Univerza v Ljubljani Fakulteta za gradbeništvo in geodezijo Doktorand/ka KLAUDIJA LEBAR VPLIV HIDROMETEOROLOŠKIH IN VEGETACIJSKIH RAZMER NA DINAMIKO SPIRANJA NITRATNEGA DUŠIKA Doktorska disertacija INFLUENCE OF HYDROMETEOROLOGICAL AND VEGETATION CONDITIONS ON THE DYNAMICS OF NITRATE FLUSHING Doctoral dissertation Ljubljana, november 2021 Univerza v Ljubljani Fakulteta za gradbeništvo in geodezijo Mentor: doc. dr. Simon Rusjan, Univerza v Ljubljani, Fakulteta za gradbeništvo in geodezijo Komisija za spremljanje doktorskega študenta/-tke: izr. prof. dr. Mojca Šraj, Univerza v Ljubljani, Fakulteta za gradbeništvo in geodezijo, izr. prof. dr. Nataša Atanasova, Univerza v Ljubljani, Fakulteta za gradbeništvo in geodezijo, izr. prof. dr. Damijana Kastelec, Univerza v Ljubljani, Biotehniška fakulteta, prof. dr. Ognjen Bonacci, upok., Univerza v Splitu. Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. I Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. STRAN ZA POPRAVKE Stran z napako Vrstica z napako Namesto Naj bo II Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. »Ta stran je namenoma prazna« Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. III Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. BIBLIOGRAFSKO-DOKUMENTACIJSKA STRAN Z IZVLEČKOM UDK: 546.17:556.51:627.1(497.4)(043) Avtor: Klaudija Lebar Mentor: doc. dr. Simon Rusjan Naslov: Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika Tip dokumenta: Doktorska disertacija Obseg in oprema: 149 str., 53 sl., 21 pregl., 17 en., 5 pril. (6 str.) Ključne besede: nitratni dušik, spiranje NO3-N, oblikovanje padavinskega odtoka, porečje vodotoka Kuzlovec, gozdnato porečje Izvleček Procesi kroženja enega najpomembnejših elementov, dušika, so neposredno odvisni od količine padavin in njihove časovne ter prostorske razporeditve, saj voda predstavlja glavni transportni medij in gonilno silo številnih ekosistemskih procesov. Na manj kot 1 km2 velikem gozdnatem porečju v občini Polhov Gradec smo med aprilom 2018 in aprilom 2020 izvajali hkratne meritve padavin, pretokov, vsebnosti vode v tleh in kemizma vodotoka Kuzlovec. Meritve smo izvajali s kratkim časovnim korakom 20 minut. V doktorski disertaciji smo se osredotočili na analizo hidrometeoroloških in sezonskih vplivov na spremembe koncentracij in iznose nitratnega dušika s porečja. Za oceno vplivov smo uporabili multivariatne statistične analize, za identifikacijo procesov poti stekanja in virov nitratnega dušika na porečju pa smo uporabili metodo časov zakasnitve na podlagi težišč diagramov in hkratne analize časovnih sprememb obravnavanih procesov. Količine iznesenega nitratnega dušika v času padavinskih dogodkov so se izkazale kot pomemben člen v izračunih masnih bilanc. Z naraščanjem intenzitete in količine padavin pa lahko pričakujemo tudi večje spremembe koncentracij med dogodki, medtem ko se je pri količinah iznesenega dušika poleg količine padavin kot pomemben dejavnik izkazalo trajanje padavin. Trajanje padavin je tudi eden najpomembnejših kazalnikov časa pojava težišča iznosa nitratnega dušika in hidrograma. S krajšimi in intenzivnejšimi dogodki bi tako lahko pričakovali še hitrejši odziv porečja, kar bi pomenilo večje volumne vode in količine spranega nitratnega dušika v krajšem času. Raziskave na naravnih porečjih, ki pokrivajo širok spekter podnebnih dejavnikov in hidrogeoloških lastnosti porečij, so zato ključnega pomena za oceno vplivov podnebnih sprememb in človekovih dejavnosti na vodni in dušikov krog. Pri tem bodo ključnega pomena predvsem tehnologije, ki omogočajo meritve s kratkim časovnim korakom in ustrezno točnostjo. Kot se je izkazalo v pričujoči nalogi, lahko na podlagi pogostih meritev kemizma vode bolje sklepamo o prevladujočih procesih padavinskega odtoka in transporta snovi ter izboljšamo njihovo konceptualno razumevanje. IV Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. »Ta stran je namenoma prazna« Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. V Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. BIBLIOGRAPHIC – DOCUMENTALISTIC INFORMATION AND ABSTRACT UDC: 546.17:556.51:627.1(497.4)(043) Author: Klaudija Lebar Supervisor: Assist. Prof. Simon Rusjan, Ph.D. Title: Influence of hydrometeorological and vegetation conditions on the dynamics of nitrate flushing Document type: Doctoral dissertation Notes: 149 p., 53 fig., 21 tab., 17 eq., 5 ann. (6 p.) Keywords: nitrate nitrogen, NO3-N flushing, runoff formation, Kuzlovec river catchment, forested catchment Abstract Processes of nitrogen cycling are directly dependent on the amount of precipitation and its temporal and spatial distribution, as water is the main transport medium and the driving force of many ecosystem processes. Between April 2018 and April 2020 we performed simultaneous measurements of precipitation, discharges, soil moisture, and the physico-chemical parameters of the Kuzlovec stream in a forested catchment in Polhov Gradec municipality. The area of the catchment is less than 1 km2. The measurements were performed with a short time step of 20 minutes. In the doctoral dissertation, we focused on the analysis of the hydrometeorological and seasonal effects on changes in concentrations and amounts of exported nitrate nitrogen. Multivariate statistical analyses were used to assess the effects. Moreover, the methodology of centroid time lags was used to identify the processes of runoff formation,. The amounts of nitrate nitrogen exported during the rainfall events proved to be an important element in the calculations of mass balances. If the intensity of precipitation increases, we can expect higher absolute changes of concentrations during events, whereas rainfall duration, besides rainfall amount, proved to be important for the amounts of exported nitrogen. The rainfall duration proved to be one of the most important indicators of the time of occurrence of the centroid of nitrate nitrogen export diagram and of the hydrograph. With shorter and more intense events, we could expect an even faster response of the river catchment, which would mean larger volumes of water and amounts of flushed nitrate nitrogen in a shorter time. Research in a natural river catchment, covering a wide range hydrometeorological factors is therefore crucial for assessing the impacts of climate change and human activities on the water and nitrogen cycle in the future. Technologies that enable measurements with a short time step and appropriate accuracy will be of key importance. As shown in this dissertation, based on high-frequency measurements of water chemistry we can better infer the predominant processes of rainfall-runoff and transport of nutrients and improve their conceptual understanding. VI Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. »Ta stran je namenoma prazna« Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. VII Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. ZAHVALA Ta naloga ni samo plod mojega dela, ampak se v njej odražajo tudi številne zasluge mnogih izmed vas, ki ste me tako ali drugače podpirali na tej poti. Zahvaljujem se mentorju, doc. dr. Simonu Rusjanu, ki je svojo vlogo opravljal v pravem pomenu besede. Vrata njegovega kabineta so bila vedno odprta za reševanje problemov, diskusijo različnih vidikov ali zgolj za pogovor. Hvala Katedri za splošno hidrotehniko UL FGG, ki mi je omogočila raziskave in prva leta študija, še posebej prof. dr. Mitji Brillyju, ki je v meni prepoznal doktorsko kandidatko. Zahvaljujem se tudi Javni agenciji za raziskovalno dejavnost RS, ki je finančno podprla zadnji dve leti doktorskega študija. Hvala strokovni komisiji, ki me je s konstruktivnimi komentarji in predlogi usmerjala na pravo pot. Še posebej se zahvaljujem izr. prof. dr. Damijani Kastelec za vso poslano literaturo, čas za sestanke na daljavo in dragocene nasvete za analizo podatkov s statističnimi metodami. Hvala Mojcama. Izr. prof. dr. Mojci Šraj iskrena hvala za spodbujanje k pisanju člankov in raziskovanju, posojene knjige, poslane članke in vse strokovne ter življenjske nasvete. Hvala Mojci Vilfan za vsa lektorska pojasnila, prevode v angleščino in brezpogojno spodbujanje pri delu. Hvala viš. pred. dr. Andreju Vidmarju za vse dneve na terenu, ki so me naučili ceniti lastno pridobljene podatke in prenesti inženirsko znanje v prakso. Hvala vsem mlajšim sodelavcem (po abecednem vrstnem redu): Katarini, Mateji, Nejcu in Tamari. Marsikdaj so problemi po vaši zaslugi izginili in se rešitve pojavile kar ob kavi in sproščenih pogovorih. Prvi trije pa ste mi bili s svojim delom še posebej velik vzor! Tamara, s tvojo pomočjo je pobiranje podatkov in vzdrževanje opreme bilo učinkovitejše in zabavnejše. Posebna hvala mojim najbližjim. Hvala sestri Mojci in babici Cvetki, ki sta razumeli redkejše obiske v Prekmurju. Hvala tebi, Marko, za vse spodbudne besede in odrekanja. Vsem trem velika hvala, ker ste s ponosom verjeli vame. VIII Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. »Ta stran je namenoma prazna« Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. IX Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. KAZALO VSEBINE STRAN ZA POPRAVKE ........................................................................................................................ I BIBLIOGRAFSKO-DOKUMENTACIJSKA STRAN Z IZVLEČKOM ............................................ III BIBLIOGRAPHIC – DOCUMENTALISTIC INFORMATION AND ABSTRACT ............................ V ZAHVALA .......................................................................................................................................... VII KAZALO VSEBINE ............................................................................................................................ IX KAZALO PREGLEDNIC................................................................................................................... XIII KAZALO SLIK ................................................................................................................................... XV LIST OF TABLES ............................................................................................................................. XIX LIST OF FIGURES ............................................................................................................................ XXI KAZALO PRILOG ........................................................................................................................... XXV OKRAJŠAVE IN SIMBOLI .......................................................................................................... XXVII 1 UVOD ............................................................................................................................................. 1 1.1 Opis problematike in relevantnost problema ............................................................................. 1 1.2 Hipoteze ..................................................................................................................................... 4 1.3 Cilji ............................................................................................................................................. 4 2 TEORETIČNE OSNOVE ............................................................................................................... 6 2.1 Kroženje dušika v gozdnih ekosistemih ..................................................................................... 6 2.2 Pregled raziskav spremljanja koncentracij hranil v vodotokih .................................................. 9 2.3 Povezanost hidrometeoroloških razmer s spiranjem nitratnega dušika .................................... 14 2.4 Povezanost sezonskih vegetacijskih razmer s spiranjem nitratnega dušika ............................. 16 3 METODE DELA........................................................................................................................... 17 3.1 Opis eksperimentalnega porečja............................................................................................... 17 3.2 Merska oprema in merske metode ........................................................................................... 22 3.2.1 Meritve padavin ............................................................................................................... 23 3.2.2 Meritve višine vode in pretokov ...................................................................................... 25 3.2.3 Meritve vsebnosti vode v tleh .......................................................................................... 25 3.2.4 Meritve fizikalno-kemijskih lastnosti vode ..................................................................... 26 X Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 3.2.5 Meritve sezonske spremenljivosti vegetacije................................................................... 29 3.3 Analiza merjenih spremenljivk ................................................................................................. 30 3.3.1 Določitev režimov iznosa nitratnega dušika s porečja ..................................................... 30 3.3.2 Časovna povezanost hidrometeoroloških procesov in procesov spiranja nitratnega dušika 32 3.3.3 Določitev obdobij sezonske vegetacijske dinamike ........................................................ 34 3.3.4 Razvrščanje enot v skupine.............................................................................................. 37 3.3.5 Analiza glavnih komponent (PCA) .................................................................................. 39 3.3.6 Multipla linearna regresija (MLR) ................................................................................... 41 4 REZULTATI ................................................................................................................................. 44 4.1 Padavine ................................................................................................................................... 44 4.2 Pretok ........................................................................................................................................ 47 4.3 Vsebnost vode v tleh ................................................................................................................ 48 4.4 Vegetacijske in hidrometeorološke lastnosti dogodkov ........................................................... 50 4.5 Koncentracije nitratnega dušika ............................................................................................... 57 4.5.1 Razmere v času baznega odtoka ...................................................................................... 58 4.5.2 Razmere med padavinskimi dogodki ............................................................................... 60 4.6 Režimi iznosa nitratnega dušika s porečja ................................................................................ 67 5 ANALIZA IN RAZPRAVA .......................................................................................................... 72 5.1 Vpliv lastnosti padavinskih dogodkov, hidroloških in vegetacijskih razmer na spremembe koncentracij NO3-N v vodotoku in iznose s porečja ......................................................................... 72 5.1.1 Rezultati hierarhične metode razvrščanja ........................................................................ 72 5.1.2 Rezultati razvrščanja z metodo voditeljev ....................................................................... 73 5.1.3 Rezultati analize glavnih komponent (PCA) ................................................................... 76 5.1.4 Vpliv lastnosti padavin brez hidroloških podatkov ......................................................... 86 5.1.5 Razprava .......................................................................................................................... 92 5.2 Identifikacija procesov oblikovanja padavinskega odtoka ....................................................... 95 5.2.1 Časovni zamiki procesov ................................................................................................. 95 5.2.2 Podrobnejša in celovita analiza dogodkov ..................................................................... 102 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. XI Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 5.2.3 Razprava ........................................................................................................................ 112 6 SKLEPI ....................................................................................................................................... 118 7 ZAKLJUČKI ............................................................................................................................... 120 8 POVZETEK ................................................................................................................................ 123 9 SUMMARY ................................................................................................................................ 125 VIRI..................................................................................................................................................... 128 PRILOGE ............................................................................................................................................ 150 XII Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. »Ta stran je namenoma prazna« Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. XIII Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. KAZALO PREGLEDNIC Preglednica 1: Pregled študij in glavnih rezultatov meritev koncentracij nitratnega dušika na gozdnatih porečjih .................................................................................................................................................. 12 Preglednica 2: Površine posameznih rab tal na porečju Kuzlovec in njihovi deleži (MKGP, 2018) .... 18 Preglednica 3: Opisi horizontov talnega profila na porečju vodotoka Kuzlovec (Agrarius, 2018) ...... 20 Preglednica 4: Rezultati laboratorijske analize vzorcev posameznih talnih horizontov (Kmetijski inštitut Slovenije, 2018) .................................................................................................................................... 21 Preglednica 5: Velikostni razredi premerov in hitrosti delcev, izmerjenih z laserskim disdrometrom Thies Clima ........................................................................................................................................... 24 Preglednica 6: Seznam spremenljivk z oznakami, uporabljenih v analizi podatkov............................. 30 Preglednica 7: Osnovni statistični kazalniki padavinskih dogodkov z več kot 10 mm padavin ........... 46 Preglednica 8: Lastnosti volumetrične vsebnosti vode v tleh med padavinskimi dogodki z več kot 10 mm padavin (20-minutni podatki) ................................................................................................................ 50 Preglednica 9: Osnovni statistični kazalniki 20-minutnih meritev koncentracije in iznosa nitratnega dušika v vodotoku Kuzlovec za celotno obdobje meritev ..................................................................... 57 Preglednica 10: Osnovni statistični kazalniki meritev koncentracije in iznosa nitratnega dušika v vodotoku Kuzlovec v času baznega odtoka .......................................................................................... 59 Preglednica 11: Osnovni statistični kazalniki 20-minutnih meritev koncentracije in iznosa nitratnega dušika v vodotoku Kuzlovec v času padavinskih dogodkov ................................................................. 62 Preglednica 12: Razmere koncentracij NO3-N in iznosa NO3-N v času padavinskih dogodkov. V preglednici so prikazane najvišje ( Cmax) in srednje koncentracije ( Csr) med dogodkom, absolutna ( Cr) in relativna sprememba koncentracije med dogodkom ( C_rs) ter srednji ( Iznos_N) in najvišji iznos nitratnega dušika med dogodkom ( Iznos_max). .................................................................................... 64 Preglednica 13: Podatki o meritvah dušikovih spojin na vodotokih Gradaščica in Mali Graben v obdobju 2008−2019 (ARSO, 2020c) ................................................................................................................... 66 Preglednica 14: Naklon b, razmerje CVC/CVQ in relativne spremembe koncentracije C_rs za posamezni dogodek ................................................................................................................................................. 67 Preglednica 15: Uteži posameznih spremenljivk, upoštevanih v analizi glavnih komponent (PCA). S krepko pisavo so označene najvišje absolutne vrednosti uteži posamezne glavne komponente. .......... 78 Preglednica 16: Rezultati multiplega linearnega modela (MLR) na podlagi glavnih komponent za spremenljivko povprečnega iznosa na časovno enoto Iznos_N. Osenčene vrstice prikazujejo rezultate brez identificiranih vplivnih točk. ......................................................................................................... 80 Preglednica 17: Rezultati multiplega linearnega modela (MLR) na podlagi glavnih komponent za spremenljivko najvišjega 20-minutnega iznosa med padavinskim dogodkom Iznos_max. Osenčene vrstice prikazujejo rezultate brez identificiranih vplivnih točk. ............................................................ 81 XIV Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Preglednica 18: Rezultati multiplega linearnega modela (MLR) na podlagi glavnih komponent za razpon koncentracij NO3-N med padavinskim dogodkom Cr. Osenčene vrstice prikazujejo rezultate brez identificiranih vplivnih točk. ................................................................................................................. 81 Preglednica 19: Rezultati log-log multiplega linearnega modela (MLR) za Iznos_N na podlagi osnovnih spremenljivk za opis lastnosti padavin. Osenčene vrstice prikazujejo rezultate brez identificiranih vplivnih točk. ......................................................................................................................................... 88 Preglednica 20: Rezultati log-log multiplega linearnega modela (MLR) za Iznos_max na podlagi osnovnih spremenljivk za opis lastnosti padavin. Osenčene vrstice prikazujejo rezultate brez identificiranih vplivnih točk. ................................................................................................................. 89 Preglednica 21: Rezultati log-log multiplega linearnega modela (MLR) za Cr na podlagi osnovnih spremenljivk za opis lastnosti padavin .................................................................................................. 91 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. XV Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. KAZALO SLIK Slika 1: Shema kroženja dušika v gozdnih ekosistemih (prirejeno po Schimel in Bennett, 2004) ......... 8 Slika 2: Prikaz rabe tal (MKGP, 2018) (levo) in reliefa (desno) porečja Kuzlovec .............................. 17 Slika 3: Struga vodotoka v času po padavinah (18. november 2019) gledano dolvodno (levo) in po dolgotrajnem obdobju brez padavin (6. januar 2020) gledano gorvodno (desno)................................. 18 Slika 4: Talni profil z označenimi horizonti (rdeča črte označujejo meje talnih horizontov) ............... 19 Slika 5: Lokacije meritev na območju eksperimentalnega porečja Gradaščice .................................... 22 Slika 6: Dežemer RG3-M (levo zgoraj) in mehanizem dežemera s pomnilnikom (levo spodaj). Disdrometer v Črnem Vrhu nad Polhovim Gradcem (desno). .............................................................. 23 Slika 7: Senzorji za meritve vsebnosti vode v tleh pred zasutjem talnega profila (levo) in naprava za beleženje podatkov (desno) ................................................................................................................... 26 Slika 8: Izvajanje kontrolne meritve z uporabo spektrofotometra HACH DR1900 (levo) in pripravljena vzorca (desno) ....................................................................................................................................... 28 Slika 9: Lokacije merskih mest indeksa listne površine (levo), kjer je z rdečo barvo označena lokacija referenčnih meritev na odprtem, z modro pa lokacije v gozdu. Označena lokacija meritve v gozdu (desno). .................................................................................................................................................. 29 Slika 10: Shematski prikaz metode določitve časov zakasnitve posameznih spremenljivk (Sapač in sod., 2020) ..................................................................................................................................................... 34 Slika 11: Primer rastrskega prikaza vrednosti LAI na porečju vodotoka Kuzlovec, določenih na podlagi satelitskih posnetkov MODIS z dne 30. junija 2015 ............................................................................. 35 Slika 12: Razdelitev letne dinamike vegetacije v štiri fenološke faze: mirovanje, olistanje, obdobje vegetacije in odpadanja listov s karakterističnimi točkami (prirejeno po Wang in sod. (2017) in Caglar in sod. (2018)) ....................................................................................................................................... 36 Slika 13: Mesečne količine padavin na porečju Kuzlovca in povprečne mesečne temperature zraka v dveletnem obdobju meritev ................................................................................................................... 44 Slika 14: Histogram pretokov dvoletnih meritev .................................................................................. 47 Slika 15: Povprečni dnevni pretoki (modra črta) in bazni odtok (rdeča črta) v dvoletnem obdobju meritev ............................................................................................................................................................... 48 Slika 16: Volumetrična vsebnost vode v tleh na globinah 15, 40 in 70 cm na porečju Kuzlovca v obdobju med julijem 2019 in aprilom 2020 (20-minutni podatki) ...................................................................... 49 Slika 17: Prikaz porazdelitve izmerjenih 20-minutnih vrednosti volumetrične vsebnosti vode v tleh z okvirjem z ročaji ................................................................................................................................... 49 Slika 18: Prikaz začetnih (Qz) in najvišjih pretokov (Qmax) za 43 dogodkov med padavinskimi dogodki ............................................................................................................................................................... 51 Slika 19: Podatki LAI na podlagi obdelave satelitskih posnetkov (modri krogci) in z dvojno sigmoidno funkcijo prilagojena krivulja (zelena črta). Z rdečo črtkano črto je označena meja med fenološkima XVI Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. fazama. Na sliki so prikazani tudi vrednosti LAI, pridobljene z meritvami z merilnikom LAI-2200C (rumeni kvadratki). ................................................................................................................................ 52 Slika 20: Prikaz vrednosti tridnevne kumulativne evapotranspiracije pred padavinskimi dogodki za celotno obdobje, obdobje vegetacije in obdobje mirovanja vegetacije ................................................. 54 Slika 21: Prikaz števila dni brez padavin pred padavinskimi dogodki za celotno obdobje, obdobje vegetacije in obdobje mirovanja vegetacije ........................................................................................... 54 Slika 22: Korelogram spremenljivk, uporabljenih v analizah, na podlagi Pearsonovega (levo) in Spearmanovega desno) koeficienta korelacije....................................................................................... 55 Slika 23: Primerjava razmer pri baznem odtoku v obdobju vegetacije in obdobju mirovanja z vidika koncentracij v vodotoku (a) in količine iznosa nitratnega dušika s porečja (b) (krogci ponazarjajo najmanjše in največje vrednosti ubežnikov 20-minutnih podatkov) ..................................................... 60 Slika 24: Prikaz podatkovnega niza padavin (zgoraj, dnevne vsote), pretokov in koncentracij nitratnega dušika (spodaj, 20-minutni podatki) z označenimi začetki padavinskih dogodkov (rdeče točke) ........ 61 Slika 25: Primerjava razmer med padavinskimi dogodki v obdobju vegetacije in obdobju mirovanja z vidika koncentracij v vodotoku (a) in količine iznosa nitratnega dušika s porečja (b) (krogci predstavljajo najmanjše in največje vrednosti ubežnikov 20-minutnih podatkov) ..................................................... 65 Slika 26: Določitev režimov iznosov NO3-N s porečja Kuzlovec na podlagi naklona b in razmerja CVC/CVQ ............................................................................................................................................... 70 Slika 27: Prikaz standardiziranih vrednosti spremenljivk za opis padavinskih dogodkov z dodanima dendrogramoma. Na vrhu je dendrogram spremenljivk z Wardovo metodo na Spearmanovih koeficientih korelacije, levo pa dendrogram dogodkov z Wardovo metodo na kvadratih evklidskih razdalj. ................................................................................................................................................... 73 Slika 28: Porazdelitev vrednosti nekaterih spremenljivk padavinskih dogodkov po skupinah, dobljenih z metodo voditeljev ............................................................................................................................... 75 Slika 29: Plaziščni diagram PCA za določitev potrebnega števila glavnih komponent ........................ 77 Slika 30: Padavinski dogodki v prostoru PC1, PC2 in glede na skupino, dobljeno z metodo voditeljev. Centroidi posameznih skupin so prikazani z večjim simbolom pripadajoče barve in oblike. ............... 79 Slika 31: Napovedane vrednosti in 95 % intervali zaupanja za povprečen Iznos_N za model brez vplivnih točk glede na posamezno glavno komponento (PC1–PC4) ob upoštevanju povprečne vrednosti ostalih glavnih komponent. ............................................................................................................................... 84 Slika 32: Napovedane vrednosti in 95 % intervali zaupanja za povprečen Iznos_max za model brez vplivnih točk glede na posamezno glavno komponento (PC1–PC4) ob upoštevanju povprečne vrednosti ostalih glavnih komponent. ................................................................................................................... 85 Slika 33: Napovedane vrednosti in 95 % intervali zaupanja za povprečen Cr za model brez vplivnih točk glede na posamezno glavno komponento (PC1–PC4) ob upoštevanju povprečne vrednosti ostalih glavnih komponent. ............................................................................................................................... 86 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. XVII Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Slika 34: Napovedane vrednosti in 95 % intervali zaupanja za povprečen Iznos_N za log-log model brez vplivnih točk glede na posamezno spremenljivko ( Kp, Tp) in ob upoštevanju povprečne vrednosti ostalih spremenljivk v modelu .......................................................................................................................... 89 Slika 35: Napovedane vrednosti in 95 % intervali zaupanja za povprečen Iznos_max za log-log model brez vplivnih točk glede na posamezno spremenljivko ( Kp, Tp) in ob upoštevanju povprečne vrednosti ostalih spremenljivk v modelu .............................................................................................................. 90 Slika 36: Napovedane vrednosti in 95 % intervali zaupanja za povprečni Cr za log-log model brez vplivnih točk glede na posamezno spremenljivko ( Kp, I60) in ob upoštevanju povprečne vrednosti ostalih spremenljivk v modelu .............................................................................................................. 91 Slika 37: Povezava med časovnim zamikom težišča hidrograma (LAGQ) in trajanjem padavinskega dogodka ................................................................................................................................................. 96 Slika 38: Linearna regresija med časom zakasnitve težišča diagrama iznosa NO3-N in težišča hidrograma za celotno obdobje meritev. Zeleni krogci prikazujejo dogodke v obdobju vegetacije, rumeni pa v obdobju mirovanja. ............................................................................................................................... 97 Slika 39: Frekvenčni histogrami časov zakasnitve LAGQ (zgoraj) in LAGN (spodaj) glede na fenološko fazo ........................................................................................................................................................ 98 Slika 40: Prikaz maksimalnih enournih intenzitet padavin z okvirjem z ročaji glede na obdobje vegetacije oziroma mirovanja. Zaradi boljše preglednosti vrednost I60=52,2 mm/h v obdobju vegetacije ni zrisana v merilu. ................................................................................................................................ 99 Slika 41: Linearna regresija med časom zakasnitve težišča diagrama volumetrične vsebnosti vode v tleh za različne globine (a–c) in težišča hidrograma. Zeleni krogci prikazujejo dogodke v obdobju vegetacije, rumeni pa v obdobju mirovanja. ......................................................................................................... 100 Slika 42: Časovne spremembe koncentracije nitratnega dušika v odvisnosti od pretoka z označenimi pripadajočimi vrednostmi električne prevodnosti med dvema padavinskima dogodkoma ................. 101 Slika 43: Padavine (a), pretok, koncentracija NO3-N (b), vsebnost vode v tleh in električna prevodnost (c) med padavinskim dogodkom 28.–29. julij 2019 ............................................................................ 102 Slika 44: Padavine (a), pretok, koncentracije NO3-N (b) in električne prevodnosti (c) med padavinskim dogodkom 30.–31. avgust 2018. ......................................................................................................... 103 Slika 45: Padavine (a), pretok, koncentracije NO3-N (b) in volumetrično vsebnost vode v tleh (c) med padavinskim dogodkom 14. aprila 2020 ............................................................................................. 105 Slika 46: Padavine (a), pretok, koncentracije NO3-N (b) in volumetrično vsebnost vode v tleh (c) med padavinskim dogodkom 2. septembra 2019 ........................................................................................ 106 Slika 47: Padavine (a), pretok, koncentracije NO3-N (b), volumetrične vsebnosti vode v tleh in električne prevodnosti (c) med padavinskim dogodkom 22.–23. decembrom 2019 ........................................... 107 Slika 48: Padavine (a), pretok, koncentracije NO3-N (b) in električna prevodnost (c) med padavinskim dogodkom 8. julija 2018...................................................................................................................... 108 XVIII Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Slika 49: Padavine (a), pretok, koncentracije NO3-N (b), volumetrične vsebnosti vode v tleh in električne prevodnosti (c) med padavinskim dogodkom 2. avgusta 2019 ........................................................... 109 Slika 50: Padavine (a), pretok, koncentracije NO3-N (b) in električne prevodnosti (c) med padavinskim dogodkom 1. februarja 2019 ................................................................................................................ 110 Slika 51: Razmere padavin (a), koncentracij NO3-N, pretoka (b), električne prevodnosti (c) in iznosa nitratnega dušika (d) med padavinskim dogodkom med 28. in 30. oktobrom 2018 ............................ 111 Slika 52: Količine iznesenega nitratnega dušika med padavinskim dogodkom 28.–30. oktobrom 2018 ............................................................................................................................................................. 112 Slika 53: Shematski prikaz procesov tvorbe padavinskega odtoka (velikosti modrih puščic kažejo hitrost tvorbe) in spiranja nitratnega dušika s porečja (velikosti rdečih pušic kažejo delež nitratnega dušika k celotnemu iznosu). Na desni strani je shematski prikaz časovnih sprememb obravnavanih procesov: padavin (P), pretoka (Q), električne prevodnosti (EC), koncentracije NO3-N (C) in vsebnosti vode v tleh (SM). .................................................................................................................................................... 115 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. XIX Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. LIST OF TABLES Table 1: Overview of studies and main results about measurements of concentrations of nitrate nitrogen in forested catchments ........................................................................................................................... 12 Table 2: Areas of individual land use type and their proportions in the Kuzlovec river catchment (MKGP, 2018) ....................................................................................................................................... 18 Table 3: Description of soil horizons in the Kuzlovec river catchment (Agrarius, 2018) .................... 20 Table 4: Results of laboratory analysis of samples taken in individual soil horizon (Kmetijski inštitut Slovenije, 2018) .................................................................................................................................... 21 Table 5: Class width of particle diameter and speed, measured by laser disdrometer Thies Clima ..... 24 Table 6: List of variables with abbreviations used in the data analysis ................................................ 30 Table 7: Basic statistical parameters of precipitation events with more than 10 mm of rainfall .......... 46 Table 8: Properties of volumetric soil water content during the events with more than 10 mm of precipitation (20 min data) .................................................................................................................... 50 Table 9: The basic statistical parameters about 20 min measurements of nitrate nitrogen concentration and export flux in the Kuzlovec stream for the whole period of measurements ................................... 57 Table 10: The basic statistical parameters about measurements of nitrate nitrogen concentration and export flux in the Kuzlovec stream during the baseflow period ........................................................... 59 Table 11: The basic statistical parameters about 20-min measurements of nitrate nitrogen concentration and export flux in the Kuzlovec stream during the inter-event period .................................................. 62 Table 12: NO3-N concentration and export conditions during rainfall events. The table shows the maximum concentrations ( Cmax), average concentrations ( Csr), absolute ( Cr) and relative changes in concentration ( C_rs), and average ( Iznos_N) and maximum exports of nitrate nitrogen during the event ( Iznos_max). .......................................................................................................................................... 64 Table 13: Data about nitrogen compounds measurements on the Gradaščica and Mali Graben rivers in the period 2008−2019 (ARSO, 2020c) .................................................................................................. 66 Table 14: Slope b, ratio CVC/CVQ, and relative change in concentration C_rs for an individual event 67 Table 15: Loadings from principal component analysis (PCA) for the individual variable. The highest absolute values of loadings for individual principal component are marked in bold. ........................... 78 Table 16: Results of the multiple linear regression (MLR) model based on pricipal components for average export per time unit Iznos_N. Shaded rows show results without the identified influential points. ............................................................................................................................................................... 80 Table 17: Results of the multiple linear regression (MLR) model based on principal components for the maximum 20-min export during the rainfall event Iznos_max. Shaded rows show results without the identified influential points. .................................................................................................................. 81 XX Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Table 18: Results of the multiple linear regression (MLR) model based on principal components for the range of NO3-N concentrations during the rainfall event Cr. Shaded rows show results without the identified influential points. ................................................................................................................... 81 Table 19: Results of the log-log multiple linear regression (MLR) model for Iznos_N based on basic variables describing rainfall characteristics. Shaded rows show results without identified influential points. .................................................................................................................................................... 88 Table 20: Results of the log-log multiple linear regression (MLR) model for Iznos_max based on basic variables describing rainfall characteristics. Shaded rows show results without identified influetial points ..................................................................................................................................................... 89 Table 21: Results of the log-log multiple linear regression (MLR) model for Cr based on basic variables describing rainfall characteristics .......................................................................................................... 91 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. XXI Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. LIST OF FIGURES Figure 1: Schematic representation of nitrogen cycling in forest ecosystems (adapted after Schimel and Bennett, 2004) ......................................................................................................................................... 8 Figure 2: Land use (MKGP, 2018) (left) and relief (right) of the Kuzlovec river catchment ............... 17 Figure 3: River bed after the rainfall event (18 November 2019) – downstream view (left) and after a rainless period (6 January 2020) – upstream view (right) ..................................................................... 18 Figure 4: Soil profile with marked soil horizons (red lines show soil horizon boundaries) .................. 19 Figure 5: Locations of measurements in the experimental Gradaščica river catchment ....................... 22 Figure 6: Rain gauge RG3-M (left above) and the rain gauge mechanism with a data logger (left below). Disdrometer in Črni Vrh nad Polhovim Gradcem (right). .................................................................... 23 Figure 7: Sensors for volumetric soil water content measurements before being burried (left) and the data logger (right) .................................................................................................................................. 26 Figure 8: The control measurement using spectrophotometer HACH DR1900 (left) and the prepared samples (right) ....................................................................................................................................... 28 Figure 9: Locations of leaf area index measurements (left), where red markers represent the location of reference measurements in the open while the blue markers represent measurement locations in the forest. A marked measurement location in the forest (right)................................................................. 29 Figure 10: Schematic representation of the method for determining lag times of individual variables (Sapač et al., 2020) ................................................................................................................................ 34 Figure 11: Example of raster data representation of LAI values in the Kuzlovec river catchment on 30 June 2015. LAI was determined based on the MODIS satellite images. .............................................. 35 Figure 12: Determination of phenological phases based on the annual vegetation dynamics: dormancy, greenup, maturity, and senescence with characteristic points (adapted from Wang et al. (2017) and Caglar et al. (2018)) .............................................................................................................................. 36 Figure 13: Monthly precipitation data and average monthly air temperature in the Kuzlovec river catchment over the two-year measurement period ................................................................................ 44 Figure 14: Histogram of discharges over a two-year measurement period ........................................... 47 Figure 15: Average daily discharge (blue line) and baseflow (red line) over the two-year measurement period..................................................................................................................................................... 48 Figure 16: Volumetric water content in soil at depths of 15, 40, and 70 cm in the Kuzlovec river catchment between July 2019 and April 2020 (20 min data) ................................................................ 49 Figure 17: Representation of distribution of 20-min volumetric soil water content measurements with a boxplot................................................................................................................................................... 49 Figure 18: Representation of initial discharges (Qz) and maximum flows (Qmax) during 43 rainfall events..................................................................................................................................................... 51 XXII Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Figure 19: LAI data based on the satellite images (blue dots) and fitted curve obtained by double- sigmoidal function (green line). The red dashed line shows the border between the phenological phases. LAI values obtained by measurements with LAI-2200C are also indicated (yellow squares). ............. 52 Figure 20: Representation of the three-day cumulative evapotranspiration before rainfall events for the entire period, the vegetation period and the dormant period ................................................................. 54 Figure 21: Representation of the number of days without precipitation before rainfall events for the entire period, the vegetation period, and the dormant period ................................................................ 54 Figure 22: Correlogram of variables used in the analyses based on the Pearson (left) and Spearman (right) correlation coefficient................................................................................................................. 55 Figure 23: Comparison of baseflow conditions between the vegetation period and dormancy from the in-stream NO3-N concentration (a) and export flux (b) points of view (dots represent the lowest and the highest values of outliers of 20 min data) .............................................................................................. 60 Figure 24: Representation of data series of rainfall (above, daily sums), discharge, and concentration of nitrate nitrogen (below, 20 min data) with marked beginnings of the rainfall events (red dots) ........... 61 Figure 25: Comparison of inter-event conditions between the vegetation period and dormancy from in- stream NO3-N concentration (a) and export flux (b) points of view (dots represent the lowest and the highest values of outliers of 20 min data, respectively) ........................................................................ 65 Figure 26: Determination of NO3-N export regimes from the Kuzlovec river catchment based on the slope b and ratio CVC/CVQ .................................................................................................................... 70 Figure 27: Representation of standardized values of variables for description of rainfall events with added dendrograms. On the top of the graph is a dendrogram for the variables based on the Ward method and Spearman correlation coeficient, on the left hand side of the graph, there is a dendrogram of the events based on the Ward method and squared Euclidean distances. ................................................... 73 Figure 28: Distribution of values of some variables of rainfall events by groups obtained by the k-means method ................................................................................................................................................... 75 Figure 29: Scree plot of PCA for determining the adequate number of principal components ............. 77 Figure 30: Rainfall events in PC1, PC2 space, coloured based on the k-means clusters. Centroids of individual group are represented by larger symbol of corresponding colour and shape. ...................... 79 Figure 31: Predicted values and 95% confidence intervals for the average Iznos_N for the model without influential points based on individual principal components (PC1–PC4) and taking into account the average values of others principal components. .................................................................................... 84 Figure 32: Predicted values and 95% confidence intervals for the average Iznos_max for the model without influential points based on individual principal components (PC1–PC4) and taking into account the average values of others principal components. .............................................................................. 85 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. XXIII Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Figure 33: Predicted values and 95% confidence intervals for the average Cr for the model without influential points based on individual principal components (PC1–PC4) and taking into account the average values of others principal components. .................................................................................... 86 Figure 34: Predicted values and 95% confidence intervals for the average Iznos_N for the log-log model without influential points based on indivudal variable ( Kp, Tp) and taking into account average values of others variables in the model ............................................................................................................ 89 Figure 35: Predicted values and 95% confidence intervals for the average Iznos_max for the log-log model without influence points based on indivudal variable ( Kp, Tp) and taking into account the average values of others variables in the model ................................................................................................. 