© Author(s) 2018. CC Atribution 4.0 License GEOLOGIJA 61/2, 215-228, Ljubljana 2018 https://doi.org/10.5474/geologija.2018.015 Primerjava rezultatov modeliranja vsebnosti nitrata v vodi pod koreninskim obmocjem tal v lokalnem in regionalnem merilu Comparison of the modeling results of nitrate concentrations in soil water below the root zone in the local and regional scale Uvod Vsebnost nitrata v podzemni vodi predsta­vlja resno grožnjo okolju na regionalni in lokalni ravni (Kurkowiak, 2017). Tudi ocene kemijskega stanja podzemnih voda, kot jo zahteva okvirna direktiva o vodah (Direktiva 2000/60/ES), v na­crtih upravljanja voda Slovenije že desetletje iz­postavljajo vec vodnih teles, kjer vsebnost nitrata v podzemni vodi presega mejno vrednost (MOP, 2011, 2016). Vzroke najpogosteje povezujemo s po­manjkljivo komunalno urejenostjo in intenzivnim kmetovanjem ob uporabi manj primernih kme­tijskih praks. Obe podrocji se urejata v okvirih, ki jih predpisujeta evropski direktivi o cišcenju komunalne odpadne vode (Direktiva 91/271/EGS) in direktiva o varstvu voda pred onesnaževanjem z nitrati iz kmetijskih virov (Direktiva 91/676/EGS). Porocevalske sheme terjajo tudi strokovno argumentirane ocene ucinkov nacrtovanih ukre­pov in napoved casovnic izboljšanja kemijskega stanja voda s skrajnim casovnim mejnikom 2027, ko naj bi dosegli zastavljene cilje dobrega stanja voda (Matoz et al., 2016). Agencija Republike Slo­venije za okolje je v sodelovanju z nemškim razi­skovalnim središcem JÜLICH za obmocje celotne Slovenije prilagodila modelski sistem GROWA­-DENUZ/WEKU (Kunkel & Wendland, 2006; Wendland et al., 2008), ki poleg bilance vode upo­števa bilanco dušika ter modelira tok dušika pre­ko tal in vodonosnika v površinska vodna telesa. Za prvo oceno zanesljivosti rezultatov tega kom­pleksnega modelskega sistem smo na obmocju pli­tvega aluvialnega vodonosnika Spodnje Savinj­ske doline s podzemno vodo v slabem kemijskem stanju izdelali primerjalno analizo rezultatov re­gionalnega modeliranja toka dušika preko kore­ninskega obmocja tal GROWA-DENUZ (Kunkel & Wendland, 2006; Andjelov et al., 2014, 2015) in rezultatov lokalnega modela toka dušika iz ko­reninskega obmocja tal DNDC (Li et al., 1992) v posameznih talnih profilih. Zanimala nas je sto­pnja ujemanja modelskih rezultatov v lokalnem in regionalnem merilu v izbranem letu 2008, ko so bile opravljene tudi obsežne terenske meritve, la­boratorijske analize in študijske raziskave (Uhan, 2011), ter primernost uporabe modelskega sistema GROWA-DENUZ/WEKU za potrebe simuliranja ucinkov ukrepov v smeri izboljšanja kemijskega stanja podzemnih voda. Raziskovalno obmocje Raziskovalno obmocje obsega 73,5 km2 velik aluvialni vodonosnik Spodnje Savinjske doline (sl. 1) s tremi izrazitimi nivoji aluvialnih teras v holocenskih in pleistocenskih pešceno-prodnih recnih naplavinah (sl. 2). Zanj so znacilne obsežne kmetijske obdelovalne površine: travniki (24 %), njive in vrtovi (33 %) ter hmeljišca (15 %), urba­niziranih površin je okoli 19 % (MKGP, 2007) (sl. 3). V primerjalno analizo rezultatov modeliranja vsebnosti nitrata pod koreninskim obmocjem tal so vkljucene le kmetijske površine. Plitva tla so pretežno rjava evtricna (41 %) in obrecna (25 %), predvsem v obrobnih delih pa so prisotni hipog­leji in psevdogleji (21 %) (MKGP, 2007) (sl. 4). Debelina tal reprezentativnih profilov omenje­nih talnih enot v Trnavi, Orli vasi in Arji vasi je v razponu od 50 do 64 cm (Zupan et al., 2008), globina koreninjenja pa v posameznih primerih presega omenjeno debelino tal (Andjelov et al., 2016a). Globina do podzemne vode je po podatkih državnega monitoringa Agencije Republike Slo­venije za okolje v razponu od 0,7 do 7,5 m, s pov­precjem 2,4 m in standardnim odklonom gladine podzemne vode 2,0 m (sl. 2). Aluvialni vodono­snik z medzrnsko poroznostjo pleistocenskih in holocenskih pešcenih in prodnatih sedimentov s povprecno 21.450.000 m3 obdobno razpoložljivih kolicin podzemne vode (Uhan, 2015), zagotavlja pomembne vodne vire regionalne oskrbe, s sicer zahtevnim varovanjem in zagotavljanjem stan­dardov pitne vode. Podatki Podatki za regionalno modeliranje toka nitrata preko koreninskega obmocja tal, so crpani iz ura­dnih nacionalnih podatkovnih zbir ministrstev, agencij, uprav, zavodov, inštitutov in fakultet ter nekaterih mednarodnih inštitucij (Tabela 1). Me­rila in locljivosti prostorskih podatkovnih slojev so razlicna: merila kart so v razponu od 1: 25.000 do 1: 250.000, locljivosti prostorskih rastrov pa so od 100 × 100 metrov do 50 × 50 kilometrov. Osnov­ne vhodne podatke za model GROWA-DENUZ so predstavljali podatki o neto bilanci dušika v kme­tijstvu (Sušin et al., 2015) na ravni graficne enote rabe kmetijskega gospodarstva GERK, ki jih zbi­rajo na Agenciji Republike Slovenije za kmetijske trge in razvoj podeželja. Podatki o staležu goveda so vzeti iz zbirke GOVEDO, ki jo vodijo na Kme­tijskem inštitutu Slovenije. Atmosferski nanos pa je bil na kmetijskih obmocjih Slovenije za