I fallstudien har det inte tagits någon hänsyn till andra LOD-lösningar i området, utan endast en växtbädd är utplacerad. En anledning till detta är att området består av en liten parkeringsyta där det inte är nödvändigt att ha flera LOD-anläggningar för att omhänderta en stor andel av årsnederbörden.
Om fallstudien hade varit baserad på ett annat avrinningsområde som är större och t.ex. innefattar byggnader, hade ytterligare LOD-lösningar kunnat appliceras i form av exempelvis gröna tak. Detta hade resulterat i att en mindre volym av ytavrinningen hade nått punkten där dagvattnet samlas och transporteras ut från avrinningsområdet, vilket beror på att de gröna taken i avrinningsområdet minskar avrinningskoefficienten för området. Flera LOD-lösningar inom avrinningsområdet skapar förutsättning till att en större andel av årsnederbörden blir omhändertagen. Med detta i åtanke hade en mindre dimensionering av dagvattenanläggningen kunnat dimensionerats eftersom de gröna taken hade bundit en andel av den årliga nederbörden.
Den yta av studieområdet som bidrar till avrinning är den reducerade ytan, vilket inkluderar en avrinningskoefficient. Avrinningskoefficienten för parkeringsplatsen sattes till 0,8 vilket antas vara ett representativt värde för en parkering som består av enbart asfalt. Detta värde anges även i StormTac som avrinningskoefficient för marktypen parkering samt som riktvärde i P110 för asfalt. Antagandet anses därför vara lämpligt för fallstudiens marktyp. På grund av att avrinningskoefficienten är intensitetsberoende så är värdet för parkeringsplatsen troligtvis giltig för 2-10 års regn. I ett framtida klimat kommer avrinningskoefficienten att behöva anpassas efter en ökad mängd avrinning, men detta tas ej i beaktning i fallstudien eftersom åtgärdsnivån ej har applicerat en klimatfaktor.
Nederbördsdatan som användes i fallstudien är baserad på mätstationen Torsgatan i Stockholm, vilket är en av mätstationerna i åtgärdsnivån som nederbördsdatan är baserad på. Det är viktigt att notera att mätresultatet mellan olika stationer inom Stockholmsområdet kommer att variera. Detta beror på stationens geografiska placering och placeringens höjd över marken. Det har även betydelse hur lågtrycket rör sig in över Stockholm, vilket påverkar vindriktningen och därmed regnriktningen. Detta resulterar i att medelvärdet och maximala dygnsnederbörden under mätperioden för de olika mätstationerna i Stockholm kommer att variera (Stockholms stad, 2019). Antagandet har ändå gjorts att nederbördsdatan från Torsgatan i Stockholm representerar nederbörden i Stockholmsområdet, då variationen inte antas ha en betydande påverkan på den totala årsvolymen.
4.2.1. Modellen i Mike Urban
För att representera ytavrinningen i studieområdet har ett fiktivt ledningsnät satts upp i Mike Urban (se Figur 12). Brunnen valdes att sättas ut där höjddata fanns tillgängligt för att kunna representera den generella flödesvägen till växtbädden. När brunnar placeras i Mike Urban måste diametern anges och dess värde har vanligtvis en liten inverkan på beräkningsresultaten om diametern väljs inom rimliga intervall (0,1-2 meter) enligt Blomquist m.fl. (2016). I fallstudiens fall valdes brunnens diameter till 1 meter. Detta är även ett vanligt värde att ange om diametern inte är känd och om de anslutande ledningarna är mindre än den angivna diametern för brunnarna. Mellan brunnen och växtbädden sattes en ledning upp som är längre än 10 meter och ledningarna ut från växtbädden sattes till ca. 5 meter.
Ledningar som är kortare än 10 meter brukar vanligtvis inte anläggas i verkligheten men eftersom huvudsyftet med det fiktiva ledningsnätet är att representera områdets ytavrinningen och utflödet från växtbädden, så anses inte denna felkälla vara betydande för fallstudien.
49 Det finns även en osäkerhet i att en råhetsgrad har angivits för ledningarna. I Mike Urban angavs ledningarna ett Mannings tal på 68 m1/3/s som motsvarar betong, vilket ska representera dagvattnets väg på asfalt. Mannings tal för asfalt varierar beroende dess grovhet. En grövre asfalt brukar ha ett Mannings tal mellan 70-75 m1/3/s medan en slätare asfalt har ett värde mellan 80-85 m1/3/s enligt Vägverket (2008) men den kan vara så pass låg som 60 m1/3/s. Mannings tal uttrycker den råhet som påverkar friktionsförlusterna, vilket kommer att påverka hastigheten för vattnet i ledningsrören, så ett antagande att Mannings tal är 68 m1/3/s är inte orimligt.