90 Figure 36: Predicted values and 95% confidence intervals for the average Cr for the log-log model without influence points based on an individudal variable ( Kp, I60) and taking into account the average values of others variables in the model ................................................................................................. 91 Figure 37: Relationship between the time lag of the hydrograph centroid and the duration of a rainfall event ...................................................................................................................................................... 96 Figure 38: Linear regression between time lags of centroid of NO3-N flux graph and hydrograph centroid for the entire period of measurements. Green dots represent events in the vegetation period, the yellow dots represent events in the dormancy. ................................................................................................. 97 Figure 39: Frequency histograms of time lags LAGQ (above) and LAGN (below) based on the phenology .............................................................................................................................................. 98 Figure 40: Presentation of maximum one hour rainfall intensities with box-plot based on the time of vegetation or dormancy. For better representation purpuse, value I60=52.2 mm/h during vegetation period is not shown in scale. ................................................................................................................. 99 Figure 41: Linear regression between the time lags of the centroid of the volumetric soil water content graph for different depths (a–c) and the hydrograph centroid. Green dots represent events in the vegetation period, the yellow dots represent events in the dormancy. ................................................ 100 Figure 42: Temporal variability of nitrate nitrogen concentration and discharge with marked corresponding values of electrical conductivity during two rainfall events ........................................ 101 Figure 43: Precipitation (a), discharge, NO3-N concentration (b), volumetric soil water content, and electrical conductivity (c) during the rainfall event on 28–29 July 2019 ............................................ 102 Figure 44: Precipitation (a), discharge, NO3-N concentration (b), and electrical conductivity during the rainfall event 30–31 August 2018 ....................................................................................................... 103 Figure 45: Precipitation (a), discharge, NO3-N concentration (b), and volumetric soil water content (c) during the rainfall event on 14 April 2020 .......................................................................................... 105 Figure 46: Precipitation (a), discharge, NO3-N concentration (b), and volumetric soil water content (c) during the rainfall event on 2 September 2019 ................................................................................... 106 Figure 47: Precipitation (a), discharge, NO3-N concentration (b), volumetric soil water content, and electrical conductivity (c) during the rainfall event between 22−23 December 2019 ......................... 107 XXIV Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Figure 48: Precipitation (a), discharge, NO3-N concentration (b), and electrical conductivity (c) during the rainfall event on 8 July 2018 ......................................................................................................... 108 Figure 49: Precipitation (a), discharge, NO3-N concentration (b), volumetric soil water content, and electrical conductivity (c) during the rainfall event on 2 August 2019 ............................................... 109 Figure 50: Precipitation (a), discharge, NO3-N concentration (b), and electrical conductivity (c) during the rainfall event on 1 February 2019 .................................................................................................. 110 Figure 51: Precipitation (a), NO3-N concentration conditions, discharge (b), electrical conductivity conditions (c), and nitrate nitrogen export (d) during the rainfall event between 28 and 30 October 2018 ............................................................................................................................................................. 111 Figure 52: Amounts of exported nitrate nitrogen during the rainfall event of 28–30 October 2018 ... 112 Figure 53: Schematic representation of runoff formation (size of blue arrows represents runoff formation rate) and nitrate nitroge flushing from the catchment (size of the red arrows shows the proportion of the total export) during rainfall events. The right side of the scheme shows the temporal changes of the processes under consideration precipitation (P), discharge (Q), electrical conductivity (EC), NO3-N concentration (C), and soil water content (SM)................................................................................... 115 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. XXV Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. KAZALO PRILOG Priloga A: Dogodki z več kot 10 mm padavin v obdobju med aprilom 2018 in aprilom 2020 .......... 151 Priloga B: Preglednica s karakterističnimi vrednostmi spremenljivk posameznih padavinskih dogodkov za opis hidroloških in vegetacijskih razmer. ....................................................................................... 153 Priloga C: Korelacijska matrika spremenljivk, uporabljenih v analizah, glede na Pearsonov koeficient korelacije. V zgornji trikotni matriki so s krepko pisavo označene statistično značilne povezave med spremenljivkami. Stopnja statistične značilnosti (od 0,1 do 0,001) je označena z različnimi odtenki zelene barve. ........................................................................................................................................ 154 Priloga D: Korelacijska matrika spremenljivk, uporabljenih v analizah, glede na Spearmanov koeficient korelacije. V zgornji trikotni matriki so s krepko pisavo označene statistično značilne povezave med spremenljivkami. Stopnja statistične značilnosti (od 0,1 do 0,001) je označena z različnimi odtenki zelene barve ......................................................................................................................................... 155 Priloga E: Časovni zamiki težišč posameznih procesov glede na težišče hietografa. Rezultati so podani v minutah. ............................................................................................................................................ 156 XXVI Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. »Ta stran je namenoma prazna« Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. XXVII Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. OKRAJŠAVE IN SIMBOLI C Koncentracija (angl. concentration) Cmax Najvišja izmerjena koncentracija NO3-N med dogodkom Csr Povprečna vrednost koncentracije NO3-N med padavinskim dogodkom Cr Razlika med najvišjo in začetno koncentracijo NO3-N med dogodkom C_rs Relativna sprememba koncentracije NO3-N med dogodkom C:N Razmerje med količinama ogljika in dušika DIN Raztopljeni anorganski dušik (angl. dissolved inorganic nitrogen) DON Raztopljeni organski dušik (angl. dissolved organic nitrogen) E Kinetična energija padavin EC Električna prevodnost (angl. electrical conductivity) EI60 Indeks erozivnosti padavinskega dogodka ET3 Skupna tridnevna evapotranspiracija I60 Najvišja enourna intenziteta padavin Isr Srednja intenziteta padavin Iznos_max Najišja 20-minutna količina iznesenega NO3-N med dogodkom Iznos_N Iznos NO3-N na časovno enoto (srednji iznos) Kp Količina padavin med dogodkom LAI Indeks listne površine (angl. leaf area index) MLR Multipla linearna regresija Ndni Število predhodnih dni brez padavin, višjih od 10 mm NO3-N Nitratni dušik PCA Analiza glavnih komponent (angl. principal component analysis) Q Pretok SM Volumetrična vsebnost vode v tleh (angl. volumetric soil water content) Tp Trajanje padavin Td Trajanje padavinskega dogodka XXVIII Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. »Ta stran je namenoma prazna« Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 1 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 1 UVOD 1.1 Opis problematike in relevantnost problema Ekstremni vremenski pojavi tako v Sloveniji kot drugje v Evropi in po svetu kažejo na podnebno spremenljivost (Seneviratne in sod., 2012; Whitehead in sod., 2009). V zadnjih desetletjih je namreč pogosto mogoče opaziti ekstremnejše vremenske dogodke, med katerimi prevladujejo dogodki, povezani z ekstremnimi padavinami. Zanje je po eni strani značilno, da v relativno kratkem času padejo velike količine padavin, kar povzroča naraščanje pogostosti poplav, po drugi strani pa se vse pogosteje pojavljajo dolgotrajna obdobja brez padavin, zaradi katerih narašča število sušnih obdobij (Pauling in Paeth, 2006; Sousa in sod., 2011; Zambrano in sod., 2016; Mathbout in sod., 2018). Takšno vremensko dogajanje za sabo pušča veliko škode, s katero se v zadnjem času lahko soočamo tudi večkrat letno. Vpliv spremenjenega režima padavin se neposredno odraža v bilanci vode na prostorskem nivoju porečja kot osnovni hidrološki enoti, seže pa tudi na različna gospodarska področja in dejavnosti, ki so odvisne od razpoložljivih količin in kakovosti vode (npr. kmetijstvo, oskrba s hrano in pitno vodo, turizem) (Bostan in Akyürek, 2007; IPCC, 2014). Spremenljivost vremenskih vzorcev potrjujejo tudi zadnje modelske simulacije podnebnih sprememb (scenariji RCP2.6, RCP4.5 in RCP8.5), ki za območje Slovenije napovedujejo naraščanje temperature zraka v prihodnosti, z najbolj izrazitimi spremembami v zimskem času in najmanj izrazitimi spomladi, medtem ko so napovedi časovne in prostorske spremenljivosti padavin manj gotove (ARSO, 2017a; EEA, 2017). Zaradi napovedane spremenljivosti podnebja, ki je obenem tudi eden ključnih regulatorjev terestričnih biogeokemičnih procesov, je pričakovati tudi spremembe v biogeokemičnem kroženju snovi, ki je močno povezano s hidrološkimi razmerami (Campbell in sod., 2009). Procesi kroženja snovi (med najpomembnejše štejemo različna hranila, predvsem dušikove in fosforjeve spojine) so neposredno odvisni od količine padavin in njihove časovne ter prostorske razporeditve, saj je voda glavni transportni medij in gonilna sila številnih ekosistemskih procesov. Za razumevanje naravnega ozadja biogeokemičnih procesov in transporta njihovih produktov je zato potrebno poznavanje hidroloških kontrolnih mehanizmov, predvsem tvorbe padavinskega odtoka (Rusjan in sod., 2008; Schwab in sod., 2017). To lahko dosežemo z raziskavami na naravnih, z vidika človekovih posegov (ki bi lahko vplivali na spremembo naravnih procesov na porečju) relativno nemotenih območjih, kot so na primer manjša gozdnata porečja (Hedin in sod., 1995). Doprinosov dolgotrajnih opazovanj v okviru raziskav na eksperimentalnih porečjih je torej več: izboljšanje razumevanja procesov, opazovanje trendov in sprememb v procesih ter ne nazadnje razvoj modelskih orodij in njihovo preskušanje (Tezlaff in sod., 2017). 2 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Na manjših porečjih, ki se hitro odzovejo na padavinske dogodke (čas zakasnitve in koncentracije v razponu nekaj ur), so za razumevanje povezav med hidrologijo porečja (potmi stekanja) in kemizmom vodotoka potrebne meritve z visoko časovno frekvenco beleženja podatkov, ki omogočajo vpogled v dinamiko sprememb na porečju na časovnem nivoju dogodka (Kirchner in sod., 2004; Rusjan in Mikoš, 2008). V Sloveniji in tudi drugje po svetu zaradi same kompleksnosti tovrstnih meritev ni vzpostavljenega monitoringa za zvezno oziroma neprekinjeno spremljanje koncentracije hranil v površinskih vodah z večjo časovno frekvenco zajema podatkov (npr. na dnevnem ali celo nekajurnem časovnem koraku). Agencija Republike Slovenije za okolje (ARSO) sicer izvaja meritve koncentracij hranil v sklopu monitoringa ekološkega in kemijskega stanja površinskih voda, ki je urejeno s Pravilnikom o monitoringu stanja površinskih voda (Uradni list RS, št. 10/09, 81/11 in 73/16). Meritve nitratov na primer potekajo z jemanjem vzorcev nekajkrat na leto in njihovo poznejšo analizo v laboratoriju. Program monitoringa za obdobje 2016–2021 (ARSO, 2017b) določa minimalno število opravljenih meritev posameznega parametra na leto ter tudi standarde, po katerih se vrednosti parametrov določijo. Tak način monitoringa kakovosti vode je sicer enostaven in hiter ter je osnova za oceno ekološkega in kemijskega stanja voda, ki jo zahteva vodna direktiva (Direktiva 2000/60/ES), njegova slabost pa je predvsem v tem, da rezultati analiz kažejo stanje vode samo v trenutku odvzema vzorca. Tako se ne upošteva dejstvo, da se koncentracija v vodi raztopljenih snovi lahko s časom zelo hitro spreminja, kar je še posebej izrazito v obdobjih spremenljivih hidroloških razmer, kot npr. v času konic pretoka v vodotoku (Kronvang in Bruhn, 1996; Jordan in Cassidy, 2011). Začetki spremljanja koncentracij hranil in kemijskih analiz kakovosti vode v površinskih vodah na splošno segajo v konec 19. stoletja, ko se je povečala skrb prebivalstva glede kakovosti pitne vode (Myers, 2015). Do 70. let prejšnjega stoletja, ko je bil uporabljen prvi in-situ instrument oziroma instrument, ki izmeri vrednost na lokaciji (ionsko selektivni senzor; Langmuir in Jacobson, 1970), je monitoring koncentracij hranil v vodi potekal zgolj z jemanjem vzorcev na terenu in poznejšo analizo vzorcev v laboratoriju, glavnina raziskav po svetu pa še danes poteka na tak način (Pellerin in sod., 2016). Poleg ionsko selektivnih senzorjev so se v zadnjih 20 letih za terenske meritve koncentracij hranil v vodi uporabljali instrumenti, ki koncentracijo izmerijo potem, ko je vzorcu vode dodan reagent (angl. wet chemical analyzers). Zadnjih nekaj let so vse pogostejše raziskave z optičnimi senzorji, katerih prednost je predvsem v tem, da za izvedbo meritev kemijski reagenti niso potrebni in da omogočajo meritve s kratkim časovnim korakom (Vaughan in sod., 2017). Razpoložljiva oprema zadnjih nekaj let tako omogoča časovno zvezne meritve kakovosti vode, vendar pa za pogostejšo uporabo opreme obstajajo še nekatere omejitve, kot so npr. cenovna (ne)dostopnost instrumentov, višina vzdrževalnih stroškov in potreben čas za vzdrževanje opreme za zagotavljanje kakovostnih meritev (Pellerin in sod., 2016). Posledično je raziskav, ki obravnavajo rezultate istočasnih meritev kemizma vode v posameznih komponentah padavinskega odtoka in hidrometeoroloških meritev, razmeroma malo oziroma so Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 3 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. obdobja hkratnih meritev razmeroma kratka, vendar imajo take raziskave z vidika znanstvenega doprinosa zelo veliko vrednost (Likens in Bormann, 2013). Pri tem velja poudariti, da instrumenti, ki omogočajo neposredne zvezne meritve kemizma vode, (za zdaj še) ne morejo nadomestiti laboratorijskih analiz, omogočajo pa opazovanje časovno zelo dinamičnih procesov, laboratorijske analize pa so nujne za kontrolo opravljenih meritev. Medsebojni vpliv hidroloških in biogeokemijskih dejavnikov na prostorskem nivoju porečij je že bil predmet raziskav v preteklosti (npr. Rusjan in sod., 2008; Verweij in sod., 2010; Moravcová in sod., 2013), pri čemer so glavni vir informacij predstavljala časovno usklajena opazovanja in meritve hidroloških, hidrometeoroloških in biogeokemičnih spremenljivk na porečju. Na izbiro spremenljivk, ki kažejo na spremenljivo odzivnost porečja na padavinske dogodke, vplivajo predvsem dobra topnost snovi in s tem njihova velika mobilnost, pojavnost na obravnavanem območju v koncentracijah znotraj merilnega območja razpoložljive merske opreme in dovolj velika stopnja kemijske stabilnosti v okolju (Rusjan in sod., 2008). Moravcová in sod. (2013) so na dveh čeških porečjih raziskovali odvisnost med biogeokemičnimi in hidrološkimi parametri, ki opisujejo naravne razmere in vzajemne interakcije med spremembami koncentracije izbranih kazalnikov kakovosti vode ter dinamike tvorbe padavinskega odtoka med različnimi vrstami ekstremnih padavinskih dogodkov. Razmerje med koncentracijami in odtokom so razložili s histereznimi zankami, do katerih pride, ko je razmerje med koncentracijo in pretokom na naraščajočem delu hidrograma drugačno od tistega na padajočem delu hidrograma. Verweij in sod. (2010) so z raziskavami na reki Meuse pokazali, da so koncentracije makro ionov (npr. bromida, sulfata, magnezija) v obdobju zelo vročega poletja leta 2003 narasle kot posledica manjšega razredčenja. Razlog za to so lahko nižji pretoki. Povišane so bile tudi koncentracije hranil, pri čemer so bili izjema nitrati (NO -3), za katere so bile izmerjene nižje koncentracije. Slednje pa je lahko posledica zmanjšanega površinskega odtoka s kmetijskih površin in povečane denitrifikacije zaradi višjih temperatur vode (Verweij in sod., 2010). Pretekle raziskave, ki so potekale na manjših gozdnatih porečjih, so bile prepoznane kot zelo pomembne v smislu doprinosa k razumevanju odzivov ekosistemov na spremembe, ki jih povzročajo naravne (ekstremni vremenski pojavi kot npr. žled, vetrolom, intenzivni erozijski procesi, povezani s procesi tvorbe padavinskega odtoka) ali umetne motnje, povezane pretežno s spremenjeno rabo tal (Likens, 2013). Kljub temu še vedno ostaja odprtih veliko vprašanj predvsem z vidikov vplivov napovedanih podnebnih sprememb in z njimi povezanih spremenjenih lastnosti hidroloških ter hidrometeoroloških pojavov na kroženje hranil (npr. Bernal in sod., 2012). Poznavanje naravnega ozadja povezanosti omenjenih procesov in njihove dinamike je ključnega pomena za identifikacijo in ovrednotenje vplivov človekovih dejavnosti (kmetijstva, urbanizacije, industrije) na spremembe kroženja hranil (Rodríguez-Blanco in sod., 2018). Poleg tega so opazovanja procesov na referenčnih naravnih porečjih (angl. benchmark catchments) pomembna za zaznavanje sprememb procesov, ki so posledica podnebnih 4 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. vplivov (Harrigan in sod., 2018). Številni avtorji so proučevali vpliv umeščanja zelene infrastrukture, na primer drevesnih nasadov, parkov in zelenih streh, na padavinski odtok z urbaniziranih površin (npr. Clausen, 2003; Oberndorfer in sod., 2007; Shuster in sod., 2008; Zabret in Šraj, 2015) ter prišli do zaključkov, da se lahko s takšnimi ukrepi prostorskega načrtovanja zmanjša ali vsaj zakasni padavinski odtok. S tem se lahko vpliva na dinamiko raztapljanja in kemijsko pretvorbo v vodi raztopljenih oblik hranil ter njihov nadaljnji transport po odvodnikih. Ne nazadnje ima lahko (ne)ustrezno načrtovani ukrep velik gospodarski učinek, ki se odraža v stroških za doseganje in ohranjanje dobrega stanja vodnih teles, ki je temeljni cilj vodne direktive (Direktiva 2000/60/ES). S spoznanji o povezanosti hidroloških in biogeokemičnih procesov z vidika lastnosti padavinskih dogodkov in z njimi povezane dinamike sproščanja hranil lahko pomembno pripomoremo k premišljenemu prostorskemu načrtovanju v smislu umeščanja ukrepov za blaženje posledic in izboljšanje prilagodljivosti grajenega okolja na napovedane podnebne spremembe (Whitehead in sod., 2009). 1.2 Hipoteze Izhajajoč iz opisa problematike in relevantnosti problema smo postavili naslednje hipoteze, ki jih bomo v sklopu naloge testirali: 1. Lastnosti padavinskih dogodkov imajo velik vpliv na časovno dinamiko sprememb koncentracij nitratnega dušika v vodotoku. 2. Z meritvami časovne spremenljivosti kemizma vode lahko identificiramo poglavitne procese oblikovanja padavinskega odtoka. 3. Vpliv vegetacijskih razmer na koncentracije nitratnega dušika v vodotoku je pogojen s hidrometeorološkimi razmerami. 1.3 Cilji Cilj naloge je izboljšanje razumevanja medsebojnega delovanja hidroloških in sezonskih biogeokemičnih procesov na dinamiko sproščanja hranil. To je možno prepoznati v časovni dinamiki spreminjanja vrednosti koncentracij in količin hranil v določenem vodnem telesu pod vplivom spremenljivih hidroloških (npr. trajanje, intenziteta in količina padavin) in sezonskih vremenskih razmer. Preveriti želimo, kako se manjše naravno porečje s homogeno, naravno rabo tal (npr. gozdnato območje) odziva na različne vrste padavinskih dogodkov v različnih delih leta (vpliv sezonskosti) in kako se ta odziv odraža na kemizmu vode, ki ga bomo spremljali v vodotoku. S pomočjo zbranih Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 5 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. podatkov o koncentracijah hranila v vodotoku bomo poskušali ovrednotiti masno bilanco hranila, ki se v izbranem časovnem obdobju spere z obravnavanega območja. 6 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 2 TEORETIČNE OSNOVE Dušik (N) je bistvenega pomena za obstoj vseh živih bitij, saj je pomemben gradnik aminokislin, genetskega materiala (DNK) in klorofila. Dušik v obliki N2 sicer predstavlja največji del ozračja (78 %), vendar je v tej obliki nedostopen živim bitjem, zaradi česar ga lahko opredelimo tudi kot omejevalni element primarne produkcije v ekosistemih (npr. Likens in Bormann, 2013). Dušik postane dostopen živim organizmom s procesi, ki sestavljajo t. i. dušikov krog, znotraj katerega dušikove spojine prehajajo iz ene oblike v drugo. Dušik v plinasti obliki iz ozračja se pretvori v dostopnejše oblike s procesom fiksacije, ki ga v naravnem okolju opravljajo bakterije in drugi mikroorganizmi (prokarionti). Manjši del pretvorbe dušika v reaktivno obliko predstavlja fiksacija, do katere pride zaradi velikih količin sproščene energije pri strelah. Po ocenah Fowler in sod. (2013) na globalni ravni z naravno fiksacijo v kopenske in vodne ekosisteme vsako leto vstopi približno 203 Tg N. Od razvoja Haber-Boschevega procesa v začetku 20. stoletja, s katerim so začeli industrijsko pridobivati reaktivni dušik iz N2 predvsem za potrebe kmetijstva, se je količina antropogeno vnesenega dušika v ekosisteme bistveno povečala in že presegla količino naravno fiksiranega dušika (Stevens, 2019). V nadaljevanju so najprej predstavljeni procesi dušikovega kroga v gozdnih ekosistemih. Gozdni ekosistemi brez antropogenih vplivov ali z zanemarljivimi antropogenimi vplivi predstavljajo na področju raziskav spiranja hranil nekakšno referenčno »naravno« stanje. Informacije, pridobljene pri teh raziskavah, pa so izjemnega pomena predvsem za razumevanje procesov in stanj na območjih z antropogenimi dejavnostmi, ki vplivajo na kroženje in količino hranil (Lewis in sod., 1999; Rodríguez-Blanco in sod., 2018). Nato sledijo pregledi ugotovitev dosedanjih raziskav, ki so obravnavale povezanost hidroloških procesov, lastnosti padavinskih dogodkov in letnih ciklov vegetacije s procesi spiranja nitratnega dušika. 2.1 Kroženje dušika v gozdnih ekosistemih Johnson in Turner (2014) sta v pregledu literature o študijah bilanc dušika v gozdnih ekosistemih zapisala, da »kljub desetletjem poglobljenih raziskav dušikov krog v gozdovih še vedno ostaja eden od najmanj pojasnjenih izmed vseh krogov glavnih hranil«. Za večino ekosistemov zmernega podnebnega pasu velja, da so sposobni akumulirati do 10.000 kg N/ha (Johnson inTurner, 2014), po ocenah Stahr in sod. (1994) pa je v tleh zmernega podnebnega pasu shranjenih med 2.000 in 25.000 kg dušika na hektar površine. Količine so odvisne od debeline tal, podnebja, zrnavostne sestave (npr. vsebnosti gline) in stabilnosti organskega materiala. Približno 95−98 % dušika v teh zalogah je vezanih v frakcijah humusa in odmrli biomasi, od koder se dušik ne more niti mobilizirati niti ni neposredno dostopen rastlinam. Preostali delež dušika je porazdeljen med živo biomaso kot amonijak, vezan pretežno na glinene delce, Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 7 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. in kot amonijak in nitrat, ki sta neposredno dosegljiva primarnim producentom (Lennon in sod., 2004). Med omenjenimi oblikami dušika v tleh neprestano potekajo transformacije iz ene oblike v drugo, to pa predstavlja t. i. dušikov cikel oziroma krog. Biogeokemične cikle poganjajo kompleksni procesi, naše razumevanje ciklov pa še vedno temelji predvsem na terenskih opazovanjih (Schulze, 2000). Shema procesov, ki sestavljajo dušikov krog v gozdnih ekosistemih, je v poenostavljeni obliki prikazana na sliki 1. Glavni procesi, ki sestavljajo dušikov krog v gozdnih ekosistemih, so: fiksacija, asimilacija, mineralizacija ali amonifikacija, nitrifikacija, denitrifikacija, vnos dušika s padavinami in spiranje dušika s porečja (slika 1). Dušik vstopi v biogeokemični krog z biološko fiksacijo plinaste oblike atmosferskega dušika, ki jo opravljajo prokariontski organizmi. Pri procesu nastane biološko uporabna spojina dušika, tj. amonijak, ki ga lahko rastline neposredno uporabijo. Poleg tega so vir dušika tudi nitrati, amonij in spojine organskega dušika, ki vstopijo v sistem z mokro ali suho atmosfersko depozicijo. Dušik iz depozicije lahko v vodne sisteme vstopi neposredno z depozicijo na površino vodnih teles ali posredno z depozicijo na kopenske dele porečja, kjer je podvržen procesom transformacije in potencialnega transporta do vodnih teles (Stoddard, 1994). S procesom mineralizacije se s pomočjo mikrobov organske oblike dušika, ki izvirajo iz odmrlih rastlinskih in živalskih delov ali atmosferske depozicije, pretvorijo v neorganske oblike, natančneje v amonij, ki prav tako predstavlja pomemben vir dušika za rastline. S procesom nitrifikacije, pri katerem gre za biološko oksidacijo amonijaka, nastane nitrat (NO3), ta pa se v procesu denitrifikacije s pomočjo mikroorganizmov pretvori v plinasti dušik N2. Dušik se torej v okolju pojavlja v različnih oblikah in količinah, ki niso stalne niti v prostoru niti v času. V kakšni obliki in meri bo dušik prisoten v ekosistemu, ni odvisno le od hidroloških transportnih mehanizmov, temveč tudi od številnih drugih dejavnikov, kot so prisotnost ogljika oziroma razmerje med ogljikom in dušikom (razmerje C : N) (Lovett in sod., 2002), temperatura in vlažnostne razmere tal (De Neve in sod., 2003), vnos dušikovih spojin z mokro ali suho depozicijo (Pan in sod., 2004), sezonska aktivnost vegetacije (Nadelhoffer in sod., 1984; Machacova in sod., 2019) ipd. Pri ugotavljanju v kakšni obliki se bo dušik naposled pojavil v vodnem telesu, je ključnega pomena prepoznavanje procesov transformacije (npr. v tleh, rastlinah, mikrobiološka aktivnost), ki so jim podvržene dušikove spojine na nekem porečju. Stoddard (1994) je v razpravi o dolgotrajnih spremembah zadrževanja dušika na porečju in posledicah na vodne ekosisteme zapisal, da kroženje dušika znotraj kopenskega dela porečja uravnava pojavnost in količine dušikovih spojin v vodnem ekosistemu, medtem ko procesi kroženja dušika v vodnih telesih (npr. jezerih, rekah) vplivajo na to, ali bodo učinki merljivi. 8 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Slika 1: Shema kroženja dušika v gozdnih ekosistemih (prirejeno po Schimel in Bennett, 2004) Figure 1: Schematic representation of nitrogen cycling in forest ecosystems (adapted after Schimel and Bennett, 2004) Odvisnost količine spranega dušika z gozdnih porečij od razmerja med ogljikom in dušikom v gozdnih tleh (razmerje C : N) je bila prepoznana kot pomemben kazalnik statusa gozdnih ekosistemov in biogeokemični kontrolni mehanizem (Gundersen in sod., 1998b). V raziskavi Gundersen in sod. (1998a), kjer so bili analizirani različni podatkovni nizi razmerij C : N in količin iznesenega dušika iz gozdnatih porečij, so ugotovili, da so tako koncentracije nitratnega dušika (NO3-N) kot njegove količine negativno povezane z razmerjem med ogljikom in dušikom v tleh. Za območja, kjer je bilo razmerje C : N manjše od 25, so bile značilne višje koncentracije in iznosi nitratnega dušika (Gundersen in sod., 1998a). Dodatno so Dise in sod. (1998) ugotovili, da je spiranje nitratov z območij iglastih gozdov nizko ne glede na vrednost razmerja C : N v organskem horizontu tal, če je bil letni vnos dušika manjši od kritične obremenitve. To ne velja za območja z višjo atmosfersko depozicijo, kjer so podobno kot Gundersen in sod. (1998a) ugotovili, da se z višanjem razmerja C : N količina spranega nitrata zmanjšuje. Kritična obremenitev (angl. critical load) pomeni kvantitativno oceno količine vnosa neke snovi (navadno onesnaževala), pod katero naj ne bi prišlo do škodljivih učinkov na določenih občutljivih elementih okolja. Kritične vrednosti se razlikujejo od ekosistema do ekosistema, v splošnem pa se v študijah gozdov, kjer proučujejo presežene količine vnosov dušika, upošteva vrednost 10 kg N na leto na hektar (Bobbink in sod., 2003). Za gozdove zmernega podnebnega pasu so ocenili, da na letni ravni porabijo približno 100 kg N/ha (Kreutzer in sod., 2009; Rennenberg in Dannenmann, 2015). Dodatno so študije z uporabo stabilnih izotopov v vodnih telesih in tleh, opravljene na severovzhodu ZDA, Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 9 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. pokazale, da je bil izneseni dušik z gozdnih porečij podvržen mikrobnim procesom (nitrifikaciji) (Burns in Kendall, 2002; Templer in sod., 2015), kar kaže na to, da so povečane količine iznesenega dušika posledica procesov dušikovega kroga in ne toliko neposrednega iznosa zaradi večje depozicije (Niu in sod., 2016). 2.2 Pregled raziskav spremljanja koncentracij hranil v vodotokih 70. leta prejšnjega stoletja so poleg prvega in-situ instrumenta prinesla tudi razvoj prvih avtomatskih vzorčevalnikov, s katerimi se je pogostost vzorčenja sicer lahko povečala, vendar je analiza še vedno potekala naknadno v laboratoriju. Laboratorijske analize še vedno zagotavljajo najbolj zanesljive in točne podatke, vendar pa se njihova pomanjkljivost pokaže pri analizi vzorcev na kemijske in biološke parametre, ki niso stabilni in zahtevajo precej hitro analizo po vzorčenju (npr. Rode in sod., 2016), dokaj zamudnih postopkih in bistveno višjih stroških glede na druge metode (npr. Kirchner in sod., 2004). Spremljanje dušikovih spojin v vodnih ekosistemih se je razmahnilo po izdaji prelomnega članka Meybecka (1982). Dušikove spojine, ki jih najdemo v vodnih okoljih, lahko razdelimo na raztopljeni organski dušik (angl. dissolved organic nitrogen, DON), organski dušik v delcih (angl. particulate organic nitrogen, PON) in raztopljeni anorganski dušik (angl. dissolved inorganic nitrogen, DIN), ki ga nadalje razdelimo na amonij (NH4), nitrit (NO2) in nitrat (NO3). Voda kot medij vpliva na transport topnih snovi znotraj, kakor tudi na vnos in iznos. Med najbolj topnimi oblikami dušika sta nitrat (NO3) in nitrit (NO2), vendar v hidroloških in biogeokemijskih raziskavah prevladujejo opazovanja nitrata (npr. Judd in sod., 2007; Rusjan in Vidmar, 2017; van Verseveld in sod., 2008), saj se nitrit v naravnih vodah pojavlja v zanemarljivih koncentracijah, poleg tega pa je spojina nitrita zelo neobstojna, kar pomeni, da se večina nitrita z oksidacijo pretvori v nitrat, ob odsotnosti kisika pa se pretvori v amonijak (Wieben in sod., 2013). Čeprav so nekatere študije pokazale, da raztopljeni organski dušik lahko predstavlja precejšnji delež iznesenega celotnega dušika z gozdnatih porečij (npr. Perakis in Hedin, 2002), pa večina preteklih in sedanjih študij obravnava predvsem spojine raztopljenega anorganskega dušika, še posebej nitratov in nitritov. To še posebej velja za študije, katerih namen je proučevanje hidroloških mehanizmov iznosa snovi s porečij (Rusjan in Vidmar, 2017) in/ali identifikacija transportnih poti po padavinskih dogodkih oziroma glavnih virov na porečju (Yevenes in Mannaerts, 2012). Med anorganskimi oblikami raztopljenega dušika prevladujejo študije nitratnega dušika (NO3-N), in sicer zaradi dobre topnosti in mobilnosti. Poleg tega se nitriti v naravnih vodah pojavljajo v zelo nizkih koncentracijah in se v postopku izračunov masne bilance pogosto zanemarijo. Večina dosedanjih dejstev in ugotovitev v povezavi s spiranjem NO3-N (npr. količine iznosa, koncentracije) še vedno temelji na tradicionalnih postopkih in metodah meritev in obdelavi podatkov 10 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. meritev s statističnimi metodami in modeliranjem (Pellerin in sod., 2016). Po navedbi Kirchner in sod. (2004) pa lahko opazovanja v merilih ter z natančnostmi in pogostostmi, ki prej niso bile mogoče, vedno doprinesejo nova znanja in informacije. Veliko študij je zato namenjenih tudi proučevanju merilne opreme. Pellerin in sod. (2016) so primerjali prednosti in slabosti razpoložljivih merilnikov hranil v vodi z vidika cenovne dostopnosti, enostavnosti uporabe, točnosti in natančnosti meritev ter lezenja (angl. drift). Med seboj so primerjali optični UV senzor, senzor z mokro kemično analizo (angl. wet-chemical sensor) in ionsko selektivne elektrode. Optični senzorji delujejo po načelu spektralne absorpcije, na podlagi katere se izračuna koncentracija obravnavanega parametra, ki deluje kot absorbent, fotometer pa dejansko meri količino vpadne svetlobe pri določeni valovni dolžini, ki se prenese na detektor. V raztopinah z nizko koncentracijo absorbenta bo količina prenesene vpadne svetlobe na detektor višja kot pri raztopinah z visokimi koncentracijami (Pellerin in sod., 2013). Senzor z mokro kemično analizo določi koncentracijo snovi na podlagi fotometrije z dodajanjem reagenta vzorcu, ki povzroči kolorimetrično reakcijo. Ionsko selektivne elektrode pa določijo koncentracijo na podlagi neposrednih meritev potenciala na zaznavni in referenčni elektrodi. Medtem ko so glavne prednosti optičnih senzorjev in senzorjev z mokro kemično analizo predvsem v visoki točnosti in natančnosti meritev, pa so glavne slabosti povezane z visoko ceno opreme, razmeroma veliko potrebo energije za delovanje instrumentov in visokimi stroški vzdrževanja (Pellerin in sod., 2016). Glavne pripisane prednosti ionsko selektivnim elektrodam se nanašajo na relativno enostavno uporabnost in cenovno dostopnost, hiter odzivni čas ter neodvisnost kakovosti rezultata od barve in motnosti medija (Pellerin in sod., 2016). Motnost ima največji vpliv na absorpcijo svetlobe pri optičnih senzorjih, saj lahko prisoten suspendiran material, kot so organski delci ali sediment, povzroči učinek raztrosa, zaradi katerega izmerjene vrednosti koncentracij ne odražajo dejanskega stanja (Huebsch in sod., 2015). Posledično je vprašljiva uporaba optičnih merilnikov v naravnih vodotokih (Pellerin in sod., 2013). Med slabostmi ionsko selektivnih elektrod pa Pellerin in sod. (2016) izpostavljajo lezenje reference, potrebno menjavanje ionsko selektivne membrane senzorja, ki je ključnega pomena za oblikovanje potenciometričnega odziva, in manjšo točnost v primerjavi z optičnimi merilniki. Z razvojem novih senzorjev, ki imajo možnost izvedbe meritve na mestu ter shranjevanja podatkov na ustrezne pomnilniške enote, se je izboljšalo spremljanje kakovosti vode z vidika pogostosti zabeleženih podatkov. Prednosti uporabe teh merilnikov za določitev lastnosti dogodkov spiranja snovi s porečja v primerjavi s tradicionalnimi pristopi (avtomatsko ali ročno vzorčenje ter naknadna analiza) obsegajo: meritve s kratkim časovnim korakom (manj kot ena ura), s katerimi lahko zaznamo hitre spremembe v kakovosti vode; meritve brez uporabe kemičnih snovi za analizo koncentracij, ki predstavljajo tveganje za okolje; meritve brez težav, povezanih s prevozom in shranjevanjem vzorcev, ki lahko vplivajo na rezultate laboratorijske analize; meritve, ki omogočajo neprekinjeno spremljanje kemizma vode, s katerim lahko opredelimo lastnosti redkih in sporadičnih dogodkov (Vaughan in sod., 2017). Dhillon in Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 11 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Inamdar (2013) pa med prednosti prištevata še zmanjševanje napake, povezane z oceno količine iznosa snovi na podlagi podatkov o pretokih, zaradi možnosti prekinitve razmerja med pretokom in topljencem med izjemnimi padavinskimi dogodki ali spremenljivosti histereznih zank od dogodka do dogodka. Od konca 90. let prejšnjega stoletja, še izraziteje pa po letu 2000, se je število raziskav predvsem v Evropi in Severni Ameriki na področju spremljanja koncentracije hranil v površinskih vodah povečalo. Kljub prvotnemu namenu raziskav, da se oceni kakovost vode in določijo morebitni ukrepi v primeru slabih ocen, kar je značilno predvsem za območja z intenzivnimi človekovimi vplivi (npr. kmetijska in urbana območja), je bilo kar nekaj študij opravljenih tudi na območjih, kjer je gozd prevladujoča ali delna raba tal (preglednica 1). Koncentracije nitratnega dušika v vodotokih na porečjih, kjer prevladuje gozd, so relativno nizke v primerjavi z območji, na katerih prevladuje kmetijstvo z dodatnimi vnosi dušika. Snyder in sod. (2018) so primerjali razmere koncentracij nitratnega dušika na 10 porečjih, ki se med seboj razlikujejo po velikosti, rabi tal in kakovosti vode. Povprečne koncentracije nitratnega dušika glede na kontinuirane 15-minutne meritve z optičnim merilnikom od leta 2012 dalje so se na gozdnatih porečjih gibale okoli 0,1 mg/l z maksimalnimi vrednostmi do 0,9 mg/l, medtem ko so bile povprečne koncentracije na urbanih in kmetijskih območjih višje od 2 mg/l, z maksimalnimi koncentracijami več kot 6 oziroma 8 mg/l. Enak velikostni razred povprečnih koncentracij nitratnega dušika (do 0,5 mg/l) na območjih, ki so v celoti ali delno pokriti z gozdom, so na podlagi mesečnih oziroma tedenskih vzorčenj ugotovili tudi Bernal in sod. (2002) in Judd in sod. (2007). Ne glede na to so lahko koncentracije na pretežno gozdnatih ali celo popolnoma gozdnatih območjih tudi višje, predvsem v času padavinskih dogodkov. Na porečju Padeža v Sloveniji so bile med padavinskimi dogodki med marcem in novembrom 2006 na podlagi zveznih meritev s 15-min časovnim korakom ugotovljene povprečne koncentracije okoli 1,5 mg/l (Rusjan in sod., 2008). Povprečne koncentracije med padavinskimi dogodki v velikostnem razredu med 1 in 2 mg/l sta izmerila tudi Aguilera in Melack (2018). 12 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Preglednica 1: Pregled študij in glavnih rezultatov meritev koncentracij nitratnega dušika na gozdnatih porečjih Table 1: Overview of studies and main results about measurements of concentrations of nitrate nitrogen in forested catchments Povprečna Velikost Delež Prevladujoča Pogostost Država ali regija koncentracija porečja gozda Vrsta gozda Merska oprema Obdobje meritev Vir raba tal meritve NO3-N [mg/l] [km2] [%] 97 % listnati, ionsko selektivni Padež, Slovenija 1,5 (±0,30) gozd 42,1 81 15 min marec 3 % mešani senzor −november 2006 Rusjan in sod. (2008) avtomatski dnevno, Sebestyen in sod. SV ZDA 0,5−2 gozd 0,41 - listnati vzorčevalnik, ionska 2003 tedensko −2004 (2008) kromatografija Duncan in sod. Maryland, ZDA 0,04−0,14 gozd 0,37 - listnati optični merilnik 15 min junij−december 2011 (2015) avtomatski iglasti in 30 min september 1998 Barcelona, Španija 0,04 −5 −junij −0,08 gozd 16,2 90 vzorčevalnik, Bernal in sod. (2002) listnati kolorimetrija ur 2001 iglasti in ročni odvzem vzorca, Compton in sod. Oregon, ZDA 0,07−2,04 gozd 200 95 mesečno januar mešani gozd kolorimetrija −december 2000 (2003) New Hampshire, december-april 0,06 Judd in sod. (2007) ZDA −0,43 gozd 0,13 - listnati ročni odvzem vzorca tedensko 1997−1999 mešani in optični merilnik, junij 2014 Vaughan in sod. Vermont, ZDA - gozd 16,7 95 15 minut −december listnati spektrofotometer 2015 (2017) optični merilnik, december Schwab in sod. SZ Luksemburg 0,5−1 gozd 0,45 - mešani 15 min spektrofotometer 2013−november 2015 (2017) gozd, optični merilnik, marec 2013 osrednja Nemčija - 3,7 48 - 15 min −oktober Aubert in sod. (2016) kmetijstvo spektrofotometer 2014 Ionsko selektivni Francija, Gers 9,15 kmetijstvo 3,5 - - 10 min maj 2006 senzor −julij 2008 Ferrant in sod. (2013) se nadaljuje … Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 13 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. … nadaljevanje preglednice 1 listnati avtomatski 30 min oktober 1997 Butturini in sod. Riera Major, Španija 0,25 −2 −januar −2,1 gozd 15,8 100 (zimzeleni) vzorčevalnik uri 1998 (2006) listnati in avtomatski 30 min oktober 2002 Butturini in sod. Fuirosos, Španija 0,01 −2 −januar −1,5 gozd 10,5 90 iglasti vzorčevalnik uri 2003 (2006) kmetijstvo, avtomatski Pensilvanija, ZDA 0,03−4,45 7,25 23 listnati 1 ura 2001 gozd vzorčevalnik −2012 Rose in sod. (2018) avtomatski tedensko november Rozemeijer in sod. V Nizozemska 3,5−5 kmetijstvo 6,64 - - vzorčevalnik, ionsko in 10 min 2007 (2010) selektivni senzor −oktober 2008 avtomatski grmičevje in 10 porečij; 1 ura Aguilera in Melack Kalifornija, ZDA 1,1 ( −1 ±2,5) - - vzorčevalnik, ročno 2002 travinje 5,4 −2015 −49,6 (2018) vzorčenje dan New Hampshire, 2,95 kmetijstvo 0,33 - - optični merilnik 15 min 2012 ZDA − Snyder in sod. (2018) New Hampshire, urbano 2,55 0,44 - - optični merilnik 15 min 2012 ZDA območje − Snyder in sod. (2018) New Hampshire, 0,07 gozd 13,74 - - optični merilnik 15 min 2012 ZDA − Snyder in sod. (2018) gozd, Severna Karolina, Baker in Showers 0,48 urbanizirano 15700 - - optični merilnik 15 min 2007-2016 ZDA −0,75 (2019) območje avtomatski Hampshire Avon, 4 porečja; dnevno in marec 2012 2 - - vzorčevalnik, optični −marec Lloyd in sod. (2016) Združeno kraljestvo −8* kmetijstvo 1,7−50,2 30 min senzor 2014 Birmingham, 6,01 kmetijstvo 3,1 - - optični merilnik 15 min marec Združeno kraljestvo −november 2016 Blaen in sod. (2017) *ocena glede na grafične podatke 14 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 2.3 Povezanost hidrometeoroloških razmer s spiranjem nitratnega dušika Nitratni dušik ima pomembno vlogo v ekosistemih, saj predstavlja pomemben del življenjskega kroga organizmov, poleg tega pa je ključnega pomena za trajnostno upravljanje kakovosti podzemnih in površinskih voda. Za slednje je še posebej pomembno poznavanje povezav med procesi oblikovanja padavinskega odtoka in iznosom nitratnega dušika s porečja, kar pa pripomore tudi k razumevanju, kako se posamezni procesi padavinskega odtoka oblikujejo (Schwab in sod., 2017). Nitrati se na porečju prenašajo in transformirajo (slika 1) v kompleksnem, prepletenem sistemu, ki obsega stičišče med tlemi in zrakom, tla, podzemne in površinske vode. Pri tem je prenašanje nitratov pomembnejše s hidrološkega vidika, transformacije pa z biogeokemičnega zornega kota (Lohse in sod., 2009). Ne glede na to pa med biogeokemičnimi in hidrološkimi procesi težko potegnemo ločnico, saj so procesi med seboj prepleteni. Na eni strani iznos hranil uravnavajo procesi oblikovanja odtoka (omejujoč dejavnik prenašanja hranil), na drugi strani pa je omejujoči dejavnik razpoložljivost prenosljivih snovi na porečju (Lohse in sod., 2009). Poznavanje procesov, ki vplivajo na spremembe koncentracij v vodotoku med padavinskimi dogodki, je pomembno za razumevanje tako kratkotrajnih kot dolgotrajnih sprememb v kroženju snovi in za uspešnejše modeliranje ter izračune masnih bilanc (Bernal in sod., 2002). Enačba vodne bilance temelji na zakonu o ohranitvi mase in jo v poenostavljeni obliki lahko zapišemo kot: 𝑄 = 𝑃 − 𝐸𝑇 − 𝛥𝑆, (1) kjer je Q odtok, P padavine, ET evapotranspiracija in 𝛥𝑆 spremembe v zalogi vode na porečju. Iz enačbe (1) je razvidno, da so v tej obliki zapisa enačbe padavine glavni (edini) člen v sistemu, preko katerega voda vstopa v sistem. Padavine na oblikovanje odtoka ne vplivajo samo s količino, ampak tudi z drugimi lastnostmi, kot so porazdelitev padavin znotraj dogodka, intenziteta padavin, trajanje padavin ipd. Posledično imajo lastnosti padavin pomemben vpliv tudi na iznašanje nitratnega dušika in drugih snovi s porečja, o čemer priča dejstvo, da se razmere koncentracij nitratnega dušika med padavinskimi dogodki razlikujejo od tistih v času baznega odtoka. Higashino in Stefan (2014) sta proučevala vpliv intenzitete padavin na količino iznosa hranil z riževih polj na Japonskem. Ugotovila sta, da z naraščanjem pretoka skoraj proporcionalno in z manjšim časovnim zamikom narašča tudi količina iznosa NO3-N. Ob predpostavki nespremenljive koncentracije NO3-N v vodotoku sta z modeliranjem pokazala tudi linearno odvisnost med intenziteto padavin in količino iznosa NO3-N. Blaen in sod. (2017a) so z modeliranjem iznosa hranil s kmetijskega porečja, podkrepljenim z meritvami hranil v vodotoku z majhnim časovnim korakom, potrdili pomemben vpliv intenzitete padavin na količino iznosa s porečja. Poleg intenzitete padavin so kot pomemben dejavnik opredelili tudi predhodne razmere (vlažnost in količino padavin). Količina iznosa NO3-N je bila močno, Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 15 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. negativno povezana s temperaturo zraka in zmerno, pozitivno povezana s trajanjem padavin ter 7-dnevnimi predhodnimi razmerami. Najvišja izmerjena koncentracija NO3-N je bila najmočneje povezana z najvišjo intenziteto dogodka. Pomembno, vendar z nekoliko manjšo stopnjo povezanosti, pa so na razlago najvišjih koncentracij vplivale tudi predhodne padavinske, vlažnostne in pretočne razmere in čas od predhodnega dogodka. Odvisnost koncentracij v vodotoku od razmer predhodne namočenosti in intenzitete padavin so ugotovili tudi Moravcová in sod. (2013). Ne glede na to pa po nam znanih podatkih ni nobena študija celovito obravnavala vplivov na razmere dušika v vodotoku z vidika večjega števila lastnosti padavin in hidroloških ter sezonskih razmer pred in med dogodkom na naravnem porečju. Celovita analiza morebitnih vplivnih dejavnikov na iznos in časovno dinamiko iznosov nitratnega dušika na porečjih brez vplivov človekovih dejavnosti zato predstavlja referenco za primerjavo procesov na območjih z drugačnimi rabami tal in tudi za oceno vplivov podnebnih sprememb in človekovih posegov v prostor na kroženje vode in dušika. Podatki o koncentraciji hranil (ali drugih snovi) v vodotoku kot posledica padavinskih dogodkov, pridobljeni z neprekinjenimi meritvami z relativno kratkim časovnim korakom, so pomemben vir informacij o kratkotrajnih spremembah koncentracij, ki lahko bistveno vplivajo na oceno količine iznosa hranil s porečja (Blaen in sod., 2017). Razlogi za kratkotrajne spremembe koncentracij, ki so neredne in nepredvidljive, so različni, njihov vpliv pa je pogosto težko neločljivo določiti. Dosedanje raziskave so pokazale odvisnost sprememb od intenzitete padavin in predhodne vsebnosti vode v tleh (Blaen in sod., 2017), lastnosti porečja (npr. raba tal, nadmorska višina, topografija) (Musolff in sod., 2015) in sezonskosti bioloških procesov, ki se odvijajo na porečju. Omenjene in številne druge raziskave (preglednica 1) kažejo, da je lahko spremenljivost razmer koncentracij velika tako s časovnega kot prostorskega vidika. V nekaterih študijah, ki so obravnavale različno velika porečja, so zaznali vzorce sezonskosti koncentracij dušikovih spojin v vodotokih, z višjimi koncentracijami v zimskih in nižjimi v poletnih mesecih. Razlog za sezonskost ni enoten. Nekateri raziskovalci so takšne razmere pripisali večjemu rastlinskemu privzemanju (angl. uptake) hranil v poletnem času glede na zimsko obdobje (npr. Peterson in sod., 2001). Drugi raziskovalci so razloge pripisali večjemu spiranju zaradi sprememb vegetacije in mikrobiološkega delovanja v povezavi z določenimi viri vode (npr. Holloway in Dahlgren, 2001). Tretji so sezonsko spremenljivost pripisali zgolj hidrološkim razlogom oziroma povezanosti s podzemnimi viri vode brez značilnega vpliva biogeokemijskih procesov ali privzemanja vegetacije (Pionke in sod., 1999; Martin in sod., 2004). Pri slednjem velja izpostaviti, da rezultati omenjenih študij temeljijo na opazovanjih na kmetijskih porečjih. Kot četrti možni razlog za sezonsko spremenljivost hranil v vodotokih pa Exner-Kittridge in sod. (2016) navajajo sezonsko pogojene aktivnosti v kmetijstvu, povezane z gnojenjem in časom obiranja pridelkov. Dodatno velja poudariti, da zaključki teh študij temeljijo na večinoma mesečnih ali še redkejših enkratnih vzorčenjih vode v površinskih vodah, ki pa ne razkrivajo morebitnih informacij o vzorcih sezonskosti glede dinamike sprememb koncentracij med posameznimi dogodki. 16 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Temelj za razumevanje raznolikosti odzivov porečij, ki se odražajo v koncentracijah, izmerjenih v vodotoku, predstavljajo proučevanja interakcij med viri opazovane snovi, hidrološkimi transportnimi procesi ter transformacijami snovi (Sebestyen in sod., 2008). 2.4 Povezanost sezonskih vegetacijskih razmer s spiranjem nitratnega dušika Raziskave, ki so bile opravljene na različno velikih porečjih ter tako na povirnih območjih kot na območjih glavnih vodotokov, pripisujejo pojav sezonske spremenljivosti koncentracij dušikovih spojin v vodotoku in iznosa s porečja različnim dejavnikom. Ohte (2012) med glavne dejavnike, ki vplivajo na oblikovanje sezonskih vzorcev koncentracije NO3-N v vodotokih, uvršča potrebo ekosistemov po hranilih, sposobnost hidrološko pogojenega transporta raztopljenih snovi in porabo ter zalogo hranil v vodotoku. Vpliv hidroloških pogojev na sezonsko spremenljivost koncentracij NO3-N v vodotoku je bil ugotovljen predvsem na porečjih z bistvenim doprinosom k površinskim vodam iz podzemnih virov, ki so pod globino biološko aktivnega območja (območja korenin), medtem ko se v primerih, ko se glavnina odtoka vode oblikuje v plitvih horizontih tal, v sezonski spremenljivosti koncentracij NO3-N bolj izrazito odraža vpliv dinamike dušikovih procesov v tleh (Ohte, 2012). Tla so namreč najpomembnejši vir hranil v gozdu, ki jih potrebujejo rastline za svojo rast in razvoj. Številne študije so pokazale, da pokritost porečja z vegetacijo in lastnosti padavin (npr. intenziteta) pomembno vplivajo na erozijo tal in s tem iznos hranil, shranjenih v tleh, s porečja. Gozdnata porečja so bila prepoznana kot porečja z rabo tal, ki ima največji potencial pri uravnavanju izgube hranil, ki so posledica procesov padavine−odtok−erozija (npr. García-Ruiz in sod., 2008; Suescún in sod., 2017). Vplivi vegetacije na hidrološke procese so bili predmet številnih študij, vendar pa je številčnost takih s poudarkom na sezonskosti majhna. Ovrednotenje sezonskih fenoloških vplivov vegetacije na odtok in druge hidrološke procese je obenem prav tako eden pomembnih ciljev ekohidrologije (Newman in sod., 2006; Voepel in sod., 2011). Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 17 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 3 METODE DELA 3.1 Opis eksperimentalnega porečja Izbrano eksperimentalno porečje vodotoka Kuzlovec je del večjega porečja reke Gradaščice. Glavna struga vodotoka Kuzlovec je dolga 1,3 km in ima 22-odstotni povprečni naklon. Kuzlovec se kot levi pritok izliva v Veliko Božno, ta pa se v Polhovem Gradcu združi z Malo vodo in skupaj tečeta naprej kot Gradaščica, ki se v Trnovem izliva v Ljubljanico. Prispevno območje obsega 0,7 km2 predvsem gozdnatih in relativno strmih površin (slika 2). Povprečni naklon porečja znaša 51,6 %, medtem ko nakloni največjih strmin znašajo tudi več kot 105 %. Slika 2: Prikaz rabe tal (MKGP, 2018) (levo) in reliefa (desno) porečja Kuzlovec Figure 2: Land use (MKGP, 2018) (left) and relief (right) of the Kuzlovec river catchment Glede na rabo tal (preglednica 2) lahko porečje uvrstimo med naravno, nedotaknjeno porečje z zanemarljivo malo antropogenimi vplivi. Delež pokritosti porečja z gozdom presega 90 %. Po velikosti deleža sledi gozdu raba tal v obliki trajnih travnikov. Ostale rabe tal predstavljajo manj kot 1 % površine porečja. Pri tem velja poudariti, da se raba pozidanih in sorodnih zemljišč na porečju nanaša predvsem na neutrjene gozdne poti (slika 2, levo). Zanemarljivost antropogenih vplivov dopolnjuje dejstvo, da glavna rečna mreža vodotoka ni nikjer v neposrednem stiku z antropogeno rabo, kar je posledica 18 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. morfologije struge, ki je globoko vrezana v teren. Gozd, ki je poglavitna raba tal ob vodotoku, opravlja nalogo varovalnega pasa in posledično vpliva na tvorbo padavinskega odtoka, pretočne razmere v vodotoku in ne nazadnje na fizikalno-kemijske razmere vode. Med listnatimi drevesnimi vrstami prevladuje bukev, med iglastimi pa smreka. Preglednica 2: Površine posameznih rab tal na porečju Kuzlovec in njihovi deleži (MKGP, 2018) Table 2: Areas of individual land use type and their proportions in the Kuzlovec river catchment (MKGP, 2018) Delež Raba ID Opis rabe Površina [ha] površine [%] 2000 Gozd 63,30 90,13 1300 Trajni travnik 4,99 7,11 1410 Kmetijsko zemljišče v zaraščanju 0,25 0,35 1500 Drevesa in grmičevje 0,37 0,52 1600 Neobdelano kmetijsko zemljišče 0,22 0,32 3000 Pozidano in sorodno zemljišče 0,30 0,43 1100 Njive 0,25 0,36 5000 Odprto zemljišče s posebnim rastlinskim pokrovom 0,55 0,79 Slika 3: Struga vodotoka v času po padavinah (18. november 2019) gledano dolvodno (levo) in po dolgotrajnem obdobju brez padavin (6. januar 2020) gledano gorvodno (desno) Figure 3: River bed after the rainfall event (18 November 2019) – downstream view (left) and after a rainless period (6 January 2020) – upstream view (right) Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 19 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Glede na geološko klasifikacijo porečje sestavljajo enote lapornih apnencev, dolomita in peščenega skrilavca, temno siv apnenec in dolomit, grödenski skladi rdečega peščenjaka in konglomerata ter neplastovit dolomit (Osnovna geološka karta 1:100.000). V pedološkem smislu pa je celotno porečje klasificirano kot rendzina na apnencu in dolomitu (Pedološka karta 1:250.000). Struga vodotoka je globoko vrezana in z obeh strani omejena s strmim terenom (slika 3). Glavna struga se tudi po daljših obdobjih brez padavin ne izsuši, v času obilnejših padavin pa se lahko oblikujejo tudi dodatne poti stekanja padavinskega odtoka. Lastnosti tal smo podrobneje opredelili z določitvijo talnih horizontov (slika 4) in laboratorijsko analizo vzorcev, odvzetih v posameznih talnih horizontih, ki jo je opravil Kmetijski inštitut Slovenije. Glede na splošne talne lastnosti, določene na terenu v času vzorčenja, so tla dobro prepustna za vodo, vendar redko nasičena in brez podtalne vode. Dostopnost vode za glavne rastlinske vrste je ocenjena kot zadostna (Agrarius, 2018). Določenih je bilo šest talnih horizontov (H1–H6), za katere so podrobneje določene lastnosti glede globine, skeleta, strukture, vlage, konsistence, prisotnosti biološke aktivnosti, korenin in drugih materialov ter lastnosti, kot sta barva in tekstura (preglednica 3). Slika 4: Talni profil z označenimi horizonti (rdeča črte označujejo meje talnih horizontov) Figure 4: Soil profile with marked soil horizons (red lines show soil horizon boundaries) 20 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Preglednica 3: Opisi horizontov talnega profila na porečju vodotoka Kuzlovec (Agrarius, 2018) Table 3: Description of soil horizons in the Kuzlovec river catchment (Agrarius, 2018) Številka Oznaka Globina horizonta [cm] Opis horizonta Opad zlasti listja in vejic. Redek opad zaradi erozije H1 Ol 3−0 (strm naklon). Meja: jasna. Skelet: 1 %, 2 cm povprečne velikosti, 5 cm maksimalne velikosti, ostrorob. Struktura: grudičasta, dobro izražena. Vlaga: vlažen. Konsistenca: H2 Ah 0−4 drobljiv, lahko. Biološka aktivnost: ni opaziti. Korenine: goste. Barva: 10YR 3/2. Tekstura: MI. Organska snov: močno humozen. Drugi materiali: niso opazni. Marmoracije: niso opazne. Meja: jasna. Skelet: 3 %, 2 cm povprečne velikosti, 5 cm maksimalne velikosti, ostrorob. Struktura: oreškasta, srednje izražena. Vlaga: vlažen. Konsistenca: H3 A2 4−15/20 drobljiv, mazav, nekoliko. Biološka aktivnost: ni opaziti. Korenine: srednje goste. Barva: 10YR 4/2. Tekstura: I. Organska snov: humozen. Drugi materiali: niso opazni. Marmoracije: niso opazne. Meja: postopna. Skelet: 5 %, 5 cm povprečne velikosti, 10 cm maksimalne velikosti, ostrorob. Struktura: oreškasta, poliedrična, srednje izražena. Vlaga: vlažen. Konsistenca: mazav, srednje. Biološka aktivnost: ni H4 B 15/20−55 opaziti. Korenine: posamezne. Barva: 10YR 5/4. Tekstura: GI. Organska snov: slabo humozen do mineralen. Drugi materiali: niso opazni. Marmoracije: niso opazne. Meja: jasna. Skelet: 60 %, 5 cm povprečne velikosti, 15 cm maksimalne velikosti, ostrorob. Struktura: oreškasta, poliedrična, slabo izražena. Vlaga: vlažen. Konsistenca: mazav, nekoliko. Biološka aktivnost: ni H5 CB 55−90 opaziti. Korenine: posamezne. Barva: 10YR 5/4. Tekstura: I. Organska snov: zelo slabo humozen do mineralen. Drugi materiali: niso opazni. Marmoracije: niso opazne. H6 C 90−100+ Grödenski peščenjaki V talnih profilih z oznakami H2–H5, smo odvzeli vzorce tal, ki smo jih poslali v laboratorijsko analizo na Kmetijski inštitut Slovenije. Vzorcem so bili določeni pH, količina organskega in skupnega ogljika, količina dušika v posameznih dušikovih spojinah (v nitratu, nitritu in amoniju) in skupni dušik ter tekstura vzorcev (preglednica 4). Glede na ameriško teksturno klasifikacijo so vzorci opredeljeni kot različne oblike ilovice. Teksture po slojih od vrha navzdol so opredeljene kot: meljasta ilovica–ilovica, ilovica, glinena ilovica–ilovica, ilovica. Zgornja sloja tal (H2 in H3), ki sta bogata s humusom, imata rahlo kisel pH, medtem ko sta globlja sloja nevtralna do rahlo bazična. Prisotnost humusa se odraža tudi v količini organskega in skupnega ogljika. Količina organskega ogljika v sloju H2 je znašala 43,9 g/kg suhe snovi (s. s.), v sloju H3 30,3 g/kg, medtem ko je bila v spodnjih dveh slojih (H4 in H5) izrazito Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 21 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. nižja (11,8 in 7,3 g/kg s. s.). Organski ogljik predstavlja glavnino skupnega ogljika v zgornjih treh slojih, medtem ko je delež organskega ogljika v skupni količini ogljika v sloju H5 približno 50 %. Podobno kot količina skupnega ogljika upada z globino tudi količina skupnega dušika (od 3,2 g/kg s. s. v sloju H2 do 0,6 g/kg s. s. v sloju H5). Med analiziranimi dušikovimi spojinami je pričakovano največ nitratnega dušika (NO3-N), katerega vir sta predvsem razgradnja organske snovi in padavine. Izmerjene vrednosti znašajo 23,0 mg/kg s. s. v zgornjem sloju do 1,3 mg/kg s. s. v najglobljem sloju. Razmerje med ogljikom in dušikom (C : N razmerje) je v slojih H2–H4 v približno enakem velikostnem razredu (12,6–15,1), medtem ko je razmerje v spodnjem sloju približno enkrat večje, tj. 24,5. Razmerje C : N v tem talnem horizontu je posledica relativno majhne vsebnosti dušika glede na ostale horizonte, kar potrjujejo tudi izračunana razmerja med skupnim organskim ogljikom in dušikom (Corg : N), ki odražajo enak velikostni razred razmerij (10,7–13,7). Preglednica 4: Rezultati laboratorijske analize vzorcev posameznih talnih horizontov (Kmetijski inštitut Slovenije, 2018) Table 4: Results of laboratory analysis of samples taken in individual soil horizon (Kmetijski inštitut Slovenije, 2018) Rezultat po horizontih Parameter Enota Referenca H2 H3 H4 H5 pH v CaCl2 6,5 6,4 7,2 7,7 - ISO 10390:2005 Organski ogljik (Corg) 43,9 30,3 11,8 7,3 g/kg s. s. SIST ISO 14235:1999 mod. Skupni ogljik (C) 48,3 30,3 13,9 14,7 g/kg s. s. SIST ISO 10694:1996 Nitratni dušik (NO3-N) 23,0 13 3,4 1,3 mg/kg s. s. SIST ISO 14255:1999 mod. Nitritni dušik (NO2-N) 0,1 0,1 0,1 <0,1 mg/kg s. s. SIST ISO 14255:1999 mod. Amonijski dušik (NH4-N) 5,0 2,1 1 0,6 mg/kg s. s. SIST ISO 14255:1999 Skupni dušik (N) 3,2 2,4 1,1 0,6 g/kg s. s. ISO 11261:1995 mod. Razmerje C : N 15,1 12,6 12,6 24,5 - izračun Razmerje Corg : N 13,7 12,6 10,7 12,2 - izračun Glina (< 2 µm) 17,1 21,8 27,3 23 % ISO 11277: 2009 mod. Fini melj (2−20 µm) 37,6 35,9 29,4 23,1 % ISO 11277: 2009 mod. Grobi melj (20−50 µm) 12,8 11,5 12,3 21,2 % ISO 11277: 2009 mod. Fini pesek (50−200 µm) 20,4 17,8 15,8 15,1 % ISO 11277: 2009 mod. Grobi pesek (200−2000 µm) 12,1 12,9 15,2 17,5 % ISO 11277: 2009 mod. S strani Gozdarskega inštituta Slovenije (GOZDIS, 2018) smo pridobili podrobnejše podatke o gozdnih sestojih na eksperimentalnem porečju, ki obsegajo podatke o razvojnih fazah gozdnih sestojev oz. starosti gozdnih sestojev, površinah gozdnih sestojev, sklenjenosti krošenj v gozdnem sestoju (tesna, normalna, rahla in vrzelasta do pretrgana) in lesni zalogi listavcev in iglavcev. Gozd na porečju vodotoka Kuzlovec je v povirnem delu razvrščen v 3. in 4. razvojno fazo gozdnih sestojev, tj. med debeljake in sestoje v obnovi, medtem ko na osrednjem in spodnjem delu porečja prevladujejo gozdni sestoji 1. in 2. razvojne faze, tj. mladovje in drogovnjaki. Na povirnem delu porečja prevladujejo rahle do normalne 22 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. sklenjenosti krošenj, na osrednjem delu porečja se v največjem obsegu pojavljajo vrzelaste do pretrgane in rahle sklenjenosti krošenj, najdemo pa na tem delu tudi nekaj manjših območij s tesnimi in normalnimi sklenjenostmi krošenj. Za celotni spodnji del porečja pa so značilne normalne sklenjenosti krošenj, kar pomeni, da se krošnje dotikajo, vendar niso deformirane. Po podatkih lesne zaloge iglavcev in listavcev v posameznih gozdnih sestojih listavci predstavljajo glavnino lesne zaloge na porečju (približno 80 %), medtem ko je iglavcev za približno eno petino. 3.2 Merska oprema in merske metode Večina meritev, predstavljenih v tej nalogi, je bila izvedenih z mersko opremo, ki je na razpolago na Katedri za splošno hidrotehniko UL FGG. Merska oprema, kot so dežemeri, disdrometer, tlačne sonde in multiparametrska sonda, so bili nameščeni in uporabljeni že v sklopu projekta SedAlp (2012–2015), kjer je bil poudarek na spremljanju erozijskih procesov na porečju ter procesov premeščanja in odlaganja rečnih plavin. Ostala oprema za zvezno spremljanje hidrometeoroloških procesov je bila za potrebe te naloge nameščena v letih 2018 in 2019. Podatki, uporabljeni v tej nalogi, so bili pridobljeni v obdobju april 2018−april 2020. Podatki zveznih meritev so bili pridobljeni ali preračunani na 20-minutni časovni korak. Izbrani časovni korak lahko z vidika študij spiranja hranil opredelimo med manjše časovne korake. Meritve z manjšim časovnim korakom so ključnega pomena za vpogled v časovne spremembe posameznih količin, kot so sedimenti in hranila, in njihovo zanesljivejšo oceno (Bartley in sod., 2012; Piniewski in sod., 2019). Lokacije merilnih naprav, kjer se izvajajo zvezne meritve, so prikazane na sliki 5. Slika 5: Lokacije meritev na območju eksperimentalnega porečja Gradaščice Figure 5: Locations of measurements in the experimental Gradaščica river catchment Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 23 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 3.2.1 Meritve padavin Na širšem območju porečij vodotokov Kuzlovec in Mačkov graben je nameščenih 7 dežemerov (Onset HOBO RG3-M), ki jih imenujemo tudi prekucniki (angl. tipping bucket rain gauge) (slika 6, levo). Posamezni dežemer je sestavljen iz aluminijaste posode valjčne oblike s premerom odprtine 15,24 cm in spominskega modula (model Onset HOBO Event), na katerega se shranjujejo podatki o padavinskih dogodkih. Dežemeri so umerjeni na 0,3 mm, kar pomeni, da se za vsakih 0,3 mm padavin mehanizem prekucne in posamezni prekuc zapiše na spominski modul z datumom in uro dogodka. Prekucniki ne potrebujejo zunanjega napajanja, za spominski modul pa je potrebna samo gumbna baterija z napetostjo 3 V, kar je za meritve na oddaljenem in težje dostopnem terenu bistvenega pomena z vidika vzdrževanja in pobiranja podatkov. S številčnostjo dežemerov na območju se povečuje gostota merskih mest, na podlagi katere lahko opazujemo prostorsko in časovno spremenljivost padavin, po drugi strani pa se zmanjšuje negotovost zaradi izpada podatkov ob nedelovanju katerega od dežemerov. Dežemeri so nameščeni skladno s priporočili Svetovne meteorološke organizacije (WMO, 2008a). Slika 6: Dežemer RG3-M (levo zgoraj) in mehanizem dežemera s pomnilnikom (levo spodaj). Disdrometer v Črnem Vrhu nad Polhovim Gradcem (desno). Figure 6: Rain gauge RG3-M (left above) and the rain gauge mechanism with a data logger (left below). Disdrometer in Črni Vrh nad Polhovim Gradcem (right). 24 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Za meritve lastnosti padavin, kot je porazdelitev velikosti kapljic in njihova velikost, je na porečju Gradaščice v Črnem Vrhu pri Polhovem Gradcu dodatno nameščen laserski disdrometer Thies Clima) (slika 6, desno). Disdrometer sestavljata oddajnik in sprejemnik laserskega signala, ki poteka v vodoravni ravnini. Padavinski delec, ki pade skozi območje laserskega signala (45,6 cm2), za določeno časovno obdobje zmanjša amplitudo oddanega signala. Na podlagi zmanjšanega signala in amplitude nato instrument določi hitrost padajočega delca in njegovo velikost (premer) (Löffler-Mang in Joss, 2000). Meritve se izvajajo s časovnim korakom 1 min, kar pomeni, da se delci, ki so padli skozi mersko območje v intervalu 1 minute, razvrstijo v razrede velikosti (premera) in hitrosti (preglednica 5). Za delovanje disdrometra je potrebna priključitev na električni tok, podatki pa se shranjujejo na spominsko kartico. Preglednica 5: Velikostni razredi premerov in hitrosti delcev, izmerjenih z laserskim disdrometrom Thies Clima Table 5: Class width of particle diameter and speed, measured by laser disdrometer Thies Clima Razred velikosti delca Razred hitrosti delca Velikost Velikost Premer Hitrost Razred razreda Razred razreda [mm] [m/s] [mm] [m/s] 1 ≥ 0,125 0,125 1 ≥ 0,000 0,200 2 ≥ 0,250 0,125 2 ≥ 0,200 0,200 3 ≥ 0,375 0,125 3 ≥ 0,400 0,200 4 ≥ 0,500 0,250 4 ≥ 0,600 0,200 5 ≥ 0,750 0,250 5 ≥ 0,800 0,200 6 ≥ 1,000 0,250 6 ≥ 1,000 0,400 7 ≥ 1,250 0,250 7 ≥ 1,400 0,400 8 ≥ 1,500 0,250 8 ≥ 1,800 0,400 9 ≥ 1,750 0,250 9 ≥ 2,200 0,400 10 ≥ 2,000 0,500 10 ≥ 2,600 0,400 11 ≥ 2,500 0,500 11 ≥ 3,000 0,400 12 ≥ 3,000 0,500 12 ≥ 3,400 0,800 13 ≥ 3,500 0,500 13 ≥ 4,200 0,800 14 ≥ 4,000 0,500 14 ≥ 5,000 0,800 15 ≥ 4,500 0,500 15 ≥ 5,800 0,800 16 ≥ 5,000 0,500 16 ≥ 6,600 0,800 17 ≥ 5,500 0,500 17 ≥ 7,400 0,800 18 ≥ 6,000 0,500 18 ≥ 8,200 0,800 19 ≥ 6,500 0,500 19 ≥ 9,000 1,000 20 ≥ 7,000 0,500 20 ≥ 10,000 10,000 21 ≥ 7,500 0,500 22 ≥ 8,000 ∞ Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 25 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 3.2.2 Meritve višine vode in pretokov Meritve višine vode v vodotoku se merijo zvezno z 10-min časovnim korakom z nameščenim tlačnim senzorjem (HOBO 13-Foot Fresh Water Level Data Logger) v vsakem od vodotokov. Poleg tlačnega senzorja v vodi, ki meri skupni tlak zaradi vode nad senzorjem in zraka (t. i. absolutni tlak), je v neposredni bližini na kopnem nameščen še tlačni senzor, ki meri in beleži zračni tlak v istih časovnih intervalih. Podatki s tega senzorja se uporabljajo za kompenzacijo zračnega tlaka. Znano je namreč, da se zračni tlak spreminja zaradi sprememb temperature in vremena. Sprememba zračnega tlaka za 1 hPa tako povzroči spremembo v višini vode za 1 cm. Globine vodotokov Kuzlovec in Mačkov graben so relativno nizke (od nekaj centimetrov do nekaj 10 centimetrov), zato je upoštevanje zračnega tlaka toliko pomembnejše. Pretočna krivulja (krivulja, ki opisuje odnos med vodostajem in pretokom), ki smo jo uporabljali za preračun pretokov, je bila pripravljena na podlagi ročnih meritev pretokov s pomočjo akustičnega Dopplerjevega merilnika hitrosti vode v času višjih voda in s pomočjo merilnika pretokov, ki deluje po principu razredčenja sledila (v našem primeru smo uporabljali kuhinjsko sol), v času nizkih in srednjih voda. 3.2.3 Meritve vsebnosti vode v tleh Za spremljanje sprememb vlažnosti tal smo namestili tri senzorje za spremljanje volumetrične vsebnosti vode v tleh (Decagon ECH2O 5TM). Senzorji delujejo po kapacitivni, elektromagnetni metodi in merijo vsebnost vode v tleh (enote m3/m3) na podlagi spremembe dielektrične konstante medija. Za vlažno zemljino lahko predpostavimo, da je sestavljena iz kombinacije treh komponent: trdih delcev, tekoče vode in zraka. Dielektrična konstanta vode znaša približno 80, vrednosti dielektrične konstante preostalih dveh komponent pa sta precej nižji in znašata med 1 in 7, zaradi česar je omogočeno določanje vsebnosti vode (Friedman, 1998; Wu in sod., 2011). Senzorji so nameščeni na globinah 15, 40 in 70 cm od površja tal in so priključeni na napravo za beleženje podatkov (EM50), ki je v neposredni bližini senzorjev (slika 7). Naprava za beleženje podatkov deluje s pomočjo petih alkalnih baterij (AA). Časovni korak meritev je 20 min. 26 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Slika 7: Senzorji za meritve vsebnosti vode v tleh pred zasutjem talnega profila (levo) in naprava za beleženje podatkov (desno) Figure 7: Sensors for volumetric soil water content measurements before being burried (left) and the data logger (right) 3.2.4 Meritve fizikalno-kemijskih lastnosti vode Meritve fizikalno-kemijskih lastnosti vode, natančneje temperature, pH, električne prevodnosti, motnosti, slanosti in koncentracije nitratnega dušika (NO3-N), smo izvajali z uporabo multiparametrske sonde Hydrolab MS5, na katero so nameščena vsa tipala za merjenje naštetih parametrov. Meritve so se izvajale zvezno z 20-minutnim časovnim korakom beleženja podatkov. V času eksperimenta so bila tudi obdobja brez meritev, do katerih je prišlo zaradi tehničnih težav in obdobij rednega umerjanja tipal. Z rednim (na približno 14 dni do 1 mesec) umerjanjem tipal skladno z navodili proizvajalca smo zagotavljali ustrezno kakovost meritev. Za umerjanje smo uporabljali standardne raztopine za pH, električno prevodnost in koncentracije nitratnega dušika. Tipalo za meritve koncentracij NO3-N smo zamenjali na približno pol leta, saj je tipalo ionsko selektivno in se s časom izrabi in vpliva na kakovost Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 27 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. podatkov. Umerjanje tipal in menjavo tipal smo izvajali v kontroliranih razmerah v prostorih UL FGG na Hajdrihovi 28 v Ljubljani, saj se po navodilih proizvajalca temperatura med umerjanjem ne sme spremeniti za več kot 0,2 °C. Postopek umerjanja je relativno zamuden in od uporabnika zahteva zbranost ter natančnost. Točnost meritev ionsko selektivnega NO3-N tipala znaša ±5 % z natančnostjo meritev 0,01 mg/L-N. Tipalo deluje v medijih s koncentracijami NO3-N med 0 in 100 mg/L in v globinah do 15 m (OTT, 2020). Instrument se napaja z energijo 8 alkalnih baterij AA, kar pri naših namestitvah parametrov, časovnem koraku meritev ter kapaciteti spominskega modula (120.000 zapisov) zadošča za približno 1 mesec meritev. Ne glede na to pa je treba instrument redno preverjati, saj je še posebej dovzeten za poškodbe v času nizkih temperatur, ko obstaja možnost zmrzali in s tem poškodbe tipal in/ali razlitja baterij. V času nizkih temperatur zato meritev z multiparametrsko sondo nismo izvajali. Multiparametrska sonda je bila nameščena na iztoku s porečja vodotoka Kuzlovec, kjer bila vstavljena v zaščitno PVC cev. Ta instrument ščiti pred mehanskimi poškodbami vode in materiala (plavja in plavin), ki potuje vzdolž vodotoka po padavinskih dogodkih. Natančnost meritev kemizma vode z multiparametrsko sondo je manjša od meritev, ki bi jih izvedli z laboratorijskimi analizami. Vendar pa je namen te naloge spremljanje časovnih sprememb koncentracij nitratnega dušika v vodotoku z majhnim časovnim korakom (20 minut), kar je z laboratorijskimi analizami praktično nemogoče doseči, saj avtomatski vzorčevalniki omogočajo zajem omejenega števila vzorcev in torej zahtevajo prisotnost osebe. Meritve z multiparametrsko sondo so v primerjavi z laboratorijskimi tudi z ekonomskega vidika racionalnejše. Ne glede na to smo ob vsakokratnem obisku porečja odvzeli vzorec vode, ki smo ga pozneje analizirali v laboratoriju z uporabo spektrofotometra HACH DR1900. Vzorec smo po navodilih za meritve NO3-N shranili na predpisani temperaturi, s katero smo preprečili reakcije, zaradi katerih bi bila lahko koncentracija NO3-N večja ali manjša, kot je bila ob odvzemu vzorca. Meritve so se izvajale po metodi št. 8039, pri kateri se za določitev koncentracije NO3-N uporabljajo t. i. praškasti reagenti (angl. powder pillows). Za izvedbo meritve je treba pripraviti dvakrat po 10 ml vzorca, pri čemer je en vzorec brez reagenta in služi kot slepi vzorec, drugemu pa primešamo reagent. Celotna meritev traja približno 10 min. Vzorec, ki vsebuje dodani reagent se po določenem času ob vsebnosti NO3-N obarva v rumenem odtenku, jakost odtenka pa narašča s koncentracijo (slika 8). Meritve po tej metodi se izvajajo v območju koncentracij NO3-N med 0 in 10 mg/L, kar ustreza koncentracijam obravnavanega vodotoka, kjer ni bistvenih antropogenih vnosov dušika na porečje in so koncentracije relativno nizke. 28 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Slika 8: Izvajanje kontrolne meritve z uporabo spektrofotometra HACH DR1900 (levo) in pripravljena vzorca (desno) Figure 8: The control measurement using spectrophotometer HACH DR1900 (left) and the prepared samples (right) Meritve električne prevodnosti z multiparametrsko sondo Hydrolab se izvajajo s pomočjo štirih grafitnih elektrod v odprti celici, ki zagotavlja točne in zanesljive podatke, strošek in čas vzdrževanja pa sta minimalna. Poleg električne prevodnosti lahko s tem istim senzorjem merimo tudi slanost, skupne raztopljene snovi (angl. total dissolved solids, TDS) in upor (OTT, 2020). Električna prevodnost je merilo za skupno koncentracijo ionov in je pri vodotokih odvisna od hidrogeokemičnih procesov na porečju (Cano-Paoli in sod., 2019). Ne glede na cenovno dostopnost, kakovost in frekvenco zajema meritev pa je uporaba podatkov o električni prevodnosti na področju hidrologije redka (Flynn in Deakin, 2016). Najpogosteje se podatki uporabljajo v študijah kakovosti vode in za razdelitev hidrograma odtoka (Laudon in Slaymaker, 1997; Inserillo in sod., 2017; Penna in sod., 2015). Pellerin in sod. (2007) so na primer podatke meritev električne prevodnosti uporabili za dvokomponentno razdelitev hidrograma, s čimer so ovrednotili relativni in absolutni delež stare in nove vode zaradi površinskega in podpovršinskega padavinskega odtoka. Za padavine so značilne nizke vrednosti električne prevodnosti, zato smo v nalogi pri interpretaciji rezultatov vrednost električne prevodnosti v padavinah zanemarili. Posledično pride v vodotoku do znižanja električne prevodnosti, to pa je odvisno od količine vode in kontaktnega časa vode z mineralnim substratom (Laudon in Slaymaker, 1997). V nadaljnjih analizah v disertaciji smo od merjenih fizikalno-kemijskih količin upoštevali koncentracije nitratnega dušika in električno prevodnost ter izračunani iznos nitratnega dušika. Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 29 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 3.2.5 Meritve sezonske spremenljivosti vegetacije Indeks listne površine (angl. leaf area index, LAI) je brezdimenzijska vrednost, v splošnem definirana kot skupna enostranska površina listov na enoto površine (Bréda, 2003; Šraj, 2003). Prvotni namen LAI je opis rastlinskih krošenj, posredno pa se podatki o LAI uporabljajo tudi kot kazalniki dinamike rasti vegetacije in sezonskih obdobij rasti (Qiao in sod., 2019). Uporaba podatkov indeksa listne površine je bila v nalogi usmerjena predvsem v določitev mejnikov med posameznimi fenološkimi fazami, natančneje med obdobjem vegetacije in obdobjem mirovanja. Podatke LAI smo pridobili na dva načina, in sicer smo v dvoletnem obravnavanem obdobju izvajali lastne meritve, uporabili pa smo še drugo posredno metodo določanja LAI, tj. analizo satelitskih posnetkov. Meritve indeksa listne površine (LAI) smo izvajali na približno 100-metrski razdalji ob vodotoku (slika 9, levo) Kuzlovec v povprečju enkrat na mesec, v obdobju prehodov fenoloških faz pa pogosteje (v času spomladanskega olistanja in v času jesenskega rumenenja listov ter odpadanja listov in iglic). Uporabljali smo napravo LAI-2200C, ki LAI določi s posredno, brezkontaktno metodo na podlagi meritev sevanja nad in pod krošnjami. Lokacije meritev so bile stalne, določene in označene ob prvem merjenju (slika 9, desno). Slika 9: Lokacije merskih mest indeksa listne površine (levo), kjer je z rdečo barvo označena lokacija referenčnih meritev na odprtem, z modro pa lokacije v gozdu. Označena lokacija meritve v gozdu (desno). Figure 9: Locations of leaf area index measurements (left), where red markers represent the location of reference measurements in the open while the blue markers represent measurement locations in the forest. A marked measurement location in the forest (right). 30 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 3.3 Analiza merjenih spremenljivk Za analizo merjenih spremenljivk smo uporabili različne metode, s katerimi smo poskušali opredeliti vpliv hidrometeoroloških in vegetacijskih spremenljivk (preglednica 6) na količine in dinamiko iznesenega nitratnega dušika s porečja Kuzlovca. Za merjene vrednosti spremenljivk, uporabljenih v analizah, smo izračunali povprečne vrednosti in standardne odklone, katerih zapis je podan kot povprečna vrednost (± standardni odklon), poleg tega pa smo za vsak vzorec poiskali še najmanjšo in najvišjo vrednost, izračunali medkvartilni razpon (razlika med tretjim in prvim kvartilom), mediano in koeficient variacije (CV). Koeficient variacije je definiran kot razmerje med standardnim odklonom in povprečno vrednostjo vzorca. Preglednica 6: Seznam spremenljivk z oznakami, uporabljenih v analizi podatkov Table 6: List of variables with abbreviations used in the data analysis Spremenljivka [enota] Oznaka Trajanje padavin [min] Tp Količina padavin [mm] Kp Srednja intenziteta padavin [mm/h] Isr Maksimalna 1-urna intenziteta padavin [mm/h] I60 Energija padavinskega dogodka (Brown in Foster, 1986) [MJ/(ha mm)] E Indeks erozivnosti padavinskega dogodka [MJ mm/(ha h)] EI60 Začetni pretok [l/s] Qz Razpon pretoka [l/s] Qr Število dni pred dogodkom brez padavin, višjih od 10 mm [dnevi] N_dni Kumulativna tridnevna evapotranspiracija [mm] ET3 Indeks listne površine [m2/m2] LAI Relativna sprememba koncentracije NO3-N [mg/l] C_rs Maksimalna koncentracija NO3-N [mg/l] Cmax Srednja koncentracija NO3-N [mg/l] Csr Razpon koncentracije (Cmax-Ci) [mg/l] Cr Povprečni iznos NO3-N v časovni enoti [g] Iznos_N Najvišji iznos NO3-N v 20-minutnem časovnem koraku [g] Iznos_max 3.3.1 Določitev režimov iznosa nitratnega dušika s porečja Za razumevanje in posledično boljše napovedovanje odzivov porečja z vidika sproščanja in zadrževanja hranil in drugih v vodi topnih snovi sta ovrednotenje in opredelitev režimov iznosa hranil s porečja ključnega pomena (Musolff in sod., 2015). V literaturi lahko zasledimo različne načine določitev režimov iznosa z uporabo podatkov o časovni spremenljivosti koncentracij/iznosa topila (npr. NO3-N) in pretoka. Godsey in sod. (2009) so uporabili metodo določitve naklona premice, ki se najbolje prilega Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 31 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. parom točk logaritmov koncentracij in logaritmov pretokov (naklon log C−log Q). Thompson in sod. (2011) so izračunali razmerje med koeficientoma variacije koncentracij in pretokov (CVC/CVQ) in tako določili spremenljivost koncentracij relativno na pretok. Koenig in sod. (2017) so v svoji raziskavi poleg naklona log C−log Q uporabili še metodo relativne spremembe koncentracije (C_rs) za posamezni dogodek, ki so jo predlagali Butturini in sod. (2006). V osnovi lahko opredelimo tri splošne režime iznosa (npr. Bieroza in sod., 2018): − režim spiranja (angl. flushing), za katerega je značilna pozitivna zveza med časovno spremenljivostjo koncentracij/iznosa in pretokom, − režim redčenja (angl. dilution), za katerega je značilna negativna zveza med časovno spremenljivostjo koncentracij/iznosa in pretokom, in − kemostatični režim (angl. chemostatic), za katerega je značilno, da se koncentracija/iznos s pretokom ne spreminjata. V nalogi smo režime iznosa nitratnega dušika določili z metodo naklona regresijske premice parom točk log C−log Q, izračunom CVC/CVQ, njuno kombinacijo in relativno spremembo koncentracije pri posameznem dogodku. V nadaljevanju so metode podrobneje opisane. Za grafe odvisnosti koncentracije (C) od pretoka (Q) v logaritemskem merilu večinoma velja linearni potek, kar kaže na zvezo med spremenljivkama v obliki potenčne funkcije: 𝐶 = 𝑎 ∙ 𝑄𝑏, (2) kjer sta a in b konstanti. Eksponent b v logaritemskem merilu predstavlja naklon premice, ki se prilega parom točk C in Q ter je fizikalno razložljiv. Če je b enak 0, potem govorimo o kemostatičnem režimu porečja, kar pomeni, da koncentracije kljub spremembi pretoka ostajajo konstantne. Vrednost b > 0 kaže na spiranje snovi s porečja, saj se s povečevanjem pretoka zvišuje tudi koncentracija snovi. Na drugi strani pa b < 0 kaže na redčenje oziroma zadrževanje snovi na porečju, saj se s povečevanjem pretoka koncentracija snovi zmanjšuje (Godsey in sod., 2009). Vrednost naklona b smo določili za vsak dogodek posebej, na podlagi česar lahko sklepamo o spremenljivosti režimov iznosa po dogodkih in/ali sezonah. Zvezo med spremenljivkama C in Q v enačbi 2 lahko zapišemo tudi v obliki: ln 𝐶 = ln 𝑎 + 𝑏 ∙ ln 𝑄 + 𝛾 ln 𝑊, (3) kjer W predstavlja slučajno napako za pretoke različne od 0 in 𝛾 je konstanta. 32 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Musolff in sod. (2015) so zgornjo enačbo razčlenili in skladno s postopkom, opisanim v Jawitz in Mitchell (2011), definirali srednjo vrednost (𝜇𝑐) in standardno deviacijo (𝜎𝑐) koncentracije. Thompson in sod. (2011) so predlagali uporabo kazalnika, ki upošteva velikost sprememb koncentracij in pretoka, tj. razmerje CVC/CVQ (enačba 4). Koeficient variacije je definiran kot razmerje med standardnim odklonom in srednjo vrednostjo. 𝐶𝑉 𝜇 𝜎 𝐶 = 𝑄 𝐶 (4) 𝐶𝑉𝑄 𝜇𝐶 𝜎𝑄 Thompson in sod. (2011) so se za novi kazalnik odločili na podlagi dejstva, da vrednost naklona b = 0 predvsem pri majhnih spremembah koncentracij še ne dokazuje kemostatičnosti. Podobno je v primeru visokih vrednosti 𝛾, ko je tudi v primeru b = 0, spremenljivost koncentracij visoka, česar ne moremo opredeliti kot kemostatični režim. Posledično so Musolff in sod. (2015) v študiji iznosov za nemška porečja upoštevali oba kazalnika hkrati, tj. CVC/CVQ in b. Tretji kazalnik, na podlagi katerega smo določili režime iznosa nitratnega dušika, je z izračunom relativne spremembe koncentracije za posamezen dogodek. Uporabili smo metodo, ki so jo predlagali Butturini in sod. (2006): (𝐶 𝐶_𝑟𝑠 = 100 ∙ 𝑝𝑒𝑎𝑘 − 𝐶𝑏), (5) 𝐶𝑚𝑎𝑥 kjer je Cpeak koncentracija pri maksimalnem pretoku, Cmax je maksimalna koncentracija in Cb koncentracija pri baznem odtoku posameznega dogodka. Vrednost koncentracije Cb smo določili kot vrednost koncentracije na začetku dogodka. Kazalnik C_rs lahko doseže vrednosti med −100 in 100, pri čemer negativne vrednosti kažejo na režim redčenja oziroma zadrževanja nitratnega dušika na porečju, pozitivne vrednosti kažejo na režim spiranja in vrednosti okoli 0 kažejo na kemostatični režim iznosa. 3.3.2 Časovna povezanost hidrometeoroloških procesov in procesov spiranja nitratnega dušika Padavinski dogodki vplivajo na spremembe koncentracij nitratnega dušika v vodotoku neposredno in posredno (Ockerman in Livingston, 1999). Neposredni vpliv predstavlja določena količina NO3-N, ki ga vsebujejo padavine, posredno pa padavine predstavljajo transportni medij in hidrološki gonilnik, s katerim se dodatne količine NO3-N prenesejo v vodotok iz drugih virov na porečju (npr. talni horizonti, odpadlo listje). Uveljavljenih je več različnih metod za opredelitev vzrokov in kontrolnih mehanizmov Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 33 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. sprememb koncentracij v vodotoku, ki temeljijo na analizi povezav med koncentracijami in pretoki (povezava C−Q). V nadaljevanju je predstavljena metoda določitve časov zakasnitve posameznih opazovanih spremenljivk, s katerimi neposredno ali posredno spremljamo hidrometeorološke in biogeokemične procese na porečju. Poleg zgoraj omenjenih padavin in pretoka smo čase zakasnitve izračunali še za volumetrično vsebnost vode v tleh (m3/m3) v treh globinah in količino iznesenega NO3-N, za posamezni 20-minutni časovni korak, določeno kot: 𝑚𝑔 𝑙 𝑠 𝐶 [ 𝑚 𝑙 ] ∙ 𝑄 [𝑠] ∙ 20 [𝑚𝑖𝑛] ∗ 60 [𝑚𝑖𝑛] 𝑁𝑂 (6) 3−𝑁 [𝑔] = 𝑚𝑔 1000 [ 𝑔 ] Za izračun posameznih časov zakasnitve smo uporabili metodo, ki so jo predstavili Banasik in sod. (2005) v študiji povezav časov zakasnitve padavin, odtoka in iznosa sedimentov na majhnih porečjih. Čas zakasnitve (LAGX) posamezne spremenljivke je določen kot razlika med centroidom diagrama posamezne spremenljivke (MX) in centroidom histograma padavin (MP): 𝐿𝐴𝐺𝑄 = 𝑀𝑄 − 𝑀𝑃 (7) 𝐿𝐴𝐺 (8) 𝑁 = 𝑀𝑁 − 𝑀𝑃 𝐿𝐴𝐺 (9) 𝑆𝑀15 = 𝑀𝑆𝑀15 − 𝑀𝑃 𝐿𝐴𝐺 (10) 𝑆𝑀40 = 𝑀𝑆𝑀40 − 𝑀𝑃 𝐿𝐴𝐺𝑆𝑀70 = 𝑀𝑆𝑀70 − 𝑀𝑃 (11) V enačbah 7–11 indeks Q predstavlja pretok, indeks N količino iznesenega nitratnega dušika, SM15, SM40 in SM70 pa volumetrično vsebnost vode v tleh v globinah 15, 40 in 70 cm. Centroidi posameznih časovno odvisnih diagramov spremenljivk so izračunani po splošni enačbi: ∑𝑛 𝑌 (12) 𝑀 𝑖=1 𝑖 ∙ 𝑡𝑖 𝑋 = . ∑𝑛 𝑌 𝑖=1 𝑖 kjer Yi predstavlja količino padavin, količino iznesenega NO3-N, pretok in volumetrično vsebnost vode v tleh v časovnih intervalih i = 1, 2, …, n. Parameter t predstavlja čas od začetka dogodka do polovice 34 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. i-te periode. V primeru 20-minutnih podatkov so vrednosti t = 10, 30, 50, … (n ∙20 – 10). Shematsko so posamezni časi zakasnitve prikazani na sliki 10. Slika 10: Shematski prikaz metode določitve časov zakasnitve posameznih spremenljivk (Sapač in sod., 2020) Figure 10: Schematic representation of the method for determining lag times of individual variables (Sapač et al., 2020) 3.3.3 Določitev obdobij sezonske vegetacijske dinamike Za določitev obdobij sezonske spremenljivosti vegetacije smo uporabili podatke o meritvah indeksa listne površine (LAI). Meritve LAI smo sporadično izvajali tekom obravnavanega dvoletnega obdobja s posredno, brezkontaktno metodo na podlagi sevanja nad in pod krošnjami dreves. Za določitev splošne ali povprečne letne spremenljivosti vegetacije (fenologije) na območju porečja Kuzlovec smo uporabili tudi podatke daljinskega zaznavanja. Od Gozdarskega inštituta Slovenije smo pridobili rastrske podatke indeksov listne površine za območje gozdnogospodarske enote Polhov Gradec. Gozdarski inštitut Slovenije je namreč za namen ocene poškodovanosti drevja po žledolomu leta 2014 izdelal spletni pregledovalnik VegX (Čotar in sod., 2018; Ogris in sod., 2018), ki prikazuje štiri vrste vegetacijskih indeksov: NDVI (angl. normalized difference vegetation index), EVI (angl. enhanced vegetation index), LAI in FAPAR (angl. fraction of absorbed photosynthetically active radiation). Indekse so izračunali na podlagi multispektralnih posnetkov MODIS (angl. moderate resolution imaging spectroradiometer), ki jih zajemata instrumenta na Nasinih satelitih Terra in Aqua. Instrumenta na satelitih posnameta celotno površino Zemlje v enem do dveh dnevih. Produkti na podlagi več dnevnih opazovanj so različne prostorske in časovne ločljivosti. Prostorska ločljivost indeksov NDVI in EVI znaša 250 m, časovna ločljivost pa 16 dni, medtem ko je prostorska ločljivost indeksov FAPAR in LAI nekoliko slabša in znaša 1 km, časovna ločljivost pa boljša in znaša 4 dni (Ogris in sod., Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 35 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 2016). Za vsake 4 dni izvrednotenih LAI vrednosti gozdnogospodarske enote Polhov Gradec med 18. februarjem 2000 in 12. avgustom 2016 smo izločili samo vrednosti, ki se nanašajo na območje porečja Kuzlovec. Vrednosti LAI so podane v rastrski datoteki. Posamezna celica lahko zavzame vrednosti LAI med 0 in 10, medtem ko vrednost -2 izkazuje napako (slika 11). Za celotno porečje Kuzlovca smo izračunali povprečno vrednost LAI vseh celic, ki pokrivajo območje. Pri tem smo izločili vse tiste datoteke, pri katerih vsaj v eni celici ni bila pravilno izvrednotena LAI vrednost (vrednost v celici -2). Iz začetnih 1298 rastrskih datotek smo za določitev dolgoletnih sprememb indeksa LAI v gozdu na porečju Kuzlovca obdržali 808 datotek, ki smo jih uporabili v nadaljnjih analizah. Slika 11: Primer rastrskega prikaza vrednosti LAI na porečju vodotoka Kuzlovec, določenih na podlagi satelitskih posnetkov MODIS z dne 30. junija 2015 Figure 11: Example of raster data representation of LAI values in the Kuzlovec river catchment on 30 June 2015. LAI was determined based on the MODIS satellite images. 36 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Za opredelitev letne dinamike gozda na porečju Kuzlovca smo izhajali iz metodologije, ki so jo predlagali Zhang in sod. (2003) in temelji na določitvi datumov prehoda iz ene fenološke faze v drugo: 1) ozelenitev, s katero se začne fotosintetska aktivnost, 2) zrelost, ko je površina zelenih listov največja, 3) staranje, s katerim začne fotosintetska aktivnost upadati in 4) mirovanje, ko je fiziološka aktivnost vegetacije skoraj nična. Z razdelitvijo letnega cikla na štiri obdobja smo v osnovi želeli preveriti razlike med odzivom porečja z vidika iznosa nitratnega dušika s porečja, vendar smo zaradi relativne majhnosti vzorca 43 padavinskih dogodkov cikel razdelili samo na dve obdobji, in sicer na obdobje vegetacije, ki po Zhang in sod. (2003) in Wang in sod. (2017) obsega čas od začetka olistanja in obdobje vegetacije, in na obdobje mirovanja, ki obsega čas od začetka odpadanja listov in mirovanje vegetacije (slika 12). Slika 12: Razdelitev letne dinamike vegetacije v štiri fenološke faze: mirovanje, olistanje, obdobje vegetacije in odpadanja listov s karakterističnimi točkami (prirejeno po Wang in sod. (2017) in Caglar in sod. (2018)) Figure 12: Determination of phenological phases based on the annual vegetation dynamics: dormancy, greenup, maturity, and senescence with characteristic points (adapted from Wang et al. (2017) and Caglar et al. (2018)) Slika 12 prikazuje, kako lahko sezonsko dinamiko vegetacije opišemo z dvojno sigmoidno krivuljo, ki vsebuje vsaj šest parametrov, dve vmesni točki (angl. midpoint), dva parametra naklona krivulje, najvišjo vrednost in začetno (oziroma končno vrednost). Za iskanje prilegajoče krivulje podatkom LAI na podlagi satelitskih posnetkov in izris smo uporabili programsko orodje R in paketa sicegar in phenology. Postopek prilegajoče funkcije poteka na normaliziranih podatkih, kar pomeni, da vrednostim LAI pripišemo vrednosti od 0 do 1, pri čemer vrednost 0 pričakujemo v obdobju mirovanja in predstavlja najmanjšo vrednost LAI, vrednost 1 pa pričakujemo v obdobju vegetacije in predstavlja najvišjo vrednost LAI. Dvojna sigmoidna funkcija je nato definirana kot kombinacija dveh ločenih sigmoidnih Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 37 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. funkcij. Kombinirana funkcija se začne pri 0 in narašča do maksimalne vrednosti v času t* in nato začne upadati do končne vrednosti, ki je v primeru sezonske dinamike LAI enaka začetni, tj. 0. Funkcija je tako razdeljena na dva dela (Caglar in sod., 2018). Rezultat modela iskanja prilegajoče funkcije je 70 vrednosti, ki obsegajo zgoraj opisane in druge parametre (npr. maksimalna vrednost, minimalna vrednost), med drugim pa tudi iskani vrednosti mejnikov med obdobjem vegetacije in obdobjem mirovanja, poimenovani kot začetna točka (angl. start point) in točka začetka upadanja (angl. start decline point). Rezultata sta podana kot zaporedni dan v letu. 3.3.4 Razvrščanje enot v skupine Metoda razvrščanja enot v skupine ali gruče (angl. cluster analysis) spada med multivariatne analize, s katero želimo posamezne enote razvrstiti v skupine tako, da so si znotraj gruče enote čim bolj podobne, gledano med gručami pa so si enote čim bolj različne (Košmelj in Breskvar Žaucer, 2006). Pri tem lahko posamezna enota zavzame mesto v samo eni gruči. Razvite so bile številne metode razvrščanja, ki jih lahko uvrstimo v dve večji skupini: optimizacijske ali nehierarhične in hierarhične metode združevanja. Glavna razlika med obema skupinama metod je v tem, da pri hierarhičnih metodah število skupin ni vnaprej določeno oziroma znano in se gruče/skupine oblikujejo od največjega možnega do izbranega števila, pri nehierarhičnih oziroma optimizacijskih metodah pa vnaprej določimo število gruč, v katere nato razvrščamo posamezne enote (Jesenko in Jesenko, 2007). Podatke pred postopkom razvrščanja standardiziramo, kar pomeni, da je povprečna vrednost enaka 0, standardna deviacija preoblikovanih podatkov pa je enaka 1. V doktorski disertaciji smo v nadaljevanju predstavljeni metodi razvrščanja uporabili za ugotavljanje podobnosti oziroma razlik med posameznimi dogodki na podlagi hidrometeoroloških in vegetacijskih spremenljivk. Dodatno smo preverili, ali oblikovane gruče nakazujejo na sezonsko podobnost dogodkov. V disertaciji želimo z metodama razvrščanja razvrstiti 43 padavinskih dogodkov, opisanih z naborom vseh spremenljivk (padavine, hidrološke razmere, razmere sprememb koncentracij in iznosov NO3-N med dogodki, vegetacijske lastnosti), v ustrezno oziroma optimalno število gruč z namenom ugotovitve podobnosti oziroma različnosti dogodkov. Pri razvrščanju smo uporabili nekategorizirane podatke, torej številske vrednosti spremenljivk. Za postopka razvrščanja smo uporabili programsko orodje R (R Core Team, 2018) in paketa cluster (Maechler in sod., 2019) ter factoextra (Kassambara in Mundt, 2020). 38 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 3.3.4.1 Hierarhično razvrščanje Pri hierarhičnem razvrščanju, kjer število gruč ni vnaprej definirano, se oblikovanje gruč začne tako, da na začetku vsaka enota, ki jo želimo razvrstiti v gručo, predstavlja svojo gručo. Na podlagi matrike razdalj med vsemi enotami v prvem koraku poiščemo med seboj najbližji enoti in ju združimo v gručo. Matrika razdalj med enotami se ponovno preračuna in nadomesti prvotno matriko. Nato ponavljamo korak iskanja najmanjše razdalje med enotama (najmanjše razlike med enotama), dokler vseh enot ne razvrstimo v gruče (Jesenko in Jesenko, 2007; Kassambara, 2017a; Košmelj in Breskvar Žaucer, 2006). Načinov, kako določiti razdaljo (različnost) med enotami oziroma gručami, je več (npr. minimalna metoda, maksimalna metoda, metoda težišč, povprečna metoda, Wardova metoda). Wardova metoda je ena najpogosteje uporabljenih, zanjo pa je značilno, da se enote razvrstijo v gruče tako, da je variabilnost gruč med seboj primerljiva oziroma so enote znotraj gruče čim bolj homogene, odklon za posamezno skupino pa je določen kot vsota kvadriranih odklonov od povprečja te skupine (Jesenko in Jesenko, 2007; Košmelj in Breskvar Žaucer, 2006). Wardovo metodo dopolnjuje optimizacijska metoda voditeljev, in sicer Wardova metoda služi za določitev smiselnega števila gruč, ki je pogoj za izvedbo razvrščanja z metodo voditeljev. Število gruč na podlagi Wardove metode določimo na podlagi dendrograma, ki je grafični prikaz rezultatov hierarhičnega razvrščanja. Navadno »optimalno« število gruč določa največji skok na skali razdalj, kjer dendrogram navidezno odrežemo in odčitamo posamezni gruči pripadajoče enote. 3.3.4.2 Metoda voditeljev Optimizacijska metoda razvrščanja enot v skupine po metodi voditeljev (angl. k-means) spada med najpogosteje uporabljane metode razvrščanja (Košmelj in Breskvar Žaucer, 2006). Postopek razvrščanja s to metodo lahko opišemo s petimi glavnimi koraki (Witten in sod., 2011; Zaki in Wagner, 2014): 1) Določimo število gruč (parameter k), v katere želimo razvrstiti enote (v našem primeru padavinske dogodke). Število gruč določimo na podlagi rezultatov hierarhičnega razvrščanja. 2) Naključno se določijo centri k točk, ki določajo težišče gruč (začetni voditelji). 3) Vse enote se pripišejo najbližjemu od k težišč po načelu evklidske razdalje. 4) Izračuna se novo težišče oziroma sredina gruče (iz tega tudi izhaja angleška različica imena »k-mean«), ki postane novi voditelj skupine. Težišče k gruče je vektor dolžine p (število spremenljivk), ki vsebuje aritmetične sredine vseh spremenljivk v k gruči. 5) Postopek pod točkama 4 in 5 se ponavlja, dokler ne pride do stabilizacije oziroma dokler v več zaporednih ponovitvah niso iste enote pripisane isti k gruči – voditelji se ne spreminjajo več. Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 39 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Za niz podatkov, ki vsebuje n točk (dogodkov) v d-dimenzionalnem prostoru ( d spremenljivk) 𝐃 = {𝒙 𝒏 𝒊} z določenim številom gruč k, je cilj razvrščanja, da ga razvrstimo v k gruč, ki jih označimo kot 𝒊=𝟏 𝐶 = {𝐶1, 𝐶2, … , 𝐶𝑘}. Za vsako gručo 𝐶𝑖 obstaja reprezentativna točka, ki povzame skupino oziroma gručo, tj. težišče oziroma sredina vseh točk v gruči 𝝁𝑖: 1 𝝁𝑖 = ∑ 𝒙 𝑛 𝑗, (13) 𝑖 𝒙𝑗∈ 𝐶𝑖 kjer je 𝑛𝑖 = |𝐶𝑖| število točk v posamezni gruči 𝐶𝑖. Vsako enoto (točko ali v našem primeru dogodek) lahko pripišemo eni od k gruč, posledično obstaja 𝑘𝑛 možnosti razvrstitev. Uspešnost oziroma ocena kakovosti razvrščanja v gruče se določi na podlagi kriterijske funkcije, in sicer je v primeru metode voditeljev določena kot vsota kvadratov napak SSE, definirana kot (Zaki in Wagner, 2014): 𝑘 𝑆𝑆𝐸(𝐶) = ∑ ∑ ||𝒙𝑗 − 𝝁𝑖||2 (14) 𝒙𝑗∈ 𝐶𝑖 𝑖=1 Cilj razvrščanja po metodi voditeljev je doseči čim manjšo vrednost kriterijske funkcije SSE, tj. minimizirati objektno funkcijo, ki predstavlja vsoto kvadratov razdalj med elementi v posameznih gručah. Optimalno število gruč smo določili na podlagi dendrograma, dobljenega pri predhodnem hierarhičnem razvrščanju. 3.3.5 Analiza glavnih komponent (PCA) Analiza glavnih komponent (angl. principal component analysis, PCA) je statistična metoda, pri kateri K spremenljivk z ortonormalno linearno transformacijo preslikamo v nov koordinatni sistem J ≤ K nekoreliranih spremenljivk, tj. glavnih komponent (PC), ki so razvrščene po velikosti glede na odstotek variance, ki jo pojasnijo, potem ko se začetne J spremenljivke projicirajo v njih (Jolliffe, 2002). Glavni cilj analize glavnih komponent je torej zmanjšanje števila (merjenih) spremenljivk na nekaj najpomembnejših, določenih na podlagi glavnih komponent, ki jih lahko nato nadalje uporabljamo pri drugih metodah, kot je na primer regresijska analiza (Jesenko in Jesenko, 2007; Zabret, 2018). Število glavnih komponent sovpada s številom spremenljivk in zanje velja, da so med seboj neodvisne, ne glede na to, da so osnovne spremenljivke lahko med seboj korelirane. Visoka (nizka) korelacija med osnovnimi spremenljivkami pa se lahko odrazi na rezultatih PCA. Pri visokih korelacijah spremenljivk se to odrazi kot nekaj velikih lastnih vrednosti, pri nizkih korelacijah spremenljivk pa so lastne vrednosti glavnih komponent med seboj približno enake (Jesenko in Jesenko, 2007). Postopek zmanjšanja razsežnosti s PCA lahko razdelimo na pet glavnih korakov: 1) standardizacija podatkov, 2) izračun kovariančne matrike, 40 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 3) izračun lastnih vektorjev in lastnih vrednosti, 4) izračun glavnih komponent in 5) zmanjšanje razsežnosti podatkovnega niza. S standardizacijo podatkov (povprečje 0 in standardna deviacija 1) zagotovimo enakovrednost spremenljivk v PCA, saj velja, da na določitev glavnih komponent najbolj vpliva spremenljivka z največjo varianco. Standardizacija je še posebej priporočljiva v primerih, ko imajo spremenljivke različne merske enote oziroma če so vrednosti spremenljivk različnih velikostnih razredov (Košmelj, 2007). Pri analizi glavnih komponent želimo za p spremenljivk X1, X2, …, XK, ki jih v matriko X zapišemo kot X = [ X1, X2, …, Xp], najti novo množico spremenljivk Y1, Y2, …, Yp, ki jih lahko zapišemo kot linearno kombinacijo osnovnih spremenljivk (Košmelj, 2007): Y1 = a11X1 + a12X2 + … + a1KXK = Xa1 Y2 = a21X1 + a22X2 + … + a2KXK = Xa2 (15) … YK = aK1X1 + ap2X2 + … + appXp = Xap. Nadalje velja: Var( Yi) = Var(Xa 𝑇 𝑇 i) = 𝐚𝑖 ∑ai, Cov( Yi, Yk)= 𝐚𝑖 ∑ak, (16) kjer je ∑ variančno-kovariančna matrika osnovnih spremenljivk, ai pa lastni vektorji kovariančne matrike. Prva glavna komponenta (Y1 = Xa1) se nato določi z linearno kombinacijo osnovnih spremenljivk, da je varianca največja in z dodatnim pogojem za enoličnost rešitve 𝐚𝑇1a1 = 1. Druga glavna komponenta (Y2 = Xa2) pojasni drugo najvišjo varianco in je pravokotna na prvo glavno komponento. Pri tem velja dodatni pogoj 𝐚𝑇2a2 = 1. Postopek se ponavlja do p-te komponente (Košmelj, 2007). Varianca glavnih komponent je enaka lastnim vrednostim pripadajočih komponent. Če smo podatke standardizirali, potem se glavne komponente dejansko določijo na podlagi korelacijske matrike (Jesenko in Jesenko, 2007). Interpretacija lastnih vektorjev je enaka kot pri koeficientih multiple regresije. Posamezni vektor aij predstavlja vpliv spremenljivke Xj na glavno komponento Yi ob hkratnem upoštevanju ostalih spremenljivk (Košmelj, 2007). Analizo PCA smo izvedli na podatkovnem nizu padavinskih dogodkov, ki smo jih opisali s hidrometeorološkimi in vegetacijskimi spremenljivkami. Uporabili smo programsko orodje R (R Core Team, 2018), kjer smo uporabili paket FactoMineR (Le in sod., 2008). Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 41 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 3.3.6 Multipla linearna regresija (MLR) Procesi iznosa dušika s porečja so posledica številnih dejavnikov. Ena najstarejših statističnih metod, ki se pogosto uporablja za razumevanje povezav oziroma napovedovanje prediktorske oziroma odvisne spremenljivke (angl. predictor variable) z več pojasnjevalnimi spremenljivkami oziroma neodvisnimi spremenljivkami (angl. explanatory variables) je multipla linearna regresija (angl. multiple linear regression, MLR). Zasnova metode temelji na običajni metodi najmanjših kvadratov, vendar s to razliko, da pri običajni metodi najmanjših kvadratov upoštevamo samo po eno odvisno in neodvisno spremenljivko, pri MLR pa je neodvisnih spremenljivk več. Splošno enačbo za multiplo linearno regresijo lahko zapišemo kot: 𝑦𝑖 = 𝑎0 + 𝑎1𝑥𝑖1 + 𝑎2𝑥𝑖2 + ⋯ + 𝑎𝑝𝑥𝑖𝑝 + 𝜀, (17) kjer i predstavlja število opazovanj (npr. padavinskih dogodkov), yi je spremenljivka, ki jo napovedujemo, xi so pojasnjevalne spremenljivke (npr. količina padavin, trajanje dogodka), a 0 je presečišče z y-osjo oziroma pričakovana vrednost spremenljivke yi, če vse pojasnjevalne spremenljivke dosežejo vrednost nič, ap koeficient naklona za vsako posamezno pojasnjevalno spremenljivko ob upoštevanju ostalih v modelu, ε pa oznaka za napako modela. Metodo multiple linearne regresije smo uporabili po izvedeni metodi PCA na vseh spremenljivkah za opis hidrometeoroloških in vegetacijskih sprememnljik, kjer smo skušali na podlagi izkazanih najpomembnejših glavnih komponent preveriti, kolikšen delež variance sprememb koncentracij oziroma iznosov nitratnega dušika lahko pojasnimo. Ker je s hidrološkega vidika delež nemerjenih porečij (kar pomeni, da ne razpolagamo s podatkom o pretokih in ostalih hidroloških podatkih) nekaj velikostnih razdredov večji od tistega, kjer imamo podatek o pretoku (Blöschl, 2006), smo metodo MLR uporabili še za preverjanje količine pojasnjene variance v iznosih in koncentracijah NO3-N, in to samo na podlagi padavinskih podatkov, ki so lažje prenosljivi z bližnjih območij na območja, kjer je meritev malo, imajo pomanjkljivosti ali jih sploh ni, in sicer z uporabo ustreznih metod, kot so npr. Thiessenovi poligoni. 