Lévai Projekt A környezeti hatástanulmány összeállítását megalapozó szakterületi vizsgálati és értékelési programok Az időjárás jellemzése

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Lévai Projekt A környezeti hatástanulmány összeállítását megalapozó szakterületi vizsgálati és értékelési programok Az időjárás jellemzése"

Átírás

1 LÉVAI PROJEKT A KÖRNYEZETI HATÁSTANULMÁNY ÖSSZEÁLLÍTÁSÁT MEGALAPOZÓ SZAKTERÜLETI VIZSGÁLATI ÉS ÉRTÉKELÉSI PROGRAMOK KIDOLGOZÁSA ÉS VÉGREHAJTÁSA ZÁRÓJELENTÉS AZ IDŐJÁRÁS JELLEMZÉSE MVM Zrt szerződésszám: MVM TEVH/11C00039 MVM ERBE Zrt szerződésszám: S június 11. 1/162

2 2013. június 11. 2/162

3 A környezeti hatástanulmány összeállítását megalapozó szakterületi vizsgálati és értékelési programok kidolgozása és végrehajtása MVM Zrt szerződésszám: MVM TEVH/11C00039 MVM ERBE Zrt szerződésszám: S A szakterületi vizsgálati és értékelési programok kidolgozásában közreműködő szervezetek: Környezetvédelmi Osztály Építészeti és Tervezési Osztály Akkreditált Méréstechnikai Laboratórium Minőségellenőrzési és Minőségbiztosítási Osztály Központi Statisztikai Hivatal Népességtudományi Kutató Intézet Országos Meteorológiai Szolgálat Éghajlati Osztály Megfigyelési Főosztály Földfelszíni Megfigyelések Osztálya Módszerfejlesztési Osztály Golder Associates (Magyarország) Zrt. VITUKI Környezetvédelmi és Vízgazdálkodási Kutató Intézet Nonprofit Kft. VITUKI Hungary Kft. Budapesti Műszaki és Gazdaságtudományi Egyetem Vízi Közmű és Környezetmérnöki Tanszék Isotoptech Zrt. Kék Csermely Kft Országos Frédéric Joliot-Curie Sugárbiológiai és Sugáregészségügyi Kutató Intézet Sugáregészségügyi Főosztály I. Munkahelyi Sugáregészségügyi Osztály Lakossági Környezetegészségügyi Osztály Sejt- és Immun-Sugárbiológiai Osztály Országos Környezetegészségügyi Intézet Környezetegészségügyi Főosztály Levegőhigiénés Osztály Tölgy Természetvédelmi Egyesület Nagy János György Projektvezető: Rudi Zsuzsanna Környezetvédelmi osztályvezető Jóváhagyó: Dohán Farkas Vezérigazgató június 11. 3/162

4 2013. június 11. 4/162

5 Módosítások Módosítás jele Módosított fejezet, oldal Változtatás jellege Dátum Aláírás június 11. 5/162

6 2013. június 11. 6/162

7 ELŐZMÉNYEK kidolgozása és végrehajtása tárgyú szerződés keretében vizsgálandó szakterületi programok és alprogramok a következők: I. Telephely jellemzése II. III. IV. Időjárási jellemzők a) Meteorológia b) Mikro- és mezoklíma a telephely környezetében Földtani közeg, felszín alatti és felszíni vízi környezet jellemzése a) Földtani közeg bemutatása és jellemzése b) Felszín alatti vízi környezet bemutatása és jellemzése c) Telephely hidrológiai jellemzése d) Duna és egyéb felszíni vizek állapota e) Duna medrének és partfalának állapota Környezeti radioaktivitás általános jellemzése V. Zaj- és rezgésterhelés felmérése VI. VII. VIII. Levegőminőség felmérése Élővilág állapotának jellemzése a) Élővilág sugárterhelésének jellemzése (kivéve a humán sugárterhelést) b) Minta értékű biomonitoring vizsgálatok végrehajtása Lakosság állapotának jellemzése a) Lakosság sugárterhelésének meghatározása b) A telephely környezetében élők egészségügyi állapotának meghatározása Egyes szakterületi programok, programcsoportok a környezeti hatásvizsgálat mellett a telephely engedélyeztetését is megalapozzák. Ezek az alábbiak: Telephely jellemzése Időjárási jellemzők Földtani közeg, felszín alatti és felszíni vízi környezet jellemzése Környezeti radioaktivitás általános jellemzése E szakterületi programok kidolgozása és végrehajtása során különös tekintettel voltunk arra, hogy a Szerződésben részletesen rögzített műszaki tartalom pontjai a 118/2011. (VII. 11.) Kormányrendelet alapján összeállítandó Telephely engedélyeztetési dokumentáció releváns fejezeteit a szerződésünkben rögzített terjedelemig megalapozzák. Mind a Környezeti hatásvizsgálat, mind a Telephely engedélyeztetési dokumentáció az ezen szerződés keretében kidolgozott szakterületi programokat is alapul véve - később készül el. Két szakterületi programcsoport, az Időjárási jellemzők és a Földtani közeg, felszín alatti és felszíni vízi környezet jellemzése programcsoportok esetén a Szerződés célként jelölte meg a tervezési alaphoz történő felhasználást is június 11. 7/162

8 SZAKTERÜLETI VIZSGÁLATI ÉS ÉRTÉKELÉSI PROGRAMOK A szerződés keretében vizsgálandó fenti feladatsor igen sok szakterületet felölelő program, melynek végrehajtásához széles szakmai együttműködés szükséges. Ennek érdekében az (ERBE) szakmailag elismert, megfelelő referenciával rendelkező, minősített szakmai alvállalkozókat bevonva dolgozta ki a feladatait. A szakterületenként együttműködő szakmai szervezetek rendszere az alábbiak szerint alakult. ALAPADATOK A munkák megkezdéséhez a Lévai Projekt adatszolgáltatásként rendelkezésre bocsátotta az alábbi dokumentációkat: a telephely és környezete alapállapotának korábbi vizsgálati és értékelési eredményeit, az atomerőmű üzemidő hosszabbításának környezetvédelmi engedélyezéséhez végzett vizsgálatokat, a vizsgálatokról készült zárójelentéseket, az üzemidő hosszabbítás Környezeti hatástanulmányát, az új blokkra vonatkozó Előzetes konzultációs dokumentációt. A telephely alapállapotának új vizsgálatokkal történő felmérése és jellemzése a korábbi vizsgálatok kiegészítése, folytatása mindazon esetekben, ahol ezt szakmai vagy jogszabályváltozásból adódó indokok nem zárják ki és a korábbi adatok hozzáférhetőek. Az alapadatokat áttekintve számos szakterület esetében további adatszolgáltatási igény merült fel, az adatszolgáltatás folyamatosan bővült június 11. 8/162

9 EGYSÉGES KERETPROGRAM MINŐSÉGTERV Az ERBE. összeállította az érintett szakterületek és programok tartalmát tekintve szerteágazó szakterületi vizsgálati és értékelési programok Egységes Keretprogramját, valamint Minőségtervét. Az MVM Lévai Projekt részére átadott dokumentációkat az MVM Lévai Projekt, az MVM Zrt Környezetvédelmi Osztálya, a Paksi Atomerőmű (PA) Környezetvédelmi Osztálya és Vegyészeti Főosztálya részvételével lefolytatott zsűri elfogadta. Hatósági egyeztetés Az Egységes Keretprogram szakmai tartalmát a Dél-dunántúli Környezetvédelmi, Természetvédelmi és Vízügy Felügyelőség (DdKTVF) véleményezte és a szakmai programot megfelelőnek találta. MÓDSZERTANI ÉS KRITÉRIUM DOKUMENTUMOK (MKD TMKD) Az Egységes Keretprogramból, a Minőségtervből valamint az egyes szakterületekre meghatározott vizsgálati és értékelési terjedelemből kiindulva, az egyes programok kapcsolatát is figyelembe véve az ERBE szakmai alvállalkozóival együttműködve összeállította az egyes szakterületi vizsgálati és értékelési programok módszertani és kritérium dokumentumait, a környezeti hatásvizsgálatot megalapozó MKD-t, valamint a telephely engedélyeztetést megalapozó TMKD-t. Az MVM Lévai Projekt részére átadott dokumentációkat az MVM Lévai Projekt, az MVM Zrt Környezetvédelmi Osztálya, a PA Zrt. Környezetvédelmi Osztálya valamint Vegyészeti Főosztálya részvételével megtartott zsűrik elfogadták. ZÁRÓJELENTÉS Az új atomer őművi blok kok környezeti hat ásvizsgálatát m egalapozó sz akterületi vizsgálati és értékelési prog ramok végrehajtás á nak alapja a jóváhagyott Egységes Keretpr ogram, az MKD, valamint a TM KD. A korábbi vizsgálatok és az egyes feladatok specialitásainak figyelembe vétele okán adódott a program alábbi 16 alprogramra osztása. 1. A telephely jellemzése A földtani közeg bemutatása és jellemzése 4. A felszín alatti vízi környezet bemutatása és jellemzése 5. A telephely hidrológiai jellemzése 6. A telephely hidrológiai modellezése 7. Duna és egyéb felszíni vizek állapota 8. Duna medrének és partfalának állapota 9. A környezeti radioaktivitás általános jellemzése 10. A zaj- és rezgésterhelés felmérése 11. A levegőminőség felmérése 12. Az élővilág sugárterhelésének jellemzése (kivéve a humán sugárterhelést) 13. Minta értékű biomonitoring vizsgálatok - Zoológia 14. Minta értékű biomonitoring vizsgálatok - Botanika 15. A lakosság sugárterhelésének meghatározása 16. A telephely környezetében élők egészségügyi állapotának meghatározása A jelen Zárójelentés is e 16 szakterületi alprogram szerint foglalja össze a vizsgálatokat, elemzéseket és azok eredményeit június 11. 9/162

10 2013. június /162

11 AZ IDŐJÁRÁS JELLEMZÉSE június /162

12 Aláírólap című szakterületi programot az Országos Meteorológiai Szolgálat (OMSZ) dolgozta ki. Közreműködő szakértők: Szervezeti egység Név Beosztás Aláírás Országos Meteorológiai Szolgálat Éghajlati Osztály Konkolyné Bihari Zita osztályvezető Wantuchné dr. Dobi Ildikó Szépszó Gabriella meteorológiai fejlesztő meteorológiai fejlesztő Módszerfejlesztési Osztály Randriamampianina Roger osztályvezető Szintai Balázs meteorológiai fejlesztő Földfelszíni Megfigyelések Osztálya Zárbok Zsolt osztályvezető Nagy József meteorológiai szakértő június /162

13 Tartalomjegyzék 2 IDŐJÁRÁSI JELLEMZŐK Az időjárás jellemzésének célja Az időjárási jellemzők vizsgálati terjedelme Meteorológia Mikro- és mezoklíma A környezeti jellemzők bemutatása Jogszabályi háttér Alapadat források, előírások, szabályozások Alapadatok MVM Lévai Projekt által átadott dokumentációk Szakirodalom Hivatalos statisztikák, adattárak Szoftverek Szabályzatok, tervek Előírások, Normák Meteorológia A telephely és 30 km-es környezetének éghajlati elemzése Felhasznált alapadatok Felhasznált módszerek Hőmérsékleti viszonyok Csapadékviszonyok Hóviszonyok Zivatartevékenység Villám-intenzitás Napfénytartam Tengerszinti légnyomás Párolgás A potenciális párolgás és a csapadék viszonya Talajhőmérséklet Szélviszonyok Szélirány Átlagos szélsebességek Maximális széllökések Átlagos szélsebességek relatív gyakoriságai Maximális széllökések visszatérési értékei Légköri stabilitási viszonyok A paksi mérőtorony méréseinek feldolgozása Szélirány Átlagos szélsebességek Maximális széllökések A tornádók és gyakoriságuk becslése Magyarországon Összefoglalás Klímamodellezés A rendelkezésre álló modelleredmények részletesebb eredményekkel való folyamatos frissítését szolgáló modellszimulációk előkészítése A rendelkezésre álló eredmények folyamatos frissítése az újabb modellváltozatokkal végrehajtott részletesebb modellszimulációk eredményeivel A rendelkezésre álló eredmények folyamatos feldolgozása az átlagos viszonyok tekintetében A rendelkezésre álló eredmények folyamatos feldolgozása a meteorológiai szélsőség-paraméterek tekintetében Bizonytalanságok származtatása két regionális éghajlati modell eredményei alapján Éghajlatváltozás a XXI. században Paks térségében két klímamodell eredményei alapján Hőmérséklet június /162

14 Csapadék Relatív nedvesség Szélsebesség és szélirány Mikro- és mezoklíma a telephely környezetében Hűtőtornyos erőművek légkörre gyakorolt hatásai - Szakirodalmi áttekintés Meteorológiai folyamatok áttekintése Légköri hatások térbeli és időbeli kiterjedése Részletes szakirodalmi áttekintés Összefoglalás Három mérőállomás beszerzése, telepítése és üzemeltetése Az egyéves mérési időszak elemzése Paks állomás időszakra vonatkozó adatainak összehasonlítása a sokéves átlaggal Hőmérséklet Légnyomás Légnedvesség Szél A 4 paksi állomás időszakra vonatkozó adatainak összehasonlítása Hőmérséklet Légnyomás Légnedvesség Szél Összefoglalás A pára- és hőkibocsátás várható hatásainak modellezése Paks körzetében Tervezés Felhasznált alapadatok Esetek kiválasztása Módosítások az AROME modell SURFEX sémájában a pára kibocsátási tag figyelembe vételére AROME futtatások kivitelezése Az eredmények kiértékelése Összefoglalás Ábrajegyzék ábra Paks 30 km-es környezetében található, hiánytalan adatsorral rendelkező csapadékmérő állomások ábra Évi középhőmérsékletek [ C] sokéves átlagtól ( ) vett eltérése között Paks állomáson ábra Havi középhőmérsékletek sokévi átlaga [ C] Paks állomáson ( ) ábra Havi középhőmérsékletek [ C] között Paks állomáson ábra A nyári napok (Tmax 25 C) száma évente ( ) Paks állomáson; ezen adatsorra illesztett lineáris trend ábra A hőségnapok (Tmax 30 C) száma évente ( ) Paks állomáson; ezen adatsorra illesztett lineáris trend ábra A forró napok (Tmax 35 C) száma évente ( ) Paks állomáson; ezen adatsorra illesztett lineáris trend ábra Éves csapadékösszegek [mm] alakulása között, s a tízéves átlagok Paks állomáson ábra A nyári félév csapadékösszegeinek [mm] alakulása között, s a tízéves átlagok Paks állomáson ábra A téli félév csapadékösszegeinek [mm] alakulása között, s a tízéves átlagok Paks állomáson ábra Átlagos havi csapadékösszegek [mm] Paks állomáson ( ) ábra Havi csapadékösszegek [mm] között Paks állomáson ábra Paks 30 km-es környezetében működő csapadékmérő állomások éves csapadékösszegei [mm] 1958-ban ábra Paks 30 km-es környezetében működő csapadékmérő állomások éves csapadékösszegei [mm] 1961-ben ábra Paks 30 km-es környezetében működő csapadékmérő állomások éves csapadékösszegei [mm] 1971-ben ábra Paks 30 km-es környezetében működő csapadékmérő állomások éves csapadékösszegei [mm] 1965-ben ábra Paks 30 km-es környezetében működő csapadékmérő állomások éves csapadékösszegei [mm] 1999-ben ábra Paks 30 km-es környezetében működő csapadékmérő állomások éves csapadékösszegei [mm] 2010-ben ábra A havas napok átlagos és maximális száma havonta ( ) Paks állomáson ábra A hótakarós napok átlagos és maximális száma havonta ( ) Paks állomáson ábra Zivataros napok átlagos és maximális száma Paks állomáson ( ) ábra máj-szept: 0,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 0,75 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként június /162

15 ábra máj-szept: 1,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 2,5 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 0,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 0,5 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 1,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 2,5 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 0,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 0,75 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra 2007 máj-szept: 1,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 2,5 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 0,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 0,75 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 1,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 2,5 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 0,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása ábra máj-szept: 0,75 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása ábra máj-szept: 1,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása ábra máj-szept: 2.5 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása ábra máj-szept: 0,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása ábra máj-szept: 0,75 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása ábra máj-szept: 1,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása ábra máj-szept: 2,5 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása ábra A havi napfénytartamok [óra] sokévi ( ) átlagai Paks állomáson ábra Éves napfénytartam összegek [óra], valamint az es sokévi átlagérték Paks állomáson ábra A havi átlagos tengerszinti légnyomás [hpa] sokévi átlaga, minimuma és maximuma ( ) Paks állomáson ábra A tényleges párolgás átlagos, minimális és maximális értékei [mm] havonta ( ) Paks állomáson ábra A potenciális párolgás átlagos, minimális és maximális értékei [mm] havonta ( ) Paks állomáson ábra A potenciális párolgás és a csapadék átlagos összegei [mm] havonta ( ), valamint az ezekből számolt ariditási index Paks állomáson ábra A talajhőmérséklet [ C] átlagos évi menete ( ) különböző mélységekben Paks állomáson ábra Szélirányok relatív gyakorisága éves szinten [%] Paks állomás közötti mérései alapján ábra Szélirányok relatív gyakorisága a nyári és a téli félévben [%] Paks állomás közötti mérései alapján ábra Szélirányok relatív gyakorisága a nyári-téli félévben [%] Paks állomás közötti mérései alapján ábra A 3 m/s-ot meghaladó szelek szélirány szerinti relatív gyakorisága éves szinten [%] Paks állomáson ( ) ábra A 3 m/s-ot meghaladó szelek szélirány szerinti relatív gyakorisága a nyári és a téli félévben [%] Paks állomáson ( ) ábra A 3 m/s-ot meghaladó szelek szélirány szerinti relatív gyakorisága a nyári-téli félévben [%] Paks állomáson ( ) ábra Az évi átlagos szélsebességek [m/s] között, valamint a sokévi átlag ( ) Paks állomáson ábra Havi átlagos szélsebességek [m/s] sokévi átlaga ( ) Paks állomáson ábra Szélcsendes órák relatív gyakorisága [%] évente ( ) Paks állomáson ábra Szélcsendes órák relatív gyakoriságának [%] sokévi átlaga havonta, Paks állomáson ábra Az átlagos szélsebesség relatív gyakorisága [%] Paks állomáson ( ) ábra A szélsebesség [m/s] átlagos napi menete ( ) Paks állomáson ábra Viharos napok átlagos és maximális havi száma ( ) Paks állomáson ábra Szélirányok relatív gyakorisága [%] Paks mérőtorony 20 m-es szinten ábra Szélirányok relatív gyakorisága [%] Paks mérőtorony 50 m-es szinten ábra Szélirányok relatív gyakorisága [%] Paks mérőtorony 120 m-es szinten ábra Szélirányok relatív gyakorisága [%] Paks mérőtorony különböző magassági szintjein ábra Az átlagos szélsebesség relatív gyakorisága [%] Paks mérőtorony 20 m-es szinten ábra Az átlagos szélsebesség relatív gyakorisága [%] Paks mérőtorony 50 m-es szinten ábra Az átlagos szélsebesség relatív gyakorisága [%] Paks mérőtorony 120 m-es szinten ábra A napi maximális szélsebesség relatív gyakorisága [%] Paks mérőtorony 20 m-es szinten ábra A napi maximális szélsebesség relatív gyakorisága [%] Paks mérőtorony 50 m-es szinten ábra A napi maximális szélsebesség relatív gyakorisága [%] Paks mérőtorony 120 m-es szinten ábra Az ALADIN-Climate modell 25 (teljes panel) és 10 km-es (kék téglalap) felbontású tartományai ábra A REMO modell 25 km-es felbontással lefedett tartománya június /162

16 ábra A EURO-CORDEX tartomány és 50 km-es felbontású domborzata ábra Mért (HUGRID) és modellezett (ALADIN) magyarországi átlaghőmérséklet értékek ábra Az ALADIN-Climate (fekete) és REMO (piros) modellek a Paksi Atomerőmű (zöld) környezetében elhelyezkedő rácspontjai ábra A globális klímamodellek teljes Földre, Európára és a Brit-szigetekre vonatkozó csapadék és hőmérsékleti szimulációit (tízévenkénti átlagolással) jellemző bizonytalanságok (kék: modellek eltéréseiből származó bizonytalanság, zöld: forgatókönyvek bizonytalansága, narancs: belső változékonyság) százalékos aránya 2000 (0. év) és 2100 (100. év) között (forrás: Hawkins és Sutton, 2009, 2011) ábra A téli csapadékváltozás (%) az OMSZ-ban alkalmazott két regionális klímamodell eredményei alapján (bal panel), illetve a téli csapadéknövekedés valószínűsége (%) az ENSEMBLES szimulációk alapján (jobb panel) re és ra. A referencia időszak: ábra Néhány meleg hőmérsékleti index (sorrendben: nyári nap, Tmax>25; forró nap, Tmax>35; túl meleg éjszakák, Tmin>20; hőhullámok, Tátlag>25 o C) éves magyarországi megfigyelt (szürke kör) és jövőbeli értéke az ENSEMBLES eredmények (kék és zöld box-plot) illetve az OMSZ két modellje (világos és sötétebb háromszög) szerint a és időszakokra. A jövőbeli értékek számításánál a megfigyelésekhez hozzáadtuk a modellek által jelzett változást ábra Az ALADIN-Climate (kék) és REMO (piros) modellek futtatási területe ábra Évszakos átlaghőmérséklet-változás (ºC) Paks térségében ben, ben és ban az es referencia időszakhoz képest két modell alapján ábra A nyári hónapok várható átlaghőmérséklet-változása (ºC) Paks térségében ben, ben és ban az es referencia időszakhoz képest két modell alapján ábra A havi átlaghőmérsékletek évi menete (ºC) a megfigyelések szerint ben (szürke vonal), illetve a két modell alapján várható évi menet (ºC; színes sávokkal az általuk határolt bizonytalansági intervallum) Paks térségében ben, ben és ban. A jövőre vonatkozó információk ábrázolásánál a modellek által az adott időszakra jelzett változást az re vonatkozó mérésekhez adtuk hozzá, majd a két modell eredménye alapján kapott két évi menet közti területet kiszíneztük ábra A fagyos napok éves számának várható megváltozása (nap) Paks térségében ben, ben és ban az es referencia időszakhoz képest két modell alapján ábra A másodfokú hőségriadós napok, a forró napok és a forró éjszakák éves számának várható megváltozása (nap) Paks térségében ben, ben és ban az es referencia időszakhoz képest két modell alapján ábra Évszakos csapadékváltozás (%) Paks térségében ben, ben és ban az referencia időszakhoz képest két modell alapján ábra A havi csapadékösszegek évi menete (mm) a megfigyelések szerint ben (szürke vonal), illetve a két modell alapján várható évi menet (mm; színes sávokkal az általuk határolt bizonytalansági intervallum) Paks térségében ben, ben és ban. A jövőre vonatkozó információk ábrázolásánál a modellek által az adott időszakra jelzett (előjeles) relatív változás mértékével növeltük az re vonatkozó méréseket, majd a két modell eredménye alapján kapott két évi menet közti területet kiszíneztük (zölddel a növekedés és sárgával a csökkenés esetében) ábra A 30 év alatt előforduló 50 mm feletti napi csapadékok, illetve az éves maximális napi és ötnapi csapadék változása (% illetve az első esetében nap) Paks térségében ben, ben és ban az referencia időszakhoz képest két modell alapján ábra Az egymást követő száraz (1 mm alatti csapadékú) napok évszakos maximális hossza (nap) re a megfigyelések szerint, illetve a két modell által jelzett értékek (nap) Paks térségében re, re, ra. A jövőre vonatkozó értékek kiszámításánál a modellek által az adott időszakra jelzett (előjeles) relatív változás mértékével növeltük az re vonatkozó megfigyeléseket ábra Az egymást követő csapadékos (1 mm feletti csapadékú) napok évszakos maximális hossza (nap) re a megfigyelések szerint, illetve a két modell által jelzett értékek (nap) Paks térségében re, re és ra. A jövőre vonatkozó értékek kiszámításánál a modellek által az adott időszakra jelzett (előjeles) relatív változás mértékével növeltük az re vonatkozó megfigyeléseket ábra A csapadékintenzitás (1 mm feletti csapadékösszeg/napok száma) évszakos értékei (mm/nap) re a megfigyelések szerint, illetve a két modell által jelzett értékek (mm/nap) Paks térségében re, re és ra. A jövőre vonatkozó értékek kiszámításánál a modellek által az adott időszakra jelzett (előjeles) relatív változás mértékével növeltük az re vonatkozó megfigyeléseket ábra A csapadékintenzitás változása (%) Paks térségében ra az referencia időszakhoz képest két modell alapján ábra Éves és évszakos szélsebesség-változás (m/s) Paks térségében ben, ben és ban az es referencia időszakhoz képest két modell alapján június /162

17 ábra Éves szélirány-gyakoriság (%) ben (kék), ben (zöld), ben (sárga) és ban (piros) a két modell Pakshoz legközelebbi rácspontján (balra: 46,509º É.sz., 18,89º K.h.,jobbra: 46,68º É.sz., 18,8º K.h.) ábra Uralkodó szélirány az egyik modell szerint Paks térségében ben (fent balra), ben (fent jobbra), ben (lent balra), és ban (lent jobbra) ábra Hűtőtorony fáklya paraméterei ábra Tér- és időskálák összefüggése (Forrás: Unger és mtsai, 2012) ábra A meteorológiai mérőoszlopok helyei ábra Paks, Csónakház mérőállomás ábra Paks, Csónakház állomáson telepített érzékelők ábra Paks, Csónakház állomás adatgyűjtő és szerelvényei ábra Úszod, Barákai Vízmű állomás ábra Paks, Gesztenyés utcai állomás szerelése ábra Paks, Gesztenyés utcai állomás ábra Paks, Csónakház adatai az OMSZ adatbázisában ábra Havi középhőmérsékletek sokéves átlagtól ( ) vett eltérései Paks állomáson a időszakban ábra Havi átlagos tengerszinti légnyomás Paks állomáson a időszakban, valamint a sokéves átlagok ( ) ábra A potenciális párolgás átlagos értékei havonta Paks állomáson a időszakban, valamint a sokéves átlagok ( ) ábra A relatív nedvesség átlagos értékei havonta Paks állomáson a időszakban, valamint a sokéves átlagok ( ) ábra Havi átlagos szélsebességek Paks állomáson a időszakban, valamint a sokéves átlagok ( ) ábra Havi maximális széllökések (adott hónap legnagyobb széllökése) Paks állomáson a időszakban, valamint a sokéves átlagok (havi legnagyobb széllökések sokévi átlaga) ( ) ábra Viharos napok száma havonta Paks állomáson a időszakban, valamint a sokéves átlagok ( ) ábra Havi középhőmérsékletek alakulása Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban ábra Havi átlagos tengerszinti légnyomás Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban ábra A potenciális párolgás átlagos értékei havonta Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban ábra A relatív nedvesség átlagos értékei havonta Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban ábra A szélirányok relatív gyakorisága Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban ábra Havi átlagos szélsebességek Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban ábra A szélcsendes órák relatív gyakorisága Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban ábra A szélsebesség relatív gyakorisága Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban (órás átlag szélsebesség adatok alapján) ábra Havi maximális széllökések Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban ábra A maximális széllökés sebesség szerinti relatív gyakorisága Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban (órás adatok alapján) ábra A viharos napok száma havonta Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban ábra. 24 órás csapadékösszegek különbsége a módosított és a referencia futás között ábra. Scatter plot diagramok a középszintű (felső sor) és a magasszintű (középső sor) felhőzetre valamint a kumulált csapadékra (alsó sor) vonatkozóan, egy, a Paksi Atomerőmű körüli 60x60 km-es tartományon. 12 UTC-ra vonatkozó (bal oszlop) és 00 UTC-ra vonatkozó (jobb oszlop) eredmények. Az X-tengelyen a referencia futás, az Y-tengelyen a kibocsátási tagot tartalmazó futás látható ábra. Horizontálisan átlagolt hőmérsékleti (bal) és nedvességprofilok (jobb) az 51 esetre június /162

18 ábra. Csapadékstatisztikák sűrűségfüggvényei a referencia (fekete) és a kibocsátási tagot tartalmazó (piros) futásokra: S1 (bal fent), S2 (jobb fent), S3 (bal lent), S4 (jobb lent). A statisztikák definíciója a szövegben található. Az X-tengelyen a három órás csapadékösszeg látható (mm/3h) egységben ábra. Alacsony szintű felhőzet egy adott napon ( óra) a referencia futás esetén (bal ábra), illetve a módosított és referencia futások alacsony szintű felhőzetének különbsége (jobb ábra) ábra. A módosított és referencia futás vertikális nedvességprofiljának különbsége (bal oldal: relatív nedvesség, jobb oldal: specifikus nedvesség) a napra. A különböző színek a különböző napszakokra (6, 12, 18, 24 óra) vonatkoznak ábra. Alacsony szintű felhőzetek különbsége (módosított-referencia) a Paks körüli 10x10 (piros vonal) illetve 60x60 km-s (zöld vonal) tartományra kiátlagolva a futtatások különböző időpontjaiban. Bal oldali ábrán az első, míg a jobb oldalin a második vizsgált időszak látható Táblázatjegyzék táblázat A vizsgálati terület kistájainak éghajlati jellemzői táblázat A havi középhőmérsékletek sokéves átlagtól ( ) vett eltérése [ C] között Paks állomáson táblázat A maximumhőmérsékletek legalacsonyabb, legmagasabb, valamint átlagos értékei [ C] havonta ( ) Paks állomáson táblázat A minimumhőmérsékletek legalacsonyabb, legmagasabb, valamint átlagos értékei [ C] havonta ( ) Paks állomáson táblázat A maximum és minimum hőmérsékletek visszatérései értékei Gumbel eloszlással Paks állomásra vonatkozóan ( es adatok alapján) táblázat A nyári napok (Tmax 25 C) száma között havonta, Paks állomáson táblázat A hőségnapok (Tmax 30 C) száma között havonta, Paks állomáson táblázat A forró napok (Tmax 35 C) száma között havonta, Paks állomáson táblázat A havi csapadékösszegek sokéves átlagtól ( ) vett eltérése [mm] között, Paks állomáson táblázat A havi csapadékösszegek legalacsonyabb és legmagasabb értékei [mm] havonta ( ) Paks 30 km-es környezetében táblázat A napi maximális csapadékösszegek [mm] havonta ( ) Paks 30 km-es környezetében táblázat A napi csapadékösszegek visszatérései értékei Gumbel eloszlással, Paks állomásra vonatkozóan ( es adatok alapján) táblázat A maximális hóvastagság visszatérési értékei Gumbel eloszlással, Paks állomásra vonatkozóan ( es adatok alapján) táblázat 0,25 villámlás/km 2 villámlásintenzitás által érintett terület aránya országosan (%) táblázat 0,75 villámlás/km 2 villámlásintenzitás által érintett terület aránya országosan (%) táblázat 1,25 villámlás/km 2 villámlásintenzitás által érintett terület aránya országosan (%) táblázat 2,5 villámlás/km 2 villámlásintenzitás által érintett terület aránya országosan (%) táblázat Villámlásintenzitások (villámlás/km 2 ) maximális időtartamai (perc) havonta és szezonális összesítésben - 0,25 villám/km táblázat Villámlásintenzitások (villámlás/km 2 ) maximális időtartamai (perc) havonta és szezonális összesítésben - 0,75 villám/km táblázat Villámlásintenzitások (villámlás/km 2 ) maximális időtartamai (perc) havonta és szezonális összesítésben - 1,25 villám/km táblázat Villámlásintenzitások (villámlás/km 2 ) maximális időtartamai (perc) havonta és szezonális összesítésben - 2,5 villám/km táblázat A tengerszinti légnyomás legalacsonyabb és legmagasabb értékei [hpa] havonta ( ) Paks állomáson táblázat Havi átlagos szélsebességek [m/s] közötti időszakban, Paks állomáson táblázat A maximális széllökések havonta ( ) Paks állomáson táblázat A maximális széllökés sebesség és irány szerinti relatív gyakorisága [%] Paks állomáson ( ) táblázat A maximális széllökés visszatérései értékei Gumbel eloszlással Paks állomásra vonatkozóan ( es adatok alapján) táblázat A szinoptikus szélsebesség és szélirány Pasquill-index szerinti relatív gyakorisága [%] Paks állomáson, éves viszonylatban ( ) táblázat A Fujita-skála szélsebességei és a kártételek táblázat Az ALADIN-Climate és REMO regionális klímamodellekkel végrehajtott kísérletek jellemzői táblázat A felhasznált modellkísérletek jellemzői június /162

19 táblázat Az ALADIN-Climate és REMO modellekkel tervezett kísérletek táblázat A számított extrém indexek definíciói táblázat Éves és évszakos átlaghőmérséklet megfigyelt értékei (ºC) ben, illetve a két modell szerint várható változás (ºC) Paks térségében ben, ben és ban az es referencia időszakhoz képest táblázat Hőmérsékleti indexek átlagos éves megfigyelt értékei (nap) ben, illetve a két modell szerint várható változás (nap) Paks térségében ben, ben és ban az es referencia időszakhoz képest táblázat Az éves és évszakos csapadék megfigyelt értékei (mm/hónap), illetve a két modell szerint várható változás (%) Paks térségében ben, ben és ban az referencia időszakhoz képest. A sárga/zöld szín jelöli a két modell alapján egyértelmű csapadékcsökkenést/csapadéknövekedést táblázat Az éves és évszakos 10 mm-t meghaladó csapadékú napok számának megfigyelt értékei (nap), illetve a két modell szerint várható változás (%) Paks térségében ben, ben és ban az referencia időszakhoz képest. A sárga/zöld szín jelöli a két modell alapján egyértelmű csökkenést/növekedést táblázat Az éves és évszakos 20 mm-t meghaladó csapadékú napok számának megfigyelt értékei (nap), illetve a két modell szerint várható változás (nap) Paks térségében ben, ben és ban az referencia időszakhoz képest. A sárga/zöld szín jelöli a két modell alapján egyértelmű csökkenést/növekedést táblázat Az éves és évszakos relatív nedvesség ben megfigyelt értékei (%), illetve a két modell szerint várható relatív változás (%) Paks térségében ben, ben és ban az referencia időszakhoz képest. Sárga színnel a mindkét modell szerinti legalább 2%-os csökkenés van kiemelve táblázat Éves és évszakos átlagos szélsebesség megfigyelt értékei (m/s) ben, illetve a két modell szerint várható változás (%) Paks térségében ben, ben és ban az es referencia időszakhoz képest táblázat Üzembe helyezett mérőeszközök táblázat A mérendő meteorológiai paraméterek táblázat Nyári napok, hőségnapok és forró napok száma Paks állomáson a időszakban, valamint a sokéves átlagok ( ) táblázat Maximumhőmérsékletek szélsőségei havonta Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban táblázat Minimumhőmérsékletek szélsőségei havonta Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban táblázat Nyári napok száma havonta Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban táblázat Hőségnapok száma havonta Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban táblázat Forró napok száma havonta Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban táblázat A tengerszinti légnyomás szélsőségei havonta Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban táblázat A maximális széllökés szélirány szerinti relatív gyakorisága Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban (órás adatok alapján) táblázat. A konvektív esetekre számított csapadékstatisztikákra elvégzett próbák eredményei. A táblázatban a próbák p- értékét tüntettük fel. Magyarázat és a csapadékstatisztikák jelölését lásd a szövegben Mellékletek Paks Gesztenyés mérőállomás 10 perces adatai, április március 31., Elektronikusan átadott mellékletként: 2_Idojaras_melleklet_1_Gesztenyes_Paks.xlsx Paks Csónakház mérőállomás 10 perces adatai, ápilis március 31., Elektronikusan átadott mellékletként: 2_Idojaras_melleklet_2_Csonakhaz_Paks.xlsx Uszód mérőállomás 10 perces adatai, ápilis március 31., Elektronikusan átadott mellékletként: 2_Idojaras_melleklet_3_Uszod_Paks.xlsx június /162

20 2 IDŐJÁRÁSI JELLEMZŐK 2.1 AZ IDŐJÁRÁS JELLEMZÉSÉNEK CÉLJA Az Időjárás jellemzésének célja a telephely és 30 km-es környezete időjárási jellemzőinek meghatározása. a tervezési alaphoz, a fennálló állapot értékeléséhez, a létesítmény környezeti hatásai értékelésének megalapozásához. 2.2 AZ IDŐJÁRÁSI JELLEMZŐK VIZSGÁLATI TERJEDELME Az időjárási jellemzés szakterületi programja két, egymással kapcsolatban lévő alprogramból áll: meteorológiai jellemzés, mikro- és mezoklimatikus jellemzés METEOROLÓGIA A telephelyre és a telephely 30 km-es környezetére vonatkozóan összegyűjtjük a rendelkezésre álló meteorológiai adatokat, melyek alapján elvégezzük a telephely és környezetének éghajlati jellemzését. Az éghajlati tanulmány készítéséhez az OMSZ adatait használjuk fel. Az éghajlati jellemzés a következő meteorológiai paramétereket vizsgálja: Hőmérsékleti viszonyok o havi, éves és nyári középhőmérsékletek alakulása o hőmérsékleti szélsőségek, napi és havi maximum és minimum hőmérsékletek, hőség és forró napok száma o maximum és minimum hőmérsékletek visszatérési értékei éves gyakoriságig a következő visszatérési periódusokra: 2, 4, 5, 10, 20, 50, 100, 200, 500, év Csapadékviszonyok o havi, éves, téli - és nyári féléves csapadékösszegek o extrém havi csapadékösszegek (maximum, minimum), napi összegek maximuma o hóviszonyok jellemzése: havas napok száma, maximális hó vastagság, hótakarós napok száma, hótakarós időszakok hosszának jellemzői o extrém napi csapadék összegek és hó vastagság visszatérési értékei éves gyakoriságig a következő visszatérési periódusokra: 2, 4, 5, 10, 20, 50, 100, 200, 500, év o zivatar tevékenység: zivataros napok száma, éven belüli eloszlása o zivatar gócok fennmaradásának időtartamai, a földre lecsapó villámok jellemzői a radarmérések kiértékelése alapján Napfénytartam átlagos évi menete Tengerszintre átszámított légnyomás átlagos évi menete, havi szélsőértékei június /162

