af Midtjyl-

land. Bidraget fra brinkerosion skygger imidlertid over alle andre tabsproces-

ser. Således findes der mange oplande især i Nord- og Sønderjylland, hvor

det diffuse årlige fosfortabet estimeres til >0,5 kg P ha

-1

(figur 4.9.7). Det skal

dog bemærkes, at det diffuse bidrag er behæftet med meget store usikkerhe-

der (kap. 4.8).

119

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.9.7.

Det samlede diffuse bidrag sammensat af bidrag fra vanderosion, matrixudvaskning, makroporetab, tab fra dyr-

kede, organiske lavbundsjorde og tab ved brinkerosion vist på ID15-niveau. Tab med vinderosion, overfladisk afstrømning og

grundvand indgår ikke.

De enkelte risikokortlægninger er gennemført med varierende rumlig opløs-

ning. Figur 4.9.8 anskueliggør detaljeringsgraden af kortlægningerne for de

fem tabsprocesser, som indgår i kortværket. Risikokortene suppleres i forskel-

ligt omfang med kortlagte baggrundsdata anvendt i modelleringerne.

120

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.9.8.

Eksempler på detaljeringsgraden af risikokortlægningen af fosfortab i et udvalgt ID15-opland for fem tabsprocesser.

Erosion, makroporetransport og organisk lavbund er kortlagt på henholdsvis 10 m, 250 m og 30,4 m raster; matrice-udvaskning

på markniveau; og brinkerosion for 100-m vandløbstrækninger.

Vi har anvendt forskellige modelkoncepter til kortlægningen af risiko for fos-

fortab ad forskellige transportveje til vandområder. Modellerne er empiriske

(erosion; brinkerosion), en kombination af semi-mekanistiske og empiriske

(udvaskning igennem jordens matrice; makroporetransport) eller statistiske

(organisk lavbund). Bortset fra organisk lavbund indgår der i alle modeller en

række rumligt højt differentierede faktorer, der bestemmer risikoen for fos-

fortab. Modellerne forudsiger i bedste fald langsigtede, gennemsnitlige rater

121

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

af fosfortab på markskala (erosion, matriceudvaskning, brinkerosion) og er

kalibrerede (erosion). For makroporetransport og tab fra organisk lavbunds-

jord er en specifik kvantificering af fosfortabet på markniveau ikke mulig.

Modelvalget reflekterer direkte den aktuelle tilgængelighed af landsdæk-

kende inputdata. Begrænset datatilgængelighed medfører desuden, at der

grundlæggende mangler mekanistiske og deterministiske modeller til kvan-

tificering af fosfortab i tid og rum, når de skal anvendes på landsplan. På op-

landsniveau forklarer modelresultaterne tilsammen i høj grad variationen af

målt fosfortabet til vandområder. Det er første gang, at det har været muligt

at estimere tabsniveauet ved anvendelse af transportspecifikke modeller, der

benytter kortlagte eksplicitte risikofaktorer. Med det forbehold, at tabsni-

veauer ikke kan differentieres mellem forskellige organiske lavbundsområ-

der, vil alle risikokortlægninger vejledende kunne indgå i planlægningen af

en lokalt målrettet virkemiddelindsats. Med vejledende menes her, at kort-

lægningerne kan udpege områder, hvor det potentielt set kan være gunstigt

at placere et virkemiddel – men at kortlægningerne ikke kan stå alene. Inden

faktisk implementering af virkemidler i landskabet vil man altid skulle un-

dersøge de faktiske forhold.

Tre processer af fosfortab dominerer på landsplan: makroporetransport til

dræn, fosfortab fra lavbundsjorde og fosfortab ved brinkerosion (kap. 4.8). Ri-

sikokortlægningerne for alle disse tabsprocesser er behæftet med store usik-

kerheder (kap. 4.8), dels fordi vi mangler viden om, hvordan vi kan generali-

sere vores procesforståelse til en tabsmodellering på landskabsniveau, og dels

fordi vi mangler relevante data såvel til modelparametrisering som -kalibre-

ring. Det er derfor afgørende at udvide vores evne til at modellere disse pro-

cesser både lokalt og regionalt, hvis effekten af en lokalt målrettet virkemid-

delindsats skal kunne kvantificeres.

Litteratur

ConTerra 2019. Notat – Udvikling af GIS-kort over estimeret fosfortal I land-

brugsjord. 28 s.

Onnen, N., Heckrath, G., Olsen, P., Greve, M., Pulens, J.W.M., Kronvang, B.,

Van Oost, K. 2019. Distributed water erosion modelling at fine spatial resolu-

tion across Denmark. Geomorphology 342, 150-162.

Thodsen, H., Rasmussen, J.J., Kronvang, B., Andersen, H.E., Nielsen, A., Lar-

sen, S.E., 2019. Suspended matter and associated contaminants in Danish

streams: a national analysis. J. Soils Sediments, 1–15. doi.org/10.1007/s11368-

019-02320-8

122

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.10 Fosforfølsomme vandområder: vandløb

Annette Baattrup-Pedersen

, Tenna Riis

, Trine Just Johnsen

og Pau Giminez Grau

Fagfællebedømmelse: Martin Søndergaard

Institut for Bioscience, AU

Institut for Biologi, AU

4.10.1 Introduktion

Den økologiske tilstand i vandløb skal jævnfør vandområdeplanerne vurderes

på baggrund af planter, smådyr og fisk, hvor der foreligger interkalibrerede in-

deks. Tidligere arbejde har vist, at koncentrationen af uorganisk fosfor kan være

kritisk for at opnå målopfyldelse med planteindekset (DVPI). Imidlertid er

langt de fleste vandløbsstrækninger udsat for flere samtidige typer af påvirk-

ninger, eksempelvis grødeskæring og ringe fysiske forhold, ligesom naturlige

forskelle i vandløbsvandets alkalinintet kan have betydning. I dette arbejde un-

dersøges det, om sammensætningen af arter i makrofytsamfund og hyppighe-

den af indikatorarter kan anvendes til at give en vurdering af, i hvor høj grad

koncentrationen af uorganisk fosfor er kritisk for at opnå mindst ’god økolo-

gisk’ tilstand i danske vandløb. Dernæst beskrives en metode til at adskille be-

tydningen af forskellige typer af påvirkninger på plantesamfund i vandløb, som

kan anvendes til at identificere den væsentligste påvirkning, som kan danne

grundlag for valg af virkemiddel med henblik på at nå målopfyldelse med

DVPI. Metoden er baseret på planternes egenskaber (livsform, vækstpunkt,

overvintringsstrategi). Herefter præsenteres et nyudviklet indeks, SID_TID, til

vurdering af økologisk kvalitet i vandløb baseret på bentiske alger og betydnin-

gen af uorganisk fosfor for sammensætningen af de bentiske algesamfund be-

skrives. Sidst i kapitlet diskuteres det, hvorfor det er vanskeligt at fortolke sam-

menhænge mellem SID_TID indeksværdierne og uorganisk fosfor bl.a. fordi

dynamikken i fosforkoncentration i vandløb kan være betydelig.

4.10.2 Plantesamfund og uorganisk fosfor

Indholdet af fosfor i vandløbsvandet spiller en væsentlig rolle for sammensæt-

ningen af primærproducenter og ændringer i næringsstofkoncentrationerne vil

derfor kunne påvirke biomassen og artssammensætningen af disse. De over-

ordnede sammenhænge mellem forskellige typer af primærproducenter og næ-

ringsstofkoncentrationen i vandløbsvandet er afbildet i figur 4.10.1. Figuren il-

lustrerer de konceptuelle sammenhænge mellem koncentrationen af fosfor i

vandløbsvandet og biomassen af forskellige grupper af primærproducenter.

Ved lave fosforkoncentrationer er makrofyternes vækst fosforbegrænset. Når

næringsstofkoncentrationen stiger øges biomassen i vandløbet og dermed selv-

skygningen. Det betyder også, at artssammensætningen ændres. Ved interme-

diære fosforkoncentrationer vil makrofytarter med effektiv lysoptagelse blive

hyppigere sammen med arter, der har hovedparten af biomassen i den øverste

del af vandsøjlen, hvor lystilgængeligheden er bedst. Samtidig øges biomassen

af alger i vandløbet, hvor især de epifytiske alger, som vokser på makrofyternes

overflade, bliver hyppigere. Trådalgerne bliver også hyppigere i takt med at

næringsstofindholdet øges i vandløbsvandet. Ved de høje koncentrationer er

makrofyternes vækst mættet. Imidlertid øges epifyternes vækst på makrofyter-

nes og trådalgernes bladoverflader, og biomassen af de epifytiske alger øges.

Det betyder samtidig, at lystilgængeligheden for makrofyterne og trådalgerne

bliver mindre, og deres biomasse reduceres. Makrofyternes biomasse reduceres

hurtigere end trådalgernes, fordi makrofyterne vokser langsommere og derfor

123

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

har sværere ved at konkurrere om lyset. Efterhånden bliver lystilgængelighe-

den så ringe, at både makrofyter og trådalger forsvinder, og epifyterne mister

også biomasse, da der ikke længere er bladoverflader tilgængelige for vækst.

Samtidig vil de bentiske alger blive hyppigere, da disse kan hæfte på både uor-

ganiske substrater og planteoverflader.

Figur 4.10.1.

Forventede sam-

menhænge mellem forskellige ty-

per af primærproducenter og næ-

ringsstofkoncentrationen i vand-

løbsvandet her eksemplificeret

ved fosfor (P). Modificeret efter

Hilton et al. (2006).

Det er tidligere afrapporteret, at koncentrationer af uorganisk fosfor, der er

højere end gennemsnitligt 43±5,6 µg ortho-P L

-1

(gennemsnit ±95 % konfidens-

grænser, baseret på tre årlige målinger i hvert vandløb), medfører risiko for,

at vandløbet ikke har målopfyldelse vurderet ved Dansk Vandløbsplante In-

deks (DVPI) (Andersen et al. 2016). Omvendt giver koncentrationer under

43±5,6 µg ortho-P L

-1

ikke sikkerhed for målopfyldelse med DVPI, da andre

påvirkningsfaktorer i vandløb også indvirker på DVPI (Andersen et al. 2016).

Hovedparten af de danske vandløb er også udsat for hydromorfologiske på-

virkninger i form af grødeskæring og opgravninger, samt andre kemiske på-

virkninger i form af eksempelvis kvælstof og miljøfremmede stoffer. Derfor

kan det være svært at vurdere, i hvor høj grad uorganisk fosfor er afgørende

for målopfyldelse med DVPI.

For at vurdere, i hvor høj grad uorganisk fosfor kan være kritisk for at opnå

målopfyldelse med DVPI i danske vandløb, var udgangspunktet her at iden-

tificere samfund af makrofytarter, der er associerede til høje fosforkoncentra-

tioner i vandløb. Efterfølgende ville det være muligt at undersøge forekomst

og hyppighed af disse samfund i danske vandløb og på den baggrund give

en vurdering af, i hvor høj grad uorganisk fosfor er kritisk for at nå mindst

’god økologisk’ tilstand i vandløbene.

Med udgangspunkt i planteregistreringer fra type 2 og 3 vandløb, svarende til

715 vandløbsstrækninger i NOVANA-programmet, er samfund af arter identi-

ficeret ved at gennemføre en multivariat analyse (Detrended Correspondence

Analysis; DCA) med anvendelse af arternes hyppighed. Arter, som forekom-

mer på færre end tre stationer og stationer med færre end tre arter, er frasorteret

for at nedbringe sjældne arters indflydelse i analyserne. Af DCA-analysen fås

ordinationsakserne DCA1-3, som er udtryk for de væsentligste faktorer af be-

tydning for plantesammensætningen i vandløbene. Fordelen ved denne frem-

gangsmåde er, at arternes co-variation reproduceres ved hjælp af et begrænset

124

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

antal gradienter, således at variation forårsaget af stokastisk variation i arternes

forekomst reduceres. Der blev efterfølgende lavet en hierarkisk klynge-analyse

(hierachical cluster analysis) med anvendelse af DCA1-3-værdierne til at grup-

pere vandløbene efter deres plantesamfund. I alt blev fem grupper af vandløb

identificeret, og indikatorarter for hver af de fem vandløbsgrupper blev bestemt

på baggrund af en artsindikatoranalyse (Tabel 4.10.1).

Tabel 4.10.1.

Indikatorarter identificeret for fem forskellige vandløbsgrupper (C1-C5). Indi-

katorværdi, som er produktet af A og B (her angivet i %) er en kombination af artens speci-

ficitet i vandløbsgruppen (vandløbsgruppens andel af det samlede antal registreringer af

arten) og dens konstans i vandløbsgruppen (andelen af vandløb i vandløbsgruppen, hvori

arten er registreret) og angives på en skala fra 0 (ingen indikation) til 100 (perfekt indikation).

Den statistiske signifikans (p) af indikatorværdien blev testet ved Monte Carlo permutati-

onstest (n=9999). Kun signifikante indikatorarter (p≤ 0,05) er angivet i tabellen.

Arter

Almindelig vandpest

Liden andemad

Rørgræs

Høj sødgræs

Grenet pindsvineknop

Tagrør

Kruset vandaks

Brudelys

Børstebladet vandaks

Gul åkande

Stor andemad

Sø-kogleaks

Kors-andemad

Rød hestehov

Bredbladet dunhammer

Skov-kogleaks

Kær-galtetand

Frøbid

Aks-tusindblad

Tyk andemad

Tårnfrøet hornblad

Gærde-snerle

Glinsende vandaks

Pilblad

Sværtevæld

Tiggerranunkel

Kalmus

Gifttyde

Lådden dueurt

Kryb-hvene

Bittersød natskygge

Stor nælde

Almindelig kvik

Ager-padderok

Indikator-

værdi

43,26

34,22

33,06

33,02

32,14

27,00

17,98

13,65

11,85

10,50

8,81

8,45

7,68

4,99

4,90

4,31

3,81

3,62

3,48

3,39

2,90

2,35

2,05

2,01

1,87

1,49

1,43

1,25

18,72

18,03

11,35

10,37

5,33

5,09

0,737

0,534

0,453

0,574

0,572

0,778

0,729

0,828

0,898

0,905

0,815

0,772

0,560

0,860

0,701

0,435

0,643

0,885

0,977

0,951

1,000

0,575

0,817

0,726

0,506

0,451

0,833

0,632

0,364

0,409

0,440

0,405

0,530

0,495

0,587

0,641

0,730

0,575

0,562

0,347

0,247

0,165

0,132

0,116

0,108

0,110

0,137

0,058

0,070

0,099

0,059

0,041

0,036

0,029

0,041

0,025

0,028

0,037

0,033

0,017

0,020

0,514

0,441

0,258

0,256

0,100

0,103

p-værdi

0,001

0,021

0,001

0,006

0,001

0,006

0,038

0,05

0,012

0,031

0,001

0,002

0,003

0,001

125

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Vejbredskeblad

Eng-rævehale

Tæppegræs

Ager-tidsel

Nyserøllike

Skvalderkål

Krybende potentil

Fliget brøndsel

Eng-rottehale

Muse-vikke

Vild kørvel

Gederams

Sump-snerre

Håret star

Vand-brandbæger

Kær-guldkarse

Smalbladet mærke

Almindelig rapgræs

Vandkarse

Lancetbladet ærenpris

Tykbladet ærenpris

Kær-star

Almindelig vandranunkel

Småbladet milturt

Tykskulpet brøndkarse

Kær-padderok

Stinkende storkenæb

Butbladet skræppe

Kær-tidsel

Eng-nellikerod

Skovmærke

Dunet steffensurt

Fjerbregne

Akselblomstret star

Almindelig milturt

Almindelig syre

Tandet sødgræs

Guldnælde

Top-star

Kål-tidsel

Almindelig mangeløv

Dynd-skræppe

Hindbær

Lund-fladstjerne

Ris-dueurt

Almindelig fulgegræs

Feber-nellikerod

Skov-star

4,64

3,63

2,36

2,25

1,79

1,55

1,26

1,17

1,11

1,02

0,95

0,90

0,82

0,81

49,24

12,79

10,83

9,44

8,98

6,59

6,54

5,36

4,36

4,29

3,54

3,13

2,51

2,50

2,43

2,41

2,20

2,15

2,14

2,09

1,94

1,79

1,77

1,70

1,65

1,41

1,29

1,16

1,10

0,84

0,82

0,473

0,455

0,575

0,547

0,562

0,400

0,688

0,512

0,808

0,638

0,692

0,654

0,560

0,715

0,595

0,711

0,627

0,408

0,505

0,358

0,348

0,600

0,680

0,975

0,689

0,446

0,919

0,600

0,538

0,536

0,981

0,976

1,000

0,980

0,974

0,586

0,881

0,932

0,495

0,386

1,000

0,855

0,854

0,942

0,702

0,670

0,615

1,000

0,098

0,080

0,041

0,032

0,039

0,018

0,023

0,014

0,016

0,014

0,016

0,011

0,014

0,011

0,786

0,313

0,214

0,264

0,258

0,110

0,096

0,055

0,063

0,096

0,038

0,052

0,047

0,025

0,022

0,036

0,022

0,019

0,036

0,044

0,016

0,014

0,016

0,014

0,008

0,002

0,003

0,012

0,002

0,003

0,05

0,01

0,022

0,004

0,022

0,033

0,048

0,044

0,023

0,036

0,023

0,001

0,033

0,003

0,001

0,005

0,001

0,002

0,001

0,021

0,002

0,001

0,027

0,001

0,004

0,001

0,003

0,011

0,005

0,022

0,008

126

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Stor fladstjerne

Skov-galtetand

Spring-balsamin

Manna-sødgræs

Lysesiv

Storblomstret vandranunkel

Vandmynte

Næbstar

Kabbeleje

Sump-kællingetand

Mose-bunke

Kær-snerre

Stor vandarve

Hår-tusindblad

Sump-fladstjerne

Krybende hestegræs

Rød svingel

Glanskapslet siv

Vandnavle

Dunet dueurt

Kragefod

Eng-viol

Almindelig hvene

Blære-star

Trævlekrone

Enkelt Pindsvineknop

Svømmende vandaks

Hjertebladet vandaks

Rust vandaks

Langbladet vandaks

Strand-vandranunkel

Vand-pileurt

Liden vandaks

Flod-klaseskærm

Hestehale

Kær-fladstjerne

Liden siv

0,82

0,74

0,69

31,35

17,86

14,39

10,06

8,40

8,23

7,68

7,00

5,85

5,31

4,92

4,87

4,74

2,92

2,85

2,60

2,14

2,02

1,58

1,54

1,07

0,80

49,34

33,27

11,64

6,14

5,66

4,67

4,19

2,95

2,65

1,85

1,52

1,31

0,749

0,677

0,842

0,498

0,614

0,331

0,604

0,381

0,499

0,299

0,592

0,659

0,610

0,553

0,562

0,532

0,486

0,887

0,389

0,500

0,861

0,383

0,969

0,729

0,575

0,715

0,735

0,845

0,816

0,786

0,438

0,813

0,670

0,432

0,577

0,441

0,011

0,008

0,630

0,359

0,234

0,304

0,139

0,216

0,154

0,234

0,099

0,081

0,088

0,084

0,055

0,059

0,029

0,055

0,040

0,018

0,040

0,011

0,858

0,465

0,158

0,073

0,069

0,059

0,096

0,036

0,040

0,043

0,026

0,030

0,008

0,026

0,027

0,001

0,037

0,001

0,002

0,001

0,002

0,001

0,018

0,001

0,003

0,007

0,012

0,001

0,044

0,001

0,007

0,002

0,008

Herefter har vi anvendt de fem identificerede grupper af vandløb som ud-

gangspunkt for at undersøge, hvilken rolle uorganisk fosfor spiller for vand-

plantesamfundene i danske vandløb. Det har vi gjort, fordi DCA-analysen over-

ordnet set afspejler de faktorer, som er afgørende for plantefordelingen i vand-

løbene, samtidig med at de første tre DCA-akser forklarer hovedparten af den

samlede variation i arternes fordeling. Vi antager, at såfremt fosfor spiller en

væsentlig rolle for plantefordelingen i vandløbene, vil vi kunne identificere

dette ved at undersøge, om hyppigheden af de fem grupper af indikatorarter i

vandløbene, i form af en samlet dækningsgrad, ændrer sig som funktion af fos-

for i vandløbsvandet. For hvert enkelt vandløb har vi derfor beregnet den totale

127

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

dækning af de arter, der er identificeret som indikatorarter for hver af de 5

vandløbsgrupper og sammenholdt dette med indholdet af uorganisk fosfor i

vandløbsvandet (baseret på de tre årlige målinger der prøvetages i vandlø-

bene). På figur 4.10.2 ses hyppigheden af de fem samfund som funktion af kon-

centrationen af uorganisk fosfor i vandløbene samt en regressionslinje, der be-

skriver sammenhængen mellem den samlede hyppighed af arter i artsgrup-

perne og vandløbenes gennemsnitlige indhold af uorganisk fosfor.

Figur 4.10.2.

Hyppigheden i form

af en samlet dækningsgrad af in-

dikatorarterne for vandløbsgrup-

perne C1-C5 (%) som funktion af

indholdet af uorganisk fosfor ba-

seret på tre årlige målinger (PO

P, µgL

-1

). Figurerne er baseret

på alle data i overvågningspro-

grammet NOVANA (>2000 punk-

ter). Derudover er indtegnet den

regressionslinje, der bedst beskri-

ver sammenhængen mellem den

samlede hyppighed af arter i arts-

grupperne og vandløbenes gen-

nemsnitlige indhold af uorganisk

fosfor.

Figur 4.10.2 viser, at hyppigheden af de identificerede indikatorarter for de

fem vandløbsgrupper kun i ringe grad kan relateres til koncentrationen af

uorganisk fosfor. Således kan de identificerede indikatorarter være hyppige

ved både lave og høje koncentrationer. Det betyder, at det ikke er muligt på

baggrund af hyppigheden af disse arter at vurdere i hvilket omfang, det er

indholdet af uorganisk fosfor, der er kritisk for at opnå målopfyldelse med

DVPI i vandløb. Dette resultat afspejler formentlig, at langt de fleste vand-

løbsstrækninger er udsat for flere typer af påvirkninger, ligesom naturlige for-

skelle i eksempelvis vandløbsvandets alkalinitet kan indvirke på plantefore-

komst og hyppighed i vandløbene (Riis et al 2000). Ser vi på de væsentligste

påvirkninger, spiller især grødeskæring og ringe fysiske forhold, foruden

koncentrationen af uorganisk fosfor, en betydelig rolle for plantesamfundene

og dermed også for DVPI-vurderingen (Baattrup-Pedersen et al. 2018).

128

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Det er imidlertid for nylig dokumenteret, at planternes egenskaber kan an-

vendes til at adskille betydningen af væsentlige typer af påvirkninger på plan-

tesamfundene i vandløb (Baattrup-Pedersen et al. 2019; Figur 4.10.3).

Figur 4.10.3.

Flowdiagram baseret på planteegenskaber til identifikation af påvirkninger af plantesamfundene i vandløb som

årsager til manglende målopfyldelse.

Hyppigheden af planter med disse egenskaber ændrer sig som funktion af

ændringer i DVPI (Figur 4.10.4). Denne viden kan anvendes i en vurdering af,

i hvilket omfang uorganisk fosfor er kritisk for at nå målopfyldelse med an-

vendelse af DVPI.

Imidlertid kræver dette, at der gennemføres en operationalisering af de iden-

tificerede sammenhænge (se figur 4.10.3). En operationalisering vil bestå af

tre trin. Første trin indebærer en beregning af vægtede gennemsnit for en

række planteegenskaber, herunder egenskaber relateret til livsform, vækst-

punkt og overvintring (Tabel 4.10.2) for det vandløb, hvori der ønskes en vur-

dering af hvilken type påvirkning, der er afgørende for den tilstandsvurde-

ring, som foreligger. Andet trin indebærer en sammenligning af det vægtede

gennemsnit for de enkelte egenskaber i vandløbet med vægtede gennemsnit

for vandløbsstrækninger, der opfylder miljømålet. Denne sammenligning gør

det muligt at vurdere om egenskaber er enten over- eller underrepræsente-

rede i vandløbet i forhold til vandløb, der er i målopfyldelse. Tredje trin inde-

bærer en samlet vurdering af hvilke(n) påvirkningstype, der er afgørende for

plantesamfundet på baggrund af de beregnede vægtede gennemsnit.

Tabel 4.10.2.

Oversigt over typer af livsformer, vækstpunkter og overvintringsstrategier hos planter.

Livsform

Fritflydende, flydeblade

Fritflydende, undervandsblade

Rodfæstet, flydeblade

Rodfæstet, undervandsblade

Rodfæstet, luftblade

Rodfæstet, heterofylli

Vækstpunkt

Basalt meristem

Enkelt apikal meristem

Flere apikale meristemer

Overvintring

Overvintringsknolde

Turioner

Rhizomer eller jordstængler

129

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.10.4.

Figuren viser væ-

sentlige forskelle i plantesamfund

klassificeret i forskellige økologi-

ske tilstandsklasser med DVPI.

Der er identificeret forskellige

indikatorarter for de forskellige

tilstandsklasser ligesom der er

forskelle i plantesamfundenes

egenskaber. NE er forkortelse for

Ellenberg N, som mål for plante-

samfundets næringsstofpræfe-

rence, hvor størrelsen på den

grønne boks er udtryk for præfe-

rencen.

På baggrund af beregnede vægtede gennemsnit for planteegenskaber er det

muligt at vurdere, i hvor stor en andel af danske vandløb det er uorganisk

fosfor, der spiller en rolle for tilstandsvurderingen. Det er imidlertid værd at

bemærke, at selv om uorganisk fosfor i en første vurdering med DVPI ikke

viser sig at være den påvirkning, der er afgørende for de beregnede vægtede

gennemsnit, fordi der eksempelvis bliver grødeskåret hyppigt, kan fosfor al-

ligevel godt spille en væsentlig rolle. Således er det muligt, at en ændring i

grødeskæringspraksis vil kunne bevirke, at de vægtede gennemsnit ændrer

sig på en sådan måde, at det bliver synligt, at selvom fosfor ikke var afgørende

for tilstandsvurderingen i første omgang, kan fosfor blive afgørende i anden

omgang. Dette kan vise sig ved, at det vægtede gennemsnit for basal vækst

eksempelvis er højt før grødeskæringspraksis bliver ændret, hvorefter det

vægtede gennemsnit for basal vækst bliver mindre som følge af mindre grø-

deskæring samtidig med, at det vægtede gennemsnit for eksempelvis multi-

apikal vækst bliver højere og eventuelt så højt, at det overstiger det, vi ser i

vandløb, der har målopfyldelse. Dette er konsekvensen af, at flere samtidigt-

virkende påvirkninger spiller en rolle for tilstandsvurderingerne. Imidlertid

vil den her skitserede metode kunne identificere den væsentligste påvirkning

og dermed hvilke virkemidler, der i første omgang kan tages i anvendelse

med henblik på at nå målopfyldelse. Det betyder også, at metoden kan anven-

130

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

des til at kvantificere andelen af vandløb, hvor det med overvejende sandsyn-

lighed er koncentrationen af uorganisk fosfor, der er afgørende for at et givet

vandløb ikke når miljømålet.

4.10.3 Fosfor og understøttelse af god økologisk tilstand i vandløb

vurderet med biologiske indeks i EU

EU-landene har alle i forbindelse med udvikling af nationale biologiske in-

deks til vurdering af økologisk tilstand baseret på bentiske alger anvendt ni-

veauer af fosfor som udgangspunkt for en afgrænsning af referencevandløb

(Kelly et al. 2009). I forbindelse med interkalibreringen af disse indeks var det

svært at sammenligne fosfordata direkte, da der er forskelle mellem landene

i både hvilken parameter, der var målt (PO4-P eller TP), og i om der var tale

om enkeltmålinger eller årsgennemsnit (Kelly et al. 2009). Derfor blev der ud-

viklet et fælleseuropæisk indeks (ICM) og dette blev anvendt til at interkali-

brere de nationale indeks. På den måde blev det muligt ved anvendelse af et

gennemgående indeks at fastsætte grænseværdier mellem de økologiske til-

standsklasser (Kelly et al. 2009).

Ser man på den koncentration af fosfor, som EU-landene angiver som væ-

rende relevante for understøttelse af ’god økologisk’ tilstand i vandløb bredt

set, er der meget store forskelle (Figur 4.10.5; Phillips og Pitt, 2015; Poikane et

al. 2017). De laveste koncentrationer ses angivet for Norge, Østrig, Sverige,

Irland og Finland, mens de højeste koncentrationer ses angivet for Slovakiet

og Bulgarien.

Figur 4.10.5.

Fosforkoncentrationer (total fosfor; µgL

-1

) som angivet af de EU-medlems-

lande, der anvender en sådan til vurdering af god økologisk tilstandsklasse i deres vand-

løb. De vandrette linjer markerer værdierne for 25, 50 og 75 percentilerne for alle landene

(90 percentilen blev halveret og markeret med *). AT: Østrig, BE (FI): Belgien Flandern,

BE (W): Belgien Wallonia, BG: Bulgarien, CZ: Tjekkiet, DE: Tyskland, DK: Danmark, EE:

Estland, ES: Spanien, FI: Finland, FR: Frankrig, GR: Grækenland, HR: Kroatien, HU: Un-

garn, IE: Irland, IT: Italien, LT: Litauen, LU: Luxemburg, LV: Letland, NL: Holland, NO:

Norge, PL: Polen, PT: Portugal, RO: Rumænien, SE: Sverige, SI: Slovenien, SK: Slova-

kiet, UK: Storbritannien. Fra Poikane et al. 2017.

Den fundne variation afspejler dels, at fosfors betydning for de bentiske alge-

samfund og dermed den økologiske tilstand vurderet på baggrund af disse

afhænger af vandløbenes typologi, men også at både datagrundlag og metode

influerer på hvilken grænseværdi, der anvendes. Grænseværdien for fosfor

angivet af EU-landene varierer således mellem 10-500 ugl

-1

, hvor variationen

131

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

er større mellem lande end mellem vandløbstyper (Phillips og Pitt, 2015). Li-

geledes har det vist sig, at de højeste koncentrationer som oftest er associerede

med ekspertvurderinger, mens de laveste koncentrationer er associerede med

egentlige kvantitative dataanalyser (Phillips og Pitt, 2015).

Derfor er det ofte vanskeligt at etablere klare sammenhænge mellem grænse-

værdier for næringsstoffer og ’god økologisk’ tilstand, og eventuelle sammen-

hænge kan være vanskelige at tolke (Poikane et al. 2017). Det skyldes både,

som beskrevet ovenfor, at der kan være stor usikkerhed forbundet med en

vurdering, der bygger på enkelte målinger af næringsstoffer (Poikane, Kelly

og Cantonati, 2016; se nedenfor), og at forskellige lande anvender forskellige

metoder i vurderingen. Derudover er det også væsentligt at fremhæve, at flere

samtidigt virkende påvirkningsfaktorer også kan spille en rolle for den græn-

seværdi, der kan identificeres. (Phillips et al. 2019). Således er det for nyligt

vist, at når der er tilstedeværelse af kun èn påvirkning i form af eksempelvis

fosfor, er det i højere grad muligt at fastsætte en grænseværdi, end det er ved

tilstedeværelse af to samtidigt virkende påvirkninger (Phillips et al. 2019).

Dette er særligt centralt i vandløb, hvor der ofte er flere samtidigt virkende

påvirkninger. Derfor vil der også, alt andet lige, kunne fremkomme meget

store variationer i grænseværdier for de biologiske samfund, også selv om der

anvendes kvantitative data og statistiske værktøjer (eksempelvis

https://cir-

cabc.europa.eu/sd/a/5aa80709-9ce8-411d-94e8-f0577f3632fa/Nutrient_stan-

dard_Guidance_for_CIS_final%20with%20links%209%20May.pdf;

Phillips et

al. 2018).

4.10.4 Bentiske algesamfund og fosfor i danske vandløb

Bentiske algesamfund i vandløb påvirkes af flere forhold, men blandt de væ-

sentligste påvirkningsfaktorer er næringsstofbelastning og belastning med or-

ganisk stof. Derfor er de fleste eksisterende, interkalibrerede indeks i EU til

vurdering af tilstanden af de bentiske algesamfund da også baserede på netop

næringsstofbelastning og/eller belastning med organisk stof. Det gælder også

det indeks, der i dag er foreslået anvendt i danske vandløb (Andersen et al.

2018), hvor et gennemsnit af to indeks, SID (saprobisk kiselalgeindeks) og TID

(Trofisk kiselalgeindeks) kan forklare den største del af den variation, der fin-

des i algesamfundene i danske vandløb, nemlig 26% (Andersen et al. 2018),

hvilket også er tilstrækkelig til at kunne interkalibrere indekset (minimum

25%). Derudover spiller andre forhold også ind på indeksværdien, herunder

alkalinitet og BI5, men med lavere forklaringsgrad (Andersen et al. 2018).

Grænseværdier mellem de økologiske tilstandsklasser bygger på en interka-

librering, hvor der i 2008 blev fastsat to intervaller for henholdsvis grænsen

mellem ’høj’ og ’god økologisk’ tilstand samt grænsen mellem ’god’ og ’mo-

derat’ tilstand (Kelly et al. 2009; Figur 4.10. 6). Grænsefastsættelsen bygger på

et fælles EU-indeks (ICM) og ikke på en koncentration af næringsstoffer

og/eller organisk stof. Imidlertid skal placeringen af de endelige grænsevær-

dier for tilstandsklasser inden for de angivne intervaller afspejle relationen til

de påvirkningsfaktorer, som anses for at være de primære for det økologiske

kvalitetselement. Under danske forhold er koncentrationen af uorganisk fos-

for den primære påvirkningsfaktor for bentiske algesamfund i vandløb (An-

dersen et al. 2018).

132

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.10.6.

Fra Andersen et al.

2018. Sammenhængen mellem

Intercalibration Common Metric

(ICM) og SID_TID for alle vand-

løbstyper. De grønne rektangler

viser intervallet for de i Kelly et al.

2009 vedtagne accepterede inter-

valler for skæringværdien mellem

hhv. høj/god tilstandsklasse

(grønne) og god/moderat til-

standsklasse (orange). De lod-

rette rektangler viser de tilsva-

rende intervaller for de danske al-

geindeks omsat til SID_TID-vær-

dier, hvor en skæring mellem til-

standsklasserne kan lægges.

Ved at bruge modellen for sammenhængen mellem det bentiske algeindeks

SID_TID og PO

-P-koncentrationen (Andersen et al., 2018) blev de accepte-

rede intervaller for placeringen af grænseværdierne mellem høj/god og

god/moderat tilstandsklasse for SID_TID omregnet til tilsvarende PO

-P-

koncentrationer, hvorPO

-P-koncentrationerne var baseret på gennemsnit af

målinger de seneste fem år inden algeprøvetagningen. Den nedre grænse mel-

lem høj/god tilstandsklasse svarer til en PO

-P-koncentration på 5,6 µgL

-1

mens den øvre grænse svarer til en PO

-P-koncentration på 12,7 µgL

-1

og den

nedre grænse mellem god/moderat tilstandsklasse svarer til en PO

-P-kon-

centration på 25 µgL

-1

, mens den øvre grænse svarer til en PO

-P-koncentra-

tion på 277 µgL

-1

I Danmark blev der herefter gennemført en kvantitativ analyse med henblik

på at identificere ved hvilket fosforniveau, der skete markante skift i artssam-

mensætningen af de bentiske alger. Den gennemførte analyse identificerer

dels de arter, der responderer negativt på en stigende koncentration af fosfor

og dels de arter, der responderer positivt på stigende koncentrationer (Thres-

hold Indicator Analysis, TITAN; Andersen et al., 2018). Herved er det muligt

at identificere niveauer, hvor der sker signifikante ændringer i artsfordelin-

gen (change points). De fundne fosforkoncentrationer og samhørende vær-

dier for indekset SID_TID er angivet i tabel 4.10.3 nedenfor. Her skal bemær-

kes, at da der er stor variation i PO

P-koncentrationer i vandløb over året (se

afsnit 4.10.5), kan en enkelt eller få målinger fra et vandløb ikke anvendes til

at vurdere, om der er sket markante skift i algesamfundet, og om der derfor

kan forventes målopfyldelse vurderet med SID_TID.

Tabel 4.10.3.

Identificerede change points for fosforkoncentration (PO

-P, µgL

-1

) og tilhørende SID_TID værdier mellem de øko-

logiske tilstandsklasser høj/god og god/moderat samt 25, 50, 75 og 95 percentilerne. De med * angivne værdier overskrider

værdier’ der er tilladelige ifølge resultatet af interkalibreringsprocessen (Kelly et al., 2009).

Identificerede

change points

H/G

-P-koncentration fra TI-

TAN-analyse (µgL )

SID_TID

2,06

2,39

2,10

2,39

2,23*

2,40

2,30*

2,44

2,31*

2,51

-1

25%

H/G

9,3

G/M

28,9

H/G

50%

G/M

H/G

75%

G/M

H/G

21,5*

95%

G/M

125,5

G/M

29,4

7,9

15,2*

20,5*

133

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Eftersom grænserne for HG og GM skal være funderet i ændringer i algesam-

fundene (Andersen et al. 2018) som funktion af graden af påvirkning, giver

det fagligt mening at lægge grænseværdierne således, at grænsen mellem

’høj’ og ’god’ lægges ved det fosforniveau, hvor arter, der responderer nega-

tivt, bliver væsentligt færre, mens grænseværdien mellem god og moderat til-

stand placeres ved det niveau, hvor arter, der responderer positivt, bliver væ-

sentlig hyppigere. Disse fosforniveauer (identificerede change points) er an-

givet i tabel 4.10.3 sammen med samhørende værdier for SID_TID i form af

change point og tilhørende percentiler.

De identificerede fosforniveauer er sammenlignelige med de niveauer, vi ser i

sammenlignelige vandløb bl.a. i Holland (van der Lee, 2018; van der Lee et al.

2020). Imidlertid er det meget vigtigt at erkende, at når man sammenligner ni-

veauer, vil der være en meget stor variation i de niveauer af fosfor, der kan må-

les i de samme vandløb, både i Danmark og andre steder (Dodds, 2003; Brett et

al. 2005; van der Lee, 2018; Poudel et al. 2020). I det følgende beskrives variati-

onen i to danske vandløb, Århus Å ved Skibby og Lyngbygaards Å ved Snå-

strup, og denne variation relateres til kritiske fosforniveauer for bentiske alger.

4.10.5 Naturlig variation i fosfor i vandløb

Århus Å ved Skibby

Koncentrationen af uorganisk fosfor i form af PO

-P kan variere meget i vand-

løb. I figur 4.10.6A er koncentrationen af PO

-P angivet i form af døgnmålinger

i Århus Å ved Skibby. Århus å ved Skibby er et middelstort vandløb med et

oplandsareal på 119 km

, hvoraf den landbrugsmæssige udnyttelse udgør 73%.

Figur 4.10.6.

Døgn- samt årstids-

variation i den uorganiske fosfor-

koncentration (PO

-P, µgL

-1

) i År-

hus Å ved Skibby i 2019. A:

Døgnmålinger af fosforkoncentra-

tionerne; B: Fordeling af fosfor-

koncentrationerne over året; C:

Variation i fosforkoncentratio-

nerne opgjort pr måned i form af

boxplots hvor streger angiver me-

dian samt 5, 25, 75 og 95 percen-

tilerne.

134

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Koncentrationen er baseret på målinger taget fire gange i døgnet med auto-

matisk prøvesampler. Den laveste koncentration er målt til at være 4 µgL

-1

mens den højeste koncentration er målt til at være 82 µgL

-1

(Tabel 4.10.4).

Tabel 4.10.4.

Koncentrationen af uorganisk fosfor (PO

-P, mgL

-1

) i Århus Å 2019 ved

Skibby angivet for en række percentiler, samt maximum, minimum og median.

Percentil

100%

99,5%

97,5%

90%

75%

50%

25%

10%

2,5%

0,5%

Minimum

Kvartil

Median

Kvartil

Maksimum

-P-koncentration ( µgL

-1

)

82,0

50,9

41,6

34,0

27,0

20,0

12,0

8,0

6,2

4,8

4,0

I figur 4.10.6C er den statistiske fordeling af PO

-P koncentrationerne baseret

på døgnmålingerne opgjort for hver måned. Det fremgår tydeligt, at variatio-

nen er stor for alle måneder. Den største variation ses i marts måned, hvor

minimum koncentrationen er 12 µgL

-1

, og maksimum koncentrationen er 49

µgL

-1

svarende til en faktor 4,1 i forskel. Den mindste variation ses i oktober

måned, hvor minimum koncentrationen er 28 µgL

-1

og maksimum koncentra-

tionen er 51 µgL

-1

svarende til en faktor 1,8 i forskel.

Lyngbygaards Å ved Snåstrup

I figur 4.10.7 og tabel 4.10.5 ses figur og tabel baseret på døgnmålinger af PO

P koncentrationen i Lyngbygaards Å ved Snåstrup. Lyngbygaards Å ved Snå-

strup er et middelstort vandløb som Århus Å og har et oplandsareal på 132

, hvoraf den landbrugsmæssige udnyttelse udgør 72%.

Tabel 4.10.5.

Koncentrationen af uorganisk fosfor (PO

-P, mgL

-1

) i Lyngbygaards Å ved

Snåstrup angivet for en række percentiler, samt maximum, minimum og median.

Percentil

100%

99,5%

97,5%

90%

75%

50%

25%

10%

2,5%

0,5%

Minimum

Kvartil

Median

Kvartil

Maksimum

-P-koncentration (ugL

-1

)

72,0

63,8

54,2

46,0

37,0

30,0

19,0

14,0

11,5

11,0

135

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.10.7.

Døgn- samt års-

tidsvariation i den uorganiske fos-

forkoncentration (PO

-P, ugL

-1

) i

Lyngbygaards Å ved Snåstrup i

2019. A: Døgnmålinger af fos-

forkoncentrationerne; B: Forde-

ling af fosforkoncentrationerne

over året; C: Variation i fosforkon-

centrationerne opgjort pr måned i

form af boxplots hvor streger an-

giver median samt 5, 25, 75 og

95 percentilerne.

Igen er der meget stor variation i koncentrationerne. Den laveste koncentra-

tion er målt til at være 11 µgL

-1

, mens den højeste koncentration er målt til at

være 72 µgL

-1

I figur 4.10.7C er den statistiske fordeling af PO

-P koncentrationerne baseret

på døgnmålingerne i Lyngbygaards Å opgjort for hver måned. Igen fremgår

det tydeligt, at variationen er stor for alle måneder.

Den største variation ses i december måned, hvor minimum koncentrationen

var 15 µgL

-1

og maksimum koncentrationen var 82 µgL

-1

svarende til en faktor

5,5 i forskel. Den mindste variation ses i juli måned, hvor minimum koncen-

trationen var 23 µgL

-1

og maksimum koncentrationen var 48 µgL

-1

svarende

til en faktor 1,8 i forskel.

4.10.6 Fosfor og bentiske alger

Der er som beskrevet oven over en meget stor naturlig variation i fosforindhol-

det i vandløb. Dette var også grunden til, at der blev anvendt gennemsnit for

de seneste fem år inden algeprøvetagning i de analyser, der blev gennemført i

forbindelse med udvikling af et bentisk algeindeks til brug i danske vandløb,

idet der i overvågningsprogrammet NOVANA, som er grundlag for analy-

serne, kun gennemføres tre årlige målinger af det uorganiske fosforindhold.

Derved blev den indflydelse, som den naturlige variation har på sammen-

hænge mellem de bentiske algesamfund og fosforindholdet i vandløb, begræn-

set mest muligt (Andersen et al. 2018), om end fem år er lang tid i forhold til

algernes reproduktionstid. Imidlertid blev der derfor også indledningsvist un-

dersøgt, om fosforindholdet ændrede sig enten i opadgående eller nedadgå-

ende retning indenfor de fem år, inden analyserne blev gennemført.

136

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Imidlertid betyder den naturligt store variation også, at det ikke er muligt at

anvende de identificerede værdier for PO

-P angivet i tabel 4.10.3 som græn-

seværdier for algesamfundene i vandløb forstået således, at en enkelt eller to

målinger af fosforindholdet i et vandløb ikke vil kunne fortælle, hvorvidt der

kan forventes målopfyldelse vurderet med algeindekset SID_TID eller ikke.

Dette ses illustreret i tabel 4.10.6. I Århus Å vil eksempelvis 22% af målingerne

vise fosforniveauer, der ligger lavere end 25% percentilen for fosforniveauet

for grænsen god/moderat økologisk tilstand, dvs. lavere end 28,9 µg L

-1

, mens

det tilsvarende i Lyngbygaards Å vil være 83% af målingerne der er lavere.

På samme måde vil henholdsvis 24% og 84% af målingerne i henholdsvis År-

hus Å og Lyngbygaards Å være lavere end 50% percentilen for fosforniveauet

for grænsen god/moderat økologisk tilstand (<30 µg L

-1

Tabel 4.10.6.

Antallet samt den procentvise andel af målinger i Århus Å og Lyngbygårds Å

som opfylder kravene for uorganisk fosforkoncentration (PO

-P, µgL

-1

) ved change points

og percentiler for henholdsvis høj og god økologisk tilstand i vandløb som bestemt ved TI-

TAN-analyse (jf. tabel 4.10.3).

Antal målinger (% i parentes)

-P (µgL )

Høj økologisk tilstand

Change point

25%

50%

75%

95%

God økologisk tilstand

Change point

25%

50%

75%

95%

<29,4

<28,9

<30,0

<44,0

<125,5

89 (24%)

83 (22%)

89 (24%)

253 (69%)

367 (100%)

309 (84%)

303 (83%)

309 (84%)

363(99%)

367 (100%)

<7,9

<9,3

<15,2

<20,5

<21,5

0 (0%)

20 (5,4%)

44 (12%)

48 (13,1%)

22 (6%)

59 (16%)

124 (34%)

189 (51%)

198 (54%)

-1

Århus Å

Lyngbygaards Å

Af tabel 4.10.7 fremgår, at prøvetagningstidspunktet også kan have betydning

for det fosforindhold, der kan måles i prøven. I tabellen er antallet af målinger,

hvor PO

-P indholdet ligger lavere end de i tabel 4.10.3 angivne fosforni-

veauer for henholdsvis change points og percentiler for de bentiske algesam-

fund for god økologisk tilstand i både Århus Å og Lyngbygaards Å, opgjort.

I Århus Å er der større sandsynlighed for at indsamle en vandprøve, hvor

-P koncentrationen ligger lavt (<28,9 µgL

-1

svarende til 25% percentilen

for grænsen god/moderat) i foråret end i efteråret og vintermånederne. Såle-

des er 60% af målingerne i april måned lavere end 25% percentilen for græn-

sen god/moderat (<28,9 µgL

-1

), mens det i maj er 87% af målingerne. Til sam-

menligning er det mellem 0-10% af målingerne i vintermånederne og 3-25%

af målingerne i sommermånederne, der ligger tilsvarende lavt.

137

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Tabel 4.10.7.

Antallet samt den procentvise andel af målinger i Århus Å og Lyngbygaards Å i hver måned for 2019 som opfylder

kravene for uorganisk fosforkoncentration (PO

-P, µgL

-1

) ved change point og percentiler for god økologisk tilstand i vandløb

som bestemt ved TITAN-analyse (jf. tabel 3). * angiver at data fra januar er indsamlet i 2020 og ikke 2019 som de øvrige data.

Antal målinger

-P (µgL )

Århus Å

Januar *

Februar

Marts

April

Maj

Juni

Juli

August

September

Oktober

November

December

Lyngbygaards Å

Januar *

Februar

Marts

April

Maj

Juni

Juli

August

September

Oktober

November

December

100

-1

Antal målinger (%)

<125,5

<28,9

<30,0

<44,0

<125,5

<28,9

<30,0

<44,0

I Lyngbygaards Å ser billedet lidt anderledes ud. Generelt ligger niveauerne

for PO

-P lavere her, og er endda så lave at mere end halvdelen af prøverne

har fosforkoncentrationer, der ligger under 25% percentilen for grænsen mel-

lem god/moderat (<28,9 µgL

-1

) uanset prøvetagningstidspunkt. Niveauerne

ligger især lavt i vinter og forårsmånederne, mens de højeste målinger ligger

i sommermånederne. Således ligger 100% af målingerne lavere end 25% per-

centilen for grænsen god/moderat (<28,9 µgL

-1

) i perioden januar-maj, mens

55-94% af målingerne i juni-december ligger lavere end 25% percentilen for

grænsen god/moderat (<28,9 µgL

-1

4.10.7 PO

-P og referenceværdier for Total P

Der er tidligere angivet baggrundskoncentrationer for totalfosfor (TP) i dan-

ske vandløb (Andersen et al. in prep.), og det er derfor også interessant at se

på niveauer af TP i Århus og Lyngbygaards Å og den tidslige dynamik i TP i

disse vandløb. Af tabel 4.10.8 fremgår, at der, på samme måde som der er

variation i PO

-P koncentrationerne, er variation i TP-koncentrationerne (ta-

bel 4.10.8).

138

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Tabel 4.10.8.

Koncentrationen af total fosfor (TP, mg L

-1

) i Lyngbygaards Å ved Snåstrup

og Skibby angivet for en række percentiler, samt maximum, minimum og median.

Percentil

100%

99,5%

97,5%

90%

75%

50%

25%

10%

2,5%

0,5%

Minimum

Kvartil

Median

Kvartil

Maksimum

TP-koncentration (µL

-1

)

Snåstrup

2540,0

2029,3

344,4

126,2

82,0

60,0

45,0

33,0

26,0

22,5

20,0

Skibby

2881,0

1423,6

314,0

140,2

116,0

92,0

75,0

54,8

39,2

32,7

26,0

Median koncentrationen i Århus Å ved Skibby er 92 µg TP L

-1

, mens minimum

koncentrationen er 26 µg TP L

-1

og maksimum koncentrationen er 2881 µg TP L

(Tabel 4.10.8). Der er også en variation over året i TP koncentration, hvor de

højeste koncentrationer ligger i efteråret (maksimalt i oktober med median TP

110,3 µgL

-1

) og de laveste om foråret (mindste værdi ligger i maj med median TP

55 µgL

-1

). Samtidig varierer den andel, som PO

-P udgør af TP, fra 1,7% til 100%.

I Lyngbygaards Å ved Snåstrup er mediankoncentrationen af TP 60 µgL

-1

mens minimum koncentrationen er 20 µgL

-1

, og maksimum koncentrationen

er 2540 µgL

-1

(Tabel 4.10.8). Igen er der variation over året. I Lyngbygaards Å

er TP koncentrationen højest om sommeren (95 µgL

-1

i august måned) og la-

vest sidst på vinteren (33,5 µgL

-1

i februar måned). Der er også variation i den

andel, som PO

-P udgør af TP (5,5%-88%).

Sammenligner vi de fundne TP niveauer i Lyngbygaards Å og Århus Å med

koncentrationer angivet som baggrundskoncentrationen for Østjylland (An-

dersen et al. in prep), finder vi, at koncentrationerne er lavere end den angivne

baggrundskoncentration på nogle prøvetagningstidspunkter, men ikke på an-

dre (tabel 4.10.8). Således er mellem 25% og 50% af målingerne lavere end 54

µg TP L

-1

(angivet som baggrundskoncentration for Østjylland) i Lyngby-

gaards Å, mens det er mellem 2,5%-10% af målingerne i Århus Å.

4.10.8 Det bentiske algeindeks SID_TID og variationen i fosfor

En anden måde at anskue sammenhænge mellem fosforniveauer i vandløb og

de bentiske algesamfund på, tager udgangspunkt i SID_TID indeksværdien.

Denne værdi må ligge i intervallet 2,567-2,359 jævnfør resultatet af interkalibre-

ringen (Andersen et al. 2018). Som beskrevet tidligere blev der i Danmark gen-

nemført en kvantitativ analyse med henblik på at identificere, ved hvilket fos-

forniveau der skete markante skift i artssammensætningen af de bentiske alger.

De fundne fosforkoncentrationer er angivet med samhørende værdier for in-

dekset SID_TID, som tidligere beskrevet (se tabel 3). Af tabellen fremgår, at

SID_TID værdier for ændringer i algesamfundene er 2,39 (change point), 2,39

(25% percentil), 2,40 (50% percentil), 2,44 (75% percentil) og 2,51 (95% percentil).

Vælger vi at anvende 25% percentilen, svarende til en SID_TID værdi på 2,39,

som grænseværdi for god/moderat økologisk tilstand, vil 261 stationer (dvs.

51% af de stationer, hvor det har været muligt at beregne SID_TID på baggrund

139

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

af en gennemført bentisk algeprøvetagning i NOVANA programmet; Ander-

sen et al. 2018) ikke være i målopfyldelse, mens 253 vil være i målopfyldelse.

I tabel 4.10.9 er angivet, hvordan fosforniveauerne ligger i vandløb, hvor der

er målopfyldelse, og i vandløb, hvor der ikke er målopfyldelse, såfremt 25%

percentilen for grænseværdi for SID_TID anvendes (2,39). Medianværdien er

henholdsvis 25 µg P L

-1

og 48 µg PO

-P L

-1

i de to vandløbsgrupper, men sam-

tidig er der en stor variation i de koncentrationer, hvor der er henholdsvis

målopfyldelse og ikke målopfyldelse (Tabel 4.10.9). Anvendes der gennem-

snitsmålinger af PO

-P koncentrationen baseret på fem års gennemsnit i for-

årsmånederne, som gjort i forbindelse med udvikling af SID_TID (Andersen

et al. 2018), vil der således også være en stor variation i fosforniveauerne.

Dette afspejler dels, at der er variation i fosforkoncentrationerne bl.a. som

følge af erosions- og depositionsprocesser, som er afgørende for transporten

af fosfor i vandløb, samt biologiske processer der kan frigive henholdsvis op-

tage fosfor. Derudover er fosfor ikke det eneste forhold, der spiller en rolle for

algesamfundene. Således vil naturlige forhold såsom variation i alkalinitet

kunne spille en rolle (Andersen et al. 2018). Dette er også baggrunden for at

uorganisk fosfor ikke kan forklare mere end 26% af den variation vi finder i

de bentiske algesamfund i danske vandløb (Andersen et al. 2018).

Tabel 4.10.9.

Koncentrationen af uorganisk fosfor i vandløb med målopfyldelse og vand-

løb uden målopfyldelse, såfremt 25% percentilen for grænseværdi for SID_TID anvendes

(2,39).

Percentil

100%

99,5%

97,5%

90%

75%

50%

25%

10%

2,5%

0,5%

Minimum

Kvartil

Median

Kvartil

Maksimum

P-koncentration (µg P L

-1

)

Målopfyldelse

395,5

387,3

108,9

70,8

44,0

25,0

13,7

8,0

3,8

1,7

1,5

Ikke målopfyldelse

1490,0

1293,2

276,4

131,3

76,3

48,0

30,1

19,5

10,9

7,1

6,9

4.10.9 Opsamling

Sammensætningen af planter i vandløb afspejler en række naturgive forhold,

men forskellige typer af påvirkninger spiller en mindst lige så stor rolle. Med

henblik på at kunne vurdere i hvor høj grad uorganisk fosfor kan være kritisk

for at opnå målopfyldelse med DVPI i danske vandløb, er det muligt at se

nærmere på planternes egenskaber for herigennem at kunne adskille betyd-

ningen af uorganisk fosfor fra andre påvirkningstyper. Dette indebærer, at

der gennemføres en operationalisering af tidligere identificerede sammen-

hænge mellem vægtede gennemsnit for en række planteegenskaber, herunder

egenskaber relateret til livsform, vækstpunkt og overvintring og forskellige

typer af påvirkninger. Derved vil det være muligt at identificere, hvilke(-n)

type(-r) af påvirkning(-er), der er afgørende for den økologiske tilstandsklasse

vurderet med DVPI.

