Ferskvann i vannforskriften og naturindeksen. Forslag til samordning og dataflyt

Sandvik, H. 2019. Ferskvann i vannforskriften og naturindeksen. Forslag til samordning og dataflyt. NINA Rapport 1723. Norsk institutt for naturforskning. Med naturindeksen og vannforskriften har Norge to ordninger som rapporterer tilstanden for ferskvanns- og kystvannsystemer. Det bør være et mål at indikatorene som inngår i begge ordningene, gir mest mulig sammenfallende beskrivelser. Her følger jeg opp tidligere anbefalinger om samordning ved å beskrive en mulig form for dataflyt av data som er samla inn i sammenheng med vannforskriften, til naturindeks. Dette omfatter også en geografisk oppskalering fra vannforskriftens punktobservasjoner til større administrative enheter som kommuner og fylker. En viktig forutsetning for dataflyt er allerede oppfylt, siden indikatorene i både vannforskriften og naturindeks er skalert fra 0 til 1, der 1 er referanseverdien. Vannforskriften oppnår dette gjennom å beregne nEQR-verdier (normaliserte økologiske kvalitetskvotienter) ved å trunkere, skalere og normalisere indikatorenes indeksverdier. For å ta vare på hele variasjonen i de tilgjengelige dataene, er det imidlertid viktig å utveksle data mellom vannforskrift og naturindeks før dataene blir trunkert. De skalerte og normaliserte, men ikke-trunkerte indeksverdiene blir her omtalt som mEQR-verdier (modifiserte økologiske kvalitetskvotienter). For å kunne oppskalere fra punktmåling til større geografiske områder brukes her en tilnærming med modellering av målingene (på mEQR-skala) og ekstrapolering til vannforekomster som ikke er målt. Modelleringa er basert på modellseleksjon av lineære modeller som inkluderer tid (år), typologifaktorer og overvåkingsaktiviteter som forklaringsvariabler for måleverdiene. Typologi-faktorer omfatter vannforekomstenes klimasone, størrelse, kalk-, humusinnhold og lignende. Disse samvarierer ofte systematisk med indikatorverdiene og må derfor tas høyde for. Hver vannmåling som registreres i vannforskriftsammenheng, er knytta til nøyaktig én overvåkings-aktivitet, som definerer målingens forvaltningsmessige formål. De fleste aktiviteter har andre formål enn å gi et representativt bilde av hovedøkosystemets samla tilstand, men iverksettes f.eks. nettopp fordi vannforekomstene har en antatt eller påvist dårlig tilstand (bl.a. forsurings- eller forurensningsovervåking). Dette medfører at målinger med dårlig tilstand må antas å være over-representert i datamaterialet som er samla inn i vannforskriftsammenheng. Det foreslås derfor en metode for å vekte de ulike overvåkingsaktivitetene for deres representativitet, for på denne måten å kunne korrigere for noe av skjevheten som ligger i datamaterialet. Ekstrapolering til vannforekomster som det ikke foreligger målinger fra, bør skje i form av prediksjon basert på den beste modellen. Usikkerheten kan angis i form av prediksjonsintervaller basert på simuleringer. Oppskaleringas siste trinn er å aggregere de målte eller predikerte verdiene for alle relevante vannforekomster ved å ta et gjennomsnitt, som kan være uvekta eller vekta. Det foreslås å vekte for vannforekomstenes størrelse, noe som her er utprøvd for innsjø-vannforekomster. Når målet er at alle størrelsesklasser skal bidra noenlunde likt til gjennom-snittet, er løsninga å vekte verdiene for de respektive vannforekomstenes overflateinnhold. Den foreslåtte metoden er testa ut på fire indikatorer som er felles for vannforskrift og naturindeks, og som dekker både elve-, innsjø- og kystsystemer, nemlig bunndyrindeksene ASPT og Raddum1, trofiindeksen for planteplankton (PTI) og artsmangfoldet i marin bløtbunnsfauna (MBH). Metoden er imidlertid generisk og bør derfor også kunne anvendes på andre indikatorer.

Sandvik, H. 2019. Assessing freshwater systems for the Water Framework Directive and the Norwegian Nature Index: a proposal for improved comparability and dataflow. NINA Report 1723. Norwegian Institute for Nature Research. In Norway, the ecological status of freshwater and costal water systems is reported according to two different schemes, viz. the Water Framework Directive and the Nature Index. It is desirable that indicators that are common to both schemes provide as congruent descriptions as possible. I here follow up previous recommendations by describing a possible dataflow from the Water Framework Directive to the Nature Index. This includes recommendations on how to scale up from point observations to larger administrative entities such as municipalities or counties. One precondition for dataflow is already fulfilled, because indicators in both schemes are scaled from 0 to 1, where 1 corresponds to the reference value. In connection with the Water Framework Directive, this is achieved by calculating nEQR values (normalised ecological quality ratios) using truncation, scaling and normalisation of the absolute index values. It is important that the data exported to the Nature Index retain their full range of variation, however. This can be obtained by exchanging scaled and normalised, but untruncated values, which are here referred to as mEQR values (modified ecological quality ratios). The upscaling from point measurements to larger geographic areas is here accomplished using modelling of the measurement values (on mEQR scale), followed by extrapolation to water bodies that have not been measured. Modelling selection is based on linear models incorporating time (year), typology and surveillance activities as explanatory variables. "Typology" refers to such factors as the climate zone, size, alkalinity and organic carbon contents of the water bodies. These factors often co-vary with the indicator values and therefore need to be accounted for. Each water measurement that is registered in connection with the Water Framework Directive is linked to exactly one "surveillance activity", which defines the objectives for taking that measure-ment. Most activities are connected to the established fact or the assumption that the water body measured is in a poor or bad ecological status. This means that most measurements do not aim at giving a representative overall picture of the freshwater ecosystem, and that reports of poor or bad status must be expected to be overrepresented in the data material collected. It is here proposed to weight measurements by the representativeness of their surveillance activity. This will partially correct for the bias inherent in the data available. Extrapolation to water bodies that have not been sampled should be accomplished using predictions based on the best model. Uncertainty can be expressed by means of prediction intervals based on simulations. The final stage of upscaling entails the aggregation of measured or predicted values by means of an unweighted or weighted average. It is here proposed to weight measurements by the size of the water body, and the procedure is successfully applied to lakes. Given the aim that all size classes of water bodies should contribute more or less equally to the average, it is shown that the appropriate weighting uses the surface area of lakes. The method proposed is tested using four indicators that are common to the Water Framework Directive and the Nature Index, covering rivers, lakes and coastal waters, viz. ASPT, Raddum1, PTI and MBH. These indices address acidification and eutrophication using benthic fauna and phytoplankton. However, the method is generic and should be just as applicable to other indicators.