Modellera bästa förvaltningspraxis för att minska näringsförlusterna från jordbrukets avrinningsområden under olika klimatbanor. How to achieve a 50% reduction in nutrient losses from agricultural catchments under different climate trajectories? Modelling best management practices for reducing nutrient losses from agricultural catchments under different climate trajectories. 2023-105-1-1 SLU.mark.2023.4.4.IÄ-1 https://doi.org/10.5878/3j5c-yh37 Swedish National Data Service Svensk nationell datatjänst Landing page Modellera bästa förvaltningspraxis för att minska näringsförlusterna från jordbrukets avrinningsområden under olika klimatbanor. How to achieve a 50% reduction in nutrient losses from agricultural catchments under different climate trajectories? Modelling best management practices for reducing nutrient losses from agricultural catchments under different climate trajectories. 2023-105-1-1 SLU.mark.2023.4.4.IÄ-1 https://doi.org/10.5878/3j5c-yh37 10.22541/essoar.168748397.79326603/v1 Wynants, Maarten Wynants, Maarten 2018-00890 2018-00890 DO2019-0021 O-21-23-617 O-21-23-617 Swedish National Data Service Svensk nationell datatjänst Landing page water quality kvalitet på vatten forecasting modelling Environmental monitoring facilities Anläggningar för miljöövervakning Hydrography Hydrografi Land cover Landtäcke Land use Markanvändning Soil Mark Farming Areella näringar Environment Miljö Inland Waters Sjöar och vattendrag This dataset contains all the geospatial information and HYPE inputs and outputs related to the publication of "How to achieve a 50% reduction in nutrient losses from agricultural catchments under different climate trajectories?". In this study, we build high-resolution geospatial data to build a semi-distributed water quantity and water quality model for two Swedish Agricultural Catchments in Hydrological Predictions of the Environment (HYPE). We calibrated and validated the model using discharge and water quality monitoring data from the streams in our study sites. We subsequently used the calibrated model to forecast the impacts of climate change on nutrient (Inorganic Nitrogen and Total Phosphorus) loads under three relative concentration pathways (RCP2.6, RCP4.5, and RCP 8.5) and three periods (2022-2035, 2050-2065, and 2085-2100). Finally, we backcasted a 50% reduction in nutrient loads using catchment mitigation scenarios (20% reduction in fertilisation, increasing in floodplain area, implementation of cover crops). This dataset contains all the monitoring data, model inputs (including parameterisation), and the model outputs. Moreover, it contains the R scripts with summary statistics and plotting and the summarised outputs of all model runs in csv files. The dataset contains three folders. 1. The Geopatial Information folder contains all the geospatial data for both study catchments. These include land cover, soil, DEM, and finally the Soil Land Cover maps, which were used to build the HYPE models. The coding of the geospatial shapefiles and raster files can be found in the Readme document. 2. The HYPE_model folder contains all of the HYPE model building blocks necessary to run the calibrated model for Hestadbäcken and Tullstorpån in seperate folders. It also contains the goodness-of-fit outcomes for both the calibrated model and the validation period. This folder also contains the future climate forecasts and the different mitigation scenario testing outcomes. 3. The outputs_and_data_analysis folder contains csv files with all of the model outcomes for IN, TP, and Q in both catchments for all combinations of RCP, period, and climate models. It also contains R scripts used to calculate trends, summary statistics, t-tests, and plot the figures. Moreover, it contains the outcomes of the percentages of change, correlation tests, and t-tests. Denna datauppsättning innehåller all geospatial information och HYPE-ingångar och utdata relaterade till publiceringen av "Hur uppnår man en 50 % minskning av näringsbelastningar från jordbrukets avrinningsområden under olika klimatbanor?". I den här studien bygger vi högupplösta geospatiala data för att bygga en semidistribuerad vattenmängds- och vattenkvalitetsmodell för två svenska jordbruksupptagningsområden i hydrologiska förutsägelser av miljön (HYPE). Vi kalibrerade och validerade modellen med hjälp av utsläpps- och vattenkvalitetsövervakningsdata från bäckarna på våra studieplatser. Vi använde därefter den kalibrerade modellen för att förutsäga effekterna av klimatförändringar på belastningar av näringsämnen (oorganiskt kväve och totalt fosfor) under tre relativa koncentrationsvägar (RCP2.6, RCP4.5 och RCP 8.5) och tre perioder (2022-2035, 2050-2065 och 2085-2100). Slutligen backade vi en 50 % minskning av näringsbelastningen genom att använda scenarier för begränsning av avrinningsområden (20 % minskning av gödsling, ökning av översvämningsområdet, implementering av täckgrödor). Denna datauppsättning innehåller alla övervakningsdata, modellingångar (inklusive parametrering) och modellutgångarna. Dessutom innehåller den R-skripten med sammanfattande statistik och plottning och sammanfattade utdata från alla modellkörningar i csv-filer. Datauppsättningen innehåller fyra mappar. 1. Mappen Geopatial Information innehåller alla geospatiala data för båda studieavrinningsområdena. Dessa inkluderar landtäcke, jord, DEM och slutligen Soil Land Cover kartorna, som användes för att bygga HYPE-modellerna. Kodningen av de geospatiala formfilerna och rasterfilerna finns i Readme-dokumentet. 2. Mappen HYPE_model som består av: -Mappen HYPE_Hestadbäcken som innehåller alla HYPE-modellbyggstenar som behövs för att köra den kalibrerade modellen för Hestadbäcken. Den innehåller också godhet-of-fit-resultaten för både den kalibrerade modellen och valideringsperioden. Den här foldern innehåller också framtida klimatprognoser och testresultaten för olika begränsningsscenarier. Informationen om scenarionumreringen finns i dokumentationsfilerna. -Mappen HYPE_Tullstorpån som innehåller alla HYPE-modellbyggstenar som behövs för att köra den kalibrerade modellen för Tullstorpåns avrinningsområde. Den innehåller också godhet-of-fit-resultaten för både den kalibrerade modellen och valideringsperioden. Den här foldern innehåller också framtida klimatprognoser och testresultaten för olika begränsningsscenarier. Informationen om scenarionumreringen finns i dokumentationsfilerna. 3. Mappen för utdata och dataanalys innehåller R-skript som används för att beräkna trender, sammanfattande statistik, t-tester och plotta siffrorna. Slutligen innehåller den här mappen också utfallen av förändringsprocenten och de årliga belastningsutfallen för alla kombinationer av RCP, period och modell, kombinerade i csv-filer. 2010 2099 Sweden Sverige Numeric Text Geospatial Water quality modellingWater quality modelling Access to data through SND. Data are freely accessible. Åtkomst till data via SND. Data är fritt tillgängliga. openAccess Maarten Wynants, Johan Strömqvist, Lukas Hallberg, John Livsey, Göran Lindström, Magdalena Bieroza. 2023. How to Achieve a 50% Reduction in Nutrient Loads from Agricultural Catchments under Different Climate Trajectories? ESS Open Archive . In Review. Maarten Wynants, Johan Strömqvist, Lukas Hallberg, John Livsey, Göran Lindström, Magdalena Bieroza. 2023. How to Achieve a 50% Reduction in Nutrient Loads from Agricultural Catchments under Different Climate Trajectories? ESS Open Archive . In Review. 10.22541/essoar.168748397.79326603/v1 2023