mkn hb kap. 5a limniskt 070402 remiss - lansstyrelsen · 5.10.1 näringsämnen, siktdjup och syrgas...

N A T U R V Å R D S V E R K E T H a n d b o k 2 0 0 7 : x , R e m i s s v e r s i o n

S t a t u s , p o t e n t i a l o c h n o r m e r f ö r s j ö a r , v a t t e n d r a g , k u s t v a t t e n o c h v a t t e n i ö v e r g å n g s z o n

1

Innehåll INNEHÅLL 1

5 BEDÖMNINGSGRUNDER FÖR SJÖAR OCH VATTENDRAG 3 5.1 Inledning 3 5.2 Ingående kvalitetsfaktorer och parametrar 3 5.3 Växtplankton i sjöar 5

5.3.1 Inledning 5 5.3.2 Parametrars om ingår i bedömningen 8 5.3.3 Krav på underlagsdata 8 5.3.4 Klassificering av status 11 5.3.5 Referensvärden och klassgränser 15 5.3.6 Kommentarer 20

5.4 Makrofyter i sjöar 23 5.4.1 Inledning 23 5.4.2 Parametrar som ingår i bedömningen 25 5.4.3 Krav på underlagsdata 25 5.4.4 Typindelning 26 5.4.5 Klassificering av status 26 5.4.6 Referensvärden och klassgränser 29 5.4.7 Kommentarer 30 5.4.8 Exempel 32

5.5 Kiselalger i vattendrag 32 5.5.1 Inledning 33 5.5.2 Parametrar som ingår i bedömningen 33 5.5.3 Krav på underlagsdata 33 5.5.4 Klassificering av status 34 5.5.5 Referensvärden och klassgränser 35 5.5.6 Kommentarer 36

5.6 Bottenfauna i sjöar 37 5.6.1 Inledning 37 5.6.2 Parametrar som ingår i bedömningen 38 5.6.3 Krav på underlagsdata 38 5.6.4 Typindelning 38 5.6.5 Klassificering av status 39 5.6.6 Referensvärden och klassgränser 42 5.6.7 Kommentarer 44



2

5.7 Bottenfauna i vattendrag 46 5.7.1 Inledning 46 5.7.2 Parametrar som ingår i bedömningen 47 5.7.3 Krav på underlagsdata 47 5.7.4 Typindelning 47 5.7.5 Klassificering av status 48 5.7.6 Referensvärden och klassgränser 51 5.7.7 Kommentarer 53

5.8 Fisk i sjöar 54 5.8.1 Inledning 55 5.8.2 Parametrar som ingår i bedömningen 55 5.8.3 Krav på underlagsdata 55 5.8.4 Klassificering av status 55 5.8.5 klassgränser 60 5.8.6 Kommentarer 60

5.9 Fisk i vattendrag 63 5.9.1 Inledning 63 5.9.2 Parametrar som ingår i bedömningen 63 5.9.3 Krav på underlagsdata 64 5.9.4 Klassificering av status 64 5.9.5 Referensvärden och klassgränser 72 5.9.6 Kommentarer 72 5.9.7 Exempel på beräkning av VIX 76

5.10 Allmänna förhållanden i sjöar 80 5.10.1 Näringsämnen, siktdjup och syrgas 80 5.10.2 Försurning 89

5.11 Allmänna förhållanden i vattendrag 93 5.11.1 Näringsämnen 94 5.11.2 Försurning 95

5.12 Särskilda förorenande ämnen i sjöar och vattendrag 96 5.12.1 Inledning 96 5.12.2 Krav på underlagsdata 97 5.12.3 Klassificering av status 97 5.12.4 Klassgränser 99 5.12.5 Kommentarer 101



3

5 Bedömningsgrunder för sjöar och vattendrag

5.1 Inledning Bedömningsgrunder för sjöar och vattendrag har tagits fram av forskare från Fiske-riverket, SLU, Luleå Tekniska Universitet, Stockholms Universitet samt konsulter på uppdrag av Naturvårdsverket. Inom EU har interkalibrering av klassgränserna hög – god och god – måttlig skett för biologiska kvalitetsfaktorer enligt krav i ram-direktivet vatten. Arbetet har bedrivits inom CIS (Common Impementation Strate-gy) och har gått ut på att jämföra de olika ländernas klassgränser för respektive parameter eller kvalitetsfaktor och om nödvändigt justera gränserna för att garante-ra ett likvärdigt skydd av vattenmiljön. EUs vatten har delats in i olika typer för att jämförelsen ska ske mellan vatten med samma förutsättningar och arbetet har be-drivits i en rad olika arbetsgrupper och har involverat ett ansenligt antal experter.

På grund av brist på jämförbara data och klassningssystem har inte alla para-metrar inom de olika kvalitetsfaktorerna kunnat interkalibreras. De kvalitetsfakto-rer och parametrar som har interkalibrerats eller där arbete fortfarande pågår, för svensk del när det gäller sjöar och vattendrag redovisas i tabell 5.1

Vissa gränser har efter interkalibreringen justerats något men i de flesta fall har Sveriges bedömning av hög, god och måttlig status haft god överensstämmelse med de andra ländernas bedömning. Beslut om gränser i EQR (EK) kommer att tas under 2007 för växtplankton, makrofyter, bottenfauna och kiselalger. Fisk kommer förmodligen inte vara klara vid det tillfället. 5.2 Ingående kvalitetsfaktorer och parametrar I tabell 5.1 anges de kvalitetsfaktorer och parametrar där bedömningsgrunder finns framtagna.

Tabell 5.1 Ingående kvalitetsfaktorer och parametrar för sjöar och vattendrag.

Sjöar Kvalitetsfaktor Parameter / index Interkalibrerad

Totalbiomassa TPI (trofiskt planktonindex) Artantal Andel cyanobakterier (stöd-parameter)

Arbete pågår

Växtplankton

Klorofyll a (stödparameter) Klart Makrofyter Trofiindex (TMI) Arbete pågår

ASPT MILA Arbete pågår

Bottenfauna

BQI

Biologiska faktorer

Fisk EQR8 Påbörjat Näringsämnen Siktdjup

Fysikalisk-kemiska faktorer

Allmänna förhållanden

Syrgas



4

Försurning (MAGIC-bibliotek)

Icke syntetiska 3 metaller Syntetiska 3 biocider

19 växt-skyddsmedel

Särskilda förorenande ämnen

7 övriga äm-nen

Förekomst av artificiella och naturliga barriärer

Fragmenteringsgrad

Kontinuitet

Barriäreffekt Regleringsamplitudens påverkan på sjöar

Påverkan på vattenstånds-förändringar i sjöar

Flödesregleringens påverkan på vattenförekomster

Hydrologisk regim

Variationskoefficient för dygnsflöden

Rätnings/kanaliseringsgrad Markanvändning i närmiljön Markanvändning i avrin-ningsområdet

Antal diken/km Död ved / Antal vedbitar

Hydromorfologiska faktorer

Morfologiska förhål-landen

Förändrad vattennivå

Vattendrag

IPS Arbete pågår %PT (stödparameter) TDI (stödparameter)

Påväxt-kiselalger

ACID ASPT DJ-index Klart

Bottenfauna

MISA Arbete pågår VIX Arbete pågår VIXsm (sidoindex)

Biologiska faktorer

Fisk

VIXh (sidoindex) Näringsämnen Allmänna förhållanden Försurning (MAGIC-bibliotek)

Icke syntetiska 3 metaller Syntetiska 3 biocider

19 växt-skyddsmedel

Fysikalisk-kemiska faktorer

Särskilda förorenande ämnen

7 övriga ämnen Förekomst av artificiella och naturliga barriärer

Fragmenteringsgrad

Kontinuitet

Barriäreffekt

Hydromorfologiska faktorer

Hydrologisk regim Flödesregleringens påverkan



5

på vattenförekomster Antal flödestoppar per år Variationskoefficient för dygnsflöden

Påverkan av reducerad vattenföring

Rätnings/kanaliseringsgrad Andel rensad sträcka Antal korsande vägar/km Markanvändning i närmiljön Markanvändning i avrin-ningsområdet

Antal diken/km

Morfologiska förhål-landen

Död ved/Antal vedbitar

Samtliga underlagsrapporter till bedömningsgrunder finns presenterade på www.vattenportalen.se. Det kan finnas skillnader mellan det som står i bakgrunds-rapporterna och i handboken. Det är handboken som är mest aktuell och represen-terar Naturvårdsverkets ställningstagande till materialet.

5.3 Växtplankton i sjöar

Parameter Visar i första hand effekter av

Hur ofta behö-ver man mäta?

När på året ska man mäta?

Totalbiomassa Näringsstatus/övergödning 1 gång/år, men helst tre års medelvärde

Juli - augusti

TPI (trofiskt planktonindex) Näringsstatus/övergödning 1 gång/år, men helst tre års medelvärde

Juli – augusti

Artantal Surhet 1 gång/år, men helst tre års medelvärde

Juli – augusti

Andel cyanobakterier (stödpara-meter)

Näringsstatus/övergödning 1 gång/år, men helst tre års medelvärde

Juli – augusti

Klorofyll a (stödparameter) Näringsstatus/övergödning 1 gång/år, men helst tre års medelvärde

Juli - augusti

5.3.1 Inledning

Förändringar i vattnets näringsstatus återspeglas snabbt i växtplanktons biomassor och artsammansättning. Växtplankton används därför som indikator för att t.ex. följa ett återhämtningsförlopp efter närsaltreduktion, att följa ett försurningsförlopp eller som ett tidigt tecken på tilltagande näringsbelastning. Växtplankton reagerar snabbt på miljöförändringar och är bra som en ”tidig varningsindikator” (figur 5.1).



6

reaktion på miljöförändringarsnabb långsam

stor

liten

dyna

mik

i po

pula

tions

utve

cklin

g

Figur 5.1. Relativ reaktionstid på miljöförändringar för olika organismgrupper i vatten.

Växtplanktonsamhällen har dock påtaglig dynamik i sin populationsutveckling, där väder och vind har övergripande betydelse. Särskilt är andelen cyanobakterier en god indikator på tilltagande näringsnivåer (figur 5.2). Vissa enskilda arter som kan utvecklas i näringsfattiga vatten utgör dock undantag. Dessa arter har vanligen inte gasvakuoler och flyter därmed inte upp till ytan. En lika tydlig koppling mellan andelen cyanobakterier och tilltagande näring gäller inte i sjöar med nålflagellaten Gonyostomum semen (gubbslem). Sjöar med mycket Gonyostomum återfinns framförallt i södra Sverige och är av humös karaktär. För att Gonyostomum ska sägas prägla en sjö anses dess andel av totalbiomassan uppgå till minst 5%.

Figur 5.2. Procentuell fördelning av växtplanktongrupper i juli-augusti i en gradient med tilltagande biomassor som i sin tur följer ökande totalfosforhalter (Antal sjöar = 409). Andelen cyanobakterier ökar och andelen guldalger (chrysophyceae) minskar.



7

Klorofyll-bestämningar är ett jämförelsevis snabbt och enkelt sätt att få en över-blick över den totala växtplanktonbiomassan i ett vatten, men eftersom mängden klorofyll a varierar avsevärt mellan olika planktongrupper, så kan man endast an-vända metoden som en indikation på den aktuella situationen. Metoden är använd-bar som screeningmetod, samt för att ge indikationer på eventuella förändringar i växtplanktonbiomassan i ett vatten. Vid tveksamheter bör alltid en fullständig växtplanktonanalys utföras för att verifiera resultaten. Vid vissa situationer ger dessutom en klorofyllanalys inte alltid hela sanningen av den aktuella situationen i vattnet. I exempelvis fjällsjöar med klart vatten utförs en stor del av primärproduk-tionen på bottnarna av påväxtalger eller högre vegetation. Om man där endast förli-tar sig på klorofyll a, eller växtplanktondata, kan man förledas att tro att biomassan av primärproducenter är mindre än vad som egentligen är fallet. Även i humösa vatten kan men förledas att tro att växtplanktonbiomassan är mindre än vad som är fallet om man förlitar sig på enbart klorofyllanalyser. Detta beror på att i dessa system kan växtplanktonbiomassan i varierande grad bestå av olika heterotrofa och/eller mixotrofa planktonorganismer, vilka kan vara dåligt pigmenterade då dessa i varierande grad lever av dött organiskt material.

När det gäller växtplanktons reaktioner på försurning är entydigheten inte lika stor på artnivå, men tydligt är att vissa grupper så gott som helt försvinner i de allra suraste miljöerna. Sådana exempel är cyanobakterier och kiselalger, vilka båda fordrar något mer näring än vad som ofta finns t.ex. vid pH <5,5. En drastisk ned-gång av antalet arter är en indikation på ett surt vatten (figur 5.3).

Figur 5.3. Artantal i en surhetsgradient pH 4,5-7 i tre regioner. Linjeekvationerna för de tre regio-nerna illustrerade i figur 3 är:



8

Fjällen: Artantal=-20,61+6,3xpH, n=28 Norra Sverige: Artantal=-28,98+11,1xpH, n=130 Södra Sverige: Artantal=-87,53+21,7xpH, n=151

5.3.2 Parametrars om ingår i bedömningen

För bedömning av kvalitetsfaktorn växtplankton i en trofigradient ges följande parametrar: • Totalbiomassa av växtplankton. Totalbiomassa kan uttryckas både som en

volymsenhet eller som en massa då växtplankton antas ha samma täthet som vatten d.v.s. g ml-1. Totalbiomassa kan då uttryckas som mg l-1 eller µg l-1 och om begreppet totalvolymanvänds blir motsvarande sorter mm3 l-1 eller µm3 x106. I dessa bedömningsgrunder används totalbiomassan.

• Trofiskt planktonindex (TPI) baserat på indikatorarter i en skala från –3 till 3 • Andel cyanobakterier (blågrönalger) d.v.s. cyanobakterier/totalbiomassa kan

användas som ett extra stöd vid bedömningen. • Klorofyll a (främst som screeningmetod i avsaknad av växtplanktonanalys).

Biomassan av planktiska alger kan på ett översiktligt sätt mätas genom ana-lys av algernas innehåll av klorfyll-a. Analysen ger dock inga detaljkunska-per om strukturer i växtplanktonsamhället.

För bedömning av surhet/försurning • Artantal 5.3.3 Krav på underlagsdata

Det går att göra en preliminär bedömning på analyser från endast ett år, men med tanke på att växtplankton ofta uppvisar väderstyrda mellanårsvariationer är ett medelvärde för åtminstone 3 år att rekommendera. Ett test av mellanårsvariationen i 33 sjöar, var och en provtagen minst 10 augustisäsonger, visar en variationskoef-ficient för totalbiomassan på i medeltal 70%, medan motsvarande variationskoeffi-cient för indexvärden är 25%.

För bedömning av växtplankton skall provet vara taget under perioden 15 juli–31 augusti och representera vattnets övre skikt ovanför temperatursprångskiktet (epilimnion). Det går också att använda den eller de översta metrarna av detta skikt särskilt i humösa sjöar, då delar av underlagsmaterialet härrör från dessa nivåer. Eftersom plankton i humösa vatten söker sig mot ytan, åtminstone under dygnets ljusa timmar, återfinns huvudparten av organismerna i de översta metrarna i dessa vatten. I klara vatten kan man däremot finna den största biomassan en bit ner i vattenmassan, vilket beror på att planktonorganismerna kan bli skadade av en för kraftiga ljusinstrålning i ytvattnet. För en så likvärdig jämförelse som möjligt är det därför bäst om provet representerar ca 75% av epilimnionskiktet. Provet skall ana-lyseras och taxa räknas enligt Utermöhl-metoden (Utermöhl 1958)1, helst med det tekniska förfaringssätt som finns beskriven i Naturvårdsverkets undersökningstyp

1 Utermöhl, H. 1958. Zur Vervollkommnung der quantitativen Phytoplanktonmethodik. Mitteilungen der Internationale Vereinigung für theoretische und angewandte Limnologie 9: 1-38.



9

Växtplankton i sjöar. Det är särskilt viktigt att följa metoden vid bedömningar av artantal. I de fall då man endast har räknat mest frekvent förekommande taxa kan man däremot göra bedömningar baserade på indexvärden. Detta stöds av att ett antal sådana prov från en undersökning av ett 1000-tal sjöar 1972 visat god över-ensstämmelse med resultat från det material som utgjorde grunden vid konstruktio-nen av indexet. Man bör dock inte endast räkna 4-5 taxa om det inte föreligger en massutveckling, utan åtminstone ett 20-tal taxa bör ingå, undantag dock för fjällen som är mycket artfattigare. För att använda det trofiska planktonindexet skall det finnas åtminstone 4 arter i växtplanktonsamhället med ett indikatortal enl. tabell 5.3 och 5.4. 5.3.3.1 KLOROFYLL

Vattenprov för analys av klorofyll a skall vara så representativt för epilimnion som möjligt. Klorofyllbedömningarna bör baseras på medelvärden av sensommar-/höstprovtagningar (juli – september) under tre år. Vanligt är dock att man endast har ett ytprov (0,5 m), vilket även används för bestämning av den övriga vattenke-miska sammansättningen. Även i dessa fall kan säsongsmedelvärden för tre år användas, men detta är förknippat med en större osäkerhet vid bedömningen. I samtliga fall där få data föreligger vare sig det gäller i vattnets djupled eller över säsongen är det viktigt att ett medelvärde över tre säsonger ligger till grund för statusklassningen. Samtliga steg i provberednings- och analysförfarandet bör över-ensstämma med gällande standardmetoder (SS 02 81 46 och 02 81 70) eller likvär-digt om andra analysmetoder används. 5.3.3.2 TYPINDELNING

För bedömning av växtplankton delas Sveriges sjöar in i fem typer med olika refe-rensvärden för bedömningar vad avser totalbiomassa, andelar av olika plankton-grupper, klorofyll a samt för artantal (tabell 5.2 och figur 5.4). För trofiskt plank-tonindex görs ingen åtskillnad mellan klara och humösa sjöar i Norrland. Typerna är baserade på de ekoregioner som anges i Naturvårdsverkets föreskrift om kart-läggning och analys (NFS 2006:1), samt sjöarnas humushalt (vattenfärgen). Sjöar-na delas enligt föreskriften in i låg humushalt (h) och hög humushalt (H) med grän-sen på 50 mg Pt/l. För växtplanktonbedömningar har dock istället gränsen 30 mg Pt/l använts, vilken överensstämmer med den gräns som har använts för interkalib-rering av bedömningar mellan de nordiska länderna. I föreskriften finns även en finare indelning i limniska typer, men de övriga faktorerna för indelning har inte visats påverka bedömningarna av växtplankton.

Alla de sjöar som passar in i en av de erhållna sjötyperna får samma referens-värde för bedömningar av växtplankton.



10

Tabell 5.2. Typindelning av sjöar för klassificering av växtplankton. Ekoregioner och humusklass enligt Naturvårdsverkets föreskrift om kartläggning och analys (NFS:2006:1) är också angivet.

Sjötyper för bedömningar av växt-plankton

Ekoregion1 Humusklass1

Fjällen ovan trädgränsen 1 h, H Norrland klara sjöar2 2, 3 H4 Norrland humösa sjöar3 2, 3 H4 Södra Sverige klara sjöar2 4, 5, 6 h Södra Sverige humösa sjöar3 4, 5, 6 H

1 enligt NFS 2006:1 2 färgtal ≤30mg Pt/l eller Abs420/5 ≤0,06 (filtrerat prov) 3 färgtal >30mg Pt/l eller Abs420/5 >0,06 (filtrerat prov) 4 Vid bedömningar enl. trofiskt planktonindex görs ingen åtskillnad mellan klara och humösa sjöar i Norrland

En typ av företrädesvis organiskt rika sjöar som har höga och avvikande biomassor (totalbiomassa/klorofyll-a) är de som domineras av Gonyostomum semen. Detta avslöjas bara vid en analys av artsammansättningen i samhället. Här är det trofiska planktonindexet en lämplig indikator att använda om inte sjön är sur då istället artantalet ger statusen.

Figur 5.4 Typindelning av sveriges sjöar för växtplankton baseras på tre ekoregioner.



11

5.3.4 Klassificering av status

Steg 1) Prover tagna enligt beskrivning ovan analyseras och totalbiomassan be-stäms. Den ekologiska kvalitetskvoten (EK) för biomassa räknas ut enligt: EK = Referensvärdet / uppmätt värde Steg 2) Trofiskt planktonindex (TPI) beräknas enligt:

n = antal arter med indikatortal i en sjö I = indikatortal för art i B = biomassa per liter för art i (enheten som man uttrycker i kan vara µg/l, mg/l eller mm3/l huvudsaken är att det är samma enhet för ingående arter och summa-biomassan av dessa arter) I tabell 1 och 2 anges de olika arternas indikatortal. Den ekologiska kvalitetskvoten (EK) för TPI som innehåller både negativa och positiva värden beräknas enligt följande formel:

EK =

⎟⎟⎠

⎞⎜⎜⎝

⎛−−

+5075

501

1

rrrx

Där r75 = TPI-värdet för hög status (75perc) r50 = TPI-värdet för referensförhållanden (50perc) x = TPI-värdet för objektet Med detta förfaringssätt är EK-värdet för klassen hög status normerad till 0,5. På så sätt tas viss hänsyn till variationen i referensdatamaterialet. Parametrarna angivna i steg 1-2 används för att bedöma påverkan i en trofigradient. Referensvärden och klassgränser återfinns i tabell 5.5 och 5.6. Steg 3) Som extra stöd vid bedömningen kan andelen cyanobakterier användas. Biomassan av cyanobakterier bestäms och delas med den totala biomassan för att



12

få ut andelen cyanobakterier (blågrönalger). Den ekologiska kvalitetskvoten (EK) för andelan cyanobakterier räknas ut enligt: EK = Referensvärdet / uppmätt värde Referensvärden och klassgränser finns i tabell 5.7. Steg 4) I de fall då det inte finns data för att kunna göra en klassificering med pa-rametrarna angivna i steg 1-3 ovan kan man göra en preliminär bedömning genom att bara använda klorofyll a. Biomassan av planktiska alger kan på ett översiktligt sätt mätas genom analys av algernas innehåll av klorfyll-a. Analysen ger dock inga detaljkunskaper om strukturer i växtplanktonsamhället. Klorofyllhalten bestäms enligt standard och den ekologiska kvalitetskvoten beräk-nas enligt: EK = Referensvärdet / uppmätt värde Referensvärden och klassgränser finns i tabell 5.8 Steg 5) För att bedöma vattnets surhet bestäms artantal, dvs antalet växtplanktonar-ter i provet. Den ekologiska kvalitetskvoten beräknas enligt: EK = Uppmätt värde / referensvärdet Referensvärden och klassgränser återfinns i tabell 5.9

Tabell 5.3 Toleranta arter med indikatortal i en skala 1-3 där 3 anger arter som bedömts som särskilt toleranta och förekommande i de mest näringsrika miljöerna ”eutrofiindikatorer”. Taxon Indikatortal 25% TP

µg/l 75% TP µg/l

Anmärkning

Actinastrum spp. 2 39 39 Actinocyclus norma-nii f. subsalsa

3 - - få prov. Expertbedömning

Anabaena lemmer-mannii

1 8 39

Anabaena nystan 2 8 54 circinalis, flos-aquae, mendotae Anabaena rak 2 26 70 planctonica, solitaria, macrospora Anabaena spiral 3 54 55 spiroides, crassa Aphanizomenon bunt

3 55 78 flos-aquae, yezoense, klebahnii

Aphanizomenon enskild

3 25 78 issatschenkoi, gracile, flexuosum

Aulacoseira ambi-gua

1 18 55

Aulacoseira granula-ta

2 25 55

Aulacoseira granula-ta v. angustissima

3 42 70



13

Aulacoseira subarc-tica

1 14 55

Ceratium furcoides 2 52 78 Chodatella spp. 2 37 68 Closterium acutum v. variabile

1 14 70

Closterium limneti-cum

1 21 35

Coelastrum spp. 3 13 55 Cryptomonas stor 2 - - längd >40 µm. Expertbedömning Cyanodictyon spp. 3 25 33 Dictyosphaerium pulchellum

1 14 33 här ingår också tetrachotorum

Dimorphococcus lunatus

1 28 32

Diplopsalis acuta 3 70 99 Euglena spp. 3 - - alla Euglenophyter klassade 3 Fragilaria berolinen-sis

3 70 73

Fragilaria crotonen-sis

2 12 54

Fragilaria ulna 2 - - avvägning mot Brettum & Andersen 20052 Lagerheimia spp. 2 39 55 Lepocinclis spp. 3 30 33 alla Euglenophyter klassade 3 Limnothrix plancto-nica

3 32 109

Limnothrix redekei 3 - - få i materialet. Expertbedömning Micractinium pusil-lum

2 39 73

Microcystis aerugi-nosa

3 39 70 här ingår också botrys

Microcystis flos-aquae

3 4 48 få prov. Expertbedömning

Microcystis wesen-bergii

3 21 73

Microcystis viridis 3 25 55 Monoraphdidum minutum

2 21 33

Pediastrum borya-num

3 4 33 avstämning mot Brettum & Andersen 2005

Pediastrum duplex 3 21 70 Pediastrum privum 2 11 21 Pediastrum tetras 2 13 27 Phacus spp. 3 7 29 alla Euglenophyter klassade 3 Planktolyngbya spp. 3 42 50 limnetica, contorta, bipunctata Planktothrix agardhii 2 6 54 Planktothrix mouge-otii

1 - - få data i materialet. Expertbedömning

Pseudanabaena 2 70 73

2 Brettum, P. & Andersen, T. 2005. The use of phytoplankton as indicators of water quality. NIVA-report SNO 4818-2004. Norsk Institutt for Vannforskning, Oslo.



14

limnetica Quadricoccus ellipti-cus

3 78 99

Scendesmus gr. acutodesmus

3 39 73 t.ex. acutus, acuminatus

Scenedesmus gr. spinosi

2 - - t.ex. spinosus få data. Expertbedömning

Staurastrum chaeto-ceras

2 39 73

Staurastrum smithii 2 21 28 Staurastrum tetrace-rum

1 15 30 avstämning mot Brettum & Andersen 2005

Stephanodiscus spp. 2 5 73 expertbedömning Tetraedriella spini-gera

1 22 28

Tetraedron incus 1 18 22 Tetrastrum stauro-geniaeforme

2 25 55

Trachelomonas spp. 3 - - expertbedömning och ej med i testmaterialet alla Euglenophyter klassade 3

Treubaria triappen-diculata

3 42 70

Tabell 5.4. Sensitiva taxa ”oligotrofiindikatorer” med indikatortal i en skala från –1 till -3 där -3 anger taxa som bedömts som särskilt konkurrenskraftiga under låga näringskoncentrationer.

Taxon Indikatortal

TP (µg/l) vid 25 %

TP (µg/l) vid 75 % Anmärkning

Aulacoseira alpigena -2 5 11 Bitrichia chodatii -2 5 9 Bitrichia phaseolus -3 5 6 inkluderar också ollula och longispina Chlamydocapsa spp. -2 5 10 inkluderar också Gloeocystis och Coenocystis Chrysidiastrum cate-natum -2 5 11 Chrysochromulina spp. -2 6 11 Chrysococcus spp. -2 6 10 Chrysolykos plancto-nicus -2 3 9 Chrysolykos skujae -3 4 5 Cyclotella spp. liten -2 5 8 diameter <10 µm Dinobryon borgei -2 6 11 Dinobryon crenula-taum -2 5 6 Dinobryon cylindricum

-3 5 6 särskilt v. alpinum. I detta material hade varieteter tyvärr inte alltid urskiljts

Dinobryon njakajau-rense -3 - - få data. Expertbedömning Dinobryon pediforme -3 2 7 Dinobryon sociale v. americanum -3 5 7 Gymnodinium spp. liten -3 5 6 längd <10 µm



15

Gymnodinium uberri-mum -1 4 11 Isthmochloron trispi-natum -3 2 10 Kephyrion spp.

-3 2 9 alla arter har fått samma indikatortal efter test av 7 enskilda arter

Mallomonas akroko-mos. -2 6 12 Mallomonas hamata -3 5 10 Mallomonas tonsurata -1 5 8 Merismopedia tenuis-sima -2 5 12 Monoraphidium grif-fithii -2 6 8 Oocystis submarina v.variabilis -2 4 12 Peridinium inconspi-cuum -1 4 12 Pseudokephyrion spp.

-3 4 6 alla arter har fått samma indikatortal efter test av 7 enskilda arter

Rhodomonas lacustris -1 5 11

inkluderar också Rhodomonas minuta o. Plagiosel-mis nannoplanctica

Spiniferomonas spp. -2 4 11 ingen artseparering i underlagsmaterialet Staurastrum lunatum -2 5 7 inkluderar också v. planctonicum Staurodesmus sella-tus -2 5 11 Stichogloea doederle-inii -2 6 11 inkluderar också olivacea Tabellaria flocculosa v. teilingii -3 3 4

5.3.5 Referensvärden och klassgränser

Tabell 5.5. Referensvärde, klassgränser och metodbunden osäkerhet för klassificering av para-metern totalbiomassa (BM) i µg/l och som ekologiska kvalitetskvoter (EK). Totalbiomas-sa=totalvolym. Planktons densitet beräknad som vattnets densitet d.v.s. g ml-1. Mg l-1=mm3 l-1.