potrebe regionalnega modeliranja ocenjen na podlagi po­datkovne zbirke EMAP (EEA, 2002). Lokalno modeliranje toka nitratov preko re­prezentativnih profilov tal pa je podatkovno temeljilo predvsem na podatkih iz zbirke pedo­loških profilov Centra za pedologijo in varstvo okolja Biotehniške fakultete (Zupan et al., 2008), na podatkih iz smernic za strokovno utemeljeno gnojenje (Mihelic et al., 2010), na razpoložljivih modelskih podatkovnih knjižnicah o fiziologiji izbranih rastlin (Li, 2009) in na zbirkah meteo­roloških podatkov Agencije Republike Slovenije za okolje. Primerjalna analiza vkljucuje obdobje hi­drološkega leta 2008, ko so bile na obmocju vo­donosnika Spodnje Savinjske doline opravljene tudi obsežne študijske raziskave (Uhan, 2011). Hidrološko leto 2008 se po kolicinskem obnavlja­nju podzemne vode uvršca med zmerno vodna­te s +18 % odstopanjem od obdobnega povprecja 1981-2010 (Uhan, 2015). Metode Modeliranje toka nitrata v regionalnem merilu Tok nitrata preko koreninskega obmocja tal je bil v regionalnem merilu v prostorski locljivosti 100 × 100 metrov modeliran v okolju GROWA­-DENUZ (Kunkel & Wendland, 2006; Kunkel et al., 2010), ki je temeljil na prostorskih podatkov­nih slojih regionalne vodne bilance (Andjelov et al., 2016a) in neto bilance dušika v kmetijstvu (Sušin et al., 2015). Ob upoštevanju Michaelis­-Mentenove kinetike (Michaelis & Menten, 1913) so bili ocenjeni denitrifikacijski pogoji kombi­nirani z izracunanimi presežki dušika (Sušin et al., 2015) in zadrževalnimi casi pronicanja vode v obmocju korenin ter predstavljeni kot funkcija povprecne poljske kapacitete in hitrosti odtoka s pronicanjem (sl. 5). Kot referencne vrednosti so bile uporabljene ocenjene hitrosti denitrifikaci­je za srednjeevropske tla (Wienhaus et al., 2008). Ocene hitrosti denitrifikacije, ki so letno v raz­ponu od okoli 10 do preko 100 kg N na hektar, temeljijo na vrsti tal in geološki podlagi ter vpli­vu plitve podzemne vode. Zadrževalni casi izce­dne vode so v koreninskem obmocju tal ocenjeni preko efektivne poljske kapacitete (Müller & Ra­issi, 2002; Hennings, 2000). Ocena relativne de­nitrafikacijske izgube v tleh temelji na razmerju med iznosom dušika iz tal po denitrifikaciji, ki jo prinaša rešitev Michaelis-Mentenove enacbe, in vnosom dušika iz razpršenih virov. Vsebnosti nitrata v izcedni vodi so v modelu GROWA-DE­NUZ ocenjene ob upoštevanju hitrosti pronicanja vode preko koreninskega obmocja tal za celotno obmocje Slovenije (Andjelov et al., 2016a, 2016b). Za vrednotenje rezultatov modela GROWA-DE­NUZ smo primerjali modelske rezultate z rezul­tati terenskih meritev nitrata v podzemni vodi (Uhan, 2011) in neparametricni Spermanov ko­eficient nakazuje korelacijo ranga 0,87 (a=0,05). Modeliranje toka nitrata v lokalnem merilu Za simuliranje biogeokemijskih procesov du­šikovega kroga v lokalnih pogojih kmetijskih ekosistemov na plitvem vodonosniku Spodnje Savinjske doline smo na posameznih reprezenta­tivnih profilih tal v Trnavi, Orli vasi in Arji vasi (Zupan et al., 2008) (sl. 1) uporabili enodimenzij­ski model DNDC (Li et al., 1992). Model omogo­ca povezavo med vhodnimi parametri okolja in izhodi iz dušikovega kroga tal v obliki biomase, plinov in izpiranja. Modelske procese poganjajo primarne gonilne sile v okolju, kot so procesi v ozracju, tleh in vegetaciji, ob upoštevanju kme­tijske prakse oz. clovekove aktivnosti (sl. 5). Mo­del DNDC sestavljata dve osnovni komponenti, ki rešujeta enacbe klime tal z izracunom iztoka vode in enacbe biogeokemijskih procesov duši­ka v tleh. Prvo modelsko komponento sestavljajo trije podmodeli: klima tal, rast vegetacije in de­kompozicija. V okviru te komponente je možna napoved faktorjev tal: temperature in vlage tal, pH in oksidacijsko-redukcijskega potenciala ter vsebnosti substratov na podlagi vedenja o tleh, rastlinstvu in podnebju, ki lahko pomembno vpli­va na rezultate biogeokemijskih procesov (Uhan, 2018). Druga komponenta je sestavljena iz nitri­fikacijskega, denitrifikacijskega in fermentacij­skega podmodela, ki omogocajo napoved emisije plinov iz sistema tla - rastline. Model predstavlja povezavo med ogljikovim in dušikovim biogeoke­mijskim ciklom in primarnimi gonilnimi silami ter med drugim simulira tudi kolicino letnega izhoda dušika iz koreninskega obmocja tal, ki ogroža kakovost podzemne vode tudi v zasicenem delu vodonosnika. Pri tem je pomemben proces denitrifikacije, ki se povezuje z nasicenostjo tal in pojavom anaerobnosti. Model DNDC preko Nern­stove enacbe (Nernst, 1889) oceni oksidacijsko- redukcijske pogoje tal (Eh), nato pa ob upošte­vanju Michaelis-Mentenove kinetike (Michaelis & Menten, 1913) simulira aktivnosti anaerobnih mehanizmov in izracuna stopnjo denitrifikacij­ske redukcije nitrata (Stumm & Morgan, 1981; University of New Hampshire, 2017). Analiza obcutljivosti modela DNDC je z metodo Monte Carlo (Metropolis & Ulam, 1949) v primeru repre­zentativnega pedološkega profila v Latkovi vasi izpostavila pomemben vpliv na izpiranje