140

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

I forbindelse med udvikling af et bentisk algeindeks til brug for vurdering af

økologisk kvalitet i vandløb, SID_TID, blev det dokumenteret at algesamfun-

dene især er følsomme over for fosfor, men også at andre forhold spiller en

rolle, herunder vandløbsvandets alkalinitet og organisk belastning (Andersen

et al. 2018). Indholdet af uorganisk fosfor kunne forklare 26% af den fundne

variation i algesamfundet. I forbindelse med udarbejdelse af forslag til græn-

sefastsættelse mellem de økologiske tilstandsklasser blev det analytiske værk-

tøj TITAN (Threshold Indicator Analysis) anvendt til at identificere koncen-

trationer af uorganisk fosfor, hvor der kunne identificeres markante skift i al-

gesamfundene, som kunne danne grundlag for fagligt begrundede grænser

mellem høj/god og god/moderat økologisk tilstand vurderet med SID_TID.

Disse identificerede koncentrationer af uorganisk fosfor kan imidlertid ikke

tolkes som værende stringente grænseværdier for hvornår der er målopfyl-

delse med SID_TID. Det faktum at flere forhold spiller en rolle for de bentiske

algesamfund i vandløb sammenholdt med den store sæsonmæssige dynamik

i fosforkoncentrationer i vandløb betyder, at det på baggrund af enkelte må-

linger af PO

-P i vandløb ikke er muligt at afgøre, om der vil være målopfyl-

delse vurderet med det bentiske algeindeks uanset ved hvilket SID_TID ni-

veau, grænsen mellem god og moderat økologisk tilstand fastsættes. Dels er

der stor dag-til-dag variation i vandets P-koncentration, ligesom der vil være

tidspunkter på året, hvor niveauet af PO

-P er højere end den værdi, der er

identificeret som kritisk for at nå målopfyldelse, mens der også vil være tids-

punkter på året, hvor niveauet er PO

-P er lavere. Samtidig giver lave værdier

af PO

-P på nogle tidspunkter af året heller ingen garanti for, at SID_TID in-

dekset når målopfyldelse. Dog vil vi umiddelbart forvente, at det er de ni-

veauer, der findes i vandløbene i foråret, som vil være mest centrale for

SID_TID, da algeprøvetagningen skal gennemføres senest d. 15 maj.

Samtidig skal det understreges, at de fosforniveauer, der er identificeret som

værende kritiske for at nå målopfyldelse med SID_TID (Andersen et al. 2018),

bygger på gennemsnit af flere målinger gennem flere år. Derfor vil det selv-

følgelig også være sådan at sandsynligheden for målopfyldelse vil øges, jo

lavere det gennemsnitlige PO

-P indhold er i vandløbet, også selvom andre

faktorer spiller en rolle for, om der er målopfyldelse. Dette er også baggrun-

den for, at det netop er SID_TID indekset, der interkalibreres, og ikke et PO

P niveau. Threshold indicator analysen blev således udelukkende lavet for at

kvalificere grænsefastsættelsen mellem tilstandsklasser med anvendelse af

SID_TID inden for det interval, der er tilladeligt ift. EU, og ikke som et bud på

en grænseværdi for fosfor mellem god og moderat økologisk tilstand.

Litteratur

Andersen, H.E., Heckrath, G. & Rubæk, G. Phosphorus losses from the Danish

land area to the sea around year 1900 (under forberedelse).

Andersen, H.E., Baatrup-Pedersen, A., Blicher-Mathiesen, G., Christensen,

J.P., Heckrath, G., Nordemann Jensen, P. (red.), Vinther, F.P., Rolighed, J.,

Rubæk, G. & Søndergaard, M. 2016. Redegørelse for udvikling i landbrugets

fosforforbrug, tab og påvirkning af Vandmiljøet. Aarhus Universitet, DCE –

Nationalt Center for Miljø og Energi, 86 s. - Teknisk rapport fra DCE - Natio-

nalt Center for Miljø og Energi nr. 77

http://dce2.au.dk/pub/TR77.pdf

Andersen, D.K., Larsen, S.E., Johansson, L.S., Alnøe, A.B. & Baattrup-Pedersen,

A. 2018. Udvikling af biologisk indeks for bentiske alger (fytobenthos) i danske

141

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

vandløb. Aarhus Universitet, DCE – Nationalt Center for Miljø og Energi, 42 s.

– Videnskabelig rapport nr. 296.

http://dce2.au.dk/pub/SR296.pdf

Baattrup-Pedersen, Annette & Larsen, Søren & Rasmussen, Jes & Riis, Tenna.

(2018). The future of European water management: Demonstration of a new

WFD compliant framework to support sustainable management under multiple

stress. Science of The Total Environment. 654. 10.1016/j.scitotenv.2018.11.008.

Brett, M.T., Mueller, S.E. & Arhonditsis, G.B. A Daily Time Series Analysis of

StreamWater Phosphorus Concentrations Along an Urban to Forest Gradient.

Environmental Management 35, 56–71 (2005).

https://doi.org/10.1007/s00267-003-0310-0

Dodds, W. (2003). Misuse of inorganic N and soluble reactive P concentrations

to indicate nutrient status of surface waters. Journal of the North American

Benthological Society, 22(2), 171-181. doi:10.2307/1467990

Kelly, Martyn & Bennett, Cathy & Coste, Michel & Delgado, Cristina & Del-

mas, François & Denys, Luc & Ector, Luc & Fauville, Claude & Ferréol, Martial

& Golub, Malgorzata & Jarlman, Amelie & Kahlert, Maria & Lucey, John &

White, Bernadette & Pardo, Isabel & Pfister, Peter & Picinska-Faltynowicz, Jo-

anna & Tison-Rosebery, Juliette & Schranz, Christine & Vilbaste, Sirje. (2009).

A comparison of national approaches to setting ecological status boundaries

in phytobenthos assessment for the European Water Framework Directive:

Results of an intercalibration exercise. Hydrobiologia. 621. 169-182.

10.1007/s10750-008-9641-4.

Phillips, Geoff & Teixeira, Heliana & Poikane, Sandra & Salas, Fuensanta &

Kelly, Martyn. (2019). Establishing nutrient thresholds in the face of uncer-

tainty and multiple stressors: A comparison of approaches using simulated

data sets. Science of The Total Environment. 684. 425-433. 10.1016/j.sci-

totenv.2019.05.343.

Phillips and Pitt 2015 https://www.fresh-thoughts.eu/userfiles/file/com-

parison%20of%20European%20freshwater%20nutrient%20boundaries.pdf

Poudel, D. D., Cazan, A. M., Oguma, A. Y., & Klerks, P. L. (2020). Monitoring

fish, benthic invertebrates, and physicochemical properties of surface water

for evaluating nonpoint source pollution control in coastal agricultural water-

sheds. In JOURNAL OF SOIL AND WATER CONSERVATION (Vol. 75, Issue

pp.

177–190).

SOIL

WATER

CONSERVATION

SOC.

https://doi.org/10.2489/jswc.75.2.177

Riis, T., Sand-Jensen, K., Vestergaard, O. (2000) Plant communities in lowland

streams: species composition and environmental factors. Aquatic Botany, 66,

255-272

van der Lee, Gea & Kraak, Michiel & Verdonschot, Ralf & Verdonschot, Piet.

(2020). Persist or perish: critical life stages determine the sensitivity of inver-

tebrates to disturbances. Aquatic Sciences. 82. 10.1007/s00027-020-0698-0.

van der Lee, Gea & Verdonschot, Ralf & Kraak, Michiel & Verdonschot, Piet.

(2018). Dissolved oxygen dynamics in drainage ditches along a eutrophication

gradient. Limnologica. 72. 10.1016/j.limno.2018.08.003.

142

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.11 Fosforfølsomme vandområder: søer

Annica Olesen

, Liselotte Sander Johansson

, Martin Søndergaard

Fagfællebedømmelse: Torben Linding Lauridsen

Institut for Bioscience, AU

4.11.1 Introduktion

I langt størstedelen af de mere end 120.000 søer og vandhuller under 5 ha,

som findes i Danmark, er tilstanden ukendt. Tilstanden formodes at være

stærkt afhængig af den påvirkning, der finder sted, eller har fundet sted, fra

det omkringliggende opland, men det er ukendt i hvilket omfang.

Tilstanden i søer større end 5 ha, som alle er omfattet af vandområdeplanerne,

er langt bedre kendt. Her er der gennem lang tid gennemført en standardiseret

overvågning, som anvendes til at vurdere og beskrive den økologiske kvalitet

på baggrund af en række biologiske og vandkemiske parametre. Fra de større

søer er det veldokumenteret, hvordan disse parametre responderer stærkt på

øget indhold af fosfor og en øget fosfortilførsel har derfor afgørende negativ

betydning for deres vandkvalitet. Betydningen af fosfor forventes også at være

gældende for de mindre søer, hvoraf størstedelen ikke er omfattet af vandom-

rådeplanerne, men data fra disse småsøer og vandhuller er mere sparsomme.

Mange af de data, som findes fra de mindre søer, stammer fra kortlægning af

naturtyper eller levestedsvurdering af vandhulsarter, som foretages jfr. habi-

tatdirektivet. I denne type undersøgelser indgår en vurdering af vegetationen

samt strukturelle data. For en del af søerne større end 1 ha findes der kemiske

data og for søer >5 ha ofte vegetationsdata opnået vha. standardiserede vege-

tationsundersøgelser foretaget med henblik på anvendelse i forbindelse med

vandrammedirektivet.

Formålet med dette delprojekt har været at undersøge, hvorvidt der kan findes

en sammenhæng mellem søernes tilstand (naturtilstand eller økologisk tilstand,

se nedenfor) og forhold i deres opland. Hvis dette kan påvises og stærke sam-

menhænge kan etableres kunne det i princippet være muligt at estimere tilstan-

den i ikke-undersøgte søer på baggrund af oplandskarakteristika.

I delprojektet indgår en præsentation af naturtilstandsindekset og oplandska-

rakteristik efterfulgt af analyser af sammenhænge mellem søernes tilstand,

der for søerne < 5 ha oftest er beskrevet ved naturtilstandsindekset eller ud-

valgte parametre, der indgår i indekset, jfr. Målbekendtgørelsen (MVFM

2020). For søer >5ha beskrives tilstanden, hvor det er muligt, som den økolo-

giske tilstandsklasse, målt vha. makrofytindekset, jfr. vandrammedirektivet.

Naturtilstanden beregnes for søer kortlagt i forbindelse med naturtypekort-

lægning (søer <5 ha) og levestedsvurdering af vandhulsarter (søer < 1 ha).

Udover nedenstående gennemgang findes i bilag 7 en mere uddybende be-

skrivelse af det tilvejebragte datamateriale, metoder og resultater.

4.11.2 Data og metoder

I analyserne i denne delrapport indgår data fra 1213 vandhuller (her defineret

som søer < 1 ha) samt 146 søer > 1 ha (hvoraf 76 søer er 1-5 ha og 70 søer > 5

ha). Data fra de udvalgte søer > 1 ha, er indeholdt i de nuværende vandom-

rådeplaner. Udvælgelsen af søer er foretaget af Miljøstyrelsen. Vandhullerne

143

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

omfattes, hvis 1) de har tilløb eller 2) hvis de ikke har tilløb og ligger mindre

end 25 m fra landbrug.

En karakteristik af søernes størrelsesfordeling samt søtype er vist i tabel 1.

Tabel 1.

Karakteristik af naturtype og søstørrelse af omfattede søer.

Habitatnaturtype

Nr.

1150

3110

3130

3140

3150

3160

3100

I alt

Beskrivelse

Kystlaguner og strandsøer

Kalk- og næringsfattige søer og vandhuller (lobeliesøer)

Ret næringsfattige søer og vandhuller med små amfibiske planter ved

bredden

Kalkrige søer og vandhuller med kransnålalger

Næringsrige søer og vandhuller med flydeplanter eller store vandaks

Brunvandede søer og vandhuller

Søer og vandhuller, der ikke kan henføres til en af habitatnaturtyperne

Naturtype kan ikke bestemmes på undersøgelsestidspunktet

Vandområdeplansøer som ikke er undersøgt i naturtypekortlægning

1213

640

209

651

213

1359

0,2

100

< 1 ha

129

1-5 ha

Antal

> 5 ha

I alt

159

%-vis

andel

0,3

Data er tilvejebragt fra forskellige danske databaser og kilder og stammer fra

det danske overvågningsprogram NOVANA (det Nationale Overvågnings-

program for VAndmiljø og NAtur). Vandhullerne er undersøgt i enten natur-

typekortlægning for sø-naturtyper eller levestedskortlægning for vandhuls-

arter i perioden 2007-2017. Nogle vandhuller er undersøgt i både naturtype-

kortlægningen og levestedskortlægningen. Flere af vandområdeplansøerne

på 1-5 ha er undersøgt i naturtypekortlægning, mens levestedskortlægningen

kun omfatter vandhuller < 1 ha.

Ved kortlægningen bestemmes naturtypen, som baseres på vandets salinitet,

vegetationens sammensætning og vandets brunfarvning. Derudover indsam-

les der data til brug ved beregning af søens naturtilstand. Det er ikke muligt

at beregne en naturtilstand på baggrund af undersøgelser i levestedskortlæg-

ninger før 2016, da de tekniske anvisninger for naturtypekortlægning og le-

vestedskortlægning først blev ensrettet i 2016.

Naturtilstandsindekset, som har en værdi fra 0-1 (hvor 1 indikerer den bedste

tilstand, og 0 den dårligste), beregnes ud fra oplysninger om vegetationen i

søen og ved dens bred samt en række strukturelle parametre. Disse parametre

indgår i beregning af et artsindeks og strukturindeks, som samlet set danner

grundlaget for beregningen af naturtilstandsindekset. I tabel 2 er der givet en

oversigt over relevante parametre fra naturtypekortlægningen, levestedsvur-

deringen og naturtilstandsindekset.

For et mindre antal af vandhullerne findes en enkelt måling af total-fosfor,

total-kvælstof og klorofyl. Dette gælder for kun 15 søer ud af 1213 (ca. 1,2 %).

144

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Tabel 2.

Oversigt over parametre relevante for nærværende projekt, som undersøges i naturtypekortlægning og levestedsvur-

dering af vandhulsarter, og som indgår som elementer i naturtilstandsindekset jfr. Målbekendtgørelsen (MVFM 2020).

Strukturindeks

Anvendte parametre

Dækningsgrad af søvegetation

Angivelse på feltskema

Angives i intervaller for procentvise

dækningsgrader

Udvalgte indikatorer

•

Bredtilstand

%-del af samlede bredlængde med på-

gældende indikator

•

Søens til- og afløb

Regulering og forurening

Andefodring

Ja/nej

Tredelt skala efter grad af påvirkning

Artsindeks

Beregnes ud fra artsscorer (værdi 0-1)

Naturtilstandsindeks

Beregnes på baggrund af strukturindeks og artsindeks. Værdi mellem 0 og 1

•

Kransnålalger

Anden submers vegetation

Flydeplanter

Trådalger

Rørsumpsvegetation

Andel bredlængde m. græsning

Andel bredlængde m. tydelig påvirkning af

jordbrugsdrift

Andel bredlængde m. bræmme på mindst

10 m til dyrket jord

Tilløb via dræn/grøfter

Forurening

Tegn på fodring/udsætning

For vandområdeplansøerne findes der generelt flere kemidata, enten i form

af en enkelt årlig måling eller et sommergennemsnit (baseret på én måling pr.

måned i perioden maj-september). Et sommergennemsnit angiver mere præ-

cist søens faktiske koncentrationsniveau. Da flere af søerne er undersøgt flere

gange og i enkelte tilfælde også med kemidata fra flere år, er det valgt, at an-

vende data fra den nyeste undersøgelse. Hver sø indgår derfor kun én gang i

analyserne.

Data vedrørende oplande til de enkelte søer er fundet via et udtræk fra et

landsdækkende oplandstema, som er udarbejdet i 2015 i forbindelse med et

tidligere projekt. For at afgrænse dataanalyserne er der defineret og opgjort

oplandsafgrænsninger til hver enkelt sø i såkaldte bufferzoner. Disse omfatter

arealerne i en afstand på henholdsvis 10 m, 50 m og 100 m fra søbredden.

Information om arealanvendelsen i søernes oplande er hentet fra markkort,

hvori indgår data om andelen af forskellige afgrødetyper i oplandet. De tid-

ligste markkort er fra 2010 og der anvendes derfor primært sødata fra 2010 og

frem når sødata sammenholdes med arealanvendelsen i søens opland. I pro-

jektet er der indsamlet information om arealanvendelse af oplandet til hver sø

i årene 2010-2017. Når resultater fra den enkelte søundersøgelse sammenlig-

nes med arealanvendelsen, er arealanvendelsen beregnet som et gennemsnit

af i alt tre år; de foregående to år samt det år, hvor der er indsamlet kortlæg-

ningsdata eller evt. kemidata. Foruden information om arealanvendelsen via

markkort, er der også indsamlet informationer fra det landsdækkende kort

Basemap02

fra 2016, hvor arealanvendelsen af bl.a. bebyggelse, landbrug,

skov, vandløb og lysåben natur er kortlagt i Danmark indtil år 2016. Endelig

er der også anvendt informationer om jordtyper, dræning, hældningsgraden

af oplandet mod søen og andelen af spredt bebyggelse.

145

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Af vandområdeplansøerne findes der 130 med et kendt opland. Langt stør-

stedelen af disse har ingen eller en meget lav andel areal i omdrift i deres op-

land. For de 1140 vandhuller med kendt opland, er antallet af søer med op-

land i omdrift større, men omkring 75 % af søerne har et opland i 50 m zonen,

som udgøres af mindre end 50 % i omdrift. Dette betyder, at de omfattede

søer overvejende ligger i områder med ekstensiv landbrugsdrift.

4.11.3 Resultater

4.11.3.1 Sammenhænge mellem naturtilstand og oplandets areal-

anvendelse

Der er beregnet en naturtilstand for 652 habitatsøer (611 vandhuller og 41 vand-

områdeplansøer, som også er korlagt iht. habitatdirektivet). Et eksempel på re-

lationer mellem naturtilstand og de undersøgte parametre er vist i figur 4.11.1,

hvor naturtilstandsindekset er vist i forhold til andelen af ‘Ej mark’ og ‘I omdrift’

i en afstand på 50 m fra søen. Som det fremgår, er der tale om svage relationer

og den statistiske forklaringsgrad (R

-værdi) på kun 1-7 % af variationen (figur

4.11.1). Der ses dog den sammenhæng, man umiddelbart ville forvente, hvor na-

turtilstandsindekset øges, når andelen af arealet, som er i omdrift, mindskes.

Figur 4.11.1.

Værdi af naturtil-

standsindeks som funktion af den

procentvise andel af hhv. ‘Ej

mark’ og ‘I omdrift’ i en buffer-

zone af 50 m fra søen.

Oplysninger om typen af arealanvendelsen i søernes opland indhentet fra

Basemap-kortet viser signifikant lineær sammenhæng mellem andelen af

landbrug og naturtilstandsindekser for alle tre bufferzoner, hvor naturtilstan-

den falder med stigende andel af landbrug. Omvendt stiger naturtilstanden

med stigende andel af lysåben tør natur. Også her er forklaringsværdierne

dog meget lave (R

< 6 %). For andelen af skov i 50 og 100 m bufferzonen er

der også signifikante sammenhænge, men igen er forklaringsværdierne me-

get lave. Analyser af sammenhænge mellem jordartstyper og naturtilstands-

indekset viste signifikante lineære sammenhænge mellem naturtilstandsin-

dekset og ler (alle tre bufferzoner) og mellem naturtilstandsindekset og sand

(50 m og 100 m zone), men med meget lave forklaringsværdier (R

< 2 %).

4.11.3.2 Sammenhænge mellem vandkemi, naturtilstandsindeksets

parametre og oplandets arealanvendelse

Som vist ovenfor, viste analyserne mellem oplandets arealanvendelse og jord-

typer kun ringe sammenhæng med naturtilstanden. Det er også undersøgt, om

nogle af de parametre, der indgår i beregningen af naturtilstanden, kan anven-

des som indikatorer på særlige forhold i oplandet, som søen kan påvirkes af.

Der tages her udgangspunkt i vandkemi og vegetation som indikatorer for sø-

ens tilstand, som sammenholdes med parametre i indekset og arealanvendelse.

Vandkemiske undersøgelser indgår ikke i naturtilstandsvurderingssystemet,

men bliver målt i udvalgte søer og medvirker til at beskrive det omtrentlige

næringsstofniveau i søen, som kan anvendes i andre sammenhænge.

146

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Hvad angår de vandkemiske analyser, ses der ikke er nogen signifikante relati-

oner mellem total-fosfor og de fire oplandstyper i nogen af bufferzonerne. Der

er derimod signifikante relationer mellem total-N og andelen af ’ej mark’ og ’i

omdrift’ for alle tre bufferzoner, men med lave forklaringsværdier (R

< 10 %).

Derudover findes også signifikante relationer for sigtdybde for andel af ’i om-

drift’ og ’varig græs’, men også her er der lave forklaringsværdier (R

< 9 %).

Ved inddragelse af arealanvendelser fra Basemap-kortet var der signifikante

lineære sammenhænge mellem total-fosfor og bebyggelse i alle tre bufferzo-

ner, med en forklaringsværdi på 30-50 %. Dette indikerer, at der er en tendens

til, at jo mere bebyggelse, der er i området omkring søen (særligt 50 og 100 m

zone), des højere er fosforkoncentrationerne. Det samme tyder på at være til-

fældet for total-N i bufferzoner på 50 og 100 m, hvor der også er signifikante

sammenhænge med bebyggelse med forklaringsværdier på 15-17 %. Dog skal

der tages højde for, at der kun er 102 søer med målinger af kvælstof og fosfor,

og at en tredjedel af disse er enkeltmålinger. Derudover er der ikke meget der

tyder på, at der er en relation mellem landbrugsareal og vandkemi i søen.

4.11.3.3 Øvrige analyser og opsamling af resultater

Der er foretaget en række øvrige analyser med henblik på at relaterer data om

oplandet til beskrivelser af søernes tilstand. Fælles for dem, er at de indbyrdes

alle viser ingen eller kun svage relationer. Dette gælder også, når der anven-

des data fra de 146 søer, der er omfattet af vandområdeplanerne.

Samlet set, viser analyserne således, at der kan findes signifikante sammen-

hænge mellem en række søparametre og faktorer i oplandet, men at der i stort

set alle tilfælde er tale om meget svage empiriske sammenhænge med lave

forklaringsværdier. Med andre ord: den variation der fremgår af analysen,

kan i meget ringe grad forklares ud fra den pågældende parameter. Dette be-

tyder, at det er svært at angive – og modellere – hvilke påvirkninger i oplan-

det, som kan have en målbar indflydelse på tilstanden i den type søer, der

indgår i dette projekt

4.11.3.4 Konklusioner

Alle søer er som udgangspunkt fosforfølsomme. Det begrænsende nærings-

stof for primærproduktion i søer er oftest fosfor, og derfor vil en øget ekstern

tilførsel af fosfor til en sø alt andet lige have en negativ indflydelse på søens

tilstand. Dette omfatter mængden af klorofyl, sigtdybde og en række biologi-

ske forhold, herunder de biologiske parametre, der anvendes til at fastsætte

deres tilstand. Kvælstof kan også spille en rolle for søernes tilstand, blandt

andet for undervandsplanterne og i løbet af sommeren, hvor der kan være en

intern fosforbelastning, og hvor indholdet af de uorganiske kvælstofformer

bliver lavt. Betydningen af næringsstoffer anses for at gælde for søer i alle

størrelsesklasser, om end data og erfaringerne fra søer mindre end 5 ha er

mindre omfattende end for større søer.

De data, som har været anvendt til analyserne i denne rapport, stammer pri-

mært fra naturtilstandsindekset og de parametre, der indgår i dette indeks,

samt kemiske data og vegetationsdata fra søer > 5 ha. Analyserne viser, at der

er flere signifikante sammenhænge mellem naturtilstandsindekset og/eller

dets anvendte parametre og oplandstyperne omkring habitatsøerne i dette

projekt. Der er dog i alle tilfælde tale om meget lave forklaringsværdier (< 10

%). Det betyder, at anvendelsen af disse oplandsdata vil være en meget usik-

ker metode til at estimere en tilstand i ikke-undersøgte søer. Det er derfor ikke

muligt på baggrund af disse data og analyser at udvikle en model, som kan

147

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

anvendes til at estimere tilstanden i søer med ukendt tilstand ved at anvende

informationer om søernes oplande.

Litteratur

MVFM, 2020: Målbekendtgørelsen; BEK nr. 653 af 19/05/2020, Bekendtgø-

relse om klassificering og fastsættelse af mål for naturtilstanden i internatio-

nale naturbeskyttelsesområder.

148

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.12 Fosforfølsomme vandområder: marine områder

Jesper P. A. Christensen

, Helle Knudsen-Leerbeck

, Anders Erichsen

, Karen Tim-

mermann

Fagfællebedømmelse: Stiig Markager

Institut for Bioscience, AU, nu Miljø- og Fødevareministeriet

Institut for Bioscience, AU

Dansk Hydraulisk Institut

Institut for Bioscience, AU, nu Danmarks Tekniske Universitet

Alle marine områder er i udgangspunktet følsomme over for ændringer i fos-

fortilførsler, men graden af fosforfølsomhed varierer. Fosforfølsomhed skal

her forstås som en vurdering af, hvor sandsynligt det er, at et vandområdes

miljøkvalitet påvirkes nævneværdigt af ændringer i tilførsler af fosfor til om-

rådet. Formålet med dette studie er at analysere og kortlægge den relative

fosforfølsomhed af danske kystvandsområder og dermed skabe grundlag for

en vurdering af fosfor som potentiel presfaktor, herunder hvor ændringer i

fosfortilførsler (både stigninger og reduktioner) forventeligt vil give de største

ændringer i miljøkvalitet (hhv. forværring og forbedring). Analysen er baseret

på seks indikatorer fordelt på 3 grupper, som adresserer hhv. a) graden af

fosforbegrænsning, b) forventede respons på ændringer i fosfortilførsler og 3)

risiko for cyanobakterie forekomster. De seks indikatorer er transformeret til

en fælles skala og skaleret forhold til spændvidden i danske vandområder,

således at de udtrykker en relativ fosforfølsomhed. Analysens metoder og re-

sultater er yderligere beskrevet i bilag 8.

Indikatorerne ’Potentiel fosforbegrænsning af fytoplanktonvækst’ og ’Forhol-

det mellem potentiel fosfor- og kvælstofbegrænsning’ anvender koncentrati-

oner af DIN og DIP på målestationer i kystvandene samt teoretiske beregnin-

ger (Monod-kinetik) til at estimere i hvor høj grad algevæksten samlet set er

fosforbegrænset over vækstperioden. Algevæksten i alle vandområder ople-

ver både fosfor- og kvælstofbegrænsning i løbet af en vækstsæson, men gra-

den af den samlede fosforbegrænsning og dermed fosforfølsomheden vil va-

riere både over vækstsæsonen og mellem vandområder. I vandområder, hvor

algevæksten er meget fosforbegrænset og ikke er begrænset af andre faktorer

(f.eks. kvælstof), vil man forvente en stor respons i algevæksten som følge af

ændrede fosfortilførsler. Derimod vil man i områder, hvor der allerede er et

stort fosforoverskud og/eller stærk kvælstofbegrænsning, forvente en mindre

respons af ændrede fosfortilførsler.

Resultaterne af fosforbegrænsningsindikatorerne viser, at tre vandområder

oplever relativ stor fosforbegrænsning (figur 4.12.1). Omkring 25 % af alle

de vurderede vandområder estimeres at være moderat fosforbegrænsede,

mens de resterende 75 vandområder vurderes at have en relativt lav fosfor-

følsomhed.

149

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.12.1

Kortlægning af

vandområdernes potentielle fos-

forbegrænsning baseret på en

kombination af indikatorerne ’Po-

tentiel fosforbegrænsning af fy-

toplanktonvæksten’ og ’Forholdet

mellem potentiel fosfor- og kvæl-

stofbegrænsning’. Kategoriserin-

gen er skaleret til de danske

vandområder, således at vand-

områder med størst fosforbe-

grænsning (og dermed størst fos-

forfølsomhed) er markeret med

rødt og områder med mindst fos-

forbegrænsning er markeret med

grønt. De farvede cirkler viser

vurderingen i vandområder, der

ellers vil være vanskelige at

skelne på kortet.

Indikatorerne ’Klorofyl a koncentrationers respons på fosfortilførsler’ og

’Sigtdybdens respons på fosfortilførsler’ er baseret på modelestimater af den

forventede respons for hhv. sommer-klorofylkoncentrationen og sigtdybden

ved ændring i fosfortilførsler fra dansk opland. Disse to respons indikatorer

er grundlæggende kvantitative og har enheden %/% og angiver hvor mange

% ændring, der kan forventes i hhv. klorofyl koncentrationen og sigtdybden,

når fosfortilførsler fra dansk opland ændres 1 %. Modelestimaterne stammer

fra modeller udarbejdet under Vandplanerne 2015-2021, og der findes model-

estimater for 14 vandområder. Resultaterne viser, at der i de fleste modelle-

rede vandområder er en relativt lav (<0,5 % /%) respons af ændrede fosfor-

tilførsler på både klorofylkoncentration og særligt sigtdybden. Undtagelsen

herfra er Vejle fjord, som responderer relativt kraftigt på ændringer i fosfor-

tilførsler.

Kvælstoffikserende cyanobakterier kan blive dominerende i vandområder,

hvor der er egnede fysiske forhold (lav salinitet, høj temperatur osv). Vand-

områder, hvor der er, eller kan være, kvælstoffikserende cyanobakterier er i

udgangspunktet fosforfølsomme, idet øgede udledninger af fosfor vil favori-

serer cyanobakterier og reduktion af fosfor vil mindske risiko for opblom-

string af cyanobakterier. Indikatorerne for ”forekomst af cyanobaterier” og

potentielle cyanobakterie habitater’ identificerer de vandområder, hvor der er

eller potentielt kan forekomme cyanobakterier. Indikatoren ”Forekomst af cy-

anobakterier” er baseret på data fra moniteringsstationer, hvor algesammen-

sætningen er registreret. Det er imidlertid relativt få områder, hvor der moni-

teres efter bl.a. cyanobakterier og derfor er indikatoren ” Potentielle cyano-

bakterie habitater” inkluderet. Resultatet viser, at danske kystvande generelt

er relativt uegnede for cyanobakterier pga. den høje salinitet. Undtagelser her-

fra er Nissum Fjord og til dels Hjelm Bugt, hvor der er målt relativt høje kon-

centratoner af cyanobakterier, samt 24 vandområder, som er potentielt eg-

nede habitater for cyanobakterier (baseret på salinitet), men hvor der enten er

målt lave/ingen forekomster af cyanobakterier, eller hvor en evt. forekomst

ikke er undersøgt.

150

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figur 4.12.3

Kortlægning af forekomsten af cyanobakterier og potentielle habitater (dvs

salinitet < 12 psu) for cyanobakterier i danske vandområder. Hvis der er eller kan leve

(kvælstoffikserende) cyanobakterier i et vandområde, vil øgede udledninger af fosfor favo-

risere cyanobakterier og reduktion af fosfor vil nedsætte risikoen for cyanobakterie-op-

blomstringer. De sorte cirkler viser alle stationer inkluderet i beregning af indikatoren. De

farvede cirkler og kvadrater viser vurderingen i vandområder, der ellers vil være vanske-

lige at skelne på kortet. De seks kvadrater viser vurderingen af vandområdets fosforføl-

somhed baseret på indikatoren ’Forekomst af cyanobakterier’ (vandområde 9, 16, 18, 47,

130 og 131), mens cirklerne viser fosforfølsomheden baseret på indikatoren ’Potentielle

habitater for cyanobakterier’.

At et vandområde er vurderet til at have en høj fosforfølsomhed for én eller

flere indikatorer, udelukker ikke, at vandområdet også kan påvirkes af andre

faktorer. For eksempel kan et vandområde med høj fosforbegrænsning også

være følsomt over for ændringer i tilførsler af kvælstof. Vandområder med

høj fosforfølsomhed er ofte kendetegnede ved, at algevæksten hovedsagligt

er fosforbegrænset, og vandområdet er påvirket af fosfortilførsler fra dansk

opland. Tilsvarende kan et vandområde, vurderet til at have ”mindst” eller

”lav” fosforfølsomhed, også ændre tilstand ved ændringer i fosfortilførsler.

Der skal dog større eller længerevarende ændringer i fosfortilførslerne til, før-

end miljøtilstanden rykkes nævneværdigt, da der enten ikke er stor effekt af

de lokale kilder eller da vandområdet over tid har akkumuleret så meget fos-

for i sedimentet, at der skal mange år med lave udledninger til, for at ændre

systemet.

151

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Bilag 1. Oversigt over målinger af fosfortab fra

dyrket organisk lavbundsjord

Hans Estrup Andersen

, Rasmus Jes Petersen

Fagfællebedømmelse: Goswin Heckrath

Institut for Bioscience, AU

Institut for Agroøkologi, AU

I tabel 1 vises en oversigt over tilgængelige målinger af fosfor- og kvælstoftab

fra organisk lavbundsjord, som vi anvender til at beregne et estimat for fos-

fortab fra dyrket organisk lavbundsjord. På grund af den store spredning på

fosfortabsestimaterne har vi valgt at beregne den gennemsnitlige tabsværdi

som en trimmet middelværdi (eng. trimmed mean). En trimmet middelværdi

er et statistisk mål for en central tendens. Det involverer beregning af middel-

værdien efter at have kasseret givne dele af datamaterialet. Metoden har til for-

mål at eliminere betydningen af outliers. Ofte kasseres de 10% højeste og 10%

laveste værdier. Det har vi gjort her og når frem til et tabsestimat på 1.9 kg P ha

år

-1

for dyrket organisk lavbundsjord.

Litteratur

Hansen, B., Hansen, A.C., Hoffmann, C.C. & Nielsen, H. (1990). Vand- og stof-

balance på lavbundsjord. NPO forskning fra Miljøstyrelsen no. C14. 74 s.

Hoffmann, C.C. & Grant, R. (2004). Ophør af omdrift på lavbundsarealer. I: U.

Jørgensen (red.) Muligheder for forbedret kvælstofudnyttelse i marken og for

reduktion af kvælstoftab. Faglig udredning i forbindelse med forberedelsen

af Vandmiljøplan III. DJF rapport Markbrug no. 103, Danmarks Jordbrugs-

forskning, Tjele. S. 180-187.

Hoffmann, C.C. & Zak, D. 2019. Undersøgelser ved Aborg Minde Nor i As-

sens Kommune på Vestfyn. Aarhus Universitet, DCE – Nationalt Center for

Miljø og Energi, 18 s. - Videnskabelig rapport nr. 326

Kronvang, B., Rubæk, G.H., Djurhuus, J., Heckrath, G., Hofmann, C.C & Grant,

R., Monitering og estimering af fosfortab fra danske landbrugsarealer. I: Poul-

sen, H. D. & Rubæk, G. H. (red) (2005). Fosfor i dansk landbrug - Omsætning,

tab og virkemidler mod tab. Danmarks JordbrugsForskning, Foulum.

Pedersen, E.F. (1985). Drænvandsundersøgelser på marsk- og dyb tørvejord

1971-84. Tidsskrift Planteavl 89: 319-329.

152

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Tabel 1.

Oversigt over målinger af kvælstof- og fosfortab fra organisk lavbundsjord.

Lokalitet

Areal

Landskabstype

Jordtype

År si-

den

dræ-

ning

mm/år

Antal

må-

leår

Nedbør

Dræn-

af-

strøm-

ning

mm/år

N-

tilførsel

N-

nedsiv-

ning fra

rodzone

kg N/ha/år

N-

udled-

ning,

dræn

P-

udled-

ning

kg P/ha/år

Gødet og drænet i omdrift

Aborg Minde

(Puge Mølle Å)

Skovsbjerggård

(Lindenborg Å)

Volsted (Lindenborg Å)

Gøderup

(Langvad Å)

Højer

Hedebybro

(Skjern Å)

Gjern

4,5

Gjern

4,5

Ikke-drænet vedvarende græs eller mose

Kærhuset

(Lindenborg Å)

Gøderup Mose

Deloplande

Fussingø vest

5,6

Fussingø, øst

5,6

*30 års normværdi

116

2.7

Pumpet inddæmmet

ådal/brakvandsområde

Pumpet inddæmmet ådal

Drænet marsk

Drænet ådal

Blandet organisk og

mineraljord

78-89% humus

85-91% humus

0-29% humus

Saltvandsklæg, 0.6-2%

humus

0.45-57% humus

Tørv

>100

1-3

703*

626

459

626

940

327

853

915

240

324

100

110-285

100

50-225

30-120

289

lav

579

230

>28

>126

10.6

1.3

8.9

1.1

5.7

1.2

0.61

0.39

1.9

0.67

1.3-3

Gødet og drænet, vedvarende græs

3.9

Ådal

Skov 50 ha, eng 59 ha

70-86% humus

44% humus

Lavbund 122 ha, skov 95 ha, landbrug 70 ha

Sum af NO

-N og NH

-N (organisk N ikke inkluderet)

Udledningen er opgjort til 0.92 kg P/ha/år for hele oplandet, mens den for lavbundsarealerne alene er vurderet til 1.3-3 kg P/ha/år

Hoffmann & Zak (2019);

Hansen et al. (1990);

Pedersen (1985);

Hoffmann & Grant; (2004);

Kronvang et al. (2005);

Hoffmann & Ovesen (2003)

153

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Bilag 2 Mapping the phosphorus sorption

capacity of soils in Denmark based on

oxalate-extractable aluminium and iron

Anders Bjørn Møller

, Goswin Heckrath

, Mogens Humlekrog Greve

Academic quality assurance: Gitte Holton Rubæk

Department of Agroecology, Aarhus University

Contents

Introduction

Materials and methods

2.1

2.2

2.3

2.4

2.5

Soil observations

Covariates

Data preparation

Models and predictions

2.5. Combining maps

154

156

158

161

162

163

167

Results

3.1

3.2

3.3

Accuracy

Covariate importance

Maps

References

Introduction

Phosphorus (P) is one of the main macronutrients for plant growth. As P binds

strongly to soil particles, the amount of plant-available P in soils quickly be-

comes insufficient for sustaining high crop yields, if soils are not regularly

supplied with P fertilizer at least up to the rate of crop offtake. Over much of

the past century, farmers had the technical means and economic incentives to

supply soils generously with mineral fertilizer P (Poulsen and Rubæk, 2005).

Additionally, with the expansion of animal husbandry in Denmark, large

amounts of P have been added in the form of animal manures. Together, this

has resulted in surplus P additions over many decades and P enrichment in

soils (Rubæk et al., 2013). Therefore, the accumulated P is a main source of

today's diffuse agricultural P losses, posing a long-term risk of P losses to sur-

face waters and contributing to eutrophication (Kronvang et al., 2009; Ander-

sen et al., 2016).

Leaching of dissolved P from enriched soils to tile drains is one of the im-

portant processes of P transfer to water bodies (Kronvang et al., 2006). The

extent of P leaching depends on the balance between P retention on and its

release form reactive soil surfaces into percolating water. This exchange is

154

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

mainly governed by sorption and desorption processes (McGechan and

Lewis, 2002). For weakly acidic sandy and loamy soils typically found in Den-

mark, the predominant P sorbents are poorly crystalline iron and aluminium

oxides (Borggaard et al., 1990, Borggaard et al., 2004) that exhibit a high affin-

ity for P (Torrent et al., 1990). Together they constitute the P sorption capacity

(PSC), an inherent soil property that can be characterized by the amount of

oxalate-extractable iron (Fe

) and aluminium (Al

) (Van der Zee and Van

Riemsdijk, 1986). Although calcium carbonates can also retain P, some evi-

dence suggests that their contribution to the PSC is minor for low to moderate

carbonate contents in the presence of amorphous iron and aluminium oxides

(Schwertmann and Schieck, 1980; Frossard et al., 1992). In Denmark, only 0.2%

of soils are classified as calcareous with a carbonate content >10% (Madsen et

al., 1992), a threshold that can be considered as moderate content. In lack of

specific data, we assume in our study that the contribution of carbonates to

PSC is negligible in accordance with Schoumans and Chardon (2015).

Knowledge of the PSC in soil profiles is important for predicting P movement

through soils (Schoumans and Groenendijk, 2000; Schoumans and Chardon,

2015). The PSC is frequently estimated by the following expression that was

originally developed in the Netherlands for weakly acidic soils (Van der Zee

and Van Riemsdijk, 1986; Van der Zee et al., 1990).

��

= 0.5(��

��

)

(1)

where

PSC

is the estimated phosphorus sorption capacity (mmol kg

-1

), the

factor 0.5 is an empirical constant,

is oxalate-extractable aluminium

(mmol kg

-1

), and

is oxalate-extractable iron (mmol kg

-1

). It is possible to

map PSC using Equation 1 by first mapping

and

and then calculating

PSC based on these two properties. However, the maps of

and

would

contain uncertainties, which would affect the estimated PSC. In order for the

maps to be useful to end users, it is important to assess the uncertainties in

the maps of

and

and their effects on the uncertainties of the maps of

the estimated PSC.

In recent decades, an increasing number of studies have used machine learn-

ing for mapping soil properties (Padarian et al., 2020). Machine learning is a

field in computer science, closely related to statistics, which aims to develop

methods that allow computers to learn from data without explicit program-

ming (Samuel, 1959). Machine learning methods for mapping soil properties

have included decision trees, artificial neural networks and support vector

machines (Padarian et al., 2020). Soil mappers typically map soil properties

by combining soil observations with geographic data layers with information

on the factors that affect or correlate with soil properties, such as parent ma-

terials, climate, vegetation and topography (McBratney et al., 2003).

Machine learning methods usually provide reliable predictions of soil prop-

erties. However, the reliability of the methods vary in space. For example,

predictions can be uncertain in areas with few observations or complex geol-

ogies. By explicitly mapping prediction uncertainties, researchers can indicate

the reliability of the predictions in specific areas. Vaysse and Lagacherie (2017)

showed that quantile regression forests (QRF) can accurately predict soil

properties and their associated uncertainties in geographic space. However,

within the literature on soil mapping, there is no generally applied method

for estimating uncertainties reported as prediction quantiles. We therefore

155

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

propose a method, which relies on convoluting the prediction quantiles for

, and

when using these soil properties for calculating PSC.

We use Equation 1 for mapping the PSC including uncertainty estimation in

four depth intervals of soils in Denmark apart from organic lowland soils

(>6% organic carbon (OC), Adhikari et al, 2014a). For mapping PSC, we ascer-

tained a large data set on Al

and Fe

with national coverage from different

soil sampling campaigns.

2.1

Materials and methods

Soil observations

For our data set, we have collated existing and new measurements of Al

and

from 34 sample sets in total (Table 1). Some of the new Al

and Fe

anal-

yses were done on archived soil samples. The samples have been taken in one

or more of 25 cm depth intervals down to a maximum depth of 100 cm (Table

1). All sample locations were georeferenced. In all cases, Fe

and Al

were

determined according to Schoumans (2000).

Table 1.

Number of samples from each depth interval from each soil investigation used

in this study. Numbers in parentheses indicate the number of samples before bulking for

samples without individual coordinates.

Number of samples

Depth interval (cm)

Project

KVADRATNET

cLHS

Als

Borris

Brovst

Ejer

Eskebjerg

Estrup

#,§

Fensholt

Fertility

Fjennelev

Faardrup

Grundfør

Haarup

Juelsminde 1

Juelsminde 2

Jyndevad

Lerbjerg

LOOP3

Lund

Odder

Ringkøbing 1

Ringkøbing 2

Silstrup

#,$

0 - 25

674

358

1 (9)

25 - 50

672

358

50 - 75

671

354

75 - 100

638

352

Total

2655

1422

1 (9)

156

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Slæggerup

Sørvad 1

Sørvad 2

Tylstrup

Tåning

Varde 1

Varde 2

Voldbjerg

Øbakker

Aarup

Total

1 (6)

1 (14)

1625

1055

1051

1016

1 (6)

1 (14)

4747

Paradelo et al., 2015;

Paradelo et al., 2016;

Norgaard et al., 2015.

The largest sample set included 672 locations from a nation-wide 7-km grid

(KVADRATNET) (Rubæk et al., 2013; Taghizadeh-Toosi et al., 2014). Addi-

tionally, 358 new sampling locations were strategically selected with condi-

tioned Latin Hypercube Sampling (cLHS) to complement the existing data

(Minasny and McBratney, 2006). We selected the cLHS locations using a pe-

nalized version of cLHS (Roudier et al., 2012) in order to reduce sampling

costs. First, we calculated distances to ten points selected by cLHS using x-

and y-coordinates of the study area. Second, we used the distances as costs

for selecting 750 points with cLHS. using maps of landscape elements

(Madsen et al., 1992), topsoil clay contents (Adhikari et al., 2013), FAO 1990

soil types (Adhikari et al., 2014b), geological classes (Jakobsen et al., 2015) and

soil drainage classes (Møller et al., 2017). This process concentrated the se-

lected points in ten clusters around the initial 10 points. We obtained permis-

sion to sample 358 out of 750 locations in four depth intervals (Table 1).

The samples in the two major investigations, KVADRATNET and cLHS, were

compound samples each comprising, respectively, 16 and 4 samples collected

within 50 and 2 square meter. The other investigations included only point

samples.

The smaller investigations included 3 – 68 locations each. Four investigations

did not include coordinates of the individual samples. For these investiga-

tions, we instead created compound samples using the mean values of the

individual samples.

The two major investigations and three of the minor investigations included

samples from typically four depth intervals (0 – 25 cm; 25 – 50 cm; 50 – 75 cm;

75 – 100 cm), while the remaining investigations contained only samples from

0 – 25 cm depth (Table 1). Apart from selected KVADRATNET sampling

points (Rubæk et al., 2013), the Al

and Fe

data has not been published, yet.

In total, we obtained 4,747 measurements of Al

and Fe

from 1,623 locations

(Figure

1).

157

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 1.

Topsoil (0 – 25 cm) observations of (A) oxalate-extractable aluminium (Al

), (B) oxalate-extractable iron (Fe

) and

-1

) calculated with Equation 1.

2.2

Covariates

We collated the soil observations with information from geographic data lay-

ers including maps of soil properties, climatic variables, satellite imagery,

topographic variables, and maps of parent materials (Table

2).

The most of

the covariates had been used in previous mapping efforts (Møller et al., 2017,

2018; Møller et al., 2019b), while maps of soil texture (Adhikari et al., 2013),

soil organic matter (Adhikari et al., 2014a) and bioclimatic variables (BIO)

from the WorldClim 2 dataset (Fick and Hijmans, 2017) were added for this

study. In addition to these covariates, we used oblique geographic coordi-

nates (OGC) (Møller et al., 2019a) to account for spatial variation not captured

by the other covariates. We tested OGC with 2, 4, 8, 16, 32 and 64 coordinate

rasters, respectively. Lastly, we included the depth of the soil samples as a

covariate. In this way, each model was able to predict its target variable in

several depths. We therefore trained two models, for predicting Al

and Fe

respectively.

158

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Table 2.

List of covariates used for mapping Al

and Fe

with a description of each covariate.

Covariate

asp_cos

asp_sin

BIO01_mean_T

BIO05_max_T

BIO06_min_T

BIO10_meanT_warmest_Q

BIO11_meanT_coldest_Q

BIO12_mean_P

BIO13_P_wettest_M

BIO14_P_driest_M

bluespot

clay_a

clay_b

clay_c

clay_d

curv_plan

curv_prof

demdetrend

dirinsola

elevation

flowaccu

geology1

geology2

geology3

geology4

geology5

geology6

geology7

geology8

geology9

geology10

georeg1

georeg2

georeg3

georeg4

georeg6

georeg8

georeg10

gwd_intp

gwd_model

hdtochn

landscape1

landscape2

Description

Cosine of the surface aspect

Sine of the surface aspect

Mean annual temperature (°C)

Maximum temperature (°C)

Minimum temperature (°C)

Mean temperature of warmest quater (°C)

Mean temperature of coldest quater (°C)

Mean annual precipitation (mm)

Precipitation in wettest month (mm)

Precipipation in driest month (mm)

Depth of sinks (m)

Clay content, 0 - 30 cm (%)

Clay content, 30 - 60 cm (%)

Clay content, 60 - 100 cm (%)

Clay content, 100 - 200 cm (%)

Plan curvature of surface

Profile curvature of surface

Soil drainage class

Elevation minus mean in 5-km radius (m)

Potential solar radiation (kWh yr-1)

Elevation above sea level (m)

Number of upslope cells

Geology; Aeolian sand

Geology; Freshwater clay

Geology; Freshwater sand

Geology; Freshwater peat

Geology; Marine clay

Geology; Marine sand

Geology; Clay till

Geology; Sand till

Geology; Glaciofluvial clay

Geology; Glaciofluvial sand

Georegion; Northwestern Jutland

Georegion; Northern Jutland

Georegion; Western Jutland

Georegion; Central Jutland

Georegion; North central Jutland

Georegion; Eastern Denmark

Georegion; Southern Denmark

Depth to groundwater interpolated from observations (m)

Depth to groundwater from hydrological model (m)

Horizontal distance to surface water (m)

Landscape; Dunes

Landscape; Raised post-glacial seabed

159

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

landscape3

landscape4

landscape5

landscape6

landscape7

landscape8

landscape9

landscape10

landscape11

LS8_band1

LS8_band2

LS8_band3

LS8_band4

LS8_band5

LS8_band6

LS8_band7

LU_1

LU_2

LU_3

LU_4

midslppos

mrvbf

ndmi

ndvi

ndwi

precipitation61_90

RSP

sagawi

sandc_a

sandc_b

sandc_c

sandc_d

sandf_a

sandf_b

sandf_c

sandf_d

savi

silt_a

silt_b

silt_c

silt_d

slpdeg

slptochn

SOM_a

SOM_b

SOM_c

Landscape; Reclaimed areas

Landscape; Raised late-glacial seabed

Landscape; Weichselian terminal moraine

Landscape; Weichselian moraine

Landscape; Weichselian kettled moraine

Landscape; Weichselian subglacial tunnel valley

Landscape; Weichselian glacial flood plain

Landscape; Saalian moraine

Landscape; Marsh

Landsat 8 Band 1 surface reflectance, March 2014 (Ultra blue)

Landsat 8 Band 2 surface reflectance, March 2014 (Blue)

Landsat 8 Band 3 surface reflectance, March 2014 (Green)

Landsat 8 Band 4 surface reflectance, March 2014 (Red)

Landsat 8 Band 5 surface reflectance, March 2014 (Near infrared)

Landsat 8 Band 6 surface reflectance, March 2014 (Shortwave infrared 1)

Landsat 8 Band 7 surface reflectance, March 2014 (Shortwave infrared 2)

Land use; Urban

Land use; Agriculture

Land use; Natural vegetation

Land use; Wetland

Mid-slope position

Multi-resolution index of valley bottom flatness

Normalized difference moisture index; (Band 5 - Band 6)/(Band 5 + Band 6)

Normalized difference vegetation index; (Band 5 - Band 4)/(Band 5 + Band 4)

Normalized difference water index (Band 5 - Band 3)/(Band 5 + Band 3)

Mean annual precipitation (mm)

Relative slope position

SAGA GIS topographic wetness index

Coarse sand content, 0 - 30 cm (%)

Coarse sand content, 30 - 60 cm (%)

Coarse sand content, 60 - 100 cm (%)

Coarse sand content, 100 - 200 cm (%)

Fine sand content, 0 - 30 cm (%)

Fine sand content, 30 - 60 cm (%)

Fine sand content, 60 - 100 cm (%)

Fine sand content, 100 - 200 cm (%)

Soil-adjusted vegetation index; (Band 5 - Band 4)*(1 + 0.5)/(Band 5 + Band 4 + 0.5)

Silt content, 0 - 30 cm (%)

Silt content, 30 - 60 cm (%)

Silt content, 60 - 100 cm (%)

Silt content, 100 - 200 cm (%)

Slope gradient (°)

Downhill gradient to nearest surface water (°)

Soil organic matter content, 0 - 30 cm (%)

Soil organic matter content, 30 - 60 cm (%)

Soil organic matter content, 60 - 100 cm (%)

160

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

SOM_d

twi

valldepth

vdtochn

wetland

Soil organic matter content, 100 - 200 cm (%)

Topographic wetness index; ln(flowaccu/tan[slpdeg])

Valley depth (m)

Vertical distance to nearest surface water (m)

Wetland class (0: Upland, 1: Wetland; 2: Central wetland; 3: Peatland)

2.3

Data preparation

The sampling locations were highly clustered in geographic space. This

causes a high risk of skew in the prediction models and the accuracy assess-

ment, since too much weight is given to relatively small areas. We alleviated

this problem by declustering the observations and by using a spatially struc-

tured split into datasets for training and accuracy assessment as explained in

the following.

Firstly, we declustered the observations using a grid of 6x6 km polygons.

Within each polygon, observations received weights equal to 1/n, where

the number of observations within the polygon. We shifted the polygons in

1.5 km intervals along the north-south and east-west axes for 16 different grid

positions, and calculated weights for each position. We then averaged the

weights from the different grid positions. We declustered samples from each

depth interval separately. Additionally, we multiplied the resulting weights

with the number of subsamples in each bulk sample, as we regarded large

bulk samples as more accurate. We then normalized the weights to a maxi-

mum of 1.

Secondly, we divided the observations using spatially structured splits for

cross-validation of model accuracies. We created a grid of 7x7-km blocks and

organized these blocks in four groups, using the R package

ENMeval

(Muscarella et al., 2014). We assigned soil observations to one of these four

groups based on the block that contained them. In this way, we held out ob-

servations from the model training dataset for accuracy assessment in whole

groups of 7x7-km blocks at a time. This procedure should reduce effects from

an otherwise random allocation, where observations located close to each

other can be part of the datasets for model training and accuracy assessment,

respectively. This would create a positive bias in the accuracy assessment, as

it would not accurately represent accuracies in areas with lower sampling

densities.

2.4

Models and predictions

We trained two Quantile Regression Forest models (Meinshausen, 2006) to pre-

dict Al

and Fe

, respectively. In addition to the geographic coordinates, we

used the depth interval as a covariate, and we therefore trained two models. We

implemented the calculated weights for the observations in the models.

For both Al

and Fe

, we tested five different values of

mtry,

two different

split rules (variance and

extratrees)

(Møller et al., 2018), minimum node sizes

of 1, 2, 4 and 8 as well as the different numbers of coordinate rasters (Section

2.3). We tested the accuracies with k-fold cross validation, using the spatially

structured folds. We calculated accuracies as weighted Peason’s R

) and

weighted root mean square error (RMSE

) and selected the setup that pro-

vided the best accuracy.

161

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

We then produced maps of Al

and Fe

for the depth intervals 0 – 25 cm, 25

– 50 cm, 50 – 75 cm and 75 – 100 cm in 30.4 m resolution. We predicted the

mean values as well as uncertainty distributions in the form of 100 prediction

quantiles ranging from 0.5% to 99.5%. It is important to note that we distin-

guish between model accuracy and prediction uncertainty. Accuracies are the

overall predictive capabilities of the models tested on independent data

through cross validation. Prediction uncertainties are the mapped uncertain-

ties associated with the model predictions.

2.5

2.5. Combining maps

We calculated PSC for each depth interval using Equations 1. In order to prop-

agate uncertainties, we convoluted the predicted quantiles. We convoluted

quantiles by performing operations with every combination of the two com-

ponent soil properties, then calculating quantiles on the resulting matrix.

Ta-

ble 3

shows an example of this procedure. The area mapped for PSC covers

all of Denmark apart from the organic lowland soils (>6% OC; Adhikari et al.,

2014a).

Table 3.

Example of quantile convolution for uncertainty propagation when calculating

PSC with equation 1. In this case, we also multiplied the resulting values by 0.5, as in the

equation.