3.3.6.1 Diagnostika linearnih regresijskih modelov Ko je postopek določanja ocen parametrov modela na podlagi podatkov zaključen, nastopi faza diagnostike linearnega regresijskega modela, s katero preverimo, ali so predpostavke linearnega modela izpolnjene. Diagnostika modelov pa ni nujni del samo linearnih regresijskih modelov, temveč modelov na splošno. Če pogledamo z vidika hidroloških modelov, ki so pomembni z vidikov varovanja pred poplavami in sušo, načrtovanje infrastrukture za oskrbo s pitno vodo in namakanje kmetijskih površin, 42 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. je ključno, da so ti modeli relevantni. Zato je treba preveriti, ali se v množici podatkov, na podlagi katerih so ocenjeni parametri modela, ne nahajajo posamezni podatki, ki bi lahko pomembno vplivali na vrednost neodvisne spremenljivke (t. i. vplivne točke), kar z drugimi besedami pomeni, da model validiramo. Pri linearnih regresijskih modelih preverjamo naslednje predpostavke: 1) med odvisno in neodvisno spremenljivko mora biti odražena linearna zveza, 2) varianca napak je konstantna (homoskedatičnost), kar pomeni, da so ostanki slučajno razporejeni okoli vrednosti nič, 3) napake so normalno porazdeljene in 4) napake med seboj niso odvisne (Kassambara, 2018). Izhajajoč iz omenjenih predpostavk je za diagnostiko modela pomembno analizirati ostanke. Poleg tega smo v nalogi preverili prisotnost t. i. posebnih točk, za katere je značilno, da se na neki način razlikujejo od ostalih točk, lahko pa tudi bistveno vplivajo na rezultate modela. Osredotočili smo se na določitev morebitnih regresijskih osamelcev (angl. outliers), vzvodnih točk (angl. leverage points) in vplivnih točk (angl. influential points), katerih vpliv na model in modelske rezultate podajamo v nadaljevanju. Za točke, pri katerih vrednost izmerjene vrednosti neodvisne spremenljivke močno odstopa od z modelom napovedane vrednosti (imajo velik ostanek), pravimo, da so regresijski osamelci. V praksi se za določanje regresijskih osamelcev uporabljajo standardizirane mere ostankov, imenovani studentizirani ostanki, ki jih dobimo tako, da ostanek delimo s pripadajočim standardnim odklonom. Velja pravilo, da dogodki, pri katerih je studentizirani ostanek večji kot 3, predstavlja regresijski osamelec (James in sod., 2017). V tem primeru si za identifikacijo regresijskih osamelcev pomagamo z grafičnimi prikazi ostankov, npr. s programskim orodjem R in paketom car (Fox in Weisberg, 2019) . Drugi način za identifikacijo regresijskih osamelcev je z modeliranjem, kjer za vsak dogodek (točko) posebej preverimo, ali je regresijski osamelec. To lahko storimo na dva načina. Pri prvem načinu postopek linearnega modela ponovimo n-krat, pri čemer vsakič izpustimo po eno točko ( i-ti dogodek) (angl. case deletion model). Pri drugem načinu pa (angl. mean-shift outlier model) vsako odvisno spremenljivko yi izrazimo z linearno kombinacijo neodvisnih spremenljivk, ki pa jim dodamo še eno umetno spremenljivko di, ki ima vrednost nič za vse ostale točke razen i-te točke, kjer je njena vrednost ena. Cel člen dodane spremenljivke v linearni kombinaciji zapišemo kot γdi. Preverjamo ničelno hipotezo, ki pravi, da i-ta točka ni regresijski osamelec, kar pomeni, da je vrednost γ v dodanem členu spremenljivke enaka nič. Z alternativno hipotezo trdimo, da je γ različna od nič, kar posledično pomeni premik presečišča z vertikalno osjo za vrednost γ. Skupno število testov je tudi pri tem načinu n, za vsak test pa izračunamo pripadajočo p-vrednost. Zaradi medsebojne odvisnosti testov je potrebna prilagoditev izračunanih p-vrednosti. Pogosto se uporabi kar postopek množenja izračunanih p-vrednosti s številom testov n, kar imenujemo Bonferronijev popravek (angl. Bonferroni correction) Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 43 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. (Everit in Skrondal, 2010). Za določitev regresijskih osamelcev po drugem opisanem načinu smo v programskem orodju R uporabili funkcijo outlierTest (Fox in Weisberg, 2019). Vzvodne točke predstavljajo tiste dogodke, pri katerih ima ena ali več neodvisnih spremenljivk ekstremno vrednost (Everit in Skrondal, 2010), kar pomeni, da so gledano v smeri vodoravne osi daleč od ostalih točk in imajo velik vzvod. V praksi velja kriterij, da so vzvodne točke tiste, katerih vzvod je dvakrat ali trikrat večji od povprečnega vzvoda. Povprečni vzvod modela se izračuna kot ( k+1)/ n, pri čemer je k število neodvisnih spremenljivk, vključenih v model. Vplivne točke so tiste točke, ki, če jih izključimo iz modela, bistveno spremenijo ocene parametrov oziroma vrednosti odvisne spremenljivke, ki jo napovedujemo. Eden od načinov, s katerim določamo vpliv posamezne točke, so Cookove razdalje, s katerimi se hkrati upoštevajo tako ostanki kot vzvodi (Kassambara, 2018). Večja sta vzvod in ostanek neke točke, večja je Cookova razdalja in posledično je večji vpliv te točke na ocene parametrov linearnega regresijskega modela. Najpogosteje se kot kriterij za vplivno točko upošteva Cookova razdalja, večja od 1 ali strožji kriterij, kjer je razdalja večja od 0,5. 44 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 4 REZULTATI 4.1 Padavine Količina padavin, padlih v obdobju med aprilom 2018 in majem 2020, znaša 2.795 mm. Letna količina padavin v letu 2019 je znašala 1.656 mm, kar je primerljivo s predhodnimi ocenami (1.600−1.800 mm) drugih avtorjev (Bezak in sod., 2013). Največjo mesečno količino padavin smo zabeležili novembra 2019 (321,9 mm) in maja 2019 (253,8 mm), medtem ko smo najmanj padavin zabeležili decembra 2018 (18,4 mm) in januarja 2020 (23,4 mm) (slika 13). Povprečna mesečna količina padavin znaša 110 mm, vendar pa lahko predvsem v zimskih mesecih pričakujemo izrazito podpovprečne količine padavin. Poleg tega velja poudariti, da so bile snežne padavine v dvoletnem obdobju zanemarljive. Samodejna postaja ARSO Ljubljana-Bežigrad je snežne padavine zabeležila v 26 dnevih, v katerih je skupna višina snežne odeje znašala samo 13 cm, medtem ko je najvišja dnevna snežna odeja znašala 6 cm (januar 2019) (ARSO, 2020a). Na postaji Ljubljana-Bežigrad je v istem obdobju padlo 2.614 mm padavin. 350 25 Padavine Temperatura 321.9 300 20 253.8 ] 250 m C] m 15 °a [ n [iv 200 ak 179.4 rz 10 a pada 149.1 153.6 ur 139.4 150 at na 126 131.7 126.2 125.1 či 116.4 129.6 i per 104 112.9110.2 5 olK 100 em 82.8 74.4 T 60.2 64.2 54 41 42 0 50 33 18.4 23.4 0 -5 Slika 13: Mesečne količine padavin na porečju Kuzlovca in povprečne mesečne temperature zraka v dveletnem obdobju meritev Figure 13: Monthly precipitation data and average monthly air temperature in the Kuzlovec river catchment over the two-year measurement period Temperaturni razpon v obravnavanem obdobju je znašal od -8,6 do 30,2 °C. Povprečna letna temperatura v letu 2019 je znašala 10,2 °C. Glede na obe leti meritev je bil najhladnejši mesec januar, Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 45 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. ko je bila povprečna mesečna temperatura okoli 0 °C, najvišje temperature pa so značilne za poletne mesece od junija do avgusta s povprečnimi mesečnimi vrednostmi okoli 19 °C (slika 13). Padavinski dogodki lahko sprožijo relativno velik iznos hranil s porečja v primerjavi z razmerami v času baznega odtoka. V nalogi smo podrobneje obravnavali padavinske dogodke s količino 10 mm ali več. Enak kriterij so uporabili tudi Huebsch in sod. (2014), poleg tega pa so dnevne vrednosti evapotranspiracije v obdobju meritev le v nekaj dnevih presegle 6 mm (ARSO, 2020b). Začetek padavinskega dogodka smo določili s časom prve zabeležene količine padavin (prekucem), ločnico med dvema zaporednima dogodkoma pa smo opredelili s šesturnim obdobjem brez zabeleženih padavin. Za vsak padavinski dogodek smo izračunali karakteristične vrednosti, s katerimi opisujemo lastnosti padavinskih dogodkov in smo jih v nadaljevanju naloge uporabili pri analizah za testiranje hipotez ter v diskusiji rezultatov: − trajanje padavin ( Tp), − količina padavin ( Kp), − srednja intenziteta padavin ( Isr), − najvišja 60-minutna intenziteta padavin ( I60), − kinetična energija padavin ( E) in − indeks erozivnosti padavinskega dogodka ( EI6 0). V dvoletnem obdobju meritev smo zabeležili 83 padavinskih dogodkov z več kot 10 mm padavin (priloga A, preglednica 7). Povprečno so se na mesec zgodili trije taki dogodki, največ (devet) smo jih zabeležili novembra 2019, najmanj (nobenega) pa marca 2019. Povprečni dogodek je trajal 946 (±800,9) min, pri čemer je najkrajši trajal samo 20 minut (8. julij 2018), ko je padlo 11,4 mm dežja. Za ta dogodek smo izračunali tudi najvišjo srednjo intenziteto padavin (34,2 mm/h). Najdaljši dogodek se je zgodil 30. maja 2019 (4880 min), ko je skupaj padlo 109,8 mm padavin. To je tudi dogodek z najvišjo zabeleženo kumulativno količino padavin. V povprečju so se daljši dogodki pogosteje zgodili v mesecih od oktobra do maja, medtem ko so krajši dogodki značilnejši za poletne mesece. Intenzivnejši dogodki z več kot 10 mm dežja so bili v povprečju bolj značilni za poletne mesece od junija do septembra, medtem ko za količine padavin med padavinskimi dogodki nismo zaznali sezonskih vzorcev. Povprečna srednja intenziteta dogodka znaša 3,19 (±4,6) mm/h, mediana pa 1,87 mm/h. Maksimalne enourne intenzitete so bile pri vseh dogodkih razen pri dveh, ki sta trajala 20 oziroma 40 min, višje od srednjih intenzitet. Vrednosti maksimalnih enournih intenzitet (I60) so znašale od 1,8 do 52,2 mm/h, vendar je za večino dogodkov bil značilnejši ožji interval vrednosti med 4,8 in 11,4 mm/h z mediano, ki je znašala 7,2 mm/h. 46 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Dodatno smo izračunali še dva kazalnika, s katerima opišemo potencial erozivnosti, in sicer kinetično energijo dogodka ( E), ki smo jo določili na podlagi empirične enačbe, kot sta jo definirala Brown in Foster (1986), ter indeks erozivnosti dogodka ( EI60), ki je določen kot produkt kinetične energije dogodka in maksimalne enourne intenzitete padavin (Svoboda in sod., 2016). Dogodek z najvišjo kinetično energijo dogodka se je zgodil 2. avgusta 2019 (15,4 MJ/ha), sledita mu dogodka s 27. maja 2019 in 25. avgusta 2018, ko je kinetična energija dogodka znašala dobrih 13 MJ/ha. Tako kot najvišje srednje intenzitete in maksimalne enourne intenzitete padavin so tudi maksimalne vrednosti kinetične energije bile značilnejše za pozne spomladanske in poletne mesece. Ne glede na to ugotovitev pa velja poudariti, da lahko višje vrednosti kinetične energije pričakujemo tudi v drugih delih leta, kar potrjujeta dogodka z 28. oktobra 2018 in 1. februarja 2019, pri katerih je vrednost E znašala več kot 10 MJ/ha. Relativno nizke vrednosti E so bile izračunane za dogodke, ki so se zgodili 9. aprila 2018, 15. aprila 2018, 16. aprila 2018 in 29. oktobra 2019, ko je vrednost E bila nižja od 1,2 MJ/ha. Povprečna vrednost kinetične energije 83 padavinskih dogodkov je znašala 3,56 MJ/ha z medkvartilnim razponom 1,8−4,5 MJ/ha. Vrednosti indeksa erozivnosti dogodka (EI60) so znašale med 2,9 in 803,7 MJ mm/(ha h). Dve najvišji vrednosti sovpadata z dogodkoma z najvišjo kinetično energijo dogodka, tj. z dogodkoma 2. avgusta 2019 (803,7 MJ mm/(ha h)) in 28. avgusta 2018 (284,3 MJ mm/(ha h)), sledi jima pa dogodek z 19. junija 2019 z 259,5 MJ mm/(ha h). Pri tem dogodku sicer kinetična energija ni bila med najvišjimi, vendar pa je maksimalna enourna intenziteta bila zelo visoka (31,8 mm/h). Preglednica 7: Osnovni statistični kazalniki padavinskih dogodkov z več kot 10 mm padavin Table 7: Basic statistical parameters of precipitation events with more than 10 mm of rainfall EI60 [MJ Isr I60 Statistični parameter Tp [min] Kp [mm] E [MJ/ha] mm/(ha [mm/h] [mm/h] h)] Povprečna vrednost 946,02 27,64 3,19 9,02 3,56 45,49 Standardni odklon 800,85 19,83 4,63 7,06 2,88 97,82 Koeficient variacije [%] 84,65 71,74 145,00 78,35 80,74 215,05 1. kvartil 440,00 14,70 1,14 4,80 1,80 8,98 Mediana 760,00 20,20 1,87 7,20 2,43 19,58 3. kvartil 1140,00 35,10 2,85 11,40 4,48 40,69 Najvišja vrednost 4880,00 109,80 34,20 52,20 15,40 803,73 Najnižja vrednost 20,00 10,00 0,60 1,80 1,02 2,90 Za vse statistične parametre je značilen relativno visok koeficient variacije, ki je najnižji pri količini padavin (71,7 %), najvišji pa pri indeksu erozivnosti padavin (215,1 %) in srednji intenziteti dogodka (145 %). Razlog za visok koeficient variacije lahko pripišemo veliki občutljivosti kazalnika na ekstremne vrednosti, ki se pojavljajo pri prav vseh statističnih parametrih, kar je razvidno iz njihovih razponov (preglednica 7). Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 47 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 4.2 Pretok Povprečni pretok Kuzlovca v obdobju meritev je znašal 4,5 l/s, mediana vzorca podatkov pa je znašala 3,8 l/s. Ker je Kuzlovec izrazito hudourniški vodotok, je porazdelitev pretokov levo asimetrična, kar pomeni, da večji del časa prevladujejo pretoki okoli povprečja in nižji, izrazito visoki pretoki pa so redki (slika 14). Zaradi hudourniških značilnosti in hitrega površinskega odtoka so konice pretokov lahko tudi več kot 15-krat višje od povprečja. Najvišji pretok smo izmerili 29. maja 2019, ko je ta znašal 80,6 l/s in 3. februarja 2019, ko je znašal 75 l/s. Omenjeni konici sta se zgodili po padavinskih dogodkih, ki sta se začela 27. maja 2019 in 1. februarja 2019, ko je padlo 110 oziroma 95 mm padavin, obenem pa smo za ta dogodka izračunali tudi visoke vrednosti kinetične energije padavin. Hitro naraščanje in upadanje hidrograma se odraža tudi v povprečnih dnevnih pretokih, kjer maksimalne vrednosti ne presegajo 31 l/s (slika 15). Z razdelitvijo hidrograma na bazni odtok in površinski odtok (razlika med celotnim pretokom in baznim odtokom) z metodo lokalnih minimumov vidimo, da večji del leta v strugi vodotoka teče bazni odtok, vendar so lahko v času konic volumni skupnega pretoka nekajkrat višji od volumna baznega odtoka. Indeks baznega odtoka (BFI) znaša 0,5, kar pomeni, da približno polovico volumna odtoka predstavlja bazni odtok, preostalo polovico pa predstavlja površinski odtok. Površinski odtok lahko v teoriji podrobneje razdelimo na neposredni površinski odtok, medtok in padavine, ki so padle neposredno v strugo vodotoka (Brilly in Šraj, 2005). Slika 14: Histogram pretokov dvoletnih meritev Figure 14: Histogram of discharges over a two-year measurement period Najnižje dnevne pretoke smo zabeležili med 16. in 21. junijem 2018, ko je bil pretok nižji od 1 l/s. Najvišji povprečni dnevni pretok je znašal 30,8 l/s in je posledica visokih pretokov, ki so se zgodili 29. 48 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. maja 2019. Isti razlogi veljajo tudi za drugi in tretji najvišji povprečni dnevni pretok, ki sta se zgodila 2. in 3. februarja 2019 (26,4 oz. 25,8 l/s). Vidimo, da so maksimalni povprečni dnevni pretoki približno trikrat nižji od konice pretoka 20-minutnih podatkov, kar dodatno podkrepi pomen meritev s kratkim časovnim korakom, brez katerih bi bile informacije o izrednih dogodkih najverjetneje izgubljene. 30 Pretok Bazni odtok 25 20 s]/l[ okt15 Pre 10 5 0 Slika 15: Povprečni dnevni pretoki (modra črta) in bazni odtok (rdeča črta) v dvoletnem obdobju meritev Figure 15: Average daily discharge (blue line) and baseflow (red line) over the two-year measurement period 4.3 Vsebnost vode v tleh Z meritvami vsebnosti vode v tleh smo pričeli v drugi polovici eksperimenta, zato v tej nalogi prikazujemo samo rezultate od 18. julija 2019 naprej (slika 16). Meritve smo izvajali na globinah 15 cm, 40 cm in 70 cm. Skozi celotno obdobje meritev so razvidne razlike med sloji, ki kažejo na upadanje volumetrične vsebnosti vode v tleh z globino s povprečnim gradientom 0,3 (m3/m3)/m. Povprečna vrednost volumetrične vsebnosti vode najplitvejšega sloja je znašala 0,327 m3/m3, srednjega sloja 0,251 m3/m3 in najglobljega 0,131 m3/m3. Poleg najvišje vsebnosti vode smo v zgornjem sloju (na globini 15 cm) opazili tudi najvišji razpon vrednosti volumetrične vsebnosti vode v tleh (slika 17). Iz grafa na sliki 16 so sicer razvidni odzivi na padavinske dogodke v smislu spremembe volumetrične vsebnosti vode v tleh na vseh globinah, vendar tudi razpon pada z globino (slika 17). Vrednosti volumetrične vsebnosti vode v najplitvejšem sloju so se gibale med 0,240 in 0,393 m3/m3, v srednjem sloju med 0,216 in 0,307 m3/m3 ter na globini 70 cm med 0,131 in 0,202 m3/m3. Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 49 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Slika 16: Volumetrična vsebnost vode v tleh na globinah 15, 40 in 70 cm na porečju Kuzlovca v obdobju med julijem 2019 in aprilom 2020 (20-minutni podatki) Figure 16: Volumetric water content in soil at depths of 15, 40, and 70 cm in the Kuzlovec river catchment between July 2019 and April 2020 (20 min data) Slika 17: Prikaz porazdelitve izmerjenih 20-minutnih vrednosti volumetrične vsebnosti vode v tleh z okvirjem z ročaji Figure 17: Representation of distribution of 20-min volumetric soil water content measurements with a boxplot V obravnavanem obdobju meritev je bilo padavinskih dogodkov z več kot 10 mm dežja, za katere smo imeli na voljo tudi podatke o volumetrični vsebnosti vode v tleh, 38 (dogodki 46−83 v prilogi A). Srednje vrednosti volumetrične vsebnosti vode v tleh, izmerjene med dogodki, so na vseh globinah višje od srednjih vrednosti celotnega obdobja (preglednica 8). Če smo za celotni niz podatkov ugotovili največjo razliko med najvišjo in najnižjo izmerjeno vrednostjo v zgornjem sloju tal, pa za podatke o volumetrični 50 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. vsebnosti vode v tleh med padavinskimi dogodki velja, da so bile največje povprečne spremembe vsebnosti vode zaznane v srednjem sloju (0,035 m3/m3), sledi najgloblji sloj (0,030 m3/m3), najmanjše spremembe pa so bile zaznane v zgornjem sloju (0,020 m3/m3) (preglednica 8). Ne glede na to pa izračun standardnega odklona kaže, da so najmanjša odstopanja od srednje vrednosti v najglobljem sloju in največja v najplitvejšem sloju. Prav tako z globino upadajo minimalne spremembe vsebnosti volumetrične vsebnosti vode, opredeljene kot razlike med najvišjo in najnižjo izmerjeno vsebnostjo vode v tleh med dogodkom. V sloju na globini 15 cm so bile najmanjše spremembe (0,003−0,005 m3/m3) izmerjene pri dogodkih med 13. in 22. decembrom 2019. Na globinah 40 cm in 70 cm so bile najmanjše spremembe volumetrične vsebnosti vode v tleh (0,001−0,002 m3/m3) izmerjene 3. avgusta 2019 in 14. aprila 2020 (slika 45). Zanimivo je, da je pri dogodku 14. aprila bila v najplitvejšem sloju izmerjena največja sprememba vsebnosti vode v tleh (0,057 m3/m3), kar nakazuje na izrazit površinski oziroma plitev podpovršinski tok (medtok). Dogodki z izmerjenimi najnižjimi in najvišjimi vrednostmi so podrobneje in celoviteje obravnavani v poglavju 5 Analiza in razprava. Preglednica 8: Lastnosti volumetrične vsebnosti vode v tleh med padavinskimi dogodki z več kot 10 mm padavin (20-minutni podatki) Table 8: Properties of volumetric soil water content during the events with more than 10 mm of precipitation (20 min data) Globina Statistični parameter 15 cm 40 cm 70 cm Povprečna vrednost [m3/m3] 0,356 0,274 0,159 Standardni odklon [m3/m3] 0,027 0,018 0,014 Koeficient variacije [%] 7,5 6,6 8,9 1. kvartil [m3/m3] 0,337 0,264 0,152 Mediana [m3/m3] 0,361 0,279 0,159 3. kvartil [m3/m3] 0,381 0,287 0,166 Najvišja vrednost [m3/m3] 0,393 0,307 0,202 Najnižja vrednost [m3/m3] 0,247 0,216 0,132 Povprečna sprememba [m3/m3] 0,020 0,035 0,030 Minimalna sprememba m3/m3] 0,003 0,001 0,001 Maksimalna sprememba [m3/m3] 0,057 0,078 0,061 Povprečna minimalna [m3/m3] 0,338 0,254 0,145 Povprečna maksimalna [m3/m3] 0,358 0,288 0,175 4.4 Vegetacijske in hidrometeorološke lastnosti dogodkov Procesi spiranja hranil s porečja in posledično koncentracije hranil v vodotoku so poleg lastnosti padavinskih dogodkov, ki povzročijo odtok s porečja in s tem transport hranil v vodotok, odvisni še od drugih dejavnikov. V nalogi smo se osredotočili na vpliv sezonskosti, natančneje na vpliv vegetacijskih obdobij gozda, ki predstavlja rabo tal večjega dela porečja, vpliv vsebnosti vode v tleh, evapotranspiracije in hidroloških razmer. Za 43 padavinskih dogodkov smo določili karakteristične Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 51 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. vrednosti posameznih vplivnih dejavnikov, ki smo jih uporabili v nadaljevanju naloge za testiranje hipotez in v razpravi: − začetni pretok (Qz), − razpon pretoka ( Qr), − najvišji pretok ( Qmax), − število dni pred dogodkom brez padavin z več kot 10 mm ( Ndni), − kumulativna tridnevna evapotranspiracija ( ET3) in − fenološka faza ( Ff) ali vrednost indeksa listne površine ( LAI). Hidrološke razmere z vidika pretokov oziroma njihovih sprememb po padavinskih dogodkih smo opisali z začetnim pretokom ( Qz), razponom pretoka ( Qr) in najvišjim pretokom ( Qmax). Za izbiro teh vrednosti smo se odločili na podlagi metode za določitev režimov iznosa hranil, ki so jo predlagali Butturini in sod. (2006), kjer del enačbe za izračun predstavljata začetni oziroma bazni odtok ter razlika med konico pretoka in začetnim pretokom. Začetni pretok ( Qz) smo določili kot vrednost pretoka v času, ko so padle prve padavine. Povprečna vrednost pretoka na začetku dogodka znaša 3,78 (±1,82) l/s, vrednosti pa so se gibale od 0,80 pri dogodku, ki se je začel 22. junija 2018, do 8,3 l/s pri dogodku z 10. aprila 2019. Razpon pretoka ( Qr) smo opredelili kot razliko med maksimalnim zabeleženim pretokom med dogodkom in pretokom na začetku dogodka ( Qz) (slika 18, levo). Slika 18: Prikaz začetnih (Qz) in najvišjih pretokov (Qmax) za 43 dogodkov med padavinskimi dogodki Figure 18: Representation of initial discharges (Qz) and maximum flows (Qmax) during 43 rainfall events Do največje absolutne spremembe pretoka ( Qr) je prišlo pri dogodku, znotraj katerega smo zabeležili tudi najvišji izmerjeni pretok, tj. dogodek med 1. in 3. februarjem 2019, ko se je pretok povečal za 68,8 l/s (slika 18, levo). Naslednja največja absolutna sprememba je bila zaznana pri dogodku 2. avgusta 2019, ko je bil dogodek relativno kratek (trajanje padavin 440 min), vendar je v tem času padlo dobrih 60 mm padavin, kar je povzročilo spremembo pretoka za 55,8 l/s. Med obravnavanimi 43 dogodki se je pretok v povprečju povečal za 8,1 l/s. Mediana razpona pretoka je za približno enkrat nižja in znaša 4,1 l/s (slika 18, levo). Med 43 dogodki je 5 dogodkov takih, kjer je bila sprememba manjša od 1 l/s, in 9 52 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. takih dogodkov, kjer je bila sprememba pretoka večja od 10 l/s. Najvišji pretoki ( Qmax) sovpadajo z največjimi spremembami. Med 43 padavinskimi dogodki so se maksimalne vrednosti pretokov gibale med 2,0 in 75,9 l/s, najvišji pretok povprečnega dogodka pa je znašal 11,8 (±13,4) l/s (slika 18, desno). Upoštevanje fenološke faze gozda, s katero smo opisali morebitni sezonski vpliv vegetacije na količine in koncentracije iznesenega nitratnega dušika s porečja, smo opredelili na podlagi dneva v letu, ko se je dogodek zgodil. Zaradi velikosti vzorca (N = 43) smo leto razdelili samo na dve fenološki fazi, tj. obdobje vegetacije, ki obsega olistanje in rast, in obdobje mirovanja, ki obsega odpadanje listja in zimsko mirovanje. Fenološki fazi smo določili na podlagi vrednosti indeksa listne površine ( LAI). Na podlagi obdelanih podatkov daljinskega zaznavanja (satelitskih posnetkov) so bile za obravnavano porečje določene vrednosti indeksa listne površine (Čotar in sod., 2018; Ogris in sod., 2018) za dolgoletno obdobje 2002−2016. Datuma ločnic med fenološkima fazama smo določili s programskim orodje R in paketoma phenology (Girondot, 2019) ter sicegar (Umut Calgar in Wilke, 2019), pri čemer smo nizu podatkov iskali prilegajočo funkcijo (slika 19, zelena krivulja), ki jo opišemo s karakterističnimi vrednostmi. Na podlagi rezultatov smo kot obdobje vegetacije določili čas med 27. marcem in 12. septembrom, medtem ko smo kot obdobje mirovanja vegetacije opredelili preostali čas leta, tj. čas med 13. septembrom in 26. marcem (slika 19, črtkani rdeči črti). Slika 19: Podatki LAI na podlagi obdelave satelitskih posnetkov (modri krogci) in z dvojno sigmoidno funkcijo prilagojena krivulja (zelena črta). Z rdečo črtkano črto je označena meja med fenološkima fazama. Na sliki so prikazani tudi vrednosti LAI, pridobljene z meritvami z merilnikom LAI-2200C (rumeni kvadratki). Figure 19: LAI data based on the satellite images (blue dots) and fitted curve obtained by double-sigmoidal function (green line). The red dashed line shows the border between the phenological phases. LAI values obtained by measurements with LAI-2200C are also indicated (yellow squares). Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 53 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Nizu podatkov, pridobljenih na podlagi satelitskih podatkov, smo dodali še podatke lastnih meritev LAI (slika 19), da bi preverili ustreznost določenih datumov. Ugotovili smo, da dodatne vrednosti LAI ne spremenijo datuma začetka obdobja vegetacije, datum začetka obdobja mirovanja pa zamaknejo za en dan, na 14. september. Ne glede na to smo se zaradi daljšega časovnega niza podatkov iste vrste, tj. vrednosti LAI na podlagi satelitskih podatkov, odločili za prvotno delitev. Primerjava obeh podatkovnih nizov LAI (slika 19) je pokazala, da satelitski posnetki nekoliko precenjujejo maksimalne vrednosti LAI, medtem ko so vrednosti LAI v zimskem obdobju oziroma v obdobju mirovanja nekoliko podcenjene glede na meritve LAI. Ne glede na to je maksimum prilegajoče dvojne sigmoidne krivulje blizu najvišjim izmerjenim vrednostim LAI, saj znaša 4,8 m2/m2, medtem ko je najvišja izmerjena vrednost LAI znašala 4,5 m2/m2. Od 43 dogodkov je 23 takih, ki so se zgodili v obdobju vegetacije, in 20 takih dogodkov, ki so se zgodili v obdobju mirovanja, s čimer smo zagotovili približno enako velikost obeh primerjanih vzorcev. Če bi upoštevali drugo delitev na obdobji vegetacije in mirovanja, bi vzorca ostala nespremenjena, saj se noben dogodek ni zgodil na ločnici med obema fenološkima fazama. Ker smo z meritvami volumetrične vsebnosti vode v tleh pričeli šele v drugi polovici izvajanja eksperimenta (julij 2019) in tako ne razpolagamo z začetno volumetrično vsebnostjo vode v tleh za vse dogodke, smo kot kazalnik predhodne vlažnosti oziroma namočenosti porečja uporabili število dni pred dogodkom s padavinami, višjimi od 10 mm ( Ndni). Na količino vode na porečju in posledično na predhodno namočenost tal in razpoložljive količine vode za vegetacijo vplivajo tudi procesi evapotranspiracije. Na podlagi mediane kazalnika Ndni, ki je za vseh 43 dogodkov znašala 3,61 dneva, smo se odločili, da kot predhodno evapotranspiracijo upoštevamo skupno tridnevno evapotranspiracijo ( ET3). Za izračun ET3 smo upoštevali uradne dnevne podatke ARSO za postajo Ljubljana-Bežigrad (ARSO, 2020b), ki je najbližje obravnavanemu porečju. Za izračun referenčne evapotranspiracije, katere podatke smo uporabili v nalogi, ARSO uporablja Penman-Monteithovo metodo, pri kateri so upoštevane naslednje meteorološke spremenljivke: temperatura zraka, relativna zračna vlaga, hitrost vetra in sončno sevanje. Kot privzeto referenčno površino se upošteva aktivno rastoča trava s popolno prekrivnostjo tal in zadostno preskrbo z vodo. Višina trave znaša 12 cm in ima površinsko upornost 70 s/m ter albedo 0,23 (ARSO, 2020b). Posledično smo najvišje vrednosti tridnevne kumulativne evapotranspiracije izračunali za dogodke, ki so se zgodili v toplejših delih leta, in obratno, v hladnejših delih leta smo izračunali najnižje vrednosti. Absolutno najvišja ET3 je bila izračunana za dogodek, ki se je zgodil 27. julija 2019, in sicer je znašala 16,8 mm (slika 20). Po velikosti nato sledijo dogodki, ki so se zgodili, 22. junija 2018, 28. julija 2019 in 13. junija 2018 z vrednostmi ET3 med 14,6 in 15,9 mm. Povprečna vrednost ET3 za dogodke, ki so se zgodili v obdobju vegetacije, znaša 11,5 mm, najnižjo vrednost v tem obdobju (4,2 mm) pa smo izračunali za dogodek, ki se je zgodil 10. aprila 2019. V obdobju mirovanja vegetacije (med 13. septembrom in 26. marcem) so vrednosti ET3 znašale med 1 in 4,7 mm s povprečjem 2,3 mm. 54 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Slika 20: Prikaz vrednosti tridnevne kumulativne evapotranspiracije pred padavinskimi dogodki za celotno obdobje, obdobje vegetacije in obdobje mirovanja vegetacije Figure 20: Representation of the three-day cumulative evapotranspiration before rainfall events for the entire period, the vegetation period and the dormant period Slika 21: Prikaz števila dni brez padavin pred padavinskimi dogodki za celotno obdobje, obdobje vegetacije in obdobje mirovanja vegetacije Figure 21: Representation of the number of days without precipitation before rainfall events for the entire period, the vegetation period, and the dormant period Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 55 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Glede na kazalnik predhodnih padavin Ndni so pred posameznim dogodkom bili v povprečju 3,8 dnevi brez padavin, višjih od 10 mm. Obdobje brez predhodnih padavin je v povprečju nekoliko daljše v obdobju vegetacije, ko znaša 4,3 dni, v obdobju mirovanja vegetacije znaša povprečje 3,2 dni (slika 21). Med obravnavanimi 43 dogodki je bilo najdaljše obdobje brez padavin (8,3 dneva) izračunano za dogodek, ki se je zgodil 12. aprila 2019. Pri tem dogodku je tridnevna kumulativna evapotranspiracija znašala samo 4,2 mm. Po dolžini obdobja brez padavin sledijo dogodki, ki so se zgodili 3. februarja 2019 (7,2 dneva), 5. aprila 2019 (7 dni) in 9. maja 2018 (6,8 dneva). Spremenljivke, ki smo jih v nadaljevanju naloge uporabili za analize, pa so med seboj različno povezane. Povezavo med 17 spremenljivkami grafično prikazujemo s korelogramom (slika 22), točnejše povezave spremenljivk na podlagi 43 padavinskih dogodkov in statistična značilnost povezav pa so zbrani v korelacijski matriki (priloga C). Najmočnejše pozitivne povezave (R ≥ 0,9) smo opazili med količino padavin ( Kp) in kinetično energijo padavin ( E), med absolutno spremembo pretoka ( Qr) in maksimalnim pretokom med padavinskim dogodkom ( Qmax), med maksimalnimi ( Cmax) in srednjimi koncentracijami nitratnega dušika ( Csr) in med predhodno tridnevno evapotranspiracijo ( ET3) ter indeksom listne površine ( LAI). Po stopnji povezanosti sledijo naslednji pari spremenljivk: maksimalni in srednji iznos nitratnega dušika s porečja ( Iznos_max, Iznos_N), absolutna sprememba pretoka in srednji iznos nitratnega dušika (Qr, Iznos_N), najvišji pretok med dogodkom ( Qmax) in srednji iznos nitratnega dušika ( Iznos_N), absolutna sprememba koncentracije nitratnega dušika ( Cr) med padavinskim dogodkom in najvišjo koncentracijo nitratnega dušika ( Cmax). Največje negativne povezave med spremenljivkami so povezane s trajanjem padavin ( Tp), in sicer so daljša trajanja padavin značilnejša za obdobja z nižjimi vrednostmi evapotranspiracije ( ET3) in indeksov listne površine ( LAI) ter dogodke z nižjimi srednjimi in maksimalnimi enournimi padavinami ( Isr, I60). ax ax Tp Kp Isr I60 E ET3 NdniQz Qr Qm LAI CmaxCsr Cr C_rsIznos_N Iznos_max Tp Kp Isr I60 E ET3 NdniQz Qr Qm LAI CmaxCsr Cr C_rsIznos_N Iznos_max Tp Tp Kp Kp Isr Isr I60 I60 1 E E ET3 ET3 0 Ndni Ndni Qz Qz -1 Qr Qr Qmax Qmax LAI LAI Cmax Cmax Csr Csr Cr Cr C_rs C_rs Iznos_N Iznos_N Iznos_max Iznos_max Slika 22: Korelogram spremenljivk, uporabljenih v analizah, na podlagi Pearsonovega (levo) in Spearmanovega desno) koeficienta korelacije Figure 22: Correlogram of variables used in the analyses based on the Pearson (left) and Spearman (right) correlation coefficient 56 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. S kazalniki spremenljivosti koncentracij nitratnega dušika v vodotoku med dogodkom ( Cmax, Csr, Cr, C_rs) ni tako izrazito močnih povezav s spremenljivkami lastnosti padavinskih dogodkov ter hidroloških in sezonskih razmer, kar kaže na kompleksnost vplivov na razmere koncentracij. Ne glede na to pa smo med nekaterimi spremenljivkami zaznali povezave. Količina padavin ( Kp) je pozitivno povezana z absolutno in relativno spremembo koncentracije med dogodkom, ni pa razvidne povezave s srednjo in maksimalno koncentracijo. Maksimalna enourna intenziteta padavin ( I60) je pozitivno povezana s Cr (R = 0,44) in Cmax (R = 0,29). S slednjo je pozitivno povezana tudi kinetična energija padavinskega dogodka (R = 0,29), ki kaže tudi pozitivno povezavo z absolutnimi spremembami koncentracij (R = 0,49). S Csr nismo zaznali nobene statistično značilne povezave. Pri kazalnikih iznosov nitratnega dušika ( Iznos_N, Iznos_max) s porečja smo ugotovili, da obstajajo pozitivne povezave s količino, intenziteto in energijo padavin (0,37 ≤ R ≤ 0,64). Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 57 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 4.5 Koncentracije nitratnega dušika Kontinuirano spremljanje koncentracij nitratnega dušika v vodotoku je bilo osredotočeno na obdobja padavinskih dogodkov, ki povzročijo spiranje nitratnega dušika s porečja in posledično spremembe v koncentracijah v vodotoku. Ko je bila merilna naprava nameščena na terenu, so se meritve izvajale kontinuirano s časovnim korakom 20 min. Med aprilom 2018 in aprilom 2020 smo zabeležili dobrih 21500 podatkov o koncentracijah nitratnega dušika v vodotoku in pripadajočih parametrov, izmerjenih z multiparametrsko sondo (npr. električna prevodnost, pH, temperatura vode). Osnovni statistični kazalniki meritev koncentracij nitratnega dušika v celotnem obdobju so povzeti v preglednici 9. Preglednica 9: Osnovni statistični kazalniki 20-minutnih meritev koncentracije in iznosa nitratnega dušika v vodotoku Kuzlovec za celotno obdobje meritev Table 9: The basic statistical parameters about 20 min measurements of nitrate nitrogen concentration and export flux in the Kuzlovec stream for the whole period of measurements Statistični parameter Koncentracija NO3-N [mg/l] Iznos NO3-N [g]* Povprečna vrednost 0,89 4,41 Standardni odklon 0,42 4,07 Koeficient variacije [%] 47,7 92,2 1. kvartil 0,64 2,22 Mediana 0,75 3,35 3. kvartil 1,03 5,18 Najvišja vrednost 3,47 82,40 Najnižja vrednost 0,27 0,44 *preračunano na 20-minutni časovni korak Povprečna vrednost koncentracij NO3-N v vodotoku je znašala 0,89 (±0,42) mg/l, kar je primerljivo z ugotovitvami drugih avtorjev, ki so opravljali meritve na vodotokih, ki drenirajo vodo z gozdnatih porečij. Robustnejša mera srednje vrednosti, mediana, je za obdobje meritev bila nekoliko nižja, in sicer znaša 0,75 mg/l. Srednjih 50 % vrednosti, tj. medkvartilni razpon, je pokazalo, da se vrednosti koncentracij večji del časa gibljejo med 0,64 in 1,03 mg/l. Najnižjo vrednost smo izmerili v sušnem obdobju, 23. avgusta 2018, ko je koncentracija NO3-N znašala samo 0,27 mg/l, predhodno pa je v enem mesecu skupaj padlo manj kot 20 mm dežja. Na drugi strani smo najvišjo koncentracijo (3,47 mg/l) izmerili v obdobju mirovanja vegetacije, 22. decembra 2019, ko je skupna tridnevna količina padavin presegla 70 mm. V času dveh padavinskih dogodkov, ki sta se zgodila med 21. decembrom 2019 9:00 in 23. decembrom 2019 00:40, je skupna masa iznesenega nitratnega dušika znašala 2183,6 g. Iznesene količine NO3-N smo preračunali na 20-minutni časovni korak (preglednica 9). Najvišja 20-minutna iznesena količina NO3-N (82,4 g) se ni zgodila v obdobju teh dogodkov, temveč 3. februarja 2019, ko je bila dosežena konica takratnega dogodka (75,9 l/s). Povprečna 20-minutna vrednost iznesenega NO3-N je znašala 4,41 (±4,07) g. Vrednosti količine iznosov imajo relativno velik koeficient variacije (92 %), 58 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. kar je posledica velike spremenljivosti pretočnih razmer. Ne glede na to pa medkvartilni razpon znaša 2,22−5,18 g z mediano blizu povprečne vrednosti (3,35 g), kar kaže na to, da do večjih iznosov pride ravno v času povišanih pretokov, tj. po padavinah. Slednje smo preverili s podrobnejšo analizo koncentracij in količine iznosa NO3-N v času baznega odtoka (referenčnih razmerah) in v času med padavinskimi dogodki. Ocena letne količine iznosa, preračunane glede na povprečni iznos v dvoletnem obdobju, znaša 1,6 kg NO3-N/ha/leto. Ocenjeni iznosi so primerljivi z iznosi z eksperimentalnega porečja Hubbard Brook (1,5 kg N/ha/leto), ki velja za eno najstarejših in najbolje opremljenih eksperimentalnih porečij, na katerih se spremljajo koncentracije dušikovih spojin, podatkovni nizi pa so dolgi več kot 50 let (Yanai in sod., 2013). 4.5.1 Razmere v času baznega odtoka Kot referenčne razmere koncentracij nitratnega dušika v vodotoku, tj. razmere brez vpliva padavinskih dogodkov, smo opredelili razmere v času baznega odtoka. Obdobja baznih razmer smo določili s pomočjo razdelitve hidrograma. Za izračun baznega odtoka smo podatke najprej preračunali na dnevne podatke, pri čemer smo za dnevno vrednost upoštevali povprečje vseh zabeleženih vrednosti v enem dnevu. Bazni odtok smo izračunali z uporabo metode, ki upošteva lokalne minimume (WMO, 2008b). Pri tej metodi se časovna serija dnevnih pretokov razdeli na petdnevne neprekrivajoče se bloke, pri čemer se v vsakem bloku določi minimalni pretok. Nato se na seriji minimumov poiščejo prevojne točke, in sicer se za vsako od minimalnih vrednosti in dve njeni sosednji vrednosti preveri, če velja, da je 0,9∙sredinska vrednost ≤ sosednja vrednost. Če slednje velja, potem je sredinska vrednost določena kot prevojna točka. Prevojne točke se nato med seboj povežejo. Da dobimo dnevne vrednosti baznega odtoka, se vrednosti pretoka med prevojnimi točkami interpolirajo. Razmerje volumna pretoka, določenega pod ločitveno krivuljo, in celotnega pretoka predstavlja indeks baznega odtoka (BFI), ki lahko zavzame vrednosti od 0 do 1. Pri tem vrednosti bližje 1 kažejo na šibko povezanost površinskih in podzemnih vod, medtem ko vrednosti bližje 1 kažejo na dobro povezanost površinskih vod in zaloge vode na porečju ter posledično na manjšo občutljivost na dlje trajajoča obdobja brez padavin (Sapač in sod., 2019; Sapač in sod., 2020a). Velikost vzorca 20-minutnih meritev pri povprečnem baznem pretoku znaša N= 10825, kar predstavlja 50,2 % vseh meritev. Povprečna koncentracija nitratnega dušika pri pretokih enakih ali manjših od povprečnega baznega pretoka (<3,5 l/s) je nekoliko višja od povprečne koncentracije celotnega obdobja in znaša 0,93 mg/l (±0,44) (preglednica 10). Medkvartilni razpon koncentracij v času baznega odtoka (0,66−1,04 mg/l) in koeficient variacije (49,7 %) sta primerljiva s celotnim obdobjem meritev. Najvišjo vrednost koncentracije NO3-N v času baznega odtoka smo izmerili 23. decembra 2019 ob 00:20, ko je pretok po obilnih padavinah že upadel na raven baznega odtoka, količina NO3-N v vodotoku pa je bila Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 59 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. še visoka (2,9 mg/l). Ob tem času smo izračunali tudi najvišji 20-minutni iznos nitratnega dušika s porečja, ki je znašal 11,8 g. V primerjavi s celotnim obdobjem meritev ugotavljamo, da so količine iznesenega NO3-N s porečja v času baznega odtoka nižje, in sicer je količina pri 50 % meritev znašala med 1,68 in 3,0 g (preglednica 10). Preglednica 10: Osnovni statistični kazalniki meritev koncentracije in iznosa nitratnega dušika v vodotoku Kuzlovec v času baznega odtoka Table 10: The basic statistical parameters about measurements of nitrate nitrogen concentration and export flux in the Kuzlovec stream during the baseflow period Statistični parameter Koncentracija NO3-N [mg/l] Iznos NO3-N [g]* Povprečna vrednost 0,93 2,50 Standardni odklon 0,46 1,25 Koeficient variacije [%] 49,7 50,0 1. kvartil 0,66 1,68 Mediana 0,79 2,26 3. kvartil 1,04 3,00 Najvišja vrednost 2,90 11,83 Najnižja vrednost 0,27 0,44 *preračunano na 20-minutni časovni korak Dodatno smo preverili še razmere koncentracij NO3-N v vodotoku pri baznem odtoku v obdobjih vegetacije (27. marec−12. september) in mirovanja (13. september−26. marec), da bi ocenili, ali obstajajo razlike med tema obdobjema. Velikosti vzorcev meritev med baznim odtokom v času vegetacije in v času mirovanja sta približno enaki, in sicer obdobje vegetacije obsega 44 % meritev (N = 4741), obdobje mirovanja pa 56 % meritev (N = 6084). Osnovne statistične vrednosti obeh vzorcev prikazujeta okvirja z ročaji (slika 23, a), iz katerih je razvidno, da so koncentracije tako glede na povprečno vrednost kot na medkvartilni razpon višje v obdobju mirovanja. Povprečna vrednost v obdobju vegetacije znaša 0,76 (±0,19) mg/l, v obdobju mirovanja pa 1,06 (±0,56) mg/l. 50 % meritev koncentracije v obdobju vegetacije je zavzelo vrednosti med 0,66 in 0,87 mg/l, medtem ko je 50 % vrednosti v obdobju mirovanje bilo v širšem intervalu (0,68−1,18 mg/l). Na nižje koncentracije NO3-N v fenoloških fazah olistanja in polne ozelenitve dreves kažejo tudi nizke koncentracije, ki so v tem obdobju nižje kot v obdobju odpadanja listja in mirovanja (slika 23, a). 60 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Slika 23: Primerjava razmer pri baznem odtoku v obdobju vegetacije in obdobju mirovanja z vidika koncentracij v vodotoku (a) in količine iznosa nitratnega dušika s porečja (b) (krogci ponazarjajo najmanjše in največje vrednosti ubežnikov 20-minutnih podatkov) Figure 23: Comparison of baseflow conditions between the vegetation period and dormancy from the in-stream NO3-N concentration (a) and export flux (b) points of view (dots represent the lowest and the highest values of outliers of 20 min data) Podobno primerjavo smo naredili še za količine iznesenega NO3-N s porečja (slika 23, b). V obdobju vegetacije je povprečni 20-minutni iznos nitratnega dušika s porečja znašal 2,14 (±0,92) g, medtem ko so bile povprečne količine v obdobju mirovanja nekoliko višje (2,78±1,40 mg/l). V obdobju mirovanja je opaziti višjo spremenljivost v količinah iznosa, na kar kažeta koeficient variacije (50,1 %) in medkvartilni razpon. V obdobju vegetacije se je 50 % vrednosti gibalo med 1,55 in 2,58 g, v obdobju mirovanja pa med 1,81 in 3,59 g. Letni iznos ob upoštevanju povprečnih vrednosti pri baznem odtoku za celotno obdobje meritev bi znašal nekaj manj kot 1 kg NO3-N/ha, od česar bi prispevek v obdobju vegetacije k celoletni izneseni količini bil 20 % manjši kot prispevek v obdobju mirovanja. 4.5.2 Razmere med padavinskimi dogodki Razmere koncentracij med padavinskimi dogodki smo opredelili kot razmere od začetka padavinskega dogodka do preteka 6 ur po koncu zadnjega zabeleženega padavinskega podatka. Na primer, če so padavine trajale 1 uro, je celotni padavinski dogodek trajal 7 ur. Na tak način smo tudi med seboj ločili dva zaporedna dogodka. V celotnem obdobju meritev je bilo takih dogodkov 83, dogodkov, kjer hkrati razpolagamo še s podatki o koncentracijah nitratnega dušika v vodotoku, pa 43 (slika 24). Povprečno je padavinski dogodek trajal 1324 min (22 ur). Najdaljši dogodek po zgoraj opisanem merilu je trajal 3400 min (28. oktober 2018), medtem ko je najkrajši trajal 380 min (8. julij 2018). Za obdobje mirovanja so v povprečju značilnejši daljši padavinski dogodki (1700 min, N = 20). Povprečno trajanje 23 dogodkov v obdobju vegetacije, za katere smo razpolagali z veljavnimi meritvami koncentracij nitratnega dušika, je znašalo 997 min. Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 61 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Slika 24: Prikaz podatkovnega niza padavin (zgoraj, dnevne vsote), pretokov in koncentracij nitratnega dušika (spodaj, 20-minutni podatki) z označenimi začetki padavinskih dogodkov (rdeče točke) Figure 24: Representation of data series of rainfall (above, daily sums), discharge, and concentration of nitrate nitrogen (below, 20 min data) with marked beginnings of the rainfall events (red dots) Preglednica 11 prikazuje osnovne statistične podatke podatkovnega niza, ki obsega vse meritve koncentracij ter izračunanih iznosov NO3-N v času 43 padavinskih dogodkov (N=2878). Povprečna koncentracija nitratnega dušika med dogodki je znašala 1,13 (±0,54) mg/l, kar je približno 20 % več kot med baznim odtokom. Polovica podatkov iz niza zavzema vrednosti med 0,78 in 1,28 mg/l (medkvartilni razpon) z mediano 0,94 mg/l, vendar je celotni razpon vrednosti veliko večji. Najnižjo vrednost koncentracije NO3-N med padavinskim dogodkom smo izmerili 30. avgusta 2018 ob 18:40, ko je ta na začetku dogodka znašala samo 0,36 mg/l. V mesecu avgustu 2018 smo nizke koncentracije beležili vse od 22. avgusta 2018, ko smo pred napovedanimi padavinskimi dogodki ponovno namestili multiparametrsko sondo, kar pomeni, da so nizke koncentracije lahko trajale še veliko dlje. 62 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Preglednica 11: Osnovni statistični kazalniki 20-minutnih meritev koncentracije in iznosa nitratnega dušika v vodotoku Kuzlovec v času padavinskih dogodkov Table 11: The basic statistical parameters about 20-min measurements of nitrate nitrogen concentration and export flux in the Kuzlovec stream during the inter-event period Statistični parameter Koncentracija NO3-N [mg/l] Iznos NO3-N [g]* Povprečna vrednost 1,13 8,63 Standardni odklon 0,54 8,35 Koeficient variacije [%] 47,48 96,79 1. kvartil 0,78 3,48 Mediana 0,94 6,42 3. kvartil 1,28 10,36 Najvišja vrednost 3,47 82,40 Najnižja vrednost 0,36 0,45 *preračunano na 20-minutni časovni korak Najvišjo koncentracijo NO3-N smo med padavinskimi dogodki zabeležili 22. decembra 2019 ob 17:40. Vrednosti koncentracij so bile višje od 3 mg/l samo med padavinskimi dogodki, ki so se zgodili med 2. in 3. septembrom 2019, 21. decembra 2019 in 22. decembra 2019. Spremenljivost koncentracij med padavinskimi dogodki, opisana s koeficientom variacije in standardnim odklonom, je nekoliko višja od spremenljivosti koncentracij med baznim odtokom (preglednica 10, preglednica 11), kar je posledica hitrih sprememb v koncentracijah po padavinah. Spremenljivost iznosov nitratnega dušika je skoraj enkrat večja od spremenljivosti koncentracij NO3-N, saj je funkcija tako pretoka kot koncentracije v nekem trenutku (preglednica 11), zaradi česar visoka koncentracija ne pomeni nujno tudi velikega iznosa s porečja ter obratno. Iznosi med 43 padavinskimi dogodki so se gibali med 0,45 in 82,4 g (preračunano na 20-minutni časovni korak). Povprečni iznos NO3-N med padavinskimi dogodki je znašal 8,63 (±8,35) g, mediana pa 6,42 g. Medkvartilni razpon je precej manjši od celotnega razpona iznosov med padavinskimi dogodki in znaša 6,9 g. S primerjavo izračunanih iznosov med baznim odtokom in med padavinskimi dogodki lahko ugotovimo, da so iznosi NO3-N v povprečju približno 3,5-krat večji kot med baznim odtokom, kar potrjuje pogojenost sprememb koncentracij med dogodki s padavinami. Višje iznose nitratnega dušika s porečja potrjujejo tudi rezultati primerjave medkvartilnih razponov. Prvi kvartil iznosov med padavinskimi dogodki je približno dvakrat višji od 1. kvartila med baznim odtokom, medtem ko je presežek vrednosti 3. kvartila in mediane podoben povprečnemu (preglednica 10, preglednica 11). Nadalje smo podatkovni niz z vidika koncentracij NO3-N in količine iznesenega nitratnega dušika podrobneje analizirali, in sicer na ravni dogodkov (angl. event-based analysis). Za vsak dogodek smo poleg povprečne in maksimalne koncentracije ( Csr, Cmax) izračunali še absolutno spremembo (razliko) koncentracije med koncentracijo na začetku dogodka in najvišjo izmerjeno koncentracijo ( Cr), relativno Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 63 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. spremembo koncentracije ( C_rs), ki smo jo izračunali, kot so predlagali Butturini in sod. (2006), iznos nitratnega dušika na časovno enoto ( Iznos_N) ter največji iznos v 20-minutnem časovnem koraku ( Iznos_max) (preglednica 12). Najvišje povprečne koncentracije smo izračunali pri dogodkih, ki sta se zgodila 21. decembra 2019 (2,78 ± 0,53 mg/l) in 22. decembra 2019 (3,00 ± 0,26 mg/l), ko smo izmerili tudi absolutno najvišje koncentracije. Najnižje povprečne koncentracije smo izmerili pri dogodkih, ki so se zgodili med 25. in 26. avgustom 2018 (0,63 ± 0,09 mg/l), med 10. in 12. aprilom 2019 (0,71 ± 0,03 mg/l) ter 5. in 6. novembrom 2019 (0,71 ± 0,04 mg/l). Do največje spremembe koncentracije NO3-N je prišlo med dogodkom, ki se je zgodil med 2. in 3. septembrom 2019, ko se je koncentracija z začetnih 0,75 mg/l povečala na 3,08 mg/l. Glede na velikost Cr sledita dogodka, ki sta se zgodila 22. junija 2018 in 21. decembra 2019. Pri prvem se je začetna koncentracija povečala za 1,81 mg/l (začetna koncentracija je bila 0,80 mg/l), pri drugem pa za 1,76 mg/l (začetna koncentracija je bila 1,52 mg/l). Najmanjše spremembe povečanja koncentracij smo zaznali pri dogodkih, ki sta se zgodila 3. avgusta 2019, ko so začetne koncentracije bile višje od koncentracij, ki so sledile med dogodkom (razredčenje), in 16. novembra 2019, ko se je koncentracija povečala za manj kot 0,1 mg/l (preglednica 12). Relativne spremembe koncentracij med dogodkom so poleg začetne in maksimalne koncentracije odvisne še od koncentracije, ki je bila dosežena ob konici pretoka (enačba 5). Negativne vrednosti C_rs pomenijo, da je prišlo do razredčenja, saj je koncentracija pri konici pretoka nižja od koncentracije na začetku dogodka. Med 43 dogodki smo pri dveh dogodkih izračunali negativne vrednosti C_rs, in sicer za zaporedna dogodka, ki sta se zgodila med 2. in 3. avgustom 2019. Pri prvem dogodku je bilo razredčenje večje, saj je relativna sprememba koncentracije znašala -14,4 %, pri drugem pa -1,41 %. Med dogodkom z 2. na 3. avgust 2019 je bila sicer dosežena relativno visoka maksimalna koncentracija (2,3 mg/l), vendar je bila koncentracija med konico poplavnega vala nižja od začetne koncentracije. Pri dogodku s 3. avgusta 2019 se koncentracije do konca dogodka niso povzpele nazaj na raven ob začetku dogodka. Količine iznesenega nitratnega dušika pa ne moremo oceniti samo na podlagi koncentracij NO3-N, ampak potrebujemo hkratni podatek o volumnu vode, ki je pretekel skozi iztočni profil v časovni enoti (pretok). V preglednici 12 smo zbrali podatke o povprečnem iznosu NO3-N na časovno enoto [g/min] in maksimalnem iznosu na 20-minutni časovni korak [g]. Največje iznose na časovno enoto ( Iznos_N) smo izračunali za dogodek s 1. februarja 2019, ko je bilo na minuto iznesenega 1,3 g nitratnega dušika. Sledi mu ravno dogodek med 2. in 3. avgustom 2019, ko smo po enačbi Butturini in sod. (2006) sicer zaznali razredčenje, vendar je bil povprečni iznos relativno velik (1,06 g/min). Maksimalni iznos nitratnega dušika, ki smo ga med posameznim dogodkom zabeležili v časovnem koraku 20 minut, se je zgodil pri dogodku med 1. in 3. februarjem 2019 (82,4 g), ko smo tudi izmerili najvišji pretok v obravnavanem obdobju. Z nekaj več kot 55 g iznesenega nitratnega dušika v 20 minutah mu sledita dogodek z 22. junija 2018 in dogodek, ki se je zgodil med 28. in 30. oktobrom 2018. 