Slovensko združenje za geodezijo in geofiziko RAZISKAVE S PODRO GEODEZIJE IN GEOFIZIKE 19. sreč anje Slovenskega združenja za geodezijo in Slovensko združenje za geodezijo in geofiziko http://www.fgg.uni-lj.si/sugg/ RAZISKAVE S PODROČ JA GEODEZIJE IN GEOFIZIKE 2013 zbornik del č anje Slovenskega združenja za geodezijo in geofiziko Ljubljana, 30. januar 2014 Slovensko združenje za geodezijo in geofiziko Č JA GEODEZIJE IN GEOFIZIKE geofiziko UREDNIŠKI ODBOR Miran Kuhar Rudi Č op Andrej Gosar Mira Kobold Polona Kralj Vlado Malač ič Jože Rakovec Gregor Skok Bojan Stopar Polona Vreč a RECENZIJA Mihael Brenč ič Andrej Ceglar Mira Kobold Miran Kuhar Sašo Petan Jože Rakovec Simon Rusjan Radoš Šumrada ORGANIZATOR SREČ ANJA IN ZALOŽNIK Univerza v Ljubljani, Fakulteta za gradbeništvo in geodezijo Jamova 2, Ljubljana Naklada: 80 izvodov CIP - Kataložni zapis o publikaciji Narodna in univerzitetna knjižnica, Ljubljana 550.3(497.4)(082) 528(497.4)(082) SLOVENSKO združenje za geodezijo in geofiziko. Strokovno sreč anje (19 ; 2014 ; Ljubljana) Raziskave s področ ja geodezije in geofizike 2013 : zbornik del / 19. sreč anje Slovenskega združenja za geodezijo in geofiziko, Ljubljana, 30. januar 2014 ; [organizator sreč anja Fakulteta za gradbeništvo in geodezijo ; uredniški odbor Miran Kuhar]. - Ljubljana : Fakulteta za gradbeništvo in geodezijo, 2014 ISBN 978-961-6884-17-4 1. Gl. stv. nasl. 2. Kuhar, Miran 3. Fakulteta za gradbeništvo in geodezijo (Ljubljana) 271310592 Predgovor Prič ujoč i zbornik Slovenskega združenja za geodezijo in geofiziko SZGG že 19. po vrsti prinaša prispevke, ki razlagajo pojave v naravi z raznimi metodami. Na področ ju hidrologije npr. z regionalizacijo verjetnostnih porazdelitev, ali pa z multivariatno metodo kopul; v našem kraškem svetu pa je hidrologija neizogibno povezana tudi s speleologijo. Na področ ju meteorologije z razlago, kako od izmerjenih podatkov pridemo do klimatskih informacija; vč asih imajo vremenski pojavi svoj odraz tudi v povezavi s speleologijo ali z geomagnetizmom, pomembno pa vremenska dogajanja vplivajo tudi na onesnaženost zraka. Zbornik prinaša tudi kratka poroč ila o refleksijskih seizmič nih raziskavah in tem, kaj iz jamskih sedimentov pri nas izvemo o geoloških procesih v preteklosti. Poroč a pa tudi spletni bazi objav, ki pokaže tudi informacijo o kraju (v Sloveniji), ki ga objava obravnava. Še nekaj je vredno omeniti. Letošnji zbornik je prvi, pri katerem smo uvedli strokovne recenzije č lankov, kot so v navadi pri znanstvenih objavah: z anonimnimi recenzenti, kar naj bi pripomoglo k več ji kvaliteti objavljenih prispevkov. Naloga recenzentov je namreč predvsem pomagati avtorjem. Tega se avtorji velikokrat zares zavejo šele potem, ko je njihov č lanek objavljen – ponavadi je dosti boljši od prve verzije. Zato lahko upravič eno prič akujemo, da bodo z leti objave v zborniku vse kvalitetnejše. Seveda pa objave v njem ne morejo nadomestiti objav v mednarodnih znanstvenih in strokovnih č asopisih. Zato č lani SZGG svoje najzanimivejše ugotovitve seveda objavljajo v mednarodnih krogih. Domač e objave pa med drugim skrbijo tudi za razvoj slovenske strokovne terminologije – v Zborniku SZGG iz vseh področ ij geofizike in geodezije; zato ima tudi ta zbornik kar pomembno vlogo. Ob zaključ ku štiriletnega predsedovanja SZGG se zahvaljujem za sodelovanje vsem č lanom, še posebej avtorjem prispevkov v zbornikih in predavateljem za predavanja, pri katerih je bila organizatorica ali so-organizatorica SZGG. predsednik SZGG Prof .dr. Jože Rakovec Vsebina Predgovor ................................................................................................................................. 3 Nejc Bezak, Mitja Brilly, Matjaž Mikoš, Mojca Šraj - Uporaba kopul v hidrologiji .............. 7 Katarina Kavč ič , Mitja Brilly, Mojca Šraj - Hidrološka regionalizacija verjetnostnih analiz visokovodnih konic ................................................................................................................ 23 Stanka Šebela - Odziv jamske mikro-klime na izjemne dogodke in dolgotrajnejše spremembe vremena ............................................................................................................... 35 Janja Kogovšek - Skladišč enje vode v vadozni coni kraških vodonosnikov - primer izvira Malenšč ica ........................................................................................................ 41 Rahela Žabkar, Luka Honzak - Napovedovanje kakovosti zraka z modelom WRF/Chem ... 51 Gregor Vertač nik, Mojca Dolinar, Mateja Nadbath - Od meteoroloških meritev do klimatoloških produktov ........................................................................................................ 63 Rudi Č op, Damir Deželjin - Sprememba lokalnega geomagnetnega polja zaradi prehoda vremenske fronte .................................................................................................................... 77 Klemen Kozmus-Trajkovski, Marjan Č eh, Matevž Domajnko, Nejc Krašovec - Spletni portal akademskih nalog s prikazom položaja ....................................................................... 85 Marija Zlata Božnar, Boštjan Grašič , Primož Mlakar - Diagnoza in prognoza onesnaženja ozrač ja nad Slovenijo * ............................................................................................................ 93 M. Vrabec, M. Busetti, F. Zgur, L. Fachin, C. Pelos, R. Romeo, I. Sormani, P. Slavec, I. Tomini, G. Visnovich, A. Žerjal - Refleksijske seizmič ne raziskave v slovenskem morju SLOMARTEC 2013 * ............................................................................................................. 97 M. Vrabec, N. Zupan Hajna , A. Mihevc, P. Pruner , P. BosÆk - Paleomagnetizem jamskih sedimentov v Sloveniji - implikacije za neotektoniko ozemlja * .......................................... 103 * razširjeni povzetek (nerecenzirano) 7 Uporaba kopul v hidrologiji Nejc Bezak * , Mitja Brilly * , Matjaž Mikoš * in Mojca Šraj * Povzetek Funkcije kopula se v svetu vse pogosteje uporabljajo na različ nih znanstvenih področ jih, v hidrologiji pa se njihova uporaba v več ji meri pojavlja šele v zadnjem desetletju. V prispevku so prikazani rezultati nekaterih praktič nih možnosti uporabe kopul v hidrologiji. Naredili smo bivariatne ter trivariatne verjetnostne analize elementov visokovodnih valov (konice pretokov, volumni ter č asi trajanja), analizirali smo povezanost pretokov, volumnov valov ter vrednosti koncentracij suspendiranih snovi ter definirali model, s katerim lahko na podlagi znanih vrednosti pretokov in padavin ocenimo vrednosti koncentracij suspendiranih snovi. Z uporabo statistič nih testov smo pokazali, da je kopula model dal boljše rezultate kot nekateri pogosto uporabljeni regresijski modeli. S tem smo v oceno koncentracij suspendiranih snovi vpeljali dodatne informacije (padavine) in dobili ocenjene vrednosti bližje dejanskim, izmerjenim vrednostim. Pri multivariatnih verjetnostnih analizah pa smo izrač unali različ ne skupne povratne dobe. Ključ ne besede: Kopula, bivariatne analize, trivariatne anlize, pretok, volumen vala, suspendirane snovi. Keywords: Kopula, bivariate analysis, trivariate analysis, discharge, wave volume, suspended solids. Uvod V hidrologiji so se do sedaj za izvedbo verjetnostnih analiz več inoma uporabljale univariatne porazdelitvene funkcije, kjer upoštevamo le eno spremenljivko (več inoma je to konica pretoka). V zač etku 21. stoletja so se v hidrologiji pojavili prvi č lanki, kjer so raziskovalci za izvedbo različ nih analiz uporabili funkcijo kopula (Favre et al., 2004; Salvadori & De Michele, 2004). V drugih vedah, kot sta ekonomija ali biologija, so se kopule uporabljale že nekoliko prej. Teorija kopul temelji na matematič nem teoremu, ki ga je že leta 1959 predstavil Sklar (Sklar, 1959), in bo nekoliko podrobneje predstavljen v nadaljevanju. Temeljno literaturo o funkcijah kopula pa predstavlja naslednje gradivo: Joe (1997), Nelsen (2006), Salvadori et al. (2007). Kopule omogoč ajo izgradnjo multivariatnega modela, kjer hkrati upoštevamo dve ali več v naravi odvisnih spremenljivk. Tako lahko pri verjetnostnih analizah poleg konic pretokov hkrati upoštevamo tudi volumne in č ase trajanja visokovodnih valov ali druge spremenljivke. Ta koncept lahko uporabimo pri vseh multivariatnih problemih, kjer nastopa d medsebojno bolj ali manj odvisnih spremenljivk, kjer odvisnost določ a koeficient korelacije (Kendallov ali Spearmanov) oziroma parameter kopule. Tako so bile kopule uporabljene za izvedbo multivariatnih verjetnostnih analiz visokovodnih valov (Favre et al., 2004; Salvadori & De Michele, 2004; Ganguli & Reddy, 2013), verjetnostne analize padavin (Zhang & Singh, 2007), analize suše (Shiau et al., 2007; Wong et al., 2010; Ma et al., 2011), geostatistič ne interpolacije kot alternativa obič ajnemu krigingu (Bardossy & Li, 2008), preverjanje ustreznosti prelivnega objekta na jezu (De Michele et al., 2005) ter še pri mnogih drugih * Univerza v Ljubljani, Fakulteta za gradbeništvo in geodezijo, Jamova 2, 1000 Ljubljana, Slovenija 8 hidroloških problemih. Na spletni strani mednarodnega hidrološkega društva STAHY (angl. International Association of Hydrological Sciences; www.stahy.org) so zbrani č lanki, kjer je bila za izvedbo hidroloških analiz uporabljena funkcija kopula. Da se kopule v hidrologiji vse pogosteje uporabljajo prič a tudi dejstvo, da se je število č lankov s to metodologijo v bazi Web of knowledge (kategorija Water resources), od leta 2004 povzpelo na več kot 180, v še ne konč anem letu 2013 pa je bilo do sedaj objavljenih največ prispevkov v zvezi s kopulami (do oktobra je bilo v letu 2013 indeksiranih 37 č lankov). Namen prispevka je prikaz praktič ne uporabe kopul v hidrologiji. Prikazan in opisan je postopek uporabe bivariatne ter trivariatne verjetnostne analize visokovodnih valov na primeru hidrološke postaje Litija na reki Savi. Funkcijo kopula smo uporabili tudi za modeliranje pretokov, volumnov valov ter koncentracij suspendiranih snovi. Za izvedbo te analize so uporabljeni podatki z vodomerne postaje Gornja Radgona na reki Muri, kjer so se več kot 25 let neprekinjeno izvajale dnevne meritve koncentracij suspendiranih snovi (ARSO, 2013). Poleg tega smo poskušali funkcijo kopula uporabiti za ocenjevanje vrednosti suspendiranih snovi na podlagi izmerjenih vrednosti pretokov in padavin. Za ta namen smo uporabili podatke z vodomerne postaje Ranca na reki Pesnici ter padavinske postaje Polič ki vrh. Na teh praktič nih primerih so opisani osnovni koraki za izvedbo analiz z uporabo funkcij kopula. Podatki in metode Za izvedbo različ nih analiz smo uporabili podatke s hidroloških postaj Litija na reki Savi (vzorec letnih maksimalnih pretokov), Gornja Radgona na reki Muri (vzorec letnih maksimalnih pretokov in suspendiranih snovi), Ranca na reki Pesnici (meseč ne vsote pretoka in suspendiranih snovi) ter podatke s padavinske postaje Polič ki vrh (meseč ne vsote padavin), ki leži blizu vodomerne postaje Ranca. Preglednica 1 prikazuje nekatere osnovne znač ilnosti obravnavanih postaj ter lastnosti obravnavanih vzorcev. Zaradi različ ne narave obravnavanih problemov smo pri različ nih postajah obravnavali različ na obdobja meritev. Pri analizah koncentracij suspendiranih snovi smo bili omejeni z relativno kratkimi nizi meritev (Bezak et al., 2013b). Več informacij o podatkih in lastnostih vzorcev so podali Bezak et al., 2013a (postaja Litija) ter Bezak et al., 2013b (postaji Gornja Radgona in Ranca). Preglednica 1: Pregled obravnavanih postaj in nekatere osnovne znač ilnosti pripadajoč ih vzorcev Postaja Litija Gornja Radgona Ranca Polič ki vrh Reka / Območ je Sava Mura Pesnica Poreč je Pesnice Tip postaje vodomerna vodomerna vodomerna padavinska Obdobje 1953-2010 1977-2005 1970-1973 1970-1973 Tip vzorca letni maksimumi letni maksimumi meseč ne vsote meseč ne vsote Opazovane spremenljivke pretok pretok, suspendirane snovi pretok, suspendirane snovi padavine Velikost vzorca (število podatkov) 58 29 45 45 Za izvedbo analiz smo torej uporabili funkcije kopula. Osnovni teorem je podal Sklar (1959): , … , = ,… , , (1) 9 kjer je C d dimenzionalna funkcija kopula. Multivariatno d dimenzionalno porazdelitev lahko zapišemo kot kombinacijo funkcije kopula C in robnih porazdelitvenih funkcij F 1 ,…, F d (angl. marginal distributions) (enač ba 1). Gre v bistvu za obič ajne univariatne porazdelitvene funkcije, kjer lahko uporabimo različ ne parametrič ne (npr. normalna, log- normalna, Pearsonova III, generalizirana porazdelitev ekstremnih vrednosti,…) ali neparametrič ne (kernelova gostota; angl. kernel density) porazdelitvene funkcije. Glavna prednost funkcij kopula pred obič ajnimi multivariatnimi porazdelitvenimi funkcijami (npr. multivariatna normalna porazdelitev) je prav loč enost robnih porazdelitev in funkcij kopula. Ocenjevanje parametrov robnih porazdelitev (obič ajen postopek) in parametrov funkcije kopula sta tako dva loč ena postopka. To dejstvo je pomembno zato, ker lahko kot robne porazdelitve posameznih spremenljivk izberemo različ ne porazdelitvene funkcije. Tako lahko npr. pri analizah konic, volumnov in č asov trajanja visokovodnih valov kot robne porazdelitve izberemo različ ne porazdelitvene funkcije, npr. Gumbelovo za konice, Pearsonovo III za volumne ter normalno za č ase trajanja. Sklarov teorem (Sklar, 1959) pa omogoč a, da nato ocenimo parametre kopule povsem loč eno od robnih porazdelitvenih funkcij. Slednje pomeni, da lahko odvisnost med izbranimi spremenljivkami preuč ujemo loč eno od robnih porazdelitev. Za modeliranje različ nih problemov se uporabljajo različ ne funkcije kopula iz različ nih družin. Tako se v hidrologiji najpogosteje uporabljajo kopule iz Arhimedove družine (angl. Arhcimedean family), kopule iz družine ekstremnih vrednosti (angl. extreme value family), nekoliko manj pogosto pa tudi kopule iz eliptič ne družine (angl. elliptical family), ki pa se npr. v ekonomiji uporablja pogosteje (Grimaldi & Serinaldi, 2006; Genest & Favre, 2007; Ganguli & Reddy, 2013). Za modeliranje suše se najpogosteje uporablja kopula Clayton iz Arhimedove družine (Ma et al., 2011), za analize visokovodnih valov se pogosto uporabijo kopule iz družine ekstremnih vrednosti (npr. kopuli Gumbel-Hougaard ali Galambos) (Genest & Favre, 2007), za geostatistič ne interpolacije se pogosto uporabljajo normalne kopule iz eliptič ne družine (Bardossy & Li, 2008). Simetrič ne kopule iz Arhimedove družine, ki se najpogosteje uporabljajo, imajo več inoma le en parameter. Ta parameter lahko podobno kot pri univariatnih porazdelitvah ocenimo z različ nimi metodami. Uporabimo lahko metodo momentov (Kendallov ali Spearmanov koeficient korelacije), metodo največ jega verjetja (angl. maximum likelihood method), pseudo metodo največ jega verjetja (angl. pseudo likelihood method), kjer naj bi bila slednja najprimernejša (Joe, 1997; Nelsen, 2006; Salvadori et al., 2007). V primeru, da obravnavamo vsaj trivariaten primer, lahko analize naredimo tudi z asimetrič nimi kopulami, kjer imajo te en parameter več kot simetrič ne različ ice kopul (Grimaldi & Serinaldi, 2006; Hofert & Mä chler, 2011). Slednje se izkažejo za posebej uporabne v primerih, ko je korelacija med enim parom spremenljivk izrazito več ja kot korelaciji med drugima dvema paroma (trivariaten primer). Podobno kot pri univariatnih porazdelitvenih funkcijah so bili tudi za primer funkcij kopula razviti nekateri statistič ni testi za primerjavo različ nih teoretič nih modelov in izbiro najustreznejše kopule. V literaturi prevladujeta dva tipa testov, najpogostejši so testi, ki temeljijo na primerjavi teoretič ne ter empirič ne funkcije kopula, nekoliko manj pogosto pa se uporabljajo testi, ki temeljijo na Kendallovi porazdelitveni funkciji (Genest et al., 2009; Kojadinovic et al., 2011). Za kontrolo ustreznosti izbrane kopule pa je priporoč ljivo uporabiti tudi grafič ne teste, s katerimi lahko potrdimo ali zavrnemo ugotovitve statistič nih testov (Genest & Favre, 2007). Opisane korake (določ itev robnih porazdelitvenih funkcij, ocenjevanje parametrov kopul, izbira najustreznejše kopule z uporabo statistič nih ter grafič nih testov) je potrebno izvesti pri vseh analizah s kopulami, nato pa se postopki razlikujejo od namena uporabe 10 modela. Pri verjetnostnih analizah moramo izrač unati različ ne povratne dobe, pri ocenjevanju vrednosti pa moramo izvesti simulacije. Oba koraka bosta malce podrobneje opisana v naslednjih dveh odstavkih. Pri multivariatnih verjetnostnih analizah z uporabo funkcij kopula lahko izrač unamo različ ne vrednosti pogojnih (angl. conditional) ali skupnih (angl. joint) povratnih dob (Salvadori et al., 2007; Graler et al., 2013). Skupni povratni dobi imenovani OR ter AND sta definirani z naslednjima izrazoma (bivariatni primer): , = , , (2) , = , , kjer sta u in v izbrani robni porazdelitveni funkciji, pa predstavlja teoretič no funkcijo kopula (v tem primeru bivariatno). Ker pa gre za analize v več dimenzijah, te definicije povratnih dob seveda niso primerljive s tistimi, ki jih več inoma uporabljamo pri univariatnih analizah. To lastnost kopul bi morda lahko ocenili kot največ jo težavo, saj je težko (kar naenkrat) v praktič no uporabo vpeljati nov koncept povratnih dob. Tako so se v literaturi že pojavili poskusi določ itve t.i. kritič ne plasti (angl. critical layer), kjer gre za matematič no definicijo prej omenjenega pojma, ki je (bolj) analogna z obič ajnimi povratnimi dobami (Salvadori et al., 2011). Npr. pri trivariatnem primeru verjetnostnih analiz visokovodnih valov izhajamo iz izbrane vrednosti verjetnosti in na podlagi te vrednosti s pomoč jo simulacij določ imo ploskev v kopula prostoru, kjer vse toč ke, ki ležijo nad to ploskvijo, označ ujejo kritič ne dogodke (Salvadori et al., 2011). To ploskev lahko nato z uporabo inverznih porazdelitvenih funkcij transformiramo v realni prostor. Povratna doba OR predstavlja primer, ko se zgodi vsaj ena izmed obravnavanih spremenljivk, povratna doba AND pa primer, ko se hkrati zgodijo vse obravnavane spremenljivke. Iz definicije sledi, da je verjetnost pojava povratne dobe AND precej manjša od verjetnosti pojava povratne dobe OR, kar seveda pomeni, da je povratna doba za AND primer precej več ja (obravnavamo multivariaten primer). Funkcije kopula lahko uporabimo tudi za ocenjevanje vrednosti različ nih hidroloških spremenljivk na podlagi podatkov, ki jih imamo na razpolago. Prikazana bo praktič na uporaba v primeru ocenjevanja vrednosti koncentracij suspendiranih snovi. Pri modelu, kjer bi vrednosti koncentracij suspendiranih snovi ocenili le na podlagi pretokov, lahko izhajamo iz naslednje enač be: = { ≤ |! = "} = $ ,%%& $’ , (3) kjer moramo z uporabo statistič nih ter grafič nih testov ponovno izbrati ustrezno funkcijo kopula in kjer funkcija f vedno zavzame vrednost med 0 in 1. To pomeni, da lahko to funkcijo zamenjamo z naključ no generiranimi števili, ki pripadajo enakomerni porazdelitveni funkciji. Tako pridemo do enač be, kjer imamo le eno neznanko, to je vrednost porazdelitvene funkcije za spremenljivko SSC. V več ini primerov, zaradi kompleksnosti parcialnih odvodov ne moremo poiskati analitič ne rešitve enač be 3, lahko pa z uporabo numerič nih metod (npr. Newton-ova metoda) najdemo nič le, ki kot že reč eno ležijo med 0 ter 1. Te nič le pa so v bistvu vrednosti porazdelitvenih funkcij, ki jih želimo oceniti. Ker smo generirali veliko število podatkov (npr. 10000), dobimo raztros možnih vrednosti. Nato lahko določ imo najverjetnejšo vrednost koncentracije (glede na maksimum gostote verjetnosti izbrane neparametrič ne funkcije) in oblikujemo tudi empirič ne intervale zaupanja (npr. 10, 20 ali 50 % intervali). Te mejne vrednosti nato še transformiramo v realni prostor z uporabo inverzne oblike porazdelitvene funkcije. Tudi v tem primeru za ocenjevanje vrednosti koncentracij uporabimo le vrednosti pretokov, to pomeni, da ne 11 moremo prič akovati veliko boljših rezultatov kot pri preprostejših regresijskih modelih (npr. linearna ali eksponentna funkcija), ki se več inoma uporabljajo za ocenjevanje koncentracij suspendiranih snovi. Zato smo se odloč ili, da bomo poskušali oceno izboljšati tako, da bomo v analizah upoštevali še vrednosti padavin. Model, kjer bi za ocenjevanje vrednosti koncentracij suspendiranih snovi uporabili tudi vrednosti padavin, ima naslednjo obliko: ,( = { ≤ | ! = " | = )} = $ * ( ,(,%%&) $’$+ / $ * (,() $’$+ . (4) Koncept določ itve najverjetnejše vrednosti koncentracije suspendiranih snovi je enak kot pri uporabi bivariatnih kopul (enač ba 3). Rezultati uporabe kopul na praktič nih primerih V naslednjih podpoglavjih je prikazana uporaba funkcij kopula na štirih praktič nih primerih. Prikazani so rezultati bivariatnih ter trivariatnih verjetnostnih analiz visokovodnih valov, rezultati trivariatnih analiz konic pretokov, volumnov valov ter koncentracij suspendiranih snovi (SSC) in rezultati ocenjevanja vrednosti suspendiranih snovi na podlagi podatkov o pretokih in padavinah. Bivariatne verjetnostne analize visokovodnih valov Za izvedbo bivariatnih verjetnostnih analiz visokovodnih valov smo uporabili podatke z vodomerne postaje Litija na reki Savi. Uporabili smo 58 vrednosti letnih maksimumov. Č e želimo določ iti vrednosti volumnov in č asov trajanja valov, moramo najprej izloč iti bazni odtok. Za izloč anje baznega odtoka smo uporabili grafič no tro-toč kovno metodo (Šraj & Bezak, 2013; Šraj et al., 2013b). Naredili smo bivariatne analize parov podatkov: konica pretoka - volumen vala (Q-V), konica pretoka - č as trajanja vala (Q-D) ter volumen vala - č as trajanja vala (V-D). Za modeliranje konic pretokov in č asov trajanja visokovodnih valov smo na podlagi statistič nih ter grafič nih testov izbrali log-Pearsonovo III porazdelitev, za opis volumnov valov pa Pearsonovo III porazdelitev. Za ocenjevanje parametrov univariatnih porazdelitev smo uporabili metodo momentov L (Hosking & Wallis, 1997), za izbiro najustreznejših porazdelitvenih funkcij pa različ ne statistič ne ter grafič ne teste (Šraj et al., 2013b). Preglednica 2 prikazuje vrednosti Pearsonovega, Kendallovega ter Spearmanovega koeficienta korelacije za obravnavane pare podatkov. Korelacijski koeficienti določ ajo odvisnost med dvema spremenljivkama, torej č e je vrednost koeficienta blizu vrednosti 1 to pomeni, da sta spremenljivki odvisni, č e je koeficient enak 0, to pomeni neodvisnost spremenljivk. Korelacijske koeficiente za opis odvisnosti se lahko uporabi tudi za primer, kjer imamo več kot 2 spremenljivki, vendar se izrazi za izrač un korelacijskih koeficientov spremijo in zato je bolje za opis odvisnosti uporabiti parameter kopule, ki ga lahko v bivariatnem primeru ocenimo na podlagi Kendallovega koeficienta korelacije ali pa npr. s pseudo metodo največ jega verjetja, ki jo je nato lažje uporabiti v multivariatnem primeru. Od vrednosti korelacije oz. dejanske odvisnosti, ki jo opiše korelacijski koeficient, je odvisno katero funkcijo kopula bomo uporabili za analize. Nekatere kopule so primerne le za pozitivne vrednosti (npr. Gumbel- Hougaard) odvisnosti, spet druge le za korelacije blizu 0 (npr. Ali-Mikhail-Haq kopula). Torej izrač unana vrednost korelacijskega koeficienta določ a, katere funkcije kopula lahko uporabimo, nadalje pa tudi kakšen bo odziv modeliranih spremenljivk, ki sta medsebojno (ne)odvisni. Iz preglednice 2 lahko vidimo, da je korelacija med konicami pretokov in č asi 12 trajanja visokovodnih valov negativna. To pomeni, da za izvedbo analize (za ta par) ne moremo uporabiti vseh funkcij kopula, ki smo jih uporabili pri drugih dveh parih, saj so nekatere primerne le za pozitivne vrednosti odvisnosti. Obravnavali smo različ ne funkcije iz Arhimedove, eliptič ne družine ter družine kopul ekstremnih vrednosti. Na podlagi CramØr von-Mises ter Kolmogorov-Smirnov statistič nih testov (Genest & Favre, 2007) ter različ nih grafič nih testov smo kot najprimernejšo funkcijo določ ili kopulo Gumbel-Hougaard iz Arhimedove družine kopul. Ta kopula spada tudi v družino kopul ekstremnih vrednosti. Te ugotovitve veljajo za para Q-V ter V-D, medtem ko smo pri paru Q-D kot najprimernejšo določ ili Student-t kopulo iz eliptič ne družine kopul. Za ocenjevanje parametrov kopul smo uporabili metodo momentov (Kendallov koeficient korelacije). Definicije teoretič nih kopul in izraze, ki povezujejo parametre kopul s koeficienti korelacije (Kendall ali Spearman) lahko najdemo v osnovni literaturi (Nelsen, 2006; Salvadori et al., 2007). Preglednica 3 prikazuje izrač unane skupne povratne dobe za OR ter AND primera. Izrač unali pa smo tudi univariatne (obič ajne) povratne dobe za pretoke, volumne ter č ase trajanja za mediane in maksimalne vrednosti (preglednica 3). Preglednica 2: Vrednosti Pearsonovega, Kendallovega ter Spearmanovega koeficienta korelacije za obravnavane pare podatkov Pearson Kendall Spearman Q-V 0,52 0,39 0,54 V-D 0,68 0,48 0,63 Q-D -0,15 -0,08 -0,14 Preglednica 3: Izrač unane vrednosti univariatnih in skupnih bivariatnih povratnih dob [leta] za tri funkcije kopula za vsak posamezen par spremenljivk Univariatni primer Bivariatni primer Spr. -. Par Kopula , , Mediana Maks. Mediana Maks. Mediana Maks. Q 2,0 69,5 Q-V Gumbel 1,2 40,7 2,8 132,8 V 1,9 56,4 Frank 1,5 32,1 2,7 1035,5 D 2,1 70,7 Tawn 1,5 40,7 2,8 133,0 V-D Gumbel 1,6 43,6 2,8 111,7 Frank 1,6 32,6 2,7 801,4 Normal 1,6 36,4 2,8 224,6 Q-D Clayton 1,3 35,2 4,5 5700,3 AMH 1,3 35,1 4,6 8125,7 Student-t 1,3 36,8 4,5 708,6 Trivariatna verjetnostna analiza visokovodnih valov Tudi pri trivariatnih analizah visokovodnih valov smo uporabili podatke o letnih maksimumih z vodomerne postaje Litija na reki Savi. Analizirali smo maksimalne konice pretokov in pripadajoč e vrednosti volumnov in č asov trajanja visokovodnih valov. To pomeni, da so le konice pretokov maksimalne v vseh letih, volumni ter č asi trajanja pa so bili določ eni glede na vrednosti pretokov in niso nujno letni maksimumi. Uporabili smo kopule Gumbel-Hougaard, Frank, Joe ter Clayton iz Arhimedove družine in normalno ter 13 Student-t kopulo iz eliptič ne družine. Za ocenjevanje parametrov kopul smo uporabili metodo največ jega verjetja (Nelsen, 2006; Salvadori et al., 2007), medtem ko so robne porazdelitvene funkcije ostale enake kot pri bivariatnih analizah. Slika 1: Grafič na testa za preverjanje ustreznosti kopule Gumbel-Hougaard pri trivariatni analizi visokovodnih valov Save v Litiji Slika 1 prikazuje rezultate grafič nega testa za ustreznost kopule Gumbel-Hougaard iz Arhimedove družine kopul, kjer rdeč i znaki x označ ujejo dejanske vrednosti letnih maksimumov, č rne oznake pa so generirane vrednosti, ki so bile določ ene na podlagi popolnoma definiranega modela. Pri izrisu slike 1b smo uporabili tudi robne porazdelitvene funkcije. Na podlagi grafič nih ter statistič nih testov (CramØr von-Mises) smo kot najprimernejše določ ili kopule Gumbel-Hougaard, Frank (Arhimedova družina) ter normalno (eliptič na družina). Izrač unali smo tudi dve skupni povratni dobi imenovani OR ter AND (enač ba 2), ki pa se zaradi tega, ker obravnavamo tri spremenljivke (trivariatni primer) hkrati, malce spremenita (Ganguli & Reddy, 2013) Slika 2 prikazuje vrednosti pogojne povratne dobe OR, ki označ uje primer, ko se zgodi vsaj ena izmed obravnavanih spremenljivk. Prikazani so rezultati za kopuli Frank ter normalno. AND primer pa pomeni, da se hkrati zgodijo vse tri vrednosti spremenljivk. Poleg rezultatov za povratno dobo OR so na sliki 2 prikazane tudi vrednosti letnih maksimumov, ki smo jih uporabili v analizah. Opazimo lahko, da razlika med prikazanima kopulama ni izrazita. Vidimo lahko tudi, da ima več ina letnih maksimumov povratno dobo OR manjšo od 1,5 let, le za en dogodek pa je ta več ja od 3,5 let, kar si lahko razlagamo tako, da je verjetnost, da se zgodi vsaj ena izmed spremenljivk (konice, volumni ali č asi trajanja) relativno velika in posledič no je multivariatna vrednost skupne povratne dobe OR dokaj majhna. 