atskaite - zm.gov.lv

of 132 /132
ATSKAITE PAR ZINĀTNISKĀS IZPĒTES PROJEKTU Pētījuma nosaukums : L īguma Nr .: I zpildītāji : Projekta vadītājs : Meliorācijas ietekmes novērtēšana klimata pārmaiņu (plūdu riska) mazināšanā 19-00-SOINV05-000017 Inga Grīnfelde Laima Bērziņa Kristīne Valujeva Jovita Pilecka Olga Frolova Denis Solims Raivis Intlers Terēze Stanka Sandija Ozoliņa Kristīne Stendzeniece Toms Štāls Jānis Ivanovs Raitis Meļņiks Ainis Lagzdiņš Jelgava 2019

Author: others

Post on 16-Oct-2021

0 views

Category:

Documents


0 download

Embed Size (px)

TRANSCRIPT

PAR ZINTNISKS IZPTES PROJEKTU
P t ju m a n o s a u k u m s :
Lg u m a Nr .:
Iz p il d t j i:
Pr o je k t a v a d t js :
Meliorcijas ietekmes novrtšana klimata prmaiu
(pldu riska) mazinšan
PAR ZINTNISKS IZPTES PROJEKTA 1.DARBA UZDEVUMA IZPILDI
P t ju m a n o s a u k u m s : Meliorcijas ietekmes novrtšana klimata prmaiu
(pldu riska) mazinšan
d a r b a u z d e v u m s : SEG emisijas mrjumi un closakarbu izpte
nosusints lauksaimniecbas zems
Iz p il d t j i: Inga Grnfelde
Laima Brzia
Kristne Valujeva
Jovita Pilecka
Olga Frolova
Denis Solims
Raivis Intlers
Terze Stanka
Pr o je k t a v a d t js : Ainis Lagzdiš
Jelgava 2019
2. Materili un m etodes................................................................................ 12
raksturojums 12
2.1.4. Lafloras ptjumu v ie ta ................................................................. 20
2.1.5. Mrupes ptjumu vieta................................................................ 20
2.1.6. Pterlauku ptjumu vieta.............................................................21
Melluptes, Lafloras un Mrupes ptjumu viets................................................... 30
3.1.1. Metna mrjumu rezultti............................................................31
Secinjumi........................................................................................................... 54
ATTLU SARAKSTS
1. att. SEG emisiju sadaljums starp sektoriem 2017. gada (NIR, 2019).....9
2. att. SEG emisiju sadaljums lauksaimniecbas sektor 2015. gad (NIR,
2017)...................................................................................................................................9
3. att. SEG emisiju avoti lauksaimniecb 2016. gad (NIR, 2018)............10
4. att. Galvenie SEG emisiju avoti lauksaimniecb 2016. gad (NIR, 2018).
10
5. att. SEG emisiju mrjumu vietas.............................................................. 12
6. att. SEG emisiju mrjumu un deu paraugu ievkšanas vietas Brzes
monitoringa stacij.......................................................................................................... 15
7. att. SEG emisiju mrjumu un deu paraugu ievkšanas vietas Melluptes
monitoringa stacij.......................................................................................................... 17
8. att. SEG emisiju mrjumu un deu paraugu ievkšanas vietas Auces
monitoringa stacij.......................................................................................................... 19
10. att. SEG emisiju mrjumu vieta Mrupes ptjumu viet...................... 21
11. att. SEG emisiju mrjumu vieta Pterlauku ptjumu viet..................... 22
12. att. Picarro G2508 (autors: K.Valujeva).....................................................26
13. att. Kamera gzu mrjumu veikšanai (autors: J.Pilecka).......................26
14. att. Augsnes mitruma mrtjs (autors: J.Pilecka)....................................27
15. att. Diver barometrisk spiediena mrtji (autors: J.Pilecka)................ 27
16. att. Gzu koncentrciju mrjumu transformcijas aprina algoritma
shematisks attlojums.................................................................................................... 27
17. att. CH4 emisiju novrojumi ptjumu objektos 2019. gad................. 32
18. att. CH4 emisiju novrojumi ptjumu objektos 2017., 2018. un 2019.
gad.................................................................................................................................. 34
19. att. N2O emisiju novrojumi ptjumu objektos 2019. gad.................35
20. att. N2O emisiju novrojumi ptjumu objektos 2017., 2018. un 2019.
gad.................................................................................................................................. 37
21. att. CO2 emisiju novrojumi ptjumu objektos 2019. gad.................... 38
22. att. CO2 emisiju novrojumi ptjumu objektos 2017., 2018. un 2019.
gad.................................................................................................................................. 40
4
24. att. NH3 emisiju novrojumi ptjumu objektos 2017., 2018. un 2019.
gad................................................................................................................................ 43
29. att. CH4 emisiju novrojumi Pterlaukos 2019. gad.............................. 50
30. att. N2O emisiju novrojumi Pterlaukos 2019. gad.............................. 51
31 .att. CO 2 emisiju novrojumi Pterlaukos 2019. gad.............................. 52
32.att. NH3 emisiju novrojumi Pterlaukos 2019. gad.............................. 53
5
2. tab. Brzes monitoringa stacijas eoloijas urbuma apraksts.................. 14
3. tab. Iestrdtais slpeka daudzums Brzes monitoringa stacijas drenu
lauk..................................................................................................................................16
7. tab. Iestrdtais slpeka daudzums Auces monitoringa stacijas sateces
basein............................................................................................................................. 19
22
9. tab. Iestrdtais slpeka daudzums Pterlauku ptjuma viet.............24
10. tab. O, CO2, NH3 un CH4 emisiju statistiskie rdtji 2019. gad......31
11. tab. CH4 emisijas statistiskie rdtji 2019. gad......................................31
12. tab. N2O emisijas statistiskie rdtji 2019. gad..................................... 35
13. tab. CO2 emisijas statistiskie rdtji 2019. gad....................................38
14. tab. NH3 emisijas statistiskie rdtji 2019. gad..................................... 41
15. tab. Kendala korelcijas koeficienti vism kamerm 2019. gad.........44
16. tab. Kendala korelcijas koeficienti minerlaugsnes kamerm 2019.
gad.................................................................................................................................. 45
gad.................................................................................................................................. 45
18. tab. Kendala korelcijas koeficienti vism kamerm laika posmam no
2017. ldz 2019. gadam................................................................................................ 45
6
C/N - ogleka/slpeka attiecba, kas nosaka trumu, ar kdu mikroorganismi sadala
organisko vielu;
N - slpeklis;
C - ogleklis;
SOC - augsnes organiskais ogleklis.
Latvijas Republikas Saeima 1995. gad ratificja ANO Visprjo konvenciju
par klimata prmaim (UN, 1998; LR, 1995). Konvencijas mris ir samazint
siltumncefekta gzu (SEG) koncentrciju atmosfr ldz tdam lmenim, kas novrš
bstamu antropognu iejaukšanos klimata procesos. Latvijas saistbas SEG emisiju
samazinšan nosaka 2002. gad Saeimas ratifictais Kioto protokols. Atbilstoši
Kioto protokolam, Latvijai individuli vai kopg rcb ar citm valstm laika posm
no 2008. ldz 2012. gadam bija jpank SEG emisiju samazinjums par 8%,
saldzinot ar 1990. gadu. Ar šo uzdevumu Latvija sekmgi tika gal. Kioto Protokola
otrajam saistbu periodam ldz 2020. gadam, ko piema 2012. gad, ir definti vl
augstki mri. Otra Kioto Protokola ietvaros uz 2020. gadu Eiropas Savienbai un
tdejdi ar dalbvalstm ir jsamazina emisijas par 20%, saldzinot 1990. gadu. Pc
2020. gada spk stjas Parzes nolgums, kurš nosaka, ka Latvijai ldz 2030.
gadam SEG emisijas no ne-ETS sektora ir jsamazina par 6% saldzinot ar 2005.
gadu.
Ik gadu Latvij tiek veikta SEG inventarizcija, kuras ietvaros tiek aprintas
SEG emisijas, kas rodas dadu tautsaimniecbas sektoru darbbas rezultt, t.sk.,
lauksaimniecbas zemju apsaimniekošana.
Meliorcijas sistmu ierkošana lauksaimniecbas zems nodrošina augsnes
mitruma regulšanu, kas paši aktula ir pavasara un rudens sezons, kad
nepieciešama intensva lauksaimniecbas tehnikas izmantošana. Ptjumu rezultti
liecina, ka lauksaimniecbas zemju nosusinšana palielina kultraugu produktivitti,
sekm skbeka daudzuma palielinšanos augsn un organisks vielas
sadalšans procesus, samazina CH4 emisijas, bet palielina CO2 un N2O emisijas.
Projekta mris ir noteikt un analizt SEG emisijas no lauksaimniecb
izmantotm teritorijm, kurs veikti hidrotehnisks meliorcijas paskumi.
Projekta uzdevumi:
1. veikt dislpeka oksda (N2O), ogskbs gzes (CO2), metna (CH4)
un amonjaka (NH3) emisijas mrjumus lauksaimniecb izmantots
minerlaugsns un organiskajs augsns;
(CH4) un amonjaka (NH3) emisijas closakarbas ptmajs
teritorijs.
8
Katru gadu, saska ar ANO Visprjo konvenciju par klimata prmaim,
katrai dalbvalstij ir jsniedz inventarizcija par SEG emisijm un to piesaisti valst.
Lauksaimniecbas sektors 2017. gad bija atbildgs par 24.58% SEG emisiju no
kopj emisiju apjoma valst (skat. 1. att.).
0 .20%
Idustrilie procesi
Netiešs emisijas
1. att. SEG emisiju sadaljums starp sektoriem 2017. gad (NIR, 2019).
Lauksaimniecbas sektors rada metna (CH4), slpeka (N2O) un ogleka dioksda
(CO2) emisijas, to procentulais sadaljums ir attlots 2. att.
CO2 1.2%
2. att. SEG emisiju sadaljums lauksaimniecbas sektor 2015. gad (NIR,
2017).
9
fermentcijas procesi, ktsmslu apsaimniekošana, augšu apsaimniekošana,
kaošana, urnvielas izmantošana (skat. 3. att.).
3. att. SEG emisiju avoti lauksaimniecb 2016. gad (NIR, 2018).
Procentuli vislielks emisijas lauksaimniecbas sektor rada augšu
apsaimniekošana (60.8%) un zarnu fermentcijas procesi (31.2%) (skat. 4.att.).
4. att. Galvenie SEG emisiju avoti lauksaimniecb 2016. gad (NIR, 2018).
10
1.2. Kopsavilkums par SEG emisijm no augsnes
2. Augsnes emisiju plsma ir atkarga no augsnes dens (mitruma), augsnes
temperatras, biogno elementu pieejambas un pH lmea, k ar no zemes
lietošanas veida (Oertel et al., 2016).
3. CO2 emisija no augsnes veidojas oti maings neviendabgs augsns, un to
ietekm saku aktivitte, mikrobioloiskie procesi, augu atliekas, k ar
mikroklimats, reljefs un kataltisks pašbas mla kolodos šdumos. Augsnes
apstrde ietekm augsnes emisijas, piemram, kaošana palielina CO2
emisijas (Munoz et al., 2010).
4. Augsti gruntsdens lmei, sliktas augsnes drenšanas pašbas un augsnes
sablvšans veicina denitrifikcijas procesu un N2O veidošanos (Bouwman et
al., 2002). Smilšains augsns ir novrojamas mazkas N2O emisijas nek
mlains augsns, jo mlains augsns ir maz makroporu. Tas veicina
anaerobo procesu darbbu, kas palielina N2O emisijas. Ldzvrtgas N2O
emisijas ir novrojamas smilšains augsns pie saldzinoši liela mitruma (Signor
et al., 2013). Zemes lietojumam un zemes izmantošanai ir svarga loma N2O
emisiju pieaugum.
5. CH4 emisijas veidojas anaerobos apstkos sezonli vai pastvgi appludints
augsns (Munoz et al., 2010).
6. Organisks augsnes var kalpot gan k ogleka glabtuve, gan emisiju radtjs,
emot vr zemes izmantošanas veidu un apsaimniekošanu (Roßkopf et al.,
2015). Nosusintas organisks augsnes ir galvenais SEG emisiju avots
(Lapveteläinen et al., 2007). Mitruma rema atjaunošana nosusints
organisks augsns noved pie samazintas CO2 un N2O emisijas,
samazintiem izšduš organisk ogleka zudumiem un palielintas CH4
emisijas (Wilson et al., 2016).
7. Pc lauksaimniecisks darbbas prtraukšanas un lauku pamešanas, no
organiskajm augsnm gadu desmitiem turpina izdalties augstas CO2 un N2O
emisijas (Kl0ve et al., 2017).
8. Lauksaimniecb izmantoto organisko augšu apmeošana ne vienmr
apstdina N2O emisiju izdalšanos liel slpeka uzkrjuma d. Ogleka
akumulcija mea biomas var prvrst apmeots platbas CO2 krtuv (Kl0ve
et al., 2017).
Šaj noda pirmaj apakšnoda ir sniegts SEG emisiju mrjumu veikšanas
vietu raksturojums un 2019. gad audzts kultras un augsnes mslošanas devas
un laiki. Otraj apakšnoda ir atspoguots ptjum izmantoto iekrtu klsts, k ar
sniegts ieskats datu transformcijas un datu analzes metods.