Typ Status Totalbiomassa (µg/l) Ekologisk kvali-tetskvot (EK)

Referensvärde 120 1 Osäkerhet (SD av EK)

0,05

Hög ≤200 EK≥0,6 God 200<BM≤350 0,6>EK≥0,34 Måttlig 350<BM≤500 0,34>EK≥0,24 Otillfredställande 500<BM≤650 0,24>EK≥0,18

Fjällen ovan träd-gränsen

Dålig BM>650 EK< 0,18


0,09

Hög ≤300 EK≥0,67 God 300<BM≤650 0,67>EK≥0,31

Norrland, klara sjöar, färg ≤30 mg Pt-1. Syd-gräns limes norrlandi-cus

Måttlig 650<BM≤1000 0,31>EK≥0,2



16

Otillfredställande 1000<BM≤1350 0,2>EK≥0,15 Dålig BM>1350 EK< 0,15


0,13

Hög ≤400 EK≥0,75 God 400<BM≤1000 0,75>EK≥0,3 Måttlig 1000<BM≤1500 0,3>EK≥0,2 Otillfredställande 1500<BM≤2000 0,2>EK≥0,15

Norrland, humösa sjöar, färg >30 mg Pt-1. Sydgräns limes norr-landicus

Dålig BM>2000 EK< 0,15


0,19

Hög ≤600 EK≥0,67 God 600<BM≤2500 0,67>EK≥0,16 Måttlig 2500<BM≤5000 0,16>EK≥0,08 Otillfredställande 5000<BM≤10 000 0,08>EK≥0,04

Södra Sveriges, klara sjöar, färg ≤30 mg Pt-1. Nordgräns limes norr-landicus

Dålig BM>10 000 EK< 0,04


0,12

Hög ≤600 EK≥0,67 God 600<BM≤2500 0,67>EK≥0,16 Måttlig 2500<BM≤5000 0,16>EK≥0,08 Otillfredställande 5000<BM≤10 000 0,08>EK≥0,04

Södra Sverige, humö-sa sjöar, färg >30 mg Pt-1. Nordgräns limes norrlandicus

Dålig BM>10 000 EK< 0,04 Tabell 5.6. Referensvärde och klassgränser för klassificering av parametern trofiskt planktonin-dex (TPI) i indexvärden och som ekologiska kvalitetskvoter (EK).

Typ Status Trofiskt planktonindex (TPI)

Ekologisk kvali-tetskvot (EK)

Referensvärde -2 1 Osäkerhet (SD av EK)

0,17

Hög ≤-1,8 EK≥0,5 God -1,8<TPI≤-1,5 0,5>EK≥0,29 Måttlig -1,5<TPI≤-1,25 0,29>EK≥0,21 Otillfredställande TPI>-1,25 EK<0,21


Dålig - -

Referensvärde -1,5 1 Osäkerhet (SD av EK)

0,19

Hög ≤-1 EK≥0,5 God -1<TPI≤-0,5 0,5>EK≥0,33

Norrland, klara och humösa sjöar

Måttlig -0,5<TPI≤0,5 0,33>EK≥0,2



17

Otillfredställande TPI>0,5 EK<0,2 Dålig - -

Referensvärde -1,25 1 Osäkerhet (SD av EK)

0,24

Hög ≤-0,9 EK≥0,5 God -0,9<TPI≤1 0,5>EK≥0,13 Måttlig 1<TPI≤2 0,13>EK≥0,1 Otillfredställande TPI>2 EK<0,1


Dålig - -

Referensvärde -1 1 Osäkerhet (SD av EK)

0,002

Hög ≤-0,5 EK≥0,5 God -0,5<TPI≤1 0,5>EK≥0,2 Måttlig 1<TPI≤2 0,2>EK≥0,14 Otillfredställande TPI>2 EK<0,14


Dålig - -

Som ett stöd vid bedömningen av kvalitetsfaktorn växtplankton kan andelen cya-nobakterier användas. Klassgränser för detta anges i tabell 5.7.

Tabell 5.7. Referensvärden och klassgränser för klassificering av andel cyanobakterier, även angivet som ekologiska kvalitetskvoter (EK).

Typ Status Andel cyanobakterier (C)

Ekologisk kvali-tetskvot (EK)

Referensvärde 0 - Osäkerhet (SD av EK)

-

Hög - - God ≤0,01 - Måttlig 0,01<C≤0,03 - Otillfredställande 0,03<C≤0,05 -


Dålig C>0,05 -

Referensvärde 0,01 1 Osäkerhet (SD av EK)

0,25

Hög ≤0,05 EK≥0,2 God 0,05<C≤0,25 0,2>EK≥0,04 Måttlig 0,25<C≤0,5 0,04>EK≥0,02 Otillfredställande 0,5<C≤0,7 0,02>EK≥0,014


Dålig C>0,7 EK<0,014


0,29 Norrland, humösa sjöar, färg >30 mg Pt-1. Sydgräns limes norr-landicus

Hög ≤0,08 EK≥0,25



18

God 0,08<C≤0,2 0,25>EK≥0,1 Måttlig 0,2<C≤0,4 0,1>EK≥0,05 Otillfredställande 0,4<C≤0,6 0,05>EK≥0,03 Dålig C>0,6 EK<0,03


0,33





0




I de fall då ingen analys av växtplankton har gjorts kan man få en uppskattning av statusen genom att bedöma klorofyll a.

Tabell 5.8. Referensvärden och klassgränser för klassificering av status med avseende på kloro-fyll a i µg/l och som ekologiska kvalitetskvoter (EK).

Sjötyp1 Referens-värde

Osäkerhet2 (SD av EK)3

Hög God Måttlig Otillfreds-ställande

Dålig

Klorofyllhalt (µg/l) Fjällsjöar 1,0 0,081 ≤1,5 >1,5 – 3,0 Norrland, klara 2,0 0,245 ≤4,0 >4,0 – 6,0 Norrland, humösa

2,5 0,355 ≤5,0 >5,0 – 7,5

Södra Sverige, klara

2,5 0,270 ≤5,0 >5,0 – 8,53

Södra Sverige, humösa

3,0 0,933 ≤6,0 >6,0 – 10

Genomför fullständig växtplanktonanalys för att verifiera statusklass

Ekologisk kvalitetskvot (EK) Fjällsjöar 1,0 0,074 ≥0,75 0,75>EK≥0,33 Norrland, klara 2,0 0,111 ≥0,50 0,50>EK≥0,33 Norrland, humösa

2,5 0,127 ≥0,50 0,50>EK≥0,33

Södra Sverige, klara

2,5 0,082 ≥0,50 0,50>EK≥0,303

Södra Sverige, humösa

3,0 0,283 ≥0,50 0,50>EK≥0,30

Genomför fullständig växtplanktonanalys för att verifiera statusklass

1 Med klara vatten avses sjöar med en vattenfärg motsvarande ≤30 mg Pt/l alt. Absfilt, 420 nm ≤0,06, däröver anses vattnet vara humöst.

2 Avser medianvärdet av standardavvikelsen för referenssjöar inom sjötypen



19

3 För sjöar med måttligt hög alkalinitet (0,2-1 mekv/l) är övre klassgränsen 10,0 µg/l som motsvarar EK=0,25.

Om en sjö erhåller måttlig status eller sämre bör en kompletterande växtplankton-analys utföras, speciellt om inga andra kvalitetselement uppvisar liknande status-klassning. Detta gäller speciellt i humösa vatten (AbsF420/5 >0,06 alt. vattenfärg >30 mg Pt/l) där växtplanktonbiomassan i vissa fall kan domineras av nålflagella-ten Gonyostomum semen (gubbslem). Om så är fallet gäller ekologisk status enligt bedömningar med hjälp av växtplanktonindex (TPI).

I tabell 5.9 visas klassgränser mellan surhetsklasserna. Artantal visar alltså hur sur sjön är men det framgår inte om det beror på naturlig surhet eller antropogent orsakad försurning.

Tabell 5.9 ”Referensvärde” och klassgränser förklassificering av parametern artantal (SPP), även angivet som ekologiska kvalitetskvoter (EK).

Typ Status Artantal Ekologisk kvali-tetskvot (EK)

”Referensvärde” 25 1 Osäkerhet (SD av EK)

0,11

Nära neutralt SPP≥20 EK≥0,8 Svagt surt 20>SPP≥15 0,8>EK≥0,6 Måttligt surt 15>SPP≥10 0,6>EK≥0,4


Surt SPP<10 EK<0,4


0,05



Surt SPP<20 EK<0,44


0,03


Norrland, humösa sjöar, färg >30 mg Pt-1. Sydgräns limes norr-landicus

Surt SPP<20 EK<0,44


0,07



Surt SPP<20 EK<0,4 Södra Sverige, humö- ”Referensvärde” 45 1



20

Osäkerhet (SD av EK)

0,07


sa sjöar, färg >30 mg Pt-1. Nordgräns limes norrlandicus

Surt SPP<15 EK<0,33

5.3.6 Kommentarer

5.3.6.1 HANTERING AV OSÄKERHET

För att göra en bra klassificering är det lämpligt att använda ett medelvärde av data från minst tre år. Med fler mätningar får man en säkrare bedömning och ett osäker-hetsintervall i form av en standardavvikelse kan beräknas för parametern i den aktuella vattenförekomsten. I de fall då bara data från ett år finns tillgängligt kan det fasta värdet för metodbunden osäkerhet (standardavvikelsen) för respektive parameter och typ angiven i tabell 5.5-5.9 användas. Standardavvikelsen ger ett mått på hur osäker bedömningen är. I de fall då ett osäkerhetsintervall kring den ekologiska kvalitetskvoten (EK) överlappar någon av klassgränserna mellan hög och god status eller god och måttlig status innebär detta att det beräknade EK-värdet ligger mycket nära en klassgräns. Detta föranleder att en rimlighetsbedöm-ning ska göras, vilket finns beskrivet i kapitel 4.1.1. Se också kapitel 4.1.2 för mer vägledning kring hur man bör hantera osäkerhet . 5.3.6.2 SAMMANVÄGNING AV PARAMETRAR

Bedömningsgrunderna är tänkta för användning på alla typer av sjöar, men starkt metallpåverkade sjöar har inte funnits med i underlagsmaterialet varför försiktighet bör iakttas vid bedömningar för denna typ av vatten.

Indikatorerna växtplanktons totalbiomassa och det trofiska planktonindexet (TPI) skall båda vara grund för klassificeringen av sjöns status med avseende på näringsämnen. Andelen cyanobakterier kan dock användas som stödindikator, där man särskilt skall uppmärksamma om andelen överstiger vad som anges för god status. Dominerar då någon eller några i tabell 5.10 angivna taxa som ofta kan vara besvärsbildande eller t.o.m. potentiellt toxiska bör det vara skäl att följa sjöns ut-veckling noga.

Eftersom TPI endast kan användas om minst 4 arter i ett prov erhållit ett indi-katortal, kommer det att finnas sjöar som baserar sin kvalitetsklassning enbart på totalvolymer. I de fall då både totalbiomassan och TPI-värdet finns att tillgå för bedömning måste en avvägning mellan dessa baseras på expertkunskaper. Mellan-årsvariationer i totalbiomassan är betydande och ofta styrd av väderförhållanden, medan TPI-värdet är mer stabilt. När ett nytt index utarbetas som i fallet med TPI fordras en period av användning innan en slutgiltig rekommendation kan ges. Om klassningarna med totalbiomassa respektive TPI skiljer sig åt bör totalbiomassans klassning väga tyngre om inte skäl finns för att lita mer på TPI-klassningen. Ett sådant fall kan tex vara för sjöar som präglas av Gonyostomum semen (gubbslem) där en klassning baserad på totalbiomassor kan vara olämplig särskilt om biomas-sorna blir mycket stora, vilket inte är ovanligt då arten ofta massutvecklas. En så-



21

dan massutveckling behöver inte vara ett tecken på eutrofiering därför rekommen-deras att Gonyostomum-sjöar kvalitetsklassas med TPI-värdet istället för totalbio-massan.

Tabell 5.10. Cyanobakterietaxa som ofta förknippas med dålig vattenkvalitet då de massutveck-las eller kan bilda toxiner. Samtliga arter ger vid massutveckling upphov till dålig lukt och smak på råvatten.

Taxon Kommentar Anabaena producent av nerv och levergifter, samt ämnen

som ger upphov till lukt och smak. Förekommer i tester från Sverige.

Aphanizomenon potentiellt toxisk, ej verifierat i Sverige med arten i odling, men förekommer i cyanobakte-rie-samhällen där toxicitet uppmätts.

Gloeotrichia arten echinulata. Toxinproduktion ej verifierad i Sverige

Limnothrix potentiellt toxisk, ej verifierat i Sverige med arten i odling, men förekommer i cyanobakte-rie-samhällen där toxicitet uppmätts

Microcystis producent av nerv och levergifter, verifierad i Sverige. Arten wesenbergii har inte gen för toxinproduktion.

Planktothrix främst arterna agardhii och prolifica båda producenter av levergifter verifierat i Sverige.

Pseudanabaena potentiellt toxisk, i Sverige endast verifierad i odling

Woronichinia främst arten naegeliana. Ger upphov till lukt och smak vid massutveckling

En klassificering baserad på klorofyll ska bara användas i de fall då det är omöjligt att göra en klassificering av totalbiomassa eller TPI tex på grund av att inte rätt data finns tillgängliga. 5.3.6.3 KLOROFYLL

Vid utvärderingar av klorofylldata är det viktigt att tänka på att klorofyllhalten endast ger en uppskattning av växtplanktonbiomassan och kan inte helt ersätta växtplanktonanalyser. Att dessa analysmetoder inte är helt jämförbara beror dels på osäkerheter i klorofyll¬bestämningarna, dels på att olika växtplanktonarter innehål-ler varierande mängder av klorofyll a, samt i många fall kompletterat med andra klorofyller eller andra pigment. Eftersom klorofyllanalyser är jämförelsevis snabba och billiga, kan de vara ett gott komplement vid t.ex. screeningstudier eller lång-tidsövervakning. Eventuella förändringar eller avvikande halter bör dock alltid följas upp med en kompletterande och verifierande växtplanktonanalys för att utre-da orsaken till förändringen eller avvikelsen.

Vid jämförelser mellan klassningar med avseende på klorofyll a och totala växtplanktonbiomassor är det uppenbart att variationen är stor. Detta beror som tidigare nämnts bl.a. på osäkerheter i klorofyllanalyser och att växtplanktonarter innehåller olika mycket klorofyll. En annan viktig orsak till att det finns en viss skillnad är att analyserna ofta inte har utförts på samma vattenprov. Klorofyllanaly-ser utförs ofta på ytvattenprov (0,5 m), medan växtplanktonanalyserna vanligen



22

görs på integrerade prov som skall motsvara vattenmassan ovan temperatursprång-skiktet. Eftersom växtplankton i allmänhet inte är homogent fördelade i vattenmas-san kan detta orsaka stora skillnader om man jämför integrerade prov med ytvat-tenprov. Skillnaden kanske är mest uppenbar vid lugn väderlek under sommaren då cyanobakterier ofta tenderar att ansamlas i ytvattnet och då riskerar att bli överre-presenterade i ett ytprov. Likaså kan eventuell ansamling av t.ex. Gonyostomum vid temperatursprångskiktet ge betydligt högre biomassor jämfört med ytnära pro-ver. Denna skillnad mellan ytvattenprov och integrerade prov är dock ofrånkomlig och speglar egentligen verkligheten väl, där bedömningar av ekologisk status med avseende på klorofyllhalt framförallt kommer att ske på ytprov.

En sjö bör dock inte fällas och motverkande åtgärder sättas in enkom pga. höga klorofyllhalter. Istället bör kompletterande analyser av t.ex. växtplankton göras för att utreda orsaken och att säkerställa sjöns ekologiska status inför eventuella åtgär-der som kan behöva vidtas för att vidmakthålla god ekologisk status. 5.3.6.4 MÄNSKLIG PÅVERKAN ELLER NATURLIGT

Om sjön klassas i någon av surhetsklasserna måttligt surt eller surt skall det göras en bedömning om detta beror på mänskligt orsakad försurning eller att sjön är na-turligt sur. En djupare analys bör göras med hjälp av de bedömningsgrunder för försurning som finns i kap 5.10.2. Resultatet av den fysikalisk-kemiska statusklas-sificeringen bör vara vägledande för vilken status och kvalitets-kravsnivå som skall fastställas. Analysen kan ytterligare förbättras genom att göra en bedömning av försurningspåverkan/belastningen. Viktiga underlag här är depositionsdata, kritisk belastningsberäkningar samt skogbrukets påverkan. Om bedömningen blir att sjön är naturligt sur görs en revidering av referensvärdet för den specifika vattenför-komsten. Det pH-värde som genom MAGIC-modellen (metod i de fysikalisk-kemiska bedömningsgrunderna) anges som ursprungligt för sjön används i korrela-tionen mellan artantal och pH för att få fram ett ursprungligt artantal som relaterar till det ursprungliga pH-värdet. Det ursprungliga artantalet fås fram genom att det frammodellerade pH-värdet sätts in i linjens ekvation för den aktuella typen,i figur 5.3. Det artantal man räknar fram används sen som nytt referensvärde. Det uppmät-ta artantalet delas med det nya referensvärdet och jämförs mot klassgränserna i tabell 5.9. Surhetsklasserna översätts till statusklasser enligt följande:

Nära neutralt – Hög status Svagt surt – God status Måttligt surt – Måttlig status Surt – Otillfredställande status

När statusklassificeringen resulterar i måttlig eller sämre status och detta indikeras av de parametrar som visar på näringsrikedom/övergödning kan det vara nödvän-digt att göra en bedömning om det beror på mänskligt orsakad övergödning eller att sjön är naturligt näringsrik. Det är dock inte särskilt vanligt att sjöar är har höga näringshalter naturligt. För att bedöma detta kan man jämföra med resultatet för bedömningsgrunden för fosfor. Bedömningen kan ytterligare förbättras genom att titta på påverkan/belastningen på vattenförekomsten. Viktiga underlag här är käll-



23

fördelningsdata, historiska data, etc. Underlag för detta tas fram i samband med karakteriseringen. Om bedömningen blir att sjön är naturligt näringsrik görs utifrån vattenmyndighetens expertbedömning en revidering av referensvärdet för den spe-cifika vattenförkomsten.

Bakgrundsrapporter: Växtplankton: Willén, E. 2006. Planktiska alger i sjöar. Bedömningsgrunder. Klorofyll: Sonesten, L. 2007. Reviderade bedömningsgrunder för klorofyll. Revidering och anpassning till den ”nordiska” interkalibreringen av klorofyll i sjöar (NGIG). Rapport 2007:5.

5.4 Makrofyter i sjöar




Trofiindex (TMI) Näringsämnen 1 gång/år Sensommar/höst

5.4.1 Inledning

Begreppet makrofyter, dvs. vattenvegetationen, inkluderar kärlväxter (helo- och hydrofyter), mossor och kransalger. Makrofyter påverkar och blir påverkade av biologiska och hydrobiogeokemiska processer i sjöar. Makrofytarter visar olika preferenser längs gradienter av bland annat näringsstatus (främst kväve och fosfor), pH och alkalinitet. Det är dessa preferenser (Figur 5.5) som har använts i många länder för utvecklingen av makrofytbaserade indikatorvärden och som ligger till grund för det här redovisade trofiindexet. Bland kärlväxterna är det enbart hydrofy-terna som anses återspeglar sjövattnets näringsstatus. Helofyterna utesluts därför från många indikatorsystem.

Till skillnad från växtplankton anses makrofyter vara mera tröga i sin reaktion på förändringar i näringsstatus. Förekomsten av makrofytarter bör därför anses som ett mått på vårens/försommarens näringsstatus i stället för vid inventeringstillfället rådande näringsstatus.



24



25

Figur 5.5. Makrofyternas (alla grupper förutom helofyter, i alfabetisk ordning) medianvärde (± 25 och 75 percentiler) längs Tot-P gradienten. Enbart arter som förekom ≥5 sjöar inkluderades.

5.4.2 Parametrar som ingår i bedömningen

För att bestämma sjöarnas status för makrofyter beräknas ett trofiskt makrofytindex (TMI). Det baseras på att alla funna makrofytarter förutom helofyter ges ett indika-torvärde längs en totalfosforgradient. Indexet svarar alltså på näringsstatus, i första hand totalfosfor. 5.4.3 Krav på underlagsdata

En noggrann beskrivning av inventeringsmetodiken avsett för ekologisk klassifice-ring av sjöar enligt EUs Vattendirektiv tas för tillfället fram och kommer att bli en av Naturvårdsverkets undersökningstyper. Nedan redovisas enbart de mest centrala aspekterna.



26

För att bedömningsgrunden för makrofyter i sjöar skall kunna tillämpas ska inven-tering ha inkluderat alla makrofyter inklusive mossor och kransalger, förutom helo-fyter. Provtagningen ska ha genomförts under sensommaren när vattenvegetationen är färdigutvecklad. Inventeringen görs både längs strandkanten och från båt. För inventering från båt används både vattenkikare och kratta (t.ex. Lutherräfsa). För varje makrofytart antecknas det maximala förekomstdjupet. Därför rekommenderas någon form av transektinventering, dock utan transektlina och provytor. Förekoms-ten av alla förekommande makrofyterna antecknas på en semikvantitativ skala (t.ex. DAFOR, Palmer et al. 1992)3 eller på en binär skala (finns, finns inte). För framtagningen av sjöarnas TMI krävs dock enbart binära data. Inventeringen bör genomföras i olika delområden av sjön för att erhålla en fullständig makrofytlista. Framför allt bör sjöarnas eventuella olika bottensubstrat inventeras. 5.4.4 Typindelning

För bedömning av makrofyter delas Sveriges sjöar in i tre typer med olika refe-rensvärden (tabell 5.11). Dessa typer är baserade på ekoregionerna angivna i Na-turvårdsverkets föreskrift om kartläggning och analys, NFS 2006:1. I föreskriften finns en finare indelning i limniska typer angiven men de övriga faktorerna för de limniska typerna har med dagens dataunderlag inte visats påverka makrofytsamhäl-let signifikant. Alla de limniska typerna som passar in i en av dessa typer för mak-rofyter får samma referensvärde. Tabell 5.11. Tydindelning för statusklassificering av makrofyter i relation till ekoregionerna enligt föreskriften om kartläggning och analys, NFS 2006:1

Typer för makrofyter Ekoregion enligt NFS 2006:1 1 Norr om Limes Norrlandicus, över högsta kustlinjen

Ekoregion 1 och 2

2 Norr om Limes Norrlandicus, under högsta kustlinjen

Ekoregion 3

3 Söder om Limes Norrlandicus

Ekoregion 4, 5, 6och 7


Steg 1) Beräkna TMI. Sjöarnas TMI är ett viktat medelvärde av de enskilda makro-fyternas indikatorvärden och viktfaktorer.

3 Palmer, M. A., S. L. Bell, and I. Butterfield. 1992. A botanical classification of standing waters in Britain: Applications for conservation and monitoring. Aquatic Conservation: Marine and Freshwater Ecosystems 2:125-143.



27

Beräkningen sker enligt:

( )

∑

∑

=

=

×= n

iArt

n

iArtArt

Sjö

i

ii

x

Viktfaktor

ViktfaktorärdeIndikatorvTrofiindex

1

1

Makrofyternas indikatorvärden- och viktfaktorer framgår i tabell 5.1. Tabell 5.12. Makrofyternas indikatorvärden (1-10) samt viktfaktorn (0,1-1), sorterade efter arter-nas latinska namn. Indikatorvärdena baseras på arternas preferens (medinavärde) längs Tot-P gradienten. Ett högt indikatorvärde indikerar preferens för låga Tot-P halter och en hög viktfaktor indikerar smala nischer (låg differens mellan percentilerna) längs Tot-P gradienten. Indikatorvär-den ges för arter som förekom i minst fem sjöar. För arter som enbart förekom i fyra (*4) eller (*3) sjöar anses indikatorvärden och viktfaktorn som mindre pålitliga.

Art Indikatorvärde Viktfaktor

Alopecurus aequalis 8 0,8 Calliergon giganteum*4 9 0,9 Calliergonella cuspidata 8 0,4 Callitriche cophocarpa*4 8 1,0 Callitriche hamulata 10 1,0 Callitriche hermaphroditica 6 0,7 Callitriche palustris 8 0,9 Ceratophyllum demersum 6 0,8 Chara aspera 2 0,5 Chara contraria 2 0,6 Chara delicatula 8 1,0 Chara glomerata 5 0,5 Chara hispida 1 0,4 Chara setosa 2 1,0 Chara tomentosa 7 0,6 Crassula aquatica 7 0,8 Drepanocladus sordidus*4 7 1,0 Elatine hydropiper 7 0,9 Elatine triandra 7 0,9 Eleocharis acicularis 8 0,8 Elodea canadensis 4 0,7 Fissidens fontanus*4 8 1,0 Fontinalis antipyretica 8 0,7 Hippuris vulgaris 7 0,8 Hottonia palustris 4 0,9 Hydrocharis morsus-ranae 3 0,7 Isoetes echinospora 8 0,9 Isoetes lacustris 9 0,9 Juncus bulbosus 8 0,9 Lemna gibba*3 1 0,3



28

Art Indikatorvärde Viktfaktor Lemna minor 4 0,8 Lemna trisulca 3 0,7

Limosella aquatica 8 0,8 Littorella uniflora 8 0,8 Lobelia dortmanna 9 0,9 Myriophyllum alterniflorum 9 0,9 Myriophyllum spicatum 3 0,7 Myriophyllum verticillatum 3 0,6 Najas flexilis*4 1 0,9 Nitella flexilis*3 10 1,0 Nitella opaca 10 1,0 Nuphar lutea 8 0,9 Nuphar pumilum 7 0,9 Nymphaea alba coll. 8 0,9 Oenanthe aquatica 6 0,8 Peplis portula 7 0,9 Persicaria amphibia 6 0,7 Pilularia globulifera 9 0,5 Potamogeton alpinus 8 0,9 Potamogeton berchtoldii 8 0,9 Potamogeton compressus 5 0,8 Potamogeton crispus 3 0,7 Potamogeton filiformis 8 0,7 Potamogeton friesii 2 0,8 Potamogeton gramineus 8 0,9 Potamogeton lucens 4 0,7 Potamogeton natans 7 0,8 Potamogeton obtusifolius 6 0,8 Potamogeton panormitanus 2 0,7 Potamogeton pectinatus 2 0,7 Potamogeton perfoliatus 8 0,8 Potamogeton praelongus 7 0,8 Ranunculus circinatus 2 0,7 Ranunculus confervoides 10 0,9 Ranunculus peltatus 8 0,9 Ranunculus reptans 8 0,9 Ranunculus trichophyllus 2 0,5 Riccia fluitans 2 0,5 Ricciocarpus natans 2 0,8 Sagittaria natans 7 0,8 Sagittaria sagittifolia 7 0,8 Scorpidium scorpioides 10 0,9 Sparganium angustifolium 9 0,9



29

Art Indikatorvärde Viktfaktor Sparganium gramineum 8 0,9 Sphagnum auriculatum*3 8 0,4 Sphagnum cuspidatum*4 10 1,0

Sphagnum subsecundum*4 10 1,0 Spirodela polyrrhiza 2 0,7 Stratiotes aloides 3 0,8 Subularia aquatica 8 0,9 Utricularia intermedia 9 0,9 Utricularia minor 6 0,9 Utricularia vulgaris 8 0,8 Warnstorfia fluitans 10 1,0 Warnstorfia trichofylla 10 1,0 Zannichellia palustris 3 0,8

Nomenklaturen för kärlväxterna följer Mossberg & Stenberg, 20034 Nomenklaturen för kransalger följer Blindov & Krause, 19905 Nomenklaturen för mossor följer Hallingbäck, Hedenäs & Weibull, 20066

Steg 2) Den ekologiska kvoten för respektive sjö beräknas enligt:

3)ärdet(Referensv3)trofiindext(Observera

Ek x

x

SjöSjö −

−=

5.4.6 Referensvärden och klassgränser Tabell 5.13. Klassgränser för Trofiindex (TMI), även angivet som ekologiska kvoter (EK) för de tre typerna. Dataunderlag saknades för att kunna beräkna klassgränser för Otillfredsställande och dålig status. Typ Klassgräns Hög status God status Måttlig status

TMI EK TMI EK TMI EK 1 ≥8,68 ≥0,97 ≥7,74 och

<8,68 ≥0,83 och <0,97

≥7,12 och <7,74

≥0,73 och <0,83

2 ≥8,16 ≥0,97 ≥7,54 och <8,16

≥0,88 och <0,97

≥7,14 och <7,54

≥0,80 och <0,88

3 ≥8,27 ≥0,98 ≥7,17 och <8,27

≥0,79 och <0,98

≥6,60 och <7,17

≥0,63 och <0,79

4 Mossberg, B. & Stenberg, L. 2003. Den nya nordiska floran. Wahlström & Widstrand.

5 Blindow, I. & Krause W. 1990. Bestämningsnyckel för svenska kransalger. Svensk Botanisk Tidskrift 84: 119-161. Undantag: Chara glomerata syn. Tolypella glomerata.

6 Hallingbäck, Hedenäs & Weibull 2006. Ny checklista för Sveriges mossor. Svensk Botanisk Tidskrift 100:96-148



30

5.4.7 Kommentarer


För att göra en bra klassificering är det lämpligt att använda data från flera prov-tagningar. Med fler mätningar får man en säkrare bedömning och ett osäker-hetsintervall i form av en standardavvikelse kan beräknas för parametern i den aktuella vattenförekomsten. I de fall då bara data från ett år finns tillgängligt får en uppskattning av osäkerheten göras. I de fall då det beräknade trofiindexet ligger <0,1 trofienheter från någon av klassgränserna mellan hög och god status eller god och måttlig status innebär det att värdet ligger mycket nära en klassgräns. Detta föranleder att en rimlighetsbedömning ska göras, vilket finns beskrivet i kapitel 4.1.1. Som hjälp bör artlistan i tabell 5.14 användas för att göra en säkrare klassifi-cering av statusen för kvalitetsfaktorn makrofyter Se också kapitel 4.1.2 för mer vägledning kring hur man bör hantera osäkerhet.