14 Slika 2: Prikaz izmerjenih podatkov in skupnih povratnih dob (OR primer) za normalno ter Frank kopulo za trajanje visokovodnega vala (D) 15 dni za vodomerno postajo Litija na reki Savi Trivariatna verjetnostna analiza konic pretokov, volumnov in koncentracij suspendiranih snovi Naslednji problem, ki smo se ga lotili z uporabo funkcij kopula, je analiza konic pretokov (Q), pripadajoč ih volumnov valov (V) ter pripadajoč ih vrednosti koncentracij suspendiranih snovi (SSC) (Bezak et al., 2013b). Za izvedbo teh analiz smo uporabili podatke z vodomerne postaje Gornja Radgona na reki Muri (29 vrednosti letnih maksimumov), ki ima najdaljši niz meritev suspendiranih snovi, ki jih je izvajala Agencija RS za okolje (ARSO, 2013). Postopek analize je enak kot pri trivariatnih analizah visokovodnih valov (prejšnje poglavje). Za izloč anje baznega odtoka smo tokrat uporabili dvo-toč kovno metodo. Kot robno porazdelitev konic smo izbrali Gumbelovo porazdelitev, za modeliranje volumnov smo določ ili log-normalno porazdelitveno funkcijo, za opis koncentracij suspendiranih snovi pa generalizirano Pareto porazdelitev. Parametre univariatnih porazdelitev smo ponovno ocenili z uporabo metode momentov L (Hosking & Wallis, 1997). Izrač unali smo vrednosti Kendallovega koeficienta korelacije za pare podatkov: Q-V 0,56; Q-SSC 0,50 in V-SSC 0,40. Ker so vse tri vrednosti korelacij statistič no znač ilne (stopnja znač ilnosti 0,05) in razlike med njimi niso izrazite, smo se odloč ili za izvedbo verjetnostnih analiz z uporabo simetrič nih trivariatnih funkcij kopula (alternativna možnost bi bile asimetrič ne kopule). Za ocenjevanje parametrov smo tokrat uporabili pseudo metodo največ jega verjetja (Salvadori et al., 2007; Ma et al., 2011). Z uporabo grafič nih ter statistič nih testov (CramØr-von Mises) smo tudi tokrat poskušali izbrati najustreznejšo kopulo. Sliki 3 in 5 prikazujeta dva grafič na testa, kjer so prikazani rezultati za kopulo Frank iz Arhimedove družine kopul. Z rdeč imi znaki x so ponovno označ eni letni maksimumi, s sivo barvo pa so označ eni generirani podatki, ki so bili določ eni na podlagi definiranega kopula modela, ki smo ga določ ili na podlagi podatkov o letnih maksimumih. Z uporabo grafič nih in statistič nih testov smo kot najustreznejšo določ ili kopulo Gumbel-Hougaard iz Arhimedove družine. Slika 4 prikazuje rezultate skupne (angl. joint) povratne dobe OR za kopulo Gumbel- Hougaard iz Arhimedove družine. Izrisani so rezultati za vrednost volumna visokovodnega vala 2,4* 8 m 3 . Pogojna povratna doba OR ponovno označ uje primer, ko se zgodi vsaj ena izmed obravnavanih spremenljivk. 15 Slika 3: Grafič ni test I za kontrolo ustreznosti kopule Frank za podatke z vodomerne postaje Gornja Radgona na reki Muri Slika 4: Skupna povratna doba OR za kopulo Gumbel-Hougaard za vrednost pretoka 2,4*10 8 m 3 na postaji Gornja Radgona na reki Muri 16 Slika 5: Grafič ni test II za kontrolo ustreznosti kopule Frank za podatke z vodomerne postaje Gornja Radgona na reki Muri Ocenjevanje vrednosti koncentracij suspendiranih snovi na podlagi vrednosti pretokov in padavin Kot zadnji praktič ni primer smo obravnavali model, s katerim lahko ocenimo vrednosti koncentracij suspendiranih snovi (SSC) na podlagi vrednosti pretokov in padavin. Ker so meritve koncentracij suspendiranih snovi precej redkejše kot meritve pretokov in padavin, se pogosto pojavi potreba po oceni manjkajoč ih podatkov. Agencija RS za okolje je v letu 2012 (zač asno) prenehala izvajati monitoring te hidrološke spremenljivke (Bezak et al., 2013b). Najpogosteje se za ocenjevanje vrednosti koncentracij suspendiranih snovi uporabljajo različ ne regresijske funkcije, kot so linearna funkcija, polinomi višjih redov ali eksponentna funkcija. Uporaba teh preprostih modelov je smiselna, ko je korelacija med vrednostmi pretokov in koncentracijami relativno visoka. V primeru, ko je korelacija majhna oz. blizu vrednosti 0, to pomeni, da visoke (nizke) vrednosti pretokov ne pomenijo nujno visokih (nizkih) vrednosti koncentracij suspendiranih snovi. V tem primeru je uporaba regresijskih krivulj vprašljiva. V predstavljenem primeru smo za ocenjevanje manjkajoč ih SSC vrednosti uporabili meseč ne vsote treh merjenih spremenljivk (pretoki, koncentracije suspendiranih snovi ter padavine). Možna je uporaba modela tudi z upoštevanjem dnevnih serij podatkov, vendar je avtokorelacija v tem primeru izrazitejša, zato je potrebno za opis posameznih robnih porazdelitev uporabiti t.i. č asovne modele (angl. time series model), kot je npr. ARMA model (angl. autoregressive moving average model). Z uporabo teh modelov v bistvu transformiramo izhodišč ne dnevne vrednosti 17 spremenljivk tako, da se znebimo avtokorelacije v podatkih. Pogoj za izvedbo vseh analiz s funkcijo kopula ter tudi za izvedbo verjetnostnih analiz je, da podatki niso avtokorelirani. To pomeni, da vrednost pretoka v nekem dnevu ni odvisna od vrednosti pretokov v prejšnjih dnevnih. Zato smo se odloč ili, da bomo model za ocenjevanje koncentracij suspendiranih snovi najprej poskusili narediti na meseč nih vsotah. Tak model bi npr. lahko uporabili za ocenjevanje masne bilance lebdeč ih plavin. Uporaba vrednosti padavin je smiselna, ker smo uporabili podatke z vodomerne postaje Ranca na reki Pesnici, ki ima prispevno površino veliko 84 km 2 , in ker padavinska postaja Polič ki vrh leži blizu hidrološke postaje, poleg tega pa je korelacija med meseč nimi vsotami padavin in meseč nimi vsotami koncentracij suspendiranih snovi več ja kot korelacija med pretoki ter koncentracijami. Za izvedbo analize smo uporabili 45 meseč nih vsot pretokov, koncentracij suspendiranih snovi ter meseč nih vsot padavin (preglednica 1). Najprej smo preverili, ali je v vzorcu prisotna avtokorelacija. Z uporabo Box-Pierce testa smo ugotovili, da je v seriji koncentracij suspendiranih snovi prisotna avtokorelacija, smo te podatke najprej transformirali z uporabo Box-Cox transformacije. Za preverjanje stacionarnosti in homogenosti vzorca smo uporabili še Mann-Kendall ter SNHT (angl. standard normal homogeneity test) testa. Ugotovili smo, da so vsi vzorci primerni za izvedbo analiz. Z uporabo grafič nih in statistič nih testov smo kot robne porazdelitve določ ili naslednje funkcije: generalizirana porazdelitev ekstremnih vrednosti za pretoke, Gumbelova porazdelitev za padavine ter log-normalno porazdelitev za koncentracije suspendiranih snovi. Za ocenjevanje parametrov smo ponovno uporabili metodo momentov L (Hosking & Wallis, 1997). Z uporabo statistič nega testa CramØr-von Mises in grafič nih testov smo kopulo Gumbel-Hougaard določ ili kot najprimernejšo za izvedbo analize. Nato smo generirali 10000 vzorcev na podlagi enakomerne porazdelitve. Z Newtonovo metodo smo poiskali nič le funkcije, zapisane z enač bo 4. Slika 6: Primer raztrosa možnih rešitev enač be 4 v obliki histograma z izrisano neparametrič no gostoto verjetnosti Slika 6 prikazuje raztros možnih rešitev enač be 4, ki smo jih dobili s simulacijo, na sliki pa je izrisana tudi neparametrič na gostota verjetnosti, na podlagi katere smo določ ili 18 najverjetnejšo vrednost porazdelitvene funkcije (maksimum neparametrič ne gostote verjetnosti). Za vsak mesec smo tako dobili tak raztros vrednosti (slika 6), na podlagi teh rezultatov pa smo določ ili tudi empirič ne intervale zaupanja. Slika 7: Primerjava rezultatov kopula modela (levo) za ocenjevanje vrednosti koncentracij suspendiranih snovi z izrisanimi 20 % intervali zaupanja in rezultati obič ajnih regresijskih modelov (desno) Primerjava med modelom kopula ter med obič ajnimi regresijskimi modeli je prikazana na sliki 7. Pri modelu kopula so izrisani tudi empirič ni intervali zaupanja. Nato smo z uporabo testov primerjali 4 predlagane modele. Odloč ili smo se za uporabo Nash-Sutcliffe, RMSE (angl. root mean square error) ter MAE (angl. mean absolute error) testov, poleg tega smo izrač unali tudi povpreč no razliko med izmerjenimi in napovedanimi (modeliranimi) vrednostmi, preverili pa smo tudi, kakšne so razlike med minimalnimi, maksimalnimi in srednjimi vrednostmi. Rezultati so prikazani v preglednici 4. Opazimo lahko, da pri modelu kopula dobimo boljše rezultate kot pri regresijskih modelih. Rezultati tudi z uporabo modela kopula niso najboljši (slika 7), so pa boljši kot tisti, do katerih bi prišli z uporabo metod, ki se več inoma uporabljajo za ocenjevanje vrednosti koncentracij suspendiranih snovi. Iz preglednice 4 lahko vidimo, da regresijski modeli podcenijo maksimalne vrednosti in precenijo minimalne vrednosti koncentracij. Tudi v tem primeru smo z uporabo modela kopula dosegli izboljšanje rezultatov. Cilj je dobiti č im manjše vrednosti testov RMSE in MAE, ter vrednost testa NSE č im bližje vrednoti 1. Regresijski modeli so dali boljše rezultate le pri oceni povpreč ne vrednosti, kar pa je verjetno posledica dejstva, da je varianca teh modelov manjša. 19 Preglednica 4: Primerjava rezultatov različ nih modelov za ocenjevanje vrednosti koncentracij suspendiranih snovi Podatki Model kopula Linearni model Eksponentni model Polinom 2. stopnje Nash-Sutcliffe 1 0,22 0,16 0,08 0,16 RMSE 0 1015 1053 1101 1048 MAE 0 682 773 798 762 Povpreč na razlika [%] 0 6,7 28,6 29,5 28,6 Minimalna napoved [g/m 3 ] 604 918 1243 997 1364 Srednja napoved [g/m 3 ] 1724 1520 1725 1712 1725 Maksimalna napoved [g/m 3 ] 4939 4058 3037 2421 3360 Analiza rezultatov in razprava Pri bivariatnih verjetnostnih analizah visokovodnih valov smo ugotovili, da razlike med posameznimi kopulami iz Arhimedove družine kopul, kot so Gumbel-Hougaard ali Frank, niso izrazite (Šraj et al., 2013a). Za modeliranje para konice pretokov in pripadajoč ih volumnov visokovodnih valov smo izbrali kopulo Gumbel-Hougaard, kar je v skladu z ugotovitvami nekaterih drugih raziskovalcev (Poulin et al., 2007; Karmakar & Simonovic, 2009). Uporaba kopul, ki nimajo poudarka na zgornjem robu porazdelitve (angl. upper tail dependence), kar je recimo kopula Frank iz Arhimedove družine kopul, lahko pripelje do tega, da podcenimo vrednosti, ki pripadajo določ eni povratni dobi (Poulin et al., 2007). Pri primerjavi univariatnih (obič ajnih) in skupnih bivaraitnih povratnih dob smo ugotovili (Šraj et al., 2013a), da velja zveza , < -. < , , kar je v skladu z ugotovitvami drugih raziskovalcev (Salvadori et al., 2007). Pri trivariatnih verjetnostnih analizah smo uporabili različ ne v literaturi pogosto uporabljene kopule (Ma et al., 2011; Ganguli & Reddy, 2013). Z uporabo statistič nih ter v literaturi pogosto uporabljenih grafič nih testov (Genest & Favre, 2007) smo določ ili najustreznejšo funkcijo kopula. Ponovno smo izbrali kopulo Gumbel-Hougaard. Izrač unali pa smo tudi skupni povratni dobi OR ter AND (Ganguli & Reddy, 2013). Tudi pri trivariatnem primeru smo ugotovili, da velja zveza ,, < -. < ,, . Vrednosti povratnih dob so bile odvisne od lastnosti funkcij kopul, predvsem od obnašanja na zgornjem robu porazdelitve (Poulin et al., 2007). Pri trivariatnih verjetnostnih analizah konic pretokov, volumnov valov ter vrednosti koncentracij suspendiranih snovi smo uporabili enak postopek kot pri trivariatnih analizah visokovodnih valov. Z uporabo grafič nih in statistič nih testov (Genest & Favre, 2007; Genest et al., 2009; Kojadinovic et al., 2011) smo določ ili kopulo Gumbel-Hougaard kot najprimernejšo za izvedbo analiz. To kopulo smo izbrali tudi zaradi dejstva, ki smo ga upoštevali že pri bivariatnih analizah, in sicer da lahko nekatere kopule podcenijo ocenjene vrednosti spremenljivk, ki pripadajo izbrani skupni povratni dobi (Poulin et al., 2007). Predstavljena metodologija se je izkazala za uporabno, predvsem pa bi rezultati verjetnostnih analiz morali biti bolj zanesljivi, saj v analizah hkrati upoštevamo tri spremenljivke, medtem ko pri obič ajnih univariatnih verjetnostnih analizah upoštevamo le eno spremenljivko. 20 Ocenjene vrednosti koncentracij suspendiranih snovi, ki so rezultat kopula modela, bi lahko označ ili za bolj zanesljive od tistih, ki jih lahko izrač unamo z regresijskimi modeli (slika 7), saj poleg vrednosti pretokov pri ocenjevanju upoštevamo tudi vrednosti padavin, kar predstavlja izboljšavo do sedaj v praksi največ krat uporabljenih metod. Postopek izvedbe analize je enak kot pri prvih treh problemih, ki smo jih obravnavali, s to razliko, da nas tukaj ne zanimajo povratne dobe, ampak želimo izvesti simulacije z uporabo enač be 4. Teoretič no bi lahko v model vpeljali še več spremenljivk in tako poskušali izboljšati konč ne rezultate modela, vendar bi v tem primeru postopek vseboval dodatne korake (Salvadori et al., 2007). Število uporabljenih parametrov pri kopula modelu je nekoliko več je od števila parametrov pri regresijskih modelih, saj moramo oceniti parameter kopule, ki opisuje odvisnost (vse uporabljene kopule imajo 1 parameter, obstajajo pa tudi kompleksnejše kopule z več parametri), poleg tega pa ocenjene vrednosti določ a tudi pasovna širina (angl. bandwidth) izbrane neparametrič ne porazdelitvene funkcije. Določ iti pa je potrebno še parametre porazdelitvenih funkcij, ki opisujejo modelirane spremenljivke. Zaključ ki V prispevku smo prikazali uporabo funkcij kopula na štirih praktič nih primerih. Obravnavali smo bivariatne ter trivariatne analize visokovodnih valov reke Save v Litiji, naredili smo trivariatne verjetnostne analize konic pretokov, volumnov valov ter koncentracij suspendiranih snovi, za kar smo uporabili podatke s postaje Gornja Radgona na reki Muri. Poleg tega smo definirali model, s katerim lahko na podlagi vrednosti pretokov ter padavin ocenimo vrednosti lebdeč ih plavin (SSC) in obenem tudi definiramo empirič ne intervale zaupanja. Za izgradnjo tega modela smo sicer uporabili meseč ne vsote hidroloških spremenljivk, vendar bi bila aplikacija možna tudi na dnevnih vrednostih, kar pa presega okvire tega prispevka. Med izvajanjem analiz smo ugotovili, da je za hidrološke probleme v več ini primerov najprimernejša kopula Gumbel-Hougaard, ki spada tako v Arhimedovo družino kot v družino kopul ekstremnih vrednosti. Za ocenjevanje parametrov kopul smo uporabili različ ne metode, kot so metoda momentov, metoda največ jega verjetja ter pseudo metoda največ jega verjetja. Pri verjetnostnih analizah smo izrač unali skupne povratne dobe imenovane OR ter AND, pri ocenjevanju parametrov pa smo s simulacijami ocenili vrednosti koncentracij suspendiranih snovi. Ker smo model za ocenjevanje SSC vrednosti definirali sami, rezultatov analiz nismo mogli primerjati z rezultati iz literature, ampak le z rezultati regresijskih modelov, kjer smo ugotovili, da je predstavljena metodologija za ocenjevanje vrednosti koncentracij suspendiranih snovi primerna. Možna pa bi bila tudi razširitev modela, tako da bi upoštevali dnevne vrednosti spremenljivk. Uporaba funkcij kopula na praktič nih primerih je pokazala, da so kopule uporabno matematič no orodje, ki ga lahko uporabimo pri številnih praktič nih problemih v hidrologiji, kjer nastopa več medsebojno bolj ali manj odvisnih spremenljivk. Zahvala Zahvaljujemo se Agenciji RS za okolje za posredovane podatke, ki smo jih uporabili za izvedbo analiz. Del rezultatov raziskave je nastal v okviru temeljnega raziskovalnega projekta J2-4096, ki ga financira Javna agencija za raziskovalno dejavnost Republike Slovenije. Del rezultatov pa je prispevek dela UL FGG na mednarodnem raziskovalnem 21 projektu SedAlp, ki ga financira Evropska unija v okviru programa Alpine Space. Zahvaljujemo se tudi obema recenzentoma za njune koristne komentarje. Literatura ARSO. 2013. Podatki, Hidrološki arhiv, Arhiv površinskih voda. Dostopno na: http://vode.arso.gov.si/hidarhiv/pov_arhiv_tab.php. Bardossy, A., Li, J. (2008). Geostatistical interpolation using copulas, Water resources research 44(7). Bezak, N., Brilly, M., Šraj, M. (2013a). Comparison between the peaks over threshold method and the annual maximum method for flood frequency analyses, Hydrological Science Journal, doi: 10.1080/02626667.2013.831174. Bezak, N., Šraj, M., Mikoš, M. (2013b). Pregled meritev vsebnosti suspendiranega materiala v Sloveniji in primer analize podatkov, Gradbeni vestnik (v tisku). De Michele, C., Salvadori, G., Canossi, M., Petaccia, A., Rosso, R. (2005). Bivariate Statistical Approach to Check Adequacy of Dam Spillway, Journal of Hydrological Engineering 10(1), 50- 57. Favre, A. C., Aldouni, E.L., Perreault L., Thiemonge, N., Bobee, B. (2004). Multivariate hydrological frequency analysis using copulas, Water resources research 40(1). Ganguli, P., Reddy, M. J. (2013). Probabilistic assessment of flood risks using trivariate copulas, Theoretical and Applied Climatology 111(1-2), 341-360. Genest, C., Favre, A. C. (2007). Everything you always wanted to know about copula modelling but were afraid to ask, Journal of Hydrological Engineering 12, 347-368. Genest, C., Remillard, B., Beaudoin, D. (2009). Goodness-of-fit tests for copulas: A review and a power study, Insurance: Mathematics and Economics 44, 199-213. Grimaldi, S., Serinaldi, F. (2006). Asymmetric copula in multivariate flood frequency analysis, Advances in Water Resources 29(8), 1155-1167. Graler, B., van den Berg, M. J., Vandenberghe, S., Petroselli, A., Grimaldi, S., De Baets, B., Verhoest, N. E. C. (2013). Multivariate return periods in hydrology: a critical and practical review focusing on synthetic design hydrograph estimation, Hydrology and Earth System Sciences 17(4), 1281-1296. Hofert, M., Mä chler, M. (2011). Nested Archimedean Copulas Meet R: The nacopula Package, Journal of Statistical Software 39(9). Hosking, J. R. M., Wallis, J. R. (1997). Regional frequency analysis: an approach based on L- moments. Cambridge, Cambridge University Press, 224 p. Joe, H. (1997). Multivariate Models and Multivariate Dependence Concepts. Chapman & Hall/CRC Monographs on Statistics & Applied Probability, 424 p. Karmakar, S., Simonovic, S. P. (2009). Bivariate flood frequency analysis. Part 2: a copula based approach with mixed marginal distributions, Journal of Flood Risk Management 2, 32-44. Kojadinovic, I., Yan, J., Holmes, M. (2011). Fast large-sample goodness-of-fit for copulas, Statistica Sinica 21(2), 841-871. Ma, M., Song, S., Ren, L., Jiang, S., Song, J. (2011). Multivariate drought characteristics using trivariate Gaussian and Student t copulas, Hydrological Processes 27(8), 1175-1190. Nelsen, R. B. (2006). An Introduction to Copulas. Springer Series in Statistics, 272 p. Poulin, A., Huard, D., Favre, A. C., Pugin, S. (2007). Importance of tail dependence in bivariate frequency analysis, Journal of Hydrological Engineering 12, 394-403. Salvadori, G., De Michele, C. (2004). Frequency analysis via copulas: Theoretical aspects and applications to hydrological events, Water resources research 40(12). Salvadori, G., De Michele, C., Durante, F. (2011). On the return period and design in a multivariate framework, Hydrology and Earth System Sciences 15, 3293-3305. 22 Salvadori, G., De Michele, C., Kottegoda, N., Rosso, R. (2007). Estremes in nature: An Approach Using Copulas. Water Science and Technology Library, 292 p. Shiau, J. T., Feng, S., Nadaraiah, S. (2007). Assessment of hydrological droughts for the Yellow River, China, using copulas, Hydrological Processes 21(16), 2157-2163. Sklar, A. (1959). Fonctions de repartition a n dimensions et leurs marges, Publ. Inst. Statist. Univ. Paris 8, 229-231. Šraj, M., Bezak, N. (2013). Analiza visokovodnih valov Save v Litiji, Ujma 27, 228-235. Šraj, M., Bezak, N., Brilly, M. (2013a). Bivariate flood frequency analyses using copula function, European Geosciences Union 2013. Šraj, M., Bezak, N., Brilly, M. (2013b). Vpliv izbire metode na rezultate verjetnostnih analiz konic, volumnov in trajanj visokovodnih valov Save v Litiji, Acta Hydrotechnica (v tisku). Wong, G., Lambert, M. F., Leonard, M., Metcalfe, A. V. (2010). Drought Analysis Using Trivariate Copulas Conditional on Climate States, Journal of Hydrological Engineering 15, 129- 141. Zhang, L., Singh, V. P. (2007). Bivariate rainfall frequency distributions using Archimedean copulas, Journal of Hydrology 332(1-2), 93-109. 23 Hidrološka regionalizacija verjetnostnih analiz visokovodnih konic za primer vodomernih postaj v Sloveniji Katarina Kavč ič , Mitja Brilly, Mojca Šraj * Povzetek Hidrološka regionalizacija verjetnostnih analiz visokovodnih konic je neke vrste nadgradnja klasič ne verjetnostne analize, ki temelji na hidroloških regijah, ki jih sestavljajo vodomerne postaje s podobnimi lastnostmi. Za njeno izvedbo so potrebni štirje glavni koraki. Najprej se pripravi in preveri podatke, temu sledi oblikovanje hidroloških regij, izbira verjetnostne porazdelitve posameznih regij in ocena parametrov teh porazdelitev. V analizo smo vključ ili 112 vodomernih postaj iz cele Slovenije, za glavno kontrolo podatkov pa smo uporabili test neskladnosti. Ta je kot kritič ne izpostavil tri postaje, ki pa smo jih v nadaljevanju kljub temu upoštevali brez težav. Pri oblikovanju hidroloških regij smo uporabili dve metodi razvršč anja, Wardovo metodo in metodo voditeljev, konč ne regije pa smo določ ili na podlagi rezultatov slednje. Oblikovali smo devet regij, ki so združevale med 3 in 19 postaj, mera heterogenosti pa se je gibala med -1,21 in 0,8. Tudi izbiro verjetnostne porazdelitve posameznih regij smo izvedli na dva nač ina in sicer najprej za skupne podatke regij nato pa še za podatke posameznih vodomernih postaj v regiji. V obeh primerih smo uporabili več testov ustreznosti. Ugotovili smo, da je verjetnostno porazdelitev najbolje izbirati z dvema do največ tremi različ nimi metodami. Zadnji korak pa je dal podobne vrednosti ocenjenih kvantilov ne glede na nač in izbire verjetnostne porazdelitve. Ključ ne besede: hidrološka regionalizacija verjetnostnih analiz visokovodnih konic, momenti L, metode razvršč anja, testi ustreznosti porazdelitve, mera heterogenosti Key words: regional flood frequency analysis, L-moments, cluster analysis, goodness-of- fit tests, heterogeneity measure Uvod Po podatkih Inštituta za vode Republike Slovenije (2013) imamo v Sloveniji več kot 26.000 km vodotokov, več kot polovica jih ima stalno tekoč o vodo. Vsakoletne poplave zalijejo okrog 23 km 2 površin, za poplavno ogrožene pa jih je označ enih kar 3.000 km 2 , kar predstavlja skoraj 15 % površine celotne države. Več kot polovica vsega poplavnega sveta je v poreč ju Save, ki mu pripada 58 % ozemlja države. V poreč ju Drave je 42 % poplavnih površin, v poreč ju Soč e in pritokov pa 4 % (Uprava RS za zašč ito in reševanje, 2013). Ukrepe, ki jih izvajamo z namenom prepreč iti ali č im bolj zmanjšati posledice poplav, glede na vrsto posega delimo na vodogradbene (gradnja hidrotehnič nih objektov – nasipi, pregrade, obtoki) in alternativne ukrepe (upravno-zakonski ukrepi, prostorsko nač rtovanje, omejevanje dejavnosti, nezgodno zavarovanje) (Brilly et al., 1999). Ne glede na to, za kakšen ukrep gre, pa je za njegovo kakovostno nač rtovanje potrebno poznati podatke o projektnih pretokih. Osnovna metoda za določ evanje projektnih pretokov s predpisano povratno dobo je verjetnostna analiza. Verjetnostna analiza je postopek, ki povezuje različ no obsežne hidrološke pojave s pogostostjo njihovega pojavljanja, njena nadgradnja pa je hidrološka regionalizacija verjetnostnih analiz. Pogosto se zgodi, da je za verjetnostno analizo na voljo več med seboj povezanih podatkov, kot na primer meritve pretokov ob nekem ekstremnem dogodku na različ nih * Univerza v Ljubljani, Fakulteta za gradbeništvo in geodezijo, Jamova 2, 1000 Ljubljana 24 vodomernih postajah. Č e je pogostost dogodka podobna za različ ne opazovane količ ine, so z analizo vseh vzorcev podatkov skupaj lahko doseženi boljši rezultati. Ob uporabi tega pristopa govorimo o hidrološki regionalizaciji verjetnostnih analiz (ang. regional frequency analysis), saj so analizirani vzorci po navadi rezultati opazovanj iste spremenljivke na več merilnih mestih na območ ju ustrezno definirane ''hidrološke regije''. Metoda ima štiri glavne korake: pregled in pripravo podatkov, določ anje homogenih hidroloških regij, izbiro verjetnostne porazdelitve za posamezne hidrološke regije in oceno parametrov izbrane verjetnostne porazdelitve hidrološke regije. Ta postopek se največ krat uporablja takrat, ko so na voljo raznovrstni vzorci enakih podatkov (Hosking in Wallis, 1997). Prednost regionalizacije je tudi v tem, da lahko dobimo ocene projektnih pretokov tudi za lokacije s pomanjkljivimi podatki oziroma kratkimi nizi meritev (nove postaje). Glavni namen študije je predstavitev metodologije in prikaz njene praktič ne uporabe za naš prostor. Hidrološka regionalizacija verjetnostnih analiz se že nekaj desetletij intenzivno uporablja po vsem svetu, v Sloveniji pa je še dokaj neznana, saj ob pregledu domač e literature njene uporabe v slovenskem prostoru nismo zasledili. Tako smo v prispevku predstavili potrebne korake za izvedbo regionalne verjetnostne analize visokovodnih konic in predstavili osnovne metode, ki se pri posameznem koraku lahko uporabljajo. Ker je primernih metod več , smo izbrali nekaj najbolj pogosto uporabljenih in med seboj primerjali z njimi dobljene rezultate. Analizirali smo prednosti in slabosti različ nih metod ter ugotavljali, katera je najbolj primerna za uporabo. Podatki V študiji smo želeli zajeti č im več je število vodomernih postaj v Sloveniji. Po podatkih ARSO (Agencija Republike Slovenije za okolje, 2013) je v Sloveniji v okviru državnega hidrološkega monitoringa na površinskih vodah trenutno delujoč ih 192 vodomernih postaj. Izmed njih smo izloč ili tiste, ki so postavljene na izvirih, jezerih ali morju, tiste, na katerih se meritve opravlja le z vodomernimi letvami, tiste, katerih obdobje meritev je krajše od 15 let in tiste, pri katerih v nizih podatkov o najvišjih izmerjenih letnih pretokih manjka več kot 10 % vrednosti. Na postajah, kjer so bili podatki dostopni že pred letom 1950, izmerjenih vrednosti pred tem letom nismo upoštevali, saj je njihova toč nost vprašljiva. Tako je bilo na koncu v analizo vključ enih 112 vodomernih postaj (slika 1). Slika 1: Karta vodomernih postaj vključ enih v analizo (povzeto po ARSO, 2013) 25 Pregled in priprava podatkov Prvi korak pri verjetnostni analizi je preverjanje in urejanje podatkov. To, da so ti pravilni, je zelo pomembno pri vsaki statistič ni analizi, saj vse nadaljnje delo izhaja iz njih. Ne glede na tip podatkov v statistiki obič ajno preverjamo manjkajoč e podatke, izstopajoč e podatke, normalnost in linearnost (Important issues in data screening, 2013). Poleg osnovnega preverjanja pa je dobro biti pozoren še na dve najpogostejši napaki, napač no vrednost podatkov in neupoštevanje spremembe razmer, v katerih se meritve izvajajo. Glede na to Hosking in Wallis (1997) za hidrološko regionalizacijo verjetnostnih analiz priporoč ata vsaj tri nač ine preverjanja podatkov: • pregled posameznih vrednosti podatkov, ki razkrije velike napake, • pregled podatkov za vsako lokacijo, ki razkrije izstopajoč e in ponavljajoč e se podatke, • primerjavo podatkov med posameznimi lokacijami, ki razkrije neskladnost podatkov. Za primerjavo podatkov posameznih lokacij je na voljo več različ nih metod, kot na primer QQ diagram ali graf dvojne masne krivulje (ang. double-mass plot). Hosking in Wallis (1997) pa priporoč ata, da se v primeru regionalne verjetnostne analize z momenti L uporabi tako imenovan test neskladnosti (ang. discordancy measure), ki temelji na primerjavi razmerij momentov L različ nih lokacij. Mejna vrednost, pri kateri neka postaja ni več skladna s skupino, je podana kot D i (mera neskladnosti) in za primer 15 ali več postaj znaša 1. Test se lahko uporabi za veliko število enot na nekem geografskem območ ju, saj tiste z velikimi napakami v podatkih ne bodo skladne z drugimi (Chavoshi Borujeni in Azmin Sulaiman 2009); s tem preverimo podatke med posameznimi lokacijami in njihovo skladnost za vse postaje, zajete v analizi. Določ anje homogenih hidroloških regij Drugi korak hidrološke regionalizacije verjetnostnih analiz visokovodnih konic, ki je po navadi najtežji in zahteva največ subjektivne presoje, je delitev postaj v homogene hidrološke regije. Hidrološko regijo si lahko razlagamo tudi kot skupino vodomernih postaj, za katere lahko s kombiniranjem podatkov o ekstremnih pretokih izboljšamo napovedi za katerokoli postajo v regiji (Burn in Goel, 2000). Za razvršč anje vodomernih postaj v hidrološke regije lahko uporabimo več različ nih postopkov. Katerega uporabimo, je odvisno od podatkov, ki jih imamo na voljo, in lastne presoje. Poznamo več možnih nač inov razvršč anja: glede na geografsko ustreznost, subjektivno delitev, objektivno delitev, metode razvršč anja in druge multivariatne analize (Hosking in Wallis, 1997). Najpogosteje se uporablja različ ne metode razvršč anja, saj so najbolj primerne za delo z velikim številom podatkov. Delitev postaj v regije po tej metodi temelji na principu podobnosti. Gre namreč za to, da so znotraj ene skupine združene vse tiste postaje, ki so si glede na predhodno določ ene kriterije med seboj podobne. Vsaka postaja pripada samo eni skupini, te pa se med seboj ne prekrivajo (Košmelj in Breskvar Žaucer, 2006). Najpogosteje uporabljeni metodi razvršč anja v primeru hidrološke regionalizacije verjetnostnih analiz sta Wardova metoda in metoda voditeljev (ang. K- means). Wardova metoda je ena izmed hierarhič nih metod razvršč anja, ki se zač ne s tolikšnim številom skupin kot je posameznih enot. Glede na podobnosti med njimi se te med seboj združujejo, dokler ne dobimo ene same velike skupine, kar lahko pregledno prikažemo z dendrogramom (slika 2). Združevanje lahko kadarkoli prekinemo. 