64 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Preglednica 12: Razmere koncentracij NO3-N in iznosa NO3-N v času padavinskih dogodkov. V preglednici so prikazane najvišje ( Cmax) in srednje koncentracije ( Csr) med dogodkom, absolutna ( Cr) in relativna sprememba koncentracije med dogodkom ( C_rs) ter srednji ( Iznos_N) in najvišji iznos nitratnega dušika med dogodkom ( Iznos_max). Table 12: NO3-N concentration and export conditions during rainfall events. The table shows the maximum concentrations ( Cmax), average concentrations ( Csr), absolute ( Cr) and relative changes in concentration ( C_rs), and average ( Iznos_N) and maximum exports of nitrate nitrogen during the event ( Iznos_max). Cmax Iznos_N Iznos_max Dogodek Csr [mg/l] Cr [mg/l] C_rs [%] [mg/l] [g/min] [g/20 min] 1 1,76 1,56 (±0,18) 0,69 39,20 0,77 26,29 2 1,57 1,42 (±0,12) 0,48 30,57 0,70 19,97 3 1,55 1,33 (±0,15) 0,44 27,74 0,63 20,05 4 1,80 1,43 (±0,32) 0,99 34,82 0,16 4,57 5 2,61 1,59 (±0,64) 1,81 44,20 0,69 56,35 6 1,29 1,17 (±0,09) 0,24 0,44 0,42 10,98 7 0,98 0,87 (±0,09) 0,41 37,20 0,34 17,11 8 1,84 1,40 (±0,37) 1,17 58,45 0,50 23,25 9 1,36 1,16 (±0,14) 0,43 2,07 0,15 5,56 10 1,22 1,08 (±0,12) 0,50 18,03 0,23 7,69 11 0,97 0,63 (±0,09) 0,58 31,78 0,20 9,10 12 0,97 0,79 (±0,15) 0,61 62,86 0,50 22,15 13 2,69 1,68 (±0,40) 1,69 36,06 0,76 55,20 14 1,28 1,19 (±0,07) 0,11 0,00 0,21 6,88 15 1,14 1,09 (±0,04) 0,10 6,14 0,19 9,56 16 1,20 1,06 (±0,11) 0,29 3,29 0,07 2,32 17 0,98 0,88 (±0,07) 0,29 22,32 1,30 82,40 18 0,88 0,80 (±0,06) 0,23 25,94 0,48 13,35 19 0,75 0,71 (±0,03) 0,09 11,36 0,35 9,32 20 1,17 0,93 (±0,22) 0,62 0,00 0,26 7,15 21 1,52 1,16 (±0,20) 0,64 21,71 0,41 11,57 22 2,11 1,61 (±0,48) 1,46 4,27 0,92 53,52 23 2,30 1,94 (±0,27) 0,73 -14,35 1,06 34,65 24 1,42 1,36 (±0,03) 0,00 -1,41 0,45 11,16 25 1,19 1,14 (±0,04) 0,16 12,61 0,27 8,47 26 3,08 1,98 (±0,67) 2,33 26,48 0,66 23,93 27 0,75 0,71 (±0,04) 0,18 19,97 0,17 4,76 28 0,81 0,74 (±0,04) 0,09 7,93 0,17 5,20 29 0,85 0,78 (±0,05) 0,25 26,78 0,19 5,42 30 0,92 0,84 (±0,07) 0,26 23,27 0,31 10,44 31 0,97 0,85 (±0,08) 0,21 7,66 0,36 14,46 32 0,86 0,84 (±0,02) 0,07 6,41 0,23 6,35 33 0,97 0,94 (±0,03) 0,11 3,94 0,40 11,08 34 0,82 0,73 (±0,08) 0,22 22,70 0,23 8,40 35 0,94 0,81 (±0,10) 0,26 24,68 0,32 14,36 se nadaljuje … Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 65 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. … nadaljevanje preglednice 12 36 3,28 2,78 (±0,53) 1,76 49,09 0,98 43,71 37 3,47 3,00 (±0,26) 0,78 6,05 0,85 24,32 38 1,18 1,05 (±0,09) 0,37 29,92 0,11 3,10 39 1,34 0,95 (±0,31) 0,72 48,01 0,26 14,02 40 1,50 1,21 (±0,18) 0,50 33,65 0,31 12,92 41 1,39 1,12 (±0,17) 0,46 23,63 0,18 4,80 42 0,86 0,75 (±0,09) 0,23 5,88 0,10 2,74 43 0,78 0,73 (±0,04) 0,14 10,79 0,14 3,18 Podobno kot v primeru razmer med baznim odtokom smo izmerjene 20-minutne podatke v času padavinskih dogodkov razdelili na obdobje vegetacije in obdobje mirovanja (slika 25). Medtem ko so med baznim odtokom opazne izrazite razlike pri koncentracijah in iznosih med obema obdobjema, so povprečne vrednosti koncentracij NO3-N med padavinskimi dogodki v obeh obdobjih praktično identične z nekoliko višjim standardnim odklonom in koeficientom variacije v obdobju vegetacije (1,14±0,46 mg/l oziroma 1,13±0,58 mg/l). Mediani pri obeh obdobjih kažeta na nižje vrednosti od povprečnih, tj. 1,07 mg/l v obdobju vegetacije in 0,92 mg/l v obdobju mirovanja. Slika 25: Primerjava razmer med padavinskimi dogodki v obdobju vegetacije in obdobju mirovanja z vidika koncentracij v vodotoku (a) in količine iznosa nitratnega dušika s porečja (b) (krogci predstavljajo najmanjše in največje vrednosti ubežnikov 20-minutnih podatkov) Figure 25: Comparison of inter-event conditions between the vegetation period and dormancy from in-stream NO3-N concentration (a) and export flux (b) points of view (dots represent the lowest and the highest values of outliers of 20 min data, respectively) Pri iznosih nitratnega dušika smo izračunali identični mediani (1,72 g/20 min), medtem ko smo pri povprečnih vrednostih iznosov ugotovili nižje vrednosti v obdobju vegetacije (4,61±5,70 g/20 min) kot v obdobju mirovanja (8,54±9,35 g/20 min). S tem sicer še ne moremo potrditi ali zavreči teze, da so vplivi vegetacijskih razmer na koncentracije nitratnega dušika v vodotoku pogojeni s hidrometeorološkimi razmerami. V nadaljevanju smo zato uporabili multivariatne statistične analize, ki 66 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. poleg obdobja v letu, preko katerega opišemo aktivnost vegetacije, upošteva še druge potencialne dejavnike. Relevantnost izmerjenih vrednosti koncentracij smo zagotavljali z rednimi laboratorijskimi meritvami. Poleg tega pa na vodotokih Gradaščica (Dvor), katere pritok je tudi vodotok Kuzlovec, in dolvodno na Malem Grabnu (Dolgi most) opravlja meritve v sklopu monitoringa kakovosti vode površinskih voda tudi ARSO. V preglednici 13 so zbrani podatki analiz vzorčenj v obdobju 2008−2019 o dušikovih spojinah, vključujoč tudi koncentracije nitratnega dušika. Koncentracije NO3-N, merjene na reki Gradaščici, so primerljive s povprečjem naših meritev, določenim za celotno dvoletno obdobje kontinuiranih meritev, s čimer lahko potrdimo ustreznost meritev, izvedenih z multiparametrsko sondo in kontroliranjem le-teh s posamičnimi analizami vzorčenj s spektrofotometrom. Ne glede na primerljivost povprečja pa s sporadičnimi vzorčenji in analizami ne dobimo informacij o hidrološko pogojeni časovni dinamiki koncentracij nitratnega dušika in informacij o ekstremnih vrednostih, do katerih pride ob padavinskih dogodkih (preglednica 12) in lahko bistveno vplivajo na masnobilančne izračune. Preglednica 13: Podatki o meritvah dušikovih spojin na vodotokih Gradaščica in Mali Graben v obdobju 2008−2019 (ARSO, 2020c) Table 13: Data about nitrogen compounds measurements on the Gradaščica and Mali Graben rivers in the period 2008−2019 (ARSO, 2020c) Vodotok-merilno Skupni Datum NH mesto dušik TN 3 NH4 NO2 NO3 NO3-N Mali Graben-Dolgi most 12. 02. 2008 0,9 0,093 0,025 3,57 0,81 Mali Graben-Dolgi most 14. 05. 2008 0,99 0,029 0,033 3,49 0,79 Mali Graben-Dolgi most 18. 08. 2008 1,2 0,071 0,043 4,12 0,93 Mali Graben-Dolgi most 17. 11. 2008 0,82 0,067 0,036 4,04 0,91 Mali Graben-Dolgi most 18. 03. 2010 0,92 <0,008 0,081 0,025 3,66 0,83 Mali Graben-Dolgi most 17. 06. 2010 1,5 <0,008 0,113 0,111 3,67 0,83 Mali Graben-Dolgi most 16. 08. 2010 1,4 <0,008 0,054 0,041 4,1 0,93 Mali Graben-Dolgi most 20. 12. 2010 0,91 <0,008 0,083 0,02 3,3 0,75 Gradaščica-Dvor 16. 2. 2012 0,78 <0,008 0,018 0,013 3,3 0,75 Gradaščica-Dvor 21. 05. 2012 0,82 <0,008 0,067 0,027 3,29 0,74 Gradaščica-Dvor 11. 07. 2012 0,97 <0,008 0,099 0,074 3,64 0,82 Gradaščica-Dvor 21. 11. 2012 0,9 <0,008 0,054 0,009 3,52 0,80 Mali Graben-Dolgi most 26. 01. 2015 0,85 <0,008 0,089 0,026 3,65 0,82 Mali Graben-Dolgi most 14. 07. 2015 0,92 <0,008 0,036 0,029 3,51 0,79 Mali Graben-Dolgi most 12. 08. 2015 0,86 <0,008 0,04 0,038 3,5 0,79 Mali Graben-Dolgi most 08. 09. 2015 1,2 <0,008 0,046 0,037 4,46 1,01 Mali Graben-Dolgi most 06. 10. 2015 1 <0,008 0,047 0,056 3,83 0,87 Mali Graben-Dolgi most 11. 11. 2015 0,82 <0,008 0,05 0,044 3,55 0,80 se nadaljuje … Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 67 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. … nadaljevanje preglednice 13 Mali Graben-Dolgi most 09. 12. 2015 0,97 <0.008 0,063 0,034 3,04 0,69 Gradaščica-Dvor 20. 02. 2019 0,98 <0,01 0,068 0,0033 3,88 0,88 Gradaščica-Dvor 18. 04. 2019 0,77 <0,01 0,028 0,009 3,2 0,72 Gradaščica-Dvor 19. 06. 2019 0,77 <0,01 0,019 0,0072 3,04 0,69 Gradaščica-Dvor 12. 08. 2019 1,3 <0,01 <0,01 0,0073 4 0,90 Gradaščica-Dvor 28. 10. 2019 0,88 <0,01 <0,01 0,013 3,26 0,74 Gradaščica-Dvor 09. 12. 2019 0,92 <0,01 0,016 0,004 3,9 0,88 4.6 Režimi iznosa nitratnega dušika s porečja Za določitev iznosnih režimov nitratnega dušika s porečja Kuzlovec smo uporabili 20-minutne podatke meritev koncentracije nitratnega dušika (C) in pretoka (Q). Pred analizo smo podatke razdelili na 43 dogodkov, kot je opisano v poglavju 4.5.2. Za vsakega od 43 dogodkov smo režim določili na podlagi naklona regresijske premice log C-log Q, razmerja med koeficientoma variacije CVC/CVQ, kombinacije naklona regresijske premice in razmerja med koeficientoma variacije ter z izračunom relativne spremembe koncentracije med dogodkom ( C_rs) (preglednica 14). Z razmerjem CVC/CVQ opišemo relativno varianco koncentracij NO3-N v primerjavi z varianco pretoka, s katero upoštevamo spremenljivost pretoka in spremenljivost koncentracije kot rezultat napake pri pretoku in naklona b (Thompson in sod., 2011; Musolff in sod., 2015). Ne glede na to pa predznak naklona b ne vpliva na varianco koncentracije. Zato lahko naklon b upoštevamo kot posebni kazalnik kemodinamičnosti (Musolff in sod., 2015), kjer vrednosti b<0 kažejo vzorce razredčenja, vrednosti b>0 pa vzorce povečanih koncentracij. Preglednica 14: Naklon b, razmerje CVC/CVQ in relativne spremembe koncentracije C_rs za posamezni dogodek Table 14: Slope b, ratio CVC/CVQ, and relative change in concentration C_rs for an individual event Dogodek Začetek Konec b CVC/CVQ C_rs [%] 1 4. 05. 2018 08:20 4. 05. 2018 15:20 0,38* 0,57 39,20 2 8. 05. 2018 20:20 9. 05. 2018 05:40 0,46* 0,60 30,57 3 14. 05. 2018 22:00 15. 05. 2018 10:20 0,63* 0,77 27,74 4 13. 06. 2018 05:00 13. 06. 2018 07:00 0,15 1,23 34,82 5 22. 06. 2018 00:20 22. 06. 2018 13:00 0,37* 0,47 44,20 6 25. 06. 2018 00:40 25. 06. 2018 10:20 -0,10 0,63 0,44 7 8. 07. 2018 17:40 8. 07. 2018 17:40 0,06 0,23 37,20 8 10. 07. 2018 23:20 12. 07. 2018 03:00 0,46* 0,78 58,45 9 13. 07. 2018 02:20 13. 07. 2018 08:40 -0,01 0,32 2,07 10 21. 07. 2018 15:20 21. 07. 2018 20:20 -0,15 0,35 18,03 11 25. 08. 2018 09:40 26. 08. 2018 16:20 0,23* 0,26 31,78 se nadaljuje … 68 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. … nadaljevanje preglednice 14 12 30. 08. 2018 18:40 31. 08. 2018 00:40 0,47* 0,65 62,86 13 28. 10. 2018 02:00 30. 10. 2018 04:20 0,32* 0,43 36,06 14 2. 11. 2018 10:20 3. 11. 2018 04:40 0,10* 0,19 0,00 15 5. 11. 2018 20:00 6. 11. 2018 11:40 0,05* 0,08 6,14 16 7. 12. 2018 23:40 8. 12. 2018 08:40 -0,19* 0,42 3,29 17 1. 02. 2019 08:40 3. 02. 2019 02:40 0,12* 0,13 22,32 18 5. 04. 2019 07:40 5. 04. 2019 18:20 0,49* 0,55 25,94 19 10. 04. 2019 19:40 12. 04. 2019 06:20 0,29* 0,48 11,36 20 27. 07. 2019 21:20 28. 07. 2019 00:00 -0,84* 0,98 0,00 21 28. 07. 2019 06:40 29. 07. 2019 00:40 -0,14 1,63 21,71 22 2. 08. 2019 10:00 2. 08. 2019 13:00 -0,21 0,28 4,27 23 2. 08. 2019 19:40 3. 08. 2019 02:40 -0,22* 0,32 -14,35 24 3. 08. 2019 15:20 3. 08. 2019 15:40 -0,02 0,13 -1,41 25 13. 08. 2019 19:40 14. 08. 2019 04:40 0,00 0,20 12,61 26 2. 09. 2019 23:40 3. 09. 2019 05:40 0,18 1,61 26,48 27 5. 11. 2019 00:40 6. 11. 2019 02:20 0,24* 0,36 19,97 28 6. 11. 2019 09:20 7. 11. 2019 02:40 0,15* 0,31 7,93 29 8. 11. 2019 20:00 9. 11. 2019 12:20 0,20* 0,50 26,78 30 12. 11. 2019 04:40 13. 11. 2019 20:00 0,19* 0,25 23,27 31 15. 11. 2019 12:00 16. 11. 2019 07:20 0,16* 0,24 7,66 32 16. 11. 2019 20:20 17. 11. 2019 07:00 0,02* 0,20 6,41 33 17. 11. 2019 16:00 18. 11. 2019 05:00 -0,15 0,24 3,94 34 27. 11. 2019 15:00 28. 11. 2019 12:00 0,24* 0,29 22,70 35 1. 12. 2019 17:40 2. 12. 2019 18:40 0,20* 0,22 24,68 36 21. 12. 2019 09:00 21. 12. 2019 23:00 0,62* 0,57 49,09 37 22. 12. 2019 06:40 22. 12. 2019 18:40 0,18* 0,44 6,05 38 25. 02. 2020 20:00 26. 02. 2020 16:40 0,41* 0,83 29,92 39 1. 03. 2020 05:40 2. 03. 2020 00:40 0,55* 0,61 48,01 40 2. 03. 2020 14:00 4. 03. 2020 05:00 0,49* 0,56 33,65 41 6. 03. 2020 01:20 6. 03. 2020 13:40 0,70* 1,65 23,63 42 30. 03. 2020 06:40 30. 03. 2020 17:00 -0,24* 0,70 5,88 43 14. 04. 2020 08:20 14. 04. 2020 14:40 -0,21 0,80 10,79 *statistično značilen naklon s stopnjo zaupanja α = 0,05 Razmerje med koeficientoma variacije CVC/CVQ je bilo pri štirih dogodkih, ki so se zgodili 13. junija 2018, 28. julija 2019, 2. septembra 2019 in 6. marca 2020, višje od 1, kar kaže na kemodinamične dogodke (koncentracija se bistveno spreminja glede na spremembe pretoka). Glede na kazalnik CVC/CVQ so bile pri vseh ostalih dogodkih vrednosti nižje od 1, izrazito nizke (CVC/CVQ<0,2) pa so bile pri dogodkih 14, 15, 17, 24, 25 in 32 (preglednica 14, slika 26), katerih razmere lahko opredelimo kot kemostatične (koncentracija se ne spreminja bistveno s pretokom). Pri 12 dogodkih od 43 (preglednica 14) smo izračunali negativno odvisnost med logaritmom koncentracij in logaritmom Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 69 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. pretoka, kar v splošnem nakazuje na režim redčenja. Za izračune statističnih vrednosti, ki temeljijo na centralnih momentih (aritmetična sredina, varianca), je znano, da so manj robustni, če so v vzorcu podatkov prisotni ubežniki. Ne glede na to, da v našem primeru analiziramo časovne vrste, pri katerih so ekstremne vrednosti izrednega pomena in jih zato ne moremo izločiti iz vzorca, smo preverili, ali se rezultati režimov iznosa s CVC/CVQ bistveno razlikujejo, če uporabimo robustnejšo mero razpršenost. Uporabili smo koeficient, ki temelji na vrednostih prvega (Q1) in tretjega kvartila (Q3) in je definiran kot: (Q3-Q1)/(Q3+Q1). Ugotovili smo, da je pri 20 dogodkih bila razlika med obema merama manj kot 0,1, pri 13 dogodkih pa med 0,1 in 0,2. Poleg tega rezultati kažejo, da bi razlika med obema merama vplivala na opredelitev režima samo pri 4 dogodkih, in sicer sta dogodka 3 (14. maj 2018) in 42 (30. marec 2020) izkazala bolj kemodinamični odziv (vrednost razmerja 1,21 in 3,32), dogodek 4 (13. junij 2018) manj kemodinamični odziv (vrednost razmerja 0,56), dogodek 27 (5. november 2019) pa bolj kemostatični odziv (vrednost razmerja 0,20). V obeh primerih uporabe mer razpršenosti podatkov prevladuje kemodinamični režim iznosa nitratnega dušika s porečja. Na drugi strani vrednosti b blizu 1 kažejo na izrazit režim spiranja, vrednosti okoli 0 pa na kemostatični režim. Thompson in sod. (2011) menijo, da je lahko uporaba naklona b zavajajoča, saj v primerih majhne spremenljivosti koncentracij ( b≈ 0) kaže na kemostatičnost. Zato Thompson in sod. (2011) priporočajo hkratno uporabo obeh kazalnikov, tj. CVC/CVQ in naklona b. Musolff in sod. (2015) so režime iznosa grafično določili na podlagi obeh kazalnikov. Glede na to klasifikacijo smo dogodke iz dvoletnega obdobja meritev opredelili tudi za porečje Kuzlovca (slika 26). Pri 58,1 % dogodkov smo na podlagi obeh kazalnikov identificirali režim spiranja NO3-N s porečja. Od tega lahko po klasifikaciji Musolffa in sod. (2015) tri dogodke (13. junij 2018, 28. julij 2019, 2. september 2019) uvrstimo med dogodke, za katere je značilen režim spiranja z visoko reaktivnostjo (prikazano na sliki 26, skrajno desno), enega (6. marec 2020) pa celo med dogodke, za katere je značilno, da je iznos pogojen s pragom (npr. erozijo tal). Sedem dogodkov (16,3 %) z nizkima vrednostma naklona b in razmerja CVC/CVQ smo opredelili kot dogodke s kemostatičnim režimom, za katerega je značilno, da se je koncentracija NO3-N med dogodkom malo spreminjala napram spremembam pretoka. Gre za dogodke, ki so se zgodili 8. julija 2018, 2. in 5. novembra 2018, 1. februarja 2019, 3. in 13. avgusta 2019 ter 16. novembra 2019. Ostale dogodke (25,6 %) smo uvrstili med dogodke, pri katerih je prišlo do razredčenja (slika 26). 70 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Slika 26: Določitev režimov iznosov NO3-N s porečja Kuzlovec na podlagi naklona b in razmerja CVC/CVQ Figure 26: Determination of NO3-N export regimes from the Kuzlovec river catchment based on the slope b and ratio CVC/CVQ Glede na kazalnik relativne spremembe ( C_rs) smo samo dva dogodka (dogodek 2. avgusta 2019 in sledeči dogodek med 2. in 3. avgustom 2019) opredelili kot dogodka, pri katerih je prišlo do razredčenja. Glede na naravo enačbe za izračun relativne spremembe pri dveh dogodkih nismo zaznali spremembe koncentracije, vendar pa je to zgolj posledica časovnega zamika iznosa; v času, ko je prišlo do konice pretoka, se začetna koncentracija še ni spremenila. Ostale dogodke smo zaradi pozitivnih vrednosti C_rs uvrstili med dogodke, pri katerih je prišlo do spiranja NO3-N s porečja (preglednica 14). Na podlagi povprečnih vrednosti iznosov nitratnega dušika med padavinskimi dogodki in v preostalem obdobju smo izračunali, kolikšen delež celotne iznesene količine predstavljajo padavinski dogodki. Upoštevali smo celotno obdobje meritev (od aprila 2018 do aprila 2020), pri čemer so padavinski dogodki z več kot 10 mm padavin trajali skupaj približno 75 dni. Količina nitratnega dušika s porečja vodotoka Kuzlovec, iznesena med padavinskimi dogodki upoštevajoč povprečni iznos (8,63 g/20 min), znaša 666 g/ha. Za preostali čas smo upoštevali razmere v času baznega odtoka, ki v dvoletnem obdobju meritev predstavljajo 656 dni (povprečni iznos nitratnega dušika med baznim odtokom znaša 2,5 g/20 min), izračunani iznos v obdobju pa znaša 1686 g/ha. Izkazalo se je, da količina iznesenega nitratnega dušika med padavinskimi dogodki, ki predstavljajo približno 10 % časa, znaša dobrih 28 % celotne iznesene količine. Za primerjavo, na kmetijskem porečju reke Save v Franciji so izračunali, da iznosi med poplavnimi dogodki predstavljajo dobrih 60 % celotnega letnega iznosa pri 16−20 % deležu Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 71 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. trajanja (Oeurng in sod., 2010). Na podlagi tega lahko zaključimo, da količine iznesenega NO3-N med padavinskimi dogodki tudi na naravnih, gozdnatih porečjih predstavljajo pomemben delež in bi jih bilo treba upoštevati tudi v računih masnih bilanc (Sapač in sod., 2020b). 72 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 5 ANALIZA IN RAZPRAVA 5.1 Vpliv lastnosti padavinskih dogodkov, hidroloških in vegetacijskih razmer na spremembe koncentracij NO3-N v vodotoku in iznose s porečja Za analizo vplivov lastnosti padavinskih dogodkov na dinamiko sprememb koncentracij nitratnega dušika v vodotoku smo uporabili: hierarhično razvrščanje ter razvrščanje z metodo voditeljev (k-means), metodo glavnih komponent (PCA) in modele multiple linearne regresije (MLR). Z metodo PCA smo zmanjšali nabor spremenljivk in določili najvplivnejše spremenljivke. Metodo PCA smo uporabili na vseh hidrometeoroloških in vegetacijskih spremenljivkah hkrati. Ker pa delež nemerjenih porečij v primerjavi z merjenimi (z vidika hidroloških meritev) prevladuje, smo z uporabo multiplega linearnega regresijskega modela preverili tudi možnost pojasnitve iznosov nitratnega dušika samo na podlagi osnovnih spremenljivk lastnosti padavin ( Kp, Tp in I60). 5.1.1 Rezultati hierarhične metode razvrščanja Namen hierarhičnega razvrščanja enot v skupine, ki se uvršča med metode raziskovanja podatkov, je bil dobiti vpogled v podatke z vidika podobnosti oziroma različnosti padavinskih dogodkov, ki smo jih opisali s 17 spremenljivkami ( Tp, Kp, Isr, I60, E, ET3, Qmax, Qr, Qz, Ndni, LAI, Csr, Cmax, Cr, C_rs, Iznos_N, Iznos_max). Poleg tega smo na podlagi dendrograma kot rezultata hierarhičnega razvrščanja v kombinaciji s toplotno karto sklepali o ustreznem številu skupin, ki smo ga uporabili pri postopku razvrščanja enot v skupine pri metodi voditeljev. Za določitev razdalj, s katerimi opišemo različnost med dogodki, smo uporabili kvadrat evklidske razdalje, za razvrščanje v skupine pa najprej Wardovo metodo na matriki kvadratov evklidskih razdalj in nato metodo voditeljev. Zaradi razlik v velikostnih razredih spremenljivk in njihove variabilnosti smo podatke pred razvrščanjem standardizirali. Rezultate hierarhičnega razvrščanja smo prikazali z informativno toplotno karto (slika 27), ki poleg dendrograma dogodkov prikazuje še dendrogram spremenljivk, katerih razvrščanje je bilo narejeno z Wardovo metodo, razdalje pa so bile določene s Spearmanovim koeficientom korelacije. Levi dendrogram dogodkov nakazuje, da bi bilo dogodke smiselno razvrstiti v štiri skupine. Gledano od vrha proti dnu dendrograma, prvo skupino predstavljata dva dogodka, drugo skupino sedem dogodkov, tretjo skupino 15 dogodkov, četrto pa 19 dogodkov. Po drugi strani vidimo, katere spremenljivke so povezane med seboj. Spremenljivki intenzitete padavin sta najbolj povezani s sezonskima spremenljivkama LAI in ET3. Posebno skupino med seboj povezanih spremenljivk tvorijo spremenljivke najvijše in srednje koncentracije NO3-N med dogodkom in absolutne spremembe koncentracije. Na drugi strani je odražena povezanost spremenljivk iznosov NO3-N in spremenljivk pretoka ( Qmax, Qr, Qz). Zanimiva je tudi odražena povezava med številom predhodnih dni brez padavin, višjih od 10 mm, in relativno Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 73 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. spremembo koncentracije med dogodkom. Spremenljivke, ki opišejo lastnosti padavin ( Tp, Kp, E) glede na Spearmanov koeficient korelacije, tvorijo posebno skupino. Slika 27: Prikaz standardiziranih vrednosti spremenljivk za opis padavinskih dogodkov z dodanima dendrogramoma. Na vrhu je dendrogram spremenljivk z Wardovo metodo na Spearmanovih koeficientih korelacije, levo pa dendrogram dogodkov z Wardovo metodo na kvadratih evklidskih razdalj. Figure 27: Representation of standardized values of variables for description of rainfall events with added dendrograms. On the top of the graph is a dendrogram for the variables based on the Ward method and Spearman correlation coeficient, on the left hand side of the graph, there is a dendrogram of the events based on the Ward method and squared Euclidean distances. 5.1.2 Rezultati razvrščanja z metodo voditeljev Isti nabor spremenljivk, kot smo ga uporabili pri hierarhičnem razvrščanju, smo uporabili v metodi razvrščanja z metodo voditeljev ( k-means), in sicer v štiri skupine (k = 4). Rezultati kažejo, da je razvrstitev dogodkov v štiri skupine smiselna, saj pride do razlike pri razvrstitvi samo pri enem dogodku (10. april 2019), ki je za razliko od hierarhičnega razvrščanja uvrščen v četrto skupino (prej v tretjo), prav tako pa večkratna ponovitev metode daje enake rezultate, kar kaže na stabilno razvrstitev v štiri skupine. Poskusili smo še z razvrščanjem v tri skupine, kjer pa so se rezultati hierarhičnega razvrščanja in razvrščanja z metodo voditeljev bistveno razlikovali glede na to, kateri dogodki so bili razvrščeni v isto skupino, poleg tega pa je večkratna ponovitev metode voditeljev dala različne razvrstitve dogodkov v tri skupine. 74 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 75 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Slika 28: Porazdelitev vrednosti nekaterih spremenljivk padavinskih dogodkov po skupinah, dobljenih z metodo voditeljev Figure 28: Distribution of values of some variables of rainfall events by groups obtained by the k-means method Obe uporabljeni metodi razvrščanja torej dajeta zelo podobne rezultate razvrstitve padavinskih dogodkov v skupine. Za prvo skupino, kjer sta dogodka s 1. februarja 2019 in prvi od dogodkov z dne 2. avgusta 2019, so značilni veliki srednji in maksimalni iznosi nitratnega dušika kot tudi visoki pretoki (slika 28, a, b, c), ki so v primeru poletnega dogodka posledica predvsem visokih intenzitet, v primeru zimskega dogodka pa velikih količin in trajanja padavin (slika 28, i, j). Dogodkom v drugi skupini so skupne visoke koncentracije nitratnega dušika med dogodkom (srednje, maksimalne in absolutna sprememba) (slika 28, d, e, f), dogodki pa so se zgodili v različnih delih leta. Za tretjo in četrto skupino, v katerih je skupaj razvrščenih 34 dogodkov, lahko ugotovimo, da se odtenki barv toplotne karte (slika 27) ločijo predvsem pri spremenljivkah LAI in ET3, ki imata višje vrednosti v tretji skupini (slika 28, g, 76 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. h), in pri spremenljivki Tp, ki ima višje vrednosti v četrti skupini (slika 28, i). Omenjene spremenljivke imajo izrazito sezonsko spremenljivost, zato ni presenetljiva ugotovitev, da so se vsi dogodki v tretji skupini zgodili v obdobju vegetacije, večina dogodkov iz četrte skupine pa v obdobju mirovanja. V četrti skupini so se od 20 dogodkov štirje zgodili v obdobju mirovanja glede na določene mejnike fenoloških faz, predstavljene v poglavju 3.3.3. Podrobnejši pregled teh dogodkov pokaže, da so se trije zgodili na prehodu iz ene fenološke faze v drugo (10. april 2019, 14. april 2020, 30. marec 2020) eden pa sredi obdobja vegetacije (25. avgust 2018). Za slednji dogodek je bila značilna velika količina padavin in daljše trajanje padavin, kar so karakteristike jesensko-zimskih padavinskih dogodkov (Kobold in Sušelj, 2004). Z vidika spremenljivk, s katerimi opišemo spremembo koncentracije in iznosov nitratnega dušika s porečja, je med največjima skupinama in znotraj njiju (tretja in četrta skupina) razvidna velika raznolikost, kar kaže na to, da obdobje leta, v katerem se je zgodil dogodek, ni neposredni pokazatelj višjih/nižjih koncentracij oziroma iznosov nitratnega dušika. 5.1.3 Rezultati analize glavnih komponent (PCA) V analizo glavnih komponent (PCA) smo vključili 11 najpogostejših spremenljivk, s katerimi opisujemo padavinske dogodke, hidrološke razmere na porečju in vpliv sezonskosti vegetacije: količino padavin ( Kp), trajanje padavin ( Tp), srednjo intenziteto padavin ( Isr), maksimalno 60-minutno izmerjeno intenziteto padavinskega dogodka ( I60), kinetično energijo padavinskega dogodka ( E), predhodno tridnevno evapotranspiracijo ( ET3), število dni pred dogodkom brez padavin, višjih od 10 mm ( N_dni), indeks listne površine ( LAI), začetni pretok ( Qz), razpon pretoka ( Qr) in najvišji pretok ( Qmax). V analizi PCA smo prav tako kot pri razvrščanju dogodkov v skupine uporabili standardizirane vrednosti spremenljivk (povprečje 0, standardni odklon 1), s čimer smo zagotovili enakovredno pomembnost vseh spremenljivk v analizi PCA. Rezultat PCA je nov niz spremenljivk, ki jih imenujemo glavne komponente (PC) in so v bistvu linearna kombinacija začetnih spremenljivk (Kassambara, 2017b). Enotnega pravila oziroma kriterija za določitev ustreznega števila glavnih komponent za nadaljnje analize ni. V nalogi smo upoštevali Kaiserjevo pravilo, ki pravi, da je zadostno število glavnih komponent enako številu lastnih vrednosti, ki so večje od 1. V našem primeru smo zato za nadaljevanje analize izbrali prve štiri glavne komponente (slika 29). Plaziščni diagram (angl. scree plot) (slika 29) sicer nakazuje, da je dovolj, da upoštevamo tri glavne komponente, vendar smo se zaradi dodatnega deleža pojasnjene variance s četrto komponento odločili za štiri. Skupna varianca, ki jo pojasnijo izbrane glavne komponente (PC1, PC2, PC3 in PC4), je 83,6 %. Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 77 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 4 3 dnostevr 2 stnaaL 1 0 1 2 3 4 5 6 7 8 9 10 11 Glavna komponenta Slika 29: Plaziščni diagram PCA za določitev potrebnega števila glavnih komponent Figure 29: Scree plot of PCA for determining the adequate number of principal components Glede na uteži (angl. loadings) osnovnih spremenljivk v posamezni glavni komponenti lahko opišemo, katere osnovne spremenljivke povzema posamezna glavna komponenta (preglednica 15). Prvo glavno komponento PC1 določajo spremenljivke E, Qr, Qmax, Kp in I60, kar pomeni, da jo lahko opredelimo kot merilo za jakost dogodka z vidika spremembe pretoka in kinetične energije padavin. Omenjene spremenljivke so med seboj pozitivno povezane, kar pomeni, da PC1 opisuje dogodke z veliko kinetično energijo večje količine padavin, ki povzročijo večjo spremembo pretoka in posledično višji največji pretok med dogodkom (preglednica 15). Druga glavna komponenta PC2 je merilo za sezonskost, saj imata največjo utež spremenljivki tridnevne predhodne evapotranspiracije ( ET3) in indeksa listne površine ( LAI), ki sta med seboj prav tako pozitivno povezani. PC2 je pozitivno korelirana tudi z intenziteto padavin Isr in negativno s trajanjem padavin ( Tp). PC2 ima večje vrednosti za dogodke kratko trajajočih intenzivnejših padavin v obdobju vegetacije (pomlad, poletje). Najvišjo utež pri tretji glavni komponenti PC3 ima začetni pretok ( Qz). To komponento lahko opredelimo kot merilo za predhodne razmere. Komponenta PC3 torej opisuje padavinske dogodke z daljšim predhodnim sušnim obdobjem ( Ndni), vendar višjim začetnim pretokom ( Qz) in konico pretoka med dogodkom ( Qmax). Zadnja v nadaljnji analizi upoštevana glavna komponenta je PC4, kjer ima najvišjo utež število predhodnih dni brez padavinskih dogodkov. S PC4 so okarakterizirani padavinski dogodki, za katere je značilno daljše sušno obdobje ( Ndni). Obe glavni komponenti PC3 in PC4 lahko opredelimo kot merilo za predhodne razmere. 78 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Preglednica 15: Uteži posameznih spremenljivk, upoštevanih v analizi glavnih komponent (PCA). S krepko pisavo so označene najvišje absolutne vrednosti uteži posamezne glavne komponente. Table 15: Loadings from principal component analysis (PCA) for the individual variable. The highest absolute values of loadings for individual principal component are marked in bold. Glavna komponenta Spremenljivka PC1 PC2 PC3 PC4 Qmax 0,45 0,00 0,27 -0,20 ET3 0,07 0,49 -0,07 0,28 Qr 0,46 -0,01 0,17 -0,21 Isr 0,15 0,36 -0,01 -0,27 Qz 0,12 0,07 0,81 -0,03 Kp 0,41 -0,26 -0,19 0,19 I60 0,36 0,28 -0,21 0,02 LAI 0,07 0,50 -0,11 0,16 Tp 0,17 -0,47 -0,07 0,14 E 0,46 -0,08 -0,24 0,18 N_dni 0,01 0,00 0,30 0,80 Rezultate analize glavnih komponent (v ravnini PC1, PC2) in razvrščanja v skupine z metodo voditeljev na skupnem grafu prikazuje slika 30. Glede na centroide posameznih skupin lahko ugotovimo, da prvo skupino dogodkov (rumeni krogci) najbolj določa najvišji pretok oziroma njegova sprememba. Vsi dogodki tretje skupine ležijo na zgornji polovici navpične osi (osi PC2), vsi dogodki iz četrte skupine razen enega pa na spodnji polovici. Komponento PC2 najbolj določata predhodna tridnevna evapotranspiracija in indeks listne površine, pri čemer lahko za dogodke iz tretje skupine sklepamo, da so se zgodili v obdobju višjih vrednosti LAI in ET3 (pozna pomlad, poletje), dogodki iz četrte skupine pa jeseni oziroma pozimi, saj so zanje značilne nižje vrednosti omenjenih spremenljivk. Za dogodke tretje skupine je značilna tudi višja srednja intenziteta padavinskih dogodkov. PC2 je v veliki meri določena tudi s trajanjem padavin, in sicer je za dogodke v četrti skupini značilnejše daljše trajanje padavin, dogodki v tretji skupini pa so krajši. Najbolj nehomogena skupina v ravnini PC1, PC2 je druga skupina, katere dogodki so razpršeni v različne kvadrante grafa. V poglavju o razvrščanju dogodkov v skupine smo sicer za drugo skupino ugotovili, da so zanjo značilni dogodki z visokimi vrednostmi koncentracij NO3-N. Na podlagi rezultatov obeh metod lahko sklepamo, da pojavnosti dogodkov z visokimi koncentracijami NO3-N ne moremo enoznačno pojasniti na podlagi 11 upoštevanih hidrometeoroloških in vegetacijskih spremenljivk. Do visokih koncentracij lahko tako pride ob različnih hidrometeoroloških in vegetacijskih razmerah. Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 79 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Slika 30: Padavinski dogodki v prostoru PC1, PC2 in glede na skupino, dobljeno z metodo voditeljev. Centroidi posameznih skupin so prikazani z večjim simbolom pripadajoče barve in oblike. Figure 30: Rainfall events in PC1, PC2 space, coloured based on the k-means clusters. Centroids of individual group are represented by larger symbol of corresponding colour and shape. Spremenljivke, s katerimi smo v nadaljevanju ponazorili spremembe koncentracij NO3-N v vodotoku, so maksimalna izmerjena koncentracija NO3-N med dogodkom ( Cmax), povprečna vrednost izmerjene koncentracije med dogodkom ( Csr), absolutna sprememba koncentracije, določena kot razlika med maksimalno izmerjeno in začetno koncentracijo ( Cr), relativna sprememba koncentracije med dogodkom ( C_rs), povprečni 20-minutni iznos NO3-N ( Iznos_N) in maksimalni 20-minutni iznos NO3-N med dogodkom ( Iznos_max). Kako izbrane štiri glavne komponente (PC1–PC4) vplivajo na razmere koncentracij ( Cmax, Csr, Cr, C_rs) in iznosa ( Iznos_N, Iznos_max) nitratnega dušika s porečja smo v nadaljevanju preverjali z modelom multiple linearne regresije (MLR). Ugotovili smo, da so bili rezultati modelov statistično značilni ( p-vrednost < 0,001) za obe odzivni spremenljivki, ki se nanašata na količino iznesenega nitratnega dušika (preglednica 16, preglednica 17). Rezultati linearnih modelov za napoved vrednosti povprečnega iznosa na časovno enoto Iznos_N in najvišjega 20-minutnega iznosa 80 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. med padavinskim dogodkom Iznos_max kažejo, da lahko z vhodnimi podatki (tj. glavnimi komponentami PC1, PC2, PC3 in PC4) pojasnimo 57 % (prilagojeni R2 = 0,53) oziroma 69 % (prilagojeni R2 = 0,66) variance odzivne spremenljivke. Za povprečni iznos nitratnega dušika s porečja sta bili statistično značilni glavni komponenti PC1 ( p-vrednost < 0,001) in PC3 (p-vrednost < 0,01), ki sta okarakterizirani z jakostjo dogodka oziroma predhodnimi razmerami na porečju, natančneje začetnim pretokom ( Qz). Iste glavne komponente so bile statistično značilne tudi v primeru najvišjih iznosov med padavinskim dogodkom. Rezultati modelov za spremenljivke, s katerimi opišemo razmere koncentracij NO3-N med padavinskimi dogodki, so bili statistično značilni samo za absolutno spremembo koncentracije ( Cr) ( p-vrednost < 0,001) (preglednica 18) in v tem primeru vsebujejo 33 % variance odzivne spremenljivke. Statistična značilnost napovednih spremenljivk je prisotna pri Cr, kjer so statistično značilne (p-vrednost < 0,1) vse glavne komponente razen PC2, ki smo jo opredelili kot komponento sezonskosti (preglednica 18). Koeficient determinacije je ne glede na to bistveno nižji kot v primeru MLR za Iznos_N in Iznos_max, kar je posledica velike razpršenosti točk okoli regresijske premice in kaže na kompleksnost pojasnjevanja/napovedi spremenljivk koncentracij NO3-N. Statistična značilnost posameznih spremenljivk pa kljub temu odraža vpliv neodvisne spremenljivke na odvisno spremenljivko, kar sta v prispevku o zmotnem razumevanju statistike R2 pokazala tudi Colton in Bower (2002). Preglednica 16: Rezultati multiplega linearnega modela (MLR) na podlagi glavnih komponent za spremenljivko povprečnega iznosa na časovno enoto Iznos_N. Osenčene vrstice prikazujejo rezultate brez identificiranih vplivnih točk. Table 16: Results of the multiple linear regression (MLR) model based on pricipal components for average export per time unit Iznos_N. Shaded rows show results without the identified influential points. Standardna Statistična Iznos_N Ocena t vrednost Pr(>|t|) napaka značilnost Presečišče 8,31 0,62 13,42 0,0000 *** Presečišče_B 8,55 0,61 13,91 0,0000 *** PC1 1,94 0,31 6,19 0,0000 *** PC1_brez 2,41 0,40 6,06 0,0000 *** PC2 0,24 0,36 0,68 0,5020 PC2_brez 0,51 0,38 1,36 0,1820 PC3 1,94 0,57 3,42 0,0015 ** PC3_brez 1,82 0,55 3,28 0,0023 ** PC4 -0,50 0,59 -0,85 0,3997 PC4_brez -0,75 0,59 -1,27 0,2119 Stopnje statistične značilnosti: ***0,001; **0,01 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 81 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Preglednica 17: Rezultati multiplega linearnega modela (MLR) na podlagi glavnih komponent za spremenljivko najvišjega 20-minutnega iznosa med padavinskim dogodkom Iznos_max. Osenčene vrstice prikazujejo rezultate brez identificiranih vplivnih točk. Table 17: Results of the multiple linear regression (MLR) model based on principal components for the maximum 20-min export during the rainfall event Iznos_max. Shaded rows show results without the identified influential points. Standardna Statistična Iznos_max Ocena t vrednost Pr(>|t|) napaka značilnost Presečišče 17,17 1,55 11,07 0,0000 *** Presečišče_B 18,90 1,38 13,70 0,0000 *** PC1 6,97 0,78 8,88 0,0000 *** PC1_brez 9,28 0,92 10,15 0,0000 *** PC2 -0,44 0,90 -0,49 0,6269 PC2_brez 0,51 0,83 0,62 0,5420 PC3 2,99 1,42 2,11 0,0419 * PC3_brez 0,42 1,39 0,30 0,7660 PC4 -0,66 1,48 -0,45 0,6567 PC4_brez 0,00 1,35 0,00 0,998 Stopnje statistične značilnosti: ***0,001; *0,05 Preglednica 18: Rezultati multiplega linearnega modela (MLR) na podlagi glavnih komponent za razpon koncentracij NO3-N med padavinskim dogodkom Cr. Osenčene vrstice prikazujejo rezultate brez identificiranih vplivnih točk. Table 18: Results of the multiple linear regression (MLR) model based on principal components for the range of NO3-N concentrations during the rainfall event Cr. Shaded rows show results without the identified influential points. Standardna Statistična Cr Ocena t vrednost Pr(>|t|) napaka značilnost Presečišče 0,55 0,07 8,20 0,0000 *** Presečišče_B 0,58 0,06 9,38 0,0000 *** PC1 0,11 0,03 3,29 0,0022 ** PC1_brez 0,13 0,03 4,21 0,0002 *** PC2 0,06 0,04 1,63 0,1114 PC2_brez 0,06 0,04 1,71 0,0956 + PC3 -0,12 0,06 -1,96 0,0569 + PC3_brez -0,21 0,06 -3,26 0,0024 ** PC4 0,17 0,06 2,64 0,0118 * PC4_brez 0,23 0,06 3,74 0,000621 *** Stopnje statistične značilnosti: ***0,001; **0,01; *0,05; +0,1 82 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Predpostavke linearnega modela smo najprej preverili z osnovnimi diagnostičnimi diagrami, s katerimi prikažemo vrednosti ostankov in njihovih standardiziranih vrednosti, porazdelitev ostankov ter razmerje med standardiziranimi ostanki in vzvodi. V primeru vseh treh modelov ( Iznos_N, Iznos_max in Cr) so ostanki približno enakomerno porazdeljeni okoli vrednosti 0, črta glajenih povprečij standardiziranih ostankov pa v primeru višjih vrednosti iznosov in absolutnih sprememb koncentracij rahlo narašča, kar nakazuje na kršenje predpostavke o konstantni varianci. Prav tako diagrami standardiziranih ostankov v odvisnosti od vzvodov, na katerih so prikazane tudi izolinije Cookovih razdalj, kažejo na morebitno prisotnost vplivnih točk, zato smo v nadaljevanju preverili prisotnost regresijskih osamelcev in vzvodnih točk ter izračunali Cookove razdalje. Izkazalo se je, da sta z vidika slednjih dogodka 11 (25. avgust 2018) in 22 (2. avgust 2019) najvplivnejša. Dogodek 11 predstavlja vplivno točko (razdalja > 0,5) v primerih modelov za Iznos_N, Iznos_max in Cr, dogodek 22 pa tudi v primerih modela za Iznos_N, Iznos_max. Pri modelih ostalih odzivnih spremenljivk nismo zaznali vplivnih točk. V primeru modela Iznos_max se je kot regresijski osamelec izkazal dogodek 5 (22. junij 2018), med katerim je bila najvišja iznesena količina NO3-N med dogodkom precej višja, kot bi pričakovali glede na ocene parametrov modela. Pri modelu za spremenljivko Iznos_N ni regresijskih osamelcev, pri modelu za Cr pa je to dogodek 26 (2. september 2019), ko smo zaznali najvišjo spremembo koncentracije med dogodkom. Vzvodne točke, to je odstopanja od centra regresorskega prostora (povprečja napovednih spremenljivk), predstavljajo dogodki 17, 18 in 22 (1. februar 2019, 5. april 2019 in 2. avgust 2019). Dogodka 17 in 22 sta se že z metodo razvrščanja v skupine izkazala kot drugačna od ostalih dogodkov, saj sta bila razvrščena v ločeno skupino. V nadaljevanju smo za odzivne spremenljivke Iznos_N, Iznos_max in Cr naredili nov model MLR, in sicer s podatki brez omenjenih vplivnih točk, ter primerjali ocene parametrov modelov brez vplivnih točk in z njimi. Rezultati novih ocen parametrov so prikazani v preglednicah 16−18 v osenčenih vrsticah. Vidimo, da se v primeru modelov za Iznos_N in Iznos_max, ko izločimo vplivne točke, vse ocene parametrov nekoliko spremenijo, vendar je pripadajoča standardna napaka podobna kot v izhodiščnem modelu. Naklon regresijske premice se v primeru modela Iznos_N in Iznos_max brez vplivnih točk nekoliko poveča pri PC1, kar nakazuje, da se tako srednje kot maksimalne količine iznosa NO3-N povečujejo nekoliko hitreje z večanjem jakosti dogodkov kot v prvotnem primeru modela z vsemi padavinskimi dogodki. Višje vrednosti PC1 so torej pri dogodkih z večjimi kinetično energijo padavin, spremembo pretoka in intenziteto padavin. Pri modelu za Iznos_max je opaziti tudi bistveno izboljšanje odstotka pojasnjene variance odzivne spremenljivke, ki se je povečala z 69 na 76 %. Izločili smo dogodka 11 in 22, ki sta se zgodila v avgustu 2018 oziroma 2019, zanju je bila značilna velika kinetična energija, intenziteta in količina padavin, vendar pa je bil najvišji iznos nižji od iznosa primerljivih dogodkov. Pri modelu za Iznos_N ni bistvene razlike v deležu pojasnjene variance odzivne spremenljivke glede na prvotni model. Bistveno izboljšanje modela z vidika koeficienta determinacije Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 83 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. smo opazili tudi v primeru modela za absolutno spremembo koncentracije Cr brez vplivnih točk, kjer se je ta povečal na 0,51. V tem primeru so vse v model vključene spremenljivke statistično značilne (preglednica 18). Največja relativna sprememba ocene parametra je pri spremenljivki PC3, ki jo odražajo začetne razmere, tj. začetni pretok, in spremenljivki PC4, ki je okarakterizirana s predhodno količino padavin. To spremembo lahko pojasnimo tako, da če je začetni pretok ( Qz) nižji, potem je sprememba koncentracije večja, in daljše je število dni brez predhodnih padavin ( Ndni), večja je sprememba koncentracije NO3-N med padavinskim dogodkom. Tudi v primeru modela brez vplivnih točk za Cr so standardne napake primerljive s standardnimi napakami z vsemi vključenimi padavinskimi dogodki (preglednica 18). Z diagnostičnimi diagrami smo ugotovili, da z izločitvijo vplivnih točk zadostimo predpostavkam za linearne modele, ki so bile v prvotnih modelih vprašljive, kar pomeni, da ima model konstantno varianco, vplivne točke pa v modelu niso več prisotne. Grafi, prikazani na slikah 31−33, prikazujejo modelske napovedi za Iznos_N, Iznos_max in Cr brez vplivnih točk. Za vsako od odzivnih spremenljivk je prikazana odvisnost od posamezne glavne komponente PC1–PC4 in pripadajoča regresijska premica s 95-odstotnim intervalom zaupanja za povprečno napoved Iznos_N, Iznos_max in Cr ob upoštevani konstantni (povprečni) vrednosti ostalih napovednih spremenljivk (glavnih komponent). Za vse tri odzivne spremenljivke velja, da največjo spremembo povzroči prva glavna komponenta (PC1), ki je okarakterizirana z jakostjo dogodka. Odvisnost med odzivno in napovedno spremenljivko je pozitivna, kar pomeni, da so pri intenzivnejših padavinskih dogodkih (z višjo intenziteto padavin, višjim maksimalnim pretokom, večjo količino padavin, večjo kinetično energijo padavin in večjo spremembo pretoka) tako srednji in maksimalni iznosi NO3-N kot tudi sprememba koncentracije NO3-N večji. Ostale glavne komponente (PC2–PC4) imajo bistveno manjši vpliv na spremembo odzivnih spremenljivk iznosov, še posebej je to izrazito pri Iznos_max, kjer so regresijske premice skoraj vzporedne z vodoravno osjo. Še največji vpliv pri srednjih iznosih ima tretja glavna komponenta (PC3), ki jo določa začetni pretok ( Qz) in je prav tako kot jakost dogodka pozitivno povezana z odzivno spremenljivko. Višji začetni pretok pomeni višje srednje iznose, kar lahko pojasnimo z večjim vplivom pretoka v primerjavi s koncentracijami, ki so na obravnavanem gozdnatem porečju relativno nizke tudi po padavinah. Je pa s tretjo glavno komponento (PC3) negativno povezana absolutna sprememba koncentracije ( Cr, slika 33), na podlagi česar lahko zaključimo, da pri padavinskih dogodkih z nižjimi začetnimi pretoki lahko pričakujemo večje spremembe koncentracije. Nižji začetni pretoki so posledica daljše odsotnosti padavin, kar se posredno odraža na četrtem diagramu slike 33, ki prikazuje odvisnost četrte glavne komponente (PC4), določene s številom predhodnih dni brez padavin ( N_dni). Razvidno je namreč, da daljša odsotnost padavin pomeni večjo spremembo koncentracije. Sezonskost, odražena z drugo glavno komponento (PC2), se pri srednjih in maksimalnih iznosih ni izkazala kot izrazito vplivna (slika 31, slika 32), je pa vpliv sezonskosti bistveno večji pri Cr. Model napovedi namreč kaže, da so večje spremembe pričakovane pri krajših padavinskih dogodkih, z višjo tridnevno predhodno evapotranspiracijo, višjim LAI in višjo srednjo intenziteto padavin. Dogodki 84 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. z opisanimi lastnostmi so primer poletnih nalivov (obdobje vegetacije), vendar pa rezultati ne odražajo neposrednega vpliva vegetacije. Slika 31: Napovedane vrednosti in 95 % intervali zaupanja za povprečen Iznos_N za model brez vplivnih točk glede na posamezno glavno komponento (PC1–PC4) ob upoštevanju povprečne vrednosti ostalih glavnih komponent. Figure 31: Predicted values and 95% confidence intervals for the average Iznos_N for the model without influential points based on individual principal components (PC1–PC4) and taking into account the average values of others principal components. Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 85 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Slika 32: Napovedane vrednosti in 95 % intervali zaupanja za povprečen Iznos_max za model brez vplivnih točk glede na posamezno glavno komponento (PC1–PC4) ob upoštevanju povprečne vrednosti ostalih glavnih komponent. Figure 32: Predicted values and 95% confidence intervals for the average Iznos_max for the model without influential points based on individual principal components (PC1–PC4) and taking into account the average values of others principal components. 86 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Slika 33: Napovedane vrednosti in 95 % intervali zaupanja za povprečen Cr za model brez vplivnih točk glede na posamezno glavno komponento (PC1–PC4) ob upoštevanju povprečne vrednosti ostalih glavnih komponent. Figure 33: Predicted values and 95% confidence intervals for the average Cr for the model without influential points based on individual principal components (PC1–PC4) and taking into account the average values of others principal components. 5.1.4 Vpliv lastnosti padavin brez hidroloških podatkov Z metodo PCA smo želeli 11 spremenljivk, s katerimi bi pojasnili razmere koncentracij v vodotoku Kuzlovec in iznose nitratnega dušika s porečja, zmanjšati na nekaj glavnih komponent. Rezultati so pokazali, da je smiselno spremenljivke nadomestiti s štirimi glavnimi komponentami, pri čemer je najpomembnejša povezava bila ugotovljena med višjo jakostjo dogodka ( Qmax, Kp, E, I60) in višjimi iznosi NO3-N. S hidrološkega vidika je večina porečij nemerjenih (kar pomeni, da ne razpolagamo s podatkom o pretokih in ostalih hidroloških podatkih) (Blöschl, 2006), zato je opredelitev Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 87 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. najpomembnejših vplivov karakteristik padavin na iznose nitratnega dušika pomembna. Poleg tega število merskih mest na površinskih vodah upada na globalni ravni. Tourian in sod. (2013) so namreč ugotovili, da se po letu 2003 v bazi GRDC (Global Runoff Data Centre) zbirajo podatki samo še 40 % merilnih mest od dobrih 8000 postaj s celega sveta. Podobno ugotavljajo tudi v Medvladnem hidrološkem programu (IHP UNESCO), ki v svojem IX. programu za obdobje 2022–2029 kot enega od ciljev navajajo obrnitev trenda števila merskih mest na vodotokih (UNESCO, 2021). Pri hidrološkem modeliranju, kjer je glavni rezultat izračun pretoka, so za nemerjena porečja glavni vhodni podatek običajno samo meteorološki podatki, zato je poznavanje neposredne zveze med padavinami, pretokom in ne nazadnje količinami iznesenih snovi, kot so hranila, pomembno za vrednotenje rezultatov tovrstnih modelov. Odločili smo se, da vplive oziroma povezanost spremenljivk na iznose nitratnega dušika preverimo še z oceno glede na posamezno spremenljivko, pri čemer nas je zanimal vpliv spremenljivk lastnosti padavin. Uporabili smo modele multiple linearne regresije (MLR), s katerimi smo preverili, koliko variance v srednjih in maksimalnih iznosih ter spremembah koncentracije NO3-N pojasnijo spremenljivke Tp, Kp in I60. Ker smo želeli uporabiti samo merjene vrednosti spremenljivk, katerih vrednosti niso določene z empiričnimi izračuni, kinetične energije padavin nismo vključili v model. Prav tako nismo v model vključili srednje intenzitete padavin, saj bi se s to kombinacijo napovednih spremenljivk v modelu pojavila kolinearnost. Za oceno vplivov na iznose in na absolutno spremembo koncentracije ne pa tudi ostale spremenljivke, ki opišejo spremembo koncentracije med dogodkom, smo se odločili, ker v predhodni analizi PCA ni izkazala dobrih rezultatov glede deleža pojasnjene variance v koncentracijah NO3-N. Pred uporabo metode MLR smo vse podatke log-transformirali, da smo zadostili vsem predpostavkam, ki morajo veljati pri (multiplih) linearnih regresijskih modelih. Rezultati MLR za posameznelog-transformirane odzivne spremenljivke (log( Iznos_N) , log( Iznos_max) in log( Cr)) so prikazani v preglednicah 19−21. Vsi trije modeli so statistično značilni (p-vrednost < 0,05) in v osnovi pojasnijo 28 % ( Iznos_N), 49 % ( Iznos_max) oziroma 37 % ( Cr) variance odzivne spremenljivke. Pri modelih za srednje in maksimalne iznose med padavinskimi dogodki je diagnostika pokazala prisotnost ene vplivne točke, natančneje gre za dogodek pod zaporedno številko 11 (25. avgust 2018), zato smo za ti dve odzivni spremenljivki ponovili MLR z izločeno vplivno točko. Ti rezultati so prikazani v preglednici 19 in preglednici 20 v osenčenih vrsticah. Količina padavin se je v primeru vseh treh obravnavanih odzivnih spremenljivk izkazala kot najvplivnejša tako na srednje in maksimalne iznose kot tudi na velikost spremembe koncentracije NO3-N med padavinskim dogodkom. Po izločitvi vplivnega dogodka se delež pojasnjene variance v log( Iznos_N) poveča na 45 %, v primeru log( Iznos_max) pa kar na 59 %, kar pomeni, da lahko samo na podlagi treh spremenljivk lastnosti padavin relativno dobro ocenimo iznose NO3-N, kjer ne razpolagamo z drugimi hidrološkimi podatki. 