Dynamisk mesohabitat

Klassifisering av mesohabitat er en metode for å dele elver inn i ulike elvetyper der fysiske forhold er relativt homogene (Borsanyi, 2004). Klassifiseringen gir et bilde av hvordan de fysiske forholdene påvirker leveområdene for fisk utfra fire fysiske kriterier: størrel sen på overflatebølger, helningsgrad, vannhastighet og dybde. Klassifisering av mesohabitat er i utgangspunktet en metode basert på feltobservasjoner på ulike vannføringer, og det har frem til nå vært arbeidskre-vende å klassifisere elver ved mange ulike vannføringer.

Et problem ved bruk av mesohabitat til å klassifisere elver er mangelen på dynamikk i metoden. Ved å knytte kriteriene som definerer mesohabitatet mot hydrauliske variable simulert med HEC-RAS kan mesohabitatkart over ulike elvetyper tegnes fra modellresultater i hvert tverrsnitt. Borsanyi (2004) definerte originalt fire kriterier for klassifiseringen: dyp, hastighet, helning og overflatetype (brutt/ glatt). I metoden som er laget i EnviPEAK er dyp koblet direkte til dyp simulert i modellen. Hastigheten som modellen regner ut er mid-delverdien for tverrprofilet, mens klassifiseringen bruker overflatehastighet. I modellen blir derfor hastigheten justert opp til overflaten under forutsetning om et logaritmisk hastighetsprofil. Helningen blir regnet ut basert på simulert vannstand og avstand til nærmeste nedstrøms tverrprofil. Modellen beregner ikke overflatetype direkte (brutt eller glatt), så denne mesohabitatvariabelen blir derfor estimert utfra flere ulike hydrauliske variable modellen produserer.

Modellen ble så brukt for å simulere mesohabitatene for Lundesokna for fire ulike vannføringer, og resultatene ble sammenlignet med kart for de samme vannføringene laget ved hjelp av manuelle observasjoner i felt (Tabell 2.1).

For studiet av dynamisk simulering av mesohabitat ble HEC-RAS modellen for bølgesimuleringen i Lundesokna benyttet (Figur 2.2), og mesohabitatet for hele elva ble i tillegg kartlagt manuelt på fire vannføringer (0,45 / 10,6 / 16,4 og 20,6 m³/s) for sammenligning. Det må her poengteres at manuell mesohabi-tatklassifisering kan være beheftet med feil da dette er en visuell metode med relativt stor grad av skjønn involvert.

Resultatene viser at for de to høyeste vannføringene treffer modellen godt de manuelle observasjonene sammenliknet med de to laveste vannføringene, men også de lave har en rime lig god treffprosent. De største feilene oppstår ved beregning av overflatetype ved 10,6 m³/s og hastighet og dyp ved den laveste vannføringen. For de laveste vannføringene har vi større utfordringer både ved simuleringen og ved manuell klassifisering. Vi ser uansett stor nytte av denne metodikken for å kunne utvide bruken av mesohabitatklassifisering, og særlig ved analyse av elver med stor variasjon i vannføring.

Tabell 2.1. Treffprosent mellom simulert og feltklassifisert dominerende mesohabitat i Lundesøkna på ulike kriterier. Det bemerkes at klassifiserte mesohabitat basert på visuelle observasjoner også kan være beheftet med feil så avvikene viser kun avvik mellom observasjoner og simulerte verdier, ikke nødvendigvis avvik mellom «korrekte verdier» og simulerte verdier.

Vannføring [m³/s]

% treff i forhold til de enkelte kriterier

Overflate-struktur Helning

vannspeil Hastighet

overflaten Vanndybde

20,6 97,6 100,0 100,0 97,6

16,4 85,4 95,1 100,0 95,1

10,6 75,6 97,6 92,7 92,7

0,45 95,1 100,0 80,5 82,6

Stemningsbilde fra Vosso.

Foto: Ulrich Pulg

Faktaboks 2.1. Habitatkartlegging

Habitatkartlegging danner et viktig grunnlag for både å identifisere hvor i vassdraget en kan forvente å finne negative effekter på fiskebestandene, og for å utforme aktuelle tiltak for å bedre forholdene. Blant de fysiske forholdene er det særlig fordeling av gytehabitat og ungfiskhabitat som er avgjørende for fiskeproduksjon. En beskrivelse av metoder for kartlegging av elveklasser og habitatforhold for laksefisk er utgitt i «Håndbok for miljødesign i regulerte laksevassdrag» (Forseth & Harby 2013), og viser også hvordan dette kan inngå som et ledd i å identifisere flaskehalser for fiskebestandene. Her gir vi en kort beskrivelse av fremgangs-måten for habitatkartlegging, og fokuserer på elementer som spesielt bør vektlegges på elvestrekninger hvor det forekommer effektkjøring. Vi henviser til håndboka for ytterligere detaljer.