dušika predvsem s strani dveh vhodnih parametrov: hi­dravlicne prevodnosti tal in kolicine uporabljenih gnojil (Uhan, 2011). Umerjanje modela oz. vred­notenje rezultatov modela DNDC je bilo izvedeno preko primerjave z merjenimi podatki poljskega poskusa v Latkovi vasi leta 2000 (Pintar et al., 2005) in neparametricni Spermanov koeficient korelacije ranga je dosegel vrednost 0,76 (a=0,05). Statisticna primerjalna analiza modelskih rezultatov Primerjava rezultatov modeliranja vsebnosti nitrata v vodi pod koreninskim obmocjem tal v regionalnem in v lokalnem merilu je zahtevala posplošitev oz. prenos modelskih izhodnih po­datkov na primerljive prostorske enote. Primer­ljive enote prostora, znotraj katerih naj bi bile vhodne velicine hidrološkega modela predpos­tavljeno homogene, so z enako vrsto tal, rabo prostora in naklonom površja definirane kot hi­drološke enote HRU (angl. Hydrological Respon­se Unit) (Arnold et al., 1998) (sl. 6). Prostorskim enotam z enako vrsto tal, rabo prostora in nak­lonom površja lahko pripišemo enake hidrološke znacilnosti prostora. Hidrološkim enotam HRU študijskemu obmocju Spodnje Savinjske doli­ne so bila v primeru modeliranja v regionalnem merilu izracunana prostorska povprecja letnega izpiranja dušika iz modelskih rastrskih celic 100 × 100 metrov, v primeru modeliranja v lokalnem merilu pa so bile hidrološkim enotam HRU pri­pisane vrednosti modeliranja letnega izpiranja dušika iz reprezentativnih profilov tal (sl. 3) s prevladujocimi rabami prostora (sl. 4). Statistic­na primerjalna analiza modelskih rezultatov je v tako pripravljenem rastrskem zapisu temeljila na matriki pravilnosti razvršcanja oz. matriki zamenjav, iz katere je izracunana mera ujemanja ali skladnosti (sl. 5). Cohenov koeficient . (kapa) pokaže stopnjo ujemanja klasifikacij dveh mo­delskih rezultatov oz. za koliko je ujemanje med modelskima rezultatoma boljše od nakljucnega ujemanja. Z izracunom koeficienta . smo oprede­lili delež ujemanja modelskih rezultatov, ki pre­sega pricakovano nakljucje (Cohen, 1960): kjer je Po delež opazovanega ujemanja, Pc pa je delež nakljucnega ujemanja. Podobno kot korelacijski koeficient je tudi Cohenov koeficient . v razponu od -1 do +1, kjer negativne vrednosti govorijo o ujemanju, ki je slabše od nakljucja, vrednost +1 pa nakazuje odlicno ujemanje. Primerjalna analiza rezulta­tov modeliranja vsebnosti nitrata v vodi pod ko­reninskim obmocjem tal v regionalnem in v lo­kalnem merilu Spodnje Savinjske doline je bila v GIS okolju izvedena s sistematicnim in robu­stnim postopkom Kappa Stats (Jenness & Wynne, 2007). Rezultati in razprava Vsebnosti nitrata v vodi pod koreninskim ob­mocjem tal smo v enodimenzijskem modelskem okolju DNDC najprej modelirali v posameznih reprezentativnih profilih tal ob izbranih scena­rijih rabe prostora in kmetijske prakse (Uhan, 2011). Ob tem smo za potrebe regionalizacije modelskih rezultatov letnega izpiranja dušik iz talnega profila privzeli poenostavljen koncept hidrološke enote HRU. Hidrološke enote HRU so osnovne enote izracunov v modelskem okolju SWAT, ki izvorno temeljijo na vrstah tal, rabah prostora in naklonih površja, znotraj katerih naj bi bile vse vhodne velicine modela predpostav­ljeno homogene (Arnold et al., 1998). S tremi re­prezentativnimi vrstami tal Spodnje Savinjske doline (obrecna tla, evtricna rjava tla, hipoglej) in tremi vrstami kmetijske rabe prostora (hme­ljišce, njiva in vrt, trajni travnik) smo vzposta­vili prostorsko shemo devetih prevladujocih hi­droloških enot HRU (sl. 6), s katerimi smo uspeli pokriti 89 % celotnega raziskovalnega prosto­ra. Rezultati modelskih simulacij DNDC so za izbrano analizirano leto 2008 v razponu od 1,7 do 36,9 kg N/ha. Pri pregledu površin obdeloval­nih kmetijskih zemljišc posameznih hidroloških enot in modelskih izracunov izpiranja dušika iz reprezentativnih pedoloških profilov mocno izstopajo hmeljišca (sl. 7 in 9) z obravnavano površino 1.212 ha in izpiranjem dušika v raz­ponu od 13,6 kg N/ha na hipogleju Arje vasi do 36,9 kg N/.ha na obrecnih tleh Orle vasi. Koncept hidroloških enot HRU smo zara­di potreb primerjalne analize uporabili tudi za posplošitev rezultatov modela GROWA-DENUZ z izvorno prostorsko locljivostjo 100 × 100 me­trov (Andjelov et al., 2014, 2015). Rezultati regi­onalnega modela GROWA-DENUZ so za izbrano analizirano leto 2008 po posameznih hidroloških enotah HRU v razponu od 8,7 do 37,0 kg N/.ha. Tudi v tej modelski simulaciji izstopajo hidro­loške enote s hmeljišci in sicer v razponu od 23,8 do 37,0 kg N/ha. Model GROWA-DENUZ simu­lira tok dušika v manjšem razponu, vendar pa je standardni odklon rezultatov obeh modelih zelo podoben: 10,2 kg N/ha pri modelu DNDC in 9,6 kg N/ha pri modelu GROWA-DENUZ (Tabe­la 2). Statisticna primerjalna analiza podatkovnih slojev je terjala prostorsko klasifikacijo rezulta­tov obeh modelskih simulacij, ki je bila izvedena glede na število izhodišcnih karakteristik hidro­loških enot HRU (trirazredna klasifikacijska she­ma) in