26 Slika 2: Primer dendrograma za vodomerne postaje v poreč ju Savinje Metoda voditeljev spada v skupino nehierarhič nih metod razvršč anja. Še pred zač etkom delitve je potrebno podati želeno število konč nih skupin. Glede na to definiramo enako število voditeljev – enot, ki so predstavniki svojih skupin. Zač etna množica voditeljev je po navadi določ ena naključ no (Ferligoj, 1997). Skupine, dobljene z metodo razvršč anja, po navadi še niso konč ni rezultat, saj je naš cilj oblikovati homogene hidrološke regije, kar zelo redko dosežemo po prvem razvršč anju. Z namenom izboljšati homogenost regije lahko uporabimo različ ne ukrepe, kot so na primer premešč anje postaj med skupinami, združevanje in razč lenjevanje skupin. Č e je hidrološka regija povsem homogena velja, da so razmerja L-momentov za vsako postajo enaka. Ker pa to v praksi seveda ni mogoč e, so regije, ki jih sicer imenujemo homogene, teoretič no le ''sprejemljivo homogene'' (Hussain in Pasha, 2009). Potrebno je preveriti, ali je nihanje vrednosti razmerij momentov L znotraj regije še sprejemljivo za tako definicijo. Za preverjanje homogenosti oziroma heterogenosti regije obstaja več različ nih nač inov, najpogosteje pa je uporabljen test heterogenosti, ki sta ga prva predstavila Hosking in Wallis (1997), uporabili pa so ga na primer še Norbiato in drugi (2007), Shu in Burn (2003) ter Hassan in drugi (2012). Rezultat tega testa je mera heterogenosti H. Regija je sprejemljivo homogena, č e je vrednost H < 1 in mogoč e heterogena, č e je vrednost 1 ≤ H < 2, č e pa je vrednost H ≤ 2, je regija zagotovo heterogena. Izbira verjetnostne porazdelitve za posamezne hidrološke regije Pri hidrološki regionalizaciji verjetnostnih analiz se, po oblikovanju homogenih regij, v vseh nadaljnjih korakih dela le še s hidrološko regijo in njenimi lastnostmi, posameznih postaj se ne upošteva več . Tako se tudi najbolj primerno verjetnostno porazdelitev išč e za celo skupino in ne le za eno postajo. Naš cilj je, da najdemo tako porazdelitev, ki bo z dovolj veliko toč nostjo omogoč ala oceno kvantilov za vsako postajo, ki bo uvršč ena v to hidrološko regijo (Hosking in Wallis, 1997). Za preverjanje najustreznejše porazdelitve obstaja veliko različ nih testov (ang. goodness-of-fit). Nekatere izmed njih lahko uporabljamo neposredno za preverjanje celotnih regij, druge pa uporabljamo za vsako postajo v regiji posebej, potem pa rezultate za celo regijo združimo (Kavč ič , 2013). Za uporabo s podatki celih regij sta primerna testa regionalna mera ustreznosti porazdelitve Z in diagram razmerij momentov L, poleg teh dveh pa smo izmed množice ostalih testov, primernih za podatke posameznih vodomernih postaj, uporabili še QQ diagrame, test PPCC, Kolmogorov-Smirnov test in test RMSE. Mera ustreznosti porazdelitve Z je posebej prilagojena hidrološki regionalizaciji verjetnostnih analiz. Izhaja iz predpostavke, da je regija homogena in določ a, kako dobro sovpadajo razmerja momentov L, predvsem koeficienta asimetrije in sploš verjetnostne porazdelitve ter merjenih podatkov, kar v tem primeru pomeni regijska povpreč ja (Hosking in Wallis, 1997). razmerij momentov L (ang. razmerji koeficienta asimetrije in sploš porazdelitev izberemo tisto, ob krivulji katere je najve Za preverjanje ustreznosti izbrane porazdelitve postaj, je primerna grafič na metoda obravnavanega vzorca z generiranimi podatki izbrane teoreti (NIST/SEMATECH e-Handbook of Statistical Methods, 2013). testiranje s korelacijskim koeficientom PPCC (ang. coefficient), pri katerem pa gre namesto vizualne presoje za oceno na podlagi izra vrednosti. Še dva izmed uporabljenih testov, ki temeljita na števil Kolmogorov-Smirnov test, ki teoretič no zbirno funkcijo (Millington et al., 2011) in t error), ki temelji na korenu sred Ocena parametrov izbrane verjetnostne porazdelitve hidrološke regije Pri analizah verjetnosti pojava poplav se za ocenjevanje parametrov porazdelitve pogosto uporabljajo momenti L (Bezak et al., 2013; Hussain in Pasha, 2009; Šraj et al., 2012). Postopek je zelo podoben metodi momentov, vendar ocene temeljijo na linearni kombinaciji reda statistike, zato so v primerjavi z navadnimi momenti veliko manj obč utljivi na osamelce med podatki, omogo posameznega niza podatkov in imajo na splošno boljše statisti kot linearna kombinacija verjetnostno uteženih momentov (ang. moments – PWM) (Hussain in Pasha, 2009). Za primer regionalizacije, pri kateri parametre in kvantile oc porazdelitev, ki je bila izbrana za regijo, torej za ve ustrezen postopek za ocenjevanje regionalni algoritem momentov L. Postopek temelji na tako imenovani metodologiji indeksa poplav, pri kateri vrednosti iz različ nih skupin podatkov. Glavna predpostavka metode indeksa poplav je ta, da postaje tvorijo homogeno regijo, kar pomeni, da je verjetnostna porazdelitev enaka, razen v primeru faktorja spremembe podat indeks poplav (Hosking in Wallis, 1997). Da bi vse skupaj poenostavili, privzamemo, da je indeks poplav kar srednja vrednost verjetnostne porazdelitve za vsako vodomerno postajo. Po tem je srednja vrednost spremenjenih podatkov za vsako postajo enaka 1, posledi vrednost za regijo. Prav tako pa so razmerja momentov L za vsako postajo enaka, ne glede na to, ali so izrač unana iz spremenjenih ali za izrač un spremenjenih podatkov ni potreben. Izbrano verjetnostno porazdelitev prilagodimo podatkom tako, da njena razmerja momentov L izenač imo z regionalnimi povpre vrednost enaka 1. Ocena kvantilov brez prekora kjer sta srednja vrednost podatkov postaje in 27 sovpadajo razmerja momentov L, predvsem koeficienta asimetrije in sploš verjetnostne porazdelitve ter merjenih podatkov, kar v tem primeru pomeni regijska ja (Hosking in Wallis, 1997). Prav tako je za to metodo prilagojen tudi d razmerij momentov L (ang. L-moment ratio diagram). To je graf, na katere razmerji koeficienta asimetrije in splošč enosti izbranega niza podatkov. Kot najboljšo porazdelitev izberemo tisto, ob krivulji katere je največ toč k vodomernih postaj. a preverjanje ustreznosti izbrane porazdelitve za podatke posameznih v postaj, je primerna grafič na metoda QQ diagrami, ki prikazujejo ujemanje podatkov obravnavanega vzorca z generiranimi podatki izbrane teoretič Handbook of Statistical Methods, 2013). Zelo podobno je tudi s korelacijskim koeficientom PPCC (ang. probability plot correlation ), pri katerem pa gre namesto vizualne presoje za oceno na podlagi izra vrednosti. Še dva izmed uporabljenih testov, ki temeljita na številč nih vrednostih, pa sta , ki je osnovan na največ ji vertikalni razdalji med empiri no zbirno funkcijo (Millington et al., 2011) in test RMSE (ang. ), ki temelji na korenu srednjih vrednosti kvadratov napak (Šraj et al., 2012). Ocena parametrov izbrane verjetnostne porazdelitve hidrološke regije Pri analizah verjetnosti pojava poplav se za ocenjevanje parametrov porazdelitve pogosto uporabljajo momenti L (Bezak et al., 2013; Hussain in Pasha, 2009; Šraj et al., je zelo podoben metodi momentov, vendar ocene temeljijo na linearni kombinaciji reda statistike, zato so v primerjavi z navadnimi momenti veliko manj utljivi na osamelce med podatki, omogoč ajo boljše ugotavljanje osnovne porazdelitve odatkov in imajo na splošno boljše statistič ne lastnosti. Dolo kot linearna kombinacija verjetnostno uteženih momentov (ang. probability weighted PWM) (Hussain in Pasha, 2009). Za primer regionalizacije, pri kateri parametre in kvantile ocenjujemo glede na porazdelitev, ki je bila izbrana za regijo, torej za več je število vodomernih postaj, je najbolj ustrezen postopek za ocenjevanje regionalni algoritem momentov L. Postopek temelji na tako imenovani metodologiji indeksa poplav, pri kateri gre za povzemanje statisti č nih skupin podatkov. Glavna predpostavka metode indeksa poplav je ta, da postaje tvorijo homogeno regijo, kar pomeni, da je verjetnostna porazdelitev enaka, razen v primeru faktorja spremembe podatkov lokacije, ki ga imenujemo tudi indeks poplav (Hosking in Wallis, 1997). Da bi vse skupaj poenostavili, privzamemo, da je indeks poplav kar srednja vrednost verjetnostne porazdelitve za vsako vodomerno postajo. Po tem je srednja vrednost datkov za vsako postajo enaka 1, posledič no pa toliko znaša tudi srednja vrednost za regijo. Prav tako pa so razmerja momentov L za vsako postajo enaka, ne glede č unana iz spremenjenih ali zač etnih vrednosti podatkov, zato poseben spremenjenih podatkov ni potreben. Izbrano verjetnostno porazdelitev prilagodimo podatkom tako, da njena razmerja č imo z regionalnimi povpreč ji, pri č emer pa upoštevamo, da je srednja Ocena kvantilov brez prekorač itve verjetnosti F je: , srednja vrednost podatkov postaje in verjetnostna porazdelitev za regijo. sovpadajo razmerja momentov L, predvsem koeficienta asimetrije in splošč enosti izbrane verjetnostne porazdelitve ter merjenih podatkov, kar v tem primeru pomeni regijska Prav tako je za to metodo prilagojen tudi diagram je graf, na katerem sta prikazani enosti izbranega niza podatkov. Kot najboljšo k vodomernih postaj. za podatke posameznih vodomernih rikazujejo ujemanje podatkov obravnavanega vzorca z generiranimi podatki izbrane teoretič ne porazdelitve Zelo podobno je tudi probability plot correlation ), pri katerem pa gre namesto vizualne presoje za oceno na podlagi izrač unane č nih vrednostih, pa sta ji vertikalni razdalji med empirič no in est RMSE (ang. root mean square (Šraj et al., 2012). Ocena parametrov izbrane verjetnostne porazdelitve hidrološke regije Pri analizah verjetnosti pojava poplav se za ocenjevanje parametrov porazdelitve pogosto uporabljajo momenti L (Bezak et al., 2013; Hussain in Pasha, 2009; Šraj et al., je zelo podoben metodi momentov, vendar ocene temeljijo na linearni kombinaciji reda statistike, zato so v primerjavi z navadnimi momenti veliko manj ajo boljše ugotavljanje osnovne porazdelitve č ne lastnosti. Določ eni so probability weighted enjujemo glede na je število vodomernih postaj, je najbolj ustrezen postopek za ocenjevanje regionalni algoritem momentov L. Postopek temelji na gre za povzemanje statistič nih nih skupin podatkov. Glavna predpostavka metode indeksa poplav je ta, da postaje tvorijo homogeno regijo, kar pomeni, da je verjetnostna porazdelitev N postaj kov lokacije, ki ga imenujemo tudi Da bi vse skupaj poenostavili, privzamemo, da je indeks poplav kar srednja vrednost verjetnostne porazdelitve za vsako vodomerno postajo. Po tem je srednja vrednost no pa toliko znaša tudi srednja vrednost za regijo. Prav tako pa so razmerja momentov L za vsako postajo enaka, ne glede etnih vrednosti podatkov, zato poseben Izbrano verjetnostno porazdelitev prilagodimo podatkom tako, da njena razmerja emer pa upoštevamo, da je srednja (1) verjetnostna porazdelitev za regijo. Na več nač inov smo preverili pravilnost zbranih podatkov 112 vodomernih postaj, ki smo jih vključ ili v analizo. Uporabili smo tudi test neskladnosti, s katerim smo preverili več različ nih možnosti. Najprej smo upoštevali delitev, ki je že bila narejena, to je po poreč jih, nato smo postaje združili v šest skupin glede na velikost površine hidrometrič nega zaledja, na koncu pa smo skupaj testirali še vse postaje. Mera neskladnosti D i je bila presežena v 6 primerih. Najve vseh postaj. Glede na rezultate se je kot najbolj neskladna izkazala prav vo Orešje, saj je njena vrednost D smo pozornost namenili še postajama Gorenja Gomila in Topole, ki sta bili neskladni v dveh izmed treh preverjenih skupin. Podrobnejša analiza je poka zmerno velik koeficient variacije (t) ter zelo velika koeficienta asimetrije (t splošč enosti (t 4 ) (slika 3). Hidrogram izmerjenih pretokov na tej postaji kaže, da je bila leta 2005 izmerjena zelo visoka visokovodna konica, visokovodne konice znašajo 14,6 m asimetrije (t 3 ) in splošč enosti (t Po preverjanju se je izkazalo, da je omenjena izmerjena visokovodna konica na postaji Orešje verjetno pravilna. Neskladnost drugih dveh postaj pa ni posledica zelo velikih izmerjenih pretokov, ampak kombinacije vrednosti vseh koeficientov. Podatki vseh 112 vodomernih postaj so se med preverjanjem izkazali za ustrezne, zato smo nadaljevali analizo z razvrš dve izmed metod razvršč anja, to sta Wardova metoda in metoda voditeljev. Slika 3: Diagram razmerij L Pri razvršč anju imamo več možnosti. Izhajamo lahko iz statisti so na primer razmerja momentov L) ali iz njihovih fizi dolžina, padec struge, sestava tal, koeficient infiltracije). razvršč a z upoštevanjem fizič temelji na statistič nih lastnostih. podatkov, uporabljen test ne bi bil merodajen. Ker gre v tem primeru za osnoven prikaz poteka analize, smo upoštevali osnovne lastnosti postaj, to so zemljepisna širina in dolžina, kota 0 (nadmorska višina nulte to vodomera), površina hidrometri območ ju postaje. Izbrane atribute faktor vpliva na 3. 28 Rezultati in analiza inov smo preverili pravilnost zbranih podatkov 112 vodomernih postaj, ki ili v analizo. Uporabili smo tudi test neskladnosti, s katerim smo preverili nih možnosti. Najprej smo upoštevali delitev, ki je že bila narejena, to je po jih, nato smo postaje združili v šest skupin glede na velikost površine nega zaledja, na koncu pa smo skupaj testirali še vse postaje. Mera neskladnosti je bila presežena v 6 primerih. Največ ja je bila 7,86, in sicer za postajo Orešje v skupini vseh postaj. Glede na rezultate se je kot najbolj neskladna izkazala prav vo Orešje, saj je njena vrednost D i v prav vsaki skupini presegala zgornjo mejo. Prav tako pa smo pozornost namenili še postajama Gorenja Gomila in Topole, ki sta bili neskladni v dveh izmed treh preverjenih skupin. Podrobnejša analiza je pokazala, da ima postaja Orešje zmerno velik koeficient variacije (t) ter zelo velika koeficienta asimetrije (t lika 3). Hidrogram izmerjenih pretokov na tej postaji kaže, da je bila leta 2005 izmerjena zelo visoka visokovodna konica, ki je znašala kar 70 m visokovodne konice znašajo 14,6 m 3 /s), kar je razlog za veliki vrednosti koeficientov č enosti (t 4 ). Po preverjanju se je izkazalo, da je omenjena izmerjena visokovodna konica na postaji erjetno pravilna. Neskladnost drugih dveh postaj pa ni posledica zelo velikih izmerjenih pretokov, ampak kombinacije vrednosti vseh koeficientov. Podatki vseh 112 vodomernih postaj so se med preverjanjem izkazali za ustrezne, zato razvršč anjem postaj v hidrološke regije. Pri tem smo uporabili č anja, to sta Wardova metoda in metoda voditeljev. : Diagram razmerij L-momentov za vse vodomerne postaje anju imamo več možnosti. Izhajamo lahko iz statistič nih lastnosti postaj (kot so na primer razmerja momentov L) ali iz njihovih fizič nih lastnosti (zemljepisna širina in dolžina, padec struge, sestava tal, koeficient infiltracije). Pri tej metod a z upoštevanjem fizič nih lastnosti, saj preverjanje homogenosti oblikovanih regij nih lastnostih. Č e bi torej razvršč ali in preverjali z uporabo istih podatkov, uporabljen test ne bi bil merodajen. imeru za osnoven prikaz poteka analize, smo upoštevali osnovne postaj, to so zemljepisna širina in dolžina, kota 0 (nadmorska višina nulte to vodomera), površina hidrometrič nega zaledja in letna količ ina padavin na prispevnem atribute smo standardizirali, površini zaledja pa smo pove inov smo preverili pravilnost zbranih podatkov 112 vodomernih postaj, ki ili v analizo. Uporabili smo tudi test neskladnosti, s katerim smo preverili nih možnosti. Najprej smo upoštevali delitev, ki je že bila narejena, to je po jih, nato smo postaje združili v šest skupin glede na velikost površine nega zaledja, na koncu pa smo skupaj testirali še vse postaje. Mera neskladnosti ja je bila 7,86, in sicer za postajo Orešje v skupini vseh postaj. Glede na rezultate se je kot najbolj neskladna izkazala prav vodomerna postaja v prav vsaki skupini presegala zgornjo mejo. Prav tako pa smo pozornost namenili še postajama Gorenja Gomila in Topole, ki sta bili neskladni v zala, da ima postaja Orešje zmerno velik koeficient variacije (t) ter zelo velika koeficienta asimetrije (t 3 ) in lika 3). Hidrogram izmerjenih pretokov na tej postaji kaže, da je bila leta ki je znašala kar 70 m 3 /s (povpreč ne /s), kar je razlog za veliki vrednosti koeficientov Po preverjanju se je izkazalo, da je omenjena izmerjena visokovodna konica na postaji erjetno pravilna. Neskladnost drugih dveh postaj pa ni posledica zelo velikih Podatki vseh 112 vodomernih postaj so se med preverjanjem izkazali za ustrezne, zato anjem postaj v hidrološke regije. Pri tem smo uporabili anja, to sta Wardova metoda in metoda voditeljev. momentov za vse vodomerne postaje č nih lastnosti postaj (kot nih lastnosti (zemljepisna širina in Pri tej metodi se obič ajno nih lastnosti, saj preverjanje homogenosti oblikovanih regij ali in preverjali z uporabo istih imeru za osnoven prikaz poteka analize, smo upoštevali osnovne postaj, to so zemljepisna širina in dolžina, kota 0 (nadmorska višina nulte toč ke ina padavin na prispevnem smo standardizirali, površini zaledja pa smo poveč ali 29 Z Wardovo metodo razvršč anja smo postopek ponovili trikrat. Najprej smo upoštevali le tri atribute in sicer zemljepisno širino in dolžino ter nadmorsko višino, nato pa smo dodali še površino hidrometrič nega zaledja in na koncu še letno količ ino padavin (preglednica 1). Rezultat razvršč anja so trije dendrogrami, iz katerih smo skupine oblikovali s predhodno prekinitvijo (slika 4). Hosking in Wallis (1997) priporoč ata, da v hidrološki regiji ni več kot 20 postaj, zato smo se odloč ili, da bomo v prvem koraku upoštevali delitev na 6 ali 7 regij, kar v povpreč ju pomeni 17 postaj na regijo. Slika 4: Dendrograma delitve z upoštevanjem treh atributov (zemljepisna širina in dolžina, kota 0) - levo in štirih atributov (zemljepisna širina in dolžina, kota 0, površina hidrometrič nega zaledja) – desno Postaje v hidroloških regijah, ki so dobljene z upoštevanjem različ nega števila atributov, se seveda razlikujejo. Največ je razlike v razporeditvi postaj so med skupinami, ki so dobljene z upoštevanjem prvih treh oziroma štirih atributov, skupine delitve s štirimi in petimi atributi pa so si med seboj dokaj podobne, kar kaže na to, da ima velik vpliv na razvršč anje č etrti dodani atribut, površina zaledja. 30 Preglednica 1: Rezultati razvršč anja z različ nim številom upoštevanih atributov Upoštevano število atributov Wardova metoda razrvšč anja Razvršč anje z metodo voditeljev Povpreč no število postaj Povpreč na mera heterogenosti H Povpreč no število postaj Povpreč na mera heterogenosti H 3 16 9,63 18,67 10,06 4 17,83 7,03 17,33 7,18 5 14 6,31 16,33 6,10 Tudi pri razvršč anju z metodo voditeljev smo postopek ponovili trikrat, vsakič za 6 konč nih skupin, ob vsaki ponovitvi pa smo dobili drugač ne rezultate (preglednica 1). Tudi v tem primeru se je izkazalo, da ima površina zaledja velik vpliv. Postaje, ki so bile pri razvršč anju s tremi upoštevanimi lastnostmi najprej združene v skupine, so bile po delitvi s štirimi povsem pomešane po novonastalih regijah. V nadaljevanju, z upoštevanjem petih lastnosti, pa so bile razlike dosti manjše. Pet novonastalih skupin je imelo skoraj vse elemente enake kot regije, dobljene z upoštevanjem štirih atributov, ena pa je bila sestavljena iz vodomernih postaj, ki so prvotno pripadale dvema regijama. Skupine, dobljene po prvem koraku razvršč anja, še niso homogene. Odloč ili smo se za skupine dobljene z metodo voditeljev, saj je ta metoda iterativna in ne da enakega konč nega rezultata ob vsaki ponovitvi. Pri konč nem določ anju homogenih regij smo upoštevali štiri lastnosti vodomernih postaj (zemljepisna širina in dolžina, kota 0 in površina zaledja), saj ima, kot se je izkazalo pri razvršč anju, površina zaledja velik vpliv na delitev, upoštevanje padavin pa regij ne spremeni več veliko. S premikanjem postaj med skupinami smo tako dobili devet konč nih, homogenih hidroloških regij (slika 5). Slika 5: Karta razporeditve postaj glede na konč ne homogene hidrološke regije (Podloga – osnovna karta povzeta po ARSO, 2013) Regije so zelo razpršene, vendar so vse sprejemljivo homogene, poleg tega pa imajo tudi manj kot dvajset elementov (preglednica 2). Le osma in deveta regija se morda zdita 31 nesmiselni, saj vsako sestavljajo le trije oziroma pet elementov. Za tako sestavo smo se odloč ili zato, ker imajo vse tri vodomerne postaje (Verd, Bistra in Vrhnika) v deveti regiji zelo specifič ne lastnosti, ki v primeru priključ itve postaje k drugi regiji moč no poveč ajo njeno mero heterogenosti. Povpreč no število elementov v homogenih hidroloških regijah je 12,44, njihova povpreč na mera heterogenosti H pa znaša 0,25. Za vsako konč no regijo smo preverili tudi vrednosti mere neskladnosti postaj. Vse so bile nižje od mejnih vrednosti, tudi za postajo Orešje, ki je bila pri prvem preverjanju najbolj kritič na. Preglednica 2: Konč ne homogene hidrološke regije Regija 1 2 3 4 5 6 7 8 9 Število elementov 15 14 19 14 16 15 11 5 3 Mera heterogenosti H 0,45 0,66 0,8 0,1 0,05 0,13 0,51 0,79 -1,21 Za vsako homogeno hidrološko regijo smo nato izbrali ustrezno verjetnostno porazdelitev. Upoštevali smo normalno (NORM), logaritemsko normalno dvo- (LN) in troparametrsko (LN3), Pearson III (PE3), logaritemsko Pearson III (LPE3), Gumbelovo (Gumbel), generalizirano logistič no (GLO) in generalizirano Pareto porazdelitev (Pareto) ter generalizirano porazdelitev ekstremnih vrednosti (GEV). Izmed teh porazdelitev smo najbolj ustrezno izbrali s pomoč jo prej predstavljenih testov ustreznosti. Za izbiro najbolj ustrezne verjetnostne porazdelitve smo za splošne podatke homogenih hidroloških regij uporabili regionalno mero ustreznosti Z in diagram razmerij momentov L. Drugi testi, s katerimi smo preverili ustreznost izbranih porazdelitev, omogoč ajo testiranje posameznega niza podatkov za vsako vodomerno postajo posebej. Glede na to smo za vsako vodomerno postajo izrač unali testne statistike za teste Kolmogorov-Smirnov (KS), test PPCC in test RMSE. Na koncu smo s primerjavo dobljenih rezultatov izbrali najbolj ustrezno porazdelitev (preglednica 3). Iz preglednice 3 je razvidno, da se izbrane verjetnostne porazdelitve za podatke celotnih regij in podatke posameznih vodomernih postaj med seboj razlikujejo. Preglednica 3: Izbrane najbolj ustrezne verjetnostne porazdelitve Regija Porazdelitev za podatke cele regije Porazdelitev za podatke vodomernih postaj Regija 1 PE3 GEV Regija 2 PE3 GEV Regija3 LN3 PE3 Regija4 GLO LPE3 Regija5 GEV LPE3 Regija6 GLO GEV Regija7 PE3 GEV Regija 8 GLO GLO Regija 9 GLO GLO Razlaga kratic, uporabljenih v tabeli: logaritemska normalna troparametrska porazdelitev (LN3), Pearson III porazdelitev (PE3), logaritemska Pearson III porazdelitev (LPE3), generalizirana logistič na porazdelitev (GLO), generalizirana porazdelitev ekstremnih vrednosti (GEV) Zadnji korak hidrološke regionalizacije verjetnostnih analiz je ocena parametrov in kvantilov. Ocenjujejo se za cele regije in so pravzaprav standardizirani kvantili 32 visokovodnih konic na vodomernih postajah (Parida et al., 1998). Glede na to, da smo najbolj ustrezne verjetnostne porazdelitve izbirali na dva nač ina in da smo pri tem dobili različ ne rezultate, smo tudi oceno parametrov in kvantilov naredili dvakrat, za vsak primer posebej. Le za regiji osem in devet postopka nismo ponavljali, saj sta izbrani porazdelitvi v obeh primerih enaki. Vrednosti ocenjenih kvantilov na podlagi verjetnostnih porazdelitev podatkov celih regij in podatkov posameznih vodomernih postaj so v več ini primerov skoraj enake. Povpreč na vrednost odstopanja med vrednostmi kvantilov za eno regijo se giblje med 0,004 in 0,7, v primeru tretje regije pa so vrednosti celo enake. Zaključ ki Osnova hidrološke regionalizacije verjetnostnih analiz visokovodnih konic so homogene hidrološke regije. Za delitev vodomernih postaj po regijah lahko uporabimo več različ nih metod, izmed katerih smo izbrali dve metodi razvršč anja, Wardovo metodo in metodo voditeljev. Obe metodi sta dali zelo podobne rezultate. Povpreč no število postaj v regiji je v obeh primerih 17,83, povpreč na mera heterogenosti H pa je za Wardovo metodo (7,09) malenkost nižja kot v primeru metode voditeljev (7,19). Primerjava obeh metod je pokazala, da je glede na hierarhič no delitev v istih skupinah metode voditeljev ostalo 86 % postaj. Konč ne homogene regije se oblikuje iz le ene predhodne delitve. Izbrali smo metodo voditeljev, ta pa je odvisna od števila iteracij in da ob vsaki ponovitvi drugač en rezultat. Različ ne rezultate smo dobili tudi pri 100.000 ponovitvah. Č eprav smo pri konč ni delitvi regij izhajali iz skupin, oblikovanih z metodo voditeljev, bi za splošno uporabo kot bolj primerno predlagali Wardovo metodo. Rezultati pri Wardovi metodi so konč ni in se ne spreminjajo. Poleg tega pa iz dendrograma z razrezom na določ eni višini lahko brez ponavljanja dobimo toliko skupin, kot želimo (Kumar Kar et al., 2012). Pri razvršč anju je pri obeh metodah mogoč e opaziti vpliv izbire atributov. Razlike v sestavi skupin so bile največ je pri dodatnem upoštevanju površine hidrometrič nih zaledij. Padavine niso imele tako velikega dodatnega vpliva, saj so odvisne od nadmorske višine oziroma kote 0 in zemljepisne dolžine, ki sta pri delitvi že upoštevani (Kavč ič , 2013). Pri nadaljnjih analizah pa bi bilo verjetno smiselno upoštevati še kakšne druge lastnosti vodomernih postaj. Tako bi na primer lahko upoštevali še kamninsko sestavo tal, splošen naklon reč ne struge ali zaledja postaje in porašč enost z gozdom, kot so to storili Acreman in Sinclair (1986) ter Malekinezhad s sodelavci (2011, cit. po Kumar Kar et al., 2012). Pri izbiri najustreznejše verjetnostne porazdelitve posameznih regij smo upoštevali dva pristopa. Najprej smo izhajali iz splošnih regionalnih podatkov nato pa še iz podatkov posameznih vodomernih postaj v regiji. Veliko bolj preprost in hiter je prvi nač in, za izbiro ustrezne porazdelitve glede na podatke vodomernih postaj pa se je izkazalo, da ni najboljše, saj je zaradi več jega števila testov preveč možnosti in postopek se hitro zaplete. Kot najboljši nač in bi po dosedanjih izkušnjah priporoč ali kombinacijo obeh možnosti, najprej izbire z regionalno mero ustreznosti Z ter kontrolo ali dopolnitev z diagramom razmerij momentov L, nato upoštevanje enega izmed testov za vsako vodomerno postajo posebej, na koncu pa še kontrolo z upoštevanjem QQ diagramov. Različ ne teste so med sabo kombinirali tudi Cunnane (1989, cit. po Karim in Chowdhury, 1995), Haile (2011), Millington in drugi (2011) ter Chavoshi Borujeni in Azmin Sulaiman (2009). Pri hidrološki regionalizaciji pa smo ustvarili tudi dve homogeni regiji, s katerima je bilo težko nadaljevati; osma in deveta regija sta imeli le pet oz. tri elemente. Č eprav sta bili homogeni, je bilo zaradi majhnega števila podatkov zelo težko določ iti najustreznejšo porazdelitev. Pri tem smo si morali pomagati na več različ nih nač inov. Ta primer kaže na 33 to, da homogenost regije ni najpomembnejša. Potrebno je upoštevati tudi priporoč ila o številu elementov v njej, ki naj bi se gibalo med deset in dvajset (Hosking in Wallis, 1997). Ker je to prvi poskus hidrološke regionalizacije verjetnostnih analiz visokovodnih konic v Sloveniji, nismo imeli nobenih izhodišč , na katera bi se lahko oprli. Število vodomernih postaj, ki so bile vključ ene v analizo, je bilo zelo veliko, njihove lastnosti pa se moč no razlikujejo, poleg tega pa za vsakega izmed štirih potrebnih korakov analize obstaja več različ nih možnosti izvedbe. V prikazanem primeru smo uporabili tiste, katerih uporabo smo največ krat zasledili v tuji literaturi. Č eprav je metoda razvršč anja dala dobre in pregledne rezultate, bi bilo smiselno pri razvršč anju uporabiti še subjektivno ali objektivno metodo delitve postaj. Odlič no izhodišč e za objektivno delitev pa bi bilo zač etno loč evanje postaj na tiste, ki so postavljene v urbano okolje in tiste v neurbanem okolju. Literatura Acreman, M. C., Sinclair, C. D. (1986). Classification of Drainage Basins According to Their Physical Characteristics; an Application for Flood Frequency Analysis in Scotland, Journal of Hydrology 84, 34: 365–380. Agencije republike Slovenije za okolje (ARSO). 2013. http://www.arso.gov.si/vode/podatki/arhiv/hidroloski_arhiv.html (4. 3. 2013) Bezak, N. Brilly, M. Šraj, M. (2013). Comparison between the peaks over threshold method and the annual maximum method for flood frequency analyses. Hydrological Sciences Journal, doi: 10.1080/02626667.2013.831174. Brilly, M., Mikoš M., Šraj, M. (1999). Vodne ujme. Varstvo pred poplavami, erozijo in plazovi. Ljubljana, Univerza v Ljubljani, Fakulteta za gradbeništvo in geodezijo: 186 str. Burn, D. H., Goel, N. K. (2000). The formation of groups for regional flood frequency analysis, Hydrological Sciences Journal 45, 1: 97–112. Chavoshi Borujeni, S., Azmin Sulaiman, W. N. (2009). Development of L-moment Based Models for Extreme Flood Events, Malaysian Journal of Mathematical Sciences 3, 2: 281–296. Ferligoj, A. (1989). Ravzršč anje v skupine. Teorija in uporaba v družboslovju. Ljubljana, Jugoslovansko združenje za sociologijo, Sekcija za metodologijo in statistiko: 182 str. http://dk.fdv.uni-lj.si/metodoloskizvezki/Pdfs/Mz_4Ferligoj.pdf (3. 3. 2013.) Haile, A. T. (2011). Regional Flood Frequency Analaysis in Southern Africa. Magistrsko delo. Oslo, University of Oslo, Faculty of Mathematics and Natural Sciences: 113 str. https://www.duo.uio.no/bitstream/handle/10852/12530/Alem_FINALTHESIES%5B1%5D.pdf?sequence=1 (22. 4. 