Reducing bias and increasing transparency in the designation process of critical source areas across scales

Abstract

Sogenannte kritische Herkunftsgebiete sind ein etabliertes Konzept, wenn es um die Eindämmung diffuser Gewässerbelastungen geht. Es beruht auf der Idee, dass nur ein begrenzter Teil eines Flusseinzugsgebiets wesentlich zu einer stofflichen Belastung der zugehörigen Oberflächengewässer beiträgt. Kennzeichnend für kritische Herkunftsgebiete sind daher hohe Stoffemissionen und ein hoher Anbindungsgrad an Oberflächengewässer. Obwohl dieses Konzept grundsätzlich auf unterschiedlichste stoffliche Belastungen angewendet werden kann, ist es im Fall von Schwebstoffen und sedimentgebundenen Stoffen wie partikulärem Phosphor besonders relevant.Die Hauptmotivation für seine Anwendung stellt die Einbeziehung ökonomischer Prinzipien inder Wassergütewirtschaft dar. Empfohlene Anpassungen der landwirtschaftlichen Praxis, die auf eine Verbesserung der Wasserqualität abzielen, gehen oft zu Lasten der Ernteerträge und werden daher von den zuständigen Behörden häufig mit finanziellen Anreizen begleitet. Selbst wenn solche Behörden bereit sind, das Konzept der kritischen Herkunftsgebiete anzuwenden, ist eine detaillierte Ausweisung auf beispielsweise der Feldebene schwierig, weshalb sich diese Behörden oft an die Flusseinzugsgebietsebene halten, die einfacher zu handhaben ist und in der Regel ausreichend Daten für die Anwendung der Wahrscheinlichkeitstheorie als Entscheidungsgrundlage aufweist.Der hohe Bedarf an Daten und Rechenressourcen sowie fehlendes Prozessverständnis verhindern oft eine detaillierte Ausweisung kritischer Herkunftsgebiete. Ein gestaffelter Ansatz, der räumlich aggregierte mit räumlich verteilten Modellen kombiniert, ist jedoch eine mögliche Lösung für dieses Problem. Diese Arbeit konzentriert sich daher auf die Reduktion von Bias und Erhöhung der Transparenz im Zuge der maßstabsübergreifenden Ausweisung kritischer Herkunftsgebiete,indem sie (i) ein einfaches Bayessches hierarchisches Modell zur Vorhersage von Sedimentfrachten auf Flusseinzugsgebietsebene entwickelt, das sich für die Einbindung in räumlich aggregierteFlusseinzugsgebietsmodelle eignet, (ii) einen Weg aufzeigt, wie man die Verbesserung eines semi-empirischen, räumlich verteilten Phosphoremissions- und Transportmodells mit Hilfe einer Kartierungskampagne und eines weiteren Bayesschen hierarchischen Modells vorantreiben kann,um den Einfluss kulturtechnischer Maßnahmen auf diffuse partikuläre Phosphoremissionen in landwirtschaftlichen Einzugsgebieten zu bewerten, und (iii) eine Methode zur Ausweisung kritischer Herkunftsgebiete auf Feldebene für Flusseinzugsgebiete mit einer Größe von mehreren hundert Quadratkilometern entwickelt, die auf den Ergebnissen potenziell unterschiedlicher räumlich verteilter Modelle basiert und in der Möglichkeitstheorie verankert ist.Da diese Arbeit hauptsächlich in einem Umfeld operiert, in dem bestimmte Daten nur äußerst spärlich vorhanden sind, wodurch insbesondere die frequentistische Wahrscheinlichkeitstheorie, die sich auf Punktschätzungen konzentriert, nur eine sehr begrenzte Orientierungshilfe darstellt,macht sie in erheblichem Maß von der Bayesschen Wahrscheinlichkeitstheorie und der Möglichkeitstheorie Gebrauch. Insbesondere letztere passt perfekt zum Vorsorgeprinzip der EU Wasserrahmenrichtlinie und kann in einem sich ständig wandelnden Umfeld an der Schnittstelle von Wirtschaft, menschlichem Verhalten, Umwelt und technischem Fortschritt Orientierungbieten.

Critical source areas are a well-established concept in the field of diffuse water pollution control.It is based on the idea that only a limited share of a river catchment area significantly contributes to a pollution load of the corresponding surface waters. Characteristics of critical source areas are therefore high pollutant emissions and a high connectivity to surface waters. While this concept is basically applicable to many different pollutants, it is particularly relevant in the case of suspended solids and sediment-bound pollutants like particulate phosphorus.The primary motivation for its application lies in the inclusion of economic principles in water quality management. Recommended changes in agricultural practices aimed at improving water quality often come at the expense of reduced crop yields and thus are commonly monetarily incentivised by responsible authorities. Even when such authorities are willing to adopt the concept of critical source areas, their detailed designation at, for example, the field level is difficult, hence why these authorities often stick to the catchment level, which is easier to handle and often holds enough data for the application of probability theory as a basis for decisions.Demanding data and computational resource requirements as well as lacking process knowledge often prevent the designation of critical source areas at larger scales. However, a tiered approach combining lumped catchment models with spatially-distributed models is a possible solution tothis. This thesis therefore focuses on reducing bias and increasing transparency in the designation process of critical source areas across scales by (i) developing a parsimonious Bayesian hierarchical model to predict river sediment yields at catchment scale suitable to incorporate into lumped catchments models, (ii) showing a way how to push the enhancement of a semi-empirical, spatially distributed phosphorus emission and transport model with the help of a small mapping campaign and another Bayesian hierarchical model in order to assess the impact of agricultural as well ascivil engineering structures on diffuse particulate phosphorus emissions in agricultural catchments,and (iii) developing a method for the designation of critical source areas at field level within catchments of several hundred square kilometres based on the results of potentially diverse spatially distributed models and rooted in the theory of possibility.As this thesis mainly operates in a sparse data environment where particularly frequentist probability theory focusing on point estimates only provides limited guidance, it makes consider a bleuse of Bayesian probability theory and the theory of possibility. Especially the latter fit sperfectly to the precautionary principle of the European Union Water Framework Directive andcan provide guidance in an ever changing environment at the interface of economics, human behaviour, environment and technological progress.