0.5

1.5

…

99.5

Q0.5

+Fe

Q0.5

Q1.5

+Fe

Q0.5

…

Q99.5

+Fe

Q0.5

1.5

Q0.5

+Fe

Q1.5

+Fe

Q1.5

…

Q99.5

+Fe

Q1.5

…

99.5

Q0.5

+Fe

Q99.5

Q1.5

+Fe

Q99.5

…

Q99.5

+Fe

Q99.5

3.1

Results

Accuracy

Table 4

summarizes the model setups for the prediction of Al

and Fe

and

the accuracies of the predictions. Predictions of Al

had moderate R

and a

low RMSE

. However, R

for Fe

predictions was low. Part of this finding

was due to the strong positive skew of the variable. With a logarithmic trans-

formation of the observations and predictions, R

increases to 0.27. This

shows that errors are largest in areas with large amounts of Fe

Table 4:

Optimal setup for the prediction of each soil property, as well as the accuracy of

the predictions. OGC: Number of oblique geographic coordinate rasters. R

: Weighted

Pearson’s R

. RMSE

: Weighted root mean square error.

Soil property

OGC

mtry

160

Split rule

extratrees

variance

Minimum

node size

0.49

0.14

RMSE

14.0

32.3

162

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

3.2

Covariate importance

For predictions of Al

, the depth was the most important covariate (Table

5).

In addition, several different sets of factors influenced Al

, including parent

materials, landscape position, soil drainage status and climate, especially pre-

cipitation. For predictions of Fe

, contents of soil organic matter were the

most important covariates. In addition to these, soil texture, landscape posi-

tion and wetland status were the most important covariates. In itself, depth

had little influence on Fe

compared to the other covariates.

Table 5:

The ten most important covariates in the models for predicting Al

and Fe

. For

variable explanations, see Table 2.

Covariate

DEPTH

Landscape 2 (Littorina)

Elevation

Wetland

Soil drainage class

SOM (0 - 30 cm)

Precipitation

Geology 6 (Marine sand)

MRVBF

BIO12_mean_P

Georeg 8 (East)

Importance

100

Covariate

SOM (30 - 60 cm)

SOM (60 - 100 cm)

SOM (0 - 30 cm)

Coarse sand (100 - 200 cm)

Relative slope position

Wetland

SOM (100 - 200 cm)

Fine sand (60 - 100 cm)

Silt (0 - 30 cm)

Silt (100 - 200 cm)

Coarse sand (0 - 30 cm)

Importance

100

3.3

Maps

The contents of Al

and Fe

in soils depend on the chemical composition of

the parent material as well as the extent of weathering and redistribution pro-

cesses. Mineral weathering is typically highest near the soil surface facilitated

by organic acids (Raulund-Rasmussen et al., 1998) which often leads to ele-

vated concentrations of Al

and Fe

in the top soil. The spatial distribution

of Al

and Fe

is closely linked to the overall glaciation history and pattern

in Denmark that strongly determined parent material (Madsen and Jensen,

1992). The loamy moraine soils that have developed after the latest Baltic ice

advance in most of eastern Denmark and coastal areas in eastern Jutland are

least weathered and characterized by rather low contents of Al

and Fe

(Fig-

ures 2, 3). In contrast, the highest contents of Al

are found in the older and

more weathered fine sandy moraine soils of northern Jutland, Himmerland

and a narrow belt stretching south in Eastern Jutland where little redistribu-

tion of Al

has occurred in soil profiles (Figure 2). Lower contents of Fe

these soils are consistent with lower initial Fe(III)oxide contents compared to

the loamy soils of eastern Denmark (Figure 3). The more weathered loamy

moraine soils in eastern Jutland and on parts of Funen have intermediate Fe

contents. Much of the coarse sandy outwash plain in western Jutland is char-

acterized by rather low Al

and Fe

contents in the topsoil (Figure 2, 3). This

163

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

is explained by silicatic parent material depleted in metal oxides and subse-

quent vertical redistribution of Al

and Fe

in soil profiles (Madsen et al.

1992). Such redistribution to lower soil horizons is referred to as podsoliza-

tion. Podzolization is a process frequently occurring in sandy soils with very

low clay content receiving high precipitation where organic acids in the top-

soil mobilize aluminium and iron (Brady and Weil, 2014). Percolating water

transports the mobilized substances downwards where they precipitate at

lower depths creating an Al

and Fe

enriched subsurface horizon

(Väänänen et al., 2008). Podzolized soils are prevalent in western Denmark

(Adhikari et al., 2014b) which is consistent with the highest contents of Al

observed in the depth interval 25 – 50 cm for this area (data not shown).

Figure 2.

Predicted concentration

of Al

in the depth interval 0 – 25

cm. Organic lowlands >6% OC

are not mapped.

The predicted contents of Fe

had a strong positive skew in all four mapped

soil layers, as Fe

contents were generally high in lowland compared to up-

land soils (Figure 3). Lowlands and river valley soils are generally zones of

regional flow convergence receiving relatively large loads of water and dis-

solved constituents (McClain, 2003). Dissolved Fe(II) originating from upland

anoxic aquifers is thus often transported to these zones where it precipitate as

iron sulfide (under anoxic conditions) or as iron oxide (under aerobic condi-

tion) (Appelo and Postma, 2005). Compared to the spatial trends, the depth

variation in Fe

was small (data not shown).

164

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 3:

Predicted concentra-

tion of Fe

in the depth interval 0

– 25 cm. Organic lowlands >6%

OC are not mapped.

The map of PSC represents the combined effects from the spatial distribution

of both of the constituent properties (Figure

4).

Maps of PSC and correspond-

ing prediction uncertainties have been produced for all four depth intervals.

Figure 4 provides an example for the 0-25 cm depth.

165

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 4.

Example of predicted

PSC, calculated with Equation 1

in the depth interval 0 – 25 cm.

Organic lowlands >6% OC are

not mapped.

The prediction uncertainty was generally lowest in upland areas in eastern

Denmark and highest in lowland areas including river valleys, raised seabeds

and tidal flats. For example, on the one hand, the lower prediction quartile for

organic wetlands in northern Denmark was comparable to the surrounding

post-glacial raised sea beds, which had a low PSC (Figure

5a).

On the other

hand, the upper prediction quartile for the same areas was amongst the high-

est values in Denmark (Figure

5b).

Therefore, the areas with the largest PSC

also had the largest uncertainties in PSC.

166

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 5.

Lower (left) and upper (right) prediction quartiles for PSC calculated with Equation 1 for the depth interval 0 – 25 cm.

Organic lowlands >6% OC are not mapped.

3.4

Conclusions

While the map of oxalate-extractable aluminium (Al

) was moderately accu-

rate, it was difficult to map oxalate-extractable iron (Fe

) due to its highly

skewed distribution. Moreover, the spatial distributions of the two properties

follow different patterns. The age and origin of the parent materials, as well

as soil-forming processes have a large effect on Al

. On the other hand, re-

gional redistribution in groundwater and soil texture have the largest effects

on Fe

. Contents of Al

were highest in upland soils in northern Jutland and

generally low in aeolian sediments and in the youngest loamy moraine soils

of southeastern Denmark. Meanwhile, predicted contents of Fe

were espe-

cially high in riverine lowland areas and moderate in loamy moraine soils.

The map of PSC shows the combined spatial trends of Al

and Fe

. High PSC

is predicted in lowland areas and the fine sandy moraine soils stretching from

northern to southern Jutland, while low PSC is prevalent in upland soils of

eastern Denmark. Prediction uncertainties generally follow the pattern in

PSC, with high prediction uncertainties for areas with high PSC, and low un-

certainties for areas with low PSC. The resulting geographic data layers pro-

vide essential input to modelling P leaching in the soil matrix.

References

Adhikari, K., Hartemink, A.E., Minasny, B., Kheir, R.B., Greve, M.B. and

Greve, M.H., 2014a. Digital mapping of soil organic carbon contents and

stocks in Denmark. PLOS ONE 9(8), e105519.

http://dx.doi.org/10.1371/journal.pone.0105519.

167

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Adhikari, K., Kheir, R.B., Greve, M.B., Bøcher, P.K., Malone, B.P., Minasny, B.,

McBratney, A.B. and Greve, M.H., 2013. High-resolution 3-D mapping of soil

texture in Denmark. Soil Sci. Soc. Am. J. 77(3), 860-876.

http://dx.doi.org/10.2136/sssaj2012.0275.

Adhikari, K., Minasny, B., Greve, M.B. and Greve, M.H., 2014b. Constructing

a soil class map of Denmark based on the FAO legend using digital tech-

niques. Geoderma 214-215, 101-113.

http://dx.doi.org/10.1016/j.ge-

oderma.2013.09.023.

Andersen, H.E., Baatrup-Pedersen, A., Blicher-Mathiesen, G., Christensen,

J.P., Heckrath, G., Nordemann Jensen, P. (red.), Vinther, F.P., Rolighed, J.,

Rubæk, G. & Søndergaard, M. 2016. Redegørelse for udvikling i landbrugets

fosforforbrug, tab og påvirkning af Vandmiljøet. Aarhus Universitet, DCE –

Nationalt Center for Miljø og Energi, 86 s. - Teknisk rapport fra DCE - Natio-

nalt Center for Miljø og Energi nr. 77.

Appelo, C.A.J., Postma, D. 2005. Geochemistry, groundwater and pollution.

ed. CRC Press, Boca Raton.

Borggaard, O.K., Jørgensen, S.S., Møberg, J.P. and Raben-Lange, B., 1990. In-

fluence of organic matter on phosphate adsorption by aluminium and iron

oxides in sandy soils. J. Soil Sci. 41(3), 443-449.

http://dx.doi.org/10.1111/j.1365-2389.1990.tb00078.x.

Borggaard, O.K., Szilas, C., Gimsing, A.L. and Rasmussen, L.H., 2004. Estima-

tion of soil phosphate adsorption capacity by means of a pedotransfer func-

tion.

Geoderma

118(1-2), 55-61.

http://dx.doi.org/10.1016/s0016-

7061(03)00183-6.

Brady, N.C. and Weil, R.R., 2014. The nature and properties of soils. Prentice-

Hall Inc.

Fick, S.E. and Hijmans, R.J., 2017. WorldClim 2: New 1-km spatial resolution

climate surfaces for global land areas. Int. J. Climatol. 37(12), 4302-4315.

http://dx.doi.org/10.1002/joc.5086.

Frossard, E., Fardeau, J.C., Ognalaga, M., Morel, J.L. 1992. Influences of agri-

cultural practices, soil properties and parent material on the phosphate buff-

ering capacity of cultivated soils developed under a temperate climate. Eur. J.

Agron. 1, 45–50.

Jakobsen, P.R., Hermansen, B. and Tougaard, L., 2015. Danmarks digitale

jordartskort 1:25000 version 4.0. GEUS.

Kronvang, B., Bechmann M., Lundekvam H., Behrendt H., Rubæk G. H.,

Schoumans O.F., Syversen N., Andersen H.E. and Hoffmann C.C. 2005. Phos-

phorus losses from agricultural areas in river basins: effects and uncertainties

of targeted mitigation measures. J. Environ. Qual. 34, 2129-2144.

Kronvang, B., Rubæk, G.H., Heckrath, G. 2009. International phosphorus-

workshop: diffuse phosphorus loss to surface water bodies — risk assess-

ment, mitigation options and ecological effects in river basins. J. Environ.

Qual. 38, 1924–1929.

168

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Raulund-Rasmussen, K., Borggaard, O.K., Hansen, H.C.B., Olsson, M. 1998.

Effect of natural organic soil solutes on weathering rates of soil minerals. Eu-

rop. J. Soil Sci. 49, 397-406.

Madsen, H.B., Jensen, N.H. 1992. Pedological regional variations in well-

drained soils, Denmark. Geografisk Tidsskrift 92,61-6

Madsen, H.B., Nørr, A.H. and Holst, K.A., 1992. The Danish soil classification.

The Royal Danish Geographical Society, Copenhagen, Denmark.

McBratney, A.B., Mendonça Santos, M.L. and Minasny, B., 2003. On digital

soil mapping. Geoderma 117(1-2), 3-52.

http://dx.doi.org/10.1016/s0016-

7061(03)00223-4.

McClain, M.E., Boyer, E.W., Dent, C.L., Gergel, S.E., Grimm, N.B., Groffma,

P.M., Hart, S.C., Harvey, J.W., Johnston, C.A., Mayorga, E., McDowell, W.H.,

Pinay, G. 2003. Biogeochemical hot spots and hot moments at the interface of

terrestrial and aquatic ecosystems. Ecosystems 6, 301-312.

McGechan, M.B., Lewis, D.R. 2002. Sorption of Phosphorus by Soil, Part 1:

Principles, Equations and Models. Biosystems Engineering 82, 1-24.

Meinshausen, N., 2006. Quantile regression forests. Journal of Machine Learn-

ing Research 7(Jun), 983-999.

Minasny, B. and McBratney, A.B., 2006. A conditioned Latin hypercube

method for sampling in the presence of ancillary information. Comput. Ge-

osci. 32(9), 1378-1388.

http://dx.doi.org/10.1016/j.cageo.2005.12.009.

Muscarella, R., Galante, P.J., Soley-Guardia, M., Boria, R.A., Kass, J.M., Uri-

arte, M., Anderson, R.P. and McPherson, J., 2014. ENMeval: An R package for

conducting spatially independent evaluations and estimating optimal model

complexity for Maxent ecological niche models. Methods Ecol. Evol. 5(11),

1198-1205.

http://dx.doi.org/10.1111/2041-210x.12261.

Møller, A.B., Beucher, A., Iversen, B.V. and Greve, M.H., 2017. Prediction of

soil drainage classes in Denmark by means of decision tree classification. Ge-

oderma 352, 314-329.

http://dx.doi.org/10.1016/j.geoderma.2017.10.015.

Møller, A.B., Beucher, A., Iversen, B.V. and Greve, M.H., 2018. Predicting ar-

tificially drained areas by means of a selective model ensemble. Geoderma

320, 30-42.

http://dx.doi.org/10.1016/j.geoderma.2018.01.018.

Møller, A.B., Beucher, A.M., Pouladi, N. and Greve, M.H., 2019a. Oblique ge-

ographic coordinates as covariates for digital soil mapping. SOIL Discuss.

http://dx.doi.org/10.5194/soil-2019-83.

Møller, A.B., Malone, B., Odgers, N.P., Beucher, A., Iversen, B.V., Greve, M.H.

and Minasny, B., 2019b. Improved disaggregation of conventional soil maps.

Geoderma 341, 148-160.

http://dx.doi.org/10.1016/j.geoderma.2019.01.038.

Norgaard, T., de Jonge, L.W., Moldrup, P., Olsen, P., Johnsen, A.,R. 2015. Can

simple soil parameters explain field-scale variations in Glyphosate-, Bro-

moxyniloctanoate-, Diflufenican-, and Bentazone mineralization? Water Air

Soil Pollut (2015) 226: 262

169

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Padarian, J., Minasny, B. and McBratney, A.B., 2020. Machine learning and

soil sciences: a review aided by machine learning tools. Soil 6(1), 35-52.

http://dx.doi.org/10.5194/soil-6-35-2020.

Paradelo, M., Norgaard, T., Moldrup, P., Ferré, T.P.A., Kumari, K.G.I.D., Ar-

thur, E., de Jonge, L.W. 2015. Prediction of the glyphosate sorption coefficient

across two loamy agricultural fields. Geoderma 259-260, 224-232.

Paradelo, M., Hermansen, C., Knadel, M., Moldrup, P., Greve, M.H., de Jonge,

L.W. 2016. Field-scale predictions of soil contaminant sorption using visible–

near infrared spectroscopy. J. Near Infrared Spectrosc. 24, 281-291.

Poulsen H.D., Rubæk G.H. (eds.) 2005. Fosfor i dansk landbrug. DJF rapport

Husdyrbrug nr. 68. Aarhus Universitet, Det Jordbrugsvidenskabelige Fakul-

tet. 211 p.

Roudier, P., Hewitt, A.E. and Beaudette, D.E., 2012. A conditioned Latin hyper-

cube sampling algorithm incorporating operational constraints. Digital Soil As-

sessments and Beyond, 227-231.

http://dx.doi.org/10.1201/b12728-46.

Samuel, A.L., 1959. Some studies in machine learning using the game of

checkers. IBM J. Res. Dev. 3(3), 210-229.

http://dx.doi.org/10.1147/rd.33.0210.

Schoumans O.F. 2000. Determination of the degree of phosphate saturation in

non-calcareous soils. In: G.M. Pierzynski, editor. Methods of phosphorus anal-

ysis for soils, sediments, residuals and waters. Raleigh NC, USA. Coop. Ser.

Bull. 396, Publ. SERA-IEG-17., North Carolina State University, pp. 31–34.

Schoumans, O.F., Groenendijk, P. 2000. Modelling soil phosphorus levels and

phosphorus leaching from agricultural land in the Netherlands. J. Environ.

Qual. 29, 111–116.

Schoumans, O.F., Chardon, W. 2015. Phosphate saturation degree and accu-

mulation of phosphate in various soil types in The Netherlands. Geoderma

237-238, 325-335.

Schwertmann, U., Schieck, E. 1980. Das Verhalten von Phosphat in eisenoxid-

reichen Kalkgleyen der Münchner Schotterebene. Zeitschrift Pflanzenernäh-

rung Bodenkunde 143, 391-401.

Taghizadeh-Toosi, A., Olesen, J.E., Kristensen, K., Elsgaard, L., Østergaard,

H.S., Lægdsmand, M., Greve, M.H. and Christensen, B.T., 2014. Changes in

carbon stocks of Danish agricultural mineral soils between 1986 and 2009. Eur.

J. Soil Sci. 65(5), 730-740.

http://dx.doi.org/10.1111/ejss.12169.

Torrent, J., Barron, V., Schwertmann, U. 1990. Phosphate adsorption and de-

sorption by goethites differing in crystal morphology. Soil Sci. Soc. Am. J. 54,

1007–1012.

Van Der Zee, S.E.A.T.M. and Van Riemsdijk, W.H., 1986. Sorption kinetics

and transport of phosphate in sandy soil. Geoderma 38(1-4), 293-309.

http://dx.doi.org/10.1016/0016-7061(86)90022-4.

170

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Van der Zee, S.E.A.T.M., Van Riemsdijk, W.H., De Haan, F.A.M. 1990. Het

protokol fosfaatverzadigde gronden. Deel 1: Toelichting. Vakgroep Bodem-

kunde en Plantevoeding, Landbouwuniversiteit, Wageningen.

Vaysse, K. and Lagacherie, P., 2017. Using quantile regression forest to esti-

mate uncertainty of digital soil mapping products. Geoderma 291, 55-64.

http://dx.doi.org/10.1016/j.geoderma.2016.12.017.

Väänänen, R., Hristov, J., Tanskanen, N., Hartikainen, H., Nieminen, M. and

Ilvesniemi, H., 2008. Phosphorus sorption properties in podzolic forest soils

and soil solution phosphorus concentration in undisturbed and disturbed soil

profiles. Boreal Env. Res. 13(6), 553–567.

171

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Bilag 3 Mapping leaching of dissolved phos-

phorus from Danish agricultural soils

Jonas Rolighed

Academic quality assurance: Rasmus Jes Petersen

Department for Bioscience, AU

Contents

Introduction

1.1

1.2

1.3

Background

Aim and objective

Phosphorus in soil and water

1.3.1 Relation between soil P and P in soil solution

173

174

175

176

177

178

179

181

182

183

184

185

186

187

188

189

191

192

Data and methods

2.1

2.2

2.3

Soils

Suction cup and tile drain measurements in agricultural

monitoring catchments

Analytical methods

2.3.1 Reversibly adsorbed FeO-P

2.3.2 Water extractable P

2.3.3 Olsen P

2.3.4 Oxalate extractable P, Al and Fe

2.3.5 0.01M CaCl

-extractable P

2.3.6 P enrichment

Results

3.1

3.2

3.3

3.4

DRP in 0.01 M CaCl

extracts, suction cups and tile drains

DRP in 0.01M CaCl

extracts and soil P tests

Relation between Olsen P, P

and FeO-P

Determination of Langmuir parameters

Modelling soil solution P and P transport in monitored fields

4.1

Model overview

4.1.1 Vertical water transport

4.1.2 Equilibrium P concentration in the soil profile

4.1.3 Model setup

Measured and simulated DRP concentrations

4.2.1 DRP concentration in 0.01 M CaCl

1:4 (w:v)

extracts

4.2.2 DRP concentration in suction cups

4.2.3 DRP concentration in tile drains

4.2.4 DRP transport in tile drains

4.2

Modelling soil solution P and P transport in Denmark

5.1

Data

5.1.1 Field map 2019

5.1.2 Phosphorus sorption capacity (Al + Fe)

172

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

5.2

5.3

5.4

5.1.3 Soil P content

5.1.4 Presence of tile drains

Results

5.2.1 DRP concentration in soils

5.2.2 DRP transport in tile drains

Sensitivity

Uncertainties

193

195

196

198

199

203

204

References

Appendix

7.1

7.2

7.3

24 h, 48 h and 72 h FeO-P experiment results.

TP:DRP ratio in soil and drain water

Topsoil-subsoil relations

7.3.1 Introduction

7.3.2 Methods

7.3.3 Results

Introduction

1.1 Background

Only few models address P loss in drainage water, as the diffuse loss of P in

surface runoff is historically considered the greatest P loss pathway in many

landscapes (Baker et al., 1975; Skaggs et al., 1994). However, in flat, intensively

drained landscapes like the Danish, the amount of P lost through tile drains

may locally be significant (Andersen et al., 2016).

One approach to estimate the subsurface P leaching is by applying mechanis-

tic models. These models dynamically describe nutrient cycles and water

transport both on the surface and subsurface. However, they are very de-

manding with respect to input data and often require a large number of phys-

ical, chemical and biological input parameters to describe the nutrient

transport of a field or catchment accurately. Such a model describing the Dan-

ish hydrological pathways was developed by Højberg et al. (2015) and has

been used for a national mapping of nitrogen retention of catchments

(Højberg et al., 2015b).

Simple methods for quantifying subsurface P loss on field and regional scales

are rare. An example of previous work to estimate the risk P-loss for Danish

catchments was done by Andersen et al. (2006). They developed a simple, em-

pirical index based on easily accessible data. The tool produced an estimate of

the relative importance of the P loss pathways from fields, but did not quan-

tify the amount of lost P.

1.2 Aim and objective

The overall aim was to develop and apply a simple empirical-based model

able to estimate average subsurface P transport from a field on mineral soil

from relatively few inputs regarding P status, soil characteristics, hydrology

173

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

and local transport pathways. Inputs were based on both existing and newly

generated knowledge regarding P sorption kinetics of Danish soils.

A central part of the methodology used in this report was developed by

Schoumans et al. (2013) and has previously been applied to Dutch and Danish

fields and catchments (van der Salm et al., 2011). In this report, we further

investigate the parameterization of the Langmuir sorption model, i.e. the P

sorption characteristics of Danish soils. We investigate the factors controlling

the reactive phosphorus concentration in the soil water as determined by the

amount of phosphorus adsorbed to the soil as well as associated soil attrib-

utes, e.g. P sorption capacity in the form of iron and aluminium. Furthermore,

we use the new parameterization of the Langmuir sorption model to estimate

P in soil solution on field and catchment scale and also test a newly developed

model based on machine learning techniques to estimate the water transport

in the soil matrix and in macropores from drained fields. The transport of or-

ganic P and particulate P is not considered in the current study.

1.3 Phosphorus in soil and water

In Denmark, the subsurface leaching of P is largely determined by the amount

of accumulated P in the soil and the hydrological connectivity between the

field and the water body. Due to a long history of fertilization of Danish fields,

the soil P status and the soil sorption capacity will usually be the main factor

determining the risk of P leaching. According to Kyllingsbæk (2008) and

Vinter and Olsen (2019), on average 1500 kg P ha

-1

have accumulated in the

agricultural soil in the period 1990-2018 with an average surplus application

of 7 kg P ha

-1

in the period 2008-2018.

1.3.1 Relation between soil P and P in soil solution

Theory

The fast, reversible adsorption of inorganic P in soil and soil solution in acid,

sandy soils may be described with the Langmuir kinetics equation (van der

Zee et al., 1987):

where Q (��

��

)

is the amount of reversibly adsorbed P,

��

(��

�� ℎ

)

is the adsorption rate constant,

��

(��

��

)

the inorganic P concentration in

the soil solution,

��

(��

��

)

the adsorption maximum and

��

(ℎ )

the desorption rate constant. At equilibrium, equation (1) can be expressed as

Where

��

is the adsorption constant.

��

(2)

��

− �� − ��

(1)

The amount of reversibly adsorbed P in soil (Q) may be estimated by intro-

ducing an infinite sink to a soil sample in solution. When introducing an infi-

nite sink to the soil solution, a negligible P concentration will be ensured due

to sufficiently high sorption capacity and affinity of the sink. The following

conditions can be assumed to apply:

��

= 0

��

��(��)��

= 0

��

> 0

(3)

(4)

174

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Under such conditions, equation (3 can be integrated to yield

��

can be estimated by fitting results from infinite sink experiments with a

contact time of 24 h to equation (5).

Direct measurement of P concentration in the soil solution may be time-con-

suming and instead, the dissolved reactive P (DRP) concentration may be cal-

culated by the sorption and desorption characteristics described by the Lang-

muir isotherm (rearrangement of equation (2)

��

For many soil types

��

is related to the amount of oxalate-extractable Al

and Fe content (van der Zee et al., 1987; Koopmans et al., 2006):

(

)

��(��)

��

(−��

��)

(5)

(6)

where

is the maximum adsorption fraction. Substituting Q

max

in equation

(6) yields

��

( (

)

��½(��

��

)

(7)

(8)

Data and methods

2.1 Soils

Soil samples originated from two different sources: The 7-km sampling grid

network (Kvadratnettet) and the Danish agricultural monitoring program

(LOOP) (Figure

2.1).

278 topsoils (0-25 cm) from a sampling campaign in 2008

were selected from the 7-km grid network. 29 fields from the Danish agricul-

tural monitoring programme were sampled in 2015 in three depths (0-25 cm,

25-50 cm and 50-100 cm). Prior to analysis, soil material had been air-dried,

sieved to <2 mm and stored at room temperature. Samples were assigned to

textural classes based the Danish soil classification system and transformed to

the USDA classification system using the R package ‘soiltexture’ (Figure

2.2).

The LOOP soils were also sampled in 2004, and as the amount of Al and Fe

was not analysed in the 2015 campaign, it was assumed equal to the values

obtained in 2004.

175

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 2.1.

Overview of soils in

the study. Blue dots represent

samples from the 7-km sampling

grid network (Kvadratnettet).

Green dots represent locations of

the five catchments in the Danish

agricultural monitoring program.

Figure 2.2.

Textural composition

of soil samples used in the study

according to the USDA soil clas-

sification system. The majority of

soils were classified as sandy

loam, loamy sand and loam.

2.2 Suction cup and tile drain measurements in agri-

cultural monitoring catchments

The Danish agricultural monitoring programme consists of five small catch-

ments dominated by agriculture. Each catchment is equipped with soil water

sampling stations in six to eight fields. A soil water station consists of 10 Tef-

lon suction cups installed at depth of 1.0 to 1.2m, covering an area of about

100 m

. The water samples from the 10 suction cups are mixed into a single

sample for analysis. In catchments with drainage runoff, drainage water sta-

tions have been established for the continuous measurement of water flow.

176

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Both soil and drainage water is sampled weekly during the runoff period. For

details, see Blicher-Mathiesen et al. (2019).

2.3 Analytical methods

2.3.1 Reversibly adsorbed FeO-P

Extraction with iron oxide impregnated paper (FeO paper) was proposed as

method to determine the availability of phosphorus to plants and algae, and

has been used to quantify the amount of reversibly adsorbed P in soils (van

der Zee et al., 1987). The FeO paper acts as an ‘infinite sink’ for P in the soil

solution and keeps the concentration of P in the solution negligibly low, caus-

ing P to desorb continuously from the soil. The method has been used in many

studies in different variations, see Chardon et al. (1996) and Menon et al.

(1996) for a review of the method and its applications. Production procedure

and effective area of the FeO paper, ionic strength of the extracting solution,

shaking or rotation strength and time will all affect the amount of P extracted

from the soil (Chardon et al., 1996).

The FeO papers in this study were produced according to the recommenda-

tions of Chardon et al. (1996). For the extraction procedure, 1.25 g of soil was

added to a solution of 50 ml of 0.0025

CaCl

and 0.0025

KCl and rotated

end-over-end at 15 RPM for a period of 1 h, 3 h, 7 h, 24 h, 48 h or 72 h with a

2.5 cm × 9 cm FeO paper held in place by a screen mesh. The 1 h, 3 h, 7 h and

24 h extractions were made on separate soil samples, using a single FeO paper

for each extraction. The 48 h and 72 h, however, were done using a sequential

extraction, where the FeO paper was replaced every 24 h using the same soil

sample. See

Table 2.1

for an overview of number of extractions and extraction

times. After the rotation period, the FeO paper was cleaned with an airbrush

to remove adhering soil particles. The FeO paper was air-dried and extracted

in 40 ml 0.1 M H

for at least 1 hour, after which the extractant was neu-

tralized and DRP was determined in the solution.

Table 2.1.

Number of extractions and extraction times using FeO paper. The samples in ‘LOOP‘ and ‘Kvadratnettet’ are un-

treated soil samples, while ‘Kvadratnettet, 90 PPM’ are P enriched soil samples (see section 2.3.6).

Number of extractions using FeO paper

Sample source

Kvadratnettet

Kvadratnettet, 90 PPM

LOOP

Depth

0-25 cm

25-50 cm

50-100 cm

24h

276

48h

72h

2.3.2 Water extractable P

The amount of water extractable P (P

, Sissingh (1971)) is used as a soil test

used for fertilizer recommendations in the Netherlands. P

is originally de-

termined at a 1:60 soil:solution ratio, where about 1.2 g of soil is incubated

with 2 mL of water for 20 h. After incubation, 70 mL water is added, and the

solution is shaken for 1 h, after which it is filtered and P is measured according

to Murphy and Riley (1962).

177

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

In this study P

was determined according to a slightly modified method. 1 g

of soil was equilibrated with 1 ml of deionized water for 17 h. 49 ml of deion-

ized water was added to the equilibrated sample and rotated end-over-end at

20 RPM for 1 h. Samples were centrifuged at 1800g for 10 minutes and molyb-

date reactive phosphorus (MRP) was determined in the supernatant accord-

ing to Murphy and Riley (1962).

2.3.3 Olsen P

Bicarbonate extraction of P is the standard soil P test in Denmark (“Olsen P”

expressed as mg P per kg soil or “P-tallet” or “Pt”, expressed as mg P per 100g

soil). It forms the basis for Danish P fertilizer recommendations. In this study,

Olsen P (Olsen, 1954) was determined in a sodium bicarbonate extraction ac-

cording to Banderis et al. (1976).

2.3.4 Oxalate extractable P, Al and Fe

The oxalate extractable P has been interpreted as being the amount of total

sorbed, inorganic phosphorus, i.e. the sum of reversibly adsorbed P associated

with Al- and Fe- (hydr)oxides and the practically irreversibly sorbed P, which

is often described as P diffused into aggregates or P precipitates (Schoumans

and Groenendijk, 2000). Oxalate extractable Al and Fe is a measure for the

amount of amorphous Al- and Fe-(hydr)oxides, which controls the total sorp-

tion capacity for inorganic reversibly sorbed P in non-calcareous sandy soils

(van der Zee and van Riemsdijk, 1988; Schoumans and Groenendijk, 2000).

Oxalate extractable Al, Fe and P were determined by ICP-OES (Inductively

Coupled Plasma Optical Emission Spectrometry) after extraction with acid

ammonium oxalate (Schwertmann, 1964).

The degree of P saturation (DPS) was first described by van der Zee et al.

(1990) for non-calcareous, sandy soils. In these soils, P reacts predominantly

with Al- and Fe-(hydr)oxides and thus, it is assumed that the maximum sorp-

tion capacity of inorganic P (PSC) may be calculated from the amount of oxa-

late extractable Al and Fe:

��

��(��

��

)

(9)

in which the saturation factor represents the P sorption affinity of the Al-

and Fe-(hydr)oxides. The value will be soil dependent, but an average

value of 0.5 is commonly used (van der Zee et al., 1990; Schoumans and

Groenendijk, 2000), yielding

��

. (

)

100%

(10)

In the Netherlands, a critical P saturation degree of 25% has been defined. P

saturation degrees above this threshold may result in soil water containing

more than 0.1 mg P L

-1

leaching into the groundwater (van der Zee et al., 1990).

2.3.5 0.01M CaCl

-extractable P

To obtain soil solution by

in situ

extraction with porous suction cups or by

centrifugation of fresh soil samples is difficult and expensive. Therefore,

methods have been developed to simulate soil solution by a water extraction

or extraction in a solution with a low concentration of CaCl

. Sonneveld et al.

178

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

(1990) suggested using a soil:solution ratio of 1:2, while others have used 1:3

(Börling et al., 2001), 1:4 (Chardon et al., 2007), 1:5 (McDowell and Condron,

2004) or 1:10 (Houba et al., 1986; Koopmans et al., 2006), as well as different

extraction times and methods for shaking. Koopmans et al. (2006) reported

higher MRP concentrations in 1:2 (w:v) water extractions when using dried

compared to field-moist samples.

In this study, in order to simulate soil solution P in equilibrium with P ad-

sorbed to the soil, 10 g of soil was added to 40 ml 0.01

CaCl

solution

(soil:solution (w:v) ratio of 1:4), which was rotated end-over-end for 24 h at

20° C. The samples were centrifuged at 1800

for 10 minutes and the dis-

solved reactive P was determined in the supernatant with the molybdate blue

method (Murphy and Riley, 1962).

2.3.6 P enrichment

A subset of 10 soil samples from the 7-km grid net were chosen for a P enrich-

ment experiment in order to get a better representation of soils with very high

P status.

40 g of each soil was added to 2 L of an electrolyte solution (0.0025

CaCl

0.0025

KCl) and 90 ppm P. The soils were shaken end-over-end at 20 rpm

at 20⁰C for 24h, after which the solution was filtered through a 0.45

μm

filter

on a Büchner funnel under vacuum. In order to rinse out the remaining P sat-

uration solution, 10ml of electrolyte solution (0.0025

CaCl

, 0.0025

KCl)

was applied to the soil four times. The soil was air-dried, removed from the

filter paper and subsequently analysed for FeO-P (24 h, 48 h and 72 h), P

and

0.01

CaCl

-extractable P in two replicates.

Results

3.1 DRP in 0.01 M CaCl

extracts, suction cups and

tile drains

The DRP concentration in 0.01

CaCl

1:4 (w:v) extractions performed on

subsoils (50-100cm) sampled in 2015 ranged from 0.03 to 0.17 mg L

-1

(Figure

3.1).

The DRP in filtered soil water from suction cups measured weekly in the

LOOP catchments in the period 2014-2015 ranged from 0.05 to 0.58 mg L

-1

. P

concentrations in suction cups were generally low; only a single station had

an average DRP concentration above 0.05 mg L

-1

. Generally, there was good

agreement between the level of DRP in suction cups and DRP in the 0.01

CaCl

1:4 (w:v) extracts.

179

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

0.6

1:1 line

0.06

1:1 line

DRP (mg P L⁻¹)

in suction cups

0.4

DRP (mg P L⁻¹)

in suction cups

0.0

0.2

0.4

0.6

DRP (mg P L⁻¹)

in 1:4 (w/v) 0.01M CaCl₂

0.04

0.2

0.02

0.0

0.00

0.02

0.04

0.06

DRP (mg P L⁻¹)

in 1:4 (w/v) 0.01M CaCl₂

Figure 3.1.

Left: Average DRP in filtered soil water from 29 agricultural monitoring stations equipped with suction cups (data

from 2014-2015) against DRP concentration in 0.01 M CaCl

1:4 (w:v) extracts. Bars represent the minimum and maximum

measured DRP concentration in 2014-2015. Right: Zoom of left figure.

0.6

1:1 line

0.6

DRP (mg P L⁻¹)

in drains

0.4

DRP (mg P L⁻¹)

in drains

0.0

0.2

0.4

0.6

DRP (mg P L⁻¹)

in 1:4 (w/v) 0.01M CaCl₂

0.4

0.2

0.0

0.2

0.4

DRP (mg P L⁻¹)

in suction cups

0.6

Figure 3.2.

Left: Average DRP in drain water from 7 agricultural monitoring stations (data from 2014-2015) against DRP con-

centration in 0.01 M CaCl

1:4 (w:v) extracts. Bars represent the minimum and maximum measured DRP concentration in 2014-

2015. Right: Average DRP in drain water from 7 agricultural monitoring stations (data from 2014-2015) against average DRP in

filtered soil water.

180

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

A similar pattern could be observed when comparing DRP in 0.01

CaCl

1:4 (w:v) extractions with DRP concentration in tile drains (Figure

3.2,

left);

the average DRP concentration in drain water was low with the exception of

a single monitoring station, which also had an elevated DRP concentration in

drain water and in the 0.01

CaCl

1:4 (w:v) extraction. The range for DRP

in drain water was 0.002 to 0.39 mg L

-1

. Generally, an elevated DRP concen-

tration in suction cups could also be observed in the DRP concentration of the

tile drains (Figure

3.2,

right).

3.2 DRP in 0.01M CaCl

extracts and soil P tests

The overall picture was very similar for all three soil P tests (P

, FeO-P and

Olsen P) when compared to DRP in 0.01

CaCl

1:4 (w:v) extracts (Figure

3.3

and

Figure 3.4);

the different extraction methods were all positively correlated

with DRP in 0.01

CaCl

1:4 (w:v) extracts and the adjusted R² (R

2adj

) was

high (>0.86), when including the enriched soil samples in the analysis. Exclud-

ing the enriched samples from the analysis (not shown) yielded a lower R

2adj

(0.63, 0.53 and 0.28 for P

, FeO-P and Olsen P, respectively).

Y=0.005512 x^1.63 n=373 R²adj=0.92 RMSE=0.24

DRP (mg P L⁻¹)

in 1:4 (w/v) 0.01M CaCl₂

Water Extractable P (mg P kg⁻¹)

Figure 3.3.

Left: Relationship between water extractable P and DRP in 0.01M CaCl

1:4 (w:v) extracts. Right: Relationship be-

tween 24h FeO-P and DRP in 0.01M CaCl

1:4 (w:v) extracts. Open circles symbolize soil samples enriched in a 90ppm P solu-

tion for 24h prior to extraction (see section 2.3.6).

Oxalate extractable P correlated poorly with DRP in 0.01

CaCl

1:4 (w:v)

extracts (not shown, n=276, R

2adj

=0.13), which is similar to the findings of

Hooda et al. (2000) who compared oxalate extractable P with P release from

soil samples successively diluted with distilled water. DPS (9), on the other

hand, correlated fairly well with DRP in in 0.01

CaCl

1:4 (w:v) extracts

2adj

=0.52,

Figure 3.4

right).

181

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 3.4.

Left: Relationship between Olsen P and DRP in 0.01 M CaCl

1:4 (w:v) extracts. Right: Relationship between the

degree of phosphorus saturation and DRP in 0.01 M CaCl

1:4 (w:v) extracts. Open circles symbolizes soil samples enriched in

a 90 ppm P solution for 24 h prior to extraction (see section 2.3.6).

3.3 Relation between Olsen P, P

and FeO-P

Of the three extraction methods Olsen P, P

and FeO-P, Olsen P extracted the

largest amount of P, though the range was somewhat similar for Olsen P and

FeO-P. Unsurprisingly, Both P

and FeO-P correlated well with Olsen P

2adj

=0.66 and R

2adj

=0.68, respectively,

Figure 3.5).

Y = 0.32 x^0.96 n=989 R²ₐadj=0.66 RMSE=3.07

Y = 1.24 x^0.89 n=86 R²ₐadj=0.68 RMSE=7.68

Water Extractable P (mg P kg⁻¹)

FeO-P, 24h (mg P kg⁻¹)

100

Olsen P (mgP kg⁻¹)

Figure 3.5.

Left: Relationship between Olsen P and P

in top- and sub-soil samples (n=989) from the agricultural monitoring

programme (LOOP) and the national grid sampling network (Kvadratnettet). Right: Relationship between Olsen P and FeO-P in

top- and sub-soil samples (n=86) from the agricultural monitoring programme (LOOP) and the national grid sampling network

(Kvadratnettet).

182

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

3.4 Determination of Langmuir parameters

The desorption rate constant, k

, was estimated for 112 topsoil samples using

non-linear regression. FeO-P, 24 h (amount of P exctracted with a single FeO-

paper after 24 h) was used as Q

in equation (5) (see example in

Figure 3.6).

The average k

for all samples was 0.173 h

-1

(S.D.±0,05 h

-1

), which is close to

the value reported by van der Zee et al. (1987) for nine sandy soils (0.2±0.08 h

) as well as three sandy soil from Denmark (0.12, 0.15 and 0.18 h

-1

(van der

Salm et al., 2011)). k

was found to be unrelated to the amount of P (Total P,

Olsen P, FeO-P, CaCl

-P, Oxalate extractable P, P

) or oxalate extractable Al

or Fe in the soil.

Measured

Model Q(t)=Q₀(1-exp(-kd*time))

Y=1.52 x -0.82 n=10 R²adj=0.997 RMSE=1.80

125

FeO-P, 72h (mg P kg⁻¹)

FeO-P (mg P kg⁻¹)

100

Time [h]

FeO-P, 24h (mg P kg⁻¹)

Figure 3.6.

Left: Example of desorption of phosphorus onto FeO paper as function of time. Soil sample from topsoil on LOOP

station 601, k

=0.25, Q

=62.5 mg P kg

-1

. Non-linear regression of the desorption rate constant k

(equation (5)) is shown as a

solid line. Right: Relation between amount of P extracted with a single FeO paper for 24h and the amount of P extracted after

72h using sequential extraction with three FeO papers replaced every 24h. The solid line represents a linear regression. Param-

eter estimates are shown above the line.

The combined effect of extraction time and the sum of sequential extractions

with multiple FeO papers is presented in Figure 3.6 and Appendix 7.1. Com-

pared to 24h extraction with a single FeO paper, a sequential 72h extraction with

3 FeO papers extracted about one and a half times as much P. After 72h, the P

concentration in the extraction solution was negligible (see Appendix 7.1).

By plotting the FeO-P against DRP in 0.01M CaCl

extracts the Langmuir de-

sorption isotherm is constructed by fitting equation (8) (Figure 3.7, left). For the

regression, it was chosen to use values from the 72 h FeO-P extraction. As the

samples not pre-saturated with P were only extracted for 24 h, their values were

adjusted according to the relation in figure 09, right. The fitted parameters are

K=74.43

(L mmol

-1

) and

β=0.084

(Table 3.1.). The correlation is fairly good with

an R

2adj

of 0.72. By excluding 25 calcareous soil samples from the analysis, the

fitted parameters were

K=75.93

(L mmol

-1

) and

β=0.083

with an R

2adj

of 0.72 and

a RMSE of 0.010 (not shown). Excluding both enriched soil samples and calcar-

eous soil samples, the fitted parameter values changed to

K=158.98

(L mmol

-1

)

and

β=0.057

with an R

2adj

of 0.63 and a RMSE of 0.009 (not shown).

183

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Y=0.08 x n=10 R²=0.12 RMSE=0.94

FeO-P, 72h (mmol kg⁻¹)

(Al+Fe) (Oxalat mmol kg⁻¹)

Figure 3.7

Left: Relationship between FeO-P/(Al + Fe)

and DRP in 0.01 M CaCl2 1:4 (w:v) extracts. Right: Amount of P de-

sorbed using the FeO-method as a function of the oxalate-extractable metal content in P-saturated soil samples. Open circles

symbolizes soil samples enriched in a 90 ppm P solution for 24 h prior to extraction (see section 2.3.6).

According to equation (7), it is also possible to estimate

by linear regression

(Figure 3.7, right), using FeO-P of the P enriched soils samples as Q

max

. The

fitted

has a value of 0.084 (Table 3.1), which compares very well to the value

obtained from parameter fitting of the Langmuir isotherm.

Table 3.1. Values of K and beta of the Langmuir isotherm fitted to the relationship between DRP in 0.01

CaCl

1:4 (w:v) ex-

tracts and FeO-P/(Al + Fe)

, using 0.01

CaCl

1:4 (w:v) extracts as C and FeO-P as Q. 95% confidence intervals (CI) in

parenthesis.

Equation

��

��(��½

(

��

)

− ��)

��

)

Parameter

K (mmol L

-1

)

Estimate

74.43 (CI: 63.28-85.58)

0.084 (CI: 0.078-0.090)

0.084 (CI: 0.075-0.093)

Std. Error

5.69

0.003

0.005

��½(��

Modelling soil solution P and P transport in

monitored fields

4.1 Model overview

Using the kinetics of P sorption and desorption (section -2924944.36),

Schoumans and Groenendijk (2000) derived a model from equation (6, to cal-

culate the equilibrium concentration of P in the soil solution from the soil P

the standard soil P test in the Netherlands:

��

√

(

)

√

where

184

��

−��

;

��

−��

(��

2.4163

∙

(11)

− ��

)

− �� ; ��

��

;

��

;

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

��

√

;

��

The expression in equation (11) has previously been implemented in the sim-

ple model PLEASE (Phosphorus LEAching from Soils to the Environment,

Schoumans et al., 2013), which calculates the total P loss by leaching, taking

into account the horizontal water flux from soils to surface waters. The model

was made with a focus on fields in flat landscapes and with a shallow ground-

water table. The calculation of the horizontal water flux was based on a rela-

tion between groundwater level and drainage rates. The model was previ-

ously set up on both Dutch and Danish soils (van der Salm et al., 2011).

��

(50);

��

��ℎ��

ℎ)

2��

��

�� − √��

2��

��

√��

��

∙

;

��

(�� );

;

��

�� −

4��

��

;

��

��ℎ��

(��);

��

(��

− ��

)

4.1.1 Vertical water transport

In order to adapt the PLEASE model to the Danish agricultural landscape and

data availability, it was decided to change the model concept concerning the

water flux. Instead of calculating the horizontal water flux, a model concept

was chosen, which would calculate the vertical flux of water that leaves the

root zone as well as the water that enters the tile drains. The water entering

the tile drains was divided into two categories depending on its flowpath and

origin. The origin of preferential flow (or macropore flow) was assumed to be

at the bottom of the plow layer, hence this water was assumed to have the

same P concentration as the equilibrium P concentration in the plow layer soil

solution. The preferential flow was assumed to bypass the soil matrix and any

sorption or desorption of P would hence be negligible (Figure

4.1).

The matrix

flow was assumed to be in contact with the soil matrix and to have the same

P concentration as the equilibrium P concentration of the soil in a given depth.

The water entering the tile drain via matrix flow will thus have the same P

concentration as the soil solution surrounding the tile drains.

185

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 4.1.

Conceptual figure of the P leaching model showing the hydrological pathways and DRP concentration in the soil

profile. The plow layer is assumed to have a homogeneous distribution of reversibly sorbed P, Al and Fe and extends from the

surface to the brown line. Beneath the plow layer, the concentrations are assumed to decrease gradually with depth.

4.1.2 Equilibrium P concentration in the soil profile

The plow layer, the first layer considered in the model, was assumed homo-

geneous in terms of distribution of reversibly adsorbed P, Al and Fe and con-

sequently also the DRP equilibrium concentration in 0 to 25 cm depth. In the

deeper soil layers, the concentrations were assumed to decrease gradually

with depth, as these soil layers are not tilled. Because of the high sorption

capacity of the soil, less P accumulates in the deeper soil layers and the soil

water P concentration profiles will generally exhibit a significant decrease in

DRP concentration of the soil profile just beneath the plow layer.

The number and extent of the soil layers considered may be varied depending

on the availability of input data, which is determined by how many soil layers

have been sampled and in which depth intervals. In the present setup, the

background P concentration was not taken into account.

During model development, it was considered to include the calculation of

total P in the soil solution based on an average ratio between DRP and total P

in soil and drain water. This idea was abandoned due to the huge uncertainty

in the calculation of total P, especially for low concentrations of DRP (see ap-

pendix 7.2 for details).

186

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

4.1.3 Model setup

The model was set up on the soils described in section 2.1 as well as on drained

soils from Andersen et al. (2016). To evaluate model performance, measured

DRP concentrations in 0.01

CaCl

extractions and suction cups were com-

pared to simulated P concentration in the deepest soil layer available (50-100

cm and 75-100 cm, depending on the data) (see section 4.2.1 and 4.2.2). As

suction cups are fully in contact with the soil matrix in order to function, soil

water entering the suction cups is assumed to originate from matrix flow.

The measured DRP concentration in tile drainage, however, is assumed to be

a flow-weighted average of preferential flow originating from the plow layer

and matrix flow. Simulated P transport was compared to P transport in tile

drains in the LOOP catchments (see section 4.2.3).

The drain discharge considered in the model uses input values by Motarjemi

et al. (in prep.). Based on machine learning techniques with inputs regarding

soil properties and use of hydrological data from the DK-model (Højberg et

al., 2015a), they produced national maps with a resolution of 30.4 m predicting

the annual drain discharge for the period 1990-2017.

Furthermore, to discriminate between matrix and preferential flow, a new

map showing the potential for preferential flow was incorporated (see chapter

4.4 regarding macropore transport and particle mobilization). It mainly uses

the clay concentration in the B-horizon to roughly divide drained soils into

three classes with 0%, 30% or 60% of the drainage discharge originating from

preferential flow. The three classes have an average clay content of about 4%,

9% and 17% in the B-horizon, respectively.

Data on soil properties (P

, Al

, and Fe

) from LOOP stations included three

soil layers (0-25 cm, 25-50 cm and 50-100 cm), while drain stations from

Andersen et al. (2016) included four soil layers (0-25 cm, 25-50 cm, 50-75 cm

and 75-100 cm).

Sorption parameters for the Langmuir equation (eq. (11) were based on the

average Langmuir isotherm for Danish soils (Table

4.1).

Table 4.1.

Model input parameters for the Langmuir equation.

74.43 L mmol

-1

0.084

0.173 h

-1

4.2 Measured and simulated DRP concentrations

4.2.1 DRP concentration in 0.01 M CaCl

1:4 (w:v) extracts

Measured DRP concentrations in 0.01M CaCl

extracts from most Kvadrat-

nettet topsoils and LOOP top- and subsoils were lower than 1 mg L

-1

(Figure

4.2,

left) and the concentrations were reasonably well predicted by the model

(Table

4.2),

with an R

of 0.57 and RMSE of 0.17, although there was a slight

tendency for overestimation. This overestimation especially applied to the

LOOP subsoils with very low concentrations of 0.01M CaCl

extracts (Figure

4.2,

right). The parameterization of the model was based on an average ap-

proach, determining the Langmuir equation parameters on 362 soil samples.

The majority of these are topsoil samples (see section 3.4 and

Table 2.1).

This

187

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

might generate bias towards topsoils, which contains a larger amount of P and

thus, the applied parameters may be better suited for describing topsoils or

soil with a larger amount of adsorbed P as compared to soils with very low

amounts of adsorbed P.

DRP (mg P L⁻¹) in 1:4 (w/v) 0.01M CaCl₂

1:1 line

Y=1.03X+0.04

DRP (mg P L⁻¹) in 1:4 (w/v) 0.01M CaCl₂

0.8

1:1 line

M odelled

M easured

0.6

0.4

0.2

0.0

0.2

0.4

M easured

0.6

0.8

Figure 4.2.

Left: Measured and simulated DRP concentration in 0.01M CaCl

1:4 (w:v) extracts from Kvadratnettet topsoils and

LOOP top and subsoils. The grey band represents the 95% confidence interval for the mean. The dotted lines represent the

95% prediction interval. Right: Measured and simulated DRP concentration in 0.01M CaCl

1:4 (w:v) extracts from LOOP sub-

soils (50-100cm) only.

4.2.2

DRP

concentration in suction cups

Measured DRP concentrations in subsoils from LOOP fields equipped with

suction cups were low (<0.1 mg P L

-1

) with the exception of a single station

(Figure

4.3)

with an average DRP concentration of 0.4 mg P L

-1

in the sampling

period 2014-2015. The modelled concentrations were overestimated for a ma-

jority of the stations, despite a high R

of 0.92. There may be several reasons

for this. The soils used as input were sampled within a depth ranging from 50

to 100cm. Thus, the P

-value and the amount of (Al+Fe)

in the model repre-

sents an average value for the soil column. The suction cup, on the other hand,

is placed in a depth between 1m and 1.2m. For this reason alone, it is expected

to see lower DRP concentrations in the suction cups compared to modelled

concentrations on the subsoil samples. Furthermore, the parameterization (as

described in section 4.2.1) may also cause overestimation, while also local fac-

tors regarding P content, binding capacity and hydrology around the suction

cups may vary considerably compared to the average nature of the parame-

ters used as model inputs.

188

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 4.3.

Simulated DRP con-

centration in soil samples (50-

100cm) against measured aver-

age DRP in filtered soil water

from 26 agricultural monitoring

stations equipped with suction

cups (data from 2014-2015)

Bars

represent the minimum and maxi-

mum measured DRP concentra-

tion suction cups in 2014-2015.

The grey band represents the

95% confidence interval for the

mean. The dotted lines represent

the 95% prediction interval.

DRP (mg P L⁻¹) in suction cups

0.8

1:1 line

Y=1.42X+0.03

0.6

M odelled

0.4

0.2

0.0

0.2

0.4

M easured

0.6

0.8

4.2.3 DRP concentration in tile drains

Measured DRP concentrations were compared to simulated concentrations of

both matrix equilibrium concentrations and concentrations that were

weighted according to the contribution of macropore and matrix flow:

Soil matrix equilibrium P compared to tile drain concentrations

Average DRP concentrations in filtered drain water from LOOP fields

equipped with drain stations and fields from a sampling campaign presented

in Andersen et al. (2016) were generally low (<0.1 mg P L

-1

). The R

of the

relation between modeled and measured DRP concentrations in 41 tile drains

was 0.47. Two stations had higher tile drain concentrations (LOOP station 106,

which has two measuring points as it was sampled in both 2004 and 2015) and

a single station from Andersen et al. (2016) (Figure

4.4,

left). For the LOOP

station 106, the DRP in tile drains was lower than the DRP concentration in

suction cups (Figure

3.2,

right).

Modelled concentrations were somewhat overestimated for the LOOP station

106 (Figure

4.4,

left), which had an elevated P

concentration in the subsoil.

Excluding the LOOP station 106 from the analysis yielded a low R

of 0.04.

189

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

DRP (mg P L⁻¹) in drains

0.20

1.5

106

DRP (mg P L⁻¹) in drains

1:1 line

0.15

M odelled

1:1 line

Y=3.47X-0.05

1.0

106

0.10

0.5

0.05

0.0

0.5

0.00

0.05

0.10

0.15

M easured

0.20

1.0

M easured

1.5

Figure 4.4.

Left: Measured average DRP in filtered drain water from 41 locations against simulated DRP concentration in soil

samples from 75 to 100cm (each LOOP drain station appears twice, as the fields were sampled in both 2004 and 2015. The

corresponding drainage data is from 2003-2004 and 2014-2015, respectively). LOOP station 106 have labels added. Bars rep-

resent the minimum and maximum measured DRP concentration in tile drains. The grey band represents the 95% confidence

interval for the mean. The dotted lines represent the 95% prediction interval. Right: Zoom of left figure.

Weighted soil matrix and macropore equilibrium P compared to tile drain

concentrations

For 35 drain stations, the measured DRP concentrations in tile drains were

compared to simulated concentrations that were weighted according to the

relative contribution of macropore and matrix flow, respectively (Figure

4.5).

For the stations in question, the modelled concentrations were overestimated,

resulting in an R

of 0.6 and a RMSE of 0.18 for the relation between modelled

and measured DRP concentrations (Table

4.2).

Excluding the LOOP station

106 from the analysis yielded a low R

of 0.1.

DRP (mg P L⁻¹) in drains

1.5

106

DRP (mg P L⁻¹) in drains

0.4

1:1 line

0.3

M odelled

1:1 line

Y=5.57X-0.01

1.0

106

0.2

0.5

0.1

0.0

0.5

0.0

0.1

0.2

M easured

0.3

0.4

1.0

M easured

1.5

Figure 4.5.

