Modeling of eutrophication processes in the Curonian Lagoon
Darbo gynimo komisijos pirmininkas / Thesis Defence Board Chairman | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member | |
Darbo gynimo komisijos narys / Thesis Defence Board Member |
Eutrofikacija tai procesas, kurio metu padidėja maistinių medžiagų prietaka į ekosistemą (Boeykens ir kt., 2017; Gamitos ir kt., 2005). Šis procesas dažniausiai nustatomas didėjant neorganinių maistinių medžiagų kiekiui vandens ekosistemoje. Azotas ir fosforas yra du pagrindiniai elementai atsakingi už spartų maistinių medžiagų didėjimą ir vandens augalų augimą vandens telkinyje (Boeykens ir kt., 2017; Yang ir kt., 2008; Gamitos ir kt., 2005). Vandens ekosistemoje dumblių gamyba yra reikalinga, kaip pirmasis maisto grandinės ryšys, tačiau per didelis dumblių augimas, esant eutrofinėms sąlygoms, gali pakenkti vandens telkinio sistemai (Boeykens ir kt., 2017; Gamitos ir kt., 2005). Dažnai dumblių augimo didėjimas sukelia biologinės struktūros pokyčius visoje ekosistemoje. Esant dideliai maistinių medžiagų prietakai, jūros dumbliai ir lėtai augantys makrofitai pakeičiami sparčiai augančiais makrofitais ir fitoplanktonu, o galiausiai fitoplanktonas tampa dominuojančia augmenija ekosistemoje (Gamitos ir kt., 2005). Todėl azoto ir fosforo elementų patekimas į vandens sistemą pagreitina eutrofikacijos procesą (Boeykens ir kt., 2017; Gamitos ir kt., 2005). Fosforas tai elementas, kuris natūraliai atsiranda vandenyje, tačiau tam tikra antropogeninė veikla labai prisideda prie jo kaupimosi vandens telkiniuose (Boeykens ir kt., 2017; Yang ir kt., 2008; Sperling, 2007). Natūrali fosforo kilmės priežastis vandens telkiniuose yra dirvožemio junginių ištirpimas, organinių medžiagų skilimas ir mikroorganizmų ląstelių skaidymas, o antropogeninis fosforo šaltinis susijęs su buitinėmis ir pramoninėmis nuotėkomis, plovikliais, gyvūnų ekskrementais ir trąšomis (Boeykens ir kt., 2017; Yang ir kt., 2008; Sperling, 2007). Lagūna laikoma eutrofikuota, kai vandens stulpe aptinkama didelė maistinių medžiagų koncentracija. Fitoplanktono biomasė ir gamyba, skatinama maistinių medžiagų, yra labai drumsto vandens priežastis. Kai galiausiai fitoplanktono biomasė tampa pakankamai tanki, tai apriboja šviesos patekimą į vandens telkinio dugną ir užkerta kelią bentoso augalijos augimui (Gamitos ir kt., 2005). Tuomet bentoso augalija susitelkia seklesnėse vietose, o gilesniuose sluoksniuose beveik išnyksta (Gamitos ir kt., 2005). Deguonies suvartojimas dėl organinės medžiagos skilimo padidėja, ypač nuosėdose, o tai sąlygoja anoksinius periodus (Boeykens ir kt., 2017; Gamitos ir kt., 2005). Deguonies trūkumas ir toksiškų dujų susidarymas, tokių kaip vandenilio sulfidas, dėl nuosėdų anaerobinės būsenos, daro žalingą poveikį dugne gyvenantiems organizmams bei rūšių gausumui, ypač žuvų ir vėžiagyvių, kurie į lagūną patenka lervų pavidalu ir/ar jauniklio stadijoje (Gamitos ir kt., 2005). Modeliavimas tai būdas, padedantis išspręsti realias problemas gamtoje (Grigoryev, 2016; Pilkauskas, 2011). Ekologiniai modeliai yra supaprastinti gamtos vaizdavimai ir jie gali būti naudojami tiek sprendžiant ekologines