2 .1. Ptjuma objektu izvle SEG emisiju mrjumiem un to
raksturojums
2019. gad projekta stenošanas gait O, CH4, CO2, NH3, un H2O mrjumi
lauka apstkos tika veikti trs lauksaimniecbas noteu monitoringa staciju tieš
tuvum, kur lauksaimniecisk darbba notiek uz minerlaugsnm (Brze, Mellupte
un Auce), k ar SIA "SABIEDRBA MRUPE” (turpmk tekst Mrupe) un SIA
"Laflora” (turpmk tekst Laflora) apsaimniekotajs organiskajs augsns. SEG
emisiju mrjumu atrašans vietas nordtas 5.att.
12
monitoringa stacijas Brze, Mellupte un Auce atrodas attiecgi Dobeles, Saldus un
Auces novados. Ptjumu vietas Mrupe un Laflora atrodas attiecgi Mrupes un
Jelgavas novados. Visas ptjumu vietas, izemot monitoringa staciju Mellupte,
atrodas paši jutgs teritorijs, kas noteiktas saska ar ES Nitrtu direktvas
kritrijiem (91/676/EEC, 1991).
iespjams secint, ka Brzes monitoringa stacijas sateces baseins raksturo
intensvus, savukrt Auces un Melluptes vidji intensvus lauksaimniecisks
raošanas apstkus Latvij. Mrjumi un komunikcija ar lauksaimniecbas zemju
apsaimniekotjiem ptjumu viets Mrupe un Laflora uzskta 2017. gada pavasar,
td izdart viennozmgus secinjumus par lauksaimniecisks raošanas
apstkiem šajs ptjumu viets ir pragri.
Zemnieku saimniecbu aptauju rezultti, kuros iekauta informcija par
agronomiskajm darbbm ptjuma period, apkopoti 1. tab. Viss ptjuma viets
nosusinšanas sistmu esamba tika noteikta izmantojot VSIA „Zemkopbas
ministrijas nekustamie pašumi” (ZMNI) meliorcijas digitl kadastra informcija
par lauksaimniecbas zemju nosusinšanas sistmm, nosusinšanas sistmu
funkcionalitte tika novrtta, balstoties uz vizulajiem novrojumiem dab un
konsultjoties ar lauksaimniecbas zemju tiešajiem apsaimniekotjiem.
1. tab. Agronomisks darbbas ptjuma teritorijs.
A gronom isk darbba Brze M ellupte A uce M rupe Laflora
A ugsnes apstrde
Diskota rugaine
Diskota rugaine
N/a N/a
Kultraugs Ziemas kvieši Ziemas kvieši
Ziemas rapsis
A ugsnes apstrde Papuve 10.09.2019 Arts
02.09.2019 N/a N/a
Kultraugs Papuve Ziemas kvieši Ziemas miei N/a N/a
N/a - informcijas nav pieejama.
zemienes Zemgales ldzenum. Reljefs šaj teritorij ir ldzens, augstums virs jras
lmea vari no 17 m ldz 23 m. Lauksaimniecbas zeme ir drenta 1964. gad,
drenu iebves dziums 1.1 m, drenu attlums 18 - 32 m. Maz sateces baseina
lmen drenti 98% no baseina kopjs platbas, drenu lauka lmen 100%. Brzes
monitoringa stacijas drenu lauka karte, t.sk., ortofoto, drenas un kolektori, k ar
dens paraugu ievkšanas un SEG emisiju mrjumu vietas dotas 6. att.
6. att., 7. att., 8. att., 9. att. un 10. att. veidošan izmantota valsts aentras
„Latvijas eotelpisks informcijas aentras” (LIA) eotelpisk informcija,
valsts SIA „Zemkopbas ministrijas nekustamie pašumi” (ZMNI) meliorcijas
digitl kadastra informcija par lauksaimniecbas zemju nosusinšanas sistmm
un Latvijas Lauksaimniecbas universittes Vides un denssaimniecbas katedras
lauksaimniecbas noteu monitoringa eotelpisks informcijas datubze.
Sateces baseina augsnes ir veidojušs uz kvartra mornas nogulumiem,
kurus prklj glaciolimniskie smilšmla, putekaina smilšmla un mla nogulumi.
2005. gad tika veikta padziinta eoloijas izpte, veicot urbumus. Skku
informciju par urbuma sla dziumiem un biezumiem skatt 2. tab.
2. tab. Brzes monitoringa stacijas eoloijas urbuma apraksts.
Sla dzium s,
0.77
mls 0.56 12.05
mls 0.60 22.89
340-415 - 87 13 putekains smilšmls
0.88 18.07
dabgi auglgas un lauksaimniecbas aktivittm piemrotas augsnes (Nikodemus
et al., 2009). Saska ar starptautiski izmantoto Apvienoto Nciju Organizcijas
(ANO) Prtikas un lauksaimniecbas organizcijas (FAO) augšu klasifikcijas
14
grupa. Augsnes reakcija (pH) šaj ptjumu objekt ir 7.5 - 7.9.
SEG emisiju mrjumu vieta
deu kvalittes monitoringa stacija
------ Kolektors Drena
Sateces baseins
0.5 km
6. att. SEG emisiju mrjumu un udeu paraugu ievkšanas vietas Berzes
monitoringa stacij.
informcija par ptjuma period pielietotajiem mslošanas ldzeku veidiem,
iestrdtajiem augu barbas elementu daudzumiem un mslošanas ldzeku
izkliedes laika grafiku. Brzes monitoringa stacijas drenu lauk iestrdtais slpeka
daudzums, kas izkliedts vairks mslošanas devs, nordts 3. tab. Iestrdtais
slpeka daudzums tika izteikts trviel, emot vr izkliedto minerlmslu apjomu
un slpeka trvielas saturu minerlmslos.
15
lauk.
dd.m m .yyyy
kg N ha-1
P am atm slo jum s 18.09.2018 3.6
Papildm slo jum s 30.03.2019 46.9 Papildm slo jum s 02.05.2019 43.3 Papildm slo jum s 16.06.2019 26.4
Berzes monitoringa stacija atrodas paši jutgs teritorijs, kas noteiktas
saska ar ES Nitrtu direktvas kritrijiem. Uz šm teritorijm attiecas
paaugstintas prasbas dens un augsnes aizsardzbai no lauksaimniecisks
darbbas izraista piesrojuma ar nitrtiem, tai skait, maksimli pieaujams
minerlmslu slpeka izkliedes normas (kg ha-1) kultraugiem.
2.1.2. Melluptes monitoringa stacija
zemienes Vadakstes ldzenum. Basein dominjoš ir velnu podzolt (pc
FAO - Stagnic Luvisol) augsne, kuras pH ir 6.7 - 7.0. Drenu lauka izptes lmen
granulometriskais sastvs ir maings dados augsnes horizontos, no smilšmla
ldz vieglam puteku mlam, mazaj sateces basein dominjošie ir smilšmla
nogulumi. 2005. gad tika veikta padziinta eoloijas izpte monitoringa stacijas
tieš tuvum. Skku informciju par urbuma sla dziumiem un biezumiem skatt
4. tab.
Sla dzium s,
msmilts 12.27 11.54
65-110 - 82 18 putekains smilšmls 0.83 11.54
110-190 71.1 27.1 1.7 mlsmilts 14.49 20.51
190-390 - 82 18 putekains smilšmls 0.83 51.28
16
Drenu lauka udeu kvalittes monitoringa stacija, SEG emisiju mrjumu vieta un
nosusinšanas sistmas redzamas 7. att.
Apzmjumi 0 0.1 0.2 km # SEG emisiju mrjumu vieta ------ Kolektors 1-------------- 1--------------1 deu kvalittes monitoringa stacija ------Drena
------ Grvis Sateces baseins
7. att. SEG emisiju mrjumu un deu paraugu ievkšanas vietas
Melluptes monitoringa stacij.
vidji intensvu, par to liecina ilggadgie zemnieku saimniecbu aptauju rezultti.
Ptjuma period iestrdtais slpeka daudzums trviel ir apkopots 5. tab.
5. tab. Iestrdtais slpeka daudzums Melluptes ptjuma teritorijs.
K u lt rauga m slošana Iestrdes datum s
dd .m m .yyyy
kg N ha-1
P am atm slo jum s 11.09.2018 8.0 P ap ildm s lo jum s 01.04.2019 41.3 P ap ildm s lo jum s 01.05.2019 64.4 P ap ildm s lo jum s 31.05.2019 30.0
17
deu kvalittes monitoringa pirmskumos, skot no 1995. gada, Auces
monitoringa stacij tika ptta tuvum esošs fermas ietekme uz augu barbas vielu
zudumiem no lauksaimniecb izmantotajm teritorijm, kurs palielintos apjomos
tika izkliedts organiskais mslojums, galvenokrt šidrmslu form. Skot no 2014.
gada, deu kvalittes monitoringa sistm tika iekauts ar telpiski izkliedt deu
piesrojuma monitorings lauksaimniecbas platbs, kurs tika izmantots gan
organiskais, gan minerlais mslojums. Pc pasaules augšu klasifikatora,
ptjuma teritorij dominjošs ir Gleyic Cambisol augsnes. 2005. gad tika veikta
padziinta eoloijas izpte monitoringa stacijas tieš tuvum. Skku informciju
par urbuma sla dziumiem un biezumiem skatt 6. tab.
6. tab. Auces monitoringa stacijas eoloijas urbuma apraksts.
Sla
filtr.koef.
0-30 79.1 20.3 0.6 mlsmilts 16.02 15.00 30-50 78.5 20.6 0.9 mlsmilts 15.91 10.00 50-65 83 14.6 2.2 mlsmilts 16.75 7.50 5.90
65-110 - 96 4 puteki 0.96 22.50 110-200 - 97 3 puteki 0.97 45.00
deu kvalittes monitoringa stacija un SEG emisiju mrjumu vietas nordtas 8.
att.
18
— Grvis ------ Kolektors ------Drena Sateces baseins
0 0.25 0.5 km
8. att. SEG emisiju mrjumu un deu paraugu ievkšanas vietas Auces
monitoringa stacij.
daudzums trviel ir apkopots 7. tab.
7. tab. Iestrdtais slpeka daudzums Auces monitoringa stacijas sateces
basein.
dd .m m .yyyy
kg N ha-1
P am atm slo jum s 07.08.2018 18 P ap ildm s lo jum s 30.03.2019 64 P ap ildm s lo jum s 26.04.2019 68.8 P ap ildm s lo jum s 07.06.2019 34.4 P am atm slo jum s 30.08.2019 Digestts 45t/ha
(N saturs nav zinms)
Lafloras ptjumu vieta atrodas Kaigu kdras purv, kur rpnieciski tiek
iegta un raota kdras produkcija. SEG emisiju mrjumu viet tiek audztas
krmmellenes, teritorija ir meliorta, izmantojot plašu grvju sistmu, regulri tiek
veikti nokaltušo zaru un zles plaušana. Nav pieejama informcija par mslojuma
izmantošanu šaj ptjuma viet. Laflora ptjumu vieta un tai raksturgie
melioratvie paskumi nordti 9. att.
9. att. SEG emisiju mrjumu vieta Lafloras ptjumu viet.
2.1.5. Mrupes ptjumu vieta
Mrupes ptjumu viet 2018, un 2019. gad tiek audzta kukurza. Nav
pieejama informcija par izmantotajiem augu aizsardzbas ldzekiem un mslojuma
veidu. Mrupes ptjuma vieta attlota 10. att.
20
2.1.6. Pterlauku ptjumu vieta
2019. gad SEG emisiju mrjumi tika ar veikti Pterlauku ziemas kviešu
izminjumu stacijas eksperimentlajos laucios, kuros tiek ptta dadu slpekli
saturošo minerlmslojumu veidu ietekme uz ziemas kviešu rau un kvalitti.
Pterlauku ptjuma vieta attlota 11. att.
Slpeka minerlmslos ir 2 veidu slpeka formas: amonija slpeklis (NH4+)
un nitrtus slpeklis (NO3-). Amonija slpeklis augsn ir mazk kustgs nek nitrtu
slpeklis. Tas tiek piesaistts pie mla un trdvielu daiu virsmas, kas izskaidro
lno, palninto slpeka pieejambu un auj amonija uzemšanai caur saknm
noritt neprtraukti un vienmrgi. Nitrtu slpeklis ir ievrojami kustgks par
amonija jonu augsn, jo nonkot augsnes šdum, kst trk pieejams augu
saknm, tomr nitrti tdejdi tiek pakauti izskalošanai. Nitrtu form slpeklis
viegli izskalojas, ja ir lieli nokriši. Augi var izmantot abas slpeka formas, kas
labvlgi ietekm augu augšanu. Uzreiz uzemama ir nitrtu forma.
21
® Ortofoto © LIA, 2013 LVM GEO
www.melioracija.lv 21.10.2019.
Kartes izd ruka
SEG mrjumi tika veikti 4 daadu minerlmslojumu veidu laucios, katra
no šiem izminjumu variantiem tiek uzkaisti 170 kg N uz hektru (skat. 8. tab.,
9.tab.). Mrjumi tiek veikti ar kontroles lauci, kurš netiek mslots.