Measured average DRP in filtered drain water from 35 drain stations against simulated DRP concentration weighted

according to the relative contribution of macropore and matrix flow (each LOOP drain station appears twice, as the fields were

sampled in both 2004 and 2015. The corresponding drainage data is from 2003-2004 and 2014-2015, respectively). LOOP sta-

tion 106 have labels added. Bars represent the minimum and maximum measured DRP concentration in tile drains. The grey

band represents the 95% confidence interval for the mean. The dotted lines represent the 95% prediction interval. Right: Zoom

of left figure.

190

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Table 4.2.

Model performance for concentrations in 0.01M CaCl

extracts, suction cups and tile drains.

Concentrations

0.01M CaCl

extracts

Suction cups

Tile drains (Soil matrix concentration)

Tile drains (Weighted matrix and macropore concentration)

353

0.57

0.92

0.47

0.60

RMSE

0.17

0.03

0.16

0.18

4.2.4 DRP transport in tile drains

The simulated DRP transport was compared to measured transports in the

seven LOOP drain catchments (Figure

4.6).

The measured transport ranged

from 0.017 kg P ha

-1

to 0.6 kg P ha

-1

. The modelled DRP transport was gener-

ally overestimated in all but one station (station 201), which is known to have

a high input of groundwater into the tile drains. Excluding this station from

the analysis increased the R

of the relation from 0.008 to 0.2.

Figure 4.6.

Simulated DRP

transport weighted according to

the contribution of macropore and

matrix flow against measured an-

nual DRP transport in filtered

drain water from seven LOOP

stations against (each LOOP

drain station appears twice, as

the fields were sampled in both

2004 and 2015.) LOOP station

106 have labels added. Each

data point represents the annual

modelled and measured transport

in the period July 1

to June 30rd.

The grey band represents the

95% confidence interval for the

mean. The dotted lines represent

the 95% prediction interval.

DRP (kg P ha⁻¹) - matrix and macropore flow

2.0

1:1 line

Y=-0.24X+0.39

1.5

M odelled

1.0

0.5

201

0.0

201

0.5

1.0

1.5

M easured

2.0

Modelling soil solution P and P transport in

Denmark

The parameterization for the Langmuir equation presented in

Table 4.1

was

used to set up the P leaching model on a dataset covering the majority of ag-

ricultural land in Denmark. The input for the drain discharge follows the same

principles as described in section 4.1.3. In the following sections, additional

data sources and inputs are presented.

191

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

5.1 Data

5.1.1 Field map 2019

The field map is a digital map containing the placement, extent and the type

of crop on fields for which farmers will apply for EU agricultural subsidies

(Figure

5.1).

Every field can be identified by a unique combination of a field

ID and an ID of the applicant. The map is updated annually by the farmers

and is freely available from the website of the Ministry of food, agriculture

and fishery (https://kortdata.fvm.dk/download/). The newest version of the

field map (Marker2019.shp) was used and consisted of 586.523 individual

fields covering a total of 2.660.123 ha.

Figure 5.1.

Example of fields in the digital field map.

5.1.2 Phosphorus sorption capacity (Al + Fe)

The majority of inorganic P in Danish mineral soils is adsorbed to Fe- and Al-

(hydr)oxides. Especially Al-(hyrd)oxides has been found to be effective adsor-

bents of phosphate in Danish sandy soils (Borggaard et al., 1990). The soil con-

tent of non-crystalline iron and Al-(hydr)oxides was mapped by Møller et al.

in the current project and is based on oxalate extractions. The map is based on

4747 soil samples from 1623 locations, has a resolution of 30.4 m, and contains

estimates of Fe

and Al

content including the standard error of the estimate

in four soil layers (0-25cm, 25-50cm, 50-75cm and 75-100cm). The resulting

model had a weighted Pearson’s R

of 0.49 and 0.14 for Al

and Fe

, respec-

tively. An example of the model output can be seen in

Figure 5.2.

192

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 5.2.

Oxalate-extractable

aluminum content of the top soil

layer (0-25cm).

5.1.3 Soil P content

Topsoil P content

The content of P in agricultural soils largely depends on the fertilization his-

tory and sorption characteristics of the soil in question. The sorption charac-

teristics depend on the pedogenesis and will vary significantly within a field

and on catchment scale (van der Zee et al., 1988). In Denmark, the standard

agricultural soil P test for plant-available P is based on a 0.5

bicarbonate

extraction (or in Danish “P-tallet” or “Pt”). This has since 1987 been the basis

for fertilizer recommendations in Denmark. Almost 140.000 soil samples were

analyzed for Pt in the agricultural year 2017/2018 (SEGES and Landbrug og

Fødevarer, 2018). These data, however, are the property of the farmers and

have not been available for use in this present project.

Instead, a national map of P content in the topsoil was used (Conterra, 2019).

The map is based on estimates of input P in manure and artificial fertilizer

and output P in crop yields including straw removal in the period 1920 to

2016, as well as taking into account the P binding capacities of the soil. The

model was tested on different scales, yielding an R

of about 0.7 on munici-

pality-level (kommune); the R

on a 500m resolution was about 0.3. The map

used as model input has a resolution of 100m.

Water extractable P is used as input for the model but P

is not routinely

measured and no national map of P

exists. Instead, P

is based on a relation-

ship (see section 3.3) between Olsen P (or P-tal) and P

P = 0.32

��

(12)

Relation between topsoil and subsoil content

For the calculation of equilibrium P concentration in the drain depth, infor-

mation about the P content of the lower soil layers of each field is needed as

well. Unfortunately, subsoils are not routinely sampled, which is why it was

chosen to base the subsoil P content on an empirical relation between topsoil

193

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

and subsoil P content in existing samples. 1163 soil profiles with soil samples in

four depths (0-25 cm, 25-50 cm, 50-75 cm and 75-100 cm) were selected and the

relation between top- and subsoil P content was analyzed (See Appendix 7.3 for

details). The profiles were divided into decile groups (0

-10

percentile, 10

percentile etc.) according to the topsoil P content, and the least square mean

of each decile group was calculated for each soil layer (Figure 5.3).

Figure 5.3.

Water extractable P at four depths divided into decile groups according to the topsoil P content of each soil profile.

The box represents the 25th and 75th percentile, the vertical line represents the median, the circle represents the mean and

whiskers represent minimum and maximum values.

For each field, the topsoil Olsen P value from Conterra (2019) was converted to

a P

-value based on equation

(12).

The resulting topsoil P

value was evaluated

according to Table 5.1 and assigned a subsoil P

value based on its topsoil P

value. For example, a soil with a P

value of 9 mg P kg

-1

would be placed in the

‘P60-P70’ group and assigned a sub soil P

value of 1.7 mg P kg

-1

Table 5.1.

Mean subsoil (75-100 cm) water extractable P content (P

) divided into decile groups according to topsoil water

extractable P content.

Topsoil Percentile

P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90-P100

Top Soil Percentile Range

(mg P kg

-1

)

0-3.1

3.1-4.3

4.3-5.2

5.2-6.2

6.2-7.3

7.3-8.6

8.6-9.9

9.9-11.7

11.7-14.5

14.5-49

Sub Soil (75-100cm) Mean

(mg P kg

-1

)

1,3

1,2

1,4

1,2

1,7

1,6

1,7

2,3

4,5

194

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

5.1.4 Presence of tile drains

Artificial drainage is essential for efficient crop production on many soils in

Denmark. It is estimated that approximately 70% of the agricultural soils on

the Danish islands and 40% of the agricultural soils in Jutland are drained,

almost exclusively using tile drains. Tile drains are often installed on poorly

drained soils characterized by being finely textured with slow subsurface wa-

ter movement. Tile drainage modifies the field hydrology and has a large im-

pact on the fate of sediments and nutrients. In order to estimate the connec-

tivity to waterways and the subsurface transport potential, knowledge about

drainage on fields is crucial. Drainage maps exist for local areas covering farm

or catchment levels, but no detailed national maps exist.

Møller et al. (2018) produced a map predicting the probability of artificially

drained areas of Denmark using a selective model ensemble (Figure

5.4).

The

model ensemble predicted a probability >0.5 of artificial drainage on 52% of

the agricultural area, which is in agreement with earlier work (Olesen, 2010).

The drainage map was used as input for the national model and it was as-

sumed that fields with artificial drainage would have a direct connection to

waterways. For fields without artificial drainage, it was assumed that any P

leaching out of the root zone would be absorbed in lower soil layers and not

be transported to the streams. A given field was assumed to be drained if the

mean drainage probability exceeded 0.5. The map has a resolution of 30.4 m.

Figure 5.4.

Prediction of the artifi-

cially drained areas in Denmark

(Møller et al., 2018).

195

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

5.2 Results

5.2.1 DRP concentration in soils

Equilibrium P concentration in top- and subsoils was simulated using the

Langmuir equation (DRP in 75-100cm is shown in

Figure 5.5).

Data input for

the concentration calculation was available for 2,450,233 ha mineral soils. The

mean simulated equilibrium concentration for all fields was calculated to be

0.24 mg P L

-1

for topsoils and 0.04 mg P L

-1

for subsoils. Slightly higher con-

centrations could be observed in the western part of Denmark.

Figure 5.5.

Simulated DRP concentrations in the soil layer from 75 to 100 cm.

5.2.2 DRP transport in tile drains

The DRP transport in tile drains was calculated by multiplying the top and

subsoil equilibrium P concentration with the average drain discharge for the

years 1990-2017 divided into matrix and macropore flow as presented in sec-

tion

Error! Reference source not found..

Of the 2,450,233 ha with calculated

P concentration in subsoils, 1,387,721 ha was potentially drained, while

1,346,549 ha of these had data available for calculation of P transport through

tile drains.

The mean DRP transport from matrix flow was 0.043 kg P ha

-1

in tile drained

areas and the total amount of calculated DRP transport from matrix flow in

tile drained areas was 59 t (Figure

5.6).

196

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 5.6.

Simulated DRP matrix transport in potentially tile drained areas.

Figure 5.7.

Simulated DRP macropore transport in potentially tile drained areas.

197

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

The mean DRP transport from macropore flow was 0.184 kg P ha

-1

in tile

drained areas and the total amount of calculated DRP transport from

macropore flow in tile drained areas was 248 t (Figure

5.7).

The calculated transport of DRP in macropores is based on the assumption

that water transported in macropores will have the same P concentration, as

the equilibrium concentration of the plow layer. As the soil solution P concen-

tration during heavy precipitation events may not have enough time to equil-

ibrate with P adsorbed to the soil particles, the calculated P concentration, and

therefore also the P transport, is most likely strongly overestimated. Consid-

ering the model assumptions, the calculated P concentration through

macropores may very well represent the maximum concentration of dissolved

P, one can expect from macropore transport.

5.3 Sensitivity

To estimate the sensitivity of the modelled DRP transport, a number of input

parameters were varied individually and compared to results of the baseline

setup. The Langmuir affinity constant and the maximum adsorption constant

were evaluated by changing their values to the lower and upper limits for the

confidence interval for the regression of the Langmuir isotherm given in Table

3.1. The amount of oxalate extractable Al and Fe was varied by subtracting

and adding the standard error associated with the estimate. To ensure realistic

results, the lowest value for oxalate extractable Al+Fe was limited to 15 mmol

-1

, which is the value of the 1

percentile of the studied soils (section 2.1).

Table 5.2.

Change in national DRP transport as a result of change in input parameters.

Change in DRP transport (%)

Parameter

Langmuir affinity constant (K)

Max. adsorption fraction (β)

(Al+Fe)

Lower limit

124

Upper limit

-6

-5

-20

The modelled DRP transport was, unsurprisingly, quite sensitive to the soils

P sorption capacity (parameters affecting Q

max

,), i.e. the amount of oxalate ex-

tractable Al+Fe and the maximum adsorption fraction. A decrease in

(Al+Fe)

resulted in a increase in DRP transport of 124 % and 6%, respec-

tively (Table

5.2),

while an increase in the parameter values resulted in a re-

duced DRP loss of 20 % and 5%. Using a lower value of K lead to an increase

in the DRP transport of 8%, while a higher value of K decreased the DRP

transport by -6%.

5.4 Uncertainties

The certainty of any model depends on the accuracy of the description of the

processes included in the model as well as the forcing data or data input used

for predictions. For practical reasons, the model used in the present study has

a number of intentional simplifications regarding the movement water and

transport of P through the soil. The simplifications are due to intention of for-

mulating a model that was less demanding in terms of data input and also fits

the purpose for the intended use, i.e. to calculate an average annual amount

of leached dissolved P. Though, even the simple process descriptions used in

this model will have a degree of uncertainty associated with them. This is due

to our incomplete understanding of all the processes involved combined with

198

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

the inherent uncertainty associated with the soil and water analyses them-

selves. It is evident from section 4.2, where the model was set up on stations

with locally measured inputs while using average parameters for the Lang-

muir equation. The model simulated the measured concentrations of DRP in

0.01

CaCl

extracts reasonably well, although the range of the 95% confi-

dence interval was quite big. When using the limits of the 95% confidence

interval from section 4.2.1 on simulated equilibrium concentrations in section

5.2.2, the total amount of calculated DRP transport from matrix flow in tile

drained areas ranged from 23 to 94 t, while macropore transport ranged from

227 to 270 t. This is a considerable range associated only with determining the

equilibrium P concentration of the soil. By taking the confidence intervals of

all inputs into account, the simulated range will increase even further.

The model had a tendency to overestimate the equilibrium concentration of

DRP in the subsoils. This could be due to the assumption that water trans-

ported in macropores will have the same P concentration as the equilibrium

concentration of the plow layer may not be fully valid. E.g. in periods with

heavy precipitation, the water may not be in contact with the soil for a suffi-

cient amount of time to completely equilibrate. In a model perspective, this

will cause a bias towards overestimation of P concentration in the water leav-

ing the root zone.

For the national setup, a number of inputs were used, that were not locally

measured parameters. Rather, many of these inputs were based on relations

between soil properties, historical knowledge regarding field management,

and advanced soil mapping techniques. Especially the amount of P accumu-

lated in the soil layers can be very challenging to simulate correctly, as the

local variation, and even in-field variation, can be huge due to the importance

of historical soil management and agricultural practises. These data are very

rarely available to a sufficient extent, and even in fields with very good his-

torical management data, the calculation of P status of the soil column may be

complicated by the often complex hydrological conditions.

Considering the substantial uncertainties presented above, the map produced

(Figure

5.5)

is mostly suited for demonstrating the model concept rather than

being used for evaluating soil P loss on a single field basis. Ideally, for identi-

fying fields with high risk of P loss, the main hydrological pathways should

be identified, and to estimate the subsoil leaching in drained areas, both top-

and subsoils should be sampled to evaluate the P-status of the soil profile.

References

Andersen, H.E., G. Heckrath, and B. Kronvang. 2006. Dansk P-index til

bestemmelse af fosfortab. Vand og Jord 13.

Andersen, H.E., J. Windolf, and B. Kronvang. 2016. Leaching of dissolved

phosphorus from tile-drained agricultural areas. Water Sci. Technol. 73(12):

2953–2958.

199

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Baker, J.L., K.L. Campbell, H.P. Johnson, and J.J. Hanway. 1975. Nitrate,

Phosphorus, and Sulfate in Subsurface Drainage Water. J. Environ. Qual. 4(3):

406–412Available at

https://onlinelibrary.wiley.com/doi/abs/10.2134/jeq1975.004724250004000

30027x (verified 11 May 2020).

Banderis, A., D.H. Barter, and K. Henderson. 1976. The use of polyacrylamide

to replace carbon in the determination of ’Olsen’s extractable phosphate in

soil. J. Soil Sci. 27(1): 71–74Available at http://doi.wiley.com/10.1111/j.1365-

2389.1976.tb01977.x (verified 7 February 2019).

Blicher-Mathiesen, G., H. Holm, T. Houlborg, J. Rolighed, H.E. Andersen,

M.V. Carstensen, P.G. Jensen, J. Wienke, B. Hansen, and L. Thorling. 2019.

Landovervågningsoplande 2017. Aarhus Universitet, DCE – Nationalt Center

for Miljø og Energi22.

Borggaard, O.K., S.S. Jørgensen, J.P. Møberg, and B. Raben‐Lange. 1990.

Influence of organic matter on phosphate adsorption by aluminium and iron

oxides in sandy soils. J. Soil Sci. 41(3): 443–449Available at

http://doi.wiley.com/10.1111/j.1365-2389.1990.tb00078.x

(verified

January 2018).

Börling, K., E. Otabbong, and E. Barberis. 2001. Phosphorus sorption in relation

to soil properties in some cultivated Swedish soils. Nutr. Cycl. Agroecosystems

59(1): 39–46Available at http://link.springer.com/10.1023/A:1009888707349

(verified 15 January 2018).

Chardon, W.J., R.G. Menon, and S.H. Chien. 1996. Iron oxide impregnated

filter paper (Pi test): a review of its development and methodological research.

Nutr. Cycl. Agroecosystems 46(1): 41–51Available at

https://link.springer.com/content/pdf/10.1007%2FBF00210223.pdf

(verified 29 November 2017).

Chardon, W.J., G. Mol, C. Van Der Salm, and F.P. Sival. 2007. De sorptie van

orthofosfaat in veengronden en kalkrijke zandgronden en het belang van

organisch gebonden fosfaat.

Conterra. 2019. Notat – Udvikling af GIS-kort over estimeret fosfortal i

landbrugsjord.

Højberg, A.L., S. Stisen, M. Olsen, L. Troldborg, T.B. Uglebjerg, and L.F.

Jørgensen. 2015a. DK-model2014 Model opdatering og kalibrering. : 119.

Højberg, A.L., J. Windolf, C.D. Børgesen, L. Troldborg, H. Tornbjerg, G.

Blicher-Mathiesen, B. Kronvang, H. Thodsen, and V. Ernstsen. 2015b.

National Kvælstofmodel - Oplandsmodel til belastning og virkemidler.

Metoderapport.

Hooda, P.S., A.R. Rendell, A.C. Edwards, P.J.A. Withers, M.N. Aitken, and

V.W. Truesdale. 2000. Relating Soil Phosphorus Indices to Potential

Phosphorus Release to Water. J. Environ. Qual. 29(4): 1166Available at

https://www.agronomy.org/publications/jeq/abstracts/29/4/JEQ0290041

166 (verified 29 November 2017).

200

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Houba, V.J.G., I. Novozamsky, A.W.M. Huybregts, and J.J. van der Lee. 1986.

Comparison of soil extractions by 0.01M CaCl2, by EUF and by some

conventional extraction procedures. Plant Soil 96(3): 433–437Available at

http://link.springer.com/10.1007/BF02375149 (verified 17 May 2018).

Koopmans, G.F., W.J. Chardon, P.H.M. Dekker, P.F.A.M. R??mkens, and O.F.

Schoumans. 2006. Comparing Different Extraction Methods for Estimating

Phosphorus Solubility in Various Soil Types. Soil Sci. 171(2): 103–

116Available at

http://content.wkhealth.com/linkback/openurl?sid=WKPTLP:landingpage

&an=00010694-200602000-00003.

Kyllingsbæk, A. 2008. Landbrugets husholdning med næringsstoffer 1900-

2005. Kvælstof- Fosfor - Kalium. DJF Intern Rapport Markbrug Nr. 18.

McDowell, R.W., and L.M. Condron. 2004. Estimating phosphorus loss from

New Zealand grassland soils. New Zeal. J. Agric. Res. 47(2): 137–145Available

at http://www.tandfonline.com/doi/full/10.1080/00288233.2004.9513581

(verified 13 February 2019).

Menon, R.G., S.H. Chien, and W.J. Chardon. 1996. Iron oxide-impregnated

filter paper (Pi test): II. A review of its application. Nutr. Cycl.

Agroecosystems 47(1): 7–18Available at

http://link.springer.com/10.1007/BF01985714 (verified 29 November 2017).

Møller, A.B., A. Beucher, B. V. Iversen, and M.H. Greve. 2018. Predicting

artificially drained areas by means of a selective model ensemble. Geoderma

320: 30–42Available at

https://www.sciencedirect.com/science/article/pii/S0016706117318116?vi

a%3Dihub (verified 19 June 2018).

Motarjemi, S., A.B. Møller, F. Plauborg, and B.V. Iversen. Predicting tile

drainage discharge using machine learning algorithms.

Murphy, J., and J.P. Riley. 1962. A modified single solution method for the

determination of phosphate in natural waters. Anal. Chim. Acta 27: 31–

36Available at

https://www.sciencedirect.com/science/article/pii/S0003267000884445

(verified 6 December 2017).

Olesen, S.E. 2010. Kortlægning af Potentielt

landbrugsarealer opdelt efter landskabselement,

geologisk region samt høj/lavbund. : 1–254.

dræningsbehov på

geologi, jordklasse,

van der Salm, C., R. Dupas, R. Grant, G. Heckrath, B. V Lversen, B. Kronvang,

C. Levi, G. Rubaek, and O.F. Schoumans. 2011. Predicting phosphorus losses

with the PLEASE model on a local scale in Denmark and the Netherlands. J.

Environ. Qual. 40(5): 1617–1626.

Schoumans, O.F., and P. Groenendijk. 2000. Modeling soil phosphorus levels

and phosphorus leaching from agricultural land in the Netherlands. J.

Environ. Qual. 29(1): 111–116Available at

https://www.agronomy.org/publications/jeq/abstracts/29/1/JEQ0290010

111 (verified 6 December 2017).

201

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Schoumans, O.F., C. Van der Salm, and P. Groenendijk. 2013. PLEASE: A

simple model to determine P losses by leaching. Soil Use Manag. 29(SUPPL.1):

138–146Available at http://doi.wiley.com/10.1111/sum.12008 (verified 6

December 2017).

Schwertmann, U. 1964. Differenzierung der Eisenoxide des Bodens durch

Extraktion mit Ammoniumoxalat‐Lösung. Zeitschrift für Pflanzenernährung,

Düngung, Bodenkd. 105(3): 194–202.

SEGES, and Landbrug og Fødevarer. 2018. Oversigt over landsforsøgene

2018.

Sissingh, H.A. 1971. Analytical technique of the Pw method, used for the

assessment of the phosphate status of arable soils in the Netherlands. Plant

Soil 34(1): 483–486.

Skaggs, R.W., M.A. Brevé, and J.W. Gilliam. 1994. Hydrologic and water

quality impacts of agricultural drainage∗. Crit. Rev. Environ. Sci. Technol.

24(1): 1–32Available at

https://www.tandfonline.com/doi/full/10.1080/10643389409388459.

Sonneveld, C., J. Van den Ende, and S.S. De Bes. 1990. Estimating the chemical

compositions of soil solutions by obtaining saturation extracts or specific 1:2

by volume extracts. Plant Soil 122(2): 169–175.

Vinter, F.P., and P. Olsen. 2019. DCA rapport Nr. 156 - Næringsstofbalancer

og næringsstof- overskud i landbruget 1997/98-2017/18.

van der Zee, S.E.A.T.M., L.G.J. Fokkink, and W.H. van Riemsdijk. 1987. A

New Technique for Assessment of Reversibly Adsorbed Phosphate1. Soil Sci.

Soc. Am. J. 51(3): 599Available at

https://www.soils.org/publications/sssaj/abstracts/51/3/SS0510030599

(verified 12 December 2017).

van der Zee, S.E.A.T.M., M.M. Nederlof, W.H. van Riemsdijk, and F.A.M. de

Haan. 1988. Spatial Variability of Phosphate Adsorption Parameters. J.

Environ. Qual. 17(4): 682Available at

https://www.agronomy.org/publications/jeq/abstracts/17/4/JEQ0170040

682 (verified 12 December 2017).

van der Zee, S.E.A.T.M., and W.H. van Riemsdijk. 1988. Model for Long-term

Phosphate Reaction Kinetics in Soil. J. Environ. Qual. 17(1): 35Available at

https://www.agronomy.org/publications/jeq/abstracts/17/1/JEQ0170010

035 (verified 6 December 2017).

van der Zee, S.E.A.T.M., W.H. van Riemsdijk, and F.A.M. de Haan. 1990. Het

protocol fosfaatverzadigde gronden. Wageningen, Landbouwuniversiteit.

Vakgr. Bodemkd. en Plantevoeding, Netherlands.

202

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Appendix

7.1 24 h, 48 h and 72 h FeO-P experiment results.

Table 7.1.

Determination of P equilibrium concentration (0.01

CaCl

P), oxalate extractable P, Al and Fe and reversibly ad-

sorbed P (FeO-P) as well as P in the FeO-P extraction solution for extraction times of 24 h, 48 h and 72 h.

mg P L

-1

107

112

128

235

256

0.01

CaCl

0,244

0,073

0,144

0,831

1,210

0,594

0,117

0,686

0,060

0,457

(Oxalate)

mmol kg

-1

(Oxalate)

FeO-P

24 h

mg P kg

-1

FeO-P FeO-P

48 h

111

72 h

122

0,014

0,010

0,006

0,022

0,036

0,011

0,003

0,019

0,003

0,015

0,003

0,002

0,000

0,007

0,009

0,003

0,000

0,008

0,007

0,006

0,002

0,003

0,004

0,003

0,002

0,000

in the extractant

24 h

48 h

(mg P L

-1

)

72 h

7.2 TP:DRP ratio in soil and drain water

To determine the relationship between TP and inorganic P in soil and drain

water samples, a combined dataset (n=9663) from the Danish Agricultural

monitoring program (LOOP) spanning period 1989 to 2017 as well as data

from (Andersen et al., 2016) was analysed. An exponential relationship was

able to describe the relationship quite well (R

2adj

=0.979) (Figure 7.1), although

the variation is huge, especially for low concentrations of DRP.

Figure 7.1.

TP as a function of

DRP in soil and drain water.

Analysis performed on data from

the Danish agricultural monitoring

program (LOOP) and from

Andersen et al. (2016).

Drain Water

Soil Water

T P=1.0758ortho-P+0.0051exp(ortho-P) R²adj: 0.979

TP (mg P L⁻¹)

0.1

0.01

0.001

0.01

0.1

ortho-P (mg P L⁻)

203

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

7.3 Topsoil-subsoil relations

7.3.1 Introduction

P contents of agricultural soils in Denmark have increased in the past century

due to intensive management and surplus P application through fertilizers

and animal manure. This has caused accumulation of P and local saturation

of topsoils. The soil P content of agricultural soils largely depends on the fer-

tilization history and P sorption capacities of the soil. Saturated topsoils will

leach P to lower soil layers and cause an increase of P in the lower layers. This

study aims to determine the relationship between P status of topsoil and the

P content in deeper soil layers.

7.3.2 Methods

Soil profiles from 948 locations with sampling in four depths (0-25 cm, 25-50

cm, 50-75 cm and 75-100 cm) were included in the analysis. Some locations

were sampled more than once, making the total number of soil profiles in the

analysis 1163. The soil profiles originated from different projects, thus not all

soil samples were analysed for the same set of parameters; respectively, Olsen

P was determined on 327 soil profiles, oxalate extractable P was determined

on 729 soil profiles, water extractable P was determined on 729 soil profiles

and TP was determined on 604 soil profiles. The degree of P saturation (DPS)

(10) was calculated on 729 soil profiles as the ratio between the molar concen-

trations of oxalate extractable P and half the sum of Al and Fe in soils.

To determine the relation between topsoil and subsoil P content, the soil pro-

files were grouped into deciles (0

-10

percentile, 10

-20

percentile etc.) ac-

cording to the topsoil P content. For each soil layer, the least square mean of

each decile group were compared to each other using a pairwise t-test. This

was done to show if differences in top soil P content could also be recognized

in the P content of subsoil layers. The analysis was done using Proc GLM (SAS

9.4 1M4), assuming equal variances across groups and using the pooled vari-

ance in the analysis.

7.3.3 Results

The mean P content for the measured P parameters (total P, Olsen P, water

extractable P and oxalate extractable P) had the highest values in the topsoils

and decreased with depth (Figure

7.2-Figure 7.5, Error! Reference source not

found.).

The mean P content of all topsoil decile groups were significantly

different for total P, Olsen P and water extractable P (Table

7.2-Table 7.6).

The

same was true for oxalate extractable P with the exception of four pairs of

adjacent groups (P10-P20, P20-30; P20-P30, P30-40; P30-P40, P40-50; P40-P50,

P50-60).

For all P parameters, the significance of the differences in P content in the dec-

ile groups decreased with depth. For Olsen P and oxalate extractable P, the

mean P content in 75-100cm depth was significantly different only when com-

paring the groups P0-10 and P90-100.

204

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

0-25cm

25-50cm

50-75cm

P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90-P100

75-100cm

500

1000

1500

2000

Total P (mg P/kg)

Figure 7.2.

Total P at four depths divided into decile groups according to the topsoil P content of each soil profile. The box rep-

resents the 25th and 75th percentile, the vertical line represents the median, the circle represents the mean and whiskers repre-

sent minimum and maximum values.

0-25cm

25-50cm

50-75cm

P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90-P100

75-100cm

P-Olsen (mg P/kg)

Figure 7.3.

Olsen P at four depths divided into decile groups according to the topsoil P content of each soil profile. The box rep-

resents the 25th and 75th percentile, the vertical line represents the median, the circle represents the mean and whiskers repre-

sent minimum and maximum values.

205

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 7.4.

Water extractable P at four depths divided into decile groups according to the topsoil P content of each soil profile.

The box represents the 25th and 75th percentile, the vertical line represents the median, the circle represents the mean and

whiskers represent minimum and maximum values.

0-25cm

25-50cm

50-75cm

P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90-P100

75-100cm

1000

2000

3000

4000

5000

6000

P (Oxalat mg P/kg)

Figure 7.5.

Oxalate extractable P at four depths divided into decile groups according to the topsoil P content of each soil profile.

The box represents the 25th and 75th percentile, the vertical line represents the median, the circle represents the mean and

whiskers represent minimum and maximum values.

206

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 7.6.

Degree of P saturation at four depths divided into decile groups according to the topsoil P content of each soil pro-

file. The box represents the 25th and 75th percentile, the vertical line represents the median, the circle represents the mean and

whiskers represent minimum and maximum values.

207

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Table 7.2.

p-values associated with a t-test, comparing the least square mean total P content of all decile groups in each soil

layer. P-values <0.05 (green fields) and >0.05(red fields) represent the significance of difference between the least squared

means of the decile groups.

Depth

0-25cm

Percentile

P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90-P100

25-50cm

P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90-P100

50-75cm

P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90-P100

75-100cm P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90_P100

P0-P10 P10-P20 P20-P30 P30-P40 P40-P50 P50-P60 P60-P70 P70-P80 P80-P90 P90-P100

<.0001

0,0001

<.0001

0,0001

0,0049

<.0001

0,0443

0,0128

0,0008

0,0003

<.0001

0,0506

0,1156

0,0244

0,0337

0,0045

0,0017

0,0003

<.0001

0,0002

<.0001

0,0049

0,1106

0,0168

0,0002

<.0001

0,0443

0,6227

0,1762

0,0950

0,0130

0,0001

<.0001

0,0506

0,7068

0,7591

0,8646

0,3663

0,2340

0,0836

0,0003

<.0001

0,0002

0,0003

<.0001

0,1106

0,4264

0,0298

0,0005

<.0001

0,0128

0,6227

0,3911

0,2413

0,0471

0,0009

<.0001

0,1156

0,7068

0,4966

0,5851

0,2027

0,1186

0,0361

<.0001

0,0003

<.0001

0,0168

0,4264

0,1686

0,0066

<.0001

0,0008

0,1762

0,3911

0,7559

0,2584

0,0135

<.0001

0,0244

0,7591

0,4966

0,8912

0,5521

0,3794

0,1560

0,0010

<.0001

0,0002

0,0298

0,1686

0,1747

0,0002

<.0001

0,0003

0,0950

0,2413

0,7559

0,4097

0,0300

0,0002

<.0001

0,0337

0,8646

0,5851

0,8912

0,4631

0,3078

0,1185

0,0006

<.0001

0,0005

0,0066

0,1747

0,0183

<.0001

0,0130

0,0471

0,2584

0,4097

0,1804

0,0042

<.0001

0,0045

0,3663

0,2027

0,5521

0,4631

0,7778

0,4094

0,0067

<.0001

0,0002

0,0183

0,0017

<.0001

0,0001

0,0009

0,0135

0,0300

0,1804

0,1239

<.0001

0,0017

0,2340

0,1186

0,3794

0,3078

0,7778

0,5848

0,0146

<.0001

0,0017

<.0001

0,0002

0,0042

0,1239

0,0004

<.0001

0,0003

0,0836

0,0361

0,1560

0,1185

0,4094

0,5848

0,0589

<.0001

0,0004

<.0001

0,0003

<.0001

0,0010

0,0006

0,0067

0,0146

0,0589

208

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Table 7.3.

p-values associated with a t-test, comparing the least square mean Olsen P content of all decile groups in each soil

layer. P-values <0.05 (green fields) and >0.05(red fields) represent the significance of difference between the least squared

means of the decile groups.

Depth

0-25cm

Percentile

P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90-P100

25-50cm

P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90-P100

50-75cm

P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90-P100

75-100cm P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90_P100

P0-P10 P10-P20 P20-P30 P30-P40 P40-P50 P50-P60 P60-P70 P70-P80 P80-P90 P90-P100

<.0001

0,4336

0,0309

0,0190

0,0283

<.0001

0,9267

0,9723

0,7883

0,8478

0,3020

0,1143

0,0195

0,0069

<.0001

0,7709

0,5941

0,4381

0,5197

0,3804

0,2622

0,1637

0,1921

<.0001

0,4336

0,2299

0,1474

0,1871

0,0004

<.0001

0,9267

0,9483

0,7299

0,7859

0,2865

0,1134

0,0216

0,0082

<.0001

0,7709

0,8482

0,6566

0,7447

0,6025

0,4436

0,3064

0,3492

0,0001

<.0001

0,0309

0,2299

0,7144

0,8114

0,0062

<.0001

0,9723

0,9483

0,7485

0,8120

0,2519

0,0852

0,0115

0,0035

<.0001

0,5941

0,8482

0,7649

0,8671

0,7040

0,5085

0,3412

0,3932

<.0001

0,0192

<.0001

0,0190

0,1474

0,7144

0,9108

0,0300

<.0001

0,7883

0,7299

0,7485

0,9432

0,4583

0,1948

0,0405

0,0159

<.0001

0,4381

0,6566

0,7649

0,9067

0,9553

0,7405

0,5477

0,6120

0,0004

<.0001

0,0192

<.0001

0,0283

0,1871

0,8114

0,9108

0,0248

<.0001

0,8478

0,7859

0,8120

0,9432

0,4223

0,1785

0,0372

0,0147

<.0001

0,5197

0,7447

0,8671

0,9067

0,8582

0,6569

0,4781

0,5367

0,0004

<.0001

0,0004

0,0062

0,0300

0,0248

0,0286

<.0001

0,3020

0,2865

0,2519

0,4583

0,4223

0,5355

0,1558

0,0715

0,0001

0,3804

0,6025

0,7040

0,9553

0,8582

0,7690

0,5621

0,6311

0,0002

<.0001

0,0286

0,0313

0,0037

<.0001

0,1143

0,1134

0,0852

0,1948

0,1785

0,5355

0,4417

0,2574

0,0023

0,2622

0,4436

0,5085

0,7405

0,6569

0,7690

0,7836

0,8599

0,0012

<.0001

0,0313

0,4586

<.0001

0,0195

0,0216

0,0115

0,0405

0,0372

0,1558

0,4417

0,7203

0,0232

0,1637

0,3064

0,3412

0,5477

0,4781

0,5621

0,7836

0,9202

0,0030

<.0001

0,0037

0,4586

<.0001

0,0069

0,0082

0,0035

0,0159

0,0147

0,0715

0,2574

0,7203

0,0546

0,1921

0,3492

0,3932

0,6120

0,5367

0,6311

0,8599

0,9202

0,0020

<.0001

0,0001

0,0023

0,0232

0,0546

<.0001

0,0001

<.0001

0,0004

0,0002

0,0012

0,0030

0,0020

209

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Table 7.4.

p-values associated with a t-test, comparing the least square mean water extractable P content of all decile groups in

each soil layer. P-values <0.05 (green fields) and >0.05(red fields) represent the significance of difference between the least

squared means of the decile groups.

Depth

0-25cm

Percentile

P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90-P100

25-50cm

P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90-P100

50-75cm

P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90-P100

75-100cm P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90_P100

P0-P10 P10-P20 P20-P30 P30-P40 P40-P50 P50-P60 P60-P70 P70-P80 P80-P90 P90-P100

<.0001

0,1821

0,0084

0,0142

<.0001

0,6239

0,3106

0,7391

0,0805

0,0276

0,0101

<.0001

0,7346

0,9019

0,7530

0,3128

0,4662

0,3507

0,0104

0,0073

<.0001

0,0005

<.0001

0,1821

0,1906

0,2608

0,0007

<.0001

0,6239

0,5991

0,8746

0,2066

0,0853

0,0363

<.0001

0,7346

0,6428

0,9805

0,1762

0,2841

0,2019

0,0036

0,0024

<.0001

0,0005

0,0054

<.0001

0,0084

0,1906

0,8535

0,0356

0,0020

<.0001

0,3106

0,5991

0,4943

0,4606

0,2316

0,1166

0,0005

<.0001

0,9019

0,6428

0,6604

0,3739

0,5434

0,4163

0,0144

0,0102

<.0001

0,0054

0,0005

<.0001

0,0142

0,2608

0,8535

0,0223

0,0010

<.0001

0,7391

0,8746

0,4943

0,1555

0,0604

0,0244

<.0001

0,7530

0,9805

0,6604

0,1841

0,2952

0,2106

0,0039

0,0026

<.0001

0,0005

<.0001

0,0007

0,0356

0,0223

0,3161

0,0256

<.0001

0,0805

0,2066

0,4606

0,1555

0,6463

0,4051

0,0058

0,0002

<.0001

0,3128

0,1762

0,3739

0,1841

0,7781

0,9391

0,1182

0,0920

<.0001

0,0020

0,0010

0,3161

0,2175

<.0001

0,0276

0,0853

0,2316

0,0604

0,6463

0,7086

0,0212

0,0009

<.0001

0,4662

0,2841

0,5434

0,2952

0,7781

0,8373

0,0653

0,0493

<.0001

0,0256

0,2175

0,0008

<.0001

0,0101

0,0363

0,1166

0,0244

0,4051

0,7086

0,0533

0,0031

<.0001

0,3507

0,2019

0,4163

0,2106

0,9391

0,8373

0,1013

0,0782

<.0001

0,0008

0,0175

<.0001

0,0005

<.0001

0,0058

0,0212

0,0533

0,3023

<.0001

0,0104

0,0036

0,0144

0,0039

0,1182

0,0653

0,1013

0,9020

<.0001

0,0175

<.0001

0,0002

0,0009

0,0031

0,3023

<.0001

0,0073

0,0024

0,0102

0,0026

0,0920

0,0493

0,0782

0,9020

<.0001

210

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Table 7.5.

p-values associated with a t-test, comparing the least square mean oxalate extractable P content of all decile groups

in each soil layer. P-values <0.05 (green fields) and >0.05(red fields) represent the significance of difference between the least

squared means of the decile groups.

Depth

0-25cm

Percentile

P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90-P100

25-50cm

P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90-P100

50-75cm

P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90-P100

75-100cm P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90_P100

P0-P10

0,0028

<.0001

0,3270

0,2053

0,0315

0,0168

0,0004

<.0001

0,8116

0,5219

0,4375

0,3756

0,1263

0,0325

0,0079

0,0002

<.0001

0,8484

0,7074

0,7393

0,7909

0,4976

0,4725

0,1254

0,1287

<.0001

P10-P20 P20-P30 P30-P40 P40-P50 P50-P60 P60-P70 P70-P80 P80-P90 P90-P100

0,0028

0,0978

0,0017

<.0001

0,3270

0,9221

0,3084

0,1788

0,0237

0,0007

<.0001

0,8116

0,7482

0,6324

0,5432

0,2490

0,0997

0,0318

0,0018

<.0001

0,8484

0,5911

0,6256

0,6777

0,4212

0,3983

0,1153

0,1173

<.0001

0,0978

0,0569

0,0031

<.0001

0,2053

0,9221

0,2790

0,1519

0,0108

<.0001

0,5219

0,7482

0,8294

0,7018

0,3163

0,1076

0,0284

0,0009

<.0001

0,7074

0,5911

0,9970

0,9659

0,7230

0,7177

0,2089

0,2116

<.0001

0,0017

0,0569

0,2488

0,0108

<.0001

0,0315

0,3084

0,2790

0,6722

0,1970

0,0153

0,0005

<.0001

0,4375

0,6324

0,8294

0,8618

0,4835

0,2346

0,0818

0,0055

<.0001

0,7393

0,6256

0,9970

0,9710

0,7474

0,7488

0,2625

0,2615

<.0001

0,0031

0,2488

0,2502

0,0032

<.0001

0,0168

0,1788

0,1519

0,6722

0,4569

0,0880

0,0072

<.0001

0,3756

0,5432

0,7018

0,8618

0,6450

0,3834

0,1646

0,0190

<.0001

0,7909

0,6777

0,9659

0,9710

0,7409

0,7437

0,2928

0,2898

<.0001

0,0108

0,2502

0,0489

<.0001

0,0004

0,0237

0,0108

0,1970

0,4569

0,2974

0,0286

<.0001

0,1263

0,2490

0,3163

0,4835

0,6450

0,6666

0,2983

0,0333

<.0001

0,4976

0,4212

0,7230

0,7474

0,7409

0,9712

0,4188

0,4123

<.0001

0,0032

0,0489

0,0057

<.0001

0,0007

<.0001

0,0153

0,0880

0,2974

0,1754

0,0007

<.0001

0,0325

0,0997

0,1076

0,2346

0,3834

0,6666

0,4770

0,0533

<.0001

0,4725

0,3983

0,7177

0,7488

0,7437

0,9712

0,3442

0,3423

<.0001

0,0057

0,0025

<.0001

0,0005

0,0072

0,0286

0,1754

0,0482

<.0001

0,0079

0,0318

0,0284

0,0818

0,1646

0,2983

0,4770

0,2377

<.0001

0,1254

0,1153

0,2089

0,2625

0,2928

0,4188

0,3442

0,9683

<.0001

0,0025

<.0001

0,0007

0,0482

<.0001

0,0002

0,0018

0,0009

0,0055

0,0190

0,0333

0,0533

0,2377

<.0001

0,1287

0,1173

0,2116

0,2615

0,2898

0,4123

0,3423

0,9683

<.0001

211

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Table 7.6.

p-values associated with a t-test, comparing the least square mean degree of P saturation of all decile groups in

each soil layer. P-values <0.05 (green fields) and >0.05(red fields) represent the significance of difference between the least

squared means.

Depth

0-25cm

Percentile

P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90-P100

25-50cm

P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90-P100

50-75cm

P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90-P100

75-100cm P0-P10

P10-P20

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P90_P100

P0-P10

<.0001

0,4844

0,0052

<.0001

0,8710

0,4750

0,0653

0,0701

0,0270

0,0001

<.0001

0,3968

0,9970

0,2927

0,6753

0,6968

0,1118

0,2163

0,0055

<.0001

P10-P20 P20-P30 P30-P40 P40-P50 P50-P60 P60-P70 P70-P80 P80-P90 P90-P100

<.0001

0,4844

0,0350

0,0009

<.0001

0,8710

0,3791

0,0443

0,0476

0,0174

<.0001

0,3968

0,3931

0,0573

0,2030

0,2203

0,0140

0,0370

0,0003

<.0001

0,0013

<.0001

0,0052

0,0350

0,2242

0,0332

0,0002

<.0001

0,4750

0,3791

0,2555

0,2713

0,1291

0,0019

0,0006

<.0001

0,9970

0,3931

0,2928

0,6769

0,6985

0,1114

0,2161

0,0054

<.0001

0,0013

0,0007

<.0001

0,0009

0,2242

0,3655

0,0133

<.0001

0,0653

0,0443

0,2555

0,9643

0,6917

0,0520

0,0221

<.0001

0,2927

0,0573

0,2928

0,5217

0,5172

0,6043

0,8536

0,0848

<.0001

0,0007

0,0013

<.0001

0,0332

0,3655

0,1086

0,0013

<.0001

0,0701

0,0476

0,2713

0,9643

0,6576

0,0453

0,0188

<.0001

0,6753

0,2030

0,6769

0,5217

0,9836

0,2400

0,4086

0,0174

<.0001

0,0013

0,0004

<.0001

0,0002

0,0133

0,1086

0,1283

0,0002

<.0001

0,0270

0,0174

0,1291

0,6917

0,6576

0,1308

0,0626

0,0005

<.0001

0,6968

0,2203

0,6985

0,5172

0,9836

0,2420

0,4069

0,0189

<.0001

0,0004

<.0001

0,0013

0,1283

0,0185

0,0002

<.0001

0,0001

<.0001

0,0019

0,0520

0,0453

0,1308

0,6939

0,0395

<.0001

0,1118

0,0140

0,1114

0,6043

0,2400

0,2420

0,7414

0,2159

0,0002

<.0001

0,0002

0,0185

0,1684

<.0001

0,0006

0,0221

0,0188

0,0626

0,6939

0,1029

<.0001

0,2163

0,0370

0,2161

0,8536

0,4086

0,4069

0,7414

0,1239

<.0001

0,0002

0,1684

<.0001

0,0005

0,0395

0,1029

<.0001

0,0055

0,0003

0,0054

0,0848

0,0174

0,0189

0,2159

0,1239

0,0149

<.0001

0,0002

<.0001

0,0149

212

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

0-25cm

Topsoil

Percentile

N Mean

Std. Std. Lower Upper

Dev. Err. Conf. Conf.

Limit Limit

13,9

20,4

25,2

28,4

31,7

34,9

38,3

42,9

48,6

65,3

3,2

1,7

1,1

0,8

1,2

0,7

1,3

1,4

2,0

18,0

50,4

14,9

14,7

5,6

4,7

8,3

17,0

15,3

28,2

2,7

0,8

1,2

0,7

0,4

1,2

1,1

1,5

3,3

8,2

64,5

22,3

0,4

0,2

0,1

0,2

2,1

13,2

20,0

24,9

28,2

31,4

34,7

38,1

42,6

48,1

61,1

14,7

20,8

25,4

28,5

31,9

35,1

38,6

43,3

49,1

69,5

72,0

73,0

72,0

74,0

68,0

78,0

72,0

74,0

73,0

12,1

13,3

17,0

19,1

20,6

23,5

26,1

30,1

32,5

49,7

N Mean

25-50cm

Std. Std. Lower Upper

Dev. Err. Conf. Conf.

Limit Limit

9,4

4,8

5,9

6,8

5,6

7,0

6,8

7,7

9,1

25,1

79,6

59,2

49,9

54,5

47,5

75,2

70,9

1,1

0,6

0,7

0,8

0,6

0,9

0,8

0,9

1,1

2,9

9,4

9,9

12,2

15,6

17,5

19,3

21,7

24,6

28,3

30,4

43,8

14,3

14,4

18,3

20,7

21,9

25,2

27,6

31,9

34,6

55,5

72,0

73,0

72,0

74,0

68,0

78,0

72,0

74,0

73,0

72,0

11,8

11,5

13,5

16,1

16,0

17,0

20,5

21,4

25,1

36,4

89,7

N Mean

50-75cm

Std. Std. Lower Upper

Dev. Err. Conf. Conf.

Limit Limit

8,5

6,8

6,9

10,7

6,8

10,0

8,9

10,4

15,6

32,5

62,1

65,4

63,2

54,0

74,1

1,0

0,8

1,3

0,8

1,2

1,0

1,2

1,8

3,8

7,3

9,8

9,9

11,9

13,6

14,4

14,6

18,5

18,9

21,5

28,8

13,8

13,0

15,1

18,6

17,6

19,4

22,5

23,8

28,8

44,0

72,0

73,0

72,0

74,0

68,0

78,0

72,0

74,0

73,0

72,0

50,0

15,2

12,7

15,3

18,3

16,5

16,4

19,8

18,9

23,4

30,5

99,6

91,3

N Mean

75-100cm

Std. Std. Lower Upper

Dev. Err. Conf. Conf.

Limit Limit

13,0

9,6

9,8

13,2

9,8

12,1

11,8

10,5

16,4

42,9

68,7

70,3

73,9

50,9

73,3

1,5

1,1

1,2

1,6

1,1

1,5

1,3

1,2

1,9

5,0

9,7

7,2

9,5

7,7

12,2

10,5

13,0

15,2

14,2

13,5

17,2

16,4

19,6

20,5

18,3

15,0

17,5

21,5

18,7

19,3

22,5

21,3

27,2

40,5

Percentile Range

De- P0-P10

gree P10-P20

P20-P30

Phos P30-P40

phor P40-P50

ra-

P50-P60

P70-P80

Satu- P60-P70

tion, P80-P90

P0-P10

P10-P20

(Oxa-

lat

P/kg)

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P0-P10

P10-P20

Ol-

sen

(mg

P/kg)

P20-P30

P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

Total P0-P10

P10-P20

0-18

18-23

23-27

27-30

30-34

34-36

36-41

41-45

45-53

0-192

192-248

248-295

295-341

341-372

372-403

403-465

465-507

507-619

0-18

18-21

21-25

25-28

28-30

30-34

34-38

38-43

43-54

0-371

371-453

P90-P100 53-167

72 138,6

50 219,9

96 262,6

61 308,7

44 342,3

68 375,2

109 420,2

83 479,7

72 551,7

14,4

19,0

22,4

26,3

28,3

31,5

35,7

40,2

47,6

62,0

5,9 126,7 150,4

2,1 215,7 224,2

1,5 259,6 265,6

0,7 307,2 310,1

0,7 340,9 343,8

1,0 373,2 377,2

1,7 476,4 483,1

3,3 545,1 558,3

0,5

0,2

0,1

0,2

0,3

0,6

1,4

13,4

18,7

22,0

26,0

28,1

31,1

35,3

39,7

46,4

59,3

15,4

19,4

22,8

26,5

28,4

31,9

36,1

40,7

48,7

64,8

72,0 116,4

50,0 152,5

96,0 156,0

61,0 191,5

44,0 208,2

68,0 237,1

97,7 135,1

75,1 104,3

79,3 120,8

94,7 11,2

77,3 121,8

71,8 110,9

99,0 127,5

94,2 132,1

96,0 127,0

8,4 135,7 169,3

5,1 145,8 166,1

7,0 177,5 205,4

7,2 193,8 222,7

9,1 218,9 255,3

50,0 100,1

96,0 113,3

61,0 121,6

44,0 129,7

68,0 150,8

73,1 10,3

6,7 100,0 126,5

8,1 105,4 137,8

8,1 113,3 146,2

96,0 113,3

61,0 113,1

44,0 111,5

68,0 126,5

85,1 10,3 130,2 171,4

91,9 11,1 104,2 148,7

7,0 111,2 139,1

1,6 416,9 423,4 109,0 269,4

6,8 255,9 282,8 109,0 166,5

7,1 152,4 180,6 109,0 125,1

72,0 158,9

31,0

25,0

41,0

30,0

28,0

38,0

32,0

33,0

37,0

6,8

7,5

7,9

8,5

8,2

8,6

9,2

9,7

9,5

15,6

83,0 308,9 101,4 11,1 286,8 331,1

72,0 372,7 105,8 12,5 347,9 397,6

74,0 658,7 586,9 68,2 522,7 794,6

31,0

25,0

41,0

30,0

28,0

38,0

32,0

33,0

37,0

10,5

12,1

14,5

15,2

15,0

19,4

23,6

27,9

29,4

40,8

6,2

6,1

6,2

6,0

4,5

5,1

7,6

8,6

7,6

14,7

68,9

1,1

1,2

1,0

1,1

0,8

1,3

1,5

1,3

2,4

8,2

9,6

12,6

13,0

13,3

17,8

20,9

24,8

26,7

35,9

12,7

14,6

16,5

17,5

16,7

21,1

26,4

31,0

32,1

45,7

83,0 191,0 124,7 13,7 163,7 218,2

72,0 235,9 124,2 14,6 206,7 265,1

74,0 471,9 695,2 80,8 310,8 632,9

31,0

25,0

41,0

30,0

28,0

38,0

32,0

33,0

37,0

10,1

9,9

10,0

10,7

10,5

12,3

13,6

15,3

16,1

20,1

10,3

9,3

6,0

5,0

7,6

5,6

9,9

9,5

9,4

12,4

1,8

1,9

0,9

1,4

0,9

1,7

1,6

2,0

6,3

6,0

8,1

8,8

7,6

10,4

10,0

11,9

12,7

16,0

13,9

13,7

11,9

12,6

13,5

14,1

17,2

18,7

19,4

24,2

83,0 157,4 122,4 13,4 130,7 184,2

94,8 11,2 136,7 181,2

4,6

5,3

4,9

6,2

11,0

6,2

9,8

5,3

8,0

14,2

0,8

1,1

0,8

1,1

2,1

1,0

1,7

0,9

1,4

2,3

5,1

5,3

6,3

6,1

4,0

6,5

5,6

7,8

6,7

10,9

8,5

9,6

9,4

10,8

12,5

10,6

12,7

11,6

12,4

20,4

74,0 330,4 688,7 80,1 170,9 490,0

P90-P100 619-4027

74 823,7 458,1 53,3 717,6 929,8

P90-P100 54-82

60 289,2

60 411,3

8,3 272,6 305,9

2,9 405,5 417,0

60,0 206,6

60,0 283,9

91,0 11,7 183,1 230,1

8,9 266,1 301,7

60,0 142,7

60,0 229,3

97,9 12,6 117,5 168,0

95,7 12,4 204,5 254,0

60,0 121,3 115,4 14,9

91,5 151,1

60,0 228,1 120,9 15,6 196,9 259,3

213

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

(mg P20-P30

P/kg) P30-P40

P40-P50

P50-P60

P60-P70

P70-P80

P80-P90

P0-P10

Wa- P10-P20

ter

Ex-

ble

P20-P30

P30-P40

P50-P60

P60-P70

453-494

494-536

536-581

581-621

621-663

663-715

715-802

0-3.1

3.1-4.3

4.3-5.2

5.2-6.2

6.2-7.3

7.3-8.6

8.6-9.9

9.9-11.7

11.7-14.5

61 474,4

60 515,8

60 555,8

61 598,8

60 642,8

61 686,5

60 751,9

1,9

3,7

4,8

5,6

6,7

7,9

9,1

10,8

12,9

18,8

12,5

12,6

13,3

12,4

11,7

15,6

23,8

0,8

0,4

0,3

0,4

0,5

0,9

5,5

1,6 471,2 477,6

1,6 512,5 519,0

1,7 552,4 559,2

1,6 595,6 602,0

1,5 639,8 645,8

2,0 682,4 690,5

3,1 745,8 758,1

0,1

0,0

0,1

0,6

1,7

3,6

4,7

5,6

6,6

7,8

9,1

10,7

12,7

17,5

2,1

3,8

4,8

5,7

6,8

8,0

9,2

10,9

13,1

20,1

61,0 339,4

60,0 386,5

61,0 413,6

60,0 440,3

61,0 486,8

79,4 10,2 319,1 359,8

84,4 10,9 364,7 408,3

95,7 12,2 389,1 438,1

79,2 10,2 419,8 460,8

81,8 10,5 465,8 507,7

61,0 271,4

60,0 281,7

60,0 299,7

60,0 323,4

61,0 351,4

93,0 11,9 247,5 295,2

89,9 11,6 258,4 304,9

88,1 11,4 276,9 322,4

92,0 11,9 299,6 347,1

93,0 11,9 327,6 375,2

61,0 275,3 118,3 15,1 245,0 305,6

60,0 266,2 102,5 13,2 239,8 292,7

60,0 282,7 106,6 13,8 255,2 310,3

61,0 279,4 113,8 14,6 250,3 308,6

60,0 297,1 117,1 15,1 266,9 327,4

61,0 303,9

96,6 12,4 279,2 328,7

60,0 317,1 119,8 15,5 286,2 348,1

61,0 362,8 247,8 31,7 299,3 426,2

72,0

73,0

1,3

1,2

1,4

1,2

1,7

1,6

1,7

2,3

4,5

1,7

1,1

0,6

2,0

1,3

2,3

2,2

5,2

0,2

0,1

0,2

0,3

0,6

0,9

1,1

1,0

1,2

1,3

1,4

1,7

1,8

3,3

1,7

1,4

1,6

1,3

2,2

1,9

2,0

2,8

5,8

60,0 370,8 101,4 13,1 344,6 397,0

61,0 306,2 103,9 13,3 279,5 332,8

60,0 548,6 116,3 15,0 518,5 578,6

61,0 682,5 210,1 26,9 628,7 736,3

72,0

73,0

1,3

1,9

2,5

2,4

3,4

3,9

4,4

5,9

7,0

11,3

1,0

1,4

1,7

1,8

3,0

3,1

6,2

0,1

0,2

0,4

0,7

1,1

1,7

2,2

2,1

3,0

3,5

4,0

5,2

6,2

9,9

1,5

2,1

2,8

2,7

3,8

4,3

4,8

6,6

7,7

12,8

60,0 383,6 115,6 14,9 353,7 413,5

61,0 457,3 217,0 27,8 401,7 512,9

72,0

73,0

1,2

1,4

1,6

1,3

1,9

2,1

2,3

3,2

3,6

6,3

1,1

1,3

1,7

0,7

1,7

1,9

2,7

3,2

6,1

0,1

0,2

0,1

0,2

0,3

0,4

0,7

0,9

1,1

1,2

1,6

1,7

1,9

2,5

2,9

4,8

1,4

1,7

2,0

1,5

2,3

2,5

2,8

3,8

4,3

7,7

P90-P100 802-1505

61 936,9 171,1 21,9 893,0 980,7

tractaP40-P50

(mg P70-P80

P/kg) P80-P90

P90-P100 14.5-49

214

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Bilag 4. Mapping the particle mobilization

potential and the risk of macropore

transport in soils of Denmark

Contents

Bilag 4. Mapping the particle mobilization potential and the risk of

macropore transport in soils of Denmark

The particle mobilization potential

1.1

1.2

1.3

1.4

Introduction

Soil Sampling and methodology

Predicting the particle mobilization potential

Spatial modelling of the particle mobilization potential

1.4.1 Environmental Variables

1.4.2 Spatial Modelling

1.4.3 Uncertainty assessment

Conclusion

215

216

217

218

220

221

222

223

224

225

226

227

228

229

232

234

1.5

Estimating the risk of macropore flow in soils of Denmark

2.1 Measurements, development of pedotransfer functions

and modelling

2.1.1 Measurements

2.1.2 Pedotransfer function development

2.1.3 Numerical modeling of water flow

2.2 Results and Discussion

2.2.1 Soil profile data

2.2.2 Pedotransfer functions for water contents and

hydraulic conductivities

2.2.3 Map of soil hydraulic properties

2.2.4 Mapping macropore flow probability

References

Phosphorus (P) leaching from P-enriched topsoils to tile drains can be sub-

stantial in soils with active macropores that facilitate the transport of both dis-

solved and colloid P (Andersen et al., 2016; Jarvis et al., 2020; Schelde et al.,

2006; Williams et al., 2016). The magnitude of P losses is a function of the mo-

bilization of dissolved and particulate P in the topsoil and the hydraulic con-

nectivity and extent of macropore flow in the soil profile. Macropore transport

limits P retention in subsoils. Thus, mobilized colloids are to a much lesser

degree strained in continuous macropores compared to the pore system of the

soil matrix. Additionally, preferential flow strongly restricts the contact of dis-

solved P with often abundant binding sites in the subsoil, as macropores com-

prise a small proportion of a soil’s pore system and facilitate rapid percolation

(Djodjic et al., 2004). Here we technically describe two approaches to mapping

two important factors that contribute to the risk of P losses by macropore

transport, namely the particle mobilization potential (chapter 1) and the risk

of macropore flow (chapter 2).