2013.) Hassan, B. G. H., Atiem, I. A., Jianzhu, L., Ping, F. 2012. At Site and Regional Frequency Analysis for Sudan Annual Rainfall by Using the L-Moments and Nonlinear Regression Techniques. International Journal of Engineering Research and Development 3, 6: 13–19. Hosking, J. R. M., Wallis, J. R. (1997). Regional frequency analysis: an approach based on L- moments. Cambridge, Cambridge University Press: 224 str. Hussain, Z., Pasha, G. R. (2009). Regional Flood Frequency Analysis of the Seven Sites of Punjab, Pakistan, Using L-Moments, Water Resources Management 23, 10: 1917–1933. Important Issues in Data Screening. 2013. www.geography.unt.edu/.../week2handout-datascreening.doc (Pridobljeno 5. 3. 2013.) Inštitut za vode republike Slovenije. (2013). http://www.izvrs.si/ (21. 4. 2013.) Karim, A., Chowdhury, J. U. (1995). A comparison of four distributions used in flood frequency analysis in Bangladesh, Hydrological Sciences Journal 40, 1: 55–66. Kavč ič , K. (2013): Hidrološka regionalizacija verjetnostnih analiz visokovodnih konic v Sloveniji (Regionalisation of flood frequency analyses in slovenia). Diplomska naloga, Univerza v Ljubljani, Fakulteta za gradbeništvo in geodezijo, 113 p. (in Slovenian). Košmelj, K., Breskvar Žaucer L. (2006). Metode za razvršč anje enot v skupine; osnove in primer, Acta agriculturae Slovenica 87, 2: 299–310. http://aas.bf.uni-lj.si/september2006/11kosmelj.pdf (3. 3. 2013.) 34 Kumar Kar, A., Goel, N. K., Lohani, A. K., Roy, G.P. (2012). Application of Clustering Techniques Using Prioritized Variables in Regional Flood Frequency Analysis – Case Study of Mahanadi Basin, Journal of Hydrologic Engineering 17, 1: 213–223. Millington, N., Das, S., Simonovic, S. P. (2011). The Comparison of GEV, Log-Pearson Type 3 and Gumbel Distributions in the Upper Thames River Watershed under Global Climate Models. Raziskovalno poroč ilo o vodnih sredstvih. London, Ontario, Canada, The University of Western Ontario, Department of Civil and Environmental Engineering: 52 str. NIST/SEMATECH e-Handbook of Statistical Methods. 2013. http://www.itl.nist.gov/div898/handbook/ (Pridobljeno 22. 4. 2013.) Norbiato, D., Borga, M., Sangati, M., Zanon, F. 2007. Regional frequency analysis of extreme precipitationin in the eastern Italian Alps and the August 29, 2003 flash flood. Journal of Hydrology 345, 3-4: 149–166. Parida, B. P., Kachroo, R. K., Shrestha, D. B. (1998). Regional Flood Frequency Analysis of Mahi- Sabarmati Basin (Subzone 3-a) using Index Flood Procedure with L-Moments, Water Resources Management 12, 1: 1–12. Shu, C., Burn, D. H. 2003. Spatial patterns of homogeneous pooling groups for flood frequency analysis. Hydrological Sciences Journal 48, 4: 601–618. Šraj, M., Bezak, N., Brilly, M. (2012). Vpliv izbire metode na rezultate verjetnostnih analiz konic, volumnov in trajanj visokovodnih valov Save v Litiji, Acta hydrotechnica 25 (v tisku). Uprava republike Slovenije za zašč ito in reševanje. (2013). http://www.sos112.si/slo/page.php?src=og12.htm (Pridobljeno 23. 4. 2013.) 35 Odziv jamske mikroklime na izjemne dogodke in dolgotrajnejše spremembe vremena Stanka Šebela * Povzetek V Postojnskem in Predjamskem jamskem sistemu se sistematič ne zvezne meritve jamske mikroklime opravljajo od leta 2009. Pri tem spremljamo vpliv zunanje klime kot tudi vpliv obiskovalcev na jamsko mikroklimo. Za razumevanje določ enih dogodkov je potrebno več letno merjenje določ enih klimatskih parametrov. Le tako lahko ocenimo vpliv izredno toplega poletja na temperature zraka v jami, kot tudi več dnevne zimske nizke temperature in prodor hladnega zraka daleč v notranjost jame. Izjemni vremenski dogodki (npr. suša, poplave, zelo mrzle zime) vplivajo tudi na razmere v jamah. Ključ ne besede: jamska mikroklima, izjemni vremenski dogodki, Postojnski jamski sistem, Predjamski jamski sistem, Sovenija. Keywords: Cave micro-climate, exceptional meteorological events, Postojna, Cave System, Predjama Cave System, Slovenia. Uvod Sistematič ne in zvezne meritve jamske mikroklime se v Postojnskem in Predjamskem jamskem sistemu izvajajo v okviru projektov Strokovni nadzor in svetovanje pri upravljanju z jamskimi sistemi ter Klimatski in biološki monitoring jamskih sistemov (financer Postojnska jama d.d.). V okviru projektov smo pridobili urne podatke temperature zraka za obdobje 2009–2013 za več merilnih mest. Določ ili smo splošne znač ilnosti letne dinamike gibanja temperature kot tudi izjemne vremenske dogodke ter vpliv obiskovalcev na jamske klimatske razmere. Jamsko mikroklimo so v Postojnskem in Predjamskem jamskem sistemu prouč evali Schmidl (1854), Crestani & Anelli (1939), Anelli (1941–44), Habe (1970), Gams (1974). Novejše raziskave pa so predstavljene z avtorji: Gabrovšek & Mihevc (2009), Šebela & Turk (2011 a, b; 2013; 2014), Šebela et al. (2013), Gregorič et al. (2013 a, b). Č eprav je letno nihanje temperature zraka na Veliki gori v Postojnskem jamskem sistemu le 0,56°C (Šebela & Turk, 2011 a), pa je več ina jamskih sistemov zelo dinamič nih v smislu razumevanja jamske mikroklime. Jamski sistemi niso izolirana ozemlja, č eprav predstavljajo zelo stabilne sisteme. Zunanje spremembe (klimatske, okoljske idr.) z določ enim zamikom prodirajo tudi v kraško podzemlje. Hkrati pa je glede na razumevanje naravnih vplivov potrebno ovrednotiti tudi antropogeni vpliv na kraško podzemlje, kar je posledica turistič ne rabe jam. Glede na podatke iz omenjenih projektov želim predstaviti nekaj izjemnih vremenskih dogodkov, katerih vpliv smo zaznali v jamah. Hkrati želim poudariti pomen več letnih zveznih meritev jamske mikroklime, kot osnovo za razumevanje naravnih in antropogenih vplivov na stanje jamskega okolja ter osnovo za nač rtovanje rabe naravnih vrednot. * ZRC SAZU, Inštitut za raziskovanje krasa, Titov trg 2, SI-6230 Postojna, Slovenija 36 Metodologija Temperaturo zraka smo v urnih intervalih merili z avtomatskimi merilniki proizvajalcev Van Essen (t.i. diver) ter Tinytag (Gemini data loggers, UK). Poleg merilnih mest v jami smo vzpostavili tudi merilno mesto izven jame, in sicer na površju v gozdu nad Otroško jamo. Temperaturna toč nost znaša ± 0.1°C. Podatke jamske temperature zraka smo primerjali s podatki iz površja nad jamo. Rezultati in razprava Postojnski jamski sistem Pozimi 2012 (Slika 1) so bile v obdobju 30.1.2012 do 13.2.2012 nizke zunanje temperature zraka, to je od -9 do -13 °C. Ker je pihala tudi moč na burja, je mrzel zrak prodrl globoko v notranjost jame ter ohladil jamski zrak za 0,3 do 0,4 °C (Postojna 3, Lepe jame). Letno nihanje temperature zraka je 0,6 do 0,7 °C na Postojna 3. Daljše mrzlo zunanje obdobje (15 dni) je ob burji moč no znižalo jamsko temperaturo zraka v Lepih jamah (Postojna 3). V tem obdobju pa so bili tudi dnevi, ko se je število obiskovalcev precej poveč alo: ob prireditvah Jaslice v Postojnski jami (2.1. in 6.1.) in Kulturni praznik (8.2.). Ob tem drugem primeru je npr. v Koncertni dvorani temperatura zraka narasla za 0,3 °C. Šlo pa je le za enodnevni dvig, kar kaže, da je vpliv zunanjih razmer na mikroklimo moč nejši kot je vpliv povišanega turistič nega obiska. Slika 1 – Temperatura zraka (°C), Postojnski jamski sistem v obdobju januar – marec 2012. Postojna 1 (Velika gora), Postojna 2 (Lepe jame-stranski rov), Postojna 3 (Lepe jame), Koncertna dvorana, površje nad jamo. Obdobje nizkih temperatur v zač etku leta 2013 smo beležili tudi ob vhodnih kovinskih vratih v Postojnski jamski sistem (Slika 2). Na vratih smo namestili 3 merilnike temperature, ki merijo vsako uro. Spodnji merilec je namešč en 0,20 m nad jamskimi tlemi, srednji je 3,60 m nad tlemi in zgornji, ki je tik pod jamskim stropom, je 6,20 m nad tlemi. Temperaturna razlika med zgornjim in spodnjim merilcem je dne 11.2.2013 znašala 37 10,3°C. Hladen zimski zrak namreč vstopa v Postojnski jamski sistem pri tleh vhodnega rova, medtem ko iz jame izstopa toplejši jamski zrak pod stropom rova. Temperatura zraka ima nižja nihanja tik pod stropom vhodnega rova kot pri dnu. Slika 2 – Temperatura zraka (°C) merjena ob kovinskih vhodnih vratih (zgoraj, sredina in spodaj) v Postojnski jamski sistem ter primerjava z zunanjo T v zač etku leta 2013. Slika 3 – Struga reke Pivke na ponoru v Postojnski jamski sistem dne 27.8.2012, pogled proti JV (foto S. Šebela). Po mrzli zimi 2012 smo doživeli izredno toplo in suho poletje 2012. Struga reke Pivke, ki ponika v jamski sistem je bila skoraj povsem suha, kar je redek pojav (Slika 3). Tudi v prvi jamski dvorani Veliki dom je bilo možno hoditi »po suhem«. To so bile odlič ne razmere za odstranitev naplavljenega materiala in sedimentov (970 m 3 ), ki so se za jezom nabirali od leta 1983. -10,0 -5,0 0,0 5,0 10,0 15,0 7.1.2013 10.1.2013 13.1.2013 17.1.2013 20.1.2013 23.1.2013 26.1.2013 29.1.2013 1.2.2013 5.2.2013 8.2.2013 11.2.2013 14.2.2013 17.2.2013 20.2.2013 24.2.2013 27.2.2013 2.3.2013 5.3.2013 8.3.2013 11.3.2013 15.3.2013 18.3.2013 21.3.2013 24.3.2013 27.3.2013 30.3.2013 3.4.2013 Temperatura zgoraj Temperatura sredina Temperatura spodaj Temperatura zunaj 38 Predjamski jamski sistem Visoke poplave septembra 2010, ki so zajele obsežen del Slovenije, so peč at pustile tudi v Predjamskem jamskem sistemu, kjer je zaradi narasle reč ice Lokve pred ponorom v jamo, nastalo jezero (Šebela 2013). Merilnik za merjenje temperature zraka v Konjskem hlevu je bil poplavljen z vodo, tako so v obdobju 40,50 ur oziroma v obdobju 44,00 ur med 18. in 19. septembrom 2010 prikazani podatki temperature vode ob poplavi (Slika 4). To nam je omogoč ilo, da smo lahko določ ili trajanje poplave v Konjskem hlevu. Umik vode pozno zveč er 19.9.2010 pa je povzroč il nenadni udor (globine 0,3 m in širine 2 m) jamskih tal v Konjskem hlevu in morfološko spremenil vhodni rov. Redno spremljanje temperature zraka od leta 2009 je v Predjami pokazalo, da se poletna temperatura zraka v Veliki dvorani ustali približno na 9,5°C (Šebela & Turk 2013). Č etudi se zunanja temperatura zraka povišuje, je jamska temperatura izredno stabilna. V poletnih mesecih so obiski v Predjami najbolj intenzivni, vendar posamezna skupina ne šteje več kot 60 obiskovalcev. Tudi enkratni dogodek dne 12.6.2013 med 15:00 in 16:30, ko je skupina 70 udeležencev 21. mednarodne krasoslovne šole obiskala jamo in se zadrževala tudi ob merilnih inštrumentih, ni vplival na naravno stanje temperature zraka v Veliki dvorani. Slika 4 – Predjamski jamski sistem, merjenje temperature zraka (in vode) v °C, september 2010. 1 – Konjski hlev, 2 – Velika dvorana, 3- zunanja temperatura. 39 Sklep Redno več letno spremljanje osnovnih klimatskih parametrov v Postojnskem in Predjamskem jamskem sistemu je osnova za razumevanje naravnih in antropogenih vplivov na stanje jamskega okolja ter osnova za dolgoroč no nač rtovanje rabe naravnih vrednot v smislu trajnostnega razvoja jamskega turizma. Razumevanje določ enih kratkotrajnih dogodkov je možno na podlagi več letnega merjenja določ enih klimatskih parametrov, kjer iz te slike lahko izloč imo izjemne vremenske dogodke. V Postojnskem jamskem sistemu je več dnevno obdobje nizkih zimskih temperatur ob pihanju burje v zač etku leta 2012 za več dni znižalo temperaturo zraka v Lepih jamah za 0,3 do 0,4 °C, medtem ko je letno nihanje 0,6 do 0,7 °C. Ob določ enih vremenskih pogojih hladen zunanji zrak ohladi jamski zrak daleč v notranjost jame. Izjemni vremenski dogodki (npr. suša, poplave, zelo nizke temperature pozimi) vplivajo tudi na razmere v jamah. Raziskave kažejo, da imajo zunanje klimatske spremembe moč nejši vpliv na jamsko mikroklimo (primer Postojnskega in Predjamskega jamskega sistema) kot pa trenutno število obiskovalcev. Seznam literature Anelli, F. 1941–44. Osservazioni di meteorologia ipogea nelle Grotte di Castel Lueghi presso Postumia. Le Grotte d'Italia serie 2a vol. V, 5-34, Trieste. Crestani, G. in Anelli, F. 1939. Ricerche di meteorologia ipogea delle grotte di Postumia. Istituto polografico dello stato Libreria, 1-162, Roma. Gabrovšek, F., in Mihevc, A. 2009. Cave climate. 17 th International karstological school “Classical Karst”, 15-20 th June 2009, Guide book & Abstracts, 1-92, Postojna. Gams, I. 1974. Concentration of CO 2 in the caves in relation to the air circulation (in the case of the Postojna Cave). Acta carsologica, 6/12, 183-192. Gregorič , A., Vaupotič , J. in Šebela, S. 2013a. The role of cave ventilation in governing cave air temperature and radon levels (Postojna Cave, Slovenia). International Journal of climatology, doi: 10.1002/joc.3778. Gregorič , A., Vaupotič , J. in Gabrovšek, F. 2013b. Reasons for large fluctuation of radon and CO 2 levels in a dead-end passage of a karst cave (Postojna Cave, Slovenia). Natural Hazards and Earth System Sciences, 13, 287-297. Habe, F. 1970. Predjamski podzemeljski svet. Acta Carsologica 5/1, 7-94, Ljubljana. Schmidl, A. 1854. Die Grotten un Höhlen von Adelsberg, Lueg, Planina und Laas, 1-316, Wien. Šebela, S. in Turk, J. 2011a. Local characteristics of Postojna Cave climate, air temperature, and pressure monitoring. Theor. appl. climatol. 105/3-4, 371-386, Wien, New York. doi: 10.1007/s00704-011-0397-9. Šebela, S. in Turk, J. 2011b. Air temperature characteristics of the Postojna and Predjama cave systems. Acta geogr. Slov. 51/1, 43-64, Ljubljana. doi: 10.3986/AGS51102. Šebela, S., Prelovšek, M. in Turk, J. 2013. Impact of peak period visits on the Postojna Cave (Slovenia) microclimate. Theor. appl. climatol., 111, 51-64. doi: 10.1007/s00704-012-0644-8. Šebela, S. 2013. Historic inscriptions in Predjama Cave System and high floods in 2010. Acta Carsologica 42/2-3, Ljubljana. Šebela, S. in Turk, J. 2013. Znač ilnosti temperature zraka v Predjamskem jamskem sistemu. Raziskave s področ ja geodezije in geofizike 2012, zbornik predavanj, 18. Strokovno sreč anje SZGG, Ljubljana, 29. januar 2013, 67-74. Šebela, S. in Turk, J. 2014. Natural and anthropogenic influences on the year-round temperature dynamics of air and water in Postojna show cave, Slovenia. Tourism Management, 40, 233-243. 41 Skladišč enje vode v vadozni coni kraških vodonosnikov - primer izvira Malenšč ica Janja Kogovšek * Povzetek Pogosto so kraški vodonosniki zelo kompleksni sistemi, ki se napajajo tako z infiltracijo padavin in s površinskimi vodnimi tokovi. Pri pretakanju infiltriranih padavin skozi vadozno cono vodonosnika prihaja tudi do pomembnega skladišč enja vode in iztekanja z več jimi zakasnitvami. Prav ti procesi omogoč ajo, da imajo kraški izviri vodo tudi v daljših sušnih obdobjih z minimalnimi padavinami. Prispevek podaja dinamiko pretakanja in skladišč enja padavin v 100 m debeli vadozni coni Postojnske jame na osnovi več letnih zveznih meritev pretokov. Te procese primerja z dinamiko iztekanja vode skozi kraški izvir Malenšč ice, ki se napaja z infiltracijo padavin in s površinskimi tokovi. Poudarek je na sušnih obdobjih, ko reke ponikalnice presušijo ali pa imajo minimalen pretok in se izvir Malenšč ice napaja predvsem z infiltrirano, uskladišč eno vodo. Ključ ne besede: Kras, vodonosnik, vadozna cona, dinamika pretakanja, skladišč enje Key words: Karst, aquifer, vadose zone, hydrodinamics, storage Uvod V Evropi 35 % in v Sloveniji okoli 44 % površja gradijo karbonatne kamnine. Ocenjujejo, da 20 do 25 % svetovne populacije pije vodo iz kraških vodonosnikov (Ford in Williams 2007) in za prihodnost napovedujejo, da se bo ta delež še poveč eval (Forti 2007). Kraški vodonosniki so pogosto obsežni in zelo heterogeni, kompleksni vodni sistemi, ki se napajajo ne le z infiltracijo padavin, ampak tudi z rekami ponikalnicami in vodnimi tokovi, ki vanje zatekajo tudi z nekraškega sveta. Vsi ti viri napajanja pa pomenijo tudi možnost vnosa onesnaženja v vodonosnik. Vodni tokovi pomenijo hiter prenos onesnaženja, pomemben pa je tudi neposreden prenos onesnaženja s površja skozi vadozno cono vodonosnika, ki je vezan na dinamiko pretakanja. Kraški vodonosniki so v Sloveniji pomemben vir pitne vode. Zato je zelo pomembna kakovost njihove vode. V sušnih obdobjih, posebno ko prihaja do dalj č asa trajajoč ih suš v zaporednih letih, pa se na določ enih območ jih postavlja tudi vprašanje zadostnih količ in. Le dobro poznavanje dinamike pretakanja v kraških vodonosnikih je dobra osnova za njihovo nač rtno izrabo. Raziskave vadozne cone v preteklosti so nakazovale, da se padavine lahko v vadozni coni vodonosnikov zadržijo tudi daljši č as (Mangin, 1973, Bakalowicz in ostali, 1974, Kogovšek in Habič , 1981, Williams, 1983, Kogovšek, 1982, 1983, 2000, 2010, Pezdič et al., 1984, Smart in Friedrich 1986, Klimchouk 1995, Stichler in ostali, 1997, Jeannin in Grasso 1995, Maloszewski in ostali, 2002, Perrin in ostali, 2003a, Trč ek, 2003). * Inštitut za raziskovanje krasa ZRC SAZU, Titov trg 2, 6230 Postojna, Slovenija 42 Zvezne in soč asne raziskave kraškega izvira Malenšč ica in curkov prenikle vode z bistveno različ no prepustnostjo zaledja v vadozni coni Postojnske jame, 100 m pod površjem, so podale dinamiko pretakanja vode skozi vadozno cono in skozi kraški izvir. Območ je raziskav in metode dela Malenšč ica je kraški izvir na Planinskem polju, ki mu je pretok v obdobju 1981-2011 nihal med 1,1 in 11,2 m 3 /s (Pretoki Malenšč ice. Medmrežje: http://vode.arso.gov.si), in je zajet za oskrbo prebivalstva s pitno vodo. Raziskave pretakanja padavin skozi kraško vadozno cono so potekale na območ ju Postojnske jame z debelino vadozne cone 100, kjer smo merili curke prenikle vode I, J in L. Curek I v Postojnski jami doteka vrh kope, kjer smo naredili manjšo zajezitev z vgrajenim prelivom. Ob njem smo pritrdili sondo za merjenje nivoja (č asovni interval 30 minut) za izrač un pretokov ter sondo za meritve temperature in specifič ne električ ne prevodnosti (EC). Vodo curka J smo speljali v posodo z majhnim iztokom, v kateri smo s sondo merili višino vode in EC. Z obč asnimi vzporednimi roč nimi meritvami pretokov smo izdelali umeritveni krivulji za izrač un pretokov obeh curkov. Na površju nad raziskovalnim poligonom v Postojnski jami smo zvezno merili količ ino padavin. Slika 1: Območ je raziskav je bil kraški izvir Malenšč ica na Planinskem polju in pretakanje padavin na raziskovalnem poligonu v Postojnski jami. Meritve nivoja, temperature in električ ne prevodnosti Malenšč ice so potekale na č rpališč u s kombinirano sondo YSI in pretoka z 750 Area-Velocity Module v povezavi z 43 avtomatskim zajemalnikom ISCO 6700. Meritve padavin smo opravljali z dežemerom s shranjevalnikom podatkov HOBO Event Logger RG2-M, podjetja ONSET, ki zabeleži vsakih 0,2 mm padavin. Soč asno so v jamskem rovu potekale zvezne meritve pretoka, temperature in električ ne prevodnosti (Gealog S podjetja Logotronic) treh reprezentativnih curkov: več jega nestalnega curka I s pretokom do 4000 ml/min, stalnega curka J s pretokom do 130 ml/min in stalnega curka L s pretokom do 10 ml/min. Pretok curka L so potekale najprej s prirejenim evaporimetrom z mehansko uro, kasneje pa z dežemerom s shranjevalnikom podatkov HOBO Event Logger RG2-M. Rezultati Meritve padavin na površju nad Postojnsko jamo in pretokov izbranih curkov I, J in L 100 m pod površjem so v hidrološkem letu 2003-04 (1618,3 mm) z zvezno razporeditvijo padavin pokazale oblikovanje zaporednih poplavnih valov v curkih I in J (slika 2). Slika 2: Padavine na površju in hidrogrami curkov I, J in L v hidrološkem letu 2003-04. Slika 3: Padavine na površju in hidrogrami curkov I, J in L v hidrološkem letu 2004-05. 0 20 40 60 80 100 P (mm) 0 1000 2000 3000 4000 5000 0 50 100 150 200 250 24.9.03 13.11.03 2.1.04 21.2.04 11.4.04 31.5.04 20. 7.04 8.9.04 Q - I (ml/min) Q - J (ml/min), Q - L (ml/h) J (ml/min) L (ml/h) I (ml/min) 0 50 100 P (mm)) 0 1000 2000 3000 4000 5000 0 50 100 150 200 250 1.9.04 21.10.04 10.12.04 29.1.05 20.3.05 9.5.05 28.6.05 Q - I (ml/min) Q - J (ml/min), Q - L (ml/h) J (ml/min) L (ml/h) 44 Pretok najmanjšega curka L pa je nihal bistveno drugač e. Hidrološko leto omejujeta letna minimalna pretoka curka I v dveh zaporednih letih. V hidrološkem letu 2004-05, ki je sledilo, je bila količ ina padavin manjša (1560,7 mm), bistveno drugač na pa je bila njihova razporeditev. Od Januarja do marca 2005 so padle le minimalne padavine, še te kot sneg ob nizkih temperaturah, zato je curek I tedaj presušil, curka J in L pa sta dosegala minimalne pretoke (slika 3). V manjšem stalnem curku J s pretokom do 130 ml/min, kjer je letna iztekla količ ina več kot 20-krat manjša od curka I, prihaja do izrazitejšega dušenja infiltriranih padavin in curek prek leta nikoli ne presahne (tabela 1). Stalen je tudi najmanjši opazovani curek L, a je dinamika iztekanja vode skozi ta curek bistveno drugač na kot skozi curka J in I, kar je razvidno tudi iz slike 4. Ko se njegovo zaledje napolni do določ ene mere, prihaja do poveč anega iztoka, ko pa se sprazni do neke mere, se zač ne stalno skromno iztekanje (sliki 2 in 3). Tedaj minimalni pretoki curkov J in L dosegajo vrednosti pod 1 ml/min. Oba tipa curkov v vadozni coni (J in L) sta zelo pogosta in se kažeta kot pomembna v napajanju kraških izvirov v daljših sušnih obdobjih, ko pretakanje po prepustnejših razpokah izostane. Slika 4: Dinamika iztekanja vode skozi curke I, J in L (kumulativno - V sum) v hidrološkem letu 2003-04. Dinamika in izdatnost iztekanja vode skozi curek I v treh zaporednih hidroloških letih, ko je postopno upadala količ ina letnih padavin, je razvidna iz slike 5. Na iztekanje vplivata količ ina in razporeditev padavin, vendar po sušnih obdobjih prihaja do skromnejšega iztekanja oz. do poveč anega skladišč enja infiltriranih padavin v vadozni coni. V hidrološkem letu 2003-04 je bilo iztekanje dokaj zvezno in le s krajšimi presušitvami curka. Do sredine marca 2004 je padlo 53 % padavin v hidrološkem letu 2003-04, skozi curek I pa je izteklo le 39 % letne količ ine vode (tabela 1), kar pripisujemo poveč anem skladišč enju infiltriranih padavin. V nadaljnjih mesecih do konca hidrološkega leta je bilo iztekanje izdatnejše kot v prvem obdobju (47 % padavin in 61 % iztekle vode v hidrološkem letu). Na padavine julija in avgusta (okoli 140 mm) Curek I ni reagiral, ker so se infiltrirale in shranile v zaledju (slika 2). Ta vzorec skladišč enja ob koncu hidrološkega leta se ponavlja tudi v sledeč ih hidroloških letih (Kogovšek 2010), in se odvisno od razmer in padavin lahko prič enja že maja. V naslednjem hidrološkem letu 2004-05 je iztekla v prvih mesecih enaka količ ina vode in s približno enako dinamiko kot v predhodnem letu (slika 5). V daljšem zimskem sušnem obdobju (od januarja do sredine marca) s snežnimi padavinami in nizkimi temperaturami na površju (konec februarja in v zač etku marca) curek I skoraj tri mesece ni bil aktiven. V 0 2 4 6 8 10 12 14 0 50 100 150 200 250 300 350 0 100 200 300 400 V sum -J (m 3 ) V sum -I (m 3 ), V sum -L (l) Čas (dnevi) Vsum -I V sum L V sum -J 45 obdobju od marca 2005 do konca hidrološkega leta je nato padla približno polovica letnih padavin, prišteti pa bi morali še del snega, ki se je talil s č asovnim zamikom, je bila iztekla količ ina vode le 40 % letne količ ine (tabela 1). To nakazuje pomembne procese s vode v vadozni coni po daljših sušnih obdobjih. Kar izdatne padavine julija in avgusta (270 mm, I ef =170 mm) niso aktivirale curka I in so se shranile v zaledju (slika 3), podobno kot predhodno hidrološko leto. Slika 5: Dinamika iztekanja vode skozi curek I v treh zaporednih letih. Tabela 1: Iztekanje infitriranih padavin skozi curke I, J in L v zaporednih hidroloških letih: količ ina celoletnih padavin, količ ina in delež padavin ter delež iztekle vode v prvi polovici hidrološkega leta. Hidrološko leto Obdobje P (mm) P (%) V iztekle vode (%) Curek I Curek J Curek L 2003-04 celo leto do 15.3.2004 1618,3 857 100 53 100 39 100 47 100 97 2004-05 celo leto do 15.3.2005 1560,7 797 100 51 100 60 100 47 100 96 2005-06 celo leto do 15.2.2006 1525,5 706,6 100 43 100 39 100 45 100 13 Sledilo je hidrološko leto 2005-06, s še nekoliko manjšo količ ino padavin (tabela 1), ki so bile razporejene prek celega leta, podobno kot v hidrološkem letu 2003-04, kar se je odrazilo tudi v iztekanju iz vadozne cone (slika 5). V prvih mesecih, ko je padlo 43 % letnih padavin (tabela 1) je iztekel nekoliko manjši del vode (39 %) v primerjavi s preostalimi meseci v letu (tabela 1), vendar pa je bila količ ina iztekle vode v hidrološkem letu 2005-06 kar za č etrtino manjša kot v hidrološkem letu 2003-04, medtem ko je bila količ ina padavin le dobrih 5 % manjša. Dogajanje v zaledju curka J je bolj dušeno in delež iztekle vode v hidroloških letih 2004-05 in 2005-06 je bil v primerjavi s curkom I vse več ji (slika 6, tabela 1). Sklepamo, da je iztekanje iz vadozne cone po različ no prepustnih razpokah odvisno od razmer na površju in v vadozni coni prek hidrološkega leta (daljša sušna obdobja) in ne le od količ ine padavin. V hidrološkem letu 2004-05 se je več ji del infiltriranih padavin shranil v vadozni coni v primerjavi s sledeč im hidrološkim letom, ko je sledilo sorazmerno več je iztekanje predvsem iz slabo prepustnega dela (curka J in L). 0 50 100 150 200 250 300 350 0 100 200 300 400 V iztekle vode (m 3 ) Čas (dnevi) Vsum 05-06 Vsum 04-05 46 Slika 6: Deleži iztekle vode skozi curke I, J in L v zaporednih hidroloških letih glede na hidrološko leto 2003-04 ter količ ina padavin. Izvir Malenšč ice na Planinsklem polju se napaja z infiltracijo padavin na širšem območ ju Javornikov in s površinskimi vodami s Cerniškega polja. V dalj č asa trajajoč ih sušnih obdobjih, poleti in jeseni, dotok s Cerkniškega polja celo presuši. Z izrač unom povrnjenega sledila v Malenšč ici (sledenje z injiciranjem na površju na območ ju Javornikov) v posameznih č asovnih obdobjih in količ ino padavin v istih obdobjih, smo ugotavljali dinamiko pretakanja oz. skladišč enja padavin in sledila v vadozni coni (Kogovšek 1999). Intenzivnejšemu prenosu uranina od 5.7. do 12.9.1997 je sledilo sušno obdobje s skladišč enjem padavin in minimalnim iztekanjem iz vadozne cone (slika 7). Glede na to, da se je tedaj napajal izvir pretežno iz vadozne cone, sklepamo na veliko zaledje na območ ju Javornikov, ki še ni v celoti raziskano. Slika 7: Deleži padavin in deleži povrnjenega sledila glede na vse padavine v opazovanem obdobju od 10.6.1997 do 18.2.1998 oz. na glede na celotno povrnjeno sledilo. V s padavinami zelo skromnem letu 2012 smo v spomladanskem in poletnem obdobju vzporedno spremljali pretakanje vode skozi vadozno cono in iztekanje skozi izvir (slika 8). Konec julija 2012, ko je pretok Malenšč ice upadel pod 2,5 m 3 /s, je njena temperatura dosegla vrednost 8,6 ⁰ C, od 13. avgusta do konca meseca pa vrednost 8,5 ⁰ C pri pretoku 1,76 m 3 /s. Sklepamo, da se je v tem obdobju Malenšč ica napajala predvsem s shranjeno vodo z območ ja Javornikov, saj je bil Rak v Rakovem Škocjanu na izviru suh, Kotlič i pa 1000 1500 2000 0,0 0,2 0,4 0,6 0,8 1,0 1,2 2003-04 2004-05 2005-06 P (mm) V/V 2003-04 I J L P 0 10 20 30 40 50 60 70 Deleži padavin in deleži izteklega uranina (%) Delež dežja 47 so imeli komaj zaznaven pretok. V omenjenem obdobju je padlo le 28,2 mm dežja, skoraj ves v zadnjih dneh avgusta. Soč asne meritve v vadozni coni so pokazale, da so bili tedaj v vadozni coni aktivni le curki oz. kapljanja kot sta bila opazovana curka J in L s pretokom pod 1 ml/min. V takih obdobjih je kakovost Malenšč ice glede na kemijske parametre sorazmerno dobra, podobno smo ugotavljali tudi glede bakteriološkega stanja (skupne koliformne bakterije in E. Coli) (Kogovšek, 2013). Padavine v zač etku septembra so pogojevale oblikovanje manjšega poplavnega vala s povišanjem temperature do 11,3 ⁰ C, kar je pokazalo na dotok vode tudi iz smeri Cerkniškega polja (Kogovšek in Petrič , 2010). Vendar je sprememba temperature zaostajala za porastom pretoka kar za 32 ur, kar nakazuje najprej iztekanje shranjene vode s temperaturo 8,6 ⁰ C. Nadaljnje padavine so č ez 10 dni oblikovale več ji poplavni val, s č asovnim zamikom je sledilo poveč anje temperature, zanihala pa je tudi električ na prevodnost (EC). Na osnovi tega sklepamo na dotok vode s Cerkniškega polja, predvsem Cerknišč ice. Šele ob nadaljnjih padavinah se je poveč al prispevek iz vadozne cone (slika 8), najprej po prepustnejših razpokah (kot je curek I), z dve-dnevnim zamikom pa še po slabše prepustnih razpokah (curek J). Slika 8: Soč asne meritve pretakanja vode skozi vadozno cono (curki I, J in L) in skozi izvir Malenšč ice. Sklepi Več letno zvezno opazovanje pretakanja padavin skozi 100 m debelo vadozno cono je pokazalo na pomembno skladišč enje infiltriranih padavin v daljših sušnih obdobjih. Tudi več ja količ ina manj intenzivnih padavin v poletno-jesenskem obdobju (do 390 mm padavin 0 40 80 P (mm), Q - L (ml/h) P Q - L 0 20 40 0 1000 2000 3000 4000 Q - J (ml/min) Q - I (ml/min) Q - I Q - J 250 350 450 0 2 4 6 8 10 12 14 12.3.12 12.4.12 13.5.12 13.6.12 14.7.12 14.8.12 14.9.12 15 .10.12 EC (µS/cm) Q (m 3 /s), T ( o C) T Q EC Malenščica 48 oz. 180 mm infiltriranih padavin) se pretežno shranjuje in prihaja le do minimalnega iztoka iz vadozne cone ali pa ta celo izostane (Kogovšek, 2010). Več ji nestalni curki, kot je opazovani curek I, po padavinah hitro odvajajo shranjeno vodo globlje v vodonosnik, ki se meša s sveže infiltriranimi padavinami. Manjši stalni curki in kapljanja (kot sta opazovana curka J in L), ki so vezani na slabše prepustne razpoke, kar omogoč a dobro homogenizacijo infiltriranih padavin, pa reagirajo na padavine z določ enim č asovnim zamikom. Ti curki pomembno napajajo kraške izvire v sušnih obdobjih, ko curki kot je curek I, niso aktivni in ko izostane tudi napajanje prek rek ponikalnic. Vzporedno spremljanje kraškega izvira Malenšč ica nakazuje v sušnih obdobjih ob minimalnih pretokih napajanje izvira s shranjeno vodo iz vadozne cone. Prve izdatnejše padavine (kot je bilo septembra 2012), ki sprožijo poveč anje njenega pretoka, potiskajo skozi izvir najprej shranjeno vodo. Nadaljnje padavine, ki poveč ajo pretok Cerknišč ice na Cerkniškem polju, sprožijo dotok njene vode, šele dodatne, dovolj izdatne padavine pa aktivirajo intenzivno iztekanje iz vadozne cone po hierarhiji različ no prepustnih razpok. Na dinamiko pretakanja pa je vezan prenos onesnaženja iz različ nih delov vodonosnika. Zahvala Raziskave so potekale v okviru programa Raziskovanje krasa (ARRS) in ob podpori Slovenske nacionalne komisije za UNESCO - IHP program. Literatura Bakalowicz, M., Blavoux, B., Mangin, A. 1974. Apport du traçage isotopique naturel à la connaissance du fonctionnement d'un système karstique – teneurs en oxygène-18 de trois systèmes des PyrenØes, France. Journal of Hydrology, 23, 1-2: 141-158. Forti, P. 2002. Speleology in the Third Millennium: Achievements and Challenges. Theoretical and Applied Karstology, 15: 7-26. Ford, D., Williams, P. 2007. Karst Hydrogeology and Geomorphology. John Wiley & Sons: 562 p, Chichester. Jeannin, P.