8. tab. Latraps mslošanas izminjums ziemas kviešos. 2018-2019.
gads.
Trviela N, kg
2. variants
Top 2 AE 30 stiebrošanas skums
AS 21%, S 24% 190 40.0
Top 3 AE 51 - 55 vrpošanas skums AN 34 % 117 40.0
KOP N, kg 170.0
Top 2 AE 30 stiebrošanas skums N30 + 7S 160 48
Top 3 AE 51 - 55 vrpošanas skums N30 + 7S 120 36
Trviela N, kg
Top 2 AE 30 stiebrošanas skums N30 + 7S 267 80.0
KOPA N, kg 170
6. variants (Eurochem a)
Top 2 AE 30 stiebrošanas skums
ENTEC N26%, S13%
346 90.0
UTEC N 46% 174 80.0
KOPA N, kg 170.0
slpeklis: 17.2%; nitrtu slpeklis: 17.2%) un amonija sulfts (amonija slpeklis:
21% un amonija nitrts (N90+N40+N40). Šis minerlmslu variants ir viens no
tipiskkajiem standarta mslošanas variantiem ziemas kviešos Latvij. Amonija
nitrts ir visbiek lietotais slpeka papildmslojums Latvij, jo satur gan amonija,
gan nitrtu slpekli. Galven slpeka deva tiek nodrošinta pirmaj mslošanas
reiz, kas ir nepieciešams augu augšanai, attstbai un raas veidošanai. Otraj
mslošanas reiz tiek izmantots sru saturošs papildmslojums. Sru saturoši
minerlmsli veicina slpeka uzemšanu un protenu sintzi, tpc tas ir nozmgs
ne tikai raas, bet ar augstas kvalittes graudu ieguvei. Protenu sintzi veicina ar
slpeka mslojums vrpošanas fz, kas konkrtaj variant ir amonija nitrts.
3. variant lietotais minerlmslu produkts ir sulfonitrts (N86+N46+N36).
Sulfonitrts satur slpekli 30% (amonija slpeklis: 18%; nitrtu slpeklis: 12%).
Papildus tiek nodrošints ar srs. Srs veicina N uzemšanu, protenu sintzi un
veicina graudu kvalittes rdtju uzlabošanos. Slpeka lietojums ldz vrpošanai
vairk ietekm graudu rau, bet pc vrpošanas - tieši graudu kvalitti. T k
graudu kvalitte (paši protens) veidojs tieši vrpošanas fz, sru saturošu
minerlmslu lietošana trešaj papildmslošan pozitvi ietekm kvalitti.
23
4. variant izmantotais minerlmslu produkts ir sulfonitrts (N90+N80). Š
mslošanas shma ir oti ldzga 3. variantam, viengi atširas tas, ka sulfonitrts
lietots tikai 2 reizes veetcijas sezon.
6. variant izmantotie minerlmslu produkti ir UTEC un ENTEC (N92+N78).
UTEC (N46) ir stabiliztais karbamds, kam misk formulas ir tda pati, k
parastajai urnvielai. Vieng atširba ir tda, ka UTEC ir pievienoti stabilizatori
padarot amonija jonus mazk gaistošus, tpc ir mazki slpeka zudumi. Kopjais
slpeka saturs ENTEC produkt ir 26%, no kura 7.5% ir nitrtu formas un 18.5%
amonija formas slpeklis, kas ir apstrdts ar DMPP (3,4-dimetilpirazola fosfts)
inhibitoru. ENTEC® iedarbojas tri un taj paš laik darbojas ilgi. ENTEC®
mslojums ir stabilizts ar amonija stabilizatoru DMPP*. Tas aizkav nitrifikcijas
pirmo fzi, proti, nitrtu slpeklim oksidties par nitrtu formas slpekli (NH3 -
HNO2), tdjdi stabilizjot augsn piegdto amonija formas slpekli, aujot tam
bt pieejamam augiem ilgstošk laika period. Iedarbba vrojama aptuveni 1.5 -
2 mnešus. ENTEC® papildus stabiliztajam amonija slpeklim satur dau nitrta
formas slpekli (7.5%) trkai skotnjai iedarbbai, kas vitli nozmga augiem ir
pavasar, atjaunojoties veetcijai. ENTEC® mslojums satur ar 13% sru, jeb
32% sra oksdu (SO3). Sra saturs mslojum ir pietiekams, lai nodrošintu
nepieciešamo sra daudzumu gan rapšiem, gan kviešiem augstai raas un
kvalittes sasniegšanai.
7. variant izmantotie minerlmslu produkti ir ENTEC un UTEC (N90+N80).
Parasto urnvielu iesaka lietot agri pavasar (ldz +100C), jo pie augstkm
temperatrm oti liels procents slpeklis izgaist. Teortiski stabiliztajai urnvielai
UTEC vajadztu bt izmantojamam ar vlk un bt mazk gaistošam, ko ar
prbauda šaj ptjuma lauci, izmantojot to k otro papildmslojumu. Parasto
urnvielu parasti neizmanto k otro papildmslojumu.
9.tab. Iestrdtais slpeka daudzums Pterlauku ptjuma viet.
M slo jum s Iestrdes datum s
P roduk ts Deva, kg ha-1
P am atm slo jum s 15.09.2018. NPK 8:24:24 250
N1 p ap ildm s lo jum s 28.03.2019. Pc shmas Pc shmas
N2 pap ild m s lo ju m s 30.04.2019. Pc shmas Pc shmas
N3 pap ild m s lo ju m s 04.06.2019 Pc shmas Pc shmas
24
Iekrta Picarro G2508 auj mrjumus veikt lauka apstkos, emot gaisa
paraugu tieši no kameras, ar vienas sekundes intervlu starp mrjumiem, kas dod
400 mrjumu punktu vienai kamerai. Katr ptjuma objekt tika veikti mrjumi trs
kamers.
Lauksaimniecbas augšu emitto gzu mrjumi tika veikti izmantojot mobilo
spektrofotometru Picarro G2508 (skat. 12. att.), kas auj vienlaikus veikt piecu gzu
mrjumus O, CH4, CO2, NH3, un H2O ar vienas sekundes vidjo intervlu. Skk
par iekrtas tehniskajiem parametriem un ts izmantošanas iespjm ir aprakstts
Fleck et al., (2013) ptjum. Gzu mrjumi tika veikti izmantojot necaurspdgas
kameras, kuru pamatnes diametrs ir 23 cm un kameras tilpums 3 litri (skat. 13. att.).
Pamatne ir veidota no metla, un ts apakšj mala ir noasinta, lai to btu vieglk
ievietot augsn. Uz pamatnes novieto necaurspdgu kupolu. Lai nodrošintu blvu
saslgumu starp pamatni un kupolu, starp tiem ir rpnieciski uzstdta blvgumija.
Kameras savienojumus ar iekrtu Picarro G2508 tika izveidots, izmantojot
rpnieciski raotus nersjoš trauda savienojumus, kas savienots ar 9 metrus
garu teflona caurulti, kuras iekšjais diametrs ir 1/16 collas un rjais diametrs 1/8
collas, savukrt savienojums ar kameru tika veidots, izmantojot tro savienojumu,
kas izolts ar gumijas blvi.
25
K.Valujeva).
veikšanai (autors: J.Pilecka).
mrjumi, izmantojot mitruma mrtju gruntm Theta Probe, Delta-T Devices, kas
veic augsnes mitruma mrjumus augsnes virsj sln (skat. 14. att.). Augsnes
mitruma dati tiek saglabti datu nolasšanas iekrt un ierakstti datu laps.
Gaisa temperatras mrjumus, gaisa temperatras mrjumus kamer un
augsnes temperatras mrjumus veica, izmantojot barometrisk spiediena
mrtjus Diver DI 500, Eijkelkamp (skat. 15. att.), kur gaisa temperatras mrtjs
tika novietots nas pus, kameras gaisa temperatras mrtjs tika novietots
kamer tieši pirms kupola nostiprinšanas un augsnes temperatras mršanai
iekrta tika ierakta augsn 20 cm dzium.
26
14. att. Augsnes mitruma 15. att. Diver barometriska spiediena mrtji
mrtjs (autors: J.Pilecka). (autors: J.Pilecka).
3.1.2. Datu analzes metodes
siltumncas efekta gzu emisijs no hektra, aprinam tika izmantots vairku
pakpju algoritms (skat. 16. att.).
Emisijas koeficienta aprinšana
Emisijas koeficienta transformcija
16. att. Gzu koncentrciju mrjumu transformcijas aprina algoritma
shematisks attlojums.
(skat. 1. formulu), izmantojot mazko kvadrtu metodi, kur emisiju apjomu raksturo
regresijas koeficients (skat. 2. formulu), savukrt brvais loceklis (skat. 3. formulu)
27
koeficients R2 (skat. 4.formulu). Liners regresijas aprinam
pirms piecas mrjumu mintes.
y - koncentrcija ppm/s; x - laiks sekunds; m - regresijas koeficients; b - brvais loceklis.
y = mx + b, kur
n^(xy)-^x^y
n£(x2)-(£x)2 , kur
m - regresijas koeficients; y - koncentrcija ppm/s; x - laiks sekunds; n - mrjumu skaits.
t =nssi, kurn b - brvais loceklis; y - koncentrcija; x - laiks sekunds; m - regresijas koeficients; n - mrjumu skaits.
R 2 = ( n Z (Xy ) - Z X Z y ) 2 kur V [ « S ( x 2) - S x ) 2] [ n Z ( y 2) - ( Z y ) 2 j ’
R2- determincijas koeficients
3.1.2.2. Emisijas koeficienta transformcijas
izmantots idels gzes stvoka viendojums (skatt 5.formulu). „ V AcF = p —
r A AT
p - gzes blvums mg/m3;
V - kameras tilpums m3;
A - kameras laukums m2;
T - kameras temperatra OC.
Veicot transformcijas, ir oti btiski saglabt vienotu mrvienbu sistmu.
Picarro G2508 dod gzu molrs koncentrcijas, td jveic preja no molrs
koncentrcijas uz masas koncentrciju.
Ptjuma rezultti ir sastrukturti trijs galvenajs grups, kur pirmaj
apskšnoda analizti SEG un amonjaka mrjumu rezultti Auces, Brzes,
Melluptes, Lafloras un Mrupes ptjumu viets 2019. gad, k ar sniegts 2017.,
2018. un 2019. gadu gzu emisiju saldzinjums katrai ptjumu vietai. Otraj
apakšnoda ir analizta organisks vielas satura ietekme uz gzu emisijm, kur
Auces, Brzes un Melluptes ptjumu vietas raksturo minerlaugsi, savukrt
Lafloras un Mrupes ptjumu vietas - organisko augsni. Trešaj apakšnoda ir
sniegta Pterlauku mrijumu viet veikto ptjumu rezultti, kur analizta dadu
slpeka mslojuma veidu ietekme uz gzu emisijm.
3.1. SEG un amonjaka emisiju mrjumu rezultti Auces,
Brzes, Melluptes, Lafloras un Mrupes ptjumu viets
2019. gad katr ptjumu viet - Auce, Brze, Mellupte, Laflora un Mrupe -
ir veiktas 5 mrjumu kampaas. Katr objekt tika veikti N2O, CO2, NH3 un CH4
mrjumi 3 kamers, augsnes mitruma un augsnes temperatras mrjumi. Kop
viss ptjumu viets ir veikti 75 mrjumi, kuros noteiktas N2O, CO2, NH3 un CH4
koncentrcijas no kurm aprintas emisijas gramos vai kilogramos no hektra
diennakt. Aprakstošs statistikas rdtji ir attloti 10.tab.
CH4 emisiju mrjumi apstiprina ldzšinjs atzias, ka augsnes
mikroorganismi lauksaimniecbas zems patr metnu. Metna emisiju datu
medinas vrtba (-5.74 g/ha/dnn) ir oti tuvu vidjai aritmtiskiai emisijas vrtbai
(-5.86 g/ha/dnn), kas norda datu vienmrgu sadaljumu. Savukrt miniml
metna emisiju vrtba ir -23.54 g/ha/dnn un maksiml metna emisiju vrtba ir
5.28 g/ha/dnn.
CO2 emisijas svrsts robes no 13.69 kg/ha/dnn ldz 293.19 kg/ha/dnn,
kur medina (102.1 kg/ha/dnn) un aritmtisk vidj vrtba (107.1 kg/ha/dnn) ir
nosacti tuvu, kas liecina par vienmrgu ogskbs gzes emisiju apjomu vis
novrojumu period.
desmitkrtgas atširbas un norda uz izteiktu ekstrmu vrtbu eksitenci datu
30
rind, kur konstatt miniml dislpeka oksda vrtba ir -1.63 g/ha/dnn savukrt
maksiml vrtba sasniedz 443.78 g/ha/dnn.
NH3 emisiju stattistisk analze uzrda vl izteiktku maksimlo vrtbu
kltbtni datu kop, kur medina (0.27 g/ha/dnn) ir septipadsmit reizes zemka k
vidj aritmtisk amonjaka emisiju vrtba (4.81 g/ha/dnn), iepriekšmintie fakti
norda uz izteiktu ekstrmu vrtbu eksitenci datu rind, kur konstatt miniml
amonjaka vrtba ir -50.58 g/ha/dnn, savukrt maksiml vrtba sasniedz 250.98
g/ha/dnn.