Inflödet till växtbädden har en stor fluktuation under året men även under hela tidsserien (2009-2015), vilket kan ses i Figur 13. Detta beror på att regnet varierar mellan de olika åren i tidsserien, vilket kan ses i den historiska nederbördsdatan (se Figur 8) och inloppsflödet kommer såklart följa samma trend som regnet. Eftersom det är en så pass stor variation i flödet så är det viktigt att man observerar en lång tidsserie för att kunna ta hänsyn till den naturliga variationen i nederbörden. Det hade därför varit önskvärt att kolla på en längre tidsserie än 7 år samt att använda nederbördsdata som även är från de senaste åren. Det är även viktigt att nederbördsdatan har en hög upplösning, vilket inte fanns tillgängligt för de senaste åren och därför valdes en äldre tidsserie men med hög upplösning. Om modelleringen hade utgått ifrån en längre tidsserie hade fler variationer blivit representerade, men däremot hade modelleringen blivit för omfattande tidsmässigt.
Utifrån resultatet i Tabell 13 är den beräknade vattenkvalitetsvolymen för växtbädden inte samma som den beräknade Basin volymen av Mike Urban. Den procentuella skillnaden är däremot inte stor, den ligger mellan 0,76% och 1,67%. För regndjupet 10 mm som omhändertar 90% av den årliga avrinningsvolymen enligt resultatet, har Mike Urban beräknat en för liten volym jämfört med den beräknade vattenkvalitetsvolymen. Skillnaden är 0,76% vilket anses ha en liten betydelse för det slutgiltiga resultatet.
Utifrån resultatet i Tabell 12 kan det konstateras att växtbädden i fallstudien kan dimensioneras utifrån ett mindre regndjup än dimensioneringskravet på 20 mm och att ett regndjup på 10 mm motsvarar att 90% av den årliga avrinningsvolymen omhändertas. Det finns däremot flera felkällor och osäkerheter i modelleringen. En osäkerhet i resultatet är att Mike Urban genererar mer vatten i modellen än vad som uppstår i verkligheten för att kunna lösa kontinuitetsekvationen, vilket kan innebära att bräddningen är mindre än vad modelleringen visar. I Tabell 14 och Tabell 15 redovisas hur stor mängd vatten som antogs vara fiktivt vatten och som togs bort vid databearbetningen. Vid jämförelse med det fiktiva vattnet i inloppsledningen och resultatet i Tabell 11 (ackumulerad volym i inloppsledningen) utgör det borttagna vattnet endast en liten andel av den ackumulerade volymen. Denna slutsats kan även konstateras för bräddningsledningen vid jämförelse mellan det fiktiva vattnet i Tabell 15 med ackumulerade volymen i Tabell 12. Samtidigt kan det även finnas felkällor i nederbördsmätningen såsom mätförluster, som t.ex. kan orsakas av vinden.
Vid en jämförelse med resultatet från beräkningsverktyget (se Bilaga VIII) skapat av Pramsten (2018) är anläggningens area enligt beräkningsverktyget 5,2 m2 för 90% omhändertagen årlig avrinningsvolym, medan resultatet i fallstudien indikerar en area på 4,97 m2 (Bilaga IV) för samma omhändertagen årlig avrinningsvolym. Då Ekvation 6 används, som relaterar det dimensionerande regndjupet till en funktion av magasinsdjupet, anläggningens bottenarea och avrinningsområdets area (Pramsten, 2018), blir regndjupet 3,96 mm för en anläggningsarea på 5,2 m2 och 3,79 mm för en area på 4,97 m2. Skillnaden i resultatet beror på att det är helt olika tillvägagångssätt som har använts i beräkningsverktyget jämfört med i fallstudien, beräkningsverktyget baseras på ett stort antal generella dynamiska modelleringar gjorda för olika tömningstider medan fallstudien består av en enskild och
50 specifik dynamisk modellering för att ta reda på det dimensionerande regndjupet. Båda resultaten visar däremot att ett regndjup på 20 mm är en överdimensionering när det gäller växtbädden och därmed kan åtgärdsnivåns dimensioneringskrav frångås.
En diskussion har förts om uppförandet av antalet ledningar och brunnar för att representera ytavrinningen har en stor inverkan på resultaten. Valet att genomföra uppförandet med flera brunnar och ledningar anses likna dagvattnets rinnväg till en större grad. Under arbetets gång prövades det att sätta upp ett fiktivt ledningsnät med flera ledningar och brunnar samt flera delavrinningsområden för avrinningsområdet. Problemet som uppstod var att Mike Urban skapade en större mängd fiktivt vatten då det finns flera ledningar som är torrlagda under torrperioder samt att rinntiden för varje delområde blev väldigt kort - vattnet rann direkt in i ledningsnätet. En lösning för att minska det fiktiva vattnet hade exempelvis kunna vara att lägga till ett tilläggsflöde, så kallad Network load, på alla ledningar.