88 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Predpostavke linearnih modelov so po izločitvi vplivne točke popolnoma zadoščene (ostanki so normalno porazdeljeni okoli premice, gladilnik vrednosti ostankov približno sledi premici y = 0, varianca ostankov je konstantna), na samo izločitev pa je vplival kriterij velike Cookove razdalje (več kot 0,5). Vrednosti vseh parametrov so se nekoliko spremenile, standardna napaka pa je ostala v približno enakem velikostnem razredu. Največjo spremembo je zaznati pri presečišču z navpično osjo, ki se je znižalo skoraj za polovico. Statistika VIF (angl. variance inflation factor) vseh treh spremenljivk je nižja od štiri, kar pomeni, da modeli ne kršijo predpostavke o nekolinearnosti. V nadaljevanju je za vsakega od modelov podana interpretacija, pri čemer pri modelih log( Iznos_N) in log( Iznos_max) podajamo interpretacijo za model brez vplivne točke (preglednica 19). Model za log( Iznos_N) kaže, da če se količina padavin poveča za 10 %, potem se ob upoštevanju ostalih dveh spremenljivk srednji iznos med padavinskim dogodkom poveča v skoraj enaki meri (10,4 %) (slika 34, levo). Trajanje padavin ( Tp) ima nasprotni učinek, in sicer če se trajanje dogodka podaljša za 10 %, potem lahko pričakujemo zmanjšanje srednjih iznosov za 4,4 % (slika 34, desno). Pri krajših dogodkih (do približno 500 min) je opazno izrazito upadanje srednje količine iznosa NO3-N z daljšanjem padavin. Pri tem je zanimivo, da maksimalna enourna intenziteta padavin ( I60) skoraj ne izkazuje vpliva na spremembo srednjih iznosov ob upoštevanju ostalih dveh spremenljivk. Preglednica 19: Rezultati log-log multiplega linearnega modela (MLR) za Iznos_N na podlagi osnovnih spremenljivk za opis lastnosti padavin. Osenčene vrstice prikazujejo rezultate brez identificiranih vplivnih točk. Table 19: Results of the log-log multiple linear regression (MLR) model for Iznos_N based on basic variables describing rainfall characteristics. Shaded rows show results without identified influential points. log-log model za Standardna Statistična Ocena t vrednost Pr(>|t|) Iznos_N napaka značilnost Presečišče 0,86 0,42 2,07 0,0453 * Presečišče_brez 0,46 0,36 1,27 0,2114 log(Kp) 0,99 0,31 3,22 0,0026 ** log(Kp_brez) 1,04 0,25 4,07 0,0002 *** log(I60) -0,23 0,25 -0,92 0,3633 log(I60_brez) -0,07 0,21 -0,32 0,7521 log(Tp) -0,44 0,19 -2,36 0,0232 * log(Tp_brez) -0,37 0,16 -2,34 0,0245 * Stopnje statistične značilnosti: ***0,001; **0,01; *0,05 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 89 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Slika 34: Napovedane vrednosti in 95 % intervali zaupanja za povprečen Iznos_N za log-log model brez vplivnih točk glede na posamezno spremenljivko ( Kp, Tp) in ob upoštevanju povprečne vrednosti ostalih spremenljivk v modelu Figure 34: Predicted values and 95% confidence intervals for the average Iznos_N for the log-log model without influential points based on indivudal variable ( Kp, Tp) and taking into account average values of others variables in the model Preglednica 20: Rezultati log-log multiplega linearnega modela (MLR) za Iznos_max na podlagi osnovnih spremenljivk za opis lastnosti padavin. Osenčene vrstice prikazujejo rezultate brez identificiranih vplivnih točk. Table 20: Results of the log-log multiple linear regression (MLR) model for Iznos_max based on basic variables describing rainfall characteristics. Shaded rows show results without identified influetial points log-log model Standardna Statistična Ocena t vrednost Pr(>|t|) za Iznos_max napaka značilnost Presečišče 0,70 0,41 1,73 0.0925 + Presečišče_brez 0,39 0,38 1,03 0.3104 log(Kp) 1,39 0,30 4,64 0.0000 *** log(Kp_brez) 1,42 0,27 5,25 0.0000 *** log(I60) -0,18 0,24 -0,76 0.4533 log(I60_brez) -0,06 0,22 -0,27 0.7868 log(Tp) -0,51 0,18 -2,79 0.0081 ** log(Tp_brez) -0,45 0,17 -2,71 0.0100 ** Stopnje statistične značilnosti: ***0,001; **0,01;+.0,1 90 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Slika 35: Napovedane vrednosti in 95 % intervali zaupanja za povprečen Iznos_max za log-log model brez vplivnih točk glede na posamezno spremenljivko ( Kp, Tp) in ob upoštevanju povprečne vrednosti ostalih spremenljivk v modelu Figure 35: Predicted values and 95% confidence intervals for the average Iznos_max for the log-log model without influence points based on indivudal variable ( Kp, Tp) and taking into account the average values of others variables in the model Podobne rezultate je pokazal tudi model za log( Iznos_max), ki ocenjuje, da se najvišji iznos NO3-N med dogodkom v povprečju poveča za 14 %, če je količina padavin med dogodkom višja za 10 % (slika 35, levo). Na drugi strani pa ocenjuje, da se pri skrajšanju trajanja padavin za 10 % najvišji iznos v povprečju poveča za slabih 5 % (slika 35, desno). Pri obeh omenjenih ocenah velja tak vpliv ob upoštevanju povprečnih vrednosti ostalih spremenljivk v modelu. Podobno kot pri modelu za srednje iznose je presenetljiva ugotovitev na podlagi MLR, da I60 ob upoštevanju ostalih spremenljivk v modelu ni statistično značilna spremenljivka v modelu za maksimalne iznose. Rezultati za model absolutne spremembe koncentracije NO3-N med dogodkom (log( Cr)) pa nakazujejo pozitiven vpliv najvišje enourne intenzitete med dogodkom na vrednost spremembe (slika 36, desno), in sicer se v povprečju koncentracija spremeni za 6 %, če se I60 poveča za 10 %. Podoben vpliv na spremembo Cr ob upoštevanju ostalih spremenljivk v modelu je pričakovati tudi glede na količino padavin, in sicer model ocenjuje, da se koncentracija NO3-N v povprečju poveča za slabih 6 %, če se količina padavin poveča za 10 % (preglednica 21) ob hkratnem upoštevanju maksimalne enourne intenzitete padavin in trajanja padavin. Slednje so se v modelu izkazale za najmanj vplivne, kar bi se na diagramih, kot sta prikazana na sliki 36 za Kp in I60, odrazilo v obliki skoraj vodoravne črte. Pri tem velja ponovno poudariti, kar je sicer podrobneje opisano v poglavju 4.4, da se koncentracije NO3-N v povprečju med dogodkom spremenijo za 0,5 mg/l, vendar pa se zaradi velike spremembe pretoka med dogodkom iznosi zelo povečajo in predstavljajo bistveni delež iznosa NO3-N s porečja. Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 91 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Preglednica 21: Rezultati log-log multiplega linearnega modela (MLR) za Cr na podlagi osnovnih spremenljivk za opis lastnosti padavin Table 21: Results of the log-log multiple linear regression (MLR) model for Cr based on basic variables describing rainfall characteristics log-log model Standardna Statistična Ocena t vrednost Pr(>|t|) za Cr napaka značilnost Presečišče -1,86 0,56 -3,31 0,002 ** log(Kp) 0,57 0,41 1,38 0,1758 log(I60) 0,61 0,33 1,82 0,0763 + log(Tp) 0,01 0,25 0,06 0,9537 Stopnja statistične značilnosti: *0,01; + 0,1 Slika 36: Napovedane vrednosti in 95 % intervali zaupanja za povprečni Cr za log-log model brez vplivnih točk glede na posamezno spremenljivko ( Kp, I60) in ob upoštevanju povprečne vrednosti ostalih spremenljivk v modelu Figure 36: Predicted values and 95% confidence intervals for the average Cr for the log-log model without influence points based on an individudal variable ( Kp, I60) and taking into account the average values of others variables in the model 92 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 5.1.5 Razprava Vpliv lastnosti padavinskih dogodkov na dinamiko sprememb koncentracij nitratnega dušika v vodotoku oziroma na njegove iznesene količine smo preverjali z uporabo podatkov, ki so v večji meri rezultat lastnih meritev. Za preverjanje smo uporabili metode razvrščanja enot v skupine, metodo glavnih komponent (PCA) in modele multiple linearne regresije (MLR). V disertaciji smo z metodo hierarhičnega razvrščanja sprva preverili podobnost oziroma različnost med 43 padavinskimi dogodki na podlagi 17 spremenljivk, ki so poleg hidrometeoroloških in vegetacijskih razmer obsegale razmere koncentracij in iznosov nitratnega dušika. Poleg tega smo z razvrščanjem dogodkov v skupine dobili prvi vpogled v najvplivnejše spremenljivke, od katerih so potencialno odvisne razmere koncentracij nitratnega dušika v obravnavanem vodotoku med padavinskimi dogodki. Na podlagi dendrograma hierarhičnega razvrščanja smo določili ustrezno število skupin, v katere lahko razvrstimo dogodke, in v drugem koraku uporabili optimizacijsko metodo razvrščanja enot v skupine. Dogodke smo razvrstili v štiri skupine, katerih velikosti znašajo 2, 7, 14 in 20 enot oziroma dogodkov. Dogodki s posebej visokimi vrednosti iznosov in koncentracij NO3-N so razvrščeni v prvo oziroma drugo skupino, medtem ko so si dogodki tretje skupine najbolj podobni glede na visoke vrednosti LAI in ET3 in krajše trajanje padavin, v skupini štiri pa so dogodki z nižjimi vrednostmi LAI in ET3 in daljšim trajanjem padavin. Raziskovanje povezanosti spremenljivk iznosov in koncentracij NO3-N s spremenljivkami hidrometeoroloških in vegetacijskih razmer smo nadaljevali z metodo PCA, ki smo jo uporabili na naboru 11 spremenljivk, s katerimi smo opisali lastnosti padavinskih dogodkov na podlagi merjenih 20-minutnih podatkov. Analiza glavnih komponent je pokazala, da dovolj velik del variance v podatkih pojasnimo s prvimi štirimi glavnimi komponentami. Prve štiri komponente so odrazile vpliv magnitude dogodka, sezonskosti in predhodnih razmer namočenosti. Želeli smo preveriti, ali je na podlagi teh glavnih lastnosti mogoče napovedati spremembe koncentracij in iznosov nitratnega dušika v vodotoku. Uporabili smo multipli linearni regresijski model, s katerim smo preverili, koliko variance odzivne spremenljivke lahko pojasni linearna kombinacija prvih štirih glavnih komponent (PC1–PC4) za napoved štirih spremenljivk sprememb koncentracij med dogodki in dveh spremenljivk iznosov nitratnega dušika. Ugotovili smo, da so rezultati modela v primeru srednjih in najvišjih iznosov ( Iznos_N, Iznos_max) statistično značilni (α = 0,01) in pojasnijo več kot 50 % variance odzivne spremenljivke. Nasprotno pa se je izkazalo pri spremenljivkah, s katerimi smo opisali spremembe koncentracij NO3-N, saj je model pokazal šibko povezavo med linearno kombinacijo glavnih komponent in spremenljivko spremembe koncentracije. Razlog lahko pripišemo relativno majhnemu vzorcu, ki pa zajame širok spekter lastnosti padavinskih dogodkov, zaradi česar je napoved kompleksnih odvisnih Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 93 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. spremenljivk samo na podlagi glavnih komponent nezanesljiva. Relativno uspešnost v primeru napovedi iznosov nitratnega dušika pa lahko pojasnimo z močno povezavo med pretokom in iznosom. Sprememba pretoka med dogodkom in njegova najvišja vrednost sta namreč merilo prve glavne komponente. Ker pa je število porečij, kjer ne razpolagamo s podatki o pretokih, sploh pa ne s podatki s krajšim časovnim korakom, nekaj razredov velikosti večje od števila porečij, za katera obstajajo podatki (Blöschl, 2006), smo preverili neposredno povezavo med lastnostmi padavin in iznosi NO3-N. Z uporabo multiplih modelov linearne regresije sta se kot najvplivnejši spremenljivki za iznose NO3-N izkazali količina padavin in trajanje, medtem ko je v primeru absolutne spremembe koncentracije namesto trajanja bolj vplivna spremenljivka maksimalne intenzitete padavin. Študij, v katerih bi raziskovali povezanost lastnosti padavinskih dogodkov z dinamiko sprememb nitratnega dušika v vodotoku med padavinskimi dogodki, je malo. O intenziteti padavin, kot enem ključnih dejavnikov oziroma gonilnikov, ki vplivajo na dinamiko iznosa nitratnega dušika s porečja, so poročali Blaen in sod. (2017). Z analizo glavnih komponent so ugotovili, da so maksimalne koncentracije NO3-N in relativne spremembe koncentracij med dogodkom najbolj povezane z maksimalnimi intenzitetami padavin, vendar velja poudariti, da je njihova analiza potekala na podatkih kmetijskega območja. V naši raziskavi smo podobno povezavo z intenzitetami padavin ugotovili pri absolutni spremembi koncentracije NO3-N, medtem ko sta srednji in maksimalni iznos bolj povezana s količino padavin. Po drugi strani pa so Aubert in sod. (2016) ovrgli hipotezo o vplivu padavin na dinamiko sprememb koncentracij nitratnega dušika v vodotoku, s čimer so potrdili predhodne izotopske raziskave, ki so pokazale močno povezanost podzemne in površinske vode na njihovem obravnavanem porečju, zaradi česar med padavinskimi dogodki v vodotoku prevladuje t. i. stara voda (Orlowski in sod., 2016). Njihova raziskava je bila narejena na slabe 4 km2 velikem porečju, kjer prevladujočo rabo tal predstavljata gozd in kmetijska območja, geološka sestava pa omogoča zadrževanje vode v velikih vodonosnikih predvsem na povirnem delu porečja. Za razliko od lastnosti padavin so hidrološke kontrole v povezavi z dinamiko sprememb koncentracij nitratnega dušika v površinskih vodah pogosteje obravnavane. Bernal in sod. (2002) so s faktorsko analizo opredelili predhodno namočenost (potencialna evapotranspiracija, deficit vsebnosti vode v tleh) in magnitudo dogodka (količina padavin, trajanje dogodka, sprememba pretoka) kot najpomembnejša dejavnika, ki vplivata na koncentracije in količino iznesenega nitratnega dušika s porečja. O vplivih predhodnih razmer, natančneje količini predhodnih padavin in/ali predhodni namočenosti, so poročali tudi drugi avtorji. Rusjan in Mikoš (2008) sta z uporabo regresijskih dreves ugotovila, da je ena najvplivnejših spremenljivk količina predhodnih padavin, izražena z indeksom predhodnih padavin. Blaen in sod. (2017) so poleg predhodne količine padavin kot vplivni dejavnik opredelili še najvišjo 94 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. predhodno namočenost in najvišji nivo podzemne vode pred dogodkom. O vplivu predhodnih razmer vsebnosti vode v tleh in sezone na dinamiko C-Q med padavinskimi dogodki na kmetijskem območju so poročali tudi Knapp in sod. (2020), vendar je bil vpliv manj izrazit. V disertaciji smo proučevali tudi vpliv sezone oziroma fenološke faze na dinamiko koncentracij in iznosa nitratnega dušika med padavinskimi dogodki, saj so nekatere predhodne raziskave pokazale vpliv na razlike v koncentracijah nitratnega dušika. Rusjan in Mikoš (2008) sta sezonsko različnost dinamike koncentracij opredelila na podlagi temperatur zraka pred dogodkom, kar sta pojasnila s hkratnim vplivom vsebnosti vode v tleh na stopnjo mineralizacije oziroma nitrifikacije, o čemer so poročali tudi drugi avtorji (npr. Arheimer in sod., 1996). Razvrščanje padavinskih dogodkov je sicer nakazalo podobnost večine dogodkov (34 dogodkov od 43) glede na sezono (vrednost ET3 in LAI), vendar so bili dogodki z ekstremnimi vrednostmi koncentracij in/ali iznosov uvrščeni v preostali dve skupini, kjer se sezonskost ni odrazila. Podobno smo ugotovili tudi z multiplimi linearnimi modeli z glavnimi komponentami iz analize PCA, kjer so se kot statistično značilne za napoved iznosov nitratnega dušika izkazale predvsem hidrometeorološke razmere med in pred dogodkom (pretok, količina padavin, intenziteta padavin), vpliv sezone, odražen preko druge glavne komponente, pa je bil statistično značilen samo pri modelu za absolutno spremembo koncentracije. Izvrednotene osnovne statistične vrednosti koncentracij in iznosov v času padavinskih dogodkov in v času baznega odtoka (poglavje 4.5) pa so pokazale, da med fenološkima fazama v času baznega odtoka obstaja razlika z višjimi vrednostmi koncentracij in iznosov pozimi oziroma v obdobju mirovanja, medtem ko te razlike med padavinskimi dogodki niso tako očitne. Podobne sezonske razlike med baznim odtokom so zaznali tudi Sebestyen in sod. (2014) na podlagi tedenskih vzorčenj vode. Feinson in sod. (2016) so pri proučevanju lastnosti histereznih zank C-Q med padavinskimi dogodki različnih lokacij prav tako ugotovili, da za velikost in smer histerezne zanke sezona ni statistično značilna, če nastopa kot samostojen člen v linearnem modelu. Se je pa sezona kot statistično značilna spremenljivka v linearnem modelu izkazala v primeru interakcije z dejavnikom lokacije. Pomemben dejavnik, ki vpliva na naravno spremenljivost iznosa dušika, pa so tudi snežne padavine oziroma snežna odeja, v kateri se nitratni dušik iz atmosferske depozicije akumulira (Brooks in sod., 1999). Zato je za porečja z zimsko snežno odejo značilno, da se spomladi v času taljenja snega zgodijo večji iznosi nitratnega dušika s porečja, tako iz akumuliranega dušika v snežni odeji kot iz tal, kjer se zadržuje mikrobno proizveden nitratni dušik (Judd in sod. 2007). Ker smo v obravnavanem obdobju zabeležili zanemarljivo malo količino snežnih padavin, snežne odeje pa praktično ni bilo, lahko sklepamo, da je to vplivalo na neprepoznavnost sezonskih razlik med kazalniki koncentracij in iznosov, saj se zaradi rednih dežnih padavin večja količina nitratnega dušika ni mogla akumulirati v tleh oziroma snežni odeji v hladnejših obdobjih leta. Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 95 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 5.2 Identifikacija procesov oblikovanja padavinskega odtoka Za raziskovanje in določitev razlogov ter kontrolnih mehanizmov spiranja hranil s porečja se pogosto uporabljajo analize odnosov med spremembami koncentracij in pretoka (C-Q). Prisotnost časovnega zamika med odzivi posameznih procesov na padavinske dogodke lahko prikažemo z bivariatnim diagramom odvisne (npr. koncentracija) in neodvisne spremenljivke (npr. pretok, vsebnost vode v tleh), kjer se časovni zamik odrazi v obliki zanke (Prowse, 1984). Da bi ugotovili časovno dinamiko in soodvisnost procesov, ki se s spremembami odzovejo na padavinske dogodke, smo v nalogi uporabili: i) metodo določitve časovnih zamikov med procesi na podlagi časa pojava težišča diagrama, ki na področju spiranja hranil s porečja predhodno še ni bila uporabljena, in ii) podrobno, celovito analizo izbranih padavinskih dogodkov. 5.2.1 Časovni zamiki procesov Pri metodi določitve časovnih zamikov in njihove analize smo upoštevali 43 dogodkov, za katere smo razpolagali z 20-minutnimi podatkovnimi nizi o pretokih, koncentracijah nitratnega dušika (izneseni količini NO3-N) in padavinah. Za 24 dogodkov smo imeli na voljo tudi 20-minutne podatkovne nize meritev volumetrične vsebnosti vode v tleh na treh globinah (15, 40 in 70 cm). Za vsak dogodek smo izračunali čas pojava težišča hietograma ter ostalih obravnavanih procesov, nakar smo za vsak proces, tj. pretok, količino iznesenega NO3-N in vsebnost vode v tleh, izračunali, s kolikšnim časovnim zamikom glede na težišče hietograma se je zgodilo težišče posameznega procesa (priloga E). Težišče pretoka 43 dogodkov se je v povprečju zgodilo 254 min za težiščem hietograma, vendar pa je razpon časovnih zamikov pretoka (LAGQ) znašal med 35 in 455 min. Povprečje razširjenega vzorca, v katerega so vključeni vsi padavinski dogodki z več kot 10 mm padavin v dvoletnem obdobju meritev (N = 83), znaša 250 min, kar je primerljivo z manjšim vzorcem in priča o ustreznosti vzorca. Med časovnim zamikom težišča pretoka in trajanjem dogodka je sicer razvidna pozitivna povezava (slika 37), vendar je ta šibka (R2 = 0,25; p-vrednost < 0,01), saj na čas pojava težišča hidrograma vplivajo tudi drugi dejavniki (npr. porazdelitev in količina padavin), zaradi česar imajo lahko dogodki z istim trajanjem, vendar drugačno porazdelitvijo padavin znotraj dogodka, različne čase zakasnitve in obratno. 96 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 700 600 500 n]i y = 0,08x + 144,68 m 400 [ R² = 0,25 Q p-vrednost < 0,01 G 300 LA 200 100 0 0 1000 2000 3000 4000 5000 6000 Trajanje padavinskega dogodka [min] Slika 37: Povezava med časovnim zamikom težišča hidrograma (LAGQ) in trajanjem padavinskega dogodka Figure 37: Relationship between the time lag of the hydrograph centroid and the duration of a rainfall event Za analizo časovne dinamike in identifikacijo oblikovanja procesov padavinskega odtoka smo z linearno regresijo preverili povezavo med časi zakasnitve. Povprečni čas zakasnitve iznosa nitratnega dušika s porečja (LAGN) je za dobrih 20 min daljši od časa zakasnitve LAGQ in znaša 276,8 (±108,3) min. Na poznejši pojav težišča diagrama iznosa nitratnega dušika v primerjavi s hidrogramom kaže tudi linearna zveza med posameznimi časi zakasnitve LAGQ in LAGN (slika 38), saj skoraj vse točke ležijo nad premico x = y. Med časi zakasnitve LAGQ in LAGN smo ugotovili statistično značilno pozitivno linearno zvezo (R2 = 0,93, p-vrednost < 0,01) brez prisotnosti vplivnih točk. Ne glede na to pa smo pri enem dogodku ugotovili, da je do pojava težišča pri diagramu iznosa nitratnega dušika prišlo prej kot do pojava težišča hidrograma. Gre za dogodek, ki se je zgodil 28. julija 2019 ob 6:40. Od konca predhodnih padavin je minilo slabih sedem ur, zaradi česar koncentracije nitratnega dušika za razliko od pretoka na začetku drugega dogodka še niso upadle na začetno raven prvega dogodka. Posledično se je težišče diagrama iznosa nitratnega dušika zgodilo prej kot težišče hidrograma. Pri desetih dogodkih smo ugotovili, da je do pojava težišč prišlo skoraj hkrati, saj razlika med izračunanima LAGQ in LAGN znaša manj kot ±5 minut. Sedem od teh dogodkov se je zgodilo v obdobju vegetacije, trije pa v obdobju mirovanja. Dogodki iz vegetacijskega dogodka so trajali od 20 do 780 min (povprečje 445±375 min) v obdobju mirovanja pa 660, 1060 oz. 1260 min. Pri povprečnem dogodku je padlo 18,3 mm padavin, najvišja enourna intenziteta padavin pa je v povprečju znašala 9,2 (±4,9) mm/h, pri čemer je za sedem dogodkov iz obdobja vegetacije bila povprečna najvišja enourna intenziteta padavin (10,2±4,5 mm/h) višja kot pri treh dogodkih iz obdobja mirovanja (4,7 mm/h). Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 97 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Vzorec izračunanih časov zakasnitve LAGQ in LAGN smo nadalje razdelili še glede na fenološko fazo, tj. obdobje vegetacije (27. marec−12. september) in obdobje mirovanja vegetacije (13. september−26. marec). V obdobju mirovanja (N=20) smo izračunali daljši povprečni čas zakasnitve pretoka (276,3 ±124,6 min) kot v obdobju vegetacije (N = 23), ko je LAGQ znašal 235,2 (±153,0) min. Vzrok lahko pripišemo nekaj višjim vrednostim LAGQ v obdobju mirovanja, ki so najverjetneje posledica padavinskih dogodkov z več vmesnimi prekinitvami, ki so podaljšale čas trajanja dogodka in premik težišča hidrograma krepko v desno po časovni osi. To potrjuje tudi robustnejša mera srednje vrednosti, mediana, ki za vzorec LAGQ v obdobju vegetacije (N = 23) znaša 210,0 min, za obdobje mirovanja pa 251,9 min. Povprečni dogodek v obdobju mirovanja je namreč trajal 1700 (±683) min, v obdobju vegetacije pa 997 (±946) min. Celotno obdobje 500 1:1 LAG N = 0,93∙LAG Q + 39,3 R² = 0,93 400 p-vrednost < 0,01 n]i 300 m[NG 200 LA Vegetacija 100 Mirovanje Linear (Celotno obdobje) 0 0 100 200 300 400 500 LAGQ [min] Slika 38: Linearna regresija med časom zakasnitve težišča diagrama iznosa NO3-N in težišča hidrograma za celotno obdobje meritev. Zeleni krogci prikazujejo dogodke v obdobju vegetacije, rumeni pa v obdobju mirovanja. Figure 38: Linear regression between time lags of centroid of NO3-N flux graph and hydrograph centroid for the entire period of measurements. Green dots represent events in the vegetation period, the yellow dots represent events in the dormancy. Nadalje vpliv daljših časovnih obdobij potrjuje tudi porazdelitev dogodkov glede na izračunani čas zakasnitve LAGQ. Medtem ko je v obdobju vegetacije porazdelitev približno normalna, ima porazdelitev v obdobju mirovanja še en izrazit vrh ravno pri ekstremnih dogodkih z LAGQ, daljšim od 400 min (slika 39, zgoraj). Porazdelitev dogodkov glede na izračunan LAGN pa je za obe obdobji zelo podobna (slika 39, spodaj). Ne glede na to pa se je z regresijskim modelom izkazalo, da fenološka faza v linearnem modelu ni statistično značilna spremenljivka, kar pomeni, da sta regresijski premici, če bi ju zrisali posebej za dogodke v obdobju vegetacije in posebej za dogodke iz obdobja mirovanja, podobni z vidika naklona regresijske premice in presečišča. 98 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Slika 39: Frekvenčni histogrami časov zakasnitve LAGQ (zgoraj) in LAGN (spodaj) glede na fenološko fazo Figure 39: Frequency histograms of time lags LAGQ (above) and LAGN (below) based on the phenology Na krajši čas zakasnitve v obdobju vegetacije oziroma v pomladansko-poletnem obdobju pa lahko vpliva tudi porazdelitev padavin. Šraj in sod. (2010) so preverjali obliko hietograma na modelirani hidrogram odtoka in ugotovili, da se čas do konice pretoka podaljšuje s trajanjem padavin, poleg tega Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 99 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. pa je ključni dejavnik, ki vpliva na čas pojava konice tudi, kdaj med padavinskim dogodkom se pojavi največja intenziteta padavin. Povprečna maksimalna enourna intenziteta ( I60) v obdobju vegetacije je znašala 12,6 (±9,3) mm/h, v obdobju mirovanja pa 7,3 (±3,1) mm/h (slika 40). V obdobju vegetacije je bila maksimalna enourna intenziteta padavin v povprečju dosežena na četrtini trajanja padavin, v obdobju mirovanja pa približno na polovici. Slika 40: Prikaz maksimalnih enournih intenzitet padavin z okvirjem z ročaji glede na obdobje vegetacije oziroma mirovanja. Zaradi boljše preglednosti vrednost I60 = 52,2 mm/h v obdobju vegetacije ni zrisana v merilu. Figure 40: Presentation of maximum one hour rainfall intensities with box-plot based on the time of vegetation or dormancy. For better representation purpuse, value I60 = 52.2 mm/h during vegetation period is not shown in scale. Na obliko hidrograma in posledično na čas zakasnitve namreč poleg oblike porečja, porazdelitve padavin, topografije in reliefa ter geologije vpliva tudi raba tal oziroma sezonska dinamika vegetacije. V raziskavi Bian in sod. (2020) so z uporabo hidrološkega modela, v katerega so vključili podatke LAI, pridobljene z daljinskim zaznavanjem, ugotovili, da je bil vpliv vegetacije na zmanjšanje odtoka predvsem v poletnih mesecih (zaradi povišane evapotranspiracije in večjega prestrezanja padavin) izrazit. Podobno smo tudi v primeru diagrama iznesenega nitratnega dušika s porečja (LAGN) ugotovili, da je povprečni čas zakasnitve (ob izločitvi ekstremne vrednosti) v obdobju rasti vegetacije in njene olistanosti krajši od tistega v obdobju mirovanja vegetacije. V obdobju vegetacije znaša povprečni čas zakasnitve 252 (±99,3) min, v obdobju mirovanja pa 299,5 (±110,8) min. 100 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 600 a) 500 n] 1:1 im[ 400 300 SM15 200 G LAG SM15 = 0,90∙LAG Q + 10,98 LA 100 R² = 0,71 p-vrednost < 0,01 0 0 100 200 300 400 500 600 LAG Q [min] 600 b) 1:1 500 n]im[ 400 300 SM40 200 G LAG SM40= 0,89∙LAG Q + 14,41 LA 100 R² = 0,73 p-vrednost < 0,01 0 0 100 200 300 400 500 600 LAG Q [min] 600 c) 1:1 500 n]im[ 400 300 SM70 200 G LAG SM70 = 0,88∙LAG Q + 15,71 LA R² = 0,75 100 p-vrednost < 0,01 0 0 100 200 300 400 500 600 LAG Q [min] Slika 41: Linearna regresija med časom zakasnitve težišča diagrama volumetrične vsebnosti vode v tleh za različne globine (a–c) in težišča hidrograma. Zeleni krogci prikazujejo dogodke v obdobju vegetacije, rumeni pa v obdobju mirovanja. Figure 41: Linear regression between the time lags of the centroid of the volumetric soil water content graph for different depths (a–c) and the hydrograph centroid. Green dots represent events in the vegetation period, the yellow dots represent events in the dormancy. Na enak način smo določili tudi čase zakasnitve volumetrične vsebnosti vode v tleh (težišče diagrama) in jih primerjali z LAGQ. Za vsak dogodek smo izračunali tri čase zakasnitve (LAGSM15, LAGSM40, LAGSM70), in sicer posebej za vsako globino, na kateri je nameščen senzor. Do težišča diagrama Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 101 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. volumetrične vsebnosti vode v tleh pride na vseh treh globinah skoraj hkrati, kar je razvidno tudi iz velike podobnosti diagramov odvisnosti LAGQ in LAGSM za različne globine (slika 41). Gledano celotno obdobje se je težišče hidrograma v povprečju zgodilo v 257(±111) min, težišča diagramov volumetrične vsebnosti vode v tleh gledano od zgoraj navzdol pa v 241(±118), 243(±116) oziroma 243(±113) min. Prav tako kot v primeru odvisnosti LAGQ in LAGN se je tudi v primeru linearne regresije med LAGQ in LAGSM na vseh treh globinah izkazalo, da spremenljivka fenološka faza v modelu ni statistično značilna. Na podlagi časov zakasnitve in njihove primerjave med obravnavanimi procesi smo dobili vpogled v njihovo časovno povezanost in dinamiko, vendar pa na podlagi časov zakasnitve ne moremo sklepati o jakosti in obsegu posameznih dogodkov, zato smo v nadaljevanju podrobneje in celovito analizirali posamezne padavinske dogodke. Časovno spreminjanje koncentracij NO3-N v odvisnosti od časovne spremembe pretoka pri dveh izbranih padavinskih dogodkih prikazuje slika 42. Dodatno smo v grafično predstavitev vključili še časovno spremembo električne prevodnosti, ki v splošnem pri najnižjih vrednostih prikazuje najvišji delež nove vode. Iz slike je lepo razvidna tvorba padavinskega odtoka. Vidimo, da sta se najnižji vrednosti električne prevodnosti (rdeči točki na diagramih) zgodili pred konico pretoka, kar kaže na hiter odtok po površini tal (kratek kontaktni čas s tlemi), in da se del odtoka tvori tudi skozi talne horizonte. Dodatno je iz diagramov razvidno, da do konice koncentracije pride še pozneje, na podlagi česar lahko sklepamo, da največjega deleža nitratnega dušika ne predstavlja površina tal, ampak plitvi talni horizonti. Slika 42: Časovne spremembe koncentracije nitratnega dušika v odvisnosti od pretoka z označenimi pripadajočimi vrednostmi električne prevodnosti med dvema padavinskima dogodkoma Figure 42: Temporal variability of nitrate nitrogen concentration and discharge with marked corresponding values of electrical conductivity during two rainfall events 102 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 5.2.2 Podrobnejša in celovita analiza dogodkov V nadaljevanju smo podrobneje in celovito analizirali razmere med padavinskimi dogodki, pri katerih smo v poglavju 4 Rezultati z vidika koncentracij NO3-N, količine iznesenega NO3-N, pretoka in vlažnosti tal ugotovili ekstremne razmere (npr. najvišji dosežen pretok, najvišja dosežena koncentracija, največja sprememba vsebnosti vode v tleh). Najdaljši čas zakasnitve pretoka (LAGQ) je bil dosežen pri dogodku, ki se je zgodil med 28. in 29. julijem 2019, ko je ob 1460 min dolgem padavinskem dogodku čas zakasnitve trajal 454 min. Predhodni dogodek se je zaključil le slabo uro pred začetkom tega dogodka, zato je tako pri pretoku kot pri koncentraciji NO3-N na začetku opazno upadanje obeh količin (slika 43, b). Absolutna konica pretoka se je zgodila slabih osem ur po konici koncentracije nitratnega dušika. Slika 43: Padavine (a), pretok, koncentracija NO3-N (b), vsebnost vode v tleh in električna prevodnost (c) med padavinskim dogodkom 28.–29. julij 2019 Figure 43: Precipitation (a), discharge, NO3-N concentration (b), volumetric soil water content, and electrical conductivity (c) during the rainfall event on 28–29 July 2019 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 103 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Iz oblike hidrograma lahko opazimo, da bi pri obravnavanem dogodku zaradi hitrega odziva porečja na padavine lahko govorili o sestavljenem dogodku z več konicami. Prva večja konica se je namreč zgodila tik pred konico koncentracije NO3-N (slika 43, a in b). Diagrama električne prevodnosti in koncentracije NO3-N na drugi strani ne izkazujeta vidnejših odzivov na padavine po 300 min od začetka dogodka (slika 43, b in c). To je najverjetneje posledica dotoka vode skozi talne horizonte, kjer se z raztapljanjem snovi povečuje vsebnost ionskih delcev, posledično pa se zvišuje tudi električna prevodnost. Na to kaže tudi diagram volumetrične vsebnosti vode v tleh, ki okoli 850 min od začetka dogodka kaže predvsem v srednjem sloju na ponovno povečanje vsebnosti vode (slika 43, c). Po pedološki klasifikaciji talnega profila se v tem delu nahajajo tudi korenine, preko katerih drevesa v obdobju vegetacije povečano absorbirajo hranila (npr. Li in sod., 2016), kar je lahko vzrok, da se koncentracija NO3-N kljub dodatnemu transportnemu mediju ni več povečevala. Med dogodkom je skupaj padlo 35,7 mm padavin, maksimalna enourna intenziteta padavin pa je znašala 11,1 mm/h. Slika 44: Padavine (a), pretok, koncentracije NO3-N (b) in električne prevodnosti (c) med padavinskim dogodkom 30.–31. avgust 2018. Figure 44: Precipitation (a), discharge, NO3-N concentration (b), and electrical conductivity during the rainfall event 30–31 August 2018 104 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Najkrajši čas zakasnitve LAGQ (35,2 min) smo izračunali pri dogodku 30. avgusta 2018 (slika 44). V 740 min dogodka je padlo 21,8 mm padavin, od česar je 20 mm padlo v prvi uri dogodka. Konica pretoka se je pojavila 100 min po začetku padavinskega dogodka oziroma v dobri uri od centroida hietografa. Težišče hidrograma je pomaknjeno še nekoliko bolj v levo na časovni osi, saj so se pretočne razmere kmalu po koncu padavin povrnile na raven pred dogodkom (slika 44, modra črta). Podoben odziv smo opazili tudi pri koncentraciji nitratnega dušika, ki je najvišjo vrednost dosegla v istem času kot pretok (slika 44, b, zelena črta). Informacijo o oblikovanju površinskega odtoka dopolnjuje diagram časovne spremenljivosti električne prevodnosti. Ta je minimum 135 μS/cm (najvišji delež nove vode v vodotoku) dosegla pred konico pretoka in koncentracije (60 min po začetku dogodka). V tem času se je koncentracija nitratnega dušika že nekoliko povečala, vendar se je do konice še podvojila. Pri tem velja poudariti, da je v času od minimuma električne prevodnosti do konice pretoka in koncentracije NO3-N padla zanemarljiva količina padavin (0,8 mm), kar nakazuje, da povišane koncentracije NO3-N niso posledica spiranja NO3-N skladno s časovno dinamiko stekanja nove vode (pretežno površinskega odtoka v strugo vodotoka, ampak spiranja skozi talne horizonte. Relativno velika sprememba električne prevodnosti po padavinah nakazuje na hiter in pretežen površinski odtok, pri katerem se voda ne navzame velikih količin snovi, ki bi bile vir ionov. Na podlagi tega lahko sklepamo, da je vir nitratnega dušika, ki je prispeval k povišanju koncentracij, predvsem talni horizonti. Glede na vrednosti C : N lahko sklepamo, da je najintenzivnejše spiranje NO3-N potekalo iz talnih horizontov H3 in H4, saj je vrednost razmerja v teh slojih najnižja. Dogodek z največjo izmerjeno spremembo vsebnosti vode v tleh v najplitvejšem sloju (0,057 m3/m3) se je zgodil 14. aprila 2020, kar nakazuje na izrazit površinski oziroma plitev podpovršinski tok. Ne glede na to pa podrobnejša in celovita analiza padavinskega dogodka pokaže, da je bila na začetku dogodka volumetrična vsebnost vode v tleh v globini 15 cm samo 0,253 m3/m3 (slika 45, c), kar je blizu najnižje izmerjene vrednosti (preglednica 8). Med padavinskim dogodkom, ki je trajal 760 min, je padlo 11,4 mm dežja s srednjo intenziteto 1,7 mm/h. Vsebnost vode v tleh na koncu dogodka je dosegla vrednost 0,306 m3/m3, kar je še vedno precej manj od dvoletnega povprečja. Sprememba pretoka med dogodkom je bila manjša od 1 l/s, prav tako sprememba koncentracije NO3-N (slika 45, b), kar kaže na to, da je do vodotoka prispel zgolj manjši delež padavin. V srednjem in najglobljem sloju nismo zaznali sprememb volumetrične vsebnosti vode v tleh (slika 45, c). Razlog za takšen odziv porečja lahko pripišemo kombinaciji nizke predhodne oziroma začetne vsebnosti vode v tleh, zaradi česar so tla zadržala večjo količino vode iz padavin, in večji potrošnji vode, razpoložljive v tleh, za rast in razvoj vegetacije, kar dokazuje tudi relativno visoka tridnevna predhodna evapotranspiracija, ki je v rangu višine padlega dežja (11,1 mm). Podobne odzive sprememb vsebnosti vode v tleh v suhih obdobjih so opazili tudi Noguchi in sod. (1997), kjer podobno kot v našem primeru v globljih slojih niso zaznali sprememb volumetrične vsebnosti vode. To ugotovitev dopolnjuje tudi diagram časovne spremenljivosti Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 105 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. električne prevodnosti (slika 45, c, rjava črta), ki kaže na majhno spremembo med dogodkom. Ta pa je značilna predvsem za začetni del dogodka. V drugem delu dogodka z večjim deležem padavin ni prišlo do spremembe električne prevodnosti. Slika 45: Padavine (a), pretok, koncentracije NO3-N (b) in volumetrično vsebnost vode v tleh (c) med padavinskim dogodkom 14. aprila 2020 Figure 45: Precipitation (a), discharge, NO3-N concentration (b), and volumetric soil water content (c) during the rainfall event on 14 April 2020 Med padavinskim dogodkom, ki se je zgodil med 2. in 3. septembrom 2019, smo opazili najvišjo spremembo koncentracije NO3-N, ki se je po padavinah z začetnih 0,75 mg/l povzpela do vrednosti 3,08 mg/l (slika 46, b). V 380 min je padlo 36,9 mm padavin s srednjo intenziteto ( Isr) 5,8 mm/h in z maksimalno enourno intenziteto ( I60) 13,8 mm/h. Koncentracije nitratnega dušika so po začetku padavin začele strmo naraščati in dosegle konico 220 min po začetku padavin. Konica pretoka (8,1 l/s) je bila dosežena pred konico koncentracije NO3-N, in sicer v 160 min. Največja relativna sprememba volumetrične vsebnosti vode v tleh je bila zaznana v srednjem sloju (globina 40 cm), kjer je bila sprememba 7 %, medtem ko se je v zgornjem in najglobljem sloju povečala zgolj za 2 oziroma 3 %. Iz grafičnega prikaza časovne spremembe pretoka in koncentracij nitratnega dušika je razvidno, da je bila konica pretoka dosežena eno uro pred najvišjo izmerjeno koncentracijo. Podobno smo ugotovili tudi na 106 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. podlagi primerjave izračunanih težišč diagramov; težišče hidrograma se je zgodilo približno 20 min prej. Na podlagi celovitega pregleda časovnega razvoja vseh procesov lahko sklepamo, da so vir nitratnega dušika predstavljala tla v vseh globinah. V času dogodka smo imeli tehnične težave s tipalom za električno prevodnost, zaradi česar ne moremo podrobneje sklepati o tem, ali je večinski delež vode odtekel površinsko ali podpovršinsko. Slika 46: Padavine (a), pretok, koncentracije NO3-N (b) in volumetrično vsebnost vode v tleh (c) med padavinskim dogodkom 2. septembra 2019 Figure 46: Precipitation (a), discharge, NO3-N concentration (b), and volumetric soil water content (c) during the rainfall event on 2 September 2019 22. decembra 2019 smo izmerili najvišjo koncentracijo NO3-N v vodotoku, ki je znašala 3,47 mg/l. Od prvih zabeleženih padavin do konca dogodka je preteklo 1100 min, v tem času pa je padlo 24,3 mm dežja. Vsebnost vode v vseh slojih tal je bila zaradi nizke evapotranspiracije in večje količine padavin, ki so padle en dan prej, nadpovprečna. Posledično so bile spremembe vsebnosti vode v tleh med Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 107 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. padavinskim dogodkom nizke, njihova sprememba pa je naraščala z globino tal, vendar je bila ta tudi v najglobljem sloju zanemarljivo majhna (slika 47, c). Iz časovnih diagramov pretoka in koncentracije nitratnega dušika (slika 47, b) je razvidno, da naraščanje koncentracije nitratnega dušika po padavinah ni tako strmo kot naraščanje pretoka, kar je najverjetneje posledica predhodnega dogodka, ki se je končal slabi dve uri pred začetkom novega in v katerem se je večja količina nitratnega dušika že sprala s porečja. Zaradi kratkega časovnega razmika med dogodkoma pa so bile koncentracije na začetku dogodka že relativno visoke (2,69 mg/l). Na vpliv predhodnega dogodka kaže tudi diagram električne prevodnosti, ki je bila že na začetku dogodka nizka (250 μS/cm), med dogodkom pa se je le še malo znižala (slika 47, c, rjava črta). Slika 47: Padavine (a), pretok, koncentracije NO3-N (b), volumetrične vsebnosti vode v tleh in električne prevodnosti (c) med padavinskim dogodkom 22.–23. decembrom 2019 Figure 47: Precipitation (a), discharge, NO3-N concentration (b), volumetric soil water content, and electrical conductivity (c) during the rainfall event between 22−23 December 2019 V nadaljevanju smo podrobneje analizirali še dogodka z najvišjo izmerjeno srednjo in maksimalno enourno intenziteto padavin. Prvi se je zgodil 8. julija 2018 (slika 48), ko je v 20 minutah padlo 11,4 mm padavin, drugi pa 2. avgusta 2019, ko so padavine trajale 200 min, padlo pa je 60,3 mm dežja (slika 49). Srednja intenziteta julijskega dogodka je znašala 34,2 mm/h, maksimalna enourna intenziteta 108 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. avgustovskega dogodka pa 52,2 mm/h. Pri obeh dogodkih je dobro razviden hiter odziv, ki se odraža v strmem naraščajočem delu hidrograma kmalu po začetku visokointenzivnega dogodka. Konica pretoka pri dogodku julija 2018 (15,2 l/s) je bila dosežena v 60 min od začetka dogodka (slika 48, b, modra črta), konica pretoka pri dogodku avgusta 2019 (60,3 l/s) pa v 100 min od začetka dogodka (slika 49, b, modra črta). Graf koncentracije nitratnega dušika je konico dosegel nekoliko za konico pretoka in ni upadal tako hitro kot hidrogram, kar nakazuje na oddaljene vire nitratnega dušika. V primeru dogodka z 8. julija 2018 je bila koncentracija nitratnega dušika ob koncu padavinskega dogodka še vedno v velikostnem razredu maksimalne izmerjene koncentracije, najvišja koncentracija (0,98 mg/l) pa je bila izmerjena 20 min po konici pretoka (slika 48, b, zelena črta). Diagram električne prevodnosti (slika 48) dopolnjuje interpretacijo razvoja dogodka z informacijo, da je večina padavinske vode odtekla zelo hitro, pri čemer zaradi velike spremembe prevodnosti lahko sklepamo, da je večji delež odtekel brez daljšega stika s tlemi, pri čemer bi prišlo do intenzivnejšega raztapljanja snovi v vodi in posledično višjih vrednosti elektroprevodnosti. Slika 48: Padavine (a), pretok, koncentracije NO3-N (b) in električna prevodnost (c) med padavinskim dogodkom 8. julija 2018 Figure 48: Precipitation (a), discharge, NO3-N concentration (b), and electrical conductivity (c) during the rainfall event on 8 July 2018 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 109 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. V primeru dogodka z 2. avgusta 2019 smo izmerili najvišjo koncentracijo nitratnega dušika (2,11 mg/l) 80 min za konico pretoka, upadanje koncentracije pa je bilo v primerjavi s padajočim delom hidrograma tudi pri tem dogodku relativno počasno (slika 49, b). Pri slednjem dogodku smo spremljali tudi spreminjaje volumetrične vsebnosti vode v tleh (slika 49, c). Ugotovili smo, da je najmanjša sprememba volumetrične vsebnosti vode v tleh kljub podpovprečni začetni vsebnosti vode bila v najplitvejšem sloju, kjer se je vsebnost vode povečala za slabe 3 %. Povečanje volumetrične vsebnosti vode v tleh je bilo večje v slojih na globinah 40 in 70 cm, kjer se je vsebnost vode spremenila za 7 oziroma 5,5 %. Časovni potek sprememb vsebnosti vode v tleh dodatno razkriva, da je vsebnost vode v vseh treh globinah tal začela naraščati, ko je hidrogram že upadal (približno 2 uri po začetku dogodka), kar kaže na to, da je pretežni del volumna vode med dogodkom odtekel po površini porečja. To potrjujejo tudi podatki o električni prevodnosti, ki kažejo, da je bil nižek (največji delež padavinske vode v vodotoku) skoraj hkrati s konico pretoka. Slika 49: Padavine (a), pretok, koncentracije NO3-N (b), volumetrične vsebnosti vode v tleh in električne prevodnosti (c) med padavinskim dogodkom 2. avgusta 2019 Figure 49: Precipitation (a), discharge, NO3-N concentration (b), volumetric soil water content, and electrical conductivity (c) during the rainfall event on 2 August 2019 110 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Najvišji izmerjeni pretok (80,6 l/s) je bil sicer izmerjen 27. maja 2019, vendar za ta dogodek zaradi tehničnih težav nimamo razpoložljivih podatkov o koncentraciji nitratnega dušika. Zato smo podrobneje analizirali dogodek, ki se je zgodil med 1. in 3. februarjem 2019, ko je konica pretoka znašala 75,9 l/s (slika 50, b). Dogodek je z 2900 min drugi najdaljši, za katerega smo imeli na voljo tako hidrometeorološke podatke kot podatke sprememb koncentracije nitratnega dušika. Med dogodkom je skupaj padlo 95 mm dežja s srednjo intenziteto 2,2 mm/h in maksimalno enourno intenziteto 8,4 mm/h. Koncentracije NO3-N so kmalu po začetku padavin začele naraščati. Na začetku dogodka je koncentracija znašala 0,69 mg/l, absolutni maksimum (0,98 mg/l) pa je bil dosežen po 2300 min. Pri tem velja dodati, da so se koncentracije večji del dogodka gibale okoli vrednosti 0,90 mg/l, zato podatek o konici v tem primeru ni najbolj relevanten. Pretok je relativno hitro narastel na več kot 10 l/s in postopoma naraščal vse do konice z nekaj vmesnimi izrazitimi naraščanji in upadanji pretoka. Tako kot pri hidrogramu smo tudi pri diagramu koncentracije zaznali nekaj skokov, vendar za manj kot 0,1 mg/l. Koncentracija je začela proti koncu dogodka hitreje upadati, začetek upadanja pa približno sovpada z upadanjem pretoka (slika 50, b). Slika 50: Padavine (a), pretok, koncentracije NO3-N (b) in električne prevodnosti (c) med padavinskim dogodkom 1. februarja 2019 Figure 50: Precipitation (a), discharge, NO3-N concentration (b), and electrical conductivity (c) during the rainfall event on 1 February 2019 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 111 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Dogodek med 28. in 30 oktobrom 2018 je bil najdaljši dogodek v vzorcu 43 dogodkov in je trajal 3400 min, skupna količina padavin pa je znašala 88,2 mm. Hidrogram ima dve izraziti konici, prva (13,6 l/s) je bila dosežena 28. oktobra ob 17:00, druga, višja (23,35 l/s) pa naslednji dan ob 21:40 (slika 51). Pri diagramu koncentracije nitratnega dušika je magnituda dogodkov ravno obratna, v obdobju prve konice hidrograma je koncentracija narasla precej bolj (najvišja koncentracija 2,69 mg/l) kot v času višjih pretokov (najvišja koncentracija 2,14 mg/l). Pri tem velja dodati, da sta se konici koncentracije zgodili za konicama pretoka, in sicer je prva konica bila poznejša za en časovni korak, druga konica pa za dva časovna koraka. Sklepamo lahko, da je pri drugi konici prišlo do velikega razredčenja zaradi dodatnih padavin. To potrjujeta tudi diagrama električne prevodnosti (slika 51, c), na podlagi katere lahko sklepamo, da je bil delež nove vode v vodotoku v času druge konice hidrograma najvišji, in diagram časovne dinamike iznosa nitratnega dušika s porečja (slika 52), ki kaže na višji iznos nitratnega dušika med drugo konico, ne glede na nižje koncentracije. Skupna količina iznesenega nitratnega dušika med padavinskim dogodkom znaša 2587 g, kar predstavlja več kot 2 % povprečnega letnega iznosa. Slika 51: Razmere padavin (a), koncentracij NO3-N, pretoka (b), električne prevodnosti (c) in iznosa nitratnega dušika (d) med padavinskim dogodkom med 28. in 30. oktobrom 2018 Figure 51: Precipitation (a), NO3-N concentration conditions, discharge (b), electrical conductivity conditions (c), and nitrate nitrogen export (d) during the rainfall event between 28 and 30 October 2018 112 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 60 28. 10. 2018 02:00−30. 10. 2018 10:20 50 ]g[ 40 N- 3O30 N nos 20 zI 10 0 0 500 1000 1500 2000 2500 3000 Čas od začetka dogodka [min] Slika 52: Količine iznesenega nitratnega dušika med padavinskim dogodkom 28.–30. oktobrom 2018 Figure 52: Amounts of exported nitrate nitrogen during the rainfall event of 28–30 October 2018 5.2.3 Razprava S hkratnimi meritvami različnih procesov na porečju vodotoka Kuzlovec, ki imajo medsebojni vpliv, smo pokazali, da so tovrstne meritve ključnega pomena za interpretacijo izredno kompleksnih in raznolikih procesov. Kompleksnost in raznolikost smo pokazali z določitvijo režimov iznosa nitratnega dušika, ki sicer v večjem deležu kažejo na spiranje, analizo PCA in ne nazadnje z individualno obravnavo dogodkov. Ne glede na to pa nam je z uporabo metode časov zakasnitve na podatkih z majhnim časovnim korakom merjenja uspelo priti do nekaterih pomembnih zaključkov, podanih v nadaljevanju. Časovno dinamiko iznosa nitratnega dušika smo okarakterizirali s težiščem diagrama iznosa, na podlagi česar smo dobili podatek, kdaj med dogodkom je prišlo do iznosa polovice celotne mase nitratnega dušika. Z izračunom časovne razlike med časom težišča diagrama iznosa NO3-N (LAGN) in težiščem hietografa smo posamezni dogodek opisali s pomembno lastnostjo procesa časovne porazdelitve iznosa NO3-N s porečja. S primerjavo LAGN z LAGQ smo nato ugotovili, da med obema karakterističnima vrednostma obstaja močna linearna povezava, ki kaže na veliko odvisnost količine iznesenega nitratnega dušika od hidroloških razmer, ne glede na sezonskost. Slednja pa se je izkazala za pomembno v primeru časovne povezanosti obeh časovnih zamikov. Ugotovili smo, da se v obeh obravnavanih fenoloških fazah težišče diagrama iznosa nitratnega dušika pojavi pozneje kot težišče hidrograma, je pa ta časovni zamik med težiščema diagramov večji v obdobju mirovanja. Učinki prestrezanja padavin vegetacije na hidrološki krog so predvsem zmanjšanje odtoka in koeficienta odtoka, znižanje in zakasnitev konic pretokov ter zakasnitev začetka podpovršinskega toka (npr. Keim in sod., 2006; Zabret in Šraj, 2015). Na porečju vodotoka Kuzlovec prevladuje listopadna vegetacija, tako da bi z vidika sezonskosti Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 113 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. pričakovali hitrejši odtok v obdobju mirovanja, ko je količina prestreženih količin nižja. Razlog za obratno ugotovitev pa lahko pripišemo višjim maksimalnim intenzitetam padavin v obdobju vegetacije, ki imajo očitno večji vpliv na hitrost oblikovanja odtoka, kot je učinek upočasnjevanja odtoka zaradi prestrezanja padavin. Pomembna lastnost, ki smo jo opazili pri časovni porazdelitvi padavin med obema obdobjema, je tudi ta, da se maksimalne intenzitete padavin pojavljajo precej proti začetku dogodkov (v povprečju na 25 % trajanja dogodka), medtem ko se maksimalne intenzitete v obdobju mirovanja pojavijo precej pozneje (v povprečju na 50 % trajanja dogodka, ki pa so v obdobju mirovanja tudi daljši). Lastnost vpliva pojava maksimalne intenzitete na čas konice pretoka so s pomočjo hidrološkega modela potrdili Šraj in sod. (2010), ki so ugotovili tudi bistveno počasnejši pojav konice pretoka z naraščanjem trajanja padavin. V drugih raziskavah, kjer so obravnavali časovno povezanost pretokov in iznosov hranil, je bil poudarek na času pojava konic hidrograma in diagrama koncentracij (npr. Van Herpe in Troch, 2000; Rusjan in sod., 2008). Ali se konica koncentracije nitrata pojavi pred konico pretoka, so Shrestha in sod. (2013) pripisali velikosti porečja, pri čemer naj bi za manjša porečja veljalo, da se zaradi bližine virov nitratnega dušika konica koncentracije pojavi pred konico hidrograma, medtem ko za srednje velika in velika porečja velja poznejši pojav konice koncentracije. Čas pojava konice koncentracije nitratnega dušika se je v času naših meritev spreminjal od dogodka do dogodka in niti ne odraža sezonskosti. Poleg tega smo samo pri nekaterih dogodkih opazili pojav konice koncentracije pred konico pretoka, kar kaže na to, da na časovno komponento pojava konice ne vpliva samo velikost porečja, ampak je pojav kompleksnejši. Uporaba izračuna težišč diagramov iznosov nitratnega dušika, s čimer upoštevamo tako hidrološko kot biogeokemično komponento iznosa nitratnega dušika, in hidrograma se je zato izkazala za ustreznejšo z vidika upoštevanja celotnega časovnega razvoja dogodka, česar samo z določitvijo časa nastopa konic ne moremo zajeti. Omenjeno metodo smo prvi uporabili na področju analize iznosov hranil, so pa prednosti metode ravno z vidika časovne porazdelitve pojava pri analizah hidrološko pogojenih procesov izpostavili že Banasik in sod. (2005) ter Hejduk in Banasik (2011), ki so metodo uporabili za analize iznosov sedimentov in prav tako ugotovili dobro linearno povezavo med obema časoma zakasnitve. Gozdna tla so pomemben vir nitratnega dušika, zato smo naknadno v eksperiment vključili meritve volumetrične vsebnosti vode v tleh, na podlagi katerih smo lahko spremljali časovno spremenljivost vode v tleh v treh globinah. Ne glede na pomen tal tako v hidrološkem kot biogeokemičnem krogu, uporabe meritev volumetrične vsebnosti vode v tleh z majhnim časovnim korakom pri študijah iznosov nitratnega dušika nismo zasledili. Številni avtorji so kot indikator stopnje iznosa nitratnega dušika uporabili C : N razmerje (npr. Curtis in sod., 2004). Pri tem velja, da so stopnje iznosov pri vrednostih razmerja C : N < 25 večje kot pri višjih vrednostih razmerja (Borken in Matzner, 2004). Za porečje vodotoka Kuzlovec izračunano razmerje znaša med 12,6 in 15,1 v sloju od 0 do 55 cm, v najnižjem 114 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. analiziranem sloju pa 24,5. V analizah smo zato upoštevali predpostavko, da razmerje C:N ni limitirajoči element spiranja nitratnega dušika. Z vključitvijo informacij o časovni spremenljivosti vode v tleh po padavinah smo lahko sklepali o poteh in virih vode v vodotoku in s tem nitratnega dušika. Časi zakasnitve LAGSM v treh globinah so pokazali, da so talni horizonti dobro povezani, saj pride do težišča diagrama sprememb v zelo kratkem časovnem razponu. Čeprav smo najmanjše absolutne spremembe volumetrične vsebnosti vode v tleh izmerili v najplitvejšem sloju, pa je za ta sloj značilna najvišja povprečna vsebnost vode v tleh. Podobne razmere so bile tudi v študiji Penna in sod. (2009), ki so razloge za tako situacijo pripisali izrazitemu vplivu rose. Časi zakasnitev težišč diagramov sprememb vsebnosti vode v tleh v treh globinah (LAGSM15, LAGSM40, LAGSM70) z močno pozitivno povezavo z LAGQ in LAGN odražajo, da se del padavinskega odtoka odvrši tudi skozi talne horizonte. Lahko sklepamo, da so gozdna tla glavni vir iznosov nitratnega dušika, hkrati pa lahko na podlagi visoke korelacije časov zakasnitve zaključimo, da je oblikovanje odtoka skozi talne horizonte eden glavnih kontrolnih mehanizmov spiranja NO3-N. Zaradi strmega terena na porečju vodotoka Kuzlovec je pričakovati, da večji del padavinske vode odteče kot površinski oziroma lateralni odtok, kar potrjujejo znatna znižanja električne prevodnosti med padavinskimi dogodki. Podoben pristop z uporabo podatkov o električni prevodnosti so uporabili tudi Pellerin in sod. (2007). Najplitvejši sloji skupaj s slojem odpadne organske snovi na površini tal veljajo za območja z največjo produkcijo NO3-N (npr. Osaka in sod., 2010), zato smo večja ali manjša zvišanja koncentracij NO3-N opazili praktično pri vseh obravnavanih padavinskih dogodkih, razen enem. Povprečno zvišanje med dogodki je znašalo 0,56 mg/l, le pri dogodku s 3. avgusta 2019, pri katerem so padavine trajale zgolj 40 min (10,2 mm) in je sledil dvema predhodnima izredno intenzivnima padavinskima dogodkoma, smo zasledili zanemarljivo majhno zmanjšanje koncentracije (< 0,1 mg/l). Zgoraj opisani časovni razvoj procesov in njihovo medsebojno povezanost med padavinskimi dogodki smo ponazorili s shemo porečja (slika 53, levo), na kateri so z modrimi puščicami označene poti stekanja padavinskega odtoka (velikost puščice prikazuje hitrost tvorbe odtoka), z rdečimi puščicami pa spiranje nitratnega dušika s porečja (velikost puščice prikazuje delež k celotnemu iznosu). Na desni strani sheme so prikazani časovni diagrami obravnavanih procesov, tj. padavin (P), pretoka (Q), električne prevodnosti (EC), koncentracije NO3-N v vodotoku in volumetrične vsebnosti vode v tleh v treh obravnavanih globinah (SM) (slika 53, desno). Iz sheme je razvidno, da hitrost tvorbe odtoka upada z globino tal, na kar nakazujeta časovni spremembi pretoka in električne prevodnosti. Koncentracija nitratnega dušika doseže konico pozneje kot hidrogram in električna prevodnost, s čimer lahko sklepamo, da se največji vir nitratnega dušika nahaja tik pod površino tal in nato z globino upada. Slednje je povezano s spremembami vsebnosti vode v tleh in oblikovanjem odtoka v talnih horizontih, ki se najhitreje oblikuje v najplitvejšem sloju in nato upada z globino. Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 115 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Slika 53: Shematski prikaz procesov tvorbe padavinskega odtoka (velikosti modrih puščic kažejo hitrost tvorbe) in spiranja nitratnega dušika s porečja (velikosti rdečih pušic kažejo delež nitratnega dušika k celotnemu iznosu). Na desni strani je shematski prikaz časovnih sprememb obravnavanih procesov: padavin (P), pretoka (Q), električne prevodnosti (EC), koncentracije NO3-N (C) in vsebnosti vode v tleh (SM). Figure 53: Schematic representation of runoff formation (size of blue arrows represents runoff formation rate) and nitrate nitroge flushing from the catchment (size of the red arrows shows the proportion of the total export) during rainfall events. The right side of the scheme shows the temporal changes of the processes under consideration precipitation (P), discharge (Q), electrical conductivity (EC), NO3-N concentration (C), and soil water content (SM). Ker je poti stekanja in vire nitratnega dušika nemogoče podrobno določiti samo na podlagi statistične analize merjenih hidroloških podatkov in kemizma vode, se za boljše razumevanje procesov in predvsem boljše ocene iznesenih snovi (sedimentov, hranil ipd.) v praksi pogosto uporabljajo modeli (Shi in sod., 2012). Ne glede na to pa je pred modeliranjem osnovno razumevanje hidroloških procesov na obravnavanem porečju izrednega pomena, saj lahko bistveno vpliva na kakovost modela, s katerim želimo opisati opazovani sistem (Beven, 2007). V nadaljevanju smo zato preverili uporabnost pridobljenih rezultatov v okviru doktorske disertacije v dveh pogosto uporabljenih modelih, tj. Soil Water Assessment Tool (SWAT) in Generalized Watershed Loading Function (GWLF). SWAT je konceptualni model, ki temelji na fizikalnih zakonitostih (npr. masne bilance) in najpogosteje deluje na dnevnih podatkih (ali večjem časovnem koraku) na nivoju porečja (Arnold in Fohrer, 2005), je pa danes že mogoče vključiti tudi nekatere podatke s krajšim časovnim korakom od dnevnega (Jeong in sod., 2010), vendar so taki primeri uporabe v primerjavi z daljšimi časovnimi koraki redki (npr. Mehdi in sod., 2021). Model SWAT se najpogosteje uporablja za modeliranje procesov na porečjih, katerih raba tal je pretežno kmetijska (dodatni vnos hranil), velikost porečij pa precej večja, kot je naše proučevano porečje (Donmez in sod., 2020). GWLF je v primerjavi s SWAT manj zahteven model, ki temelji na 116 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. procesih in prav tako kot SWAT deluje na podatkih z dnevnim časovnim korakom (Haith in sod., 1992). Tudi model GWLF se pogosto uporablja za modeliranje procesov na s hranili in onesnaževali obrmenejenih območjih. Volf in sod. (2018) so omenjeni model v kombinaciji z orodji strojnega učenja uporabili za proučevanje scenarijev, ki so obsegali čiščenje odpadnih voda in dejavnosti v kmetijstvu, na stanje morskih ekosistemov severnega Jadrana. Rezultati modela, tj. iznosi sedimentov in dušika, so bili izračunani na mesečni časovni skali. Podrobnejša opisa obeh omenjenih modelov in njuno medsebojno primerjavo z vidika uspešnosti lahko bralec najde v prispevku Qi in sod. (2017), v nadaljevanju pa je v obliki diskusije podana ocena uporabnosti modelov za v nalogi obravnavano porečje ter izmerjene in drugače pridobljene vhodne podatke. V osnovi je model SWAT namenjen spremljanju transporta sedimentov in v vodi raztopljenih snovi v daljših časovnih obdobjih z upoštevanjem časovnih korakov, enakih ali večjih kot en dan, kar z vidika časovne dinamike procesov onemogoča opis dogajanja na hudourniških porečjih, kakršno je porečje vodotoka Kuzlovec. Hidrološki modul znotraj modelnega orodja SWAT je relativno preprost, saj z metodami, na katerih temelji (npr. SCS Curve Number method, metoda infiltracije Green-Ampt, empirične enačbe za oceno časov koncentracije) težko opišemo poglavitne oziroma prevladujoče poti stekanja padavinskega odtoka. So pa rezultati in meritve, pridobljene v okviru raziskave, lahko uporabljeni za umerjanje nekaterih parametrov, ki se uporabljajo v prej omenjenih metodah. Na primer meritve volumetrične vsebnosti vode v tleh ter rezultate pedološke analize bi lahko uporabili za opredelitev dinamike gibanja vode skozi talne horizonte in za opis dinamike spreminjanja vlažnosti tal v posameznih globinah tal v daljših časovnih obdobjih (npr. mesečni časovni korak). Rezultati analiz dinamike stekanja vode skozi talne profile in o vsebnosti dušika v talnih horizontih bi koristili tudi za modeliranje transformacij različnih oblik dušikovih spojin v tleh. Yuan in sod. (2020) uvrščajo model GWLF med srednje kompleksne modele, ki upoštevajo poleg osnovnih procesov gibanja vode in sedimentov tudi empirične enačbe, s katerimi se izrazijo obremenitve s hranili, vendar pa ne temeljijo na zahtevnih fizikalnih procesih, ki zahtevajo velike količine podatkov. To predstavlja osnovno prednost tega modela pred drugimi, saj je za njegov zagon potrebna manjša količina vhodnih podatkov. Ne glede na to pa ima ta model podobne omejitve kot model SWAT glede časovne ločljivosti simulacij. Poleg tega pa omogoča modeliranje samo skupnega raztopljenega dušika in skupnega dušika, kar pomeni, da za uporabo modela potrebujemo dodatne informacije o vsebnosti ostalih dušikovih spojin. Te informacije bi v našem primeru lahko ocenili na podlagi pedoloških analiz talnih profilov. Za oba opisana modela torej velja, da so v okviru diseratcije pridobljeni podatki lahko v določeni meri in obliki uporabni. Se pa uporabnost modelov zmanjša oziroma ni smiselna v primeru, ko želimo simulirati procese, katerih časovna spremenljivost je zelo velika, tako kot se je to izkazalo s spiranjem nitratnega dušika s porečja vodotoka Kuzlovec, kjer se najzanimivejša dinamika z vidika iznesenih Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 117 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. količin zgodi na ravni padavinskega dogodka (nekaj ur) in je niti z dnevnim, še manj pa s tedenskim ali mesečnim časovnim korakom ne bi ujeli. Statistične analize, ki upoštevajo hkratni vpliv več različnih spremenljivk in na njih zgrajeni statistični modeli, so se v tem primeru izkazali kot bolj zanesljivo orodje. 118 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 6 SKLEPI Glede na rezultate analiz in njihovo razpravo (poglavji 4 in 5), lahko zastavljene hipoteze potrdimo. HIPOTEZA 1: Lastnosti padavinskih dogodkov imajo velik vpliv na časovno dinamiko sprememb koncentracij nitratnega dušika v vodotoku. Za vsak padavinski dogodek, pri katerem smo razpolagali tudi s podatki o spremembah koncentracije nitratnega dušika v vodotoku, smo izračunali količino padavin, trajanje padavin, srednjo intenziteto padavin, maksimalno enourno intenziteto padavin in kinetično energijo padavinskega dogodka. Vpliv posameznih lastnosti padavin na spremembe koncentracij in količino iznesenega NO3-N s porečja smo pokazali že s korelacijsko analizo (Pearsonov in Spearmanov koeficient korelacije, poglavje 4.4), kjer se je izkazalo, da so količina padavin, intenziteta padavin in kinetična energija padavin pozitivno povezane z iznosi NO3-N in absolutno spremembo koncentracije med padavinskim dogodkom. Vpliv teh spremenljivk na iznose NO3-N v vodotoku Kuzlovec smo potrdili tudi z metodo analize glavnih komponent (PCA), ki je pokazala, da omenjene spremenljivke (poleg najvišjega pretoka in največje spremembe pretoka) opredeljujejo prvo glavno komponento, ki smo jo v nadaljevanju opredelili kot komponento za jakost padavinskega dogodka. Ta glavna komponenta se je pri multipli linearni regresiji na prvih štirih glavnih komponentah izkazala kot statistično značilna in najbolj vplivna v primeru pojasnjevalnega statističnega modela za srednje in maksimalne iznose ter spremembo koncentracije NO3-N med padavinskim dogodkom. Modeli napovedi so podrobneje izkazali, da lahko pri intenzivnejših padavinskih dogodkih (z višjo intenziteto padavin, višjim maksimalnim pretokom, večjo količino padavin, večjo kinetično energijo padavin in večjo spremembo pretoka) pričakujemo višje tako srednje in maksimalne iznose NO3-N kot tudi spremembo koncentracije NO3-N. Neposredni vpliv lastnosti padavin na iznose in koncentracije smo preverili z MLR, kjer smo v model kot pojasnjevalne spremenljivke vključili I60, Kp in Tp. Pri pojasnjevanju variance v iznosih sta najvplivnejši spremenljivki količina padavin in trajanje, medtem ko ima na spremembo koncentracije večji vpliv najvišja intenziteta v primerjavi s trajanjem padavin. HIPOTEZA 2: Z meritvami časovne spremenljivosti kemizma vode lahko identificiramo poglavitne procese oblikovanja padavinskega odtoka. S pomočjo podatkov, ki smo jih pridobili z meritvami časovne spremenljivosti kemizma vode, natančneje koncentracij nitratnega dušika, smo uspešno identificirali najpoglavitnejše procese oblikovanja padavinskega odtoka. Uporabili smo metodo, ki za ta namen v svetovnem merilu še ni bila uporabljena. Izračunali smo čase zakasnitve težišč, tj. čas, ki je pretekel od težišča hietografa do težišča Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 119 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. časovnih diagramov pretoka (LAGQ), iznosa nitratnega dušika (LAGN) in volumetrične vsebnosti vode v tleh (LAGSM), ki smo jih nato medsebojno primerjali in na podlagi tega sklepali o njihovi časovni odvisnosti (poglavje 5.2.1). Med časoma zakasnitve LAGQ in LAGN smo ugotovili močno linearno povezavo s Pearsonovim koeficientom korelacije 0,96. Linearna zveza med omenjenima časoma zakasnitve je pokazala, da so procesi oblikovanja padavinskega odtoka hitrejši od procesov spiranja nitratnega dušika. S to povezavo sklepamo, da glavno območje vira nitratnega dušika na porečju ni v neposredni bližini rečne mreže. Z dodatno analizo časov zakasnitve volumetrične vsebnosti vode v tleh v globinah 15, 40 in 70 cm smo zaznali dobro medsebojno povezanost talnih horizontov, saj so bile razlike v časovnih spremembah volumetrične vsebnosti vode v talnih horizontih zelo majhne. Glede na močne povezave časa pojava težišča volumetrične vsebnosti vode v tleh v vseh treh globinah z LAGQ in LAGN pa smo lahko padavinski odtok skozi talne horizonte opredelili kot prevladujoči kontrolni mehanizem spiranja nitratnega dušika s porečja. HIPOTEZA 3: Vpliv vegetacijskih razmer na koncentracije nitratnega dušika v vodotoku je pogojen s hidrometeorološkimi razmerami. V nalogi smo zaradi omejenega števila dogodkov na podlagi indeksa listne površine določili dve fenološki fazi oziroma sezoni, tj. vegetacije in mirovanja. Analiza koncentracij in iznosa nitratnega dušika s porečja med baznim odtokom je pokazala, da med obdobjema obstaja razlika med koncentracijami, z višjimi koncentracijami v obdobju mirovanja in nižjimi v obdobju vegetacije. Ker pa je bil poudarek disertacije na razmerah med padavinskimi dogodki, smo z metodama razvrščanja enot v gruče preverili podobnost oziroma različnost dogodkov glede na upoštevane hidrometeorološke in vegetacijske lastnosti. Izkazalo se je, da lahko dogodke iz vzorca razvrstimo v štiri skupine. V prvo, najmanjšo skupino spadata dva dogodka z visokimi vrednostmi iznosov in pretoka. V drugo skupino je uvrščenih sedem dogodkov, ki so jim skupne lastnosti višjih srednjih, maksimalnih in absolutnih sprememb koncentracij. V preostalih dveh skupinah lahko dogodke ločimo predvsem glede na sezonske lastnosti, tj. evapotranspiracija, LAI in trajanje padavin, pri čemer v eni skupini prevladujejo dogodki iz obdobja mirovanja, v drugi pa dogodki iz obdobja vegetacije. Dodatno smo z analizo časov zakasnitve ugotovili, da so za obdobje vegetacije značilnejši hitrejši pojavi težišč hidrograma in diagramov iznosa nitratnega dušika kot v obdobju mirovanja, kar pa smo pripisali predvsem lastnostim padavinskih dogodkov, natančneje intenziteti in trajanju padavin, ki so v obdobju vegetacije intenzivnejše in krajše. To je najverjetneje tudi razlog za skoraj popolno razvrstitev dogodkov v dve večji skupini (od štirih) glede na obdobje v letu, saj je pri upoštevanih hidrometeoroloških prisotna določena stopnja sezonskosti. V splošnem lahko zaključimo, da na koncentracije nitratnega dušika v vodotoku v času baznega odtoka prevladuje vpliv vegetacije oziroma sezonskih razmer, v obdobju padavinskih dogodkov pa je prevladujoč vpliv lastnosti padavinskih dogodkov in hidroloških razmer. 120 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 7 ZAKLJUČKI Na manj kot 1 km2 velikem gozdnatem porečju v občini Polhov Gradec smo med aprilom 2018 in aprilom 2020 izvajali hkratne meritve padavin, pretokov, vsebnosti vode v tleh in kemizma vodotoka Kuzlovec. Meritve smo izvajali s kratkim časovnim korakom 20 minut. V doktorski disertaciji smo se osredotočili na analizo vplivov hidrometeoroloških in sezonskih vplivov na spremembe koncentracij in iznose nitratnega dušika s porečja. Povprečne koncentracije med referenčnimi razmerami, ki smo jih opredelili kot razmere v času baznega odtoka, so bile v obdobju od olistanja do začetka odpadanja listov za 0,3 mg/l nižje od tistih v obdobju mirovanja, ki se začne z odpadanjem listov. Podobno so bili iznosi v obdobju vegetacije za približno 25 % nižji od iznosov v obdobju mirovanja. V podatkovnem nizu smo zabeležili 83 padavinskih dogodkov z višino padavin več kot 10 mm, vendar smo v analizo vključili 43 dogodkov, za katere smo razpolagali z vsemi za analizo potrebnimi podatki. Omenjeni dogodki so zelo raznoliki z vidika intenzitete padavin, njihove količine in trajanja, prav tako pa tudi z vidika predhodne namočenosti porečja in fenološke faze (poglavje 4). Skoraj 60 % obravnavanih padavinskih dogodkov smo glede na kazalnik naklona logaritmov koncentracije NO3-N in pretoka ter kazalnik razmerja med koeficientoma variacije koncentracij NO3-N in pretoka uvrstili v režim spiranja, pri 25 % je prišlo do razredčenja, pri preostalih dogodkih pa so bile razmere kemostatične. Vpliv hidrometeoroloških in vegetacijskih razmer na koncentracije NO3-N v vodotoku in količino iznesenega NO3-N s porečja smo analizirali z multivariatnimi statističnimi metodami, natančneje s hierarhičnim razvrščanjem in razvrščanjem z metodo voditeljev, analizo glavnih komponent ter modeli multiple linearne regresije (poglavje 5.1). Spremembe koncentracij med dogodkom smo opisali s štirimi kazalniki (srednja koncentracija, maksimalna koncentracija ter absolutna in relativna sprememba koncentracije), iznos NO3-N med dogodkom pa s srednjim in največjim iznosom. Z razvrščanjem dogodkov v gruče smo pokazali, da so karakteristike padavinskih dogodkov izrazito sezonske, zaradi česar je bilo 90 % dogodkov (od 34 dogodkov v dveh večjih gručah) ustrezno razvrščenih v obdobji vegetacije in mirovanja, kot smo ju opredelili glede na indeks listne površine, določen na podlagi satelitskih posnetkov (poglavje 4.4). Devet dogodkov je bilo razvrščenih v dve skupini (z dvema in sedmimi dogodki), saj so se po upoštevanih lastnostih bistveno razlikovali od ostalih dogodkov v vzorcu, natančneje je šlo v manjši skupini za izrazito velike iznose nitratnega dušika, v drugi skupini pa za dogodke z večjimi spremembami koncentracije kot tudi večjimi srednjimi in najvišjimi vrednostmi. Med hidrometeorološkimi razmerami, opisanimi z različnimi spremenljivkami tako lastnosti padavinskih dogodkov kot predhodnih in vmesnih hidroloških razmer na porečju, smo zaznali bistvene razlike med obema obravnavanima obdobjema vegetacije in mirovanja. Poleg tega so hidrometeorološke razmere na Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 121 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. obravnavanem območju zelo raznolike (poglavje 4). Z metodo PCA smo domneve na podlagi metod razvrščanja nadalje proučili, in sicer smo z linearnimi multiplimi regresijskimi modeli preverili, koliko variance iznosov oziroma koncentracije NO3-N lahko pojasnimo na podlagi nekaj glavnih komponent. Izkazalo se je, da je pojasnjevanje koncentracij na tak način zelo kompleksno, kar smo pripisali manjšemu vzorcu podatkov, ki pa je pokril zelo raznolike razmere. Na drugi strani smo z multiplimi linearnimi regresijskimi modeli pojasnili precejšen delež iznosov in absolutne spremembe koncentracije, ki so pokazali, da so najvplivnejše spremenljivke povezane z intenzivnostjo in jakostjo dogodka (konica in sprememba pretoka, intenziteta in količina padavin) ter predhodnimi razmerami (predhodna namočenost, predhodna evapotranspiracija). V multiplih linearnih modelih absolutne spremembe koncentracije med padavinskim dogodkom samo na podlagi spremenljivk, ki opisujejo padavine, sta se kot najvplivnejši izkazali količina in intenziteta padavin, medtem ko ima na iznose večji vpliv trajanje padavin v primerjavi z intenziteto. Analize obsežnega podatkovnega niza meritev so pokazale, da padavinski dogodki z 10 mm ali več padavin povzročijo določeno spremembo koncentracij NO3-N, v največji meri gre za povečanje koncentracij. Ne glede na to pri meritvah v času padavinskih dogodkov nismo zaznali značilnih sezonskih razlik v spremembah koncentracij nitratnega dušika v vodotoku Kuzlovec. Smo pa ugotovili, da obstajajo sezonske razlike med koncentracijami nitratnega dušika v času referenčnih razmer oziroma med baznim odtokom. Metode razvrščanja, PCA in MLR pa so prav tako pokazale, da sama fenološka faza, preko katere se odrazi aktivnost vegetacije na porečju, ne prispeva k višjim ali nižjim iznosom ter koncentracijam. Na podlagi tega lahko sklepamo, da je v času baznega odtoka prevladujoč vpliv vegetacije oziroma sezonskih razmer, v obdobju padavinskih dogodkov pa je vpliv vegetacije zabrisan, saj imajo na iznos nitratnega dušika večji vpliv lastnosti padavinskih dogodkov in hidrološke razmere na porečju. Analiza težišč hidrograma in diagrama iznosa nitratnega dušika ter volumetrične vsebnosti vode v tleh v treh globinah, ki smo ju z izračunom razlike do težišča hietografa opredelili kot časovni zamik, je pokazala, da med vrednostmi obstaja močna linearna povezava (poglavje 5.2.1). V povprečju se težišče iznosa NO3-N zgodi približno 30 min za težiščem hidrograma, ne glede na sezono ali karakteristike padavinskih dogodkov, kar kaže na to, da so procesi oblikovanja odtoka hitrejši od procesov spiranja nitratnega dušika in da so viri nitratnega dušika oddaljeni od neposredne bližine rečne mreže. Z razdelitvijo dogodkov na obdobje vegetacije in mirovanja smo ugotovili, da je razlika med časom pojava težišč v obdobju mirovanja še celo nekoliko daljša. Razlog lahko pripišemo višji intenziteti padavin v obdobju vegetacije in pojavu maksimalnih intenzitet na začetku dogodkov. Na podlagi dodatne analize časov zakasnitve volumetrične vsebnosti vode v tleh lahko sklepamo, da so gozdna tla glavni vir nitratnega dušika, medtem ko lahko oblikovanje odtoka skozi talne horizonte zaradi močne povezave 122 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. med pojavom težišč volumetrične vsebnosti vode v tleh in težišči hidrogramov in diagramov iznosa NO3-N opredelimo kot kontrolni mehanizem spiranja. Količine iznesenega nitratnega dušika v času padavinskih dogodkov so se izkazale kot pomemben člen v izračunih masnih bilanc, saj smo ugotovili, da se med padavinskimi dogodki spere približno 30 % celotne količine nitratnega dušika, dogodki pa zajamejo zgolj 10 % opazovanega obdobja. Z naraščanjem intenzitete padavin (večja količina padavin, krajše trajanje) pa lahko pričakujemo tudi večje spremembe koncentracij med dogodki in s tem višje maksimalne koncentracije, kakor tudi večje srednje in maksimalne iznose NO3-N. Trajanje padavin se je izkazalo kot eden najpomembnejših kazalnikov časa pojava težišča iznosa nitratnega dušika in hidrograma. S krajšimi in intenzivnejšimi dogodki bi tako lahko pričakovali še hitrejši odziv porečja, kar bi pomenilo večje volumne vode in količine spranega nitratnega dušika v krajšem času. Raziskave na naravnih porečjih, ki pokrivajo širok spekter podnebnih dejavnikov in hidrogeoloških lastnosti porečij, so zato ključnega pomena za oceno vplivov podnebnih sprememb in človekovih dejavnosti na vodni in dušikov krog. Pri tem bodo ključnega pomena predvsem tehnologije, ki omogočajo meritve s kratkim časovnim korakom in ustrezno točnostjo. Kot se je izkazalo v pričujoči nalogi, lahko na podlagi pogostih meritev kemizma vode bolje sklepamo o prevladujočih procesih padavinskega odtoka in transporta snovi ter izboljšamo njihovo konceptualno razumevanje. Za prihodnje študije ostaja veliko odprtih vprašanj, katerih izhodišča smo zastavili s to nalogo. Med drugim bi z izmerjenimi podatki o prestreženih padavinah lahko točneje ocenili odziv porečja na padavinske dogodke. Z meritvami na sosednjih porečjih, ki imajo različno rabo tal ali geološke lastnosti, bi pridobili pomembne informacije o izbranih vplivnih dejavnikih na spiranje nitratnega dušika. Predlagamo vzpostavitev več eksperimentalnih porečij, kjer bi se kontinuirano spremljali vplivni parametri na spiranje nitratnega dušika in tudi kemizem vode, s čimer bi zagotovili podporo za razvoj ustreznih modelskih orodij in njihovega testiranja ter tudi podporo upravljanju virov na porečju. Metoda časov zakasnitve ima velik potencial pri porečjih s povečanim vnosom dušika, kot so urbana in kmetijska območja, saj bi zaradi fizikalne uporabnosti metode na tak način dobili pomemben vpogled v masno bilanco dušika in vode ter ne nazadnje tudi morebitne glavne vire hranil in ostalih onesnaževal. Dodatno velja omeniti, da se pri študijah spiranja hranil s porečja kljub razpoložljivi merski opremi, ki zagotavlja meritve s kratkim časovnim korakom, v analizah še vedno premalo upošteva časovni razvoj procesov, zato bi bilo v prihodnje smiselno poudarek nameniti tudi analizam časovnih vrst. Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 123 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 8 POVZETEK Procesi kroženja enega najpomembnejših elementov, dušika, so neposredno odvisni od količine padavin in njihove časovne ter prostorske razporeditve, saj voda predstavlja glavni transportni medij in gonilno silo številnih ekosistemskih procesov. V nalogi smo se osredotočili predvsem na transport nitratnega dušika v času padavinskih dogodkov. Raziskavo smo zasnovali na naravnem, z gozdom pokritem porečju, saj je poznavanje razmer in vplivnih dejavnikov na območjih brez človekovih vplivov ključnega pomena za prihodnjo primerjavo in ocenjevanje učinkov bodisi podnebnih bodisi antropogenih vplivov na količine iznesenega dušika. Problematika in pomen naloge smo podrobneje opredelili v uvodnem poglavju, kjer smo zastavili tudi cilje in hipoteze raziskave. V poglavju o teoretičnih osnovah smo predstavili dejavnike, ki vplivajo na procese spiranja nitratnega dušika s porečja, s poudarkom na hidrološkem vidiku. Opisali smo kompleksen proces kroženja dušikovih spojin v gozdnih ekosistemih in poudarili pomen hkratnega spremljanja hidroloških razmer in koncentracij hranil predvsem pa meritev s krajšimi časovnimi intervali za boljše razumevanje procesov. Za potrebe doktorske disertacije smo na manjšem gozdnatem porečju v občini Polhov Gradec izvajali zvezne meritve koncentracij nitratnega dušika z 20-minutnim časovnim korakom, s poudarkom na opazovanju sprememb koncentracij med padavinskimi dogodki. Na porečju in v bližnji okolici smo za spremljanje količine padavin, njihovega trajanja in intenzitete uporabljali dežemere, pretoke pa smo določili na podlagi meritev gladine vode s tlačnim senzorjem. Poleg hidroloških in meteoroloških spremenljivk smo v raziskavo vključili tudi vpliv gozda, ki smo ga opisali s spreminjanjem indeksa listne površine med letom. Eksperimentalno porečje in uporabljena merska oprema ter metode, pogostost meritev in druge, z meritvami povezane informacije, smo podrobneje opisali v poglavju o metodah. V to poglavje smo vključili tudi predstavitev vseh metod za analizo podatkov. Najprej smo predstavili uveljavljene metode za določitev režimov iznosa nitratnega dušika s porečja. Sledili sta predstavitvi metode za določitev časov zakasnitve, ki na področju iznosa hranil s porečja še ni bila uporabljena, na podlagi katere smo pozneje sklepali o časovni povezanosti hidrometeoroloških procesov in procesov spiranja hranil in metoda določitve obdobij sezonske dinamike gozda. Nabor spremenljivk, pridobljen z lastnimi meritvami ali iz drugih virov, smo analizirali z multivariatnimi statističnimi metodami, katerih kratko razlago smo prav tako podali v poglavju o metodah. Teoretičnemu delu sledi praktični del naloge, kjer smo najprej zbrali in opisali rezultate meritev padavin, pretokov, volumetrične vsebnosti vode v tleh, koncentracij nitratnega dušika, sezonske dinamike gozda in drugih v nalogi uporabljenih podatkov. Določili smo režime spiranja nitratnega dušika in opredelili vegetacijske in hidrometeorološke spremenljivke, ki smo jih uporabili v nadaljevanju naloge. S 124 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. primerjavo razmer med padavinskimi dogodki in med baznim odtokom smo pokazali, da je povprečni iznos NO3-N med padavinskimi dogodki več kot trikrat višji, maksimalni iznosi pa tudi sedemkrat višji od iznosov med referenčnimi razmerami. Vplive hidrometeoroloških in vegetacijskih spremenljivk na koncentracije nitratnega dušika v vodotoku Kuzlovec smo preverjali z razvrščanjem enot v skupine, analizo glavnih komponent in statističnimi modeli multiple linearne regresije. S prvo smo pokazali prevladujoč vpliv jakosti dogodkov in predhodnih razmer na količine iznesenega NO3-N. Dodatno smo se osredotočili še na opredelitev vplivov na iznose nitratnega dušika samo na podlagi karakteristik padavin, saj je tako pri nas kot drugje po svetu večina porečij nemerjenih, za padavine pa je značilno, da so parametri lažje prenosljivi na druga, podobna porečja, kot hidrološki parametri. Na tak način bi lahko samo na podlagi podatkov o padavinah znali oceniti iznose nitratnega dušika z naravnih porečij. Izkazalo se je, da se tako maksimalni kot srednji iznosi povečujejo z intenziteto padavin (večja količina padavin in krajše trajanje), prav tako pa je ob večji intenziteti in količini padavin pričakovati večjo spremembo koncentracije NO3-N med padavinskim dogodkom. Različnost padavinskih dogodkov v obdobju vegetacije od tistih v obdobju mirovanja, ki smo jih opisali z najpomembnejšimi hidrometeorološkimi in vegetacijskimi dejavniki, smo potrdili tudi z metodama razvrščanja enot v gruče, ki sta pokazali, da med obravnavanimi dogodki obstajajo razlike glede na sezono. Ne glede na to pa v samih iznosih in spremembah koncentracij NO3-N nismo zaznali bistvenih razlik med sezonama, poleg tega pa so dogodki z najvišjimi iznosi in koncentracijami razvrščeni v posebne skupine nevezano na fenološko fazo. Na podlagi tega smo zaključili, da so sezonske spremembe posledica sezonske spremenljivosti predvsem hidrometeoroloških spremenljivk, kot je na primer večja intenziteta padavin v obdobju vegetacije v primerjavi z obdobjem mirovanja. Z analizami v okviru naloge smo pokazali, da so procesi spiranja nitratnega dušika z gozdnatega porečja, ki smo jih opisali s koncentracijami oziroma iznosom NO3-N, izredno kompleksni. Pri tem so bile ključnega pomena predvsem meritve s kratkim časovnim intervalom, s katerimi smo zajeli celotno dinamiko sprememb koncentracij NO3-N med dogodkom in so eden glavnih doprinosov področju, saj so tovrstne meritve ob vzporednem spremljanju različnih vplivnih dejavnikov kljub razpoložljivi merski opremi še vedno relativno redke. Pokazali smo, da so padavinski dogodki in njihove lastnosti, predvsem lastnosti padavin, kot sta količina in intenziteta, pomembni dejavniki, ki vplivajo na koncentracije in količine iznesenega dušika s porečja. Poleg tega smo pokazali, da obstajajo značilne razlike med dogodki v obdobju vegetacije in obdobju mirovanja, zato bi bilo v prihodnje smiselno v raziskavah temu delu nameniti več pozornosti. Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 125 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 9 SUMMARY With nitrogen being one of the most important elements, the processes in the nitrogen cycle are directly dependent on the amount of precipitation and its temporal and spatial distribution, as water is both the main transport medium and the driving force of many ecosystem services. In this dissertation we focused mainly on the transport of nitrate nitrogen during precipitation events. Our study area was established in a small, natural, forest-covered stream catchment, as knowledge of the conditions and influencing factors in areas without human influence is crucial for future comparison and assessment of the effects of either climate or anthropogenic impacts on nitrogen export. The research questions and importance of the study were defined in more detail in the introductory chapter, where we also set the research objectives and hypotheses In the chapter on theoretical bases, we presented the factors influencing the processes of nitrogen export from a river catchment, with a special emphasis on the hydrological aspect. We described the complex nitrogen cycle processes in forest ecosystems and underlined the importance of measurements with short time intervals for their better understanding. Under this doctoral dissertation, we were continuously measured concentrations of nitrate nitrogen in a small forested river catchment in the municipality of Polhov Gradec with a 20-min time step for two years. Special emphasis was placed to changes in concentration during the precipitation events. In the river catchment and in its immediate vicinity, rain gauges were used to monitor the amount of precipitation, its duration, and intensity. The discharge was obtained by measuring water level using a pressure sensor. In addition to hydrological and meteorological variables, we included in the study also the impact of the forest, by looking at the changing of the leaf area index during the year. The experimental river catchment, the measuring equipment and the methods used, frequency of measurements, and other information related to the research experiment were described in more detail in the chapter on methods. This chapter also includes a presentation of all methods for data analyses. Firstly, we presented the well-established methods for determining the export regimes of nitrate nitrogen from the river catchment. This was followed by a presentation of the method for determining lag times, which has not yet been used in relation to nutrient export from the river catchments. Based on the calculated lag times we were able to conclude on the temporal relationship of hydrometeorological and nitrate nitrogen export processes. The set of variables, obtained with our own measurements or from other sources, was analysed by multivariate statistical methods, a brief explanation of which was also given in the chapter on methods. The theoretical part of the dissertation is followed by the practical part, where we first collected and described the measurement results of precipitation, discharges, volumetric soil water content, NO3-N 126 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. concentrations, seasonal forest dynamics, and other data used in the research. We determined the nitrate nitrogen export regimes and defined the vegetation and hydrometeorological variables, used later in the continuation of the research. By comparing the conditions during rainfall events and during the baseflow, we showed that the average NO3-N amount during precipitation events is more than three times higher, while the maximum amounts are as much as seven times higher than the amounts during reference conditions. The influence of hydrometeorological and vegetation variables on the nitrate nitrogen concentration in the Kuzlovec stream were verified using clustering methods, the principal component analysis, and statistical models of multiple linear regression. With the first, we showed the predominant influence of the magnitude of events and antecedent conditions on the amounts of nitrate nitrogen exported from the river catchments. Additionally, we focused on the determining the influences on the nitrate nitrogen export based just on the precipitation characteristics, since both in Slovenia and globally, most river basins are unmeasured, while precipitation is characterized by the fact that the parameters are more easily transferable to other similar river basins in comparison with hydrological parameters. In this way, the amounts of nitrate nitrogen from natural river basins can be estimated on the basis of precipitation data only. We found that both maximum and mean export amounts increase with the rainfall intensity (higher rainfall amount and shorter duration of events). Furthermore, with higher intensity and rainfall amounts, higher absolute changes in NO3-N concentration during the events can be expected. The differences according to the phenological phase between precipitation events, which we described using the most relevant hydrometeorological and vegetation variables, were confirmed using two clustering methods. It was found that among the precipitation events differences by season exist. However, in the NO3-N export amounts and changes in concentrations, we did not find any significant differences. Moreover, the events with the highest export amounts and concentrations are classified into special groups regardless of the phenological phase. Hence, we concluded that sesonal differences and changes are a consequence of seasonal variability of especially hydrometeorological variables. For example, a higher rainfall intensity is expected in the vegetation phase compared than in the dormancy. With the analyses in the scope of this doctoral dissertation we showed that the processes of nitrate nitrogen flushing from the river catchment, which were described by the concentrations and amounts of the exported NO3-N, are extremely complex. The measurements with high frequency were of key importance in this research, since they covered the entire dynamics of changes in NO3-N concentrations during the precipitation events. Moreover, we believe that a dataset with such an extensive set of simultaneously measured variables, is one of the main contributions to the research field, as such measurements are still relatively rare, despite the measuring equipment available. We have shown that Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 127 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. precipitation events and their characteristics, especially the rainfall intensity, are an important factor influencing the amounts of nitrogen flushed and exported from a river catchment. In addition, we have shown that there are characteristic differences between events during the vegetation period and the dormancy periods. Therefore, we believe that more studies are needed to examine this research area in the future. 128 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. VIRI Agrarius, 2018. Opis pedoloških lastnosti tal na območju vodotoka Kuzlovec. Poročilo o pedoloških lastnostih tal. Bohinjska Bistrica, Agrarius, tla in okolje: 4 str. Aguilera, R., Melack, J. M. 2018. Concentration-Discharge Responses to Storm Events in Coastal California Watersheds. Water Resources Research 54: 407–424. https://doi.org/10.1002/2017WR021578 Arheimer, B., Andersson, L., Lepistö, A. 1996. Variation of nitrogen concentration in forest streams - Influences of flow, seasonality and catchment characteristics. Journal of Hydrology 179: 281–304. https://doi.org/10.1016/0022-1694(95)02831-5 Arnold, J. G., Fohrer, N. 2005. SWAT2000: current capabilties and research opportunities in applied watershed modelling. Hydrological Processes 19: 563–572. https://doi.org/10.1002/hyp.5611 ARSO, 2020a. Arhiv opazovanih in merjenih meteoroloških podatkov po Sloveniji. http://www.meteo.si/met/sl/archive/ (Pridobljeno 8. julija 2020). ARSO, 2020b. Referenčna evapotranspiracija in padavine samodejnih postaj (dnevni podatki od leta 2017). https://meteo.arso.gov.si/met/sl/agromet/data/arhiv_etp/ (Pridobljeno 20. julija 2020). ARSO, 2020c. Arhivski podatki: kakovost voda. https://www.arso.gov.si/vode/podatki/ (Pridobljeno 20. julija 2020). ARSO, 2017a. Ocena podnebnih sprememb v Sloveniji do konca 21. stoletja. Ljubljana, Agencija Republike Slovenije za okolje: 156 str. ARSO, 2017b. Program monitoringa kemijskega in ekološkega stanja voda. Program za obdobje 2016 in 2021. Ljubljana, Agencija Republike Slovenije za okolje: 81 str. Aubert, A. H., Thrun, M. C., Breuer, L., Ultsch, A. 2016. Knowledge discovery from high-frequency stream nitrate concentrations: Hydrology and biology contributions. Scienctific Reports 6: 1–8. https://doi.org/10.1038/srep31536 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 129 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Baker, E. B., Showers, W. J. 2019. Hysteresis analysis of nitrate dynamics in the Neuse River, NC. Science of Total Environment 652: 889–899. https://doi.org/10.1016/j.scitotenv.2018.10.254 Banasik, K., Madeyski, M., Mitchell, J. K., Mori, K. 2005. An investigation of lag times for rainfall-runoff-sediment yield events in small river basins. Hydrological Sciences Journal 50: 857–866. https://doi.org/10.1623/hysj.2005.50.5.857 Bartley, R., Speirs, W. J., Ellis, T. W., Waters, D. K. 2012. A review of sediment and nutrient concentration data from Australia for use in catchment water quality models. Marine Pollution Bulletin 65: 101–116. https://doi.org/10.1016/j.marpolbul.2011.08.009 Bernal, S., Butturini, A., Sabater, F. 2002. Variability of DOC and nitrate responses to storms in a small Mediterranean forested catchment. Hydrology and Earth System Sciences. 6: 1031–1041. https://doi.org/10.5194/hess-6-1031-2002 Bernal, S., Hedin, L. O., Likens, G. E., Gerber, S., Buso, D. C. 2012. Complex response of the forest nitrogen cycle to climate change. Proceedings of the National Academy of Sciences of the United States of America 109, 9: 3406–3411. https://doi.org/10.1073/pnas.1121448109 Beven, K. 2007. Towards integrated environmental models of everywhere: uncertainty, data and modelling as a learning process. Hydrology and Earth System Sciences 11(1): 460–467. Bezak, N., Šraj, M., Rusjan, S., Kogoj, M., Vidmar, A., Sečnik, M., Brilly, M., Mikoš, M. 2013. Primerjava Dveh Sosednjih Eksperimentalnih Hudourniških Porečij: Kuzlovec in Mačkov Graben = Comparison Between Two Adjacent Experimental Torrential Watersheds: Kuzlovec and Mačkov Graben. Acta hydrotechnica 26, 45: 85–97. Bian, Z., Wang, L., Gu, Y., Pan, Y., Yao, Y., Zhao, J., Ji, X. 2020. Using integrated modelling to understand seasonal vegetation dynamics and its relationship to runoff generation. Hydrological Processes 34: 3222–3234. https://doi.org/10.1002/hyp.13787 Bieroza, M. Z., Heatwaite, A. L., Bechmann, M., Kyllmar, K., Jordan, P. 2018. the concentration-discharge slope as a tool for water quality management. Science of the Total Environment, 630: 738– 749. https://doi.org/10.1016/j.scitotenv.2018.02.256 Blaen, P. J., Khamis, K., Lloyd, C. Comer-Warner, S., Ciocca, F., Thomas, R. M., MacKenzie, A. R., Krause, S. 2017. High-frequency monitoring of catchment nutrient exports reveals highly variable storm 130 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. event responses and dynamic source zone activation. Journal of Geophysical Research: Biogeosciences 122: 2265–2281. https://doi.org/10.1002/2017JG003904 Blöschl, G. 2006. Rainfall‐Runoff Modeling of Ungauged Catchments. V: Anderson, M. G. (ur.) in McDonnell, J. J. (ur.). Encyclopedia of Hydrological Sciences. https://doi.org/10.1002/0470848944.hsa140 Bobbink, R., Ashmore, M., Braun, S., Flückiger, W., van den Wyngaert, I. J. J. 2003. Empirical critical loads for natural and semi-natural ecosystems: 2002 update. V: Achermann, B. (ur.), Bobbink, R. (ur.). Empirical Critical Loads of Nitrogen. Bern, Swiss Agency for Environment Forests and Landscape: 43– 169. Borken, W., Matzner, E. 2004. Nitrate teaching in forest soils: An analysis of long-term monitoring sites in Germany. Journal of Plant Nutrition and Soil Science 167: 277–283. https://doi.org/10.1002/jpln.200421354 Bostan, P. A., Akyürek, Z. 2007. Exploring the Mean Annual Precipitation and Temperature Values Over Turkey By Using Environmental Variables. V: Proceedings of the ISPRS Joint Workshop “Visualization and Exploration of Geospatial Data". Germany, Stuttgart, University of Applied Sciences: 1–6. Bréda, N. J. J. 2003. Ground-based measurements of leaf area index: A review of methods, instruments and current controversies. Journal of Experimental Botany 54: 2403–2417. https://doi.org/10.1093/jxb/erg263 Brilly, M., Šraj, M. 2005. Osnove hidrologije, univerzitetni učbenik. Ljubljana, Univerza v Ljubljani, Fakulteta za gradbeništvo in geodezijo: 309 str. Brooks, P. D., Campbell, D. H., Tonnessen, K. A., Heuer, K., 1999. Natural variability in N export from headwater catchments: Snow cover controls on ecosystem N retention. Hydrological Processes 13: 2191–2201. https://doi.org/10.1002/(sici)1099-1085(199910)13:14/15<2191::aid-hyp849>3.0.co;2-l Brown, L. C., Foster, G. R. 1986. Storm Erosivity Using Idealized Intensity Distributions. Transactions of the ASAE 30: 379–386. Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 131 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Burns, D. A., Kendall, C. 2002. Analysis of δ15N and δ18O to differentiate NO3- sources in runoff at two watersheds in the Catskill Mountains of New York. Water Resources Research 38: 91–912. https://doi.org/10.1029/2001wr000292 Butturini, A., Gallart, F., Latron, J., Vazquez, E., Sabater, F. 2006. Cross-site comparison of variability of DOC and nitrate c-q hysteresis during the autumn-winter period in three Mediterranean headwater streams: A synthetic approach. Biogeochemistry 77: 327–349. https://doi.org/10.1007/s10533-005- 0711-7 Caglar, M. U., Teufel, A. I., Wilke, C. O. 2018. Sicegar: R package for sigmoidal and double-sigmoidal curve fitting. PeerJ: 6:e4251. https://doi.org/10.7717/peerj.4251 Campbell, J. L., Rustad, L. E., Boyer, E. W., Christopher, S. F., Driscoll, C. T., Fernandez, I. J., Groffman, P. M., Houle, D., Kiekbusch, J., Magill, A. H., Mitchell, M. J., Ollinger, S. V. 2009. Consequences of climate change for biogeochemical cycling in forests of northeastern North America. Canadian Journal of Forest Research 39: 264–284. https://doi.org/10.1139/X08-104 Cano-Paoli, K., Chiogna, G., Bellin, A. 2019. Convenient use of electrical conductivity measurements to investigate hydrological processes in Alpine headwaters. Science of Total Environment 685: 37–49. https://doi.org/10.1016/j.scitotenv.2019.05.166 Clausen, J. C. 2003. Jordan cove Watershed Project. Final report. USA, Storrs, University of Connceticut: 113 str. Colton, J. A., Bower, K. M. 2002. Some Misconceptions About R2. International Society of Six Sigma Professionals, EXTRAOrdinary Sense 3, 2: 20–22. Compton, J. E., Church, M. R., Larned, S. T., Hogsett, W. E. 2003. Nitrogen Export from Forested Watersheds in the Oregon Coast Range: The Role of N2-fixing Red Alder. Ecosystems 6: 773–785. https://doi.org/10.1007/s10021-002-0207-4 Curtis, C. J., Emmett, B. A., Reynolds, B., Shilland, J. 2004. Nitrate leaching from moorland soils: Can soil C:N ratios Indicate N saturation? Water, Air and Soil Pollution: Focus 4: 359–369. https://doi.org/10.1023/B:WAFO.0000028365.23623.b0 Čotar, K., Pehani, P., Veljanovski, T. 2018. Leaf Area Index, MODIS MCD15A3, obdobje 2002-2016. Znanstvenoraziskovalni center Slovenske akademije znanosti in umetnosti. 132 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. De Neve, S., Hartmann, R., Hofman, G. 2003. Temperature effects on N mineralization: Changes in soil solution composition and determination of temperature coefficients by TDR. Eurasian. Journal of Soil Science 54: 49–62. https://doi.org/10.1046/j.1365-2389.2003.00521.x Dhillon, G. S., Inamdar, S. 2013. Extreme storms and changes in particulate and dissolved organic carbon in runoff: Entering uncharted waters? Geophysical Research Letters 40: 1322–1327. https://doi.org/10.1002/grl.50306 Direktiva 2000/60/ES Evropskega Parlamenta in Sveta z dne 23. oktobra 2000, ki določa okvir za delovanje Skupnosti na področju vodne politike (OL L št. 327/1 z dne 22.12.2000). https://eur- lex.europa.eu/legal-content/SL/TXT/PDF/?uri=CELEX:32000L0060&from=SL (Pridobljeno 1. junija 2018) Dise, N. B., Matzner, E., Forsius, M. 1998. Evaluation of organic horizon C:N ratio as an indicator of nitrate leaching in conifer forests across Europe. Environmental Pollution 102: 453–456. https://doi.org/10.1016/S0269-7491(98)80068-7 Donmez, C., Sari, O., Berberoglu, S., Cilek, A., Satir, O., Volk, M. 2020. Imrpoving the Applicability of the SWAT Model to Simulate Flow and Nitrate Dynamics in a Flat Data-Scarce Agricultural Region in the Mediterranean. Water 12: 3479. 20https:/doi.org/10.3390/w12123479 Duncan, J. M., Band, L. E., Groffman, P. M., Bernhardt, E. S. 2015. Mechanisms driving the seasonality of catchment scale nitrate export: Evidence for riparian ecohydrologic controls. Water Resources Research 51: 3982–3997. https://doi.org/10.1002/2015WR016937 EEA, 2017. Climate change, impacts and vulnerability in Europe 2016. An indicator based report. Denmark, Copenhagen, European Environment Agency: 419 str. Everit, B. S., Skrondal, A. The Cambridge Dictionary of Statistics. USA, New York, Cambridge University Press: 468 str. Exner-Kittridge, M., Strauss, P., Blöschl, G., Eder, A., Saracevic, E., Zessner, M. 2016. The seasonal dynamics of the stream sources and input flow paths of water and nitrogen of an Austrian headwater agricultural catchment. Science of Total Environment 542: 935–945. https://doi.org/10.1016/j.scitotenv.2015.10.151 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 133 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Feinson, L. S., Gibs, J., Imbrigiotta, T. E., Garrett, J. D. 2016. Effects of Land Use and Sample Location on Nitrate-Stream Flow Hysteresis Descriptors During Storm Events. Journal of American Water Resources Association 52, 1493–1508. https://doi.org/10.1111/1752-1688.12477 Ferrant, S., Laplanche, C., Durbe, G., Probst, A., Dugast, P., Durand, P., Sanchez-Perez, J. M., Probst, J. L. 2013. Continuous measurement of nitrate concentration in a highly event-responsive agricultural catchment in south-west of France: Is the gain of information useful? Hydrological Processes 27: 1751– 1763. https://doi.org/10.1002/hyp.9324 Flynn, R., Deakin, J. 2016. Technical Note: Electrical Conductivity – A useful tool for investigating catchment hydrology. https://www.catchments.ie/technical-note-electrical-conductivity-useful-tool- investigating-catchment-hydrology/ (Pridobljeno 25. septembra 2020). Fowler, D., Coyle, M., Skiba, U., Sutton, M. A., Cape, J. N., Reis, S., Sheppard, L. J., Jenkins, A., Grizzetti, B., Galloway, J. N., Vitousek, P., Leach, A., Bouwman, A. F., Butterbach-Bahl, K., Dentener, F., Stevenson, D., Amann, M., Voss, M. 2013. The global nitrogen cycle in the twentyfirst century. Philosophical Transactions of the Royal Society B Biological Sciences 368, 1621: 20130164. https://doi.org/10.1098/rstb.2013.0164 Fox, J., Weisberg, S. 2019. An R Companion to Applied Regression. SAGE Publications: 472 str. Friedman, S. P. 1998. A saturation degree-dependent composite spheres model for describing the effective dielectric constant of unsaturated porous media. Water Resources Research 34: 2949–2961. https://doi.org/10.1029/98WR01923 García-Ruiz, J. M., Regüés, D., Alvera, B., Lana-Renault, N., Serrano-Muela, P., Nadal-Romero, E., Navas, A., Latron, J., Martí-Bono, C., Arnáez, J. 2008. Flood generation and sediment transport in experimental catchments affected by land use changes in the central Pyrenees. Journal of Hydrology 356: 245–260. https://doi.org/10.1016/j.jhydrol.2008.04.013 Girondot, M. 2019. phenology: Tools to Manage a Parametric Function that Describes Phenology. R package version 7.3. https://CRAN.R-project.org/package=phenology Godsey, S. E., Kirchner, J. W., Clow, D. W. 2009. Concentration-discharge relationships reflect chemostatic characteristics of US catchments. Hydrological Processes 23: 1844–1864. https://doi.org/10.1002/hyp.7315 134 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. GOZDIS. 