10.tab. N2O, CO2, NH3 un CH4 emisiju statistiskie rdtji 2019. gada.
Variables CH4 ,
Missing 0 0 0 0
Mean -5.8610 30.0220 107.1892 4.8092
Std. Error of Mean 0.56342 8.14551 7.33220 3.79032
Median -5.7432 2.9664 102.0266 0.2736
Std. Deviation 4.87938 70.54220 63.49874 32.82516
Variance 23.808397 4976.202 4032.090 1077.491
Minimum -23.54 -1.63 13.69 -50.58
Maximum 5.28 443.78 293.19 250.98
Percentiles 25 -8.9736 0.3048 55.7477 0.0120
50 -5.7432 2.9664 102.0266 0.2736
75 -2.8517 11.4542 143.8792 0.4795
3.1.1. Metna mrjumu rezultti
Auces, Brzes un Mrupes ptjumu viets ir novrota metna asimilcija no
gaisa, kas nozm, ka augsn ir aerobi apstki un mikroorganismi uzem metnu
no gaisa. Melluptes un Lafloras ptjumu viets kd no mrjumu veikšanas
reizm ir tikusi novrota ar metna emisija no augsnes, kas liecina par anaerobiem
apstkiem augsn. Vislielk metna emisijas izkliede ir novrojama Melluptes
objekt (skat. 11. tab. un 17.att.).
11. tab. CH4 emisijas statistiskie rdtji 2019. gad.
CH 4 , g /ha/dnn Auce Brze Laflora Mrupe Mellupte
N Valid 15 15 15 15 15
Missing 0 0 0 0 0
Mean -9.98144 -4.99344 -2.16624 -8.00512 -4.15856
Std. Error of Mean 0.75550 1.07580 0.73073 1.31645 1.27182
31
Median -9.14160 -4.37280 -1.87200 -8.06160 -3.61200
Std. Deviation 2.92603 4.16656 2.83010 5.09859 4.92574
Variance 8.562 17.360 8.009 25.996 24.263
Minimum -14.79360 -13.91760 -9.05040 -23.53920 -12.81600
Maximum -5.84400 -0.14160 2.62320 -2.70000 5.28480
Percentil 25 -12.39600 -6.42720 -3.42240 -8.78400 -7.14960 es 50 -9.14160 -4.37280 -1.87200 -8.06160 -3.61200
75 -8.32800 -1.43760 -0.41760 -5.01120 -0.59280
Veicot metna emisiju analzi pa mrjumu vietm, var secint, ka pozitva
maksiml metna emisija tika novrota Lafloras (2.62 g/ha/dnn) un Melluptes
(5.28 g/ha/dnn) mrjumu viets.
Izvrtjot metna emisiju vrtbu izkliedi mrjumu viets, var secint, ka
Lafloras mrjumu viet emisijas ir visstabilks un neliel amplitd svrsts ap
medinu (25 percentile: -3.42 g/ha/dnn, 75 percentile: -0.15 g/ha/dnn), k ar ir reltvi
augstkas nek prjs mrjumu viets (skat. 17.att. ).
10-
20'
30-
" V" " T " i “V * i Auce Brze Laflora Mrupe Mellupfle
Vieta
32
Saldzinot metna emisiju pa gadiem viss mrjumu veikšanas viets,
varam secint, ka metna emisija visnestabilk ir bijusi Auces un Brzes
monitoringa punktos (skat. 18. att.).
Analizjot metna emisijas pdjo trs monitoringa gadu griezum, 2017.
gad bija izteikta metna emisiju svrstbu amplitda viss piecs mrjumu
veikšanas viets, tomr jmin, ka pozitvas metna emisijas ir nosacti maz, jo visos
mrjumu objektos medinai ir negatva vrtba, un pozitvas ir tikai ekstrms
vrtbas Mrupes un Brzes mrjumu veikšanas viets, savukrt Lafloras mrjumu
viet daa no 75-100 procentlei ir pozitvas vrtbas (skat. 18. att.). Viss mrjuma
veikšanas viets, izemot Mrupi 2018. gad, metna emisijas bija ar relatvi
augstkm vrtbm. Savukrt analizjot izkliedi, ir redzams, ka Lafloras un
Mrupes mrjumu veikšanas viets izkliedes amplitda saglabjas 2017. gada
lmen, savukrt prjs mrjumu veikšanas viets metna emisiju izkliedes
amplitda ir btiski samazinjusies. 2019. gad Auces mrjumu veikšanas viet
metna emisiju apjoms ir btiski zemks nek 2017. un 2018. gad, bet emisiju
izkliedes amplitda ir atgriezusies 2017. gada lmen. Brzes mrjumu veikšanas
viet metna emisiju amplitda ir lielka nek 2017. un 2018. gad, bet emisiju
apjoms ir btiski samazinjies pret 2018. gadu. Lafloras mrjumu veikšanas viet
mrjumu amplitda ir stabila visu triju monitoringa gadu ietvaros ar pozitvm
vrtbm 75-100 procentl. Mrupes mrjumu veikšanas viet visos trijos gados
metna emisijas ir ar ldzgu svrstbu amplitdu, tau jmin, ka Mrupes mrjumu
veikšanas viet ir vrojamas visaugstks metna emisiju vrtbas 2017. gad, kas
prsniedz 40 g/ha/dnn, kas ir 8 reizes lielka nek 2019. gad novrot maksiml
vrtba (5.28 g/ha/dnn). Melluptes mrjumu veikšanas viet, vrtjot pdjos trs
monitoringa gadus, ir vrojama neliela pozitva tendence metna emisiju medinas
vrtbm.
33
gada.
Izvrtjot N2O emisiju vrtbu izkliedi mrjumu viets, var secint, ka
Mrupes un Auces mrjumu veikšanas viets emisijas ir ar visizteiktko svrstbu
amplitdu (skat. 12. tab. un 19.att.). Auces mrjumu veikšanas viet miniml
novrot dislpeka oksda vrtba ir 0.30 g/ha/dnn, savukrt maksiml novrot
34
vrtba ir 90.88 g/ha/dnn. Mrupes objekt novrot miniml vrtba ir 6.61
g/ha/dnn, kas ir divreiz augstka nek Brzes mrjumu veikšanas viet novrot
maksiml dislpeka oksda vrtba (3.16 g/ha/dnn), un Melluptes mrjumu
veikšanas viet novrot maksiml dislpeka oksda vrtba ir 5.32 g/ha/dnn.
12. tab. N2O emisijas statistiskie rdtji 2019. gada.
N2O, g/ha/dnn Auce Brze Laflora Mrupe Mellupte
N Valid 15 15 15 15 15
Missing 0 0 0 0 0
Mean 27.20208 0.55744 2.76048 117.88928 1.70080
Std. Error of Mean 7.14333 0.35229 0.78518 31.25597 0.61896
Median 13.34640 0.18960 1.78800 95.86560 1.36800
Std. Deviation 27.66601 1.36443 3.04098 121.05384 2.39722
Variance 765.408 1.862 9.248 14654.031 5.747
Minimum 0.30480 -1.63440 -0.45600 6.61680 -1.5216
Maximum 90.88560 3.15600 12.09360 443.77680 5.3232
Percentiles 25 5.85600 -0.45600 1.17840 17.22720 -0.45600
50 13.34640 0.18960 1.78800 95.86560 1.36800
75 38.67360 1.59600 3.57360 141.84000 4.33440
19.att. N2O emisiju novrojumi ptjumu objektos 2019. gad.
35
Analizjot novrot maksiml dislpeka oksda vrtbas monitoringa
objektos pdjos trs monitoringa gados (skat. 20. att.), jmin, ka dislpeka oksda
emisijas parda oti nevienmrgus emisiju apjomus pa gadiem un par nosacti
stabiliem mrjumu rezulttiem var nosaukt mrjumus Lafloras mrjumu veikšanas
viet, kur emisijas ir nosacti viszemks un ar vismazko svrstbu amplitdu visu
triju gadu griezum: no -3 g/ha/dnn ldz 17 g/ha/dnn. Brzes mrjumu veikšanas
viet dislpeka oksda emisiju vrtbas svrsts ldzgi k Lafloras mrjumu
veikšanas viet, tau jmin 2017. gad (40 g/ha/dnn) un 2018. gad (10 g/ha/dnn)
novrots ekstrms maksimls vrtbas, kas neauj runt par emisiju stabilo
raksturu, bet norda uz klimata un citiem faktoriem, kas rada btisku ietekmi uz
dislpeka emisiju apjomu. Auces mrjumu veikšanas viet 2019. gad emisiju
apjoms ir btiski palielinjies, saldzinot ar 2017. un 2018. gadu, savukrt Melluptes
mrjumu veikšanas viet dislpeka oksda emisijas ir nosacti zemkas 2019. gad
nek 2017. un 2018. gad. paši jpiemin Mrupes mrjumu vieta, kur dislpeka
oksda svrstbu amplitda etrpadsmit reizes prsniedz prjs mrjumu
veikšanas viets novroto dislpeka emisiju svrstbu amplitdu. Mrupes
mrjumu veikšanas viet 2017. gad novrots maksimls dislpeka emisiju
vrtbas septikrtgi prsniedz 2018. gad novrots emisiju vrtbas un trskrtgi
prsniedz 2019. gad novrots dislpeka oksda vrtbas.
36
20. att. N2O emisiju novrojumi ptjumu objektos 2017., 2018. un 2019.
gad.
Ogskbs gzes emisijas ir visvienmrgks, bez izteikti ekstrmm
vrtbm, par ko liecina medinas un vidjs vrtbu tuv sakritba. Piemram,
Melluptes mrjumu veikšanas viet medinas un aritmtisks vidjs vrtbas
atširbas ir 1% robes (skat. 13.tab.). Mrupes mrjumu veikšanas viet ir
37
vrojamas relatvi viaugstks ogskbs gzes emisijas, kur medinas vrtba ir
156.67 kg/ha/dnn un 25 procentle ir augstka nek Auces un Brzes mrjumu
veikšanas viets novroto ogskbs gzes emisiju 75 procentles vrtbas, kas
norda uz btisku un statistiski nozmgu atširbu (skat. 1. att.21. att.).
13.tab. CO2 emisijas statistiskie rdtji 2019. gada.
C O 2 , kg/ha/dnn Auce Brze Laflora Mrupe Mellupte
N Valid 15 15 15 15 15
Missing 0 0 0 0 0
Mean 82.53646 77.04789 121.32660 154.30113 100.73368
Std. Error of Mean 7.07892 14.87588 19.58896 14.03868 16.86778
Median 86.62564 58.18140 105.03074 156.67148 99.25062
Std. Deviation 27.41652 57.61405 75.86771 54.37156 65.32864
Variance 751.666 3319.379 5755.910 2956.266 4267.831
Minimum 28.74846 18.32904 25.89643 43.38888 13.68974
Maximum 120.16551 213.33180 293.18863 257.44319 228.16236
Percentiles 25 66.96565 30.95403 70.38809 130.43281 44.56771
50 86.62564 58.18140 105.03074 156.67148 99.25062
75 102.02660 120.16551 160.89249 167.31906 145.64364
Auce Brze Laflora Mrupe Mellupfle
Vieta
38
CO2 emisija visos gados visos objektos rda nevienmrgu novroto ogleka
dioksda vrtbu svrtbu amplitdu, gan objektu, gan novrojumu veikšanas gadu
ietvaros (skat. 22.att.). Auces mrjumu veikšanas viet visizteiktk ogleka
dioksda svrstbu amplitda ir novrota 2018. gad, savukrt 2017. un 2019. gad
svrstbu amplitda ir relatvi mazka, ar relatvi zemkm vrtbm 2019. gad.
Brzes mrjumu veikšanas viet nosacti ldzga ogskbs gzes emisija ir 2018.
gad un 2019. gad, kur 2019. gad medinas vrtba ir augstka nek 2018. gad,
tau 2017. gad ir relatvi mazka emisijas vrtbas svrstbu amplitda, bet izteikti
augstkm ogskbs gzes emisiju vrtbm, kur miniml 2017. gad novrot
vrtba ir augstka nek 2018. un 2019. gada novroto vrtbu medina. Lafloras
mrjumu veikšanas viet 2017. gada mrjumu medina ir zemka nek 2018. un
2019. gad novroto ogskbs gzes emisiju medina, tau jmin, ka 2017. gad
ir visaugstk 100 procentles vrtba, kas norda uz datu kopas relatvo
kompaktumu no 0 ldz 50 procentlei un ralatvo izkliedi no 50 ldz 100 procentlei.
Mrupes mrjumu veikšanas viet novrots ogskbs gzes emisijas vrtbas
2019. gad ir ar relatvi mazku izkliedi tau ar izteiktiem minimlajiem un
maksimlajiem ekstrmiem, kas netika novroti 2017. un 2018. gad. Melluptes
mrjumu veikšanas viet 2019. gad un 2018. gad novrots ogskbs gzes
emisiju amplitdas ir ldzgas ar minimlu indikciju par medinas vrtbas
samazinšanos 2019. gad. Turpretm 2017. gad oglskbs gzes emisiju apjoms
bija ar izteikti lielku izkliedes amplitdu un trim maksimlajm pozitvajm
vrtbm, kas etras reizes prsniedz prjos objektos novrots maksimls
ogleka emisiju vrtbas.