21 Párolgás, evapotranspiráció: tényleges és potenciális párolgás havi átlagos értékei Talajhőmérséklet ig, átlagos évi menet 2, 5, 10, 20, 50, 100 cm mélységben Szélviszonyok jellemzői időszakra 10 méteres magasságban o szélirány gyakoriságok 16 irányt tekintve, éves, nyári és téli félévi bontásban, ugyanez a feldolgozás erősebb légáramlás, 3 m/s-ot meghaladó napi átlagszél esetén o szélsebesség havi és éves értékei, szélcsendgyakoriság havi és éves alakulása o szélsebesség átlagos napi és évi menete o maximális széllökések sebessége, gyakorisága 16 szélirány szerint o viharos napok számának alakulása (napi szél maximum > 15 m/s) o átlagos szélsebességek relatív gyakoriságai o légköri stabilitási viszonyok jellemzése: a szinoptikus szélsebesség és szélirány Pasquill index szerinti relatív gyakorisága o a maximális széllökés extrémumainak visszatérési értékei éves visszatérési gyakoriságig a következő visszatérési periódusokra: 2, 4, 5, 10, 20, 50, 100, 200, 500, év o tornádó előfordulási valószínűség vizsgálata, a tornádó jellemzőinek (rotációs, transzlációs sebesség, maximális rotációs sebesség sugara, nyomáskülönbség és változás meghatározása Klimatológiai vizsgálatoknál igyekszünk 30 éves időszakot figyelembe venni, talajhőmérséklet adatok azonban csak az ös időszaka vonatkozóan állnak rendelkezésre Paks állomásról, míg a szélmérés területén a 90-es évek folyamán végrehajtott automatizálás következtében a műszercsere miatt célszerűbbnek tartjuk a csak az új mérési eszközzel szolgáltatott adatok figyelembe vételét. Mindkét meteorológiai elemre elmondhatjuk azonban, hogy az évek közötti változékonyságuk jóval kisebb, mint pl. a hőmérsékleté és a csapadéké, ezért a rövidebb időszak alkalmazása nem okozhat problémát. Hosszú távú éghajlati vizsgálatot végzünk numerikus klímamodellek eredményei alapján. Az éghajlatváltozás hatásainak vizsgálatánál a regionális klímamodellek eredményei alapján elemezésre kerülő változók: Az átlagos viszonyok jellemzésére: o Az átlagos éves, évszakos és havi hőmérséklet o Az átlagos éves, évszakos és havi csapadék o Az átlagos éves és évszakos relatív nedvesség (2-méteres magasságban) o Az átlagos éves és évszakos szélsebesség (10-méteres magasságban) o A leggyakoribb éves és évszakos szélirány (10-méteres magasságban) A szélsőséges viszonyok jellemzésére: o A hőségnapok átlagos éves száma o A forró napok átlagos éves száma o Hőségriadós (első-, másod-, harmadfokú) napok gyakorisága o A túl meleg éjszakák átlagos éves száma o A fagyos napok átlagos éves száma o A 10, 20 és 50 mm-t meghaladó csapadékú napok átlagos éves és évszakos száma o Napi csapadékintenzitás átlagos éves és évszakos értéke o Maximális napi és ötnapi csapadékok éves és évszakos értéke o Csapadékesemények tartóssága o Egymást követő száraz napok éves és évszakos maximális száma A tanulmányban a kiválasztott paramétereknek a három 30 éves időszakra vonatkozó éves, illetve évszakos átlagai és gyakoriságai kerülnek elemzésre, továbbá ezek összehasonlító vizsgálata nyújt információt a teljes 90 éves időszak éghajlati tendenciáiról június /162

22 A klímamodellezés során a vizsgált terület Paks és közvetlen térsége (a megadott földrajzi koordinátákhoz legközelebb eső modellbeli rácspontok alapján), a vizsgálati időszakok: , és MIKRO- ÉS MEZOKLÍMA Összegyűjtjük a telephelyre és a telephely 30 km-es környezetére rendelkezésre álló mikro- és mezoklímát jellemző adatokat. Éghajlati tanulmányban jellemezzük a telephely és környezetének mikro- és mezoklímáját. Összegyűjtjük és értékeljük a hazai hűtőtornyos erőművek klímát befolyásoló hatásaira vonatkozó hazai és nemzetközi szakirodalomban fellelhető információkat. A tervezett új erőművi blokkok közelében telepítünk 3 meteorológiai állomást. A telepített 3 állomáson, továbbá az OMSZ paksi főállomásán 1 éven keresztül méréseket végzünk. Az es időszakra vonatkozó adatokat összevetjük a mobil állomásokon és a telephelyen, illetve a telephely környezetében lévő állandó OMSZ állomásokon 1 éven keresztül mért adatokkal. Ezek alapján, a fentiekben említett éghajlati elemzés szempontjait figyelembe véve, kiegészítjük és pontosítjuk a mikro- és mezoklíma értékelését. A pára- és hő kibocsátás várható hatásait modellezzük Paks 30 km-es körzetében, a jelenlegi éghajlati viszonyok között, 2,5 2,5 km-es felbontásban. A modellezést az AROME nem hidrosztatikus időjárás előrejelző modellel végezzük. A kibocsátás-hatás összefüggését kell vizsgálni különböző hűtési változatokra. A kibocsátás azonnali és kumulatív hatásait külön módszertan alkalmazásával kell modellezni. Az azonnali hatások felméréséhez kellően nagyszámú esetben, rövid futtatásokkal kell modellezni a kibocsátás hatásait. A vizsgált esetek kiválasztásánál kiemelt figyelmet kell fordítani a labilis légköri állapotokra, s az esetlegesen befolyásolt heves, veszélyes légköri jelenségekre. A kumulatív hatások vizsgálatához hosszabb egybefüggő, szélcsendes, csekély keveredéssel járó időszakot kell vizsgálni a modell folyamatosan ismétlődő futtatásával. A rövid és hosszú távú hatások vizsgálatával, komplex módon kell felmérni a mikroklíma változását. A hő- és párakibocsátás modellezésénél a verifikációhoz felhasználjuk a toronymérések adatait is. 2.3 A KÖRNYEZETI JELLEMZŐK BEMUTATÁSA Magyarország természeti tájak rendszertani felosztása szerint Paks és 30 km-es környezete több különböző kistájon helyezkedik el. Az alábbi táblázatban ezen kistájak éghajlati jellemzői találhatóak: Éghajlati típus Napsugárzás Hőmérséklet Duna-menti síkság középtáj Mezőföld középtáj Solti-sík Kalocsai-Sárköz Tolnai-Sárköz Közép-Mezőföld Sárvíz-völgy Dél-Mezőföld mérsékelten meleg-száraz mérsékelten melegszáraz (közel a meleg típushoz) mérsékelten melegmérsékelten száraz (közel a meleg típushoz) mérsékelten meleg-száraz É: mérsékelten meleg-száraz D: mérsékelten melegmérsékelten száraz mérsékelten melegmérsékelten száraz (É: száraz) Évi napfénytartam óra 2040 óra 2050 óra É: 1960 óra É: 2000 óra D: >2000 óra D: óra 2050 óra É: 780 óra É: 800 óra Napsütéses nyári negyed-évben óra 800 óra 810 óra óra D: 800 óra D: 810 óra órák száma téli negyed-évben 180 óra 200 óra 200 óra 180 óra 190 óra óra Évi középhőmérséklet 10,4-10,5 C 10,5 C 10,5 C (D: 10,6- É: 10,0-10,2 C É: 10,2-10,3 C 10,2-10,4 C 10,7 C) D: 10,4-10,6 C D: 10,5 C Vegetációs időszak átlaghőmérséklete 17,5 C 17,5 C 17,5 C 17,3-17,4 C 17,0-17,4 C 17,2-17,3 C 10 C-ot meghaladó nap nap 200 nap nap nap nap június /162

23 Csapadék Szél átlaghőmérsékletű napok (ápr.4 okt. 20.) (ápr. 2-4 okt.20.) (ápr. 1-3 okt.21.) Fagymentes időszak kezdete ápr ápr ápr vége okt hossza nap É: okt. 25. D: okt É: 203 nap D: 206 napot is meghaladhatja okt nap (ápr.4-6 okt ) (ápr. 1-4 okt. 20) (ápr. 2-5 okt ) D: nap (ápr. 1-3 okt ) ápr É: ápr É: ápr Duna mentén: ápr. 1. D: ápr. 5. D: ápr.3. okt É: okt. 23. É: okt. 23. Duna mentén: okt D: okt. 30. D: okt nap É: nap É: 195 nap Duna mentén: >205 nap D: 205 nap D: 206 nap Évi abszolút hőmérsékleti maximumok sokévi átlaga 34 C 34 C (D: 34,5 C) 34 C 34 C 34 C 34 C Évi abszolút hőmérsékleti minimumok sokévi átlaga (-16 ) (-17) C (-16 ) (-17) C (-16 ) (-17) C -16 C (-16) (-16,5) C (-16) (-18) C Évi csapadékösszeg mm mm mm mm (É: mm mm (É: 580 mm) 550 mm) (D: 600 mm) Vegetációs időszak átlagos mm mm (É: mm mm mm mm csapadék összege (É: mm) mm) D: 360 mm) 24 órás csapadék maximum 168 mm 130 mm 130 mm 128 mm (Hajós) 98 mm (Mözs) (Apostag) (Előszállás) (Sióagárd) 101 mm (Paks) Hótakarós napok átlagos száma nap 30 nap 30 nap nap nap nap Átlagos maximális hóvastagság 20 cm 20 cm 20 cm cm cm 23 cm Leggyakoribb szélirányok (sorrendben) ÉNy ÉNy, D, DNy ÉNy, D ÉNy ÉÉNy, D É, ÉNy, D Átlagos szélsebesség 2,5-3 m/s 2,5-2,8 m/s 2,5 m/s 2,5-3,3 m/s 2,5-3 m/s 3 m/s táblázat A vizsgálati terület kistájainak éghajlati jellemzői 2.4 JOGSZABÁLYI HÁTTÉR Az Időjárás jellemzése vizsgálati programra vonatkozóan a környezeti hatásvizsgálati és az egységes környezethasználati engedélyezési eljárásról szóló 314/2005. (XII. 25.) Kormányrendelet az alábbi releváns előírásokat tartalmazza: 6. (1) A környezeti hatásvizsgálati eljárás a környezeti hatásvizsgálatra kötelezett tevékenységnek a) a környezeti elemekre (földre, levegőre, vízre, élővilágra, épített környezetre, ez utóbbi részeként a műemlékekre, műemléki területekre és régészeti örökségre is), b) a környezeti elemek rendszereire, folyamataira, szerkezetére, különösen a tájra, településre, éghajlatra, természeti (ökológiai) rendszerre való hatásainak, továbbá c) az előbbi hatások következtében az érintett népesség egészségi állapotában, valamint társadalmi, gazdasági helyzetében különösen életminőségében, területhasználata feltételeiben várható változásoknak az egyes esetek sajátosságainak figyelembevételével történő meghatározására, valamint a tevékenység ennek alapján történő engedélyezhetőségére terjed ki a ok rendelkezései szerint. A környezeti hatásvizsgálatot megalapozó, szakterületi vizsgálati és értékelési programot a 314/2005. (XII.25.) Korm. rendelet mellett az Országhatáron átterjedő környezeti hatások vizsgálatáról szóló Espoo-i Egyezmény (Espoo, Finnország, 1991.), a vonatkozó EU előírások, a releváns és hatályos szakterületi jogszabályok és szabványok figyelembe vételével állítjuk össze és hajtjuk végre. Törvények évi LIII. törvény a környezet védelmének általános szabályairól Kormányrendeletek A környezeti hatásvizsgálati és az egységes környezethasználati engedélyezési eljárásról szóló 314/2005. (XII.25.) Korm. rendelet június /162

24 Az Országos Meteorológiai Szolgálatról szóló 277/2005. (XII. 20.) Korm. rendelet 2.5 ALAPADAT FORRÁSOK, ELŐÍRÁSOK, SZABÁLYOZÁSOK ALAPADATOK Az éghajlati jellemzés elkészítéséhez legfőbb forrásként az OMSZ hivatalos adatbázisát használjuk fel. Az éghajlat jövőbeli megváltozásának leírására alkalmazott regionális klímamodellek egy adott terület viszonyait jellemzik. Ehhez szükséges a nagyskálájú jellemzők megadása, amit globális éghajlati modellek biztosítanak: az Országos Meteorológiai Szolgálatnál alkalmazott modellek esetében az ARPEGE-Climat általános cirkulációs és az ECHAM5/MPI-OM kapcsolt óceán-légkör modellek. A globális klímamodellek adataihoz az OMSZ az ALADIN konzorcium tagjaként, illetve a hamburgi Max Planck Intézettel való kétoldalú együttműködése keretében fér hozzá. Az AROME modell futtatásakor az Európai Középtávú Előrejelző Központ (European Centre for Medium-range Weather Forecasts, ECMWF) globális modellelőrejelzéseit használjuk fel határfeltételként. Ezen adatok felhasználására az OMSZ az ECMWF társult tagsága révén jogosult. A mikroklimatológiai jellemzéshez a jelen projekt keretében végzendő mobil meteorológiai állomások 1 éven keresztül mért adatait is felhasználjuk. A pára- és hőkibocsátás várható hatásainak modellezése során a Módszerfejlesztési Osztályon fejlesztett, és több évre visszamenőleges adatokkal rendelkező szubjektív verifikációs adatbázist, valamint a Repülésmeteorológiai és Veszélyjelző Osztályon vezetett időjárási naplókat is felhasználjuk MVM LÉVAI PROJEKT ÁLTAL ÁTADOTT DOKUMENTÁCIÓK Cím A Paksi Atomerőmű Üzemidő-hosszabbítása Környezeti Hatástanulmány Szerző, kiadó, azonosító, kiadási idő ETV-ERŐTERV Rt., K00004ERE/A, február ETV-ERŐTERV Rt., 0000K00ERA00050/B, november OMSZ, december Zárójelentés a Paksi Atomerőmű telephely-jellemzési programjának keretében a lokális klíma változásáról Éghajlati hatástanulmány Paks térségére A Paksi Atomerőmű Végleges Biztonsági Jelentése 2. fejezet Paksi Atomerőmű Rt., Paksi Atomerőmű meteorológia tornyával mért, havi átlagolt adatok PA Zrt Paksi Atomerőmű meteorológia tornyával mért, 10 perces adatok PA Zrt OMSZ napi bontású meteorológiai adatok OMSZ 2010 A globális klímaváltozás hatásai a PAE üzemidő hosszabbítására BME 2010 Új atomerőművi blokkok létesítése Előzetes konzultációs dokumentáció A Paksi Atomerőmű Célzott Biztonsági Felülvizsgálata - A telephelyen lehetséges természeti eredetű veszélyforrások Időjárási hatások Pöyry Erőterv Zrt. 6F111121/0002/O, NUBIKI, augusztus SZAKIRODALOM A jelenlegi éghajlat jellemzésekor az alábbi szakirodalmat vesszük alapul: Coles, S. G., 2001: An Introduction to Statistical Modeling of Extreme Values. Springer Verlag, London. Dévényi D., Gulyás O., 1988: Matematikai statisztikai módszerek a meteorológiában, Tankönyvkiadó, ISBN X Faragó, T. and KATZ, R. W., 1990: Extremes and design values in climatology. WMO, Geneva, TD-No Gumbel, E. J., 1958: Statistics of extremes. Columbia University Press, New York. Lakatos M., 2005: Extrém meteorológiai jelenségek matematikai modellezése. Doktori értekezés június /162

25 Lakatos, M., Matyasovszky, I., 2004: Analysis of the extremity of precipitation intensity using the POT method Időjárás, Vol.108. No. 3., Lakatos, M. Matyasovszky, I., 2002: Specification of multivariate extremity in climatological data Időjárás, Vol No. 2, Matyasovszky I., 2002: Statisztikus klimatológia. ELTE Eötvös Kiadó, Budapest. The Role of Climatological Normals in a Changing Climate, WCDMP-No. 61, WMO-TD No. 1377, 2007 ÉLFO/ÉO Az éghajlati elemzések és tanulmányok készítésének technológiai leírása Doswell, C.A. III (2001): Severe convective storms - An overview. Meteor. Monogr., (Issued by American Meteorological Soc.) J.R. Horlton: An Introduction to Dynamic Meteorology, 5th EditionAcademic Press, C. Church, D. Burgess, C. Doswell, R. Davies-Jones The Tornado: Its Structure, Dynamics, Prediction, and Hazards (Geophysical Monograph)Amer Geophysical Union, R. A. Houze Cloud Dynamics Academic Press W. Cotton, S. H. Bryan van den Heever: Storm and Cloud DynamicsAcademic Press Az éghajlat jövőbeli megváltozásának leírása során a következő szakirodalmi módszertant követjük: Déqué, M., and Piedelievre, J.P., 1995: High resolution climate simulation over Europe. Climate Dynamics 11, Giorgi, F., and Bates, G., 1989: The Climatological Skill of a Regional Model over Complex Terrain. Monthly Weather Review 117, Jacob, D., and Podzun, R., 1997: Sensitivity studies with the regional climate model REMO. Meteorology and Atmospheric Physics 63, Szépszó G., 2008: First results with the REMO regional climate model at the Hungarian Me-teorological Service. CLIVAR Exchanges 46, 13 (3), Szépszó G. and Horányi, A., 2008: Transient simulation of the REMO regional climate model and its evaluation over Hungary. Időjárás 112, 3 4, Hawkins, E. and R. Sutton, 2009: The potential to narrow uncertainty in regional climate pre-dictions. Bulletin of American Meteorological Society 90, Hawkins, E. and R. Sutton, 2011: The potential to narrow uncertainty in projections of re-gional precipitation change. Climate Dynamics 37, Nakicenovic, N. and Swart, R. (eds.), 2000: Emissions Scenarios. A Special Report of IPCC Working Group III, Cambridge University Press, Cambridge, UK. van der Linden, P. and Mitchell, J.F.B. (eds.), 2009: ENSEMBLES: Climate Change and its Impacts: Summary of research and results from the ENSEMBLES pro-ject. Met Office Hadley Centre, Exeter EX1 3PB, UK. Csima G. and Horányi, A., 2008: Validation of the ALADIN-Climate regional climate model at the Hungarian Meteorological Service, Időjárás 112, 3 4, Szépszó G. and Horányi, A., 2008: Transient simulation of the REMO regional climate model and its evaluation over Hungary. Időjárás 112, 3 4, A hűtőtornyos erőművek légkörre gyakorolt hatásainak szakirodalmi áttekintése alapjául szolgáló szakirodalom: Addiess D.G., Davis J.P., La Venturele M., Wand P.J., Hutchinson M.A., McKinney R.M., 1989: Communityacquired Legionnaires s disease associated with a cooling tower: evidence for longer distance transport of Legionella pneumophilia. American Journal of Epydemology; 130; Barcza Z, 2012: Okozhatja-e az emberi eredetű vízgőz az éghajlat változását?, MTB ülés ea, 2012 január 30. mtb.met.hu/download.php?l=ulesek/doc&f=ules_ pdf Bozó L., Mészáros E., Molnár Á., 2006: Levegőkörnyezet. Budapest, Akadémia Kiadó Changon, S.A., 1973: Urban-industrial effects on clouds and precipitation. In: Proc. Workshop on Inadvertent Weather Modification, Utah State U., Logan, Utah, Aug 1973, pp Cooling towers and "global warming", Czelnai R., Götz G., Iványi Zs., 1982: A mozgó légkör és óceán. Budapest, OMSZ, 321 old. DiPietro, P., Water vapor from thermoelectric power plants, does it impact climate? DOE/NETL-2008/ június /162

26 Hosler C. L. and H.E. Landsberg, 1977: The Effect of Localized Man-Made Heat and Moisture Sources in Mesoscale Weather Modification, In: Energy and Climate: Sudies in Geophysics, Washington, DC: The National Academic Press. Huff F.A., R.C. Beebe, M.A. Jones, G.M. Morgan, R.G. Semoin, 1971: Effect of cooling tower effluents on atmospheric conditions in northeastern Illnois, Huff, F.A., 1972: Potential augmentation of precipitation from cooling tower effluents, Bull. Amer. Meteor. Soc, 53, Lee, J.L., 1977: Potential weather modification from cooling tower effluents at conceptual power parks, Atmospheric Environment Vol 11, pp Pergamon Press Orville, H. D., J.H.Hirsch, L.E. May, 1980: Application of a cloud model to cooling tower plumes and clouds. Journal of applied meteorology, Vol. 19, pp Orville, H. D., Eckhoff, P. A., Peak, J. E., Hirsch, J. H., Kopp, F. J., 1981: Numerical simulation of the effects of cooling tower complexes on clouds and severe storms. Atmospheric Environment Vol. 15, No. 5, pp Pergamon Press. Plate E. J. (ed.), 1982: Engineering meteorology (Fundamentals of Meteorology and Their Application to Problems in Envitronmental and Civil Engineering), Amsterdam Oxford New York, 740 p. Chapters , (p. 454) és 10.9 (pp ), Elsevier. RCS, 2007: Myth of cooling towers is symptomatic of global warming information shortage, SACTIP, 2007: Cooling Tower Plum Modelling Analysis for the Kings River Conservation District Community Power Plan, Argonne National Laboratory. Sauvageot, H., 1989: Radar measurement of cooling tower drift. Journal of applied meteorology, Vol. 28, Spurr G., 1974: Meteorology and cooling tower operation. Atmospheric Environment, Vol. 8., pp Szabó, G., 2007: Új-Energiaforrás Trebišov környezetre kifejtett hatása a meteorológiai viszonyok tekintetében, Szász G., Tőkei L. (szerk.), 1997: Meteorológia mezőgazdáknak, kertészeknek, erdészeknek, Egyetemi tankönyv, Budapest, Mezőgazda Kiadó, p Unger J., Sümeghy Z., Kántor N., Gulyás Á., 2012: Kisléptékű környezeti klimatológia, Szeged, Egyetemi Kiadóú A pára- és hőkibocsátás modellezésének alapjául szolgáló szakirodalom: Seity, Y., P. Brousseau, S. Malardel, G. Hello, P. Bénard, F. Bouttier, C. Lac, V. Masson, 2011: The AROME- France Convective-Scale Operational Model. Mon. Wea. Rev., 139, Le Moigne, P., 2009: SURFEX Scientific Documentation. 211 pp. Available from HIVATALOS STATISZTIKÁK, ADATTÁRAK A munka során az OMSZ hiteles adatsorokat tartalmazó, elektronikus adatbázisát vesszük igénybe SZOFTVEREK Az ALADIN/AROME modellcsalád felhasználására az OMSZ az ALADIN nemzetközi együttműködésben való részvétele miatt jogosult. A modelleredmények kiértékelése során felhasználjuk az OMSZ saját fejlesztésű vizualizációs szoftverét (HAWK), valamint az R programcsomagot. Oracle alapú, OMSZ által fejlesztett adatbázis programok és alkalmazások. OMSZ által fejlesztett, az adatbázisban futó program, mely a minta alapján becslést ad az aszimptotikus szélsőérték függvény paramétereire és ezek segítségével a visszatérési periódusokra. Szabad hozzáférésű R statisztikai programcsomag szélsőérték függvényei és extremes modulja június /162

27 Az éghajlat jövőbeli megváltozásának leírására alkalmazott regionális klímamodellek C++ és Fortran programrendszerek, melyek futtatásához nagyszámítógépes Linux környezetet használunk. Az eredmények feldolgozása Fortran és Shell porgramok, valamint speciális szoftverek, a CDO (Climate Data Operator) számítási és a GrADS (Grid Analysis and Display System) megjelenítő szoftverek segítségével történik SZABÁLYZATOK, TERVEK 20/2011. (VIII.17.) OMSZ utasítás Az OMSZ SAFIR HMS villámlás lokalizációs hálózatának üzemeltetéséről OMSZ Minőségügyi Kézikönyv, Munkautasítások: ÉLFO/ÉO Az éghajlati elemzések és tanulmányok készítésének technológiai leírása MFO/FMO Automata állomás telepítése, áttelepítése MFO/LMO Az automata mérőállomás érzékelőinek kalibrálási utasítása MFO/FMO Az automata mérőhálózat működésének ellenőrzése MFO/FMO A MILOS és QLC automata mérőállomások karbantartása, javítása, az érzékelők cseréje MFO Az FMO hibakezelő és dokumentációs rendszere MFO A vidéki telephelyű hálózati ellenőrök ellenőrzési feladatai IMFO/MO ALADIN és AROME determinisztikus modellek, valamint az ALADIN EPS rendszer felügyelete ELŐÍRÁSOK, NORMÁK Az OMSZ tevékenységét a Meteorológiai Világszervezet (WMO, World Meteorological Organization) által meghatározott nemzetközi szakmai előírásoknak megfelelően végzi. Az éghajlatra vonatkozó normákat a The Role of Climatological Normals in a Changing Climate című, WCDMP-No. 61, WMO-TD No számú, 2007-es útmutató határozza meg: A meteorológiai mérésekre és megfigyelésekre a Guide to Meteorological Instruments and Methods of Observation című, WMO-No. 8 számú, 2008-as útmutató vonatkozik: CIMO_Guide-7th_Edition-2008.pdf. 2.6 METEOROLÓGIA A TELEPHELY ÉS 30 KM-ES KÖRNYEZETÉNEK ÉGHAJLATI ELEMZÉSE Felhasznált alapadatok évben az Országos Meteorológiai Szolgálat az Előzetes Környezeti Hatástanulmány (EKHT) követelményeinek megfelelően elkészítette az Éghajlati hatástanulmány Paks térségére c. szakvéleményt. A paksi telephelyen tervezett új atomerőművi blokkok engedélyeztetéséhez ezen elemzésünket aktualizáltuk jelen tanulmányunkban az közötti, 30 éves periódusra. Az 1997 utáni időszakban számos szélsőséges időjárási helyzet fordult elő Magyarország területén, így Paks térségében is. Ezeknek a helyzeteknek a kimutatásához részletes adatfeldolgozásokat végeztünk az június /162

28 közötti időszakra, különös tekintettel az átlagtól való eltérésekre és az extrém értékekre. A csapadék-feldolgozások alkalmával, egyes vizsgálatoknál nemcsak a paksi meteorológiai állomás méréseit vettük figyelembe, hanem a Paks 30 km-es környezetében található, hiánytalan adatsorral rendelkező hagyományos csapadékmérő állomások adatait is ( ábra). Tanulmányunkat az Országos Meteorológiai Szolgálat adatait felhasználva készítettük el. A tanulmányhoz használt adatok, információk és dokumentumok teljes körűek, valódiak és hitelesek. A kiválasztott meteorológiai paraméterek az éghajlat teljes körű jellemzésére megfelelőek. A felhasznált 30 éves időszak elegendően hosszú ahhoz, hogy jól jellemezze az éghajlat állandóságát és változékonyságát. A jellemzésekhez kiválasztott állomások adatsorai hiányt csak elvétve tartalmaznak, ezek mennyisége nem befolyásolja az eredményeket. Az éghajlati elemzéshez Paks meteorológiai állomás közötti adatait használtuk fel; illetve a csapadékelemzések esetében a Paks 30 km-es környezetében található, hagyományos csapadékmérő állomások adatait is: Előszállás, Sáregres (Cece), Simontornya, Bikács, Paks Gyapa, Dunapataj, Kölesd Borjád, Tengelic, Bátya, Hajós. A paksi meteorológiai állomás földrajzi koordinátái: szélesség: ; hosszúság: tengerszint feletti magasság: 97,2 m ábra Paks 30 km-es környezetében található, hiánytalan adatsorral rendelkező csapadékmérő állomások június /162

29 A következő meteorológiai paraméterek adatsoraival dolgoztunk: átlaghőmérsékletek, maximum- és minimumhőmérsékletek, talajhőmérsékletek csapadékösszegek, hótakaró vastagsága, zivatar, radarmérések napfénytartam tengerszintre átszámított légnyomás tényleges és potenciális párolgás, relatív nedvesség szélirány, szélsebesség, maximális széllökés Felhasznált módszerek A szélsőértékek visszatérési értékének becslésére alkalmazott módszer A mérnöki gyakorlatban, tervezéskor sokszor teszik fel azt a kérdést, hogy egy n (év) hosszúságú időszak során egy meteorológiai elem maximuma milyen értéket halad meg, illetve a minimum milyen érték alatt marad adott p valószínűséggel. Ez az érték a tervezési érték vagy más néven visszatérési szint. A p valószínűséget a maximum esetében általában a p=1-1/t formában értelmezik, ahol T a visszatérési idő, vagy más néven visszatérési periódus, melynek során a tervezési értéket meghaladó érték átlagosan egyszer fordul elő. A tervezési folyamatok során, például csatornák, hidak, gátak tervezésekor használatos visszatérési idő az 50, 100, 1000 év szokott lenni a műtárgytól függően, sőt az atomerőművek műszaki terveinél éves visszatérési szintekkel kell számolni. A minimum, a maximum és a szélsőségeket jellemző egyéb karakterisztika is egy adott meteorológiai elemet reprezentáló valószínűségi változó adott időszakra vonatkoztatott valószínűségi eloszlásfüggvényével függ össze. Az idősorok extrém értékeinek tanulmányozása során a tapasztalat azt mutatta, hogy függetlenül az alapeloszlástól, az extrémumok hasonlóan viselkednek. Ebből a tényből következően létezik valamilyen határeloszlás, vagy határeloszlások, melyekkel kellően nagy mintaszám esetén jól modellezhető a szélsőértékek eloszlása. Az aszimptotikus eloszlások Gumbel-eloszlás, Fréchet-eloszlás és Weibull-eloszlás néven ismertek. E három függvény a közös G ( ) exp( (1 / ) a J z z a ), z / a 1, z ( x u) / b alakba írható, amit általános extrém eloszlásnak vagy Jenkinson-eloszlásnak nevezünk (Coles, S.G., 2001). Az angol General Extreme Value Distribution kezdőbetűiből adódóan gyakran találkozunk a szakirodalomban a GEV elnevezéssel. Az u a GEV-eloszlás lokációs-, b a szórási- vagy más néven skála-, az a pedig az úgynevezett alakparamétere. Az alapeloszlás következtetni enged arra, hogy az extremális értékek határeloszlása mely típushoz tartozik. Ha az alapeloszlás sűrűségfüggvénye nagy x-ekre exponenciális rendben fogy zérushoz, akkor a Gumbel- (Gumbel, 1958), ha ennél lassabban, x valamilyen hatványa szerint csökken, akkor Fréchet-típusú lesz a határeloszlás. Weibull-típushoz akkor jutunk, ha az alapeloszlás sűrűségfüggvénye nagy x-ekre azonosan zérus. A klimatológiai alkalmazásokban leggyakrabban az extrémumok Gumbel-közelítésével élünk, mivel a meteorológiai elemek általában normális, lognormális, exponenciális vagy gamma eloszlással írhatók le. Az egyváltozós szélsőérték elmélet jól kidolgozott aszimptotikus formulákon alapul, a különböző becslési technikák lehetőséget adnak az extrém eloszlások modellezésére, az illesztett modell verifikációjára is (Matyasovszky, 2002). A paraméterbecslések közül a maximum likelihood-becslést igen széles körben alkalmazzák (Faragó and Katz, 1990), mivel statisztikai szempontból jó tulajdonságokkal rendelkezik, a becslés általában torzítatlan, de legalábbis aszimptotikusan torzítatlan Hőmérsékleti viszonyok Az átlagos évi középhőmérséklet ( ) Paks állomáson 10,7 C, mely meghaladja az országos átlagot. Diagramon ábrázoltuk az közötti időszak éves középhőmérsékleteinek alakulását az es normálhoz viszonyítva ( ábra) június /162

30 Lévai Projekt Az időszak leghűvösebb éve 1996 volt, amikor 1,2 C-kal mértünk alacsonyabb átlaghőmérsékletet, a legmelegebb pedig a 2000-es év volt, ekkor 1,3 C-kal volt melegebb a sokévi értéknél. Szintén jelentős pozitív anomáliát észlelhettünk még a 2007-es, 2008-as és 2009-es években (1,1-1,2 C). Ha az elmúlt tizenegy év eltéréseit nézzük, akkor elmondhatjuk, hogy hat évben jóval átlag feletti középhőmérsékleteket figyelhettünk meg, négy esetben kissé hűvösebb volt a szokásosnál, és 2005-ben észleltünk csak nagyobb negatív anomáliát. Ez az időszak tehát egy az átlaghoz képest meleg időszaknak tekinthető, míg a 80-as évek közepén egy hűvösebb periódust figyelhetünk meg, a többi időszakban pedig változó előjelű anomáliákat. A tendencia az egész időszakot tekintve tehát pozitívnak adódik. Évi középhőmérsékletek átlagtól vett eltérése Paks állomáson 1,5 C 1,28 1,0 C 1,06 0,96 1,18 1,24 1,06 0,68 0,5 C 0,42 0,0 C -0,5 C -1,0 C 0,06 0,11 0,11 0,16-0,32-0,40-0,63-0,94-1,05-1,03-0,54-0,03-0,14-0,22-0,73-1,19-0,08-0,08-0,16-0,74 0,24-0,31-1,5 C ábra Évi középhőmérsékletek [ C] sokéves átlagtól ( ) vett eltérése között Paks állomáson A hőmérséklet átlagos évi menetét tekintve ( ábra) láthatjuk, hogy a térség legmelegebb hónapja a július (21,4 C), a leghidegebb pedig a január (-0,3 C). Az átlagos évi hőingás, mely a legmelegebb és a leghidegebb hónap középhőmérséklete közti különbség, 21,7 C június /162

31 Lévai Projekt 25 C Sokévi átlagos havi középhőmérsékletek ( ) Paks állomáson 20 C 15 C 10 C 5 C 0 C -5 C J F M Á M J J A S O N D ábra Havi középhőmérsékletek sokévi átlaga [ C] Paks állomáson ( ) A következőkben a havi középhőmérsékletek alakulását ( ábra), illetve az es átlagtól vett eltéréseit ( táblázat) mutatjuk be az közötti évekre, Paks állomásra. Ezek alapján elmondható, hogy az évek közötti ingadozás a téli félév hónapjainál átlagosan nagyobb, mint a nyári hónapok esetében. Január havi középhőmérsékletek Paks állomáson Február havi középhőmérsékletek Paks állomáson 6 C 5 C 4 C 3 C 2 C 1 C 0 C -1 C -2 C -3 C -4 C -1,9 1,8-0,5-1,4 1,2 0,3-2,6-1,9 0-2,1 5,1 0,9-1,5-1,7 7 C 5 C 3 C 1 C -1 C -3 C -5 C -7 C 2,2 4,8 0,7 3,5 3,4 5,4-5,4 2-2,5-0,2 5 4,2 1,9 1 9 C 8 C 7 C 6 C 5 C 4 C 3 C 5 4 6,8 Március havi középhőmérsékletek Paks állomáson 6,1 8,5 7, ,6 7,9 7,2 6,4 6,6 15 C 14 C 13 C 12 C 11 C 10 C 9 C 8 C 7 C 6 C 7, Április havi középhőmérsékletek Paks állomáson 13,9 12,4 12, ,6 10,9 10,1 10,4 10,7 14,5 11, június /162

32 Lévai Projekt Május havi középhőmérsékletek Paks állomáson Június havi középhőmérsékletek Paks állomáson 20 C 19 C 18 C 17 C 16 C 15 C 14 C 16,4 14, ,2 17,9 18,4 19,4 14,7 16,2 15,4 17,8 17,4 17, C 23 C 22 C 21 C 20 C 19 C 18 C 17 C 19,3 20,2 19, ,6 20,7 22,9 18,6 18,8 19,5 21,7 21, ,6 13 C 16 C Július havi középhőmérsékletek Paks állomáson Augusztus havi középhőmérsékletek Paks állomáson 24 C 23 C 22 C 21 C 20 C 19,7 20,8 21,5 20, ,7 22,1 21,1 20,7 23,1 23,1 21,6 22,4 22,8 24 C 23 C 22 C 21 C 20 C 19 C 20,4 20,8 19,6 22,5 21,7 20,9 23,4 20, ,7 21,9 21,2 22,2 20,4 19 C 18 C 18 C 17 C Szeptember havi középhőmérsékletek Paks állomáson Október havi középhőmérsékletek Paks állomáson 19 C 18 C 17 C 16 C 15 C 14 C 13 C 15,3 15,2 18,3 15,9 14,2 15,3 15,9 15,3 16,4 17,6 13,8 15,2 18,4 14,2 14 C 13 C 12 C 11 C 10 C 9 C 8 C 7 C 7,8 11,3 11,1 13,2 13,3 10,4 8, ,1 12,4 9, ,7 12 C 6 C November havi középhőmérsékletek Paks állomáson December havi középhőmérsékletek Paks állomáson 9 C 8 C 7 C 6 C 5 C 4 C 3 C 2 C 5,5 2,9 3 8,5 3,2 7,9 6,8 5,9 3,8 7,3 3,6 6,8 7,1 7,3 4 C 3 C 2 C 1 C 0 C -1 C -2 C -3 C -4 C -5 C -6 C 2,2-3,2 0,1 2,5-5 -0,6 0,8 1,1 1 2,2-0,4 3,2 1,9-0, ábra Havi középhőmérsékletek [ C] között Paks állomáson június /162