Tabell 5.14 Makrofytarter som bör användas i kombination med sjöarnas indikatorvärden när dessa ligger nära en klassgräns för att kunna skilja mellan olika klasser av ekologisk status i de tre typerna.

Typ Klassgräns H/G G/M M/O Enbart i H I G och lägre

status I G men inte i M

I M, O eller D men inte i G/H

Enbart i O eller D

1 A. aequalis1 C. hamulata2 Callitriche ha-

mulata2 L. dortmanna2

D. fluitans1 Lemna trisulca2

D. trichophyllus1 M. spicatum2 F. antipyretica1 P. compres-

sus1

Isoëtes lacus-tris2

I. echinospora2 Juncus bulbo-

sus2

L. dortmanna2 Nitella opaca2 N. opaca2 P. amphibia1 P. berchtoldii2 R. confervoides2 R. confer-

voides2

S. scorpioides1 P. obtusi-folius1

S. angusti-folium2

S. angusti-folium2

U. intermedia2 U. intermedia2 2 Isoëtes lacu-

stris2 Lemna minor2

Juncus bulbo-sus2

Lemna trisulca2



31

Lobelia dort-manna2

P. compres-sus2

M. alterniflorum2 R. reptans2 S. angustifolium2 Utricularia mi-

nor2

3 C. cuspidata2 Chara aspera2 C. cuspidata2 P. friesii Chara hispida1 C. hamulata2 H. morus-

ranae2 C. hamulata2 Chara con-

traria2 Chara tomen-tosa1

Drepanocladus fluitans1

L. trisulca2 Chara setosa1

D. trichophyllus1 M. spicatum2 S. polyrrhiza2 Isoëtes lacu-

stris2 P. filiformis2 Stratiotes

aloides2

I. echinospora2 R. circinatus2 P. friesii2 Juncus bulbo-

sus2 Ricciocarpus natans2

Lobelia dort-manna2

Z. palustris2

Nitella opaca2 Scorpidium

scorpioides2

S. angusti-folium2

S. gramineum2 Subularia

aquatica2

U. intermedia2 1 Förekommer enbart i respektive klass av ekologisk status 2 Förekommer med ≥ 70 % men < 100 % i respektive klass av ekologisk status

5.4.7.2 MÄNSKLIG PÅVERKAN ELLER NATURLIGT

När statusklassificeringen resulterar i måttlig eller sämre status kan det vara nöd-vändigt att göra en bedömning om det beror på mänskligt orsakad övergödning eller att sjön är naturligt näringsrik. Det är dock inte särskilt vanligt att sjöar har höga näringshalter naturligt. För att bedöma detta kan man jämföra med resultatet för bedömningsgrunden för fosfor. Bedömningen kan ytterligare förbättras genom att titta på påverkan/belastningen på vattenförekomsten. Viktiga underlag här är källfördelningsdata, historiska data, etc. Underlag för detta tas fram i samband med karakteriseringen. Om bedömningen blir att sjön är naturligt näringsrik görs utifrån vattenmyndighetens expertbedömning en revidering av referensvärdet för den specifika vattenförkomsten. 5.4.7.3 ÖVRIGT

Trots ett heterogent datamaterial som är insamlat i olika syften, under olika decen-nier och till och med sekler och med varierande metodik mm., anses det föreslagna systemet kunna tillämpas i enlighet med EUs Ramdirektiv för vatten. Föreliggande utredning understryker dock det stora behovet av kompletterande inventeringar samt av en revidering av undersökningsmetoden för inventering av makrofyter. Det



32

föreslagna systemet bör verifieras med datamaterial som inte användes för den här redovisade bedömningen.

Datamaterialet för utvecklingen av makrofytbaserade bedömningsgrunder var kvalitativt, dvs. enbart förekomst noterades, inte täckningsgraden för respektive art. En sjö kan t.ex. visa flera tecken på eutrofieing men det förekommer ett litet be-stånd med styvt braxengräs (Isoëtes lacustris, indikerar näringsfattiga förhållanden) även om detta håller på att försvinna. Detta lilla bestånd kan då bidra till att trofiin-dexet för denna sjö visar på god ekologisk status. Trofiindexet i sin nuvarande form tar inte hänsyn till hur mycket som finns av en art (täckningsgrad, individer mm). För den framtida miljöövervakningen med hjälp av makrofyter rekommenderades dock en semikvantitativ inventering (Ecke, 2007)7.

5.4.8 Exempel

I Abiskojaure, Torne Lappmark, hittades följande makrofyter (utan helofyter): Alopecurus aequalis, Hippuris vulgaris, Myriophyllum alterniflorum, Nitella opa-ca, Ranunculus confervoides, Ranunculus peltatus, Ranunculus reptans och Spar-ganium angustifolium. Enligt tabell 5.12 och formeln för beräkning av trofiindex (TMI) är TMI för Abiskojaure 8,77. I nästa steg identifieras vilken typ som sjön tillhör, vilket framgår ur tabell 5.11. Abiskojaure tillhör typ 1. Nu identifieras sjö-arnas ekologiska status med hjälp av klassgränserna i tabell 5.13 nedan. Eftersom TMI är större än det kritiska värdet för klassgränsen H/G ekologisk status (8,68), så har Abiskojaure enligt de framtagna bedömningsgrunderna hög ekologisk status. Den ekologiska kvoten för Abisojaure är följaktligen (8,68 – 3)/(8,68 – 3) = 1,00. TMI för Abiskojaure är 8,68 och därför <0,1 trofienheter från klassgränsen hög/god (8,68). För expertbedömningen jämförs artlistan från Tabell 5.14 med artlistan från Abiskojaure. Tre arter i Abiskojaure kan förekomma i sjöar med både hög och god ekologisk status, nämligen Nitella opaca, Ranunculus confervoides och Sparganium angustifolium. Alopecurus aequalis är dock en art som förekom-mer i Abiskojaure och som är typisk för sjöar av enbart hög ekologisk status. Abis-kojaure klassas därför som en sjö av hög ekologisk status.

Bakgrundsrapport: Ecke, F. 2007. Kompletterande utredningar för revideringen av be-dömningsgrunder för makrofyter i sjöar.

5.5 Kiselalger i vattendrag




IPS Näringsämnen och organisk förorening

1 gång/år Sensommar/höst

%PT (stödparameter) organisk förorening 1 gång/år Sensommar/höst

7 Ecke, F. 2006. Vattenvegetation som indikator för vattenkvalitet och sjökaraktär - Baserad på föränd-ringar i vattenkemi och vegetation i svenska sjöar 1929-2005. Forskningsrapport 2006:15, Avdelning för tillämpad geologi, Luleå tekniska universitet.



33

TDI (stödparameter) Näringsämnen 1 gång/år Sensommar/höst ACID surhet 1 gång/år Sensommar/höst

5.5.1 Inledning

Påväxtalger spelar en viktig roll som primärproducenter, särskilt i rinnande vatten, och kiselalger är ofta den dominerande gruppen inom påväxtsamhället. Kiselalger är goda indikatorer på vattenkvaliteten och metoder för klassificering och bedöm-ning av vattendrag baserade på kiselalger används allmänt i Europa och andra delar av världen. 5.5.2 Parametrar som ingår i bedömningen

De bedömningsmallar som ges här grundas på två olika index: IPS (Indice de Polluo-sensibilité Spécifique) visar påverkan av näringsämnen och organisk förorening. Även stödparameterna %PT (indikerar organisk förorening) och TDI (indikerar eutrofiering) kan användas för att få en säkrare bedömning. Det är dock IPS som till hudsak skall användas för kalssificeringen. ACID visar på surheten. Surhetsindexet ska emellertid inte användas för att ändra den vattenkvalitetsklass, som tagits fram med hjälp av IPS. Surhetsindexet gruppe-rar endast vattendraget i en pH-regim och surheten kan vara naturlig. Bedömningarna med de två indexen fungerar i hela Sverige och referensvärde och klassgränser är de samma i hela landet. 5.5.3 Krav på underlagsdata

Bedömningen ska baseras på provtagningar och analyser enligt senaste versionen av Naturvårdsverkets undersökningstyp: Påväxt i rinnande vatten – kiselalgsanalys samt SS-EN 13946 (2003) Vattenundersökningar. Vägledning för provtagning och förbehandling av bentiska kiselalger i vattendrag och SS-EN 14407 (2005) Vatten-undersökningar. Vägledning för identifiering och utvärdering av prover av bentiska kiselalger från vattendrag. Ett prov per år, helst från sensommar/höst, är tillräckligt för att bedöma vattenkvaliteten. Det är viktigt att kiselalgsanalysen sker till artnivå samt att utföraren har goda artkunskaper och använder sig av adekvat taxonomisk litteratur (beskrivet i Naturvårdsverkets undersökningstyp: Påväxt i rinnande vatten – kiselalgsanalys), eftersom den största felkällan ligger i identifieringen av arter. Programvaran OMNIDIA tillhandahållen av CLCI (Catherine Lecointe Conseil Informatique) (http://perso.club-internet.fr/clci/tour_guide.htm) underlättar beräk-ningen av IPS, %PT, TDI och ACID.



34


IPS-indexet (Indice de Polluo-sensibilité Spécifique) beräknas som: IPS = Σ AjIjVj/ Σ AjVj

där Aj = den relativa abundansen i procent av taxon j Vj = indikatorvärdet hos taxon j (1-3, där ett högt värde betyder att ett taxon endast tål begränsade ekologiska variationer, dvs. är en stark indikator) Ij = föroreningskänsligheten hos taxon j (1-5, där höga värden visar en hög förore-ningskänslighet). Resultat erhållna enligt formeln ovan räknas om till skalan 1-20 enligt 4,75 * ur-sprungligt indexvärde – 3,75. Den ekologiska kvalitetskvoten (EK) beräknas enligt: EK = IPS-värde / referensvärde IPS-värdet och den ekologiska kvalitetskvoten jämförs med klassgränserna i tabell 5.15 för att få fram statusklassen. Som komplement till IPS-indexet föreslås beräkning av TDI, Trophic Diatom In-dex, och %PT, Pollution Tolerant valves, vilka visar på kiselalgers tolerans mot eutrofiering respektive organisk förorening. Dessa är dock bara som stöd och det är IPS som anger statusklassen. Klassgränser finns i tabell 5.16. Beräkning av indexet och stödparametrarna kan ske med hjälp av programvaran Omnidia (http://perso.club-internet.fr/clci/tour_guide.htm). Indikatorvärden och föroreningskänslighetsklassning för vanliga kiselalger i Sverige finns även i me-todbeskrivningen i Naturvårdsverkets undersökningstyp: Påväxt i rinnande vatten – kiselalgsanalys Surhetsindex ACID beräknas som: ACID = [log((ADMI/EUNO)+0,003))+2,5] + [log((circumneutrala+alkalifila+alkalibionta)/(acidobionta+acidofila))+0,003)+2,5] En täljare eller nämnare = 0 ersätts med 1, när relativa abundansen uttrycks som procent. I Omnidia anges den relativa abundansen av van Dams grupper i promille, varvid 0 ersätts med 10. Den första delen av indexet baseras på kvoten mellan den relativa abundansen av Achnanthidium minutissimum (ADMI) och släktet Eunotia (EUNO). Den andra delen av indexet tar hänsyn till alla kiselalger i provet och baseras på följande in-delning (van Dam et al. 1994), vilken även är angiven i programvaran Omnidia:



35

acidobiont huvudsakligen förekommande vid pH < 5,5 acidofil huvudsakligen förekommande vid pH < 7 circumneutral huvudsakligen förekommande vid pH-värden omkring 7 alkalifil huvudsakligen förekommande vid pH > 7 alkalibiont endast förekommande vid pH > 7 Beräkning av indexet kan ske med hjälp av programvaran Omnidia tillhandahållen av CLCI (Catherine Lecointe Conseil Informatique) (http://perso.club-internet.fr/clci/tour_guide.htm). Klassgränser mellan de olika surhetsklasserna finns i tabell 5.17. 5.5.5 Referensvärden och klassgränser

Tabell 5.15. Referensvärde samt klassgränser för IPS i alla svenska typer. Status IPS-värde EK-värde Referensvärde 19,6 1 Hög ≥17,5 ≥ 0,89 God ≥14,5 och <17,5 ≥0,74 och <0,89 Måttlig ≥11 och <14,5 ≥0,56 och <0,74 Otillfredstäl-lande

≥8 och <11 ≥0,41 och <0,56

Dålig <8 < 0,41 Metodbundet mått på osäkerhet: Felmarginal +/- 0,5 enhet om IPS > 13 Felmarginal +/- 1 enhet om IPS < 13

Tabell 5.16. Klassgränser för stödparametrarna %PT och TDI används för att ytterligar skilja mellan klasserna. Det är dock IPS som ger huvudbedömningen.

Status %PT TDI Referensvärde - - Hög < 10 < 40 God < 10 40-80 Måttlig < 20 40-80 Otillfredstäl-lande

20-40 > 80

Dålig > 40 > 80



36

Tabell 5.17. Bedömning av surhet i vattendrag med hjälp av kiselalger (surhetsindex ACID). Indelningen i fem surhetsklasser. Stegen mellan de olika klasserna baseras på tröskelvärden för några vanligt förekommande pH-känsliga kiselalger/-grupper. Klassgränsernas motsvarande pH-värde anges också.

Surhet Surhetsindex ACID pH (medelvärde av 12 månader före provtag-ning)

pH minimum

Alkaliskt ≥ 7,5 ≥ 7,3 - Nära neutralt 5,8-7,5 6,5-7,3 - Svagt surt 4,2-5,8 5,9-6,5 < 6,4 Måttligt surt 2,2-4,2 5,5-5,9 < 5,6 Surt < 2,2 < 5,5 < 4,8

Metodbundet mått på osäkerhet: Felmarginal på ± 10%

5.5.6 Kommentarer


För att göra en bra klassificering är det lämpligt att använda data från flera prov-tagningar. Med fler mätningar får man en säkrare bedömning och ett osäker-hetsintervall i form av en standardavvikelse kan beräknas för parametern i den aktuella vattenförekomsten. I de fall då bara data från ett år finns tillgängligt kan det fasta värdet för metodbunden osäkerhet för IPS eller ACID angiven i tabell 5.15 och 5.17 användas. Standardavvikelsen eller felmarginaeln ger ett mått på hur osäker bedömningen är. I de fall då ett osäkerhetsintervall kring den ekologiska kvalitetskvoten (EK) överlappar någon av klassgränserna mellan hög och god sta-tus eller god och måttlig status innebär detta att det beräknade EK-värdet ligger mycket nära en klassgräns. Detta föranleder att en rimlighetsbedömning ska göras, vilket finns beskrivet i kapitel 4.1.1. Se också kapitel 4.1.2 för mer vägledning kring hur man bör hantera osäkerhet . 5.5.6.2 MÄNSKLIG PÅVERKAN ELLER NATURLIGT

Om vattendraget klassas i någon av surhetsklasserna Måttligt surt eller surt skall det göras en bedömning om detta beror på mänskligt orsakad försurning eller att vattendraget är naturligt surt. En djupare analys bör göras med hjälp av de bedöm-ningsgrunder för försurning som finns i kap 5.11.2. Resultatet av den fysikalisk-kemiska statusklassificeringen bör vara styrande för vilken status och kvalitets-kravsnivå som skall fastställas. Analysen kan ytterligare förbättras genom att göra en bedömning av försurningspåverkan/belastningen. Viktiga underlag här är ex-empelvis depositionsdata och skogbrukets påverkan. Om bedömningen blir att vattendraget är naturligt surt görs en revidering av referensvärdet för den specifika vattenförkomsten. Det pH-värde som genom MAGIC-modellen (metod i de fysika-lisk-kemiska bedömningsgrunderna) anges som ursprungligt för vattendraget jäm-förs mot de pH –värden som korrelerar till surhetsklasserna för kiselalger (tabell 5.17). Den surhetsklass som motsvarar det ursprungliga pH-värdet anges till hög status. Klassen under som god status och så vidare.



37

När statusklassificeringen resulterar i måttlig eller sämre status för IPS kan det vara nödvändigt att göra en bedömning om det beror på mänskligt orsakad över-gödning eller att vattendraget är naturligt näringsrikt. Det är dock inte särskilt van-ligt att vattendrag har höga näringshalter naturligt. För att bedöma detta kan man jämföra med resultatet för bedömningsgrunden för fosfor. Bedömningen kan ytter-ligare förbättras genom att titta på påverkan/belastningen på vattenförekomsten. Viktiga underlag här är källfördelningsdata, historiska data etc. Underlag för detta tas fram i samband med karakteriseringen. Om bedömningen blir att vattendraget är naturligt näringsrikt görs utifrån vattenmyndighetens expertbedömning en revi-dering av referensvärdet för den specifika vattenförkomsten.

Bakgrundsrapport: Kahlert, M., Andrén, C. & Jarlman, A. 2007. Bakgrundsrapport för revideringen 2007 av bedömningsgrunder för Påväxt – kiselalger i vattendrag.

5.6 Bottenfauna i sjöar




ASPT Eutrofiering (litoral) 1 gång/år höst MILA Försurning/surhet (litoral) 1 gång/år höst BQI Eutrofiering (profundal) 1 gång/år höst

5.6.1 Inledning

Olika typer av påverkan som t ex eutrofiering och surhet/försurning medför en förskjutning i den taxonomiska sammansättningen hos bottenfauna (bottenlevande, ryggradslösa djur) i sjöar och vattendrag mot en större dominans av toleranta arter. Inom Europa finns en lång tradition av att använda bottenfauna som indikator för förändringar i vattenmiljön och många länder har utvecklat egna bottenfaunaindex. Ett index sammanväger information från flera indikatortaxa (eller arter) och för-enklar därigenom bedömningen. På senare år har utvecklingen tenderat att gå mot så kallade multimetriska index där information från flera olika ”enkla” index eller parametrar sammanvägs. Vart och ett av dessa ”enkla” index uppvisar en stark korrelation med en specifik påverkan och på så sätt kan ett multimetriskt index byggas upp av flera enkla index som var och en speglar olika aspekter av botten-faunasamhällena (t ex artrikedom, diversitet, funktion, tolerans mot föroreningar). Inom ramen för revideringen av bedömningsgrunder för bottenfauna har det ut-vecklats två multimetriska bottenfaunaindex för surhet/försurning, både för sjöar och för vattendrag (MILA respektive MISA) och dessutom har ett förhållandevis nytt multimetriskt index för eutrofieringspåverkan i vattendrag (DJ-index) kalibre-rats.



38


ASPT (Armitage m fl 1983)8 är ett index där olika familjer av bottenfaunaorga-nismer får poäng efter deras känslighet mot en miljöpåverkan och som integrerar påverkan från eutrofiering, förorening med syretärande ämnen och habitatförstö-rande påverkan som rätning/rensning (inklusive grumling). BQI (Wiederholm 1980)9 utnyttjar kunskapen om olika fjädermyggarters känslig-het mot låga syrgashalter och används för att mäta tillståndet i sjöars profundal. MILA (Johnson & Goedkoop 2007)10 är ett multimetriskt surhetsindex för sjöar som innehåller sex parametrar/index baserat på sjöars litoralfauna: relativ abundans (%) av Ephemeroptera (dagsländor), relativ abundans (%) av Diptera (tvåvingar), antal taxa av Gastropoda (snäckor), antal taxa av Ephemeroptera, AWIC-index (Acid Waters Indicator Community index; Davy-Bowker m fl 2005)11 samt relativ abundans (%) av predatorer. 5.6.3 Krav på underlagsdata

Tabell 5.18. Översikt över provtagningsmetoder och några viktiga detaljer som ska vara uppfyllda för att bedömningsgrunderna ska gälla fullt ut. Habitat Metod Provtagningsinsats* Maskstorlek

(mm) Antal prov Årstid

Exponerad litoral

SSEN-27828

60 s x 1 m 0,5 5 Höst

Profundal SS 028190 ** 0,5 5 Höst * avses sparktiden och sparksträckan, ** ej tidsbereonde

5.6.4 Typindelning

För klassificering av bottenfauna delas Sveriges sjöar in i tre typer. Typerna är baserade på Illies ekoregioner (figur 5.6). I tabell 5.19 visas hur dessa stämmer överens med de limniska ekoregionerna angivna i Naturvårdsverkets föreskrift om kartläggning och analys, NFS 2006:1.

8 Armitage, P.D., Moss, D. Wright, J.F. & M.T. Furse. 1983. The performance of a new biological water quality score system based on macroinvertebrates over a wide range of unpolluted running-waters. Water Research 17: 333–347. 9 Wiederholm, T. 1980. Use of zoobenthos in lake monitoring. Journal of the Water Pollution Control Federation 52: 537–547. 10 Johnson, R.K. och Goedkoop, W. 2007. Bedömningsgrunder för bottenfauna i sjöar och vattendrag – Användarmanual och bakgrundsdokument. Rapport 2007:4. 11 Davy-Bowker, J., J.F. Murphy, G.P. Rutt, J.E.C. Steel & M.T. Furse. 005. The development and testing of a macroinvertebrate biotic index for detecting the impact of acidity on streams. Arch Hydrobiol. 163: 383-403.



39

Figur 5.6. Illies ekoregioner, Centralslätten (14), Fennoskandiska skölden (22) och det Boreala höglandet (20).

Tabell 5.19 Typindelning för statusklassificering av bottenfauna i relation till ekoregionerna enligt föreskriften om kartläggning och analys, NFS 2006:1

Typer för botten-fauna

Ekoregion enligt NFS 2006:1

Illies Ekoregion 20

Ekoregion 1 och 2 (delvis)

Illies Ekoregion 22

Ekoregion 2 (delvis) och 3

Illies Ekoregion 14

Ekoregion 4, 5, 6 och 7


5.6.5.1 ANVISNINGAR FÖR BERÄKNING AV BOTTENFAUNAINDEX

Indexberäkningar kan lämpligen göras med programvaran ASTERICS, som är fritt tillgänglig på websidan http://www.aqem.de. Till programmet ASTERICS kan man ladda upp sina datafiler (i Excel- eller ASCII-format) om dessa innehåller provtagna taxa försedda med så kallade AQEM-koder (Shortcode, ID_ART eller TAXON_NAME). AQEM-koderna finns beskrivna i den engelska manualen (Ma-nual for AQEM European stream assessment program, version 2.3) och i de taxa-listor som hittas på samma websida som programmet. Utfilen från ASTERICS innehåller många olika index som används inom Europa. Några av dessa index är del av de nya svenska bedömningsgrunderna, medan andra kanske används i andra europeiska länder och kan t ex användas för beräkning av ytterligare multimetriska



40

index. Observera dock att ASTERICS också ger en klassificering av index enligt de gamla bedömningsgrunderna, men dessa ska alltså inte användas! ASPT (Average Score Per Taxon). I ASPT utnyttjas skillnader i tolerans hos olika familjer av bottenfaunaorganismer (samt ordningen Oligochaeta, glattmaskar). Familjer med hög känslighet bidrar med höga indikatorvärden, medan sådana med hög tolerans bidrar med låga indika-torvärden. Indexvärdet för ASPT är ett ”medelvärde per ingående taxa” och beräk-nas genom summering av indikatorvärden och division med antalet ingående taxa (familjer). Följande familjer har indikatorvärde 10: Aphelocheiridae, Beraeidae, Brachycentridae, Capniidae, Chloroperlidae, Ephemeridae, Ephemerellidae, Goeridae, Heptageniidae, Lepidostomatidae, Leptoceridae, Leptophlebiidae, Leuctridae, Molannidae, Odontoceridae, Perlidae, Perlodidae, Phryganeidae, Potamanthidae, Sericostomatidae. Siphlonuridae, Taeniopterygidae. Följande familjer har indikatorvärde 8: Aeshnidae, Astacidae, Agriidae, Cordulegasteridae, Corduliidae, Gomphidae, Lestidae, Libellulidae, Philopotamidae, Psychomyiidae. Följande familjer har indikatorvärde 7: Caenidae, Limnephilidae, Nemouridae, Polycentropodidae, Rhyacophilidae. Följande familjer har indikatorvärde 6: Ancylidae, Coenagriidae, Corophiiidae, Gammaridae, Hydroptilidae, Neritidae, Platycnemididae, Unionidae, Viviparidae. Följande familjer har indikatorvärde 5: Chrysomelidae, Clambidae, Corixidae, Curculionidae, Dendrocoelidae, Dryopidae, Dytiscidae, Elminthidae, Gerridae, Gyrinidae, Haliplidae, Heledidae, Hydrophilidae, Hydropsychidae, Hygrobiidae, Hydrometridae, Mesoveliidae, Naucoridae, Nepidae, Notonectidae, Planariidae, Pleidae, Simuliidae, Tipulidae. Följande familjer har indikatorvärde 4: Baetidae, Piscicolidae, Sialidae. Följande familjer har indikatorvärde 3:



41

Asellidae, , Erpobdellidae, Glossiphoniidae, Hirudidae, Hydrobiidae, Lymnaeidae, Planorbidae, Physidae, Sphaeriidae, Valvatidae. Följande familjer har indikatorvärde 2: Chironomidae. Följande ordning har indikatorvärde 1: Oligochaeta BQI (Benthic Quality Index) BQI utnyttjar kunskap om olika fjädermyggarters varierande tolerans mot låga syrgashalter i bottnarna. BQI beräknas utifrån förekomst och populationstäthet av olika indikatortaxa av fjädermygglarver i proverna. BQI beräknas som:

Där: ki = 5 för Heterotrissocladius subpilosus (Kieff.), ki = 4 för Paracladopelma sp., Micropsectra sp., Heterotanytarsus apicalis (Kieff.), Heterotrissocladius grimshawi (Edw.), Heterotrissocladius marcidus (Walker) och Heterotrissocladius maeaeri (Brundin) ki = 3 för Sergentia coracina (Zett.), Tanytarsus sp. och Stictochironomus sp., ki = 2 för Chironomus anthracinus (Zett.), ki = 1 för Chironomus plumosus L., ki = 0 om dessa indikatortaxa saknas i provet ni = antalet individer inom indikatorgrupp i N = det totala antalet individer i samtliga indikatorgrupper. MILA (Multimetric Index for Lake Acidification) Sex olika ”enkla” index bygger upp det multimetriska MILA-indexet för sur-het/försurning. Dessa är (1) relativ abundans (%) av Ephemeroptera (dagsländor), (2) relativ abundans (%) av Diptera (tvåvingar), (3) antal taxa av Gastropoda (snäckor), (4) antal taxa av Ephemeroptera, (5) värdet för det engelska AWIC-indexet, samt (6) relativ abundans (%) av predatorer i provet. Värden för fem av sex enkla index (AWIC undantaget) ska normaliseras så att var och en får ett värde mellan 0 och 10 enligt tabell 20.

Därefter summeras de normaliserade värdena och görs en omskalning. Omskal-ningen görs genom att dividera summan av normaliserade indexvärden med antalet



42

ingående ”enkla” index (ett medelvärde) och multiplicera detta medelvärde med 10 enligt: MILA = 10 * summa indexnorm/6 MILA får således ett värde som kan variera mellan 0 och 100.

Tabell 20. Normalisering av indexvärden (Indexnorm) för de sex ”enkla” index till värden mellan 0 och 10. MILA beräknas i nästa steg som ett medelvärde för dessa normaliserade index. ”ASTERICS benämning” hänvisar till programvaran på http://www.aqem.de.

