The Fertilizer Forecaster:guiding short‐term decisions in nutrient management 

Project Director’s MeetingJuly 29, 2015

United States Department of Agriculture

National Instituteof Foodand Agriculture

This project was supported by Agriculture and Food Research Initiative Competitive Grant number 2012‐67019‐1929 from the USDA National Institute of Food and Agriculture.

Anthony Buda, Peter Kleinman, Ray Bryant, and Gordon FolmarUSDA Agricultural Research Service

Patrick Drohan, Jasmeet Lamba, Lauren Vitko, Doug Miller, Brian Bills, and Paul Knight

Penn State University

Seann Reed and Peter AhnertNOAA NWS Middle Atlantic River Forecast Center

• Applying fertilizers and manures at the wrong time increases the risk of surface water contamination.

CDT/Nabil K. Mark

Thursday, Feb. 12, 2009Thousands of fish killed ‐ Owner blames manure runoff from farm

Centre Daily Times

• Site assessment tools are currently seasonal (e.g., P Index), but daily recommendations would be helpful.

Daily decision making in nutrient management

Evaluate three runoff forecasting models

Work with a project advisory team to select one model (or a suite of models)

Test web‐based system to identify when and where to apply fertilizers and manures

Fertilizer Forecaster – when and where to apply fertilizers and manures

Allegheny Plateau

Piedmont

Coastal Plain

Ridge &Valley

Project watershedsAnderson Creek Watershed

Anderson Creek Spring Creek Watershed / Rock Springs

Spring Creek

Mahantango Creek Watershed

MahantangoCreek

Conewago Creek Watershed

ConewagoCreek

Sacramento (SAC) Soil Moisture Accounting  (SMA) model

MARFC River Forecast Points

River Forecast Centers mainly use the SAC‐SMA model to provide timely flood forecasts for rivers and streams (MARFC has 215 forecasting points in the Mid‐Atlantic region).

Sacramento Soil Moisture Accounting ModelNOAA’s flagship flood forecasting model

Sacramento (SAC) Soil Moisture Accounting  (SMA) model

Mahantango Creek Experimental Watershed

WE‐38

Adapting NOAA’s SAC‐SMA model to runoff prediction in small basins

Surface runoff observed (cfs)

SAC‐SMA interflow +surface 

runoff (cfs)

Interflow and surface runofftime series deemed best predictors of surface runoff occurrence in MahantangoCreek (outlet at Dalmatia, PA). 

0

5,000

10,000

15,000

0 5,000 10,000 15,000

r2 = 0.80

Sacramento (SAC) Soil Moisture Accounting  (SMA) model

Mahantango Creek Experimental Watershed

WE‐38

Surface runoff observed (cfs)

SAC‐SMA interflow +surface 

runoff (cfs)

Interflow and surface runofftime series deemed best predictors of surface runoff occurrence in WE‐38.  0

50

100

150

200

0 50 100 150 200

r2 = 0.62

Adapting NOAA’s SAC‐SMA model to runoff prediction in small basins

&

Runoff contributing areas

vs.

Runoff   No runoff

0.0

0.2

0.4

0.6

0.8

1.0

0 0.1 0.2 0.3 0.4 0.5

Moisture thresholds

Runo

ff coefficient

Vol. soil moisture (m3 m‐3)

θ 0.36 m3 m‐3 Large stormSmall storm

Creating meaningful runoff risk thresholdsmoving beyond simple runoff occurrence forecasts

Sacramento (SAC) Soil Moisture Accounting  (SMA) model

• Saturation ratio =  θ − θrθs − θr  , where

• SAC‐SMA expresses soil moisture as a saturation ratio

θ = volumetric water contentθr = permanent wilting pointθs = porosity

Saturation ratios predicted by the SAC‐SMA model are a good proxy for surface (i.e., top 25 cm) moisture conditions in the WE‐38 watershed. 

0

0.1

0.2

0.3

0.4

0.5

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1Mean volumetric

 water 

content (m

3m

‐3) 

SAC‐SMA saturation ratio

Vol. soil moisture = 0.17 (saturation ratio) + 0.15r2 = 0.70; p < 0.001

Volumetric water content (top 25 cm) versus SAC‐SMA saturation ratios (top 25 cm)

Does SAC‐SMA capture daily saturation patterns?comparing modeled and measured moisture in WE‐38

Runoff volume (m3)

WE‐38 Watershed(7.3 km2)

Gburek et al., 1999; 2002

Precipitation depth (m)

÷

Runoff contributing area (m2)

Calculating runoff contributing areasborrowing a concept from the Pennsylvania Phosphorus Index

Gburek et al., 1999; 2002

Runoff contributing area (m2)

Contributing distance (m)

Stream length (m)