-Y., Grasso, A.D. 1995. Recharge respective des volumes de roche peu permØable et des conduits karstiques, rôle de l'Øpikarst. Bulletin d'Hydrologie, 14, 95-111. Klimchouk, A. 1995. Karst Morphogenesis in the epikarstic zone. Inter. Symp. on changing karst environments, Oxford and Huddersfield. Cave and karst science, 21, 2: 45-50. Kogovšek, J. 1982. Vertikalno prenikanje v Planinski jami v obdobju 1980/81. Acta carsologica, 10: 110-125. Kogovšek, J. 1983. Prenikanje vode in izloč anje sige v Pisanem rovu Postojnske jame. Acta carsologica, 11: 63-76. Kogovšek, J. 1999. Nova spoznanja o podzemnem pretakanju vode v severnem delu Javornikov (Visoki kras). Acta carsol. 28, 1: 161-200. Kogovšek, J. 2000. Ugotavljanje nač ina pretakanja in prenosa snovi s sledilnim poskusom v naravnih razmerah. Annales, 10, 1=19: 133-142. Kogovšek, J. 2010. Characteristics of percolation through the karst vadose zone, (Carsologica, 10). Ljubljana: Založba ZRC. 168 str. Kogovšek, J. 2013. Vpliv sušnih razmer na kakovost kraških vodnih virov (primer izvira Malenšč ice). Raziskave s področ ja geodezije in geofizike 2012. Ljubljana, 111-120. Kogovšek, J., Habič , P. 1981. Preuč evanje vertikalnega prenikanja vode na primerih Planinske in Postojnske jame. Acta carsologica. 9: 129-148. Kogovšek, J., Petrič , M. 2010. Water temperature as a natural tracer - a case study of the Malenšč ica karst spring (SW Slovenia). Geologia Croatica, 63, 2: 171-177. 49 Maloszewski, P., Stichler, W., Zuber, A., Rank, D. 2002. Identifying the flow systems in a karstic- fissured-porous aquifer, Schneealpe, Austria, by modelling of environmental 18 O and 3 H isotopes. Journal of Hydrology, 256, 1-2: 48-59. Mangin, A., 1973: Sur la dyinamique des transferts en aquifère karstique. Proc. of the 6th Inter. Cong. of Speleology, Olomuc, 4: 157-162. Perrin, J, Jeannin, P.-Y., Zwahlen, F. 2003a: Epikarst storage in a karst aquifer: a conceprual model based on isotopic data, Milandre test site, Switzerland. Journal of Hydrology, 279, 1: 106-124. Pezdič , J., Leskovšek-Šefman, H., Dolenec, T., Urbanc, J. 1984. Isotopic study of karst water. Final Report on IAEA Research Contract No.2845/RB. J.Stefan Institute, 47p, Ljubljana. Pretoki Malenšč ice. Medmrežje: http://vode.arso.gov.si/hidarhiv/ (5.11.2013). Smart, P.L., Friedrich, H. 1986: Water movement and storage in the unsaturated zone of a maturely karstified carbonate aquifer, Mendip Hills, England, In: Proceedings of the Conference on environmental problems of karst terranes and their solutions, National Water Well Association, 59-87, Dublin. Stichler, W., Trimborn , P., Maloszewski, P., Rank, D., Papesch, W., Reichert, B. 1997. Isotopic investigations. Acta carsologica 26,1. In: Kranjc A.(Ed) Karst Hydrogeological Investigations in South-Western Slovenia, 213-235, Ljubljana. Trč ek, B. 2003. Epikarst zone and the karst aquifer behaviour. A case study of the Hubelj catchment, Slovenia. Geološki zavod Slovenije, 100 p, Ljubljana. Williams, P.W. 1983: The role of the subcutaneous zone in karst hydrology. Journal of Hydrology, 61: 45-67. 51 Napovedovanje kakovosti zraka z modelom WRF/Chem Rahela Žabkar 1,21 , Luka Honzak 22 Povzetek V prispevku je predstavljen opis in verifikacija eksperimentalnega sistema za operativno napovedovanje kakovosti zraka v realnem č asu, ki uporablja sklopljen nač in modeliranja meteoroloških in kemijsko transportnih procesov v ozrač ju. Rezultati vrednotenja za obdobje dveh poletnih mesecev so pokazali razmeroma dobro kvalitativno ujemanje napovedi z meritvami. Napovedane koncentracije delcev PM10 v zraku v obravnavanem obdobju dveh mesecev v povpreč ju zelo malo odstopajo od izmerjenih vrednosti, kar omogoč a realistič no analizo vpliva aerosolov na sevalno bilanco in s tem na napoved meteoroloških spremenljivk. Ključ ne besede: ozon, trdni delci, kakovost zraka, model WRF/Chem, napovedovanje, sklopljeno modeliranje Keywords: ozone, particulate matter, air quality, WRF/Chem, forecasting, coupled modelling Uvod Napovedovanje kakovosti zraka je razmeroma novo področ je med atmosferskimi znanostmi. Prvi modeli za napovedovanje kakovosti zraka so se pojavili v sedemdesetih letih. To so bili razmeroma preprosti statistič ni in empirič ni modeli, ki za izrač un napovedi na posameznih merilnih mestih uporabljajo pretekle meteorološke meritve, meritve koncentracij onesnaževal ter napovedi meteorološkega modela. Od devetdesetih let dalje se za napovedovanje kakovosti zraka uporabljajo tudi 3D numerič ni deterministič ni modeli, ki vsebujejo matematič ni opis vseh pomembnih meteoroloških, fizikalnih in kemijskih procesov, ki povezujejo emisije in konč ne koncentracije različ nih onesnaževal v ozrač ju. V primerjavi s statistič nimi in empirič nimi modeli so numerič ni modeli bistveno kompleksnejši, seveda tudi rač unsko mnogo bolj zahtevni in za izrač une potrebujejo veliko količ ino podatkov o zač etnem stanju atmosfere in o dogajanju na robovih rač unskega območ ja. V primeru, da so atmosferski procesi v teh modelih dovolj dobro predstavljeni, oziroma, da so ustrezno obravnavani vsi odloč ilni vplivi, dajejo numerič ni modeli za napovedovanje kakovosti zraka srednje do zelo dobre rezultate. Kljub temu, da so statistič ni in empirič ni modeli preprostejši in hitrejši, ter za posamezna merilna mesta pogosto dajejo boljše rezultate v primerjavi z numerič nimi, je velika prednost deterministič nih modelov v tem, da omogoč ajo napovedovanje kakovosti zraka tudi v netipič nih vremenskih ali emisijskih razmerah, da je z njimi mogoč e določ ati vzroke ter oceniti posledice onesnaženja, preuč evati različ ne scenarije in predvideti uč inkovitost ukrepov za izboljšanje kakovosti zraka. Zadnja leta se med deterministič nimi modeli vse bolj uveljavlja pristop, ki omogoč a sklopljeno modeliranje atmosferskih procesov, kot alternativa obič ajnega pristopu, ki za napovedovanje kakovosti zraka uporablja dva loč ena modela, meteorološkega in kemijsko- transportnega (CT). V sklopljenih meteorološko-kemijsko-transportnih modelih se meteorološki in kemijsko-transportni procesi rač unajo v vsakem rač unskem koraku hkrati, 1 Univerza v Ljubljani, Fakulteta za matematiko in fiziko, Jadranska ul. 19, Ljubljana 2 Center odlič nosti Vesolje-SI 52 obenem pa ti modeli omogoč ajo tudi upoštevanje povratnih uč inkov onesnaževal na fizikalne procese v ozrač ju, ki so sicer tradicionalno v meteoroloških modelih prezrti. Sklopljeni modeli tako predstavljajo bolj realistič en pristop k opisovanju atmosferskih pojavov, še posebej v razmerah, ko so koncentracije onesnaževal v ozrač ju visoke in je s tem potencialno visok tudi njihov uč inek na fizikalne procese. V prispevku predstavljamo primer uporabe sklopljenega meteorološko-kemijsko- transportnega modela WRF/Chem za namen operativnega napovedovanja kakovosti zraka na območ ju Slovenije. Poleg verifikacije modelskih rezultatov za obdobje dveh poletnih mesecev je predstavljen tudi vpliv, ki ga ima sklopljen nač in modeliranja na napovedana polja meteoroloških spremenljivk. Opis modelskega pristopa Model WRF/Chem (Grell idr., 2005) je s kemijskim modulom sklopljena razširitev mezo-meteorološkega modela WRF (Weather Research and Forecast; Skamarock idr., 2008), ki omogoč a hkratno sklopljeno modeliranje meteoroloških procesov, kemijskih pretvorb in transporta onesnaževal v ozrač ju. Sklopljeno modeliranje predstavlja trenutno najbolj izpopolnjen pristop k opisovanju kompleksnega med-delovanja fizikalnih in kemijskih procesov v ozrač ju. Poleg vplivov fizikalnih parametrov ozrač ja na disperzijo in kemijske pretvorbe onesnaževal, se v tovrstnem modelskem pristopu lahko upošteva tudi vplive, ki jih ima prisotnost onesnaževal v ozrač ju na meteorološke oziroma na fizikalne procese v ozrač ju, kot so sevalna bilanca, tvorba oblakov in nastanek padavin. Sklopljen nač in rač unanja tako po eni strani omogoč a, da se pri rač unanju transporta in kemijskih pretvorb onesnaževal v vsakem rač unskem koraku upošteva maksimalna količ ina informacije o meteorološkem stanju atmosfere, istoč asno pa se v izrač unih meteorološke napovedi lahko upošteva tudi vpliv prisotnosti onesnaževal v ozrač ju na fizikalne procese v atmosferi. V napovedi kakovosti zraka za območ je Slovenije, predstavljeni v tem prispevku, z modelom WRF/Chem (različ ica 3.4.1) rač unamo tako meteorološko napoved kot napoved koncentracij onesnažil v ozrač ju. Območ je numerič nega modeliranja je sestavljeno iz dveh gnezdenih rač unskih območ ij (slika 1), od katerih ima zunanje območ je loč ljivost 11,1 km in 151x100 mrežnih toč k, notranje rač unsko območ je pa loč ljivost 3,7 km in 181x145 mrežnih toč k. Naše območ je zanimanja je notranje rač unsko območ je (D2 na sliki 1) z višjo prostorsko loč ljivostjo, medtem ko izrač une v zunanjih rač unskih območ jih potrebujemo za zagotavljanje dobrih kemijskih in meteoroloških robnih pogojev na robovih notranjega rač unskega območ ja. Po vertikali imamo atmosfero razdeljeno na 42 modelskih nivojev, pri č emer so nivoji bistveno gostejši blizu tal na območ ju planetarne mejne plasti (15 nivojev v spodnjih 2 km atmosfere), vertikalna loč ljivost modela neposredno nad tlemi pa je 25 m. Za zač etne in stranske meteorološke robne pogoje uporabljamo napovedi globalnega modela GFS (Global Forecast System). Napovedi kakovosti zraka globalnega kemijskega transportnega modela MOZART-4/ GEOS-5 (Model for OZone And Related chemical Tracers) uporabljamo kot vir podatkov o koncentracijah onesnažil na stranskih robovih modeliranja, medtem ko koncentracije onesnažil ob zač etnem č asu modeliranja preberemo iz rezultatov predhodne simulacije. Antropogene emisije (7 primarnih onesnaževal, 5 podskupin delcev ter 48 podskupin hlapnih organskih spojin) rač unamo za območ je Slovenije iz podrobnih letnih podatkov o emisijskih virih za leto 2009 (vir: ARSO), medtem ko za območ ja izven Slovenije uporabljamo emisije TNO/MACC-II, prav tako za leto 2009. Za izrač un biogenih emisij je z modelom WRF/Chem sklopljen model MEGAN (Model of Emissions of Gases and 53 Aerosols from Nature), ki v izrač unih upošteva rabo tal ter trenutne lokalne meteorološke pogoje. Za ocenjevanje morskega aerosola ter dvigovanja prahu uporabljamo module v modelu WRF/Chem, ki prav tako omogoč ajo ocenjevanje teh emisij v odvisnosti od rabe tal in trenutnih lokalnih meteoroloških pogojev. Kemijske pretvorbe med plinastimi onesnaževali se rač unajo z uporabo mehanizma RADM2, za delce pa imamo vklopljen kemijski mehanizem MADE/SORGAM. Parametrizacijske sheme v modelu za mikrofizikalne procese, za oceno pretokov med tlemi in atmosfero, za turbulenco v planetarni mejni plasti, za fotolizo in parametrizacijo konvektivne oblač nosti smo izbrali kot je prikazano v Tabeli 1. Za potrebe operativnega napovedovanja je model konfiguriran tako, da se od povratnih uč inkov, ki jih ima prisotnost onesnažil na meteorološke procese, upoštevajo vplivi aerosola na sevalno bilanco, oziroma t.i. direktni povratni uč inki. Slika 1: Območ ji modeliranja, uporabljeni pri operativnem napovedovanju kakovosti zraka z modelom WRF/Chem. Prikazana je topografija (v metrih) v loč ljivosti zunanjega rač unskega območ ja (11,1 km). Tabela 1: Parametrizacijske sheme, uporabljene v konfiguraciji modela WRF/Chem (podrobnosti: http://ruc.noaa.gov/wrf/WG11/Users_guide.pdf). Proces Izbrana shema Planetarna mejna plast YSU Površinska plast Monin-Obukhov Procesi na površju tal Noah Kratkovalovno sevanje RRTMG Dolgovalovno sevanje RRTMG Mikrofizikalni procesi Morrison Konvekcija G3 Fotoliza Fast-J Vrednotenje rezultatov napovedovanja kakovosti zraka Vrednotenje rezultatov napovedi kakovosti zraka je bilo narejeno za obdobje dveh poletnih mesecev (julij in avgust 2013). Za primerjavo modelskih napovedi z dejansko izmerjenimi koncentracijami so bile uporabljene meritve 12 postaj državne merilne mreže, prikazane na sliki 2. V poletnem obdobju so koncentracije ve obič ajno nizke, izjema je le ozon, za katerega je v velika verjetnost, da bo na obmo ozona. V verifikaciji modelske predvsem napoved ozona, č eprav smo pregledali tudi napovedi ostalih onesnaževal. bili v Sloveniji izmerjeni dve epizodi prekomerne o 23. in 28. julijem 2013 ter druga med 2. in 7. avgustom Slika 2: Lokacije postaj državne merilne mreže (ARSO) modelske napovedi kakovosti zraka. Ljubljana, ISK – Iskrba, KRV Hrastnik, CE – Primerjava enodnevne napovedi urnih vrednosti ozona z meritvami 3. Č eprav model kvalitativno lepo sledi meritvam, dnevni hod, obič ajno znač ilno podceni dnevne maksimume ozona in preceni minimume, kar je v skladu z rezultati (Žabkar idr., 2013). V povpreč vrednosti ozona med -22 in 28 ležeč em merilnem mestu Krvavec opazimo zna vrednosti (povpreč ni odklon koncentracije enako visoke kot napovedan koncentracij v povpreč ju napovedane urne koncentracije ozona previsoke odklon 24,7 μ g/m 3 ), medtem ko so v Kopru zaradi podcenitve dnevnih maksimumov povpreč ne urne koncentracije ozona prenizke sistematič nih podcenitev ali preceni lego merilnega mesta in loč ljivostjo statistič nih mer napake modela med 24 in 40 μ g/m 3 ). Koeficient vrednosti med 0,48 in 0,71. 54 V poletnem obdobju so koncentracije več ine onesnaževal v Sloveniji ozon, za katerega je v primeru zelo visokih temperatur verjetnost, da bo na območ ju Slovenije prišlo do epizod prekomernih modelske napovedi za obdobje poletnih mesecev nas tako zanima predvsem napoved ozona, č eprav smo v postopkih vrednotenja modelskih rezultatov pregledali tudi napovedi ostalih onesnaževal. V obdobju obravnavanih dveh mesecev bili v Sloveniji izmerjeni dve epizodi prekomerne onesnaženosti zraka z ozonom, prva med ter druga med 2. in 7. avgustom 2013. Lokacije postaj državne merilne mreže (ARSO), uporabljene v verifikaciji edi kakovosti zraka. KOP – Koper, NG – Nova Gorica, OTL Iskrba, KRV – Krvavec, ZAG – Zagorje, TRB – Trbovlje, HRA – Celje, MB – Maribor, MS – Murska Sobota. enodnevne napovedi urnih vrednosti ozona z meritvami je prikazana eprav model kvalitativno lepo sledi meritvam, ima za več ino merilnih mest č ilno podceni dnevne maksimume ozona in preceni skladu z rezultati predhodnih testiranj modela na izbrani epizodi V povpreč ju za obravnavano obdobje model preceni ali podceni urne 22 in 28 μ g/m 3 , odvisno od merilne postaje. Na primer, n mestu Krvavec opazimo znač ilno sistematič no podcenitev vseh urnih ni odklon -22,5 μ g/m 3 ), v Ljubljani so v povpreč ju izmerjene urne koncentracije enako visoke kot napovedane, v Iskrbi so zaradi precenitve no apovedane urne koncentracije ozona previsoke , medtem ko so v Kopru zaradi podcenitve dnevnih maksimumov ne urne koncentracije ozona prenizke (povpreč ni odklon -19,4 μ g/m nih podcenitev ali precenitev urnih vrednosti ozona, povezanih med drugim č ljivostjo modela, so tudi ustrezno visoke vrednosti ostalih nih mer napake modela, na primer korena povpreč ne kvadratne napake (RMSE; Koeficient korelacije, izrač unan iz urnih vrednosti ine onesnaževal v Sloveniji primeru zelo visokih temperatur zraka prekomernih koncentracij za obdobje poletnih mesecev nas tako zanima v postopkih vrednotenja modelskih rezultatov V obdobju obravnavanih dveh mesecev sta nesnaženosti zraka z ozonom, prva med , uporabljene v verifikaciji Nova Gorica, OTL – Otlica, LJ – Trbovlje, HRA – Murska Sobota. je prikazana na sliki ino merilnih mest manjši ilno podceni dnevne maksimume ozona in preceni noč ne na izbrani epizodi ju za obravnavano obdobje model preceni ali podceni urne Na primer, na višje no podcenitev vseh urnih č ju izmerjene urne , v Iskrbi so zaradi precenitve noč nih apovedane urne koncentracije ozona previsoke (povpreč ni , medtem ko so v Kopru zaradi podcenitve dnevnih maksimumov g/m 3 ). Posledica ih med drugim z , so tudi ustrezno visoke vrednosti ostalih ne kvadratne napake (RMSE; ozona, zavzema 55 Slika 3: Primerjava enodnevne napovedi urnih vrednosti ozona z meritvami za nekaj postaj državne merilne mreže. S č rno č rtkano č rto so prikazane meritve, s sivo pa napovedi modela WRF/Chem. ME – povpreč na napaka, MAE – povpreč na absolutna napaka, RMSE – koren povpreč ne kvadratne napake, CORR – koeficient korelacije. 56 Slika 4: Primerjava enodnevne napovedi dnevnega maksimuma ozona z izmerjenimi vrednostmi za nekaj postaj državne merilne mreže. S č rno č rtkano č rto so prikazane meritve, s sivo napovedi modela WRF/Chem, s polno č rno č rto pa napovedi statistič nega modela. ME – povpreč na napaka, MAE – povpreč na absolutna napaka, RMSE – koren povpreč ne kvadratne napake, CORR – koeficient korelacije. 57 Slika 5: Primerjava enodnevne napovedi povpreč nih dnevnih koncentracij delcev PM10 z meritvami za nekaj postaj državne merilne mreže. S č rno č rtkano č rto so prikazane meritve, s sivo pa napovedi modela WRF/Chem. ME – povpreč na napaka, MAE – povpreč na absolutna napaka, RMSE – koren povpreč ne kvadratne napake, CORR – koeficient korelacije. 58 V praksi nas bolj kot ujemanje urnih vrednosti zanimajo najvišje dnevne koncentracije ozona. V ta namen je na sliki 4 prikazana primerjava napovedanih in izmerjenih dnevnih maksimumov ozona, pri č emer je poleg napovedi modela WRF/Chem, prikazana tudi enodnevna napoved statistič nega modela, ki se uporablja na Agenciji RS za okolje (ARSO) za napovedovanje dnevnih maksimumov ozona na 8 merilnih mestih po Sloveniji. Sistematič ne podcenitve dnevnih maksimumov, opažene pri primerjavi urnih vrednosti sicer ostajajo (povpreč ni odklon med -28 in 1 μ g/m 3 ), vendar pa se izkaže, da so vrednosti koeficienta korelacije sedaj visoke, med 0,54 in 0,87. Zanimivo je, da so praktič no za vse postaje korelacije med modelsko napovedjo in meritvami višje za model WRF/Chem kot za statistič ni model, č eprav so statistič ne napovedi vezane na posamezno merilno mesto in torej upoštevajo lokalne znač ilnosti merilne postaje. To potrjuje na pomembnost modeliranja procesov, ki vplivajo na koncentracije onesnaževal, ki v statistič nih modelih ni vključ eno. Primerjava uspešnosti modela med merilnimi mesti pokaže, da so modelske napovedi najslabše za merilna mesta na Primorskem (Nova Gorica, Koper), kjer niso bile opažene le največ je podcenitve dnevnih maksimumov, pač pa so tudi koeficienti korelacije najnižji. Ker se obenem najvišje koncentracije ozona pojavljajo ravno na Primorskem, bi bilo potrebno za namen natanč nejšega napovedovanja koncentracij na tem območ ju dodatno raziskati razloge za izrazito več ja neujemanja na Primorskem. Pri tem je potrebno poudariti, da model pravilno napove višje koncentracije nad območ jem severnega Jadrana, medtem ko na samih lokacijah merilnih mest na Primorskem daje prenizke vrednosti, ki so razmeroma slabo korelirane z dejansko izmerjenimi dnevnimi maksimumi. Primerjava napovedanih in izmerjenih dnevnih koncentracij delcev PM10 je prikazana na sliki 5. Ker v obravnavanem obdobju poletnih mesecev v Sloveniji ni bilo izmerjenih visokih koncentracij delcev in je bilo nihanj v dnevnih koncentracijah delcev razmeroma malo, primerjava koeficientov korelacije med modelom in meritvami nima več je teže. Zelo zanimiva pa je ugotovitev, da je praktič no na vseh merilnih mestih po Sloveniji sistematič no odstopanje modelske napovedi od izmerjenih vrednosti zelo majhno (med - 1,6 in 6 μ g/m 3 , odvisno od merilne postaje). To je presenetljivo zaradi dejstva, da imajo numerič ni modeli za modeliranje koncentracij delcev v zraku v splošnem težave z visokimi podcenitvami koncentracij delcev, obič ajno za faktor 2 ali celo več . Koncentracije delcev v zraku, ki se po velikostnem redu v povpreč ju dobro ujemajo z izmerjenimi koncentracijami delcev, nam tako omogoč ajo realistič no študijo vplivov, ki jih ima prisotnost aerosolov na fizikalne procese v ozrač ju, oziroma na meteorološko napoved. Vpliv sklopljenega modeliranja na meteorološko napoved S sedanjo konfiguracijo modela WRF/Chem je v numerič nih izrač unih upoštevan vpliv prisotnosti aerosolov na sevalne procese v atmosferi. Da bi lahko preuč ili vpliv zaradi aerosolov spremenjene sevalne bilance na meteorološko napoved, smo za zgoraj obravnavano obdobje dveh meseceh (julij in avgust 2013) operativno napoved rač unali vzporedno še z modelom WRF/Chem, z izklopljenim kemijskim modulom. Tako smo dobili dve napovedi za obdobje dveh mesecev, s primerjavo katerih lahko preuč ujemo vpliv prisotnosti onesnažil na meteorološko napoved. Povzetek primerjave obeh napovedi na celotnem rač unskem območ ju za obdobje dveh mesecev je prikazan na sliki 6. 59 a) b) c) d) e) f) Slika 6: Dvomeseč na povpreč ja spremenljivk (levi stolpec, rezultati simulacije z modelom WRF) in povpreč ne razlike zaradi vpliva aerosolov (desni stolpec, razlika WRF/Chem - WRF). Prikazani so rezultati za temperaturo zraka 2m nad tlemi (a,b), sonč no sevanje pri tleh (c,d) in višino planetarne mejne plasti zraka (e,f). 60 Slika 7: Č asovni razvoj vertikalnega preseka relativne vlage in potencialne temperature nad Novo Gorico za napoved dne 3.7.2013. Zgoraj: WRF/Chem, vključ en vpliv aerosolov. Spodaj: WRF, brez prisotnosti aerosolov. V primeru jasnega neba prisotnost aerosolov v ozrač ju zmanjša količ ino globalnega sonč nega sevanja, ki doseže tla, kar ima za posledico znižanje temperature zraka pri tleh. V primerih, ko je prisotna oblač nost, pa se temu direktnemu vplivu aerosolov na sevalno bilanco pridruži še vpliv sprememb v vodnatosti oblakov, do katerega pride zaradi sprememb v termodinamiki atmosfere. Majhne spremembe v sevalnem ravnovesju in zaradi tega v prizemni temperaturi zraka in termalni stratifikaciji nad tlemi, namreč vplivajo na razvoj oblakov, kar pa ima več ji vpliv na sevalno bilanco kot sam prvotni vpliv aerosolov na sevalne tokove. Povpreč ni vpliv aerosolov na temperaturo, količ ino sonč nega sevanja in na višino planetarne mejne plasti, prikazan na sliki 6, je razmeroma enostavno razložiti. Zaradi vpliva aerosolov se več sevanja v spodnji troposferi siplje nazaj, kar povzroč i v povpreč ju nekoliko nižje temperature povsod na območ ju modeliranja in nižjo višino planetarne mejne plasti nad kopnim. V povpreč ju nekoliko višja višina premešane plasti zraka nad morjem je težje razumljiva in je posledica kompleksnega meddelovanja procesov, še posebej v situacijah, ko je prisotna oblač nost. Podrobnejša analiza rezultatov po dnevih namreč pokaže, da se lahko količ ina sonč nega sevanja lokalno v modelskih rezultatih v prisotnosti aerosolov tudi poveč a, enako velja posledič no npr. za temperaturo zraka pri tleh, pri č emer se to obič ajno dogaja ob prisotnosti oblakov. Zaradi spremenjenih 61 sevalnih razmer se namreč spremeni tudi temperaturna stratifikacija pri tleh in s tem termodinamika atmosfere, kar vpliva na nastanek in trajanje oblač nosti. Povpreč na oblač nost se v primeru vključ itve vpliva aerosolov v model v povpreč ju v obdobju analiziranih dveh mesecev nekoliko zmanjša. Kot primer vpliva aerosolov na relativno vlago in s tem posledič no tudi na oblač nost, je na sliki 7 prikazan č asovni razvoj vertikalnega preseka relativne vlage in potencialne temperature za izbrano dvodnevno napoved za 3.7.2013 za eno od merilnih mest. Izbran je dan, ko so bile simulirane koncentracije aerosolov v zraku sicer precej visoke (pri tleh precenjene v primerjavi s prizemnimi meritvami), vendar je zato vpliv aerosolov na rezultate toliko bolj razloč en. V simulaciji brez prisotnosti aerosolov je predvsem tekom drugega simuliranega dne potencialna temperatura zraka v plasti pri tleh nekoliko višja, v višinah med približno 1000 m in 3000 m pa imamo v tem primeru tudi precej več jo relativno vlago. Zaključ ki V prispevku obravnavamo eksperimentalno operativno napoved kakovosti zraka s sklopljenim meteorološko-kemijsko-transportnim modelom WRF/Chem. Pri vrednotenju modelskih rezultatov nam je poleg kvantitativnega ujemanja modelskih izrač unov z meritvami enako pomembno tudi kvalitativno ujemanje, ki pove kako dobro modelski izrač uni sledijo dejanski dinamiki obravnavanih epizod. Zavedati se je namreč potrebno, da v numerič nih modelih ni mogoč e s poljubno natanč nostjo opisati vseh procesov, ki potekajo v naravi. Vzrok je v vč asih pomanjkljivem poznavanju kompleksnih procesov in mehanizmov, v nepopolnih informaciji o zač etnem stanju atmosfere in na robovih modelskega območ ja ter v omejenih rač unalniških zmogljivostih. Rezultati vrednotenja so pokazali razmeroma dobro kvalitativno ujemanje napovedi z meritvami. Na nekaterih merilnih mestih je bilo ujemanje v primeru dnevnih maksimumov ozona zelo dobro, medtem ko so bile najslabše napovedi dosežene na merilnih postajah na Primorskem, kjer so obič ajno izmerjene najvišje dnevne koncentracije ozona. Ugotovili smo, da je korelacija med napovedanimi in zmerjenimi dnevnimi maksimumi ozona višja v primeru uporabe modela WRF/Chem, kot v primeru statistič nega modela, č eprav je le ta vezan na posamezno merilno mesto. Ta ugotovitev kaže na pomembnost vključ itve procesov v model za napovedovanje kakovosti zraka. Napovedane koncentracije delcev PM10 v zraku na obravnavanem obdobju dveh mesecev so zelo malo odstopale od izmerjenih vrednosti, zaradi č esar rezultati napovedi predstavljajo dobro osnovo za študijo vpliva aerosolov na napoved meteoroloških spremenljivk, katere prve rezultate predstavljamo v prispevku. Za namen boljšega razumevanja medsebojne povezanosti različ nih procesov v ozrač ju, še posebej v razmerah, ki vključ ujejo prisotnost oblakov, pa v prihodnosti nač rtujemo nadaljnje podrobne analize. Zahvala Prispevek je bil pripravljen v okviru Centra odlič nosti Vesolje-SI, ki je financiran s sredstvi Evropskih strukturnih skladov in Ministrstva za izobraževanje, znanost, kulturo in šport. V prispevku smo za verifikacijo modelske napovedi uporabili meritve državne merilne mreže Agencije RS za okolje. 62 Literatura Agencija RS za okolje (ARSO): statistič na napoved dnevnih maksimumov ozona, podatki o emisijah za Slovenijo, meritve postaj državne merilne mreže. Grell, G.A., Peckham, S.E., Schmitz, R., McKeen, S.A., Frost, G., Skamarock, W.C., Eder, B., 2005. Fully coupled online chemistry within the WRF model. Atmospheric Environment 39, 6957-6975. Skamarock, W.C., Klemp, J.B., Dudhia, J., Gill, D.O., Barker, D.M., Duda, M.G., Huang, X.Y., Wang, W., Powers, J.G., 2008. A Description of the Advanced Research WRF Version 3, NCAR Technical Note, NCAR/TN-475+STR, 113 p. Žabkar, R., Korač in, D., Rakovec, J., 2013. A WRF/Chem sensitivity study using ensemble modelling for a high ozone episode in Slovenia and the Northern Adriatic area. Atmos. environ. vol. 77, str. 990-1004. 