Index

ASTERICS benämning Indexnorm=10 om index

Indexnorm=0 om index

Annars Indexnorm=

% Ephemeroptera (av total abundans)

-Ephemeroptera|%] >27 <0,05 | Ephemeroptera[%]− 0,05 || 27 − 0,05 |

*10

% Diptera (av total abundans)

-Diptera|%| <26 >86 | Diptera[%]− 86 || 26 − 86 |

*10

Gastropoda taxa

-Gastropoda >8 <0 | Gastropoda− 0 || 8 − 0 |

*10

Ephemeroptera taxa

-Ephemeroptera >6 <1 | Ephemeroptera−1 || 6 −1 |

*10

AWIC index

AWIC Index >5,4 <4,8 | AWICIndex − 4,8 || 5,4 − 4,8 |

*1

% Predatorer (av total abundans)

-|%| Predators <8,7 >19 | [%]Predators−19 ||19− 8,7 |

*10

MILA visar bottenfaunas respons på surhet. Från surhetsklassificering med MILA kan man inte avgöra om surheten är naturlig eller antropogent orsakad. 5.6.5.2 BERÄKNING AV EKOLOGISKA KVALITETSKVOTER

För samtliga index beräknas den ekologiska kvalitetskvoten (EK) enligt: EK = uppmätt indexvärde / referensvärde För att klassificera de olika indexen jämförs EK mot klassgränserna i tabell 5.21-5.23. 5.6.6 Referensvärden och klassgränser Tabell. 5.21. Påverkansbedömning med bottenfauna i Illies ekoregion 14, Centralslätten. Siffror-na anger referensvärden (”referens”), osäkerhet i klassificering, samt ekologiska kvalitetskvoter (EK) för klassificering. SD står för standard avvikelse. Se mer om osäkerhet under 5.6.7 Litoral Profundal Status ASPT BQI Referensvärde 5,85 2,68 Osäkerhet (SD av EK)

0,057 0,060

Hög ≥0,95 ≥0,75



43

God ≥0,70 och <0,95 ≥0,60 och <0,75 Måttlig ≥0,50 och <0,70 ≥0,40 och <0,60 Otillfredsställande ≥0,25 och <0,50 ≥0,20 och <0,40 Dålig < 0,25 < 0,20 Surhetsklass MILA ”Referensvärde” 77,5 Osäkerhet (SD av EK) 0,166 Nära neutralt ≥0,85 Svagt surt ≥0,50 och <0,85 Måttligt surt ≥0,35 och <0,50 Surt ≥0,15 och <0,35 Mycket surt <0,15

Tabell. 22. Påverkansbedömning med bottenfauna i Illies ekoregion 22, Fennoskandiska skölden. Siffrorna anger referensvärden (”referens”), osäkerhet i klassificering, samt ekologiska kvalitets-kvoter (EK) för klassificering. SD står för standard avvikelse. Se mer om osäkerhet under 5.6.7 Litoral Profundal Status ASPT BQI Referensvärde 5,80 3,00 Osäkerhet (SD av EK) 0,070 0,067 Hög ≥0,90 ≥0,90 God ≥0,70 och <0,90 ≥0,70 och <0,90 Måttlig ≥0,45 och <0,70 ≥0,45 och <0,70 Otillfredsställande ≥0,25 och <0,45 ≥0,25 och <0,45 Dålig < 0,25 < 0,25 Surhetsklass MILA ”Referensvärde” 49,4 Osäkerhet (SD av EK) 0,202 Nära neutralt ≥0,85 Svagt surt ≥0,60 och <0,85 Måttligt surt ≥0,40 och <0,60 Surt ≥0,20 och <0,40 Mycket surt < 0,20

Tabell. 23. påverkansbedömning med bottenfauna i Illies ekoregion 20, Boreala höglandet). Siffrorna anger referensvärden (”referens”), osäkerhet i klassificering, samt ekologiska kvalitets-kvoter (EK) för klassificering. SD står för standard avvikelse. Se mer om osäkerhet under 5.6.7 Litoral Profundal Status ASPT BQI Referensvärde 5,60 3,25 Osäkerhet (SD av EK)

0,130 0.01

Hög ≥0,60 ≥0,95 God ≥0,45 och <0,60 ≥0,70 och <0,95 Måttlig ≥0,30 och <0,45 ≥0,50 och <0,70 Otillfredsställande ≥0,15 och <0,30 ≥0,25 och <0,50 Dålig < 0,15 < 0,25



44

Surhetsklass MILA ”Referensvärde” 41,7 Osäkerhet (SD av EK)

0,130

Nära neutralt ≥0,60 Svagt surt ≥0,45 och <0,60 Måttligt surt ≥0,30 och <0,45 Surt ≥0,15 och <0,30 Mycket surt <0,15

5.6.7 Kommentarer


För att göra en bra klassificering är det lämpligt att använda ett medelvärde av flera mätningar, vilket ger en säkrare bedömning och gör att ett osäkerhetsintervall i form av en standardavvikelse kan beräknas för parametern i den aktuella vattenfö-rekomsten. I de fall då bara ett provtagningsvärde finns tillgängligt kan det fasta värdet för metodbunden osäkerhet (standardavvikelsen) för respektive parameter och typ angiven i tabell 5.21-5.23 användas. Standardavvikelsen ger ett mått på hur osäker bedömningen är. I de fall då ett osäkerhetsintervall kring den ekologiska kvalitetskvoten (EK) överlappar någon av klassgränserna mellan hög och god sta-tus eller god och måttlig status innebär detta att det beräknade EK-värdet ligger mycket nära en klassgräns. Detta föranleder att en rimlighetsbedömning ska göras, vilket finns beskrivet i kapitel 4.1.1. Se också kapitel 4.1.2 för mer vägledning kring hur man bör hantera osäkerhet . 5.6.7.2 MÄNSKLIG PÅVERKAN ELLER NATURLIGT

Om sjön klassas i någon av surhetsklasserna måttligt surt, surt eller mycket surt med MILA skall det göras en bedömning om detta beror på mänskligt orsakad försurning eller att sjön är naturligt sur. En djupare analys bör göras med hjälp av de bedömningsgrunder för försurning som finns i kap 5.10.2. Resultatet av den fysikalisk-kemiska statusklassificeringen bör vara vägledande för vilken status och kvalitetskravsnivå som skall fastställas. Analysen kan ytterligare förbättras genom att en bedömning görs av försurningens påverkan eller belastning. Viktiga under-lag här är t ex skogbrukets påverkan. Dessutom kan depositionsdata vara använd-bar om analyser av större områden ska göras. Om bedömningen blir att sjön till någon del är naturligt sur görs en revidering av referensvärdet för den specifika vattenförkomsten. Det pH-värde som genom MAGIC-modellen (metod i de fysika-lisk-kemiska bedömningsgrunderna) anges som ursprungligt för sjön korreleras med hjälp av linjens ekvation i figur 5.7 till ett nytt referensvärde för MILA. Det uppmätta värdet för MILA delas med det nya referensvärdet och jämförs mot klassgränserna i tabell 5.21-5.23. Surhetsklasserna översätts till statusklasser enligt följande:

Nära neutralt – Hög status



45

Svagt surt – God status Måttligt surt – Måttlig status Surt – Otillfredställande status Mycket surt – Dålig status

Figur 5.7. Korrelation mellan medel-pH och indexvärden för MILA. Boreala höglandet (blå), Fen-noskandiska skölden (grön) och (c) Centralslätten (röd). Kryss = referens. MILA index = -111 + 25,7 Medel pH.

När statusklassificeringen resulterar i måttlig eller sämre status och detta indikeras av de parametrar som visar på näringsrikedom/övergödning kan det vara nödvän-digt att göra en bedömning om det beror på mänskligt orsakad övergödning eller att sjön är naturligt näringsrik. Det är dock inte särskilt vanligt att sjöar har höga när-ingshalter naturligt. För att bedöma detta kan man jämföra med resultatet för be-dömningsgrunden för fosfor. Bedömningen kan ytterligare förbättras genom att titta på påverkan/belastningen på vattenförekomsten. Viktiga underlag här är käll-fördelningsdata, historiska data, etc. Underlag för detta tas fram i samband med karakteriseringen. Om bedömningen blir att sjön är naturligt näringsrik görs utifrån vattenmyndighetens expertbedömning en revidering av referensvärdet för den spe-cifika vattenförkomsten. 5.6.7.3 ÖVRIGT

Bedömningsgrunder för bottenfauna är baserade på data framtagna med sparkme-toden, höstprovtagning, sortering av hela provet (ingen subsampling!), samt till-lämpning av den operativa taxonomiska listan på 517 taxa (se bakgrundsdokumen-tet). En förutsättning för tillämpning av bedömningsgrunderna är därför att dessa fyra kriterier uppfylls. Avvikelser kan en felaktig bild av miljökvaliteten.

BQI-indexet kräver taxonomisk specialkompetens för de 8 arter och 4 släkten av fjädermyggor som ingår. En annan nackdel är att abundanser för syrgaskrävande arter (t.ex. Heterotrissocladius-arter) kan vara låga, vilket skapar en viss risk att



46

dessa indikatortaxa inte kommer med i ett standardiserat prov som omfattar 5 Ek-manhugg.

I de fall då klassningen för ASPT är bättre än den för BQI kan det bero på att sjön har strandhabitat som håller bra status även om sjön har tex höga fosforhalter och syrgasfria djupbottnar. Det är inte heller ovanligt att bruna, relativt näringsfat-tiga och inte allt för stora skogssjöar har surgasbrist i bottenvattnet, särskillt på sommaren. Anledningen till det är att de ligger relativt välskyddade i skogsland-skapet och att perioderna av cirkulation (och syresättning) är korta.

Bakgrundsrapport: Johnson, R.K. och Goedkoop, W. 2007. Bedömningsgrunder för bottenfauna i sjöar och vattendrag – Användarmanual och bakgrundsdokument. Rap-port 2007:4.

5.7 Bottenfauna i vattendrag




ASPT Ekologisk kvalitet 1 gång/år höst DJ-index Eutrofiering 1 gång/år höst MISA Försurning/surhet 1 gång/år höst

5.7.1 Inledning

Olika typer av påverkan som t ex eutrofiering och surhet/försurning medför en förskjutning i den taxonomiska sammansättningen hos bottenfauna (bottenlevande, ryggradslösa djur) i sjöar och vattendrag mot en större dominans av toleranta arter. Inom Europa finns en lång tradition av att använda bottenfauna som indikator för förändringar i vattenmiljön och många länder har utvecklat egna bottenfaunaindex. Ett index sammanväger information från flera indikatortaxa (eller arter) och för-enklar därigenom bedömningen. På senare år har utvecklingen tenderat att gå mot så kallade multimetriska index där information från flera olika ”enkla” index eller parametrar sammanvägs. Vart och ett av dessa ”enkla” index uppvisar en stark korrelation med en specifik påverkan och på så sätt kan ett multimetriskt index byggas upp av flera enkla index som var och en speglar olika aspekter av botten-faunasamhällena (t ex artrikedom, diversitet, funktion, tolerans mot föroreningar). Inom ramen för revideringen av bedömningsgrunder för bottenfauna har det ut-vecklats två multimetriska bottenfaunaindex för surhet/försurning, både för sjöar och för vattendrag (MILA respektive MISA) och dessutom har ett förhållandevis nytt multimetriskt index för eutrofieringspåverkan i vattendrag (DJ-index) kalibre-rats.



47


ASPT (Armitage m fl 1983)12 är ett index där olika familjer av bottenfaunaorga-nismer får poäng efter deras känslighet mot en miljöpåverkan och som integrerar påverkan från eutrofiering, förorening med syretärande ämnen och habitatförstö-rande påverkan som rätning/rensning (inklusive grumling). DJ-index (Dahl & Johnson 2005)13 är ett multimetriskt index för att påvisa eutro-fiering med fem ingående parametrar/index: antal taxa av EPT (Ephemeroptera, Plecoptera och Trichoptera), relativ abundans av Crustacea och EPT-taxa (%), ASPT och Saprobie-index (Zelinka och Marvan 1961)14. MISA (Johnson & Goedkoop 2005)15 är ett multimetriskt surhetsindex för vatten-drag, innehållande sex parametrar/index: antal familjer, antal taxa av Gastropoda (snäckor), antal taxa av Ephemeroptera (dagsländor), kvoten mellan den relativa abundansen (%) av Ephemeroptera och den relativa abundansen (%) av Plecoptera (bäcksländor), AWIC-index (Acid Waters Indicator Community index; Davy-Bowker m fl 2005)16 samt den relativa abundansen (%) av sönderdelare (shred-ders). 5.7.3 Krav på underlagsdata

Tabell 5.24. Översikt över provtagningsmetoder och några viktiga detaljer som ska vara uppfyllda för att bedömningsgrunderna ska gälla fullt ut. Habitat Metod Provtagningsinsats* Maskstorlek

(mm) Antal prov Årstid

Strömsträckor SSEN-27828

20 s x 1 m 0,5 5 Höst

* avses sparktiden och sparksträcka

5.7.4 Typindelning

För statusbedömning av bottenfauna delas Sveriges vattendrag in i tre typer. Ty-perna är baserade på Illies ekoregioner (figur 5.8). I tabell 5.25 visas hur dessa stämmer överens med de limniska ekoregionerna angivna i Naturvårdsverkets före-skrift om kartläggning och analys, NFS 2006:1.

12 Armitage, P.D., Moss, D. Wright, J.F. & M.T. Furse. 1983. The performance of a new biological water quality score system based on macroinvertebrates over a wide range of unpolluted running-waters. Water Research 17: 333–347. 13 Dahl, J. & R.K. Johnson. 2004. A multimetric macroinvertebrate index for detecting organic pollution of streams in southern Sweden. Archiv für Hydrobiologie, 160: 487-513. 14 Zelinka, M & P. Marvan. 1961. Zur präzisierung der biologischen klassifikation der reinheit fließender gewässer. - Arch. Hydrobiol. 57:389-407. 15 Johnson, R.K. och Goedkoop, W. 2007. Bedömningsgrunder för bottenfauna i sjöar och vattendrag – Användarmanual och bakgrundsdokument. Rapport 2007:4. 16 Davy-Bowker, J., J.F. Murphy, G.P. Rutt, J.E.C. Steel & M.T. Furse. 005. The development and testing of a macroinvertebrate biotic index for detecting the impact of acidity on streams. Arch Hydrobiol. 163: 383-403.



48

Figur 5.8. Illies ekoregioner, Centralslätten (14), Fennoskandiska skölden (22) och det Boreala höglandet (20).

Tabell 5.25 Tydindelning för statusklassificering av bottenfauna i relation till ekoregionerna enligt föreskriften om kartläggning och analys, NFS 2006:1

Typer för botten-fauna

Ekoregion enligt NFS 2006:1

Illies Ekoregion 20

Ekoregion 1 och 2 (delvis)

Illies Ekoregion 22

Ekoregion 2 (delvis) och 3

Illies Ekoregion 14

Ekoregion 4, 5, 6 och 7


Anvisningar för beräkning av bottenfaunaindex Indexberäkningar kan lämpligen göras med programvaran ASTERICS, som är fritt tillgänglig på websidan http://www.aqem.de. Till programmet ASTERICS kan man ladda upp sina datafiler (i Excel- eller ASCII-format) om dessa innehåller provtagna taxa försedda med så kallade AQEM-koder (Shortcode, ID_ART eller TAXON_NAME). AQEM-koderna finns beskrivna i den engelska manualen (Ma-nual for AQEM European stream assessment program, version 2.3) och i de taxa-listor som hittas på samma websida som programmet. Utfilen från ASTERICS innehåller många olika index som används inom Europa. Några av dessa index är del av de nya svenska bedömningsgrunderna, medan andra kanske används i andra europeiska länder och kan t ex användas för beräkning av ytterligare multimetriska



49

index. Observera dock att ASTERICS också ger en klassificering av index enligt de gamla bedömningsgrunderna, men dessa ska alltså inte användas! ASPT (Average Score Per Taxon). I ASPT utnyttjas skillnader i tolerans hos olika familjer av bottenfaunaorganismer (samt ordningen Oligochaeta, glattmaskar). Familjer med hög känslighet bidrar med höga indikatorvärden, medan sådana med hög tolerans bidrar med låga indika-torvärden. Indexvärdet för ASPT är ett ”medelvärde per ingående taxa” och beräk-nas genom summering av indikatorvärden och division med antalet ingående taxa (familjer). Följande familjer har indikatorvärde 10: Aphelocheiridae, Beraeidae, Brachycentridae, Capniidae, Chloroperlidae, Ephemeridae, Ephemerellidae, Goeridae, Heptageniidae, Lepidostomatidae, Leptoceridae, Leptophlebiidae, Leuctridae, Molannidae, Odontoceridae, Perlidae, Perlodidae, Phryganeidae, Potamanthidae, Sericostomatidae. Siphlonuridae, Taeniopterygidae. Följande familjer har indikatorvärde 8: Aeshnidae, Astacidae, Agriidae, Cordulegasteridae, Corduliidae, Gomphidae, Lestidae, Libellulidae, Philopotamidae, Psychomyiidae. Följande familjer har indikatorvärde 7: Caenidae, Limnephilidae, Nemouridae, Polycentropodidae, Rhyacophilidae. Följande familjer har indikatorvärde 6: Ancylidae, Coenagriidae, Corophiiidae, Gammaridae, Hydroptilidae, Neritidae, Platycnemididae, Unionidae, Viviparidae. Följande familjer har indikatorvärde 5: Chrysomelidae, Clambidae, Corixidae, Curculionidae, Dendrocoelidae, Dryopidae, Dytiscidae, Elminthidae, Gerridae, Gyrinidae, Haliplidae, Heledidae, Hydrophilidae, Hydropsychidae, Hygrobiidae, Hydrometridae, Mesoveliidae, Naucoridae, Nepidae, Notonectidae, Planariidae, Pleidae, Simuliidae, Tipulidae. Följande familjer har indikatorvärde 4: Baetidae, Piscicolidae, Sialidae. Följande familjer har indikatorvärde 3:



50

Asellidae, , Erpobdellidae, Glossiphoniidae, Hirudidae, Hydrobiidae, Lymnaeidae, Planorbidae, Physidae, Sphaeriidae, Valvatidae. Följande familjer har indikatorvärde 2: Chironomidae. Följande ordning har indikatorvärde 1: Oligochaeta DJ-index Det multimetriska DJ-indexet (Dahl & Johnson 2005) för eutrofiering byggs upp av fem olika ”enkla” index. Dessa är (1) antal taxa av Ephemeroptera, Plecoptera och Trichoptera (dag-, bäck- och nattsländor), (2) den relativa abundansen (%) av Crustacea (kräftdjur), (3) den relativa abundansen (%) av Ephemeroptera, Plecop-tera och Trichoptera (dag-, bäck- och nattsländor), (4) ASPT, samt (5) Saprobie-indexet enligt Zelinka och Marvan (1961). Värden för dessa fem enkla index ska normaliseras så att var och en får ett värde 1, 2 och 3 enligt kriterierna i tabell 5.26. Tabell 5.26. Kriterier för normalisering av enkla indexvärden för till värdet 1, 2 eller 3 för beräkning av DJ-indexet.

Index / parameter Kriterier

Antal EPT-taxa ≤ 5 5 – 12 > 12

% Crustacea ≥ 22,2 0,5 – 22.2 ≤ 0,5

% EPT-taxa ≤ 10,4 10,4 – 52,1 ≥ 52,1

ASPT ≤ 5 5 – 6,3 ≥ 6,3

Saprobie-index ≥ 2,5 1,9 – 2,5 ≤ 1,9

▼ ▼ ▼ Indexnorm 1 2 3

DJ-indexet beräknas genom summering av de normaliserade värdena och kan anta ett minimumvärde på 5 och ett maximumvärde på 15. MISA (Multimetric Index for Stream Acidification) Det multimetriska MISA indexet för surhet/försurning byggs upp av sex olika ”enkla” index. Dessa är (1) antalet familjer, (2) antalet taxa av Gastropoda (snäck-or), (3) antalet taxa av Ephemeroptera (dagsländor), (4) kvoten mellan den relativa abundansen av Ephemeroptera och Plecoptera (dagsländor respektive bäcksländor), (5) värdet för det engelska AWIC-indexet samt (6) den relativa abundansen (%) av sönderdelare (shredders) i provet. Värden för fem av sex enkla index (AWIC un-dantaget) ska normaliseras så att var och en får ett värde mellan 0 och 10 enligt anvisningarna i tabell 5.27.

Därefter summeras de normaliserade värdena och görs en omskalning. Omskal-ningen görs genom att dividera summan av normaliserade indexvärden med antalet



51

ingående ”enkla” index (ett medelvärde) och multiplicera detta medelvärde med 10 enligt: MISA = 10 * summa indexnorm/6 MISA får således ett värde som kan variera mellan 0 och 100.

Tabell 5.27. Normalisering av indexvärden (Indexnorm) för de 6 ”enkla” till värden mellan 0 och 10. MISA beräknas i nästa steg som ett medelvärde för dessa normaliserade index. ”ASTERICS benämning” hänvisar till programvaran på http://www.aqem.de.

Index

ASTERICS benämning



Annars Indexnorm=

Antal familjer

Number of Families >43 <21 | NumberofFamilies− 21 || 43− 21 |

*10

Gastropoda (antal taxa)

- Gastropoda >3 <0 | Gastropoda − 0 || 3− 0 |

*10

Ephemeroptera (antal taxa)

- Ephemeroptera >16 <3 | Ephemeropteraa − 3 ||16 − 3 |

*10

Ephemeroptera/Plecoptera

(%abundans)

- Ephemeroptera [%] och

- Plecoptera |%]

>10 <0 | Ephemeroptera[%]

Plecoptera[%]− 0 |

| 7 − 0 |*10

AWIC index

AWIC Index >4,6 <3,8 1*

|8,36,4||8,3|

−−AWICIndex

0

% ”Shredders”

- |%|Shredders <14 >1,4 | [%]Shredders−14 ||14 −1,4 |

*10

MISA visar bottenfaunas respons på surhet. Från surhetsklassificering med MISA kan man inte avgöra om surheten är naturlig eller antropogent orsakad. 5.7.5.1 BERÄKNING AV EKOLOGISKA KVALITETSKVOTER

För samtliga index beräknas den ekologiska kvalitetskvoten (EK) enligt: EK = uppmätt indexvärde / referensvärde För att klassificera de olika indexen jämförs EK mot klassgränserna i tabell 5.28-5.30. 5.7.6 Referensvärden och klassgränser Tabell. 5.28. Vattendrag – påverkansbedömning med bottenfauna i Illies ekoregion 14, Central-slätten. Siffrorna anger referensvärden (”referens”), osäkerhet (SD av EK), samt ekologiska kvali-tetskvoter (EK). SD står för standard avvikelse. Se mer om osäkerhet under 5.7.7. Ekologisk status ASPT DJ-index Referensvärde 5,37 10 Osäkerhet (SD av EK) 0,075 0,118 Hög ≥0,90 ≥0,90



52

God ≥0,70 och <0,90 ≥0,70 och <0,90 Måttlig ≥0,45 och <0,70 ≥0,45 och <0,70 Otillfredsställande ≥0,25 och <0,45 ≥0,25 och <0,45 Dålig < 0,25 < 0,25 Surhetsklass MISA ”Referensvärde” 47,5 Osäkerhet (SD av EK) 0,135 Nära neutralt ≥0,55 Svagt surt ≥0,40 och <0,55 Måttligt surt ≥0,25 och <0,40 Surt ≥0,15 och <0,25 Mycket surt ≤ 0,15

Tabell. 5.29. Statusbedömning av bottenfauna i vattendrag i Illies ekoregion 22, Fennoskandiska skölden. Siffrorna anger referensvärden (”referens”), osäkerhet (SD av EK), samt ekologiska kvalitetskvoter (EK). SD står för standard avvikelse. Se mer om osäkerhet under 5.7.7. Ekologisk status ASPT DJ-index Referensvärde 6,53 14 Osäkerhet (SD av EK) 0,045 0,049 Hög ≥0,90 ≥0,90 God ≥0,70 och <0,90 ≥0,70 och <0,90 Måttlig ≥0,45 och <0,70 ≥0,45 och <0,70 Otillfredsställande ≥0,25 och <0,45 ≥0,25 och <0,45 Dålig < 0,25 < 0,25 Surhetsklass MISA ”Referensvärde” 47,5 Osäkerhet (SD av EK) 0,135 Nära neutralt ≥0,55 Svagt surt ≥0,40 och <0,55 Måttligt surt ≥0,25 och <0,40 Surt ≥0,15 och <0,25 Mycket surt ≤ 0,15 Tabell. 5.30. Statusbedömning av bottenfauna i vattendrag i Illies ekoregion 20, Boreala höglandet). Siffrorna anger referensvärden (”referens”), osäkerhet (SD av EK), samt ekologiska kvalitetskvoter (EK). SD står för standard avvikelse. Se mer om osäkerhet under 5.7.7. Ekologisk status ASPT DJ-index Referensvärde 6,67 14 Osäkerhet (SD av EK) 0,027 0,039 Hög ≥0,90 ≥0,90 God ≥0,70 och <0,90 ≥0,70 och <0,90 Måttlig ≥0,45 och <0,70 ≥0,45 och <0,70 Otillfredsställande ≥0,25 och <0,45 ≥0,25 och <0,45 Dålig < 0,25 < 0,25 Surhetsklass MISA ”Referensvärde” 47,5



53

Osäkerhet (SD av EK) 0,135 Nära neutralt ≥0,55 Svagt surt ≥0,40 och <0,55 Måttligt surt ≥0,25 och <0,40 Surt ≥0,15 och <0,25 Mycket surt ≤ 0,15

5.7.7 Kommentarer


För att göra en bra klassificering är det lämpligt att använda ett medelvärde av flera mätningar, vilket ger en säkrare bedömning och gör att ett osäkerhetsintervall i form av en standardavvikelse kan beräknas för parametern i den aktuella vattenfö-rekomsten. I de fall då bara ett provtagningsvärde finns tillgängligt kan det fasta värdet för metodbunden osäkerhet (standardavvikelsen) för respektive parameter och typ angiven i tabell 5.28-5.30 användas. Standardavvikelsen ger ett mått på hur osäker bedömningen är. I de fall då ett osäkerhetsintervall kring den ekologiska kvalitetskvoten (EK) överlappar någon av klassgränserna mellan hög och god sta-tus eller god och måttlig status innebär detta att det beräknade EK-värdet ligger mycket nära en klassgräns. Detta föranleder att en rimlighetsbedömning ska göras, vilket finns beskrivet i kapitel 4.1.1. Se också kapitel 4.1.2 för mer vägledning kring hur man bör hantera osäkerhet . 5.7.7.2 SAMMANVÄGNING AV PARAMETRAR/INDEX

ASPT visar på allmän ekologisk kvalitet, DJ-index är specifikt för eutrofiering och MISA visar på surhetspåverkan. För att bedöma den sammanvägda statusen för kvalitetsfaktorn bottenfauna används det index som har fått sämst statusklass ge-nom den så kallade ”one-out-all-out”-principen. 5.7.7.3 MÄNSKLIG PÅVERKAN ELLER NATURLIGT

Om vattendraget klassas i någon av surhetsklasserna måttligt surt, surt eller mycket surt med MISA skall det göras en bedömning om detta beror på mänskligt orsakad försurning eller att vattendraget är naturligt surt. En djupare analys bör göras med hjälp av de bedömningsgrunder för försurning som finns i kap 5.11.2. Resultatet av den fysikalisk-kemiska statusklassificeringen bör vara vägledande för vilken status och kvalitetskravsnivå som skall fastställas. Analysen kan ytterligare förbättras genom att en bedömning görs av försurningens påverkan eller belastning. Viktiga underlag här är t ex skogbrukets påverkan. Dessutom kan depositionsdata vara användbar om analyser av större områden ska göras. Om bedömningen blir att vattendraget till någon del är naturligt surt görs en revidering av referensvärdet för den specifika vattenförkomsten. Det pH-värde som genom MAGIC-modellen (me-tod i de fysikalisk-kemiska bedömningsgrunderna) anges som ursprungligt för vattendraget korreleras med hjälp av linjens ekvation i figur 5.9 till ett nytt refe-rensvärde för MISA. Det uppmätta värdet för MISA delas med det nya referens-



54

värdet och jämförs mot klassgränserna i tabell 5.28-5.30. Surhetsklasserna över-sätts till statusklasser enligt följande:

Nära neutralt – Hög status Svagt surt – God status Måttligt surt – Måttlig status Surt – Otillfredställande status Mycket surt – Dålig status

Figur 5.9 Korrelation mellan medel-pH och indexvärden för MISA. Boreala höglandet (blå), Fen-noskandiska skölden (grön) och (c) Centralslätten (röd). Kryss = referens. MISA index = -94.4 + 21.8 Medel pH.

När statusklassificeringen resulterar i måttlig eller sämre status och detta indikeras av de parametrar som visar på näringsrikedom/övergödning kan det vara nödvän-digt att göra en bedömning om det beror på mänskligt orsakad övergödning eller att vattendraget är naturligt näringsrikt. Det är dock inte särskilt vanligt att vattendrag har höga näringshalter naturligt. För att bedöma detta kan man jämföra med resul-tatet för bedömningsgrunden för fosfor. Bedömningen kan ytterligare förbättras genom att titta på påverkan/belastningen på vattenförekomsten. Viktiga underlag här är källfördelningsdata, historiska data etc. Underlag för detta tas fram i sam-band med karakteriseringen. Om bedömningen blir att vattendraget är naturligt näringsrikt görs utifrån vattenmyndighetens expertbedömning en revidering av referensvärdet för den specifika vattenförkomsten. 5.8 Fisk i sjöar




EQR8 Generell påverkan Minst en gång Juli - augusti



55

5.8.1 Inledning

Regionala processer såsom historiska händelser, artbildning och invandring, avgör vilka arter som finns i en region, medan lokala processer avgör vilka som kan eta-blera sig och leva tillsammans på en given plats. För att särskilja effekter av mänsklig påverkan (t.ex. försurning och eutrofiering) behöver man veta hur olika mått på fisksamhällets struktur också beror på naturgivna förutsättningar. Geogra-fiskt läge, sjöns storlek djup och form, pH och näringstillstånd är några av de natur-liga variabler som bestämmer förutsättningarna för fiskförekomsten i sjöar.