÷

WE‐38 stream length = 11,250 m

WE‐38 Watershed(7.3 km2)

Runoff contributing distancesderived from contributing area and stream length

10 m contributing distance 

The importance of antecedent moisture nitial runoff contributing distance depends on soil saturation

Runoff contributing distance (m)

SAC‐SMA saturation ratio versus runoff contributing distance

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

0 100 200 300 400 500 60010

Soil restrictive layers drive runoff generationferring the contributing distance of saturation excess runoff 

Soils prone to infiltration excess

On average, soil restrictive layers extend about 75 m from the stream, suggesting a saturation excess contributing distance of about 150 m

Mattern Watershed runoff

poorly drained soil(restrictive layer)

well drained soil90 L

22,000 L

Upslope areas increasingly likely to be hydrologically connected

Saturation excess region

0

10

20

30

40

50

60

0 100 200 300 400 500 600

Runoff contributing distance (m)

Setting a saturation excess runoff thresholdslope fields likely to connect at contributing distances > 150 m

SAC‐SMA runoff versus runoff contributing distance

r2 = 0.70

150

17.5

Runoff risk thresholdsproposed decision rules for runoff risk

Low Risk

SAC‐SMA saturation ratio < 0.6

SAC‐SMA interflow + surface runoff  0 cfs

Moderate Risk

SAC‐SMA saturation ratio > 0.6

SAC‐SMA interflow + surface runoff > 0 cfs and < 17.5 cfs

High Risk

SAC‐SMA saturation ratio > 0.6

SAC‐SMA interflow + surface 

Are these thresholds reasonable? runoff patterns for a moderate risk event

Forecast for May 26, 2011

Moderate Risk

SAC‐SMA saturation ratio = 0.64

SAC‐SMA interflow + surface runoff = 16 cfs

Runoff monitoring

Runoff observed

No runoff observed

Are these thresholds reasonable? runoff patterns for a moderate risk event

High Risk

SAC‐SMA saturation ratio = 0.97

SAC‐SMA interflow + surface runoff = 70 cfs

Runoff monitoring

Forecast for September 8, 2011 (Tropical Storm Lee)

Runoff observed

No runoff observed

The Gerrity skill score for a 3  3 verification table• Ranges from ‐∞ (no skill) to 1 (perfect skill)• Gives more credit for correct forecasts of rarer events and 

less credit for correct forecasts of common events

Observed riskLOW MOD HIGH

LOW

MOD

HIGHForecast risk

(a) Joint probability distribution

p (f1, o1) p (f1, o2) p (f1, o3)

p (f2, o1) p (f2, o2) p (f2, o3)

p (f3, o1) p (f3, o2) p (f3, o3)

(b) Scoring weightsObserved risk

LOW MOD HIGH

s 1, 1 s 1, 2 s 1, 3

s 2, 1 s 2, 2 s 2, 3

s 3, 1 s 3, 2 s 3, 3

Are these thresholds reasonable? assessing model skill for the WE‐38 watershed

Wilks, 2011

Are these thresholds reasonable? assessing model skill for the WE‐38 watershed

Assessed forecast skill using three years (2010 to 2012) of daily stormflow (determined by hydrograph separation) and soil moisture data from the WE‐38 watershed.  

Observed riskLOW MOD HIGH

LOW

MOD

HIGHForecast risk

(a) Joint probability distribution (b) Scoring weightsObserved risk

LOW MOD HIGH

0.46 ‐0.50 ‐1.00

‐0.50 0.55 0.05

‐1.00 0.05 52.13

225 74 0

101 181 1

0 38 5

Total (n) = 625 

0.36 0.12 0.00

0.16 0.29 0.00

0.00 0.06 0.01

Probability  0.52 0.47 0.01Wilks, 2011

Are these thresholds reasonable?preliminary results suggest yes, but more testing needed

Gerrity Skill score for three years of observed data was 0.61, 

indicating positive predictive skill.

The Fertilizer Forecastera vision for what the prototype might look like

Watershed scale view

wodgh

f risk

ypothetical runoff risk forecast wing a low to moderate runoff for the 88 2×2 km forecast  that make up the 

Zoomed in viewThe zoomed in view would show the extent of the moderate runoff risk buffer, defining areas expected to be hydrologically connected to the stream.

Summary and next stepsl moisture and runoff contributing a thresholds express runoff risk in ms of variable source area hydrology. 

ial results suggest that these esholds provide a meaningful and lful representation of runoff risk. 

ntinued corroboration of the soil trictive layer model is needed to refine as prone to saturation excess runoff.

rototype of the runoff risk tool based these thresholds is in development and l b il bl f l ti t ti

Thank you

Partners

Middle Atlantic River Forecast 

Center