Detta var möjligt i alla ledningar uppströms från växtbädden men var dock problematiskt i bräddningsledningen eftersom bräddningsledningen är placerad nära växtbäddens marknivå och ovan inloppsledningen (se Figur 9). Detta uppförande av ledningsnätet följer inte hur man vanligtvis placerar en utloppsledning i ett ledningsnät (vanligtvis nedan inloppsledning) och därmed skapade det problem i hur Mike Urban tolkar riktningen av tilläggsflödet i bräddningsledningen.
Databearbetningen av inloppsflödet och utloppsflödet för bräddningen innefattade borttagning av det fiktiva vatten som Mike Urban skapar under torrperioder. Detta gjordes genom att ta bort de låga flödena (storleksordning 10-8 m3/s för inloppsflödet och 10-7 m3/s för bräddningsflödet) då de antogs vara ett fiktivt flöde. Detta är en felkälla i resultatet eftersom det valdes ett värde som antogs representera det fiktiva flödet, vilket inte behöver vara det representativa värdet för alla torrperioder. I resultatet finns det fortfarande fiktivt vatten kvar, eftersom Mike Urban både genererar vatten under torrperioder men även när det inte är det. Dessutom blir detta problem ofta större vid långa körningsperioder vilket är fallet för fallstudiens modellering.
Mike Urban använder sig av tid-area metoden (se avsnitt 2.6.1.2. Tid-area metoden) vid beräkning av dimensionerande flöden, vilket vanligtvis appliceras på områden som är större än fallstudiens avrinningsområde. Större områden har vanligtvis flera delavrinningsområden och en fördel med Mike Urban är att modelleringsverktyget kan ta hänsyn till olika delområdens rinntider samt att ytavrinningen från delområdena kan summeras till samlingsledningar. I fallstudien är det inte nödvändigt att ta hänsyn till rinntiden för olika delområden, eftersom området är så pass litet och består av ett avrinningsområde.
Mike Urban valdes att appliceras på fallstudien för dess kapacitet att hantera högupplöst nederbördsdata och långa regnserierar samt att Mike Urbans ledningsnät kunde användas för att representera ytavrinningen till växtbädden. I fallstudien valdes Basin för att representera växtbädden men i Mike Urban finns det en funktion som heter Soakaway vilket hade kunnat användas för att representera en växtbädd. Denna funktion valdes att inte användas för att det finns flera osäkerheter i själva funktionen och samma kontroll över vad som sker i “växtbädden” kan ej uppnås i jämförelse med att representera växtbädden som en Basin.
MOUSE RDI valdes att inte användas i modelleringen för fallstudien eftersom det inte finns någon möjlighet till kalibrering vilket innebär att valet av RDI parametrar skulle vara en stor felkälla i fallstudien. En känslighetsanalys hade kunnat utföras för de olika parametrarna men eftersom MOUSE RDI består av 12 parametrar så hade det varit svårt att avgöra valet av parametrar då det kan finnas flera parameteruppsättningar (“parameter set”) som ger upphov till samma resultat (ekvifinalitet). Dessutom appliceras RDI vanligtvis i dagvattenmodelleringar som har ett stort naturområde, där t.ex. inläckage från grundvattnet till ledningsnätet behöver räknas med i modellen. Eftersom fallstudiens område inte
51 har några naturmarker så uppstår inte det problemet. Regnserien som används i modelleringen är så pass lång (7 år) att den kontinuerliga avrinningen antas återspeglas utan användning av RDI.
4.2.2. Modellen i StormTac
StormTac modelleringen gjordes för samma dimensionerande regndjup som i Mike Urban modelleringen. Reningseffekten i Tabell 16 visar att för regndjupen 20 mm och 15 mm uppnås en reningseffekt på minst 70% för zink (82% för regndjupet 20 mm och 76% för regndjupet 15 mm). För de andra två ämnena, fosfor och koppar, uppnås inte en reningseffekt på minst 70% för något av de modellerade regndjupen. Reningseffekten är generellt högre i växtbäddar för metaller jämfört med reningseffekten för fosfor, eftersom metaller avskiljs till största grad i filtermaterialet medan fosfor avskiljs främst genom växternas upptag av näringsämnen. Dessutom, om filtermaterialet väljs så att det gynnar växtligheten kan det resultera i att växtbädden lakar ur mycket höga fosforhalter. I Tabell 16 kan det konstateras att reningseffekten är högre för metallerna koppar och zink för alla regndjup vilket är förväntat i en växtbädd.