Renodlade fiskindex är ofta så kallade multimetriska index för biologisk integ-ritet. Syftet är att få ett mått på ekosystemets förmåga att upprätthålla ett balanse-rat, integrerat och anpassat organismsamhälle med en artsammansättning, diversitet och funktionell organisation som är typisk för naturliga habitat i regionen. Ett sammansatt index skapas via indikatorer på flera olika egenskaper hos individer, populationer och samhällen. Oavsett vilka indikatorer man mäter, så är en förut-sättning att man vet vilka intervall av mätvärden som förväntas i relativt opåverka-de vatten med hög integritet eller ekologisk status. 5.8.2 Parametrar som ingår i bedömningen

EQR8 utgår från observerade värden i åtta parametrar (indikatorer), varav alla primärt beräknas ur fångsten i ett standardiserat fiske med bottensatta nät. Om ytterligare någon art fångas i pelagiska nät, räknas den dock med i antal inhemska arter. Flera av indikatorerna förutsätter att man särskiljer inhemska arter eller arter inom familjen karpfiskar. De åtta indikatorerna är;

1. Antal inhemska fiskarter 2. Simpson’s Dn (diversitetsindex baserat på antal individer) 3. Simpson’s Dw (diversitetsindex baserat på biomassa) 4. Relativ biomassa av inhemska fiskarter 5. Relativt antal av inhemska arter 6. Medelvikt i totala fångsten 7. Andel potentiellt fiskätande abborrfiskar (baserad på biomassa i totala

fångsten) 8. Kvot abborre / karpfiskar (baserad på biomassa)

5.8.3 Krav på underlagsdata

1) Sjön ska ha naturliga förutsättningar att hysa fisk, ett antagande som kan grun-das på historiska data eller expertbedömning utifrån kännedom om förhållanden i liknande sjöar. 2) Data från ett standardiserat provfiske med Nordiska översiktsnät enligt standard SS-EN 14 757 och Naturvårdsverkets Undersökningstyp: Provfiske i sjöar. 3) Befintliga uppgifter om sjöns altitud, sjöarea, maxdjup, årsmedelvärde i lufttem-peratur, och sjöns belägenhet i förhållande till högsta kustlinjen. 5.8.4 Klassificering av status



56

Sötvattenslaboratoriet kommer att kunna göra beräkningarna för alla standardisera-de provfiskedata, förutsatt att resultaten levereras digitalt till det nationella registret över sjöprovfisken (NORS). 5.8.4.1 PROCEDUR FRÅN OBSERVERADE INDIKATORVÄRDEN TILL

SAMMANVÄGT FISKINDEX

Steg 1) Beräkning av omgivningsfaktorer: 1. sjöns altitud (m över havet) 2. sjöarea (ha) 3. maxdjup (m) 4. årsmedelvärde i lufttemperatur (°C) 5. sjöns belägenhet i förhållande till högsta kustlinjen (0 = under, 1 = över)

Altituden transformeras med log10(x+1), och för sjöarea och maxdjup används log10(x). Steg 2) Beräkning av referensvärden: Använd linjära regressionsmodeller, Y = a + b1 * X1 + … + bn * Xn Där a är intercept och b1 - bn är regressionskoefficienter för omgivningsfaktorer (X1 – Xn) enligt Tabell 5.31. Steg 3) Transformering av en del observerade indikatorvärden: Indikatorerna 4-5 transformeras med log10(x+1) och för indikatorerna 6 och 8 an-vänds log10(x).

1. Antal inhemska fiskarter (tabell 5.32) 2. Simpson’s Dn (diversitetsindex baserat på antal individer) beräknas som 1

/ (Σ Pi 2), där Pi = numerär andel av art i, och summeringen görs över samt-liga arter i fångsten.

3. Simpson’s Dw (diversitetsindex baserat på biomassa): beräknas som 1 / (Σ Pi 2), där Pi = viktsandel av art i, och summeringen görs över samtliga arter i fångsten.

4. Relativ biomassa av inhemska fiskarter: total vikt (g) av alla inhemska arter, dividerat med antal nät.

5. Relativt antal av inhemska arter: totalt antal individer av alla inhemska arter, dividerat med antal nät.

6. Medelvikt i totala fångsten: alla arter tas med, och deras totala vikt (g) divideras med totalt antal individer.

7. Andel potentiellt fiskätande abborrfiskar (baserad på biomassa i totala fångsten): Andelen potentiellt fiskätande abborre antas öka linjärt från 0 vid upp till 120 mm längd till 1 vid över 180 mm. Vid längder däremellan beräknas andelen som 1 – ((180 – längd) / 60). Individvikterna hos abborre uppskattas som vikt (g) = a * längd (mm) b, där a = 3,377 * 10-6, och b = 3,205. Varje uppskattad individvikt multipliceras sedan med den längdbe-



57

roende andelen fiskätande enligt ovan. Summan av produkterna blir bio-massan av fiskätande abborre, som sedan adderas till eventuell biomassa av gös. Slutligen divideras den totala summan av fiskätande abborrfiskar med den totala biomassan av alla arter i fångsten.

8. Kvot abborre / karpfiskar (baserad på biomassa): total vikt av abborre dividerat med total vikt av alla förekommande karpfiskar.

Steg 4) Beräkning av avvikelser från referensvärden (residualer): För varje indikator beräknas residualen som observerat värde minus referensvärde (i förekommande fall på transformerade värden). Steg 5) Beräkning av Z-värden: Residualerna räknas om till Z-värden via division med indikatorspecifik standard-avvikelse (SD) av referensmaterialets residualer (tabell 5.31). Steg 6) Omvandling till P-värden: Hämta ett dubbelsidigt P-värde för varje Z-värde via valfritt statistikprogram (i SPSS används P = 2 * CDF.NORMAL(-ABS(Z-värde),0,1). Steg 7) Beräkning av sammanvägt fiskindex: Beräkna EQR8 som ett medelvärde av P-värdena för de 3-8 indikatorer som är möjliga att beräkna ur en given provfiskefångst. Steg 8) Bestäm statusklassen för EQR8 med hjälp av klassgränserna i tabell 5.32.

Tabell 5.31: Intercept och regressionskoefficienter för beräkning av fiskindikatorernas referens-värden, samt de standardavvikelser (SDresid) som behövs för beräkning av Z-värden.

Indikator Kod intercept lgHoh lgSjöyta lgMaxz Temp HK SDre-sid

1. Antal inhemska fiskarter

niart -0,410 2,534 0,347 -0,916 1,538

2. Artdiversitet: Simpson's D (antal)

S Dn 2,537 -0,460 0,380 0,570

3. Artdiversitet: Simpson's D (bio-massa)

S Dw 1,223 0,345 0,153 0,753

4. Relativ biomassa av inhemska fiskar-ter

lgWiart 3,666 -0,202 0,121 -0,394 0,202



58

5. Relativt antal av inhemska fiskarter

lgNiind 2,171 -0,397 0,081 -0,262 0,044 0,241

6. Medelvikt i totala fångsten

lgMe-anW

1,181 0,307 -0,038 0,234

7. Andel potentiellt fiskätande abborrfis-kar

andpis 0,057 0,198 0,175

8. Kvot abborre / karpfiskar (biomas-sa)

lgAb-CyW

1,223 -0,186 0,472



59

Tabell 5.32: Lista över fiskarter kända från svenska sötvatten. Notera att Hotstatus = Inplanterad innebär att arten inte räknas som inhemsk. Arter markerade med X är registrerade i fångster i nationellt register över sjöprovfisken (NORS).

Familj Vetenskapligt namn Svenskt namn Hotstatus NORSPetromyzontidae (nejonögon) Petromyzon marinus Havsnejonöga Starkt hotad

Lampetra fluviatilis Flodnejonöga Missgynnad XLampetra planeri Bäcknejonöga Livskraftig

Acipenseridae (störfiskar) Acipenser oxyrinchus Stör FörsvunnenAnguillidae (ålfiskar) Anguilla anguilla Ål Akut hotad XClupeidae (sillfiskar) Alosa fallax Staksill Ej tillämpligCyprinidae (karpfiskar) Abramis ballerus Faren Livskraftig X

Abramis bjoerkna Björkna Livskraftig XAbramis brama Braxen Livskraftig XVimba vimba Vimma Kunskapsbrist XAlburnus alburnus Löja Livskraftig XAspius aspius Asp Sårbar XCarassius carassius Ruda Livskraftig XCyprinus carpio Karp Inplanterad XGobio gobio Sandkrypare Livskraftig XLeucaspius delineatus Groplöja Missgynnad XLeuciscus idus Id Livskraftig XLeuciscus leuciscus Stäm Livskraftig XPelecus cultratus Skärkniv Ej tillämpligPhoxinus phoxinus Elritsa Livskraftig XRutilus rutilus Mört Livskraftig X

. Scardinius erythrophtalamus Sarv Livskraftig XSqualius cephalus Färna Livskraftig XTinca tinca Sutare Livskraftig X

Cobitidae (nissögefiskar) Cobitis taenia Nissöga Livskraftig XBalitoridae (grönlingsfiskar) Barbatula barbatula Grönling LivskraftigSiluridae (egentliga malar) Silurus glanis Mal Akut hotad XEsocidae (gäddfiskar) Esox lucius Gädda Livskraftig XSalmonidae (laxfiskar) Oncorhynchus clarki Strupsnittsöring Inplanterad

Oncorhynchus mykiss Regnbåge Inplanterad XOncorhynchus nerka Indianlax InplanteradSalmo salar Lax Livskraftig ** XSalmo trutta Öring Livskraftig XSalvelinus alpinus Fjällröding Livskraftig XSalvelinus fontinalis Bäckröding Inplanterad XSalvelinus namaycush Canadaröding Inplanterad XSalvelinus umbla Storröding Livskraftig ** XThymallus thymallus Harr Livskraftig X

Coregonidae (sikfiskar) Coregonus albula Siklöja Livskraftig XCoregonus sp. Sikar XCoregonus maraena Älvsik LivskraftigCoregonus maxillaris Storsik LivskraftigCoregonus megalops Blåsik LivskraftigCoregonus nilssoni Planktonsik LivskraftigCoregonus pallasi Aspsik LivskraftigCoregonus peled Storskallesik Akut hotadCoregonus trybomi Vårlekande siklöja Akut hotadCoregonus widegreni Sandsik Livskraftig

Osmeridae (norsfiskar) Osmerus eperlanomarinus Bracknors Ej bedömdOsmerus eperlanus Nors Livskraftig X

Lotidae (lakefiskar) Lota lota Lake Livskraftig XGasterosteidae (spiggfiskar) Gasterosteus aculeatus Storspigg Livskraftig X

Pungitius pungitius Småspigg Livskraftig XCottidae (simpor) Cottus gobio Stensimpa Livskraftig X

Cottus koshewnikowi Rysk simpa LivskraftigCottus poecilopus Bergsimpa Livskraftig XTriglopsis quadricornis Hornsimpa Livskraftig X

Percidae (abborrfiskar) Perca fluviatilis Abborre Livskraftig XSander lucioperca Gös Livskraftig XGymnocephalus cernua Gärs Livskraftig X

Pleuronectidae (flundrefiskar) Platichthus flesus Skrubbskädda Livskraftig** = lokalt starkt hotad



60

5.8.5 klassgränser

Tabell 5.32. Klassgränser för statusklassificering av EQR8

Status EQR8 Osäkerhet (SD av EQR8) 0,077 Hög ≥ 0,72 God ≥ 0,46 och < 0,72 Måttlig ≥ 0,30 och < 0,46 Otillfredsställande ≥ 0,15 och < 0,30 Dålig < 0,15

5.8.6 Kommentarer


För att göra en bra klassificering är det lämpligt att använda data från flera prov-tagningar. Med fler mätningar får man en säkrare bedömning och ett osäkerhetsin-tervall i form av en standardavvikelse kan beräknas för parametern i den aktuella vattenförekomsten. I de fall då bara data från en mätning finns tillgängligt kan det fasta värdet för metodbunden osäkerhet (standardavvikelsen) för EQR8 angiven i tabell 5.32 användas. Standardavvikelsen ger ett mått på hur osäker bedömningen är. I de fall då ett osäkerhetsintervall kring den ekologiska kvalitetskvoten (EK) överlappar någon av klassgränserna mellan hög och god status eller god och mått-lig status innebär detta att det beräknade EK-värdet ligger mycket nära en klass-gräns. Detta föranleder att en rimlighetsbedömning ska göras, vilket finns beskrivet i kapitel 4.1.1. Se också kapitel 4.1.2 för mer vägledning kring hur man bör hantera osäkerhet . 5.8.6.2 ORSAK TILL FÖRSÄMRAD STATUS

Om EQR8 visar på måttlig status eller sämre bör en bedömning av vilken påverkan det är som orsakar den försämrade statusen göras.

Under framtagandet och testningen av EQR8 reagerade många av de ingående parametrarna (fiskindikatorerna) i motsatta riktningar, beroende på om påverkans-kriteriet var surhet eller höga totalfosforhalter (tabell 5.33). Sex av åtta indikatorer svarade signifikant på surhetsstress. Lika många indikatorer svarade på närsalt-stress. EQR8 hade dock betydligt bättre förmåga att upptäcka effekter av surhet än av närsaltsstress.

Tabell 5.33. Beskrivning av vilka parametrar inom EQR8 som visar signifikant respons på surhet och eutrofi samt om responsen är negativ (-) eller positiv (+).

Parameter Surhet Eutrofi 1 - + 2 - 3 - + 4 - + 5 - +



61

6 + 7 + 8 -

De diversitetsrelaterade indikatorerna (2 och 3) hade signifikant negativa avvikel-ser i sura sjöar. Höga totalfosforhalter gav istället positiva avvikelser, som var mer eller mindre signifikanta. Relativ biomassa (4) och antal individer (1) uppvisade samma typ av avvikelser som diversitetsindikatorerna, i båda grupper av påverkade sjöar. Kvoten i biomassa mellan abborre och karpfiskar (8) reagerade också på både surhets- och närsaltsstress. Här var dock avvikelsens riktning omvänd, med signifikant högre värde i sura sjöar. Medelvikten (6) visade ingen signifikant re-spons på surhet, men närsaltsstress gav positiva avvikelser. Andelen fiskätande abborrfiskar (7) var signifikant högre i sura sjöar, men mot förväntan noterades ingen signifikant effekt av hög totalfosforhalt. Sammanfattningsvis verkade alltså surhets- och närsaltstress i rakt motsatta riktningar. Fyra av indikatorerna uppvisa-de signifikanta skillnader mellan okalkade och kalkade sjöar i referensdatasetet, och riktningarna var då desamma som för surhetsstress. Om de indikatorer som ger en signifikant respons på surhet visar avvikelse i den riktning som tyder på sur-hetspåverkan kan man tolka detta som om sjön har fått försämrad status vid be-dömningen av EQR8 på grund av sura förhållanden.

Som fristående komplement kan man också bedöma förekomst av försurnings-känsliga arter och stadier (Degerman & Lingdell 1993)17. Förekomst eller avsak-nad av de känsligaste arterna kan predikteras utifrån både pH och andra surhetsre-laterade variabler (Holmgren & Buffam 2005)18, med en precision som är godtag-bar åtminstone i södra Sverige 5.8.6.3 MÄNSKLIG PÅVERKAN ELLER NATURLIGT

När statusklassificeringen resulterar i måttlig eller sämre status och detta indikeras av de parametrar som visar på surhet/försurning skall det göras en bedömning om den försämrade statusen beror på mänskligt orsakad försurning eller att sjön är naturligt sur. En djupare analys bör göras med hjälp av de bedömningsgrunder för försurning som finns i kap 5.10.2. Resultatet av den fysikalisk-kemiska statusklas-sificeringen bör vara styrande för vilken status och kvalitetskravsnivå som skall fastställas. Analysen kan ytterligare förbättras genom att göra en bedömning av försurningspåverkan/belastningen. Viktiga underlag här är exempelvis depositions-data och skogbrukets påverkan. Om bedömningen blir att sjön är naturligt sur, görs utifrån vattenmyndighetens expertbedömning en revidering av referensvärdet för den specifika vattenförkomsten.

När statusklassificeringen resulterar i måttlig eller sämre status och detta indi-keras av de parametrar som visar på näringsrikedom/övergödning kan det vara nödvändigt att göra en bedömning om det beror på mänskligt orsakad övergödning 17 Degerman, E. & Lingdell, P.-E. 1993. pHisces – fisk som indikator på låg pH. Information från Sötvat-tenslaboratoriet, Drottningholm 1993 (3): 37-54. 18 Holmgren, K. & Buffam. 2005. Critical values of different acidity indices – as evaluated by fish com-munities of Swedeish lakes. Verhandlungen Internationale Vereinigung für Theoretische und Ange-wandte Limnologie 29:654-660.



62

eller att sjön är naturligt näringsrik. Det är dock inte särskilt vanligt att sjöar är har höga näringshalter naturligt. För att bedöma detta kan man jämföra med resultatet för bedömningsgrunden för fosfor. Bedömningen kan ytterligare förbättras genom att titta på påverkan/belastningen på vattenförekomsten. Viktiga underlag här är källfördelningsdata, historiska data, etc. Underlag för detta tas fram i samband med karakteriseringen. Om bedömningen blir att sjön är naturligt näringsrik görs utifrån vattenmyndighetens expertbedömning en revidering av referensvärdet för den specifika vattenförkomsten. 5.8.6.4 ÖVRIGT

I de översiktliga utvärderingar som gjorts gällande hur de olika kvalitetsfaktorernas klassgränser ligger i förhållande till varandra visas det att fiskindexet ofta blev utslagsgivande för ”one-out-all-out”-bedömning av ekologisk status. Behovet av harmonisering av de olika kvalitetsfaktorernas klassgränser har diskuterats men Fiskeriverket har gjort bedömningen att inte justera klassgränserna för EQR8 i dagsläget. Detta motiveras genom att: • vid framtagandet av gränsen mellan god och måttlig status för EQR8 följdes

samma metodik som användes i det EU-gemensamma projektet FAME (Fish-based Assessment Method for the Ecological Status of European Ri-vers).

• kvalitetsfaktorerna är olika känsliga för olika sorters påverkan vilket gör att det är naturligt att de kan ge skilda statusklasser. Fisk påverkas t ex betyd-ligt mer av hydromorfologisk störning än vad de andra kvalitetsfaktorerna gör.

• för att ändra klassgränserna bedömer Fiskeriverket att mer omfattande un-derlag än vad som finns i dagsläget krävs.

En självklar brist är att fiskindikatorernas samband med omgivningfaktorer och EQR8s förmåga att skilja mellan referenser och påverkade sjöar inte kunde testas på oberoende dataset. Detta bör det göras när fler av de provfiskade sjöarna kan klassas efter samma referensfilter. Med större dataset bli det också mer relevant att dela upp påverkade sjöar i grupper med olika påverkansgrad. En mer generell men mer självklar begränsning är att bedömningarna blir teoretiskt mer osäkra för sjöar närmare gränserna av och utanför de intervall som ingick i referensmaterialet; alti-tud 10 – 894 m över havet, sjöarea 2 – 4236 ha, maxdjup 1 – 65 m, årsmedelvärde i lufttemperatur -2 – 8 °C.

Som en gardering mot mätosäkerhet i enskilda indikatorer är det en fördel att ha ett sammanvägt index med flera indikatorer som svarar likartat på påverkan. Det är också ett argument för att inte lägga så stor möda på att uppskatta relevanta klassgränser för enskilda indikatorer.

Bakgrundsrapport: Holmgren, K., Kinnerbäck, A., Pakkasmaa, S., Bergquist, B. & Bei-er, U. 2006. Nya bedömningsgrunder för fiskfaunans status i svenska sjöar.



63

5.9 Fisk i vattendrag




VIX (Vattendrags-IndeX)

Eutrofiering (inklusive botten-sedimentation, igenväxning, låg syrehalt), påverkan av surhet, morfologisk och hydro-logisk påverkan. VIX indikerar äldre påverkan om vandrings-hinder stoppar återkolo-nisation av fisk. VIX indikerar även diffusa negativa effekter inklusive försämrad habitat-kvalitet på grund av vand-ringshinder, jord- och skogs-bruk.

minst en gång augusti-oktober

VIXs (sidoindex) Tydligare påverkan av surhet minst en gång augusti-oktober VIXm (sidoindex) Tydligare morfologisk påver-

kan minst en gång augusti-oktober

VIXh (sidoindex) Tydligare hydrologisk påver-kan

minst en gång augusti-oktober

5.9.1 Inledning

Den ursprungliga fiskfaunan i rinnande vatten påverkas huvudsakligen av tre, med varandra kopplade faktorer; fiskens invandringshistoria efter istiden, olika arters anpassningsförmåga till fysiska och kemiska förutsättningar samt biologiska inter-aktioner.

Fiskfaunan påverkas också av mänsklig aktivitet. Miljöstörningar som försur-ning, eutrofiering, fysiska ingrepp, kanalisering, dämningar för vattenkraft, skogs-bruk m.m. har påverkat och påverkar fisk liksom övrig fauna och flora. Påverkan är olika stark för olika arter beroende på deras anpassningar. Man kan observera fisk-faunan på en given lokal och få en indikation på hur pass påverkad faunan är av olika miljöstörningar.

Kemisk eller toxisk påverkan är oftast av naturliga skäl betydligt mer drastisk för fisk jämfört med hydrologisk eller morfologisk påverkan. I detta arbete har huvudsyftet varit att visa påverkan med ett huvudindex men även gjorts en ansats till att visa typ av påverkan med några sidoindex. 5.9.2 Parametrar som ingår i bedömningen

Sex indikatorer ingår i Vattendragsindex (VIX) för att mäta generell påverkan: 1. Sammanlagd täthet av öring och lax 2. Andel toleranta individer 3. Andel lithofila individer (lithofila arter = leker på grus och sten, d.v.s. hårt

bottenmaterial) 4. Andel toleranta arter 5. Andel intoleranta arter 6. Andel laxfiskarter som reproducerar sig på lokalen.



64

Den sjunde indikatorn Simpsons diversitetsindex ingår endast i sidoindex VIXh. 7. Simpsons diversitetsindex (endast i sidoindex Vixh). Indikatorerna är omvandlade till sannolikhetsvärden med hjälp av jämförelser med förväntade värden. Sannolikheterna anger hur stor chans det är att lokalen är opå-verkad. Medelvärdet av dessa sannolikheter utgör indexet VIX (Beier m.fl. 2007).

För att ytterligare kunna påvisa förändringar av specifika påverkansfaktorer har två sidoindex utvecklats: VIXsm som tydligare indikerar påverkanstypen surhet och/eller morfologisk påverkan (samma indikatorer med samma förväntade rikt-ning beroende på grad av påverkan för surhet respektive morfologi) och VIXh för hydrologisk påverkan. Dessa separata index består av medelvärden av enbart de indikatorer som signifikant påvisade de olika påverkansfaktorerna, med förväntad riktning av respektive påverkan på varje indikator. Det resulterar till exempel i att sidoindexet för surhet och morfologisk påverkan något tydligare visar påverkan av surhet/försurning än det generella indexet. • VIX för generell påverkan, indikatorer 1, 2, 3, 4, 5 och 6 • VIXsm för surhet och/eller morfologisk påverkan, indikatorer 1, 3, 5 och 6 • VIXh för hydrologisk påverkan, indikator 1, 2, 4 och 7 5.9.3 Krav på underlagsdata

Användandet av VIX kräver: 1) Lokalen ska ha naturliga förutsättningar att stadigvarande hysa fisk, ett antagan-de som kan grundas på historiska data eller expertbedömning utifrån kännedom om förhållanden i liknande vattendrag. Om lokal kännedom saknas föreslås kriterierna altitud (under 800 m över havet) och avrinningsområdesarea (över 3 km2) för att tillämpa VIX. 2) Standardiserat elfiske enligt SS-EN 14011. 3) Omgivningsvariablerna; avrinningsområdesstorlek (klass enligt Tabell 5.35), andel sjö i avrinningsområdet (klass enligt Tabell 5.36), minsta avstånd till närmas-te sjö uppströms eller nedströms (om avståndet är större än 10 km anges 10 km), höjd över havet (m), lutning (‰, höjd i m per sträcka i km utifrån terrängkartan, skala 1:50 000), medeltemperatur för år (luft, kartor med långtidsmedelvärden SMHI 1961-1990), och för juli (luft, långtidsmedelvärden SMHI), vattendragets bredd (m) och provtagen area (m2). Vattendragets bredd samt provtagen area mäts vid elfisketillfället. 5.9.4 Klassificering av status

Sötvattenslaboratoriet kommer att kunna göra beräkningarna för alla standardisera-de elfiskedata, förutsatt att resultaten levereras digitalt till SERS (Svenskt ElFiske-RegiSter). Figur 5.10 visar ett körschema för vad bedömning av status för fisk ska baseras på.



65

1 Är vattendraget lämpligt att hysa fisk?

Altitud, föreslaget kriterium: under 800 m över havet Avrinningsområdesarea, föreslaget kriterium: över 3 km2

(50% fisktomma vid 3 km2)

Bedömningsgrunder för fisk inte tillämpbara

3 Är lokalen lämplig för laxfisk?Lutning, föreslaget kriterium: 0-50 %o för de två minsta avrinningsområdes-klasserna <10 och <100 km2

Alternativt kriterium ’strömmande/forsande’, d.v.s. flöde >0.2 m/s

Ja

Använd EFI

Nej

4 Är det strömlevande eller vandrande laxfisk?

Bedömning görs i första hand subjektivt av utförare/utvärderare.Årsungars storlek kan ge en fingervisning (havsvandrande är större) baserat på SERS-data. Det kriteriet är dock inte alltid tillämp-bart i sydliga regioner p.g.a. temperatur och näringstillgång.Räkna ut VIX

anpassat efter stationär laxfisk

5 Har lokalen historiskt hyst vandrande laxfisk?

Kriterium baserat på historiska data, kända laxälvar m.m. Här kan många HMWB hamna, samt alla lokaler ovan vandringshinder till havet.

Ja

Vandrande

Ja

Räkna ut VIX anpassat efter populationstyp

(havsvandrande eller sjövandrande)

Nej eller vet ej

Nej

2 Är den fiskade lokalen minst 400 m2?(Median i FAME-data, 19% i SERS)

Nej

Ja Använd EFI parallellt

Strömlevandeeller vet ej

5 Har lokalen historiskt hyst vandrande laxfisk?

Ja Nej eller vet ej

Räkna ut VIX anpassat efter populationstyp

Figur 5.10. Flödesschema för vad statusbedömning av fiskfauna i rinnande vatten ska baseras på.

1) Då den avfiskade ytan är tillräckligt stor är det lämpligt att parallellt använda EFI, Europeiskt FiskIndex (FAME consortium 2004)19. Preliminär gräns är minst 400 m2, vilket var median i databasen som användes för utveckling av EFI, och som representeras av 19 % av elfisken i Svenskt elfiskeregister. EFI är en bedöm-ningsmetod som är utvecklad för europeiska förhållanden främst för större vatten-drag vilket lättare möjliggör jämförelser med andra länder för sådana objekt. Enligt föreskrifterna är det klassning med hjälp av VIX som i första hand ska gälla för Sverige. 2) En bedömning görs om lokalen är lämplig för laxfisk, eftersom VIX baseras på flera indikatorer som utgörs av laxfisk. Det preliminära kriteriet är en lutning på 0-50 ‰ för de två minsta avrinningsområdesklasserna <10 och <100 km2. Alternativt kriterium är flöde, klass ’strömmande/forsande’, d.v.s. >0,2 m/s.

19 FAME consortium 2004. Manual for the application of the European Fish Index – EFI. A fish-based method to assess the ecological status of European rivers in support of the Water Framework Directive. Version 1.1. January 2005. (tillgänglig på http://fame.boku.ac.at).



66

3) Om lokalen är lämplig för laxfisk görs en bedömning av ursprunglig popula-tionstyp av laxfisk (strömlevande, sjövandrande eller havsvandrande). Bedömning-en grundas på historisk information eller expertbedömning baserat på exempelvis information om närbelägna lokaler, områdets topografi och tätheter och storlek på årsungar. I utvecklingen av VIX har vi använt den nuvarande populationstypen för lokalen. I vissa fall innebär det att öringpopulationer på lokaler i vattendrag ovan-för ett byggt vandringshinder har klassats som ”strömlevande”, trots att de tidigare var ”havsvandrande”. Det är naturligtvis möjligt att använda den historiska klass-ningen, där den är känd, och på så sett även väga in aspekten av artificiella vand-ringshinder. I en havsvandrande eller sjövandrande population förväntas högre täthet av laxfisk än i en strömlevande population. Detta skulle påverka utfallet av VIX, som generellt skulle ge sämre utfall för tidigare havsvandrande populationer som blivit strömlevande. Tills vidare ska den rådande (nuvarande) populationsty-pen användas vid bedömningar, men möjligheten att väga in historiska förändring-ar finns. 4) Om lokalen numera inte är lämplig för laxfisk görs en bedömning över om den trots det skulle ha (skulle kunna ha haft) strömlevande, sjövandrande eller havs-vandrande laxfisk. VIX utgår från observerade värden i sju indikatorer, varav alla primärt beräknas ur elfisket. Fyra av de sju indikatorerna (nr 2-5) är baserade på funktionella grupper (Tabell 5.34) vilka är desamma som för EFI (FAME consorti-um 2004).

Tabell 5.34. Förteckning över förekommande fiskarter som klassificeras som intoleranta, lithofila, toleranta (FAME consortium 2004) och laxfiskarter där förekomst av årsungar (0+) indikerar reproduktion.