33 A havi középhőmérsékletek sokéves átlagtól vett eltérése [ C] Január -1,6 2,1-0,2-1,1 1,5 0,6-2,3-1,6 0,3-1,8 5,4 1,2-1,2-1,4 Február 1,1 3,7-0,4 2,4 2,3 4,3-6,5 0,9-3,6-1,3 3,9 3,1 0,8-0,1 Március -0,8-1,8 1,0 0,3 2,7 1,5-0,8-0,8-1,8-1,2 2,1 1,4 0,6 0,8 Április -3,8 0,8 0,8 2,7-1,1-0,3-0,8 0,4-0,5 1,2 1,6 0,8 3,3 0,1 Május 0,0-1,6-0,4 0,8 1,5 2,0 3,0-1,7-0,2-1,0 1,4 1,0 1,1-0,4 Június 0,0 0,9-0,2 1,7-1,7 1,4 3,6-0,7-0,5 0,2 2,4 1,9-0,3 0,3 Július -1,7-0,6 0,1-0,9-0,4 1,3 0,7-0,3-0,7 1,7 1,7 0,2 1,0 1,4 Augusztus -0,3 0,1-1,1 1,8 1,0 0,2 2,7 0,0-1,7-2,0 1,2 0,5 1,5-0,3 Szeptember -0,7-0,8 2,3-0,1-1,8-0,7-0,1-0,7 0,4 1,6-2,2-0,8 2,4-1,8 Október -3,0 0,6 0,4 2,5 2,6-0,4-2,4 1,3 0,4 1,7-0,9 1,3 0,3-3,1 November 0,5-2,1-2,0 3,5-1,8 2,9 1,8 0,9-1,2 2,3-1,4 1,8 2,1 2,3 December 1,5-3,9-0,6 1,8-5,7-1,3 0,1 0,4 0,3 1,5-1,1 2,5 1,2-1, táblázat A havi középhőmérsékletek sokéves átlagtól ( ) vett eltérése [ C] között Paks állomáson A hőmérsékleti szélsőségeket tekintve először táblázatos formában kigyűjtöttük a legalacsonyabb, legmagasabb, illetve az átlagos maximum és minimum hőmérsékleteket havonta, Paks állomásra vonatkozóan, az es napi adatok alapján ( táblázat, táblázat). Maximum hőmérséklet [ C] ( ) Legalacsonyabb Év Legmagasabb Év Átlag Január , ,2 Február , ,9 Március -5, , ,5 Április , ,6 Május 8, , ,0 Június 11, , ,9 Július 15, , ,4 Augusztus 14, , ,0 Szeptember 11, , ,0 Október 3, , ,3 November -6, , ,4 December -10, , , táblázat A maximumhőmérsékletek legalacsonyabb, legmagasabb, valamint átlagos értékei [ C] havonta ( ) Paks állomáson Minimum hőmérséklet [ C] ( ) Legalacsonyabb Év Legmagasabb Év Átlag Január -30, , ,9 Február , ,3 Március , ,4 Április -7, , ,7 Május -2, , ,5 Június 1, , ,8 Július 4, , ,4 Augusztus 4, , ,8 Szeptember -0, , ,8 Október -11, , ,3 November -22, , ,0 December -23, , táblázat A minimumhőmérsékletek legalacsonyabb, legmagasabb, valamint átlagos értékei [ C] havonta ( ) Paks állomáson június /162

34 A legnagyobb napi maximumot 2007 júliusában mértük (40,6 C), a legalacsonyabbat pedig 1987 januárjában (-13 C). A minimum hőmérséklet esetében 1987 januárjában figyeltük meg a legkisebb értéket (-30,3 C) és 2003 augusztusában a legnagyobbat (22,7 C). Ezek egyben a paksi mérések kezdete óta mért legextrémebb értékek is. A következő táblázatban ( táblázat) a maximum és minimum hőmérsékletek visszatérési értékeit találhatjuk, amelyeket az közötti időszak mérései alapján számítottunk ki, a Gumbel-féle statisztikai módszert alkalmazva. A visszatérési értékek megmutatják, hogy az adott hőmérséklet előfordulására átlagosan hány évente számíthatunk. Fontos megjegyezni, hogy ezek átlagos értékek, tehát akár egymást követő években is előfordulhatnak ugyanolyan extrém értékek, és lehetnek szélsőségek nélküli időszakok is. 36 C körüli maximum hőmérséklet átlagosan kétévente, 40 C-os körülbelül 50 évente jelentkezik. -20 C-os minimum hőmérsékletre kevesebb, mint négyévente számíthatunk, -30 C azonban csak több, mint 50 évente jelentkezik Paks környékén. A maximum és minimum hőmérsékletek visszatérési értékei Gumbel eloszlással Visszatérési periódus (év) Maximum- hőmérséklet [ C] Minimum- hőmérséklet [ C] 2 35,9-17,7 4 36,8-20,7 5 37,1-21, ,9-24, ,7-26, ,7-29, ,4-32, ,1-34, ,1-37, ,8-40, ,6-42, ,5-45, ,3-47, ,0-50, ,7-55, táblázat A maximum és minimum hőmérsékletek visszatérései értékei Gumbel eloszlással Paks állomásra vonatkozóan ( es adatok alapján) A hőmérsékleti viszonyok jellemzésére további információt képvisel az ún. küszöbnapok száma, amely a hőmérséklet adott értékeit elérő, illetve meghaladó napi legmagasabb, ill. legalacsonyabb hőmérséklet napokban kifejezett száma. Nyári, hőség, illetve forró napról beszélünk, ha a hőmérséklet napi csúcsértéke eléri vagy meghaladja a 25 C-ot, a 30 C-ot, illetve a 35 C-ot. Ezen küszöbnapok számának alakulását láthatjuk következő táblázatainkban ( táblázat, táblázat, táblázat) és ábráinkon ( ábra, ábra, ábra) Paks állomásra vonatkozóan. Ha a havi bontású táblázatokat tekintjük, látjuk, hogy a legtöbb küszöb fölötti napot július-augusztus hónapokban figyeltük meg, s az is kitűnik, hogy míg az közötti időszak elején inkább augusztus, addig a végén inkább július hónapban jelentkezett több ilyen nap. Nyári napot áprilistól egészen októberig figyeltünk meg, hőségnapot a május-szeptember időszakban, forró napot viszont csak június-szeptember között. A legtöbb nyári napot 1997 óta 2003 júniusában és augusztusában észleltük (30 nap), a legtöbb hőségnapot 2003 augusztusában (24 nap), míg a legtöbb forró napot 2007 júliusában (10 nap). Éves szinten tekintve, 1981 óta 2009-ben volt a legtöbb (129 nap), 1984-ben a legkevesebb (61 nap) nyári nap. Hőségnapból szintén 1984-ban figyeltük meg a legkevesebbet (14 nap), a legtöbbet viszont 2003-ban (66 nap). A forró napok legmagasabb száma 1992-ben (13 nap) volt, míg 1982-ben, 1984-ben, 1986-ban, 1997-ben és 1999-ben nem regisztráltunk 35 C-ot meghaladó maximum hőmérsékletet június /162

35 Nyári napok (Tmax 25 C) száma IV. V. VI. VII. VIII. IX. X. Év táblázat A nyári napok (Tmax 25 C) száma között havonta, Paks állomáson Hőségnapok (Tmax 30 C) száma V. VI. VII. VIII. IX. Év táblázat A hőségnapok (Tmax 30 C) száma között havonta, Paks állomáson Forró napok (Tmax 35 C) száma VI. VII. VIII. IX. Év táblázat A forró napok (Tmax 35 C) száma között havonta, Paks állomáson június /162

36 Lévai Projekt A diagramokon ábrázoltuk az adatsorokra illesztett lineáris trendeket is, melyek mindhárom küszöbnap esetében pozitívnak bizonyultak, vagyis nőtt a meleg és szélsőségesen meleg napok száma az elmúlt időszakban. 130 nap 120 nap 110 nap 100 nap 90 nap 80 nap 70 nap 60 nap 50 nap Nyári napok éves száma ( ) ábra A nyári napok (Tmax 25 C) száma évente ( ) Paks állomáson; ezen adatsorra illesztett lineáris trend 70 nap Hőségnapok éves száma ( ) 60 nap 50 nap 40 nap 30 nap 20 nap 10 nap 0 nap ábra A hőségnapok (Tmax 30 C) száma évente ( ) Paks állomáson; ezen adatsorra illesztett lineáris trend 14 nap Forró napok éves száma ( ) 12 nap 10 nap 8 nap 6 nap 4 nap 2 nap 0 nap ábra A forró napok (Tmax 35 C) száma évente ( ) Paks állomáson; ezen adatsorra illesztett lineáris trend június /162

37 Lévai Projekt Csapadékviszonyok A csapadék a hőmérséklettel ellentétben sem térben, sem időben nem folytonos meteorológiai elem. Rövid vagy hosszú száraz időszakok és különböző, esetenként igen nagy mennyiségű csapadékhullások váltják egymást, gyakran szeszélyes területi és időbeli eloszlásban. Az éves csapadékösszegeket tekintve ( ábra), 1951 óta a legszárazabb év az 1961-es volt (285,9 mm) Pakson, míg a legcsapadékosabb az adatsorból igen kiemelkedő összegével a 2010-es év (990,9 mm), mely az eddigi abszolút maximumot is megdöntötte (1937-es 887 mm-t). A tízéves átlagokat megfigyelve elmondhatjuk, hogy az utolsó tíz év volt összességében a legcsapadékosabb az időszakban (642 mm-es átlaggal, míg a vizsgált 60 év átlagos évi csapadékösszege 579 mm), de ez főként a 2010-es év rendkívüli összegének köszönhető. Megjegyezzük, hogy ha ezt az évet nem vennénk számításba, akkor is az es időszak átlagával közel azonos értéket kapnánk, mely a második legcsapadékosabb tíz év volt 1951 óta. A hőmérséklethez hasonlóan tehát itt is egy pozitív trendet vélünk felfedezni éves szinten. Megjegyezzük, hogy az utolsó tíz évben az éves összegek szórása is magasabb volt, és ez a szélsőséges csapadékok előfordulására utal mm 950 mm 900 mm 850 mm 800 mm 750 mm 700 mm 650 mm 600 mm 550 mm 500 mm 450 mm 400 mm 350 mm 300 mm 250 mm Éves csapadékösszegek Paks állomáson ábra Éves csapadékösszegek [mm] alakulása között, s a tízéves átlagok Paks állomáson Az évet felosztva megvizsgáltuk a nyári és téli félév csapadékösszegeit is (nyári félév: április 1. szeptember 30., téli félév: október 1. március 31.). Jól látszik, hogy az évek többségében a nyári félév csapadékosabban alakul a télinél (az esetek körülbelül 78%-ában). A nyári félév esetében ( ábra) a minimális és maximális értékek ugyanabban az évben jelentek meg, mint az éves összegeknél, s a trend is hasonlóan alakul, az utolsó két évtized csapadékosabbnak adódott, mint a megelőző négy. A téli félév esetében ( ábra) a legszárazabb időjárást 1970-ben tapasztaltuk. A tízéves átlagokat tekintve is eltér ez a félév az évestől, a legcsapadékosabb téli félévek az és az közti évtizedekben voltak. A számítások alapján kismértékű növekvő trend ugyan itt is megfigyelhető, de ez kevésbé meredek, mint a nyári félévnél június /162

38 Lévai Projekt 700 mm 650 mm 600 mm 550 mm 500 mm 450 mm 400 mm 350 mm 300 mm 250 mm 200 mm 150 mm 100 mm A nyári félév csapadékösszegei Paks állomáson ábra A nyári félév csapadékösszegeinek [mm] alakulása között, s a tízéves átlagok Paks állomáson 700 mm 650 mm 600 mm 550 mm 500 mm 450 mm 400 mm 350 mm 300 mm 250 mm 200 mm 150 mm 100 mm A téli félév csapadékösszegei Paks állomáson ábra A téli félév csapadékösszegeinek [mm] alakulása között, s a tízéves átlagok Paks állomáson (az évszám a téli félév kezdetét jelöli) A csapadék évi menetét tekintve ( ábra) azt mondhatjuk, hogy a legcsapadékosabb hónap Paks térségében a június (72,3 mm), utána következik a két másik nyári hónap és a május, tehát a nyári időszakban hullik általában a legtöbb csapadék. Ezen időszak után novemberben figyelhetünk meg egy másodmaximumot (54 mm). A legszárazabb hónap a március (31,7 mm), de általában január-februárban is kevés a csapadék június /162

39 Lévai Projekt 80 mm Átlagos havi csapadékösszegek ( ) Paks állomáson 70 mm 60 mm 50 mm 40 mm 30 mm 20 mm J F M Á M J J A S O N D ábra Átlagos havi csapadékösszegek [mm] Paks állomáson ( ) A csapadékösszegek alakulását évről-évre havi bontásban is bemutatjuk 1997-től kezdődően Paks állomásra ( ábra), melyből jól kitűnik az éven belüli, s az évek közötti nagy változékonyság is. 90 mm 80 mm 70 mm 60 mm 50 mm 40 mm 30 mm 20 mm 10 mm 0 mm 32,1 84,5 20 Január havi csapadékösszegek Paks állomáson 10,7 81,9 12,6 54,1 27,4 12,4 35,5 29,1 17,7 53,1 49,6 120 mm 100 mm 80 mm 60 mm 40 mm 20 mm 0 mm ,3 Február havi csapadékösszegek Paks állomáson 32,1 2, ,2 64,1 33,1 46,7 41,1 6, ,8 60 mm 50 mm 40 mm 30 mm 20 mm 18,3 14,5 20,8 Március havi csapadékösszegek Paks állomáson 44,9 56,3 56,6 41,1 34,2 28,9 53,2 22,2 16,3 120 mm 100 mm 80 mm 60 mm 40 mm ,9 29,6 Április havi csapadékösszegek Paks állomáson 57,6 31,2 75,2 81,7 55,2 51,5 32,2 51,3 10 mm 0 mm 7,2 7,2 20 mm 0 mm 13,2 0 3, június /162

40 Lévai Projekt Május havi csapadékösszegek Paks állomáson Június havi csapadékösszegek Paks állomáson 250 mm 200 mm 150 mm 100 mm 50 mm 84,6 47,6 54,1 60,6 31,2 21,7 10,4 55,2 56,8 59, ,5 28,7 218,2 140 mm 120 mm 100 mm 80 mm 60 mm 40 mm 20 mm 40 60,1 117,4 20,4 96,8 30, , ,1 31,5 70,7 76,8 127,9 0 mm 0 mm 180 mm 160 mm 140 mm 120 mm 100 mm 80 mm 60 mm 40 mm 20 mm 0 mm 85,4 74,7 158,1 Július havi csapadékösszegek Paks állomáson 41,7 122,5 77,6 84,9 44,4 155,7 37,6 25,9 100,1 62,3 28,1 200 mm 180 mm 160 mm 140 mm 120 mm 100 mm 80 mm 60 mm 40 mm 20 mm 0 mm Augusztus havi csapadékösszegek Paks állomáson 190,7 77,7 77,9 84,6 69,4 69,2 66,7 59,9 56,2 45,9 30, ,4 59,3 Szeptember havi csapadékösszegek Paks állomáson Október havi csapadékösszegek Paks állomáson 200 mm 180 mm 160 mm 140 mm 120 mm 100 mm 80 mm 60 mm 40 mm 20 mm 0 mm 13,2 108,1 33,9 26,9 130,9 49,1 55,5 28,3 32,2 10,2 69,6 49,9 25,2 171,6 140 mm 120 mm 100 mm 80 mm 60 mm 40 mm 20 mm 0 mm 33,2 55,4 36,8 19,2 4,3 47,1 116,7 52 4,3 35,8 57, ,6 30,8 160 mm 140 mm 120 mm 100 mm 80 mm 60 mm 40 mm 20 mm 0 mm 43,7 31,3 146,7 November havi csapadékösszegek Paks állomáson 50,2 50,4 35,7 44, ,7 27,5 70, ,9 66,3 90 mm 80 mm 70 mm 60 mm 50 mm 40 mm 30 mm 20 mm 10 mm 0 mm 58 30,3 84,6 December havi csapadékösszegek Paks állomáson 59,9 35,6 46,9 30,8 22,7 70,9 9 64,9 51,6 67,6 73, ábra Havi csapadékösszegek [mm] között Paks állomáson Az 1997 utáni időszakban számos, sok esetben veszélyesnek tekinthető, csapadéktevékenységgel kapcsolatos szélsőséges időjárási helyzet fordult elő Magyarország területén, így Paks térségében is. E helyzetek kimutatásához készítettük a következő adatfeldolgozásokat az közötti időszakra, különös tekintettel az átlagtól való június /162

41 Bátya Bikács Dunapataj Előszállás Hajós Kölesd Borjád Gyapa Paks Sáregres (Cece) Simontornya Tengelic Lévai Projekt eltérésekre, az extrém értékek előfordulására. Először a havi csapadékösszegek normáltól való eltérését láthatjuk a táblázatban. A havi csapadékösszegek sokéves átlagtól vett eltérése [mm] Január -1,4 51,0-13,5-22,8 48,4-20,9 20,6-6,1-21,1 2,0-4,4-15,8 19,6 16,1 Február -26,6-32,6 55,7-1,5-31,2 2,4 12,6 30,5-0,5 13,1 7,5-27,0 7,4 64,2 Március -13,4-17,2-10,9 13,2 24,6-24,5-24,5 24,9 9,4-2,8 2,5 21,5-9,5-15,4 Április 11,3 60,2-14,1 13,9-12,5 31,5-30,5 38,0 11,5 7,8-43,7-11,5-40,3 7,6 Május -9,0 28,0-2,5-34,9-46,2 4,0-25,4-1,4 0,2 3,2 16,4-18,1-27,9 161,6 Június -32,3-12,2 45,2-51,9 24,6-41,4-57,3 50,0 12,8 43,9-40,8-1,6 4,6 55,7 Július 19,2 8,5 91,9-24,5 56,3 11,4 18,7-21,8 89,5-28,6-40,3 33,9-3,9-38,1 Augusztus 9,2 9,0 6,5-0,3-14,3-4,0-29,6 17,5 130,5 17,7 24,4-29,2-20,8-0,9 Szeptember -39,7 55,2-19,0-26,0 78,0-3,8-24,6-20,7 2,6-42,7-3,0 16,7-27,7 118,7 Október -11,8 10,4-8,2-25,8-40,7 2,1 71,7 7,0-40,7-9,2 12,8-13,0 13,6-14,2 November -22,7-10,3 92,7-3,8-3,6-18,3-9,1 31,0-26,3-26,5 16,2-23,0 50,9 12,3 December 8,8-18,9 35,4 10,7-13,6-2,3-26,5-18,4 21,7-40,2 15,7 2,4 18,4 24, táblázat A havi csapadékösszegek sokéves átlagtól ( ) vett eltérése [mm] között, Paks állomáson Nagy mennyiségű csapadékra bárhol és bármikor lehet számítani. Emiatt a következő csapadék-feldolgozásokat nem csak egy pontra, hanem Paks 30 km-es körzetében végeztük el, az itt található hiánytalan adatsorral rendelkező csapadékmérő állomások hagyományos mérései alapján. Először a Paks adatai alapján legszárazabbnak (1958, 1961, 1971) ítélt három év csapadékösszegeit ábrázoltuk a térségre vonatkozóan ( ábra, ábra, ábra). 650 mm 600 mm 550 mm 500 mm 450 mm 400 mm 350 mm 300 mm 250 mm 200 mm 1958-ban mért éves csapadékösszegek Paks környékén ábra Paks 30 km-es környezetében működő csapadékmérő állomások éves csapadékösszegei [mm] 1958-ban június /162

42 Bátya Bikács Dunapataj Előszállás Hajós Kölesd Borjád Gyapa Paks Sáregres (Cece) Simontornya Tengelic Bátya Bikács Dunapataj Előszállás Hajós Kölesd Borjád Gyapa Paks Sáregres (Cece) Simontornya Tengelic Lévai Projekt 500 mm 1961-ben mért éves csapadékösszegek Paks környékén 450 mm 400 mm 350 mm 300 mm 250 mm 200 mm ábra Paks 30 km-es környezetében működő csapadékmérő állomások éves csapadékösszegei [mm] 1961-ben 550 mm 1971-ben mért éves csapadékösszegek Paks környékén 500 mm 450 mm 400 mm 350 mm 300 mm 250 mm 200 mm ábra Paks 30 km-es környezetében működő csapadékmérő állomások éves csapadékösszegei [mm] 1971-ben A Paks adatai alapján legcsapadékosabbnak ítélt három év (1965, 1999, 2010) csapadékösszegeit ábrázoltuk a térségre vonatkozóan az alábbi ábrákon ( ábra, ábra, ábra) június /162

43 Bátya Bikács Dunapataj Előszállás Hajós Kölesd Borjád Gyapa Paks Sáregres (Cece) Simontornya Tengelic Bátya Bikács Dunapataj Előszállás Hajós Kölesd Borjád Gyapa Paks Sáregres (Cece) Simontornya Tengelic Lévai Projekt 900 mm 1965-ben mért éves csapadékösszegek Paks környékén 850 mm 800 mm 750 mm 700 mm 650 mm 600 mm ábra Paks 30 km-es környezetében működő csapadékmérő állomások éves csapadékösszegei [mm] 1965-ben 1050 mm 1000 mm 950 mm 900 mm 850 mm 800 mm 750 mm 700 mm 650 mm 600 mm 1999-ben mért éves csapadékösszegek Paks környékén ábra Paks 30 km-es környezetében működő csapadékmérő állomások éves csapadékösszegei [mm] 1999-ben június /162

44 Bátya Bikács Dunapataj Előszállás Hajós Kölesd Borjád Gyapa Paks Sáregres (Cece) Simontornya Tengelic Lévai Projekt 2010-ben mért éves csapadékösszegek Paks környékén 1100 mm 1050 mm 1000 mm 950 mm 900 mm 850 mm 800 mm 750 mm 700 mm 650 mm 600 mm ábra Paks 30 km-es környezetében működő csapadékmérő állomások éves csapadékösszegei [mm] 2010-ben A táblázatban az közötti, extrém havi csapadékösszegeket mutatjuk be. Láthatjuk, hogy Paks 30 km-es környezetében, ebben az időszakban két hónap esetében is előfordult, amikor egyáltalán nem hullott csapadék: 2007 áprilisában, és 1986 szeptemberében. A legmagasabb havi értékek esetében több, évszázados rekord is született ebben az időszakban (a táblázatban csillaggal jelölt állomások esetében): az 1987-es január, a 2010-es május, az 1999-es június és július, valamint az 1996-os szeptember csapadéka is meghaladta az addig 1901 óta mért legnagyobb értékeket. Havi csapadékösszegek [mm] ( ) Legalacsonyabb Év Állomás Legmagasabb Év Állomás Január 2, Hajós 113, Sióagárd* Február 0, Előszállás 119, Sióagárd Március 3, Solt 75, Harta Április 0, Tengelic 103, Paks Május 1, Paks 261, Kölesd* Június 0, Bikács 224, Sióagárd* Július 5, Murga 259, Hajós* Augusztus 0, Simontornya 237, Sióagárd Szeptember 0, Apostag 234, Sióagárd* Október 0, Sáregres(Cece) 139, Murga November 8, Sióagárd 146, Paks December 5, Kalocsa 160, Hajós a csillaggal jelölt állomások csapadékösszege abszolút maximum az adott hónapban táblázat A havi csapadékösszegek legalacsonyabb és legmagasabb értékei [mm] havonta ( ) Paks 30 km-es környezetében A napi csapadékösszegek maximális értékeit is megvizsgáltuk erre az időszakra ( ), havi bontásban ( táblázat). Szintén regisztráltunk olyan értékeket, melyek megdöntötték az 1901 óta mért maximumot, ezeket csillaggal jelöltük a táblázatban. Továbbá az egész évet tekintve, a július 17-én mért 130,5 mm-es összeg a valaha mért legnagyobb napi csapadék Paks 30 km-es környezetében június /162

45 Napi maximális csapadékösszegek [mm] ( ) Érték Év Állomás Január 49, Bikács* Február 41, Hajós Március 32, Bikács Április 53, Bikács Május 81, Kölesd Borjád* Június 83, Bikács Július 130, Előszállás* Augusztus 100, Sióagárd Szeptember 80, Dunaföldvár Október 52, Dunapataj* November 77, Dunaföldvár* December 45, Szekszárd a csillaggal jelölt állomások csapadékösszege abszolút maximum az adott hónapban táblázat A napi maximális csapadékösszegek [mm] havonta ( ) Paks 30 km-es környezetében Az közötti, Pakson mért napi csapadékösszegek alapján, a Gumbel-féle statisztikai módszerrel kiszámítottuk a 2, 4, 5, évenként várható extrém csapadékértékeket ( táblázat). Ezek alapján 50 mm-t meghaladó napi összegre átlagosan kevesebb, mint 5 évente számíthatunk, 75 mm-re kevesebb, mint 50 évente, míg 100 mm körüli értékre körülbelül 500 évente. A napi csapadékösszeg visszatérési értékei Gumbel eloszlással Visszatérési periódus (év) Napi csapadékösszeg [mm] 2 40,5 4 49,6 5 52, , , , , , , , , , , , , táblázat A napi csapadékösszegek visszatérései értékei Gumbel eloszlással, Paks állomásra vonatkozóan ( es adatok alapján) Hóviszonyok A meteorológia szaknyelvén havas napnak nevezzük azt a napot, amelyen a csapadék hó formájában hullik, hótakarós napnak pedig azt, amelyen a talajfelszínt mérhető vastagságú (> 1 cm), egybefüggő hótakaró borítja. A havas és hótakarós napok átlagos és maximális számát ( ábra és ábra) vizsgálva a következőket mondhatjuk: Évente átlagosan 30 napon hullik csapadék hó formájában, s átlagosan 29 napon figyelhetünk meg összefüggő hótakarót Paks környékén. A legtöbb havas napot az es időszakban 1986-ban és 1996-ban (45 nap) észleltük, a legtöbb hótakarós napot pedig 1996-ban (68 nap). A hó formájában hulló csapadék éven belüli előfordulását tekintve azt mondhatjuk, hogy legtöbbször januárban havazik, de a február és a december szorosan követik ebben. Az első havazásra általában november 15 től lehet számítani (legkorábban októberben), az utolsó június /162

46 havazás átlagos időpontja pedig március 29. (legkésőbb áprilisban). Hótakarós napból szintén január hónapban figyelünk meg a legtöbbet, alig előzve meg a február és a december hónapokat. Összefüggő hótakaró megjelenésére Paks környékén legkorábban novemberben, utolsó előfordulására pedig legkésőbb áprilisban számíthatunk. A legintenzívebb hóolvadás általában február második és harmadik dekádjában történik. Az közötti időszakban számos példa volt a hótakaró átlagostól eltérő, késői megmaradására. Például március első napjain, Paks 30 km-es környezetében helyenként cm-es hóréteg borította a talajt, és a hótakaró március 8-ig megmaradt ben a hótakarós időszak március 13-ig tartott. Ebben az évben március 9-én a hóréteg vastagsága egyes területeken (például Paks, Gyapa, Bikács környékén) elérte a cm-t is ben is késői volt a kitavaszodás, március 10-ig jelen volt a hóréteg Paks környékén (például március 8-án a környező csapadékmérő állomásokon 8-12 cm-es hóvastagságokat mértek) ban és 1997-ben pedig még április közepén is előfordult egy-egy hótakarós nap. 50 nap 45 nap 40 nap 35 nap 30 nap 25 nap 20 nap 15 nap 10 nap 5 nap 0 nap Havas napok átlagos és maximális száma Pakson ( ) Jan Febr Márc Ápr Okt Nov Dec Év Átlagos értékek Maximális értékek ábra A havas napok átlagos és maximális száma havonta ( ) Paks állomáson 80 nap 70 nap 60 nap 50 nap 40 nap 30 nap 20 nap 10 nap 0 nap Hótakarós napok átlagos és maximális száma Pakson ( ) Jan Febr Márc Ápr Nov Dec Év 68 Átlagos értékek Maximális értékek ábra A hótakarós napok átlagos és maximális száma havonta ( ) Paks állomáson A maximális hótakaró átlagos vastagsága 20 cm körül alakul a térségben. Az közötti időszakban a legvastagabb hóréteget, 53 cm-t, november végén mérték, mely a november közötti, rendkívül nagy mennyiségű csapadéknak volt köszönhető. A tartós, intenzív havazások és az erős szél miatt keletkezett hófúvások hatására a rákövetkező napokban a hótorlaszok vastagsága elérte, sőt helyenként meg is haladta az 1-1,5 m-t is június /162

47 A téli hónapokban hó alakjában hulló csapadékból a felszínen hosszabb időn át felhalmozódott hóréteg esetenként jelentős vízmennyiséget tárol. A maximális hóvastagság az átlagos hósűrűség ismeretében megadja azt a vízmennyiséget, amellyel, mint súllyal számolni kell. A térségben mért legnagyobb hóvastagság (53 cm) figyelembevételével a maximális hóterhelés kg/m 2, az átlagos maximális hóvastagság (20 cm) esetében pedig kg/m 2. A maximális hóvastagság előfordulásait vizsgálva, Gumbel-féle statisztikai módszerrel kiszámoltuk a 2, 4, 5, éves visszatérési értékeket ( táblázat). Ez alapján elmondhatjuk, hogy 30 cm-es hóvastagságra átlagosan 4-5 évente lehet számítani, 50 cm körüli értékre több, mint 20 évente, 75 cm körülire közel 500 évente, míg 100 cm vastagságú hótakaró csak körülbelül 5000 évente észlelhető. A hóvastagság visszatérési értékei Gumbel eloszlással Visszatérési periódus (év) Hóvastagság [cm] 2 20,6 4 29,3 5 31, , , , , , , , , , , , , táblázat A maximális hóvastagság visszatérési értékei Gumbel eloszlással, Paks állomásra vonatkozóan ( es adatok alapján) Zivatartevékenység A meteorológia szaknyelvén a zivatar elektromos tevékenységet, villámkisülést és az általa keltett mennydörgést jelent. Tavasztól őszig a csapadékhulláshoz gyakran kapcsolódnak a felhők között vagy felhőn belül, valamint a felszín és a felhőszint között (ún. lecsapó villámok) villamos kisülések. Zivatar csapadék nélkül is előfordulhat (száraz zivatar), de többnyire záporszerű, időnként felhőszakadás jellegű esővel, esetleg jégesővel jár együtt június /162

48 40 nap 35 nap Zivataros napok átlagos és maximális száma Pakson ( ) nap 25 nap nap 15 nap 10 nap 5 nap 0 nap Jan Febr Márc Ápr Máj Jún Júl Aug Szept Okt Nov Dec Év Átlagos értékek Maximális értékek ábra Zivataros napok átlagos és maximális száma Paks állomáson ( ) Paks térségében évente átlagosan 27 zivatar jelenik meg ( ábra), ami valamivel meghaladja az országos átlagot (20-25 zivataros nap), sőt egyes években még 20-25%-os többlettel is számolnunk kell. A vizsgált időszakban ( ) maximálisan 36 zivatart figyeltünk meg egy év alatt (1998-ban és 1999-ben). A zivataros idény áprilistól októberig tart, a főidény pedig a május-augusztusi időszak, ekkor átlagosan 5-6 zivatarra lehet számítani havonta, de az elmúlt években 9-10 is előfordult. Ritkábban márciusban és novemberben is észlelnek zivatart, sőt még télen is lehet zivatarokra számítani. A zivatarok napi menetére általában jellemző, hogy leggyakrabban a délutáni órákban fordulnak elő, a másodmaximum pedig a késő esti órákban tapasztalható Villám-intenzitás Magyarországon az Országos Meteorológiai Szolgálat üzemeltetésében egy 5 állomásból álló villám-lokalizációs hálózat működik, a Szlovákiában üzemelő 3 állomásból 2-vel kapcsolt üzemmódban. Ezáltal az egész ország területén érzékelhetőek másodperces gyakorisággal a villámkisülések. A hálózat távérzékelési értelemben passzív üzemű, ami azt jelenti, hogy nem bocsát ki magából semmiféle hang, radioaktív, elektromágneses vagy egyéb sugárzást. Kizárólag vételi üzemmódban működik, és valóban nem mér semmit, ha nincs mit - mármint villámot - mérni (bizonyos mennyiségű háttérzajtól eltekintve.) Leegyszerűsítve a rádiózásból ismert adó-vevő elvén működik, ez esetben a villámcsatorna az adó, a műszer a vevő szerepét tölti be. A vevő állapot folyamatos, ellentétben sok aktív rendszerrel, amelyek a két üzemmódot (adó/vevő) váltogatják, ezáltal az "adó" szakaszban vétel nincs, így a mérés kiesik. A hálózat tehát folyamatosan érzékeli, regisztrálja és lokalizálja a villámlásokat. A mérőrendszer úgynevezett teljes villámlást mér, azaz mind a felhőn belüli, mind pedig a földbe csapó villámok helyét képes meghatározni. Felhőn belüli villámok esetében amennyiben a villámlás fizikai paraméterei lehetővé teszik a teljes felhővillám-csatorna útja rögzítésre kerül. A rendszer helymeghatározási pontossága az ország területén 2-5 km június /162

49 A zivatartevékenység vizsgálata a következő eljárás szerint történt. A kiindulási nyers adatbázis tartalmazza minden lokalizált villám idejét 100 s pontosságig, földrajzi koordinátáját 10 méter felbontásig, illetve a villámlás típusát, amely szerint megkülönböztetünk: pozitív és negatív földbe csapó villámot, felhővillám-csatorna kezdeti, közbenső, záró elemét, egyedi, szeparált felhővillám típust. A vizsgálat során az 1., 2. és 3. típusok lettek figyelembe véve. Az időben folytonos adatbázisból - a radarkompozit analógiájára - 15 perces időablakkal diszkrét adatmezőket képeztünk. Ezt az eljárást percenkénti eltolással végeztük. Így a vizsgált 4 év összesen 20 hónapjára naponta 1440 darab (ún. perces) adatmezőt alkottunk, amely külön-külön tartalmazta az adott 15 perc villámlásait. Ezeket a területi eloszlás megjelenítése céljából egy Magyarországot lefedő 2 2 km-es rácson vizsgáltuk tovább. Egy rácspont így 4 km 2 alapterületű. Intenzitásküszöböket definiáltunk, amelyek alapján kimutatható egy-egy terület, illetve időszak különböző intenzitású villámlás aktivitása (gyenge, közepes, erős, nagyon erős), és azok változása. Ezek a küszöbök 1, 3, 5, 10 villámlás / rácspont voltak. Négyzetkilométeres területegységre vetítve ezek 0,25, 0,75, 1,25 és 2,5 villámlás/km 2 küszöböket jelentenek. Az előállított perces adatmezőkön folytatván a számításokat, összegeztük a definiált küszöbök feletti időtartamok (percek) számát az említett rácson. Az így előálló havi és szezonális összegképeket az adott időszak legnagyobb értékével normáltuk és saját fejlesztésű megjelenítő rendszerrel a Kárpát-medencét lefedő térképeken ábrázoltuk. Minden havi és szezonális térkép bal alsó sarkában található a színezésnek megfelelő értékskála, amely az adott térképhez tartozó küszöbértéket meghaladó villámlásintenzitás időtartamát jelöli percben kifejezve. Az alábbi ábra sorozaton látható térképek a szezonális villámlásintenzitásokat mutatják ( ábra ábra) június /162

50 ábra máj-szept: 0,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 0,75 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként június /162

51 ábra máj-szept: 1,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 2,5 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként június /162

52 ábra máj-szept: 0,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 0,5 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként június /162

53 ábra máj-szept: 1,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 2,5 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként június /162

54 ábra máj-szept: 0,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 0,75 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként június /162

55 ábra 2007 máj-szept: 1,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 2,5 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként június /162

56 ábra máj-szept: 0,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 0,75 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként június /162

57 ábra máj-szept: 1,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként ábra máj-szept: 2,5 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása óránként június /162

58 ábra máj-szept: 0,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása ábra máj-szept: 0,75 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása június /162

59 ábra máj-szept: 1,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása ábra máj-szept: 2.5 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása június /162

60 ábra máj-szept: 0,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása ábra máj-szept: 0,75 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása június /162

61 ábra máj-szept: 1,25 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása ábra máj-szept: 2,5 villámlás/km 2 feletti villámlásintenzitású percek számának területi eloszlása június /162