problemas, tiek stebint ir tvarkant įvairias teritorijas (Pereira ir kt., 2008). Šiuose modeliuose yra būdingos savybės (fizikiniai, cheminiai, biogeocheminiai prcesai), būtinos sprendžiant ar apibūdinant esamą situaciją (Pereira ir kt., 2008). Ekologiniai modeliai yra labai naudingi tiriant bei bandant išsaugoti estuarijų ir pakrančių ekosistemas. Tinkamai pritaikyti vandens telkiniams, šie modeliai gali padėti suprasti vykstančius procesus, nustatyti ekosistemos būklę bei prognozuoti jos evoliuciją, arba įvertinti galimus pokyčius (Rodrigues ir kt., 2009). Ekologiniai modeliai apima fizikinius, cheminius ir biologinius procesus, siekiant apibūdinti pagrindines ekosistemos ypatybes analizuojamoje teritorijoje (Pereira ir kt., 2008). Vandens ekosistemų modeliuose fizikiniai procesai apima srauto ir cirkuliacijos modelius, masės ir šilumos maišymąsi bei sklaidą, vandens temperatūrą, planktoninių organizmų ir suspenduotų medžiagų nusėdimą, Saulės radiaciją ir šviesos įsiskverbimą (Pereira ir kt., 2008). Šių procesų modeliavimas yra labai svarbus, kuriant visos ekosistemos modelį (Pereira ir kt., 2008). Tyrimo objektas Kuršių marios (3 pav.) yra didžiausia (1584 km2) priekrantės lagūna Europoje, kuri su jūra ribojas siauru Klaipėdos sąsiauriu (Remeikaitė-Nikienė ir kt., 2017; Gasiūnaitė ir kt., 2008; Trimonis ir kt., 2003; Schernewski et. al., 2002; Žaromskis, 1996). Vidutinis marių gylis yra apie 3,8 m (Gasiūnaitė ir kt., 2008; Gudelis, 1998; Žaromskis, 1996),tačiau nepaisant Kuršių marių seklumo, vandens temperatūra baseine pasiskirsto tolygiai (Gudelis, 1998). Paviršinio Kuršių marių vandens temperatūra priklauso nuo oro temperatūros. Aukščiausia vandens temperatūra mariose dažniausiai fiksuojama rugpjūčio mėnesį ir siekia +23 °C, o žemiausia – žiemą ir siekia iki +1,3 °C (Gudelis, 1998). Deguonis atlieka svarbų vaidmenį Kuršių marių vandens dujiniame režime (Žilius ir kt., 2012; Gudelis, 1998). Jo koncentracija ir pasiskirstymas nėra vienodi dėl skirtingo vandens druskingumo laipsnio, temperatūros, bangavimo ir vandens maišymosi, deguonį gaminančių organizmų veiklos, biocheminių bei cheminių redukcinių procesų ir kt. (Žilius ir kt., 2012; Gudelis, 1998). Nemuno upė atneša 96-98% visos gėlo vandens nuotėkio ir į Kuršių marias patenka centrinėje jų dalyje, taip padalindamas jas į dvi dalis (šiaurinę ir pietinę) (Remeikaitė-Nikienė ir kt., 2017; Gasiūnaitė ir kt., 2008; Daunys ir kt., 2006). Šiaurinėje marių dalyje didžiausią įtaką vandens dinamikai daro Nemuno upės nuotėkis ir vandens srautai iš jūros (Gasiūnaitė ir kt., 2008; Daunys ir kt., 2006). Pietinė Kuršių marių dalis pasižymi santykinai uždara cirkuliacijos sistema ir mažesniais srovių greičiais, kuriems didžiausią įtaką daro vyraujantys vėjai (Gasiūnaitė ir kt., 2008; Daunys ir kt., 2006). Dėl šių priežasčių pietinėje Kuršių marių dalyje vyksta pagrindiniai sedimentaciniai procesai (Daunys ir kt., 2006). Kuršių marios apibūdinamos kaip eutrofinis arba hipereutrofinis vandens telkinys su pasikartojančiais diatominių dumblių žydėjimais pavasarį ir melsvabakterių žydėjimu vasaros metu (Remeikaitė-Nikienė ir kt., 2017; Vaičiūtė ir kt., 2015; Zilius ir kt., 2012). Antroje