En habitatkartlegging bør inkludere kartlegging av elveklasser og mesohabitat, substratforhold, skjul og gyteområder. I tillegg bør områder som tørrlegges ved reduserte vannføringer kartlegges for å identifisere risikoområder for stranding av gytegroper og fisk.

Dessuten bør man ta høyde for andre habitategenskaper som temperatur, vannkvalitet, osv.

Elveklasser og mesohabitat

Kartlegging av mesohabitat gir en god oversikt over de overordnete habitat- og strømningsforholdene i vassdraget. Klassifiseringen baserer seg på følgende fysiske kriterier: størrelse på overflatebølger, helningsgrad, vannhastighet og -dybde. En oversikt over de ulike mesohabitattypene er presentert i Tabell 19 i Forseth & Harby (2013). Kartleggingen foretas ved befaring av elva til fots eller ved båt, og ved at mesohabitat på ulike elvestrekninger noteres på kart, direkte i et GIS-verktøy eller at det modelleres. For å forenkle fremstillingen kan de ulike mesohabitatene senere slås sammen til ulike elveklasser.

Substrat, skjul og gytehabitat

Substratforholdene på elvestrekninger klassifiseres i henhold til dominerende og sub-dominerende substratstørrelse på områder med forholdsvis ensartet habitat etter følgende kategorier:

• Silt, sand og fin grus (< 2 cm)

• Grus og småstein (2-12 cm)

• Stein (12-29 cm)

• Stor stein og blokk (≥ 30 cm)

• Fast fjell

Tilgang til skjul måles ved bruk av en 13 mm tykk plastslange som føres inn i hulrom mellom steiner på elvebunnen innenfor en ramme på 50 × 50 cm. Hulrommene blir kategorisert etter hvor langt ned mellom steinene slangen kan føres inn; S1: 2-5 cm, S2:

5-10 cm, S3: > 10 cm. Det utføres tre skjulmålinger i et transekt i elva - ett langs bredden, ett så nært midten av elva det er mulig, og et midt i mellom. Dette gjentas i forskjellige transekt fordelt utover hele elva valgt på en slik måte at målingene gir et mest mulig representativt bilde av skjulforholdene i elva. Basert på målinger av antall skjulmuligheter av ulike kategorier beregnes «vektet skjul» som:

S1 + S2 × 2 + S3 × 3

Basert på vektet skjul klassifiseres skjultilgang på ulike segmenter som lite (< 5), middels (5-10) og mye (> 10).

Gytehabitat kartlegges som elvebunn hvor kombinasjonen av bunnforhold (substratsammensetning) og hydrauliske forhold (vann-hastighet og vanndyp) samlet sett gir egnet habitat for gyting. Størrelsen på gytefisken vil til en viss grad angi optimal substrat-kategori, men for laks og sjøørret er gytesubstratet ofte dominert av grus og småstein (se kategorier over). Gytearealet kartlegges ved inspeksjon fra land, kombinert med vading eller snorkling. Arealet måles manuelt og tegnes på papir- eller digitalt kart for eksempel ved bruk av GPS.

Faktaboks 2.2. Innmåling av bunntopografi med flyfoto

Det er vanlig å bruke to-dimensjonale hydrodynamiske modeller for å undersøke miljøforhold i vassdrag generelt og habitatforhold spesielt, og i noen tilfeller også tre-dimensjonale modeller. Slike modeller krever en høyoppløselig digital terrengmodell (DTM) for hele elvestrekningen, og må inkludere både områder på land og under vann.

Tidligere brukte man blylodd, senere ekkolodd for å måle vanndybden i forhold til en referanse-vannhøyde fra båten. Dette ble etter hvert avløst av båtbaserte multistråle ekkolodd eller interferometrisk sidesøkende sonar, som krever en bestemt minstevann-dybde og brukes i dag for innsamling av topografisk informasjon i store elver og i innsjøer.