62 A közötti időszakot tekintve az átlag feletti villámlásmennyiség 2007-ben és 2010-ben, míg az átlag alatti villámlásszám a 2005 és 2008-as években fordult elő. Ebből is látható, hogy a vizsgált időszak adatai alapján tendencia nem mutatható ki, ugyanakkor elmondható, hogy az egyes évek adatai között igen nagy a változékonyság. Általánosságban megállapítható, hogy a leginkább villámlások által érintett területek a Duna-Tisza-köze és a Körösök vidéke, az Alföld délkeleti pereme és a Dunántúl középső régiója, míg a legkevésbé érintett területek az északnyugati és északkeleti területek. Kivétel ez alól a 2009-es év, amikor a Duna-Tisza-köze mellett a Kisalföldön és a Borsod-Abaúj-Zemplén, Szabolcs-Szatmár-Bereg megyék által lefedett területen jelentkeztek a maximális időtartamok. Az érintett területek arányát havi és szezonális bontásban az alábbi táblázatok tartalmazzák ( táblázat táblázat). 0,25 villámlás/km 2 villámlásintenzitás által érintett terület aránya országosan (%) Május Június Július Augusztus Szeptember Szezonális ,93 21,19 53,35 63,33 7,38 87, ,84 62,38 48,74 37,28 2,78 85, ,20 55,95 9,31 64,17 5,00 90, ,36 54,49 38,59 29,92 9,50 85, ,15 56,84 49,01 33,09 13,39 90, ,93 55,67 45,48 78,64 1,64 95, táblázat 0,25 villámlás/km 2 villámlásintenzitás által érintett terület aránya országosan (%) 0,75 villámlás/km 2 villámlásintenzitás által érintett terület aránya országosan (%) Május Június Július Augusztus Szeptember Szezonális ,65 11,94 32,04 43,37 3,58 67, ,91 41,38 27,63 21,70 1,10 63, ,71 31,87 3,05 41,25 1,45 71, ,03 30,63 17,24 14,65 3,68 58, ,56 20,68 17,92 11,02 2,32 49, ,57 26,36 15,35 48,58 0,15 68, táblázat 0,75 villámlás/km 2 villámlásintenzitás által érintett terület aránya országosan (%) 1,25 villámlás/km 2 villámlásintenzitás által érintett terület aránya országosan (%) Május Június Július Augusztus Szeptember Szezonális ,63 4,41 13,03 22,61 1,22 36, ,91 19,68 9,93 9,69 0,25 33, ,89 10,95 0,61 16,70 0,28 35, ,19 10,13 3,67 4,55 1,01 21, ,94 8,80 8,07 4,95 0,58 25, ,35 13,2 5,6 30,05 0,07 43, táblázat 1,25 villámlás/km 2 villámlásintenzitás által érintett terület aránya országosan (%) 2,5 villámlás/km 2 villámlásintenzitás által érintett terület aránya országosan (%) Május Június Július Augusztus Szeptember Szezonális ,24 0,66 2,60 6,13 0,10 9, ,08 4,98 1,33 1,72 0,02 7, ,79 1,43 0,09 2,16 0,04 6, ,38 0,95 0,15 0,52 0,14 2, ,14 1,72 1,74 1,16 0,08 6, ,58 2,78 0,66 9,80 0,01 13, táblázat 2,5 villámlás/km 2 villámlásintenzitás által érintett terület aránya országosan (%) június /162

63 A szélsőérték vizsgálatok eredményeit havi és szezonális bontásban az alábbi táblázatok tartalmazzák ( táblázat táblázat). Villámlásintenzitások (villámlás/km 2 ) maximális időtartamai (perc) havonta és szezonális összesítésben - 0,25 villám/km 2 Május Június Július Augusztus Szeptember Szezonális táblázat Villámlásintenzitások (villámlás/km 2 ) maximális időtartamai (perc) havonta és szezonális összesítésben - 0,25 villám/km 2 Villámlásintenzitások (villámlás/km 2 ) maximális időtartamai (perc) havonta és szezonális összesítésben - 0,75 villám/km 2 Május Június Július Augusztus Szeptember Szezonális táblázat Villámlásintenzitások (villámlás/km 2 ) maximális időtartamai (perc) havonta és szezonális összesítésben - 0,75 villám/km 2 Villámlásintenzitások (villámlás/km 2 ) maximális időtartamai (perc) havonta és szezonális összesítésben - 1,25 villám/km 2 Május Június Július Augusztus Szeptember Szezonális táblázat Villámlásintenzitások (villámlás/km 2 ) maximális időtartamai (perc) havonta és szezonális összesítésben - 1,25 villám/km 2 Villámlásintenzitások (villámlás/km 2 ) maximális időtartamai (perc) havonta és szezonális összesítésben - 2,5 villám/km 2 Május Június Július Augusztus Szeptember Szezonális táblázat Villámlásintenzitások (villámlás/km 2 ) maximális időtartamai (perc) havonta és szezonális összesítésben - 2,5 villám/km Napfénytartam Napfénytartamnak a napsütéses órák számát nevezzük, azon órák számát, amikor árnyékvetéssel süt a Nap, s a talajfelszínt közvetlen sugárzás éri. A napfénytartam órákban kifejezett értéke tehát a direkt napsugárzás időtartamát fejezi ki. A csillagászatilag lehetséges napfénytartam egy adott földrajzi szélességen a napkelte és a napnyugta közötti időtartam. Maximuma a nyári napforduló (június 21.), minimuma a téli napforduló (december 21.) időpontjára esik. A felhőzet általában napfénytartam-csökkenést okoz, de nem minden esetben határozza meg egyértelműen a tényleges napfénytartam alakulását. Teljesen derült időben mért napfénytartam értékek sík területen sem érik el a június /162

64 számított lehetséges napfénytartam értékét, mivel napkelte és napnyugta idején olyan ferdén esnek be a sugarak, hogy a földfelszín energiaháztartására gyakorolt hatásuk elenyésző, s a felszínre jutó direkt sugárzás nem vagy alig mérhető. A tényleges napfénytartam átlagos évi összege a csillagászatilag lehetségesnek körülbelül a 45%-a, tehát a felénél is kevesebb. Legrosszabb az arány decemberben, a napsütés ekkor a lehetségesnek mindössze 18-20%-a, míg júliusban eléri a körülbelül 60%-át. A ábra a havi napfénytartamok sokévi átlagát mutatja ( ). 350 óra Átlagos havi napfénytartam összegek Paks állomáson ( ) 300 óra 250 óra 200 óra 150 óra 100 óra 50 óra 0 óra J F M Á M J J A S O N D ábra A havi napfénytartamok [óra] sokévi ( ) átlagai Paks állomáson Ez alapján elmondhatjuk, hogy Paks térségében a napfényben legszegényebb hónap a december, a nagy borultság és a rövid nappalok miatt; ekkor az átlagos havi napfénytartam mindössze 53 óra. Május-szeptember hónapok a napsütésben leggazdagabbak, ekkor átlagosan 250 óra feletti havi értékek jelentkeztek, s ezek közül is a július hónap volt a legderültebb az elmúlt 30 év átlagában (közel 300 órával), utána következik az augusztus, majd a június. A nyári félév napfénytartama közel két és félszerese a téli félévének; egyrészt ekkor a csillagászatilag lehetséges érték is magasabb, másrészt a téli hónapokban a felhőzet napfénykorlátozó hatása nagyobb, mint nyáron. Pakson a rendszeres mérések kezdete óta 2000 decemberében mérték a legkevesebb napfénytartam összeget, csupán 15 órát a hónapban. A szélsőségesen csapadékos augusztusban (190 óra) és májusban (172 óra) is igen kevés volt a napfény, 2003 májusában (304 óra) és 2000 júniusában (357 óra) viszont feltűnően magas értékeket mértünk. A következő ábrán ( ábra) az közötti időszakban mért éves napfénytartam összegeket, valamint az es átlagot láthatjuk. A legnagyobb éves értéket 2003-ban mértük Pakson (2412 óra), a legkisebbet pedig a rendkívül csapadékos 2010-es évben (1818 óra) június /162

65 2500 óra 2400 óra 2300 óra 2200 óra 2100 óra 2000 óra 1900 óra 1800 óra 1700 óra 1600 óra 1500 óra Éves napfénytartam összegek ( ) Paks állomáson Éves napfénytartam összeg es átlag ábra Éves napfénytartam összegek [óra], valamint az es sokévi átlagérték Paks állomáson Tengerszinti légnyomás A levegő tömege a nehézségi erő hatására nyomóerőt gyakorol a testekre, ennek felületegységre ható értéke a nyomás. A légnyomás az egységnyi alapterületű légoszlop nyomása, a meteorológiában használt mértékegysége a hektopascal (hpa) régebben a millibar (mb) és a higanymilliméter (Hgmm) mértékegységeket alkalmazták; alapegysége a tenger szintjében az 1 atmoszféra (atm), amely 1013,25 hpa/1013,25 mb, illetve 760 Hgmm. A tengerszint fölé emelkedve a légnyomás a növekvő magassággal exponenciálisan csökken. A légnyomás-mező változásának figyelemmel kíséréséhez éppen ezért a tengerszintre átszámított légnyomás értékeket alkalmazzuk, mert a tényleges légnyomás adataiban elsősorban a megfigyelő helyek eltérő magassága rajzolódna ki. A tengerszintre átszámított érték tulajdonképpen fiktív érték, amely megadja, hogy mekkora lenne a légnyomás az észlelési pont alatt a tenger szintjében, ha a közbeeső teret levegő töltené ki. Paks térségében az évi átlagos tengerszinti légnyomás 1017,5 hpa, az éven belüli menete ( ábra) az országos menethez hasonló, a legmagasabb értékek általában januárban (1021,9 hpa), a legalacsonyabbak áprilisban fordulnak elő (1014,1 hpa) június /162

66 Az átlagos havi tengerszinti légnyomás átlagos, minimális és maximális értékei ( ) Paks állomáson 1035 hpa 1030 hpa 1025 hpa 1020 hpa 1015 hpa 1010 hpa 1005 hpa 1000 hpa J F M Á M J J A S O N D Év Átlagos értékek Minimális értékek Maximális értékek ábra A havi átlagos tengerszinti légnyomás [hpa] sokévi átlaga, minimuma és maximuma ( ) Paks állomáson A nyári félév átlagos légnyomása alacsonyabb, mint a téli félév esetében óta a maximális havi átlagértéket 1989 januárjában mérték (1034,3 hpa), a minimálisat pedig 1981 decemberében (1006,5 hpa). A legkisebb évi átlagot a ciklonokkal bővelkedő 2010-es évben észleltük (1014,3 hpa), a legnagyobbat pedig 1989-ben (1019 hpa). Az időszak legkisebb és legnagyobb légnyomás értékeit is megadtuk havonta, Paks állomásra táblázatos formában ( táblázat). Az abszolút minimumot meglepő módon nem a nyári félévben, hanem 1989 februárjában észleltük (977,1 hpa), az abszolút maximumot pedig 1993 januárjában (1045,9 hpa). Ezekből az adatokból arra következtethetünk, hogy a téli hónapok változékonyabbak a légnyomás szempontjából, míg a nyáriak valamennyivel kiegyenlítettebbek. Tengerszinti légnyomás [hpa] ( ) Legalacsonyabb Év Legmagasabb Év Január 990, , Február 977, , Március 989, , Április 993, , Május 993, , Június 1001, , Július 1001, , Augusztus , Szeptember 994, , Október 995, , November 988, , December 987, , táblázat A tengerszinti légnyomás legalacsonyabb és legmagasabb értékei [hpa] havonta ( ) Paks állomáson június /162

67 Párolgás A párolgás a földi vízháztartási mérleg legjelentősebb kiadási tagja. Mértékegysége a milliméter, mely kifejezi az egy négyzetméter felületről elpárolgó vízoszlop magasságát. A tényleges párolgás a földfelszínről valóban elpárolgó vízmennyiséget jelenti. Mérése és számítása komplexitása miatt nehéz. Tanulmányunkban számított értékeket mutatunk be. Mennyisége függ attól, hogy mennyi víz áll rendelkezésre a talajban, azaz a felszíni vízmérlegtől, valamint attól is, hogy mennyi energia áll rendelkezésre a párolgáshoz, azaz a hőmérséklettől, illetve a talajborítottságtól. Paks környékén a tényleges párolgás a novemberfebruár időszakban a legkisebb (hideg és kevésbé csapadékos időszak), és május-augusztus időszakban a legnagyobb (meleg, csapadékosabb időszak) ( ábra). 140 mm A tényleges párolgás átlagos, minimális és maximális értékei ( ) Paks állomáson 120 mm 100 mm 80 mm 60 mm 40 mm 20 mm 0 mm J F M Á M J J A S O N D Átlagos értékek Minimális értékek Maximális értékek ábra A tényleges párolgás átlagos, minimális és maximális értékei [mm] havonta ( ) Paks állomáson A potenciális (lehetséges) párolgás egy adott terület éghajlatának az egyik jellemző mennyisége, a légtér - a párafelvevő rendszer - által maximálisan felvehető páramennyiséget adja meg (ekkor korlátlan vízmennyiséget feltételezünk). A tényleges párolgás mértéke sohasem nagyobb, mint a potenciális párolgásé. A vízfelületek valamint a teljesen telített talaj párolgása esetén a tényleges párolgás megegyezik a potenciálissal. Paks esetében télen a legkisebb a potenciális párolgás, ekkor majdnem megegyezik a tényleges párolgással, tavasztól őszig főként nyáron (amikor a legnagyobb a potenciális párolgás mértéke) viszont jóval meghaladja azt ( ábra), mivel ekkor nem áll rendelkezésre megfelelő mennyiségű elpárologtatható víz június /162

68 250 mm A potenciális párolgás átlagos, minimális és maximális értékei ( ) Paks állomáson 200 mm 150 mm 100 mm 50 mm 0 mm J F M Á M J J A S O N D Átlagos értékek Minimális értékek Maximális értékek ábra A potenciális párolgás átlagos, minimális és maximális értékei [mm] havonta ( ) Paks állomáson A potenciális párolgás és a csapadék viszonya Érdemes a potenciális párolgás és lehullott csapadék viszonyát is vizsgálni, mely tulajdonképpen a hő- és vízháztartás kapcsolatát is leírja. E két meteorológiai elem aránya a vízellátottság értékét mutatja meg, melyet ariditási indexnek (H) nevezünk: H = potenciális párolgás / csapadék. Az es átlagos éves összegek alapján számolt ariditási index Paks állomásra vonatkozóan 1,7. Ez azt jelenti, hogy Paks térsége csapadékellátottság szempontjából száraz területnek minősül. A sokéves havi értékeket vizsgálva ( ábra) láthatjuk, hogy az éven belül a november-február közötti időszakban általában a csapadékösszeg meghaladja a potenciális párolgás értékét, vagyis ebben az időszakban az ariditási index 1-nél kisebb, nedves viszonyokat ír le. Ezzel szemben a március-október közötti időszakban a nagyobb sugárzási energia több víz elpárolgását biztosítja (potenciális párolgás > csapadék), az ariditási index 1-nél nagyobb, akár a 2-t is meghaladja, vagyis ezekben a hónapokban vízellátottság szempontjából száraz viszonyok jellemzőek a sokéves átlag alapján június /162

69 180 mm 160 mm 140 mm A potenciális párolgás és a csapadék átlagos havi összegei ( ), valamint az ariditási index Paks állomáson 2,3 1,9 2,5 2,6 120 mm 100 mm 2,0 1,9 80 mm 60 mm 1,7 1,4 0,6 0,4 40 mm 0,6 0,8 20 mm 0 mm J F M Á M J J A S O N D csapadék potenciális párolgás ábra A potenciális párolgás és a csapadék átlagos összegei [mm] havonta ( ), valamint az ezekből számolt ariditási index Paks állomáson Talajhőmérséklet A talaj felszínének a hőmérséklete közvetlenül követi a Nap járását, és így a talaj felső rétegének felmelegedése és lehűlése naponként és évenként párhuzamban változik a levegő hőmérsékletével. A növekvő mélységgel azonban a Nap hatása mindinkább gyengül, úgy a napi, mint az évszakos ingadozás csökken, és bizonyos mélységben a hőmérséklet már állandó. Egy méter mélységben az átlagos hőmérséklet közel egyenlő a levegő hőmérsékletével, csakhogy az utóbbihoz képest az évi menetben körülbelül egy hónap a késés, vagyis annyi idő kell, hogy a melegedés egy méter vastag földrétegen áthatoljon. A következő ábrán a 2, 5, 10, 20, 50, 100 cm-es mélységek havi átlagos hőmérsékleteinek sokévi átlagát láthatjuk Paks állomásra vonatkozóan ( ábra) június /162

70 28 C 26 C 24 C 22 C 20 C 18 C 16 C 14 C 12 C 10 C 8 C 6 C 4 C 2 C 0 C -2 C A talajhőmérséklet átlagos évi menete különböző mélységekben Paks állomáson J F M Á M J J A S O N D 2 cm 5 cm 10 cm 20 cm 50 cm 100 cm ábra A talajhőmérséklet [ C] átlagos évi menete ( ) különböző mélységekben Paks állomáson Szélviszonyok Vízszintes síkban a légnyomás eloszlása alapvetően egyenetlen. Mivel a légkör egyensúlyi állapotra törekszik, olyan helyzetet kíván felvenni, hogy abban egyenlő nyomás uralkodjon. A légkörben ezért olyan erők ébrednek, amelyek a légnyomáskülönbség kiegyenlítésére törekednek. Az erők a légtömegek vízszintes átrendeződését eredményezik, amit mi szélként érzékelünk. A szél nagyságának kifejezésére használatos mértékegység a meteorológiában a m/s. Paks állomáson 1997 óta a talaj felett 9,8 méter magasságban elhelyezett, automatikus, VAISALA WAA típusú szélmérő műszerrel mérjük a szelet. Az azóta eltelt időszakot elegendően hosszúnak találtuk az éghajlati vizsgálatok elvégzéséhez, így a régebbi, más módszerrel (mechanikus) mért széladatokat nem, csak ezeket ( ) a méréseket vettük figyelembe a vizsgálatunk során. A szennyezőanyagok terjedésének irányát elsősorban az uralkodó szélirány befolyásolja, és a szélsebesség nagyságától függ, hogy a kibocsátott anyag a forrástól milyen távolságra jut Szélirány A szélirány az az irány, amerről a szél fúj. Azt a szélirányt, amelynek gyakorisága a legnagyobb, uralkodó széliránynak nevezzük. Jelen feldolgozásunkban 16 szélirányra készítettük vizsgálatainkat. Először a szélirányok relatív gyakoriságát elemeztük éves szinten ( ábra)., valamint a nyári és téli félévre vonatkozóan ( ábra, ábra). A nyári és téli félév eredményeit egy közös diagramon is ábrázoltuk a jobb összehasonlíthatóság kedvéért. Láthatjuk, hogy Paks térségében éves viszonylatban az északnyugati (11,6%), valamint az észak-északnyugati áramlás (11%) a leggyakoribb, másodmaximumként pedig a déli irány jelenik meg (8,1%). A nyári félévben az észak-északnyugati dominál (12,7%), utána következik az északnyugati irány (12,2%), majd az északi (8,9%), s a déli irány így június /162

71 visszaszorul a negyedik helyre (6,7%). A téli félévben az uralkodó szélirány az északnyugati (10,8%), a második helyre itt viszont előrelép a déli irány (9,6%), s a harmadik az észak-északnyugati (9,1%). A szélirányok relatív gyakorisága [%] az évben Paks állomáson ( ) ÉNY ÉÉNY É ÉÉK ÉK NYÉNY 6 4 KÉK 2 NY 0 K NYDNY KDK DNY DK DDNY D DDK Szélcsend: 2,2% ábra Szélirányok relatív gyakorisága éves szinten [%] Paks állomás közötti mérései alapján A szélirányok relatív gyakorisága [%] a nyári félévben Paks állomáson ( ) A szélirányok relatív gyakorisága [%] a téli félévben Paks állomáson ( ) NYÉNY NY ÉNY ÉÉNY É ÉÉK ÉK KÉK K NYÉNY NY ÉNY ÉÉNY É ÉÉK ÉK KÉK K NYDNY KDK NYDNY KDK DNY DK DNY DK DDNY D DDK DDNY D DDK Szélcsend: 2,5% Szélcsend: 1,9% ábra Szélirányok relatív gyakorisága a nyári és a téli félévben [%] Paks állomás közötti mérései alapján június /162

72 A szélirányok relatív gyakorisága [%] a téli és a nyári félévben Paks állomáson ( ) ÉÉNY 15 É ÉÉK ÉNY 10 ÉK NYÉNY 5 KÉK NY 0 K NYDNY KDK DNY DK DDNY D DDK Nyári félév Téli félév ábra Szélirányok relatív gyakorisága a nyári-téli félévben [%] Paks állomás közötti mérései alapján Erősebb légmozgás esetére (amikor az átlagos szélsebesség meghaladja a 3 m/s-ot) is megvizsgáltuk a szélirányok relatív gyakoriságát. Ekkor főként északnyugat, észak-északnyugat felől fújnak a szelek ( ábra ábra). A 3 m/s-ot meghaladó szelek szélirány szerinti relatív gyakorisága [%] az évben Paks állomáson ( ) ÉÉNY 25 É ÉÉK ÉNY ÉK NYÉNY NY KÉK K NYDNY KDK DNY DK DDNY D DDK ábra A 3 m/s-ot meghaladó szelek szélirány szerinti relatív gyakorisága éves szinten [%] Paks állomáson ( ) június /162

73 A 3 m/s-ot meghaladó szelek szélirány szerinti relatív gyakorisága [%] a nyári félévben Paks állomáson ( ) A 3 m/s-ot meghaladó szelek szélirány szerinti relatív gyakorisága [%] a téli félévben Paks állomáson ( ) ÉÉNY 20 É ÉÉK ÉÉNY 25 É ÉÉK NYÉNY ÉNY ÉK KÉK NYÉNY ÉNY ÉK KÉK NY 0 K NY 0 K NYDNY KDK NYDNY KDK DNY DK DNY DK DDNY D DDK DDNY D DDK ábra A 3 m/s-ot meghaladó szelek szélirány szerinti relatív gyakorisága a nyári és a téli félévben [%] Paks állomáson ( ) A 3 m/s-ot meghaladó szelek szélirány szerinti relatív gyakorisága [%] a téli és a nyári félévben Paks állomáson ( ) ÉNY ÉÉNY É ÉÉK ÉK NYÉNY 10 KÉK 5 NY 0 K NYDNY KDK DNY DK DDNY D DDK Nyári félév Téli félév ábra A 3 m/s-ot meghaladó szelek szélirány szerinti relatív gyakorisága a nyári-téli félévben [%] Paks állomáson ( ) június /162

74 Lévai Projekt Átlagos szélsebességek Paks állomás évi átlagos szélsebességeit láthatjuk a ábra diagramján 1997-től kezdődően. Míg az időszak elején 1,9-2 m/s körüli értékeket figyelhettünk meg, addig az elmúlt években 1,6-1,7 m/s közötti átlagokat észlelhettünk, tehát egy csökkenő trend jellemzi az évi átlagos szélsebességet az es időszakban. A szélsebesség csökkenésének oka valószínűleg az éghajlat természetes változékonysága. Megfigyelhető a bajai, valamint részben a teveli és soltvadkerti idősorban is. 2,2 m/s Évi átlagos szélsebesség Paks állomáson 2,1 m/s 2,0 m/s 1,9 m/s 1,8 m/s 1,7 m/s 1,6 m/s 1,5 m/s 1,4 m/s ábra Az évi átlagos szélsebességek [m/s] között, valamint a sokévi átlag ( ) Paks állomáson Az átlagos éves menetet tekintve, a szélsebesség legmagasabb értékei március-áprilisban figyelhetők meg, a legalacsonyabbak pedig az augusztus-október időszakban ( ábra). 2,3 m/s Havi átlagos szélsebesség sokévi átlaga ( ) Paks állomáson 2,2 m/s 2,1 m/s 2,0 m/s 1,9 m/s 1,8 m/s 1,7 m/s 1,6 m/s 1,5 m/s 1,4 m/s 1,3 m/s 1,2 m/s 1,1 m/s 1,0 m/s J F M Á M J J A S O N D ábra Havi átlagos szélsebességek [m/s] sokévi átlaga ( ) Paks állomáson június /162

75 A következő táblázat ( táblázat) a havi átlagos szélsebességeket tartalmazza az es évekre. Az időszakban a legkisebb havi érték 1,1 m/s volt, ekkora átlagos szelet mértek 2006 szeptemberében, valamint 2004, 2005 és 2008 októberében. A legszelesebb hónap 1997 áprilisa volt, ekkor 3,1 m/s-nak adódott a havi átlagos szélsebesség. Havi átlagos szélsebességek [m/s] Január 1,6 1,9 1,7 2,1 1,9 1,8 1,6 1,9 2,0 1,4 2,0 1,4 1,3 1,4 Február 2,2 2,2 2,4 2,1 2,4 2,1 1,5 2,3 1,7 1,6 1,8 1,7 2,2 1,7 Március 2,3 2,7 2,2 2,5 2,3 2,2 1,8 2,0 1,9 2,2 1,9 2,2 2,5 2,2 Április 3,1 2,5 2,1 2,2 2,3 2,2 2,5 1,8 2,0 1,9 1,5 2,0 1,5 1,6 Május 2,6 1,9 1,9 1,6 2,1 1,9 1,8 1,9 1,7 1,6 1,6 1,6 1,6 2,0 Június 1,8 1,9 1,8 1,8 2,2 1,8 1,5 1,4 1,7 1,4 1,4 1,4 1,7 1,7 Július 2,2 2,0 1,9 2,3 1,8 1,9 1,8 1,6 1,4 1,2 1,7 1,7 1,6 1,4 Augusztus 1,8 1,7 1,2 1,5 1,4 1,7 1,4 1,5 1,3 1,5 1,5 1,4 1,4 1,2 Szeptember 1,6 1,9 1,3 1,5 1,8 1,7 1,5 1,2 1,2 1,1 1,5 1,5 1,3 1,3 Október 1,8 1,7 1,8 1,5 1,2 1,9 1,7 1,1 1,1 1,2 1,2 1,1 1,5 1,2 November 1,9 1,9 2,2 1,7 2,1 1,7 1,4 2,1 1,2 1,7 1,7 1,4 1,5 1,4 December 2,2 1,8 2,3 1,5 1,6 1,7 1,8 1,4 1,8 1,2 1,3 1,9 1,6 1, táblázat Havi átlagos szélsebességek [m/s] közötti időszakban, Paks állomáson Szélcsend átlagosan az év 2,2%-ában fordul elő, de az évek közötti ingadozás igen nagy, 1997-ben és 2002-ben például csak 0,3%-nak adódott, 2007-ben viszont 4,5% volt ( ábra). A szélcsendes órák relatív gyakorisága [%] adott években Paks állomáson ( ) 5% 4,5 4% 3,2 3,4 3,2 3,6 3,3 3% 2,2 2,4 2% 1% 0,3 0,9 0,9 0,3 0,8 1,3 0% ábra Szélcsendes órák relatív gyakorisága [%] évente ( ) Paks állomáson A szélcsendes órák havi eloszlását tekintve elmondhatjuk ( ábra), hogy szélcsendes időre legnagyobb valószínűséggel nyár végén - ősz elején lehet számítani (augusztus-október), a legritkábban pedig kora tavasszal (március-április) június /162

76 A szélcsendes órák relatív gyakorisága [%] havonta Paks állomáson ( ) 6% 5% 4% 4,0 4,4 5,0 3% 2% 1% 0,9 1,3 0,6 0,9 1,3 2,0 2,3 2,2 1,0 0% J F M Á M J J A S O N D ábra Szélcsendes órák relatív gyakoriságának [%] sokévi átlaga havonta, Paks állomáson Az átlagos szélsebesség nagysága szerinti relatív gyakoriságot is vizsgáltuk ( ábra), mely alapján elmondhatjuk, hogy leggyakrabban 1,1-2 m/s közötti szelek fújnak, utána következik a 0,1-1 m/s-os tartomány, majd pedig a 2,1-3 m/s-os. Az 5,1-6 m/s közötti szélsebességek már kisebb százalékban fordulnak elő, 6 m/s felettiek pedig igen ritkán. [m/s] [ ) [ ) [ ) [ ) [ ) [ ) [ ) [ ) [ ) [ ) [ ) SZÉLCSEND Az átlagos szélsebesség relatív gyakorisága [%] Paks állomáson ( ) 0,00 0,01 0,03 0,12 0,45 1,46 2,17 4,19 10,17 20,71 29,05 31,64 0% 5% 10% 15% 20% 25% 30% 35% ábra Az átlagos szélsebesség relatív gyakorisága [%] Paks állomáson ( ) A ábra a szélsebesség átlagos napi menetét mutatja be évszakonkénti bontásban. Láthatjuk, hogy a szélsebesség nagyobb a nappali órákban, mint az éjszakai, illetve az esti és reggeli órákban. A legmagasabb sebességek általában óra között fordulnak elő, a legalacsonyabb értékekre pedig 0-5 óra között lehet számítani. A szélsebességek napi ingása általában a tavaszi évszakban a legnagyobb (1,8 m/s), és télen a legkisebb (1 m/s) június /162

77 3,5 m/s Szélsebesség átlagos napi menete Pakson ( ) 3,0 m/s 2,5 m/s 2,0 m/s 1,5 m/s 1,0 m/s 0,5 m/s mérési időpont (óra) Maximális széllökések tavasz nyár ősz tél ábra A szélsebesség [m/s] átlagos napi menete ( ) Paks állomáson A szélmegfigyelések az átlagos szélsebesség mellett kiterjednek a széllökések erősségének megállapítására is. Az alábbi táblázatban bemutatjuk a maximális széllökések alakulását az közötti években, havi bontásban ( táblázat). Az időszakban a legerősebb széllökést, 24,8 m/s-ot, november 19-én regisztrálták. Ez azonban nem döntötte meg az eddig mért abszolút maximumot: 31,6 m/s (1985. február 3.). A októberi (21,2 m/s), valamint a novemberi maximális széllökések (24,8 m/s) azonban meghaladták az 1997 előtti időszak legnagyobb októberi, valamint novemberi értékeit. Havi maximális széllökések [m/s] Január 13,6 13,5 16,5 20,1 15,3 16,8 13,3 14,9 15,1 17,6 21,6 19,7 10,1 17,2 Február 19,5 23,7 14,9 17,4 18,2 15,4 15,3 17,7 12,1 13,9 19,5 14,8 16,3 18,1 Március 18,5 21,6 13,5 20,1 16,0 19,8 17,7 15,6 15,4 17,7 16,2 18,8 20,1 15,4 Április 22,5 19,2 14,4 18,4 19,2 14,0 20,5 15,8 14,0 16,5 15,5 18,0 17,0 14,5 Május 17,6 16,0 15,3 17,6 18,8 15,5 14,9 15,1 17,6 15,0 19,5 13,0 14,4 21,9 Június 18,3 17,7 19,1 14,5 18,0 17,1 14,2 18,5 14,4 19,3 17,3 17,2 17,3 16,4 Július 19,4 16,3 13,4 18,6 13,1 14,6 17,9 13,8 12,1 18,0 17,0 14,4 15,6 13,5 Augusztus 24,0 13,3 15,9 14,9 14,2 15,1 21,0 13,4 14,7 15,7 16,9 18,7 13,6 18,6 Szeptember 19,2 13,1 12,0 15,5 16,1 11,5 14,1 15,2 12,7 11,4 14,0 20,1 15,4 16,5 Október 16,7 15,7 12,2 11,6 9,8 20,4 19,8 12,0 11,2 19,4 14,9 13,0 21,2 14,4 November 14,7 13,8 11,8 12,2 16,5 14,9 11,3 24,8 13,1 16,1 15,7 14,9 11,9 13,0 December 15,9 14,5 13,3 10,8 13,0 12,8 19,3 14,2 14,6 10,7 13,6 18,3 12,4 18, táblázat A maximális széllökések havonta ( ) Paks állomáson Átlagos szélsebességek relatív gyakoriságai A következő táblázatunkban ( táblázat) a maximális széllökések szélsebesség és szélirány szerinti relatív gyakoriságát láthatjuk éves viszonylatban. Az irány szerinti gyakoriságot tekintve, a maximális széllökések iránya legtöbbször északnyugati, ezután következnek a déli, majd az észak-északnyugati irányok. A sebességet tekintve, a 2-4 m/s közötti széllökések fordulnak elő a legtöbbször, de az 1-2 m/s, illetve a 4-6 m/s közöttiek is gyakoriak. 12 m/s feletti sebességek már kisebb arányban fordulnak elő az évben, 17 m/s-ot meghaladók pedig csak ritkán június /162

78 A maximális szélsebesség szélirány szerinti relatív gyakorisága (%) v (m/s) Szélcsend É ÉÉK ÉK KÉK K KDK DK DDK D DDNY DNY NYDNY NY NYÉNY ÉNY ÉÉNY Összesen [0,0-0,1) 0,769 [0,1-1,0) 0,179 0,303 0,211 0,033 0,044 0,042 0,252 0,192 0,273 0,158 0,461 0,195 0,267 0,338 0,612 0,185 3,745 [1,0-2,0) 0,675 1,279 0,784 0,111 0,236 0,303 1,367 1,029 1,312 0,637 1,242 0,644 0,964 0,821 1,787 1,196 14,385 [2,0-3,0) 0,626 1,101 1,328 0,383 0,684 0,684 1,743 1,251 2,123 0,855 1,166 0,756 1,163 0,748 1,576 1,242 17,428 [3,0-4,0) 0,478 1,152 1,560 0,529 0,879 0,649 1,291 1,010 2,241 0,869 1,196 0,624 0,971 0,751 1,280 0,937 16,419 [4,0-5,0) 0,385 0,860 1,344 0,524 0,811 0,494 0,927 0,748 1,518 0,647 0,969 0,489 0,739 0,594 1,214 0,783 13,045 [5,0-6,0) 0,401 0,674 1,048 0,436 0,491 0,218 0,654 0,447 1,092 0,535 0,689 0,394 0,667 0,543 1,201 0,823 10,314 [6,0-7,0) 0,290 0,477 0,638 0,225 0,204 0,135 0,366 0,259 0,723 0,369 0,482 0,259 0,433 0,392 1,150 0,704 7,106 [7,0-8,0) 0,253 0,301 0,371 0,128 0,106 0,072 0,220 0,172 0,405 0,241 0,362 0,171 0,327 0,320 0,922 0,784 5,155 [8,0-9,0) 0,192 0,195 0,193 0,074 0,060 0,032 0,160 0,051 0,229 0,132 0,250 0,118 0,222 0,237 0,818 0,631 3,593 [9,0-10,0) 0,100 0,125 0,109 0,033 0,012 0,011 0,072 0,040 0,109 0,077 0,178 0,083 0,134 0,190 0,688 0,551 2,512 [10,0-11,0) 0,079 0,074 0,095 0,014 0,007 0,007 0,044 0,018 0,028 0,035 0,130 0,058 0,088 0,148 0,538 0,440 1,803 [11,0-12,0) 0,051 0,030 0,040 0,007 0,007 0,011 0,019 0,009 0,004 0,011 0,086 0,047 0,060 0,086 0,470 0,376 1,314 [12,0-13,0) 0,042 0,021 0,018 0,002 0,002 0,004 0,005 0,002 0,011 0,049 0,021 0,051 0,063 0,315 0,255 0,860 [13,0-14,0) 0,025 0,009 0,009 0,002 0,002 0,005 0,004 0,026 0,019 0,012 0,056 0,227 0,185 0,580 [14,0-15,0) 0,021 0,005 0,009 0,002 0,002 0,019 0,021 0,011 0,016 0,150 0,120 0,375 [15,0-16,0) 0,009 0,002 0,009 0,005 0,011 0,016 0,090 0,090 0,230 [16,0-17,0) 0,005 0,004 0,002 0,004 0,002 0,002 0,011 0,090 0,040 0,158 [17,0-18,0) 0,004 0,002 0,002 0,002 0,004 0,002 0,049 0,023 0,086 [18,0-19,0) 0,004 0,004 0,002 0,004 0,018 0,025 0,055 [19,0-20,0) 0,002 0,019 0,016 0,037 [20,0-21,0) 0,002 0,002 0,002 0,007 0,007 0,019 [21,0-22,0) 0,004 0,002 0,002 0,007 [22,0-23,0) 0,002 0,002 [23,0-24,0) 0,002 0,002 [24,0-25,0) 0,002 0,002 Összesen 0,769 3,815 6,613 7,762 2,501 3,542 2,659 7,120 5,233 10,062 4,580 7,326 3,912 6,131 5,338 13,223 9, , táblázat A maximális széllökés sebesség és irány szerinti relatív gyakorisága [%] Paks állomáson ( ) június /162

79 Maximális széllökések visszatérési értékei A gyakorisági értékeken túl meghatároztuk a maximális széllökések 2, 4, 5, éves visszatérési periódusait is (Gumbel-féle statisztikai módszerrel). Ez alapján láthatjuk, hogy 20 m/s körüli, viharos szélsebességre átlagosan kétévente lehet számítani Paks környékén, 24 m/s-os nagyságúra mely már erősen viharosnak számít körülbelül 10 évente, 30 m/s-os szél átlagosan 500 évente fordulhat elő, míg m/s-os, orkán erejű szél csupán évente ( táblázat). A maximális széllökés visszatérési értékei Gumbel eloszlással Visszatérési periódus (év) Maximális széllökés [m/s] 2 20,7 4 22,2 5 22, , , , , , , , , , , , , táblázat A maximális széllökés visszatérései értékei Gumbel eloszlással Paks állomásra vonatkozóan ( es adatok alapján) Azon napokat, melyeken a maximális széllökés meghaladja a 15 m/s-ot, viharos napnak nevezzük. A ábra ezen napok átlagos és maximális számát mutatja be havonta, az es időszakra vonatkozóan, Paks állomásra. Legtöbbször általában márciusban figyelhetünk meg viharos szelet (3 nap), valamint januárfebruár és április-május hónapokban jelentkezik átlagosan 2-2 napon. A legtöbb, 10 viharos napot 2000 márciusában mértük. 12 nap Viharos napok (fx>15 m/s) átlagos és maximális száma Pakson ( ) 10 nap 8 nap nap 4 nap 2 nap 0 nap , ,9 2, ,5 1,6 1,4 1,1 0,7 0,6 0,7 0,9 0,6 J F M Á M J J A S O N D Átlagos értékek Maximális értékek ábra Viharos napok átlagos és maximális havi száma ( ) Paks állomáson Légköri stabilitási viszonyok A A szinoptikus szélsebesség és szélirány Pasquill-index szerinti relatív gyakorisága június /162