glede na verjetnostno porazdelitev mode­liranih vrednosti (dvorazredna klasifikacijska shema). Podlaga dvorazredni klasifikacijski shemi (sl. 7 in 8) je vrednost prevoja logaritemske verje­tnostne porazdelitve (Panno et al., 2006), podlaga trirazredni klasifikacijski shemi (sl. 9 in 10) pa je Fisher-Jenksov algoritem naravnih mejnih vred­nosti (Slocum et al., 2005). Mejne vrednosti razre­dov so prikazane v legendah na slikah od 7 do 10. Za oceno ujemanja prostorskih podatkov­nih slojev dveh modelskih simulacij (DNDC in GROWA-DENUZ) in dveh klasifikacijskih shem (dvorazredna in trirazredna shema) smo upora­bili Cohenovo Kappa statistiko (Cohen, 1960) in ArcGIS orodje ocenjevanja zanesljivosti prostor­skih modelov (Jenness & Wynne, 2005). V prime­ru trirazredne klasifikacijske sheme je stopnja zanesljivosti ujemanja 71,7 % s Cohenovim Kap­pa koeficientom 0,57, v primeru dvorazredne kla­sifikacijske sheme pa je stopnja zanesljivosti uje­manja 89,5 % s koeficientom 0,73, kar se že lahko interpretira kot razred dobrega ujemanja (Lan­dis & Koch, 1977) (Tabela 3) (sl. 7 do 10). Primerjalna analiza rezultatov modeliranja toka dušika preko koreninskega obmocja tal v regionalnem in lokalnem merilu Spodnje Savinj­ske doline odkriva dobra medsebojna ujemanja predvsem pri višjih modeliranih vrednostih, to je v velikostnem obmocju nad okoli 23 kg N na hektar. Skoraj popolno ujemanje je ugotovlje­no za povprecja hidroloških enot s hmeljišci na obrecnih tleh in zelo prepustnem vodonosniku s podzemno vodo plitvo pod tlemi (sl. 7 do 10). Vecja odstopanja pa so bila ugotovljena pri nižjih vrednosti modeliranega dušika pod koreninskim obmocjem, predvsem na obmocju hipoglejev in psevdoglejev. To so obmocja na severnem obrobju doline z bolj anaerobnimi talnimi pogoji in regi­onalno modeliranimi vrednostmi pod 12 kg N na hektar. Z obsežnimi terenskimi meritvami raz­topljenega kisika v podzemni vodi so bila na teh obmocjih že dokazana izrazita redukcijska oko­lja, pomembna za regionalno porazdelitev nitrata v podzemni vodi (Uhan, 2010, 2011; Uhan et al., 2011). Ocenjujemo, da je stopnja denitrifikacije v obmocju korenin v primeru bolj glinastih talnih razmer z nizko vsebnostjo kisika in visoko vseb­nostjo vode, kot tudi visoko vsebnostjo organskih snovi, zaznavno višja, kot jo prikazujejo rezul­tati regionalnega modela. V regionalnem mode­lu GROWA-DENUZ so denitrifikacijski pogoji v tleh Slovenije ocenjeni na podlagi referencnih vrednosti, pridobljenih z meritvami na srednje­evropskih tleh, kar je nedvomno lahko velik vir variacije oz. odstopanja od rezultatov lokalnega modela, ki temelji na raziskanih reprezentativ­nih profilih tal študijskega obmocja. Poleg raz­lik v vhodnih podatkih o gnojenju in kmetijski praksi v obeh modelskih simulacijah lahko tudi v tem išcemo razloge za razlike med povprecnimi vrednostmi obeh modelskih rešitev (Tabela 2). V prihodnje je priporocljivo terensko raziskati ob­mocja z ugodnimi denitrifikacijskimi pogoji in v regionalnem modelu bolj natancno opredeliti po­tencial za redukcijo nitrata v koreninskem obmo­cju in posledicno tudi v podzemni vodi vseh pli­tvih vodonosnikov s slabim kemijskim stanjem. Ob tem pa se je potrebno zavedati, da je proces denitrifikacije modularnega znacaja, kar dodat­no otežuje meritve in modeliranje ter terja raz­širitev raziskav tudi na izotopsko sestavo vode, predvsem na stabilne izotope 18O v NO3 ter 15N in 11B. Znotraj t.i. »izotopskega triptiha« je za raz­likovanje virov nitrata in frakcionacijskih proce­sov, kot je denitrifikacija, pomembno poznavanje predvsem izotopske sestave 11B, na katero bioge­okemijski transformacijski procesi ne vplivajo (Widory et al., 2013; Van Groenigen et al., 2015). Sklep Zaradi odsotnosti dolgorocnega trenda izbolj­ševanja stanja voda po oceni Evropske komisije nitrat v podzemni vodi še vedno predstavlja resno grožnjo okolju na regionalni in lokalni ravni. Re­gionalna modelska simulacija toka nitrata preko koreninskega obmocja v vodonosnik je pomem­ben pristop ocenjevanja ucinkovitosti nacrtova­nih ukrepov zmanjšanja tveganja za onesnaženje podzemne vode, predvsem v primerih intenzivne­ga kmetovanja na plitvih prepustnih vodonosni­kih s slabim kemijskim stanjem podzemne vode in regionalnimi vodooskrbnimi viri. V porocilu na podlagi evropske direktive Sveta 91/676/EEC, ki se nanaša na varstvo voda pred onesnaženjem z nitrati iz kmetijskih virov za obdobje 2012-2015, je Slovenija tovrstni modelski pristop že napove­dala. Ob tem pa je pomembno poznavanje omeji­tev modelskega sistema in zanesljivosti modelskih rezultatov. Z rezultati lokalnega modela DNDC smo podprli analizo vrednotenja rezultatov regi­onalnega modeliranja izpiranja dušika na obmo­cju celotne države. Primerjalna analiza rezulta­tov modeliranja v regionalnem merilu z rezultati modeliranja v reprezentativnih profilih tal je ena od pomembnih stopenj v procesu preizkušanja modela oz. ocenjevanja zanesljivosti rezultatov regionalnih modelov. Primerjalna analiza je