215

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

The particle mobilization potential

Trine Nørgaard

, Yi Peng

, Anders Bjørn Møller

, Mogens H. Greve

, Lis Wollesen

de Jonge

Academic quality assurance: Christen Duus Børgesen

Department of Agroecology, Aarhus University

1.1

Introduction

Soil particles, and in particular soil particles in the colloidal size range, are

known to play a crucial role in the environment as they affect soil physical

properties such as surface erosion, water infiltration and hydraulic conduc-

tivities, and has a high sorptive capacity for strongly sorbing contaminants.

Soil particles in the colloidal range, 1 nm to 10

μm

(Stumm, 1977), Fig. 1, in-

clude layer silicates (e.g., clay minerals), organic macromolecules, bacteria, vi-

ruses, oxides, and oxyhydroxides of, e.g., iron and aluminum (de Jonge et al.,

2004a; Kretzschmar et al., 1999).

Figure 1.

Size range of colloidal

particles in subsurface environ-

ments. Edited from McCarthy and

Zachara, 1989.

Due to their high specific surface area, these particles have a high sorption ca-

pacity, and, thus, they are essential sorbents for, e.g., strongly sorbing nutrients

like phosphorus with an otherwise low mobility. Soil particles mobilized in the

soil may therefore act as potential carriers of phosphorus by particle-facilitated

transport (de Jonge et al., 2004b). The mobilization potential of soil particles is

highly affected by the soil texture and especially the clay and organic carbon

(OC) content of the soil (Brubaker et al., 1992; Czyz et al., 2002; Vendelboe et al.,

2012a), and though numerous studies have described the properties affecting

particle mobilization (Kjaergaard et al., 2004; Norgaard et al., 2014; Vendelboe et

al., 2012b) no studies have attempted to predict the amount of small particles

potentially available for particle-facilitated transport.

1.2

Soil Sampling and methodology

In this project, the particle mobilization potential was determined as the

amount of particles dispersed from intact 100 cm

cylindrical soil rings using

an end-over end shaking method (Norgaard et al., 2014). The intact 100 cm

rings were collected from the topsoil from 475 sampling points across Den-

mark (Fig. 2A). From certain fields the 100 cm

rings were sampled more close

in 15x15 m grids (Fig. 2B) in order to examine how the particle mobilization

potential varied within field scale.

216

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 2.

A: The intact 100 cm

rings for estimating the particle mobilization potential were sampled from 475 sampling points

across Denmark. In the figure, one dot may represent several closely located sampling points. B: The sampling grid from one of

the fields where we investigated variations in the particle mobilization potential within field scale.

The 475 sampling locations cover a wide range in clay (min: 2.3 %, max: 69.9

%, average: 14.01 %) and organic carbon content (min: 0.75 %, max: 36.77 %,

average: 2.76 %) representative of the Danish soil classes. The intact 100-cm

soil rings were saturated slowly for 5 days and then drained to a matric po-

tential of -5 cm H

O. After drainage, the samples were incubated for 14 days

at 10°C and then transferred to 2-L sedimentation bottles with artificial rain-

water in a soil:water ratio of 1:8 by weight. Using an end-over-end shaking

technique, the bottles were turned 10 times during 50 sec and left for 1 hour

for particles > 2 mm to settle. The upper 100 mL were then siphoned off using

a pipette. The amount of dispersible particles was determined gravimetrically

after drying at 105°C and put in mg kg

-1

. Three replicates were made for each

of the 475 samples.

1.3

Predicting the particle mobilization potential

Variations in the particle mobilization potential was predominantly described

by the clay content of the soil (Fig. 3A, R

=0.65) as also stated in previous litera-

ture studies. However other factors such as solution pH and ionic strength

(Denovio et al., 2004; Norgaard et al., 2014), soil water content (Michel et al.,

2010), soil OC and other binding agents (e.g., iron and aluminum) (Czyz et al.,

2002; Norgaard et al., 2014; Seta and Karathanasis, 1996), particle size and pore

structure (McGechan, 2002; Zhuang et al., 2005), and soil management are all

reported to influence the particle mobilization potential. A best subset regression

analysis with clay, fine silt, OC, soil pH, soil electrical conductivity (EC) and ox-

alate extractable iron (Fe), aluminum (Al) and phosphorus (P) was carried out

on the 475 samples. The best set of four variables being able to explain most of

the variation in the particle mobilization potential was clay, EC, Al and P (parti-

cle mobilization potential = 5401 + 37523 x clay – 906 x EC – 70 x Al – 61 x P, adj

= 0.71). The ability of this expression to predict the mobilization potential is

shown in Fig. 3B. The expression captures most of the variations in the particle

mobilization potential, and though clay content is definitely the main driver for

the particle mobilization potential (R

=0.65), EC, Al and P (i.e. chemical param-

eters) still influence the mobilization of particles as also found in the literature.

217

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 3.

A: The particle mobilization potential (mg kg

-1

) as a function of clay content (kg kg

-1

) for the 475 samples. B: The

measured particle mobilization potential (mg kg

-1

) as a function of the predicted particle mobilization potential using particle mo-

bilization potential = 5401 + 37523 x clay – 906 x EC – 70 x Al – 61 x P, adj R

= 0.71.

1.4

Spatial modelling of the particle mobilization potential

Being able to describe the particle mobilization potential from inherent soil

parameters, we are also able to make a first generation map of the particle

mobilization potential showing the variation of this property across Denmark.

The particle mobilization potential was measured and mapped (30.4 m reso-

lution) with associated uncertainty assessment at national scale using a Cubist

algorithm with 50 replications of Bootstrapping random sampling approach

(Malone et al., 2017). All the 475 samples from the particle mobilization po-

tential were applied for modelling and mapping.

1.4.1 Environmental Variables

Thirty-eight environmental variables with full coverage of Denmark was used

as predictors for mapping the particle mobilization potential. These variables

included a digital elevation model (DEM), a number of land surface parame-

ters derived from the DEM, and existing digital soil property maps (Table 1).

Despite the huge number of measurements included in the data set, it was still

not possible to cover the entire variation of Danish soil in terms of land use,

soil type and geology, etc. Therefore, none of the categorical variables (land

use, landscape, soil type, geology and wetland) could be used as predictor in

this study. In general, wetland areas were not represented in the 475 sampling

points, and therefore, these areas were not adequately represented in the pre-

diction models for the mapping. Wetlands areas were thus excluded from the

maps to prevent the predictions of the particle mobilization potential from

being unreliable. All maps were rescaled to 30.4 m spatial resolution to be

used in this work. The spatial resolution of 30.4 meters is a tradeoff between

pixel uncertainty and map ability to delineate landscape features e.g. valleys.

218

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Table 1.

A list of environmental variables used to predict the distribution of the particle mobilization potential in Danish soils.

Predictors

Soil variable

SOM_a

SOM_b

clay_a

clay_b

silt_a

silt_b

finesand_a

finesand_b

coarsesand_a

coarsesand_b

pH_a

pH_b

pH_c

Al_a

Al_b

Fe_a

Fe_b

DEM

asp_cos

asp_sin

bluespot

curv_plan

curv_prof

demdetrend

dirinsola

flowaccu

gwd_intp

gwd_model

hdtochn

midslppos

mrvbf

RSP

sagawi

slpdeg

slptochn

twi

valldepth

vdtochn

Soil organic matter 0-30cm (%)

Soil organic matter 30-60cm (%)

clay content 0-30cm (%)

clay content 30-60cm (%)

silt content 0-30cm (%)

silt content 30-60cm (%)

finesand content 0-30cm (%)

finesand content 30-60cm (%)

coarsesand content 0-30cm (%)

coarsesand content 30-60cm (%)

pH 0-5cm

pH 5-15cm

pH 10-30cm

Oxalate extractable Al 0-25cm (mmol/kg)

Oxalate extractable Al 25-50cm (mmol/kg)

Oxalate extractable Fe 0-25cm (mmol/kg)

Oxalate extractable Fe 25-50cm (mmol/kg)

Digital elevation model (m)

Cosine of the surface aspect

Sine of the surface aspect

Depth of sinks (m)

Plan curvature

Profile curvature

Elevation minus the mean elevation in a 4 km radius

Direct insolation (kWh/year)

Number of upslope cells

Depth to groundwater table interpolated from well observations and surface water

Depth to groundwater table from hydrological model

Horizontal distance to the nearest waterbody

Mid-slope position

Multi-resolution index of valley bottom flatness

Relative slope position

SAGA wetness index

Surface slope gradient (degrees)

Downhill gradient to the nearest waterbody (degrees) 1.1

Topographic wetness index; Calculated as TWI=ln(a/tan b): where a is flow accumula-

tion, and b is local slope gradient

Valley depth (m)

Vertical distance to the nearest waterbody (m)

4.6 (0–100)

4.7 (0–100)

8.2 (0.0–51.2)

10.1 (0.0–62.7)

9.7 (0.0–41.8)

9.2 (0.0–45.8)

42.8 (0.0–95.9)

40.5 (0.0–98.4)

39.2 (0.0–98.6)

40.1 (0.0–99.1)

6.3 (3.2–8.5)

6.3 (2.8–8.9)

6.3 (2.3–9.1)

35.7 (4.1–146.2)

39.2 (2.4–112.6)

35.8 (4.2–712.1)

35.5 (4.2–712.1)

30.9 (−39.5–170.5)

0.01 (−1.00–1.00)

−0.03 (−1.00–1.00)

0.1 (0.0–92.5)

0.0 (−5.1–6.0)

0.0 (−7.3–6.1)

1.0 (−57.9–105.4)

1269 (122–1707)

60 (1–110,908)

6.8 (0.0–144.3)

5.8 (0.0–126.0)

231 (0–3238)

0.27 (0.00–1.00)

4.3 (0.0–10.9)

0.17 (0–1)

14.5 (6.9–19.1)

1.6 (0.0–90.0)

1.1 (0.0–52.6)

5.9 (−15.8–63.3)

7.5 (0.0–89.9)

4.1 (0.0–115.4)

Explanation

Mean (range)

Topographic variables

219

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

1.4.2 Spatial Modelling

The performances of the Quantile regression forest (QRF) (Meinshausen,

2006) and the Cubist algorithm (Quinlan, 1992) were evaluated for the spatial

modelling of the particle mobilization potential by calculating the classical

uncertainty indicators based on internal cross-validation, namely Root Mean

Square Error of Cross Validation (RMSECV), and percentage of explained var-

iance (R

). The best model was selected to produce the final map of the particle

mobilization potential and an uncertainty assessment for Denmark. The re-

sults are shown in Table 2.

Table 2.

Internal validation statistics for the prediction of the particle mobilization potential

in Danish soils using the Quantile regression forest (QRF) and the Cubist algorithm.

Cubist

QRF

0.79

0.70

RMSECV (mg kg

-1

)

1847

1908

The Cubist algorithm showed the highest R

and lowest RMSE value com-

pared with the cross-validation results from the QRF. Therefore, the final map

of the particle mobilization potential and the uncertainty assessment were car-

ried out using the Cubist algorithm with Bootstrapping random resampling

approach (Efron and Tibshirani, 1993). In this study, we applied 100 repetition

of random sampling with replacement of the available data to generate prob-

ability distributions of the prediction realizations from each model at each

pixel. A robust estimate was determined by taking the average of all the sim-

ulated predictions at each pixel. Therefore, the final map of the particle mobi-

lization potential was a mean prediction map based on 100 simulated predic-

tion maps (Fig. 4).

The final map of the particle mobilization potential shares very similar pat-

terns with the Danish soil class map and texture maps (Adhikari et al., 2013;

Adhikari et al., 2014). Soils with relatively low particle mobilization potential

are generally found in the western and northern part of the country, which

consists mainly of Podzols with relatively low clay content compared with the

rest of Denmark. On the other hand, relatively high particle mobilization po-

tentials are observed in the eastern and central parts of Denmark, which are

dominated by Luvisols. Soils in this part of the country are mainly loamy soils

on calcareous tills dominated by glacial (Weichselian) morainic landscapes. In

general, higher clay and silt contents are observed in this part of the country.

Please note that wetland areas, marked with black in Fig. 4, are not included

in the prediction as there were no samples from these areas.

220

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 4.

Mean predicted particle

mobilization potentials in topsoils

in Denmark based on 100 model

realizations. Wetlands (marked

with black) are not included in the

prediction, as these areas are un-

classified.

The Cubist algorithm also provides importance of each variable used in the

model and is represented as the relative importance in percentage. From the

Cubist model output (usage of each variable) for the targeted particle mobiliza-

tion potential, we found that the model was highly affected by clay, silt and fine

sand. Of all predictors, clay, silt, fine sand and coarse sand in both top and sub-

soil were the eight most important predictors for the prediction of the particle

mobilization potential, all eight predictors scored more than 75% importance.

Many of the predictors are highly correlated, but Cubist is not sensitive to this.

Of all environmental predictors, topsoil clay content was the most important

for modelling the particle mobilization potential. Furthermore, the oxalate ex-

tractable iron in both top and subsoil was very important. Two terrain deriva-

tives (elevation minus the mean elevation in a 4 km radius and multi-resolution

index of valley bottom flatness) gave important contribution to the modeling

the particle mobilization potential (Adhikari et al., 2013).

1.4.3 Uncertainty assessment

To estimate the mapping uncertainty of the mean particle mobilization poten-

tial at each pixel, we produced two maps representing the lower (25% quan-

tile) and the upper quartile (75% quantile) of the 100 model realizations for

predicting particle mobilization potential. Afterwards, the prediction uncer-

tainty was calculated as the interquartile range, i.e. the difference of the two

maps (Fig. 5). A larger interquartile range is thus an expression of greater un-

certainty. Red areas in the northern and eastern part of Jutland, central and

eastern part of Denmark were associated with a high level of uncertainty com-

pared to the rest of the country (Fig. 5).

The northern and eastern parts of Jutland present the most complex soil and

geology in Denmark. This is most likely due to their geological history and

climate. The soil parent material in the northern part of Jutland was covered

by glaciers advancing from Norway during the Weichselian glaciation, while

the soil parent material in the eastern part of Jutland was partly covered by

221

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

glaciers advancing from the eastern Baltic Sea. Therefore, loamy Weichselian

moraines are often found in the eastern part of the Jutland, while the northern

parts consists of marine sediments mixed with fine sandy materials on post

and late-glacial marine deposits. The areas with higher uncertainty are often

located in areas with complex geology and landforms. This brings in general

several challenges to Danish soil mapping activities (Greve et al., 2007). Fur-

ther, as mentioned above, despite the large number of soil sampling points

included in this study (Fig. 2), the calibration model still could not catch the

full spatial variation of the whole country, particularly in the central and east-

ern part of the country. Detailed national scale spatial modelling requires a

huge number of soil samples, and it is critical to have a sufficient number of

soil sampling locations to have full coverage of the Danish soil variations.

Therefore, for future work, it is important to increase soil samples to represent

different geology, land use and landscape to recalibrate the model and im-

prove the accuracy of the digital map of the particle mobilization potential.

Figure 5.

Prediction intervals of

the estimated mean particle mo-

bilization potential in topsoils in

Denmark as expression of map-

ping uncertainty. The intervals

are defined as difference be-

tween the 75% quantile and the

25% quantile of predicted values

from 100 model realizations at

each pixel. Please note that wet-

lands (marked with black) are not

included in the prediction due to

lack of samples from these areas.

1.5

Conclusion

A sampling set of 475 sampling locations is rather unique for estimating the

particle mobilization potential. The sampling locations cover large variations

in clay content for Danish soils. In previous studies clay content is one of the

main drivers for the particle mobilization potential, and likewise, our study

has shown that clay (R

=0.65), but also the electrical conductivity, oxalate ex-

tractable aluminum and phosphorus influences the particle mobilization po-

tential, and even with a relative good prediction accuracy (R

= 0.71). With this

prediction of the particle mobilization potential from inherent soil parame-

ters, and considering the large amount of samples we have collected, we are

one step closer a first generation map of the particle mobilization potential

showing the variation across Denmark.

The spatial modelling of the particle mobilization potential included thirty-

eight environmental variables with full coverage of Denmark. The final map

of the particle mobilization potential shared similar patterns with the Danish

222

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

soil class map and texture map. Thus, soils with relatively low particle mobi-

lization potential were found in the western and northern part of Denmark,

which consists of soils with relatively low clay content. In contrast, high par-

ticle mobilization potentials were observed in the eastern and central parts of

Denmark dominated by soils with higher clay and silt contents. This is in

agreement with the particle mobilization predictions where clay was found as

the main driver in the linear regression. Thus, the eastern and central parts of

Denmark has the highest clay contents, and thereby, a large pool of small col-

loidal particles which contributes to the large particle mobilization potential

in these areas.

Despite the huge number of measurements included in the data set, it was still

not possible to cover the entire variation of Danish soil in terms of land use,

soil type and geology, etc. Therefore, none of the categorical variables like

landuse, landscape, soil type, geology or wetland could be used as predictor

in this study. For future studies of the particle mobilization potential, soil sam-

pling should be extended to many additional locations covering also varia-

tions in soil management.

Estimating the risk of macropore flow in

soils of Denmark

Bo Vangsø Iversen

, Ali Mehmandoost Kotlar

, Trine Nørgaard

Academic quality assurance: Christen Duus Børgesen

Department of Agroecology, Aarhus University

Centre for Nuclear Energy in Agriculture, University of São Paulo

2.1

Measurements, development of pedotransfer functions

and modelling

To a considerable extent, the leaching of phosphorus to drains takes place in

macropores, either in dissolved form or as phosphorus bound to mobile soil

particles. In addition to the actual water transport through macropores, which

occurs in particular when the hydraulic conductivity of the soil matrix is ex-

ceeded, the potential for particle mobilization is crucial. The probability of

macropore flow is especially determined by the geological variation. A model

has previously been developed relating this probability to readily available

pedological and geophysical data (Iversen et al., 2011). Based on the model, a

nationwide mapping of the risk of macropore transport was carried out in

2009. Since then, the underlying data basis has improved enabling an upgrad-

ing of the mapping. The aim of this work is to develop pedotransfer functions

that scale up the hydraulic values of importance to macropore transport. The

functions will be used on an updated new soil map (Adhikari et al. 2013) in

order to develop updated risk map of macropore flow. The results will be

combined with an uncertainty analysis.

This chapter is based on published work (Kotlar, A.M; Q. de Jong van Lier; T.

Nørgaard, H.E. Andersen, B.V. Iversen 2020. Quantification of macropore flow in

Danish soils using near-saturated hydraulic properties. Geoderma 375,

doi.org/10.1016/j.geoderma.2020.114479).

223

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

2.1.1

Measurements

Soil sampling for measurement of saturated and unsaturated hydraulic conduc-

tivity (K

and

K(h))

as well as soil water retention measurements was performed

following Iversen et al. (2011). The aim of our work in relation to sampling was

to increase the number of soil samples with a high clay content, underrepre-

sented in the existing dataset. As a result, the database was incremented with

356

K(h)

data obtained from large soil columns (6280 cm

) and 2640 soil water

retention data at different pressure heads measured in smaller sample rings

(100 cm

) taken at three different depths (Fig. 6). For those cases in which repe-

titions of large columns within individual horizons were available, the average

value of log(K

) and log(K

) were assigned. The smaller 100 cm

rings were used

for soil water retention analysis using a sandbox for pressure heads from

−10

−100

cm and ceramic plate equipment for pressure heads between

−160

and

−1000

cm. A water retention curve for a very dry region was obtained using

oven dried samples in a WP4-T dew point potentiometer (METER Group Inc.,

Pullman, WA, USA) and water content at wilting point was calculated using

the fitted curve. Unsaturated hydraulic conductivity was measured using auto-

mated (step flow) drip infiltrometer (ADI) as reported by Iversen et al. (2004)

and Kotlar et al. (2019a). In the ADI setup, tensiometers recorded pressure

heads at five depths in the column under step flow. The inflow from the drip-

ping device was applied at the top of the sample and a suction from the ceramic

plate at the bottom of the column was adjusted until steady state conditions

were established. This was accomplished when the five tensiometers showed

similar readings of the pressure head in time and at the different depths ensur-

ing that the vertical flow was due to a gravitational gradient only. Data was

then stored at the specific pressure head and subsequently, inflow from the

dripping device was decreased and the process repeated at a lower pressure

head (Kotlar et al., 2019a). Five to eight bottom suctions were applied varying

between approximately

−1

and

−100

cm pressure head depending on the soil

type allowing to determine

K(h)

at this specific range. Saturated hydraulic con-

ductivity was independently measured using the constant head method as de-

scribed by Iversen et al. (2004).

The ADI setup only allowed reading of pressure heads related to the specific

inflow rates from the dripping device determining the different moisture con-

tents in the unsaturated soil column. The value of

K(h)

at the specific pressure

head of

−10

cm (K

) was therefore obtained through interpolation on a loga-

rithmic scale between the resulting measured pressure head points for each

soil column. For most columns, measurements of the pressure heads were dis-

tributed evenly around

−10

cm and interpolation was a reasonable assump-

tion. However, for those few samples without data for pressure heads be-

tween zero and

−10

cm, log(K

) had to be extrapolated. We did not use any

curve fitting by incorporating data from water retention to keep the depend-

ency of hydraulic conductivity only on large samples. Our initial attempts to

fit the data only to VGM hydraulic conductivity function failed due to a high

overestimation of

224

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 6.

Spatial distribution of

sites in Denmark for sampling of

large columns and small rings for

soil hydraulic properties meas-

urements. Purple dots show sites

used by Iversen et al. (2011) and

blue dots show new additional

sites used in the current study

composed of 2242 measured

K( h)

pairs for 217 large soil col-

umns. Red lines mark areas of

the different geological regions in

Denmark. Most of sampling was

done in the western part of Den-

mark at the large peninsula Jut-

land.

From each of three sampling depths, bulk samples were collected for texture

classification and measurement of the OM content. The particle size distribu-

tion was determined using the sieve and hydrometer methods. The particle

sizes of samples were classified into four fractions, coarse sand (200–2000 µm),

fine sand (20–200 µm), silt (2–20 µm), and clay (<2 µm) corresponding to the

texture fractions of the Danish soil classification system (Madsen et al., 1992).

In the subsequent pedotransfer development, the classification system based

on the soil maps of Denmark by Adhikari et al. (2013) was used to create the

hydraulic property maps.

2.1.2

Pedotransfer function development

Pedotransfer functions for estimation of log(K

), log(K

) and water contents

corresponding to pressure heads of

−10

cm (θ

pF1

−100

cm (θ

pF2

−1000

(θ

pF3

) and

−15.8·10

cm (θ

pF4.2

), were tested using the Gaussian regression pro-

cess (GRP), a supervised machine learning method using clay, fine sand,

coarse sand, silt and OM contents as predictors.

The performance of the developed pedotransfer functions for predicting the

target was evaluated by root mean square error (RMSE) and mean error (ME).

��

∑

−

��

−

)

(3)

(4)

��

where

and

et al., 2005).

are measured and PTF-predicted target variables (Krause

225

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

After development of PTFs, raster maps of soil texture and OM provided by

Adhikari et al. (2013) describing these soil properties to a depth of 100 cm

and divided to A, B and C horizons representing soil depth of 0-30, 30-60 and

60 to 100 cm respectively at 30 m resolution were used to generate maps of

log(K

) and log(K

) as well as a dimensionless quantity called log(K

jump

) de-

fined as the difference between log(K

) and log(K

) (log(K

). High values

of log(K

jump

) indicate a high macropore conductivity and a relatively low con-

ductivity of the soil matrix, which mainly applies for structured loamy or

clayey soils (Iversen et al., 2011). On the other hand, small values of log(K

jump

)

are typically found in unstructured sandy soils.

2.1.3 Numerical modeling of water flow

Water flow simulations were performed with Hydrus-1D model (Šimunek et

al., 2008) that numerically solves the Richards’ equation (5) resulting in the

temporal and spatial changes in water content.

(5)

��

��ℎ

��(ℎ)(

+ 1)

− ��(ℎ, ��, ��)

��

��(ℎ)

��

−

− ��

��

(ℎ) =

In this equation,

is volumetric soil water content,

is time (d), z is the vertical

space coordinate (cm),

is the hydraulic conductivity (cm d

-1

represents pres-

sure head (cm), and S is a sink term (d

-1

) accounting for the volume of water

removed from the soil per unit of time due to crop water uptake. Hydraulic

properties

θ(h)

and

K(θ)

are expressed using the van Genuchten (1980) equations:

��(ℎ) − ��

= (1 + |��ℎ| )

�� − ��

]

(6)

(7)

where

is the saturation degree,

and

are volumetric saturated and resid-

ual water contents, and

(cm

-1

m=1-1/n,

and are fitting parameters. For this

study, the required van Genuchten (1980) parameters were obtained through

curve fitting using the developed PTFs.

To identify the probability of macropore flow, we established a threshold for

macropores at an equivalent diameter of 50 µm, corresponding to

−60

pressure head, similar to the assumption reported by Varvaris et al. (2018) for

Danish soils. Using Hydrus 1D, the number of days in which the upper part

of the B horizon remained wetter than the pressure head of

−60

cm was calcu-

lated for a scenario with winter wheat (the most commonly grown crop in

Denmark) on Danish soils. Twenty years of spatially distributed meteorolog-

ical daily data with 20-km resolution (from the Danish Meteorological Insti-

tute) together with a 2 m deep groundwater was used as the upper and lower

boundary condition. For this scenario, required potential evapotranspiration

and corrected precipitation data were obtained using a Danish national da-

taset calculated by the DAISY model (Hansen et al., 1991).

A random forest of 50 regression trees was grown to estimate the full condi-

tional distribution of a target using high dimensional covariates including soil

texture, OM and log(Ks) and log(K10). From the distribution of estimates, 90%

quantile prediction considered as prediction confidence interval was drawn

from the difference between 5th and 95th quantiles. The confidence intervals

of the responses are great tools to bold the importance of variability and need

for sampling actions for the future experimental works.

226

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

2.2

Results and Discussion

2.2.1 Soil profile data

Clayey soils were underrepresented in the original Iversen et al. (2011) da-

taset. To improve on this, in the newly added dataset, average clay content

was 14%, versus 6% in Iversen et al. (2011). On average, the values of log(K

)

increased (from 2.439 to 2.910 for

in cm d

−

) and values of log(K

) decreased

from 1.143 to 0.362. As a result, average K

jump

increased from about 1.3 to 2.5.

Textural classification of the whole collected soil samples based on the USDA

system shows that 51% were classified as sandy loam (SL), 27% as sandy (S),

14% as loamy sand (LS), and 7% as sandy clay loam (SCL), respectively (Fig.

2a). According to the distribution of soil types in Denmark based on the Danish

soil classification 35, 27, and 23 % of the total area in Denmark are covered with

sandy, loamy sand and sandy loam soils, respectively (Fig. 7a and b).

Figure 7. a) USDA textural classes of the collected samples and (b) map of soil texture class for Danish soils within 30 to 60 cm

(B horizon; Adhikari et al., 2013).

Samples are predominantly high in sand content, which is probably why the

average value of log(K

) is relatively high, about 2.7 for

in cm d

−

(Table 3).

Between these dominant textures, average values of log(K

) were recorded

2.82, 2.67, 2.51, and 2.16 (for

in cm d

−

) for SL, S, LS, and SCL soils, respec-

tively. However, average values of log(K

) were 0.27, 1.85, 1.14 and

−0.72

(for

in cm d

−

) for the same textures classes, respectively. The summary of basic

statistics and Pearson correlation coefficients between variables of the meas-

ured texture, OM, and BD data used to develop PTFs are shown in Table 3.

The skewness of a normal distribution is zero, although values between

−1

and 1 are also acceptable. Thus, clay and OM were not normally distributed.

This is expected since only about 21% of the data has a clay content above 15%

and 86% of soil samples has a content of OM less than 3%.

227

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Table 3.

Summary overview of the predictors and variable in the collected samples.

11.4

40.4

37.5

10.2

1.9

1.5

2.7

0.7

6.6

15.4

21.9

6.2

1.3

0.1

0.8

1.1

Min

1.0

3.4

0.4

0.0

1.2

−0.2

−3.9

Max

49.1

95.5

94.5

42.0

10.1

2.0

4.7

3.0

1.2

0.0

1.0

0.4

1.1

0.4

-0.9

-0.5

parameter

C (%)

FS (%)

CS (%)

Si (%)

OM (%)

BD (g cm )

log(K

)

log(K

)

-3

0.18

−0.68

0.87

0.18

−0.02

−0.10

−0.71

log

)

log

)

−0.83

0.29

0.11

−0.09

−0.10

−0.29

−0.74

−0.24

0.10

0.11

0.61

0.35

−0.07

0.01

−0.65

−0.50

0.17

−0.15

−0.28

−0.11

0.17

1. Av: average; 2. SD: standard deviation; 3. SK indicates skewness; 4. C: Clay; 5. FS: fine sand; 6. CS: Coarse sand; 7. Si:

Silt; 8. OM: organic matter; 9. BD: bulk density; 10. For values of K in cm d

-1

2.2.2 Pedotransfer functions for water contents and hydraulic conduc-

tivities

RMSE and ME values showing the performance of the developed PTFs with

their uncertainty obtained from the 100 bootstraps along with covariate shift

(Kotlar et al., 2019b) for each soil hydraulic property (SHP) are illustrated in

Fig. 8. Table 4 shows the average and standard deviation of the developed

PTFs for estimation of

pF1

pF2

pF3

, and

pF4.2

. The average of obtained RMSE

values for estimation of water contents were about 0.015, 0.015, 0.049, 0.046

and 0.032, smaller than the standard deviation of the data used to train PTFs,

showing that the developed models are robust (Singh et al. 2005). Moreover,

the results are comparable with the results reported by Børgesen et al. (2006)

who applied a neural network using detailed soil texture classes as predictors

for Danish soils. On average, there was a small underestimation for

and

pF4.2

as average value of ME is slightly negative (Figure 8a). The importance

of developing regional PTFs was also shown for French soils water contents

at pF2 and pF4.2 (Roman Dobarco et al., 2019). However, large values of

RMSE, around 0.07 for water retention of forest soils in Germany were re-

ported by Stump et al., (2009) due to the use of global based PTFs including

ROSETTA (Schaap et al., 2001) and SOILPROP (Mishra and Parker. 1989).

Table 4.

Average and standard deviation (SD) of the developed PTFs under 100 bootstrapping for prediction of water contents

under 100 bootstrapping shown in Figure 3 (θ

pF1

pF2

pF3

and

pF4.2

are water contents at saturation,

−10

cm,

−100

−1000

cm, and

−15.8∙10

cm pressure head).

Water content

RMSE±SD (cm

-3

)

ME±SD (cm cm )

-3

0.037±0.014

-4.7e-4±0.0088

pF1

0.034±0.014

-3.49.7e-4±0.0072

pF2

0.048±0.017

-4.9e-4±0.0105

pF3

0.047±0.014

5.7e-4±0.0102

pF4.2

0.041±0.015

-2.2 e-3±0.0107

Many studies aiming to estimate specific values of

K(h)

deal with lower vari-

ability of log(K

) and log(K

) than this study, ranging between

−0.2

to 3.8 and

−4

to 3.03 (for

in cm d

-1

). For example, the models presented by Zhang and

Schaap (2017), Cosby et al. (1984), and Rawls et al. (1982) were developed

based on log(K

) between 0.2 and 2.7 (K in cm d

-1

). Obtained RMSE values of

0.635±0.156 and 0.594±0.132 for log(K

) and log(K

) are in agreement with re-

sults reported by Zhang and Schaap (2017) and Jarvis et al. (2013) where the

lower variability of log(K

) yields smaller values of RMSE for prediction of

this parameter compared to log(K

228

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 8.

Average Box-and-

whisker plots of (a) RMSE and (b)

ME values for predicted

pF1

pF2

pF3

and

pF4.2

that are water

contents at saturation,

−10

cm,

−100

−1000

cm, and

−15.8∙10

cm pressure head,

log(K

) and log(K

) of the devel-

oped PTFs under 100 times boot-

strapping.

2.2.3 Map of soil hydraulic properties

The developed PTFs allowed to construct maps of log(K

), log(K

), and

log(K

jump

) based on the national Danish maps (Adhikari et al., 2013) using pre-

dictors of clay, fine sand, coarse sand, silt, and OM contents. Overall, soils in

the western part of the peninsula of Jutland show a high value of sand

whereas the eastern parts of Denmark (including the eastern part of Jutland)

are dominated by heavier loamy soils (Fig. 9a and b). Using OM (Fig. 9c) as

one of the predictors limits the prediction of hydraulic conductivity to soils

with less than 7% OM, because only two samples (<0.5% of the observed sam-

ples) have OM>7%. For this reason, some small areas with an OM content

larger than 7% where the developed PTFs are not valid remained unmapped.

The maps of silt and fine sand are not shown due to strong positive correlation

of silt and clay as well as strong negative correlation of coarse sand and fine

sand, with Pearson correlation of 0.86 and

−0.78

respectively.

229

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 9.

Map of Denmark showing some input data for the PTF used to predict soil hydraulic properties: contents of coarse

sand (a), clay (b) and OM (c) and texture class (d) at depth 30-60 cm (B horizon) generated by Adhikari et al. (2013).

Not surprisingly, log (K

) tends to decrease with depth. National average of this

parameter is 2.77±0.21, 2.55±0.34, and 2.39±0.43 (K in cm d

-1

), respectively for

the A, B, and, C horizon (Figure 10a, d, and g). This may be related to the ten-

dency of clay content to increase with depth in soils with clay illuviation (de

Jonge et al., 2004a; Adhikari et al., 2013). Heavy clay soils in Denmark, which

are composed of more than 20% clay (e.g. Figure 8b) and concentrated in the

southern and eastern part of the country show values of log (K

) of about an

order of magnitude smaller than lighter textured soils. For areas with a high

coarse sand content, like the middle of Jutland, there was no significant change

in log(K

) with depth. In these cases, the higher OM contents in the topsoil might

compensate for the lower clay content. Considering soil texture, log(K

) is high-

est in sandy loam soils with averages of 2.83±0.19, 2.70±0.25, 2.55±0.30 (K

in cm d

- 1

) for the A, B, and C horizon (Fig. 11), respectively. Among the evalu-

ated Danish soils, however, sandy clay loam soils showed the lowest values of

log(K

) with values of 2.34±0.53, 2.06±0.47 and 1.84±0.45 (for

in cm d

-1

) for the

A, B, and C horizon, respectively (Figure. 10a). There is larger variability for the

values of log(K

) in deeper soils (Fig. 10), while sandy clay loam soils always

show a large variability of log(K

) regardless of depth.

Low values of log(K

) for the soils of the eastern part of Denmark resulted in

high values of log(K

jump

) (Fig. 10). The eastern part of Denmark is mostly com-

posed of fine sandy clay soils (Fig. 9) with a large difference between log(K

)

and log(K

) especially due to a low value of log(K

), therefore providing a

high probability of macropore flow for this region. Sandy and loamy sand

soils show larger values of log(K

), 2.04±0.29 and 1.48±0.28 (K in cm d

-1

However this parameter declined to 0.50±0.39 and

−0.64±0.55

(for

in cm d

) for sandy loam and sandy clay loam soils in the topsoil (A horizon) (Fig.

10b). Mean values of log(K

) reduced by about 50% for sandy loam soils in

the B horizon compared to the surface soil layer, while there is no significant

reduction of this parameter for sandy and sandy clay loam soils having the

maximum and mining values of log(K

) among Danish soils. The large vari-

ability of log(K

) compared to log(K

) is clearly distinguished in Figure 11.

230

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 10.

Predicted values of log(K

), log(K

) and log(K

jump

) for Denmark for soil horizons A:0-30 cm (a, b, and c), B: 30-60 cm

(d, e, and f) and C: 60-100 cm (g, h, and i). The areas with soils composed of more than 7% OM (mainly peat soils) are not

mapped since they are outside the range of the developed PTFs.

231

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 11.

Box whisker plots of predicted values of log(K

) and log(K

) for the most predominant Danish soil types including S:

Sand; SL: Sandy Loam; LS: Loamy Sand and SCL: sandy clay loam for soil horizon A:0-30 cm, B: 30-60 cm, and C: 60-100 cm

2.2.4 Mapping macropore flow probability

Application of dual porosity or permeability models (Jarvis et al., 2007;

Šimunek et al., 2008) for simulation of macropore flow require substantial

number of input parameters, which are difficult for large scale purposes.

Therefore, dynamic analysis of soil water status in matrix using single domain

model allows assessing qualitative estimates of the relative probability of

macropore flow. To do so, the Hydrus 1D model was used to determine the

areas with a high probability of saturation in the upper part of the B horizon

(30-60 cm) in the soil matrix.

Regarding the boundary conditions used in in the modelling, Figure 7a and b

shows the annual average of corrected precipitation and potential evapotran-

spiration of winter wheat based on the Danish Meteorological Institute 20 km

national grid data (609 grids) for a 20-year period (Scharling 2012). In Den-

mark, coastal areas generally show less precipitation than more inland re-

gions. However, the highest mean annual precipitation (>1000 mm yr

-1

) is

found in the center of Jutland (Stisen et al., 2012) where soils with higher sat-

urated hydraulic conductivity and lower probability of macropore at the same

time are located. This high annual rainfall is mainly due to orographic effects,

as the humid western wind coming from the sea passes by this area. The lower

annual precipitation, below 700 mm yr

-1

, is found at the east coast of Jutland

and in eastern Denmark. ET

pot

in eastern Denmark exceeds 500 mm yr

-1

(Fig.

8b). However, ET

pot

for Jutland is below 500 mm yr

-1

mainly due to lower an-

nual temperature of this area (Lucatero et al., 2018).

In order to qualitatively evaluate the risk of macropore flow, the meteorolog-

ical conditions including precipitation and potential evapotranspiration (Fig.

7a and b) were applied on the soil profiles with van Genuchten (1980) param-

eters obtained from developed PTFs (Fig. 5). Figure 7c shows the map of

232

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

log(t

). In the north and west of Jutland mainly composed of fine sand, soil

profiles were drained quickly and many areas have about 100 days with pres-

sure heads larger than to

−60

cm (i.e. log(t

)<2) shown in Figure 7c for those

areas where log(K

jump

) is less than one with a clay content of less than 5%.

These fine sand soils are mixed with marine sediments on post and late-glacial

marine elements (Adhikari et al., 2013) showed a very high uncertainty in t

as there is a high difference between the 95 and 5% percentile prediction (Fig-

ure 7d). Not only the pore size distribution may affect macropore flow, but

soil water content varying by climatic condition is an effective factor. For ex-

ample, soils in central of Jutland have low values of log(K

jump

) and are there-

fore assumed to have a low risk of macropore flow. The higher precipitation

in this area, however, could provide enough water to keep the soil wet for

more days. Sandy loam, loamy sand, and sandy clay loam soils located in the

east of Jutland, east and south east of Denmark are highly prone to experience

macropore flow as on average of 92±3, 85±9 and 88±6 % of the whole days of

simulation (20 years) pressure head in the upper part of the B horizon is larger

than

−60

cm.

Figure 12.

Annual average val-

ues of meteorological data includ-

ing (a) precipitation and (b) po-

tential evapotranspiration used

for modelling for each grid. (c)

log(t

): log transformed values of

the number of days when pres-

sure heads in soil matrix exceed -

60 cm and (d) uncertainty map of

of 95 and 5% percentiles of

log(t

The final map illustrating areas having risk of macropore flow (Fig. 13) was

obtained by multiplying values of

jump

(Fig. 10), showing potential (active +

non-active) macropore flow in soils with the values from Figure 12, which is

demonstrating zones with active macropore flow found by Hydrus 1D simu-

lation under the given climatic conditions. The combined macropore map

233

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

(Fig. 13) shows the classes from low to high risk for macropore flow. Com-

pared to Figure 12c, there was reduction of macropore flow risk in the south-

east of Denmark as

jump

in this area is about 2. However, the eastern part of

Denmark is still under high risk of macropore flow. Macropore risk is also

lower in the northwest of Denmark and, as expected, the sandy area in central

and west Jutland is not prone to macropore flow.

It is our intention to use the final map in combination with other spatially

available data in order to predict areas with a high risk of leaching of phos-

phorus out the root zone to the aquatic environment. In order to do that, we

will combine the map with other information’s such as the phosphorus status

of the soil as well as its potential for particle mobilization since phosphorus

leaching through the macropores is highly controlled by phosphorus adsorp-

tion as well as the potential of colloids mobilization.

Figure 13.

Macropore flow risk

map of Denmark obtained by

multiplying

jump

and macropore

flow obtained by numerical simu-

lation using Hydrus 1D.

References

Adhikari, K., Kheir, R.B., Greve, M.B., Bøcher, P.K., Malone, B.P., Minasny, B.,

McBratney, A.B., Greve, M.H., 2013. High-resolution 3-D mapping of soil tex-

ture in Denmark. Soil Sci. Soc. Am. J. 77, 860–876.

Adhikari, K., Minasny, B., Greve, M.B. and Greve, M.H. 2014. Constructing a

soil class map of Denmark based on the FAO legend using digital techniques.

Geoderma 214, 101-113.

Amer, A.M., 2012. Water flow and conductivity into capillary and non-capil-

lary pores of soils. J. soil Sci. plant Nutr. 12, 99–112.

234

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Andersen, H.E., Baatrup-Pedersen, A., Blicher-Mathiesen, G., Christensen,

J.P., Heckrath, G., Nordemann Jensen, P. (red.), Vinther, F.P., Rolighed, J.,

Rubæk, G. & Søndergaard, M. 2016. Redegørelse for udvikling i landbrugets

fosforforbrug, tab og påvirkning af Vandmiljøet. Aarhus Universitet, DCE –

Nationalt Center for Miljø og Energi, 86 s. - Teknisk rapport fra DCE - Natio-

nalt Center for Miljø og Energi nr. 77.

Beven, K., Germann, P., 2013. Macropores and water flow in soils revisited.

Water Resour. Res. 49, 3071–3092.

Bevington, J., Piragnolo, D., Teatini, P., Vellidis, G., Morari, F., 2016. On the

spatial variability of soil hydraulic properties in a Holocene coastal farmland.

Geoderma 262, 294–305.

Børgesen, C.D., Iversen, B.V., Jacobsen, O.H., Schaap, M.G., 2008. Pedotrans-

fer functions estimating soil hydraulic properties using different soil parame-

ters. Hydrol. Process. 22, 1630–1639. https://doi.org/10.1002/hyp

Børgesen, C.D., Schaap, M.G., 2005. Point and parameter pedotransfer func-

tions for water retention predictions for Danish soils. Geoderma 127, 154–167.

Brubaker, S.C., Holzhey, C.S. and Brasher, B.R. 1992. Estimating the Water-

Dispersible Clay Content of Soils. Soil Science Society of America Journal 56,

1227-1232.

Cosby, B.J., Hornberger, G.M., Clapp, R.B., Ginn, T., 1984. A statistical explo-

ration of the relationships of soil moisture characteristics to the physical prop-

erties of soils. Water Resour. Res. 20, 682–690.

Czyz, E.A., Dexter, A.R. and Terelak, H. 2002. Content of readily-dispersible

clay in the arable layer of some polish soils, in: Pagliai, M., Jones, R. (Eds.),

Sustainable land management - environmental protection: A soil physical

process. Catena-Verlag, Reiskirchen, Germany, pp. 115-124.

de Jonge, L.W., Kjaergaard, C. and Moldrup, P. 2004a. Colloids and colloid-

facilitated transport of contaminants in soils: An introduction. Vadose Zone

Journal 3, 321-325.

de Jonge, L.W., Moldrup, P., Rubaek, G.H., Schelde, K. and Djurhuus, J. 2004b.

Particle leaching and particle-facilitated transport of phosphorus at field scale.

Vadose Zone Journal 3, 462-470.

Deng, H., M. Ye, M.G. Schaap, and R. Khaleel. 2009. Quantification of uncer-

tainty in pedotransfer function-based parameter estimation for unsaturated

flow modeling. Water Resour. Res. 45: W04409. doi:10.1029/2008WR007477

Denovio, N.M., Saiers, J.E. and Ryan, J.N. 2004. Colloid movement in

unsaturated porous media: Recent advances and future directions. Vadose

Zone Journal 3, 338-351.

Djodjic, F., Börling, K. and Bergström, L., 2004. Phosphorus leaching in

relation to soil type and soil phosphorus content. Journal of Environmental

Quality 33(2), 678-684.

235

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Dobarco, M.R., Cousin, I., Le Bas, C., Martin, M.P., 2019. Pedotransfer func-

tions for predicting available water capacity in French soils, their applicability

domain and associated uncertainty. Geoderma 336, 81–95.

Efron, B. and Tibshirani, R.J. 1993. An Introduction to the Bootstrap, volume

57 of. Monographs on Statistics and applied probability, 17.

Feddes, R.A., Kowalik, P.J., Zaradny, H., 1978. Simulation of field water use

and crop yield. Simulation monographs. Wageningen, the Netherlands. Hy-

drus2D Softw. Packag. simulating twodimensional Mov. water, heat Mult. so-

lutes Var. Satur. media, version 2.

Ghanbarian, B., Taslimitehrani, V., Pachepsky, Y.A., 2017. Accuracy of sample

dimension-dependent pedotransfer functions in estimation of soil saturated

hydraulic conductivity. Catena 149, 374–380.

Greve, M.H., Greve, M.B., Bøcher, P.K., Balstrøm, T., Breuning-Madsen, H.

and Krogh, L. 2007. Generating a Danish raster-based topsoil property map

combining choropleth maps and point information. Geografisk Tidsskrift-

Danish Journal of Geography 107, 1-12.

Guber, A.K., Pachepsky, Y.A., Van Genuchten, M.T., Rawls, W.J., Simunek, J.,

Jacques, D., Nicholson, T.J., Cady, R.E., 2006. Field-scale water flow simula-

tions using ensembles of pedotransfer functions for soil water retention. Va-

dose Zo. J. 5, 234–247.

Gwenzi, W., Hinz, C., Holmes, K., Phillips, I.R., Mullins, I.J., 2011. Field-scale

spatial variability of saturated hydraulic conductivity on a recently con-

structed artificial ecosystem. Geoderma 166, 43–56.

Hansen, S., Jensen, H.E., Nielsen, N.E., Svendsen, H., 1990. DAISY -- soil plant

atmosphere system model. NPo-forskning fra Miljostyrelsenm, A10, Miljomi-

nisteriet, Copenhagen.

Iversen, B. V, Koppelgaard, M., Jacobsen, O.H., 2004. An automated system

for measuring air permeability and hydraulic conductivity in the laboratory

on large soil cores. DIAS Report, Plant Prod.

Iversen, B. V, Lamandé, M., Torp, S.B., Greve, M.H., Heckrath, G., de Jonge,

L.W., Moldrup, P., Jacobsen, O.H., 2012. Macropores and macropore

transport: Relating basic soil properties to macropore density and soil hydrau-

lic properties. Soil Sci. 177, 535–542.

Iversen, B. V., Børgesen, C.D., Lægdsmand, M., Greve, M.H., Heckrath, G.,

Kjærgaard, C., 2011. Risk Predicting of Macropore Flow using Pedotransfer

Functions, Textural Maps, and Modeling. Vadose Zone J. 10, 1185.

https://doi.org/10.2136/vzj2010.0140

Iversen, B. V., Schjønning, P., Poulsen, T.G., Moldrup, P., 2001. In situ, on-site

and laboratory measurements of soil air permeability: Boundary conditions

and measurement scale. Soil Sci. 166, 97–106.

Jarvis, N., 2003. Macropore and preferential flow. Encycl. Agrochem.

doi.org/10.1002/047126363X.agr156

236

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Jarvis, N., 2020. Reflection on Jarvis (2007), “Review of non‐equilibrium water

flow and solute transport in soil macropores: Principles, controlling factors

and consequences for water quality”. European Journal of Soil Science, 58,

523–546. Europ. J. Soil Sci., 71(3), 303-307.

Jarvis, N., Koestel, J., Larsbo, M., 2016. Understanding preferential flow in the

vadose zone: Recent advances and future prospects. Vadose Zo. J. 15.

Jarvis, N., Koestel, J., Messing, I., Moeys, J., Lindahl, A., 2013. Influence of soil,

land use and climatic factors on the hydraulic conductivity of soil. Hydrol.

Earth Syst. Sci. 17, 5185–5195.

Jarvis, N.J., 2007. A review of non-equilibrium water flow and solute transport

in soil macropores: Principles, controlling factors and consequences for water

quality. Eur. J. Soil Sci. 58, 523–546.

Jarvis, N.J., Zavattaro, L., Rajkai, K., Reynolds, W.D., Olsen, P.-A., McGechan,

M., Mecke, M., Mohanty, B., Leeds-Harrison, P.B., Jacques, D., 2002. Indirect

estimation of near-saturated hydraulic conductivity from readily available

soil information. Geoderma 108, 1–17.

Jorda, H., Bechtold, M., Jarvis, N., Koestel, J., 2015. Using boosted regression

trees to explore key factors controlling saturated and near-saturated hydraulic

conductivity. Eur. J. Soil Sci. 66, 744–756.

Kjaergaard, C., de Jonge, L.W., Moldrup, P. and Schjonning, P. 2004. Water-

dispersible colloids: Effects of measurement method, clay content, initial soil

matric potential, and wetting rate. Vadose Zone Journal 3, 403-412.

Klopp, H., Arriaga, F., Daigh, A., Bleam, W., 2020. Analysis of pedotransfer

functions to predict the effects of salinity and sodicity on saturated hydraulic

conductivity of soils. Geoderma 362, 114078.

Kotlar, A.M., van Lier, Q. de J., Barros, A. H., Iversen, B.V., Vereecken, H.

2019c. Development and Uncertainty Assessment of Pedotransfer Functions

for Predicting Water Contents at Specific Pressure Heads. Vadose Zo. J.

https://doi.org/ 10.2136/vzj2019.06.0063

Kotlar, A.M., Varvaris, I., van Lier, Q. de J., de Jonge, L.W., Moldrup, P., Iver-

sen, B.V., 2019b. Soil hydraulic properties determined by inverse modeling of

drip infiltrometer experiments extended with pedotransfer functions. Vadose

Zo. J. https://doi.org/10.2136/vzj2019.02.0021

Krause, P., Boyle, D.P., Bäse, F., 2005. Comparison of different efficiency cri-

teria for hydrological model assessment. Adv. Geosci. 5, 89–97.

Kretzschmar, R., Borkovec, M., Grolimund, D. and Elimelech, M. 1999. Mobile

subsurface colloids and their role in contaminant transport. Advances in

Agronomy 66, 121-193.

Lamorski, K., Pachepsky, Y., Sławiński, C., Walczak, R.T., 2008. Using support

vector machines to develop pedotransfer functions for water retention of soils

in Poland. Soil Sci. Soc. Am. J. 72, 1243–1247.

237

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Lucatero, D., Madsen, H., Refsgaard, J.C., Kidmose, J., Jensen, K.H., 2018. On

the skill of raw and post-processed ensemble seasonal meteorological fore-

casts in Denmark. Hydrol. Earth Syst. Sci. 22, 6591–6609.

Madsen, H.B., Nørr, A.B., Holst, K.A., 1992. The Danish soil classification: At-

las over Denmark. R. Dan. Geogr. Soc. Copenhagen, Denmark.

Malone, B.P., Minasny, B. and McBratney, A.B. 2017. Using R for digital soil

mapping. Springer.

McCarthy, J. F. and Zachara, J. M. 1989. Subsurface transport of contaminants

- mobile colloids in the subsurface environment may alter the transport of

contaminants. Environmental Science & Technology 23, 496-502.

McGechan, M.B. 2002. Transport of particulate and colloid-sorbed

contaminants through soil, part 2: Trapping processes and soil pore geometry.

Biosystems Engineering 83, 387-395.

Meinshausen, N. 2006. Quantile regression forests. Journal of Machine

Learning Research 7, 983-999.

Michel, E., Majdalani, S. and Di-Pietro, L. 2010. How differential capillary

stresses promote particle mobilization in macroporous soils: A novel

conceptual model. Vadose Zone Journal 9, 307-316.