80 Szélcsend/ P.i. É ÉÉK ÉK KÉK K KDK DK DDK D DDNY DNY NYDNY NY NYÉNY ÉNY ÉÉNY Összesen változó [0,0-0,1) A 0,0 0,0 B 0,1 0,1 C 0,1 0,1 D 0,6 0,6 E 0,6 0,6 F 3,7 3,7 [ ) A 0,1 0,0 0,1 0,1 0,0 0,1 0,1 0,0 0,1 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,6 B 0,1 0,0 0,1 0,1 0,2 0,1 0,2 0,0 0,1 0,1 0,0 0,1 0,0 0,1 0,1 0,1 1,4 C 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,0 0,1 0,1 0,0 0,1 0,1 1,4 D 0,7 0,3 0,3 0,2 0,2 0,3 0,3 0,4 0,3 0,3 0,3 0,4 0,6 0,7 0,7 0,6 6,6 E 0,5 0,5 0,2 0,1 0,1 0,1 0,2 0,2 0,2 0,2 0,1 0,2 0,2 0,2 0,2 0,4 3,6 F 1,3 1,1 0,5 0,2 0,2 0,1 0,5 0,7 0,7 0,6 0,8 0,8 0,6 1,0 1,1 1,4 11,6 [ ) A 0,2 0,3 0,5 0,5 0,3 0,3 0,4 0,3 0,2 0,2 0,2 0,1 0,2 0,1 0,1 0,1 4,0 B 0,3 0,3 0,6 0,5 0,3 0,4 0,5 0,4 0,3 0,3 0,2 0,2 0,3 0,3 0,3 0,3 5,5 C 0,2 0,3 0,2 0,3 0,2 0,3 0,4 0,2 0,4 0,2 0,2 0,2 0,2 0,2 0,4 0,3 4,2 D 0,0 0,7 0,5 0,5 0,4 0,3 0,3 0,5 0,6 0,6 0,3 0,2 0,6 0,7 0,9 1,1 1,1 9,3 E 0,2 0,2 0,2 0,0 0,0 0,1 0,2 0,3 0,4 0,1 0,1 0,1 0,1 0,1 0,2 0,3 2,6 F 0,3 0,4 0,2 0,1 0,0 0,0 0,1 0,3 0,4 0,2 0,2 0,2 0,2 0,2 0,2 0,3 3,3 [ ) A 0,2 0,3 0,3 0,2 0,0 0,0 0,1 0,2 0,4 0,2 0,1 0,1 0,2 0,1 0,1 0,1 2,6 B 0,4 0,3 0,6 0,2 0,1 0,1 0,3 0,4 0,5 0,4 0,4 0,2 0,4 0,2 0,5 0,4 5,4 C 0,3 0,3 0,3 0,1 0,1 0,1 0,2 0,2 0,3 0,2 0,2 0,2 0,2 0,3 0,5 0,5 4,0 D 0,6 0,4 0,7 0,2 0,1 0,1 0,2 0,2 0,5 0,3 0,3 0,4 0,3 0,5 1,1 0,9 6,8 E 0,1 0,1 0,1 0,0 0,0 0,0 0,1 0,1 0,1 0,0 0,1 0,1 0,0 0,1 0,9 F 0,1 0,0 0,1 0,1 0,0 0,1 0,0 0,2 0,1 0,1 0,1 0,0 0,0 0,1 1,0 [ ) A 0,0 0,2 0,0 0,0 0,0 0,1 0,1 0,1 0,1 0,0 0,0 0,1 0,1 0,8 B 0,3 0,4 0,3 0,1 0,0 0,1 0,2 0,8 0,6 0,5 0,3 0,1 0,1 0,3 0,4 4,5 C 0,5 0,3 0,2 0,1 0,1 0,3 0,1 0,4 0,2 0,2 0,2 0,1 0,3 0,7 0,6 4,3 D 0,5 0,4 0,2 0,1 0,0 0,0 0,2 0,2 0,4 0,5 0,2 0,3 0,2 0,5 1,7 1,4 6,8 E 0,1 0,0 0,0 0,1 0,1 0,0 0,1 0,0 0,0 0,4 F 0,0 0,0 0,1 0,0 0,0 0,1 0,0 0,0 0,2 [ ) A 0,0 0,0 0,0 B 0,0 0,0 0,1 0,0 0,1 0,1 0,0 0,0 0,3 C 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,1 0,2 0,1 0,0 0,1 0,1 0,6 D 0,0 0,1 0,0 0,0 0,0 0,0 0,1 0,1 0,2 0,1 0,1 0,7 0,4 1,8 E 0,1 0,1 F 0,1 0,1 [ ) A 0,0 0,0 B 0,0 0,0 0,0 C 0,0 0,0 0,0 0,0 D 0,0 0,0 0,0 0,0 0,0 0,1 0,0 0,0 0,1 0,0 0,2 E F [ ) A B C D 0,0 0,0 0,0 0,0 E június /162

81 F Összesen 5,1 7,7 6,9 6,5 3,7 2,2 2,6 5,0 5,0 7,6 5,7 5,2 5,4 4,9 6,0 10,4 10,1 100, táblázatban a szinoptikus szélsebesség és szélirány Pasquill-index szerinti relatív gyakoriságát adtuk meg Paks állomásra vonatkozóan, éves viszonylatban ( ) június /162

82 A szinoptikus szélsebesség és szélirány Pasquill-index szerinti relatív gyakorisága Szélcsend/ P.i. É ÉÉK ÉK KÉK K KDK DK DDK D DDNY DNY NYDNY NY NYÉNY ÉNY ÉÉNY Összesen változó [0,0-0,1) A 0,0 0,0 B 0,1 0,1 C 0,1 0,1 D 0,6 0,6 E 0,6 0,6 F 3,7 3,7 [ ) A 0,1 0,0 0,1 0,1 0,0 0,1 0,1 0,0 0,1 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,6 B 0,1 0,0 0,1 0,1 0,2 0,1 0,2 0,0 0,1 0,1 0,0 0,1 0,0 0,1 0,1 0,1 1,4 C 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,0 0,1 0,1 0,0 0,1 0,1 1,4 D 0,7 0,3 0,3 0,2 0,2 0,3 0,3 0,4 0,3 0,3 0,3 0,4 0,6 0,7 0,7 0,6 6,6 E 0,5 0,5 0,2 0,1 0,1 0,1 0,2 0,2 0,2 0,2 0,1 0,2 0,2 0,2 0,2 0,4 3,6 F 1,3 1,1 0,5 0,2 0,2 0,1 0,5 0,7 0,7 0,6 0,8 0,8 0,6 1,0 1,1 1,4 11,6 [ ) A 0,2 0,3 0,5 0,5 0,3 0,3 0,4 0,3 0,2 0,2 0,2 0,1 0,2 0,1 0,1 0,1 4,0 B 0,3 0,3 0,6 0,5 0,3 0,4 0,5 0,4 0,3 0,3 0,2 0,2 0,3 0,3 0,3 0,3 5,5 C 0,2 0,3 0,2 0,3 0,2 0,3 0,4 0,2 0,4 0,2 0,2 0,2 0,2 0,2 0,4 0,3 4,2 D 0,0 0,7 0,5 0,5 0,4 0,3 0,3 0,5 0,6 0,6 0,3 0,2 0,6 0,7 0,9 1,1 1,1 9,3 E 0,2 0,2 0,2 0,0 0,0 0,1 0,2 0,3 0,4 0,1 0,1 0,1 0,1 0,1 0,2 0,3 2,6 F 0,3 0,4 0,2 0,1 0,0 0,0 0,1 0,3 0,4 0,2 0,2 0,2 0,2 0,2 0,2 0,3 3,3 [ ) A 0,2 0,3 0,3 0,2 0,0 0,0 0,1 0,2 0,4 0,2 0,1 0,1 0,2 0,1 0,1 0,1 2,6 B 0,4 0,3 0,6 0,2 0,1 0,1 0,3 0,4 0,5 0,4 0,4 0,2 0,4 0,2 0,5 0,4 5,4 C 0,3 0,3 0,3 0,1 0,1 0,1 0,2 0,2 0,3 0,2 0,2 0,2 0,2 0,3 0,5 0,5 4,0 D 0,6 0,4 0,7 0,2 0,1 0,1 0,2 0,2 0,5 0,3 0,3 0,4 0,3 0,5 1,1 0,9 6,8 E 0,1 0,1 0,1 0,0 0,0 0,0 0,1 0,1 0,1 0,0 0,1 0,1 0,0 0,1 0,9 F 0,1 0,0 0,1 0,1 0,0 0,1 0,0 0,2 0,1 0,1 0,1 0,0 0,0 0,1 1,0 [ ) A 0,0 0,2 0,0 0,0 0,0 0,1 0,1 0,1 0,1 0,0 0,0 0,1 0,1 0,8 B 0,3 0,4 0,3 0,1 0,0 0,1 0,2 0,8 0,6 0,5 0,3 0,1 0,1 0,3 0,4 4, június /162

83 C 0,5 0,3 0,2 0,1 0,1 0,3 0,1 0,4 0,2 0,2 0,2 0,1 0,3 0,7 0,6 4,3 D 0,5 0,4 0,2 0,1 0,0 0,0 0,2 0,2 0,4 0,5 0,2 0,3 0,2 0,5 1,7 1,4 6,8 E 0,1 0,0 0,0 0,1 0,1 0,0 0,1 0,0 0,0 0,4 F 0,0 0,0 0,1 0,0 0,0 0,1 0,0 0,0 0,2 [ ) A 0,0 0,0 0,0 B 0,0 0,0 0,1 0,0 0,1 0,1 0,0 0,0 0,3 C 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,1 0,2 0,1 0,0 0,1 0,1 0,6 D 0,0 0,1 0,0 0,0 0,0 0,0 0,1 0,1 0,2 0,1 0,1 0,7 0,4 1,8 E 0,1 0,1 F 0,1 0,1 [ ) A 0,0 0,0 B 0,0 0,0 0,0 C 0,0 0,0 0,0 0,0 D 0,0 0,0 0,0 0,0 0,0 0,1 0,0 0,0 0,1 0,0 0,2 E F [ ) A B C D 0,0 0,0 0,0 0,0 E F Összesen 5,1 7,7 6,9 6,5 3,7 2,2 2,6 5,0 5,0 7,6 5,7 5,2 5,4 4,9 6,0 10,4 10,1 100, táblázat A szinoptikus szélsebesség és szélirány Pasquill-index szerinti relatív gyakorisága [%] Paks állomáson, éves viszonylatban ( ) június /162

84 A Pasquill-féle stabilitási kategóriák: A erősen labilis B közepesen labilis C enyhén labilis D semleges E enyhén stabil F erősen stabil A paksi mérőtorony méréseinek feldolgozása A paksi mérőtorony által rögzített, 10 perces bontású adatok novemberi kezdettel álltak rendelkezésünkre. A három szinten (20, 50 és 120 méteren) történő mérések eredményei a PA Zrt. tulajdonát képezik, azok nem alkotják az OMSZ meteorológiai adatbázisának részét, ezért a fentiekben tárgyalt széladatokkal ellentétben a szokásos többszintű adatellenőrzési- és pótlási eljárásainkon nem estek át. Az adatfeldolgozás első szintjeként a kapott adatokat feldolgozható formátumúra hoztuk, majd megpróbáltuk kiszűrni a hibás adatokat. Az adatsorok rövidsége, formátuma, valamint az egyes adatsorokban jelen lévő hibák és hiányok csak a széladatok feldolgozását tették lehetővé, hangsúlyozzuk azonban, hogy a bemutatott eredmények a rendelkezésre álló adatok minősége miatt tájékoztató jellegűek Szélirány A mérőtorony 20 méteres szintjén ( ábra) a vizsgált 7 év adatai alapján az észak-északnyugati szélirány volt az uralkodó (14%), emellett az északi fordult elő a legtöbb alkalommal. Viszonylag gyakori volt még a déli (8,7%) és a délidélkeleti (8,3%) irány. 50 méteres magasságban ( ábra) is az észak-északnyugati irány volt a leggyakoribb (13,3%), a 20 méteres szinthez hasonló sorrenddel, 120 méteren ( ábra) azonban már mutatkoznak a jelei a északnyugatias szél arányának növekedésének. Habár itt is az észak-északnyugati szél volt az uralkodó (12,4%), azt az északnyugati (10,9%), majd az északi szél (10,7%) követte, a délies szelek az alacsonyabb szinteknél kevésbé voltak hangsúlyosak ábra Szélirányok relatív gyakorisága [%] Paks mérőtorony 20 m-es szinten június /162

85 ábra Szélirányok relatív gyakorisága [%] Paks mérőtorony 50 m-es szinten ábra Szélirányok relatív gyakorisága [%] Paks mérőtorony 120 m-es szinten A különböző szinteken regisztrált szélirányok gyakoriságának különbségeit egy összehasonlító diagramon ábrázoltuk ( ábra). Az északnyugatias irány arányának magassággal való növekedése jól látható június /162

86 A szélirányok relatív gyakorisága [%] különböző magassági szinteken ÉNY ÉÉNY 15 É ÉÉK 12 9 ÉK NYÉNY NY KÉK K NYDNY KDK DNY DK DDNY D DDK 20 m 50 m 120 m ábra Szélirányok relatív gyakorisága [%] Paks mérőtorony különböző magassági szintjein Átlagos szélsebességek A szél sebessége a troposzférában a magassággal jellemzően emelkedik, ezt tükrözik a különböző szinteken mért 10 perces átlagos szélsebességeket feldolgozó ábrák is. Míg 20 méteren ( ábra) a 2-4 m/s-os tartomány gyakorisága alig nagyobb az ez alatti tartományénál, 50 méteren ( ábra) már egyértelmű a túlsúlya, 120 méteren ( ábra) pedig már a 4 és 6 m/s közötti sebesség fordult elő a legnagyobb arányban. A vizsgált időtartam alatt 20 méteren 12 m/s volt a maximális átlagsebesség, 50 méteren csaknem 18 m/s, 120 méteren pedig 20 m/s feletti értékek is előfordultak ábra Az átlagos szélsebesség relatív gyakorisága [%] Paks mérőtorony 20 m-es szinten június /162

87 ábra Az átlagos szélsebesség relatív gyakorisága [%] Paks mérőtorony 50 m-es szinten ábra Az átlagos szélsebesség relatív gyakorisága [%] Paks mérőtorony 120 m-es szinten Maximális széllökések A maximális széllökések nagysága is a magassággal növekvő képet mutat. Az alábbi ábrák a napi maximális szélsebesség relatív gyakoriságait mutatják a vizsgált szinteken. Látható, hogy 20 méteren ( ábra) 25 m/s-ot meghaladó széllökés nem fordult elő, 120 méteren ( ábra) azonban 30 m/s-nál nagyobb lökések is voltak június /162

88 A napi maximális szélsebesség relatív gyakorisága [%] 20 méteres magasságban ( ) > 30 m/s % 10% 20% 30% 40% 50% 60% 70% ábra A napi maximális szélsebesség relatív gyakorisága [%] Paks mérőtorony 20 m-es szinten A napi maximális szélsebesség relatív gyakorisága [%] 50 méteres magasságban ( ) > 30 m/s % 10% 20% 30% 40% 50% 60% 70% ábra A napi maximális szélsebesség relatív gyakorisága [%] Paks mérőtorony 50 m-es szinten június /162

89 ábra A napi maximális szélsebesség relatív gyakorisága [%] Paks mérőtorony 120 m-es szinten A tornádók és gyakoriságuk becslése Magyarországon Magyarországon a jelentős károkat okozó szélviharok két kategóriába sorolhatóak. Az első csoportba tartoznak a nagytérségű időjárási objektumok, (ciklonok, hidegfrontok) következtében kialakuló órás, esetleg napos nagyságrendű élettartalommal rendelkező szélviharok. A második csoportba a lokális skálán jelentkező, perces, legfeljebb egy órás élettartamú konvektív (zivataros) szélviharok sorolhatóak. Az előbbi rendszerek legfeljebb 120 km/h körüli, rendkívül szélsőséges esetben, speciális helyeken (hegycsúcsokon) 160 km/h körüli széllökéseket képesek okozni. A zivataros rendszereknél, illetve az általuk gerjesztett tornádóknál a szélerősség általában nagyobb, és az ország bármely területén előfordulhatnak, igaz nagyon kis valószínűséggel. Az alábbiakban a térségünkben kialakuló tornádók körülményeit, gyakoriságát, illetve a bennük létrejövő legerősebb szélsebességeket vizsgáljuk. A tornádók szinte minden esetben zivatarrendszerekhez köthetőek. A tornádók vagy forgószelek akkor alakulnak ki, amikor a zivatarfelhőben vagy annak környezetében a levegő örvénylő mozgással áramlik a talaj felől a magasba. A tornádókat két kategóriába lehet sorolni: szupercellás és nem szupercellás tornádókat különböztethetünk meg. A nem szupercellás tornádókat legtöbbször a zivatarból kiáramló, nagy sebességű, ún. zivataros kifutószél mentén létrejövő miniatűr hidegfront hozza létre. Ezen légörvények átmérője m, a bennük kialakuló legnagyobb szélsebesség km/h között van, élettartamuk 5-10 perc. A tornádók osztályozására használt öt fokozatú, ún. Fujita-skála (1. táblázat) szerint ezen forgószelek az F1 kategóriába tartoznak. Az előbbieknél nagyobb szelet okoznak a szupercellás tornádók. Bizonyos időjárási körülmények között elsősorban nyáron kialakulhatnak igen nagyméretű zivatarok, amelyek forogni kezdenek. A forgás következtében kialakuló légkördinamikai körülmények miatt a zivatarokba beáramló levegő egy nagyon keskeny csatornába koncentrálódik, és örvénylő mozgással áramlik be a felhőbe. A több száz négyzetkilométer alapterületű óriás zivatarfelhő a fennmaradásához szükséges légtömeget gyakorlatilag ebből a keskeny csatornából fedezi, ezért az itt létrejövő örvények extra erősségűek lehetnek. (A szupercella felhőjének karakterisztikus átmérője körülbelül 10 km. A benne kialakuló tornádó azonban csak néhányszor 10 m (legfeljebb 100 m) átmérőjű.) A legmagasabb becsült szél a fenti skála szerinti F5-ös tornádóknál elérheti az 520 km/h-s sebességet! Ez a természetben előforduló legnagyobb szélsebesség. Természetesen egyik fokozatból alakulhat át másik fokozatba tornádó. A tornádókban előforduló legnagyobb szélsebességek a kategóriák szerint az alábbiak: június /162

90 Fokozat Szélsebesség km/h F0 (gyenge) F1 (mérsékelt) F2 (nagy) F3 (erős) F4 (pusztító) F5 ( elképesztő ) Fujita-skála Károk a tetők sérülhetnek, ereszcsatornák ledőlnek, a faágak letörnek, és a gyenge gyökérzetű fák kidőlnek a háztetők felszakadnak, ajtók leszakadnak, ablakok betörnek, a mobil házak felborulnak a tetőszerkezetek leszakadnak, a mobil otthonok teljesen elpusztulnak, a nagyobb fák kitörnek vagy gyökerestül kicsavarodnak, a kisebb tárgyak sodródnak a levegőben, az autók felemelkednek teljes emeletek tűnhetnek el, komoly sérülés nagyobb épületekben (például bevásárlóközpontok), a vonatszerelvények felborulnak, minden fa kidől vagy kitörik, nehezebb gépjárművek fölemelkednek és métereket mozognak a levegőben az épületek a föld felszínével lesznek egyenlők, a tetőszerkezetek, faházak, gépjárművek és egyéb nagyobb tárgyak folyamatosan sodródnak a levegőben a többszintes és vasbetonházak is összedőlnek, s darabjaik messzire szétszóródnak; a nehéz járművek és darabjaik több száz méternyit repülnek. Katasztrofális pusztítás mindenütt táblázat A Fujita-skála szélsebességei és a kártételek A felhőből jövő zivataros kifutó szél frontján kialakuló, gyengébb tornádóknak (F1-F2) a felhőtől eltávolodva az áthelyeződési sebességük a felhő sebességének kb. 1,3-szorosa lehet. A zivatarfelhőhöz szorosan kapcsolódva kialakuló, erősebb tornádók (F3 kategória és a felett) a zivatarfelhővel együtt mozognak. A zivatarfelhők legnagyobb áthelyeződési sebessége 90 km/h-t általában nem haladja meg, de az ilyen gyorsan mozgó zivatarfelhőben F2 fölötti tornádó kialakulásának nagyon kicsi az esélye. Az erősebb tornádók transzlációs sebessége - megegyezve a hordozó felhő sebességével - átlagosan km/h körül lehet, míg a kifutószél frontján kialakuló gyenge tornádóké maximum km/h. A nálunk leggyakrabb tornádók (F1-F2) rotációs sebessége km/h, sugara m. A nálunk ritkán előforduló F3-as tornádók rotációs sebessége km/h, sugara m. A nálunk valaha megfigyelt legerősebb, valószínűleg F4-es tornádók maximális rotációs sebessége kb km/h, sugaruk 100 m körüli. Egy km/h sebességgel haladó zivatarhoz csatlakozó F4-es tornádóban a transzlációs és rotációs sebesség összeadódva km/h körüli szelet produkálhat, amely egy adott pont felett néhány másodpercig marad fenn. Megjegyzés: A legerősebb szél a tornádóban a forgószél tölcsérének falában alakul ki. A tornádó a szupercella sebességével (kb km/h) halad, tehát pozitív örvény esetén a tölcsér jobb oldalának tangenciális szeléhez hozzáadódik a (szupercellával együtt mozgó) tölcsér áthelyeződési sebessége. A másik oldalról ez levonódik. A tornádók egyik kísérőjelensége a nyomáscsökkenés, amely a tölcsér középpontja és a környezete között figyelhető meg. A nyomáscsökkenés számított legmagasabb értéke a legerősebb tornádók esetén kb. 150 hpa lehet, amely azonban néhány másodperc alatt bekövetkezhet, és a depresszió átmérője a tornádó átmérőjével azonos nagyságrendű (néhány 100 m). A legerősebb tornádókat az Egyesült Államok középnyugati területein figyelték meg, ott évente akár százas nagyságrendben is létrejöhetnek tornádók, és a legerősebb, F5-ös kategóriájú forgószelekből is megfigyelnek nyaranta néhány esetet. Magyarországon a jelenlegi ismereteink szerint ennél jóval kevesebb és jóval gyengébb tornádók alakulnak ki. Az alábbiakban becsült értékeket az OMSZ radarmérései és az éves kárjelentések alapján készítettük el. Az OMSZ radarhálózata lehetővé teszi, hogy felderítsük a nagyméretű és hosszú élettartamú zivatarcellákat, és speciális szoftver segítségével kövessük és leírjuk a trajektóriájukat. Optimális esetben a Doppler szélmérés segítségével a bennük létrejövő rotációról is képet kaphatunk, bár technikai okokból ez a módszer operatívan még nem alkalmazható. A fentiek alapján megbecsülhetjük, hogy átlagosan hány szupercella alakul ki az országban egy évben (amelyeket kizárólagosan nyári esetekben detektáltunk) évtől állnak rendelkezésre az egész országot lefedő, az objektív vizsgálathoz megfelelő minőségű hálózati radar adatok. Ezek alapján elmondható, hogy évente maximum 80 szupercella alakul ki nyaranta Magyarországon. A szakirodalom szerint átlagosan minden 10. szupercella okoz tornádót, így évi átlagban 8 szupercellás tornádóra lehet június /162

91 számítani. Egy szupercella élettartama több órás is lehet, azonban a bennük létrejövő tornádók legfeljebb percig maradnak életben. A cella áthelyeződési sebessége első közelítéssel a konvektív áthelyeződés-vektorral becsülhető, ami az ilyenkor jellemző időjárási helyzetekben kb. 65 km/h (18 m/s). Tételezzünk fel extrém labilis időjárási helyzetet, ahol a szupercella 18 m/s sebességgel mozog és élettartama során 30 percig (1800 s) képes tornádót produkálni, amelynek átmérője 200 m. Ekkor a tornádóval sújtott terület nagysága: 200 m * 1800 s * 18 m/s = m 2, ~ 6,5 km 2 Ha évi 8 szupercellás tornádóval számolunk, akkor körülbelül 52 km 2 területet veszélyeztet egy évben tornádó Magyarországon. A km 2 területet figyelembe véve annak a valószínűsége, hogy egy 1 négyzetkilométeres területet egy évben tornádó sújtsa, az: azaz a visszatérési periódus 1786 év. 52/93000 ~ 0,00056, Hangsúlyozni kell, hogy a fenti adatok nagyságrendi becslésnek tekinthetőek. Az időjárás fluktuációjából következően ez az érték egy nagyságrenden belül változhat. A hazai domborzati viszonyok nem befolyásolják számottevően a szupercella mozgását vagy áthelyeződését. Sík vidéken azonban kicsit nagyobb az esélye annak, hogy a szupercellából tornádó alakul ki, légkördinamikai okokból. Paks térsége tornádó gyakoriság szempontjából nem tekinthető különösebben veszélyeztetettnek. A Magyarországon előforduló szupercellás tornádók a káresemények alapján ritkán haladják meg az F3 fokozatot, azonban valószínűleg előfordult már F4-es tornádó is (Bia, 1924), amely 400 km/h körüli szélsebességet okozhatott a légtölcsér oldalában. Az elmúlt években megfigyelt tendencia szerint a heves konvektív események száma növekvő tendenciát mutat, amelynek hátterében elképzelhető, hogy hosszabb skálájú, klimatikus okok állnak. Így egy nukleáris erőmű kritikus épületénél célszerű az F5-ös terhelést figyelembe venni, amely körülbelül 520 km/h sebességű, pár percig tartó szelet jelent. A szakirodalom szerint ezer tornádó között átlagosan egy F5-ös osztályú jelentkezik, így a fentiek alapján, Magyarországon előforduló F5-ös kategóriájú tornádó éves valószínűsége 1 km 2 területen: 0, , azaz visszatérési periódusa közel év. (Magyarországon még nem észleltek F5-ös tornádót.) Egyes elméleti számítások szerint létrejöhetnek F6-os tornádók is, amelyek elvileg akár hangsebesség közeli széllel járhatnak, azonban ezt eddig semmiféle megfigyelés nem támasztotta alá, nálunk ilyen jelenséggel semmiképpen nem kell számolni. Amennyiben az erőművet tornádó érné el, az legnagyobb valószínűséggel F1 vagy F2 kategóriás lenne Összefoglalás Tanulmányunkban elvégeztük a legfontosabb meteorológiai paraméterek éghajlati vizsgálatát az es időszakra, Paks térségére vonatkozóan. A hőmérséklet elemzésekor az átlagos viszonyokon túl a szélsőségeket is vizsgáltuk. Láthattuk, hogy éves szinten emelkedő tendenciát mutat az átlaghőmérséklet, s a nyári-, hőség- és forró napok előfordulását elemezve is megfigyelhettük, hogy az éven belüli extrémitások is egyre gyakoribbak. A csapadékviszonyok esetében szintén tanulmányoztuk az átlagos és szélsőséges értékeket is. Az éves csapadékösszeget szintén kissé emelkedő trend jellemezi Paks térségében, s az extrém értékeket vizsgálva, több esetben évszázados rekord dőlt meg ebben a 30 éves időszakban. Ezután elemeztük a havas és hótakarós napok, valamint a zivataros napok átlagos és maximális számát, éven belüli eloszlását. Röviden bemutattuk a magyarországi villám-lokalizációs hálózatot, s térképen ábrázoltuk a szezonális villámintenzitásokat, valamint táblázatban közöltük az érintett területek arányát és a szélsőérték vizsgálatok eredményeit. A napfénytartam átlagos éves és havi értékeinek elemzése után a tengerszinti légnyomás átlagos, maximális és minimális havi értékeit vizsgáltuk, valamint a havi abszolút szélsőségeket is közöltük táblázatos formában. Röviden szóltunk a tényleges és potenciális párolgás, valamint a különböző mélységekben mért talajhőmérsékletek átlagos évi menetéről június /162

92 Megadtuk a szélsőségesen magas, illetve alacsony hőmérsékletek, az egy nap alatt lehulló maximális csapadék, a maximális hóvastagság és a maximális széllökés visszatérési értékeit 10 7 év visszatérési időig. A szélviszonyok elemzését is elkészítettük. Az uralkodó szélirány a térségben az északnyugati, a szélsebességeket tekintve az 1,1-2 m/s közötti értékek a leggyakoribbak. Bemutattuk továbbá a viharos napok átlagos és maximális számát, valamint a szélsebesség és szélirány Pasquill-index szerinti relatív gyakoriságát. A mérőtorony adatai alapján elemzést készítettünk a különböző felszínközeli magassági szintek szélviszonyairól. Az uralkodó szélirány 20, 50 és 120 méteren is az észak-északnyugati. A szélsebességek a magassággal növekednek, a 10 perces átlagos értékek 120 méteren már leggyakrabban 4 és 6 m/s közé esnek, a napi maximális széllökések pedig meghaladhatják a 30 m/s-ot. A Magyarországon a legerősebb szeleket okozó tornádók előfordulását is vizsgáltuk. Annak esélye, hogy 1 négyzetkilométeres területet egy évben tornádó sújt körülbelül 0, A nálunk megfigyelt legerősebb tornádó F4-es kategóriájú volt, ami 400 km/h körüli széllökéseket okozhatott. Maximálisan elvileg 520 km/h-s legerősebb széllel járó, F5 kategóriájú tornádó fordulhat elő, amelynek bekövetkezési valószínűsége körülbelül 0, A Paksi erőmű tornádó szempontjából teljesen biztonságosnak tekinthető, ha F5-ös tornádónak ellenáll, amely a szakirodalomi adatok szerint km/h szélterhelést, az épület belseje és a környezete között 150 hpa nyomáskülönbséget tételez fel. Ennél nagyobb meteorológiai terhelés jelen tudásunk szerint nem képzelhető el KLÍMAMODELLEZÉS A rendelkezésre álló modelleredmények részletesebb eredményekkel való folyamatos frissítését szolgáló modellszimulációk előkészítése Az Országos Meteorológiai Szolgálatnál az elmúlt években két regionális klímamodell adaptálása történt meg ( táblázat): a toulouse-i Météo France által nemzetközi együttműködésben kifejlesztett ALADIN-Climate ( ábra), valamint a hamburgi Max Planck Intézet által fejlesztett REMO ( ábra) regionális klímamodelleké. A modellekkel először a múltra vonatkozóan végeztünk szimulációkat, hogy teszteljük őket egy, a mérések által ismert, hosszabb múltbeli időszakon, s az így nyert következtetésekkel segítsük fejlesztésüket. A regionális modellkísérleteket elsőként olyan határfeltételek alkalmazásával hajtottuk végre, melyek előállításához megfigyelési információkat is felhasználtak. Az ilyen típusú modellkísérletek segítségével célzottan a regionális modell hibáit tudjuk számszerűsíteni, hiszen a méréseken alapuló peremfeltételek (az ún. re-analízisek) elméletileg nem hoznak hibát a szimulációba. Ezeket olyan szimulációk követték, amelyekben a nagyskálájú kényszereket már globális általános cirkulációs modellek biztosították. A múltra vonatkozóan így előállított eredményeket ebben az esetben is összehasonlítottuk megfigyelési adatokkal, s mivel a regionális modellek mellett a globális modellek is hibával terheltek, ezért a kiértékeléssel ezek együttes hibájáról kaptunk képet. ALADIN-Climate 4.5 REMO 5.0 Időszak Felbontás 25 és 10 km 10 km 25 km 25 km Peremfeltétel Re-analízisek GCM Re-analízisek GCM GCM: Global Climate Model globális éghajlati modell táblázat Az ALADIN-Climate és REMO regionális klímamodellekkel végrehajtott kísérletek jellemzői június /162

93 Figyelembe véve, hogy a jövőre vonatkozóan kizárólag a globális modellek eredményeit tudjuk határfeltételként felhasználni, a jövőbeli projekciók bizonytalanságának csökkentése és a fejlesztés összetett feladat, mert a regionális és a globális modellek párhuzamos fejlesztését igényli. A modellkísérletek integrálási területei: ábra Az ALADIN-Climate modell 25 (teljes panel) és 10 km-es (kék téglalap) felbontású tartományai ábra A REMO modell 25 km-es felbontással lefedett tartománya A modelleredményeket az időszakra vetettük össze egy rácsra interpolált megfigyelési adatbázissal. Megállapítottuk, hogy az alkalmazott határfeltételtől függően a regionális modellek teljesen eltérő eredményt adhatnak. Azt tapasztaltuk továbbá, hogy jobb eredményeket kaptunk a durvább felbontással és nagyobb területen végzett szimulációval, mint a finomabb felbontás alkalmazásával. Ebből arra következtettünk, hogy a 10 km-es felbontás esetében választott terület mérete nem elég nagy, emellett a csapadék eredményekben problémát okozott, hogy a tartomány pereme hegyvidékre esik. Mivel a jelenlegi eredményeinket a jövőben 10 km-es felbontású eredményekkel tervezzük frissíteni, ezért az új modellkísérletekhez kulcskérdés az optimális integrálási tartomány meghatározása. A tartomány megválasztásánál két alapvető szempontot kell figyelembe venni: (i) a területnek elég nagynak kell lennie a regionális viszonyok leírásához, ugyanakkor (ii) a terület maximális méretét a rendelkezésre álló számítási kapacitás szabja meg. A megfelelő tartomány kijelöléséhez érzékenységi vizsgálat szükséges. A módosított integrálási terület mellett azonban egyéb változással is járnak az új kísérletek. Az eddig alkalmazott kibocsátási forgatókönyveket a jelenlegi globális modellkísérletekben fokozatosan felváltják olyan új, fejlettebb forgatókönyvekkel, melyeket az elődeiktől eltérő elvek június /162

94 alapján dolgoztak ki. Az új forgatókönyvekkel készült globális modellkísérletek regionális modellekkel történő európai leskálázása egy összehangolt együttműködés, az EURO-CORDEX kezdeményezés keretében több lépésben történik: az új globális modellkísérleteket először 50 km-es felbontással skálázzák le Európa területére, majd ezek eredményeiből kiindulva készülnek a 10 km-es felbontású modellszimulációk. A korlátozott számítási erőforrások miatt a különböző forgatókönyveken és regionális modelleken alapuló szimulációkat az intézmények egymás között megosztva végzik el, így különösen nagy jelentősége van az alkalmazott modellverziók és -tartományok összehangolásának. Ezért az Országos Meteorológiai Szolgálatnál is megkezdődött egy egyeztetési folyamat annak érdekében, hogy az eredményeink felhasználhatók legyenek a projektben és hozzáférhessünk a nemzetközi eredményekhez. Ennek első lépéseként adaptáltuk az ALADIN-Climate modell legújabb, az EURO-CORDEX projektben használatos verzióját az Országos Meteorológiai Szolgálat szuperszámítógépén. Az adaptáció során elsőként a modell informatikai tesztelése történt meg: megvizsgáltuk, hogy a modell programkódja jól működik-e a hazai számítógépes környezetben. A modellel több kísérletet kellett végrehajtani, amelyekben többek között teszteltük, hogy a multiprocesszoros környezet előnyeit kihasználó különböző fordítási kapcsolókkal a modell ugyanazt az eredményt adja-e; azaz például 8, 16, 32 processzor használatával ugyanarra az eredményre jutunk-e, mint 1 processzoron, s a modellfutást meggyorsító és a kódot átrendező fordítás alkalmazásával ugyanazt az eredményt kapjuk-e, mint ennek mellőzésével. Ez triviálisnak látszik, ugyanakkor általános tapasztalatunk, hogy az egyes modellek különböző platformokon eltérő módon viselkednek, és az adaptációnál gyakran merülhetnek fel olyan problémák, amik a korábbi környezetben nem fordultak elő. Az ALADIN-Climate modell új verziójának adaptálásánál is ez történt, és több hónapig tartott, mire megtaláltuk az eltérés okát. Ha az informatikai teszteken átment a modell, akkor az eredmények fizikai korrektségét kell megvizsgálni: egyfelől azt, hogy fizikailag értelmes eredményt ad-e a modell, másfelől azt, hogy a jelenlegi környezetben kapott eredmények mennyire térnek el a korábbi környezetben kapott eredményektől. Az ALADIN-Climate esetében az informatikai hibák kiküszöbölése után ezzel már nem volt probléma, s sikeresen le tudtuk zárni a modell adaptációját. Ennek eredményeképpen tehát rendelkezésünkre áll az ALADIN-Climate modell nemzetközi kísérletekben is alkalmazott legújabb változata, s hamarosan meg tudjuk kezdeni vele azokat az 50 km-es felbontású kísérleteket, amelyeket a végcélként kitűzött 10 km-es felbontású szimulációk előtt el kell végeznünk A rendelkezésre álló eredmények folyamatos frissítése az újabb modellváltozatokkal végrehajtott részletesebb modellszimulációk eredményeivel Az Országos Meteorológiai Szolgálatnál két regionális klímamodellt (ALADIN-Climate és REMO) használunk, melyekkel a XXI. század végéig készültek projekciók az A1B kibocsátási forgatókönyvet figyelembe véve. Az adatok 10, illetve 25 km-es felbontáson állnak rendelkezésünkre a Kárpát-medence térségére ( táblázat). Ezeket az eredményeket tervezzük frissíteni 10 km-es felbontású, legújabb, ún. RCP forgatókönyvek szerint készült modellszimulációkkal. Ennek a folyamatnak több lépése van: (1) a legújabb modellváltozat adaptálása; (2) a modellel múltra vonatkozó kísérletek elvégzése és az eredmények validációja; majd (3) a jövőre vonatkozó szimulációk elkészítése és az eredmények kiértékelése. Ráadásul az ALADIN-Climate modell esetében a finomfelbontású kísérleteket két lépcsőben hajtjuk végre: először az ARPEGE-Climat globális modell eredményeit 50 km-es felbontással skálázzuk le egy Európát lefedő tartományra ( ábra), majd az 50 km-es felbontású ALADIN eredményekből kiindulva készítjük el a 10 km-es felbontású szimulációkat egy kisebb területre. A jelen fejezetben a fenti folyamat második lépéséről számolunk be, nevezetesen arról, hogy megtörtént az ALADIN-Climate regionális modell legfrissebb, 5.2-es verziójának validációja a EURO-CORDEX program keretei között. Modell Felbontás Peremfeltétel Forgatókönyv Időszak ALADIN-Climate km ARPEGE A1B REMO km ECHAM A1B táblázat A felhasznált modellkísérletek jellemzői A nemzetközi CORDEX együttműködés célja többek közt (1) regionális klímaszimulációk készítése a Föld különböző területeire, (2) az eredmények együttes kiértékelése, melynek érdekében a kísérletek azonos területek felett azonos június /162