Fiskart Latinskt namn Intoleranta Lithofila Toleranta Laxfiskarter 0+ indikerar repro-dution

Abborre Perca fluviatilis X Asp Aspius aspius X Benlöja Alburnus alburnus X Bergsimpa Cottus poecilopus X X Björkna Blicca bjoerkna X Braxen Abramis brama X Bäcknejonöga Lampetra planeri X X Bäckröding Salvelinus fontinalis X X Elritsa Phoxinus phoxinus X Faren Abramis ballerus X Flodnejonöga Lampetra fluviatilis X X Färna Leuciscus cephalus X Gräskarp Ctenopharyngodon

idella X

Grönling Barbatula barbatula X Harr Thymallus thymallus X X X Havsnejonöga Petromyzon marinus X X Hornsimpa Triglopsis quadricornis X



67

Kanadaröding Salvelinus namaycush X X Karp Cyprinus carpio X Lake Lota lota X Lax Salmo salar X X X Mört Rutilus rutilus X Regnbåge Oncorhynchus mykiss X Ruda Carassius carassius X Röding Salvelinus alpinus X X X Sik (obe-stämd)

Coregonus sp. X

Siklöja Coregonus albula X X Småspigg Pungitius pungitius X Stensimpa Cottus gobio X X Storskallesik Coregonus peled X Storspigg Gasterosteus aculeatus X Stäm Leuciscus leuciscus X Sutare Tinca tinca X Vimma Vimba vimba X Ål Anguilla anguilla X Öring Salmo trutta X X X

5.9.4.1 PROCEDUR FRÅN OBSERVERADE INDIKATORVÄRDEN TILL

SAMMANVÄGT VIX OCH SIDOINDEX:

Steg 1) Transformering av omgivningsfaktorer med log10(x+1) av omgivningsvari-ablerna: 1. avrinningsområdesstorlek (klass enligt Tabell 5.35) 2. andel sjö i avrinningsområdet (klass enligt Tabell 5.36) 3. minsta avstånd till närmaste sjö uppströms eller nedströms (km) där 10 km är

max 4. höjd över havet (m), 5. lutning (m per km, ‰) 6. medeltemperatur för år (luft, långtidsmedelvärden SMHI) 7. medeltemperatur för juli (luft, långtidsmedelvärden SMHI) 8. vattendragets bredd (m) 9. provtagen area (m2)

Tabell 5.35. Klassgränser för omgivningsvariabeln Avrinningsområdesstorlek. Avrinningsområdesstorlek

Storlek i km2 Klass

<10 1

<100 2

<1 000 3

<10 000 4

>10 000 5



68

Tabell 5.36. Klassgränser för omgivningsvariabeln andel sjö. Anger % av total yta uppströms lokalen.

Andel sjö

% sjöyta Klass

<1 1

<5 2

<10 3

>10 4

Kvadrerade värden för omgivningsvariablerna används också i vissa fall (Tabell 5.37). Steg 2) Funna värden på indikatorer räknas ut från elfiskedata. De sex indikatorer-na för det generella VIX är: De sex indikatorerna för det generella VIX är:

1. Sammanlagd täthet av öring och lax (n individer per 100 m2). 2. Andel toleranta individer 3. Andel lithofila individer 4. Andel toleranta arter 5. Andel intoleranta arter 6. Andel laxfiskarter som reproducerar sig

För VIXh tillkommer också

7. Simpson’s diversitetsindex gav signifikant utslag för hydrologisk påver-kan, och ingår därför endast i VIXh. S = 1 - Σ (( ni / N)2), där ni är individ-antalet (beräknad täthet per hektar) av en enskild art och N är det totala in-dividantalet.

Värdena transformeras.: Sammanlagd täthet av öring och lax transformeras med log10(x+1), övriga indika-torer som är kvoter mellan 0 och 1 transformeras med arcsin(√x). Steg 3) Referensvärden av indikatorer för varje elfiske räknas ut med linjär regres-sion (Tabell 5.37) baserade på transformerade värden av omgivningsvariablerna. Beräkning av referensvärden: Använd linjära regressionsmodeller, Y = a + b1 * X1 + … + bn * Xn, där a är intercept och b1 - bn är regressionskoefficienter för omgiv-ningsfaktorer (X1 – Xn) enligt Tabell 4. Referensvärdena motsvarar transformerade värden enligt Steg 2). Steg 4) Beräkning av avvikelser från referensvärden (residualer): För varje indika-tor beräknas residualen som observerat värde minus referensvärde.



69

Steg 5) Beräkning av Z-värden: Residualerna räknas om till Z-värden via division med indikatorspecifik standardavvikelse (SD) av referensmaterialets residualer (Tabell 5.37). Steg 6) Omvandling till P-värden: Hämta ett P-värde (sannolikhetsvärde) för varje Z-värde via statistikprogram. Beroende på förväntat gensvar hos varje indikator beroende på påverkan (Tabell 5.38) hämtas antingen ett enkelsidigt P-värde för positiv eller negativ respons, eller ett dubbelsidigt P-värde för respons med maxi-mum eller minimum för intermediär påverkan. Steg 7) Beräkning av index: Beräkna VIX och sidoindex VIXsm och VIXh som ett medelvärde av P-värdena för de indikatorerna som anges som relevanta (de som står inom parentes stryks för respektive index) i Tabell 5.38. P-värdena ska vara enkelsidiga eller dubbelsidiga beroende på förväntad respons på respektive påver-kanstyp. Steg 9) Tillämpa klassgänser gällande generell påverkan enligt Tabell 5.39 för

statusklassificering och vid behov sidoindex VIXsm och VIXh för att tyd-ligare påvisa surhet, morfologisk och hydrologisk påverkan eller återhämt-ning efter tidigare påverkan.

NAT

UR

VÅR

DSV

ERKE

T H

andb

ok 2

007:

x, R

emis

sver

sion

Stat

us,

pote

ntia

l och

nor

mer

för

sjö

ar,

vatt

endr

ag,

kust

vatt

en o

ch v

atte

n i ö

verg

ångs

zon

70

Tabe

ll 5.

37. K

onst

ante

r för

uträ

knin

g av

refe

rens

värd

en ti

ll fis

kind

ikat

orer

för V

IX m

ed li

njär

a re

gres

sion

smod

elle

r. S

ist S

dres

id fö

r tra

nsfo

rmer

ing

av re

si-

dual

er ti

ll Z-

värd

en.

Om

givn

ings

-va

riabl

er

1 Tä

thet

ör

ing

och

lax

2 A

ndel

to

lera

nta

indi

vide

r

3 A

ndel

lit

hofil

a in

divi

der

4 A

ndel

to

lera

nta

arte

r

5 A

ndel

in

tole

rant

a ar

ter

6 A

ndel

lax-

fiska

rter

som

re

prod

u-ce

rar

sig

7 Si

mps

on’s

di

vers

itets

-in

dex

1a S

TRÖ

MLE

V-A

ND

E Tä

thet

ör

ing

och

lax

1b

SJÖ

VAN

D-

RA

ND

E Tä

thet

örin

g oc

h la

x

1c H

AVS

VAN

D-

RA

ND

E Tä

thet

ör

ing

och

lax

3a

STR

ÖM

LEV-

AN

DE

And

el

litho

fila

indi

vide

r

inte

rcep

t 1,

6612

-0

,094

1 1,

4814

-0

,380

4 1,

6743

2,

0105

-1

,902

8 -3

,146

8 2,

0220

2,

3956

-2

,257

5

avr.o

mr.k

l. -1

,393

4 0,

4065

-2,1

484

0,35

97

-1

,774

9 -3

,138

9

and.

sjö.

kl.

-0,4

270

min

.dis

t.sjö

-0,3

690

0,60

81

-0,5

692

0,19

37

0,

1356

0,31

61

h.ö.

h.

0,44

49

0,63

88

3,23

91

lutn

ing

0,34

40

-0

,258

1 0,

1623

med

t.år

-0,8

184

0,

7936

0,

7952

1,

2151

-1

,821

7

med

t. ju

li

1,

3382

bred

d

-0,0

637

-0

,225

0 -0

,341

1 0,

5216

-0

,149

8

prov

t.are

a -

- -

0,14

58

-

0,27

02

- -

- -

avr.o

mr.k

l.2

-0

,283

8

-0,5

358

and.

sjö.

kl.2

0,

1149

-0

,297

6 0,

2662

-0

,973

5

-0,4

396

min

.dis

t.sjö

2 0,

2496

0,

2623

-0

,363

7 0,

4539

h.ö.

h.2

-0,0

436

-0

,160

1

-0,7

175

lutn

ing

2 0,

0970

0,08

08

-0

,072

3

med

t.år2

1,48

85

0,13

96

0,

4312

-1

,383

2

2,

9676

med

t. ju

li2

1,43

63

prov

t.are

a2 -

-

-0

,062

9 -

-

- -

-

SD

resi

d 0,

5080

0,

1518

0,

2756

0,

2235

0,

3966

0,

7186

0,

2861

0,

4384

0,

4435

0,

4084

0,

2567

NAT

UR

VÅR

DSV

ERKE

T H

andb

ok 2

007:

x, R

emis

sver

sion

Stat

us,

pote

ntia

l och

nor

mer

för

sjö

ar,

vatt

endr

ag,

kust

vatt

en o

ch v

atte

n i ö

verg

ångs

zon

71

Tabe

ll 5.

38. F

örvä

ntad

resp

ons

på g

ener

ell p

åver

kan

och

sepa

rata

påv

erka

nsty

per f

ör in

dika

tore

r i V

IX. I

cke

sign

ifika

nta

indi

kato

rer i

nom

par

ente

s. +

- an

ger a

tt in

dika

torn

förs

t öka

r sed

an m

insk

ar m

ed g

rad

av p

åver

kan,

- +

ange

r att

indi

kato

rn fö

rst m

insk

ar s

edan

öka

r med

gra

d av

påv

erka

n. +

+ a

nger

att

indi

kato

rn ö

kar o

ch -

- att

den

min

skar

med

påv

erka

n. F

ör p

åver

kans

typ

mor

folo

gi fa

nns

enda

st o

påve

rkad

e oc

h m

åttli

gt p

åver

kade

loka

ler i

dat

amat

eria

let.

G

ener

ell

Surh

et

När

salte

r/ or

gani

sk

bela

stni

ng

Mor

folo

gi

Hyd

rolo

gi

Kon

nekt

ivite

t

Sam

man

lagd

täth

et a

v ör

ing

och

lax

- -

- -

- -

- -

- ( -

+ )

And

el to

lera

nta

indi

vide

r +

+

( + +

) +

+

( + )

+ +

-

+

Ande

l lith

ofila

indi

vide

r -

- -

- -

- -

( - +

) ( +

- )

And

el to

lera

nta

arte

r (an

tal a

rter)

+

+

( - -

) +

+

( + )

+ -

- -

Ande

l int

oler

anta

arte

r (an

tal a

rter)

- -

- -

- -

- ( -

+ )

( + -

) A

ndel

laxf

iska

rter s

om re

prod

ucer

ar s

ig

- -

- -

- -

- ( -

- )

( + -

) S

imps

ons

dive

rsite

tsin

dex

( + -

) ( -

- )

( + -

) ( -

) +

- ( -

+ )

N A T U R V Å R D S V E R K E T F e l ! I n g e n t e x t m e d a n g i v e t f o r m a t i d o k u m e n t e t . S k r i v i n t i t e l h ä r F e l ! H i t t a r i n t e r e f e r e n s k ä l l a .

72

5.9.5 Referensvärden och klassgränser

Tabell 5.39. Klassgränser för VIX-värden. Generell påverkan

Status VIX-värde Osäkerhet Beräknas enligt kap 5.9.7.1 Hög ≥ 0,749 God ≥ 0,467 och < 0,749 Måttlig ≥ 0,274 och < 0,467 Otillfredställande ≥ 0,081 och < 0,274 Dålig < 0,081

Sidoindex

Index Klassgräns god - måttlig

VIXsm för surhet ≥ 0,432 VIXsm för morfolo-gisk påverkan

≥ 0,430

VIXh ≥ 0,434

5.9.6 Kommentarer


Den naturliga variationen gör att VIX-värdet kan variera mellan provtagningar även om miljön är jämförelsevis opåverkad (Tabell 5.40). Graden av variation styrs bland annat av naturliga omgivningsfaktorer.För att göra en bra klassificering är det lämpligt att använda data från flera provtagningar. Med fler mätningar får man en säkrare bedömning och ett osäkerhetsintervall i form av en standardavvikelse kan beräknas för parametern i den aktuella vattenförekomsten. I de fall då bara data från en mätning finns tillgängligt kan den förväntade standardavvikelsen för re-spektive lokal beräknas. Standardavvikelsen ger ett mått på hur osäker bedömning-en är. I de fall då ett osäkerhetsintervall kring den ekologiska kvalitetskvoten (EK) överlappar någon av klassgränserna mellan hög och god status eller god och mått-lig status innebär detta att det beräknade EK-värdet ligger mycket nära en klass-gräns. Detta föranleder att en rimlighetsbedömning ska göras, vilket finns beskrivet i kapitel 4.1.1. Se också kapitel 4.1.2 för mer vägledning kring hur man bör hantera osäkerhet .

Tabell 5.40. Naturlig variation i VIX – deskriptiva värden i fördelningen av osäkerhetsmått (ob-serverad SD) på 336 lokaler i Svenskt Elfiskeregister (SERS) med minst tre års data. Lokalerna har alla klassats som relativt opåverkade (max klass 2 av 5) för eutrofiering, surhet, morfologisk respektive hydrologisk påverkan.

Observerad standardavvikelse Antal elfisken 336 Medelvärde 0,097 Median 0,088 Minimum 0,000 Maximum 0,384


73

Percentiler 5 0,024 10 0,039 25 0,056 50 0,088 75 0,123 90 0,178 95 0,206

Sötvattenslaboratoriet kommer att kunna beräkna förväntad variation för alla stan-dardiserade elfiskedata, förutsatt att resultaten levereras digitalt till SERS (Svenskt ElFiskeRegiSter. Den lokalspecifika förväntade variationen i form av standardav-vikelse (SD) räknas ut med formeln: Predikterad SD för VIX-index = 0,1318 + ( 0,0951 * transformerad Andel sjö i avromr) + (-0,0039 * transformerad, kvadrerad Altitud) + (-0,0348 * transformerat Minsta avstånd till sjö) + (-0,0400 * transformerad Provtagen area) + ( 0,0988 * transformerad Avrinningsområdets storleksklass). Variationen (SD) för VIX förväntas alltså öka med andel sjö i avrinningsområdet och avrinningsområdets storleksklass, men förväntas minska med altitud, minsta avstånd till sjö och provtagen area. Detta beror på hur fisksamhällen i rinnande vatten fungerar. Vissa år med lågvatten kan fisk från närbelägna sjöar vandra ut i strömbiotoper. Ju mer sjöar och ju närmare till närmasta sjö desto större chans att hitta fler arter som normalt finns i sjöar i rinnande vatten.

Ett alternativt sätt att använda de beräknade värdena av förväntad, lokalspecifik standardavvikelse kan vara att räkna ut sannolikheter att det observerade elfisket egentligen motsvarar klassningar av VIX för varje respektive statusklass (hög, god, måttlig, otillfredsställande och dålig). Då skillnaden mellan sannolikheterna att hamna i klass god respektive måttlig är mindre än 0,1 kan VIX-värdet betraktas som gränsfall mellan god och måttlig (Tabell 5.41). Kumulativ sannolikhet = kumulativ fördelningsfunktion m.a.p. normalfördelning (observerat värde, specifi-cerat medelvärde, specificerad standardavvikelse). Kum-P för klass hög = 1 - (kum-funkt-norm (0,749, o-VIX, p-SD)). Kum-P för klass hög eller god = 1 - (kum-funkt-norm (0,467, o-VIX, p-SD)). Kum-P för klass hög, god eller måttlig = 1 - (kum-funkt-norm (0,274, o-VIX, p-SD)). Kum-P för klass hög, god, måttlig eller otillfredsställande = 1 - (kum-funkt-norm (0,081, o-VIX, p-SD)). Kum-P för klass hög, god, måttlig, otillfredsställande eller dålig = 1. Sedan kan sannolikheterna för att elfisket ska motsvara enskilda klassningar räknas ut: P-hög: se Kum-P för klass hög ovan.


74

P-god=(Kum-P hög eller god) - (P-hög). P-måttlig=(Kum-P hög, god eller måttlig) - (P-hög) - (P-god). P-otillfredsställande=(Kum-P hög, god, måttlig eller otillfredsställande) - (P-hög) - (P-god) - (P-måttlig). P-dålig=(Kum-P hög, god, måttlig, otillfredsställande eller dålig) - (P-hög) - (P-god) - (P-måttlig) - (P-otillfredsställande). (Kum-P = Kumulativ sannolikhet, P = sannolikhet, p-SD = lokalspecifikt predikte-rad standardavvikelse, kum-funkt-norm = kumulativ fördelningsfunktion m.a.p. normalfördelning, o-VIX = observerat VIX-värde.)

Tabell 5.41. Exempel på redovisning av osäkerhet i statusklassning: Husörenbäcken, Upp-ströms vägen (Bräkneåns huvudflodområde, Blekinge län), lokalkoordinater 625192-145149, elfisken under perioden 1994-2005. Ursprungsindikatorer, P-värden för dessa samt medelvärdet av P-värden (VIX) anges. Sannolikheter för att det observerade elfisket motsvara klassningar av VIX för varje respektive status¬klass (hög, god, måttlig, otillfredsställande och dålig) anges mot bakgrund av förväntad standard¬avvikelse (SD). Den högsta sannolikheten för respektive år är markerad med fetstil. Gränsfall i VIX-klassning är definierad som då skillnaden mellan sannolik-heten att klassningen är god respektive måttlig är <0,1 vilket gällde år 2005.

År nöla

x

nand

tol

nand

lith

sppr

opto

l

sppr

opin

t

Kvo

t

p_VI

X_nö

lax

p_VI

X_na

ndto

l

p_VI

X_na

ndlit

h

p_VI

X_sp

prop

tol

p_VI

X_sp

prop

into

l

p_VI

X_kv

ot

VIX

VIX

kla

ss

förv

änta

d SD

San

nolik

het f

ör k

lass

hög

San

nolik

het f

ör k

lass

god

San

nolik

het f

ör k

lass

måt

tlig

San

nolik

het f

ör k

lass

otil

lfred

sstä

lland

e

San

nolik

het f

ör k

lass

dål

ig

Ski

llnad

mel

lan

klas

s go

d oc

h m

åttli

g

Grä

nsfa

ll

1994 4,6 0 1 0 1 1 0,06 0,82 0,63 0,84 0,83 0,79 0,66 2 0,13 0,25 0,67 0,07 0 0 0,601997 43,0 0 1 0 1 1 0,68 0,82 0,63 0,84 0,83 0,79 0,77 1 0,13 0,55 0,44 0,01 0 0 0,431998 62,6 0 1 0 1 1 0,79 0,82 0,63 0,84 0,83 0,79 0,78 1 0,13 0,60 0,39 0,01 0 0 0,382000 32,6 0 1 0 1 1 0,57 0,82 0,63 0,84 0,83 0,79 0,75 2 0,13 0,50 0,49 0,02 0 0 0,472002 23,6 0 1 0 1 1 0,47 0,81 0,65 0,86 0,85 0,79 0,74 2 0,13 0,46 0,52 0,02 0 0 0,502004 10,4 0 1 0 1 1 0,21 0,80 0,66 0,84 0,84 0,79 0,69 2 0,13 0,33 0,63 0,05 0 0 0,582005 9,9 0 0,80 0 0,50 1 0,19 0,81 0,08 0,83 0,15 0,79 0,47 2 0,13 0,02 0,49 0,42 0,06 0 0,07 X

5.9.6.2 ORSAK TILLFÖRSÄMRAD STATUS

Om det generella VIX-värdet visar på måttlig status eller sämre bör man använda sidoindexen samt expertbedömning för att avgöra vilken påverkan det är som orsa-kar den försämrade statusen.

Alla ingående indikatorer i VIX påvisar påverkan av övergödning. För morfologisk och hydrologisk påverkan påvisar de separata indexen VIXsm respek-tive VIXh något tydligare respektive påverkansfaktorer jämfört med det generella indexet. VIX är ungefär lika effektivt för att särskilja alla olika typer av påverkan utom konnektivitet, där brytpunkten har en otillfredsställande låg sannolikhet för att klassa referenser respektive påverkade lokaler rätt. Alltså saknas i indexet fort-farande ett tydligt påvisande av påverkan på konnektivitet för fisk i vattendrag.


75

5.9.6.3 MÄNSKLIG PÅVERKAN ELLER NATURLIGT

När statusklassificeringen resulterar i måttlig eller sämre status och detta indikeras av VIXsm skall det göras en bedömning om den försämrade statusen beror på mänskligt orsakad försurning eller att vattendraget är naturligt surt. En djupare analys bör göras med hjälp av de bedömningsgrunder för försurning som finns i kap 5.11.2. Resultatet av den fysikalisk-kemiska statusklassificeringen bör vara vägledande för vilken status och kvalitetskravsnivå som skall fastställas. Analysen kan ytterligare förbättras genom att göra en bedömning av försurningspåver-kan/belastningen. Viktiga underlag här är depositionsdata, kritisk belastningsbe-räkningar samt skogbrukets påverkan. Om bedömningen blir att vattendraget är naturligt surt görs utifrån vattenmyndighetens expertbedömning en revidering av referensvärdet för den specifika vattenförkomsten.

När statusklassificeringen resulterar i måttlig eller sämre status och detta indi-keras av de parametrar som visar på näringsrikedom/övergödning kan det vara nödvändigt att göra en bedömning om det beror på mänskligt orsakad övergödning eller att vattendraget är naturligt näringsrik. Det är dock inte särskilt vanligt att vattendrag har höga näringshalter naturligt. För att bedöma detta kan man jämföra med resultatet för bedömningsgrunden för fosfor. Bedömningen kan ytterligare förbättras genom att titta på påverkan/belastningen på vattenförekomsten. Viktiga underlag här är källfördelningsdata, historiska data, etc. Underlag för detta tas fram i samband med karakteriseringen. Om bedömningen blir att vattendraget är naturligt näringsrikt görs utifrån vattenmyndighetens expertbedömning en revide-ring av referensvärdet för den specifika vattenförkomsten. 5.9.6.4 ÖVRIGT

De påverkanstyper som indikatorerna testades mot var generell påverkan (max av följande fyra faktorer), övergödning, surhet, morfologisk och hydrologisk påver-kan. Flertalet ingående indikatorer i det generella indexet, plus Simpsons diversi-tetsindex, var sinsemellan korrelerade. Valet av dessa indikatorer motiverades av att de kunde påvisa olika typer av påverkan samt att mätnoggrannheten för ett helt index kan förmodas bli sämre med färre indikatorer.

I de översiktliga utvärderingar som gjorts gällande hur de olika kvalitetsfakto-rernas klassgränser ligger i förhållande till varandra visas det att fiskindexet ofta blev utslagsgivande för ”one-out-all-out”-bedömning av ekologisk status. Behovet av harmonisering av de olika kvalitetsfaktorernas klassgränser har diskuterats men Fiskeriverket har som nationella fiskexperter gjort bedömningen att inte justera klassgränserna för VIX i dagsläget.

Vid framtagandet av gränsen mellan god och måttlig status för VIX följdes samma metodik som användes i det EU-gemensamma projektet FAME (Fish-based Assessment Method for the Ecological Status of European Rivers). Det finns främst fyra anledningar, som delvis kan tyckas motsägelsefulla, till att VIX i många fall är hårdare i bedömningen än index för exempelvis påväxtalger och bottenfauna.

• Fisk har ett relativt stort rörelseområde och lever i ett större habitat med olika krav på olika makro- och mikrohabitat, jämfört till exempel med på-


76

växtalger som sitter fast på ett begränsat habitat. Fisk integrerar därför ha-bitatkvalitet på en större skala. Eftersom en av de vanligaste störningarna i rinnande vatten är försämrad habitatkvalitet i kombination med fragmente-ring är det viktigt att kunna indikera detta.

• Fisk är mer långlivade än de flesta andra vattenorganismer. Det innebär att det trots fiskens större rörelseområde kan ta lång tid för fisk att påvisa återhämtning efter att miljön blivit bättre. Bottenfauna kan rekolonisera inom månader, medan det kan ta år för fisk. Fisk kan därmed i högre grad ge ett långsiktigt medelvärde för lokalens tillstånd, medan kortlivade orga-nismer tydligare indikerar tillfälliga variationer.

• Fiskars rekolonisation och även överlevnad på platsen är avhängiga möj-ligheter till migration. Fisk rekoloniserar sällan passivt med drift från upp-ströms områden, vilket exempelvis påväxtalger och viss bottenfauna gör. Under ett år rör sig flertalet fiskindivider 100 – 300 m. För äldre fisk hand-lar det om tillfälliga förflyttningar över ännu längre avstånd. Vattenland-skapet är idag kraftigt fragmenterat, vilket påverkar fiskfaunan och därmed stormusslor, i högre grad än påväxtalger och bottendjur.

• Förutom vattenkvalitet så är fisken beroende av bottensubstrat för lek och födosök. Jordbrukets påverkan är inte enbart eutrofiering. Trots att vatten-kvalitén kan vara förhållandevis god och känslig bottenfauna kan finnas på lokalen så kan sediment¬transport, rensningar och kanalisering leda till otillräcklig mängd lämpligt bottensubstrat för fisk. Dessutom kan bekämp-ningsmedel, alltför tät vegetation alternativt brist på stabi¬liserande strandvegetation samt för lite beskuggning av träd medföra att fisk ger ännu sämre utslag i bedömningen.

Sammanfattningsvis så ger VIX även utslag för mer diffusa negativa effekter på fisk av vandringshinder, jordbruk och skogsbruk, än som anges av vattenkvalitet och hydromorfologisk kvalitet. 5.9.7 Exempel på beräkning av VIX

Exempel: Husörenbäcken, Uppströms vägen (Bräkneåns huvudflodområde, Blekinge län). Lokalkoordinater: 625192-145149, elfiskedatum 1994-07-14. Dessa observerade värden räknas ut från elfiskedata (Tabell 5.34):

1. Antal öring och lax (nölax) – sammanlagd beräknad täthet per 100 m2 från elfiskeregistret.

2. Andel toleranta individer (nandtol) – kvot mellan 0 och 1, baserat på be-räknade tätheter.

3. Andel lithofila individer (nandlith) – kvot mellan 0 och 1, baserat på be-räknade tätheter.

4. Proportion toleranta arter (spproptol) – kvot mellan 0 och 1. 5. Proportion intoleranta arter (sppropint) – kvot mellan 0 och 1.


77

6. Andel laxfiskarter med reproduktion (Kvot) – kvot mellan 0 och 1. 7. Simpson diversitet (Simpson) S = 1 - Σ (( ni / N) 2), där ni är beräknad in-

dividtäthet per hektar av en enskild art och N är det totala individantalet. Diversitetsmåttet beskriver ”jämnhet” i fördelningen mellan arter. Används endast i sidoindex hydrologi.

Istället för originalvärden av indikatorer används transformerade värden enligt praxis: Tnölax= log10 (nölax+1). Tnandtol=arcsin (√(nandtol )). Tnandlith= arcsin (√(nandlith )). Tspproptol= arcsin (√(spproptol )). Tsppropint= arcsin (√(sppropint )). TKvot= arcsin (√(Kvot )). TSimpson= arcsin (√(Simpson)). Dessa omgivningsvariabler används för att modellera förväntade värden: Populationstyp av öring: Strömlevande Avrinningsområdesstorlek klass: 2 (>=10 km2 <100 km2) Andel sjö i avrinningsområdet klass: 3 (>=5% <10%) Minsta avstånd till närmaste sjö uppströms eller nedströms: 1,0 km Höjd över havet: 94 m Lutning: 50,00 %o (promille, höjd i m per km) Medeltemperatur för år: 7°C Medeltemperatur för juli: 15,5°C Vattendragets bredd: 2,0 m Provtagen area: 90 m2 Omgivningsvariabler transformeras (log10(x+1)) och kvadreras så att de transfor-merade samt de transformerade, kvadrerade värdena kan användas som konstanter (Tabell 5.37). Dessa förväntade värden ska räknas ut (Tabell 5.37): Förväntat antal öring och lax (nölax) – minskar med påverkan. Separata modeller för strömlevande (gäller här), sjö- respektive havsvandrande öring. Förväntad andel toleranta individer (nandtol) – ökar med påverkan. Förväntad andel lithofila individer (nandlith) – minskar med påverkan. Separat modell för strömlevande öring (gäller här). Förväntad proportion toleranta arter (spproptol) – ökar med påverkan. Förväntad proportion intoleranta arter (sppropint) – minskar med påverkan. Förväntad andel laxfiskarter med reproduktion (Kvot) – minskar med påverkan. Förväntad Simpson diversitet (Simpson) - ökar först, minskar sedan med påverkan. Används endast i sidoindex hydrologi.