na tej stopnji potrdila primernost uporabe rezulta­tov regionalnega modelskega sklopa GROWA­-DENUZ v procesu priprave ukrepov potrebnega zmanjšanja obremenitev na nivoju vodnih teles s slabim kemijskim stanjem podzemnih voda, ob tem pa je izpostavila potrebo po boljši karakte­rizaciji denitrifikacijskih pogojev po posameznih delih vodnih teles, kar lahko izboljša napovedo­vanje ucinkov ukrepov tudi v nižjem velikostnem razredu vsebnosti nitrata v vodi pod koreninskim obmocjem tal. Literatura Andjelov, M., Kunkel, R., Uhan, J. & Wendland, F. 2014: Determination of nitrogen redu­ction levels necessary to reach groundwa­ter quality targets in Slovenia. Journal of Environmental Sciences, 26/9: 1806-1817. https://doi.org/10.1016/j.jes.2014.06.027 Andjelov, M., Kunkel, R., Sušin, J., Uhan, J. & Wendland, F. 2015: Modelling and manage­ment of nitrate inputs into groundwater and surface water in Slovenia. In: Loiskandl, W. (ed.): International Interdisciplinary Conference on Land Use and Water Quality, Agricultural Production and the Environment, Vienna, Institute of Hydraulics and Rural Water Management, pp. 27. Internet: http://web.natur.cuni.cz/luwq2015/download/LUWQ2015_Volume_of_abstracts_TOC-abstracts-AuthorIndex_UPDATE_for_web.pdf (17. 10. 2018) Andjelov, M., Mikulic, Z., Tetzlaff, B., Uhan, J. & Wendland, F. 2016a: Groundwater recharge in Slovenia : results of a bilateral German-Slovenian research project. Schriften des Forschungszentrums Jülich, Reihe Energie & Umwelt, Bd. 339: 138 p. Internet: http://juser.fz-juelich.de/record/824161/files/Energie_Umwelt_339.pdf (17. 10. 2018) Andjelov, M., Sušin, J. & Uhan, J. 2016b: Vsebnost nitrata v vodi pod koreninsko cono. In: Novak, M. & Rman, N. (eds.): Geološki atlas Slovenije. Geološki zavod Slovenije, Ljubljana: 74-75. Arnold, J.G., Srinivasan, R., Muttiah, R.S. & Williams, J.R. 1998: Large area hydrology modeling and assessment. Part 1: Model de­velopment. Journal of the American Water Resources Association, 34/1: 73-89. Cohen, J. 1960: A coefficient of agreement for no­minal scales. Educational and Psychological Measurement, 20/1: 37-46. Direktiva 91/271/EGS: Direktiva sveta 91/271/EGS z dne 21. maja 1991 o cišcenju komu­nalne odpadne vode. Uradni list RS, 135, 30.5.1991: 40-52. Direktiva 2000/60/ES: Direktiva Evropskega parlamenta in Sveta 2000/60/ES z dne 23. oktobra 2000 o dolocitvi okvira za ukrepe Skupnosti na podrocju vodne politike. UL L št. 327 z dne 22. 12. 2000: 1-73. Direktiva 91/676/EGS: Direktiva Sveta 91/676/EGS z dne 12. decembra 1991 o varstvu voda pred onesnaževanjem z nitrati iz kmetijskih virov. UL L št. 375 z dne 31. 12. 1991: 1-8. EEA, 2002: EMEP/CORINAIR Emission Inventory Guidebook. Technical Report No 30. European Environment Agency, Copenhagen. Internet: http://www.snc.europa.eu/publica­ tions/EMEPCORI-NAIR3 (10. 2. 2013) Hennings, V. (ed.) 2000: Methodendokumentation Bodenkunde: Auswertungsmethoden zur Beurteilung der Empfindlichkeit und Belastbarkeit von Böden. Geologisches Jahrbuch, Reihe G, Heft SG 1. Schweizer-bartsche Verlagsbuchhandlung, Hannover: 232 p. Jenness, J. & Wynne, J.J. 2007: Kappa analysis (kappa_stats.avx) extension for ArcView 3.x. Internet: http://www.jennessent.com/arcvi­ ew/kappa_stats.htm (10. 5. 2018) Kunkel, R. & Wendland, F. 2006: Diffuse Nitrateinträge in die Grund- und Oberflächengewässer von Rhein und Ems. Schriften des Forschungszentrums Jülich, Reihe Umwelt, 62: 124. Kunkel, R., Kreins, P., Tetzlaff, B. & Wendland, F. 2010: Forecasting the effects of EU po­licy measures on the nitrate pollution of groundwater and surface waters. Journal of Environmental Sciences, 22/6: 872-877. https://doi.org/10.1016/S1001-0742(09)60191-1 Kurkowiak, B.M. (ed.) 2017: Sustainable deve­lopment in the European Union. Monitoring report on progress towards the SDGs in an EU context, 2017 edition. EUROSTAT, Luxembourg: 368 p. Landis, J.R. & Koch, G.G. 1977: The measure­ment of observer agreement for categorical data. Biometrics, 33/1:159-74. Li, C.S., Frolking, S. & Frolking, A.T. 1992: A Model of nitrous oxide evolution from soil driven by rainfall events: 1. Model structu­re and sensitivity. Journal of Geophysical Research, 97/D9: 9759-9776. Li, C.S. 2009: User`s guide for the DNDC model - Vesion 9.3. University of New Hampshire. 88 p. Matoz, H., Nagode, P., Mihorko, P., Cvitanic, I., Dobnikar Tehovnik, M., Remec Rekar, Š., Rotar, B., Andjelov, M., Uhan, J., Sever, M., Zajc, M., Krsnik, P., Kušar, U., Marolt, P., Hebat, I., Sušin, J., Verbic, J. & Zagorc, B. 2016: Porocilo Slovenije na podlagi 10. clena Direktive Sveta 91/676/EEC, ki se nanaša na varstvo voda pred onesnaženjem z nitrati iz kmetijskih virov za obdobje 2012 – 2015. Ministrstvo za okolje in prostor, Ljubljana: 73 p. Michaelis, L. & Menten, M.L. 1913: Kinetik der In-vertinwirkung. Biochem. Zeitung, 49: 333-369. Mihelic, R., Cop, J., Jakše, M., Štampar, F., Majear, D., Tojnko, S. & Vršic, S. 2010: Smernice za strokovno utemeljeno gnojenje. Ministrstvo za kmetijstvo, gozdarstvo in prehrano, Ljubljana: 182 p. MKGP 2007: Graficni podatki GERK in RABA. Internet: http://rkg.gov.si/GERK (20. 