XX a. pusėje žemės ūkis ir pramonė tapo pagrindiniais azoto ir fosforo šaltiniais, reikšmingai prisidėjusiais prie eutrofikacijos procesų (Vaičiūtė ir kt., 2015; Aleksandrov, 2010). Padidėjusi maistinių medžiagų prietaka į marias, didina NO3-N koncentraciją (iki 100 μM), palaiko aukštą fitoplanktono priminės produkcijos gamybą bei didina chlorofilo a koncentraciją (iki 50 μg/l) (Bresciani ir kt., 2012). ESTAS-AQUABC modelis ESTAS-AQUABC yra ekologinis modelis sukurtas Klaipėdos universiteto Jūros tyrimų institute, bendradarbiaujant su Stambulo universitetu (Ertur ir kt., ruoš.; Paškauskas ir kt., 2016). ESTAS-AQUABC programinio kodo lygmenyje yra susietas su hidrodinaminiu modeliu SHYFEM (Umgiesser 2009) ir naudoja pastarojo hidrodinaminių ir termodinaminių kintamųjų skaičiavimus (Ertur ir kt., ruoš.; Paškauskas ir kt., 2016). Modelis turi pelaginių procesų submodelius. Pelaginės dalies modelio būsenos kintamųjų sąrašas pateiktas 1-oje lentelėje. Pelaginis modelis aprašo šias pagrindines procesų grupes (Ertur ir kt., ruoš.; Paškauskas ir kt., 2016): ● keturių pagrindinių fitoplanktono grupių (diatomai, N nefiksuojančios melsvabakterės, N fiksuojančios melsvabakterės ir žaliadumbliai) augimas, kvėpavimas, ekskrecija, mirtis ir išėdimas (zooplanktono); ● zooplanktono augimas ir mirtis; ● azotą fiksuojančių bakterijų N2 fiksacija; ● NH4+ nitrifikacija; ● detritinės dalelinės organinės medžiagos tirpimas; ● ištirpusios organinės medžiagos mineralizacija; ● skendinčių dalelių sedimentacija; ● visų modeliuojamų medžiagų pernaša dėl advekcijos ir turbulencinės difuzijos. Modelio kalibravimas Šio modelio kalibravimui buvo naudojami 2015 metais Jūros tyrimų instituto (Klaipėdos universiteto) Nidos stotyje matuoti duomenys. Kalibravimo proceso metu buvo lyginami modeliuoti ir išmatuoti duomenys, siekiant geriausio duomenų atitikimo. ESTAS-AQUABC modelio kalibravimui buvo naudojamas bandymų ir klaidų metodas (8 ir 9 pav.). Taip pat buvo sukurtas R programos skriptas, kuris leido pasirinkti modelio konstantą, simuliacijų skaičių ir atvaizduoti rezultatus grafine išraiška. Siekiant užtikrinti vizualios analizės patikimumą, kiekvienam kalibruojamam parametrui buvo apskaičiuota determinacijos koeficiento (R2) reikšmė. Erdvinė analizė Modelis naudoja 25 sritis (angl. boxes), t.y. Kuršių marios yra suskirstytos į 25 sritis, tačiau matuoti duomenys yra tik 14 srities (Nidos stoties) (6 pav.). Erdvinei analizei buvo naudojami modeliuoti duomenys iš visų 25 sričių. Duomenys buvo suskirstyti sezonais – žiemos, pavasario, vasaros ir rudens. Tam kad būtu žinoma koks yra erdvinis kalibruotų parametrų koncentracijų pasiskirstymas, apskaičiuoti kiekvieno sezono vidutines parametrų reikšmes. Kadangi ESTAS-AQUABC modelis Kuršių marias dalija į 25 sritis, t. y. kiekvienas modelio elementas yra pateikiamas kaip stačiakampis langelis, įprastas interpoliacijos būdas erdvinei analizei nėra tinkamas. Todėl šiuo atveju buvo naudojamas klasifikavimo metodas, pasitelkiant QGIS 3.4 programą (10-12, 15 ir 17 pav.). Rezultatai Modelio kalibravimui buvo naudojami 2015 metų Nidos stotyje matuoti biogeocheminiai duomenys (Zilius ir kt., 2018; Petkuviene ir