JPI Water PREDICTING IN-LAKE RESPONSES TO CHANGE USING NEAR REAL TIME MODELS PROGNOS

Innsjøer og vannreservoarer er under kontinuerlig press fra økt urbanisering, intensivt landbruk og klimaendringer - med stadig mer ekstremvær. Dette kan forverre vannkvaliteten og føre til algeoppblomstring og høyere nivåer av oppløst organisk karbon (DOC), noe som kan øke kostnadene ved vannbehandling vesentlig. I PROGNOS har vi utviklet en integrert tilnærming til disse to truslene, som kombinerer høyfrekvente (HF) overvåkingsdata fra innsjøer med dynamiske vannkvalitetsmodeller for å forutsi kortsiktige endringer. Dette vil kunne gi forvaltere et større tidsvindu til å ta beslutninger. Det vil også øke verdien av HF-overvåkingsdata og fullstendig realisere potensialet for å bruke slike data til vannkvalitetsforvaltning. Prosjektkonsortiet inkluderer ekspertise fra europeiske målesteder som har vært ledende på HF-overvåkingssystemer siden slutten av 1990-tallet, ekspertise innen modellering av algeoppblomstring og DOC-nivå, og ekspertise i å vurdere samfunnsnytten av forbedring av vannforvaltningen. I det første året av prosjektet utviklet vi innsjømodeller som kan forutsi sjøtemperatur hver time som en funksjon av vær og innstrømmende vannkvalitet. Vi har satt opp en automatisert kalibreringsrutine på alle innsjøene som kan tilpasse modellen til måledata. Vi jobbet med modellering av DOC og planteplanktonoppblomstring. Etter to år i prosjektet gjorde vi ferdig rutiner for automatisert innsamling av data som skal brukes til å drive modellene. Vi har gått en vei i å etablere beregningsarkitekturen som kan brukes til sanntidsvarsling av biogeokjemiske prosesser. I løpet av prosjektet har vi utviklet en karbonmodell og en is-modell for innsjøer. Vi har også utført en økonomisk analyse av fordelene med høyfrekvent overvåking.

-Collection and quality control of high-frequency monitoring data was achieved. -A Dissolved Organic Carbon Module for the FABM framework was developed and tested -Collection and quality control of meteorological forcing data was automated -A methodology for cost-benefit analysis was developed and tested -A framework for the automated calibration and real-time forecast of lake carbon processes was developed. All code is open source.

In order to achieve the objectives of the project, the following objectives will be met: -> Demonstration sites have been identified in each partner country. Data from the sensor networks already operating at these sites will be placed in a harmonized format and made available in near-real-time. -> Commonly used water quality algorithms used to predict algal and dissolved organic matter concentrations will be incorporated into the Framework for Aquatic Biogeochemical Models (FABM) so these can be consistently run within a common model framework at all sites. Site specific calibrations will be made for all models. -> Methods will be developed to assimilate the recent records of sensor based water quality, short term weather forecast and longer term climatology data into FABM. -> Short-term water quality forecasts will be produced based on weather forecast input, and long-term probability based forecasts from climatology inputs. -> An economic cost benefit analysis comparing the costs of installing, maintaining, and operating the forecasting system with the benefits derived from it will be prepared. -> We will disseminate information about the technologies developed, and the benefits that can be derived from the forecast system. Target audiences will include the local government agencies involved in water-quality regulation, drinking-water utilities and the general public.