Fallstudiens område består av en parkering och dess föroreningar som uppkommer i dagvatten innehåller i regel tungmetaller, olja och PAH:er och därför är det av vikt att välja en dagvattenanläggning som har en god förmåga att avskilja dessa föroreningar. Enligt resultaten från Tabell 16 har växtbädden en god förmåga att avskilja tungmetallen zink, vilket är fördelaktigt eftersom växtbädden renar vatten från en parkeringsyta. Valet av filtermaterial samt dess djup kommer ha en betydelse för vilken reningseffekt som kan uppnås i växtbädden. Växtbäddens djup i fallstudien är baserad på de rekommenderade värdena i StormTac men för att öka avskiljningen av fosfor så krävs det ett mäktigare filtermaterial, enligt Blecken och Larm (2019) uppemot 600-900 mm. I fallstudiens växtbädd har filtermaterialet en mäktighet på 450 mm. För att ytterligare gynna fosforavskiljningen kan man blanda in stålull, järnspån, kalk, m.m. i filtermaterialet för att öka adsorptionen av fosfor (Blecken
& Larm, 2019).
Växtbädden i fallstudien har utgått ifrån den rekommenderade infiltrationskapaciteten på 100 mm/h enligt den kompletterande rapporten till åtgärdsnivån. Infiltrationskapaciteten som främst gynnar fosforavskiljning är lägre än 100 mm/h och för att gynna metallavskiljning ska infiltrationskapaciteten vara minst 150 mm/h men kan även vara högre enligt Blecken och Larm (2019). Den valda infiltrationskapaciteten i kombination med filterdjupet är inte optimalt för att uppnå en effektiv avskiljning av fosfor utan fallstudiens växtbädd är mer anpassad till att avskilja metaller, vilket tydligt framgår i Tabell 16.
Valet av regressionskonstant (H) påverkar beräkningen av inflödet till växtbädden, och värdet som används i fallstudien är baserad på P110 och ska motsvara svenska förhållanden. Om ett platsspecifikt värde ska användas krävs det lokal regnintensitetsdata för att iterera fram en konstant. Eftersom ingen sådan data finns att tillgå, användes värdet som angavs i P110 vilket anses vara tillförlitligt då det är baserat på forskning av bland annat Dahlström (2010). Värdet för medelregnets varaktighet och det genomsnittliga årliga regndjupet är baserad på Hernebring (2006) för Stockholm, vilket även är värden som StormTac hänvisar till och anses tillförlitliga. I StormTac valdes en återkomsttid på 5 år vid beräkning av inflödet med rationella metoden, vilket är inom spannet (1-10 år) som dagvattenanläggningar dimensioneras efter och rekommenderas enligt Blecken och Larm (2019). Valet grundar sig i att det främsta syftet med dagvattenanläggningen är rening och inte flödesutjämning.
52 En diskussion kan föras gällande om det är väsentligt att både undersöka reningseffekten och hur stor andel av avrinningsvolymen som kan omhändertas vid dimensionering av dagvattenanläggningar.
Dagvattnets föroreningshalter har generellt en stor variation beroende på årstiden och marktypen i avrinningsområdet, vilket även visas i StormTacs databas över schablonhalter för olika marktyper. Det kan vara säkrare att utgå ifrån omhändertagen avrinningsvolym där en stor andel av dagvattnet ska renas på grund av att dagvattnet kan ha en så pass stor variation vilket gör att det blir svårt att utgå ifrån ett medelvärde för en viss föroreningshalt.
Syftet med StormTac är inte att utföra exakta föroreningsberäkningar utan huvudsyftet med verktyget är att det ska vara användarvänligt, kostnadseffektivt samt att det inte ska kräva hög datakapacitet (Larm, 2005). I resultatet kommer det finnas osäkerheter och det är svårt att säga om StormTac modellens resultat visar en för hög eller för låg reningseffekt men däremot ger resultatet ett riktmärke kring en förväntad reningseffekt. Om det krävs exakta resultat för att uppnå syftet med undersökningen bör fältbesök och provtagning göras, vilket däremot är kostsamt och tidskrävande. StormTac utgår ifrån schablonhalter för att beräkna reningseffekten för en viss marktyp. Schablonhalterna ger en uppskattning kring hur stor föroreningshalten är för en viss markanvändning. Detta är såklart en osäkerhet i resultatet då dagvattnets föroreningshalt varierar beroende på platsspecifika faktorer.
StormTac är däremot ett bra modelleringsverktyg för att producera underlagsmaterial för beslutsfattare vid exempelvis exploatering då en uppskattning kan göras av vad en planerad exploatering innebär för föroreningsmängden utan att behöva göra fältbesök och provtagning. Detta är en viktig aspekt att ta hänsyn till vid exploatering för att uppnå MKN, vilket även läggs en stor vikt vid i Stockholms stads åtgärdsnivå.