kt., ruoš.). Kalibravimo proceso metu buvo lyginami modeliuoti ir išmatuoti duomenys, siekiant geriausio duomenų atitikimo. ESTAS-AQUABC modelio kalibravimui taikytas „bandymų ir klaidų“ vizualaus atitikimo metodas. Taip pat buvo sukurtas R programos skriptas, kuris leido pasirinkti modelio konstantą, simuliacijų skaičių ir atvaizduoti rezultatus grafine išraiška. Siekiant užtikrinti vizualios analizės patikimumą, kiekvienam kalibruojamam parametrui buvo apskaičiuota determinacijos koeficiento (R2) reikšmė. Remiantis išmatuotais biologinio azoto fiksavimo greičiais yra pastebėtas reikšmingas azoto padidėjimas pietinėje Kuršių marių dalyje vasaros laikotarpiu. Tačiau azoto fiksacijos greičių matavimai yra ganėtinai reti, pasižymi dideliu reikšmių kintamumu bei yra riboti erdvinėje skalėje (Zilius ir kt., 2018). Šiam tyrimui naudotas modelis leidžia įvertinti azoto fiksacijos procesą erdvinėje (10 pav.) ir laiko skalėse bei padeda suprasti veiksnius, reguliuojančius šį procesą, gerai sumaišytose estuarijų aplinkose. Buvo apskaičiuota, jog modeliuojami rezultatai kokybiškai sutampa su stebėjimų duomenimis (R2=0.295, p<0.05) (9 pav.). Taip pat buvo patikrinta ir patvirtinta prielaida, remiantis matavimų duomenimis, susijusi su azoto fiksacija prie santykinio viso ištirpusio azoto (TDN) kiekio (NH4++NO3-+DON), kurio išeikvojimas lemia atmosferinio azoto asimiliaciją, ir viso azotą fiksuojančių melsvabakterių gausumo (R2= 0.926, p < 0.05). Remiantis matavimų duomenimis pastebėta, kad azoto fiksacijos greičiai padidėja, kai TDN koncentracija neviršija < 0.8 mg N L-1. Viso ištirpusio azoto (TDN) dinamika yra susijusi su upės nuotėkiu, taip pat priklauso nuo kritulių kiekio, temperatūros kitimo ir vegetacijos aktyvumo upės baseino teritorijoje (Vybernaite-Lubiene ir kt., 2018). Visi šie veiksniai yra įtraukti į modeliavimo sistemą, kaip išorinės įvesties duomenys. Pirminės produkcijos erdvinis pasiskirstymas (11 pav.) suteikia galimybę stebėti fitoplanktono procesų heterogeniškumą Kuršių mariose. Gauti pirminio pirminės produkcijos rezultatai rodo didžiausią produkcijos greitį vasarą (0.96±0.45 g C m-2 d-1) ir rudenį (0.13±0.07 g C m-2 d-1). Didžiausi pirminės produkcijos greičiai buvo pastebėti pietinėje Kuršių marių dalyje, kurie atitinka ankstesnius matavimus (Zilius ir kt., 2014). NH4-N koncentracija, analizuojamoje 14 srityje – Nidos stotyje (6 pav.), svyruoja nuo mažiausios 0,018 mg N ∙ L-1 sausį iki didžiausios 0,054 mg N ∙ L-1 balandį. Analizuojant sezoniškumą, pastebėta, jog didžiausia NH4-N koncentracija yra pavasarį (~0,045 mg N ∙ L-1) ir rudenį (~0,041 mg N ∙ L-1). Didžiausios koncentracijos kaupimasis buvo pastebėtas pietinėje Kuršių marių dalyje (12 pav.). Taip pat buvo nustatytas didelis NH4-N koncentracijos kaupimasis Nemuno upės žiotyse žiemos metu, kai upės nuotėkis buvo didžiausias (~507 m3/s) (14 pav.). NO3-N koncentracija tiriamoje Nidos stotyje svyravo nuo mažiausios 0,00024 mg N ∙ L-1 liepą iki didžiausios 2,04 mg N ∙ L-1 gegužę. Sezoniškai didžiausia NO3-N koncentracija pastebėta pavasario metu (~1,97 mg N ∙ L-1), o mažiausia rudenį (~0,0097 mg N ∙ L-1). Remiantis NO3-N koncentracijos erdvinio pasiskirstymo