12. 2007) MOP 2011: Nacrt upravljanja voda za vodni obmo­cji Donave in Jadranskega morja 2009 - 2015, Ministrstvo za okolje in prostor, Ljubljana: 524 p. MOP 2016: Nacrt upravljanja voda na vodnem obmocju Donave za obdobje 2016 - 2021, Ministrstvo za okolje in prostor, Ljubljana: 287 p. Müller, U. & Raissi, F. 2002: Arbeitshilfe für bo­denkundliche Stellungnahmen und Gutachten im Rahmen der Grundwassernutzung. Arbe-itshefte Boden Heft 2. Niedersächsisches La-ndesamt für Bodenforschung, Hannover: 49 p. Nernst, W.H. 1889: Die elektromotorische Wirksamkeit der Ionen. Z. Phys. Chem., 4: 129-181. Panno, S.V., Kelly, W.R., Martinsek, A.T. & Hackley, K.C. 2006: Estimating background and threshold nitrate concentrations using probability graphs. Ground Water, 44/5: 697-709. Salas, W. 2010: Agricultural Strategies for Mitigating GHG Emission: DNDC Model and Case Studies. Internet: https://www.arb.ca.gov/research/seminars/salas/salas.pdf (30. 5. 2018) Slocum, T.A., R. B. Mcmaster, R.B., Kessler, F.C. & Howard, H.H. 2005: Thematic cartography and geographic visualization. Prentice-Hall, Inc., New Jersey: 518 p. Souvent, P., Vižintin, G., Celarc, S. & Cencur Curk, B. 2014: Ekspertni sistem za podpo­ro odlocanju na aluvialnih telesih podze­mne vode Slovenije. Geologija, 57/2: 245-252, doi:10.5474/geologija.2014.021 Stumm, W. & Morgan, J. J. 1981: Oxidation and Reduction. In: Stumm, W. & Morgan, J. J. (eds.): Aquatic Chemistry: An Introduction Emphasizing Chemical Equilibria in Natural Waters. 2nd edition, John Wiley & Sons, New York: 418-503. Sušin, J., Bergant, J., Šinkovec, M., Kralj, T., Verbic, J., Žnidaršic, T., Babnik, D., Glad, J. & Zagorc, B. 2015: Strokovne naloge s pod­rocja okolja za Ministrstvo za okolje in pros­tor: porocilo za leto 2014. Kmetijski inštitut Slovenije, Ljubljana: 63 p. University of New Hampshire 2017: DNDC (Version 9.5) Scientific basis and processes. Internet: http://www.dndc.sr.unh.edu/papers/DNDC_Scientific_Basis_and_Processes.pdf (30. 5. 2018) Uhan, J., Vižintin, G. & Pezdic, J. 2010: Groundwater nitrate vulnerability assessment using process-based models and weights-of­-evidence technique: Lower Savinja Valley case study (Slovenia). In: Zuber, A., Kmiecik, E. & Zuber, A. (eds.): Groundwater Quality Sustainability. XXXVIII IAH Congress, Abstract book, Krakow: 47-48. Uhan, J. 2011: Ranljivost podzemne vode na ni­tratno onesnaženje v aluvialnih vodonosnikih Slovenije: doktorska disertacija. Univerza v Ljubljani, Ljubljana: 163 p. Uhan, J., Brilly, M., Pintar, M., Vižintin, G., Trcek, B. & Pezdic, J. 2011: The impact of anoxic conditi­ons on regional groundwater nitrate distribution and vulnerability assessment. In: Groundwater: our source of security in an uncertain future: papers presented at the international conferen­ce: 19th to 21st September 2011, Pretoria, South Africa: incorporating the Biennial Conference of the Ground Water Division (GWD) of the Geological Society of South Africa (GSSA) and Meeting of the International Association of Hydrogeologists (IAH). Pretoria: 1 p. Uhan, J. (ed.) 2015: Kolicinsko stanje podzemnih voda v Sloveniji. Osnove za NUV 2015-2021. Agencija RS za okolje, Ljubljana: 64 p. Uhan, S. 2018: Assessment of the influences of climate variability on nitrogen leaching rate into groundwater. RMZ – Materials & Geoenvironment, 64: 1-8. https://doi.org/ 10.2478/rmzmag-2018-0013 Van Groenigen, J.V., Huygens, D., Boeckx, P., Kuyper, Th.W., Lubbers, I.M., Rütting, T. & Groffman, P. M. 2015: The soil N cycle: new insights and key challenges. Soil, 1: 235-256. https://doi.org/10.5194/soil-1-235-2015 Vidic, N. J., Prus, T., Grcman, H., Zupan, M., Lisec, A., Kralj, T., Vršcaj, B., Rupreht, J., Šporar, M., Suhadolc, R., Mihelic, R. & Lobnik, F. 2015: Tla Slovenije s pedološko karto v merilu 1: 250 000 = Soils of SLovenia with soil map 1: 250 000. Evropska komisija, Skupni razi­skovalni center (JRC)/European Commission Joint Research Centre (JRC)/Publication Office of the European Union, Luxembourg: 152 p. https://doi.org/10.2788/88750 Wendland, F., Kunkel, R., Gömann, H. & Kreins, P. 2008: Regional modelling of ni­trate flux into groundwater and surface wa­ter in the Ems basin and the Rhine basin, Germany. In: Mikulic, Z. & Andjelov, M. (eds.): Groundwater modelling. International Symposium on Groundwater Flow and Transport Modelling. Proceedings of Invited Lectures. Agencija RS za okolje, Ljubljana: 95 p. Internet: http://www.arso.gov.si/en/water/reports%20and%20publications/Groundwater_Modelling.pdf (17. 10. 