63 Od meteoroloških meritev do klimatoloških produktov Gregor Vertač nik *1 , Mojca Dolinar * , Mateja Nadbath * Povzetek V zadnjih letih postaja povpraševanje po podnebnih podatkih zaradi podnebnih sprememb vse več je. Proces od merjenja meteoroloških spremenljivk do izdelave klimatoloških produktov za konč ne uporabnike zahteva veliko dela in č asa. V zadnjih letih je zaradi spremljanja podnebnih sprememb vse več poudarka na homogenizaciji č asovnih nizov. Ker kakovostna analiza preteklega podnebja predstavlja enega od stebrov vedenja o podnebnih spremembah je na Agenciji za RS okolje (ARSO) leta 2008 prič el teč i projekt Podnebna spremenljivost Slovenije (PSS). S kontrolo izmerkov, shranjenih v rač unalniško bazo, homogenizacijo č asovnih nizov meritev in obdelavo homogeniziranih vrednosti omogoč amo konč nim uporabnikom kakovostne podatke o podnebju v preteklih desetletjih. Ključ ne besede: podnebje, meteorološke meritve, homogenizacija, kontrola podatkov, metapodatki Keywords: climate, meteorological measurements, homogenisation, quality control, metadata Uvod Od industrijske revolucije dalje je č lovek s svojo dejavnostjo spremenil sestavo ozrač ja, kar je privedlo do podnebnih sprememb, ki se najbolj jasno kažejo v obliki globalnega segrevanja. Na svetovni ravni se je ozrač je pri tleh v obdobju 1880–2012 segrelo za približno 0,8 °C (IPCC, 2013). Segrevanje je bilo prostorsko in č asovno neenakomerno. V splošnem je bilo na zmernih in visokih severnih geografskih širinah in nad kopnim moč nejše kakor na svetovni ravni. Analize meritev so že pred leti kazale, da je bilo v Sloveniji segrevanje nadpovpreč no izrazito (Kajfež-Bogataj, 2004; Kajfež-Bogataj in sod., 2010), a do nedavnega nismo imeli zanesljive prostorske in č asovne slike o tem segrevanju. Zaradi tega je ARSO jeseni 2008 prič ela s projektom Podnebna spremenljivost Slovenije. Glavni cilj projekta je širši javnosti posredovati č im bolj toč ne podatke o podnebnih spremembah in spremenljivosti pri nas od leta 1961. Z uporabo modernih metod kontrole in homogenizacije podatkov ter izč rpnega arhiva metapodatkov smo izboljšali kakovost, s tem pa zanesljivost podatkov za analizo podnebja v preteklih desetletjih. Vedenje o preteklih podnebnih spremembah pa je eden od temeljev razumevanja podnebnega sistema in napovedovanja bodoč ih podnebnih sprememb. Informacija o bodoč em podnebju je ena od ključ nih pri prilagajanju in blaženju podnebnih sprememb in sega na številna področ ja, od gospodarstva do turizma. V č lanku je na primeru projekta in tekoč ih, operativnih delovnih procesov na ARSO predstavljen celotni proces od pridobitve meteoroloških podatkov do klimatoloških produktov za konč ne uporabnike. Posamezne toč ke procesa – meritve, digitalni arhiv meritev, kontrola meritev, zbiranje metapodatkov, homogenizacija in obdelava konč nih podatkov – so v tem vrstnem predstavljene v tem č lanku. * Ministrstvo za kmetijstvo in okolje, Agencija RS za okolje, Vojkova cesta 1b, 1000 Ljubljana 64 Klasič ne meteorološke meritve Prve sistematič ne meteorološke meritve na ozemlju današnje Slovenije segajo v konec 18. stoletja (Zupanč ič , 2004). V Ljubljani so z meritvami prič eli okoli leta 1820, a pred letom 1850 nimamo ohranjenih posameznih meritev, temveč zgolj meseč ne vrednosti (Drnovšek, 2003). Ob koncu 19. stoletja je bilo postaj že nekaj deset, med obema svetovnima vojna je število naraslo na današnji nivo. V drugi polovici 20. stoletja se je mreža še nekoliko zgostila in dosegla vrhunec v 70. letih 20. stoletja. Kasneje se je število postaj in opazovalcev zač elo zmanjševati in tudi namešč anje samodejnih postaj od zač etka 90. let 20. stoletja je redč enje mreže zgolj ublažilo. Raziskave podnebnih sprememb v zadnjih desetletjih zaradi več je razpoložljivosti klasič nih meritev obič ajno temeljijo na roč nih oziroma klasič nih meteoroloških meritvah. V Sloveniji klasič ne meritve, ki jih izvaja Državna meteorološka služba, sledijo smernicam Svetovne meteorološke organizacije (WMO, 2008). Temperaturo zraka v naši meteorološki mreži merimo dva metra nad travnatimi tlemi v angleški meteorološki hišici, ki šč iti termometer pred padavinami in neposrednim sonč nim sevanjem. Opazovalci na podnebnih postajah odč itajo temperaturo trikrat dnevno, ob 7., 14. in 21. uri po sonč nem č asu. V več ernem terminu odč itajo tudi najvišjo in najnižjo temperaturo preteklih 24 ur. Višino padavin merimo s preprostim, a zanesljivim Hellmannovim dežemerom. Na padavinskih in podnebnih postajah opazovalci vsako jutro ob 7. uri po srednjeevropskem č asu izmerijo 24-urno višino padavin. Ob istem č asu potekajo tudi meritve višine skupnega in novega snega. Za spremljanje trajanja sonč nega obsevanja uporabljamo Campbell- Stokesov heliograf. To je naprava s kroglasto leč o, ki zbira sonč ne žarke na lepenki in vanjo vžge sled. Dolžina sledi ustreza trajanju sonč nega obsevanja. Slika 1: Podnebna postaja Šmartno pri Slovenj Gradcu (foto: Gregor Vertač nik) 65 Digitalni arhiv meritev Prostovoljni in profesionalni opazovalci na klasič nih meteoroloških postajah vrednosti meritev in opazovanj meteoroloških spremenljivk sproti vpisujejo v padavinska poroč ila ali sinoptič ne ali klimatološke dnevnike. Ob koncu meseca jih skupaj s trakovi, na katerih je č asovni potek vrednosti meteoroloških spremenljivk (termogrami, heliogrami, pluviogrami ipd.), pošljejo na sedež Agencije RS za okolje, kjer jih digitaliziramo. Z več ine klasič nih meteoroloških postaj so podatki minulega meseca digitalizirani do sredine tekoč ega meseca. Izjema so glavne meteorološke postaje (postaje I. reda) in samodejne postaje – s teh so meteorolsoški podatki v digitalnem arhivu meritev na voljo sproti. Digitalizirani meteorološki podatki so shranjeni v relacijski bazi Postgres. Zapisani so v preglednicah, ki so medsebojno povezane. Do podatkov dostopamo hitro in enostavno z ukazi v programskem jeziku SQL (ang. Structured Query Language). Digitalizirani so vsi izmerjeni meteorološki podatki od leta 1961 do danes. Mnogo izmerkov iz let pred omenjenim je že v bazi, vendar še ne vsi. Podatke z izbranih postaj z dolgim nizom opazovanj in meritev smo digitalizirali v celoti. Kontrola meritev Pred analizo meritev je potrebno preveriti verodostojnost posameznih izmerkov. Tekoč a oziroma operativna kontrola klasič nih meteoroloških meritev se je izvajala že pred desetletji na bivšem Hidrometeorološkem zavodu SRS in se nadaljuje tudi na ARSO. Zaradi razvoja rač unalniških zmogljivosti in metod kontrole smo se odloč ili, da v projektu PSS preverimo že kontrolirane izmerke za izbrane postaje od leta 1961. Osredotoč ili smo se na logič no in prostorsko primerjavo izmerkov. Pri prvi preverimo skladnost izmerkov o izbrani meteorološki spremenljivki z drugimi spremenljivkami. Podatki so lahko neskladni po definiciji (recimo najnižja temperatura višja od najvišje temperature) in ali pa določ en izmerek zelo izstopa glede na ostale izmerke na izbrani meteorološki postaji (slika 2). S prostorsko kontrolo preverimo še skladnost izmerkov izbrane postaje z izmerki okoliških postaj. Slika 2: Primer izstopajoč ega izmerka pri dnevni višini padavin – 101,4 mm v Kamniški Bistrici 15. julija 1995. Na podlagi zapisa č asovnega poteka padavin in zapisa o intenziteti dežja smo ugotovili, da je izmerek pravilen. 66 Na osnovi zgoraj zapisanih kriterijev smo s pomoč jo rač unalniških ukazov in programov iz digitalne baze sestavili seznam najbolj izstopajoč ih, sumljivih izmerkov. Te smo roč no preverili s pomoč jo dnevniških zapisov, trakov s č asovnim potekom temperature (termogram), meritvami samodejnih meteoroloških postaj in z izmerki sosednjih in podnebno sorodnih postaj. Pri temperaturi zraka smo v kontrolo zajeli 88 postaj s skupno 5,5 milijona izmerkov. Roč no smo preverili okoli 50.000 sumljivih izmerkov in jih več kakor 20.000 popravili ter skoraj 600 izbrisali iz podatkovne baze. Pri dnevni višini padavin je bil poudarek na prostorski primerjavi in pri višini snega na medsebojni skladnosti meritev novega in skupnega snega ter višine padavin. Pri višini padavin smo zajeli 442 postaj, izmed pet milijonov vrednosti smo pregledali 20 tisoč sumljivih vrednosti. Č etrtino sumljivih vrednosti smo popravili. Pri višini snega smo popravili skoraj 6000 vrednosti za novi in nekaj manj za skupni sneg. Meritve dnevnega trajanja sonč nega obsevanja smo primerjali z oblač nostjo in meritvami globalnega obseva. Poleg tega smo preverili še skladnost urnih in dnevnih vrednosti ter zaporedja enakih dnevnih vrednosti. Nabor meritev trajanja, najdenih sumljivih in popravljenih vrednosti je bil približno en velikostni red manjši kakor pri prej omenjenih spremenljivkah. Število najdenih napak je imelo pri vseh spremenljivkah neenakomeren č asovni potek, deloma zaradi splošne kakovosti meritev in uč inkovitosti operativne kontrole ter deloma zaradi spreminjajoč ega števila postaj (slika 3). 0 50 100 150 200 250 300 350 1961 1971 1981 1991 2001 leto število napak 0 20000 40000 60000 80000 100000 120000 140000 število podatkov Slika 3: Č asovni potek letnega števila podatkov o dnevni višini padavin (č rta) in odkritih napak (stolpci) v kontroli višine padavine Popravki temperaturnih in padavinskih izmerkov so odsevali zgradbo merilnih inštrumentov in nač in zapisa izmerjenih vrednosti. Pri temperaturi je bilo največ odkritih napak velikosti 5 °C. To sovpada z razdelitvijo merilne skale na več je odseke dolžine 5 °C, 67 torej so opazovalci pogosto zamenjali sosednje odseke. Pri višini padavin je bila pogosta napaka manjkajoč a vodilna števka ali napač no postavljena decimalna vejica (slika 4). 0 10 20 30 40 50 60 0 10 20 30 40 50 60 originalna vrednost (mm) popravljena vrednost (mm) Slika 4: Razsevni grafikon originalnih in popravljenih vrednosti dnevne višine padavin. Prikazane so le vrednosti do 60 mm. Po konč ani kontroli smo na podlagi števila najdenih napak, metapodatkov in medsebojne primerjave spremeljivk preverili kakovost posameznih č asovnih nizov. Najslabše nize ali dele nizov smo izloč ili iz nadaljnje obdelave. Pri temperaturi zraka smo zaradi verjetno pomembnega vpliva spremembe okolice izloč ili postaje Ljubljana, Maribor, Velenje in Nova vas na Blokah. Podatke nekaterih sosednjih postaj smo zaradi zelo podobnih podnebnih razmer združili v enoten niz. Pri povpreč ni in najvišji temperaturi zraka smo tako razpolagali z 49 postajami, pri najnižji temperaturi s 36, pri višini padavin z 266 (slika 5), pri višini skupnega snega z 268, pri višini novega snega z 206 in pri trajanju sonč nega obsevanja z 28 postajami. Dnevne podatke smo združili v meseč ne in pripravili datoteke za homogenizacijo č asovnih nizov. 68 Slika 5: Karta slovenskih padavinskih postaj, zajetih v homogenizaciji Metapodatki Meteorološke meritve in opazovanja ne potekajo kontrolirano v laboratoriju, zato na izmerjeno ali opazovano vrednost posamezne meteorološke spremenljivke, poleg trenutnega vremena, pomembno vplivajo tudi okolica merilnega prostora, nač in meritve, opazovalec, instrument itn. Zaradi tega za pravilno uporabo in interpretacijo meteoroloških podatkov v klimatoloških analizah potrebujemo tudi podatke, ki povedo, kje, kdaj, na kakšen nač in in s č im je bil nek meteorološki podatek pridobljen – to so metapodatki. Metapodatki v klimatologiji so podatki o: • lokaciji meteorološke postaje (koordinate in nadmorska višina postaje, opis lokacije opazovalnega prostora, skice, fotografije, nač rti, ortofotografije in zemljevidi meteorološke postaje, datume selitve – spremembe opazovalnega prostora, morebitne opombe vezane na lokacijo meteorološke postaje); • meteoroloških opazovalcih (ime in priimek ter naslov opazovalca, datum menjave opazovalcev, datum usposabljanja opazovalca, morebitne opombe glede merjenja ali opazovanja); • meteoroloških merjenjih in opazovanjih ter instrumentih (nač in merjenja ali opazovanja meteorološkega parametra, termini opazovanj, vrsta in tip instrumenta, datum umerjanja ali menjave instrumenta …) Velika več ina metapodatkov je bila do nedavnega zgolj v papirnatem arhivu, zato smo se z zač etkom projekta Podnebna spremenljivost v Sloveniji lotili sistematič nega popisa vseh virov metapodatkov in njihove digitalizacije. Za izbrane meteorološke postaje smo zbrali č imbolj podroben nabor metapodatkov za obdobje meritev 1948–2012. Oblikovali smo preprosto digitalno bazo metapodatkov. 69 Homogenizacija č asovnih nizov Pred nekaj desetletji so se klimatologi pri analizi meritev več inoma osredotoč ali na kontrolo posameznih izmerkov in prikaz podnebnih podatkov za konč ne uporabnike. V zadnjih 20 letih je vse več jo vlogo pri obdelavi meteoroloških meritev v klimatologiji dobila homogenizacija. Daljši č asovni nizi meritev pogosto ne odražajo zgolj podnebne spremenljivosti, temveč tudi umetne vplive na meritve. Mednje sodijo menjava merilnega mesta, opazovalca, merilne naprave in nač ina meritev ter spreminjanje okolice merilnega mesta. Za spremljanje podnebnih sprememb je nujno, da iz č asovnih nizov v č im več ji meri odstranimo neželene umetne vplive – homogeniziramo č asovne nize (slika 6). Popravljeni, homogenizirani č asovni nizi, bolje odražajo podnebno spremenljivost in vodijo h kakovostnejšim analizam podnebnih sprememb. S homogenizacijo obič ajno odpravimo več je skoke oziroma prelome. Vse vrednosti določ enega obdobja popravimo za enako vrednost glede na mesec, letni č as ali za celotno leto. Odpravljanje č asovno odvisnih nehomogenosti (trendov), ki so pogosto posledica postopne spremembe okolice merilnega mesta, je težavnejše. 13 14 15 16 17 18 19 1956 1966 1976 1986 1996 2006 leto letno povpreč je (°C) -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 popravek (°C) izmerjeno homogenizirano razlika Slika 6: Primer homogenizacije niza letnega povpreč ja dnevne najvišje temperature zraka (Doblič e pri Č rnomlju, 1956–2011) Z razvojem metod homogenizacije se je moč no poveč alo njihovo število in pestrost, a vedenje o njihovi uč inkovitosti je bilo sprva precej pomanjkljivo. Šele v zadnjih letih so primerjalne analize razkrile uspešnost metod na č asovnih nizih z lastnostmi izmerjenih podatkov (Venema in sod., 2012; Williams in sod., 2012). Na podlagi rezultatov evropskega projekta COST HOME so bile podane smernice in izdelano programsko orodje za homogenizacijo meseč nih podatkov. Programsko orodje HOMER združuje lastnosti nekaterih najboljših metod homogenizacije podnebnih nizov ter avtomatski in roč ni pristop k homogenizaciji (Mestre in sod., 2013). Z roč nim pregledom statistič nih rezultatov se strokovnjak na podlagi metapodatkov odloč i za sprejetje ali zavrnitev predlaganih popravkov. V projektu PSS smo 70 HOMER uporabili pri homogenizaciji temperature zraka, višine padavin, povpreč ne višine skupne snežne odeje, vsote dnevnih višin novega snega in trajanja sonč nega obsevanja, prerač unanega na matematič no obzorje. Pri povpreč ni temperaturi zraka smo poleg slovenskih homogenizirali tudi č asovne nize 11 obmejnih postaj iz Hrvaške in Avstrije in pri višini padavin nize 22 obmejnih postaj iz Hrvaške, Avstrije in Italije. Uč inek homogenizacije č asovnih nizov lahko ovrednotimo na več nač inov. Eden od teh je statistika odkritih prelomov (Reeves in sod., 2007; Domonkos, 2013). Zaradi različ nih lastnosti meteoroloških spremenljivk in kakovosti meritev je bila pogostost odkritih skokov precej odvisna od spremenljivke. Pri temperaturi smo povpreč no odkrili en prelom na č asovni niz, pri višini padavin en prelom na dva niza, pri višini snega en prelom na pet nizov in pri trajanju sonč nega obsevanja dva do tri prelome na štiri nize. Pri povpreč ni temperaturi je bila velika več ina prelomov na letni ravni manjša od 0,5 °C in pri višini padavin okoli 10 % povpreč ne letne vrednosti (slika 7). Povpreč na temperatura 0 1 2 3 4 5 6 7 8 -0.8 -0.4 0 0.4 0.8 1.2 velikost preloma (zgornja meja, °C) število prelomov Višina padavin 0 2 4 6 8 10 12 14 16 -0.24 -0.16 -0.08 0 0.08 0.16 0.24 velikost preloma (zgornja meja, % ) število prelomov Slika 7: Porazdelitev izrač unane velikosti prelomov enega od strokovnjakov na letni ravni za povpreč no temperaturo (levo) in višino padavin (desno). Upoštevano je obdobje 1961– 2011 in slovenske postaje. Doslej smo podrobneje analizirali le homogenizirane č asovne nize temperature zraka (Vertač nik in sod., 2013). Ugotovili smo dvig povpreč ne temperature zraka v Sloveniji v obdobju 1961–2011, ki po linearni regresiji znaša okoli 1,7 °C. Na podobno stopnjo ogrevanja kažejo tudi homogenizirani podatki o dnevni najvišji in najnižji temperaturi zraka. Razen jeseni je bilo ogrevanje izrazito v vseh letnih č asih in v splošnem moč nejše na vzhodu države. Izrazitih sprememb v spremenljivosti meseč nih vrednosti iz leta v leto nismo opazili. Homogenizirani č asovni nizi višine padavin in snežne odeje več inoma ne kažejo enotnih in statistič no znač ilnih trendov. Na državni ravni se je letna višina padavin v obravnavanem obdobju zmanjševala za okoli 30 mm oziroma 2 % na desetletje. Polovico tega upada lahko pripišemo pomladi (marec–maj). Zaradi velike medletne spremenljivosti je trend na letni ravni in spomladi le v manjšem delu Slovenije statistič no znač ilen pri stopnji znač ilnosti 5 %. V ostalih letnih č asih je izrač unan trend skoraj brez izjeme statistič no neznač ilen in prostorsko neenoten, s pozitivnimi in negativnimi vrednostmi. Povpreč na višina snežne odeje je v obdobju 1961–2011 upadala s trendom okoli 15 % na desetletje. Velikost trenda je precej različ na med posameznimi postajami in le pri polovici postaj je trend statistič no znač ilen pri stopnji zaupanja 5 %. Vsota novega snega je imela v obravnavnem obdobju prav tako negativen, a manjši trend (okoli 10 % na desetletje). Trajanje sonč nega obsevanja v obravnavnem obdobju kaže statistič no znač ilen trend 71 narašč anja približno 40 ur oziroma 2 % na desetletje. K temu so najbolj pripomogla pomladi in poletja. Prostorski vzorec trenda sonč nega obsevanja je na letni in sezonski ravni dokaj enoten. Zanesljivost homogeniziranih nizov smo preverili s primerjavo rezultatov različ nih strokovnjakov in dopolnjenih (interpoliranih) vhodnih oziroma originalnih nizov. Nize povpreč ne temperature je homogeniziralo šest strokovnjakov, trije na več jem in trije na manjšem naboru postaj. Hkrati so bile nekoliko različ ne tudi programske nastavitve v HOMER-ju, predznanje in izkušenost strokovnjakov s homogenizacijo. Nize najvišje in najnižje temperature zraka so homogenizirali trije strokovnjaki. Podrobnosti skupinske homogenizacije temperaturnih nizov so navedene v Vertač nik in sod. (2013). Podobno smo postopali pri homogenizaciji ostalih spremenljivk, kjer so sodelovali trije strokovnjaki. Homogenizirani nizi se med strokovnjaki več inoma dobro ujemajo, popravki glede na originalne vrednosti bolj ali manj kažejo v isto smer (slika 8). Dodaten dokaz k zanesljivosti homogeniziranih nizov je, razen pri sonč nem obsevanju, dobro ujemanje v velikosti trenda na državni ravni med homogeniziranimi in dopolnjenimi originalnimi nizi. Najbolj oč iten rezultat homogenizacije je tako prostorsko usklajena slika podnebnih sprememb, saj smo uspeli iz posameznih nizov odstraniti največ je neželene umetne vplive (slika 9). Najbolj pomemben rezultat celotnega postopka od ponovne kontrole podatkov do homogenizacije pa je zanesljivost izrač unanih trendov. Brez da bi se spraševali, kolikšen del trenda je posledica umetnih vplivov in kolikšen del je v resnici posledica podnebne spremenljivosti, sedaj lahko zanesljivo trdimo, da se podnebje v Sloveniji ogreva. Slika 8: Č asovni potek odklona letnega trajanja sonč nega obsevanja v Sloveniji v obdobju 1961–2011 glede na povpreč je omenjenega obdobja. Prikazani so rezultati homogenizacije treh strokovnjakov (A, B, C) in originalne dopolnjene vrednosti 72 Slika 9: Karta trenda dnevne najvišje temperature temperature (°C/desetletje) za originalne dopolnjene podatke (levo) in homogenizirane podatke, povpreč je rezultatov treh strokovnjakov (desno) Klimatološki produkti Obič ajno sami č asovni nizi podnebnih podatkov niso neposredno koristni konč nemu uporabniku ampak ta potrebuje izlušč eno informacijo. Najbolj grobo lahko podnebne produkte razdelimo v dve skupini: splošne informacije in posebni produkti za posamezne uporabnike. Splošne informacije so tiste, ki zanimajo vso javnost. Z njimi predstavljamo znač ilnosti slovenskega podnebja, znač ilnosti posameznih podnebnih spremenljivk in njihovo č asovno ter prostorsko spremenljivost. Te informacije podajamo s tabelarič nimi pregledi, na grafikonih in na tematskih kartah. V preteklosti smo te informacije posredovali javnosti v tiskani obliki, v klimatografijah posameznih spremenljivk in v letopisih. Z razmahom uporabe spleta pa skušamo č im več podnebnih informacij posredovati javnosti preko tega medija. Preko spleta lahko javnosti posredujemo bistveno več produktov, hkrati pa nam ta medij omogoč a, da informacije hitreje posodabljamo. Tako zainteresirani uporabniki lahko sproti spremljajo, kaj se dogaja z našim podnebjem. Primer takšnega prikaza je na sliki 9, kjer uporabnik lahko primerja gibanje temperature zraka v določ enem mesecu v primerjavi z dolgoletnim povpreč jem. 73 Slika 10: Grafič ni prikaz gibanja dnevne povpreč ne temperature oktobra 2013 v Murski Soboti (zelena krivulja) v primerjavi s povpreč jem referenč nega obdobja 1991–2010 (siva krivulja, sivo senč eno je območ je med 25. in 75. percentilom). Prikazani sta tudi najvišja (rdeč a krivulja) in najnižja (modra krivulja) dnevna temperatura v referenč nem obdobju za izbran dan v mesecu. (http://meteo.arso.gov.si/met/sl/climate/current/) Splet uporabniku daje tudi več možnosti, da sam izbere, katere informacije želi pregledovati. V okviru projekta Podnebna spremenljivost Slovenije smo razvili spletno aplikacijo, ki uporabnikom omogoč a pregled, primerjavo in izpis homogeniziranih č asovnih nizov, pri tem pa lahko sami izberejo postajo, podnebno spremenljivko, obdobje prikaza in primerjalno obdobje (slika 11). Ta spletna aplikacija že delno meji na drugo skupino, specializirane klimatološke produkte. 74 Slika 11: Primer prikaza homogeniziranih č asovnih nizov na spletnem portalu meteo.si (http://meteo.arso.gov.si/met/sl/climate/diagrams/time-series/) Zelo obsežni skupini uporabnikov splošne podnebne informacije niso dovolj. Želijo imeti bolj podrobne, predvsem pa njihovim zahtevam prirejene in ustrezno oblikovane informacije. Pri pripravi teh informacij moramo zato upoštevati specifič ne zahteve uporabnika. Dejstvo je, da z ustrezno uporabljeno podnebno informacijo lahko prihranimo mnogo sredstev, se obvarujemo pred gmotno škodo ali celo prepreč imo č loveške žrtve. Tega potenciala podnebnih informacij se zaveda vse več uporabnikov. Medtem ko so bili v preteklosti glavni uporabniki klimatoloških produktov agronomi (nač rtovanje setve in žetve …) in gradbeniki (dimenzioniranje konstrukcij, drenažnih sistemov …), se jim danes pridružujejo tudi ostale gospodarske in druge panoge (energetika, turizem, ekologija, zdravstvo, znanost …). Zahteve uporabnikov so tudi zaradi razvoja zmogljive rač unalniške opreme, ki omogoč a procesiranje velike količ ine podatkov, v zadnjih 15 letih moč no narasle. Kakovostni homogenizirani nizi podnebnih spremenljivk v toč kah meritev ne zadostujejo več . Uporabniki želijo imeti informacijo tudi za območ ja brez meritev ali zvezno za celotno območ je Slovenije v č im boljši č asovni skali. Seveda je tudi tu zaželena č asovna homogenost, v primeru, da gre za območ je cele Slovenije, pa tudi prostorska homogenost 75 podatkov. S pomoč jo rezultatov projekta PSS smo zato pripravili bazo meseč nih povpreč ij dnevne, dnevne najvišje in dnevne najnižje temperature ter meseč ne vsote padavin v pravilni mreži z loč ljivostjo 1 km za obdobje od leta 1961 pa do danes. Č asovno in prostorsko homogenost smo zagotovili z uporabo enotne metode prostorske interpolacije in enakega nabora homogeniziranih toč kovnih nizov skozi celotno obdobje. Za zagotovitev dobre prostorske loč ljivosti pa smo za prvi približek interpolacije uporabili vse meritve, tudi tiste, ki niso bile homogenizirane. Na enak nač in bomo pripravili bazo meseč nih vrednosti tudi za ostale spremenljivke: vsoto potencialne evapotranspiracije, skupno višino novozapadlega snega, trajanje snežne odeje in trajanje sonč nega obsevanja. Na osnovi meseč nih vrednosti pa pripravljamo tudi izvedene dolgoletne vrednosti spremenljivk (desetletna ali tridesetletna povpreč ja in odstopanja od dolgoletnega povpreč ja) v pravilni mreži ter tematske podnebne karte (slika 12). Slika 12: Podnebna tematska karta, ki prikazuje tridesetletno povpreč je korigiranih padavin v obdobju 1981-2010. Karta je izrač unana iz meseč nih vsot padavin v pravilni mreži 1 km. Zaključ ki Potencial klimatoloških produktov je izjemno velik in z vedno več jim zavedanjem preteč ih podnebnih sprememb raste tudi zavedanje uporabnikov o vrednostnem potencialu ustrezno uporabljenih podnebnih informacij. Tu gre predvsem za prilagajanje dejavnosti posameznih sektorjev lokalnim podnebnim pogojem, ki pa je mnogokrat povezano z več jimi stroški in drugimi vlaganji. Zato je še kako pomembno, da je podnebna informacija toč na, predvsem pa zanesljiva. Kot smo pokazali v č lanku, je pot od meritve do zanesljive informacije o podnebju zelo dolga. Terja veliko znanja, č asa pa tudi vztrajnosti. Na ARSO 76 smo s projektom Podnebna spremenljivost Slovenije naredili velik korak k več ji kakovosti podnebnih informacij. Ne le, da smo na podlagi kakovostnih homogeniziranih nizov posameznih spremenljivk ocenili njihovo spremenljivost in trende, temveč smo hkrati ugotovili, da je signal ogrevanja precej več ji od ostalih umetnih vplivov na meritve. Torej lahko z gotovostjo trdimo, da se tudi v Sloveniji podnebje ogreva in posledič no spreminja. To pa seveda nosi posledice za vse gospodarske sektorje, ki se bodo spremenjenim podnebnim razmeram morali prilagajati. Za prilagajanje uporabniki potrebujejo nov klimatološki produkt – scenarije prihodnjega podnebja. Priprava teh je samo naslednji korak v zgoraj opisanem nizu procesov. Za zanesljive scenarije lokalnega podnebja namreč potrebujemo zelo dobro poznavanje vseh znač ilnosti podnebja, ki pa jih lahko ocenimo le s kvalitetnimi nizi homogeniziranih podatkov. Literatura Domonkos, P. (2013). Measuring performances of homogenization methods, Quarterly Journal of the Hungarian Meteorological Service 117, 91–112. Drnovšek, M. (2003). Fran Vilijem Lipič : Topografija c.-kr. deželnega glavnega mesta Ljubljane z vidika naravoslovja in medicine, zdravstvene ureditve in biostatike (ur. Zvonka Zupanič Slavec). Ljubljana: Znanstveno društvo za zgodovino zdravstvene kulture Slovenije, 2003, 630 p. IPCC (2013). Summary for Policymakers. In: Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the IPCC Fifth Assessment Report. Kajfež-Bogataj, L. (2004). »Živeti s klimatskimi spremembami« in T. Cegnar, Eds., Pol stoletja Slovenskega meteorološkega društva, Slovensko meteorološko društvo, Ljubljana, 150–154. Kajfež-Bogataj, L., Pogač ar, T., Ceglar, A., Č repinšek, Z. (2010). Spremembe agro-klimatskih spremenljivk v Sloveniji v zadnjih desetletjih, Acta agriculturae Slovenica, 95 - 1, 97–.109 Mestre, O., Domonkos, P., Picard, F., Auer, I., Robin, S., Lebarbier, E., Böhm, R., Aguilar, E., Guijarro, J., Vertachnik, G., Klancar, M., Dubuisson, B., Stepanek, P. (2013). HOMER : a homogenization software – methods and applications, Quarterly Journal of the Hungarian Meteorological Service 117, 47-67. Reeves, J., Chen, J., Wang, X.L., Lund, R., Lu, Q. (2007). A review and comparison of changepoint detection techniques for climate data, Journal of Applied Meteorology and Climatology 46: 900–915 Venema, V. K.C., Mestre, O., Aguilar, E., Auer, I., Guijarro, J. A., Domonkos, P., Vertacnik, G., Szentimrey, T., Stepanek, P., Zahradnicek, P., Viarre, J., Müller-Westermeier, G., Lakatos, M., Williams, C. N., Menne, M. J., Lindau, R., Rasol, D., Rustemeier, E., Kolokythas, K., Marinova, T., Andresen, L., Acquaotta, F., Fratianni, S., Cheval, S., Klancar, M., Brunetti, M., Gruber, C., Prohom Duran, M., Likso, T., Esteban, P., Brandsma, T. (2012). Benchmarking homogenization algorithms for monthly data, Climate of the Past 8, 89-115. Vertač nik, G., Dolinar, M., Bertalanič , R., Klanč ar, M., Dvoršek, D., Nadbath, M. (2013). Podnebna spremenljivost Slovenije : glavne znač ilnosti gibanja temperature zraka v obdobju 1961–2011. Ministrstvo za kmetijstvo in okolje, Agencija RS za okolje, Ljubljana, 23 p. Williams, C. N., Menne, M. J., Thorne, P. W. (2012). Benchmarking the performance of pairwise homogenization of surface temperatures in the United States, Journal of Geophysical Research: Atmospheres, 117, D5. WMO (2008). Guide to Meteorological Instruments and Methods of Observation, WMO-No. 8, Geneva, 716 p. Zupanč ič , B. (2004). »Razvoj meteorološke mreže na Slovenskem« in T. Cegnar, Eds., Pol stoletja Slovenskega meteorološkega društva, Slovensko meteorološko društvo, Ljubljana, 55–62. 