78

Exempel på uträkning av förväntat värde (Tabell 5.37): Antal öring och lax, förväntat värde (gäller strömlevande öring här): Förväntat värde =-3,147 + ( -0,225 * transformerad Vattendragsbredd ) + ( 0,344 * transformerad Lutning) + ( 0,795 * transformerad Medeltemperatur för år ) + ( 0,639 * transformerad Höjd över havet) + ( 1,436 * transformerad, kvadrerad Medeltemperatur för juli). Förväntat värde = 1,44. Detta värde motsvarar ett transformerat värde (log10(x+1)). Förväntade värden på Antal öring och lax ska jämföras med observerade (trans-formerade) värden: Observerat (transformerat) värde Tnölax = 0,75. (Det verkliga observerade värdet är 4,6. Om man räknar om det förväntade värdet till ett icke transformerat värde är det förväntade värdet 26,5 antal öring och lax per 100 m2. Den observerade tätheten är alltså en femtedel av den förväntade.) Exempel på beräkning av residual, standardiserad residual och P-värde: Residualer räknas ut som skillnad mellan observerat och förväntat värde: Residual = Tnölax - Förväntat värde. Residual = 0,75 - 1,44. Residual = -0,70. Standardiserad residual (Z-värde) räknas ut som Residual dividerat med den indi-katorspecifika standardavvikelsen för residualerna (Tabell 5.37): Indikatorspecifik (nölax) standardavvikelse för residualerna = 0,438. Standardiserad residual = Residual / 0,438. Standardiserad residual = -1,59. En transformering till sannolikheter görs för att alla indikatorer ska kunna jämföras med varandra som likvärdiga verktyg för att indikera påverkan. För att få sannolik-hetsvärden mellan 0 och 1 görs olika transformationer beroende på förvändad ef-fekt av påverkan (Tabell 5.38). Man kan för varje observerat värde ta fram den kumulativa sannolikheten av att få ett lägre värde än det observerade värdet (ytan till vänster om värdet i en normalfördelnings¬kurva), om hypotesen är enkelsidig och påverkan förväntas ge negativ avvikelse (gäller här). Med förväntade positiva avvikelser med påverkan blir det istället sannolikheten att värdet ska vara högre än det observerade värdet (ytan till höger om värdet i normalfördelnings¬kurvan). Med dubbelsidiga hypoteser blir sannolikheten den att ett värde är lägre vid förvän-tad negativ avvikelse eller högre vid förväntad positiv avvikelse med påverkan. Ju lägre P-värde desto lägre sannolikhet är det att lokalen är opåverkad. Generell formel för att få den kumulativa sannolikheten att få ett värde lägre än det observerade värdet (i detta fall standardiserad residual) genom Excel eller andra program:


79

Kumulativ sannolikhet = kumulativ fördelningsfunktion m.a.p. normalfördelning (observerat värde, speci-ficerat medelvärde, specificerad standardavvikelse). För att få P-värde då hypotesen är enkelsidig och påverkan förväntas ge positiv avvikelse: Sannolikhet (P-värde) att lokalen är opåverkad = 1 - (kumulativ fördelningsfunktion m.a.p. normalfördelning (Standardiserad residual,0,1)). Då hypotesen är dubbelsidig och ökande påverkan förväntas ge först positiv, sedan negativ avvikelse, eller tvärtom: Sannolikhet (P-värde) att lokalen är opåverkad = 2 * (kumulativ fördelningsfunktion m.a.p. normalfördelning ((- absolutvärdet av (Standardiserad residual)),0,1)). Då hypotesen är enkelsidig och påverkan förväntas ge negativ avvikelse (gäller här): Sannolikhet (P-värde) att lokalen är opåverkad = (kumulativ fördelningsfunktion m.a.p. normalfördelning (Standardiserad residu-al,0,1)). P-värde för indikatorn Antal öring och lax blir då 0,056. P-värden för de andra indikatorerna räknas ut och VIX är medelvärdet av dessa. (VIX blev totalt 0,66 – alltså god status.) Exempel på tidsserie med indikatorvärden och VIX-värden:

1994 1996 1998 2000 2002 2004 2006

0,00

0,20

0,40

0,60

0,80

1,00VIX Antal öring och laxÅRVIX Andel toleranta individerÅRVIX Andel lithofila individerÅRVIX Proportion toleranta arterÅRVIX Proportion intoleranta arterÅRVIX Andel laxfiskarter med reproduktionÅRVIXÅR

VDRAGNAM: Husörenbäcken, LOKALNAM: Uppstr vägen

Figur 5.11 Exempel på tidsserie med indikatorvärden för de olika indikatorerna som bildar VIX.

Husörenbäcken, lokal Uppströms vägen. VIX (medelvärdet av de sex P-värdena för indikatorerna) ligger under hela perioden ovanför gränsen mellan God och Måttlig


80

status (0,467). Den indikator som varierat mest är Antal öring och lax (nölax). Förutom öring fångades gädda på lokalen år 2005. Även P-värdena för Proportion intoleranta arter (spproptol) och Andel lithofila individer (nandlith) var betydligt lägre 2005 än tidigare, vilket tillsammans med P-värdet för Antal öring och lax (nölax) dragit ned medelvärdet (VIX) så att det ligger just ovanför gränsen.

Bakgrundsrapport: Beier, U., Degerman, E., Sers, B., Bergquist, B. & Dahlberg, M. 2007. Bedömningsgrunder för fiskfaunans status i rinnande vatten – utveckling och till-lämpning av VIX. Finfo 2007:X. Fiskeriverket.

5.10 Allmänna förhållanden i sjöar




Näringsämnen Näringspåverkan/eutrofiering 4 ggr/år 2ggr vår, 2 ggr höst

Siktdjup vattenfärg/eutrofiering 1ggr /månad eller 1ggr/år

maj-oktober eller augusti

Syrgas Organiskt material/eutrofiering 4 ggr/år Senvinter, vårcir-kulation, som-marstagnation, (aug),höstcirkula-tion

Försurning Antropogen försurningspåver-kan

För att bedöma statusen för kvalitetsfaktorn allmänna förhållanden används be-dömningsgrunder för näringsämnen, siktdjup och syrgas vilka vägs samman till en status. Dessutom bedöms försurning. För att få fram den sammanvägda statusklas-sen för allmänna förhållanden för fysikalisk-kemiska kvalitetsfaktorer bildas ett medelvärde för de tre parametrarna som visar på näringsämnen. Resultatet från detta jämförs sedan med resultatet för försurning. Den av dessa statusmått som har lägst stauts ger den sammanlagde statusen för kvalitetsfaktorn allmänna förhållan-den för hela vattenförekomsten enligt ”one-out-all-out”-principen. 5.10.1 Näringsämnen, siktdjup och syrgas

5.10.1.1 INLEDNING

Koncentrationen av näringsämnen (fosfor och kväve) i en sjö har stor inverkan på sjöns status. Oftast reglerar fosfortillgången kraftigt primärproduktionen. Som responsfaktorer för näringsämnen kan för sjöar i första hand biomassan av fytop-lankton (och klorofyll a) nämnas. Andra primärprocenter i sjöar är makrofyter och perifyton (påväxt).

Vissa sjöar kan vara naturligt näringsrika. I dessa bedömningsgrunder tas där-för objektspecifika referensvärden för varje vattenförekomst fram. Dessa tar hän-syn till olika omgivningsfaktorer och kemiska parametrar och visar den ursprungli-ga fosforhalten i sjön. För bedömning av status bildas en ekologisk kvalitetskvot mellan referenvärde och nu uppmätt totalfosforhalt.


81

Mätning av siktdjup har gammal tradition inom limnologin och ger ett mått på vattnets optiska egenskaper och dess innehåll av organiskt material i olika form. Siktdjupsmätningar ger sålunda på ett enkelt sätt en karaktärisering av ett vattens transparens och är lämpligt att beskriva i tidsserier både säsongsmässigt och över lång tid. Vattnets genomskinlighet bestäms dels av dess egenfärg, främst lösta humusämnen, dels av suspenderat material som växtplankton och detritus dels i speciella fall av oorganiskt partikulärt material (lerpartiklar). Generellt minskar siktdjupet främst beroende på vattenfärgen, men vid hög näringspåverkan får ge-nomslag. Siktdjupet kan användas t.ex. för att bedöma det största djup där botten-levande växter och växtplankton kan leva.

Alla vattenlevande djur och många bakterier måste ha tillgång till syrgas löst i vattnet. Både optimala koncentrationer och toleransen mot låga halter varierar mellan djurgrupper och även mellan arter. Låga syrgashalter kan förekomma natur-ligt på grund av humusämnens syretäring i bruna vatten och sedimentens syret-äring, främst i grunda sjöar. De lägsta syrgaskoncentrationerna förekommer under sensommaren i sjöns isolerade bottenvatten (hypolimnion) och under senvintern om sjövattnet är isolerat p.g.a. isläggning. Syrgaskoncentrationen beror dels på syretäringshastigheten dels på isläggningens/sommarstagnationens längd. För att skilja denna naturliga syretäring från den antropogent orsakade används här en modell för beräkning av den naturliga syretäringen. Om den naturliga syretäringen leder till låga syrgaskoncentrationer måste den antropogena påverkan begränsas hårdare än om den naturliga syretäringen är liten. Klassningen av status tar hänsyn till detta.

Förändrat siktdjup och syrgashalt är ofta resultatet av en ökad näringspåverkan. Därför sammanvägs dessa tre parametrar vid bedömningen. 5.10.1.2 PARAMETRAR SOM INGÅR I BEDÖMNINGEN

Näringsämnen Bland växtnäringsämnen som kan orsaka eller påverka eutrofiering finns framför allt fosfor och kväve. Parametern för eutrofieringsbedömningar är totalhalten av fosfor (µg tot-P/l). Referensvärden mäts företrädelsevis i likvärdiga vattenföre-komster som den undersökta men kan även beräknas (se nedan).

Halter av totalkväve men i första hand nitrat och ammonium har betydelse för produktionsregleringen främst i relation till totalfosforhalten på så sätt att låg kvä-ve/fosfor-kvot kan gynna kvävefixerande blågröna alger och också reglera total-produktionen. Det finns indikationer på att kväve kan vara begränsande i vissa näringsfattiga sjöar och vattendrag (i t.ex. fjällen) samt i kraftigt övergödda sjöar och vattendrag.

Om tydliga indikationer finns på att kvävehalten styr tillväxten och påverkar artsammansättningen i en vattenförekomst där det finns en väsentlig mänskligt orsakad kvävebelastning kan vattenmyndigheten göra en expertbedömning av lämplig kvävehalt som gräns mellan god och måttlig status för kväve. I dessa fall annvänds medelvärdet av statusen för kväve och fosfor vid sammanvägningen med syrgas och siktdjup.


82

Siktdjup Parametrar som styr siktdjupet (m) är framför allt vattenfärg, absorbans eller humushalt och grumlighet. Den senare mäts ofta som turbiditet alternativt som växtplanktonmängd (klorofyllhalt). Här används vattenfärg, AbsF420/5 och kloro-fyllhalt för beräkning av referenssiktdjup. Syrgas För beräkningen av kvalitetskvoter används halter av löst syrgas (mg O2/l) eller förbrukningen av syrgas. Bedömningen grundar sig på avvikelser från normal syr-gashalt och är uppdelad på två olika typer av biotoper; vatten med varmvattenbiota samt sådana med laxartade fiskar. Den naturliga syrgaskoncentrationen vid vald tidpunkt kan beräknas genom att använda den modellerande syretäringshastigheten. 5.10.1.3 KRAV PÅ UNDERLAGSDATA

Näringsämnen I extensiva program används ofta ett ytprov (0,5 m djup). Då bör provet tas under sensommaren (slutet juli–augusti). För att få ett bättre underlag för värdering av tillstånd och avvikelse rekommenderas provtagning minst fyra gånger per år, och helst oftare. Om endast fyra provtagningar genomförs bör dessa, när det gäller dimiktiska sjöar, förläggas till de två perioder när det råder stabila skiktningsförhål-landen (vårvinter samt sensommar (aug), samt till cirkulationsperioderna under vår och höst. För att utjämna mellanårsvariationer bör beräkningar göras på 3-års peri-oder istället för på årsmedelvärden. Provtagning ska ha gjorts enligt standard SS-028127.

Om referenshalt ska beräknas behövs data på: Kalcium- magnesium- och kloridhalter absorbans eller vattenfärg, höjd över havet, medeldjup samt kiselhalter Siktdjup Siktdjup kan mätas antingen med eller utan vattenkikare. Vid provtagningen bör det antecknas om vattenkikare använts eftersom den generellt ger ett något större värde på siktdjupet. Mätning skall ske på fritt vatten med en vitmålad skiva med diameter 25 cm och med sådan tyngd så att den hänger lodrätt i en graderad lina. Provtagning bör ske månatligen under vegetationsperioden (maj–oktober) eller i augusti. Beräkningsperioden är ett år när mer än fyra mätvärden finns och tre år när mätning endast sker i augusti. Provtagning ska ha gjorts enligt standard SS-EN 27027 (del 2, 2.2) Mer stöd finns i Naturvårdsverkets undersökningstyp: vatten-kemi i sjöar.

För beräkning av referenssiktdjup skall dessutom vattenfärg eller absorbans (absF420/5) och klorofyllhalt bestämmas.


83

Syrgas Provtagning ska ha gjorts enligt SS EN 25813 samt SS EN 25814. Mer stöd finns i Naturvårdsverkets undersökningstyp: vattenkemi i sjöar.

Om syrgashalten är god behöver inget referensvärde bestämmas. Beräkning av avvikelse från referensvärde skall baseras på minst ett provtagnings-tillfälle i slutet av stagnationsperioderna, dvs. senvinter (vid is) och på sensomma-ren. Dessutom bör prover tas vid cirkulationsperiodernas slut; dvs. på senvåren och senhösten. Sjön bör då vara homoterm (omblandad). Om klassgränsen för god syrgashalt enligt tabell 5.42 underskrids bör provtagningsfrekvensen ökas under skiktningperioderna (vinter eller sommar) för att fastställa varaktigheten av låga syrgashalter. Vid stagnation bör prover tas på djup enligt Naturvårdsverkets under-sökningstyp: Vattenkemi i sjöar. Mätningar bör göras på djup som är representativa för större vattenvolymer/sedimentytor och inte enbart i sjöns absolut djupaste del/delar, då dessa ofta endast omfattar en begränsad yta och volym av sjön. För beräkningar av referensvärden krävs att sjöns medeldjup och maxdjup är kända. Förutom bestämningar av syrgaskoncentrationer ska temperatur och vattenfärg mätas på varje meter mellan yta och botten. 5.10.1.4 KLASSIFICERING AV STATUS

Näringsämnen Prediktioner enligt ekvationerna nedan används. Dessa ekvationer baseras på data för perioden fram till 2002. Steg 1) Beräkning av referensvärde Beräkna referensvärdet utgående från sjöns höjd över havet, dess medeldjup, samt icke marina baskatjoner, absorbans och kisel: Log(ref-P) =1,679 + 0,0509*logBC* +0,293*log abs – 0,123*loghöjd – 0,190*logmedeldjup – 0,103*logSi Där ref-P = referensvärde (total-P µg/l) BC* = icke marina baskatjoner (mekv/l) Absorbans = absorbans mätt i filtrerat vatten vid 420 nm i 5 cm kuvett alternativt används värdet för vattenfärg (mgPt/l) /500 Höjd = sjöns höjd över havet (m) Medeldjup = sjöns medeldjup (m) Si = koncentrationen av kisel (Si mg/l) Icke marina baskatjoner beräknas enligt BC* = Ca + Mg – 0,235*Cl där alla koncentrationer anges som mekv/l Steg 2) Klassificering av status Detta sker genom att dela referensvärdet med det uppmätta värdet. Den erhållna ekologiska kvalitetskvoten (EK) jämförs med klassgränserna i tabell 5.43 och hän-förs till rätt klass.


84

Siktdjup För referensberäkningarna bör 3-års medelvärden för siktdjup användas eller me-delvärde för ett år när 4 eller fler prover tagits. Vid beräkningen av referensvärde skall värden på nuvarande vattenfärg eller absorbans användas. Däremot bör ett referensvärde för klorofyll a användas för att kompensera för effekter av eutrofie-ring. Ett sådant referensvärde bör tas fram med hjälp av bedömningsgrunder för klorofyll (Sonesten & Wilander 2006). Bäst är att använda siktdjupsvärden för sjön från perioder före en eventuell påverkan. Steg 1) Beräkna siktdjupet, i meter, enligt: SD =10(logSD) Steg 2) Beräkning av referensvärden för siktdjup sker enligt: Ekvationerna I eller II kan användas alternativt: LogSD = 0,991 – 0,116*log(vattenfärg) – 0,471*log(klorofa) (I) Där SD = siktdjup, m Vattenfärg = vattenfärg, mg Pt/l Klorofa = referensvärde för klorofyllkoncentration, klorofylla µg/l (mg/m3) Eller då bestämning av absorbans används: LogSD = 0,678 – 0,116*log(absF420) – 0,471*log(klorofa) (II) Där SD = siktdjup, m AbsF420 = absorbans mätt vid 420 nm, per 5 cm kuvett Klorofa = referensvärde för klorofylla, µg/l (mg/m3) Steg 2) Klassificering av status Detta sker genom att dela referensvärdet med det uppmätta värdet. Den erhållna ekologiska kvalitetskvoten (EK) jämförs med klassgränserna i tabell 5.44 Syrgas Beräkna status utgående från minimumvärdet för årets provtagning enligt tabell 5.42.


85

Tabell 5.42. Klassning av status för syrgaskoncentration för sjöar med olika typer av fisk. Nedre klassgränser. Status Temp

(°C) Varmvattensbiota (mg/l)

Huvudsakligen salmonider (mg/l)

Hög - ≥ 8 ≥ 9 God 0 – 5 7 8 " 5 – 15 6 7 " > 15 5 6 Måttlig - 4 5 Otillfredsställande - <3 <3 Dålig - - -

Klassas sjöns status som måttlig eller sämre bör man undersöka om detta beror på naturliga eller antropogena förhållanden genom jämförelser med referensvärden. Steg 1) Beräkning av referensvärden Referensvärden skall i första hand baseras på mätvärden för sjön från perioden före påverkan. Eljest beräknas referensvärden med hjälp av en ekvation för syretärings-hastighet och syrgashalten vid isläggningen eller sommarstagnationens början. För sommarstagnation (hypolimnion) beräknas referensvärden för syretäringshastighe-ten enligt: Ekvation III

där Syretäringshastighet, mg/l,dygn Maxdjup = sjöns maxdjup, m Siktdjup = siktdjup under sommaren, m Temp = vattentemperatur i hypolimnion (medelvärde), °C Abs420 = absorbans mätt vid 420 nm på filtrerat prov (5 cm kuvett) Om vattenfärg har bestämts kan uttrycket inom parentesen ersättas med: (vattenfärg/6,3) Kan hypolimnions tjocklek bestämmas genom temperaturmätningar bör det värdet användas istället för Maxdjup – siktdjup. För isläggningsperiod beräknas referensvärden för syretäringshastigheten enligt: Ekvation IV


86

där Syretäringshastighet, mg/l,dygn Medeldjup = sjöns medeldjup, m Temp = medelvärde av sjöns vattentemperatur under vintern, °C Abs420 = absorbans mätt vid 420 nm på filtrerat prov, (5 cm kuvett) Om vattenfärg har bestämts ersätts uttrycket inom parentesen med: (vattenfärg (Pt mg/l)/6,3) Syrgaskoncentrationen vid stagnationens/isläggningens början (Co) bestäms i för-sta hand genom mätningar vid cirkulationens slut; alltså före eller i början av ter-misk skiktning vid våren eller vid isläggningens början. Finns inte dessa värden kan C0 skattas med hjälp av en beräkning av mättnadskoncentrationen vid vatten-temperaturen vid stagnationsperioden och korrigering för att mättnad sällan upp-nås. Korrigeringen kan försöksvis sättas till 90% av mättnadsvärdet. Mättnadskoncentrationen för löst syrgas (mg/l) kan skattas utgående från vatten-temperaturen vid homotermi (samma vattentemperatur i hela vattenprofilen) enligt: Ekvation V

Där Temp = vattentemperatur vid cirkulation, °C Hänsyn bör dock tas till att mättnad sällan hinner uppstå. Därför bör beräkningens resultat reduceras till ca 90% av beräknad mättnadskoncentration. Beräkning av referensvärde för syrgaskoncentration: Beräkningen enligt ekvationerna IV och V ger en syrgastäringshastighet. Utgående från syrgaskoncentrationen när stagnationen/isläggningen börjar och tiden därefter till provtagningstillfället kan ett referensvärde för syrgaskoncentrationen vid en vald tidpunkt beräknas enligt: Ekvation VI


87

Där: Ct = beräknat referensvärde för syrgaskoncentration vid provtagningstillfället, mg/l C0 = syrgaskoncentration vid isläggning/skiktningens start, mg/l ∂C/∂t = syretäringshastighet enligt ekvation IV eller V, mg/l, dygn t = tiden mellan isläggning resp. sommarskiktnings början och provtagningen, dygn Om tiden för skiktningen inte är känd eller kan uppskattas kan den bedömas med hjälp av de kartor för isläggning och islossning som finns i Nationalatlas Klimat, sjöar och vattendrag. Steg 2) Statusbedömning Den uppmätta koncentrationen jämförs med klassgränserna i tabell 5.42. Visar värdet på hög eller god status blir det den slutliga bedömningen. Motsvarar där-emot uppmätt syrgaskoncentration en lägre status skall den naturliga, opåverkade koncentrationen beräknas enligt ovan. Sjöns status beräknas därefter utgående från jämförelse mellan uppmätta värden och referensvärden beräknade enligt ekvation VI. Resultatet jämförs med klassgränserna i tabell 5.45 för att få fram den slutliga bedömningen. 5.10.1.5 KLASSGRÄNSER

Näringsämnen Tabell 5.43. Statusklassificering av totalfosfor i sjöar. Status EK-värde Mätt koncentration

Tot-P (μg/l) Hög ≥ 0,7 och < 12,5 God ≥ 0,5 och < 0,7 Måttlig ≥ 0,3 och < 0,5 Otillfredställande ≥ 0,2 och < 0,3 Dålig < 0,2

Siktdjup Tabell 5.44. Statusklassificering av siktdjup i sjöar. Status EK-värde Hög ≥ 0,67 God ≥ 0,50 och < 0,67 Måttlig ≥ 0,33 och < 0,50 Otillfredsställande ≥ 0,25 och < 0,33 Dålig < 0,25

Syrgas Den uppmätta koncentrationen jämförs med klassgränserna i tabell 5.42. Visar värdet på hög eller god status blir det den slutliga bedömningen.

Visar däremot värdet på måttlig eller sämre status ska en bedömning göras om detta är naturligt eller beror på antropogen påverkan enligt beskrivning i kapitlet 5.10.1.4 bedömning av status. Resultatet jämförs med klassgränserna i tabell 2 för att få fram den slutliga klassificeringen.


88

Tabell 5.45. Nedre klassgränser för beräkning av ekologisk status. Ct = referensvärde beräknat enligt formel 4. Status Nedre klassgräns Hög = 1,19 Ct – 0,0242 Ct

2 – 0,418 God = 1,41 Ct – 0,0476 Ct

2 – 1,11 Måttlig = 1,08 Ct – 0,0415 Ct

2 – 0,202 Otillfredsställande = 0,674 Ct – 0,0264 Ct

2 – 0,577 Dålig -

5.10.1.6 SAMMANVÄGD STATUS

En sammanvägd status för näringsämnen, siktdjup och syrgas räknas ut genom att ta ett medelvärde av de respektive statusklasserna för de olika parametrarna. Exempel 1: hög + god + hög = Hög status Exempel 2: god + måttlig + otillfredsställande = Måttlig status 5.10.1.7 KOMMENTARER

Näringsämnen Beräkningar av tillstånd bör baseras på bästa möjliga material. Det innebär en hög provtagningsfrekvens och en beräkningsperiod på 3 år för att på så sätt minimera risken för felklassning. Siktdjup Mätningar av siktdjup vid alla provtagningstillfällen är alltid värdefulla. Men efter-som augustiprovtagningar är vanligast i de flesta övervakningsprogrammen är de lämpliga för bedömningar. Sjöar som naturligt är grumliga, t.ex. glaciärsjöar och många slättlandssjöar som avvattnar områden med leror har låga siktdjup. Model-lerna (ekvationer I och II) tar inte hänsyn till detta. Men de SRK-sjöar som testats och som har värden för turbiditet visar inte på någon systematisk effekt av den. Ekvation II ger en osäkerhet i skattningen av siktdjupet. Denna osäkerhet kan upp-skattas genom att jämföra det beräknade siktdjupet med det som erhålls efter minskning med en standardavvikelse. Som median är detta värde 88% av det be-räknade, vilket innebär att modellen, statistiskt sett, ger små systematiska fel, som inte väsentligt torde påverka statusberäkningen. Syrgas Under två perioder kan syrgaskoncentrationer bli kritiskt låga; under senvintern i islagda sjöar och under sensommaren i termiskt skiktade sjöar när bottenvattnet (hypolimnion) är skilt från ytvattnet och luften. Under senvintern har fisk små möjligheter att finna vatten med god syrgashalt. Under sensommaren kan däremot de flesta arter fly syrgasfattigt bottenvatten, men bottenfauna påverkas naturligtvis.

Genom provtagning fyra gånger per år i sjöar beskrivs förhållandena under senvinter, vårcirkulation, sommarstagnation och höstcirkulation. Vid stagnation bör prover tas på de djup som anges i Naturvårdsverkets Handbok för miljöövervak-ning. Prover i hypolimnion bör tas på djup som representerar större vattenvolymer eller hypolimnions sedimentyta. Förslagsvis tas prov 1/3 från botten av hypolimni-


89

ons maximumdjup alternativt hypolimnionvolym. Vid låga syrgashalter bör prov-tagningsfrekvensen ökas för att fastställa varaktigheten av låga syrgashalter.

Beräkningsperioden bör vara ett år. Eftersom låga halter är akut dödliga är mi-nimumvärdet bäst lämpat för bedömningar.

Modeller som delar upp vattenpelaren i flera skikt kan rimligen ge en mer de-taljerad bild av förhållandena. Men modeller som beskriver syrgasförhållandena i en enhetlig vattenpelare kräver mindre omfattande data och blir därmed lättare att tillämpa. Under den islagda perioden kan sjön förenklat beskrivas som en enhet med samma vattenkemi i hela vattenpelaren. 5.10.2 Försurning

5.10.2.1 INLEDNING

Med försurningspåverkan avses förändring i vattenkemin orsakat av antropogen deposition av svavel och kväve samt skogsbrukets försurande inverkan genom upptag av baskatjoner. Försurningspåverkan bedöms som avvikelse från ett refe-renstillstånd beräknat med den dynamiska geokemiska modellen MAGIC. Bedömningen baseras på modellberäkningar utförda med MAGIC-modellen. Då underlag för beräkningar med MAGIC-modellen saknas, bedöms vattenförekoms-ten med verktyget MAGIC-bibliotek. Verktyget heter MAGIC-biblioteket eftersom grunden till verktyget är några hundra MAGIC-modellberäkningar utförda på sjöar och vattendrag i hela landet. Grundidén med biblioteksverktyget är att vattenföre-komster som är lika varandra idag med avseende på försurningsrelevanta paramet-rar också har haft en liknande utveckling av sjökemin de senaste hundra eller två-hundra åren och troligen kommer fortsätta utvecklas på likartade sätt i framtiden. 5.10.2.2 KRAV PÅ UNDERLAGSDATA

För att statusklassificera en vattenförekomst med MAGIC-biblioteket behöver man följande data.

Vattenkemiska parametrar; pH, SO4, Cl, Ca, Mg och DOC, för ett år mellan 1990 och 2004.

X- och Y-koordinat för vattenförekomsten i Sveriges rikes nät, RT90.

Sjöns area. Avrinningen till vattenförekomsten i m/år avrinningsområde.

Denna parameter kan skattas från avrinningskartor. Bedömningen ska göras på halter motsvarande medianvärden.

Dataunderlaget som behövs för försurningsbedömning av en vattenförekomst med MAGICbibliotek beror av syftet med bedömningen och graden av påverkan. Om syftet bara är att klassa om en sjö är försurad eller ej enligt kriteriet dpH > 0,4, räcker det med enstaka prover om försurningspåverkan i sjön då är långt ifrån gränsvärdet. Om försurningspåverkan däremot är nära gränsvärdet krävs prover från flera år för att få ett tillförlitligt bedömningsresultat.

För att göra en säkrare bedömning av sjöar (t ex om man är mycket nära en klassgräns) rekommenderas provtagning fyra gånger per år från tre år tagna under


90

alla säsonger. Bedömningen av försurningspåverkan görs på medianhaltena. En enkel bedömning kan göras utifrån 4 prover tagna under ett år. En jämförelse görs då med närliggande referenssjöar för att avgöra om det provtagna året avviker kraf-tigt från normalsituationen. Om så är fallet eller om variationen i kemin bedöms stor, upprepas provtagningen. För inventeringar med enstaka prov rekommenderas höstprov.

5.10.2.3 KLASSIFICERING AV STATUS

Om det finns modellering av vattenförekomster med MAGIC så jämförs resultatet för 1860 med dagen tillstånd och den erhållna pH-förändring jämförs med klass-gränserna i tabell 5.46.

Om det saknas en anpassning av MAGIC för en sjö kan försurningspåverkan bedömas från en likvärdig vattenförekomst i det webbaserade verktyget MAGIC-bibliotek: http://www.ivl.se/magicbibliotek. Bedömningen av försurningspåverkan görs genom att ta fram MAGIC-resultat från den vattenförekomst i biblioteket som är mest lik den vattenförekomst som ska bedömas. Detta görs under antagandet att om sjöarna och vattendragen är tillräckligt lika, är deras försurningspåverkan jäm-förbar. Genom att tillämpa Magicbibliotek på tillstånds erhålls en beräknad status-klass.

Om man avser göra en noggrannare bedömning av vattenförekomsten kan man välja att modellera med MAGIC- modellen. Vägledning för detta finns på http://www.ivl.se/magicbibliotek Bedömning av kalkade vatten Kalkade vatten ska bedömas efter att vattenkemin korrigerats för kalkningspåver-kan med kvoten mellan icke marint Ca och Mg, eller med metod som ger likvärdi-ga resultat. Kvoten mellan icke marint Ca och Mg hämtas från mätningar före kalkning eller från ett närliggande okalkat referensobjekt.

För att korrigera kalkade vatten för att bedöma försurningspåverkan är generellt sett Ca*/Mg* för okalkade vatten (från tiden före kalkning eller för närbelägna vatten) användbar som underlag. Men felet i det enskilda fallet kan vara för stort för att bedömningen ska vara tillräckligt noggrann. Det gäller främst när prover tas från närliggande okalkade referenser. Felet i det enskilda fallet beror på variationen i tid och rum av Ca*/Mg*, vilket i sin tur beror på de lokala naturgivna förutsätt-ningarna. Det går därför inte att ge någon generell rekommendation för vilket un-derlag som behövs. De riktlinjer som presenteras här ska användas med stor försik-tighet och med invägande av den lokala kännedomen.