2018) Widory, D., Petelet-Giraud, E., Brenot, A., Bronders, J., Tirez, K. & Boeckx, P. 2013: Improving the management of nitrate polluti­on in water by the use of isotope monitoring: the d15N, d18O and d11B triptych. Isotopes Environ Health Stud., 49/1: 29-47. https://doi.org/10.1080/10256016.2012.666540 Wienhaus, S., Höper, H., Eisele, M., Meesenburg, H. & Schäfer, W. 2008: Nutzung bodenku­ndlich-hydrogeologischer Informationen zur Ausweisung von Zielgebieten für den Grundwasserschutz- Ergebnisse eines Modell-projektes (NOLIMP) zur Umsetzung der EG-Wasserrahmenrichtlinie. GeoBerichte. Landesamt für Bergbau, Energie und Geologie (LBEG), Hannover: 57 p. Zupan, M., Grcman, H., Tic, I., Hodnik, A., Kralj, T., Šporar, M., Rupreht, J., Šinkovec, M., Lapajne, S., Šijanec, V., Ilc, Z., Gogic Knežic, S., Mohorovic, B., Istenic, B., Kralj, T., Rojec, L., Rojec, M., Zupan, M. & Šijanec, M. 2008: Raziskave onesnaženosti tal Slovenije v letu 2007. Biotehniška fakulteta, Oddelek za agro­nomijo, Center za pedologijo in varstvo oko­lja, Ljubljana: 105 p. 216 Jože UHAN & Mišo ANDJELOV Sl. 1. Študijsko obmocje Spodnje Savinjske doline. Fig. 1. Study area of Spodnje Savinjska dolina. 217 Primerjava rezultatov modeliranja vsebnosti nitrata v vodi pod koreninskim obmocjem tal v lokalnem in regionalnem merilu Sl. 2. Hidrogeološka karta Spodnje Savinjske doline (Viri podatkov: Uhan, 2011; Souvent et al., 2014). Fig. 2. Hydrogeological map of Spodnje Savinjska dolina (Data sources: Uhan, 2011; Souvent et al., 2014). Sl. 3. Raba prostora (Vir podatkov: MKGP, 2007). Fig. 3. Land use (Data sou­rce: MKGP, 2007). Sl. 4. Vrsta tal (Vir podat­kov: MKGP, 2007; Vidic et al., 2015). Fig. 4. Soil types (Data so­urce: MKGP, 2007; Vidic et al., 2015). 218 Jože UHAN & Mišo ANDJELOV Tabela 1. Podatkovne zbirke za modeliranje toka nitratov v Spodnje Savinjski dolini z modeloma GROWA-DENUZ in DNDC. Table 1. Databases for nitrogen flux modelling in Spodnje Savinjska dolina with GROWA-DENUZ and DNDC model. Model GROWA-DENUZ Vrsta podatkov / Type of data Podatkovna zbirka / Database Merilo za vektorski podatek ali pro­storska locljivost za rasterski poda­tek / Scale for vec­tor data or spatial resolution for ras­ter data Vir podatkov / Data source Klimatski podatki (1971-2000) / Climate data (1971-2000) Padavine (maj - oktober), padavine (november - april), potencialna evapotranspi­racija / Precipitation (May - October), precipitation (November - April), potential evapotranspiration 100 × 100 m Agencija Republike Slovenije za okolje, Urad za mete­orologijo in hidrologijo / Slovenian Environment Agency, Meteorology and Hydrology Office Pokrovnost tal / Land cover Vrsta rabe tal / Land use category 1: 100.000 Zbirka podatkov CORINE / CORINE data base Podatki o tleh / Soil data Tipi tal, tekstura tal, efektiv­na poljska kapaciteta, globina koreninjenja / Soil types, soil texture, effective field capaci­ty, rooting depth 1: 25.000 Ministrstvo za kmetijstvo, goz­darstvo in prehrano; Univerza v Ljubljani, Biotehniška fakulteta, Oddelek za agronomijo; Kmetijski inštitut Slovenije / Ministry of Agriculture, Forestry and Food; University of Ljubljana, Biotechnical Faculty, Centre for Soil and Environment Science; Agricultural Institute of Slovenia Podatki o površju / Relief data Digitalni model višin / Digital elevation model 100 × 100 m Geodetska uprava Republike Slovenije / Surveying and Mapping Authority of the Republic of Slovenia Geološki podatki / Geological data Geološka karta Slovenije / Geological map of Slovenia 1: 100.000 Geološki zavod Slovenije / Geological Survey of Slovenia Hidrološki podat­ki / Hydrological data Prispevna obmocja, dnev­ni pretoki (1971 - 2000) / Catchment areas, daily runoff (1971 - 2000) 1: 25.000 Agencija Republike Slovenije za okolje, Urad za mete­orologijo in hidrologijo / Slovenian Environment Agency, Meteorology and Hydrology Office Hidrografski podatki / Hydrographical data Recna mreža, umetno izsušena obmocja / River network, arti­ficially drained areas 1: 25.000 Geodetska uprava Republike Slovenije, Ministrstvo za kme­tijstvo, gozdarstvo in prehrano / The Surveying and Mapping Authority of the Republic of Slovenia, Ministry of Agriculture, Forestry and Food Hidrogeološki podatki / Hydrogeological data Hidrogeološka karta Slovenije, tipologija podzemne vode, hi­droizohipse, globina do podze­mne vode, hidravlicna prepu­stnost / Hydrogeological map of Slovenia, groundwater typo­logy, water table contours, groundwater depth, hydraulic permeability 1: 250.000 1: 100.000 1: 25.000 Geološki zavod Slovenije; Agencija Republike Slovenije za okolje, Urad za meteorologijo in hidrologijo / Geological Survey of Slovenia, Slovenian Environment Agency, Meteorology and Hydrology Office Podatki o kako­vosti voda / Water quality data Kakovost podzemnih in po­vršinskih voda (1995 - 2011) / Groundwater and surface wa­ter quality data (1995 - 2011) 1: 25.000 Agencija Republike Slovenije za okolje, Urad za mete­orologijo in hidrologijo / Slovenian Environment Agency, Meteorology and Hydrology Office Tockovni viri du­šika / Point sour­ces of nitrogen Cistilne naprave komunalnih in industrijskih odpadnih voda, greznice / Municipal waste water treatment plants, industrial treatment plants, cesspools 1: 25.000 Agencija Republike Slovenije