95 felbontással készülnek, (3) szorosabb együttműködés elősegítése a meteorológusok és a felhasználók között. A jövőre vonatkozó klímaprojekciók előállításához a legújabb, az IPCC következő helyzetértékelő jelentésében is alkalmazott RCP forgatókönyveket használják. A tervezett 50 km-es felbontású kísérleteinket, melyek eredményeinek további leskálázásával jutunk majd a finomfelbontású projekciókhoz, a EURO-CORDEX-en (a CORDEX európai ágán) belül végezzük. Az integrálási tartomány egy egységes, egész Európát lefedő terület ( ábra), amelyen a modellező csoportok 10 és 50 km felbontással futtatnak. Az OMSZ számítási kapacitásai nem teszik lehetővé, hogy egy 10 km-es felbontású szimulációval fedjük le Európát, ezért a programban egy 50 km-es felbontású modellkísérlet elkészítését vállaltuk ábra A EURO-CORDEX tartomány és 50 km-es felbontású domborzata A jövőre vonatkozó klímaszimulációk megkezdése előtt szükséges elvégezni a modellek validációját, azaz múltra való tesztelését, hogy megismerhessük a modellek erősségeit és gyengeségeit, és azok alapján fejleszthessük azokat. Elvárjuk, hogy a modell képes legyen a múltbeli éghajlati viszonyok leírására, hiszen különben hogyan bízhatunk abban, hogy megfelelőképpen szimulálja a jövőben várható változásokat? Ugyanakkor tisztában kell lennünk azzal is, hogy éppen az éghajlat változása miatt a múltat megfelelőképpen jellemző modell nem feltétlenül ad helyes projekciókat a jövőre, ahogy egy, a validáció során gyengébbnek ítélt modell sem szolgáltat okvetlenül rossz eredményeket a jövőre. Az ALADIN-Climate legfrissebb verziójának adaptálása után az előző év végén elvégeztük a modell validációs integrálását az időszakra, 50 km-es felbontáson a EURO-CORDEX tartományra ( ábra), peremfeltételül az ERA-Interim re-analízis adatokat használva. A re-analíziseket múltbeli megfigyelések és modellszimulációk felhasználásával készítik, ezáltal a háromdimenziós légkör pillanatnyi állapotát a lehető legpontosabban írják le, térben és időben egyenletes felbontáson. Az ezekből kiindulva készített szimulációs eredmények gyengeségei túlnyomórészt a regionális modellből erednek, mert a határfeltételek csak kis hibával terheltek. Az eredmények kiértékelésénél referenciaként rácsponti megfigyelési adatbázisokat használtunk. Az ALADIN-Climate hazánkban aránylag jól visszaadta a hőmérséklet éves menetét, azonban az év első felében néhány fokos alulbecslés tapasztalható ( ábra). Ami a területi eloszlást illeti, Magyarország keleti felén nagyobb negatív hibákat kaptunk, a nyugati részeken néhol kisebb felülbecslés is tapasztalható az őszi-téli hónapokban. A klímamodell egész évben túl csapadékosnak bizonyult az ország nagy részén, ám a nyári maximumot és a novemberi másodmaximumot megfelelően visszaadta június /162

96 Hőmérséklet [C] Lévai Projekt ALADIN HUGRID J F M Á M J J A Sz O N D ábra Mért (HUGRID) és modellezett (ALADIN) magyarországi átlaghőmérséklet értékek A validáció után megkezdődhet az ARPEGE-Climat globális éghajlati modell eredményeinek leskálázása 50 km-re az időszakra. A globális futtatások során a sugárzási kényszereket a legpesszimistább, RCP8.5 kibocsátási forgatókönyv szerint vették figyelembe. Ezek az 50 km-es eredmények szolgálnak majd peremfeltételül a 10 km-es szimulációhoz, amihez az optimális méretű modelltartományt érzékenységvizsgálatokkal fogjuk meghatározni. A REMO legújabb verziójával hasonló kísérleteket tervezünk. Az ERA-Interim meghajtással futtatott validációs integrálást egy Európa-méretű területen fogjuk végrehajtani 10 km-es felbontáson. A projekciós kísérletekhez a peremfeltételeket az ECHAM globális klímamodell eredményei szolgáltatják majd. Ennek a hozzávetőlegesen 200 km-es felbontású eredményeit szintén két lépésben skálázzuk le 10 km-es felbontásra az időszakra, de az OMSZban csak a második leskálázási lépést hajtjuk végre, a közbülső 50 km-es felbontású eredményeket a hamburgi Max Planck Intézet modellszimulációiból vesszük. Ennek oka az, hogy az OMSZ jelenlegi számítási kapacitása nem elegendő ahhoz, hogy a REMO modellel elfogadható időn belül két saját kísérletet is befejezzünk. A finomfelbontású kísérleteket ebben az esetben is érzékenységvizsgálat fogja megelőzni az optimális integrálási tartományra vonatkozóan. A tervezett szimulációkat a táblázat Az ALADIN-Climate és REMO modellekkel tervezett kísérletek foglalja össze. Tekintettel arra, hogy a finomfelbontású szimulációink frissítése még kezdeti stádiumban van, a jelen projektben a táblázatban szerepeltetett kísérletekből fog megvalósulni az adatszolgáltatás. Modell Felbontás Peremfeltétel Forgatókönyv Időszak ALADIN-Climate 5.2 REMO km ERA-Interim és 50 km ARPEGE RCP km ERA-Interim km ECHAM RCP táblázat Az ALADIN-Climate és REMO modellekkel tervezett kísérletek A rendelkezésre álló eredmények folyamatos feldolgozása az átlagos viszonyok tekintetében A jelen alfejezetben összefoglaljuk azokat az elemzéseket, melyeket a rendelkezésre álló modelleredmények alapján a projekt keretében elvégzünk. Bemutatjuk az adatok előállításának módját és az átlagos éghajlati viszonyokkal kapcsolatos vizsgálataink módszertanát. Mivel az éghajlati szimulációk bizonytalansággal terheltek, ezért a projekciók interpretálásánál a modelleredmények mellett a szimulációs bizonytalanságokat is közölni kell, ami két modell június /162

97 alkalmazásával tehető meg a legegyszerűbben. A projekt keretében elvégzett és elvégzendő éghajlati vizsgálatainkban mi is ezt követjük, a táblázatban bemutatott modellszimulációk eredményei alapján. Vizsgált terület A vizsgálatokat Paks 30 km-es körzetére végeztük el. A kiválasztott területet az ehhez tartozó modellbeli rácspontokkal, mely a 10 km-es felbontású modellből 7x7, a 25 km-es felbontású modellből 4x3 pontot jelent, a ábra mutatja. Vizsgált időszakok A kiválasztott jövőbeli időszakok a , és a voltak, mivel az éghajlat a Meteorológiai Világszervezet ajánlása szerint csak hosszabb, legalább 30-éves időskálán értelmezhető. A modellek a valós folyamatokat közelítő jelleggel írják le, ezért az eredmények szükségszerűen kisebb-nagyobb hibával terheltek. A szisztematikus hibák kiküszöbölése érdekében a jövőbeli eredményeket nem önmagukban, hanem a modellek saját referencia időszakához viszonyítva értelmezzük tehát változásokat adunk meg (noha a modellek hibája nem feltétlenül lesz időben állandó). A modellszimulációkban a természetes éghajlatalakító folyamatok mellett figyelembe veszik az emberi tevékenység hatását is. Mivel ennek alakulását nem ismerjük előre a teljes XXI. századra, ezért különböző hipotéziseket, ún. forgatókönyveket (szcenáriókat) állítanak fel, amelyek az antropogén tevékenység eltérő jövőbeli fejlődési lehetőségeit jelenítik meg. Az emberi hatást szén-dioxid koncentráció formájában számszerűsítik a modellek számára, azaz az egyes szcenáriók a légköri szén-dioxid koncentráció különböző (de mindig szigorúan monoton növekvő) fejlődési menetét írják le. A szcenáriók között vannak optimista, pesszimista és árnyaltabb változatok, az OMSZ-nál elvégzett modellkísérletek az A1B (átlagos) forgatókönyvre támaszkodtak. A megvalósítás folyamán a modellszimulációk 2000-ig tartó szakaszában a mért szén-dioxid koncentráció értékeket építik be, azon túl pedig az említett hipotetikus forgatókönyvet veszik alapul. Így a SRES forgatókönyvekkel készített modellszimulációk eredményeinek kiértékelésénél 2000-ig tartó referencia-időszakot van értelme választanunk (pl , ), mert utána a szimuláció már csak projekcióként értelmezhető. A legtöbb klímamodellezéssel foglalkozó szakember általában az időszakot veszi alapul, mert a modell így mutat megfelelően szignifikáns, nagy változási jelet a XXI. századra vonatkozóan ábra Az ALADIN-Climate (fekete) és REMO (piros) modellek a Paksi Atomerőmű (zöld) környezetében elhelyezkedő rácspontjai június /162

98 Vizsgált változók A modelleredmények hatórás felbontásban állnak rendelkezésünkre, amelyekből harminc évre vonatkozó statisztikai mennyiségeket származtatunk: az átlagos viszonyok esetében havi, évszakos, éves harmincéves éghajlati átlagot veszünk, a szélsőségek vizsgálatánál pedig harminc évre vonatkozó átlagos gyakoriságokat tekintünk. A kiválasztott változók az átlagos viszonyok tekintetében a következők voltak (É éves, SZ szezonális, H havi érték): Átlaghőmérséklet (É, SZ, H) a változás mértékét Celsius-fokban adjuk meg; Csapadékösszeg (É, SZ, H): a modellek megkülönböztetik a nagyskálájú (frontális) és a konvekcióból származó (záporos, zivataros jellegű) csapadékot, valamint a havat és esőt is, a csapadékösszegbe ezek mindegyike beletartozik a változás mértékét mm-ben vagy %-ban adjuk meg; Átlagos relatív nedvesség kétméteres magasságban (É, SZ) a változás mértékét %-ban adjuk meg; Átlagos szélsebesség tízméteres magasságban (É, SZ): a pillanatnyi szélsebességet a szél két horizontális (x és y irányú u és v) komponenséből számítjuk a %-ban adjuk meg; 2 2 u v képlet alapján a változás mértékét m/s-ban vagy Leggyakoribb szélirány (É, SZ): a meteorológiában az északi szél (É) azt jelenti, hogy a szél az északi irányból fúj. A szélirányt az u és v komponensek meredekségéből számítjuk (tg(u/v)) ki hatóránként, majd megnézzük, hogy a teljes időszak alatt (éves vagy évszakos szinten) az egyes (É, ÉÉNy, ÉNy, NyÉNy, Ny, NyDNy, DNy, DDNy, D, DDK, DK, KDK, K, KÉK, ÉK, ÉÉK; összesen 16) égtáji szélrózsa kategóriákba milyen gyakorisággal estek a szélirányok. Ezek közül a legnagyobb a leggyakoribb szélirány. Az egyes szélirányok gyakoriságát százalékban fejezzük ki, változásukat grafikusan ábrázoljuk A rendelkezésre álló eredmények folyamatos feldolgozása a meteorológiai szélsőségparaméterek tekintetében A jelen alfejezetben bemutatjuk az extrém éghajlati viszonyokkal kapcsolatos vizsgálataink módszertanát. Mivel az éghajlati szimulációk bizonytalansággal terheltek, ezért a projekciók interpretálásánál a modelleredmények mellett a szimulációs bizonytalanságokat is közölni kell, ami két modell alkalmazásával tehető meg a legegyszerűbben. A projekt keretében elvégzett és elvégzendő éghajlati vizsgálatainkban mi is ezt követjük, a táblázatban bemutatott modellszimulációk eredményei alapján. A vizsgálati terület és időszak megegyezik a alfejezetben bemutatott területtel és időszakokkal. Vizsgált változók A szélsőséges viszonyok jellemzésére különböző indexeket választottunk. A hőmérsékletre és csapadékra vonatkozó szélsőségindexeket a táblázat mutatja be. A hőmérsékleti indexek esetében nincs értelme évszakos bontást venni, hiszen a nyári napok nagyjából májustól szeptemberig bármikor lehetnek, így célszerű azok éves számát venni, míg a csapadékindexeknél minden esetben éves és évszakos eredményeket mutatunk be, mivel azok az éven belül nagy változékonyságot mutathatnak. Az indexek esetében a relatív, százalékban kifejezett változás mellett az adott index mértékegységében (nap, mm/nap, mm) is kifejezzük a változást. A két információt célszerű együtt kezelni, mert ez ad teljes képet a változások mértékéről. (Pl. drasztikus változás képzetét kelti, ha adott index azért mutat nagy relatív változást, mert a múltbeli referencia időszakban ritkán fordult elő. Ilyenkor a napban kifejezett változások árnyalják ezt a képet, mivel ezek tükrözik, hogy a nagy relatív változás valójában kevés számú napot jelent. Ugyanakkor fordítva is igaz ez: egy gyakran előforduló index esetében a napban kifejezett nagyobb változások relatív értelemben csekélyek is lehetnek.) június /162

99 Jel Név Definíció Egység TX30 hőségnapok száma T max>30 o C nap TX35 forró napok száma T max>35 o C nap HEAT1 elsőfokú hőségriadós napok száma T átlag>25 o C 1 napig nap HEAT2 másodfokú hőségriadós napok száma T átlag>25 o C 3 napig vagy T átlag>27 o C 1 napig nap HEAT3 harmadfokú hőségriadós napok száma T átlag>27 o C 3 napig nap TN20 forró éjszakák száma T min>20 o C nap FD fagyos napok száma T min<0 o C nap RR10 10 mm feletti csapadékú napok száma R i> 10 mm nap RR20 20 mm feletti csapadékú napok száma R i> 20 mm nap RR50 50 mm feletti csapadékú napok száma R i> 50 mm nap SDII napi csapadékintenzitás R összeg/nap, amikor R i> 1 mm mm/nap RX1 max. napi csapadék értéke max(r i) mm RX5 maximális ötnapi csapadék értéke max(r i+r i+1+r i+2+r i+3+r i+4) mm CWD egymást követő csap. napok max. száma azon napok, amikor R i> 1 mm bap CDD egymást követő száraz napok max. száma azon napok, amikor R i< 1 mm nap táblázat A számított extrém indexek definíciói Bizonytalanságok származtatása két regionális éghajlati modell eredményei alapján Jelen alfejezetben az éghajlati modellezés során fellépő három fő bizonytalanságot ismertetjük, bemutatjuk, miként lehet a bizonytalanságokat különbözőképpen számszerűsíteni, illetve azt, hogy a projektben is alkalmazott két regionális klímamodell eredményeit hogyan tudjuk mindezekhez felhasználni. Sokszor elhangzott a 2010-es év után, hogy a tavalyi év extrém csapadékos volt, és talán még frissebb az élményünk a következő mondatról: 2012 nyara extrém meleg volt. Az egyedi évek változékonysága természetes része az éghajlatnak, ami mindenféle külső kényszer nélkül is fennáll, ezért ezek nem írhatók az éghajlatváltozás számlájára. Az éghajlat esetében a hosszú évek átlagában vett értékeket, trendeket és változásokat vizsgáljuk. Az éghajlati modellezés legfontosabb bizonytalansága a modellekből származó bizonytalanság. A modellek az éghajlati rendszer folyamatait kormányzó egyenleteket numerikus módszerek segítségével oldják meg. A numerikus megoldás során az állapothatározókat (a hőmérsékletet, a szélsebességet, stb.) egy háromdimenziós térbeli rács pontjaiban tekintik, és bizonyos kölcsönhatásokat egyszerűsített formában, ún. parametrizációk segítségével írnak le. Az egyes intézetekben kifejlesztett modellek sok tekintetben eltérnek: ugyanannak a fizikai folyamatnak a leírására más közelítéseket és parametrizációkat alkalmazhatnak, továbbá különböző felbontású rácsot használnak. Mindezek a különbségek a modellek eredményeiben is kifejtik hatásukat. Az antropogén tevékenységnek bizonyítottan hatása van az éghajlati folyamatokra, ezért azt a klímamodellekben is figyelembe kell venni. Az emberi tevékenység jövőbeli alakulását nem lehetséges egzakt módon meghatározni: nem tudjuk, hogy az emberiség létszáma mekkora mértékben fog növekedni, egyes országok milyen energia- és gazdasági politikát folytatnak, mekkora lesz a technológiai fejlettség, tehát azt sem, mekkora lesz a károsanyag-kibocsátás a jövőben. Ennek érdekében többféle kibocsátási forgatókönyvet hoztak létre (Nakicenovic és Swart, 2000), amelyek az június /162

100 Csapadék Hőmérséklet Lévai Projekt emberi tevékenység hatását szén-dioxid kibocsátás formájában számszerűsítik. Léteznek pesszimista jövőt leíró (azaz további jelentős kibocsátást feltételező), továbbá optimista és átlagos forgatókönyvek is, s ezek 2100-ra a légköri üvegházgázok nagyban különböző mértékű előfordulását feltételezik. Az ebből adódó bizonytalanságot nevezzük szcenárió bizonytalanságnak. A modelleket először a múlt éghajlatára vonatkozóan tesztelik, az eredmények alapján fejlesztik őket. Ezt követően a jövőre végeznek velük szimulációkat az emberi tevékenység által okozott üvegházgáz-többletet használva bemenő paraméterként. Mivel a különböző modellek eltérő módon jellemzik az éghajlatot, ezért az éghajlatváltozás vizsgálatánál mindig több modell eredményeit tekintik (ez az ún. ensemble módszer), mert az éghajlati szimulációs eredmények bizonytalanságai így számszerűsíthetők. A különböző bizonytalanságok arányára Hawkins és Sutton adott a cikkében (Hawkins és Sutton, 2009, 2011) egy módszertant: 15 globális éghajlati modellel és három forgatókönyv figyelembevételével készült hőmérsékleti és csapadék szimulációk eredményeit vizsgálták meg, s ezek szórása alapján határozták meg különböző térségekre a három bizonytalansági tényező arányát. Megállapították, hogy globális szinten a belső változékonyságnak kis szerepe van ( ábra), míg a terület szűkítésével (pl. Brit-szigetek) még tízéves átlagolás esetén is ez jelentőssé válik, különösen a csapadék tekintetében. A forgatókönyvek bizonytalansága inkább csak a XXI. század második felétől jelentkezik, s a terület szűkítésével jelentősége csökken, csapadék esetében pedig szinte elveszti szerepét, (azaz nagyobb különbség van két azonos forgatókönyvvel, de eltérő modellel készült szimuláció csapadékeredményei között, mint a különböző forgatókönyvekkel, de azonos modellel végrehajtott kísérletek eredményei között). A modellek különbözőségéből származó bizonytalanság mind a csapadék, mind a hőmérséklet esetén és szinte a teljes XXI. század folyamán kiemelt jelentőséggel bír, ezért a kutatók többsége egyetért abban, hogy a bizonytalanság csökkentéséhez a modellek fejlesztése szükséges (hogy a kék terület csökkenjen a ábra grafikonjain); továbbá az éghajlatváltozás vizsgálatánál fontos több (legalább két) modell használata a bizonytalanság számszerűsítéséhez, hiszen mindegyik modell egyformán lehetséges módon írja le a jövő éghajlatát. A Kárpát-medence valószínűleg egy érzékenyebb terület a Brit-szigeteknél, itt a globális modellek eredményei kevésbé alkalmazhatóak, többek között gyenge felbontásukból adódóan is. Ezért a bizonytalanságok arányának meghatározásához a globális információkat regionális éghajlati modellek segítségével finomítani szükséges. Az ENSEMBLES európai uniós projekt (van der Linden és Mitchell, 2009) keretében számos regionális klímamodellt futtattak 25 és 50 km-es horizontális rácsfelbontással, melyekhez a forgatókönyvek közül az A1B átlagos szcenáriót alkalmazták. Az OMSZ-nál két klímamodellel (az ALADIN-Climate és REMO modellekkel) végzünk kísérleteket 10 és 25 km-es felbontáson, s ezek esetében is az A1B forgatókönyveket használtuk. Globális Európa Brit-szigetek ábra A globális klímamodellek teljes Földre, Európára és a Brit-szigetekre vonatkozó csapadék és hőmérsékleti szimulációit (tízévenkénti átlagolással) jellemző bizonytalanságok (kék: modellek eltéréseiből származó bizonytalanság, zöld: forgatókönyvek bizonytalansága, narancs: belső változékonyság) százalékos aránya 2000 (0. év) és 2100 (100. év) között (forrás: Hawkins és Sutton, 2009, 2011) június /162

101 , tél , tél Lévai Projekt A szimulációs eredmények bizonytalanságának nagysága többféle, jól szemléltető technikával ábrázolható. Ilyen például, ha különböző küszöbértékre megnézzük, hogy a vizsgált modellek hány százaléka ad azt meghaladó változást s az eredményt valószínűségi térképen ábrázoljuk (ez a mekkora a valószínűsége az adott változásnak? kérdésre ad választ). Például ha négy regionális modellkísérlet eredményeivel azt vizsgáljuk, hogy a csapadékváltozás 0 %-nál nagyobb lesz, akkor a négy modell esetén 0, 25, 50, 75 és 100 %-os valószínűségek léteznek attól függően, hogy a négy modellből 0, 1, 2, 3 vagy 4 mutat csapadéknövekedést. Az OMSZ-ban alkalmazott modellek az éves országos csapadékösszeg kis változásában egyetértenek ugyan, ám a téli csapadék változásának még az irányában sem: mind a közeljövőre, mind az évszázad végére az egyik modell növekedést, a másik csökkenést jelez. Ez felhívja a figyelmet arra, hogy érdemes több modellt is bevonni a vizsgálatba, s a két modellt kiegészíthetjük a változási irány nagyságának megerősítése végett egy nagyobb sokaságú halmazzal, például az ENSEMBLES eredményekkel ( ábra). A közeljövőre az egyik OMSZ modell szerint 7 %-os növekedés, míg a másik szerint 10 %-os csökkenés valószínű az országos átlagot tekintve, ha azonban az ENSEMBLES 17 szimulációját is figyelembe vesszük, akkor a növekedés már %-os valószínűségű (azaz a 17 modell százaléka növekedést jelez Magyarországra re). A távoli jövőre pedig a 13 tagból álló ENSEMBLES eredmények vizsgálatával %-os valószínűséggel kijelenthetjük, hogy a csapadék növekedése valószínű az országban. Tehát a valószínűségi információt megfelelően kell kezelni, majd beépíteni az előrejelzett eredmények mellé. Csapadékváltozás (ALADIN-Climate és REMO) Csapadéknövekedés valószínűsége (ENSEMBLES) országos átlag: -10 % +7 % országos átlag: -3 % +30 % ábra A téli csapadékváltozás (%) az OMSZ-ban alkalmazott két regionális klímamodell eredményei alapján (bal panel), illetve a téli csapadéknövekedés valószínűsége (%) az ENSEMBLES szimulációk alapján (jobb panel) re és ra. A referencia időszak: A bizonytalanságok másik népszerű ábrázolási módja, az ún. box-plot diagramok kevesebb, de ideális estben legalább öt szimuláció esetén értelmezhetők már, ez a mekkora változás tartozik az adott valószínűséghez? kérdésre ad választ. Itt a legkisebb és legnagyobb szélsőértékekről, és elegendő szimuláció esetén a 25, 50 és 75 %-os valószínűségekhez tartozó számértékekről kapunk információt. A XXI. századra egyértelmű növekedés valószínű a meleg szélsőségeknél ( ábra) és e növekedés a távoli jövőre erőteljesebb, de nem mindegy, mekkora a változás mértéke és a modelleredmények közötti szórás. Az OMSZ-ban június /162

102 alkalmazott modellekre jellemző, hogy az általuk jelzett változás mindig meghaladja az ENSEMBLES modellek eredményeiből számított mediánt (középső, azaz 50 %-os gyakorisággal előforduló értéket), azaz az ALADIN-Climate és a REMO a nagyobb melegedést valószínűsítő modellek közé tartoznak, de így a teljes bizonytalanságból csak egy kisebb intervallumot fednek le. A ritkán előforduló extrém melegek esetében a modellek nagy növekedést, ugyanakkor nagy szórást is jeleznek: pl. az között országosan megfigyelt évi átlagosan egy 35 C feletti maximumhőmérsékletű napról (ún. forró napról) a közeljövőre 3, a távoli jövőre 12-re növekszik a medián, de nem mindegy, hogy a közeljövőre ez az érték az 1 18, míg a távoli jövőre a 3 38 nap közötti szélsőértékek között hol helyezkedik el ábra Néhány meleg hőmérsékleti index (sorrendben: nyári nap, Tmax>25; forró nap, Tmax>35; túl meleg éjszakák, Tmin>20; hőhullámok, Tátlag>25 o C) éves magyarországi megfigyelt (szürke kör) és jövőbeli értéke az ENSEMBLES eredmények (kék és zöld box-plot) illetve az OMSZ két modellje (világos és sötétebb háromszög) szerint a és időszakokra. A jövőbeli értékek számításánál a megfigyelésekhez hozzáadtuk a modellek által jelzett változást. A publikusan elérhető európai modelleredmények esetében gyakran csak az alapváltozókra (napi átlaghőmérsékletre, csapadékösszegre) kapott eredményeket teszik közzé, s ez sok esetben nem teszi lehetővé egy széleskörű vizsgálat elvégzését. Az OMSZ-ban alkalmazott modellek esetében lényegesen több változó és azok közötti kapcsolat vizsgálatára van lehetőségünk. Abban az esetben, ha két modell eredményei állnak rendelkezésünkre, mindkét modell által jelzett változást közöljük, hogy a változás bizonytalanságát is bemutassuk. A fagyos napok esetében Paks környezetére az OMSZ-ban alkalmazott modellek ( ábra) a időszakra egyöntetűen %-os csökkenést jeleznek, azaz akár vehetnénk a kettő átlagát is a könnyebb kezelhetőség miatt re az olló kezd szétnyílni, azaz nő az eredmények közötti különbség, de még egymáshoz közel álló változásokat, 23 és 32 % közötti csökkenést jeleznek. A század végére a két modell is jelentős bizonytalanságot hordoz már azáltal, hogy 35 és 58 % közötti értékeket mutat, és itt nem lenne már megfelelő a két modell átlagát (47 %) tekinteni. A fentiek alapján tehát látható, hogy a szimulációk eredményei a modellek eltérő fizikai parametrizációiból, felbontásából, és egyéb numerikus jellemzőiből kifolyóan is bizonytalansággal terheltek, melyek a modellfejlesztés révén csökkenthetők. Ezeket a bizonytalanságokat figyelembe kell vennünk az eredmények felhasználásánál, ezért az egyszerű igen-nem helyett törekednünk kell a valószínűségi információ átadására (és befogadására). Ennek két modell esetén legegyszerűbb módja a két modell eredményeinek külön kezelése egységes szemlélet alatt június /162

103 Éghajlatváltozás a XXI. században Paks térségében két klímamodell eredményei alapján Az Országos Meteorológia Szolgálatnál az éghajlatváltozás vizsgálatához két regionális klímamodellt használunk, a touluse-i Météo France által nemzetközi együttműködésben kifejlesztett ALADIN-Climate (Csima és Horányi, 2008), valamint a hamburgi Max Planck Intézet által fejlesztett REMO (Szépszó és Horányi, 2008) modelleket. A regionális klímamodellekkel globális társaik eredményeit skálázzuk le egy finomabb felbontású korlátos tartományra, amihez a bemenő adatokat, az ún. peremfeltételeket, az ALADIN-Climate esetében az ARPEGE-Climat globális általános cirkulációs modell, a REMO esetében pedig az ECHAM5/MPI-OM globális kapcsolt légkör-óceán modell szolgáltatta ( táblázat). A globális modellek futtatásánál a jövőre vonatkozó emberi tevékenység hatását a SRES A1B forgatókönyv átlagos globális szén-dioxid-koncentráció értékein keresztül vették figyelembe (ez egy átlagos változatnak tekinthető a pesszimista és optimista szcenáriók között). A két regionális klímamodellel futtatott projekciók rendelkezésre állnak az egész XXI. századra 10 és 25 km-es felbontáson egy Kárpát-medencét, illetve egy Közép-Európát lefedő tartományon ( ábra). Jelen tanulmányban ezek eredményeit mutatjuk be. A két regionális modell együttes vizsgálatával lehetőség nyílik ha korlátozottan is a modellek eltéréseiből származó bizonytalanságok számszerűsítésére. Mindkét modell eredményei a jövőbeli éghajlati viszonyok egy lehetséges leírását adják, ezért a továbbiakban ezeket együttesen, megkülönböztetés nélkül tekintjük ábra Az ALADIN-Climate (kék) és REMO (piros) modellek futtatási területe Az eredmények kiértékelését Paks 30 km-es környezetére végeztük el, ami a 10 km-es felbontású modellből 7x7, a 25 km-es felbontású modellből 4x3 pontot jelent ( ábra). Az eredmények bemutatásánál három 30 éves jövőbeli időszakra koncentrálunk: a , és a időszakokra. A modellek közelítő jellegéből adódóan a modelleredmények kisebb-nagyobb hibával terheltek, ezért a jövőre vonatkozó (hőmérsékleti, csapadék, stb.) értékeket nem önmagukban, hanem a modellek saját referencia időszakához viszonyított változásként adjuk meg. A táblázatok esetében az időszakra az OMSZ mérései alapján előállított rácsponti megfigyelési adatbázis (18,5 19,3 K.h., 46,3 46,9 É.sz. közötti) átlagértékeit is közöljük, hogy legyen mihez viszonyítani ezeket a változásokat Hőmérséklet A XXI. század folyamán Paks környezetére mindkét modell szerint fokozatos melegedés várható éves, évszakos és havi szinten is. Ez azt jelenti, hogy minél távolabbi 30 éves időszakot tekintünk, annál erősebb lesz a havi, évszakos és éves átlaghőmérséklet-emelkedés. Az évek közötti természetes változékonyság megmarad, így a jövőben is előfordulhatnak az átlagosnál hidegebb hónapok és évszakok. A két modell egyértelmű növekedést prognosztizál a jövőre, ám a változás mértéke nem egyértelmű: az egyik modell alapvetően melegebb értékeket ad, mint a másik. A táblázatban olvashatók az éves és évszakos változások Paks térségében. Látható, hogy a legerőteljesebb melegedés minden időszakban nyáron várható, ami már a közeljövőben is meghaladhatja a 2 ºC-ot, a század végén pedig az 5 ºCot is elérheti. A második legnagyobb hőmérsékletemelkedést őszre mutatják a modellek, olyannyira, hogy az ősz az június /162

104 évszázad közepétől várhatóan átlagosan melegebb lesz a tavasznál. Az évszázad elején a téli, majd a tavaszi melegedés a legmérsékeltebb, s a két modell szerint valószínű, hogy ban a téli átlaghőmérséklet inkább lesz pozitív, mint negatív. Ami a területi eloszlást illeti, a vizsgált tartományon belül a hőmérsékletváltozás igen homogén mindkét modell szerint ( ábra), csak az egyik modell esetében látunk nagyobb változást az évszázad utolsó évtizedeire, nyárra megfigyelés(ºc) változás (ºC) Éves 10,5 1,1 1,5 2,1 2,6 3,5 3,6 Tavasz ,5 1,7 2,3 2,3 3,1 Nyár 20,1 1,2 2,2 2,3 3,9 4,2 5 Ősz 10,8 1,4 1,7 2,1 2,8 3,6 3,8 Tél 0,2 0,8 1,6 2,4 2,6 3, táblázat Éves és évszakos átlaghőmérséklet megfigyelt értékei (ºC) ben, illetve a két modell szerint várható változás (ºC) Paks térségében ben, ben és ban az es referencia időszakhoz képest ábra Évszakos átlaghőmérséklet-változás (ºC) Paks térségében ben, ben és ban az es referencia időszakhoz képest két modell alapján június /162

105 A nyári hónapokat érdemes külön is megvizsgálni, melyet a ábra mutat. Itt is megfigyelhető az idő előrehaladásával az erősödő hőmérsékletemelkedés és az, hogy mindkét modell szerint mindhárom időszakban a változás mértéke várhatóan augusztusban lesz a legnagyobb, és fontos megemlíteni, hogy a szeptember hónap júniusnál várhatóan nagyobb mértékben melegszik majd. A két modell között havi szinten is megmarad a különbség az értékekben, a legnagyobb eltérés, több mint 2 ºC júliusban tapasztalható ábra A nyári hónapok várható átlaghőmérséklet-változása (ºC) Paks térségében ben, ben és ban az es referencia időszakhoz képest két modell alapján június /162

106 A század közepétől várhatóan a hőmérséklet évi menete is módosul kissé, mivel az eddig jellemző júliusi maximum helyett az augusztusi átlaghőmérséklet erőteljesebb változása miatt ez a hónap átlagosan melegebb lesz ( ábra). Az átlagosan leghidegebb hónap Paks térségében a január, ami a jövőben sem változik, viszont az évszázad közepétől a hónap átlaghőmérséklete egyértelműen a pozitív értékek irányába tolódik. A havi térképek szintén nem mutatnak lényeges térbeli különbségeket a vizsgált rácspontokban ábra A havi átlaghőmérsékletek évi menete (ºC) a megfigyelések szerint ben (szürke vonal), illetve a két modell alapján várható évi menet (ºC; színes sávokkal az általuk határolt bizonytalansági intervallum) Paks térségében ben, ben és ban. A jövőre vonatkozó információk ábrázolásánál a modellek által az adott időszakra jelzett változást az re vonatkozó mérésekhez adtuk hozzá, majd a két modell eredménye alapján kapott két évi menet közti területet kiszíneztük. A szélsőséges viszonyok jellemzésére különböző indexeket használunk, s azt nézzük meg, hogy a vizsgált változó milyen gyakorisággal vesz fel egy adott küszöbértéknél kisebb vagy nagyobb értéket. A hőmérsékleti indexek jövőbeni alakulása összhangban áll az átlagos viszonyokkal, azaz a meleg szélsőségek (pl. a hőségnapok, a hőségriadók, stb.) előfordulása várhatóan nőni fog, míg a hideg indexeké (pl. a fagyos napoké) csökkenni. ( táblázat). A hőségnapok (napi maximumhőmérséklet > 30 ºC) száma már akár a közeljövőre megduplázódhat, de a század közepére már mindkét modell ezt jelzi. Tekintsünk most a múltban ritkábban előforduló indexeket: a forró napokat, amikor a napi maximumhőmérséklet meghaladja a 35 ºC-ot és a forró éjszakákat, amikor a napi minimumhőmérséklet nem süllyed 20 ºC alá. Ezek az indexek a referencia időszakban átlagosan csupán 2 napon fordultak elő, számuk azonban arányaiban jelentősen megnőhet: a század végére a modellek szerint legalább nyolcszor annyi forró napra és húszszor annyi forró éjszakára számíthatunk, mint ben. A különböző hőségriadós napok (hőségriadós nap: napi átlaghőmérséklet > 25 ºC; másodfokú hőségriadó: napi átlaghőmérséklet > 25 ºC 3 napig vagy napi átlaghőmérséklet > 27 ºC; harmadfokú hőségriadó: napi átlaghőmérséklet > 27 ºC 3 napig) száma ugyancsak megemelkedik. Minél szigorúbb az előfordulás feltétele, annál markánsabb a relatív változás, tehát az erőteljesebb szélsőségek felé való elmozdulás várható. Mindez azt jelenti, hogy az idővel előrehaladva a hőségriadós napokból egyre több lesz a másod-, illetve a harmadfokú megfigyelés (nap) változás (nap) Hőségnap 19 9, Forró nap Forró éjszaka 2 8, Hőségriadó 9,1 7, Másodfokú hőségriadó 4,1 4, Harmadfokú hőségriadó 0,1 1,3 8,7 3, Fagyos napok 89 (-17) (-9,3) (-29) (-24) (-43) (-41) táblázat Hőmérsékleti indexek átlagos éves megfigyelt értékei (nap) ben, illetve a két modell szerint várható változás (nap) Paks térségében ben, ben és ban az es referencia időszakhoz képest június /162