Mishra, S., Parker, J.C., Singhal, N., 1989. Estimation of soil hydraulic proper-

ties and their uncertainty from particle size distribution data. J. Hydrol. 108,

1–18.

Moldrup, P., Yoshikawa, S., Olesen, T., Komatsu, T., Rolston, D.E., 2003. Gas

diffusivity in undisturbed volcanic ash soils. Soil Sci. Soc. Am. J. 67, 41–51.

Mualem, Y., 1976. A new model for predicting the hydraulic conductivity of

unsaturated porous media. Water Resour. Res. 12, 513–522.

Nemes, A., Rawls, W.J., Pachepsky, Y.A., 2006. Use of the nonparametric near-

est neighbor approach to estimate soil hydraulic properties. Soil Sci. Soc. Am.

J. 70, 327–336.

Norgaard, T., Moldrup, P., Ferre, T.P.A., Katuwal, S., Olsen, P. and de Jonge,

L.W. 2014. Field-scale variation in colloid dispersibility and transport:

Multiple linear regressions to soil physico-chemical and structural properties.

Journal of Environmental Quality 43, 1764-1778.

Quinlan, J.R. 1992. Learning with continuous classes, Proceedings of the 5th

Australian joint Conference on Artificial Intelligence. Singapore, pp. 343-348.

Rab, M.A., Haling, R.E., Aarons, S.R., Hannah, M., Young, I.M., Gibson, D.,

2014. Evaluation of X-ray computed tomography for quantifying macroporos-

ity of loamy pasture soils. Geoderma 213, 460–470.

Rawls, W.J., Brakensiek, D.L., Saxton, K.E., 1982. Estimation of soil water

properties. Trans. ASAE 25, 1316–1320.

238

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Schaap, M.G., Leij, F.J., Van Genuchten, M.T., 2001. Rosetta: A computer pro-

gram for estimating soil hydraulic parameters with hierarchical pedotransfer

functions. J. Hydrol. 251, 163–176.

Scharling, M., 2012. Climate Grid Denmark-Dataset of use in research and Edu-

cation-Daily and monthly values 1989-2010. Technical report 12-10. Danish Me-

teorological Institute, Ministry of Climate and Energy. Copenhagen, Denmark.

Schelde, K., de Jonge, L.W., Kjaergaard, C., Laegdsmand, M. and Rubæk,

G.H., 2006. Effects of manure application and plowing on transport of colloids

and phosphorus to tile drains. Vadose Zone Journal 5(1), 445-458.

Seta, A.K. and Karathanasis, A.D. 1996. Water dispersible colloids and factors

influencing their dispersibility from soil aggregates. Geoderma 74, 255-266.

Šimuunek, J., Šejna, M., Saito, H., Sakai, M., Van Genuchten, M.T., 2008. The

HYDRUS-1D software package for simulating the movement of water, heat,

and multiple solutes in variably saturated media, version 4.0: HYDRUS Soft-

ware Series 3. Dep. Environ. Sci. Univ. Calif. Riverside, Riverside, California,

USA 315.

Singh, J., Knapp, H.V., Arnold, J.G., Demissie, M., 2005. Hydrological model-

ing of the Iroquois river watershed using HSPF and SWAT 1. JAWRA J. Am.

Water Resour. Assoc. 41, 343–360.

Sobieraj, J.A., Elsenbeer, H., Vertessy, R.A., 2001. Pedotransfer functions for

estimating saturated hydraulic conductivity: implications for modeling storm

flow generation. J. Hydrol. 251, 202–220.

Stisen, S., Højberg, A.L., Troldborg, L., Refsgaard, J.C., Christensen, B.S.B., Ol-

sen, M., Henriksen, H.J., 2012. On the importance of appropriate precipitation

gauge catch correction for hydrological modelling at mid to high latitudes.

Hydrol. Earth Syst. Sci. 16.

Stumm, W. 1977. Chemical Interaction in Partical Separation. Environmental

Science & Technology 11, 1066-1070.

Stump, C., Engelhardt, S., Hofmann, M., Huwe, B., 2009. Evaluation of pedo-

transfer functions for estimating soil hydraulic properties of prevalent soils in

a catchment of the Bavarian Alps. Eur. J. For. Res. 128, 609–620.

Tomasella, J., Pachepsky, Y.A., Crestana, S., Rawls, W.J., 2003. Comparison of

two techniques to develop pedotransfer functions for water retention. Soil Sci.

Soc. Am. J. 67, 1085–1092.

Van Genuchten, M.T., 1980. A closed-form equation for predicting the hy-

draulic conductivity of unsaturated soils. Soil Sci. Soc. Am. J. 44, 892–898.

Van Looy, K., Bouma, J., Herbst, M., Koestel, J., Minasny, B., Mishra, U.,

Montzka, C., Nemes, A., Pachepsky, Y.A., Padarian, J., others, 2017. Pedo-

transfer functions in Earth system science: Challenges and perspectives. Rev.

Geophys. 55, 1199–1256.

239

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Varvaris, I., Børgesen, C.D., Kjærgaard, C., Iversen, B. V, 2018. Three two-dimen-

sional approaches for simulating the water flow dynamics in a heterogeneous

tile-drained agricultural field in Denmark. Soil Sci. Soc. Am. J. 82, 1367–1383.

Vendelboe, A.L., Schjonning, P., Moldrup, P., Jin, Y., Merbach, I. and de Jonge,

L.W. 2012a. Colloid Release From Differently Managed Loess Soil. Soil

Science 177, 301-309.

Vendelboe, A.L., Schjønning, P., Moldrup, P., Oyedele, D.J., Jin, Y., Scow, K.M.

and de Jonge, L.W. 2012b. Colloid Release from Soil Aggregates: Application

of Laser Diffraction. Vadose Zone Journal doi:10.2136/vzj2011.0070.

Vereecken, H., Weynants, M., Javaux, M., Pachepsky, Y., Schaap, M.G.,

Genuchten, M.T., others, 2010. Using pedotransfer functions to estimate the

van Genuchten--Mualem soil hydraulic properties: A review. Vadose Zo. J. 9,

795–820.

Wang, Y., Shao, M., Liu, Z., 2012. Pedotransfer functions for predicting soil

hydraulic properties of the Chinese Loess Plateau. Soil Sci. 177, 424–432.

Williams, M.R., King, K.W., Ford, W., Buda, A.R. and Kennedy, C.D., 2016.

Effect of tillage on macropore flow and phosphorus transport to tile drains.

Water Resources Research 52(4), 2868-2882.

Zhang, X., Wendroth, O., Matocha, C., Zhu, J., Reyes, J., 2019. Assessing field-

scale variability of soil hydraulic conductivity at and near saturation. Catena

104335.

Zhang, Y., Schaap, M., Zha, Y., Wei, Z., 2019. Recent Advances of Soil Pedo-

transfer Functions and Multimodel Ensemble Estimates of Soil Hydraulic Pa-

rameters with Global Coverage. in: Geophysical Research Abstracts 21, 1-10.

Zhang, Y., Schaap, M.G., 2017. Weighted recalibration of the Rosetta pedo-

transfer model with improved estimates of hydraulic parameter distributions

and summary statistics (Rosetta3). J. Hydrol. 547, 39–53.

Zhang, Y., Schaap, M.G., 2019. Estimation of saturated hydraulic conductivity

with pedotransfer functions: A review. J. Hydrol. 575, 1011–1030.

Zhuang, J., Qi, J., and Jin, Y. 2005. Retention and transport of amphiphilic

colloids under unsaturated flow conditions: Effect of particle size and surface

property. Environmental Science & Technology 39, 7853-7859.

240

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Bilag 5 Mapping of different soil properties re-

lated to mobilization potential of phos-

phorus in farmed organic lowland soils

Amélie Beucher

and Mogens H. Greve

Academic quality assurance: Rasmus Jes Petersen

Department of Agroecology, AU

Department of Bioscience, AU

Contents

Introduction

Material and methods

2.1

2.2

2.3

Soil data and study area

Environmental covariates

Predictive mapping with machine learning

241

243

244

245

246

247

249

253

254

258

259

Results

3.1

3.2

Preliminary exploratory analysis of data

Prediction results

3.2.1 Model performance

3.2.2 Predictive maps

3.2.3 Variable importance

3.2.4 Uncertainty assessment

Conclusion and perspectives

References:

Introduction

In Denmark, a large area of organic lowland soils has been drained and in- ten-

sively farmed for more than a century. This has led to a situation where sub-

stantial amounts of phosphorus (P) have accumulated in many of these soils

(Kjærgaard et al., 2012; Forsmann & Kjærgaard, 2014). Geologically, organic

lowlands can act as sinks for phosphorus that is redistributed from surrounding

upland areas. Phosphorus is bound in organic matter or retained by iron and

aluminum oxides or clay minerals. Upon drainage and cultivation, P has also

been added as fertilizers. Simultaneously, organic matter has been lost by bio-

logical oxidation increasing bulk density and concentrating P in these soils.

Increasing P enrichment in drained lowland soils induces a risk for P losses to

the aquatic environments (Forsmann & Kjærgaard, 2014). Various studies (e.g.

Litaor et al, 2004; Richardson, 1985; Sah and Mikkelsen, 1986; Schlichting et al,

2002) have reported that P sorption capacities in lowland soils often are signifi-

cantly correlated especially with the amount of amorphous iron (Fe) but also

aluminium (Al) oxides. This has been confirmed by a large survey of organic

lowland soils in Denmark (Kjærgaard et al., 2010). A biogeochemical character-

istic of lowland soils is the occurrence of strongly reducing conditions when

241

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

soils periodically become water-saturated and turn anaerobic (chap. 4.5.1). This

may lead to the reductive dissolution of Fe oxides and hence a substantial di-

minishment of the P sorption capacity in soil (Roden and Wetzel, 2002). Alt-

hough drainage aerates lowland soils and thus facilitates the presence of iron

oxides, during wet periods, local zones with reducing conditions are abundant

also in drained lowland soils (Petersen et al., 2020). Consequently, P may be

released into solution and eventually lost to drainage water (Zak et al., 2010).

An assessment of the contributions to the total diffuse P load to the sea in Den-

mark identified farmed organic lowland soils as one of the most important

sources of P loss (Poulsen and Rubæk, 2005). It should be noted that the large

amounts of iron-bound P in organic lowland soils may also pose a substantial

risk of P losses due to reductive iron dissolution and the subsequent P release

when these soils are restored to wetlands (Forsmann and Kjærgaard, 2014).

The pool of amorphous iron and aluminium oxides and the associated P can

chemically be characterized by means of different soil extractants (chap. 4.5.2).

To this end, acid ammonium oxalate is often used on upland soils and as basis

for estimating the phosphorus sorption capacity (PSC) as the sum of the oxalate-

extractable aluminium (Al

ox)

and iron (Fe

) pools (Van der Zee and Van

Riemsdijk, 1986). The ratio between oxalate-extractable phosphorus (P

) and

the PSC is referred to as degree of P saturation which has been related to the

risk of P leaching especially in slightly acid or neutral sandy soils (Schoumans

and Chardon, 2015; chap. 4.3). An advantage of the ammonium oxalate extrac-

tion is its robustness and suitability for routine analysis. As for upland soils,

and Fe

are also considered to represent a large part of the PSC under aer-

obic conditions in organic lowland soils, (Kjærgaard et al., 2010). At the same

time, the majority of the Fe

pool appears to be redox sensitive (chap. 4.5.2;

Heiberg et al., 2012), although wider evidence is relatively sparse. Additionally,

in lowland soils in Denmark, the content of P

often is high compared to up-

lands soils and comprises as a dynamic P pool a large part of total P (kap. 4.5.2;

Kjærgaard et al., 2010). Therefore, knowledge of the contents of Al

, Fe

and

in organic lowland soils is highly relevant for understanding and describing

the dynamics of P release and retention. However, currently we lack models to

accomplish this across a wider range of organic lowland soils. Other than in

aerobic upland soils, the degree of P saturation is not directly related to the po-

tential mobilization of P in organic lowland soils, as the reductive release of P

from the pool of amorphous Fe oxides is so important for the risk of P loss from

such soils (Kjærgaard et al., 2012; Forsmann and Kjærgaard, 2014).

The SINKS soil database contains geochemical and physical information from

8830 sampling points on organic lowlands across Denmark. As part of the

Fosforkortlægning

project, we have used this unique and extensive dataset to

map oxalate-extractable Al, Fe and P as well as soil bulk density in the 0-30

cm layer of organic lowland soils for all of Denmark. This is a contribution to

creating the knowledge base for eventually assessing the risk of P loss from

organic lowland soils.

Recently, a large number of studies have been using machine learning tech-

niques to predict soil properties or classes. Machine learning algorithms allow

for a high degree of complexity in the data structure, can deal with large da-

tasets, and can investigate linear and nonlinear relationships within the data.

For our mapping, we have employed a machine learning algorithm called

quantile regression forest (Meinshausen, 2006) and used an array of 66 environ-

mental covariates as predictors for the soil properties.

242

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 1.

Location of the soil

sampling points in 2010 and 2011

on organic lowlands used for es-

tablishing the SINKS database.

2.1

Material and methods

Soil data and study area

The SINKS database was used in this study to obtain extensive data on the con-

tents of Al

, Fe

and P

as well as bulk density (BD) in the upper soil layer

of organic, farmed lowland soils. During the field survey of organic lowlands

in 2010 and 2011, soil samples were taken at 8,830 locations using a systematic

sampling scheme (Fig. 1). The samples were collected in three different regu-

lar grids (250, 275 and 500 m). At each sampling location, four subsamples

were collected at different depth increments (i.e. 0-30, 30-60, 60-90, and 90-120

cm) using a 5-cm diameter soil auger with a liner sampler that permitted esti-

mating BD. The sampling notably stopped when reaching mineral soil. The

samples were described according to parent material, soil color, and degree of

decomposition. The total peat depth was measured down to a maximum of 5

m and pH was recorded in the field. The samples were stored in plastic bags

and refrigerated prior to further handling. Afterwards, samples were dried at

37 °C and passed through a 2-mm sieve to remove small rocks and coarse resi-

dues (ISO 11464, 2006). Oxalate-extractable aluminium (Al

), iron (Fe

) and

243

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

phosphorus (P

) were determined on dried and sieved soil samples at AGRO-

LAB GmbH, Germany, using the procedure described by Schoumans (2000).

Concentrations of Fe

, Al

and P

(mmol kg

-1

) were determined by ICP-OES

(Varian 725-ES, 238.204 nm, AGROLAB GmbH, Germany). Soil organic car-

bon was determined by dry combustion (ISO 10694, 1995). The dry bulk density

(kg dm

-3

) was calculated for each sample from sample dry weight (M

; kg)

and total sample volume (V

; dm

In our study, the area for mapping soil properties in farmed organic lowlands of

Denmark (c.1714 km

, Fig. 2) was defined by a minimum soil organic carbon

(SOC) content of 6% according to the SOC map of Adhikari et al. (2014b) and the

IMK2018 map of farmed land in 2018. As the SINKS data did not cover about

344 km

of these farmed organic lowlands, the soil properties Al

, Fe

, P

and

BD were eventually mapped for a net area of 1370 km

farmed organic lowlands.

In the following soil property maps, the farmed organic lowland area omitted

from soil property mapping is referred to as ‘not mapped’ (‘ikke-kortlagt’).

Figure 2.

Location of 1714 km

farmed organic lowlands in Den-

mark defined as soils with >6%

SOC based on the SOC map of

Adhikari et al. (2014b) and the

IMK2018 map of farmed land.

2.2

Environmental covariates

In the present study, 65 environmental covariates (i.e. predictors) were utilized

as input data within the modeling. These covariates can be divided into three

groups: Soil (35 covariates), topography (21 covariates), and climate (9 covari-

ates). All covariates were generated or resampled to have a 30.4-m resolution.

244

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

The continuous soil covariates are: soil organic matter (SOM), clay, sand (coarse

and fine fractions) and silt defined at four depths (i.e. 0-30, 30-60, 60-90, and

90-120 cm; Adhikari et al, 2013; 2014b) pH defined at six depths (i.e. 0-5, 5-15,

15-30, 30-60, 60-100, and 100-200 cm) (Adhikari et al., 2014c), the modelled or inter-

polated groundwater depth (Henriksen et al., 2012, Møller et al., 2018), the

depth to Prequaternary deposits and the potential acid sulfate soils (Beucher

et al, 2017). The categorical soil covariates are geology (11 classes) (Jakobsen

et al., 2015), georegion (7 classes) (Adhikari et al., 2013), landscape (11 classes)

(Madsen et al., 1992), land use (5 classes) (European Environment Agency,

2014) and drainage (5 classes; Møller et al, 2019) maps. The geology map rep-

resents the parent material and was extracted from the national geological map

(Danmarks Geologiske Undersøgelse, 1978). The georegion map shows dis-

tinct regions in Denmark based on climate and geographical settings. The

landscape type map shows Danish landforms, mostly referring to quaternary ge-

ological developments (Madsen et al, 1992). The land use map corresponds to

the land cover types derived from Corine Land Cover data specified for Den-

mark (Stjernholm and Kjeldgaard, 2004).

The topography covariates mainly correspond to a digital elevation model

(DEM) and 18 terrain attributes derived from it (Adhikari et al, 2014a):

detrended DEM, slope gradient, cosine and sine of slope aspect, direct sunlight

insola- tion, mid-slope position, relative slope postion (RSP), flow accumula-

tion, Multi- Resolution index of Valley Bottom Flatness (MRVBF), System of

Automated Geoscientific Analyses Wetness Index (SAGAWI), Total Wetness

Index (TWI), valley depth, vertical and horizontal distances to channel network,

slope to channel network, plan and profile curvatures, and the depth of sinks

(bluespot). Additional topography covariates are the river valleys (Sechu et al,

in prepara- tion) and the distance to the former Littorina Sea coastline.

The climate covariates are mostly based on the WordClim bioclimatic variables

corresponding to average values for the years 1970 to 2000 (Fick and Hijmans,

2017): annual mean temperature, maximum and minimum temperatures, mean

temperature for the warmest and coldest quarters, and annual mean precipita-

tion, as well as precipitation for the wettest and driest months. One climate

variable is the mean precipitation measured from April to October for the years

1961 to 1990 (Scharling, 2000).

2.3

Predictive mapping with machine learning

In this study, Random Forest (RF; Breiman, 2001) and Quantile Regression For-

est (QRF; Meinshausen, 2006) were used to model the different soil proper- ties

in organic lowlands. To infer the relationship between a target or response

variable and covariate or predictor variables, RF grows a large ensemble of

trees, using independent observations. For each tree and each node within the

tree, RF utilizes randomness when selecting a variable at each split. For each

tree, a bagged version of the training data is used. Moreover, only a random

subset of predictor variables is considered for split-point selection at each

node. In a regression case, the prediction of a single tree in the RF approach

for a new data point corresponds to the estimate of the conditional mean of

the target variable. Using QRF, the full distribution of values predicted for

each tree can be utilized to build prediction intervals. In this study, the quan-

tiles 0.25, 0.5 and 0.75 were calculated using the

ranger

and

caret

packages in R.

Quantile 0.5 corresponds to the mean prediction while the difference between

quantiles 0.75 and 0.25 gives a prediction interval which is used for uncer-

tainty assessment. For each soil property, 10 fold cross validation was used to

245

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

select the best performing model. Model performance was assessed using dif-

ferent metrics: mean squared error (MSE), mean absolute error (MAE), root

mean squared error (RMSE) and coefficient of determination (R

3.1

Results

Preliminary exploratory analysis of data

Table 1 presents the summary statistics for different soil properties mesured for

topsoil samples (i.e. 0-30 cm depth). Notably, all the different soil properties to

model, except the bulk density (i.e. Fe

, Al

and P

) show a positively skewed

distribution with high skewness values (Table 1), implying that the dataset

comprises extremely high values. The kurtosis values are also sharp, suggest-

ing that the majority of samples represent low values.

Table 2 presents the summary statistics for the two soil properties, namely soil

organic carbon (SOC) and bulk density (BD), which were recorded for samples

from the four depth increments (i.e. 0-30, 30-60, 60-90, and 90-120 cm). No-

tably, the number of samples for which these two properties were measured

is decreasing while the depth is increasing.

Table 1.

Summary statistics for the different soil properties, namely oxalate- extractable iron (Fe

), aluminium (Al

) and phos-

phorus (P

) (original val- ues expressed in mmol kg

-1

, and multiplied by bulk density expressed in mmol dm

-3

), soil organic car-

bon (SOC) and bulk density (BD), for topsoil samples (depth 0-30 cm; number of samples 8830).

Variable

SOC

Pox

Unit

mmol kg

-1

mmol kg

kg dm

-3

mmol dm

-3

-1

Min

1.7

Max

730

1500

914

1427

142

Mean

55.3

143.8

11.7

0.8

43.9

88.9

11.1

74.1

196

12.3

0.4

78.2

111

11.0

Med

6.1

0.8

Skewness

4.4

3.3

1.4

-0.1

6.0

3.5

4.2

133.9

136.3

104.7

50.7

41.7

17.3

29.6

Kurtosis

22.6

0.9

-1.1

178

125

mmol dm

-3

SD: standard deviation; Med: median; CV: coefficient of variation.

Table 2.

Summary statistics for the soil properties, namely soil organic carbon (SOC) and bulk density (BD), which were rec-

orded for samples from the four depth increments (i.e. 0-30, 30-60, 60-90, and 90-120 cm).

Variable

0-30 cm

SOC

30-60 cm

SOC

60-90 cm

SOC

90-120 cm

SOC

kg dm

-3

Unit

kg dm

-3

kg dm

-3

kg dm

-3

8,830

3,466

3,465

2,086

1,490

1,488

Min

0.1

0.2

Max

7.2

2.2

Mean

11.7

0.8

22.2

0.4

25.4

0.3

26.1

0.3

12.3

0.4

16.6

0.4

16.73

0.3

16.4

0.3

Med

6.1

0.8

0.3

0.2

Skewness

1.4

-0.1

0.3

2.6

-0.01

2.4

-0.1

2.5

104.7

50.7

74.6

65.9

106.2

63.1

104.9

Kurtosis

0.9

-1.1

-1.4

23.5

-1.4

6.8

-1.4

N: number of samples; SD: standard deviation; Med: median; CV: coefficient of variation.

246

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

3.2

Prediction results

3.2.1 Model performance

Even though QRF is a machine learning method which does not require any

normality assumption (Vaysse and Lagacherie, 2017), the different soil proper-

ties, except BD, were modelled both with and without being natural logarith-

mic transformed for the purpose of model performance. In Table 3, all results

are reported. Models performed better with natural logarithmic transformed

target variables, yielding higher R

values. Notably, the models yielded better

predictions (Table 4) for Al

and P

expressed in mmol.m

-3

(i.e. correspond-

ing to the original values in mmol kg

-1

multiplied by BD). The best performing

model for each of the target variables (highlighted in bold in Table 3) pre-

sented moderate R

values, ranging from 0.40 for P

to 0.61 for BD (Table 3).

These moderate results are consistent with the complexity of P dynamics in

lowland areas (Zak et al, 2010; Kjærgaard et al, 2012).

Table 3.

Training and validation results for the predictive modelling of oxalate- extractable

iron (Fe

), aluminium (Al

), phosphorus (P

) and bulk density (BD) for topsoil samples

from the SINKS data set.

Target Variable

Pox

(Al

x BD

)

(Fe

x BD)

(Al

* x BD)

(Fe

* x BD)

0.49

0.33

0.18

0.60

0.46

0.48

0.33

0.49

0.31

0.25

0.52

0.45

0.43

Training

RMSE

52.6

163.7

16.1

0.26

0.59

0.84

0.67

54.2

94.4

9.8

0.68

0.82

0.74

MAE

27.34

96.7

8.6

0.21

0.44

0.64

0.50

23.7

56.6

5.8

0.50

0.62

0.55

0.50

0.27

0.14

0.61

0.45

0.46

0.32

0.41

0.28

0.23

0.53

0.48

0.40

Validation

RMSE

55.1

178.1

19.0

0.26

0.37

0.72

0.47

63.0

98.32

9.5

0.69

0.82

0.75

MAE

3034.6

31723.8

361.8

0.07

0.61

0.44

3966.8

9667.8

90.3

0.68

0.67

0.56

*Natural logarithmic transformed; bold for selected models.

By multiplying with BD the

property is expressed in mmol dm

-3

Figures 3, 4, 5 and 6 present the distributions of observed and predicted values

for the natural logarithmic and back-transformed validation dataset (n =

2,808) for the different target variables. Distributions of predicted values of

, Fe

, and P

do not account for extreme observed values (i.e. low for nat-

ural logarithmic transformed values and extremely high for back- trans-

formed values). While the models did not perform well to calculate these ex-

treme values, the predictions are still centered around the observed data. Fo-

cusing on BD, distributions of observed and predicted values are more com-

parable although low and high values were not well predicted.

247

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 3.

Distribution of observed

and predicted oxalate-extractable

aluminium values (mmol dm

-3

; 0-

30 cm depth) for the natural loga-

rithmic and back- transformed

validation dataset (n = 2,808).

Figure 4.

Distribution of observed

and predicted oxalate-extractable

iron (mmol kg

-1

; 0-30 cm depth)

for the natural logarithmic and

back-transformed validation da-

taset (n = 2,808).

248

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 5.

Distribution of observed

and predicted oxalate-extractable

phosphorus (mmol dm

-3

; 0-30 cm

depth) for the natural logarithmic

and back-transformed validation

dataset (n = 2,808).

Figure 6.

Distribution of observed

and predicted bulk density (BD;

kg dm

-3

; 0-30 cm depth) for the

natural logarithmic and back-

transformed validation dataset (n

= 2,808).

3.2.2 Predictive maps

Figures 7, 8, 9 and 10 show the mean predictions (i.e. quantile 0.5) for the four

best performing models. All predictions are represented using quantile classi-

fication and five classes with each class corresponding to 20% of the mean pre-

diction values.

The predicted Al

and P

are high in the Saalian moraine and glacial flood

plains of western Jutland, and the sandy moraines of northern Jutland (Fig. 7

and 9). The lower values are predicted in Littorina marine deposits in northern

Jutland for both target variables, and generally in eastern Denmark for Al

and

in central areas of southern Jutland for P

. The predicted Fe

is particularly

high in most of the organic lowlands all over Denmark, low values only being

in Littorina marine deposits in northern Jutland and glacial flood plains in mid

and southern Jutland. The predicted BD is generally low in Littorina marine

deposits in northern Jutland and high in western Jutland (Fig. 10).

249

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 7.

Mean prediction for ox-

alate-extractable aluminium, Al

(mmol dm

-3

; 0- 30 cm depth), rep-

resented using quantile classifica-

tion and five classes (each class

corresponding to 20% of the

mean prediction values). The

farmed organic lowland area

omitted from soil property map-

ping is referred to as ‘not

mapped’ (‘ikke-kortlagt’).

250

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 8.

Mean prediction for ox-

alate-extractable iron, Fe

(mmol

-1

; 0-30 cm depth), represented

using quantile classification and

five classes (each class corre-

sponding to 20% of the mean

prediction values). The farmed

organic lowland area omitted

from soil property mapping is re-

ferred to as ‘not mapped’ (‘ikke-

kortlagt’).

251

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 9.

Mean prediction for ox-

alate-extractable phosphorus, P

(mmol dm

-3

; 0- 30 cm depth), rep-

resented using quantile classifica-

tion and five classes (each class

corresponding to 20% of the

mean prediction values). The

farmed organic lowland area

omitted from soil property map-

ping is referred to as ‘not

mapped’ (‘ikke-kortlagt’).

252

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 10.

Mean prediction for

bulk density (BD; kg dm

-3

; 0-30

cm depth), represented using

quantile classification and five

classes (each class corresponding

to 20% of the mean prediction

values). The farmed organic low-

land area omitted from soil prop-

erty mapping is referred to as ‘not

mapped’ (‘ikke-kortlagt’).

3.2.3 Variable importance

The predictor variable importance was calculated for the best performing mod-

els using a permutation method (Table 4). SOM content in the topsoil (i.e 0-30

cm depth) was identified as the best predictor for all target variables, which

is logical as this factor might play an important role for P mobilization

(Forsmann & Kjærgaard, 2014). Notably, climate and landscape covariates

were important for the prediction of Fe

and Al

. River valleys and ground-

water depth were important for Fe

prediction, which could be expected as

hydrology has a strong impact on P dynamics in wetland areas (Kjaergaard et

a., 2012). Moreover, several soil texture variables, such as coarse sand and clay

contents, constitute relatively useful predictors for P

. Topography covariates

were useful for BD prediction to a much lesser degree than SOM. This consti-

tutes valuable information for further investigation. Potential acid sulfate soil

areas were not identified as an important predictor within the selected mod-

els. This outcome is unexpected as Zak et al (2006) reported that in areas with

high sulfate load, reduction of sulfate and precipitation of iron sulfides can de-

crease pore water Fe(II) concentrations, which causes an increasing risk of P

release.

253

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Table 4.

Top 10 predictors for the modelled soil properties, namely oxalate- extractable iron (Fe

), aluminium (Al

), and phos-

phorus (P

), as well as bulk density (BD), ordered by importance in Quantile Regression Forest model using permutation as

method to determine variable importance.

Feox *

Rank

10.

Rank

10.

Predictors

SOM (0-30 cm)

River valleys

Detrended DEM

Landscape 2 (Littorina)

Geology 2 (Freshwater clay)

meanT warmestQ

Groundwater depth (interpolated)

Georegion 3 (western Jutland)

Annual mean temperature

DEM

(Alox x BD) *

Predictors

SOM (0-30 cm)

Georegion 3 (western Jutland)

Landscape 2 (Littorina)

meanT coldestQ

DEM

P wettestM

meanT warmestQ

Annual mean temperature

Landscape 10 (Saalian moraine)

Annual mean precipitation

Importance

100.0

46.4

23.9

19.2

18.7

18.6

16.8

16.1

13.0

12.0

Importance

100.0

30.8

28.6

17.5

16.7

16.6

16.0

14.5

13.9

13.6

Predictors

SOM (0-30 cm)

Vertical distance to channel network

Slope to channel network

SOM (30-60 cm)

Profile curvature

Groundwater depth (interpolated)

Land use 2 (agriculture)

River valleys

Detrended DEM

Relative slope position

(Pox x BD) *

Predictors

SOM (0-30 cm)

Detrended DEM

Clay (0-30 cm)

DEM

SOM (30-60 cm)

Coarse sand (30-60 cm)

Coarse sand (60-100 cm)

Coarse sand (100-200 cm)

Precipitation

Coarse sand (0-30 cm)

Bulk density

Importance

100.0

2.7

1.9

1.5

1.1

1.0

0.9

0.8

0.7

Importance

100.0

12.8

11.1

10.3

8.2

7.6

6.5

6.1

6.0

5.8

*: natural logarithmic transformed; SOM: Soil Organic Matter; DEM: Digital Elevation Model; meanT warmestQ and meanT cold-

estQ: mean Temperature for the warmest and coldest Quarters, respectively; P wettestM: Precipitation for the wettest Month;

Precipi- tation: mean Precipitation from April to October (1961-1990).

3.2.4 Uncertainty assessment

Figures 11, 12, 13 and 14 show the prediction intervals (i.e. difference between

quantiles 0.75 and 0.25) for the best performing models. All prediction intervals

are represented using quantile classification method and five classes (each class

corresponding to 20% of the prediction interval values). Considering Fe

, Al

and P

, 80% of the prediction interval values were noticeably small, represent-

ing c. 0.34%, 0.78% and 2.3% of the original observed ranges, respectively (i.e.

prediction intervals smaller than 5.2 mmol kg

-1

for Fe

, 7.2 mmol dm

-3

for Al

and 3.2 mmol dm

-3

for P

; Table 1). For BD, 80% of the prediction interval val-

ues were smaller than 25% of the original range (i.e. prediction intervals smaller

than 0.5 kg dm

-3

; Table 1). Considering the spatial distribution, the prediction

intervals were mostly small for Al

for organic lowlands, except in south

western Jutland (Fig. 11) where prediction values also tended to be high (Fig.

7). For Fe

and BD, the larger prediction intervals were found in western and

southern Jutland, and the smaller in Littorina marine deposits in northern Jut-

land and eastern Denmark (Fig. 12 and 14). However, we could not identify

any general trend between the mean predictions and the prediction intervals

(such as large prediction intervals in high mean prediction areas or conversely,

small prediction intervals in high mean prediction areas), which suggest that

most uncertainties in our predictions might only be explained through small-

scale variations.

254

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 11.

Prediction interval

(quantiles 0.75 - 0.25) for oxa-

late-extractable aluminium, Al

(mmol dm

-3

; 0-30 cm depth), rep-

resented using quantile classifica-

tion and five classes (each class

corresponding to 20% of the pre-

diction interval values). The

farmed organic lowland area

omitted from soil property map-

ping is referred to as ‘not

mapped’ (‘ikke-kortlagt’).

255

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 12.

Prediction interval

(quantiles 0.75 - 0.25) for oxalate-

extractable iron (mmol kg

-1

; 0-30

cm depth), represented using

quantile classification and five clas-

ses (each class corresponding to

20% of the prediction interval val-

ues). The farmed organic lowland

area omitted from soil property

mapping is referred to as ‘not

mapped’ (‘ikke-kortlagt’).

256

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 13.

Prediction interval

(quantiles 0.75 - 0.25) for oxa-

late-extractable phosphorus

(mmol dm

-3

; 0-30 cm depth), rep-

resented using quantile classifica-

tion and five classes (each class

corresponding to 20% of the pre-

diction interval values). The

farmed organic lowland area

omitted from soil property map-

ping is referred to as ‘not

mapped’ (‘ikke-kortlagt’).

257

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 14.

Prediction interval

(quantiles 0.75 - 0.25) for bulk

density (kg dm

-3

; 0-30 cm depth),

represented using quantile classifi-

cation and five classes (each class

corresponding to 20% of the pre-

diction interval values). The

farmed organic lowland area

omitted from soil property map-

ping is referred to as ‘not

mapped’ (‘ikke-kortlagt’).

Conclusion and perspectives

We mapped different soil properties in farmed organic lowland soils, namely

oxalate-extractable aluminium (Al

), iron (Fe

), phosphorus (P

), and the

bulk density. These soil properties were selected as target variables because of

their influence on the biogeochemical P dynamics in organic lowlands (Chap.

4.5.1; Kjærgaard et al, 2012; Forsmann & Kjærgaard, 2014). Fe

is relevant,

since it tends to represent the redox-labile pool of amorphous Fe(III) oxides

that potentially bind large amounts of P. Al

can resorb some of the P released

after reductive dissolution of Fe(III) oxides under anaerobic conditions. P

characterizes the pool of inorganic P that takes part in dynamic release and re-

tention processes. Bulk density has a great influence on the P inventory in or-

ganic soils. We characterized and mapped these soil properties for the topsoil

layer (i.e. 0-30 cm depth). The best performing models only yielded moderate

prediction accuracies with R

ranging from 0.40 to 0.61. These moderate re-

sults are consistent with the complexity of P dynamics reported not only for

organic lowland soils in Denmark (Forsmann and Kjærgaard, 2014), but also

for peatland areas in northern Europe (Zak et al, 2010). Prediction uncertainty

was evaluated using prediction interval (difference between quantiles 0.75

and 0.25 of the predicted values). Prediction intervals defined for each target

variable were mostly small and no general trend could be identified between

258

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

the mean predictions and the prediction intervals, suggesting that prediction

uncertainties might only be explained through small-scale variations.

The present study provides valuable information for further investigation and

future mitigation planning related to P losses from organic lowlands. To our

knowledge, it is the first attempt at mapping the selected soil properties at

high spatial resolution for a whole country. Concerning the methodology, RF

and QRF enable the use of a large amount of data and do not specifically re-

quire the use of variable selection. However, these methods provide predictor

variable importance and thus can be seen as a first modelling round of varia-

ble selection. A future modelling design could thus incorporate, first, a round

of modelling using RF for variable selection (e.g. using recursive feature elimi-

nation), then, a second round of modelling using a different state-of-the-art al-

gorithm, such as convolutional neural networks. This deep learning technique

may enable a more accurate prediction of soil properties and classes by incorpo-

rating spatial contextual information through the use of images extracted from

the environmental predictors and centered on soil observations as input data

(e.g. Padarian et al, 2019; Wadoux et al, 2019).

References:

Adhikari, K.; Kheir, R.; Greve, M.B.; Bøcher, P.; Malone, B.; Minasny, B.;

McBratney, A.; Greve, M.H. High-Resolution 3-D Mapping of Soil Texture in

Denmark. Soil Science Society of America Journal 2013, 77, 860–876.

Adhikari, K.; Minasny, B.; Greve, M.B.; Greve, M.H. Constructing a soil class

map of Denmark based on the FAO legend using digital techniques. Geo-

derma 2014a, 214, 101–113.

Adhikari, K.; Hartemink, A.; Minasny, B.; Kheir, R.; Greve, M.B.; Greve, M.H.

Digital Mapping of Soil Organic Carbon Contents and Stocks in Denmark.

PLoS One 2014b, 9, e105519.

Adhikari, K., Kheir, R.B., Greve, M.B., Greve, M.H., Malone, M., Minasny, B.

and McBratney, A. Mapping soil pH and bulk density at multiple soil depths

in Denmark, in: Arrouays, D., McKenzie, N.J., Hempel, J., de Forges, A.R. and

McBratney, A. (Eds.), GlobalSoilMap: Basis of the global spatial soil infor-

mation system. 2014c. Taylor & Francis, London, 155-160.

Abit, S.M.; Vepraskas, M.J.; Duckworth, O.W.; Amoozegar, A. Dissolution of

phosphorus into pore-water flowing through an organic soil. Geoderma 2013,

197, 51–58.

Aldous, A.; McCormick, P.; Ferguson, C.; Graham, S.; Craft, C. Hydrologic re-

gime controls soil phosphorus fluxes in restoration and undisturbed wetlands.

Restor. Ecol. 2005, 13 (2), 341–347.

Beucher, A.; Adhikari, K.; Breuning-Madsen, H.; Greve, M.B.; Osterholm, P.;

Fr¨ jd¨ , S.; Jensen, N.H.; Greve, M.H. Mapping potential acid sulfate soils in

o o

Denmark using legacy data and LiDAR-based derivatives. Geoderma 2017,

308, 363-372.

Breiman, L. Random forests. Mach. Learn. 2001, 45, 5–32.

259

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Danmarks Geologiske Undersøgelse. Foreløbige geologogiske kort (1:25,000) over

Danmark. DGU Serie A(3), 1978. Danmarks Geologiske Undersøgelse, Denmark.

European Commission. Directive 2000/60/EC of the European Parliament

and the council establishing a framework for the community action in the field

of water policy. European Commission. Off. J. Eur. Commun. 2000L, 137:1.

European Environment Agency, 2014. Corine Land Cover (CLC) 2012 - Den-

mark, Version 1, Oct. 2014 [dataset].

http://download.kortforsyningen.dk/content/corine-land-cover.

Fick, S.E. and R.J. Hijmans. Worldclim 2: New 1-km spatial resolution cli-

mate surfaces for global land areas. International Journal of Climatology 2017.

Forsmann, D.M. and Kjærgaard, C. Phosphorus release from anaerobic peat

soils during convective discharge — Effect of soil Fe:P molar ratio and prefer-

ential flow. Geoderma 2014, 223-225, 21-32.

Heiberg, L, Bender Koch, C., Kjærgaard, C., Jensen, HS., Hansen, HCB. Vivi-

anite precipitation and phosphate sorption following iron reduction in anoxic

soils. J. Environ. Qual. 2012, 41, 938-949.

Henriksen, H.J., Højberg, A.L., Olsen, M., Seaby, L.P., van der Keur, P., Stisen,

S., Troldborg, L., Sonnenborg, T.O. and Refsgaard, J.C. Klimaeffekter på hy-

drologi og grundvand - Klimagrundvandskort. 2012. Aarhus University.

Jakobsen, P.R., Hermansen, B. and Tougaard, L. Danmarks digitale jordarts-

kort 1:25000 version 4.0. 2015. GEUS.

Kjærgaard, C.; Hoffmann, C.C.; Heiberg, L.; Hansen, H.C.B.; Jensen, H.;

Greve, M. Risiko for fosfortab ved reetablering af vådområder? Vand & Jord

2010, 17(2), 58-62.

Kjærgaard, C.; Heiberg, L.; Jensen, H.S.; Hansen, H.C.B. Phosphorus mo- bili-

zation in rewetted peat and sand at variable flow rate and redox regimes. Ge-

oderma 2012, 173, 311–321.

Litaor, M.I.; Reichmann, O.; Auerswald, K.; Haim, A.; Shenker, M. Sorp- tion

characteristics of phosphorus in peat soils of a semiarid altered wetland. Soil

Sci. Soc. Am. J. 2004, 69, 1658–1665.

Madsen, H.B.; Nørr, A.H.; Holst, K.A. The Danish soil classification. Atlas Over

Denmark I Vol. 3 1992. The Royal Danish Geographical Society, Copen- hagen.

Madsen, H.B.; Jensen, N.H. Potentially acid sulfate soils in relation to land-

forms and geology. Catena 1988, 15, 137–145.

Meinshausen, N. Quantile regression forests. J. Mach. Learn. Res. 2006, 7, 983–

999.

Møller, A.B., Beucher, A., Iversen, B.V. and Greve, M.H. Predicting artificially

drained areas by means of a selective model ensemble. Geoderma 2018, 320,

30-42.

260

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Møller, A.B.; Iversen, B.V.; Beucher, A.; Greve, M. Prediction of soil drainage

classes in Denmark by means of decision tree classification. Geoderma 2019, 352,

314–329.

Padarian, J.; Minasny, B.; McBratney, A.B. Using deep learning for digital soil

mapping. SOIL Discussions 2019, 5, 79–89.

Paludan, C.; Jensen, H.S. Sequential extraction of phosphorus in freshwater

wetland and lake sediment: Significance of humic acids. Wetlands 1995, 15,

365–373.

Petersen, R.J.; Prinds, C.; Iversen, B.V.; Engesgaard, P.; Jessen, S.; Kjærgaard,

C. Riparian lowlands in clay till landscapes, Part I: Heterogeneity of flow

paths and water balances. Water Resources Research 2020, 56(4)

doi.org/10.1029/2019WR025808.

Poulsen, H.D.; Rubæk, G.H. Fosfor i dansk landbrug. Aarhus Universitet, Det

Jordbrugsvidenskabelige Fakultet, 2005, 211 p.

Richardson, C.J. Mechanisms controlling phosphorus retention capacity in

freshwater wetlands. Science 1985, 228, 1424–1427.

Roden E.E; Wetzel R.G; Kinetics of microbial Fe(III) oxide reduction in fresh-

water wetland sediments. Limnol Oceanogr 2002, 41, 1733–1748.

Sah, R.N.; Mikkelsen, D.S. Transformation of inorganic phosphorus during the

flooding and draining cycles of soil. Soil Sci. Soc. Am. J. 1986, 50, 62–67.

Scharling, M. Klimagrid - Danmark normaler 1961-90 m˚aneds- og ˚arsværdier

nedbør 10*10, 20*20 and 40*40 km temperatur og potentiel fordampning 20*20

and 40*40 km. Teknisk Rapport, Danish Meteorological Institute 2000, pp. 1–17.

Schlichting, A.; Leinweber, P.; Meissner, R.; Altermann, M. Sequentially ex-

tracted phosphorus fractions in peat-derived soils. J. Plant Nutr. Soil Sci. 2002,

165, 290–298.

Schou, J.S.; Kronvang, B.; Birr-Pedersen, K.; Jensen, P.L.; Rubaek, G.H.; Jørgen-

sen, U.; Jacobsen., B.H. Virkemidler til realiseringen af m˚lene i EUs vand-

rammedirektiv. 625. Danmarks Miljøundersøgelser 2007, University of Aar-

hus, Denmark.

Schoumans, O.F., Chardon, W. Phosphate saturation degree and accumula-

tion of phosphate in various soil types in The Netherlands. Geoderma, 2015,

237-238, 325-335.

Sechu, G.L.; Iversen, B.V.; Nilsson, B.; Greve, M.B.; Børgesen, C.D.; Greve,

M.H. River Valley Extractor (RVE): A GIS tool for the extraction of river valley

bottom within catchments. In preparation.

Stjernholm, M.; Kjeldgaard, A. CORINE Landcover Update in Denmark - Final

Report, 2004. National Environment Research Institute (NERI), Den- mark.

Surridge, B.W.J.; Heathwaite, A.L.; Baird, A.J. The release of phosphorus to

porewater and surface water from river riparian sediments. J. Environ. Qual.

2007, 36, 1534–1544.

261

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Van der Zee, S.E.A.T.M., Van Riemsdijk, W.H. Sorption kinetics and transport

of phosphate in sandy soil. Geoderma 1986, 38(1-4), 293-309.

Vaysse, K.; Lagacherie, P. Using quantile regression forest to estimate un- cer-

tainty of digital soil mapping products. Geoderma 2017, 291, 55–64.

Wadoux, A.M.J.C.; Padarian, J.; Minasny, B. Multi-source data integration for

soil mapping using deep learning. SOIL Discussions 2019, 5, 107–119.

Zak, D.; Kleeberg, A.; Hupfer, M. Sulphate-mediated phosphorus mobiliza-

tion in riverine sediments at increasing sulphate concentration, River Spree, NE

Germany. Biogeochemistry 2006, 80, 109–119.

Zak, D.; Gelbrecht, J. The mobilisation of phosphorus, organic carbon and am-

monium in the initial stage of fen rewetting (a case study from NE Germany).

Biogeochemistry 2007, 85, 141–151.

Zak, D.; Wagner, C.; Payer, B.; Augustin, J.; Gelbrecht, J. Phosphorus mo- bili-

zation in rewetted fens: the effect of altered peat properties and implications for

their restoration. Ecological Applications, 2010, 20, 1336-1349.

262

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Bilag 6. Modelling phosphorus loss by stream

bank erosion

Rasmus Jes Petersen

, Hans Thodsen

, Hans Estrup Andersen

Academic quality assurance: Bo Vangsø Iversen

Department for Bioscience, AU

Department for Agroecology, AU

Content

Introduction

Material and methods

2.1

Phosphorus content in stream banks

2.1.1 Stream bank soil sampling

2.1.2 Laboratory analyses

2.1.3 Extrapolation of measured stream bank soil

properties to the national scale

Data set of measured stream bank erosion rates

Input data for the empirical stream bank erosion model

263

265

266

267

268

270

273

275

281

283

2.2

2.3

Results

3.1

3.2

3.3

Phosphorus content in stream banks

Developing empirical stream bank erosion models

Running the stream bank erosion models

3.3.1 Stream bank erosion modelled at the national

scale

References

Appendix 1. Predictions of soil texture and soil organic carbon

from NIR spectra

286

Introduction

Phosphorus (P) is recognized as the major nutrient limiting primary produc-

tion in freshwater lakes (Søndergaard, 2007), however also estuaries and

coastal marine ecosystems may experience P limitation of phytoplankton

growth (Trommer et al., 2013; Timmermann, in prep.). Consequently, it is im-

perative for water managers to understand and have quantitative knowledge

on sources and processes that lead to elevated P loadings in surface waters in

order to design and choose effective mitigation schemes.

Stream banks provide a substantial part of the sediment as well as P to ﬂuvial

systems and erosion from stream banks appears to be relatively important

when compared to other sources in lowland catchments (Foster et al., 1988;

Svendsen et al., 1995; Kronvang & Rubæk, 2005). Stream bank erosion rates

have been measured in a number of Danish studies: Laubel et al. (1999) reported

263

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

erosion rates of 11 mm yr

-1

from a one year study encompassing 33 stream

reaches in a 114 km

lowland catchment; Laubel et al. (2003) similarly found

average erosion rates of 11 mm yr

-1

from a two year study in 15 Danish rural

streams representing all major soil types in Denmark; Veihe et al. (2011) moni-

tored one stream reach in a 16 km

catchment during four years and found ero-

sion rates of 18 – 30 mm yr

-1

; Kronvang et al. (2012) did a three year study in-

cluding 36 stream reaches in a 486 km

catchment dominated by loamy sand

and sandy clay soils and measured bank erosion rates of 25 – 36 mm yr

-1

Phosphorus content in Danish stream banks has been determined in a few stud-

ies and found to be generally higher than in fertilized agricultural soils where

the average of the top 25 cm layer of 337 Danish agricultural soils were shown

to be 562 mg total P kg

-1

, Rubæk et al., 2013. Laubel et al. (2003) took soil sam-

ples from 10 stream banks respectively in the upper and the lower 50 cm-bank

section. The mean total P (TP) content was respectively 710 and 570 mg P kg

-1

for the upper and lower bank section. Veihe et al. (2011) analyzed soil samples

from three depths (10 – 20 cm, 40 – 50 cm, 80 – 90 cm) of seven stream bank

profiles. Average TP contents were respectively 1130, 846, and 759 mg P kg

-1

for

the upper, middle and lower depth. Kronvang et al. (2012) took composite soil

samples from 35 stream reaches 60 and 20 cm above the streambed. Mean TP

content was 723 and 712 mg P kg

-1

for the upper and lower depth.

Kronvang et al. (2012) found that P loss from stream bank erosion made up 0.28

– 0.34 kg P ha

-1

from a 486 km

catchment corresponding to 22 – 53% of the P

loss from all diffuse sources in the catchment. Similarly, Laubel et al. (2003) re-

ported that P loss from stream bank erosion contributed 0.23 – 0.28 kg P ha

-1

corresponding to 14 – 40% of the total P transport in 15 rural streams. At na-

tional scale, stream bank erosion has been estimated to be the largest diffuse

source of P to Danish surface waters constituting 20 – 47% of the diffuse load to

the sea between 2000 and 2018 (Kronvang & Rubæk, 2005; Thodsen et al., 2019).

The scientific literature points to several factors influencing bank erosion:

Peak discharge and antecedent bank moisture (Hooke, 1979), freeze-thaw pro-

cesses (Lawler, 1993), livestock activity and farming (e.g. Trimble, 1994), bank

geometry and soil type (e.g. Schumm & Thorne, 1989), channel morphology

(e.g. Klaassen & Masselink, 1992), and bank vegetation cover (Gray & Mac-

Donald, 1989; Kronvang et al., 2012). Laubel et al. (2003) found that bank ero-

sion rates were significantly related to bank angle, bank vegetation cover,

overhanging bank and estimated stream power. An empirical model for bank

erosion based on these descriptive variables yielded a 55% explanation of the

observed spatial variation in bank erosion rate.

This study aims to determine P loading due to stream bank erosion both at

catchment and at national scale. To achieve this aim the study has the follow-

ing specific objectives:

1. To characterize stream bank sediments regarding TP contents for all major

landscape types in Denmark

2. To develop a model for stream bank sediments erosion, applicable at catch-

ment and national scale

3. To provide the necessary input data to run this model

4. To apply and run the model and compare results to monitoring data of TP

transport at catchment and national scale.

264

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

2.1

Material and methods

Phosphorus content in stream banks

2.1.1 Stream bank soil sampling

Soil samples from stream banks were collected using two methods: an inten-

sive method (n=185) and an extensive method (n=149) (Figure

1).

For the in-

tensive method, a hole was drilled using a 15 cm (diameter) pole drill. Soil

samples were collected to 1 m depth in 0.25 m increments. The hole was

drilled at the top of the bank. For the extensive method, a sample of app. 100

g material was taken half way between the top of the stream bank and the

water surface (at the time of sampling) after removing the outer few centime-

ters of the stream bank surface sediments. In total 879 soil samples were ana-

lysed (Figure

1).

All fieldwork was carried out in 2018. The soil material was

air-dried, sieved to < 2 mm and stored at room temperature in a soil archive.

Figure

Stream soil sampling

locations. Circles indicate sam-

pling by the intensive method,

squares indicate sampling by the

extensive method.

2.1.2 Laboratory analyses

In order to develop a pedotransfer function to predict soil texture, all 879 sam-

ples were scanned with NIR sensor (DS2500) covering a spectral range between

400 and 2500 nm. Principal Component Analysis (PCA) on all recorded spectra

and the corresponding X and Y coordinates was performed (data scaled due to

different ranges and units). In order to select representative samples for devel-

oping calibration models, the Kennard-Stone algorithm was applied to the first

three principal components (PCs). The algorithm was set to select 150 repre-

sentative samples and soil texture (clay, silt, sand) and soil organic carbon

(SOC) were determined on these selected samples (Gee and Bauder, 1986). De-

velopment of the pedotransfer function is described in appendix 1. Soil textural

composition and content of SOC were predicted for all samples.

265

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Soil sample textures were converted to bulk densities (BDs) for soil samples

where SOC < 10% using the empirical relation given by Katuwal et al. (2020):

BD = 1.901 – 0.002 Clay – 0.004 Coarse silt – 0.004 Sand – 0.094 SOC + 0.001 Depth

(1)

where BD is bulk density in g/cm³, depth is in cm, and Clay, Coarse silt, Sand,

and SOC are soil fractions in %weight.

For soil samples where SOC

≥

10%, BD was calculated from the empirical re-

lation given by Ruehlmann and Körschens (2009):

BD = 1.556×

��

(2)

Total P content was determined for all 879 samples by wet oxidation in a mix-

ture of concentrated perchloric and sulphuric acid (Kafkafi, 1972). Addition-

ally, for the 730 samples collected from four depths (intensive sampling) wa-

ter extractable P (P

) and oxalate extractable Al, Fe and P content were deter-

mined. P

was determined according to Sissingh (1971) with a water/soil ra-

tio of 50:1. Oxalate extractable Al, Fe and P were determined using the ICP-

OES (Inductively Coupled Plasma Optical Emission Spectrometry) procedure

after extraction with acid ammonium oxalate (Schwertmann, 1964) and the

degree of P saturation (DPS) was calculated as the ratio between the molar

concentrations of P and half the sum of Al and Fe molar concentration in the

soils (van der Zee et al., 1990).

2.1.3 Extrapolation of measured stream bank soil properties to the

national scale

Bulk densities and TP concentrations measured in soil samples were aggre-

gated within each landscape type (Table

and 3) and extrapolated by apply-

ing the medians to all stream stretches in the respective landscape types

(Smed, 1981). Landscape types, for which no stream bank soil samples were

available, were given values of BD and TP concentrations for resembling

(proxy) landscape types (Table

1).

Based on values of BD and TP concentra-

tions distributed according to landscape type, the modelled volumetric

stream bank erosion rate (see section 3.2) was converted to gravimetric ero-

sion and P mobilization rates.

266

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Table 1.

Landscape types not sampled and their total area (left column), and the substitute landscape type and number of sam-

ples per substitute type (right column).

Landscape

Less marked or discontinuous ice marginal hills

Dunes and less distinct ice marginal hills

Dunes and distinct ice marginal hills

Outwash plain and less distinct hummocky landscape

Dunes and less distinct hummocky landscape

Outwash plain and distinct hummocky landscape

Outwash plain and esker

Ice lake hill

Dunes and Littorina

Littorina and Weichselian moraine landscape

Marine (Littorina and Yoldia)

Dunes and marine plain (Yoldia)

Saale moraine landscape and distinct ice marginal hills

Outwash plain and tunnel valley

Marine foreland (Littorina) and tunnel valley

Dunes and tunnel valley

Marine plain (Yoldia) and tunnel valley

Dunes and Weichselian moraine landscape

Conspicuous hills of different origin

Outwash plain, Weichselian moraine landscape, and tunnel valley

Area [km²] Proxy

938.06

0.18

11.47

164.23

0.19

20.69

0.09

46.13

107.42

2.38

7.60

7.82

3.09

49.15

127.17

0.99

6.33

89.78

135.06

12.18

Weichselian moraine landscape

Tunnel valley

Esker

Ice lake basin

Marine foreland

(Littorina or younger)

Marine plain (Yoldia)

Saale moraine landscape

Distinct hummocky landscape

Continuous ice marginal hills

2.2

Data set of measured stream bank erosion rates

Two data sets (“Odense” and “Skjern”) were available for development of an

empirical stream bank erosion model:

Kronvang et al. (2012) measured bank erosion during 2006/2007 – 2008/2009

in the 486 km

lowland River Odense catchment located on Funen, Denmark.