22.att. CO2 emisiju novrojumi ptjumu objektos 2017., 2018. un 2019.
gad.
apjomu, ja analizjam medinas vrtbas, kur viss mrjumu veikšanas viets
amonjaka emisiju medinas vrtba svrsts no 0.12 ldz 0.38 g/ha/dnn (skat. 14.
40
mrjumu viets ir izteikta ekstrmo maksimlo vrtbu kltbtne, kur Melluptes
mrjumu viet maksiml novrot vrtba ir 9.01 g/ha/dnn, bet Mrupes mrjumu
viet maksiml novrot amonjaka vrba ir 250.98 g/ha/dnn, kas ir vairk nek
divdesmitpiecas reizes vairk nek Melluptes mrjumu veikšanas viet.
14. tab. NH3 emisijas statistiskie rdtji 2019. gada.
N H 3, g /h a /d n n Auce Brze Laflora Mrupe Mellupte
N Valid 15 15 15 15 15
Missing 0 0 0 0 0
Mean 0.62432 0.29248 0.13040 21.90880 1.09024
Std. Error of Mean 0.25010 0.26597 0.26056 18.78425 0.70207
Median 0.37680 0.33840 0.16080 0.11520 0.38400
Std. Deviation 0.96861 1.03011 1.00915 72.75110 2.71909
Variance 0.938 1.061 1.018 5292.722 7.393
Minimum -0.22800 -2.77680 -2.0616 -50.57520 -2.55600
Maximum 3.61200 1.99680 2.3952 250.97760 9.01200
Percentiles 25 0.01200 0.02400 -0.30000 0.02400 -0.25920
50 0.37680 0.33840 0.16080 0.11520 0.38400
75 0.76080 0.87360 0.39600 0.39120 0.60960
Analizjot amonjaka emisiju izkliedes amplitdu Auces, Brzes un Lafloras
mrjumu viets, ts ir ldzgas, tau jmin Lafloras mrjumu veikšanas vietas
medinas saldzinoši zemk vrtba (skat. 23.att.). Mrupes mrjumu veikšanas
viet medinas vrtba bija viszemk, k ar relatvi vismazk nobde starp 25 un
75 procentli, tau novrots ekstrms vrtbas Mrupes mrjumu vietu izce starp
prjm vietm, kur aritmtisk vidj vrtba (21.9 g/ha/dnn) ir 20 reizes lielka
nek Melluptes mrjumu objekt.
23.att. NH3 emisiju novrojumi ptjumu objektos 2019. gada.
Analizjot amonjaka emisijas pdjo trs gadu griezum, ir jmin, ka visos
gados viss mrjuma veikšanas viets ir vrojamas ekstrms vrtbas, kas
raksturo amonjaka emisiju nevienmrgo dabu (skat. 24. att.). Auces mrjumu
veikšanas viet amonjaka emisiju medinas vrtbas ir nosacti ldzgas, tau jmin
2018. gad novrots izteikti negatvs vrtbas, kas liecina par augu spju uzemt
amonjaku no gaisa. Brzes mrjumu veikšanas viet amonjaka emisiju vrtbas ir
ar oti ldzgu izkliedi, tau 2019. gada medinas nobde ir pozitvu amonjaka emisiju
virzien, bet izteikti ekstrmu negatvu amonjaka emisiju vrtbas ir novrotas 2017.
un 2019. gad. Lafloras mrjumu veikšanas viet 2017. gad ir novroti gan
maksimlo vrtbu, gan minimlo vrtbu ekstrmi, tau 2018. un 2019. gad nav
novrojamas izteikti ekstrmas minimls un maksimls vrtbas. Mrupes
mrjumu veikšanas viet amonjaka emisijas ir ar nosacti mazu savrstbu
amplitdu, tau ekstrmo maksimlo vrtbu apjomam ir tendence pieaugt.
Melluptes mrjumu veikšanas viet amonjaka emisijas 2019. gad ir ar mazku
izkliedes amplitdu, tau izteiktkm ekstrmm maksimlajm vrtbm.
42
eH N
24. att. NH3 emisiju novrojumi ptjumu objektos 2017., 2018. un 2019.
gad.
43
Augsnes organisks vielas saturs ir viens no nozmgkajiem SEG emisiju
ietekmjošajiem faktoriem. Šaj apakšnoda ir analiztas gzu savstarpjs
sakarbas, k ar augsnes mitruma un augsnes temperatras ietekme uz SEG
emisiju koeficientiem. SEG emisiju koeficienti neatbilst normlam sadaljumam,
tpc sakarbu identificšanai ir izmantots Kendala korelcijas koeficients (Chen,
Popovich, 2002; Coffman et al., 2008). Gzu savstarpj sakarba, un sakarba
starp gzm un augsnes mitrumu un gzm un augsnes temperatru visos objektos
viss kamers ir pardta 15. tab. Statistiski nozmga negatva korelcija ir starp
augsnes mitrumu un N2O emisijm, kas parda augsnes mitruma nozmi
mikroorganismu aktivittes nodrošinšanai, kas nozm, ka, palielinoties augsnes
mitrumam, samazins N4O emisija, bet statistiski nozmga pozitva korelcija ir
starp augsnes temperatru un CO2 un NH3 emisijm, kas apstiprina literatras
atzias, ka viens no galvenajiem amonjaka un ogleka dioksda emisiju
ietekmjošajiem faktoriem ir temperatra. Statistiski nozmga negatva korelcija ir
starp CH4 un CO2 un CH4 un N2O, kas apstiprina literatr piemints
likumsakarbas starp gzu koncentrcijm.
Emisiju koeficienti Augsnes
tem peratra, °C
Augsnes tem peratra, °C 1 0,055 -0,171* -0,066 0,175* 0,264**
Augsnes mitrums, % 0,055 1 -0,169* 0,101 0,061 -0,099 N2O,g/ha/dnn -0,171* -0,169* 1 -0,254** 0,167* -0,076 CH4, g/ha/dnn -0,066 0,101 -0,254** 1 -0,242** -0,005 CO2, kg/ha/dnn 0,175* 0,061 0,167* -0,242** 1 -0,012 NH3, g/ha/dnn 0,264** -0,099 -0,076 -0,005 -0,012 1
** p vrtba <0.01 ; * p vrtba <0.05
Analizjot atseviši organisko augšu un minerlaugšu kameru gzu
emisijas 2019. gad, ir redzams, ka minerlaugsns veidojas pozitva statistiski
nozmga sakarba starp CO2 un augsnes temperatru, k ar negatva statistiski
nozmga sakarba starp CH4 un N2O un CH4 un CO2, kas apstiprina ldzšinjo
ptjumu rezulttus (skat. 16. tab.).
44
16. tab. Kenda a korelcijas koeficienti mineralaugsnes kameram 2019. gada.
Emisiju koeficienti Augsnes
tem peratra, °C
Augsnes tem peratra, °C 1 0,185 -0,203 0,147 0,239* 0,190
Augsnes mitrums, % 0,185 1 -0,154 0,137 0,147 -0,051 N2O, g/ha/dnn -0,203 -0,154 1 -0,383** 0,040 -0,048 CH4, g/ha/dnn 0,147 0,137 -0,383** 1 -0,385** 0,178 CO2, kg/ha/dnn 0,239* 0,147 0,040 -0,385** 1 0,028 NH3, g/ha/dnn 0,190 -0,051 -0,048 0,178 0,028 1
** p vrtba <0.01; * p vrtba <0.05
Organiskajs augsns starp N2O un CH4 gzm ir vrojama statistiski
nozmga negatva korelcija (skat. 17. tab.), k ar starp CO2 un CH4 gzm ir
vrojama negatva korelcija, kuru izskaidro pasaules ptjumu atzias, jo, ja
paliels CH4 emisija, ir vrojami anaerobi apstki, savukrt aerobos apstkos
palielins CO2 emisija.
17. tab. Kendala korelcijas koe- icienti organisks augsnes kamerm 2019. gad.
Emisiju koeficienti Augsnes
tem peratra, °C
Augsnes tem peratra, °C 1 0,131 -0,139 -0,122 0,388** 0,178
Augsnes mitrums, % 0,131 1 -0,351** -0,037 -0,109 -0,063 N2O, g/ha/dnn -0,139 -0,351** 1 -0,267* 0,034 0,030 CH4, g/ha/dnn -0,122 -0,037 -0,267* 1 -0,308* -0,203 CO2, kg/ha/dnn 0,388** -0,109 0,034 -0,308* 1 0,076 NH3, g/ha/dnn 0,178 -0,063 0,030 -0,203 0,076 1
** p vrtba <0.01; * p vrtba <0.05
Laika posmam no 2017. ldz 2019. gadam statistiski nozmga pozitva
korelcija ir starp augsnes temperatru un NH3 emisiju, starp augsnes mitrumu un
N2O emisiju, augsnes mitrumu un CO2 emisiju un N2O un CO2 emisiju. Statistiski
nozmga negatva korelcija ir starp CH4 un N2O emisiju, CH4 un CO2 emisiju un
augsnes mitrumu un NH3 emisiju (skat. 18. tab.).
18. tab. Kendala korelcijas koeficienti vism kamerm laika posmam no 2017. _____________________________________________________ ldz 2019. gadam.
Emisiju koeficienti Augsnes
tem peratra, °C
Augsnes tem peratra, °C 1 0,018 0,009 -0,062 0,088 0,198**
Augsnes mitrums, % 0,018 1 0,112* 0,012 0,239** -0,098*
45
N2O, g/ha/dnn
CH4, g/ha/dnn
CO2, kg/ha/dnn
NH3, g/ha/dnn
N2O, g/ha/dnn 0,009 0,112* 1 -0,179** 0,199** -0,010 CH4, g/ha/dnn -0,062 0,012 -0,179** 1 -0,322** -0,075 CO2, kg/ha/dnn 0,088 0,239* 0,199** -0,322** 1 0,005 NH3, g/ha/dnn 0,198** -0,098* -0,010 -0,075 0,005 1
** p vrtba <0.01; * p vrtba <0.05
Analizjot organiskajs un minerlaugsns novrots metna emisijas 2017.
un 2019. gad ir vrojamas augstkas medinas vrtbas organiskajs augsns,
tau 2018. gad ir vrojams pretjs efekts. 2017. gad ir vrojamas ekstrmi
pozitvas metna emisiju vrtbas organiskajs augsns, bet izteikti negatvas
ekstrmas metna emisijas vrtbas minerlaugsns (skat. 25.att.).
Gads
2017., 2018. un 2019. gad (ar sarkanu atzmtas ekstremls vrtbas).
Analizjot dislpeka oksda emisijas vrtbas, organiskajs augsns ir
vrojama izteiktka dislpeka oksda emisiju vrtbu izkliede visos gados ar relatvi
izteiktku pozitvu medinas vrtbu, kur ekstrmo maksimlo vrtbu apjoms ir
izteikts 2017. un 2018. gad. Organiskajs augsns novrot maksiml
46
maksimlo dislapeka oksda vrtbu (skat. 26.att.).
26.att. N2O emisiju novrojumi mineralaugsnem un organiskajam augsnm
2017., 2018. un 2019. gada (ar sarkanu atzmtas ekstremalas vrtbas).
Ogleka emisiju vrtbas mineralaugsns un organiskajas augsns, vrtjot
gadu griezuma, ir ar ldzgu emisiju izkliedes amplitdu, tau visos trijos monitoringa
gados ir izteikta medianas nobde pozitva virziena, bet btisku atširbu
identifikacijai ir nepieciešama padziinata izpte. paši japiemin, ka, neraugoties uz
indikacijam, ka organiskajas augsns ir palielinatas ogskabas gazes emisijas,
ekstrmas maksimalas vrtbas ir vairak novrotas mineralaugsns, kur maksimala
ekstrma vrtba 2017. gada vairak neka etras reizes parsniedz 2018. un 2019.
gada novrotas maksimalas ogskabas gazes emisijas vrtbas (skat. 27.att.).
47
2017., 2018. un 2019. gad (ar sarkanu atzmtas ekstremls vrtbas).
Amonjaka emisiju apjoma analze pa gadiem pc augsnes tipa parda
izteiktu organiskajs augsns novroto maksimlo un minimlo vrtbu apjomu.
Medinas vrtbas 2017. gad ir augstkas organiskajs augsns, bet 2018. gad
medinas vrtbas minerlaugsnm ir oti tuvu organisko augšu medinai, bet
2019. gad organiskajs augsns medinas vrtba ir nosacti zemka nek
minerlaugsns (skat. 28.att.).
38,03 250.98
2017., 2018. un 2019. gada (ar sarkanu atzmtas ekstremlas vrtbas).
3.3. SEG mrjumu rezultti Pterlauku ptjumu viet
CH4 emisija, veicot mrjumus Pterlauku ptjumu viet, bija ar negatvu
tendenci, kas ar atspoguojas rezulttos (skat. 19. tab.un 29.att.) un norda, ka
augsn ar optimlu mitruma daudzumu un pietiekamu skbeka daudzumu, aktvi ir
mikroorganismi, kuriem ir nepieciešami aerobi apstki. Tie nerada metna emisijas,
bet patr to metnu, kas ir gaisa sastv, tpc kamer esošais metna daudzums
samazins.