107 Mindezekkel ellentétben, a fagyos napok (napi minimumhőmérséklet < 0 ºC) száma a modellek szerint a század folyamán a felére apad. Az indexek megváltozásának mértéke igen bizonytalan, a változás intervalluma adott modell esetén akár kétszerese is lehet a másiknak. Legkisebb bizonytalanság a fagyos napoknál tapasztalható (a közelebbi jövőt leszámítva). Az extrémumok esetében a területi változékonyság is nagyobb, mint az átlagos viszonyoknál. A fagyos napoknál egy bizonytalan DNy-ÉK irányú erősödés figyelhető meg ( ábra), míg a meleg szélsőségek változása ÉNy-DK irányban egyértelműen erőteljesebbé válik ( ábra) ábra A fagyos napok éves számának várható megváltozása (nap) Paks térségében ben, ben és ban az es referencia időszakhoz képest két modell alapján június /162

108 ábra A másodfokú hőségriadós napok, a forró napok és a forró éjszakák éves számának várható megváltozása (nap) Paks térségében ben, ben és ban az es referencia időszakhoz képest két modell alapján Csapadék A csapadék esetében a hőmérséklettel ellentétben a XXI. század folyamán nem beszélhetünk egyértelmű és lineáris változásokról sem a három jövőbeli időszak, sem az évszakok, sem pedig a két modellt illetően. A modellek egyetértenek az éves csapadék csekély változásában, fontos azonban az évszakos eloszlásokat is tekintenünk, ahol nagy eltéréseket tapasztalunk. A táblázatban láthatjuk az éves és évszakos értékeket Paks térségére. A nyári csökkenés egyértelmű a modellek szerint, ami az idő előre haladtával olyan mértékben erősödik, hogy ellentétben az eddig megszokottal a június /162

109 nyári csapadék az őszi csapadékösszegeknél kisebb mértékűvé is válhat majd (legalábbis az egyik modell eredményei alapján). Kijelentéseinket 30-éves átlagokra vonatkoztatjuk, azaz ez nem jelenti azt, hogy minden nyár száraz lesz és a nyárnál minden ősz csapadékosabb, hiszen továbbra is előfordulhatnak majd az átlagosnál csapadékosabb nyarak. Az értékekből szembetűnő még az őszi csapadék egyértelmű növekedése, ami szintén a század közepén-végén lesz erőteljesebb, azaz addigra a változás valószínűleg a változékonyságnál már nagyobb mértékű lesz. A két modell télre eltérő eredményeket mutat, ami tavasz esetében is igaz a középső jövőbeli időszakot leszámítva (amikor egyértelmű csökkenésre számíthatunk), azaz tavasszal és télen a változás irányában bizonytalanok a modellek. Ha a területi eloszlást is figyelembe vesszük ( ábra), télen a terület ÉK-i részén valószínű csökkenés, míg növekedés ősszel ÉNy-on, tavasszal Ny-on várható. Minden évszak esetén elmondható, hogy a kezdeti időszakra csak nullához közeli, kisebb változások valószínűek, a század végére az évszakos csapadék markánsabb átrendeződése valószínűsíthető, míg a század közepére a gyengébb őszi növekedés és a nyári-tavaszi csökkenés az éves csapadék csökkenését vetítik előre. Az évszakos összegekről a havi csapadékösszegek szintjére is érdemes lemennünk ( ábra), így láthatjuk azt, hogy szeptemberben a nyárihoz hasonlóan a csapadék csökkenése várható (bár a kismértékű növekedés is lehetséges), míg a június a távoli jövőt leszámítva nem mutat egyértelmű csökkenést ugyanezt láthatjuk a hőmérsékleti emelkedés tekintetében (szeptember erőteljesebben melegszik majd, mint június). Az ábrán megfigyelhető, hogy a tavasz hónapjaiban a változás elég bizonytalan előjelű mindhárom időszakban ra megváltozhat az éves menet, várhatóan a novemberi másodmaximum erőteljesen megközelíti vagy meg is haladhatja a júniusi értéket megfigyelés (mm/hónap) változás (%) Éves 47 (-4) 0 (-5) (-3) (-4) 4 Tavasz 46 (-14) 6 (-5) (-4) (-3) 4 Nyár 62 (-6) (-3) (-16) (-14) (-27) (-20) Ősz Tél 39 (-6) 7 (-7) táblázat Az éves és évszakos csapadék megfigyelt értékei (mm/hónap), illetve a két modell szerint várható változás (%) Paks térségében ben, ben és ban az referencia időszakhoz képest. A sárga/zöld szín jelöli a két modell alapján egyértelmű csapadékcsökkenést/csapadéknövekedést június /162

110 ábra Évszakos csapadékváltozás (%) Paks térségében ben, ben és ban az referencia időszakhoz képest két modell alapján június /162

111 ábra A havi csapadékösszegek évi menete (mm) a megfigyelések szerint ben (szürke vonal), illetve a két modell alapján várható évi menet (mm; színes sávokkal az általuk határolt bizonytalansági intervallum) Paks térségében ben, ben és ban. A jövőre vonatkozó információk ábrázolásánál a modellek által az adott időszakra jelzett (előjeles) relatív változás mértékével növeltük az re vonatkozó méréseket, majd a két modell eredménye alapján kapott két évi menet közti területet kiszíneztük (zölddel a növekedés és sárgával a csökkenés esetében). A csapadék indexek rendkívül változatos képet mutatnak, nem feltétlenül korrelálva az átlagos csapadékösszegek megváltozásával és előfordulhat, hogy a két modell sem mutat azonos előjelet a változásban. A 10 mm feletti, nagycsapadékú napok száma ( táblázat) a megfigyelések szerint nyáron fordul elő legtöbbször, míg télen a legkevesebbszer (kb. feleannyiszor), ám az évszázad végére ez az arány megváltozhat: télen a nagy csapadékkal járó események száma megközelítheti a nyári előfordulást (legalábbis az egyik modell szerint). Ehhez hozzá kell tennünk, hogy a nyári csökkenés a század elején és közepén egyáltalán nem biztos, de az évszázad végére már ebbe az irányba mutat mindkét modell, sőt, a változás mértéke is nagyobb lehet. Ezzel ellentétben a tavaszi kezdetben bizonytalan tendenciából a század végére a modellek inkább növekvő számokat jeleznek előre. Az őszi és téli növekedés (és így összességében az éves számok növekedése is) mindhárom időszakban egyértelmű a modellek szerint megfigyelés (nap) változás (%) Éves 16, Tavasz 3,4 (-16) 7 (-2) Nyár 5,9 (-2) 17 (-18) 5 (-28) (-4) Ősz 4, Tél 3, táblázat Az éves és évszakos 10 mm-t meghaladó csapadékú napok számának megfigyelt értékei (nap), illetve a két modell szerint várható változás (%) Paks térségében ben, ben és ban az referencia időszakhoz képest. A sárga/zöld szín jelöli a két modell alapján egyértelmű csökkenést/növekedést. Ha az extrém nagy csapadékú napokat (20 mm felett) vizsgáljuk ( táblázat), elmondhatjuk, hogy azok egyértelműen növekedni látszanak, mely alól a tavasz és a nyár kivétel (a század végén a nyári események előfordulása gyengén csökken). Az alapvetően kis számú múltbeli előfordulás mellett viszonylag kis változásokat láthatunk, ez alól kivétel az őszi és téli század végi értékek megduplázódása (amit a modellek közötti jelentős szórás kísér) és a tavaszi értékek 50%-kal való növekedése június /162

112 megfigyelés (nap) változás (nap) Éves 3,1 0,1 0,7 0 0,6 0,7 1,3 Tavasz 0,6 0 0,1 (-0,1) 0,1 0,3 Nyár 1,4 0 0,2 0 0,1 (-0,1) 0 Ősz 0,7 0,1 0,2 0 0,3 0,2 0,8 Tél 0,4 0 0,1 0,1 0,1 0, táblázat Az éves és évszakos 20 mm-t meghaladó csapadékú napok számának megfigyelt értékei (nap), illetve a két modell szerint várható változás (nap) Paks térségében ben, ben és ban az referencia időszakhoz képest. A sárga/zöld szín jelöli a két modell alapján egyértelmű csökkenést/növekedést ábra A 30 év alatt előforduló 50 mm feletti napi csapadékok, illetve az éves maximális napi és ötnapi csapadék változása (% illetve az első esetében nap) Paks térségében ben, ben és ban az referencia időszakhoz képest két modell alapján június /162

113 A 30 év során is ritkán (a területi átlagban 1,5 napon) előforduló 50 mm feletti napi csapadékokat vizsgálva ( ábra bal panel) elmondhatjuk, hogy éves szinten az egyik modell szerint jelentős növekedés valószínű, míg a másik szerint a változás elenyésző, és inkább (nyári) csökkenés valószínű. A növekedés az első időszak esetében főleg nyáron, de tavasszal és ősszel is, a második időszak esetében inkább ősszel, míg a század végére egyértelműen tavasszal, de még nyáron is várható. A megfigyelések szerint télen és tavasszal szinte nem fordult elő ilyen esemény, és ez a modellek szerint télen nem is fog bekövetkezni. (Az évszakos eredményeket nem mutatjuk be.) Az éves maximális napi és egymást követő ötnapi csapadékok számában a két modell ( ábra középső és jobb panel) alapvetően növekedést valószínűsít, de a közelebbi időszakban az egyik modell szerint a terület déli részén csökkenés is előfordulhat, ami miatt főleg a nyári (nyári félévi) csapadékcsökkenés okolható. Ősszel (és kevésbé, de télen is) várható erősebb növekedés, a nyár és a tavasz bizonytalan és változatosabb képet mutat a két index változásában. Az évszázad végére a nyári ötnapos index egyértelmű csökkenése a csapadékesemények tartósságának csökkenése miatt valószínű. (Az évszakos eredményeket nem mutatjuk be.) Ehhez szorosan kapcsolódik az egymást követő (1 mm alatti csapadékú) száraz napok nyári hosszának egyértelmű és a század vége felé erősödő növekedése ( ábra). A nyári egyezés mellett még ősszel viszonylag kicsi a modellek közötti bizonytalanság: az évszázad közepére csökkenést, az utolsó évtizedekre pedig növekedést mutat mindkét modell re és re télen és tavasszal nagyfokú bizonytalanság jellemzi a két modellt, azaz az egyik modell szerint inkább növekedés, míg a másik szerint inkább csökkenés valószínű az évszakokban. A száraz napok tavaszi maximális hosszának növekedése az évszázad végére már egyértelműnek látszik, télen azonban marad a jelentős bizonytalanság és az ellentétes változási irány a modellek között ábra Az egymást követő száraz (1 mm alatti csapadékú) napok évszakos maximális hossza (nap) re a megfigyelések szerint, illetve a két modell által jelzett értékek (nap) Paks térségében re, re, ra. A jövőre vonatkozó értékek kiszámításánál a modellek által az adott időszakra jelzett (előjeles) relatív változás mértékével növeltük az re vonatkozó megfigyeléseket. Az egymást követő (1 mm feletti) csapadékos napok száma ( ábra), a száraz napokkal megegyező tendenciát követve nyárra egyértelműen csökken (a modellek közötti szórás a század elején és végén kisebb). Az előbbi indextől eltérően mindkét modell a tavaszi csapadékesemények tartósságának csökkenését vetíti előre, továbbá ilyenkor a legkisebb a modellek közötti szórás. Télre a már többször említett modellek közötti eltérés jellemző a csapadékos napokat illetően is: az egyik modell szerint csökkenés, a másik szerint növekedés valószínű. Ősszel a század közepét leszámítva (akkor ugyanis csökkenés várható) szintén eltérő előjelű változásokat jeleznek a modellek. Az évszázad elején ősszel és télen, ben nyáron és télen, míg a század végén ősszel látjuk a legnagyobb bizonytalanságot a két modell között június /162

114 ábra Az egymást követő csapadékos (1 mm feletti csapadékú) napok évszakos maximális hossza (nap) re a megfigyelések szerint, illetve a két modell által jelzett értékek (nap) Paks térségében re, re és ra. A jövőre vonatkozó értékek kiszámításánál a modellek által az adott időszakra jelzett (előjeles) relatív változás mértékével növeltük az re vonatkozó megfigyeléseket. Az átlagos csapadékösszegek mellett az érdeklődésre leginkább számot tartó index a csapadékintenzitás lehet, mely a csapadékos napok csapadékosságát adja meg (1 mm feletti csapadékösszeg osztva a csapadékos napok számával). A megfigyelések és tapasztalataink szerint is nyáron vannak az intenzívebben csapadékos napok, ám ez a távoli jövőre őszre esik majd a két modell szerint ( ábra) Paks térségében, ugyanakkor a modellek bizonytalansága az egyértelmű növekedés mellett ebben az évszakban a legnagyobb. A század eleji tavaszi bizonytalan előjelű változás a század közepére és végére növekedésbe megy át, míg nyáron a nagyon gyenge kezdeti növekedés után mindvégig jellemző lesz a szinte változatlanság, ami miatt a modellek közötti szórás is éppen nyáron a legkisebb. Télre is egyetértenek a modellek a csapadék intenzívebbé válásában (a legnagyobb egyetértésben a század közepére): még a nyári intenzitás alatt marad az érték, ám többnyire a tavaszi értékek felett lesz (noha a megfigyelések szerint télen a legalacsonyabb az index értéke) ábra A csapadékintenzitás (1 mm feletti csapadékösszeg/napok száma) évszakos értékei (mm/nap) re a megfigyelések szerint, illetve a két modell által jelzett értékek (mm/nap) Paks térségében re, re és ra. A jövőre vonatkozó értékek kiszámításánál a modellek által az adott időszakra jelzett (előjeles) relatív változás mértékével növeltük az re vonatkozó megfigyeléseket. A század végére ugyan a terület egészére jellemző az intenzívebbé válás, de érdemes megvizsgálnunk a területen belüli eltéréseket is ( ábra). Ősszel láthatunk kiugró relatív változási értékeket, elsősorban a terület ÉNy-i részén, június /162

115 míg télen a legnagyobb változás inkább délen valószínű. Tavasszal az északi területeken várják a modellek a nagyobb növekedést, míg nyáron a terület ÉNy-i és DK-i felén ellentétes előjelű változások várhatók, a bizonytalanságot növelendő, a két modell eredményeiből kapott térbeli szerkezet ellentétes ábra A csapadékintenzitás változása (%) Paks térségében ra az referencia időszakhoz képest két modell alapján Relatív nedvesség A táblázatban bemutatott relatív nedvesség változása egyértelmű a modellek szerint: minden évszakra, így éves szinten is csökkenésre számíthatunk mindkét modell, mindhárom jövőbeli időszak tekintetében Paks térségében. A nagyobb változások a század vége felé közeledve jelentkeznek, továbbá mindig zömmel az egyébként is legkisebb légköri nedvességű nyáron és ősszel fordul elő. Ez egybeesik a július-szeptember közötti intenzívebb melegedéssel és nagyobb csapadékcsökkenéssel is, amit az őszi csapadéknövekedésből eredő nedvesség sem tud kompenzálni megfigyelés (%) változás (%) Éves 75 (-3) (-2) (-5) (-3) (-6) (-4) Tavasz 70 (-3) (-1) (-3) (-2) (-4) (-1) Nyár 69 (-6) (-2) (-13) (-4) (-15) (-8) Ősz 78 (-4) (-3) (-4) (-2) (-7) (-5) Tél 83 (-2) (-1) (-4) (-1) (-3) (-1) táblázat Az éves és évszakos relatív nedvesség ben megfigyelt értékei (%), illetve a két modell szerint várható relatív változás (%) Paks térségében ben, ben és ban az referencia időszakhoz képest. Sárga színnel a mindkét modell szerinti legalább 2%-os csökkenés van kiemelve június /162

116 Szélsebesség és szélirány A szélsebesség nagyságában a modellek nem prognosztizálnak nagy vagy akár egyértelmű változásokat, különösen éves szinten nem. Ekkor az átlagos változás mértéke Paks térségében az idővel csökkenő tendenciát mutat (tehát az évszázad végére kisebb változások várhatók, mint korábban), és többnyire 2 %-nál kisebb, előjelében bizonytalan ( táblázat). A változás mértéke csak nyáron, ill. a század közepén télen haladja meg az 5 %-ot, de ezekben az esetekben a két modell mindig ellentétes előjelű változást ad, tehát a bizonytalanság nagy. Erőteljesebb szélsebességnövekedést vagy -csökkenést még télen várhatunk, de a modellek ekkor sem értenek egyet a módosulás irányában. Az évszakos átlagokban a legnagyobb változásokat a század közepén várhatjuk, de ősszel és tavasszal ebben a középső időszakban előjelet is válthat a két modell egyike azaz eltérő irányú változást jeleznek, mint a korábbi vagy a későbbi időszakban. Összességében tehát igen nagy a bizonytalanság, ami a területi eloszlásban is látható: a nyártól eltekintve nem lehet egyértelmű tendenciákat megfigyelni ( ábra). A legmelegebb évszakban az erősödés DNy-on, a gyengülés általában a nyugati területeken a legmarkánsabb megfigyelés (m/s) változás (%) Éves 2,1 0,4 1,7 (-0,3) 1,1 (-0,2) 0,5 Tavasz 2,4 0,9 2,5 (-3,5) 1,9 1,3 2,4 Nyár 1,9 (-2,9) 5 (-4) 7,3 (-6,3) 7,1 Ősz 1,9 (-0,1) 3,3 1,6 3,6 (-0,7) (-0,6) Tél 2,2 (-2,7) 4,2 (-5,5) 5,1 (-3,7) 3, táblázat Éves és évszakos átlagos szélsebesség megfigyelt értékei (m/s) ben, illetve a két modell szerint várható változás (%) Paks térségében ben, ben és ban az es referencia időszakhoz képest A szélirányt 16 szektorba osztva vizsgáltuk, s ennek változása, akárcsak a szélsebességé, igen kicsi, a két modell által jelzett szélirány-eloszlás nem változik számottevően. Az erőműhöz legközelebb eső rácspontokon az uralkodó szélirány ÉÉNy-i marad ( ábra) a XXI. században is, és a különböző irányokhoz tartozó gyakoriságok nem változnak 1 2 %-nál jobban. Kis ingadozás minden széliránynál megfigyelhető az időszakok között, de a bizonytalanság itt is nagy, a két modell ritkán egyezik meg az előjelben. Egyetértés csak abban van, hogy az ÉÉNy-i és É-i szél 1 %-kal gyakoribbá válik, míg a DDK-i ritkábbá. Ha Paks környékét vizsgáljuk, az egyik modell szerint az ÉNy-i és ÉÉNy-i szelek által uralt területek határvonala elmozdulhat az ÉNy-i javára ( ábra), a másik szerint nem várható változás (ennek eredményét ábrán nem mutatjuk be) június /162

117 ábra Éves és évszakos szélsebesség-változás (m/s) Paks térségében ben, ben és ban az es referencia időszakhoz képest két modell alapján ÉÉNY ÉNY NYÉNY NY NYDNY É ÉÉK ÉK KÉK K KDK ÉÉNY ÉNY NYÉNY NY NYDNY É ÉÉK ÉK KÉK K KDK DNY DDNY D DDK DK DNY DDNY D DDK DK ábra Éves szélirány-gyakoriság (%) ben (kék), ben (zöld), ben (sárga) és ban (piros) a két modell Pakshoz legközelebbi rácspontján (balra: 46,509º É.sz., 18,89º K.h.,jobbra: 46,68º É.sz., 18,8º K.h.) június /162

118 ábra Uralkodó szélirány az egyik modell szerint Paks térségében ben (fent balra), ben (fent jobbra), ben (lent balra), és ban (lent jobbra) június /162

119 2.7 MIKRO- ÉS MEZOKLÍMA A TELEPHELY KÖRNYEZETÉBEN HŰTŐTORNYOS ERŐMŰVEK LÉGKÖRRE GYAKOROLT HATÁSAI - SZAKIRODALMI ÁTTEKINTÉS Meteorológiai folyamatok áttekintése A természetes folyamatokból származó vízgőzt nem tekintjük szennyezőanyagnak, de az ipari létesítmények hűtőtornyaiból kiáramló vízgőz (és nagy mennyiségű meleg levegő) mesterséges eredete miatt szennyezőanyagnak minősül (Czelnai és mtsai, 1982). A légköri szennyezőanyagok körforgalmával a meteorológián belül a levegőkémia foglalkozik. A vizsgált folyamatok három szakasza különíthető el: kibocsátás transzport (és átalakulás) száraz vagy nedves ülepedés. Vízgőzről lévén szó a levegőminőséghez kapcsolódó kémiai átalakulásoktól és a különféle ülepedési folyamatoktól eltekinthetünk, de a transzport folyamatokra vonatkozó törvényszerűségek a tárgyhoz tartoznak. Ismeretes, hogy az ipari kibocsátások légköri transzportja függ a kibocsátó forrás paramétereitől (a forrás magasságától, átmérőjétől, a kibocsátott anyag áramlási sebességétől, hőmérsékletétől és mennyiségétől (Czelnai és mtsai., 1982, fejezet). A felsorolt ún. forrás paramétereken kívül az aktuális időjárási körülmények is lényegesen befolyásolják az elszállítódás mértékét. A ábra (Forrás: Plate, 1982.) összefoglalja hűtőtornyok esetén a fáklya kiterjedése és mozgása szempontjából a legfontosabb karakterisztikákat ábra Hűtőtorony fáklya paraméterei június /162

120 Jelölések: hs kémény magasság, R0 kémény kürtő sugara, w0 kiáramlási sebesség a kürtőnél, w sebesség vektor függőleges komponense, R fáklya sugara, x kémény közepétől mért távolság, h fáklya középvonalának kémény peremétől vett magassága, Te levegő hőmérséklete, qe levegő specifikus nedvessége, Tp0 fáklya hőmérséklete a kürtőnél, qp0 fáklya nedvességtartalma a kürtőnél, Tp fáklya hőmérséklete, qc felhő víztartalma. Lényeges szempont, hogy a hulladékhő és nedvesség rövidtávon fokozhatja egyes időjárási jelenségek előfordulási valószínűségét, hosszabb távon befolyásolhatja a kibocsátó környezetének klímáját (Szabó, 2007). A hűtőtornyok emissziójánál lejátszódó fizikai folyamatok lényege, hogy a nagy magasságban kiáramló, a környezeténél melegebb és nagyobb nedvességtartalmú vízgőz részecskék emelkedésük során a harmatpontot elérve vízcseppeké kondenzálódnak, ily módon a kiáramló légtömeg mesterséges felhő (ún. fáklya) formájában láthatóvá válik. A létesítmény által kibocsátott szenzibilis (érzékelhető) hő közvetlenül melegíti a környezetét. Annak arányában, ahogy a légtömegben lévő vízpára kondenzálódik, további látens (rejtett) hő szabadul fel. A látens hő tovább melegíti a környezetében lévő légtömeget, gerjesztve a légrészecskék emelkedését, ezért szerepe meghatározó a felhőképződésben és a zivatarok kialakulásában. Fagypont alatti hőmérsékleten pedig a megnövekedett relatív nedvesség hozzájárulhat a fokozott jegesedéshez és zúzmaraképződéshez Légköri hatások térbeli és időbeli kiterjedése A légköri határrétegben lejátszódó transzport folyamatokban a vízgőznek meghatározó szerepe van. A vertikális transzport a határréteg stabilitási állapota szerint alakul, amely a légkör hőmérsékleti rétegződése (azaz a hőmérsékleti gradiens) alapján háromféle lehet. Amennyiben a légtömeg hőmérséklete viszonylag gyorsan eléri a környező levegő hőfokát, akkor a légköri viszonyok stabilak, a légrészecske nem emelkedik tovább. Amennyiben a környező levegőben mért gradiens értéke nagyobb az ún. adiabatikus (hőcserementes) gradiensnél, akkor labilis a légállapot, emiatt a részecske emelkedni fog. Amikor a környezet és az emelkedő levegő hőmérséklet változása megegyezik, akkor semleges légállapotról beszélünk (Bozó és mtsai., 2006). Különös jelentősége lehet a hűtőtornyok működésének ún. inverziós helyzetekben, amikor a szokásos rétegződéssel ellentétben a hőmérséklet a magassággal növekszik. Az ilyen időjárási helyzetek különösen télen kedveznek a köd kialakulásának. Az antropogén eredetű vízgőz meteorológiai következményeit a légkör rétegzettségi állapotától függően a fáklya mozgása és szétterjedése limitálja. Az áramlás erőssége lokálisan módosítja a hűtőtorony huzatát, és a folyamatok sebességét is. A térbeli és időbeli hatás tekintetében a légszennyező folyamatokra érvényes osztályozás (Czelnai és mtsai, 1982). szerint megkülönböztetünk lokális, városi, regionális, kontinentális és globális méretű szennyező folyamatokat. A térbeli skálákra ugyan nincs egységes definíció ( ábra), de az időbeli skálákkal szoros összefüggés mutatható ki. A lokális folyamatok hatásával legfeljebb néhány óráig, a regionálissal néhány napig vagy hétig, a globálissal éveken, évtizedeken át számolni kell. A lokális és városi források emissziójából származó légrészecskék terjedését befolyásoló első és legfontosabb meteorológiai tényező a szél. A szélirány határozza meg a fáklya terjedésének irányát, erőssége pedig a hígulás mértékét, ill. a felhő méretét. Minél erősebb a szélnyírás, annál gyorsabb az elkeveredés. Szélcsendes időben stabil légrétegződésnél kialakuló inverzió esetén az emittált anyagok feldúsulnak, vízgőz szennyezés esetén a légkörben felszaporodó apró légrészecskék csökkenthetik a látástávolságot és növelhetik a ködös helyzetek gyakoriságát. Különösen gyakori ez a jelenség a Kárpát-medencében télen, ún. hideg légpárna esetén június /162

121 A nagytávolságú regionális, kontinentális transzport folyamatok a légtömegektől és nagytérségű meteorológiai helyzettől függenek. A kontinentális léptékű folyamatok alakulása nagyléptékű terjedési modellekkel (LRT) szimulálható, illetve részben műhold felvételekről nyomon követhető. Különösen anticiklonális helyzetekben, leszálló jellemzően felhőoszlató légmozgásoknál szembetűnő az ipari létesítmények kibocsátása, az antropogén légszennyező felhők megjelenése miatt. Az éghajlatra gyakorolt hosszú távú, globális hatás alapvetően a légköri gázok koncentrációjának megváltozásában keresendő. A hűtőtornyokat illetően ellentmondásos vélemények olvashatóak a világhálón. Londoni közvélemény kutatási adatok (RCCS, 2007) szerint a megkérdezettek 2/3-a úgy vélte, hogy a globális felmelegedés okai között fontos szerepet játszik a hűtőtornyok által kibocsátott szén-dioxid. Kevesen tudják, hogy a kéményekből származó füstnek látszó képződmény csupán vízgőz. Az alábbiakban három skálát részletesebben kielemzünk. Lokális hatások ábra Tér- és időskálák összefüggése (Forrás: Unger és mtsai, 2012) A hűtőtornyok lokális környezetében, az ipari területen és az erőmű környezetében tapasztalt legfontosabb hatások négy csoportba oszthatók o a hulladékhő és vízgőz-többlet hatása, o a folyékony halmazállapotú cseppek hatása, o a só és más szennyeződések hatása, o a kedvező körülmények között elszaporodó baktériumok hatása. A vízgőz-többlet nagyságrendekkel meghaladja a vízcsepp-kibocsátást, ugyanakkor a hűtéshez felhasznált teljes vízkészletnek mindössze 2%-a. Ezt a vízgőzt az áramlási és hőmérsékleti rétegződési (stabilitási) viszonyoktól függően sok száz méterre is elfújhatja a szél abban az esetben, ha az áramlás rendezett (ún. lamináris). Vagyis ezen a sugáron belül évente néhány esetben megtörténhet, hogy a telítéshez közeli légállapotot ez a többlet éppen telítésbe billenti, vagyis köd, a túlhűlt, illetve fagyott cseppekből esetleg jég képződik a felszínen. A sodródási távolságot a kibocsátott cseppméret spektrumának ismeretében viszonylag nagy pontossággal meg lehet határozni (Plate, 1982, fejezet). Az esetek nagyobb hányadában a turbulens áramlások széthordják a többlet vízgőzt, ami a hűtőtornyok kis keresztmetszete miatt nem jelent nagyobb környezetmódosulást, mint a tavak nyári természetes párolgása. A kb. tized mikrométer nagyságú, kisméretű vízcseppek gyorsan kihullnak, mivel a kiesési sebesség négyzetesen függ a cseppek átmérőjétől (10 cm/sec nagyságrendű). 200 méteres esést feltételezve (eltekintve a meleg levegő felfelé áramlásától), kb. fél órán keresztül maradnak a levegőben. Ez azt jelenti, hogy 10 km/óra (3 m/s) szélsebesség mellett június /162

122 nagyságrendben 5 km távolságban érnek földet. Ugyanez az esési sebesség nagy cseppekre (1-3 mm) 2 m/sec, vagyis másfél perc alatt földet érnek. Ezek az igen nagy cseppek a tornyoktól csupán néhány száz méterre jutnak el, azonban részarányuk a szokásos toronyfajtáknál csupán a tömeg tized százalékaiban mérhető. Mivel ezek a cseppek gyorsan földet érnek, aligha tudnak a levegőben megfagyni, hideg és nedves felületre érkezve azonban ráfagyhatnak, jellemzően szitáló esőt okoznak. A negatív éjszakai minimum hőmérséklet több hónapon keresztül jellemző, ami az előző bekezdésben tárgyalt jelenségek miatt is indokolja, hogy az érintett ipari területen a téli időszakban fokozott csúszásmentesítés szükséges. A kémények és hűtőtornyok turbulens diffúzióval összefüggő jellemzőit a mérnöki meteorológia c. könyv 10 fejezete (Plate, 1982) tárgyalja. Külön részben foglalkozik a hűtőtornyok fáklyáival (10.9 fejezet), ezen belül három témával. A szenzibilis és látens hő arányának kiszámításával, a ábrán illusztrált fáklya hosszúságának és középvonal magasságának becslésével, valamint a kondenzációs folyamatok modellezésével. Ez utóbbi ( fejezet) a hűtőtoronyból származó vízben lévő egyéb anyagok (só, gomba, rozsda stb.) ülepedését modellezi. A kibocsátott levegő minősége a hűtővíz kezeléséhez használt adalékanyagoktól, koncentrációjuktól és az alkalmazott cseppleválasztók hatékonyságától függ. A hűtővíz kis része (a vízáram 0,01%-a) vízcseppek formájában a hűtőtoronyból kiáramló levegővel távozik. Leggyakrabban sók, illetve nátrium kerülhetnek ki a levegőbe. Ezek az anyagok a hűtőtorony körüli áramlástól függően, a legnagyobb mennyiségben a toronytól néhány száz méter távolságban ülepednek ki. Mivel azonban ez idő alatt jelentősen el is keverednek, az így kialakuló ülepedés a tengerparti térség természetes ülepedési mértékének nagyságrendjébe esik. Annak mérése ugyanakkor, hogy mi a kibocsátott anyag, és milyen koncentrációjú, tulajdonképpen folyamatos monitoringot érdemel, hiszen a technológiától függően lehetnek jóval nehezebb, gyorsan ülepedő összetevők is. A szakirodalom szerint a hűtőtornyok esetenként olyan mikroorganizmusokat juttathatnak a levegőbe, amelyek a tüdőbe kerülve sajátos betegségtüneteket (légionárius-betegség) okoznak (Addiss et al., 1989). Ilyen tünetekre a klímaberendezések korai generációi esetében panaszkodtak egyes felhasználók. Ennek kockázata oly módon is csökkenthető, ha a hűtőtornyokat néhány száz méter távolságban nem övezi lakóépület. Ez esetben legfeljebb a legelő állatokra lehet főleg nappal veszélye olyankor, amikor a vertikális rétegződés a leginkább kedvez a függőleges átkeveredésnek. Ez a veszélyforrás adott helyre csak in-situ aerobiológiai mérésekkel, illetve elemzésekkel ismerhető meg alaposabban. A korszerű hűtőtornyoknál már kezelik ezt a problémát. Mezoléptékű hatások Az 50 km-nél távolabbi hatások becsléséhez speciális, ún. regionális turbulens diffúziós modelleket alkalmaznak (Plate, 1982, fejezet). Az Energy and Climate c. könyv (1977) 5.3 fejezete a lokális antropogén hő- és nedvességkibocsátás mezoskálájú időjárási hatásait összegi. A modellek szerint az antropogén hőtöbblet módosítja az áramlási, stabilitási viszonyokat és a nedvesség eloszlását. Kétdimenziós modellekkel igazolták, hogy az okozott termális anomália egy nagy erőmű körül a városi hőszigethez hasonló hatású. Stabil légállapot mellett a hatás kisebb, labilis esetén pedig nagyobb. A városhatás kiterjedt szakirodalma a fentiek értelmében adaptálható az ipari hűtőtornyokra. Ismeretes, hogy a beépített, városi környezet éghajlata jellegzetes sajátosságokkal bír. Minél nagyobb egy település, analóg módon minél nagyobb az ipari létesítmény, annál jelentősebb eltérések mutathatók ki a környezetéhez képest. A város sajátosságait befolyásoló tényezők között vannak adottságok (pl. földrajzi elhelyezkedés) és szabályozható tényezők. Ide tartozik egyebek közt a település, ill. ipari létesítmény mérete, szerkezete, energia- és vízfelhasználása, a felszínborítás, valamint a kibocsátás jellemzői. Városokban a felszín anyagának megváltozása miatt megnő a felszín sugárzás visszaverése (albedója), megnövekszik az emisszió, ennek következtében a levegőben a csapadékképződés kialakulását befolyásoló ún. kondenzációs magvak mennyisége. Mindezek következtében a városok, ill. ipari létesítmények sugárzás és energia mérlegében is kimutatható változás. A települések kül- és belterülete között az időjárási helyzet függvényében jelentős különbségek adódhatnak (Unger és mtsai, 2012). Pl. egy atomerőmű és a hozzá kapcsolódó létesítmények megépítésüket követően jelentősen módosították a felszín jellegét. A korábbi mezőgazdasági kultúrák, a biológiailag aktív felületek beépítése jelentősen befolyásolta pl. a terület albedóját, a párolgási viszonyokat és a biológiai aktivitást június /162

123 A "városi" (azaz beépített terület) és a természetes felszín energiaháztartásának eltéréséből fakadó következményként az ilyen területeken az átlaghőmérséklet magasabb, mint a szomszédos területeken. E különbség mértékének érzékeltetésére pl. Budapest esetén a Belváros (5. kerület, Madách tér) és a már külterületnek minősíthető Pestlőrinc (18. kerület) évi középhőmérsékletének eltérése 1,2 C (Szász és mtsai, 1997). Ipari létesítmény működése során a gépkocsi mozgás, a légszennyezés, a hőkibocsátás stb. további befolyásoló tényezőként jelentkeznek. Az ilyen területeken a hőtöbblet erősítheti a záporok kialakulási feltételeit. A felszíni tagoltság és a környéktől eltérő hőháztartás a helyi légáramlási viszonyok, légmozgás módosulását is eredményezhetik, melyek következményeként a párolgási, légnedvességi viszonyok is megváltozhatnak kistérségi léptékben. Természetesen létezik negatív, a városi hatást csökkentő visszacsatolási mechanizmus is. Ilyen pl. a felhőzet növekedése, amely a beérkező sugárzást csökkenti, ill. a nagyobb szélsebesség, amely csökkenti a kontrasztot a város és környéke között. Az ipari terület környezetében telepített véderdő és a nagyobb biológiai aktivitású zöldfelület részben kompenzálja a hősziget hatást. Ezek a megoldások nemcsak klimatikus szempontból javasolhatók, hanem más környezeti terhelések (levegőszennyezés, zaj) csökkentésére és a látványhatások részleges kitakarására is alkalmasak. Makroléptékű hatások Egyes feltételezések szerint (Cooling towers and "global warming") a hűtőtornyok óriási klímaberendezésként működnek, és az általuk emittált vízgőz mennyisége jelentős, üvegházgázként (ÜHG) a hatása nem elhanyagolható földi léptékben. Lényeges különbség a vízgőz és a többi ÜHG között, hogy a vízgőz légköri tartózkodási ideje legfeljebb néhány hét, szemben a hosszú tartózkodási idejű évtizedekig vagy évszázadokig kémiai reakciókra képes többi ÜHG-val (pl. szén-dioxiddal, metánnal). Az erőművek klímára gyakorolt hatására kereste a választ egy amerikai tanulmány (DiPietro P., 2008), amelyben a föld összes fosszilis erőművéhez tartozó erőművére végeztek számításokat. A különféle típusú (szenes, olaj és gáz) erőművek (valamint a kőszén szárító tornyok) potenciális H 2O emisszióját földi léptékben 8,424 milliárd tonnára becsülték. Amennyiben minden fosszilis anyagot egyszerre égetnének el, akkor kg vízgőz kerülne a légkörbe. 100 évre számolva átlagosan kg az emisszió. A légkör jelenlegi vízgőz készlete 1, kg. A számítás szerint a humán eredetű vízgőz-kibocsátás a légkör teljes vízkészletének megközelítőleg 1 %-a, a Föld teljes évi csapadékmennyiségének 0,02%-a (5*10 17 kg víz). Összegezve a szerző szerint az erőművek Föld éghajlatára gyakorolt hatása jelenlegi ismereteink szerint elhanyagolható. Barcza Z. (2012) a különböző forrásokból származó, emberi eredetű vízgőz-kibocsátásokat elemzi globális léptékben. A természetes kibocsátáshoz viszonyítva az összes antropogén vízgőz többlet elhanyagolhatóan csekély, mindössze 0,26%. Ennek a kis résznek döntő többsége, 99,5%-a öntözésből származik. A maradék 0,5% az energiatermelés és a többi tényező (háztartások, emberi test, stb.) hatása. Ebből kiemelve az energiatermelést azt kapjuk, hogy az erőművek hűtése során felszabaduló vízgőz adja e szektor vízgőz kibocsátásának 86%-át, ami nagyjából kb. 0,186 kg/m 2 többletet jelent évente. (Megj: viszonyításként a természetes szárazföldi és óceáni vízgőz többlet mennyisége évente 952 kg/m 2.) Az anyag kitér az antropogén vízgőz-elnyelésre is. Barcza szerint az emberi eredetű vízgőz-kibocsátás nem okozhat globális felmelegedést, de beavatkozik a vízgőz természetes ciklusába, ezáltal módosítja a légköri transzport folyamatokat, továbbá bizonyítottan hatása van a hidrológiai ciklusra. A vízgőz klímaváltozásban betöltött szerepének tudományos megértési szintje még alacsony, összességében azonban nincs bizonyíték arra, hogy a lokális antropogén eredetű vízgőz koncentrációban bekövetkező perturbáció hatással lenne a globális klímára Részletes szakirodalmi áttekintés A szakirodalom áttekintése során alapvetően a ScienceDirect, a Wiley, a Springer és az Amerikai Meteorológiai Társaság (AMS) által megjelentetett szaklapokat és könyveket, továbbá interneten közzétett szakcikkeket használtunk fel. A főleg a lokális hatásokat esettanulmányok formájában elemző és összegző dokumentumokat megjelenésük sorrendjében ismertetjük. Az atomerőművek hűtőtornyainak a légkörre kifejtett hatását a kezdetektől 1970-ig a zioni erőműről szóló tanulmány (Huff et al., 1971) tekinti át összesen 56 szakirodalmi mű tapasztalatainak összefoglalásával. Tekintettel arra, hogy a június /162