Det räcker med att ett prov är taget för att fastställa Ca*/Mg* i ett okalkat refe-rensobjekt om följande villkor är uppfyllda: Avrinningsområdet > 60 km2, Mg* > 50µekv/l, Alkalinitet > 50 µekv/l, Cl < 200 µekv/l och nederbörden < 800 mm/år. I annat fall rekommenderas 2 prover från olika säsonger under stabila flödesförhål-landen. Om dessa resultat skiljer mer än 14% eller 0,35 med avseende på Ca*/Mg* tas ytterligare 2 prover och medelvärdet används. För prover från tiden före kalk-ning kan halter av variabler som inte påverkas av kalkning, t ex Mg och Cl, jämfö-ras med senare prover för att bedöma hur pass representativa proverna är. Resultat


91

från perioden 2000-2002 bör undvikas eftersom Ca*/Mg* då ofta avvek från det normala.

Använd i första hand data från perioden före kalkning. Om analys av Cl saknas kan halten skattas från senare bestämningar, förutsatt att den marina andelen bara utgör en mindre del av Ca och Mg. Saknas prov före kalkning använd i första hand data från uppströms liggande punk-ter opåverkade av kalkning. Provpunkten ska då representera en stor del av kalk-ningsobjektets avrinningsområde som inte avviker från resten med avseende på markanvändning och geologi. I de flesta fall är man tvungen att använda närliggande referensvatten, som inte ligger i avrinningsområdet för det kalkade objektet. Använd då flera objekt och beakta variationen i Ca*/Mg* mellan referensobjekten. En tumregel är att ta resul-tat för tre objekt och sedan göra tre separata bedömningar av försurning för det kalkade objektet med Ca*/Mg* från de tre referensobjekten. Ger bedömningarna likvärdiga svar med avseende på försurat/ej försurat enligt Bedömningsgrunder kan bedömningen betraktas som tillförlitlig. I annat fall krävs en expertbedömning av referensvattnens användbarhet; om det behövs fler provtagningar eller om osäker-heten är för stor för att försurningspåverkan ska kunna bedömas för det kalkade objektet. Mer information om metodiken finns beskrivet i Fölster och Wilander (2005)20.

Figur 5.12. Schema för hur korrigering för kalkning kan göras

20 Fölster, J. and Wilander, A.: 2005, 'Försurningsbedömning in kalkade vatten med kvoten Ca*/Mg*. Institutionen för Miljöanalys, SLU. Rapport 2005:3'.

Finns prov före kalkning

Prov kan tasuppströms kalkning

Tillämpaexpertbedömning

Referenserna gersamma svar

försurat/ej försurat

Korrigera förkalkpåverkan med

varje referens för sig

Korrigera förkalkpåverkan

Provta i ? 3närliggandereferenser

nej

nej

Korrigera förkalkpåverkan

med medelvärde

ja

ja

ja

nej


92

5.10.2.4 REFERENSVÄRDEN OCH KLASSGRÄNSER

Referenstillståndet definieras som ANC vid förindustriell tid (1860) beräknat med MAGIC eller MAGICbibliotek . För avvikelsen jämförs referensvärdet med det nutida värdet på ANC, ANCt. För att avvikelsebedömningen ska avspegla den biologiska påverkan översätts ANC-förändringen till en motsvarande förändring i pH genom en kemisk jämviktsberäkning. Omräkningen görs för att pH har starkare koppling till försurningskänsliga organismer än ANC.

Avvikelsen från referensvärdet utrycks som förändring i pH under antagande av oförändrad halt av naturligt organisk material och konstant kolsyratryck. Vatten-förekomster med en pH-förändring >0,4 uppfyller inte ”God Status” (tabell 5.46). Gränsen mellan hög och god status ligger inom felmarginalen för bedömningsverk-tyget. Under vårflodsepisoden gäller ett lägre gränsvärde, 0,2 pH enheter, inom intervallet

Tabell 5.46. Klassning av försurningspåverkan. Klass pH-minskning Status 1 <0,2 Hög status 2 0,2 – 0,4 God status 3 0,4 – 0,6 Måttlig status 4 0,6 – 0,8 Otillfredsställande status 5 >0,8 Dålig status

5.10.2.5 KOMMENTARER

Vädrets växlingar avspeglar sig i ytvattnets kemi där t.ex. vårflodsepisoder utgör extremsituationen. Det gäller framför allt i vattendrag men även i sjöar. Sjöns om-sättningstid har då stor betydelse för variationens omfattning. Under blöta förhål-landen ligger grundvattennivån högt. Uppehållstiden i marken blir då kortare vilket gör att vattnet blir utspätt med avseende på buffrande vittringsprodukter. Detta gör att samtliga surhetsindikatorer får lägre värden. Höga grundvattennivåer medför också ytligare flödesvägar, vilket ofta ger högre halter av organiskt material. Detta sänker både Alkalinitet och pH, men inte ANC. Höga halter organiskt material brukar också medföra ett högre kolsyratryck, vilket sänker pH, men inte ANC och Alkalinitet. Kolsyratrycket höjs också i sjöar efter isläggningen, framför allt i hu-mösa sjöar.

Sjöar med ett förindustriellt pH under 6 brukar benämnas naturligt sura. Efter-som sjökemin är så variabel, framför allt pH i jonsvaga sjöar, kommer uppskatt-ningar av andelen naturligt sura sjöar i en grupp sjöar bero på de hydrologiska förhållandena vid undersökningstillfället. Riksinventeringen 1995 var t ex bara hälften så många sjöar naturligt sura som vid riksinventeringen 2000 då det var betydligt blötare jämfört med 1995. Tittar man på hur pH varierar i 189 sjöar från de så kallade referenssjöarna inom den nationella miljöövervakningen, visar det sig att nära hälften av sjöarna kan ha pH både över och under 6, beroende på när man provtar.

Inte bara surheten utan även försurningspåverkan kan varierar med väderförhål-landena. Detta är särskilt tydligt under episoder med tillfälligt förhöjda sulfathalter


93

i samband med snösmältning, eller när vattenföringen stiger efter torka, då grund-vattennivåns sänkts så att sulfat frigjorts genom oxidation. Till detta kommer att ett visst försurningstryck har en större pH-sänkande effekt när vattnets buffertkapaci-tet är utspätt vid högflöden. Gränsvärdet för försurningspåverkan på 0.4 pH-enheter baserat på medianvärden omfattar en marginal för att försurningspåverkan tempo-rärt kan vara högre. Undantaget är vårflodsepisoderna i Norrland där försurnings-påverkan bedöms med episodmodellen BDM eller pBDM.

När försurningsbedömningen görs med MAGICbibliotek görs en matchning av den vattenförekomst som ska bedömas mot de MAGIC-körda vattenförekomsterna i biblioteket. Vattenförekomsten som ska bedömas anses vara lika försurad med avseende på dpH som den matchade sjön. Om data från olika år från en vattenföre-komst används i bedömningen kan vattenförekomsten som ska bedömas matchas mot olika vattenförekomster för olika år. Anledningen är att de vattenkemiska data i MAGICbibliotek utgörs av modellerade data där mellanårsvariationen jämnats ut, medan den uppmätta kemin delvis avspeglar klimatförhållandena perioden innan provet togs. Ett blött år kan alltså en vattenförekomst som ska bedömas matchas mot en mer försurad vattenförekomst i biblioteket jämfört med ett torrare år. Detta är en önskvärd egenskap hos bedömningsverktyget eftersom det avspeglar att en vattenförekomst antas vara mer försurningspåverkad ett blött år. En nackdel med att en vattenförekomst matchas mot olika vattenförekomster för olika år är att tids-utvecklingen av dpH inte blir kontinuerlig. För utvärderingar av tidsserier rekom-menderas därför att tidsutvecklingen beskrivs med t ex ANC, medan försurnings-bedömningen i MAGICbibliotek görs utifrån medianer över flera år för vattenke-min.

Bakgrundsrapporter: Näringsämnen: Wilander, A. 2006. Förslag till bedömningsgrunder för eutrofierande ämnen. Siktdjup: Wilander, A. & Sonesten, L. 2006. Underlag och förslag till reviderade bedöm-ningsgrunder för siktdjup. Rapport 2006:8. Syrgas: Wilander, A. & Sonesten, L. 2006. Underlag och förslag till reviderade bedöm-ningsgrunder för syrgas. Rapport 2006:7. Försurning:Fölster, J. and Wilander, A.: 2005, 'Försurningsbedömning in kalkade vatten med kvoten Ca*/Mg*. Institutionen för Miljöanalys, SLU. Rapport 2005:3'.

5.11 Allmänna förhållanden i vattendrag




Näringsämnen Näringspåverkan/eutrofiering 4 ggr/år 2ggr vår, 2 ggr höst

Försurning Försurning

För att bedöma statusen för kvalitetsfaktorn allmänna förhållanden i vattendrag används bedömningsgrunder för näringsämnen. Dessutom bedöms försurning. För att få fram den sammanvägda statusklassen för allmänna förhållanden för fysika-


94

lisk-kemiska kvalitetsfaktorer användss ”one-out-all-out”-principen mellan dessa två parametrar. 5.11.1 Näringsämnen

Koncentrationen av näringsämnen i ett vattendrag har stor inverkan på vattnets status. Den påverkar framför allt kraftigt primärproduktionen. Som responsfaktorer för näringsämnen kan för vattendrag i första hand påväxt-kiselalger nämnas.

Vissa vattendrag kan vara naturlig näringsrika. I dessa bedömningsgrunder tas därför objektspecifika referensvärden för varje vattenförekomst fram. Dessa tar hänsyn till olika omgivningsfaktorer och kemiska parametrar och uppskattar den ursprungliga fosforhalten i vattendraget. 5.11.1.1 PARAMETRAR SOM INGÅR I BEDÖMNINGEN

Parametern som dessa bedömningar grundar sig på är totalhalten av fosfor. Refe-rensvärden (naturliga värden) mäts företrädelsevis i likvärdiga vattenförekomster som den undersökta men kan även beräknas.

Eftersom det inte finns någon tydlig generell koppling mellan kvävehalter och effekter på de biologiska kvalitetsfaktorerna har inte några bedömningsgrunder för kvävehalter tagits fram. Det finns dock indikationer på att kväve kan vara begrän-sande i vissa näringsfattiga vattendrag (i t.ex. fjällen) samt i kraftigt övergödda vattendrag, varför kvävehalter kan behöva beaktas i sådana enskilda fall. Om tydli-ga indikationer finns på att kvävehalten begränsar tillväxten i en vattenförekomst där det finns en väsentlig mänskligt orsakad kvävebelastning kan Vattenmyndighe-ten göra en expertbedömning av lämplig kvävehalt som gräns mellan god och mått-lig status för kväve. I dessa fall annvänds medelvärdet av statusen för kväve och fosfor vid sammanvägningen. 5.11.1.2 KRAV PÅ UNDERLAGSDATA

Provtagning bör ske månadsvis. För att undvika felaktiga beräkningsvärden pga årsvariationer bör beräkningar göras på 3-års perioder istället för på årsmedelvär-den.

Om referenshalt skall beräknas behövs data på: -Kalcium, magnesium och klorid, -Absorbans eller vattenfärg, -Stationshöjd över havet 5.11.1.3 KLASSIFICERING AV STATUS

Prediktioner enligt ekvationen nedan ska användas. Den baseras på data för perio-den fram till 2002. Steg 1) Beräkning av referensvärde Beräkna referensvärdet utgående från provtagningsstationens höjd över havet, samt icke marina baskatjoner och absorbans:


95

jdstationshöabsorbansBCPtotal 012,0)log(301,0*)log(240,0533,1)log( −∗+∗+=−

Där ref-P = referensvärde (total-P µg/l) BC* = icke marina baskatjoner (mekv/l) Icke marina baskatjoner beräknas enligt BC* = Ca + Mg – 0,235*Cl där alla koncentrationer anges som mekv/l Absorbans = absorbans mätt vid 420 nm i 5 cm kuvett alternativt används värdet för vattenfärg/500 stationshöjd = provtagningsstationens höjd över havet (m) Steg 2) Klassificering av status Detta sker genom att dela referensvärdet med det uppmätta värdet. Den erhållna ekologiska kvalitetskvoten (EK) jämförs med klassgränserna i tabell 5.47 5.11.1.4 KLASSGRÄNSER

Tabell 5.47. Statusklassificering av totalfosfor i sjöar. Status EK-värde Mätt koncentration

Tot-P (μg/l) Hög ≥ 0,7 och < 12,5 God ≥ 0,5 och < 0,7 Måttlig ≥ 0,3 och < 0,5 Otillfredställande ≥ 0,2 och < 0,3 Dålig < 0,2

5.11.1.5 KOMMENTARER

Beräkningar av tillstånd bör baseras på bästa möjliga material. Det innebär att provtagningsfrekvensen för beräkningar av tillstånd bör baseras på bästa möjliga material vilket innebär en hög provtagningsfrekvens och en beräkningsperiod på 3 år för att på så sätt minimera risken för felklassning. För vattendrag rekommende-ras månatliga provtagningar och en beräkningsperiod på tre år. 5.11.2 Försurning

5.11.2.1 INLEDNING

För bedömning vid basflöde ska samma metodik att användas som anges i kapitel 5.10.2 om sjöar. Dock är det Magicbibliotek som finns tillgängligt för bedömning för tillfället bara anpassat för sjöar men kommer att anpassas även till vattendrag under remisstiden.

För vattendrag norr om limes norrlandicus ska vid risk för episodförsurning under vårflod bedömas med episodmodellen BDM, Boreal Dilution Model. Saknas


96

mätningar under vårfloden kan episodförsurningen uppskattas utifrån basflödeske-min med modellen pBDM, one point Boreal Dilution Model. BDM och pBDM finns på tillgängliga på Internet: http//:ccrew.sek.slu.se/bdm. 5.11.2.2 KRAV PÅ UNDERLAGSDATA

För basflödesbedömning, se kap 5.10.2 För bedömning med försurningspåverkan under vårflodsepisoden i Norrland be-hövs följande data:. • För BDM behövs följande data : ANC och TOC under basflöde och i tidsserie

under vårfloden. • För pBDM behövs följande data: ANC och TOC under vinterbasflöde. För att göra en säkrare bedömning försurningspåverkan under basflöde i vattendrag rekommenderas månadsvis provtagning under 3 år. En enklare bedömning kan göras utifrån 6 prover under ett år. En jämförelse görs då med närliggande refe-rensstationer för att avgöra om det provtagna året avviker från normalsituationen. Om så är fallet eller om variationen i kemin bedöms stor, upprepas lämpligen prov-tagningen. 5.11.2.3 KLASSIFICERING AV STATUS

För basflödes bedömning, se kap 5.10.2. För vattendrag norr om limes norlandicus ska försurningspåverkan under vårflod bedömas med episodmodellen BDM, Boreal Dilution Model (http://ccrew.sek.slu.se/bdm). Saknas mätningar under vårfloden kan episodförsur-ningen uppskattas utifrån basflödeskemin med modellen pBDM, one point Boreal Dilution Model. 5.11.2.4 REFERENSVÄRDEN OCH KLASSGRÄNSER

För basflödesbedömning, se kap 5.10.2, dock gäller under vårflodsepisoden ett lägre gränsvärde, 0,2 pH enheter, inom intervallet

Bakgrundsrapporter: Näringsämnen: Wilander, A. 2006. Förslag till bedömningsgrunder för eutrofierande ämnen. Försurning: Fölster, J. and Wilander, A.: 2005, 'Försurningsbedömning in kalkade vat-ten med kvoten Ca*/Mg*. Institutionen för Miljöanalys, SLU. Rapport 2005:3'.

5.12 Särskilda förorenande ämnen i sjöar och

vattendrag 5.12.1 Inledning

Förorenande ämnen är toxiska ämnen, utöver de ämnen som bedöms inom kemisk status (de prioriterade ämnena samt andra ämnen som det redan finns miljökvali-tetsnormer för), som kan vara ett problem i området. Det handlar om föroreningar


97

som exponeras via vattenmiljön och som kan orsaka påverkan på de biologiska kvalitetsfaktorerna eller på människors hälsa. Vattenmyndigheterna ska klassificera status för förorenande ämnen som släpps ut i betydande mängd i avrinningsområ-det eller delavrinningsområdet.

Identifieringen av vilka ämnen som släpps ut i betydande mängd i avrinnings-området eller delavrinningsområdet görs med hjälp av det underlag som tas fram vid kartläggning och analys (se handboken för kartläggning och analys). Betydande mängd bedöms vara en sådan mängd av ett ämne att det kan hindra att den biolo-giska statusen/potentialen uppfylls till 2015.

Vattenmyndigheten skall klassificera de särskilda förorenande ämnen som släpps ut i betydande mängd i avrinningsområdet eller delavrinningsområdet ut-ifrån de klassgränser som anges i tabell 5.48.

Ämnena i tabell 5.48 har tagits fram i samarbete med KEMI utifrån följande

underlag: ämnen som via miljöövervakning uppvisar halter över riktvär-

den/gränsvärden där sådana är satta. resultat från den screening som görs inom ramen för den nationella

miljöövervakningen, lista över ämnen prioriterade att åtgärda inom HELCOM genomgång över vilka förorenande ämnen som tagits med i motsva-

rande sammanhang i våra granländer. I många fall finns inte tillräckligt med kunskap om förekomst eller toxicitet vilket gör att det inte går att ta fram gränsvärden i detta skede.

Om vattenmyndigheten bedömer att något ytterligare ämne släpps ut i betydan-de mängd skall detta rapporteras till Naturvårdsverket, så att nya klassgränser kan tas fram. I dessa fall får vattenmyndigheten ta fram preliminära klassgränser för ämnena enligt förfarandet i punkt 1.2.6 i bilaga V till direktiv 2000/60/EG och klassificera ämnena utifrån dessa preliminära klassgränser. Dessa klassificeringar får ligga till grund för fastställande av miljökvalitetsnormer enligt 3 kap. Om Naturvårdsverket senare föreskriver klassgränser för något av dessa ämnen skall vattenmyndigheternas klassificeringen och fastställandet av miljökvalitets-normer göras om utifrån de klassgränser som Naturvårdsverket föreskrivit. 5.12.2 Krav på underlagsdata

För varje ämne som statusklassificeras ska prover vara tagna i den matris (vatten, sediment eller biota) det finns klassgränser för. Provtagningen och analys ska ha skett enligt de standards som finns eller enligt övriga vedertagna metoder. Exem-pelvis kan provtagning och analys utföras i enlighet med Naturvårdsverkets under-sökningstyper för sjöar, vattendrag samt kust och hav. 5.12.3 Klassificering av status

Vid statusklassificeringen av förorenande ämnen ska den uppmätta halten i vatten-förekomsten jämföras mot klassgränserna som anges i tabell 5.48 användas.


98

5.12.3.1 ICKE-SYNTETISKA FÖRORENANDE ÄMNEN (METALLER)

För metaller är klassgränsen mellan hög och god status satt till bakgrundskoncent-rationen (tabell 5.48). Bakgrundskoncentrationen är här definierad som de koncent-rationer som fanns vid tiden innan indusrialismen hade startat och innan jordbruket rationaliserades och började använda kemikalier. Vattenmyndigheten gör en be-dömning om denna utifrån opåverkade vatten i området eller annan väsentlig in-formation.

Klassgränsen mellan god och måttlig för metaller i vattenfas är angivet för den biotillgängliga koncentrationen. Det innebär att om den uppmätta totalkoncentra-tionen överskrider klassgränsen ska en fördjupad analys göras. Analysen består av: Bedömning av bakgrundskoncentrationen.

Om bakgrundskoncentrationen är hög kan vattenmyndigheten ta hänsyn till detta och bedöma riskerna för biologiska effekter utifrån de loka förhål-landena. Detta måste dock noga motiveras och dokumenteras.

Bedömning av biotillgängligheten Ett prov analyserat på totalkoncentrationen för en metall säger ganska lite om den biologiska effekten. Det är den biotillgängliga koncentrationen som är av betydelse för hur stor påverkan föroreningen har på organismer. Hur stor del av totalkoncentrationen som är biotillgänglig beror på en rad olika faktorer. Det beror för det första på typen av utsläpp. Består utsläppet av metaller i mineralform är relativt liten del tillgänglig jämfört med om ut-släppet består av metalljoner direkt vilket ger en mycket hög biotillgäng-lighet. Tillgängligheten beror också på vattnets kemiska egenskaper. Orga-niskt innehåll, pH och hårdhet är viktiga faktorer för inlansvatten. Vatten-myndigheten bör utifrån de beskrivna faktorerna göra en bedömning av den biotillgängliga koncentrationen som kan jämföras mot klassgränsen. Mo-deller som beräknar den biotillgängliga halten utifrån totalhalter och be-stämmande faktorer är för närvarande under utveckling men är ännu inte tillräckligt verifierade för svenska förhållanden.

5.12.3.2 SYNTETISKA FÖRORENANDE ÄMNEN

För biocieder, växtskyddsmedel och övriga förorenande ämnen är klassgränsen mellan hög och god status satt till detektionsgränsen (tabell 5.48). Detta är ämnen som inte ska förekomma i miljön vid opåverkade förhållanden. Detektionsgränsen för vedertagna metoder ska användas.

Klassgränsen mellan god och måttlig status för biodcider, växtskyddsmedel och övriga ämnen i vattenfas är angiven i tabell 5.48. .

NAT

UR

VÅR

DSV

ERKE

T Fe

l! I

ngen

tex

t m

ed a

ngiv

et f

orm

at i

dok

umen

tet.

Skr

iv i

n tit

el h

ärFe

l! H

itta

r in

te r

efer

ensk

älla

.

99

5.12

.4 K

lass

grän

ser

Tabe

ll 5.

48. K

lass

grän

ser f

ör s

ärsk

ilda

föro

rena

nde

ämne

n

Hö

g s

tatu

s G

od

sta

tus

Sär

skil

lt f

öro

ren

and

e äm

nen

In

lan

dsv

atte

n

(μg

/l)

Sed

imen

t (m

g/k

g t

orr

vikt

) B

iota

(m

g/k

g)

Inla

nd

svat

ten

(μ

g/l

) S

edim

ent

(mg

/kg

to

rrvi

kt)

Bio

ta

(mg

/kg

) Ic

ke-s

ynte

tisk

a (M

ET

AL

LE

R)

Kro

m

≤bgr

.kon

c.21

-

- C

r(V

I) 3

,4

Cr(

III)

4,7

-

-

Zin

k ≤b

gr.k

onc.

-

- 7,

8 vi

d hå

rdhe

t >

24

mg

CaC

O3/l

3,

1 vi

d hå

rdhe

t <

24

mg

CaC

O3/l

- -

Kop

par

≤bgr

.kon

c.

- -

4,1

- -

Syn

teti

ska

BIO

CID

ER

B

rono

pol

≤d.g

r.22

-

- 0,

66

- -

Irga

rol

≤d.g

r.

- -

- -

- T

ricl

osan

≤d

.gr.

-

- 0,

07

- -

VÄ

XT

SK

YD

DS

ME

DE

L

Akl

onif

en

≤d.g

r.

- -

0,2

- -

Ben

tazo

n ≤d

.gr.

-

- 40

-

- C

yana

zin

≤d.g

r.

- -

0,2

- -

Dif

lufe

nika

n ≤d

.gr.

-

- 0,

0045

-

-

21 B

gr.k

onc.

= b

akgr

unds

konc

entra

tione

n 22

D.g

r. =

dete

ktio

nsgr

änse

n

NAT

UR

VÅR

DSV

ERKE

T Fe

l! I

ngen

tex

t m

ed a

ngiv

et f

orm

at i

dok

umen

tet.

Skr

iv i

n tit

el h

ärFe

l! H

itta

r in

te r

efer

ensk

älla

.

10

0

Dik

lorp

rop

≤d.g

r.

- -

10

- -

Dim

etoa

t ≤d

.gr.

-

- 0,

7 -

- F

enpr

opim

orf

≤d.g

r.

- -

0,2

- -

Gly

fosa

t ≤d

.gr.

-

- 10

-

- K

lori

dazo

n ≤d

.gr.

-

- 10

-

- M

CP

A

≤d.g

r.

- -

1,1

- -

Mek

opro

p ≤d

.gr.

-

- 20

-

- M

etam

itro

n ≤d

.gr.

-

- 1

- -

Met

ribu

zin

≤d.g

r.

- -

0,07

9 -

- M

etsu

lfur

onm

etyl

≤d

.gr.

-

- 0,

003

- -

Pir

imik

arb

≤d.g

r.

- -

0,06

-

- S

ulfu

sulf

uron

≤d

.gr.

-

- 0,

05

- -

Ter

buty

lazi

n ≤d

.gr.

-

- 0,

02

- -

Tif

ensu

lfur

onm

etyl

≤d

.gr.

-

- 0,

01

- -

Tri

benu

ronm

etyl

≤d

.gr.

-

- 0,

04

- -

ÖV

RIG

A

MC

CP

≤d

.gr.

≤d

.gr.

≤d

.gr.

1

23

0,06

Ic

ke-d

ioxi

nlik

a P

CB

er

- ≤d

.gr.

≤d

.gr.

-

34,1

μg

tota

l-P

CB

/k

g (s

ötva

tten

) 21

,5 μ

g to

tal-

PC

B/k

g (m

arin

)

(0,1

PC

B-1

53)

Dio

xinl

ika

PC

Ber

, di

oxin

er o

ch f

uran

er

- ≤d

.gr.

≤d

.gr.

-

0,85

ng

TE

Qfi

sk/k

g 8

pg

TE

Qdä

ggdj

ur/g

P

FO

S

≤d.g

r.

- ≤d

.gr.

30

-

0,00

6 H

BC

D

≤d.g

r.

≤d.g

r.

≤d.g

r.

0,31

0,

86

1,5

Bis

feno

l A

≤d

.gr.

-

1,

6 -

- N

onyl

feno

leto

xyla

ter

≤d.g

r.

- -

0,33

NP

-TE

Q

- -


101

5.12.5 Kommentarer

Beräkningen av gränsvärden för förorenande ämnen är utförd enligt de principer och metoder som accepterats på EU-nivå beträffande beräkning av gränsvärden för de prioriterade ämnena. Metoden stämmer även överens med de krav som är an-givna i ramdirektivet vatten. Detta innebär att de framtagna gränsvärdena är base-rade på ekotoxikologiska effektstudier på olika trofinivåer, samt för människor eller rovdjur som äter föda från vattenmiljön, och tar hänsyn till den känsligaste organismen. Dessa metoder är inte heltäckande och t.ex. tas inte hänsyn till eventu-ella additativa eller synergistiska effekter även om brister i dataunderlag har korri-gerats med säkerhetsfaktorer. På grund av detta kan man inte garantera att det inte kommer att uppstå effekter på biota till följd av exponering av farliga ämnen trots att inga gränsvärden är överskridna. Sådana effekter bör dock upptäckas genom att de biologiska kvalitetsfaktorerna alltid ska bedömas. Om biologin visar på en på-verkan klassas vattenförekomsten i måttlig eller sämre status även om fysikalisk-kemisk status är god. De parametrar som i dag bedöms för de biologiska kvalitets-faktorerna visar inte specifikt på en toxisk påverkan utan ger tydligare respons på närings-, eller surhetsstress eller på hydromorfologisk påverkan. Detta kan dock utvecklas framöver så att man tar fram parametrar som tydligare svarar på en tox-isk påverkan.

I de fall gränsvärdet för ett ämne är satt för vattenfas men mätdata saknas kan nedanstående värden i tabell 5.49 fungera som en vägledning i de fall det finns tillgång till mätdata för sediment. Om ett värde ligger nära gränsvärdet kan detta tas som en indikation för att det finns ett behov för provtagning i vattenfas.

Tabell 5.49 Indikativa gränsvärden för sediment, EP-GVsediment, som har beräknats med jäm-viktsfördelningsmetodik utifrån ämnenas GVvatten.

Substans EP-GVsediment (mg/kg) torrvikt

Krom Cr(VI) 0,7-7 Cr(III) 143-1430 (alternativt 3 gånger bakgrunds-koncentrationen)

Zink 860 (alternativt 3 gånger bakgrunds-koncentrationen)

Koppar - (alternativt 3 gånger bakgrunds-koncentrationen)

Bronopol 0,0007 Irgarol 0,00004-0,00018 Triclosan 0,33 MCCP 5,9 Icke-dioxinlika PCBer - Dioxinlika PCBer, dioxiner och furaner - PFOS - HBCD 0,28 Bisfenol A 0,12


102

Nonylfenoletoxylater 0,18 NP-TEQ Aklonifen 0,14 Bentazon 0,05 Cyanazin 0,0015 Diflufenikan 0,0009 Diklorprop 0,04 Dimetoat 0,001 Fenpropimorf 0,06 Glyfosat 23 Kloridazon 0,2 MCPA 0,075 Mekoprop 0,04 Metamitron - Metribuzin 0,0008 Metsulfuronmetyl 0,000001 Pirimikarb 0,0003 Sulfusulfuron 0,00003 Terbutylazin 0,0001 Tifensulfuronmetyl 0,00001 Tribenuronmetyl 0,00004

mkn hb kap. 5a limniskt 070402 remiss - lansstyrelsen · 5.10.1 näringsämnen, siktdjup och syrgas...

Documents