Dominant soil types in the catchment are loamy sandy soils (40%) and sandy

clay soils (36%). This study included 36 experimental stream reaches each 100

m long comprising both channelized and naturally meandering streams.

Stream orders ranged from first to second, third, fourth and fifth orders. All

stream reaches had uncultivated buffers at least 2 m wide (mandatory in Den-

mark along all natural streams and artificial streams with a high ecological

value); buffer width ranged from 2 m to more than 10 m. Bank erosion was

measured as bank retreat, utilizing 60-cm long and 2-mm-diameter steel pins

inserted at different heights into the banks during September 2006. Each 100-

m stream reach consisted of five erosion pin plots, each consisting of three

vertical lines of pins with a distance of 0.5 m between the lines. In total, 3000

erosion pins were installed into 180 erosion pin plots by pushing them into

the bank perpendicular to the bank face, leaving 40 to 60 mm exposed for ease

of future location. Positive (erosion) and negative (accretion) pin readings

were recorded within each pin plot in early spring during the three study

years: 2006 to 2007, 2007 to 2008, and 2008 to 2009. All pin readings were con-

ducted with a metering stick and done by the same operator during all study

years. The stream bank plant community was characterized within each of the

180 bank plots including vegetation height.

267

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Additionally, unpublished data on measured stream bank erosion during

2007/2008 – 2008/2009 in the upper part of the 2490 km

River Skjern catch-

ment, Denmark, was available (B. Kronvang, pers.comm.). The soils of the up-

per parts of the catchment consist of sandy and loamy tills from the Sahle and

Weichsel glaciations. This study included 12 experimental reaches each 100 m

long. Only first and second order streams were included. Experimental design

and methods were copied from the method of Kronvang et al. (2012).

2.3

Input data for the empirical stream bank erosion model

The empirical stream bank erosion model (see Results, section 3.2) requires

data inputs on stream width, stream bank vegetation height, and stream bank

height. The Danish national stream network map (GeoDanmark, 2020) in-

cludes polylines of stream centers, and stream bank tops. In GIS, after remov-

ing small streams (<2 m) located in forests and marshland (which mainly con-

sists of ditch networks), 2 m buffer zones were created along the stream bank

top polylines on each side of all streams. At intersections between tributaries,

buffer zones within a 3-10 m normal distance of the intersection were erased.

The entire stream network was then split into 100 m sections. The width of

the stream in each section was defined as the distance between the two stream

bank tops in the middle of the 100 m section (Stream width, Figure 2).

Figure 2.

Calculating input data

for the stream bank erosion

model in GIS.

The vegetation height was calculated as the difference between a surface dig-

ital elevation model (DEM) including vegetation geometry (DHM2014/over-

flade, GeoDanmark, 2020) and a terrain DEM excluding vegetion

(DHM/terræn, GeoDanmark, 2020). Both DEMs generated from LIDAR data,

which a 0.4 m grid, horizontal accuracy: 0.15 m, vertical accuracy: 0.05 m).

Each stream bank buffer zone was divided into to two vegetation height clas-

ses <4 m and >4 m (Figure

2).

The stream bank heights (H) were calculated for each buffer zone as the sum

of stream bank height above the stream water level (H

) and stream bank

height below stream water level (stream depth, H

��

(3)

268

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

For each stream section, for each side of the stream, H

was calculated as the

difference between the minimum and maximum elevation of DEMterrain (LI-

DAR does not penetrate water, Figure 2 and

Figure

). A cutoff value of 2.5 m

was assigned as the maximum value for H

��

(4)

Figure 3.

Calculation of stream

bank heights for both sides of

each stream section. H

= height

of stream bank above water, and

= stream bank height below

water table.

In lack of data on stream bank heights below the water table (H

), linear rela-

tions between stream water depth and stream width were developed for the

nine Danish georegion (Greve, 2006) based on 4970 measured stream cross

sections (Figure

3):

Georegion

Relation

��

= 0.0408 ×

��

+ 0.0965

��

= 0.0396 ×

��

+ 0.0955

where

is stream bank height below water table (stream depth) in m, and

is stream

width in m. A cutoff value of 2.5 m was assigned as maximum stream water depth.

��

= 0.0201 ×

��

+ 0.1622

��

= 0.0181 ×

��

+ 0.2388

��

= 0.0317 ×

��

+ 0.1095

��

= 0.0336 ×

��

+ 0.1061

��

= 0.0447 ×

��

+ 0.0549

��

= 0.0402 ×

��

+ 0.0816

��

= 0.0472 ×

��

+ 0.1317

(5)

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

269

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 3.

Relations between stream water depth and stream width for georegions 1-9.

To avoid inclusion of tidal channels in the modelling of stream bank erosion,

all stream banks intersecting a 10 m buffer zone along coast lines were re-

moved.

Salt marshes and marine foreland areas are heavily ditched. The banks of

these ditches are expected to be somewhat stable, and so to avoid these dense

ditch networks to overly bias stream bank erosion estimates, the smallest

ditches were removed: < 10 m wide ditches in salt marshes, where mapped

streams were found to be over-estimated; <5 m wide ditches in marine fore-

land; <2 m wide ditches in forests; all ditches and streams in built-up areas.

3.1

Results

Phosphorus content in stream banks

Tables 2 and 3 summarizes the textural composition and the analyzed soil

properties (total phosphorus content, water extractable phosphorus, oxalate

extractable phosphorus, iron and aluminum) distributed on landscape types.

270

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Table 2.

Median (med), mean (x̅), and standard deviation (s) of texture, organic matter loss on ignition (LOI), and dry bulk density (BD) for stream bank soil samples collected within different

landscape types. Data include measured (n=101) and NIR-estimated (n=232) texture values. Humus, where not measured, is calculated as 1.724 times the soil organic carbon content

estimated from NIR-measurements. All LOI values are measured data.

Area

Landscape

Salt marsh

Marine foreland

(Littorina or younger)

Marine plain (Yoldia)

Aeolian dunes

Saale moraine landscape

Outwash plains

Weichselian moraine landscape

Reclaimed area

Bedrock

Sand dunes and outwash plain

Sand dunes and Saale moraine land-

scape

Sand dunes and marine foreland

(Littorina)

Outwash plains and Weichselian

moraine landscape

Ice lake basin

Continuous ice marginal hills

Esker

Distinct hummocky landscape

Less distinct hummocky landscape

Tunnel valley

Outwash plain, Weichselian moraine

and hummocky landscape

Total

[km²]

419

2937

986

1628

4727

4675

18154

502

164

200

107

199

1377

3470

924

703

med

Clay [%w]

x̅

med

6.8

3.2

2.4

1.7

1.8

2.2

4.5

3.5

3.7

1.3

2.2

1.4

1.9

5.7

3.7

5.1

5.2

3.5

4.0

2.3

Silt [%w]

x̅

8.9

4.3

2.7

1.6

2.4

2.6

5.6

6.2

3.7

1.3

2.2

1.4

1.9

5.8

4.2

5.1

7.0

3.7

4.6

2.3

6.5

3.4

1.5

0.8

2.0

1.8

4.3

7.8

0.8

0.1

3.2

2.4

2.5

6.4

0.4

2.3

1.7

med

Sand [%w]

x̅

Humus [%w]

med

5.1

3.8

3.2

1.7

7.2

4.4

3.2

0.4

12.2

1.4

22.8

1.2

44.4

4.2

5.1

8.8

3.3

2.4

5.3

21.0

x̅

6.1

6.3

3.4

2.5

7.1

5.2

2.3

12.2

1.4

2.6

7.6

1.6

2.1

9.1

8.5

3.6

0.6

med

4.0

6.0

4.6

0.8

5.1

4.7

1.5

7.4

1.6

LOI [%w]

x̅

6.0

3.7

med

1.3

1.4

1.5

1.2

1.4

1.5

1.0

1.5

0.9

1.5

0.8

1.4

1.3

1.1

1.4

1.5

1.3

0.7

BD [g/cm³]

x̅

1.3

1.4

1.5

1.1

1.3

1.4

1.0

1.5

0.9

1.5

0.8

1.4

1.1

1.4

1.5

1.1

0.7

0.1

0.3

0.1

0.4

0.3

0.2

0.1

0.6

0.0

0.1

0.2

0.1

0.4

0.1

10.7 14.0 10.7

4.1

2.4

1.8

2.8

3.6

5.8

4.5

5.9

2.4

4.6

1.6

3.8

8.3

6.8

4.5

6.01

3.9

5.6

2.9

1.9

3.7

4.2

7.3

4.3

5.9

2.4

4.6

1.6

3.8

8.4

6.8

8.3

4.6

6.5

3.9

4.7

1.5

0.9

3.5

2.8

5.2

3.9

0.3

1.9

4.5

3.1

5.4

0.3

3.7

3.4

74.6 70.2 16.1

85.6 83.4 12.2

88.3 86.2

91.1 91.5

7.2

5.1

9.2 10.6

5.5

1.6

7.6

6.7

2.8

7.4

1.6

2.9

1.6

8.3

7.0

3.3

1.2

89.6 84.3 15.0

87.2 85.5 11.0

81.9 79.0 11.9

79.5 85.1 12.5

74.3 74.3

94.5 94.5

1.1

11.0 15.3

6.4 11.6 15.7

70.4 70.4 21.6

88.9 88.9

49.9 49.9

78.9 77.1

75.2 75.2

85.2 84.7

8.2

9.6

1.9

22.8 23.4

1.2

44.4

4.1

4.5

8.8

4.3

2.6

0.5

2.1

2.3

3.2

0.9

23.8 23.8 22.1

2.6

2.3

4.5

0.9

3.3

1.3

19.7 19.7

5.5

5.2

5.3

6.3

6.2

4.7

5.2 10.5 13.6

86.6 80.8 14.4

81.9 77.8 12.1

81.8 75.2 16.0

77.4 77.4

8.2

12.2 12.2

12.6 16.2

21.0

6.8

6.9 13.6 16.2

13.5 13.5

5.0

41331

333

4.6

5.7

4.8

3.3

4.2

3.7

84.3 81.8 12.6

3.6

6.8

9.9

5.1

7.9

9.4

1.4

1.3

0.3

271

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Table 3.

Statistics for phosphorous content in stream bank soil samples collected within different landscape types. Median (med), mean (x̅), standard deviation (s), and number of analyzed soil

samples (n) for total phosphorus (TP), water extractable phosphorus (P

), and oxalate extractable phosphorus, iron, and aluminum (P

, Fe

, and Al

Landscape

Marsh

Marine foreland

(Littorina or younger)

Marine plain (Yoldia)

Aeolian dunes

Saale moraine landscape

Outwash plain

Weichselian moraine landscape

Reclaimed area

Bedrock

Dunes and outwash plain

Dunes and Saale moraine landscape

Dunes and marine foreland

(Littorina)

Outwash plain and Weichselian

moraine landscape

Ice lake basin

Continuous ice marginal hills

Esker

Distinct hummocky landscape

Less distinct hummocky landscape

Tunnel valley

Outwash plain, Weichselian moraine

and hummocky landscape

Total

TP [mg/kg]

med

x̅

721 1090 777

520

565

132

537

504

539

532

624

227

941

529

792

567

601

906

469

571

495

514

529

597 444

729 456

150 100

803 767

746 797

649 538

426 304

624

227 165

941 120

529

792

[mg/kg]

med

x̅

2.28 2.12 1.07

3.96 5.06 5.38

4.66 7.87 9.07

1.02 1.10 0.55

1.51 2.25 1.78

2.40 3.47 2.79

4.24 5.86 4.59

3.93 3.93 3.31

1.15 1.15 0.11

1.70 1.70

6.17 6.17

6.54 6.54

[mg/kg]

med

x̅

573 748 534

193 250 180

378 554 437

372 372 408

207 392 468

337 429 476

269 358 250

136 136

153 153

630 630

441 441

612 612

[mmol/kg]

med

x̅

18.5 24.1 17.2

6.23 8.08 5.80

12.2 17.9 14.1

12.0 12.0 13.2

6.68 12.7 15.1

10.9 13.8 15.4

8.68 11.6 8.08

4.39 4.39 2.60

4.94 4.94 2.78

20.4 20.4 0.92

14.2 14.2

19.8 19.8

[mmol/kg]

med

x̅

161 280 245

36.0 48.8 45.0

48.3 74.4 59.9

16.8 14.2

7.5

95.0 140 156

87.4 133 160

48.5 79.9 82.3

16.0 16.0

1.9

[mmol/kg]

med

118

x̅

118

51.1 51.1 46.5

409 409 58.3

66.5 66.5

293 293

25.0 25.0

4.6

611 183

534 132

906

516 197

529 216

763 649

514 234

13.5 13.5 16.8

4.09 4.18 2.31

3.69 4.13 3.17

3.46 3.46

3.30 3.49 2.33

8.42 8.42

247 247 117

290 301

7.96 7.96 3.77

9.35 9.71 3.00

6.58 8.30 6.05

5.53 5.53

7.79 11.4 12.2

6.78 6.78

77.8 87.5 25.8

36.5 54.1 38.2

41.8 41.8

82.5 144 121

51.0 51.0

204 257 187

171 171

241 354 376

210 210

677 609 333

3.43 4.62 4.41 184

269 368 348 201

8.68 11.9 11.2 201

58.3 100 121 203

19.5 23.8 17.3 202

272

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 4.

Median total P concentrations in stream banks distributed per landscape type.

3.2

Developing empirical stream bank erosion models

Model development was constrained by the fact that the model subsequently

should be parameterized for all streams in Denmark (14). Consequently, of all

variables with a possible influence on stream bank erosion, only stream width

and stream bank vegetation height were considered as these were the only

parameters available for all stretches. Separate models were developed for the

two data sets (“Odense” and “Skjern”) since significantly different estimates

were found for the model parameters most likely due to differences in topog-

raphy and geology. Stream width and vegetation height were divided into

respectively four and two classes:

Stream width (w):

<4m

4 m =<

< 8 m

8 m =<

< 12 m

>= 12 m.

273

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Bank vegetation height (veg):

Low (L) 0 <

veg

<= 4 m

High (H)

veg

> 4 m.

Model:

��

(14)

Log-transformed data were analyzed by two-way ANOVA. Effects of stream

width and vegetation height were significant (p < 0.0001) and no interaction

was detected (p = 11%). Parameter estimates for the two models for the dif-

ferent combinations of

and

veg

are presented in Tables 4 and 5.

Table 4.

Parameter estimates including standard error for the Odense-type model.

Stream width class (w)

Vegetation height class (veg)

-0.4605

0.077

Parameter estimate (w or

veg)

2.8841

3.2126

3.7495

3.1483

Standard error

0.094

0.068

0.114

0.097

Table 5.

Parameter estimates including standard error for the Skjern-type model

Stream width class (w)

Vegetation height class (veg)

-0.7754

0.1745

Parameter estimate (w or

veg)

3.9643

4.1128

4.5371

Standard error

0.1316

0.2949

0.8924

The back-transformed models including 95% confidence intervals are pre-

sented below (Tables 6 and 7).

Table 6.

Stream bank erosion model developed on the Odense River data (mm yr

-1

) (n =

495) including 95% confidence intervals as upper and lower boundaries.

Stream

width class

Vegetation

height class

Erosion

(mm yr )

11.3

15.7

26.8

14.7

17.9

24.9

42.5

23.3

-1

Lower boundary

(mm yr )

8.0

11.7

18.3

10.4

14.8

21.7

33.8

19.2

-1

Upper boundary

(mm yr

-1

)

15.9

21.0

39.3

20.8

21.6

28.5

53.4

29.0

274

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Table 7.

Stream bank erosion model developed on the River Skjern data (mm yr

-1

)

(n=109) including 95% confidence intervals as upper and lower boundaries.

Stream

Width class

Vegetation

height class

Erosion

(mm yr )

24.3

28.1

43.0

52.7

61.1

93.4

-1

Lower boundary Upper boundary

(mm yr

-1

)

13.2

13.4

5.1

40.5

41.4

15.7

(mm yr

-1

)

44.8

58.9

363.4

68.5

90.3

556.6

The models calculate gross bank erosion rates. Net erosion rates are calculated

by subtracting sediment deposited on stream banks. From the erosion pin

readings in the Odense and Skjern catchments it was calculated that deposited

material on stream banks constituted on average 93% of eroded bank material

in accordance with Kronvang et al. (2012). The TP content in river bank de-

posits was measured by Kronvang et al. (2012) and Kronvang (pers.com.) but

only for a few samples (five in River Odense and four in River Skjern) yielding

respectively 319 mg TP kg

-1

and 285 mg TP kg

-1

. An average value of 300 mg

TP kg

-1

was used for both stream bank erosion models in this study.

3.3

Running the stream bank erosion models

Each 100 m stream stretch characterized by stream width, bank height, and

bank vegetation height (section 2.3) was allocated to a specific stream bank

erosion model according to the geo-region in which it is located (Table

8).

One exception was that the Odense River model was applied to marsh areas

in all geo-regions since soil types in the marshes are more like those found in

the Odense River catchments than in Skjern Rivercatchment. The TP content

in the eroded bank material is determined per landscape type (Table

and

Figure 4).

Table 8.

Assignment of stream bank erosion model to stream segments by geo-region.

Geo-region

3 (other landscape types)

3 (marsh)

Bank erosion model

River Skjern

River Odense

Modelling of P loss by stream bank erosion is carried out by the following

steps:

275

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

1. Each 100 m stream segment is assigned a bank sediment TP content (mg

-3

) and bulk density (g cm

-3

) based on landscape type (Tables 2 and 3).

2. The gross annual amount of TP eroded from the stream segment is calcu-

lated as the annual amount of eroded soil material multiplied by TP soil

content.

3. The net mobilized amount of TP from bank erosion is the gross annual

amount of TP eroded minus the TP amount in redeposited materials. The

TP amount in deposited material is calculated as 0.93 times the annual

eroded soil material multiplied with the TP content in re-deposited stream

bank material.

4. The TP concentrations in re-deposited material is set to 300 mg P kg

-1

ex-

cept in “aeolian dunes” (Landscape 24) and “dunes and outwash plain”

(Landscape 30), for which the TP concentration in re-deposited material is

set to 100 mg P kg

-1

5. Urban areas (Styrelsen for Dataforsyning og Effektivisering, Topograph-

ical map of Denmark 1:200000) and dry, reclaimed areas are assumed to

have reinforced banks, and stream bank erosion in these areas is conse-

quently set to 0.

Evaluating modelled stream bank erosion at monitored catchments

The stream bank erosion model was tested against stream measurements of

diffuse TP transport at 267 NOVANA stations (Figure 5). The set of 267 sta-

tions is a sub-set of all NOVANA stations fulfilling a criteria of having at least

five full years of measurements during the period 2000 – 2018. P retention in

lakes is associated with large uncertainties, and thus catchments with lakes in

the downstream part of the catchment were excluded to avoid large lake P

retention to overly bias results. Diffuse TP transport was calculated by sub-

tracting point source contributions (Miljøstyrelsen, 2019) and contributions

from scattered dwellings (Miljøstyrelsen, 2020) from the measured transport

of TP. The modelled annual load of TP by net stream bank erosion along 100

m stream segments was summed within the catchment of each monitoring

station (Figure 6). P retention in lakes was subtracted from the summed mod-

elled stream bank erosion in all catchments based on a retention estimate of

4.5 kg P ha

-1

lake (prs.comm. J. Windolf). Other potential retention mecha-

nisms (e.g. by sedimentation of particulate P on floodplains during inunda-

tion) were not included.

The stream bank erosion constituted on average 57% of the measured diffuse

transport. Stream bank erosion constituted a larger fraction of total diffuse P

transport in georegions 1-3 (74%) than in georegions 4-9 (36%) (Figure 7 and

8). The correlation between modelled stream bank erosion and measured dif-

fuse P transport generally increased with catchment size; an effect of increas-

ing stream width with increasing catchment size and thus a higher bank ero-

sion rate (Figure 9). In other words: the increase in correlation coefficient with

catchment size indicates that the fraction of P derived from bank erosion of

total diffuse P transport increases with catchment size.

276

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure

Area-averaged diffuse TP loads calculated from measurements of TP transport at 267 NOVANA stations with mini-

mum 5 years of observations during 2000 - 2018.

277

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 6.

Modelled annual average loads of TP caused by stream bank erosion.

278

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 7.

Ratio of modelled stream bank TP erosion to measured diffuse TP transport in 267 catchments.

279

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 8.

Modelled stream bank erosion of TP including 95% confidence intervals as bars vs. measured diffuse TP transport for

267 stream stations distributed between nine geo-regions.

280

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 9.

Modelled stream bank erosion of TP including 95% confidence intervals as bars vs. measured diffuse TP transport at

267 stream stations subdivided by catchment area. r = Pearson correlation coefficient.

3.3.1 Stream bank erosion modelled at the national scale

The modelled net stream bank erosion rates per 100 m stream segments were

finally summed at the national scale. The results are presented at the ID15

catchment scale (Figure

10).

No lake retention or other retention mechanisms

are included in this map.

The total national TP load from stream bank erosion to coastal waters

summed to 644 tonnes P yr

-1

with a 95% confidence interval from 422 to 1,373

tonnes P yr

-1

. It should be noted, however, that this is an over-estimation of

the amount of P caused by bank erosion which actually reaches the sea since

no retention is included. For comparison, Kronvang and Rubæk (2005) esti-

mated bank erosion to contribute 275 – 645 tonnes P nationally. It should be

noted as well that the stated confidence interval includes only model uncer-

tainty (Tables 6 and 7). Further unquantified uncertainty comes from deter-

mination of model input parameters.

The total diffuse TP load (i.e. the total load subtracted contributions from

point sources and from scattered dwellings) to coastal waters was on average

1525 tonnes P yr

-1

during 2000-2018 (NOVANA 2018 calculations with new

estimates for contributions from scattered dwellings provided by Miljøstyrel-

sen, 2020). Modelled stream bank erosion thus constitutes on average 42% of

total diffuse TP loads.

281

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

The modelled P mobilization from stream bank erosion is largest in northern

and southwestern Jutland, largely reflecting a relatively higher stream density

and higher stream banks in these areas. Stream bank erosion was generally

higher in western Jutland as compared to the rest of the country, mainly as a

result of the applied erosion model (Skjern vs. Odense) but also due to a gen-

erally higher percentage of low stream bank vegetation in western Denmark

(Figure 11d). The average P-mobilization rates were 0.26 kg P ha

-1

in geore-

gions 1-3, 0.08 kg P ha

-1

in georegions 4-9, and 0.15 kg P ha

-1

for the entire

country.

Figure 10.

Net TP mobilization from stream bank erosion summed per ID15 catchment..

282

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Figure 11.

Regional variation in a) density of stream network, b) stream bank height, c) stream width and d) bank vegetation

height.

References

Foster IDL, Dearing JA, Grew R. 1988. Lake-catchments: an evaluation of their

contribution to studies of sediment yield and delivery processes. In Sediment

Budgets, Bordas MO, Walling DE (eds). IAHS Publication no. 174: Great Brit-

ain; 413–424.

Gee, G.W., Bauder, J.W., 1986. Particle-size analysis, In: Klute, A. (Ed.), Meth-

ods of Soil Analysis. Part 1. Physical and Mineralogical Methods, 2nd ed.

Agronomy Monograph No. 9. Soil Science Society of America, Madison, WI,

pp. 383–411.

GeoDanmark,

2020.

Downloads

from:

forsyningen.dk/content/geodataprodukter

https://download.kort-

Glæsner, N., Kjaergaard, C., Rubæk, G.H., Magid, J., 2011. Interactions be-

tween

283

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Gray, D. H. & A. MacDonald, 1989. The role of vegetation in river bank ero-

sion. In M. A. Port (ed.), Hydraulic Engineering. Proceedings of the 1989 Na-

tional Conference on Hydraulic Engineering: 218–223.

Greve, M.H. (2006). Upubliceret GIS tema over geo-regioner.

Hooke JM. 1979. An analysis of the processes of river bank erosion. Journal of

Hydrology 42: 39–62.

Klaassen, G. J. & G. Masselink, 1992. Planform changes of a braided river with

fine sand as bed and bank material. In P. Larsen & N. Eisenhauer (eds), Sedi-

ment Management. Fifth International Symposium on River Sedimentation,

Karlsruhe, 1992.

Katuwal, S., Knadel, M., Norgaard, T., Moldrup, P., Greve, M. H., and de

Jonge, L. W. (2020), Predicting the dry bulk density of soils across Denmark:

Comparison of single-parameter, multi-parameter, and vis–NIR based mod-

els.

Geoderma,

361, 114080.

https://doi.org/10.1016/j.geoderma.2019.114080

Kronvang, B. & Rubæk, GH. 2005. Kvantificering af dyrkningsbidraget af fos-

for til vandløb og søer. in HD Poulsen & GH Rubæk (eds), Fosfor i dansk

landbrug. Omsætning, tab og virkemidler mod tab. DJF rapport, husdyrbrug,

no. 68: 132-145.

Kronvang, B., Audet, J., Baattrup-Pedersen, A., Jensen, H.S. and Larsen, S.E.,

2012. Phosphorus Load to Surface Water from Bank Erosion in a Danish Low-

land River Basin. Journal of Environmental Quality, 41(2): 304-313.

Laubel, A., Kronvang, B., Hald, A.B. and Jensen, C., 2003. Hydromorphologi-

cal and biological factors influencing sediment and phosphorus loss via bank

erosion in small lowland rural streams in Denmark. Hydrological Processes,

17(17): 3443-3463.

Lawler DM. 1993. The measurement of river bank erosion and lateral channel

change: a review. Earth Surface Processes and Landforms, 17: 455–463.

Miljøstyrelsen, 2019. Punktkilder 2018. NOVANA – Punktkilder, december

2019.

Miljøstyrelsen, 2020. Opdatering af Tidserie for udledning af spildevand fra

RegnBetingede Udløb (RBU) og Spredt bebyggelse 1990-2018. Notat fra

Miljøstyrelsen dateret 9. marts 2020.

Rubæk, GH, Kristensen, K, Olesen, SE, Østergaard, HS & Heckrath, GJ, 2013.

Phosphorus accumulation and spatial distribution in agricultural soils in Den-

mark. Geoderma, 209-210: 241-250.

Ruehlmann, J., and Körschens, M. (2009), Calculating the Effect of Soil Or-

ganic Matter Concentration on Soil Bulk Density.

Soil Science Society of America

Journal,

73, 876-885.

https://doi.org/10.2136/sssaj2007.0149

Schumm, S. A. & C. R. Thorne, 1989. Geologic and geomorphic controls on

bank erosion. In M. A. Port (ed), Hydraulic Engineering. Proceedings of the

1989 National Conference on Hydraulic Engineering: 106–111.

284

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Sissingh, H.A., 1971. Analytical technique of the Pw method, used for the as-

sessment of the phosphate status of arable soils in the Netherlands. Plant Soil

34, 483‐486.

Smed, P. 1981. Landskabskort over Danmark (Geomorphological map of Den-

mark). Geografforlaget. Copenhagen.

Svendsen LM, Kronvang B, Kristensen P, Græsbøl P. 1995. Dynamics of phos-

phorus-compounds in a lowland river system: importance of retention and

non-point sources. Hydrological Processes 9: 119–142.

Søndergaard, M. 2007: Næringsstofdynamik i søer – med fokus på fosfor, se-

dimentet og restaurering af søer. Doktordisputats. Danmarks Miljøundersø-

gelser, Aarhus Universitet. 68 s.

Thodsen, H., Tornbjerg, H., Rasmussen, J.J., Bøgestrand, J., Larsen, S.E., Ove-

sen, N.B., Blicher-Mathiesen, G., Kjeldgaard, A. & Windolf, J. 2019. Vandløb

2018. NOVANA. Undertitel. Aarhus Universitet, DCE – Nationalt Center for

Miljø og Energi, 72 s. - Videnskabelig rapport nr. 353.

http://dce2.au.dk/pub/SR353.pdf

Thodsen, H., Rasmussen, J., Kronvang, B., Andersen, H.E., Nielsen, A. &

Larsen, S.E. 2019b: Suspended matter and associated contaminants in Danish

streams:

national

analysis.

Soils

and

Sediments.

https://doi.org/10.1007/s11368-019-02320-8.

Trimble SW. 1994. Erosional effects of cattle on streambanks in Tennessee,

USA. Earth Surface Processes and Landforms, 19: 451–464.

Trommer, G., Leynaert, A., Klein, C., Naegelen, A., Beker, B. 2013. Phyto-

plankton phosphorus limitation in a North Atlantic coastal ecosystem not pre-

dicted by nutrient load. Journal of Plankton Research, 35 (6): 1207-1219

Windolf, J. et al., 2011. A distributed modelling system for simulation of

monthly runoff and nitrogen sources, loads and sinks for ungauged

catchments in Denmark. Journal of Environmental Monitoring, 13(9): 2645-

2658.

https://doi.org/10.1039/C1em10139k

285

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Appendix 1. Predictions of soil texture and soil

organic carbon from NIR spectra

Analysis approach

In total 877 samples were scanned with NIR sensor (DS2500) covering spectral

range between 400 and 2500 nm. Principal Component Analysis (PCA) on all

recorded spectra and the corresponding X and Y coordinates (scaled data due

to different ranges and units) was performed.

In order to select representative samples for developing calibration models

Kennard-Stone algorithm was applied to the first three principal components

(PCs). The algorithm was set to select 150 representative samples. Due to a

small amount of bulk soils available for some of the selected samples, new

samples had to be chosen manually. Soil texture and soil organic carbon (SOC)

were determined on the selected samples (Gee and Bauder, 1986).

Calibration model development

First, the calibration set was divided into two subsets: training (N=100) and a

test set (N=50) using the Kennard-Stone algorithm on spectral data only. This

was done to be able to report the robustness of the developed model on sam-

ples which were not included in the training step.

Next, all 150 samples were used to develop the final calibration set which was

applied to the remaining spectra for prediction purposes.

Different regression techniques were tested to develop calibration models be-

tween NIR spectra and laboratory reference data and included Partial Least

Square regression (PLS), Artificial Neural Networks (ANN) and Support Vec-

tor Machine (SVM). However, the results for the best technique only were re-

ported here.

Results

Data set characterization

Location of the calibration samples is shown in Figure 1.

286

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Fig. 1.

Location of all samples (in

green) and the selected calibra-

tion samples (red).

A good spatial coverage of the investigated soils was achieved by applying

the Kennard-Stone algorithm.

As a result of sampling strategy (samples originating from different depths)

the variability in all four soil properties was very high (Table 1). The investi-

gated soils were representing both highly organic and mineral soils.

Table 1.

Statistics for all soil samples used for calibration purposes.

SOC

Mean

Max

Min

Range

Median

8.04

43.62

0.06

43.56

11.88

2.12

0.75

6.96

Clay

6.8

36.6

0.2

36.4

8.1

3.25

1.5

8.6

Silt

5.05

29.8

0.1

29.7

6.13

2.5

0.9

6.98

Sand

74.32

99.4

75.4

21.87

82.25

54.6

92.78

Modeling with training and test sets

The best models were obtained using SVM technique for all soil properties

investigated. Table 2 presents results for the training set whereas Table 3

shows results for the independent validation.

287

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Table 2.

SVM results for the 20 venetian blinds cross-validation based on 100 training sam-

ples..

Property

SOC

Clay

Silt

Sand

RMSECV

5.3

5.2

4.7

13.9

0.83

0.68

0.47

0.65

Bias

-0.49

-0.68

-0.46

1.65

Table 3.

SVM independent test results for 50 samples.

Property

SOC

Clay

Silt

Sand

RMSEP

3.5

3.7

9.5

0.82

0.68

0.50

0.71

Bias

-0.29

-0.37

-0.55

0.98

Due to the nature of the soil samples (very heterogeneous material), high

ranges and sampling strategy (a mix of soils from different depths) relatively

high errors were generated.

Lower errors were reported for the independent validation due to a lower

range of soil properties in the test set.

The best results, considering the errors (standardized root mean square er-

ror=range/RMSEP) were obtained for SOC predictions (SRMSEP=0.08) fol-

lowed by sand (SRMSEP=0.127) and clay (SRMSEP=0.129). The lowest accu-

racy was obtained for silt (SRMSEP=0.200).

Modeling with the final calibration set

Calibration models using all 150 samples were developed using a 20 venetian

blinds cross-validation for each property individually.

The results are presented on figures 2-5.

288

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Fig. 2.

SVM results for soil or-

ganic carbon.

Fig. 3.

SVM results for clay con-

tent.

Y CV Predicted 3 ler

289

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Fig. 4.

SVM results for silt con-

tent.

Fig. 5.

SVM results for sand con-

tent.

120

100

RMSEC = 5.0572

RMSECV = 12.0495

Calibration Bias = 0.21397

CV Bias = 0.16301

(Cal,CV) = 0.947, 0.705

100

Press a number key

create sub-plots.

Y Measured 7 total sand

Again, the highest accuracy with lowest SRMSE was achieved for SOC (0.110),

followed by clay (0.126). Silt and sand models generated the highest SRMSE

(0.152 and 0.159, respectively).

Predictions

The developed calibration models were applied to the remaining soil spectra

and prediction values for each sample were calculated for SOC, clay, silt and

sand.

Due to error values for some soil samples with low concentrations of SOC and

contents of clay and silt, negative predictions were generated. These were set

to zero.

290

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Bilag 7. Fosforfølsomme vandområder: søer

Annica Olesen

, Liselotte Sander Johansson

, Martin Søndergaard

Fagfællebedømmelse: Torben Linding Lauridsen

Institut for Bioscience, AU

Indhold

Introduktion og baggrund

1.1

Data og metoder

1.1.1 Sødata

1.1.2 Oplandsdata

1.1.3 Karakteristik af omfattede søer og deres

markopland

1.1.4 Statistiske metoder

Analyser og resultater

1.2.1 Naturtilstand

1.2.2 Vandkemi

1.2.3 Vegetation i habitatsøer

1.2.4 VOP-søer og økologisk tilstand

1.2.5 Risikoanalyse

Perspektiver og resultater fra andre undersøgelser

Konklusioner

Sammenfatning

Referencer

291

292

294

296

298

299

302

308

310

311

312

314

316

1.2

1.3

1.4

1.5

1.6

Introduktion og baggrund

Vandområdeplanerne for danske søer, og de tilhørende indsatsplaner for at

kunne opfylde kravet om mindst god økologisk tilstand, er udarbejdet med

henblik på at afhjælpe den menneskeskabte eutrofiering, der er langt det stør-

ste problem i danske søer. Indsatsplanerne har indtil videre baseret sig alene

på at nedbringe tilførslen og tilgængeligheden af fosfor, idet fosfor er det pri-

mært begrænsende næringsstof i søer og afgørende for den økologiske kvali-

tet. Alle de biologiske kvalitetselementer (undervandsplanter, planteplank-

ton, fisk og bunddyr), som bruges til at fastsætte den økologiske kvalitet, re-

sponderer således i større eller mindre grad på øget indhold af fosfor. Som

udgangspunkt er alle søer derfor mere eller mindre fosforfølsomme, hvor en-

hver øget tilførsel fører til øget risiko for forringet vandkvalitet. Ud over fos-

fortilførsel er søers tilstand også afhængig og påvirket af en række andre for-

hold, herunder tilførslen af kvælstof og generelt af det komplekse samspil

mellem de fysisk-kemiske og de biologiske forhold.

I dette delprojekt er formålet at undersøge tilstand og sammenhæng med op-

landskarakteristika i mindre danske søer og vandhuller med henblik på at

kunne anvende oplandsdata til at estimere tilstanden. Analysen gennemføres i

søer under 5 ha, herunder de omkring 1200 kortlagte søer under 1 ha, hvortil

291

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

der findes et specielt tilrettelagt program til overvågning i henhold til habitat-

direktivet. Disse søer ligger indenfor Natura2000 områderne, men udenfor op-

lande omfattet af vandområdeplanerne. Desuden inddrages ca. 150 søer, som

er omfattet af vandområdeplanerne (VOP-søer), hvor tilstanden er ukendt.

1.1

Data og metoder

Dette delprojekt anvender data fra forskellige danske databaser og kilder,

som vil blive gennemgået nedenfor. Data er som regel indsamlet i forbindelse

med det danske overvågningsprogram NOVANA (Det National Overvåg-

ningsprogram for VAndmiljø og NAtur).

Sødata

I projektet indgår data fra 1213 vandhuller (her defineret som søer < 1 ha) og

146 VOP-søer > 1 ha (hvoraf 76 søer er 1-5 ha og 70 søer > 5 ha). Listen over

søer er udarbejdet af Miljøstyrelsen (MST). Vandhullerne er udvalgt ud fra et

af følgende kriterier:

•

Uden for vandområdeplaner (VOP) og med tilløb

•

Uden for vandområdeplaner (VOP), uden tilløb og mindre end 25 m fra

landbrugsarealer.

For nogle af de udvalgte VOP-søer er der beregnet en tilstandsklasse baseret

på undervandsplanter som det anvendte kvalitetselement. For andre var den

økologiske tilstand ukendt, da analyserne i dette projekt blev gennemført.

En stor del af søerne ligger i naturområder med ingen eller kun ekstensiv

dyrkning.

Vandhullerne er undersøgt i enten naturtypekortlægning for sø-naturtyper el-

ler levestedskortlægning for vandhulsarter i perioden 2007-2017. Nogle vand-

huller er undersøgt i både naturtypekortlægningen og levestedskortlægningen

(Johansson 2017; Søgaard m.fl. 2017). Flere af VOP-søerne (< 5 ha) er undersøgt

i naturtypekortlægning, mens levestedskortlægningen kun omfatter vandhul-

ler < 1 ha (kortlagte søer kaldes fremadrettet for habitatsøer). Kortlægningen

har til formål at bestemme naturtypen, som baseres på vandets salinitet, vege-

tationens sammensætning og vandets brunfarvning. Foruden naturtype be-

stemmes også søens naturtilstand (Fredshavn m.fl., 2009). Det er ikke muligt at

beregne en naturtilstand på baggrund af undersøgelser i levestedskortlægnin-

ger før 2016, da de tekniske anvisninger for naturtypekortlægning og levesteds-

kortlægning først blev ensrettet i 2016. Søens naturtilstand bestemmes ved

hjælp af vegetationens sammensætning og strukturelle forhold. Flere af para-

metrene, som indgår i kortlægningerne, anvendes i dette projekt til at vurdere

sammenhængen mellem oplandskarakteristik og søens tilstand (Tabel 1.1).

Data fra kortlægningerne er udtrukket fra Naturdatabasen.

292

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Tabel 1.1.

Oversigt over parametre relevante for nærværende projekt, som undersøges i naturtypekortlægning og levestedsvur-

dering af vandhulsarter, og som indgår som elementer i naturtilstandsindekset jvf. habitatdirektivet.

Strukturindeks

Anvendte parametre

Dækningsgrad af søvegetation

Angivelse på feltskema

Angives i intervaller for procentvise dæk-

ningsgrader

Kransnålalger

Anden submers vegetation

Flydeplanter

Trådalger

Rørsumpsvegetation

Bredtilstand

%-del af samlede bredlængde med

pågældende indikator

Andel bredlængde m. græsning

Andel bredlængde m. tydelig påvirkning af jord-

brugsdrift

Andel bredlængde m. bræmme på mindst 10 m til

dyrket jord

Søens til- og afløb

Regulering og forurening

Andefodring

Ja/nej

Tredelt skala efter grad af påvirkning

Artsindeks

Beregnes ud fra artsscorer (værdi 0-1)

Naturtilstandsindeks

Beregnes på baggrund af strukturindeks og artsindeks. Værdi mellem 0 og 1

Tilløb via dræn/grøfter

Forurening

Tegn på fodring/udsætning

Udvalgte indikatorer

Strukturindekset beregnes ud fra oplysninger om eksterne påvirkninger

(strukturelle indikatorer), som tildeles point mellem 0 og 1 til hver af de kate-

gorier, som indikatoren bedst kan karakteriseres ved. Kategorierne for de en-

kelte indikatorer indgår i flere grupper, hvor de overordnede fem indikator-

grupper er listet i Tabel 1.1 under

Strukturindeks.

Hver gruppe tildeles en

værdi mellem 0 og 1 baseret på deres betydning for det samlede billede af

naturtypens tilstand. Vægten 0 betyder at indikatoren ikke har betydning for

det samlede indeks, mens vægten 1 betyder, at indikatoren udgør hele det

pågældende niveaus bidrag til strukturindekset. De fem grupper vægtes der-

for, så de tilsammen giver 1, hvorfor en lige stor betydning af hver af de fem

grupper betyder, at hver gruppe vægtes med 0,20. På samme vis vægtes de

enkelte indikatorer inden for en indikatorgruppe. Vægtene og pointene tilde-

les ud fra data, eller, ved utilstrækkelige data, ud fra ekspertskøn. For yderli-

gere information om beregninger og indikatorer, se Fredshavn m.fl. 2009.

Artsindekset tager udgangspunkt i søens artssammensætning af vandplanter

og sumpplanter, samt bredplanter for naturtypen 3130 (søbred med småur-

ter). Arterne tildeles en score mellem 0 og 7, afhængigt af hvor følsom den

enkelte art er overfor negative påvirkninger på naturtypen. Jo højere point, jo

mere følsom over for negative påvirkninger er den pågældende art. Arternes

score er baseret på ekspertviden. Ved beregning af artsindekset indgår en

mid-

delscore.

Middelscoren er den gennemsnitlige pointværdi af de arter, som bi-

drager til indekset. En lav middelscore er udtryk for, at arealet er relativt kraf-

tigt påvirket i negativ grad, mens en høj middelscore indikerer, at arealet i

ringere grad er påvirket.

Naturtilstandsindekset, som har en værdi fra 0-1 (hvor 1 indikerer den bedste

tilstand, og 0 den dårligste), beregnes ud fra flere af parametrene i Tabel 1.1

og enkelte andre (Fredshavn m.fl. 2009). Parametrene indgår i beregning af et

artsindeks og strukturindeks, som samlet set danner grundlaget for beregnin-

gen af naturtilstandsindekset.

293

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

For et mindre antal af vandhullerne findes en enkelt måling af klorofyl, total-

fosfor (total-P) og totalkvælstof (total-N). Der er kun anvendt kemidata for

vandhuller, som har et observationsstednr. (identifikation af søen) i Naturda-

tabasen, der kan kobles til Overfladevandsdatabasen (ODA), hvor vandkemi-

data er registreret, på Danmarks Miljøportal. Det betyder, at mængden af ke-

midata for de undersøgte vandhuller er meget begrænset, da kun 15 ud af

1213 (ca. 1,2 %) vandhuller har en måling af total-P, total-N og klorofyl. For

VOP-søerne findes der generelt flere kemidata, enten i form af en enkelt årlig

måling eller et sommergennemsnit (baseret på månedlige målinger), som

mere præcist angiver søens faktiske koncentrationsniveau. Der er målinger af

total-P og total-N for 89 søer (ca. 61 % af VOP-søerne) og klorofylmålinger for

119 søer (ca. 82 % af VOP-søerne).

Da flere af søerne er undersøgt flere gange og i enkelte tilfælde også med ke-

midata fra flere år, er det valgt, at anvende data fra den nyeste undersøgelse.

Hver sø indgår derfor kun én gang i analyserne.

1.1.2 Oplandsdata

Oplande til de enkelte søer er fundet via et udtræk fra et landsdækkende op-

landstema, som er udarbejdet i 2015 i forbindelse med arbejdet

Muligheder for

at identificere søers fosforfølsomhed og fastlæggelse af oplande til søer

(Andersen,

2015). Der er fundet og defineret oplandsafgrænsninger til hver enkelt sø i

såkaldte bufferzoner, der omfatter arealer af en afstand på 10 m, 50 m og 100

m fra søbredden.

Markkort og Basemap

Information om arealanvendelsen i søernes oplande er hentet fra markkort,

som er administreret af Landbrugsstyrelsen. I markkortene indgår andelen af

forskellige afgrødetyper i oplandet. Anvendte afgrødetyper er følgende kate-

gorier:

•

Ej mark:

arealet dyrkes ikke, hverken i omdrift eller med vedvarende græs.

Kan være åben natur eller krat/skov.

•

I omdrift:

betyder, at jorden jævnligt behandles med pløjning eller harv-

ning, dvs. det er en- eller toårige afgrøder, man dyrker.

•

Varig græs:

betyder, at jorden aldrig lægges om, dvs. pløjes eller harves.

Græsset skal afgræsses eller slås årligt, så det ikke springer i buskads.

•

Miljøordning:

Miljøordningerne omfatter en række forskellige forhold:

Pleje af græs- og naturarealer – typisk med afgræsning og ingen

gødskning

Miljøvenlige jordbrugsforanstaltninger – typisk nedsat gødskning

Fastholdelse af vådområder

Opretholdelse af ændret afvanding – kan også omfatte vådlægning

Der findes også andre kategorier som ’energiskov’, ’skov og naturarealer’ og

’grøntsager, gartneri’. For langt de fleste søer udgør disse kun en meget lille

andel af oplandet og er ikke medtaget i analyserne. De tidligste markkort er

fra 2010, og derfor anvendes primært sødata fra 2010 og frem, når sødata sam-

menholdes med arealanvendelsen i søens opland. I mange tilfælde har det

dog været nødvendigt at inddrage søer, hvis eneste undersøgelse er foretaget

i 2007 eller 2009, da dette ellers ville medføre at en tredjedel af de udvalgte

søer ikke kunne indgå i projektet med henblik på at relatere oplandskarakte-

ristika til søens naturtilstand inden for samme år. Disse søers kortlægninger

fra 2007 eller 2009 er sammenlignet med søens arealanvendelse i 2010.

294

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

I projektet er der indsamlet information om arealanvendelse af oplandet til

hver sø i årene 2010-2018. Når øvrige data sammenlignes med arealanvendel-

sen, er arealanvendelsen beregnet som et gennemsnit af i alt tre år; de foregå-

ende to år samt det år, hvor der er indsamlet kortlægningsdata eller evt. ke-

midata. Det er fundet, at ændringer i søernes markopland i perioden 2010-

2018 ofte er relativt lille (< 20% for ca. 80% af søerne, og over 50% af søerne

har < 5% variation), hvorfor et gennemsnit på tre år må anses for at dække en

rimelig variation i de enkelte søers opland over tid (Figur 1.1 viser eksempel

for ’i omdrift’ i 50 m bufferzone).

Figur 1.1.

Eksempel over pro-

centvise arealændringer i perio-

den 2010-2018 i søernes opland.

Her er oplandstypen ’i omdrift’ i

bufferzone 50 m (n = 1281 søer)

vist. Eksempelvis har 80,6 % af

søerne (svarende til 1032 søer)

under 20 % ændringer i perioden

(markeret med stiplet linje).

Foruden information om arealanvendelsen via markkort, er der også indsamlet

informationer fra det landsdækkende kort

Basemap02

fra 2016 (Levin m.fl. 2017),

hvor arealanvendelsen af bl.a. bebyggelse, landbrug, skov, vandløb og lysåben

natur er kortlagt i Danmark indtil år 2016. Informationer fra disse fem overord-

nede grupper af arealanvendelse kan kobles til søernes opland i de tre buffer-

zoner. Disse informationer er anvendt som supplerende viden til markkortdata.

Jordtyper og sandsynlighed for kunstig dræning

Jordtyperne i søens opland har bl.a. betydning for, hvor let næringsstofferne

bindes og dermed også for, hvor stor risikoen er for, at de udvaskes og eventuelt

føres til søen. Derfor er det relevant at undersøge, om der er en sammenhæng

mellem jordtyper og søens tilstand. Det geologiske jordartskort indeholder op-

lysninger om jordtypen i en dybde af 1 m, hvor man typisk finder de oprinde-

lige jordartstyper, som findes under pløje- og kulturlaget (Jakobsen m.fl. 2015).

Ved anvendelse af informationer omkring jordtyper er det muligt at beregne

den procentvise andel af en given jordtype i søernes bufferzoner. De geologiske

jordartstyper, som er udvalgt i dette projekt, er ’ler’, ’sand’, ’gytje’ og ’grus’, da

disse er de hyppigst forekommende jordtyper i søernes opland.

Andelen af drænede arealer omkring søerne kan have betydning for nærings-

stofpuljerne, som kommer til søen. Ved hjælp af et nyt landsdækkende kort

over drænede arealer i Danmark (Møller m.fl. 2018), er det muligt at under-

søge, hvorvidt sandsynligheden for at søens opland er drænet, og om dette

har betydning for søens tilstand. Informationen fra dræningskortet er derfor

anvendt i nærværende projekt i relation til at undersøge oplandets indflydelse

på de vandkemiske forhold.

295

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Hældningsgrad

Ved hjælp af digitale topografiske data fra Danmarks Højdemodel fra 2014 er

der lavet beregninger over oplandets hældningsgrad ned til søerne i de tre

bufferzoner 10, 50 og 100 m, baseret på GIS-analyser. Modellen har en opløs-

ning på 0,4 kvadratmeter. Til klassificering af oplandets hældningsgrad er der

anvendt tre klasser med tre forskellige hældningsgrader: 0-2, 2-6 og 6-90 gra-

der, og det er beregnet, hvor stort et procentvist areal af bufferzonen, som

udgøres af hver af de tre klasser. Hældningsgraden anvendes til at undersøge,

om hældningsgraden kan have en effekt på søernes tilstand i forhold til na-

turtilstandsindekset og vandkemiske forhold.

Udledning fra spredt bebyggelse

Der er foretaget en GIS-analyse af spredt bebyggelse, som findes i bufferzo-

nerne 50 m og 100 m til søerne. Bufferzonen 10 m er ekskluderet fra analy-

serne, da der kun blev fundet én ejendom i denne zone. Fagdatacenter for

Punktkilder beregner hvert år de udledte mængder af total-P og total-N for

alle ejendomme i den spredte bebyggelse på baggrund af oplysninger indhen-

tet fra Bygning- og Boligregistret, PlanDK og MiljøGIS (Skovmark 2018). Ana-

lysen er lavet for udledning i 2018. De udledte mængder af total-P og total-N

anvendes i projektet til at undersøge, om der kan findes en sammenhæng mel-

lem udledning fra spredt bebyggelse og naturtilstand, samt spredt bebyggelse

og vandkemiske forhold i søerne.

1.1.3 Karakteristik af omfattede søer og deres markopland

Af de omfattede søer er ca. 90 % af søerne < 1 ha, mens ca. 5 % er 1-5 ha og ca.

5 % er > 5 ha. Omkring halvdelen af søerne er angivet som næringsrige søer

(type 3150), mens de resterende habitatnaturtyper lobeliesøer (3110), søbred

med småurter (3130), kransnålalgesøer (3140) og brunvandede søer (3160)

hver udgør under 10 %. Cirka 16 % af søerne kan ikke henføres til en habitat-

naturtype (”type” 3100) og 12 % er angivet som strandsøer/laguner (1150).

Der er ikke udviklet et indeks til beregning af naturtilstand for strandsøer/la-

guner (1150), ligesom der heller ikke kan beregnes naturtilstand for søer, som

ikke kan henvises til en habitatnaturtype (3100) (Tabel 1.2).

Tabel 1.2.

Karakteristik over naturtype og sø-størrelse af omfattede søer.

Habitatnaturtype

Nr.

Beskrivelse

1150 Kystlaguner og strandsøer

3110 Kalk- og næringsfattige søer og vandhuller (lobeliesøer)

3130 Ret næringsfattige søer og vandhuller med små amfibiske planter ved bredden

3140 Kalkrige søer og vandhuller med kransnålalger

3150 Næringsrige søer og vandhuller med flydeplanter eller store vandaks

3160 Brunvandede søer og vandhuller

3100 Søer og vandhuller, der ikke kan henføres til en af habitatnaturtyperne

I alt

Naturtype kan ikke bestemmes på undersøgelsestidspunktet

VOP-søer som ikke er undersøgt i naturtypekortlægning

1213

129

640

209

Antal

< 1 ha 1-5 ha > 5 ha

159

651

213

1359

%-vis

I alt andel

0,3

0,2

100

80 % af søerne har en middeldybde < 2 m, mens 8 % har en middeldybde > 2

m. For de resterende 12 % findes der ingen dybdeangivelse.

Der findes en beregnet naturtilstand for 652 habitatsøer i perioden 2007-2018,

hvoraf 41 er VOP-søer og de resterende 611 er vandhuller. For søerne i de fem

296

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

habitatnaturtyper, for hvilke der findes et indeks til beregning af naturtilstand,

angives naturtilstanden i det fleste tilfælde som værende ”god” (værdi over 0,6).

Sammenligning af arealanvendelsen for de enkelte søer viser, at langt største-

delen af de 130 VOP-søer med kendt opland har ingen eller en meget lav andel

af areal i omdrift (Figur 1.2, for 50 m bufferzone). For de 1140 vandhuller med

kendt opland, er antallet af søer med opland i omdrift større, men omkring 75

% af søerne har et opland i 50 m zonen, som udgøres af mindre end 50 % i

omdrift (Figur 1.3, for 50 m bufferzone). Dette betyder, at de omfattede søer

generelt ligger i områder med ekstensiv landbrugsdrift.

100

Arealanvendelse (%)

130 VOP-søer

I omdrift 50 m (%)

Miljøordning 50 m (%)

Varig græs 50 m (%)

Ej mark 50 m (%)

Figur 1.2.

Arealanvendelse i VOP-søernes opland i 50 m bufferzone (antal søer = 130). Hvide huller indikerer, at noget af sø-

ens arealanvendelse udgøres af andet end de fire oplandstyper.

297

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

100

Arealanvendelse (%)

1140 Vandhuller

I omdrift 50 m (%)

Miljøordning 50 m (%)

Varig græs 50 m (%)

Ej mark 50 m (%)

Figur 1.3.

Arealanvendelse i habitatsøernes opland i 50 m bufferzone (antal søer = 1140). Hvide huller indikerer, at noget af

søens arealanvendelse udgøres af andet end de fire oplandstyper.

Statistiske metoder

Statistiske metoder er anvendt til at undersøge sammenhænge mellem op-

landskarakteristika og parametre, som kan angive søens tilstand. Der er an-

vendt lineær regression, hvor statistisk signifikans angives ved p-værdi <

0,05. Regressionens forklaring af variation angives ved forklaringsværdien R

hvor en lav R

værdi betyder, at meget lidt af variationen i søens tilstand eller

opland kan tilskrives den undersøgte parameter.

Der er ydermere anvendt boxplot til at undersøge, om der kan ses en sam-

menhæng mellem oplandskarakteristik og enkelte undersøgte parametre fra

kortlægninger i naturtypeprogrammet. Hvis der er overlappende median-

værdier og overlappende boxplots forventes det, at parameteren har ringe be-

tydning for søens tilstand.

Derudover er der i nogle tilfælde anvendt t-test og oneway ANOVA, hvor p-

værdier < 0,05 angiver signifikans. Hvis oneway ANOVA er signifikant er

post hoc testen Tukey HSD anvendt for at lokalisere de signifikante forskelle.

Alle statistiske analyser er foretaget i statistik programmet JMP, version 14.

Datahåndtering er udført i Excel 2016.

1.2

Analyser og resultater

I kortlægning af naturtype og levestedsvurdering af vandhulsarter indgår både

vandhuller og VOP-søer i dette projekt. Dette indebærer, at nedenstående ana-

lyser og resultater vedrørende naturtilstand og parametre i naturtilstandsin-

dekset involverer vandhuller og en delmængde af VOP-søerne. Ved analyser af

vandkemi og arealanvendelse indgår alle de vandhuller og VOP-søer, hvorfra

der findes vandkemiske undersøgelser. For de resterende analyser med vand-

298

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

kemi og vegetation indgår habitatsøerne, mens kun VOP-søerne indgår i ana-

lyser med økologisk tilstand. En risikoanalyse (afsnit 1.3.5), som illustrerer de

generelle sammenhænge mellem søers indhold af næringsstoffer og klorofyl, er

gennemført på et større datagrundlag end det, der er anvendt i dette projekt,

ved at anvende data fra søer i overvågningsprogrammet (NOVANA).