za okolje, Urad za meteorolo­gijo in hidrologijo; Ministrstvo za okolje in prostor / Slovenian Environment Agency, Meteorology and Hydrology Office; Ministry of environment and spatial planing Razpršeni viri dušika / Diffuse sources of nitrogen Atmosferski nanos dušika, presežek dušika v kmetijstvu / Atmospheric N deposition, agricultural N surpluses 50 × 50 km, 100 × 100 m European Monitoring and Evaluation Programme (EMEP), Kmetijski inštitut Slovenije / European Monitoring and Evaluation Programme (EMEP), Agricultural Institute of Slovenia Model DNDC Vrsta podatkov / Type of data Podatkovna zbirka / Data base Vir podatkov / Data source Podatki o podne­bju (leto 2008) / Climate data (year 2008) Dnevna višina padavin, dnev­no povprecje temperature zra­ka / Daily precipitation, daily average air temperature Agencija Republike Slovenije za okolje, Urad za me­teorologijo in hidrologijo / Slovenian Environment Agency, Meteorology and Hydrology Office Podatki o tleh / Soil data Talni informacijski sistem Slovenije / Soil information system of Slovenia Univerza v Ljubljani, Biotehnicna fakulteta, Center za pedologijo in varstvo okolja / University of Ljubljana, Biotechnical Faculty, Centre for Soil and Environment Science Podatki o rastli­nah / Crop data Podatki o fiziologiji in fenolo­giji rastlin / Crop phenology and physiology data Knjižnica rastlin DNDC (Li, 2009) / Crop library of DNDC (Li, 2009) Podatki o kme­tijski praksi / Agricultural ma­nagement data Podatki iz slovenskih smer­nic za strokovno utemeljeno gnojenje / Data from Slovene guidelines for expert based fertilization Ministrstvo za kmetijstvo, gozdarstvo in prehra­no (Mihelic in sod., 2010) / Ministry of Agriculture, Forestry and Food (Mihelic et al., 2010) 219 Primerjava rezultatov modeliranja vsebnosti nitrata v vodi pod koreninskim obmocjem tal v lokalnem in regionalnem merilu 220 Jože UHAN & Mišo ANDJELOV 221 Primerjava rezultatov modeliranja vsebnosti nitrata v vodi pod koreninskim obmocjem tal v lokalnem in regionalnem merilu Sl. 5. Shema modelskih postopkov in primerjava modelskih rezultatov (po: Kunkel & Wendland, 2006; Salas, 2010). Fig. 5. The scheme of model procedures and comparison of the model results (after: Kunkel & Wendland, 2006; Salas, 2010). Jože UHAN & Mišo ANDJELOV 222 Sl. 6. Hidrološke enote (HRU) za dolocene tipe tal in rabe prostora v Spodnje Savinjski dolini. Fig. 6. Hydrological re­sponse units (HRU) for a given soil types and land uses in Spodnje Savinjska dolina. 223 Primerjava rezultatov modeliranja vsebnosti nitrata v vodi pod koreninskim obmocjem tal v lokalnem in regionalnem merilu Tabela 2. Statistike rastrske karte posplošenih modelskih vrednosti iz modela GROWA–DENUZ in modela DNDC (v kg N/ha). Table 2. Statistics of raster maps of generalized raster map from GROWA–DENUZ and DNDC model (in kg N/ha). Posplošena rastrska karta iz modela GROWA–DENUZ / Generalized raster map from GROWA–DENUZ model Posplošena rastrska karta iz modela DNDC / Generalized raster map from DNDC model Statistike / Statistics Število celic / Number of cells 5.565 5.563 Aritmeticna sredina / Mean 20,37 9,20 Mediana / Mediana 18,69 5,52 Min. vrednost / Min. value 8,68 1,50 Max. vrednost / Max. value 37,05 29,21 Razpon / Range 28,60 27,72 Standardna napaka ocene sredine / Standard error of mean 0,12 0,14 Varianca / Variance 92,37 103,30 Standardni odklon / Standard Deviation 9,61 10,16 224 Jože UHAN & Mišo ANDJELOV Sl, 7. Modelski rezultat DNDC v dvorazredni klasi­fikacijski shemi. Fig. 7. DNDC model result in two-class classification scheme. Sl. 8. Modelski rezultat GROWA-DENUZ v dvoraz­redni klasifikacijski shemi. Fig. 8. GROWA-DENUZ model result in two-class classification scheme. Sl. 9. Modelski rezultat DNDC v trirazredni klasi­fikacijski shemi. Fig. 9. DNDC model result in three-class classification scheme. 225 Primerjava rezultatov modeliranja vsebnosti nitrata v vodi pod koreninskim obmocjem tal v lokalnem in regionalnem merilu Sl. 10. Modelski rezultat GROWA-DENUZ v triraz­redni klasifikacijski shemi. Fig. 10. GROWA-DENUZ model result in three-class classification scheme. Tabela 3. Kappa statistike za razlicne klasifikacijske sheme. Table 3. Kappa statistics for different classification scheme. Klasifikacijska shema / Classification scheme KHAT / Kappa statistics Varianca / Variance Z-vrednost (%) / Z-score (%) P Spodnja meja intervala za­upanja (95 %) / Lower confi­dence interval (95 %) Zgornja meja intervala za­upanja (95 %) / Upper confi­dence interval (95 %) Ocena za­nesljivosti / Accuracy assessment Dvorazredna klasifikacijska shema / two­-class classifi­cation scheme 0,73 0,00010 71,87 < 0,00001 0,714 0,754 0,895 Trirazredna klasifikacijska shema / three­-class classifi­cation scheme 0,57 0,00008 62,60 < 0,00001 0,549 0,584 0,717 226 Jože UHAN & Mišo ANDJELOV 227 Primerjava rezultatov modeliranja vsebnosti nitrata v vodi pod koreninskim obmocjem tal v lokalnem in regionalnem merilu 228 Jože UHAN & Mišo ANDJELOV