CH4 , g/ha/dnn Kontrole 2 .variants 3.variants 4.variants 6 .variants 7.variants
N Valid 17 12 6 15 15 15
Missing 0 0 0 0 0 0
Mean -12.160 -13.8374 -10.0580 -10.6676 -10.7356 -10.6110
Std. Error of Mean 2.0497 2.0794 1.0481 1.3555 1.3801 1.4754
Median -10.263 -11.6364 -9.1644 -10.5336 -9.3936 -10.3824
49
Variance 71.419 51.886 6.592 27.564 28.573 32.656
Minimum -31.373 -30.0408 -14.6400 -18.8232 -21.7128 -20.1167
Maximum -2.2824 -4.8288 -7.4544 -2.6088 -2.8896 -1.3128
Percentiles 25 -15.972 -18,6234 -12.0732 -14.6400 -14.8296 -15.8184
50 -10.268 -11,6364 -9.1644 -10.5336 -9.3936 -10.3824
75 -5.8368 -8,5512 -8.3940 -4.7904 -6.5784 -4.9440
2U
Ko nt re e 2.va riants 3.variants 4.variants b.va riants 7.variants
Mslojuma veids
Mrjumu rezultti Pterlaukos rda, ka N2O koncentrcijas nozmgi
atširas, saldzinot mslojuma variantus ar kontroli, k ar nozmgi atširas emisija
2. un 3. mslojuma variantos ar emisiju prjos mslojuma variantos. Vislielk
mrjumu rezulttu amplitda ir novrojama 2. un 3. variant, bet maksiml vrtba
tika novrota 2.variant, kas ir viens no tipiskkajiem standarta mslošanas
variantiem ziemas kviešos Latvij. Visos variantos, izemot 3. variantu, kd no
mrjumu reizm ir novrota ar N2O asimilcija augsn no gaisa (skat. 20. tab.un
30.att.).
50
N2O, g/ha/dnn Kontrole 2.variants 3.variants 4.variants 6.variants 7.variants
N Valid 17 12 6 15 15 15
Missing 0 0 0 0 0 0
Mean 0.2906 2.6204 4.3032 1.6124 1.4006 1.1916
Std. Error of Mean 0.2650 0.8540 1.2047 0.3623 0.5106 0.4078
Median 0.2664 2.2620 4.0872 1.1400 0.7992 0.7224
Std. Deviation 1.0929 2.9585 2.951 1.4032 1.9777 1.5794
Variance 1.195 8.753 8.709 1.969 3.912 2.495
Minimum -1.1784 -1.0656 0.4944 -0.8736 -0.9120 -0.4944
Maximum 3.1176 8.7072 7.6824 4.0680 5.9328 4.4496
Percentiles 25 -0.5136 0.1038 1.5492 0.7992 -0.1512 -0.2280
50 0.2664 2.2620 4.0872 1.1400 0.7992 0.7224
75 1.0068 5.0862 7.5960 2.8152 2.7000 2.0544
30.att. N2O emisiju novrojumi Peterlaukos 2019. gada.
CO2 emisijas ievrojamas atširbas starp mslošanas variantiem netika
novrotas (skat. 21. tab. un 31 .att.).
51
lauci, bet mazk vidj vrtba ir novrota 7.variant. Vislielk izkliede ir 2. un
6. variantu laucios, bet vismazk izkliede ir novrojama 3.variant.
21. tab. CO2 emisijas statistiskie rdtji 2019. gada Peterlaukos.
CO 2 , g/ha/dnn Kontrole 2.variants 3.variants 4.variants 6.variants 7.variants
N Valid 17 12 6 15 15 15
Missing 0 0 0 0 0 0
Mean 123.41 156.86 148.59 133.04 135.62 119.55
Std. Error of Mean 13.978 15.576 10.809 13.823 19.802 14.065
Median 107.23 164.08 138.53 129.29 127.01 109.13
Std. Deviation 57.633 53.957 26.476 53.537 76.694 54.473
Variance 3321.5 2911.373 701.026 2866.25 5882.105 2967.384
Minimum 26.999 79.856 121.30 62.554 51.640 47.609
Maximum 227.93 230.06 189.755 239.95 348.327 230.443
Percentiles 25 82.328 101.817 128.721 93.166 69.437 73.772
50 107.23 164.086 138.532 129.292 127.010 109.137
75 167.85 212.856 176.6356 181.389 181.389 159.295
31.att. CO 2 emisiju novrojumi Peterlaukos 2019. gada.
52
Amonjaka koncentrcijas visu mrjumu laiku bija svrstgas, tau, k redzams 22.
tab., ir vrojamas atširbas starp mslošanas variantiem, piemram, 4.varianta
lauci ir novrotas ekstremlas vrtbas, bet 3.varianta mslošanas lauci ir
novrota vislielk izkliede. Negatvas amonjaka vrtbas norda uz augsnes aktv
sla un veetcijas iesaisti amonjaka patri (skat. 32.att.).
22. tab. NH3 emisijas statistiskie rdtji 2019. gada Peterlaukos.
NH3 , g/ha/dnn Kontrole 2.variants 3.variants 4.variants 6.variants 7.variants
N Valid 17 12 6 15 15 15
Missing 0 0 0 0 0 0
Mean -0.2667 -0.1584 1.6204 -0.1640 -0.1173 0.2483
Std. Error of Mean 0.1054 0.2700 0.6316 0.7700 0.2300 0.2465
Median -0.0456 -0.1740 1.3417 -0.2592 -0.0144 -0.1248
Std. Deviation 0.4344 0.9352 1.5471 2.9822 0.8908 0.9546
Variance 0.1890 0.875 2.394 8.894 0.794 0.911
Minimum -1.1760 -2.2656 0.1248 -6.1224 -1.8144 -0.3048
Maximum 0.2280 1.9008 3.9936 8.7456 1.5216 3.4872
Percentiles 25 -0.7164 -0.5136 0.1680 -0.5448 -0.5712 -0.1824
50 -0.0456 -0.1740 1.3416 -0.2592 -0.0144 -0.1248
75 -0.0072 0.0840 3.0522 -0.0648 0.2856 0.2544
kontro e 2.va riants 3.variants 4. variants b.va riants 7.variants
Mslojuma veids
53
SECINJUMI
1. Zemes izmantošanas veids un apsaimniekošana nosaka, vai organisk augsne
ir ogleka krtuve vai emisiju radtjs. Nosusintas organisks augsnes ir
galvenais SEG emisiju avots, jo lauksaimniecbas vajadzbm izmantotaj
organiskaj augsn veidojas slpeka uzkrjums, kas izraisa augstas O
emisijas pc lauksaimniecisks darbbas prtraukšanas.
2. SEG emisiju mrjumu rezulttus ietekm klimatiskie, hidroloisko un
eoloiskie faktori, piemram, gaisa temperatra, augsnes temperatra,
augsnes mitruma daudzums, augsnes veids utt. Katra faktora svrstbas
diennakts griezum atstj ietekmi uz iegto rezulttu.
3. Analizjot SEG un amonjaka emisijas laika griezum, izkristalizjas klimata
ietekme uz emisiju apjomu. Triju gada laik veiktie O un NH3 mrjumu
rezultti parda lielu datu izkliedi un emisiju apjoma nevienmrgo raksturu,
tpc ir nepieciešams turpint mrjumus un iespju robes prognozt
ekstrmu emisiju apjomu pardšans iespjambu, kas abm slpekli
saturošajm gzm ir cieši saistts ar mslošanas tehnoloijm un izmantot
mslojuma veidu, k ar rast iespju nomrt ekstrmu laikapstku, piemram,
sausuma, intensvu lietusgu u.c. ietekmi uz gzu emisijm.
4. Nenoteikt un pretrung mrjumu vietu ietekme uz SEG un amonjaka
emisijm norda uz augsnes tipa un augkopbas prakses laik un telp maingo
ietekmi uz gzu emisijm, kas prasa papildus ptjumus, ne tikai lauka, bet ar
laboratorijas apstkos, paši pievršot uzmanbu mslojuma tipa, augu sekas
un izmantoto mslojuma iestrdes tehnoloiju ietekmei uz gzu emisiju apjomu.
5. Piecs mrjumu viets 2017. gad uzsktais un kop trs gadus veiktais SEG
un amonjaka emisiju ptjums sniedz ieskatu SEG un amonjaka emisiju
maingaj dab, tau lai datus btu iespjams visprint un attiecint uz Latvijas
situciju, nepieciešams turpint mrjumus, kur btu iespjas uzkrt vrtgu
informciju par SEG un amonjaka emisiju ietekmjošajiem faktoriem.
6. Nepieciešams izveidot datu bzi, kur tiktu uzkrtas ne tikai SEG un amonjaka
emisiju datu rindas, bet ar klimata, augsnes tipu un augsnes misko sastvu
raksturojošos lielumus, k ar augkopbas praksi raksturojošus apstkus, kas
prskatm nkotn autu Latvijai izstrdt klimatam un augsnes tipiem
atbilstošus SEG un amonjaka emisiju aprinu algoritmus.
54
LITERATRAS AVOTI
Bouwman, A. F., Boumans L. J. M., Batjes N. H. (2002). Emissions of N2O and NO
from fertilized fields: Summary of available measurement data. Global
Biogeochemical cycles 16/4, p. 6-1 - 6-13.
Chen, Peter Y., Popovich, Paula M., (2002). Correlation: Parametric and
Nonparametric Measures 1st (first) edition by Chen, Peter Y.; Popovich,
Paula M., Thousand Oaks (Calif.): Sage, 2002.
Coffman, D.L., Maydeu-Olivares, A., Arnau, J., (2008). Asymptotic distribution free
interval estimation: For an intraclass correlation coefficient with applications
to longitudinal data Methodology, 4 (1), pp. 4-9.
Fleck, D., Y. He, C. Alexander, G. Jacobson, Cunningham, K., (2013). Simultaneous
soil flux measurements of five gases - N2O, CH4, CO2, NH3, and H2O - with
the Picarro G2508. Picarro Appl. Note AN034.
Lapveteläinen, T., Regina, K., Perälä, P. (2007). Peat based emissions in Finland’s
national greenhouse gas inventory. Boreal Environ. Res. 12, 225-236.
LR, (1995). Likums Par Apvienoto Nciju Organizcijas Visprjo konvenciju par
klimata prmaim, pieemts LR Saeim 1995.gada 23.februr. Pieejams:
http://m.likumi.lv/doc.php?id=34198
Munoz, C., Paulino, L., Monreal,C., Zagal, E., (2010). Greenhouse gas (CO2 and
N2O) emissions from soils: A review. Chilean Journal of Agricultural
Research 70(3):485-497.
Nikodemus O., Krkliš A., Kaviš M., Melecis V., (2009). Augsnes ilgspjga
izmantošana un aizsardzba. Rga: Latvijas Universitte.
NIR (2019) Latvia’s National Inventory Report Submission under UNFCCC and the
Kyoto Protocol 1990 - 2017. Pieejams: https://unfccc.int/documents/194812
Oertel, C., Matschullat J., Zurba, K., Zimmermann, F., Erasmi, S. (2016).
Greenhouse gas emissions from soils—A review. Chemie der Erde 76 327­
352.
Roßkopf, N., Fell, H., Zeitz, J. (2015). Organic soils in Germany, their distribution
and carbon stocks. Catena 133 (2015) 157-170.
Signor, D., Cerri, C. E. P., (2013). Nitrous oxide emissions in agricultural soils: a
review. Pesq. Agropec. Trop., Goiania, v. 43, n. 3, p. 322-338.
55
Change. United Nations, 1998, 21 pp. Pieejams:
http://unfccc.int/resource/docs/convkp/kpeng.pdf
Wilson, D., Blain, D., Couwenberg, J., Evans, C.D., Murdiyarso, D., Page, S.E.,
Renou-Wilson, F., Rieley, J.O., Sirin, A., Strack, M. and Tuittila, E.- S. (2016).
Greenhouse gas emission factors associated with rewetting of organic soils.
Mires and Peat, Volume 17, Article 04, p. 1-28.
PAR ZINTNISKS IZPTES PROJEKTA 2. DARBA UZDEVUMA IZPILDI
P t j u m a n o s a u k u m s : Meliorcijas ietekmes novrtšana klimata prmaiu (pludu
riska) mazinšan
d a r b a u z d e v u m s : Esošo meliorcijas sistmu identifikcija un tehnisk stvoka
novrtšana, izmantojot eotelpisko informciju
Iz p il d t j i: Toms Štls
Jnis Ivanovs
Raitis Meiks
Pr o j e k t a v a d t j s : Ainis Lagzdiš
Jelgava 2019
STVOKA NOVRTŠANA, IZMANTOJOT GEOTELPISKO
INFORMCIJU
IEVADS
Informcija un zinšanas par grvju tklu, t funkcijm, stvokli un morfoloiju ir
nepieciešamas pldu riska un sateces baseina apsaimniekošanas plnošan. Ldz ar to,
kvalitatvi dati par hidrogrfisko tklu, t stvokli, caurtekm un savienojambu ir oti btiski
plnojot paskumus ar mri pielgoties klimata prmaim un mazint pldu risku (Levasseur
et al. 2014).