77 Lokalne spremembe zemeljskega magnetnega polja zaradi prehoda vremenske fronte Rudi Č op 1 , Damir Deželjin Povzetek Geomagnetni observatorij Sinji vrh je postavljen na Gori nad Ajdovšč ino, na visokogorski kraški planoti. Zaradi svoje lege deluje v izjemnih geoloških in meteoroloških pogojih. Že prve meritve na njem so pokazale, da na spremembo lokalnega geomagnetnega polja vplivajo tudi vremenske fronte. Prve take namenske meritve za določ itev velikosti tega vpliva so bile narejene konec poletja 2011. V snežni nevihti 15. januarja 2013 so bile opravljene prve take meritve v zimskem č asu. V č lanku je predstavljen vpliv te snežne nevihte na lokalno zemeljsko magnetno polje. Ključ ne besede: geomagnetno polje, snežna nevihta Key words: geomagnetic field, snow storm Geomagnetni observatorij Sinji vrh Gora nad Ajdovšč ino je visokogorska kraška planota. Na njenem robu, obrnjenem proti jugozahodu, je postavljen Geomagnetni observatorij Sinji vrh [Paliska et al, 2010; Č op, 2011 a]. Nad Ajdovšč ino, ki leži ob vznožju Gore na nadmorski višini 106 m, se v zrač ni razdalji 2,8 km v smeri proti severovzhodu dvigne rob Gore na nadmorsko višino 867 m, kjer je postavljen merilni steber observatorija (45.8990939N, 13.9400468E). Observatorij je zaradi svoje lege in pogojev naravovarstvenikov posebne gradnje in tudi deluje v izjemnih geoloških in meteoroloških pogojih [Č op & Deželjin, 2012]. Že prve meritve na njem so pokazale, da na spremembo lokalnega geomagnetnega polja vplivajo tudi atmosferske razelektritve, prehodi vremenskih front in kraško podzemlje. Prve namenske meritve vpliva prehoda vremenske fronte na lokalno geomagnetno polje so bile opravljene 4. septembra 2011. Po daljšem sušnem obdobju je na ta dan v popoldanskih urah tega dne prešla Goro vremenska fronta, ki je povzroč ila poletno nevihto. Nekaj ur prej je v skupini sonč nih peg na Sonca nastal moč nejši izbruh. S svojo radiacijo ionizirajoč ih žarkov je v naslednjih urah vplival na magnetno polje Zemlje. Samo iz meritev na observatoriju je bilo zato nemogoč e določ iti vpliv prehoda vremenske fronte na lokalno geomagnetno polje. Magnetno polje Zemlje Magnetno polje Zemlje je funkcija prostora in č asa. Sestavlja ga več magnetnih polj iz različ nih izvorov [Maus et al, 2010]. Ta se med seboj vektorsko seštevajo (superponirajo) in preko električ ne indukcije med seboj delujejo. Najpomembnejši izvori zemeljskega magnetnega polja so: Glavno magnetno polje Zemlje za katerega se predpostavlja, da se ustvarja v njenem zunanjem tekoč em jedru. Glavno magnetno polje predstavlja več kot 95% vsega 1 Visokošolsko središč e Sežana, Laboratorij za geomagnetizem in aeronomijo, Kraška ulica 2, 6210 Sežana 78 magnetnega polja našega planeta. Procesi, ki potekajo v notranjosti Zemlje, imajo veliko vztrajnost in so zato njihove spremembe zelo poč asne (sekularne spremembe). Na osnovi več letnega opazovanja so predvidljive za nekaj let v naprej. Magnetno polje zemeljske skorje je manjše magnitude in izhaja iz lokalno namagnetenih kamenin. Zunanja skorja [Herlec & Jeršek, 2009], za katero so znač ilni tektonski premiki, je na kontinentih iz različ nih magmatskih, sedimentnih in metamorfnih kamenin povpreč ne debeline od 35 do 40 km in na dnu oceanov predvsem iz bazalta debeline od 3 do 15 km. Njeno namagnetenost povzroč a ali glavno magnetno polje ali magnetna remanenca ali pa istoč asna kombinacija obeh vzrokov. Magnetno polje zemeljske skorje se s č asom zelo malo spreminja, krajevno pa se menja na razdaljo od enega metra do nekaj tisoč kilometrov. Motilno ali zunanje magnetno polje povzroč ajo predvsem električ ni toki v zgornjih plasteh atmosfere in magnetosfere. Je stalno prisotno in se stalno krajevno in č asovno spreminja ter dodatno inducira električ ne toke v zemeljski skorji. Slika 1 - Magnetogram dnevne spremembe absolutne vrednosti vektorja zemeljskega magnetnega polja F (t) na Sinjem vrhu v geomagnetno mirnem dnevu 5. 1.2013 Spremembe zemeljskega magnetnega polja zaradi motilnega polja so lahko periodič ne ali obč asne. Tako ene kot druge so modulirane z vrtenjem Zemlje, njenim potovanjem okoli Sonca, vrtenjem Sonca in s sonč nimi cikli. Trajajo lahko do 10 minut kot pulzi ali pa so daljšega trajanja kot variacije [Maus et al, 2010; Jankowsky & Sucksdorff, 1996]. Dnevne (diuralne) spremembe zemeljskega magnetnega polja so periodič ne narave (slika 1). Nastajajo zaradi ionizacije ionosfere, ki jo povzroč a ionizirajoč e sevanje Sonca. Dnevno segrevanje in ohlajanje ter vrtenje Zemlje povzroč a raztezanje in krč enje njene atmosfere. Aktivnost Sonca povzroč a tudi spremembo jakosti in smeri vetrov v ionosferi. Vse to povzroč a gibanje ioniziranih delcev v zemeljskem magnetnem polju. Na višini okoli 100 km teč ejo negativni elektroni v eno smer, pozitivni ioni pa v drugo smer. Električ ni tok na teh višinah povzroč ajo elektroni, ki so manjši od ionov in imajo zato manjšo možnost trka z zrač nimi molekulami. Na srednjih zemljepisnih širinah v magnetno mirnih dneh dosega stalno motilno magnetno polje Sq (solar quiet-day variations), zaradi električ nih tokov v ionosferi, od 10 do 30 nT. V višjih plasteh ionosfere, kjer je gostota zraka manjša in zato tudi možnost trka za ione manjša, se obe gibanji naelektrenih delcev 79 izenač uje in zato tam električ ni tok ne obstaja. Da električ ni tok ne teč e tudi v nižjih plasteh atmosfere pa je razlog v preveliki gostoti zraka. Glede na letni č as se spreminja prevodnost ionosfere, smeri vetrov v njej ter obseg njenega širjenja in krč enja, kar povzroč a sezonsko spremembo Sq. Na ionosfero vpliva tudi Luna, ki ne povzroč a le valovanje v zgornjih plasteh atmosfere in v oceanih, temveč tudi spremembe v prevodnih plasteh Zemlje. Električ ni toki v ionosferi, ki nastajajo zaradi gravitacije Lune (lunar quiet- day inosferic current), povzroč ajo motilno magnetno polje, ki ne presega 10% vrednosti stalnega motilnega magnetnega polje Sq [Chapman, 1940]. Manjše prehodne spremembe v zgornjih plasteh atmosfere in s tem tudi motilno magnetno polje nastaja zaradi sonč nih mrkov, ki povzroč ajo kratkotrajno ohlajanje atmosfere, in zaradi izbruhov na Soncu, ki poveč ujejo ionizirajoč e sevanja elektromagnetnih valov iz nam najbližje zvezde [Cambell, 1989]. Obč asne spremembe v ionosferi povzroč ajo tudi prehodna valovanja zaradi izbruhov vulkanov, eksplozij atomskih bomb v atmosferi ali nenadna ogrevanja zaradi električ nih tokov v ionosferi, ki sicer povzroč ajo tudi polarne sije. Slika 2 - Sprememba temperature (T2m), hitrosti vetra (WSp) in njegove smeri (Wdr) izmerjene na AMP Otlica v snežni nevihti 15.1.2013 Obč asne spremembe zemeljskega magnetnega polja več jih amplitud nastajajo zaradi magnetnih neviht (magnetic storms), ki jih povzroč a sonč ni veter velikih hitrosti [Jankowsky & Sucksdorff, 1996; Handbook of Geophysics, 1985]. Magnetne nevihte spremlja polarni sij, ki se ob moč nejših magnetnih nevihtah vidi tudi na nižjih geografskih širinah. Snežna nevihta na Gori Meteorološke meritve se za območ je Gore opravljajo na avtomatski meteorološki postaji AMP Otlica (45.9380556N, 13.9161111E). Je ekološka vremenoslovna postaja, ki omogoč a spremljanje okoljskih sprememb na Gori. Postavljena je na južnem poboč ju hriba Sibirija nad vasjo Otlica na nadmorski višini 965 m. Od observatorija je oddaljena 4,8 km v smeri severozahod. 80 Več meseč no obdobje izjemnih snežnih padavin, ki so zaznamovale zimo 2012/2013, se je zač elo z nevihto na Gori v torek 15. januarja 2013. V noč i iz 14. na 15. januar 2013 je sprememba smeri vetra iz severovzhodne v južno smer napovedala prihod vremenske fronte (slika 2). Okoli 03,00 ure se je s spremembo smeri vetra istoč asno otoplilo in uro kasneje že zač elo snežiti. Prvi val snežnega meteža je pojenjal po štirih urah, ko je postalo tudi malo svetleje (slika 3). Po vmesni umiritvi je Goro ob 10,20 uri dosegel drugi val, ko so se istoč asno zač ele tudi atmosferske razelektritve z eno samo registrirano strelo med oblakom in zemljo [Poroč ilo, 2013]. Drugi val snežne nevihte je Goro prešel ob 13,30 uri. Takrat je hitrost vetra padla iz predhodne povpreč ne 2,77 ms -1 na 1,29 ms -1 v preostalem delu dneva (slika 2). Slika 3 - Lokalna sprememba zemeljskega magnetnega polja na Sinjem vrhu 15. januarja 2013 ter sprememba vlage (H) in sevalnosti Sonca (GRd) istega dne izmerjene na AMP Otlica Lokalne spremembe zemeljskega magnetnega polja V torek 15. januar 2013 je bil na našem planetu geomagnetno miren dan. To dokazuje diagram ocenjenega planetarnega geomagnetnega indeksa Kp za ta dan [Estimated Planetary K Index, 2013], ki je svojo največ jo vrednost Kp = 2 dosegel v triurnem obdobju od 06:00 do 09:00 UTC (slika 4). Ostali del tega dneva je bil Kp = 1 ali celo manjši. Tudi 5.1.2013 je bil geomagnetno miren dan (slika 1), ko je v polovico vseh njegovih triurnih obdobij dosegel planetarni geomagnetni indeks vrednost Kp = 1, v ostalih pa Kp = 0. Tabela 2 - Primerjava statistič nih vrednosti in korelacija merilnih podatkov iz Sinjega vrha (SNV) in Grocke (GCK, Srbija) za 15. januar 2013 Geomagnetni Srednja Standardna Koeficient Korelacijski observatorij vrednost mm m m deviacija ss s s variacije CV Koeficient r [nT] [nT] [%] Sinji vrh (SNV) 47651,12 2,62 0,0055 1,00000 Grocka (GCK 47712,76 2,19 0,0046 0,803 81 Na magnetogramu spremembe absolutne vrednosti zemeljskega magnetnega polja 15. januarja 2013 (slika 5) iz Sinjega vrha je opazna znač ilna sprememba zemeljskega magnetnega polja, ki se zač ne po 3,00 uri s periodo ~ 6 ur. Tej spremembi takoj sledi naslednja z isto periodo vendar s približno dvakrat več jo amplitudo. Glede na vrednosti planetarnega geomagnetnega indeksa tega dne, so te spremembe geomagnetnega polja na Sinjem vrhu lokalnega znač aja. Slika 4 - Ocenjeni planetarni geomagnetni indeks Kp centra SWPC, Boulder (ZDA), za tridnevno obdobje od 14. do 16. januarja 2013 [Estimated Planetary K Index, 2013] Slika 5 - Spremembe absolutne vrednosti vektorja zemeljskega magnetnega polja F (t) na Sinjim vrh in v Grocki (Srbija) 15. januarja 2013 82 Primerjava vzporednih meritev spremembe zemeljskega magnetnega polja na geomagnetnem observatoriju Grocka 15. januarja 2013 (slika 5) kaže na precejšnjo podobnost magnetogramov. Lokalna geomagnetna motnja je torej bila prisotna na širšem geografskem področ ju, ki je zajemal tudi velik del Balkana. Na Sinjem vrhu se je zač ela z dvigom relativne vlažnosti na 100 % pri zunanji temperaturi zraka -3 °C in se je spreminjala s stopnjo radiacije Sonca (slika 3). Koeficient korelacije vzporednih meritev 15. januarja 2013 (slika 5) je r = 0,803, ki je le malo pod srednjo vrednostjo tega koeficienta r = 0.854 za oba geomagnetna observatorija [Č op et al, 2011 b]. To dokazuje, da je bil vpliv prehoda vremenske fronte na zemeljsko magnetno polje na obeh lokacijah le v podrobnostih različ en. Zaključ ki Šele sistematič no spremljanje prehodov vremenskih front v obdobju nekaj let in v različ nih letnih č asih bi omogoč ilo popolno razumevanje njihovega vpliva na lokalno geomagnetno polje. Primerjava vzporednih meritev na sosednih geomagnetnih observatorijih pa bi podala geografsko obsežnost vpliva posamezne vremenske fronte. Iz meritev pa bi se morali izloč iti vsi ostali vplivi, predvsem vplivi iz vesolja. Za določ itev vpliva prehoda nevihtnih front na biosfero bi bilo potrebno prouč iti razmere tudi dva dni pred in dva dni po njihovem prehodu. Vzporedne meritve parametrov zdravstvenega stanja ljudi bi pokazale vpliv tako prehoda nevihtnih front kot tudi spremembe zemeljskega magnetnega polja [Deželjin & Č op, 2013]. S prouč evanjem elektromagnetnih impulzov zelo nizkih frekvenc pa bi se lahko še dodatno določ il vpliv Schumannovih resonanč nih frekvenc na naše zdravje in poč utje [Cherry, 2001]. Zahvala Avtorja se zahvaljujeta vsem ustanovam, ki so jima posredovale podatke uporabljene v tem č lanku: • Agencija Republike Slovenije za okolje ARSO, Urad za meteorologijo, za merilne podatke avtomatske vremenoslovne postaje AMP Otlica; • Elektoinstitut Milan Vidamar EiMV, Ljubljana, za poroč ilo o udaru strele; • GMO Grocka, Srbija, za merilne podatke o spremembi geomagnetnega polja. Literatura Cambell, H. W. (1989). ˝The Regular Geomagnetic-Field Variations During Quiet Solar Conditions˝ in J. A. Jacobs, Geomagnetism - Volume3. Academic, San Diego. Chapman, S. Bartels, J. (1940). Geomagnetism. Oxford University, London. Cherry, N. (2001). Schumann Resonances, a plausible biophysical mechanism for the human health effects of Solar/Geomagnetic Activity. Lincoln University, Canterbury (New Zealand). Č op, R. (2011 a). Gradnje geomagnetnega observatorija pod Sinjim vrhom nad Ajdovšč ino. Zbornik predavanj ˝Raziskave s področ ja geodezije in geofizike 2010˝. Slovensko združenje za geodezijo in geofiziko, Ljubljana, p.59-64. Č op, R. Deželjin, D. (2012). Transmission of Measuring Data from the Sinji vrh Geomagnetic Observatory. Proceeding of the XVth IAGA Workshop on ˝Geomagnetic Observatory Instruments, Data Acquisition, and Processing˝, San Fernando; Catiz (Spain), p.160-164. 83 Č op, R. et al. (2011 b). Preliminary Measurements of Geomagnetic-field Variations in Slovenia, Elektrotehniški vestnik, , vol.78, no.3, p.96-101. Deželjin, D. Č op, R. (2013). IT System for Alarming of Possible Health Risks Caused by Geomagnetic Storms. Global Telemedicine and eHealth Updates: Knowledge Resorces, vol. 6, p.512-515. Estmated Planetary K index (3 hour data); Begin: 2013 Jan 14 0000 UTC. Boulder (CO, US): NOAA; Space Weather Prediction Center; SWPC Anonymous FTP Server; Historical SWP Products from 1996. http://www.swpc.noaa.gov/ftpdir/warehouse/2013/2013_plots/kp/ 20130116_kp.gif (16-09-2013). Handbook of geophysics and the space environment. (1985). Scientific editor Adolph S. Jursa. Air Force Geophysics Laboratory, Springfield (US). Herlec, U. Jeršek, M. (2009). ˝Nastanek in znač ilnosti planeta Zemlje˝ v Evolucija Zemlje in geološke znač ilnosti Slovenije. Urednik Miha Jeršek. Prirodoslovni muzej Slovenije, Ljubljana , p.9-63. Jankowsky, J. Sucksdorff, C. (1996). Guide for Magnetic Measurements and Observatory Pratctice. International Association of Geomagnetism and Aeronomy, Boulder (US). Maus, S, et al. (2010). US/UK World Magnetic Model for 2010-2015. NOAA National Geophysical, Boulder (US); British Geological Survey, Edinburgh (UK). Paliska, D. Č op, R. Fabjan, D. (2010). The Use of GIS-based Spatial Multi criteria Evaluation in the Selection Process for the New Slovenian Geomagnetic Observatory Site. Annales Series Hisoria Nataturalis, vol. 20, no. 1, p.1-8. Poroč ilo o atmosferskih razelektritvah št. 30/1/1/2013. (2013). Rezultati poizvedbe v sistemu SCALAR za lokacijo Kovk 41(Y: 5418129 m; X: 5084715 m), Obč ina Ajdovšč ina, od 14.01.2013 00:00:00 do 16.01.2013 23:59:59. Elektro-inštitut Milan Vidmar (EiMV), Ljubljana. 85 Spletni portal akademskih nalog s prikazom položaja Klemen Kozmus Trajkovski * , Marjan Č eh * , Matevž Domajnko * , Nejc Krašovec * Povzetek Portal GeoPoLo omogoč a grafič ni prikaz zaključ nih akademskih del s položajem obravnavane tematike. Poleg podatkov repozitorija fakultete vsebuje portal še prostorski podatek. Prikaz lokacije temelji na prostorskem portalu Geopedia. Uporabniški vmesnik je v slovenskem in angleškem jeziku. Portal omogoč a iskanje del preko grafič nega vmesnika in iskalnih filtrov. Vnos podatkov in posodobitev podatkovne baze poteka preko spletnega obrazca in interaktivnega določ anja položaja ter Excelove preglednice. Portal GeoPoLo je možno prilagoditi za različ ne prikaze, ne samo akademskih del, uporabniški vmesnik pa se lahko enostavno vgradi v spletne strani. Ključ ne besede: spletni portal, akademska dela, položaj, repozitorij, podatkovna baza Key words: web portal, academic thesis, position, repository, database Uvod Spletni prostorski portali, kot so Google Zemljevidi in Geopedia, omogoč ajo uporabnikom povsem prilagojen prikaz lastnih vsebin. Svetovno najbolj znano tovrstno orodje je Google Maps API (angl. API: application programming interface), podobne storitve za območ je Slovenije pa omogoč a Geopedia, ki domuje na spletnem naslovu http://geopedia.si. Zmožnosti prostorskih portalov smo izkoristili za grafič ni prikaz zaključ nih del študija geodezije na Fakulteti za gradbeništvo in geodezije Univerze v Ljubljani (UL FGG), ki vsebujejo podatek o položaju obravnavane tematike. Več ina zaključ nih del na dodiplomskem in podiplomskem študiju geodezije namreč obravnava določ eno območ je v državi. Lahko je to posamezen objekt, lahko je naselje, katastrska obč ina, obč ina, pokrajina ali podobno. Na digitalnem repozitoriju (http://drugg.fgg.uni-lj.si/) UL FGG so objavljena vsa zaključ na dela od leta 2006 naprej. Iskanje po repozitoriju poteka preko iskalnih filtrov, ni pa možno iskanje po položaju. Iskanje del za neko določ eno območ je zato lahko postane zelo zamudno. Rešitev predstavlja prostorski portal, kjer so akademske naloge prikazane grafič no glede na položaj obravnavanega območ ja. Geopolo GeoPoLo je skovanka besed GEO, POrtal in LOkacija. Portal omogoč a iskanje del na digitalnih podlagah (topografski podatki, ortofoto ali relief) ali preko iskalnih filtrov po naslovu, avtorju, mentorju, ključ nih besedah ali strokovnem področ ju. Za vsak prikazani zadetek se pojavi možnost grafič nega približanja lokaciji, ki jo naloga obravnava, in bližnjica do zaključ nega dela v PDF obliki na digitalnem repozitoriju UL FGG. * Univerza v Ljubljani, FGG – Oddelek za geodezijo, Jamova 2, Ljubljana 86 Baza podatkov Osnovni vir podatkov za GeoPoLo je podatkovna baza repozitorija UL FGG. Ta za vsako zaključ no delo poleg ostalih podatkov vsebuje naslednje t.i. metapodatke: naslov dela v slovenskem jeziku, naslov dela v angleškem jeziku, zaporedna številka naloge, ime avtorja, imena mentorjev in somentorjev, ključ ne besede v slovenskem jeziku, ključ ne besede v angleškem jeziku, ime študijskega programa in ime katedre. Samo delo je hranjeno v obliki PDF, priloženi pa so lahko dodatki v digitalni obliki (slike, video in zvoč ni zapisi). Poleg podatkov iz repozitorija je v podatkovni bazi še prostorski podatek, t.j. položaj obravnavanega območ ja. Položaj določ ajo koordinate, in sicer so to koordinate v državnem koordinatnem sistemu D48/GK. Položaj je lahko določ en z enim parom koordinat (y,x) ali z nizom parov koordinat, č e naloga obravnava zaključ eno območ je ali več območ ij. V podatkovni bazi so samo dela, ki imajo prostorski podatek, kar pomeni, da so obravnavala konkretno območ je v Sloveniji. Od 520 akademskih del na Oddelku za geodezijo, ki so v repozitoriju UL FGG, smo lahko lokacijo na območ ju Slovenije opredelili 332 delom. V bazi GeoPoLa je z dnem 20. 10. 2013 278 predbolonjskih diplomskih del, 17 predbolonjskih magistrskih del, 23 bolonjskih diplomskih del, 0 bolonjskih magistrskih del in 14 doktorskih disertacij. Najstarejše delo ima datum zagovora 25.11.2005, najnovejše diplomske naloge so študenti zagovarjali septembra 2013. V podatkovni bazi ima vsako delo tudi oznako strokovnega področ ja po klasifikaciji ARRS (Javna agencija za raziskovalno dejavnost Republike Slovenije), kot so objavljena na spletnem naslovu http://www.arrs.gov.si/sl/gradivo/sifranti/sif-vpp.asp. Dela so kategorizirana glede na klasifikacijo ARRS, ki jo ima mentor kot raziskovalec. Zaradi lažje manipulacije, organizacije, preglednosti in manjše količ ine podatkov je podatkovna baza sestavljena iz več relacijskih tabel. Glavna tabela vsebuje osnovne podatke dela. Ta tabela se združuje s tabelo mentorjev, ki trenutno vključ uje slabih 15.000 raziskovalcev. ARRS klasifikacija posameznega raziskovalca se povezuje s tabelo, ki ima vključ ene vse primarne klasifikacije. Poleg omenjenih dveh tabel se glavna tabela navezuje tudi na tabelo s tipi akademskih del in na tabelo s č lanicami Univerze v Ljubljani. Podatkovna baza podatkov o akademskih delih je zapisana v bazi MySQL. Uporabniški vmesnik Spletni portal GeoPoLo deluje v okolju Joomla, ki je odprtokodni sistem za upravljanje spletnih vsebin CMS (angl. Content Management System). Podatki spletne strani se hranijo v obliki podatkovne baze MySQL (povzeto iz Wikipedie). Uporabniški vmesnik spletnega portala je napisan v prosto dostopnem programskem jeziku PHP (angl. PHP Hypertext Preprocessor), ki se uporablja za razvoj dinamič nih spletnih vsebin (povzeto iz Wikipedie). GeoPoLo domuje na spletnem naslovu http://geopolo.fgg.uni-lj.si/. Uporabniški vmesnik je na voljo v slovenskem in angleškem jeziku. Oba vmesnika sta prikazana na slikah 1 in 2. Ob odprtju strani v spletnem brskalniku se v grafič nem prikazovalniku prikažejo vsa akademska dela v bazi. Iskanje po bazi deluje v brskalnikih Mozilla Firefox in Google Chrome, medtem ko npr. v zadnjih različ icah Internet Explorerja iskanje ne deluje. 87 Slika 1 – Slovenski uporabniški vmesnik s podlago topografskih podatkov 88 Slika 2 – Angleški uporabniški vmesnik s podlago ortofoto Nač ela delovanja portala Podatkovna baza podatkov akademskih nalog je naložena na spletnem strežniku, skupaj s podatkovno bazo spletne strani in vsebinami spletne strani portala. Obenem je na Geopedii naložen prostorski sloj, ki vsebuje nekatere osnovne podatke vsakega akademskega dela in prostorske podatke. Poizvedbe po podatkovni bazi potekajo preko vmesnika PHP, ki se izvaja na strežniku. Da se izognemo ponovnemu nalaganju strani ob vsaki poizvedbi, uporabimo razvojno tehniko Ajax, ki delo opravi v ozadju in vrne rezultat brez ponovnega nalaganja strani. Rezultate poizvedbe najprej obdelamo s pomoč jo skriptnega jezika JavaScript, preko URL-ja pošljemo izdelane filtre na Geopedio, da se na portalu prikažejo le rezultati, ki ustrezajo iskalnemu nizu. Na koncu, prav tako s pomoč jo JavaScript-a, izdelamo še tabelo z rezultati. Tabela vsebuje tudi povezavo do akademskega dela in možnost prikaza prostorsko umešč enega akademskega dela. Uporabnik lahko v sklopu iskanja izbira med vsemi tipi nalog. Na voljo sta dve polji za iskanje po filtrih, in sicer se lahko išč e po avtorju, naslovu, ključ nih besedah in mentorju. V spustnem meniju lahko uporabnik izbere strokovno področ je, č e želi pridobiti rezultate zgolj za posamezno področ je, ali pusti privzeto za vsa strokovna področ ja po klasifikaciji ARRS. Č asovni okvir zaključ nih del se lahko enostavno določ a z drsnikom. Ko uporabnik klikne na gumb REZULTATI, se na strežniku izvede poizvedba, ki glede na postavljene pogoje vzpostavi povezave med tabelami, ki ustrezajo iskalni zahtevi. Rezultate poizvedbe pridobi portal in po obdelavi podatkov se izvede filter prostorskih podatkov ter izriše se tabela zadetkov. Portal zaradi preglednosti izpiše največ 20 89 rezultatov. Č e je dejanskih zadetkov več , izpiše prvih 20 zadetkov v bazi. Primer izpisa rezultatov je na sliki 3. Klik na ikono »PRIKAŽI« približa grafič ni pogled na toč ko, ki označ uje položaj obravnavanega območ ja, oz. vse toč ke, ki označ ujejo območ je. Klik na gumb »PDF+info« odpre spletno stran naloge v repozitoriju. Slika 3 – Primer izpisa rezultatov v slovenšč ini Angleški vmesnik glede na iskalne kriterije vrne rezultate v angleškem jeziku, tudi naslov in ključ ne besede, kar je delno razvidno na sliki 4. Slika 4 – Primer izpisa rezultatov v anglešč ini Č e v grafič nem prikazovalniku kliknemo na oznako položaja, se na desni strani prikaže polje z osnovnimi podatki akademskega dela in povezavo na repozitorij, kot je na primer na sliki 5. Slika 5 – Izpis osnovnega povzetka podatkov o nalogi Možnosti vnašanja podatkov v podatkovno bazo Portal omogoč a vnašanje podatkov in posodabljanje podatkovne baze na dva nač ina. Najbolj enostaven nač in je vnos podatkov preko spletnega obrazca, ki je prikazan na sliki 6. Trenutno je vmesnik prilagojen vnosu akademskih del na Univerzi v Ljubljani. Uporabnik šifro mentorja poišč e na seznamu raziskovalcev na spletni strani 90 http://sicris.izum.si. Seznam raziskovalcev lahko odpre s klikom na ikono z vprašajem. Z vnosom šifre raziskovalca, ki je v vlogi mentorja, se v bazo samodejno zapiše tudi ime mentorja in strokovno področ je. Vnos podatkov o mentorju s šifro raziskovalca namesto z mentorjevim imenom je predvideno zato, da se izognemo nejasnostim glede morebitnega podvajanja imen mentorjev. Vnos prostorskega podatka je interaktiven. Uporabnik na grafič nem vmesniku izbere ustrezno podlago in približa območ je obravnave. Nato izbere nač in določ anja toč ke, le-to določ i s klikom na karti in potrdi izbiro. Toč ke se beležijo v seznam. Napač no vnesene toč ke lahko tudi pobriše. Zapis vseh podatkov iz obrazca potrdi s klikom na gumb SHRANI. Slika 6 – Spletni obrazec za vnos podatkov o delu Vnesene podatke je pred vnosom v podatkovno bazo treba preveriti glede njihove pravilnosti. Podatki iz zgornjega obrazca se zato zapišejo v zač asno bazo, ki jih potem preveri in potrdi pooblašč ena oseba. To stori preko t.i. nadzorne plošč e, ki je prikazana na sliki 7. Pooblašč enec najprej prenese podatke zač asne baze v obliki datoteke Excel na svoj rač unalnik, jih tam pregleda in po potrebi popravi. Nato preko vmesnika naloži urejeno datoteko in s potrditvijo posodobi podatkovno bazo s preverjenimi podatki. V primeru, č e želi posodobiti podatke za dela, ki že obstajajo v bazi, se obstoječ i enostavno prepišejo z novimi, zato ni nevarnosti podvajanja podatkov. 91 Slika 7 – Nadzorna plošč a za posodobitev baze Shema posodobitve podatkovne baze je prikazana na sliki 8. Več del hkrati lahko vnesemo kar neposredno preko Excelove preglednice tako, da za vsako delo vnesemo ustrezne podatke v svojo vrstico. Ko pooblašč enec naloži Excelovo datoteko in jo potrdi, se obnovita podatkovna baza SQL na strežniku GeoPoLo in podatkovna baza na portalu Geopedia. Slika 8 – Shema posodobitve podatkovne baze 92 Dodatne možnosti Portal GeoPoLo trenutno sicer vsebuje samo akademska dela s področ ja geodezije, je pa popolnoma pripravljen za vnos in objavo del z vseh fakultet Univerze v Ljubljani. Seveda pa uporaba portala ni omejena samo na Univerzo v Ljubljani, z nekaj prilagoditvami lahko portal postane uporaben tudi za druge univerze in druge izobraževalne ustanove, ki bi želele prikazovati svoje objave tudi na grafič en nač in s prostorsko informacijo. Podobno kot je razvita podatkovna baza za zaključ na študijska dela, se lahko razvije baza za znanstvene in strokovne č lanke ali podobne objave in prispevke. Polja za vnos podatkov, kot so na sliki 6, se bi v tem primeru prilagodila objavi č lankom, podobno kot je ob vpisu v sistem Cobiss. Taki bazi bi bil prilagojen tudi uporabniški vmesnik pregledovalnika z ustreznimi filtri in izpisi. Uporabniški vmesnik, ki je napisan v jeziku PHP, je možno enostavno vgraditi v različ ne spletne strani, podobno se lahko prilagodi tudi grafič na podoba. Bistvo portala GeoPoLo je prostorski podatek za vsako delo, ki je zapisan v podatkovni bazi poleg ostalih podatkov, ki so zapisani v repozitorijih, Cobissu ali drugih bazah. Prostorski podatek za pretekla dela lahko išč emo roč no, kar je lahko pri več jem številu del zelo zamudno. Lahko pa se uporabi tudi druge metode, npr. podatkovno rudarjenje (angl. Data mining). Na tak nač in zbrani podatki lahko služijo tudi kot podatkovna osnova za prostorske analize vnesenih del. Literatura Digitalni repozitorij UL FGG - http://drugg.fgg.uni-lj.si/ Javna agencija za raziskovalno dejavnost Republike Slovenije - http://www.arrs.gov.si/ Informacijski sistem o raziskovalni dejavnosti v Sloveniji SICRIS - http://sicris.izum.si 93 Diagnoza in prognoza onesnaženja ozrač ja nad Slovenijo Marija Zlata Božnar * , Boštjan Grašič * , Primož Mlakar * Povzetek Predstavili bomo operativne in raziskovalne modelirne sisteme, ki omogoč ajo modeliranje onesnaženja ozrač ja nad zahtevnim kompleksnim terenom Slovenije. Meteorološko dogajanje nad kompleksnim terenom Slovenije spada med najzahtevnejše primere za modeliranje širjenja onesnaženja v ozrač ju. Na primeru aplikativnega raziskovalnega projekta KOoreg (Kontrola onesnaženja ozrač ja v regiji) bomo najprej predstavili kako poteka operativna diagnoza in prognoza onesnaženja ozrač ja predvsem zaradi lokalnih virov v regiji Zasavje. Zatem pa bomo predstavili še operativno modeliranje onesnaženja ozrač ja širše č ez celo Slovenijo in sosednje države v sistemu Qualearia. Uporabljeni modeli so WRF, RAMS ter Swift in Surfpro za ponazoritev vremena ter Lagrangeeve model Spray in Eulerjev fotokemijski model Farm za ponazoritev širjenja onesnaženja v ozrač ju. Zaključ ili pa bomo za validacijami, ki so nujne pred operativno rabo modelov. Ključ ne besede: prognoza in diagnoza vremena in onesnaženja ozrač ja, onesnaževala, numerič ni Lagrangeev model delcev in fotokemijski Eulerjev model za razširjanje onesnaženja v ozrač ju, Keywords: forecast and diagnosis of weather and air pollution, pollutants, numerical Lagrangian particle and Eulerian fotochemical air pollution dispersion model Projekt KOoreg Onesnaženje ozrač ja nad Slovenijo je bilo v preteklosti in je še sedaj eden od ključ nih okoljskih problemov, ki terja tako poglobljene raziskave kot tudi operativne sisteme za nadzor in pomoč pri zmanjševanju onesnaženja (Mlakar et al., 2012b, Mlakar et al., 2011). MEIS je v okviru ARRS projekta KOoreg (http://kvalitetazraka.si/zasavje/index.php) razvil na primeru Zasavja celostni pristop za reševanje naštetih nalog. Operativni modelirni sistem in testirno okolje za raziskave smo zasnovali tako, da je prenosljivo na katerokoli drugo področ je Slovenije. Zasavje smo izbrali predvsem iz treh razlogov. Najprej je to ena od regij v Sloveniji, ki ima zelo velike probleme z onesnaženjem ozrač ja predvsem z delci PM10, pa tudi z drugimi onesnaževali. Še bolj pa je bil izziv zelo kompleksno meteorološko dogajanje nad kompleksnim terenom doline reke Save in sosednjih dolin in hribov. Zadnji razlog pa je ta, da je na področ ju na voljo veliko število avtomatskih merilnih postaj, ki merijo glavna onesnaževala in meteorološke parametre in tako omogoč ajo validacijo modelov. Validacija je ključ en korak, ki kvalificira znanstveno ustreznost modelov. Naš cilj je bil postaviti modelirni sistem v dovolj fini krajevni in č asovni resoluciji, ki bo omogoč ala verodostojno oceno vpliva velikih industrijskih objektov in prometa ter lokalnih kurišč . Kompromis je bila krajevna loč ljivost celic 200 m x 200 m. Za ponazoritev vetrovnega dogajanja v tej resoluciji smo morali uporabiti številne talne meteorološke meritve, za navpič ni profil pa smo uporabili rezultate našega operativnega sistema za napoved vremena č ez Slovenijo v resoluciji 4 km ter pol ure baziranega na WRF in ameriških GFS globalnih podatkih. Vse podatke pa smo »pripeljali« do vetrovnih polj v želeni resoluciji z masnokonsistentnim modelom Swift. WRF ima nad terenom take * MEIS storitve za okolje, d.o.o., Mali Vrh pri Šmarju 78, 1293 Šmaprje -Sap 94 kompleksnosti kot je v Zasavju namreč še številne nerešene probleme, č e se podamo v bolj podrobne resolucije. V sistemu (Mlakar et al., 2012b) ponazarjamo diagnozo in prognozo onesnaženja ozrač ja kot posledice glavnih industrijskih virov (modeliramo nazivne emisije, ker za merjene ni politič nega pristanka onesnaževalcev), lokalnih porazdeljenih privatnih kurišč (Grašič et al., 2011) na trdo gorivo (emisijo ocenjujemo lokacijsko preko GIS in števila prebivalcev na skupine hiš ali malih zaselkov natanč no) ter cestnega omrežja. Vse naštete vire modeliramo z numerič nim Lagrangeevim modelom delcev, ki omogoč a lokacijsko natanč nost. Eulerjev pristop modeliranja bi v navedeni resoluciji že pri samih virih (tako toč kastih kot linijskih v prometu ali ploskovnih pri malih kurišč ih) zabrisal visoke koncentracije onesnaževal in takoj bistveno izkrivil sliko. Transport onesnaževal iz drugih predelov Slovenije in č ezmejno pa ocenjujemo na podlagi rezultatov sistema Qualearia. Sistem Qualearia Sistem Qualearia (http://kvalitetazraka.si/zasavje/QualeAria_help.htm) je modelirni sistem, kjer raziskovalci Arianet, ki z MEISovimi raziskovalci sodelujejo že od 1991, modelirajo meddržavni transport onesnaževal z Eulerjevim fotokemijskim modelom FARM. Modelirajo področ je Italije in sosednjih držav v regiji. V MEISu pa uporabljamo rezultate tega modelirnega sistema za oceno transporta onesnaževal č ez Slovenijo. Sistem smo verodostojno validirali za PM10 in ozon (Božnar et al., 2014, Mlakar et al., 2013). Javno dostopni operativni rezultati na www.kvalitetazraka.si Že več let deluje MEISova internetna stran z operativnimi rezultati tega modelirnega sistema: • Operativna napoved vremena č ez Slovenijo (4 km, pol ure, 2 dni) ter sosešč ino (do sedem dni), s prikazom meteogramov za glavne kraje in pokrajine in video dogajanjem. • Operativna napoved onesnaževal č ez Slovenijo iz sistema QualeAria (za 2 dni, urni podatki in 12 km resolucija) • Diagnoza in prognoza onesnaževal po posameznih industrijskih virih in skupno v Zasavju (200m, pol ure, 1 dan zgodovine in 1 dan napovedi). Validacije sistema Tako za sistem modeliranja Zasavja v fini resoluciji kot tudi za sistem napovedovanja vremena č ez Slovenijo in onesnaženja č ez Slovenijo (Qualearia) smo izvedli številne validacije in dokazali ujemanje v kraju in v č asu na reprezentativnih merilnih lokacijah. Podrobnosti lahko bralec najde v številnih objavah v č lankih in na konferencah (Božnar et al., 2014, Mlakar et al., 2013, Božnar et al., 2012, Grašič et al., 2011a, Grašič et al., 2011c). Dodatno pa smo se ukvarjali tudi z modeliranjem ognjemetov (Mlakar et al., 2012a) in določ evanjem emisij iz privatnih kurišč v vasi Prapretno nad Hrastnikom kjer je postavljena okoljska avtomatska merilna postaja (Grašič et al., 2011b). 