På områder det er mulig å vade kan det brukes direkte oppmålingsmetoder som totalstasjoner eller manuell bruk av GPS for å registrere bunnivå. Tradisjonell, manuell oppmåling av bunntopografi fra båt eller ved vading er over lange elvestrekninger svært tidkrevende og noen ganger farlig eller umulig på grunn av høye strømhastigheter. På grunn av dette har fjernmålingsmetoder blitt mer og mer populære, og «fluvial fjernmåling» (fluvial remote sensing, FRS) har oppstått som eget fagområde innenfor fjernmåling og vassdragsforskning. Tradisjonelle fjernmålingsmetoder omfatter satellittfoto-analyse, flyfotografi og laserskanning. Flybåren laser, såkalt LIDAR, bidrar til at høyoppløselig terrenginformasjon blir tilgjengelig for gradvis flere landområder, inklusive elvebred-dene. Noen frekvenser laserlys penetrerer også vann, og den såkalte blå-grønne LiDARen har allerede blitt benyttet for å kartlegge sjøom råder ned til cirka 20 m vanndyp, avhengig av sikten i vannet. For elver har den ikke vært tilfredsstillende god så langt, mens optiske batymetrimetoder har derimot gitt gode resultater i elver.

I et pilotstudie i EnviPEAK testet vi derfor om bunntopografimodellering basert på flyfoto tatt fra et ubemannet fly (UAV) kan brukes i typiske norske elver som Surna i Møre og Romsdal (se figur under). Optisk bunntopografimodellering bygger på sammenheng mel-lom vanndybder og luminansverdier i et flyfoto. Metoden krever oppmåling av noen vanndybder i felt for kalibrering. Flyfotoene ble tatt med en Microdrone MD4-1000 som fløy 70 til 135 m over bakken. Studien viste at optiske metoder for bunntopografimåling gir gode resultater og har et stort potensial, hvis datainnsamlingen er godt planlagt og finner sted under passende værforhold (Zinke

& Flener 2013).

Figuren viser flyfoto-mosaikken med oppmålte punkter fra feltmålingene (øverst) og batymetri-model-len med vann-dybde i meter (nederst), for en cirka 1 km lang strekning i Surna ved Harang. De gule, røde og lyseblå stripene i det øverste bildet er resultatet av manuell oppmåling fra båt eller ved vading. Fra Zinke & Flener (2013).

Faktaboks 2.3. 2D- og 3D-modellering i elver

Hydrodynamiske modeller kan brukes til å beskrive av vannstand, hastigheter og turbulens i elver. For å kunne gi fornuftige resulta-ter må den romlige oppløsningen i modellen være represenresulta-tert på en mer detaljert måte enn de fenomenene i naturen man søker å beskrive. Modeller som beskriver romlige forhold i vassdraget i én, to eller tre dimensjoner (såkalte 1D-, 2D- eller 3D-modeller) har ulike styrker og svakheter med hensyn på analyse av virkninger av effektkjøring i elver.

1D-modeller er basert på oppmålte tverrprofiler og beregner vannstander og strømningshastigheter som middelverdi over hele tverrprofilet. Beregningstida er kort, og modellene er derfor godt egnet til å beskrive virkninger av effektkjøring over store dis-tanser og lengre tidsperioder (Casas-Mulet m.fl. 2014a). I 2D- og 3D-modeller legger man et sammenhengende nett av celler over hele elvestrekning og beregner midlere strømningsparameter for hver celle. Dette krever en høyoppløselig digital terrengmodell.

2D-modeller har bare én celle i vertikal retning, slik at middelverdi (f eks. strømningshastighet) er en «vertikalt midlet» verdi.

3D-modeller beregner også vertikale fordelinger av strømningsparametere. De stiller ofte større kvantitative og kvalitative krav til inngangsdata- og -parametere, fagkunnskap og regnekraft for å tilrettelegge, kalibrere og kjøre modellen. Derfor brukes 3D-modeller i elver først og fremst i tilfeller hvor strømningssituasjonen er så kompleks at enklere modeller ikke kan beskrive prosessene med tilstrekkelig nøyaktighet i forhold til behov. Eksempler er strømninger ved tekniske anlegg som brupilarer, inn-løpstunneler og fisketrapper, eller strukturer som steinblokker, små øyer i elver og deltaer.

De ulike strømningsmodellene kan kobles med transportmodeller som beregner sediment-transport og/eller vannkvalitet.

Resultater av sediment-modelleringer er som regel mye mer usikker enn for strømningsparametere og krever betydelig innsats for datainnsamling og kalibrering (for eksempel Zinke m.fl. 2011).

Figuren viser et gyteområde i Daleelva og modellert romlig fordeling av vanndybden (Dybde), middel-strømningshastighet (U) og bunn-skjærspenning (BSS) for midlere vannføringer for en gitt vannføring under gytesesongen 2011. Den romlige oppløsningen er 0,2 m og 3D-modellen SSIIM er benyttet. Fra Zinke m.fl. (2012).