Lai uzlabotu biofiziklos apstkus lauksaimniecbas un mea zems, paši mrenaj
klimata josl, gruntsdens lmenis un augsnes mitrums biei tiek novadts ar pazemes drenas
un grvju tkla paldzbu. Grvji no lielkm denstecm morfometriski atširas ar lielku
platuma un tilpuma savstarpjo attiecbu - tie lielkaj da gadjumu ir šauri un dzii, ldz ar
to, tajos notiek intensva vielu akumulcija un apmaia (Herzon, Helenius 2008).
Rietumeiropas zemieu lauksaimniecbas zems cilvka veidot grvju tkla blvums sasniedz
200 - 300 m/ha (Levavasseur et al. 2014), bet Polij tas sasniedz 150 - 350 m/ha (Bryndal,
Kroczak 2019), savukrt Latvij šdi dati nav apkopoti.
Ptjuma mris ir veikt esošo meliorcijas sistmu identifikcijas un tehnisk stvoka
novrtšanas metodikas izstrdi un pielietojumu trij s izminjumu teritorij s, izmantojot
eotelpisko informciju un topogrfiskos uzmrjumus dab.
Darba uzdevumi:
datus (LiDAR);
(Sentinel 2 un (vai) Landsat 8) analzi;
3. Secinjumu un ieteikumu sagatavošana par esošo meliorcijas sistmu identifikcijas un
tehnisk stvoka novrtšanas metodikas izmantošanas iespj m reionl un valsts
mrog, k ar noteikt darba uzdevumus turpmkajiem ptjuma posmiem.
LITERATRAS APSKATS
Dabisko un cilvka radto reljefa formu, to elementu dešifršana, izmantojot digitlo
augstuma modeu (DEM) datus, ir veikta jau kopš šdu datu pieejambas pirmskumiem
1980. - 1990. gad. Pirmie minjumi iegt virszemes noteces tklu, taj skait grvjus,
izmantojot digitlo augstuma modeli (DEM) ir veikti 1984. gad (O’Callaghan, Mark 1984),
k ar pc 1990. gada, kad šda veida ptjumus veica Tarbotons (Tarboton 1997) un Kvinns ar
ldzautoriem (Quinn et al. 1991). Šo ptjumu metodes balstjs uz dens plsmas noteikšanu
reljefa model, kas sev ietver beznoteces ieplaku aizpildšanu un plsmas virziena noteikšanu
un plsmas akumulcijas apriniem uz katru šnu model. Izmantojot metodes, kas balsttas
uz iepriekš mintajiem principiem, ir iespjams izmantot oti ierobeotos apstkos, kas ir
atkargi no teritorij as fizikls vides, relj efa raupjuma, zemes lietojuma, klimata utt. Šda pieej a
auj noteikt virszemes plsmas virzienus, kas lielkaj da gadjumu sakrt ar lielkm vai
mazkm dabiskm denstecm, veicot modelšanu plašk mrog, bet loklos ptjumos
neliels teritorijs, parasti uzrda kdainas un sazarotas densteu augšteces (Orlandini et al.
2011).
Jaunkos ptjumos, kas veikti š gadsimta skum, dai autori (Tarboton, Ames 2001;
Heine et al. 2004; Lashermes et al. 2007) ir nordjuši uz nepieciešambu uz denstecm un
grvjiem reljefa model skatties komplictk, ne tikai emot vr virszemes noteces plsmu,
bet ar to morfoloisks pašbas. Šdas pieejas izmantošanai nepieciešams stingri defint
virsmas eometrisks pašbas un izmantot reljefa parametrus, kuri autu noteikt t
nevienmrbu, td veid novršot dau nepilnbu, kuras rads, izmantojot klasisko plsmas
akumul cij as pieeju.
Lashermess ar ldzautoriem (Lashermes et al. 2007) izmantoja metodi kas balsts uz
nogzes slpumu un t virziena izmaim, lai identifictu grvju robeas, bet ar šda pieeja
datos veido daudz trokšu un neprecizitšu. Lielka mroga negatvu lineru reljefa elementu,
piemram, gravu identificšan, ir labk piemrojamas uz nogzes slpumu balsttas metodes,
ko savos ptjumos ldz ar plsmas virziena un akumulcijas apriniem ir izmantojis Pasalakva
ar ldzautoriem (Passalacqua et al. 2010). Šie autori izmantoja digitlos augstuma modeus ar
izširtspju 2 un 3 m, kas auj identifict tikai lielkos grvjus, k ar ierobeo to morfometrisko
parametru noteikšanu, k ar saskrs ar problmm ldzena reljefa apstkos, kur plsmas
virziena un akumulcijas aprinšana reljefa model ir apgrtinta.
Analizjot digitlo augstuma modeli densteu identificšanai pc nogzes slpuma
vrtbas noteikt reion, dati iegti ar samr zemu precizitti - grvji, kurus identifict pc
šiem parametriem neizdevs - ap 50%, bet kdaini noteiktie grvji sastdja apmram 15%
(Bailly et al. 2008). Autors šdu iegto datu nenoteiktbu skaidro ar saldzinoši zemo LiDAR
punktu mkoa blvumu, kas ir ldzgs k LIA LiDAR, k ar šie dati ir iegti veetcijas
sezon. Šdi autora komentri auj secint, ka punktu mkoa blvumam un grvju stvoklim
ir btiska nozme iegto datu precizitt (Bailly et al. 2008).
Šobrd lielkaj da ptjumu (Passalacqua et al. 2012; Scwanghart et al. 2013; Cazorzi
et al. 2014; Sofia et al. 2011; Roelens et al. 2018) grvju tkla identificšan joprojm tiek
veikta izmantojot digitlo augstuma modeli, kas uzskatma par plašk izmantojamo pieeju, jo
prasa saldzinoši zemku LiDAR punktu blvumu, kds tas ir nepieciešams uz neapstrdtu
punktu mkoni balstts pieejs. Ptjum Nderland (Roelens et al. 2016) klasificti LiDAR
punktu mkoi ir izmantoti lauksaimniecbas grvju un to parametru identificšan. Šaj
ptjum izmantoti individulos lidojumos iegti LiDAR punktu mkoi ar blvumu vismaz 16
p/m2, kas uzskatmi par oti blviem datiem saldzinjum ar LIA LiDAR, kuros zemes lmea
punktu blvums, tiek garantts 2 p/m2. Šaj ptjum grvju tkls netika iegts, bet ar labu
precizitti saldzinjum ar lauka mrjumiem iegti grvju šrsprofili. Precizitte iegta,
pateicoties augstajam punktu blvumam.
Pievršoties plašk izmantotaj m metodm, kuras balsts uz digitlo augstuma modeli un
grvju morfometriskos parametrus, plaši ptjumos tiek izmantotas metodes, kuras sev ietver
normaliztu vai standartiztu DEM apstrdi, identificjot loklus pazeminjumus taj. Šda
veida pieeja ir optimla ar ldzena reljefa apstkos, jo balsts uz loklm reljefa
morfoloiskajm pašbm, kas auj identifict dadas negatvas lineras struktras (Cazorzi
et al. 2013; Bai et al. 2015). Ptjumos Beij (Roelens et al 2018) virszemes hidrogrfisk
tkla elementi lauksaimniecbas zems identificti izmantojot DEM ar 1 m izširtspju vadoties
pc loklm reljefa pašbm, un šaj ptjum iegti rezultti ar augstu precizitti. Esošie
grvju tkla segmenti korekti identificti ar kdu 5%, k ar identificti 8% neesošu grvju
segmenti.
Iepriekš mintie ptnieki no Beijas cit ptjum (Roelens 2017 et al.), izmantojot
netransformtus LiDAR punktu mkous, k ar DEM, ieguva lauksaimniecbas grvju
šrsprofilus saldzinšanai ar lauka darbos uzmrtajiem. No LiDAR datiem iegtajm grvju
platuma un dziuma vrtbm ir tendence bt mazkm, nek uzmrtajiem par vidji 0,5 m ar
augstu determincijas koeficientu, kas pc analzes veikšanas auj no DEM iegtajiem
šrsprofiliem piemrot koeficientu, td veid precizjot vidji iegts vrtbas. Saldzinoši
neliela kda iegta ar nosakot grvju platumu attiecb pret uzmrtajiem - tas ir vidji 0,15
m mazks ar augstu determincijas koeficientu. Šaj ptjum grvji pc to šrsprofilu
pašbm sadalti ar klass - trs grvis ar atkltu deni, daji aizaudzis grvis ar deni,
aizaudzis grvis un sauss, aizaudzis grvis.
Izmantojot morfoloisko pieeju identificjot grvju tklu DEM ir ar savas problmas,
kuras aprakstjuši autori savos ptjumos (Cazorzi et al. 2013; Tarolli 2014; Roelens et al. 2018)
piemram, atkarb no LiDAR punktu blvuma, rezultt tiek iegti savstarpji nesaistti
segmenti, ldz ar to, nepieciešama to pcapstrde. Otra biei piemint problma ir saistta ar
no rastra datiem izdalto vektordatu, kuri atspoguo grvju tklu, nesakritba ar dziko vietu
grv, interpolcijas un reljefa modea ierobeots izširtspjas d.
MATERILI UN METODES
atrodas Latvijas Lauksaimniecbas universittes ptjumu un monitoringa stacijas, td veid
ievrojot ptjumu pctecbas principu (1. attls). Ts izvietotas gan valsts nozmes
densnoteku tuvum (Mellupte, Brze), k ar Ailes strauta un Trvetes upes apkrtn.
Katra no ptjuma teritorijm ir 10 (Mellupte) - 12 km1 2 (Brze, Ailes strauts) plaša, un
tajs ir izvietoti 2 - 3 ptjumu objekti. Teritorijas sev ietver dadus vides fiziklos apstkus
un zemes lietojuma veidus. Izvloties šdas teritorijas iespjams izstrdt un aprobt
meliorcijas sistmu identificšanas un tehnisk stvoka novrtjuma metodiku.
1. attls. Ptjuma teritorija
Melluptes ptjumu teritorij izvietoti 3 objekti, no kuriem katr veikta grvja
šrsprofila topogrfisk uzmršana, k ar ievkti dati par caurteku atrašans vietm (2.
attls). Brzes apkrtn ar ierkoti 3 ptjuma objekti, tajos veicot topogrfisko uzmršanu 11
šrsprofiliem (3. attls). Ailes strauta teritorij ierkoti divi ptjumu objekti, uzmrot sešus
grvju šrsprofilus (4. attls), no LiDAR datiem iegto grvju parametru validšanai.
2. attls. Ptjuma teritorija - Mellupite
I__ Ptjuma teritorija
4. attls. Ptjuma teritorija - Ailes strauts
Digitl reljefa modea (DEM) izveidei nepieciešamie LiDAR (Light detection and
ranging) dati iegti no Latvijas eotelpisks informcijas aentras (LIA). Izmantotajiem
LiDAR datiem vertikl precizitte ir 12 cm un horizontl precizitte ir 36 cm (2 sigmas ar
95% ticambas lmeni pret Valsts eodzisko tklu). Minimls prasbas pret punktu blvumu ir
4 p/m2, un vidjais zemes punktu blvums ir 1,5 p/m2 (LIA 2016). K references meliorcijas
sistmu dati, izmantots ZMN meliorcijas kadastrs.
Lai reljefa model identifictu grvju tklu, š ptjuma ietvaros izveidots algoritms, kas
balsts uz loiskiem vaicjumiem un izmantojams GRASS GIS rasta kalkulatora r.m apcalc
vid, bet pielgojams jebkurai IS programmai. Algoritms izmantojot sldoš loga principu
virzoties X un Y asu virzien un, identificjot rastra šnas, kuru pašbas telpiski atbilst grvja
pašbm. Msu izmantot metode pc principiem ir nedaudz ldzga (Cazorzi et al. 2013; Sofia
et al 2011; Rapinel et al. 2015) veiktajos ptjumos izmantotajm. K jau iepriekš mints, šo
metou pamat ir grvju morfoloisko pašbu identificšana reljefa model, mekljot loklus
noteikta dziuma pazeminjumus noteikt joslas platum un virzien.
Identificjot neliela mroga reljefa formas, piemram, grvjus, izmantojot DEM, btisks
faktors ir t kvalitte. Reljefa modea kvalitte ir atkarga no lzerskenšanas datu kvalittes,
punktu blvuma, k ar no izmantots interpolcijas metodes, horizontls un vertikls
izširtspjas. Digitlais reljefa modelis vislabk reprezent relo situciju, ja tas ir veidots
izširtspj, kas atbilst punktu blvumam (Anderson et al. 2006).
Analzei izmantots digitlais reljefa modelis ar izširtspju 0,5 m, kas veidots ar
eksperimentl ce izvltu B inn ing interpolcijas metodi Global Mapper vid. Testti ar
digitlie reljefa modei izmantojot citas interpolcijas metodes, izširtspj 0,5 m un 1 m:
a) TIN (T riangula tedIrregu lar N etw ork) metode Global Mapper 15.2 vid.
b) Bikubisk interpolcijas metode GRASS GIS 7.6. vid izmantojot
r.resam p.bspline rku, pielgojot Tihonova nogludinšanas koeficientu ldz 0,025
(5. attls).