95 Zahvala Raziskavo je delno financirala ARRS – Javna agencija za raziskovalno dejavnost Republike Slovenije, projekta št. L1-2082 in L1-4154 (A). Slika 1 – Primer rezultatov na »KOoreg« spletni strani, vreme in onesnaženje Literatura Božnar, M. Z., Mlakar, P., Grašič , B. (2012). Short-term fine resolution WRF forecast data validation in complex terrain in Slovenia. V: Special issue on harmonisation within atmospheric dispersion modelling for regulatory purposes : 26 October 2011, Kos Island, Greece, International journal of environment and pollution, ISSN 0957-4352, Vol. 50, no. 1/4, 2012. Genova: Interscience Enterprises, 2012, vol. 50, no. 1/4, str. 12-21, doi: 10.1504/IJEP.2012.051176. Božnar, M. Z., Mlakar, P., Grašič , B., Calori, G., D'Allura, A., Finardi, S. (2014). Operational background air pollution prediction over Slovenia by QualeAria modelling system – validation. 96 V: Special issue on harmonisation within atmospheric dispersion modelling for regulatory purposes 6-9 May 2013, Madrid, Spain, International journal of environment and pollution, sprejeto v objavo. Grašič , B., Božnar, M. Z., Mlakar, P. (2011a). Validation of local scale prognostic and diagnostic air pollution modeling system in extremely complex terrain. V: Bartzis, John G. (ur.), Syrakos, Alexandros (ur.), Andronopoulos, Spyros (ur.). HARMO 14 : Proceedings of the 14th International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regulatory Purposes, 2-6 October 2011, Kos Island, Greece. [S. l.]: University of Environmental Technology Laboratory, Department of Mechanical Engineering, University of West Macedonia, Greece, 2011, str. 120-124. Grašič , B., Mlakar, P., Božnar, M. Z., Vrbinc, S. (2011b). Domestic heating sources identification in complex terrain rural area by local scale diagnostic modeling system. V: Bartzis, John G. (ur.), Syrakos, Alexandros (ur.), Andronopoulos, Spyros (ur.). HARMO 14 : Proceedings of the 14th International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regulatory Purposes, 2-6 October 2011, Kos Island, Greece. [S. l.]: University of Environmental Technology Laboratory, Department of Mechanical Engineering, University of West Macedonia, Greece, 2011, str. 647-651. Grašič , B., Mlakar, P., Božnar, M. Z. (2011c). Method for validation of Lagrangian particle air pollution dispersion model based on experimental field data set from complex terrain. V: Nejadkoorki, Farhad (ur.). Advanced air pollution. Rijeka: InTech, cop. 2011, str. 535-556. Mlakar, P., Božnar, M. Z., Grašič , B., Calori, G. (2013). Background air pollution prediction over Slovenia by qualearia modelling system : preliminary validation. V: San JosØ, Roberto (ur.), PØrez, Juan Luis (ur.). Proceedings of the 15th International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regulatory Purposes, Madrid, Spain, 6-9 May 2013. Madrid: Environmental Software and Modelling Group, Computer Science School, 2013, str. 75-79. https://docs.google.com/file/d/0B4NKvAPbVkv_X3EyY2xoTFJJdHc/ edit?usp=sharing. Mlakar, P., Božnar, M. Z., Grašič , B., Popović , D., Grašič , B. (2012a). Fireworks air pollution in Slovenia. V: Special issue on harmonisation within atmospheric dispersion modelling for regulatory purposes : 26 October 2011, Kos Island, Greece, (International journal of environment and pollution, ISSN 0957-4352, Vol. 50, no. 1/4, 2012). Genova: Interscience Enterprises, 2012, vol. 50, no. 1/4, str. 31-40, doi: 10.1504/IJEP.2012.051178. Mlakar, P., Božnar, M. Z., Grašič , B., Tinarelli, G., Grašič , B. (2012b). Zasavje canyon regional online air pollution modelling system in highly complex terrain - description and validation. V: Special issue on harmonisation within atmospheric dispersion modelling for regulatory purposes : 26 October 2011, Kos Island, Greece, (International journal of environment and pollution, ISSN 0957-4352, Vol. 50, no. 1/4, 2012). Genova: Interscience Enterprises, 2012, vol. 50, no. 1/4, str. 22-30, doi: 10.1504/IJEP.2012.051177. Mlakar, P., Božnar, M. Z., Grašič , B., Tinarelli, G. (2011). Zasavje canyon regional on-line air pollution modeling system in highly complex terrain as a support to EU directives. V: Bartzis, John G. (ur.), Syrakos, Alexandros (ur.), Andronopoulos, Spyros (ur.). HARMO 14 : Proceedings of the 14th International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regulatory Purposes, 2-6 October 2011, Kos Island, Greece. [S. l.]: University of Environmental Technology Laboratory, Department of Mechanical Engineering, University of West Macedonia, Greece, 2011, str. 187-191. 97 Refleksijske seizmič ne raziskave v slovenskem morju SLOMARTEC 2013 M. Vrabec 1 , M. Busetti 2 , F. Zgur 2 , L. Facchin 2 , C. Pelos 2 , R. Romeo 2 , L. Sormani 2 , P. Slavec 3 , I. Tomini 2 , G. Visnovich 2 , A. Žerjal 3 Ključ ne besede: refleksijska seizmika, Tržaški zaliv, Dinaridi, tektonika Key words: reflection seismics, Gulf of Trieste, Dinarides, tectonics Uvod V letih 2005 in 2009 je bil italijanski del Tržaškega zaliva raziskan z več kanalnim refleksijskim seizmič nim profiliranjem, ki je razkrilo globinsko strukturo in stratigrafijo območ ja in pokazalo znake recentne tektonske aktivnosti (Busetti et al., 2010a, b). V marcu 2013 smo v slovensko-italijanskem sodelovanju v kampanji SLOMARTEC 2013 refleksijske seizmič ne profile posneli še v slovenskih ozemeljskih vodah. Združeni nabor podatkov vseh snemalnih kampanj omogoč a korelacijo geoloških struktur iz podpovršja Tržaškega zaliva s strukturami, ki izdanjajo na kopnem vzdolž slovenske Obale. Geološka zgradba Tržaški zaliv in njegovo kopno zaledje pripada severnemu delu Jadranskega predgorja Alpsko-Dinarskega orogena. Do paleogena, ko je bilo območ je del Jadranske karbonatne platforme, se je tu odložilo debelo zaporedje pretežno mezozojskih karbonatnih kamnin. Med narivanjem Dinaridov proti jugozahodu v eocenu je bila karbonatna platforma fleksurno upognjena in prekrita z debelimi nanosi sinorogenih turbiditnih sedimentov. V drugem sunku terciarne kompresijske tektonike v Alpah, med narivanjem Južnih Alp proti jugu, so se v zahodnem delu območ ja odložili še zgornjemiocenski kontinentalni in priobalni sedimenti molasnega tipa. Med Mesinijsko regresijsko fazo je s subaersko erozijo v morskem dnu nastala kompleksna topografija. V zahodnem delu Tržaškega zaliva nanjo nalegajo pliocenski morski sedimenti, ki jim sledi še ena regresija v zgornjem pliocenu. Povsem na vrhu stratigrafskega zaporedja se menjavajo morski, prehodni in kontinentalni sedimenti, ki so se odložili v transgresijsko –regresijskih ciklih, povzroč enih z menjavanjem hladnih in toplih obdobij v pleistocenu (npr. Busetti et al., 2010a, b). Izrazito NW-SE usmerjena strukturiranost območ ja je pogojena s kompresijskimi strukturami Dinarskega narivnega sistema. Vodilna struktura je topografsko izrazit nariv Kraškega roba (“Dinaric frontal ramp” v italijanski terminologiji), v katerem so vzdolž NE obale zaliva platformni karbonati narinjeni preko eocenskega fliša (npr. Placer 2007). Nariv se na NW v Furlaniji nadaljuje v Palmanovski nariv (Busetti et al., 2010a, b; Placer et al., 2010; Carulli, 2011). Fleksurno upognjeno predgorje nariva sekajo podrejeni narivi, npr. Buzetski in Bujski nariv, ki so bili kartirani na kopnem (Placer, 2007; Placer et al., 1 1 UL - Naravoslovnotehniška fakulteta, Oddelek za geologijo, Privoz 11, 1000 Ljubljana 2 OGS - Istituto Nazionale di Oceanografia e di Geofisica Sperimentale, Borgo Grotta Gigante 42/c, 34010 Sgonico, Trst, Italija 3 Harpha Sea d.o.o., Č evljarska 8, 6000 Koper 98 2010), glavna loč ilna ploskev tega č elnega narivnega sistema pa poteka po kontaktu med flišem in spodaj ležeč imi karbonati (Busetti et al., 2010a, b). Seizmič ne raziskave Podmorska zgradba Tržaškega zaliva je bila raziskana v več ih geofizikalnih raziskovalnih kampanjah. Z raziskavami v italijanskem delu zaliva v letih 2005 in 2009 je bilo posnetih 524 km več kanalnih refleksijskih seizmič nih profilov in plitvih visokoloč ljivih Chirp profilov (Slika 1). Slika 2: Položaj več kanalnih seizmič nih in Chirp profilov, posnetih z raziskovalno ladjo R/V OGS Explora v Tržaškem zalivu v letih 2005 (modre linije), 2009 (svetlomodre linije) in 2013 v kampanji SLOMARTEC (oranžne linije) v skupni dolžini 656 km. Snemalna kampanja v slovenskem morju SLOMARTEC 2013 je potekala med 18. in 21. marcem 2013 v organizaciji Univerze v Ljubljani, inštituta OGS in podjetja Harpha Sea. Snemanje je bilo izvedeno z raziskovalno ladjo R/V OGS Explora. Seizmič ni vir je bila zrač na puška (Generated Injection Air Gun) s štirimi viri, urejenimi v polje dimenzij 2 x 2 m. Globina streljanja je bila 4 m, razdalja med strelnimi toč kami pa 12,5 m. V tej konfiguraciji znaša prič akovana vertikalna loč ljivost podatkov med 2 m in 4 m. Odbiti seizmič ni valovi so bili zajemani s 96 kanalnim digitalnim podmorskim snemalnim kablom dolžine 1200 m z medsebojno razdaljo hidrofonov 12,5 m in horizontalno loč ljivostjo profilov 6,25 m. Tudi snemalni kabel je bil vleč en na globini 4 m pod površjem. Hkrati s snemanjem več kanalne refleksijske seizmike so bili snemani visokoloč ljivi plitvi Chirp profili, topografija morskega dna z več snopnim sonarjem, ter gravimetrič ni podatki. V kampanji SLOMARTEC je bilo posnetih skupno 132 km več kanalnih refleksijskih seizmič nih profilov in 150 km Chirp profilov (Slika 1). Obdelava profilov je še v teku, zato 99 v prispevku predstavljamo prve, preliminarne interpretacije na podlagi nemigriranih profilov. Rezultati Na pridobljenih profilih so dobro razvidne tri znač ilne stratigrafske enote, poznane že iz raziskav v italijanskem delu zaliva (Slika 2). Na vrhu ležijo do nekaj 100 m debeli subhorizontalni, izrazito plastnati kvartarni sedimenti morskega in kontinentalnega izvora, katerih debelina se poveč uje proti sredini Tržaškega zaliva. Pod erozijsko diskordanco, ki je na profilih vidna kot izrazit reflektor, se nahajajo eocenski turbiditni sedimenti. Erozijska mejna ploskev med flišem in pleistocenskimi sedimenti ima znač ilno terasasto morfologijo, ki je vsaj deloma pogojena s prelomi. Že na nemigriranih profilih je ponekod šibko razvidna plastnatost znotraj flišne formacije. Najnižje ležijo platformni karbonati, ki so od eocenskega fliša loč eni z naslednjo stratigrafsko diskordanco ki je tudi moč an seizmič ni reflektor. Ponekod so eocenske plasti popolnoma erodirane, tako da pleistocenski sedimenti nalegajo neposredno na karbonate (Slika 2). Notranja struktura v karbonatnem paketu je le slabo razvidna, kamnine izgledajo nagubane ali nagnjene proti NE. Struktura območ ja jasno kaže na več fazen razvoj. Med Dinarskim narivanjem je nastala serija narivov in gub v NW-SE orientaciji. Na seizmič nih profilih je denimo lepo vidna nekaj km široka Izolska antiklinala, v katere temenu pri Izoli na površju izdanjajo karbonati izpod flišnih plasti (Slika 2). Na zaporednih profilih je vidno, da os te antiklinale tone polagoma proti NW. Severno od Izolske antiklinale profile sekajo manjši položni narivi, ki se po legi ujemajo s strukturami ki so bile kartirane na kopnem, kot so npr. Buzetski in Hrastoveljski nariv (Placer, 2007). Premiki ob teh narivih niso veliki in ne sekajo pleistocenske diskordance. Na profilih v italijanskem delu Tržaškega zaliva je ponekod vidno gubanje fliša tik nad diskordantno mejo s spodaj ležeč imi karbonati, zaradi č esar je bila diskordanca interpretirana kot loč ilna ploskev narivnega sistema (Busetti et al., 2010a, b). Narivno strukturo sekajo mlajši subvertikalni prelomi, ob katerih so ponekod jasno vidni več ji zamiki stratigrafskih horizontov. Na podlagi opažanj gubanja, lokalnega dviganja in pozitivnih palmastih struktur ob teh prelomih, ki so vidne ponekod v italijanskem delu zaliva, je bil znač aj prelomov interpretiran kot transpresiven (Busetti et al., 2010a, b). Aktivnost teh prelomov povezujemo z najmlajšo fazo konvergence med Jadransko mikroplošč o in Evrazijo, ki jo dokazujejo GPS meritve (Bechtold et al., 2009; Weber et al., 2010). Izrazit, s prelomi omejen hrbet s strukturo horsta poteka od Pirana proti NW (Slika 2). Ti prelomi bi vsaj deloma lahko bili reaktivirani mezozojski robni normalni prelomi karbonatne platforme, ki so zelo lepo vidni na seizmič nih profilih osrednjega dela Tržaškega zaliva (Busetti et al., 2010a, b). Subvertikalni prelomi več inoma jasno sekajo in do nekaj 10 m zamikajo erozijsko diskordanco na bazi pleistocenskih plasti. Vsaj na nekaterih mestih moremo iz nemigriranih profilov sklepati tudi na šibke obprelomne deformacije kvartarnih plasti. Ta opažanja nakazujejo možnost aktivnih tektonskih deformacij v območ ju Tržaškega zaliva, ki bi v tem gosto naseljenem in industrializiranem območ ju lahko pomenile določ eno stopnjo potresne ogroženosti. Iz širšega območ ja Tržaškega zaliva sicer nimamo podatkov o pomembnejših historič nih potresih, šibka je tudi instrumentalno registrirana seizmič nost v modernem obdobju, kar pa je lahko pogojeno z majhnimi hitrostmi deformiranja in zelo dolgimi povratnimi dobami med potresi. 100 Tako na več kanalnih seizmič nih profilih kot na visokoloč ljivih Chirp profilih so v kvartarnih sedimentih jasno vidni pojavi fluidov, ki se napajajo iz prelomov v predkvartarni podlagi. Prisotnost fluidov se kaže v obliki ozko lokaliziranih visokofrekvenč nih območ ji na profilih, ki so jasno vezana na subvertikalne prelome (Slika 2). Pojavi izhajanja termalne vode in plinov (več inoma metana) na morskem dnu so dobro znani na celotnem območ ju Tržaškega zaliva. Pri nas so najbolj znani podvodni nizkoentalpijski termalni izviri pri Izoli (Žumer, 2004), ki ležijo v temenu Izolske antiklinale. V kvartarnih sedimentih se pojavljajo tudi širši, do nekaj 100 m široki pasovi izrazito nizkoamplitudnih signalov, ki kažejo na akumulacije fluidov, ki se bodisi napajajo iz prelomov, ali pa gre za akumulacije biogenega plina (Slika 2). Slika 2: Nemigriran več kanalni seizmilni refleksijski profil vzdolž slovenske obale preko Izolske antiklinale iz kampanje SLOMARTEC 2013. Jasno so razvidne glavne stratigrafske enote (kvartarni morski in kontinentalni sedimenti, eocenski fliš, platformni karbonati) ter erozijsko-diskordantne meje med njimi, ki predstavljajo moč ne seizmič ne reflektorje. Lepo je vidna Izolska antiklinala v sredini slike, ter s prelomi omejen topografsko dvignjen hrbet pri Piranu. Moč ni odboji v kvartarnih plasteh ob desnem robu profila predstavljajo akumulacije fluidov v sedimentih. Položajna karta (iz Placer et al., 2010) prikazuje lego profila (rdeč a linija) in geološke strukture, ki so bile kartirane na kopnem. Zaključ ki Visokokvalitetni več kanalni seizmič ni profili, ki smo jih v slovenskem morju posneli v kampanji SLOMARTEC 2013 predstavljajo pomemben prispevek k razumevanju strukture in geneze Tržaškega zaliva in širšega območ ja č elnega dela Dinarskega narivnega sistema. S snemanjem smo pokrili doslej neraziskano območ je med italijanskim delom zaliva in 101 istrsko obalo, kamor se strukture iz podmorja nadaljujejo na površje. Naša študija predstavlja dokaj redek primer, ko je mogoč e podpovršinsko strukturo iz seizmič nega snemanja na morju neposredno korelirati s podatki geološkega kartiranja na kopnem. Strukturna interpretacija pridobljenih profilov je pomembna tudi za eventuelno izkorišč anje nizkoentalpijskih termalnih vod, katerih prisotnost se kaže na posnetih profilih. Opazili smo tudi znake kvartarnih prelomnih deformacij v sedimentih morskega dna, ki bi lahko kazali na potresno ogroženost zaledja Tržaškega zaliva, kar pa bomo podrobneje raziskali z nadaljnimi raziskavami. Zahvale Snemanje je bilo financirano s strani OGS v okviru poziva za uporabo raziskovalne ladje R/V OGS Explora v letu 2013, ki ga finanč no pokriva italijansko ministrstvo za izobraževanje, univerze in znanost, ter iz raziskovalnega projekta L1-5452 “Uporaba sonarja v raziskavah aktivne tektonike in paleoseizmologije na ozemljih z nizko intenzivnostjo deformacij”, ki ga sofinancirata Javna agencija za raziskovalno dejavnost Republike Slovenije in podjetje Harpha Sea d.o.o. Zahvaljujemo se kapitanu Francu Sedmaku in posadki ladje R/V OGS Explora za opravljeno trdo delo med snemanjem, ter podjetju Harpha Sea d.o.o. in posadki spremljevalnega plovila Lyra za logistič no podporo snemanju. Vladi Republike Slovenije, posebej pa ge. Nataliji Kokalj iz Uprave RS za pomorstvo pri Ministrstvu za infrastrukturo in prostor se zahvaljujemo za izjemno hitro izdajo potrebnih dovoljenj za izvedbo snemanja, brez č esar izvedba kampanje ne bi bila mogoč a. Literatura Bechtold, M., M. Battaglia, D. C. Tanner, and D. Zuliani, 2009. Constraints on the active tectonics of the Friuli/NW Slovenia area from CGPS measurements and three-dimensional kinematic modelling. J. Geophys. Res., 114, B03408, doi:10.1029/2008JB005638. Busetti M., Volpi V., Barison E., Giustiniani M., Marchi M., Ramella R., Wardell N. and Zanolla C., 2010a: Meso-Cenozoic seismic stratigraphy and the tectonic setting of the Gulf of Trieste (northern Adriatic). GeoActa, SP3, 1-14. Busetti M., Volpi V., Nicolich R., Barison E, R. Romeo, L. Baradello, Brancatelli G., Giustiniani M., Marchi M., Zanolla C., Wardell N., D. Nieto, and Ramella R.; 2010b: Dinaric tectonic features in the Gulf of Trieste (Northern Adriatic). Boll. Geof. Teor. Appl., 51(2-3), 117-128. Carulli G.B., 2011: Structural model of the Trieste Gulf: a proposal. Journal of Geodynamics, 51, 156-165. Placer L., 2007. Kraški rob. Geološki prerez vzdolž AC Kozina – Koper. Geologija 50, 29-44, doi:10.5474/geologija.2007.003 Placer L., Vrabec M., and Celarc B., 2010. The base for understanding of the NW Dinarides and Istria Peninsula Tectonics. Geologija 53/1, 55-86, doi:10.5474/geologija.2010.005 Weber, J., Vrabec, M., Pavlovč ič -Prešeren, P., Dixon, T., Jiang, Y., Stopar, B., 2010: GPS-derived motion of the Adriatic microplate from Istria Peninsula and Po Plain sites, and geodynamic implications. Tectonophysics 483, 214-222, doi:10.1016/j.tecto.2009.09.001 Žumer J., 2004: Odkritje podmorskih termalnih izvirov. Geografski Obzornik, 51(2), 11-17. 103 Paleomagnetizem jamskih sedimentov v Sloveniji – implikacije za neotektoniko ozemlja M. Vrabec 1 , N. Zupan Hajna 2 , A. Mihevc 2 , P. Pruner 3 , BosÆk P. 2,3 Ključ ne besede: paleomagnetizem, magnetostratigrafija, jamski sedimenti, Jadranska mikroplošč a, Dinaridi, neotektonika Keywords: paleomagnetism, magnetostratigraphy, cave sediments, Adriatic microplate, Dinarides, neotectonics Ozemlje slovenskih Dinaridov je več inoma zgrajeno iz mezozojskih karbonatnih kamnin in paleogenskega fliša. Zaradi manjkajoč ega kamninskega zapisa zato zelo težko č asovno opredelimo tektonske, paleoklimatske in druge procese za obdobje zadnjih 30 milijonov let, ki pa je zelo pomembno z vidika intenzivnosti dogajanj in relevantnosti za razumevanje današnjega stanja. Dragocen dodaten vir podatkov predstavljajo sedimenti v kraških jamah. Ti so lahko alohtoni, to so več inoma klastič ni sedimenti, ki so jih v podzemlju odložile reke ponikalnice, ali avtohtoni, npr. siga. Sistematič ne raziskave jamskih sedimentov v slovenskih jamah v zadnjih 15 letih z različ nimi absolutnimi in relativnimi metodami datacij so pokazale, da so sedimenti mnogo starejši, kot se je prvotno domnevalo, saj ugotovljene starosti pokrivajo ne le celotno obdobje pleistocena (do pred 2,5 Ma), temveč tudi pliocena (do pred 5,3 Ma) in segajo celo v miocen. Ker pa so procesi sedimentacije v jamah zelo kompleksni in pod moč nim vplivom lokalnih dejavnikov, sedimentni profili pa obič ajno debeli le do nekaj m in prekinjeni z več imi diskordancami, je interpretacija jamskih sedimentov in iz njih izhajajoč ih podatkov o površinskih in podpovršinskih procesih zelo kompleksna. Pomebno orodje pri datiranju so bile paleomagnetne raziskave jamskih sedimentov. Paleomagnetizem je pojav, ko se v kamninah, ki vsebujejo magnetne, navadno železove minerale, ohrani zapis usmerjenosti in intenzitete Zemljinega magnetnega polja iz č asa nastanka kamnine. Orientirani vzorci nekonsolidiranih jamskih sedimentov so bili vzorč evani z nemagnetno plastič no škatlico s stranico 2 cm, orientirani vzorci konsolidiranih kamnin in sige pa so bili na to velikost razžagani v laboratoriju. Komponente remanentne magnetizacije in njihov geološki izvor so bile ugotovljene z demagnetizacijo vzorcev v izmenič nem polju 100 mT v 12 – 16 korakih in s termič no demagnetizacijo v MAVACS sistemu magnetnega vakuma. Določ ene so bile vrednosti magnetne susceptibilnosti, naravne remanetne magnetizacije, magnetne deklinacije in magnetne inklinacije. Datacija s pomoč jo paleomagnetnih podatkov je relativna geokronološka metoda, ki temelji na dejstvu, da se je skozi geološko zgodovino polarnost Zemljinega magnetnega polja obč asno zamenjala; tako poznamo obdobja normalne (enake današnji) in inverzne polarnosti. Ugotovljeno zaporedje normalnih in reverznih polarnosti v danem sedimentnem profilu poskušamo korelirati z globalno paleomagnetno č asovno lestvico, ki je bila sestavljena s kompilacijo paleomagnetnih podatkov, ki so bili datirani z drugimi, predvsem 1 UL - Naravoslovnotehniška fakulteta, Oddelek za geologijo, Privoz 11, 1000 Ljubljana 2 Inštitut za raziskovanje krasa ZRC SAZU, Titov trg 2, 6230 Postojna 3 Institute of Geology AS CR v.v.i., Research centre Puškinovo nÆmě stí, RozvojovÆ 135/1, CZ-165 00 Praha 104 radiokronometrič nimi metodami. Metoda je spremenljivo natanč na in je pri jamskih sedimentih lahko problematič na zaradi nezveznosti sedimentacije, zato je bilo za izboljšanje zanesljivosti datacij potrebno uporabiti tudi ostale ugotovljene magnetne lastnosti in kombiniranje z drugimi metodami (biostratigrafija, absolutne datacije) in s posrednimi, npr. geomorfološkimi kriteriji. Pridobljeni podatki o paleomagnetizmu jamskih sedimentov pa so uporabni tudi za raziskave v tektoniki. Paleomagnetna inklinacija nam pove zemljepisno širino, na kateri so se kamnine nahajale ob nastanku in zato predstavlja pomemben podatek v rekonstrukcijah premikanja litosferskih plošč , vendar pa za obdobje zadnjih 10 – 20 Ma, ki ga pokrivajo podatki iz slovenskih jamskih sedimentov, ti podatki ne povedo nič novega. Veliko zanimivejši so podatki o paleomagnetni deklinaciji, ki nam pove, za koliko so bile kamnine od nastanka do danes okoli vertikalne osi zarotirane od smeri severa. Ta rotacija je spet lahko posledica premikanja litosferskih plošč , lahko pa jo povzroč ijo tudi č isto lokalni tektonski dejavniki, npr. rotacije tektonskih blokov ob zmič nih prelomih, ali translacije in rotacije narivnih enot pri narivanju. Seveda so paleomagnetno ugotovljene rotacije lahko posledica kombiniranega uč inkovanje globalnih in lokalnih tektonskih premikanj, zato njihova interpretacija ni vedno enostavna. Ozemlje Slovenije paleogeografsko pripada Jadranski mikroplošč i, katere kolizija z Evrazijo je v terciarju povzroč ila nastanek Alp in Dinaridov. Tektonske kinematske rekonstrukcije, paleomagnetne raziskave in moderne meritve premikanja litosferskih plošč z GNSS tehnologijo so pokazale, da je Jadranska mikroplošč a glede na Evrazijo rotirala v protiurni smeri in da ta rotacija poteka še danes. Paleomagnetne raziskave zgornjekrednih in paleogenskih kamnin Istre in Kvarnerskih otokov, ki so najmlajše dosegljive kamnine na nedeformirani Jadranski plošč i, kažejo na zelo konsistentno zarotiranost za okoli 30° v protiurni smeri. Paradoksalno kažejo zelo podobno zarotiranost tudi miocenske sedimentne kamnine ponekod v Panonskem območ ju Slovenije, Hrvaške in Madžarske, iz Dinarskega območ ja pa podatkov o neogenskih in mlajših rotacijah doslej nismo imeli. Podatki paleomagnetne deklinacije iz jamskih sedimentov v jamah na dinarskem krasu in v Julijskih in Kamniško-Savninjskih Alpah dokaj enotno kažejo rotacije v protiurni smeri, ki znašajo do 20°, več inoma pa med 10° in 0°. Precej konsistentno se kaže č asovni trend, še posebej na daljših profilih sedimentov, kjer je bilo mogoč e določ iti več različ no starih deklinacij, po katerem najmanjši iznos rotacije kažejo najmlajši sedimenti, s starostjo pa deklinacija narašč a. Tako imajo sedimenti starejši od 2 Ma deklinacijo nad 10°, mlajši od 500.000 let pa le nekaj stopinj ali sploh nič . Od tega trenda opazneje odstopajo predvsem nekateri več Ma stari sedimenti iz jam klasič nega Krasa, ki praktič no ne kažejo deklinacije. V grobem so torej paleomagnetne rotacije izmerjene v mladih jamskih sedimentih skladne z modelom mikroplošč e, ki progresivno rotira v protiurni smeri. Vendar pa se pri tektonski interpretaciji rotacij pojavi več zanimivih odprtih vprašanj. Koliko so izmerjene rotacije v notranjosti Slovenije v resnici posledica premikanja Jadranske mikroplošč e, katere strukturno mejo na površju ponavadi postavljamo na najjužnejše narive v slovenski Istri? Ali se namesto tega ozemlje deformira z “domino” rotacijami tektonskih blokov ob NW-SE usmerjenih dinarskih prelomih? Kako razložiti različ ne hitrosti rotacij v različ nih č asovnih merilih (30° v 60 Ma, 10-20° v zadnjih 1-3 Ma, ~0,3°/leto v modernem č asu po GNSS meritvah) in kako jih uskladiti s tektonskimi modeli, ki predvidevajo bolj ali manj stacionarne regionalne deformacije?