rezultatais pastebima, kad didžiausios koncentracijos telkiasi centrinėje ir pietinėje Kuršių marių dalyse (15 pav.). Taip pat matomas ryšys tarp NO3-N koncentracijos ir Nemuno upės nuotėkio (16 pav.). Remiantis modeliuotais ir išmatuotais (Kuršių mariose ir Nemuno upėje) duomenimis, stebimas NO3-N koncentracijos padidėjimas pavasario sezonu, kai Nemuno upės nuotėkis yra ~489 m3/s. Taip pat tarp išmatuotų duomenų Nemuno upėje ir Kuršių mariose fiksuojama panaši tendencija, siejama su nuotėkiu, žiemos-pavasario metu (16 pav.). PO4-P koncentracija tiriamoje 14 srityje (Nidos stotyje) svyravo nuo mažiausios 0,0004 mg P ∙ L-1 gegužę iki didžiausios 0,021 mg N ∙ L-1 gruodį. Analizuojant sezoninius svyravimus, matoma, jog didžiausia PO4-P koncentracija yra žiemą (~ 0,013 mg P ∙ L-1), o mažiausia pavasarį (~ 0,0009 mg P ∙ L-1). Remiantis erdviniu PO4-P koncentracijos pasiskirstymu, stebimas didžiausių koncentracijų telkimasis Nemuno upės žiotyse visais metų laikais (17 pav.). Pagrindinis koncentracijos telkimasis stebimas centrinėje ir pietinėje Kuršių marių dalyje. Analizuojant ryšį tarp PO4-P koncentracijos ir Nemuno upės nuotėkio, pastebėta, kad didžiausios PO4-P koncentracijos išmatuojamos upės nuotėkiui esant nuo 400 iki 600 m3/s (18 pav.). Upės nuotėkis priklauso nuo kritulių rūšies/intensyvumo, evapotranspiracijos/kaupimosi gruntiniuose vandenyse, temperatūros svyravimų, lemiančių sniego/ledo tirpsmą ar vandens užšalimą (Vybernaite-Lubiene ir kt., 2018). Todėl temperatūra reguliuoja upės nuotėkį, o šis lemia maistinių medžiagų patekimą iš upės į marias (Vybernaite-Lubiene irk t., 2018).
Eutrophication is a global problem in many lakes and marine coastal areas (Gürevin et al., 2016; Bresciani et al., 2012; Gasiūnaitė et al., 2005). This process could lead to hypoxia and anoxia in bottom waters, intense growth of phytoplankton and other aquatic plants (Aleksandrov et al., 2018; Gürevin et al., 2016; McGlathery et al., 2007; Gasiūnaitė et al., 2005). Nitrogen and phosphorus are two key elements that cause the increase of nutrients and growth of aquatic plants (Boeykens et al., 2017; Yang et al., 2008; Gamitos et al., 2005). Coastal lagoons are highly vulnerable to eutrophication (Vaikutienė et al., 2017; Gürevin et al., 2016; McGlathery et al., 2007) and the Curonian lagoon is a good example of that. To understand and quantify the processes occurring in coastal lagoons, we can use simulation models (ecological modeling methods) (Gürevin et al., 2016). Modeling is a useful tool for coastal lagoons management (Gürevin et al., 2016; Jørgensen, 2008), to evaluate the potential impacts of external forcing and to understand the system function (Paškauskas et al., 2016). In this study, the ESTAS-AQUABC model was used, which was calibrated and adapted to the Curonian Lagoon. The modelled seasonal dynamics of inorganic nutrient concentrations were not followed perfectly, mostly due to the absence of bentho-pelagic exchange processes. For the spatial distribution, an analysis was used QGIS 3.4 program where calibrated data were analyzed and were created spatial distribution maps of the model's state variables (NH4-N, NO3-N, PO4-P).