5. attls. DEM interpolcijas metou piemeri. a) Binning; b) TIN; c) Bicubic
Turpmks reljefa analzes veikšanai izmantots iepriekš mintais izstrdtais algoritms,
kas darbojas identificjot rastra šnas, kurm X un Y asu virzien noteikt attlum uz abm
pusm atrodas šnas, kuras ir ar lielku vrtbu, k iestatt vrtba un uzskatma par grvja
minimlo dziumu.
piegulošo teritoriju vai bijuši prplduši, identificti izmantojot Binning interpolcijas metodi ar N o
D ata kritriju 1, kas densobjekta spogua virsmu neaizpilda ar tuvk esošo šnu vrtbm, bet vietu
atstj tukšu.
Iegtie rastra dati, kas satur gan savstarpji saisttus, gan nesaisttus grvju tkla
elementus ar dada veida trokšiem tajos, konvertti uz vektoru formtu. Tlk vektordatu
apstrde veikta ArcGIS vid, veicot laukuma aprinus iegtajiem poligoniem, k ar veikta to
nogludinšana, saglabjot to platbu, k ar skuma un beigu koordintas. Pc iegto platbu
vrtbm, veikta pirmreizj datu filtršana, pieemot, ka poligoni ar platbu ldz 5 m2
uzskatmi par “trokša” vrtbu.
Poligonu centra lnijas, kuras reprezent grvju tklu un t elementus, iegtas ArcMap
10.6. paplašinjuma ArcScan vid, emot vr vairkus faktorus - maksimlais poligona
platums, leis un rdiuss savienojuma identificšanai. Š procesa laik ar veikta nkam
filtršana, atbrvojoties no 75% objektu, kuri uzskatmi par troksni, kas radies analzes proces
(6. attls). Pc š procesa, veikta treš filtršana, izmantojot 20 m platas buferjoslas ap grvjiem,
td veid identificjot grvja tkla elementus, kuri atrodas ne tlk k 40 m viens no otra. Š
procesa rezultt nosakms, kuri grvji, iespjams, veido grvju tklu, k ar ir veicama
atbrvošans no grvju elementiem, kuri ir ski par 50 m un neatrodas garka grvja, vai grvju
tkla tuvum.
Tlks darbbas veicamas, lai panktu grvju tkla neprtrauktbu, aizpildot iztrkstošos
posmus, gad jumos, ja tdi ir izveidojušies. ArcScan vide starp grvju tkla elementiem
aizpildtas nelielas, ldz 10 m lielas atstarpes, veicot šo posmu savienošanu 20 grdu le.
Koritajiem grvju vektoriem velreiz pieširta 5 m buferjosla, ar meri atbrvoties no grvju
segmentiem, kuri ir ski par 50 m un to tieš 10 m tuvum neatrodas lielks objekts.
Meliorcijas sistemu tehnisk stvoka novertešanai izmantojami reljefa model
identificetie grvji. Uz grvjiem ar soli 50 m tiek uzstdta perpendikulra lnija, kuras atrašans
viet ar šersprofils tiek uzmerts. Balstoties uz šersprofila novirzem no regulras formas
DEM, k ar DSM iespejams vertet, vai meliorcijas sistema ir nepieaujam tehnisk stvokl.
REZULTTI
Lzerskenšanas datu apstrdes rezultt iegtais grvju tkls pirmkrt ir saldzints ar
ZMN meliorcijas kadastra informciju, kas kalpo k vieng reference darb ar
lauksaimniecbas zemju meliorcijas sistmm.
Saldzinot abas datu kopas Melluptes parauglaukum, k ar, emot vr lauka
apsekojum reistrto informciju, pankts, ka dešifrti ir visi grvji, kuru dziums prsniedz
30 cm dziumu. Ldz ar to, ir uzskatms, ka LiDAR datos identificts grvis ar dziumu skot
no 30 cm, bs sastopams ar uz lauka (7. attls un 8. attls). Turpret meliorcijas kadastra datos
esošie grvji var bt ar 100% aizsrjumu, un nespj pildt savu funkciju. Šdus grvjus izdevs
identifict ar teritorijas lauka apsekojumu laik teritorijas austrumu da, kura ir
prpurvojusies.
7. attls. Parauglaukuma Mellupite grvju tikls pec meliorcijas kadastra datiem 8
8. attls. Parauglaukuma Mellupite grvju tikls pc LiDAR datiem
Brzes parauglaukum, ldzgi k Mellupt, ir sastopamas ne tikai lauksaimniecb
izmantojams zemes, kas redzams ar identificto meliorcijas sistmu datos (9. attls un 10.
attls). Šaj gadjum ir identificti ar grvji, kuri atrodas mea zems, k ar teritorijas
austrumu da redzams, ka dai grvji ir meliorcijas kadastra datos, bet LiDAR datos tie netiek
identificti. Lauka apsekojumos konstatts, ka šie grvji dab vairs nav atrodami un savu
funkciju nepilda.
9. attls. Parauglaukuma Brze grvju tikls pc meliorcijas kadastra datiem
10. attls. Parauglaukuma Brze grvju tikls pc LiDAR datiem
Ailes strauta parauglaukum, ldzgi k prjos, LiDAR datos ir identificti grvji, kuri
meliorcijas kadastra datos nav iekauti, bet savu funkciju pilda (11. attls un 12. attls).
Vadoties pc iegtajiem rezulttiem, apstrdjot LiDAR datus ar msu izstrdto metodi,
izdevs identifict par 1,63 reizm lielku grvju tkla kopgarumu, saldzinot ar ZMN
meliorcijas kadastra datiem. Taj paš laik, msu izstrdtajai metodei ir problmas
identifict densobjektus, kas izveidojušies gravs, k piemrm, Ailes strauts. Šaj gadjum
no konkrt strauta identificti tikai atseviši segmenti, kas saistms ar t plašo palieni un
meandrejošo tecjumu, bez izteiktas gultnes. Šaja gadjuma strauts nav identificjams ari ar
otru izmantoto pieeju, kas balstas uz atstarojumu no dens virsmas.
11. attls. Parauglaukuma Ailes strauts gravju tikls pec meliorcijas kadastra datiem
12. attls. Parauglaukuma Ailes strauts gravju tikls pec LiDAR datiem
Meliorcijas sistmu tehnisk stvoka novrtjums
Melioracijas sistmu tehniska stavoka novrtjums veikts, izmantojot digitala reljefa
modea (DEM) un digitala virsmas modea analizi (DSM), salidzinajuma ar topografiskas
uzmršanas rezultatiem. Katra no ptjuma objektiem ir uzmrti gravju šrsprofili tipiskos to
posmos, kas vadoties pc to novirzes no regularas formas, var dot pamatu gravi klasifict ka
slikta vai nepieaujama stavoka.
Ailes strauta parauglaukuma ptjumu objektos esošo gravju dziums, saldzinot
topografiskos uzmrjumus ar LiDAR, visos gadjumos ir vai nu vienads, vai ar DEM veiktaj os
mrjumos tas ir ldz 20 cm mazaks, bet to platums topografiskajos uzmrjumos ir ldz 50 cm
lielaks. Objektu tehniskais stavoklis vrtjams ka slikts (13. attls un 14. attls).
13. attls. Ailes strauta parauglaukuma esošo grvju šersprofili pec topogrfisks uzmršanas un LiDAR datiem
14. attls. Ailes strauta parauglaukuma esošo grvju šersprofili pec topogrfisks uzmršanas un LiDAR datiem
Saldzinot šrsprofilus Brzes parauglaukum, secinms, ka no lzerskenšanas datiem
iegto šrsprofilu parametri (platums un dziums) ir gandrz identiski ar uzmrtajiem
šrsprofiliem. Vairum gadjumu, DEM veiktajos mrjumos dziums ir ldz 20 cm mazks,
nek topogrfiski uzmrtajos, bet grvju platuma atširbas starp abiem avotiem vari uz abm
pusm. Daos objektos tas ir lielks par 0,5 m topogrfiskajos uzmrjumos, bet daos - otrdi
(15. attls, 16. attls un 17. attls).
15. attls. Brzes parauglaukum esošo grvju, šrsprofili pc topogrfisks uzmršanas un LiDAR datiem
16. attls. Brzes parauglaukum esošo grvju, šrsprofili pc topogrfisks uzmršanas un LiDAR datiem
17. attls. Berzes parauglaukuma esošo grvju, šersprofili pec topogrfisks uzmršanas un LiDAR datiem
Melluptes parauglaukum, ldzgi k Ailes straut un Brz šrsprofilu parametri un
grvja tehniskais stvoklis ir iegstams ar ldzgi augstu kvalitti (18. attls un 19. attls). Tas
saistms ar šo grvju izmriem, kas auj iegt pietiekamu blvumu ar zemes virsas atstarojuma
punktiem. Šajos objektos, ldzgi k Ailes straut un Brz, iegtais grvju dziums saldzinot
abas metodes, daos šrsprofilos ir ldz 20 cm mazks DEM veiktajos mrjumos, savukrt
platuma atširbas vari uz abm pusm ldz 0,5 m.
18. attls. Melluptes parauglaukuma grvju šrsprofili pc topogrfisks uzmršanas un LiDAR datiem
19. attls. Melluptes parauglaukuma grvju šrsprofili pc topogrfisks uzmršanas un LiDAR datiem
Saldzinot iegtos grvju parametrus, platumu un dziumu, visos ptjumu objektos,
secinms, ka dziumam LiDAR datos ir tendence bt nedaudz mazkam nek topogrfiskajos
mrjumos, ar korelcijas koeficientu 0,9383 (20. att). Grvju platums uzrda pretju tendenci -
ar korelcijas koeficientu 0,9462 LiDAR veiktajos uzmrjumos tas ir vidji par 0,25 cm lielks,
nek topogrfiskajos mrjumos, kas skaidrojams ar enert DEM izširtspju, kas ir 0,5 m,
k a laika nobdi starp lzerskenšanas datu ieguves laiku un veiktajiem mrjumiem dab,
kas attiecinms ar uz grvju dziumu nelielajm atširbm (21. att.).
3.5
..... r*" '** a
20. attls. Visu ptjuma objektu grvju dziumu saldzinjums pec topogrfisks
uzmršanas un izmantojot LiDAR datus
14
12
10
8
6
4
2
,4224 2
Grvju platums pec LiDAR datiem, m
21. attls. Visu ptjuma objektu grvju platumu saldzinjums pec topogrfisks
uzmršanas un izmantojot LiDAR datus
DISKUSIJA
Ptjumos Beij (Roelens et al. 2018), lai identifictu grvju tklu un t elementus,
izmantota ldzga metode, k msu pielietot. Šaj ptjum visa paraugteritorija ir apsekota
dab, un veikta pilna grvju tkla apsekošana, iegstot korektus references datus. Šaj ptjum
korekti identificti ldz pat 90% grvju tkla elementu. Neizdevs identifict 8% no esoš grvju
tkla kopgaruma, bet 5% noteikti kdaini. Msu gadjum, korekti references dati netika iegti
lauka apsekojumu laik, ldz ar to, saldzinjums veicams ar meliorcijas kadastra datiem. Starp
šm abm datu kopm, no lzerskenšanas datiem iegts par 1,63 reizm lielks grvju tkla
kopgarums, bet neizdevs identifict 3 km no Ailes strauta, emot vr saretos vides
apstkus un neizteikto strauta gultni. Btisks faktors, kas jem vr saldzinot msu ptjumu
ar Beij veikto, ir LiDAR punktu blvums un iegšanas princips. Msu gadjum izmantoti
Latvijas eotelpisks Informcijas Aentras LiDAR dati, kuri iegti plnveid lielkajai daai
valsts teritorijas, turpret Beu ptnieki veikuši individulo lidojumu ar bezpilota lidapartu,
iegstot augstku punktu blvumu.
Grvju tehniskais stvoklis izmantojot eotelpisko informciju raksturots vairkos
ptjumos (Bailly et al. 2011; Hoorshay et al. 2015; Roelens et al. 2017). Visos šajos ptjumos,
izemot Roelens et al. 2017, saldzinti dziu grvju šrsprofili lauksaimniecbas zems, bet
šs darbbas veiktas manuli, bez paša grvju tkla identificšanas. Roelens et al. 2017 grvju
tehnisko stvokli novrtja izmantojot no bezpilota lidaparta iegtu multispektrlo ainu
analzi, k ar oti augstas izširtspjas LiDAR datus. Šaj gadjum, esot pieejamm
multispektrlaj m ainm oti augst izširtspj , bija iespjams noteikt grvju aizaugumu un
dens esambu tajos. Msu gadjum izmantots DEM un DSM, k ar ortofoto ainas.
Kvalitatvkai tehnisk stvoka novrtšanai btu nepieciešamas augstas precizittes
multispektrls ainas.
parauglaukumiem, autu identifict funkcionjošu un daji funkcionjošu meliorcijas sistmu
atrašans vietas, ar augstu precizitti - iegtie grvju vektordati lielkaj da gadjumu atrodas
grvja vidusda vai dzikaj t viet, kas šos datus auj izmantot dados hidroloiskajos
modeos, k ar pldu riska modelšan. Iegtie caurteku dati šaj ptjum, ierobeotas datu
kopas ietvaros, ir ar aptuveni 50% precizitti, td pie šo datu ieguves metodikas nepieciešams
turpint ptjumus, izmantojot arvien vairk attls izptes datu avotu.
Melio