2018. Polhograjsko hribovje - podatki o gozdnih sestojih. Elektronsko sporočilo Mitje Ferlana (Gozdarski inštitut Slovenije) z dne 15. maja 2018. Osebna komunikacija. Gundersen, P., Callesen, I., De Vries, W. 1998a. Nitrate leaching in forest ecosystems is related to forest floor C/N ratios. Environmental Pollution 102: 403–407. https://doi.org/10.1016/S0269- 7491(98)80060-2 Gundersen, P., Emmett, B. A., Kjønaas, O. J., Koopmans, C. J., Tietema, A. 1998b. Impact of nitrogen deposition on nitrogen cycling in forests: A synthesis of NITREX data. Forest Ecology and Management 101: 37–55. https://doi.org/10.1016/S0378-1127(97)00124-2 Haith, D. A., Mandel, R., Wu, R. S. 1992. GWLF: Generalized Watershed Loading Functions, version 2.0. User's Manual. USA, New York, Cornell University: 62 str. Harrigan, S., Hannaford, J., Muchan, K., Marsh, T. J. 2018. Designation and trend analysis of the updated UK Benchmark Network of river flow stations: The UKBN2 dataset. Hydrological Research 49: 552–567. https://doi.org/10.2166/nh.2017.058 Hedin, L. O., Armesto, J. J., Johnson, A. H. 1995. Patterns of nutrient loss from unpolluted, old-growth temperate forests: Evaluation of biogeochemical theory. Ecology 76: 493–509. https://doi.org/10.2307/1941208 Hejduk, A., Banasik, K. 2011. Recorded lag times of snowmelt events in a small catchment. Annals of Warsaw University of Life Sciences - SGGW. Land Reclamation 43; 37–46. https://doi.org/10.2478/v10060-008-0091-5 Higashino, M., Stefan, H. G. 2014. Modeling the effect of rainfall intensity on soil-water nutrient exchange in flooded rice paddies and implications for nitrate fertilizer runoff to the Oita River in Japan. Water Resources Research 50: 8611–8624. https://doi.org/10.1002/2013WR014643 Holloway, J. A. M., Dahlgren, R. A. 2001. Seasonal and event-scale variations in solute chemistry for four Sierra Nevada catchments. Journal of Hydrology 250: 106–121. https://doi.org/10.1016/S0022- 1694(01)00424-3 Huebsch, M., Fenton, O., Horan, B., Hennessy, D., Richards, K. G., Jordan, P., Goldscheider, N., Butscher, C., Blum, P. 2014. Mobilisation or dilution? Nitrate response of karst springs to high rainfall Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 135 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. events. Hydrology and Earth System Sciences 18: 4423–4435. https://doi.org/10.5194/hess-18-4423- 2014 Huebsch, M., Grimmeisen, F., Zemann, M., Fenton, O., Richards, K. G., Jordan, P., Sawarieh, A., Blum, P., Goldscheider, N. 2015. Technical Note: Field experiences using UV/VIS sensors for high-resolution monitoring of nitrate in groundwater. Hydrology and Earth System Sciences 19: 1589–1598. https://doi.org/10.5194/hess-19-1589-2015 Inserillo, E. A., Green, M. B., Shanley, J. B., Boyer, J. N. 2017. Comparing catchment hydrologic response to a regional storm using specific conductivity sensors. Hydrological Processes 31: 1074–1085. https://doi.org/10.1002/hyp.11091 IPCC, 2014. Climate Change 2014 Part A: Global and Sectoral Aspects, Climate Change 2014: Impacts, Adaptation, and Vulnerability. Part A: Global and Sectoral Aspects. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Field, C. B. (ur.), Barros, V. R. (ur.), Dokken, D. J. (ur.), Mach, K. J. (ur.), Mastrandrea, T. E. (ur.), Bilir, T. E. (ur.), Chatterjee, M. (ur.), Ebi, K. L. (ur.), Estrada, R. C. (ur.), Genova, B. (ur.), Girma, E. S. (ur.), Kissel, A. N. (ur.), Levy, S. (ur.), MacCracken, P. R. (ur.), Mastrandrea, P. R. (ur.), White, L. L. (ur.). United Kingdom and New York, NY, USA, Cambridge, Cambridge University Press: 1132 str. James, G., Witten, D., Hastie, T., Tibshirani, R. 2017. An introduction to statistical learning with applications in R. Springer US: 440 str. James, G., Witten, D., Hastie, T., Tibshurani, R. 2017. An Introduction to Statistical Learning with Applications in R, 7th edition, Springer: 440 str. Jawitz, J. W., Mitchell, J. 2011. Temporal inequality in catchment discharge and solute export. Water Resources Research 47: 1–16. https://doi.org/10.1029/2010WR010197 Jeong, J., Kannan, N., Arnold, J., Glick, R., Gosseling, L., Srinivasan, R. 2010. Development and integration of sub-hourly rainfall-runoff modeling capability within a watershed model. Water Resources Management 24: 4505–4527. https://doi.org/10.1007/s11269-010-9670-4 Jesenko, J., Jesenko, M. 2007. Multivariatne statistične metode. Kranj, Moderna organizacija v okviru FOV Kranj: 346 str. Johnson, D.W. Turner, J. 2014. Nitrogen budgets of forest ecosystems: A review. Forest Ecology and Management 318: 370–379. https://doi.org/10.1016/j.foreco.2013.08.028 136 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Jolliffe, I. T. 2002. Principal Component Analysis. Springer Series in Statistics, Second Edition. New York, Springer Science & Business Media: 487 str. Jordan, P., Cassidy, R. 2011. Technical Note: Assessing a 24/7 solution for monitoring water quality loads in small river catchments. Hydrology and Earth System Sciences 15: 3093–3100. https://doi.org/10.5194/hess-15-3093-2011 Judd, K. E., Likens, G. E., Groffman, P. M. 2007. High nitrate retention during winter in soils of the Hubbard Brook Experimental Forest Ecosystems 10: 217–225. https://doi.org/10.1007/s10021-007- 9027-x Kassambara, A. 2018. Machine Learning Essentials: Practical Guide in R. CreateSpace Independent Publishing Platform: 210 str. Kassambara, A. 2017a. Multivariate Analysis I: Practical Guide to Cluster Analysis in R. Unsupervised Machine Learning. STHDA: 187 str. Kassambara, A. 2017b. Multivariate Analysis II: Practical Guide to Principal Component Methods in R. STHDA: 264 str. Kassambara, A., Mundt, F. 2020. factoextra: Extract and Visualize the Results of Multivariate Data Analyses. R package version 1.0.7. https://CRAN.R-project.org/package=factoextra Keim, R. F., Tromp-van Meerveld, H. J., McDonnell, J. J. 2006. A virtual experiment on the effects of evaporation and intensity smoothing by canopy interception on subsurface stormflow generation. Journal of Hydrology327: 352–364. https://doi.org/10.1016/j.jhydrol.2005.11.024 Kirchner, J. W., Feng, X., Neal, C., Robson, A. J. 2004. The fine structure of water-quality dynamics: The (high-frequency) wave of the future. Hydrological Processes 18: 1353–1359. https://doi.org/10.1002/hyp.5537 Kmetijski inštitut Slovenije. 2018. Poročilo o preskusu vzorcev iz talnih horizontov na lokaciji porečja Kuzlovec. Ljubljana, Kmetijski inštitut Slovenije: 4 str. Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 137 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Knapp, J. L., Freyberg, J. von, Studer, B., Kiewiet, L., Kirchner, J., 2020. Concentration-discharge relationships vary among hydrological events, reflecting differences in event characteristics. Hydrology and Earth System Sciences 24: 2561−2576. https://doi.org/10.5194/hess-2019-684 Kobold, M., Sušelj, K. 2004. Padavinske napovedi in njihova nezanesljivost v hidrološkem prognoziranju. V: Raziskave s področja geodezije in geofizike 2004: 61–75. Koch, E., Bruns, E., Chmielewski, F. M., Defila, C., Lipa, W., Annette, M. 2009. Guidelines for Plant Phenological Observations. World Climate Programme, World Climate Data and Monitoring Programme, WCDMP-No. 70: 13 str. Koenig, L. E., Shattuck, M. D., Snyder, L. E., Potter, J. D., McDowell, W. H. 2017. Deconstructing the Effects of Flow on DOC, Nitrate, and Major Ion Interactions Using a High-Frequency Aquatic Sensor Network. Water Resources Research 53: 10655–10673. https://doi.org/10.1002/2017WR020739 Košmelj, K. 2007. Metoda glavnih komponent: osnove in primer. Acta agriculturae Slovenica 89: 159– 172. Košmelj, K., Breskvar Žaucer, L. 2006. Metode za razvrščanje enot v skupine; osnove in primer = Methods for cluster analysis; introduction and a case study. Acta agriculturae Slovenica 87: 299−310. Kreutzer, K., Butterbach-Bahl, K., Rennenberg, H., Papen, H. 2009. The complete nitrogen cycle of an N-saturated spruce forest ecosystem. Plant Biology 11: 643–649. https://doi.org/10.1111/j.1438- 8677.2009.00236.x Kronvang, B., Bruhn, A. J. 1996. Choice of sampling strategy and estimation method for calculating nitrogen and phosphorus transport in small lowland streams. Hydrological Processes 10: 1483–1501. https://doi.org/10.1002/(SICI)1099-1085(199611)10:11<1483::AID-HYP386>3.0.CO;2-Y Langmuir, D., Jacobson, R. L. 1970. Specific-Ion Electrode Determination of Nitrate in Some Freshwaters and Sewage Effluents. Environmental Science and Technology 4: 834–838. https://doi.org/10.1021/es60045a004 Laudon, H., Slaymaker, O. 1997. Hydrograph separation using stable isotopes, silica and electrical conductivity: An alpine example. Journal of Hydrology 201: 82–101. https://doi.org/10.1016/S0022- 1694(97)00030-9 138 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Le, S., Josse, J., Husson, F. 2008. FactoMineR: An R Package for Multivariate Analysis. Journal of Statistical Software 25, 1: 1–18. http://dx.doi.org/10.18637/jss.v025.i01 Lennon, M. A., Whelton, H., Mullane, D. O., Ekstrand, J. 2004. Rolling Revision of the WHO Guidelines for Drinking-Water Quality. Nitrates and nitrites in drinking-water. World Health Organization: 133 str. Lewis, W. M., Melack, J. M., McDowell, W. H., McClain, M., Richey, J. E. 1999. Nitrogen yields from undisturbed watersheds in the Americas. Biogeochemistry 46: 149–162. https://doi.org/10.1007/BF01007577 Li, X., Rennenberg, H., Simon, J. 2016. Seasonal variation in N uptake strategies in the understorey of a beech-dominated N-limited forest ecosystem depends on N source and species. Tree Physiology 36, 589–600. https://doi.org/10.1093/treephys/tpv132 Likens, G. E. 2013. The Hubbard Brook Ecosystem Study: Celebrating 50 Years. Bulletin of the Ecological Society of America 94: 336–337. https://doi.org/10.1890/0012-9623-94.4.336 Likens, G. E., Bormann, F. H. 2013. Biogeochemistry in a Forested Ecosystem. Springer: 208 str. https://doi.org/10.1007/978-1-4614-7810-2 Lloyd, C. E M, Freer, J.E., Johnes, P.J., Coxon, G., Collins, A.L. 2016. Discharge and nutrient uncertainty: Implications for nutrient flux estimation in small streams. Hydrological Processes 30: 135– 152. https://doi.org/10.1002/hyp.10574 Löffler-Mang, M., Joss, J. 2000. An optical disdrometer for measuring size and velocity of hydrometeors. Journal of Atmospheric and Oceanic Technology 17: 130–139. https://doi.org/10.1175/1520-0426(2000)017<0130:AODFMS>2.0.CO;2 Lohse, K. A., Brooks, P. D., McIntosh, J. C., Meixner, T., Huxman, T. E. 2009. Interactions between biogeochemistry and hydrologic systems. Annual Review of Environment and Resources 34: 65–96. https://doi.org/10.1146/annurev.environ.33.031207.111141 Lovett, G. M., Weathers, K. C., Arthur, M. A. 2002. Control of nitrogen loss from forested watersheds by soil carbon:Nitrogen ratio and tree species composition. Ecosystems 5: 712–718. https://doi.org/10.1007/s10021-002-0153-1 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 139 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Machacova, K., Vainio, E., Urban, O., Pihlatie, M. 2019. Seasonal dynamics of stem N2O exchange follow the physiological activity of boreal trees. Nature Communications 10: 1–13. https://doi.org/10.1038/s41467-019-12976-y Maechler, M., Rousseeuw, P., Struyf, A., Hubert, M., Hornik, K. 2019. cluster: Cluster Analysis Basics and Extensions. R package version 2.1.0. Martin, C., Aquilina, L., Gascuel-Odoux, C., Molénat, J., Faucheux, M., Ruiz, L. 2004. Seasonal and interannual variations of nitrate and chloride in stream waters related to spatial and temporal patterns of groundwater concentrations in agricultural catchments. Hydrological Processes 18: 1237–1254. https://doi.org/10.1002/hyp.1395 Mathbout, S., Lopez-Bustins, J. A., Martin-Vide, J., Bech, J., Rodrigo, F. S. 2018. Spatial and temporal analysis of drought variability at several time scales in Syria during 1961–2012. Atmospheric Research 200: 153–168. https://doi.org/10.1016/j.atmosres.2017.09.016 Mehdi, B., Schürz, C., grath, B., Schulz, K. 2021. Storm event impacts on in-stream nitrate concentration and discharge dynamics: A comparison of high-resolution in-situ measured data with model simulations. Science of the Total Environment 755: 143406. https://doi.org/10.1016/j.scitotenv.2020.143406 Meybeck, M. 1982. Carbon, nitrogen and phosphorus transport by world rivers. American Journal of Science 282: 401–450. MKGP, 2018. Grafični podatki RABA za celo Slovenijo. Ministrstvo za kmetijstvo gozdarstvo in prehrano. https://rkg.gov.si/vstop/ (Pridobljeno 6. maja 2019). Moravcová, J., Pavlíček, T., Ondr, P., Koupilová, M., Kvítek, T. 2013. Comparison of parameters influencing the behavior of concentration of nitrates and phosphates during different extreme rainfall-runoff events in small watersheds. Hydrology and Earth System Sciences Discussions 10, 12105–12151. https://doi.org/10.5194/hessd-10-12105-2013 Musolff, A., Schmidt, C., Selle, B., Fleckenstein, J. H. 2015. Catchment controls on solute export. Advances in Water Resources 86: 133–146. https://doi.org/10.1016/j.advwatres.2015.09.026 140 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Myers, D. N. 2015. Foundations of Water Quality Monitoring and Assessment in the United States, in: Ahuja Energy, and Water, S.B.T.-F. (Ed.), Food, Energy, and Water. Elsevier, Boston, pp. 21–92. https://doi.org/10.1016/B978-0-12-800211-7.00002-8 Nadelhoffer, K. J., Aber, J. D., Melillo, J. M. 1984. Seasonal patterns of ammonium and nitrate uptake in nine temperate forest ecosystems. Plant and Soil 80: 321–335. Newman, B. D., Wilcox, B. P., Archer, S. R., Breshears, D. D., Dahm, C. N., Duffy, C. J., McDowell, N. G., Phillips, F. M., Scanlon, B. R., Vivoni, E. R. 2006. Ecohydrology of water-limited environments: A scientific vision. Water Resources Research 42: 1–15. https://doi.org/10.1029/2005WR004141 Niu, S., Classen, A. T., Dukes, J. S., Kardol, P., Liu, L., Luo, Y., Rustad, L., Sun, J., Tang, J., Templer, P. H., Thomas, R. Q., Tian, D., Vicca, S., Wang, Y. P., Xia, J., Zaehle, S. 2016. Global patterns and substrate-based mechanisms of the terrestrial nitrogen cycle. Ecology Letters 19: 697–709. https://doi.org/10.1111/ele.12591 Noguchi, S., Nik, A. R., Yusop, Z., Tani, M., Sammori, T. 1997. Rainfall-runoff responses and roles of soil moisture variations to the response in tropical rain forest, Bukit Tarek, Peninsular Malaysia. J. of Forestry Research 2: 125–132. https://doi.org/10.1007/BF02348209 Oberndorfer, E., Lundholm, J., Bass, B., Coffman, R. R., Doshi, H., Dunnett, N., Gaffin, S., Köhler, M., Liu, K. K. Y., Rowe, B. 2007. Green roofs as urban ecosystems: Ecological structures, functions, and services. Bioscience 57: 823–833. https://doi.org/10.1641/B571005 Ockerman, D. J., Livingston, C. W. 1999. Nitrogen concentrations and Ddeposition in rainfall at two sites in the coastal bend area, South Texas, 1996–98. U.S. Geol. Surv. Fact Sheet 146–99: 6 str. https://doi.org/10.3133/fs14699 Oeurng, C., Sauvage, S., Sánchez-Pérez, J. M. 2010. Temporal variability of nitrate transport through hydrological response during flood events within a large agricultural catchment in south-west France. Science of Total Environment 409: 140–149. https://doi.org/10.1016/j.scitotenv.2010.09.006 Ogris, N., Čotar, K., Kobler, A. 2016. Zaznava velikopovršinskih poškodb gozdnega drevja s pomočjo vegetacijskih indeksov na primeru žledoloma 2014. Novice iz varstva gozdov 9: 3–7. https://doi.org/http://dx.doi.org/10.20315/NVG.9.1 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 141 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Ogris, N., Kobler, A., Čotar, K., Pehani, P., Veljanovski, T. 2018. VegX–Vegetacijski indeksi v Sloveniji, spletna aplikacija in interaktivna karta. https://www.zdravgozd.si/projekti/vegx/ (Pridobljeno 15. maja 2020) Ohte, N. 2012. Implications of seasonal variation in nitrate export from forested ecosystems: A review from the hydrological perspective of ecosystem dynamics. Ecological Research 27: 657–665. https://doi.org/10.1007/s11284-012-0956-2 Orlowski, N., Kraft, P., Pferdmenges, J., Breuer, L. 2016. Exploring water cycle dynamics by sampling multiple stable water isotope pools in a developed landscape in Germany. Hydrology and Earth System Sciences 20: 3873–3894. https://doi.org/10.5194/hess-20-3873-2016 Osaka, K., Ohte, N., Koba, K., Yoshimizu, C., Katsuyama, M., tani, M., Tayasu, I., Nagata, T. Hydrological influences on spatiotemporal variations of d15N and d18O of nitrate in a forested headwater catchment in central Japan: Denitrification plays a critical role in groundwater. Journal of Geophysical Research 115: G02021. https://doi.org/10.1029/2009JG000977 Osnovna geološka karta 1:100.000. Geološki zavod Slovenije. https://ogk100.geo-zs.si/ (Pridobljeno 6. maja 2019) OTT, 2020. Hydrolab MS5 - Mulitparameter Mini Sonde. https://www.ott.com/products/water-quality- 2/hydrolab-ms5-mulitparameter-mini-sonde-57/ (Pridobljeno 15. maja 2019) Pan, Y., Hom, J., Birdsey, R., Mccullough, K. 2004. Impacts of rising nitrogen deposition on N exports from forests to surface waters in the Chesapeake Bay watershed. Environmental Management 33: 120– 131. https://doi.org/10.1007/s00267-003-9122-5 Pauling, A., Paeth, H. 2006. On the variability of return periods of European winter precipitation extremes over the last five centuries. Climate of the Past Discussions 2: 157–189. https://doi.org/10.5194/cpd-2-157-2006 Pedološka karta 1:250.000. Univerza v Ljubljani, Biotehniška fakulteta. http://soil.bf.uni- lj.si/index.php?page=projekti/pk250 (Pridobljeno 6. maja 2019) Pellerin, B. A., Bergamaschi, B. A., Downing, B. D., Saraceno, J. F., Garrett, J. D., Olsen, L. D. 2013. Optical techniques for the determination of nitrate in environmental waters: Guidelines for instrument 142 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. selection, operation, deployment, maintenance, quality assurance, and data reporting. U.S. Geological Survey Techniques and Methods, B. 5 1-D5: 37 str. https://doi.org/10.3133/tm1D5 Pellerin, B. A., Stauffer, B. A., Young, D. A., Sullivan, D. J., Bricker, S. B., Walbridge, M. R., Clyde, G. A., Shaw, D. M. 2016. Emerging Tools for Continuous Nutrient Monitoring Networks: Sensors Advancing Science and Water Resources Protection. Jorunal of the American Water Resources Association 52: 993–1008. https://doi.org/10.1111/1752-1688.12386 Pellerin, B. A., Wollheim, W. M., Feng, X., Vörösmarty, C. J. 2007. The application of electrical conductivity as a tracer for hydrograph separation in urban catchments. Hydrological Processes 22, 1810–1818. https://doi.org/10.1002/hyp.6786 Penna, D., Borga, M., Norbiato, D., Dalla Fontana, G. 2009. Hillslope scale soil moisture variability in a steep alpine terrain. Journal of Hydrology 364: 311–327. https://doi.org/10.1016/j.jhydrol.2008.11.009 Penna, D., van Meerveld, H. J., Oliviero, O., Zuecco, G., Assendelft, R. S., Dalla Fontana, G., Borga, M. 2015. Seasonal changes in runoff generation in a small forested mountain catchment. Hydrological Processes 29: 2027–2042. https://doi.org/10.1002/hyp.10347 Perakis, S. S., Hedin, L. O. 2002. Nitrogen loss from unpolluted South American forests mainly via dissolved organic compounds. Nature 415: 416–419. https://doi.org/10.1038/415416a Peterson, B. J., Wollheim, W. M., Mulholland, P. J., Webster, J. R., Meyer, J. L., Tank, J. L., Marti, E., Bowden, W. B., Valett, H. M., Hershey, A. E., McDowell, W. H., Dodds, W. K., Hamilton, S. K., Gregory, S., Morrall, D. D. 2001. Control of nitrogen export from watersheds by headwater streams. Science 292 (5514): 86–90. https://doi.org/10.1126/science.1056874 Piniewski, M., Marcinkowski, P., Koskiaho, J., Tattari, S. 2019. The effect of sampling frequency and strategy on water quality modelling driven by high-frequency monitoring data in a boreal catchment. Journal of Hydrology 579: 124186. https://doi.org/10.1016/j.jhydrol.2019.124186 Pionke, H. B., Gburek, W. J., Schnabel, R. R., Sharpley, A. N., Elwinger, G. F. 1999. Seasonal flow, nutrient concentrations and loading patterns in stream flow draining an agricultural hill-land watershed. Journal of Hydrology 220: 62–73. https://doi.org/10.1016/S0022-1694(99)00064-5 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 143 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Pravilnik o monitoringu stanja površinskih voda (Uradni list RS, št. 10/09, 81/11 in 73/16) Prowse, C. W. 1984. Some Thoughts on Lag and Hysteresis. Area 16: 17–23. Qi, Z., Kang, G., Chu, C., Qiu, Y., Xu, Z., Wang, Y. 2017. Comparison of SWAT and GWLF Model Simulation Performance in Humid South and Semi-Arid North of China. Water 9: 567. https://doi.org/10.3390/w9080567 Qiao, K., Zhu, W., Xie, Z., Li, P. 2019. Estimating the Seasonal Dynamics of the Leaf Area Index Using Piecewise LAI-VI Relationships Based on Phenophases. Remote Sensing 11: 689. https://doi.org/10.3390/rs11060689 R Core Team. 2018. R: A language and environment for statistical computing. Austria, Vienna, R Foundation for Statistical Computing. https://www.R-project.org/ Rennenberg, H., Dannenmann, M. 2015. Nitrogen nutrition of trees in temperate forests-the significance of nitrogen availability in the pedosphere and atmosphere. Forests 6: 2820–2835. https://doi.org/10.3390/f6082820 Rode, M., Wade, A. J., Cohen, M. J., Hensley, R. T., Bowes, M. J., Kirchner, J. W., Arhonditsis, G. B., Jordan, P., Kronvang, B., Halliday, S. J., Skeffington, R. A., Rozemeijer, J. C., Aubert, A. H., Rinke, K., Jomaa, S. 2016. Sensors in the Stream: The High-Frequency Wave of the Present. Environtal Science and Technology 50: 10297–10307. https://doi.org/10.1021/acs.est.6b02155 Rodríguez‐Blanco, M. L., Taboada‐Castro, M. M., Arias, R., Taboada‐Castro, M. T. 2018. Inter‐ and Intra‐Annual Variability of Nitrogen Concentrations in the Headwaters of the Mero River. V: Amanullah, K. (ur.), Fahad, S. (ur.). Nitrogen in Agriculture. Croatia, Rijeka, IntechOpen: 3−16. http://dx.doi.org/10.5772/intechopen.69996 Rose, L. A., Karwan, D. L., Godsey, S. E. 2018. Concentration–discharge relationships describe solute and sediment mobilization, reaction, and transport at event and longer timescales. Hydrological Processes 32: 2829–2844. https://doi.org/10.1002/hyp.13235 Rozemeijer, J. C., Van Der Velde, Y., Van Geer, F. C., Bierkens, M. F. P., Broers, H. P. 2010. Direct measurements of the tile drain and groundwater flow route contributions to surface water contamination: 144 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. From field-scale concentration patterns in groundwater to catchment-scale surface water quality. Environmental Pollution 158: 3571–3579. https://doi.org/10.1016/j.envpol.2010.08.014 Rusjan, S., Brilly, M., Mikoš, M. 2008. Flushing of nitrate from a forested watershed: An insight into hydrological nitrate mobilization mechanisms through seasonal high-frequency stream nitrate dynamics. Journal of Hydrology 354: 187–202. https://doi.org/10.1016/j.jhydrol.2008.03.009 Rusjan, S., Mikoš, M. 2008. Assessment of hydrological and seasonal controls over the nitrate flushing from a forested watershed using a data mining technique. Hydrology and Earth System Sciences 12: 645–656. https://doi.org/10.5194/hess-12-645-2008 Rusjan, S., Vidmar, A. 2017. The role of seasonal and hydrological conditions in regulating dissolved inorganic nitrogen budgets in a forested catchment in SW Slovenia. Science of the Total Environment 575: 1109–1118. https://doi.org/10.1016/j.scitotenv.2016.09.178 Sapač, K., Rusjan, S., Šraj, M. 2019. Vpliv računskih kriterijev na vrednosti recesijskih konstant nizkih pretokov v nehomogenem porečju v Sloveniji = Influence of calculation criteria on the values of low-flow recession constants in a non-homogenous catchment in Slovenia. Acta hydrotechnica 32, 56: 1– 19. https://doi.org/10.15292/acta.hydro.2019.01 Sapač, K., Rusjan, S., Šraj, M. 2020a. Assessment of consistency of low-flow indices of a hydrogeologically non-homogeneous catchment: A case study of the Ljubljanica river catchment, Slovenia. Journal of Hydrology 583: 124621. https://doi.org/10.1016/j.jhydrol.2020.124621 Sapač, K., Vidmar, A., Bezak, N., Rusjan, S. 2020b. Lag Times as Indicators of Hydrological Mechanisms Responsible for NO3-N Flushing in a Forested Headwater Catchment. Water 12: 1092. https://doi.org/10.3390/w12041092 Schimel, J. P., Bennett, J. 2004. Nitrogen mineralization: challenges of a changing paradigm. Ecology 85: 591–602. Schulze, E.-D. 2000. The Carbon and Nitrogen Cycle of Forest Ecosystems. V: Schulze, Ernst-Detlef (ur.). Carbon and Nitrogen Cycling in European Forest Ecosystems. Berlin, Heidelberg, Springer Berlin Heidelberg: 3–13. https://doi.org/10.1007/978-3-642-57219-7_1 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 145 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Schwab, M. P., Klaus, J., Pfister, L., Weiler, M. 2017. How runoff components affect the export of DOC and nitrate: a long-term and high-frequency analysis. Hydrology and Earth System Sciences Discussions: 1–21. https://doi.org/10.5194/hess-2017-416 Sebestyen, S. D., Boyer, E. W., Shanley, J. B., Kendall, C., Doctor, D. H., Aiken, G. R., Ohte, N. 2008. Sources, transformations, and hydrological processes that control stream nitrate and dissolved organic matter concentrations during snowmelt in an upland forest. Water Resources Research 44: 1–14. https://doi.org/10.1029/2008WR006983 Sebestyen, S. D., Shanley, J. B., Boyer, E. W., Kendall, C., Doctor, D. H. 2014. Coupled hydrological and biogeochemical processes controlling variability of nitrogen species in streamflow during autumn in an upland forest. Water Resources Research 50: 1569–1591. https://doi.org/10.1002/2013WR013670 Seneviratne, S. I., Nicholls, N., Easterling, D., Goodess, C. M., Kanae, S., Kossin, J., Luo, Y., Marengo, J., McInnes, K., Rahimi, M., Reichstein, M., Sorteberg, A., Vera, C., Zhang, X., Rusticucci, M., Semenov, V., Alexander, L. V, Allen, S., Benito, G., Cavazos, T., Clague, J., Conway, D., Della-Marta, P. M., Gerber, M., Gong, S., Goswami, B. N., Hemer, M., Huggel, C., van den Hurk, B., Kharin, V. V, Kitoh, A., Tank, A. M. G. K., Li, G., Mason, S., McGuire, W., van Oldenborgh, G. J., Orlowsky, B., Smith, S., Thiaw, W., Velegrakis, A., Yiou, P., Zhang, T., Zhou, T., Zwiers, F. W. 2012. Changes in Climate Extremes and their Impacts on the Natural Physical Environment, V: Field, C. B. (ur.), Dahe, Q. (ur.), Stocker, T. F. (ur.), Barros, V. (ur.). Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation: Special Report of the Intergovernmental Panel on Climate Change. Cambridge, Cambridge University Press: 109–230. https://doi.org/10.1017/CBO9781139177245.008 Shi, Z. H., Fang, N. F., Wu, F. Z., Wang, L., Yue, B. J., Wu, G. L. 2012. Soil erosion processes and sediment sorting associated with transport mechanisms on steep slopes. Journal of Hydrology 454–455: 123–130. https://doi.org/10.1016/j.jhydrol.2012.06.004 Shrestha, R. R., Osenbrück, K., Rode, M. 2013. Assessment of catchment response and calibration of a hydrological model using high-frequency discharge nitrate concentration data. Hydrology Research 44: 995–1012. https://doi.org/10.2166/nh.2013.087 Shuster, W. D., Morrison, M. A., Webb, R. 2008. Front-loading urban stormwater management for success – a perspective incorporating current studies on the implementation of retrofit low-impact development. Cities and the Environment 1, 2: 8. 146 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Snyder, L., Potter, J. D., McDowell, W. H. 2018. An Evaluation of Nitrate, fDOM, and Turbidity Sensors in New Hampshire Streams. Water Resources Research 54: 2466–2479. https://doi.org/10.1002/2017WR020678 Sousa, P. M., Trigo, R. M., Aizpurua, P., Nieto, R., Gimeno, L., Garcia-Herrera, R. 2011. Trends and extremes of drought indices throughout the 20th century in the Mediterranean. Natural Hazards and Earth System Sciences 11: 33–51. https://doi.org/10.5194/nhess-11-33-2011 Stahr, K., Rück, F., Gaiser, T. 1994. Soil Nitrogen-Reserves and Mineralisation as Affected by Climate, Soil and Land use V: Köhler, W. (ur.). The Terrestrial Nitrogen Cycle as Influenced by Man. Nova Acta Leopoldina. Deutsche Akademie der Naturforscher Leopoldina, Halle (Saale): 213–235. Stevens, C. J. 2019. Nitrogen in the environment. Science 363, 6427, 578–580. https://doi.org/10.1126/science.aav8215 Stoddard, J. L. 1994. Long-Term Changes in Watershed Retention of Nitrogen. Its Causes and Aquatic Consequences. V: Baker, L. A. (ur.). Environmental Chemistry of Lakes and Reservoirs: 223–284. https://doi.org/10.1021/ba-1994-0237.ch008 Suescún, D., Villegas, J. C., León, J. D., Flórez, C. P., García-Leoz, V., Correa-Londoño, G. A. 2017. Vegetation cover and rainfall seasonality impact nutrient loss via runoff and erosion in the Colombian Andes. Regional Environmental Change 17: 827–839. https://doi.org/10.1007/s10113-016-1071-7 Svoboda, V., Hanel, M., Máca, P., Kyselý, J. 2016. Projected changes of rainfall event characteristics for the Czech Republic. Journal of Hydrology and Hydromechanics 64: 415–425. https://doi.org/10.1515/johh-2016-0036 Šraj, M. 2003. Določanje indeksa listne površine listnatega gozda na povodju Dragonje - 1 . del: Metode in meritve = Estimating leaf area index of the deciduous forest in the Dragonja watershed - part I: Methods and mesurements. Acta hydrotechnica 21, 35: 105–127. Šraj, M., Dirnbek, L., Brilly, M. 2010. The influence of effective rainfall on modeled runoff hydrograph. Jorunal of Hydrology and Hydromechanics 58: 3–14. https://doi.org/10.2478/v10098-010-0001-5 Templer, P. H., Weathers, K. C., Lindsey, A., Lenoir, K., Scott, L. 2015. Atmospheric inputs and nitrogen saturation status in and adjacent to Class I wilderness areas of the northeastern US. Oecologia 177: 5–15. https://doi.org/10.1007/s00442-014-3121-5 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 147 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Tezlaff, D., Carey, S. K., McNamara, J. P., Laudon, H. Soulsby, C. 2017. The essential value of long-term experimental data for hydrology and water management. Water Resources research 53: 2598–2604. https://doi.org/10.1002/2017WR020838 Thompson, S. E., Basu, N. B., Lascurain, J., Aubeneau, A., Rao, P. S. C. 2011. Relative dominance of hydrologic versus biogeochemical factors on solute export across impact gradients. Water Resources Research 47: 1–20. https://doi.org/10.1029/2010WR009605 Tourian, M. J., Seeuw, N., Bárdossy, A. 2013. A quantile function approach to discharge estimation from satellite altimerty (ENVISAT). Water Resources Research 49: 4174–4186. https://doi.org/10.1002/wrcr.20348 Umut Calgar, M., Wilke, C. O. 2019. sicegar: Analysis of Single-Cell Viral Growth Curves. R package version 0. 2.3. https://CRAN.R-project.org/package=sicegar UNESCO. 2021. Science for a Water Secure World in a Changing Environment. The ninth phase of the Intergovernmental Hydrological Programme 2022–2029, draft strategic plan. UNESCO, Paris: 63 str. Van Herpe, Y., troch, P. A. 2000. Spatial and temporal variations in surface water nitrate concentrations in a mixed land use catchment under humid temperate climatic conditions. Hydrological Processes 14: 2439–2455. van Verseveld, W. J., McDonnell, J. J., Lajtha, K. 2008. A mechanistic assessment of nutrient flushing at the catchment scale. Journal of Hydrology 358: 268–287. https://doi.org/10.1016/j.jhydrol.2008.06.009 Vaughan, M. C. H., Bowden, W. B., Shanley, J. B., Vermilyea, A., Sleeper, R., Gold, A. J., Pradhanang, S. M., Inamdar, S. P., Levia, D. F., Andres, A. S., Birgand, F., Schroth, A. W. 2017. High-frequency dissolved organic carbon and nitrate measurements reveal differences in storm hysteresis and loading in relation to land cover and seasonality. Water Resources Research 53: 5345–5363. https://doi.org/10.1002/2017WR020491 Verweij, W., van der Wiele, J., van Moorselaar, I., van der Grinten, E. 2010. Impact of climate change on water quality in the Netherlands. RIVM Report 607800007/2010. The Netherlands, National Institute for Public Health and Environment: 63 str. 148 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Vilhar, U., De Groot, M., Žust, A., Skudnik, M., Simončič, P. 2018. Predicting phenology of European beech in forest habitats. IForest 11: 41–47. https://doi.org/10.3832/ifor1820-010 Voepel, H., Ruddell, B., Schumer, R., Troch, P. A., Brooks, P. D., Neal, A., Durcik, M., Sivapalan, M. 2011. Quantifying the role of climate and landscape characteristics on hydrologic partitioning and vegetation response. Water Resources Research 47: 1–13. https://doi.org/10.1029/2010WR009944 Volf, G., Atanasova, N., Škerjanec, M., Ožanić, N. 2018. Hybrid modeling approach for the northern Adriatic watershed management. Science of the Total Environment 635: 353–363. https://doi.org/10.1016/j.scitotenv.2018.04.094 Wang, C., Li, J., Liu, Q., Zhong, B., Wu, S., Xia, C. 2017. Analysis of differences in phenology extracted from the enhanced vegetation index and the leaf area index. Sensors 17: 1982 https://doi.org/10.3390/s17091982 Whitehead, P. G., Wilby, R. L., Battarbee, R. W., Kernan, M., Wade, A. J. 2009. A review of the potential impacts of climate change on surface water quality. Hydrological Sciences Journal 54: 101– 123. https://doi.org/10.1623/hysj.54.1.101 Wieben, C. M., Baker, R. J., Nicholson, R. S. 2013. Nutrient Concentrations in Surface Water and Groundwater, and Nitrate Source Identification Using Stable Isotope Analysis, in the Barnegat Bay-Little Egg Harbor Watershed, New Jersey, 2010–11. Scientific Investigations Report 2012-5287. Virginia, Reston, U.S. Geological Survey: 44 str. Witten, I. H., Frank, E., Hall, M. A. 2011. Data Mining: Practical Machine Learning Tools and Techniques, 3rd edition. USA, CA, San Francisco, Morgan Kaufmann Publishers Inc.: 664 str. WMO, 2008a. Guide to Hydrological Practices. Volume I: Hydrology–From Measurement to Hydrological Information, WMO-No. 168. Switzerland, Geneva, World Meteorological Organization: 296 str. WMO, 2008b. Manual on Low-flow Estimation and Prediction. Operational Hydrology Report WMO-No. 10. Switzerland, Geneva, World Meteorological organization: 136 str. Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 149 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Wu, S. Y., Zhou, Q. Y., Wang, G., Yang, L., Ling, C. P. 2011. The relationship between electrical capacitance-based dielectric constant and soil water content. Environmental Earth Sciences 62: 999– 1011. https://doi.org/10.1007/s12665-010-0585-4 Yanai, R. D., Vadeboncoeur, M. A., Hamburg, S. P., Arthur, M. A., Fuss, C. B., Groffman, P. M., Siccama, T. G., Driscoll, C. T. 2013. From missing source to missing sink: Long-term changes in the nitrogen budget of a northern hardwood forest. Environmental Science and Technology 47: 11440– 11448. https://doi.org/10.1021/es4025723 Yevenes, M. A., Mannaerts, C. M. 2012. Untangling hydrological pathways and nitrate sources by chemical appraisal in a stream network of a reservoir catchment. Hydrology and Earth System Sciences 16: 787–799. https://doi.org/10.5194/hess-16-787-2012 Yuan, L., Sinshaw, T., Forshay, K. 2020. Review of Watershed-Scale Water quality and Nonpoint Source Pollution Models. Geosciences 10: 25. https://doi.org/10.3390/geosciences10010025 Zabret, K. 2018. Vpliv meteoroloških in vegetacijskih parametrov na prestrezanje padavin. Doktorska disertacija. Ljubljana, Univerza v Ljubljani, Fakulteta za gradbeništvo in geodezijo, Varstvo okolja: 174 str. Zabret, K., Šraj, M. 2015. Can urban trees reduce the impact of climate change on storm runoff? Urbani Izziv 26: 165–178. https://doi.org/10.5379/urbani-izziv-en-2015-26-supplement-011 Zaki, M. J., Wagner, M. J. 2014. Data Mining and Analysis: Fundamental Concepts and Algorithms. USA, Cambridge University Press: 562 str. Zambrano, F., Lillo-Saavedra, M., Verbist, K., Lagos, O. 2016. Sixteen years of agricultural drought assessment of the biobío region in chile using a 250 m resolution vegetation condition index (VCI). Remote Sensing 8, 6: 530. https://doi.org/10.3390/rs8060530 Zhang, X., Friedl, M. A., Schaaf, C. B., Strahler, A. H., Hodges, J. C. F., Gao, F., Reed, B. C., Huete, A. 2003. Monitoring vegetation phenology using MODIS. Remote Sensing of Environment 84: 471– 475. https://doi.org/10.1016/S0034-4257(02)00135-9 150 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. PRILOGE Priloga A: Dogodki z več kot 10 mm padavin v obdobju med aprilom 2018 in aprilom 2020 ........... 151 Priloga B: Preglednica s karakterističnimi vrednostmi spremenljivk posameznih padavinskih dogodkov za opis hidroloških in vegetacijskih razmer......................................................................................... 153 Priloga C: Korelacijska matrika spremenljivk, uporabljenih v analizah, glede na Pearsonov koeficient korelacije. V zgornji trikotni matriki so s krepko pisavo označene statistično značilne povezave med spremenljivkami. Stopnja statistične značilnosti (od 0,1 do 0,001) je označena z različnimi odtenki zelene barve. ........................................................................................................................................ 154 Priloga D: Korelacijska matrika spremenljivk, uporabljenih v analizah, glede na Spearmanov koeficient korelacije. V zgornji trikotni matriki so s krepko pisavo označene statistično značilne povezave med spremenljivkami. Stopnja statistične značilnosti (od 0,1 do 0,001) je označena z različnimi odtenki zelene barve ......................................................................................................................................... 155 Priloga E: Časovni zamiki težišč posameznih procesov glede na težišče hietografa. Rezultati so podani v minutah. ............................................................................................................................................ 156 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 151 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Priloga A: Dogodki z več kot 10 mm padavin v obdobju med aprilom 2018 in aprilom 2020 Trajanje Intenziteta Količina Dogodek Začetek Konec padavin padavin padavin [mm] [min] [mm/min] 1 9. 04. 2018 19:00 10. 04. 2018 12:00 1040 10,4 0,60 2 11. 04. 2018 23:40 13. 04. 2018 00:00 1480 31,4 1,27 3 15. 04. 2018 17:00 16. 04. 2018 05:20 760 10,6 0,84 4 16. 04. 2018 18:00 17. 04. 2018 06:40 780 11,0 0,85 5 4. 05. 2018 08:20 4. 05. 2018 15:20 440 31,6 4,31 6 8. 05. 2018 20:20 9. 05. 2018 05:40 580 23,6 2,44 7 14. 05. 2018 22:00 15. 05. 2018 10:20 760 19,8 1,56 8 29. 05. 2018 14:40 30. 05. 2018 00:20 600 10,8 1,08 9 13. 06. 2018 05:00 13. 06. 2018 07:00 140 10,0 4,29 10 22. 06. 2018 00:20 22. 06. 2018 13:00 780 37,0 2,85 11 25. 06. 2018 00:40 25. 06. 2018 10:20 600 13,8 1,38 12 3. 07. 2018 20:20 4. 07. 2018 05:20 560 19,6 2,10 13 8. 07. 2018 17:40 8. 07. 2018 17:40 20 11,4 34,20 14 10. 07. 2018 23:20 12. 07. 2018 03:00 1680 55,0 1,96 15 13. 07. 2018 02:20 13. 07. 2018 08:40 400 17,8 2,67 16 21. 07. 2018 15:20 21. 07. 2018 20:20 320 16,4 3,08 17 14. 08. 2018 03:00 14. 08. 2018 08:40 360 12,0 2,00 18 25. 08. 2018 09:40 26. 08. 2018 16:20 1860 86,2 2,78 19 30. 08. 2018 18:40 31. 08. 2018 00:40 380 21,8 3,44 20 22. 09. 2018 11:40 22. 09. 2018 18:20 420 14,4 2,06 21 23. 09. 2018 23:20 24. 09. 2018 06:40 460 23,0 3,00 22 28. 10. 2018 02:00 30. 10. 2018 04:20 3040 88,2 1,74 23 2. 11. 2018 10:20 3. 11. 2018 04:40 1120 20,2 1,08 24 5. 11. 2018 20:00 6. 11. 2018 11:40 960 15,0 0,94 25 24. 11. 2018 10:40 25. 11. 2018 00:40 860 30,0 2,09 26 25. 11. 2018 09:20 26. 11. 2018 08:20 1400 22,8 0,98 27 7. 12. 2018 23:40 8. 12. 2018 08:40 560 17,2 1,84 28 17. 01. 2019 10:40 18. 01. 2019 05:20 1140 21,6 1,14 29 27. 01. 2019 10:00 28. 01. 2019 05:40 1200 23,8 1,19 30 1. 02. 2019 08:40 3. 02. 2019 02:40 2540 95,0 2,24 31 10. 02. 2019 11:00 11. 02. 2019 03:40 1020 17,2 1,01 32 5. 04. 2019 07:40 5. 04. 2019 18:20 660 27,3 2,48 33 10. 04. 2019 19:40 12. 04. 2019 06:20 2100 21,3 0,61 34 23. 04. 2019 04:40 24. 04. 2019 18:20 2280 32,7 0,86 35 28. 04. 2019 09:40 28. 04. 2019 22:00 760 26,7 2,11 36 3. 05. 2019 11:20 5. 05. 2019 13:20 3020 35,1 0,70 37 9. 05. 2019 04:40 9. 05. 2019 15:40 680 16,8 1,48 38 11. 05. 2019 23:40 12. 05. 2019 16:00 1000 35,1 2,11 39 15. 05. 2019 01:20 15. 05. 2019 20:00 1140 19,8 1,04 40 27. 05. 2019 02:00 30. 05. 2019 11:00 4880 109,8 1,35 41 10. 06. 2019 18:00 10. 06. 2019 19:00 80 13,5 10,13 152 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. 42 19. 06. 2019 15:00 19. 06. 2019 18:20 220 43,2 11,78 43 22. 06. 2019 10:40 22. 06. 2019 22:20 720 18,3 1,53 44 7. 07. 2019 14:40 7. 07. 2019 15:40 80 13,5 10,12 45 8. 07. 2019 17:20 9. 07. 2019 00:40 460 40,2 5,24 46 27. 07. 2019 21:20 28. 07. 2019 00:00 180 18,6 6,20 47 28. 07. 2019 06:40 29. 07. 2019 00:40 1100 35,7 1,95 48 2. 08. 2019 10:00 2. 08. 2019 13:00 200 60,3 18,09 49 2. 08. 2019 19:40 3. 08. 2019 02:40 440 35,7 4,87 50 3. 08. 2019 15:20 3. 08. 2019 15:40 40 10,2 15,30 51 13. 08. 2019 19:40 14. 08. 2019 04:40 560 11,4 1,22 52 2. 09. 2019 23:40 3. 09. 2019 05:40 380 36,9 5,83 53 6. 09. 2019 14:00 6. 09. 2019 17:00 200 13,5 4,05 54 8. 09. 2019 11:20 8. 09. 2019 20:00 540 14,7 1,63 55 23. 09. 2019 14:20 24. 09. 2019 03:00 780 33,0 2,54 56 2. 10. 2019 12:20 2. 10. 2019 20:00 480 13,2 1,65 57 9. 10. 2019 21:20 10. 10. 2019 05:20 500 15,6 1,87 58 16. 10. 2019 03:20 16. 10. 2019 06:00 180 15,9 5,30 59 29. 10. 2019 04:40 29. 10. 2019 19:40 920 12,0 0,78 60 2. 11. 2019 23:00 4. 11. 2019 15:00 2420 30,9 0,77 61 5. 11. 2019 00:40 6. 11. 2019 02:20 1560 26,4 1,02 62 6. 11. 2019 09:20 7. 11. 2019 02:40 1060 15,9 0,90 63 8. 11. 2019 20:00 9. 11. 2019 12:20 1000 24,9 1,49 64 12. 11. 2019 04:40 13. 11. 2019 20:00 2380 63,0 1,59 65 15. 11. 2019 12:00 16. 11. 2019 07:20 1180 44,4 2,26 66 16. 11. 2019 20:20 17. 11. 2019 07:00 660 12,0 1,09 67 17. 11. 2019 16:00 18. 11. 2019 05:00 800 33,6 2,52 68 27. 11. 2019 15:00 28. 11. 2019 12:00 1280 38,7 1,81 69 1. 12. 2019 17:40 2. 12. 2019 18:40 1520 49,2 1,94 70 13. 12. 2019 20:40 14. 12. 2019 04:00 460 15,9 2,07 71 14. 12. 2019 10:40 14. 12. 2019 14:00 220 18,6 5,07 72 21. 12. 2019 09:00 21. 12. 2019 23:00 860 43,5 3,03 73 22. 12. 2019 06:40 22. 12. 2019 18:40 740 24,3 1,97 74 28. 01. 2020 03:20 28. 01. 2020 19:20 980 16,2 0,99 75 4. 02. 2020 10:40 4. 02. 2020 12:00 100 15,0 9,00 76 25. 02. 2020 20:00 26. 02. 2020 16:40 1260 20,1 0,96 77 1. 03. 2020 05:40 2. 03. 2020 00:40 1160 50,7 2,62 78 2. 03. 2020 14:00 4. 03. 2020 05:00 2360 54,3 1,38 79 6. 03. 2020 01:20 6. 03. 2020 13:40 760 19,5 1,54 80 30. 03. 2020 06:40 30. 03. 2020 17:00 640 12,6 1,18 81 14. 04. 2020 08:20 14. 04. 2020 14:40 400 11,4 1,71 82 29. 04. 2020 09:20 30. 04. 2020 00:00 900 21,0 1,40 83 30. 04. 2020 23:20 1. 05. 2020 15:20 980 13,8 0,84 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 153 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Priloga B: Preglednica s karakterističnimi vrednostmi spremenljivk posameznih padavinskih dogodkov za opis hidroloških in vegetacijskih razmer. Dogodek Začetek Konec Qz Qr ET3 Ndni Ff 1 4. 05. 2018 08:20 4. 05. 2018 15:20 5,98 6,47 11,5 5,98 Vegetacija 2 8. 05. 2018 20:20 9. 05. 2018 05:40 6,82 3,78 11,7 6,82 Vegetacija 3 14. 05. 2018 22:00 15. 05. 2018 10:20 6,31 4,55 9,5 6,31 Vegetacija 4 13. 06. 2018 05:00 13. 06. 2018 07:00 1,66 0,67 14,6 1,66 Vegetacija 5 22. 06. 2018 00:20 22. 06. 2018 13:00 0,80 19,93 15,9 0,80 Vegetacija 6 25. 06. 2018 00:40 25. 06. 2018 10:20 4,81 2,74 10,6 4,81 Vegetacija 7 8. 07. 2018 17:40 8. 07. 2018 17:40 3,94 11,23 12,9 3,94 Vegetacija 8 10. 07. 2018 23:20 12. 07. 2018 03:00 3,61 7,50 13,2 3,61 Vegetacija 9 13. 07. 2018 02:20 13. 07. 2018 08:40 1,66 2,52 8,2 1,66 Vegetacija 10 21. 07. 2018 15:20 21. 07. 2018 20:20 2,74 4,08 14,3 2,74 Vegetacija 11 25. 08. 2018 09:40 26. 08. 2018 16:20 1,10 9,75 11,2 1,10 Vegetacija 12 30. 08. 2018 18:40 31. 08. 2018 00:40 6,82 12,30 10,7 6,82 Vegetacija 13 28. 10. 2018 02:00 30. 10. 2018 04:20 4,30 19,05 3,3 4,30 Mirovanje 14 2. 11. 2018 10:20 3. 11. 2018 04:40 1,84 2,84 3 1,84 Mirovanje 15 5. 11. 2018 20:00 6. 11. 2018 11:40 1,91 5,27 1,7 1,91 Mirovanje 16 7. 12. 2018 23:40 8. 12. 2018 08:40 1,72 0,32 1 1,72 Mirovanje 17 1. 02. 2019 08:40 3. 02. 2019 02:40 7,18 68,76 1,3 7,18 Mirovanje 18 5. 04. 2019 07:40 5. 04. 2019 18:20 6,99 5,73 6,4 6,99 Vegetacija 19 10. 04. 2019 19:40 12. 04. 2019 06:20 8,34 2,02 4,2 8,34 Vegetacija 20 27. 07. 2019 21:20 28. 07. 2019 00:00 4,81 3,95 16,8 4,81 Vegetacija 21 28. 07. 2019 06:40 29. 07. 2019 00:40 4,06 3,12 15,8 4,06 Vegetacija 22 2. 08. 2019 10:00 2. 08. 2019 13:00 4,42 55,84 13,4 4,42 Vegetacija 23 2. 08. 2019 19:40 3. 08. 2019 02:40 5,23 16,79 13,4 5,23 Vegetacija 24 3. 08. 2019 15:20 3. 08. 2019 15:40 4,06 2,59 11,6 4,06 Vegetacija 25 13. 08. 2019 19:40 14. 08. 2019 04:40 4,06 1,92 9,1 4,06 Vegetacija 26 2. 09. 2019 23:40 3. 09. 2019 05:40 4,06 4,08 10,2 4,06 Vegetacija 27 5. 11. 2019 00:40 6. 11. 2019 02:20 3,30 2,22 2,4 3,30 Mirovanje 28 6. 11. 2019 09:20 7. 11. 2019 02:40 4,06 1,46 2,7 4,06 Mirovanje 29 8. 11. 2019 20:00 9. 11. 2019 12:20 2,57 2,80 2,2 2,57 Mirovanje 30 12. 11. 2019 04:40 13. 11. 2019 20:00 2,74 7,14 1,6 2,74 Mirovanje 31 15. 11. 2019 12:00 16. 11. 2019 07:20 3,10 11,43 1,5 3,10 Mirovanje 32 16. 11. 2019 20:20 17. 11. 2019 07:00 4,30 2,01 1,5 4,30 Mirovanje 33 17. 11. 2019 16:00 18. 11. 2019 05:00 6,31 4,05 1,5 6,31 Mirovanje 34 27. 11. 2019 15:00 28. 11. 2019 12:00 2,57 6,41 1,3 2,57 Mirovanje 35 1. 12. 2019 17:40 2. 12. 2019 18:40 2,74 10,28 1,3 2,74 Mirovanje 36 21. 12. 2019 09:00 21. 12. 2019 23:00 2,65 8,71 1,4 2,65 Mirovanje 37 22. 12. 2019 06:40 22. 12. 2019 18:40 4,06 2,08 1,6 4,06 Mirovanje 38 25. 02. 2020 20:00 26. 02. 2020 16:40 1,72 0,46 4,5 1,72 Mirovanje 39 1. 03. 2020 05:40 2. 03. 2020 00:40 1,91 6,85 4,7 1,91 Mirovanje 40 2. 03. 2020 14:00 4. 03. 2020 05:00 2,41 4,77 4,2 2,41 Mirovanje 41 6. 03. 2020 01:20 6. 03. 2020 13:40 2,57 0,63 3,3 2,57 Mirovanje 42 30. 03. 2020 06:40 30. 03. 2020 17:00 3,10 0,20 7,1 3,10 Vegetacija 43 14. 04. 2020 08:20 14. 04. 2020 14:40 3,30 0,31 11,1 3,30 Vegetacija 154 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Priloga C: Korelacijska matrika spremenljivk, uporabljenih v analizah, glede na Pearsonov koeficient korelacije. V zgornji trikotni matriki so s krepko pisavo označene statistično značilne povezave med spremenljivkami. Stopnja statistične značilnosti (od 0,1 do 0,001) je označena z različnimi odtenki zelene barve. Tp Kp Isr I60 E ET3 Ndni Qz Qr Qmax LAI Cmax Csr Cr C_rs Iznos_N Iznos_max Tp 1,00 0,73 -0,40 -0,23 0,46 -0,50 0,00 -0,01 0,23 0,22 -0,50 -0,09 -0,17 -0,01 0,24 0,27 0,09 Kp 0,73 1,00 -0,08 0,34 0,90 -0,17 0,06 0,00 0,62 0,59 -0,16 0,20 0,07 0,37 0,33 0,63 0,45 Isr -0,40 -0,08 1,00 0,44 0,13 0,38 -0,06 0,06 0,27 0,27 0,40 0,06 0,06 0,13 0,02 0,17 0,16 I60 -0,23 0,34 0,44 1,00 0,69 0,43 0,00 0,03 0,56 0,54 0,47 0,29 0,21 0,44 -0,05 0,42 0,37 E 0,46 0,90 0,13 0,69 1,00 0,06 0,06 0,01 0,69 0,66 0,08 0,29 0,15 0,49 0,23 0,64 0,49 ET3 -0,50 -0,17 0,38 0,43 0,06 1,00 0,11 0,09 0,03 0,04 0,91 0,19 0,11 0,34 0,12 0,08 0,12 Ndni 0,00 0,06 -0,06 0,00 0,06 0,11 1,00 0,13 -0,05 -0,03 -0,04 0,06 -0,03 0,22 0,15 0,05 0,00 Qz -0,01 0,00 0,06 0,03 0,01 0,09 0,13 1,00 0,26 0,38 0,12 -0,08 -0,01 -0,13 -0,05 0,28 0,50 Qr 0,23 0,62 0,27 0,56 0,69 0,03 -0,05 0,26 1,00 0,99 0,03 0,15 0,09 0,27 0,05 0,85 0,68 Qmax 0,22 0,59 0,27 0,54 0,66 0,04 -0,03 0,38 0,99 1,00 0,04 0,13 0,09 0,24 0,04 0,85 0,72 LAI -0,50 -0,16 0,40 0,47 0,08 0,91 -0,04 0,12 0,03 0,04 1,00 0,22 0,16 0,32 0,05 0,08 0,15 Cmax -0,09 0,20 0,06 0,29 0,29 0,19 0,06 -0,08 0,15 0,13 0,22 1,00 0,95 0,83 0,19 0,53 0,63 Csr -0,17 0,07 0,06 0,21 0,15 0,11 -0,03 -0,01 0,09 0,09 0,16 0,95 1,00 0,66 0,07 0,45 0,63 Cr -0,01 0,37 0,13 0,44 0,49 0,34 0,22 -0,13 0,27 0,24 0,32 0,83 0,66 1,00 0,45 0,58 0,51 C_rs 0,24 0,33 0,02 -0,05 0,23 0,12 0,15 -0,05 0,05 0,04 0,05 0,19 0,07 0,45 1,00 0,26 0,13 Iznos_N 0,27 0,63 0,17 0,42 0,64 0,08 0,05 0,28 0,85 0,85 0,08 0,53 0,45 0,58 0,26 1,00 0,89 Iznos_max 0,09 0,45 0,16 0,37 0,49 0,12 0,00 0,50 0,68 0,72 0,15 0,63 0,63 0,51 0,13 0,89 1,00 Stopnja statistične značilnosti: 0,001 0,01 0,05 0,1 Lebar, K. 2020. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. 155 Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Priloga D: Korelacijska matrika spremenljivk, uporabljenih v analizah, glede na Spearmanov koeficient korelacije. V zgornji trikotni matriki so s krepko pisavo označene statistično značilne povezave med spremenljivkami. Stopnja statistične značilnosti (od 0,1 do 0,001) je označena z različnimi odtenki zelene barve Tp Kp Isr I60 E ET3 Ndni Qz Qr Qmax LAI Cmax Csr Cr C_rs Iznos_N Iznos_max Tp 1,00 0,64 -0,56 -0,36 0,40 -0,55 -0,17 -0,15 0,18 0,10 -0,56 -0,24 -0,28 -0,13 0,25 0,05 -0,03 Kp 0,64 1,00 0,16 0,28 0,95 -0,20 -0,04 0,02 0,69 0,56 -0,25 0,21 0,11 0,46 0,38 0,58 0,46 Isr -0,56 0,16 1,00 0,78 0,41 0,50 0,19 0,13 0,50 0,44 0,45 0,44 0,36 0,55 0,16 0,47 0,42 I60 -0,36 0,28 0,78 1,00 0,52 0,42 0,15 0,02 0,46 0,35 0,47 0,42 0,35 0,53 0,07 0,38 0,33 E 0,40 0,95 0,41 0,52 1,00 0,00 -0,03 0,03 0,77 0,61 -0,04 0,34 0,24 0,59 0,36 0,64 0,51 ET3 -0,55 -0,20 0,50 0,42 0,00 1,00 0,19 0,12 0,06 0,10 0,83 0,39 0,32 0,45 0,12 0,14 0,15 Ndni -0,17 -0,04 0,19 0,15 -0,03 0,19 1,00 -0,05 -0,01 0,01 0,04 0,03 -0,02 0,24 0,32 -0,05 -0,09 Qz -0,15 0,02 0,13 0,02 0,03 0,12 -0,05 1,00 0,21 0,54 0,21 -0,04 0,03 -0,09 -0,13 0,44 0,63 Qr 0,18 0,69 0,50 0,46 0,77 0,06 -0,01 0,21 1,00 0,91 0,12 0,29 0,25 0,44 0,36 0,83 0,68 Qmax 0,10 0,56 0,44 0,35 0,61 0,10 0,01 0,54 0,91 1,00 0,17 0,23 0,22 0,33 0,29 0,88 0,83 LAI -0,56 -0,25 0,45 0,47 -0,04 0,83 0,04 0,21 0,12 0,17 1,00 0,25 0,23 0,22 -0,13 0,15 0,18 Cmax -0,24 0,21 0,44 0,42 0,34 0,39 0,03 -0,04 0,29 0,23 0,25 1,00 0,97 0,77 0,20 0,58 0,56 Csr -0,28 0,11 0,36 0,35 0,24 0,32 -0,02 0,03 0,25 0,22 0,23 0,97 1,00 0,63 0,07 0,56 0,58 Cr -0,13 0,46 0,55 0,53 0,59 0,45 0,24 -0,09 0,44 0,33 0,22 0,77 0,63 1,00 0,51 0,54 0,45 C_rs 0,25 0,38 0,16 0,07 0,36 0,12 0,32 -0,13 0,36 0,29 -0,13 0,20 0,07 0,51 1,00 0,33 0,19 Iznos_N 0,05 0,58 0,47 0,38 0,64 0,14 -0,05 0,44 0,83 0,88 0,15 0,58 0,56 0,54 0,33 1,00 0,94 Iznos_max -0,03 0,46 0,42 0,33 0,51 0,15 -0,09 0,63 0,68 0,83 0,18 0,56 0,58 0,45 0,19 0,94 1,00 Stopnja statistične značilnosti: 0,001 0,01 0,05 0,1 156 Lebar, K. 2021. Vpliv hidrometeoroloških in vegetacijskih razmer na dinamiko spiranja nitratnega dušika. Dokt. dis. Ljubljana, UL FGG, Doktorski študijski program tretje stopnje Grajeno okolje. Priloga E: Časovni zamiki težišč posameznih procesov glede na težišče hietografa. Rezultati so podani v minutah. Dogodek LAGC LAGN LAGQ LAGSM15 LAGSM40 LAGSM70 1 214,37 230,54 219,48 - - - 2 351,44 331,78 332,28 - - - 3 361,33 347,75 343,04 - - - 4 224,24 205,66 187,77 - - - 5 222,82 288,13 285,95 - - - 6 204,18 200,82 182,01 - - - 7 182,61 152,26 150,23 - - - 8 289,45 369,97 266,75 - - - 9 280,46 295,19 281,22 - - - 10 251,29 210,40 199,24 - - - 11 367,38 364,25 207,56 - - - 12 35,50 36,31 35,20 - - - 13 -30,57 121,59 66,41 - - - 14 302,50 354,60 341,22 - - - 15 316,14 440,69 431,31 - - - 16 128,75 92,97 67,99 - - - 17 44,65 405,04 384,29 - - - 18 310,56 321,26 314,96 - - - 19 409,20 420,79 396,04 - - - 20 249,39 238,18 207,38 227,89 230,65 231,31 21 416,47 427,48 454,61 443,95 440,33 437,39 22 259,55 192,35 153,75 235,72 236,28 233,58 23 346,11 284,31 261,97 330,29 324,46 322,31 24 172,14 176,93 178,89 174,37 173,97 174,12 25 319,80 316,59 312,50 317,90 318,71 316,77 26 258,69 231,63 210,03 241,88 243,89 243,50 27 259,51 330,46 309,51 235,40 234,34 236,42 28 220,34 216,01 211,05 214,91 213,25 214,17 29 447,02 439,66 426,47 434,09 426,64 425,62 30 280,55 476,11 445,69 235,54 240,10 242,89 31 206,26 261,73 236,10 173,67 175,67 175,99 32 249,09 253,41 249,11 243,79 244,46 245,57 33 357,84 331,50 322,74 348,99 345,08 330,98 34 235,24 262,40 235,36 191,44 200,23 205,70 35 120,03 277,09 253,62 72,99 86,62 98,64 36 311,56 268,54 250,26 275,80 273,47 263,24 37 237,97 213,53 200,70 224,35 222,25 217,58 38 455,00 426,97 427,22 467,19 466,68 469,10 39 150,38 230,47 149,82 27,82 32,63 44,80 40 474,23 453,69 429,13 425,55 421,34 414,00 41 118,61 133,85 87,16 74,79 78,31 78,18 42 205,60 178,70 149,46 192,41 192,72 188,82 43 94,37 89,05 80,13 99,93 85,31 85,83