1.2.1 Naturtilstand

Naturtilstandsindeks og arealanvendelse

Der er beregnet en naturtilstand for 652 habitatsøer (611 vandhuller og 41

VOP-søer, som også er kortlagt iht. habitatdirektivet). Via en øget nærings-

stofpåvirkning kunne det forventes, at arealanvendelsen i oplandet vil have

en betydning for naturtilstanden, hvor en stigende dyrkningsintensitet vil re-

sultere i en faldende værdi af naturtilstanden. Figur 1.4 viser naturtilstands-

indekset som funktion af den arealmæssige procentandel af de fire oplands-

grupper i en bufferzone på 50 m fra søen, mens Tabel 1.3 angiver de statistiske

resultater fra de lineære regressioner udført på alle tre bufferzoner og også

efter naturtype. I Figur 1.4 ses det, at der er stor variation i naturtilstandsin-

dekset i forhold til de fire oplandsgrupper for alle søerne, men at der er en

svag stigning i naturtilstandsindeks med stigende andel ’ej mark’, mens det

omvendte ses for ’i omdrift’. Hældningerne for disse to oplandsgrupper er

signifikante (p < 0,05), men med meget lave forklaringsgrader (R

), som bety-

der, at kun 1-7% af variationen i naturtilstandsindekset forklares ud fra areal-

anvendelsen (Tabel 1.3). Der er ikke nogen signifikant relation mellem natur-

tilstandsindekset og ’varig græs’ og ’miljøordning’.

Figur 1.4.

Værdi af naturtil-

standsindeks som funktion af den

procentvise andel af hhv. ’Ej

mark’, ’Varig græs’, ’I omdrift’ og

’Miljøordning’ i oplandet i en buf-

ferzone af 50 m fra søen (n =

605). Resultater fra de lineære

regressionsanalyser ses i Tabel

1.3 for alle tre bufferzoner.

Ved inddeling efter sø-naturtyper ses der signifikante statistiske relationer

mellem naturtilstandsindeks og arealanvendelsen for flere oplandstyper for

alle sø-naturtyperne (Tabel 1.3). Forklaringsværdierne (R

) er højere, når der

tages højde for de forskellige sø-naturtyper, særligt brunvandede søer og sø-

bred med småurter. Derudover er det stadig kun en lille andel af variationen

i naturtilstandsindekset som forklares af oplandstyperne ved inddeling efter

habitatnaturtyper (maks. 32% for den brunvandede søtype, 100 m buffer-

zone). For de fleste søtyper er der en tendens til, at forklaringsværdien øges,

299

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

når bufferzonen øges, hvilket indikerer, at søernes tilstand påvirkes mindre

af de helt nære arealer end af arealerne lidt længere væk.

Tabel 1.3.

Resultater fra lineære regressionsanalyser mellem naturtilstandsindeks og arealanvendelsen i procent af fire op-

landstyper for alle søtyper, og opdeling efter naturtyper. * angiver signifikans (p < 0,05), R

= forklaringsværdi.

angiver om

hældningen er positiv (+) eller negativ (-). Der er ikke vist analyser for lobeliesøer (type 3110) på grund af meget få data.

Naturtilstandsindeks

Oplandstype

Alle søtyper

(n = 605)

P-værdi

Ej mark

10 m

50 m

100 m

I omdrift

10 m

50 m

100 m

Varig græs

10 m

50 m

100 m

Miljøordning

10 m

50 m

100 m

0,12

0,35

0,38

0,00

0,65

0,33

0,30

0,00

0,01

0,02

0,75

0,55

0,70

0,00

0,01

0,00

0,27

0,58

0,51

0,00 -

0,87

0,80

0,85

0,00

0,41

0,56

0,47

0,00

0,76

0,96

0,49

0,00

0,0117*

0,14

0,36

0,14

0,05

0,02

0,18

0,20

0,21

0,00 +

0,21

0,16

0,26

0,03

0,04

0,02

<0,0001*

0,03

0,07

0,0056*

<0,0001*

0,11

0,28

0,32

0,0234*

0,07

0,17

0,11

0,07

0,04

0,0123*

<0,0001*

0,01 -

0,04 -

0,05 -

0,08

0,0339*

0,0088*

0,06

0,08

0,12

0,0036*

<0,0001*

0,01

0,05

0,06

0,0495*

0,0006*

0,0004*

0,05

0,16

0,17

0,51

0,56

0,45

0,01

0,18

0,00 +

0,03 +

0,04 +

0,0316*

0,0031*

0,0011*

0,08

0,15

0,18

0,0007*

<0,0001*

Brunvandet sø

(type 3160)

(n = 71)

P-værdi

Kransnålalgesø

(type 3140)

(n = 46)

P-værdi

Næringsrig sø

(type 3150)

(n = 430)

P-værdi

Søbred med småurter

(type 3130)

(n = 56)

P-værdi

Fra Basemap-kortet er der indhentet yderligere oplysninger om typen af are-

alanvendelse i søernes opland. Der er en signifikant lineær sammenhæng mel-

lem andelen af landbrug og naturtilstandsindekser for alle tre bufferzoner,

ligeledes for andelen af lysåben tør natur. Også her er forklaringsværdierne

dog meget lave (R

< 0,06). For andelen af skov i 50 og 100 m bufferzonen er

der også signifikante sammenhænge, men igen er forklaringsværdierne me-

get lave (Tabel 1.4).

Det blev ligeledes undersøgt, om der var en relation mellem jordartstyper og

naturtilstandsindekset. Den lineære relation blev undersøgt for andel af jord-

artstyperne ’sand’, ’ler’, ’grus’ og ’gytje’ i søernes opland i de tre bufferzoner

10, 50 og 100 m. Der var signifikante lineære sammenhænge mellem naturtil-

standsindekset og ler (alle tre bufferzoner) og mellem naturtilstandsindekset

og sand (50 m og 100 m zone), men med meget lave forklaringsværdier (R

0,02) (Tabel 1.5).

300

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Tabel 1.4.

Lineær regression mellem naturtilstandsindeks og procentvis andel af typer af

arealanvendelse i de tre bufferzoner. * angiver signifikans (p < 0,05), R

= forklarings-

værdi.

angiver om hældningen er positiv (+) eller negativ (-).

Naturtilstandsindeks

(n = 605 søer)

Arealanvendelse

Bebyggelse

10 m

50 m

100 m

Landbrug

10 m

50 m

100 m

Skov

10 m

50 m

100 m

Vandløb

10 m

50 m

100 m

Lysåben tør natur

10 m

50 m

100 m

Lysåben våd natur

10 m

50 m

100 m

0,0027*

0,07

0,06

0,01

0,00

0,01

0,0011*

0,0001*

<0,0001*

0,02

0,03

0,05

0,10

0,08

0,01

0,00

0,09

0,0013*

0,0009*

0,00

0,02

<0,0001*

0,04

0,05

0,06

0,80

0,74

0,93

0,00

P-værdi

Tabel 1.5.

Lineær regression mellem naturtilstandsindeks og procentvis andel af jordarts-

typer i de tre bufferzoner. * angiver signifikans (p < 0,05), R

= forklaringsværdi.

angiver

om hældningen er positiv (+) eller negativ (-).

Naturtilstandsindeks

(n = 605 søer)

Jordtype

Ler

10 m

50 m

100 m

Sand

10 m

50 m

100 m

Gytje

10 m

50 m

100 m

Grus

10 m

50 m

100 m

0,29

0,13

0,09

0,00

0,09

0,15

0,16

0,00

0,11

0,0406*

0,0182*

0,00

0,01

0,0009*

0,0018*

0,0015*

0,02

P-værdi

301

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Der er fundet spredt bebyggelse med udledning af total-P for 60 søer og med

udledning af total-N for 150 søer i bufferzonerne 50 m og 100 m. Af disse er der

kun beregnet et naturtilstandsindeks for 31 af de 60 søer med total-P udledning

og 78 af de 150 søer med total-N udledning fra spredt bebyggelse. Der er ikke

fundet nogen statistisk signifikant lineær sammenhæng mellem udledning af

total-P eller total-N fra spredt bebyggelse og søernes naturtilstand (Figur 1.5).

Figur 1.5.

Lineære regressioner

for udledning af total-P og total-N

fra spredt bebyggelse og sam-

menhæng med naturtilstandsin-

deks i de to bufferzoner 50 m og

100 m. Alle regressioner har p >

0,05. n = 31 søer for total-P, n =

78 søer for total-N.

Der er ikke fundet nogen signifikante lineære sammenhænge mellem hæld-

ningsgraden i terræn og naturtilstandsindekset for nogle af de tre hældnings-

klasser (0-2, 2-6 og 6-90 graders hældning) eller for de tre bufferzoner (p > 0,05

for alle regressioner, ikke vist).

På baggrund af overstående analyser kan det konkluderes, at oplandets are-

alanvendelse og jordtyper har ringe sammenhæng med naturtilstanden op-

gjort ved naturtilstandsindekset. I de næste afsnit undersøges, om nogle af de

parametre, som indgår i beregningen af naturtilstanden, kan anvendes som

indikatorer på særlige forhold i oplandet, som søen kan påvirkes af. Der tages

udgangspunkt i vandkemi og vegetation som indikatorer af søens tilstand, og

som sammenholdes med parametre i indekset og arealanvendelse. Vandke-

miske undersøgelser indgår ikke i naturtilstandsvurderingssystemet, men

medvirker til at beskrive det omtrentlige næringsstofniveau i søen, som kan

anvendes i andre sammenhænge.

1.2.2 Vandkemi

Vandkemi og arealanvendelse

Viden om de vandkemiske forhold i de omfattede søer er generelt lav. Dette

skyldes, at der for vandhuller (< 1 ha) kun foretages en enkelt måling af vand-

kemi som total-P, total-N og klorofyl-målinger, og ikke i alle søer. For VOP-

søerne foretages generelt flere målinger, enten flere resultater af enkeltmålinger

(som foretages en gang årligt) eller et sommergennemsnit af minimum fire må-

linger pr. år foretaget i perioden maj – september (begge inklusiv). Samlet fin-

des der kun vandkemiske målinger for ca. 45 vandhuller og for ca. 120 VOP-

302

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

søer efter 2010. For at øge den statistiske styrke i nedenstående undersøgelser,

er enkeltmålinger og sommergennemsnitsmålinger inddraget på lige fod (Figur

1.6). Figur 1.6 viser de lineære regressioner i 50 m zonen for total-P, total-N,

klorofyl og sigtdybde i oplandstyperne ’ej mark’ og ’i omdrift’. Statistiske resul-

tater ses i Tabel 1.6, hvor også oplandstyperne ’varig græs’ og ’miljøordning’ er

inkluderet. Resultaterne viser, at der ikke er nogen signifikante relationer mel-

lem total-P og de fire oplandstyper i nogen af bufferzonerne. Der er derimod

signifikante relationer mellem total-N og andelen af ’ej mark’ og ’i omdrift’ for

alle tre bufferzoner, men med lave forklaringsværdier (R

< 10%). Derudover

findes også signifikante relationer for sigtdybde for andel af ’i omdrift’ og ’varig

græs’, men også her er der lave forklaringsværdier (R

< 9%).

Figur 1.6.

Lineære regressioner

for sammenhæng mellem

vandkemiske parametre (total-P,

total-N, klorofyl og sigtdybde) og

oplandstyperne ’ej mark’ og ’i

omdrift’ i 50 m bufferzonen.

303

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Tabel 1.6.

Resultater fra lineære regressioner mellem vandkemiparametre og oplandsgrupper. * angiver signifikans (p < 0,05),

= forklaringsværdi. I analysen er der inddraget både kemi fra enkeltmålinger (habitatsøer og VOP-søer) og sommergennem-

snit (VOP-søer).

angiver om hældningen er positiv (+) eller negativ (-).

Total-P (mg P l

-1

)

N = 93 søer

P-værdi

Ej mark

10 m

50 m

100 m

I omdrift

10 m

50 m

100 m

Varig græs

10 m

50 m

100 m

Miljøordning

10 m

50 m

100 m

0,81

0,69

0,78

0,00 +

0,95

0,97

0,98

0,00 +

0,00 -

0,83

0,97

0,83

0,00 +

0,00 -

0,33

0,16

0,14

0,01 -

0,02 -

0,99

0,73

0,66

0,00 -

0,00 +

0,09

0,14

0,20

0,03 +

0,02 +

0,0224*

0,22

0,41

0,04 +

0,01 +

0,00 +

0,0045*

0,0059*

0,0075*

0,05 -

0,82

0,68

0,55

0,00 +

0,0220*

0,0228*

0,0094*

0,06 +

0,07 +

0,94

0,24

0,10

0,00 -

0,01 +

0,02 +

0,97

0,14

0,19

0,00 +

0,02 +

0,01 +

0,88

0,41

0,30

0,00 -

0,01 -

0,0156*

0,0067*

0,0032*

0,06 -

0,08 -

0,09 -

0,05

0,08

0,07

0,03 -

0,0029*

0,0399*

0,05

0,06 +

0,03 +

Total-N (mg N l

-1

)

N = 93 søer

P-værdi

Klorofyl (µg chl-a l

-1

)

N = 122 søer

P-værdi

Sigtdybde (m)

N = 146 søer

P-værdi

Ved inddragelse af arealanvendelser fra Basemap-kortet var der signifikante

lineære sammenhænge mellem total-P og bebyggelse i alle tre bufferzoner

(Tabel 1.7), med en forklaringsværdi på 30-50%. Årsagssammenhængen kan

ikke afklares, men det indikerer, at jo mere bebyggelse der er i området om-

kring søen (særligt 50 og 100 m zone), jo større er risikoen for højere fosfor-

koncentrationer. Det samme synes at være tilfældet for total-N i bufferzoner

50 og 100 m, hvor der også er signifikante sammenhænge med bebyggelse

med forklaringsværdier på 15-17 %. Dog skal der tages højde for, at der kun

er 102 søer med målinger af N og P, og at en tredjedel af disse er enkeltmålin-

ger. Derudover er der ikke meget der tyder på, at der på baggrund af data i

dette projekt er en relation mellem landbrugsareal og vandkemi i søerne.

Det er forsøgt undersøgt, om der er en sammenhæng mellem søer med ud-

ledninger fra spredt bebyggelse og de vandkemiske forhold i søerne. Antallet

af søer med kemimålinger og med spredt bebyggelse i oplandet er imidlertid

for lav til, at denne analyse giver mening. Af de 60 søer med total-P udledning

fra spredt bebyggelse, er der kun 10 søer med vandkemimålinger. For de 150

søer med total-N udledning fra spredt bebyggelse er der vandkemimålinger

fra 26 søer. Derfor er denne analyse undladt.

Resultater fra analyser mellem jordtypers indflydelse på søens vandkemiske

forhold ses i Tabel 1.8. Resultaterne viser, at der ikke er fundet nogen signifi-

kante sammenhænge mellem jordtyper og total-P. Derimod er der fundet sig-

nifikante sammenhænge mellem total-N og sand (negativ sammenhæng), og

total-N og gytje (positiv sammenhæng) i minimum to bufferzoner. Det samme

er tilfældet for henholdsvis klorofyl og sigtdybde. Dog viser resultaterne i alle

tilfælde, at forklaringsværdierne er lave (R

< 12 %).

304

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Tabel 1.7.

Resultater fra lineær regressionsanalyser for sammenhæng mellem arealanvendelser og vandkemi. * angiver signifi-

kans (p < 0,05), R

= forklaringsværdi.

angiver om hældningen er positiv (+) eller negativ (-).

Total-P (mg P l

-1

)

N = 102 søer

P-værdi

Bebyggelse

10 m

50 m

100 m

Landbrug

10 m

50 m

100 m

Skov

10 m

50 m

100 m

Vandløb

10 m

50 m

100 m

Lysåben tør natur

10 m

50 m

100 m

Lysåben våd natur

10 m

50 m

100 m

0,33

0,44

0,50

0,01

0,00

0,95

0,85

0,73

0,00

0,53

0,88

0,81

0,00

<0,0001*

0,16

0,19

0,17

0,79

0,95

0,88

0,00

0,29

0,21

0,11

0,01

0,02

0,66

0,60

0,42

0,00

0,01

0,84

0,60

0,49

0,00

0,91

0,86

0,71

0,00

0,47

0,79

0,63

0,01

0,00

0,79

0,16

0,33

0,00

0,02

0,01

0,55

0,11

0,12

0,00

0,02

0,41

0,33

0,26

0,01

0,16

0,07

0,0296*

0,02

0,03

0,05

0,39

0,27

0,23

0,01

0,50

0,19

0,21

0,00

0,01

0,15

0,22

0,24

0,02

0,01

0,0319*

0,0165*

0,0078*

0,05

0,06

0,07

0,54

0,19

0,13

0,00

0,01

0,02

0,0069*

0,0352*

0,08

0,05

0,03

0,02

<0,0001*

0,32

0,51

0,50

0,0065*

<0,0001*

0,07

0,15

0,17

0,33

0,85

0,65

0,01

0,00

0,64

0,95

0,62

0,00

Total-N (mg N l

-1

)

N = 102 søer

P-værdi

Klorofyl (µg chl-a l

-1

)

N = 128 søer

P-værdi

Sigtdybde (m)

N = 154 søer

P-værdi

Tabel 1.8.

Resultater fra lineære regressions analyser for sammenhænge mellem jordtyper og vandkemiske parametre i de tre

bufferzoner 10, 50 og 100 m. * angiver signifikans (p < 0,05), R

= forklaringsværdi.

angiver om hældningen er positiv (+) eller

negativ (-).

Total-P (mg P l

-1

)

N = 102 søer

P-værdi

Ler

10 m

50 m

100 m

Sand

10 m

50 m

100 m

Gytje

10 m

50 m

100 m

Grus

10 m

50 m

100 m

0,97

0,94

0,97

0,00

0,66

0,58

0,50

0,00

0,52

0,66

0,90

0,00

0,45

0,63

0,75

0,00

0,85

0,99

0,93

0,00

0,0059*

0,0427*

0,08

0,07

0,04

0,03

0,0002*

<0,0001*

0,10

0,11

0,12

0,0073*

0,0077*

0,0105*

0,05

0,04

0,64

0,38

0,16

0,00

0,01

0,02

0,0355*

0,0189*

0,0157*

0,04

0,05

0,06

0,0003*

0,0002*

0,0003*

0,10

0,11

0,10

0,0002*

0,0006*

0,0004*

0,09

0,07

0,08

0,13

0,19

0,09

0,02

0,03

0,76

0,60

0,26

0,00

0,01

0,58

0,73

0,89

0,00

0,77

0,89

0,00

P-værdi

Total-N (mg N l

-1

)

N = 102 søer

P-værdi

Klorofyl (µg chl-a l

-1

)

N = 128 søer

P-værdi

Sigtdybde (m)

N = 154 søer

305

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Der er ikke fundet indikationer på, at hældningsgraden har betydning for de

vandkemiske forhold (total-N, total-P og klorofyl) i søerne hverken for for-

skellige hældningsgradsklasser (0-2 grader, 2-6 grader, 6-90 grader) eller i for-

skellige bufferzoner (lineære regressioner viser p > 0,05, data ikke vist).

Forureningstilstand og arealanvendelse

Ved kortlægning af naturtyper og levestedsvurdering angives habitatsøens

forureningsstilstand (eutrofieringstilstand) ved undersøgelsestidspunktet ud

fra en vurdering af, hvordan søens forhold ser ud fra bredden. Graden af for-

urening angives som 1) Næringsfattig og upåvirket, 2) Påvirket af nærings-

stoffer eller 3) Hypertrof, og er en subjektiv vurdering, som ikke er baseret på

eksakte målinger af næringsstofindhold.

Det er undersøgt, om der er en sammenhæng mellem den angivne grad af for-

ureningstilstand og oplandstyperne ’ej mark’ og ’i omdrift’ i 50 m bufferzonen.

Der er signifikant forskel mellem de ”næringsfattige og upåvirkede” søer i for-

hold til de to mere næringspåvirkede kategorier både i kategorien ’i omdrift’ og

’ej mark’ (Figur 1.7). Andelen af ’ej mark’ er generelt faldende med stigende

grad af ”forureningstilstand” i forhold til bufferzonen 50 m. Det omvendte er

tilfældet for ’i omdrift’, hvor den procentvise arealanvendelse i gennemsnit er

højere i søer, som er vurderet til at være ”påvirket af næringsstoffer” eller ”hy-

pertrof”, end de søer, som er vurderet til at være ”næringsfattige og upåvir-

kede”. For oplandstyperne ’varig græs’ og ’miljøordning’ er der ikke fundet no-

gen signifikante forskelle imellem arealanvendelse og forureningstilstand.

Figur 1.7.

Boxplot over forure-

ningstilstand (som defineret i

Fredshavn m.fl., 2009) i relation

til arealanvendelsen af de to op-

landsgrupper ’i omdrift’ og ’ej

mark’ i 50 m bufferzonen. Signifi-

kante forskelle findes mellem

middelværdierne for ’ej mark’ og

forureningstilstand og ’i omdrift’

og forureningstilstand (Oneway

ANOVA: p < 0,05). Dette er indi-

keret ved ens/forskellige bogsta-

ver (A og B) (Tukey HSD, post

hoc test).

Vandkemi og bredtilstand

De strukturelle indikatorer (Fredshavn m.fl., 2009), hvor andel bredlængde

med græsning, jorddriftspåvirkning og bræmme på mindst 10 m til dyrket jord

angives, kan indikere en belastningsgrad af næringsstoffer fra fx kvæg eller

jordbrug. Der er imidlertid ikke fundet nogen tydelige sammenhænge mellem

de vandkemiske forhold og den procentvise andel af bredlængde som har græs-

ning, eller mellem de vandkemiske forhold og andel bredlængde påvirket af

jordbrugsdrift (Figur 1.8). Der synes dog at være en sammenhæng mellem pa-

rameteren ’bredlængde med bræmme på mindst 10 m til dyrket jord’ for kloro-

fyl og total-N koncentration. Jo større andel af bredlængde med en bræmme på

306

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

mindst 10 m til dyrket jord, jo lavere er koncentrationen af klorofyl og total-N.

Ligeledes ser det ud til, at sigtdybden stiger med stigende andel bredlængde

med bræmme på mindst 10 m (Figur 1.8). Dette kan indikere, at hvis søen i hø-

jere grad er omgivet af en bræmme uden dyrkning, forbedres næringsstoffor-

holdene og sigtdybden. Dog er antallet af datapunkter lavt, da der er få vand-

kemiske målinger og få søer med en lav andel af bredlængde med minimum 10

m bræmme til dyrket jord, så konklusioner må tages med forbehold.

Figur 1.8.

Relation mellem bredtilstand (% bredlængde andel med græsning, % bredlængde andel påvirket af jordbrugsdrift og

% bredlængde andel med minimum 10 m bræmme til dyrket jord) og vandkemiparametrene total-P (n = 35 søer), total-N (n = 35

søer), klorofyl (n = 44 søer) og sigtdybde (n = 66 søer). % bredtilstand er middelværdien af intervaller i Fredshavn m.fl. (2009).

Boxplot angiver median, 25, 50 og 75% kvartil, maksimum og minimum, samt outliers.

Vandkemi og tilløb via dræn/grøft

Det er undersøgt, om der er en sammenhæng mellem de vandkemiske forhold

og om der i forbindelse med kortlægning af søen er registreret tilløb via

dræn/grøft eller ej. Resultaterne viser, at der ikke er nogen sammenhæng

mellem søens næringsstofindhold (total-P, total-N og klorofyl) og sigtdybde i

forhold til, om søen har et tilløb eller ej (Tabel 1.9).

Tabel 1.9.

Resultater fra t-test (under antagelse af ulig varians) for relation mellem tilløb

via dræn/grøft (ja/nej) og enkeltmålinger fra vandkemiparametrene total-P, total-N og klo-

rofyl samt sigtdybde. For alle parametre er p > 0,05.

Vandkemi

Total-P koncentration (mg P l

-1

)

Total-N koncentration (mg N l )

Klorofyl koncentration (µg chl-a l

-1

)

Sigtdybde (m)

-1

Tilløb via dræn/grøft

Antal søer

t-ratio

0,85

0,02

0,84

1,09

p-værdi

0,40

0,98

0,41

0,28

Det er undersøgt, om der er en sammenhæng mellem de vandkemiske para-

metre og sandsynligheden for, at søernes opland er drænet vha. det nationale

307

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

dræningskort. Resultaterne viser, at der er signifikante positive sammen-

hænge mellem total-N, klorofyl og sandsynligheden for at arealet i bufferzo-

nen er kunstigt drænet, mens der er en negativ sammenhæng for sigtdybde

(Tabel 1.10). Men forklaringsværdierne er i alle tilfælde lave (maks. 13 %).

Tabel 1.10.

Resultater fra lineær regressionsanalyse for sammenhæng mellem prædikteret sandsynlighed for kunstig dræning i

bufferzonerne og vandkemiske parametre. * angiver signifikans (p < 0,05), R

= forklaringsværdi.

angiver om hældningen er

positiv (+) eller negativ (-).

Sandsynlighed for

kunstig dræning (%)

Total-P koncentration

(mg P l

-1

)

n = 102 søer

p-værdi

10 m

50 m

100 m

0,64

0,40

0,24

0,00

0,01

Total-N koncentration

(mg N l

-1

)

n = 102 søer

p-værdi

0,0047*

0,0005*

0,0002*

0,08

0,11

0,13

Klorofyl koncentration

(µg chl-a l

-1

)

n = 128 søer

p-værdi

0,0053*

0,0011*

0,0006*

0,06

0,08

0,09

p-værdi

0,0006*

<0,0001*

Sigtdybde

(m)

n = 154 søer

0,07 -

0,10 -

Det er undersøgt, om der er en sammenhæng mellem de søer som er noteret med

afløb i kortlægningen og de områder, som er beregnet til at have en høj sandsyn-

lighed for, at arealet er drænet. Der er en interessant signifikant forskel i middel-

værdier (t-test p < 0,05, n = 951 søer), hvor søer som er kategoriseret uden tilløb

i kortlægningen faktisk har arealer med lidt højere sandsynlighed for at være

drænet, end søer som er kategoriseret med tilløb (resultater ikke vist). Dette illu-

strerer, at tilløb via drænrør kan være svære at lokalisere ved en feltundersø-

gelse, og antallet af søer med tilløb via dræn kan være underestimeret.

Vandkemi og andefodring

Der blev ikke fundet nogen sammenhæng mellem grad af andefodring og

vandkemiske parametre (Oneway ANOVA test p > 0,05). Det vil sige, at der i

forhold til observatørens vurdering af, om der er andefodring eller ej i søen,

ikke kan ses nogen sammenhæng med de vandkemiske koncentrationsforhold.

Andefodring kan indikere, at der ofte er ænder som ud over foderet, selv kan

fungere som punktkilde til øget næringsstofbelastning, men dette ses ikke i de

vandkemiske målinger. Dette kan skyldes, at dokumentation af tilstedeværelse

af ænder kan være svær at vurdere ved et enkelt feltbesøg. Samtidigt vides det

heller ikke, om der i søerne tidligere har været udsætning af ænder.

1.2.3 Vegetation i habitatsøer

Vegetation og arealanvendelse

Ved kortlægning af naturtypesøerne registreres bl.a. dækningsgraden af for-

skellige plantegrupper, herunder trådalger, flydebladsplanters ”andre” sub-

merse planter og samlet undervandsvegetation. En høj dækningsgrad af tråd-

alger og/eller flydebladsplanter giver en forventning om, at søen er negativt

påvirket af næringsstoffer. Dette skyldes, at disse plantegrupper er særligt kon-

kurrencedygtige og tolerante overfor høje næringsstofbelastninger og af man-

gel på lys i vandsøjlen. Derimod vil høje dækningsgrader af submerse planter

og total undervandsvegetation give en indikation på mere næringsfattige for-

hold og bedre vandkvalitet, da undervandsplanter er afhængige af gode lysfor-

hold til bunden og derfor mindre konkurrencedygtige, når næringsstofkoncen-

trationen stiger. Sammenstilling af dækningsgrader af forskellige vegetations-

grupper med arealanvendelsen af de fire oplandstyper i 50 m bufferzonen viser

dog ikke nogle tydelige tegn på, at dækningsgraden af vegetationsgrupperne

ændrer sig når arealanvendelsen af en særlig oplandstype stiger, da boxplot-

308

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

tene i høj grad overlapper hinanden (Figur 1.9). Arealanvendelserne fra Base-

map kortet er også anvendt til at undersøge, om der er en sammenhæng mellem

vegetationen og de forskellige typer af arealanvendelser i 50 m zonen. Her var

der heller ikke nogen tegn på, at der var ændringer i vegetationen med stigende

eller faldende andele af bebyggelse, landbrug, skov eller lysåben natur (både

våd og tør) (data ikke vist). Der må dog tages forbehold for disse søers generelt

beskedne vanddybde og deres biologiske strukturer (herunder fravær af fisk),

hvilket betyder, at de biologiske interaktioner og samspillet med de vandkemi-

ske forhold kan være anderledes end i større søer.

Figur 1.9.

Boxplot over vegetati-

onsgrupper i relation til procent-

vise intervaller af de fire oplands-

grupper i bufferzonen 50 m (n =

1281 søer). Boxplot angiver me-

dian, 25, 50 og 75% kvartil, mak-

simum og minimum, samt out-

liers.

100

75-100

50-75

25-50

5-25

0-5

100

75-100

50-75

25-50

5-25

0-5

100

75-100

50-75

25-50

5-25

0-5

100

75-100

50-75

25-50

5-25

0-5

Ej mark 50 m (%)

I omdrift 50 m (% )

Varig græs 50 m (%) Miljøordning 50 m (%

Vegetation og vandkemi

Det er undersøgt, om der er en relation mellem vegetation og vandkemi for

habitatsøerne, som indgår i dette projekt. Der er ingen signifikante sammen-

hænge mellem total-P, total-N, klorofyl og undervandsvegetation. Det skal

dog bemærkes, at der kun findes et begrænset antal kemimålinger, hvoraf

flere af disse er enkeltmålinger (Figur 1.10).

100

Total-P koncentration (mg P l-1)

100

Total-N koncentration (mg N l-1)

100

200

300

400

Klorofyl (µg chl a l-1)

500

600

Figur 1.10.

Relation mellem dækningsgrad af undervandsvegetation (%) og koncentration af hhv total-P, total-N og klorofyl.

Farver angiver type af kemimåling; Røde punkter = vandhul enkeltmåling, grønne punkter = VOP-sø enkeltmåling, blå punkter =

VOP-sø sommergennemsnit. Der er ingen signifikante lineære sammenhænge mellem dækningsgrad af undervandsvegetation

og vandkemiparametrene (p > 0,05 for alle tre regressioner). N = 41-52 søer. Plantedækningsgraden er beregnet som middel-

værdien af intervaller i Fredshavn m.fl. (2009).

309

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Middelscore og oplandstyper

Det er undersøgt, om der er en lineær sammenhæng mellem arts-middelsco-

ren og oplandstyperne ’ej mark’, ’i omdrift’, ’varig græs’ og ’miljøordning’. Jo

højere middelscore, jo mindre anses arealet for at være påvirket af faktorer,

som kan forringe naturtilstanden. Som det fremgår af Tabel 1.11 er forkla-

ringsværdierne meget lave. Ligeledes er det undersøgt ved hjælp af Basemap

kortet, om særlige arealanvendelser såsom landbrug eller bebyggelse viser en

sammenhæng med middelscoren. Resultaterne viser, at der heller ikke her er

tydelige signifikante sammenhænge (resultater ikke vist).

Tabel 1.11.

Resultater fra lineær regressions analyser for sammenhæng mellem middel-

score og oplandstyper *angiver signifikans (p < 0,05), R

= forklaringsværdi.

angiver om

hældningen er positiv (+) eller negativ (-).

Middelscore

(n = 786 søer)

Oplandstyper

Ej mark

10 m

50 m

100 m

I omdrift

10 m

50 m

100 m

Varig græs

10 m

50 m

100 m

Miljøordning

10 m

50 m

100 m

0,48

0,58

0,00

0,57

0,38

0,37

0,00

0,73

0,0095*

0,0005*

0,00

0,01

0,02

0,80

0,0075*

0,0001*

0,00

0,01

0,02

P-værdi

1.2.4 VOP-søer og økologisk tilstand

De 146 VOP-søer, som indgår i projektet, er udvalgt på baggrund af, at deres

økologiske tilstand var ukendt, da vandplan2-arbejdet blev udført, og forvalt-

ningsbehovet for disse søer er derfor uvist. Den økologiske tilstand vurderes

på baggrund af biologiske kvalitetselementer (planteplankton, undervands-

planter, bunddyr og fisk). For 43 af disse søer er der foretaget en vurdering af

søernes tilstand baseret på undervandsplanter i årrækken 2007-2013, hvor en

EQR-værdi for makrofytter (undervandsplanter) er beregnet. EQR-værdien

angives på en skala fra 0 til 1, hvor 1 angiver en høj tilstand og 0 en dårlig

tilstand. Denne værdi er sammenholdt med arealanvendelsen af de fire op-

landstyper fra markkort, for at undersøge, om der er en sammenhæng mellem

disse. Resultaterne angiver megen spredning, og der er ikke fundet nogle sig-

nifikante lineære relationer (Figur 1.11 for 50 m bufferzone).

Ydermere er det undersøgt, om der var lineære sammenhænge mellem til-

standsklassen for vegetation og arealanvendelserne i Basemap-kortet, hvor

bebyggelse og landbrug er anvendt. Heller ikke her var der nogen signifikante

sammenhænge for de 42 søer med beregnet tilstand for undervandsplanter (p

> 0,05). Dette var gældende for alle tre bufferzoner (resultater ikke vist).

310

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

0,9

0,8

0,7

0,6

0,5

0,4

0,3

0,2

0,1

40 50

60 70

Ej mark 50 m (%)

100

0,9

0,8

0,7

0,6

0,5

0,4

0,3

0,2

0,1

40 50 60 70

I omdrift 50 m (%)

100

0,9

0,8

0,7

0,6

0,5

0,4

0,3

0,2

0,1

30 40 50 60 70

Varig græs 50 m (%)

100

0,9

0,8

0,7

0,6

0,5

0,4

0,3

0,2

0,1

30 40 50 60 70

Miljøordning 50 m (%)

100

Figur 1.11.

Lineære regressioner for sammenhæng mellem tilstanden vurderet på vegetation og oplandstyper i 50 m bufferzone

(n = 42 søer). Der er ingen signifikante lineære relationer (p > 0,05) i 50 m bufferzone.

Der kan derfor ikke konstateres nogle signifikante sammenhænge mellem

arealanvendelsen af mark, spredt bebyggelse eller landbrug i oplandet og

økologisk tilstand på baggrund af undervandsplanter for de få VOP-søer i

projektet, for hvilke der er beregnet en tilstandsklasse for undervandsplanter.

1.2.5 Risikoanalyse

Ovenstående resultater for parametre, som kan angive søens naturtilstand, og

parametre som angiver forhold i søernes opland, viser generelt, at der kan

findes signifikante sammenhænge mellem søparametre og forstyrrelser i op-

landet. Men i stort set alle tilfælde er der tale om meget lave forklaringsvær-

dier, som betyder, at den variation der fremgår af analysen i meget ringe grad

forklares ud fra den pågældende parameter. Dette betyder, at det er svært at

angive - og modellere -hvilke påvirkninger i oplandet, som kan have en mål-

bar negativ indflydelse på naturtilstanden i søer < 5 ha, som er kortlagt igen-

nem naturtypekortlægning og/eller levestedsvurdering.

Ved at inddrage tilgængelige kemidata (sommergennemsnit) for 303 søer < 5

ha, som indgår i NOVANA-overvågningen, men som ikke indgår i nærvæ-

rende projekt, er det muligt at fremvise de signifikante sammenhænge mellem

klorofyl og total-N, og klorofyl og total-P, som vi havde forventet at se i dette

projekt, hvis der var månedlige kemidata til rådighed for søerne. For de 303

søer er der lavet et udtræk af vandkemiske parametre fra ODA, for at se, om

311

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

der for disse undersøgte søer, findes en relation mellem de kemiske parametre

på baggrund af sommergennemsnitsmålinger. Figur 1.12 viser, at der er en klar

signifikant sammenhæng mellem total-N og klorofylkoncentrationen, hvor

mængden af klorofyl stiger med koncentrationen af total-N. Det samme er til-

fældet for total-P og klorofyl. I begge tilfælde er forklaringsværdierne omkring

60 %. Der er ligeledes en klar sammenhæng mellem sigtdybde og klorofyl, hvor

sigtdybden falder markant med stigende klorofyl. Her er forklaringsværdien

næsten 70 %. Der er derfor tydelige sammenhænge mellem stigende nærings-

stofbelastning og mængden af klorofyl, som vil forringe søens tilstand. Disse

tydelige sammenhænge ses for søer med tilstrækkelige vandkemiske undersø-

gelser og sommergennemsnit, men kan ikke konstateres for habitatsøerne, som

indgår i nærværende projekt, hvor kortlægningerne kun giver ganske få vand-

kemiske undersøgelser og ofte kun som enkeltmålinger.

Figur 1.12.

Sammenhæng mellem sommergennemsnitmålinger for klorofyl og kvælstof (p-værdi <0,0001, R

= 0,60, n = 310

målinger), klorofyl og fosfor (p-værdi <0,0001, R

= 0,62, n = 310 målinger) og for klorofyl og sigtdybde (p <0,0001, R

= 0,69, n

= 300 målinger). Hvert punkt angiver en undersøgelse, hvorfor nogle søer kan indgå flere gange.

1.3

Perspektiver og resultater fra andre undersøgelser

Alle søer er som udgangspunkt fosforfølsomme, da det begrænsende næ-

ringsstof for primærproduktion i søer oftest er fosfor. Derfor vil en øget eks-

tern tilførsel af fosfor til en sø alt andet lige have en negativ indflydelse på

søens tilstand, herunder mængden af klorofyl, sigtdybde og en række biolo-

giske forhold. Naturtilstandsindekset og de parametre, der indgår i indekset,

312

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

har i dette projekt været den primære datakilde, men som det fremgår af ana-

lyserne, kan der generelt kun etableres svage sammenhænge mellem indekset

og oplandsdata. Naturtilstandssystemet er ikke designet til dette formål, men

til at give et overblik over søernes tilstand og for at finde de forvaltningsbe-

hov, som evt. kan forbedre naturtilstanden (fx fjernelse af træer eller anlæg-

gelse af større bufferzone til dyrket land). Dette gøres ved at anvende struk-

turelle indikatorer, som er nemme at observere visuelt og kortlægge på kort

tid. Det betyder, at det ved anvendelse af disse data og på baggrund af op-

landskarakteristika, vil være meget usikkert at estimere en tilstand i søer, hvor

denne er ukendt. Årsagen kan være, at de anvendte data ikke i tilstrækkelig

grad udtrykker en påvirkning fra oplandet, og der er sandsynligvis også en

stor usikkerhed på disse data, blandt andet fordi undersøgelsen udføres en

enkelt dag og som regel kun en gang for den enkelte sø i undersøgelsesåret.

Ringe sammenhænge mellem oplandskarakteristika og søers tilstand kan

også være et udtryk for at tilstanden i søer er mere kompleks end blot en sim-

pel respons på oplandstype.

Der har generelt ikke kunnet konstateres signifikante sammenhænge mellem

koncentrationer af total-P, total-N, klorofyl eller sigtdybde og arealanvendel-

sen af de fire oplandstyper (’i omdrift’, ’ej mark’, ’varig græs’ og ’miljøord-

ning’) i søernes opland i forskellige bufferzoner. Man kunne forvente en sam-

menhæng mellem disse parametre, hvor et opland med høj andel af areal ’i

omdrift’ ville medføre højere næringsstofkoncentrationer end søer med høj

andel af areal med ’ej mark’. Dette er vist i andre studier for danske søer (Ni-

elsen m.fl. 2012; Søndergaard m.fl. 2005), hvor der blev fundet signifikante

sammenhænge mellem oplandet og næringsstofkoncentrationen i søen, om-

end forklaringsværdien for sammenhænge også i disse studier var forholds-

vis lav. Nielsen m.fl. (2012) undersøgte 204 danske søer > 5 ha og fandt, at der

for disse var en sammenhæng mellem arealanvendelsen i oplandet og kon-

centrationer af total-N, total-P og klorofyl i søen. Koncentrationen af nærings-

stofferne steg med stigende andel af landbrug, mens de omvendt faldt med

stigende andel af skov. Det samme gjorde sig gældende i studiet af Sønder-

gaard m.fl. (2005), hvor omkring 600 søer viste en positiv sammenhæng mel-

lem næringsstofkoncentrationer og klorofyl i søen med areal af dyrket land i

en 25 m bufferzone omkring søen. Omvendt var der en negativ sammenhæng

mellem koncentration af næringsstoffer og arealet af skov og græsarealer. Dog

fandt Johansson m.fl. (2018) ikke nogen sammenhæng mellem de vandkemi-

ske parametre og arealanvendelsen i oplandet for 228 danske næringsrige ha-

bitatsøer (type 3150) < 5 ha. Flere af søerne i Johansson m.fl. (2018) indgår også

i nærværende projekt.

Ved at kigge på de enkelte strukturelle indikatorer (bredtilstand, dæknings-

grad af plantegrupper, tilløb via dræn/grøfter og fodring/udsætning af æn-

der) er der ikke tegn på, at indikatorerne hver for sig viser en eutrofierings-

grad, som kan relateres til en bestemt type opland eller særlige vandkemiske

forhold. Ej heller ved inddragelse af andre oplandskarakteristika som jordty-

per, spredt bebyggelse, arealanvendelse, dræningsforhold og hældningsgrad,

ses der nogen sammenhæng med ovenstående parametre. Årsagen kan til

dels være, at nogle af parametrene kan være svære at beskrive fyldestgørende

under feltbesøget i forbindelse med kortlægningen, såsom fodring/udsæt-

ning af ænder, hvor ænderne kan være fraværende ved feltbesøget, og rør-

lagte dræn eller grøfter, som kan være svære at lokalisere. Derudover vil der

være en usikkerhed ved at bedømme vegetationens dækningsgrad og tilste-

deværelsen af undervandsarter i søen, når dette i søer < 1 ha udelukkende

dokumenteres ved vadning og/eller fra søbredden.

313

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Nogle af søerne, som har været omfattet af dette projekt, kan eventuelt være

naturligt eutrofierede eller eutrofierede gennem mange år. Dette ville kræve

nærmere analyser at afgøre, eksempelvis via palæolimnologiske undersøgel-

ser af sedimentet. En palæolimnologisk undersøgelse af tyske dødishuller, vi-

ste, at småsøer i det åbne landskab ofte er eutrofierede, da de er påvirket af

næringsstoffer i sedimentet, som stammer fra landbrugsdrift fra flere årtier

tilbage (Kleeberg m.fl. 2016). Småsøer i det åbne land kan være udsat for øget

sedimentdeponering fra det omkringliggende land, som kan have betydning

for søens næringsstofcyklus og deres tilstand.

1.4

Konklusioner

Resultaterne af vores analyser viser, at der er flere signifikante sammenhænge

mellem naturtilstandsindekset og/eller dets anvendte parametre og oplands-

typerne omkring habitatsøerne i dette projekt. Der er dog i alle tilfælde tale

om meget lave forklaringsværdier, og det betyder, at det ville være meget

usikkert at estimere tilstanden i søer på baggrund af informationer om op-

landstypen. For VOP-søer, hvor den økologiske tilstand er beregnet på bag-

grund af undervandsplanter, er der heller ikke nogen sammenhænge med op-

landskarakteristika. Det er derfor ikke muligt på baggrund af disse data og

analyser at udvikle en model, som kan anvendes til at kortlægge tilstanden i

søer med ukendt tilstand ved at anvende informationer om søernes oplande.

Samtidigt er det dog klart, som vist i mange undersøgelser, at fosfor har stor

betydning for søers tilstand – også i de mindre søer < 5 ha. Hvad angår fosfor,

så må som udgangspunkt alle søer, herunder også småsøer og vandhuller

med ukendt tilstand, betragtes som værende fosforfølsomme. Dvs. en øget

fosfortilførsel betyder risiko for forværret tilstand.

1.5

Sammenfatning

De biologiske kvalitetselementer (undervandsplanter, planteplankton, fisk og

bunddyr), som anvendes til at fastsætte den økologiske kvalitet i danske søer

omfattet af vandområdeplaner, responderer alle på øget indhold af fosfor. En

øget fosfortilførsel har derfor afgørende betydning for vandkvaliteten, og det

forventes, at det samme gør sig gældende for mindre søer. Naturtilstanden for

søer under 5 ha vurderes på baggrund af strukturelle indikatorer og søens vege-

tation. Dette delprojekt har undersøgt, hvorvidt der kan findes en sammenhæng

mellem naturtilstand og oplandskarakteristika i danske søer under 5 ha, med

henblik på at vurdere fosforfølsomheden for disse søer samt muligheden for ud-

vikling af en model til estimering af tilstanden i søer, hvor denne er ukendt.

Naturtilstandsindekset, herunder parametre og indikatorer der indgår i in-

dekset, er analyseret nærmere i dette delprojekt med henblik på at vurdere

deres sammenhæng med søers oplandskarakteristik. I delprojektet indgår ca.

1200 kortlagte søer mindre end 1 ha, som ikke er omfattet af vandområdepla-

ner, og ca. 150 søer større end 5 ha, som er omfattet af vandområdeplanerne,

men med ukendt økologisk tilstand (VOP-søer). I delprojektet indgår en præ-

sentation af naturtilstandsindekset og oplandskarakteristik efterfulgt af ana-

lyse af sammenhænge mellem naturtilstandsindekset, udvalgte parameter

heri, og søernes oplandskarakteristik. Naturtilstanden beregnes for habitat-

søer kortlagt i forbindelse med naturtypekortlægning og levestedsvurdering

af vandhulsarter, hvilket indebærer alle vandhuller (< 1 ha) og nogle af VOP-

søerne (< 5 ha). VOP-søernes overordnede økologiske tilstand er ukendt, men

for nogle af søerne kendes tilstanden baseret på undervandsplanter, og for

314

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

disse er det undersøgt, om der kan findes en sammenhæng mellem tilstand

og oplandskarakteristika.

Ved analyse af sammenhænge mellem parametre i naturtilstandsindekset og

oplandskarakteristik er følgende parametre anvendt som indikatorer for sø-

ernes tilstand: naturtilstand, dækningsgrad af sø-vegetation, bredtilstandsfor-

hold, søens tilløb, forureningstilstand og andefodring. Derudover er der ind-

draget vandkemiske målinger af totalfosfor, totalkvælstof, klorofyl og sigt-

dybde som yderligere indikatorer. Af oplandskarakteristika er der anvendt:

markkort fra Landbrugsstyrelsen, arealanvendelser fra kortet ’Basemap02’,

information om udledninger fra spredt bebyggelse, hældninger i terræn fra

’Danmarks Højdemodel’, prædikeret sandsynlighed for drænede arealer fra

et nationalt dræningskort og information om jordtyper i 1 m’s dybde fra det

geologiske jordartskort. For hver enkelt sø er der fundet et opland i bufferzo-

ner af 10, 50 og 100 m fra søen som via GIS-analyser er koblet til fornævnte

oplandskarakteristika. For VOP-søer er der anvendt tilstandsklasser for un-

dervandsplanter for den andel af søer, hvor disse beregninger af tilstanden er

foretaget.

De empiriske undersøgelser viser, at der kan findes signifikante sammen-

hænge mellem flere sø-parametre og oplandskarakteristika, men at det i næ-

sten alle tilfælde er en ringe del af variationen i data, som forklares via disse

sammenhænge. Forklaringsværdierne for de statistiske sammenhænge er ge-

nerelt under 10 %, mens der i få tilfælde er opnået forklaringsværdier på mak-

simalt 50 %. For VOP-søerne i projektet er der ikke fundet nogen sammen-

hæng mellem deres tilstand baseret på undervandsplanter og oplandskarak-

teristika. Dette betyder, at der er meget stor usikkerhed forbundet med at esti-

mere tilstanden i søer med ukendt tilstand på baggrund af informationer om

deres oplande. Derfor har det ikke været muligt at udvikle en model, som kan

anvendes til at estimere tilstanden i søer med ukendt tilstand ved at anvende

information om specifikke forhold i søernes oplande.

Naturtilstandsindekset, og parametre heri, har været den primære datakilde

i dette delprojekt. Det fremgår af analyserne, at der kun kan opnås svage em-

piriske sammenhænge mellem indeksparametrene og oplandskarakteristika.

Årsagen kan være, at de anvendte data ikke i tilstrækkelig grad udtrykker en

påvirkning fra oplandet og desuden kan være behæftet med stor usikkerhed,

fordi undersøgelsen udføres en enkelt dag og som regel kun en gang for den

enkelte sø i undersøgelsesåret. Tilstandsvurderingssystemet har ikke til for-

mål at beskrive sammenhænge som søgt i dette projekt, men er designet til at

give et overblik over søens naturtilstand og de eventuelle ændringer, som kan

foretages nær søen for at forbedre naturtilstanden.

En risikoanalyse viser, at der, for vandområdeplan-søer under 5 ha med bedre

datagrundlag for vandkemiske undersøgelser, findes en signifikant positiv

sammenhæng mellem klorofylkoncentration og stigende næringsstofkoncen-

trationer af totalkvælstof og totalfosfor, og en signifikant negativ sammen-

hæng mellem klorofylkoncentration og sigtdybde. Andre danske studier viser

imidlertid også, at fosfor har stor betydning for søernes tilstand - også i de

mindre søer. Alle søer anses som udgangspunkt som værende fosforføl-

somme, og dette vil også være gældende for småsøer uden kendt tilstand.

315

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

1.6

Referencer

Andersen, H. E., Kjeldgaard, A., Søndergaard, M. 2015: Muligheder for at

identificere søers fosforfølsomhed og fastlæggelse af oplande til søer. Notat

fra DCE – Nationalt Center for Energi og Miljø.

http://dce.au.dk/filead-

min/dce.au.dk/Udgivelser/Notater_2015/Identificere_soeers_fosforfo-

elsomhed_og_arealregulering_jan2015.pdf

Fredshavn, J. R., Jørgensen, T. B., Moeslund, B. 2009. Beregning af naturtil-

stand for vandhuller og mindre søer. Tilstandsvurdering af Habitatdirektivets

søtyper. Faglig rapport fra DMU nr. 706, 2009.

Jakobsen, P. R., Hermansen, B., Tougaard, L. 2015. Danmarks digitale jord-

artskort 1:25000. Version 4.0. GEUS – De nationale geologiske undersøgelser

for Danmark og Grønland, Klima- og Energiministeriet.

Johansson, L. S. 2017. Naturtypebestemmelse samt vegetationsundersøgelse,

feltmålinger og udtagning af vandprøve til brug ved tilstandsvurdering af

søer og vandhuller <5 ha. Fagdatacenter for ferskvand, Bioscience/DCE

Dansk Center for Energi og Miljø, Aarhus Universitet. 25 s. Teknisk anvisning

nr. S10.

http://bios.au.dk/raadgivning/fagdatacentre/fdcfersk/

Johansson, L. S., Moeslund, B., Søndergaard, M., Kjeldgaard, A. 2018. Sam-

menstilling af vandkemiske nøgle-parametre og oplandsanvendelse med na-

turtilstand i næringsrige habitatsøer (naturtype 3150) < 5 ha. Notat fra DCE –

Nationalt Center for Miljø og Energi.

Kleeberg, A., Neyen M., Schkade, U.-K., Kalettka, T., Lischeid, G. 2016. Sedi-

ment cores from kettle holes in NE Germany reveal recent impacts of agricul-

ture. Eviron Sci Pollut Res.

Levin, G., Iosub, C.-l., Jepsen M. R. 2017. BASEMAP02 Technical documenta-

tion of a model for elaboration of a land-use and land-cover map for Denmark.

Teknisk rapport fra DCE – Nationalt Center for Miljø og Energi nr. 95 2017

Møller, A. B., Børgesen, C. D., Bach, E. O., Iversen, B. V., Moeslund, B. 2018.

Kortlægning af drænede arealer i Danmark. DCA rapport. Nr. 135.

Nielsen, A., Trolle, D., Søndergaard, M., Lauridsen, T. L., Bjerring, R., Olesen,

J. E., Jeppesen, E. 2012. Watershed land use effects on lake water quality in

Denmark. Ecological Applications, 22(4).

Skovmark, B. 2018. Datateknisk anvisning for Spredt bebyggelse. Miljø- og

Fødevareministeriet, Miljøstyrelsen. Fagdatacenter for Punktkilder. 13 s. Da-

tateknisk anvisning dTA nr. DP02.

https://mst.dk/natur-vand/overvaag-

ning-af-vand-og-natur/punktkilder/ta-for-punktkilder/

Søgaard, B., Johansson, L. S., Fredshavn, J. 2017. Levestedsvurdering for stor

vandsalamander

Triturus cristatus

og klokkefrø

Bombina bombina

– Kortlæg-

ning af sø-naturtyper < 1 ha. Fagdatacenter for biodiversitet og terrestrisk na-

tur, Bioscience/DCE Dansk Center for Energi og Miljø, Aarhus Universitet.

16 s. Teknisk anvisning nr. A217. http://bios.au.dk/videnudveksling/fag-

datacentre/

Søndergaard, M., Jeppesen, E., Jensen, J. P. 2005. Pond or lake: does it make a

difference? Arch. Hydrobiol. 162, 2. Pp. 143-165.

316

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Bilag 8 Kortlægning af marine vandområders

fosforfølsomhed

Jesper P. A. Christensen

, Helle Knudsen-Leerbeck

, Anders Erichsen

, Karen Tim-

mermann

Fagfællebedømmelse: Stiig Markager

Institut for Bioscience, AU, nu Miljø- og Fødevareministeriet

Institut for Bioscience, AU

Dansk Hydraulisk Institut

Institut for Bioscience, AU, nu Danmarks Tekniske Universitet

Forord

Sammenfatning

Formål

Baggrund

Indikatorer inkluderet i kortlægningen

3.1

Potentiel fosforbegrænsning af fytoplanktonvæksten

3.1.1 Metode

3.1.2 Resultater

Forholdet mellem potentiel fosfor- og

kvælstofbegrænsning

3.2.1 Metode

3.2.2 Resultater

Samlet vurdering af den potentielle fosforbegrænsning

3.3.1 Resultater

Klorofyl-a koncentrationers og sigtdybdens respons på

fosfortilførsler

3.4.1 Metode

3.4.2 Resultater

Forekomst af cyanobakterier

3.5.1 Metode

3.5.2 Resultater

Potentielle habitater for cyanobakterier

3.6.1 Metode

3.6.2 Resultater

318

322

323

325

326

327

328

329

330

331

332

333

334

335

336

337

3.2

3.3

3.4

3.5

3.6

Diskussion og usikkerheder

Referencer

317

MOF, Alm.del - 2020-21 - Bilag 69: AU-rapport om Fosforkortlægning af dyrkningsjord og vandområder i Danmark, fra miljøministeren

Forord

Dette projekt udgør den marine del af forsknings- og udviklingsprojektet

”Fosforkortlægning af dyrkningsjord og vandområder i Danmark”, som er fi-

nansieret af Styrelsen for Vand- og Naturforvaltning, nu Miljøstyrelsen

(MST). Formålet med den marine del af projektet har været at kortlægge de

danske vandområders relative fosforfølsomhed og den marine del har været

styret og udført af AU/DCE med inddragelse af DHI. Valg af metoder, be-

handling af data samt beskrivelse og præsentation af resultater har udeluk-

kende været AU’s og DHI’s beslutning og ansvar.

Sammenfatning

Alle marine områder er i udgangspunktet følsomme over for ændringer i fos-

fortilførsler, men graden af fosforfølsomhed varierer. Fosforfølsomhed skal

her forstås som en vurdering af, hvor sandsynligt det er, at et vandområdes

miljøkvalitet påvirkes nævneværdigt af ændringer i tilførsler af fosfor til om-

rådet. Formålet med denne rapport er at analysere og kortlægge den relative