124 hűtőtornyok működési elve lényegében nem változott, a meteorológiai folyamatokra gyakorolt hatásra vonatkozó következtetések irányadók. Másrészt a témát illetően a legátfogóbb cikk, melyhez hasonlót azóta sem publikáltak. A tanulmány az alábbi meteorológiai hatásokat összegzi: köd és jegesedés felhő és csapadékképződés veszélyes időjárási jelenségek hűtőtorony típusok közötti különbségek A köd és a jegesedés ritkán fordul elő, mégis ezekről írnak a legtöbben, ugyanis könnyen megfigyelhetőek. A mechanikus tornyoknál az alacsony toronymagasság (jellemzően kb. 20 méter) miatt gyakrabban fordul elő mindkét jelenség, mint a nedves evaporatív típusú tornyoknál, melyek a felszíntől lényegesen nagyobb magasságban kb. 100 méteren bocsátják ki a párát. A hűtőtornyok között lényeges különbség, hogy a száraz típusú hűtőtornyoknál a hővezetés és a hőszállítás a lehűlést jellemző folyamat. A nedves típusú hűtőtornyoknál a hűtendő víz közvetlen kapcsolatban kerül a légáramlással, emiatt a párolgás a domináns folyamat. Az említett okok miatt a mechanikus tornyokra jellemzőbb a köd és jegesedés problémája. A nedves tornyok inkább a csapadék és felhőképződési folyamatokat módosítják. Esetenként a hűtőtorony okozhat enyhe szitálást vagy havazást, bizonyos áramlásoknál rétegfelhő (sztrátusz) képződést tapasztaltak. Heves eső, jégeső vagy tornádó kialakulásával kapcsolatban a felhőfizikai vizsgálatok nem találtak közvetlen összefüggést a hűtőtornyok emissziójával. A jelenségek kialakulási mechanizmusából adódóan azonban nem zárható ki, hogy az erőműből kiáramló hő gerjesztő hatást fejthet ki a lokális folyamatokra. Mindehhez kedvező meteorológiai helyzetben kevés többlet energia is elegendő. A légkörre gyakorolt hatás nagyon összetett, a helyi éghajlati és topográfiai viszonyoktól erősen függ. Ezért a tanulmányban nem érték be a szakcikkek tapasztalataival, hanem önálló modellfejlesztésbe fogtak az alábbi jelenségek részletes tanulmányozása érdekében: a hő és nedvesség kibocsátás (tömeg, zivatarfelhő, városi hő, vízgőz) fluxusokra gyakorolt hatásai a fáklya és a tó kölcsönhatásai (tóparti szél, konvektív zivatarok, havazás, téli hatások, köd) felhőnövekedési modellek a torony-emisszió hatásbecslésére A tanulmány alapjául szolgáló létesítmény a Michigan-tó partján lévő 2200 MW teljesítményű zioni erőmű, amelyhez három 76,2 m magas és 54,8 m torok átmérőjű hibrid nedves típusú hűtőtorony tartozik, melyből egy időben legfeljebb kettő üzemel. A modell eredmények szerint a relatív nedvesség erősen befolyásolja az méteres tetőmagasságú fáklyákat. A kimutatható hatás a nyári csapadéknál elhanyagolható mértékű, havazásnál viszont az erőmű 6 km körzetében mm növekedés a tulajdonítható a létesítménynek. Az összegzésben a szerzők valószínűsítik, hogy a hűtőtornyok hőkibocsátásának meteorológiai összhatása kisebb, mint a hűtéshez a Michigan-tóba ömlő hulladékhő környezeti hatása. Huff 1972-es cikkében összegzi, hogyan hat a csapadékmennyiségre a nagyméretű hűtőtornyok által kibocsátott hulladékhő és nedvesség. Mivel ismert, hogy felhő-, illetve zivatarképződést már viszonylag kis többletenergia is kiválthat, emiatt a hűtőtornyok lokális hatásának vizsgálata különösen fontos. Megemlíti, hogy korábban is megfigyeltek gyenge szitálást vagy havazást a tornyok közelében. A hűtőtornyok nedves fáklyái felhőképződést indíthatnak el, ám az így keletkezett felhőknek nem volt szignifikáns hatása a megfigyelési hely környezetében. Az Angliában vizsgált kisebb teljesítményű (legfeljebb 500 MW) erőművek esetében nem tapasztaltak szitálást, és bár olykor gomolyfelhők képződtek, de a tornyok nem idéztek elő záport vagy bármilyen csapadékot. Egyes tanulmányok szerint stabil légrétegezettség és magas nedvesség esetén a fáklya rétegfelhő képződést okozhat, ahogy a szél továbbviszi a kibocsátás helyéről. Gomolyfelhők ritkábban keletkeznek, és olyankor is csak kevéssel megelőzve a természetes keletkezést. A fent említett zioni erőmű hatásait elemezve megállapította, hogy az általuk a légkörbe juttatott nedvesség jelentéktelenül csekély a természetes hatásokhoz képest, kivéve a tornyok, illetve azok fáklyái közvetlen környezetét. Az egyenletes, gyenge csapadék esetén lehullott mennyiséget ezért nem növelik szignifikánsan. Jelentős teljesítménynövekedés és esetleges további közeli erőművek esetében azonban nem lehet kizárni az időjárásra gyakorolt regionális hatásokat sem. A becslések szerint a tornyok a lehullott hó mennyiségét mintegy 5 %-kal növelik a tó felől fújó szél június /162

125 esetén, azonban fontos kiemelni, hogy a Michigan-tóhoz hasonló nagy, meleg víztömeg hiánya esetén a hatás jóval kisebb lehet. Mivel a tornyok által kibocsátott nedvesség és légáram egy átlagos zivatarfelhőhöz viszonyítva jelentéktelen, hatást csak a felhőképződés kiváltása útján fejtenek ki a konvektív csapadékra. Changnon (1973) a köd, csapadék, jégeső és zivatar hatásait összegző cikkében azt vizsgálta, van-e különbség a hűtőtó, és a száraz vagy a nedves hűtőtornyok hatása között? Arra a következtetésre jutott, hogy a konvekciós hatás összességében hasonló. A száraz hűtőtornyoknál a szenzibilis hő közvetlen hatása miatt a kezdeti vertikális feláramlás valamivel nagyobb, ami labilis légállapot esetén hozzájárul a természetes konvekcióhoz. A másik két típusnál kevesebb ugyan a szenzibilis hulladékhő, azonban a kiáramló vízgőz kompenzálja ezt a hatást. Környezeti szempontból mindhárom hasonló pontforrásnak tekinthető, amely egy városnyi területre tud szétterjedni a magasban. A párologtató hűtőtoronyból kiáramló magas harmatpontú vízgőz felhő a látens hő miatt destabilizáló hatású, könnyebben emelkedik a környezeténél. Amennyiben egy Cumulus felhőbe kerül a csóva, gyorsabban fog növekedni. Spurr (1974) Háromszáz, Angliában működő természetes huzatú száraz hűtőtorony tapasztata alapján a meteorológiai hatások három nagy csoportját különíti el. felszíni köd és relatív nedvesség felhő és fáklya kiterjedése csapadékképződés Különböző áramlási helyzetekben a természetes szellőzésű száraz hűtőtorony előtt és mögött vizsgált relatív nedvesség értékek között nem találtak eltérést. Fényképekkel igazolták, hogy gyenge szél esetén, inverziós helyzetekben a fáklya a magasban marad, ily módon nem fejt ki káros hatást sem a relatív nedvességre, sem a látástávolságra. Az erős szél szétfújja a fáklyát, a fáklya mindig a hűtőtorony szélárnyékos (ún. Lee) oldalán nyúlik el. A mérések szerint ugyan a fáklya nem éri el a földet, mivel erősen felhígul, esetenként csak néhány részecske juthat le a felszínre. Ilyenkor néhány száz láb magasságban határozott alapja van a fáklyának. A vizsgálatban nem tapasztalták a köd gyakoriságának változását, de a szerző felveti, hogy más rendszerű, pl. mechanikus száraz hűtőtornyok esetén, vagy olyan országban, ahol gyakori a fagy, illetőleg mély völgyben elhelyezkedő erőmű esetén a hűtőtorony megnövelheti a köd gyakoriságát. Kis relatív nedvesség esetén a fáklya szinte azonnal elpárolog. Ellenben nagy relatív nedvesség esetén néhány km hosszúságot is elérhet. Egy éven keresztül fényképezték egy csoport 250 MW torony körül kialakuló állapotokat, és a fotók alapján szoros összefüggést találtak a relatív nedvesség és a fáklya mérete között. A hűtőtoronyból származó hőés nedvességtöbblet kedvező időjárási helyzetekben (jellemzően derült időben, amikor erős feláramlás jellemző) a kibocsátás hozzájárulhat a Cumulus felhők kifejlődéséhez. A vizsgált térségben a hűtőtoronynak tulajdoníthatóan a gomolyfelhők már a kora reggeli óráktól megjelennek, bár csapadékot nem adnak. A hűtőtorony működése során keletkező cseppek tartózkodási ideje a kiáramló vízgőz felhőben kisebb, mint a normál felhőkben, emiatt nem tudnak átalakulni esőcseppekké. Kivétel ez alól, amikor nagy a levegő relatív nedvességtartalma (95%), ilyenkor feltehetőleg hozzájárulnak a szitáló eső kialakulásához. Lee (1977) a több hűtőtoronyból álló rendszerek konvenció-erősítő hatásának tanulmányozására egy numerikus modellt fejlesztett ki. Korábbi vizsgálatok szerint egy nagyteljesítményű erőmű-központ által kibocsátott hulladékhő (akár MW) jelentős légköri hatásokat fejtene ki. Egy ilyen központ energia-kibocsátásának nagyságrendje a vulkánokhoz, zivatarokhoz vagy bozóttüzekhez lenne viszonyítható. A legtöbb modell általában egyetlen, kisebb teljesítményű erőmű leírására használható, ezért alkotta meg Lee a nedves hűtőtornyok együttes hatását modellező módszerét. A szimulációt egy gigantikus, 40 természetes szellőzésű hűtőtoronyból álló rendszeren végezte el. Az elképzelt tornyok 300 méterenként helyezkednek el, egyenként 2400 MW-ot bocsátanak ki. Magasságuk 175 m, torok átmérőjük 97 m. A vizsgálat szerint egy átlagos januári reggelen a 40 torony felett lévő fáklya magassága 130%-a egy magában álló torony fáklyájának. A levegő ilyenkor általában túlságosan stabil a magasabb szintek eléréséhez. Egy átlagos júliusi délutánon 14 vagy több torony esetében jelentősen megemelkedik a magasság, a konvekció ilyenkor sokkal jelentősebb, a 40 toronyból álló rendszer fáklya magassága ez esetben a magában álló torony 360%-a (majdnem 6000 méter). Egy másik esetben a hirtelen ugrás már 5 torony esetében kimutatható volt. Bizonyos időjárási helyzetekben a hűtőtornyok konvektív felhőképződést válthatnak ki, ezért különösen fontos a tornyok megfelelő elhelyezése, egymástól való június /162

126 távolságuk. Az ebből fakadó környezeti terhelést a modell segítségével optimalizálni lehet. A modellezett értékek jó egyezést mutattak helyszíni kísérleti mérésekkel. Az energia és éghajlat c. könyv (Hosler and Landsberg, 1977) 5. fejezete szerint egy nukleáris erőmű hűtőtornyából származó látens hőmennyiség kb. egy nagyságrenddel kisebb, mint egy átlagos zivatarfelhőé, hatása azonban a szinoptikus skálán már kimutatható, ugyanis az impulzus nagysága összemérhető egy Cumulus felhő keletkezéséhez szükséges látens hőével, amely a későbbiek során zivatar kialakulásához vezethet. A légköri stabilitás változásában, a szél és nedvesség eloszlásában szintén lehet szerepe. A hetvenes évek kétdimenziós modelljei még nem voltak elegendőek a zivatarfelhő keletkezési és fejlődési folyamatának megértéséhez. (ehhez négydimenziós modellekre van szükség.) A kétdimenziós modellekkel sikerült igazolni, hogy a kulcs a hátszél (az erőműtől a fáklyát a szélárnyékos oldal irányába elfújó szél) jelensége, melynek nyáron szerepe van bizonyos szélirányból érkező záporok, télen pedig hózáporok alakulásában. A hő-, illetve nedvesség-kiáramlás és erős hátszél következtében a csapadék mennyisége ugyan nem növekszik, de módosul a zápor helye. Orville és munkatársai (1980) Hirsch numerikus felhő-modelljét használták a hűtőtornyok felett kialakuló fáklyák vizsgálatára. A modellt úgy változtatták meg, hogy mind a száraz és nedves, mind a természetes és mesterséges szellőzésű tornyok hatását is szimulálni tudja. A módosított modellt a Potomac Energy Benning Road erőmű hűtőtornyainak adatai alapján tesztelték. A vizsgált jelenségek kisebb léptéke miatt a magassági lépcsőt 200 méter helyett 2 méternek, a légbeszívási paramétert 0,3-nak, a víztartalmat pedig 0,001 gg -1 -nak választották meg a kibocsátás magasságában. Ettől 400 méterrel feljebb fokozatosan az eredeti paraméterek állnak vissza, 2500 méter magasságban már az eredeti modell értékeit használták. A száraz és nedves szellőzés közötti különbséget száraz, illetve nedves adiabatikus emelkedéssel szimulálták. A kalibráció során a fáklyák előrejelzett és mért magassága közötti korreláció 0,78 volt, míg a fáklya hosszát tekintve 0,49. A modell általánosságban alulbecsli a magasságot, a hosszt pedig felül. A modellt a michigan-i Flint egy évnyi (1972) adatai alapján futtatták, három különböző hűtőtoronykonfigurációval, reggeli és esti szondázásokat használva. A legnagyobb fáklyákat minden esetben a természetes szellőzésű hűtőtornyok produkálták. Az évszakos különbségeket tekintve a leghosszabbak a téli fáklyák voltak, a nyáriak jóval kisebbek, relatíve alacsony látható fáklyákkal, azok felett pedig magas száraz (nem látható) kiterjesztéssel. A napi különbségek nyáron voltak a legnagyobbak, ekkor az esti fáklyák voltak a legnagyobbak. Orville és mtsai (1981) egy numerikus felhőmodellt fejlesztettek ki, amely a heves viharokat kísérő jelenségeket (például kiadós csapadékot, jeget és erős szelet) szimulál. Ennek segítségével vizsgálták a viharokat jellemző konvekciót, majd a paramétereket módosítva azt, hogy egy jelentős hő-, illetve vízgőz-többlet miként befolyásolja azt. Modellezték az erőművekre jellemző száraz, és nedves szellőzésű hűtőtornyok hatását. A módszer ellenőrzésére három, a múltban lezajlott heves eseményt modelleztek, először csak a természetes hatásokat számításba véve, majd különböző hűtőtorony-elrendezésekkel. A kibocsátást egyik esetben teljes mértékben szenzibilis hőáramként, a másik esetben 80 %-ban látens hőáramként írták le, a száraz, illetve a nedves szellőzésű tornyokat szimulálva. Előbbi példában összesen MW, utóbbiban MW, a modellezett térben egyenletesen kibocsátott hővel számoltak. Ezek során megállapították, hogy a hűtőtornyok saját cirkulációt hoznak létre a felettük lévő levegőben, ami befolyásolja a természetes konvekciót, és módosítja a zivatarfelhőkben kialakuló le- és feláramlásokat. Előfordult, hogy nedves hűtőtornyok által légkörbe juttatott vízgőz hozzájárult a felhő fejlődéséhez, egy másik esetben ugyanakkor a száraz tornyokból származó hulladékhő feláramlása újabb felhőt hozott létre a zivatar mellett, ami annak áramlási mezőjével kölcsönhatva végeredményben jelentősen legyengítette azt. Mindhárom vihart modellezve azt tapasztalták, hogy a hűtőtornyok hatására megváltozott a csapadék és a jég eloszlása és mennyisége. Egy futtatás kivételével minden konfiguráció esetén kisebb csapadékmennyiséget és kevesebb jeget kaptak eredményül, a száraz szellőzésű tornyok példája közel 75 %-os csökkenést mutatott! A nedves tornyok kisebb mértékben bár, de szintén csökkenést okoztak. A számítások szerint a felhők gyakran gyorsabban fejlődtek a kibocsátás miatt, de nem tudtak olyan szervezett rendszerré válni, mint a hűtőtornyok hatása nélkül. Sauvageot (1989) a nedves hűtőtornyok felett kialakuló feláramlás mérésére szolgáló radaros módszert mutat be. A nedves hűtőtornyok működése során a hő közel négyötöde látens hő formájában távozik, a maradék pedig szenzibilis hőként közvetlenül kerül kibocsátásra. Az ennek során keletkező cseppecskéket rekondenzációs cseppecskéknek nevezik, átmérőjük kisebb 20 mikrométernél, és a meteorológiai hatásoktól függően felhőképződést okozhatnak. A cseppecskék másik fajtáját sodródó részecskéknek nevezik, melyek a feláramlással távoznak, és elég nagyok ahhoz, június /162

127 hogy kihullva elérjék a földet. A modernebb rendszereknél ezeket a kibocsátás magasságában szűrőkkel részben felfogják, de a 20-tól pár száz mikrométerig terjedő spektrumban továbbra is van emisszió. Ezeket a kibocsátott cseppecskéket a környezeti hatások szempontjából fontos, ugyanakkor nehéz mérni, ezért egy távérzékelési módszert dolgoztak ki. A mérések a franciaországi Le Bugey erőmű hűtőtornyai (2 db természetes szellőzésű, 128 m magas, 68 m torok átmérőjű torony, vízáram 17,25 m 3 s -1, 1800 MW hő) kibocsátási magassága felett 1 méterről származnak. A számos mérés eredményeképp lineáris regresszióval megállapították a rekondenzációs cseppecskék radar-reflektivitása és a víztartalom, illetve a reflektivitás és a cseppek átmérőinek mediánja közötti összefüggéseket, és ugyanígy a sodródó cseppek esetében is. A módszert felhasználva radaros méréssel megállapítható a kiáramló levegőben lévő víztartalom, a cseppek eloszlása és a csapadékintenzitás. A két különböző kibocsátott részecske külön kezelendő. A rekondenzációs cseppecskék esetében a reflektivitás 20 db-lel alacsonyabb volt, mint a természetes felhőkben, a nagyobb részecskék hiánya miatt. A legtöbb esetben ezek a cseppecskék alig járulnak hozzá a fáklya reflektivitásához, azt főként a sodródó részecskék határozzák meg. Ezért a rekondenzációs cseppecskék által keltett felhő nem feltétlenül esik egybe a radar alkotta képpel. Az Ipari hűtőrendszerek XII.3.1 fejezete a hőkibocsátás légkörre kifejtett hatásait összegzi az alábbiak szerint. A hűtőrendszer típusától függetlenül a folyamat végén minden kibocsátott hő a légkörbe kerül, ezáltal emeli a környezet termikus energiáját. Átfolyó rendszerrel hűtött erőművek esetében a kibocsátott hűtővíz folyamatosan elkeveredik a befogadó vízzel, és közben lehűl. A hő három féle módon juthat vissza a légkörbe: o párolgással (a kibocsátott energia 35-45%-a), o a víz felszínéről történő kisugárzással (25-35%), o hőátadással (20-30%). A kiadvány szerint a hűtőrendszer egyetlen légköri jelenséget befolyásolhat: a kibocsátás közvetlen közelében a párolgás miatt gyakoribb és tartósabb lehet a köd. Nedves hűtőtornyoknál ugyanaz a helyzet, mintha a hőt közvetlenül a légkörbe bocsátanánk. A hő kb. 70%-át párolgási hő (pára) formájában, a maradék 30%-ot fázisátalakulás nélkül bocsátják ki. A nedves hűtőtornyok legfontosabb hatása, hogy a torony fölött fáklya alakulhat ki, alacsony (ventillátoros) torony esetében pedig hideg nyirkos időben talajmenti köd. A hűtőtornyok lokális és regionális hatásainak szimulációjára modellszámításokat végeztek az amerikai SACTIP (Évszakos/Éves Hűtőtorony Hatás) programmal (SACTIP, 2007). Olyan időjárási jelenségeket vizsgáltak, amelyet a hűtőtornyok működése okozhat vagy befolyásolhat. A toronyból kiáramló telített állapotú, a külső hőmérsékletnél melegebb nedves levegő időnként látható csóva formájában jelenhet meg a torony felett, melynek mérete és mozgása függ az időjárási körülményektől. Évszakonként modellezték a négy legfontosabb jelenséget: o a csóva (vízgőz vagy pára felhő) láthatóságát, o a hűtőtoronyból származó vízben oldódó anyagok ülepedését, o a talajmenti ködöt és a jegesedést, o a csóva hatását a sugárzásháztartásra. A modell paraméterezéséhez ötévnyi órás megfigyelési adatot használtak fel ( Fresno nemzetközi repülőtér adatait), továbbá a hűtőtorony műszaki paramétereit. Az eredmények szerint jellemzően korlátozott kiterjedésű, látható csóva keletkezik, amely legfeljebb az esetek 10%-ban éri el a 250 méteres magasságot (a torony magassága 24,4 m.) A hűtőtoronynak tulajdonítható ködképződést csupán évente néhány órában tudtak igazolni. A tanulmány szerint a vizsgált Kings-folyó (Chicago) menti száraz éghajlatú területen a többlet vízgőzből származó csapadéktöbblet elhanyagolható mennyiségű. A szlovákiai Tőketerebesen létesülő széntüzelésű (Szabó, 2007) 3*240 MW+165 MW) gáz-gőz erőműre vonatkozó tanulmány a hűtőtorony működése által okozott potenciális meteorológiai hatásokat is elemzi. A 96 méteres természetes huzatú hűtőtornyára vonatkozó számítások szerint az átlagos párolgás 828 t vízgőz/óra, mennyisége 60 t/óra. A beáramló vízgőz átlagos sebessége 2-3 m/s, illetve a kiáramló vízgőz hőfoka 29 és 50 C között mozog, a külső hőmérséklettől függően. A vízgőz terjedési feltételeit meghatározó Pasquill stabilitási értékek alapján az alábbi megállapításokat tették: június /162

128 o A Pasquille D (neutrális) és E (enyhén stabil) kategóriák a legfontosabbak a hatásvizsgálathoz. o A vízgőz legnagyobb talajmenti koncentrációja (10 mg/m 3 ) a D stabilitási osztályban a hűtőtoronytól 850 méter távolságban jellemző. o A hideg félévben alacsony hőmérséklet és magas relatív nedvességtartalom mellett a hűtőtoronytól méteres távolságban legnagyobb az esélye a vízgőz kondenzációjának. Különösen szélcsendes időben a vízgőz adiabatikusan kitágul, lehűl. A kondenzálódott cseppekből köd képződik, vagy szitálás, illetve eső formájában kihullnak a vízcseppek. Negatív terephőmérséklet esetén jegesedés és zúzmaraképződés alakulhat ki. Az ismertetett téli helyzetekre a tanulmány javasolja a preventív szórást, továbbá a figyelmeztető meteorológiai előrejelzések operatív felhasználását. Ezen kívül az ilyen helyzetek előfordulási valószínűségének elemzésére tesz javaslatot Összefoglalás A hűtőtornyok hulladékhő- és nedvesség-kibocsátása, továbbá só- és biológiai kibocsátása egyaránt számottevő. A szakirodalom alapján a légkörre gyakorolt hatásuk főleg az ipari területeken és lokális léptékben valószínűsíthető. Bizonyos időjárási helyzetekben fokozódhat egyes időjárási jelenségek előfordulási valószínűsége (relatív nedvesség növekedés, látástávolság csökkenés, köd, szemerkélő eső, jegesedés, zúzmara), hatással lehet a felhő és csapadékképződésre (pl. havazásra). Módosíthatja a záporok kialakulásának helyét és a csapadék kihullásának idejét. Hosszabb távon valamelyest befolyásolhatja a kibocsátó környezetének klímáját. Ezzel együtt a tervezett fejlesztés mikroklímára gyakorolt hatását összességében semlegesnek ítéljük (azzal együtt, hogy rövidebb időszakokban és egyes paraméterekben a változás kimutatható is lehet). Mezo- és makro-klimatikus hatással sem a hőterhelés, sem a városhatás miatt nem kell számolni. A hűtőtornyoknak globális hatása jelenlegi ismereteink szerint nincs. A só részecskék, fagyott vízcseppek kibocsátása egyes élőlényekre és érzékeny növényzetre kockázatot jelent. Az egyszerű évelő vegetációra (pl. fűfélék, lágyszárúak) nézve ez a veszély kismértékű, a mezőgazdasági termények esetén azonban nem zárható ki a károsodás. Emiatt a tornyok mintegy 0,5-1,0 km-es körzetében az értékes növényzet vagy emberi települések meghagyásának vannak kockázatai. Az ipari terület környezetében telepített véderdő és a nagyobb biológiai aktivitású zöldfelület részben kompenzálja a felsorolt káros hatásokat. Ezek a megoldások nemcsak klimatikus szempontból javasolhatók, hanem más környezeti terhelések (levegőszennyezés, zaj) csökkentésére és a látványhatások részleges kitakarására is alkalmasak. Téli helyzetekben a preventív szórás és a figyelmeztető meteorológiai előrejelzések operatív felhasználása csökkentheti a fokozott jegesedéssel járó károkat. Amennyiben e szakirodalmi-szakértői értékelés mellett a hatótávolságok, illetve gyakoriságok terén pontosabb számok ismerete is szükséges, akkor ezt in-situ kémiai, illetve aerobiológiai mérésekkel, éghajlati statisztikai feldolgozásokkal, valamint mezoléptékű dinamikai modellezéssel lehet megvalósítani június /162

129 2.7.2 HÁROM MÉRŐÁLLOMÁS BESZERZÉSE, TELEPÍTÉSE ÉS ÜZEMELTETÉSE Az Országos Meteorológiai Szolgálat (OMSZ) négy helyszínen végzett méréseket, az OMSZ 1979 óta működő Paks főállomásán, valamint a Lévai Projekt keretében telepített három ideiglenes állomáson. A három mérőállomás helyének kijelölése az MVM Zrt. Lévai Projekt előzetes jóváhagyásával február 8-án, az képviselőivel közösen tartott helyszíni bejárás keretében történt. A mérőállomások helyszínei ( ábra) o Paks, Főállomás Atomerőmű déli bejáratától NY-ra, kb. 300 m Koordináta: N46,57347 E18,84547 WGS84 o Paks, Csónakház Atomerőmű területétől ÉK-re, kb. 1 km-re a Duna jobb partján Koordináta: N ; E , WGS84 o Paks, Gesztenyés utca Atomerőmű területétől É-ÉNY-ra, kb. 4 km-re Paks nyugati határában Koordináta: N46,62055; E18,83623, WGS84 o Uszód, Barákai Vízmű Atomerőmű területétől DK-re, kb. 5 km-re a Duna bal partján Koordináta: N46,54630; E18,90186, WGS ábra A meteorológiai mérőoszlopok helyei március 13-án Pakson a Gesztenyés utcai területen, 14-én pedig Uszódon, a Barákai Vízmű területén megtörtént az automata állomások alapozása. Ezzel párhuzamosan felmértük, hogy a Csónakháznál a korábbi expedíciós mérések helyén milyen átalakításokat kell elvégezni a most tervezett mérések végrehajtásához június /162

130 Az automatákat március 22-én (Paks, Csónakház), 23-án (Uszód, Barákai Vízmű) és 30-án (Paks, Gesztenyés utca) telepítettük. Paks, Csónakház ábra Paks, Csónakház mérőállomás ábra Paks, Csónakház állomáson telepített érzékelők június /162

131 ábra Paks, Csónakház állomás adatgyűjtő és szerelvényei Uszód, Barákai Vízmű ábra Úszod, Barákai Vízmű állomás június /162

132 Paks, Gesztenyés utca ábra Paks, Gesztenyés utcai állomás szerelése ábra Paks, Gesztenyés utcai állomás Az alapozási munkák alatt derült ki, hogy a Paksi Polgármesteri Hivatal Építési Hatóságának jogértelmezése szerint a szélmérő oszlop telepítése építési engedély köteles tevékenység. Az OMSZ március 28-án benyújtotta az építési engedélyezési dokumentációt a Paksi Polgármesteri Hivatal Építési Hatóságára. Az engedélykérelem benyújtásához megkaptuk a terület kezelőjének, a PA Zrt-nek tulajdonosi hozzájárulását. A nem jogerős építési határozat április 3-i keltezésű, amelyet azonban május 10-én kaptunk kézhez június /162

133 Paks Város jegyzőjének az I /2012 számú határozatában adott építési engedélye május 28-án jogerőre emelkedett. A jogerős építési engedélyt július 5-én kapta meg az OMSZ, amely alapján bejelentette a Tolna Megyei Kormányhivatal Építésfelügyeleti Hatóság felé az építési munkálatok megkezdését. Az automaták telepítésében közreműködők: Paks, Csónakház: A Csónakháznál nem volt szükség előkészítő munkálatokra, ugyanis ezen a helyen 2002 júliusától 2004 júniusáig a Paksi Atomerőmű működése következtében a Dunát érő hőszennyezettség felmérésére céljából az OMSZ már üzemeltetett egy automatát. Az akkor kialakított mérőhelyet a Lévai Projekt céljaira megfelelő módon fel lehetett használni. Paks, Gesztenyés utca: Alapozás: KHB ÉP-SZIG KFT Paks, Kölesdi u. 27. Áramellátás: MVM PA ZRT Daruzás: TESÓ Kft Paks, Tolnai út. 2. Uszód, Barákai Vízmű: Alapozás: Kalocsavíz Kft Kalocsa, Hősök útja 38. Áramellátás: Kalocsavíz Kft Kalocsa, Hősök útja 38. Daruzás: Kecskés Építőipari Kft Kecel, Liget u. 1. A meteorológiai mérések végrehajtásához szükséges mérőegységek főbb részeit a következő szállítóktól szereztük be: Adatgyűjtők, érzékelők: INDUSTRIE AUTOMATION GRAZ AUTALER STRASSE RAABA Szélmérő oszlopok: MetTech Bt Budapest, Céltábla u. 12. Kommunikációs eszközök: Kern Com. Sys. Kft Budapest, Gömb u. 46. A mérőrendszerek felépítéséhez szükséges egyéb alkatrészek beszállítását a következő cégek végezték: Wago Hungária Kft Budaörs, Gyár u. 2. Phoenix Contact Kft Budaörs, Gyár u. 2. A Kalocsavíz Kft. Barákai vízbázis területére telepített állomás üzemeltetésére bérleti szerződést kötöttük. Az OMSZ számos automata állomást üzemeltet vízmű területén együttműködési megállapodás keretében. A Kalocsavíz Kft. jóval magasabb áron bocsátotta a mérési területet rendelkezésünkre. Az alábbi Vaisala eszközöket helyeztük üzembe ( táblázat): Érzékelő típus Hőmérséklet-nedvesség Csapadék Szélsebesség Szélirány Légnyomás HMP155E VRG101 WAA151 WAV151 PTB210A Állomás Min. sorozatsz M. M. M. M. az. ssz ssz ssz. az. (ssz) az. az. az. ssz. Paks, Csónakház HT187 H PR153 B S169 H03334 D170 H05422 PA92 H Paks, Gesztenyés u. HT185 H PR152 B S170 H03335 D171 H05423 PA91 H Uszód, Barákai Vízmű HT186 H PR154 B S168 H03333 D169 H05421 PA93 H táblázat Üzembe helyezett mérőeszközök A mérések a tervezett április 1-i időponttól megkezdődtek június /162

134 A mérések során az alábbi táblázatban szereplő meteorológiai paramétereket mértük ( táblázat). Mért elem Mintavétel Számított adat gyakorisága (10 percre vetítve) Tárolt érték Légnyomás 1 perc Átlag, minimum és maximum Átlag Szélsebesség 2 másodperc Maximum és annak ideje, átlag Maximum és annak ideje, átlag Szélirány 2 másodperc Maximális széllökés iránya, átlag Maximális széllökés iránya, átlag Léghőmérséklet 1 perc Átlag, minimum, maximum Átlag, minimum, maximum, pillanatnyi Légnedvesség 1 perc Átlag, minimum, maximum Átlag táblázat A mérendő meteorológiai paraméterek A mintavétel gyakorisága általában egy perc, az elemi mintákból az adatgyűjtő 10 perces statisztikákat készít, és ezt tárolja el a log fájlba. Az OMSZ központi adatbázisa ezeket az adatokat gyűjti be. Az OMSZ adatbázisában tároljuk a 10 perces adatokat ( ábra) ábra Paks, Csónakház adatai az OMSZ adatbázisában Az automaták üzemelésében jelentős fennakadás nem volt, az állomások negyedévenkénti ellenőrzése rendben megtörtént. Állomásra lebontva az alábbi időpontokban: Paks Csónakház: május 23., augusztus 16., november 12., február 26. Paks Gesztenyés: május 23., augusztus 16., november 12., február 26. Uszód: 202. május 23., szeptember 12., december 21., február 27 Az adathiányok pótolva, a hibák javításra kerültek, minden 10 perces adat elérhető az adatbázisban, a április 1. és március 31. közötti időszakban mért 10 perces adatok a mellékletben megtalálhatók június /162

135 2.7.3 AZ EGYÉVES MÉRÉSI IDŐSZAK ELEMZÉSE A 2012 áprilisától 2013 márciusig tartó egyéves mérési időszak leteltével feldolgoztuk a mért adatokat. Mivel a mérések a légnyomás, szélsebesség, szélirány, léghőmérséklet és légnedvesség paraméterekre vonatkoztak, ezeket a meteorológiai jellemzőket elemeztük. Elsőként a paksi főállomás ezen időszakban mért adatait viszonyítottuk a korábban bemutatott es átlagértékekhez, majd a 4 állomás egyéves adatsorát hasonlítottuk össze egymással. Ezekből a vizsgálatokból kimutatható egyrészt az, hogy a tanulmányozott időszak mennyire tért el az átlagos viszonyoktól, illetve az is, hogy a Paksi Atomerőmű környezetében kimutatható-e lényeges időjárási különbség Paks állomás időszakra vonatkozó adatainak összehasonlítása a sokéves átlaggal Bevezetésként egy kis kitekintést adunk az időjárás országos alakulására a 2012 áprilisa és 2013 márciusa közötti időszakban. Az országos viszonyokat tekintve a vizsgálatra kijelölt időszak több szempontból is rendkívülinek számít. A 12 hónap bővelkedett mind hőmérsékleti, mind csapadék szélsőségekben. Az országos átlaghőmérséklet két hónap 2012 decembere és 2013 márciusa kivételével mindegyik hónapban jóval a sokévi átlag felett alakult. A legnagyobb anomáliát novemberben jegyeztük (+3,1 C), de a nyári hónapokban is említésre méltó különbségek adódtak. A 9. legmelegebb tavasz után a június és az augusztus a 4. legmelegebb június, illetve augusztus lett az 1901-től kezdődő idősorban, míg a július az eddig jegyzett legmelegebb júliusunk volt. Összességében a 2012-es nyári időszakot az elmúlt 112 év 2. legmelegebb nyaraként tartjuk számon. A sort az őszi átlaghőmérsékletek sem törték meg, a 4. legmelegebb őszt jegyeztük 1901 óta, 2012/13 tele pedig az első harmadban foglal helyet (33.). Ugyanakkor figyelemre méltó 2013 márciusának középhőmérséklete, országos átlagban 2,2 C-kal hidegebb volt a megszokottnál. A csapadékviszonyok tekintetében mindkét szélsőségre találunk példát nagy részét rendkívüli szárazsággal jellemezhetjük, két hónap is első helyezett lett az 1901 óta vezetett listán: 2012 márciusában a sokéves átlag mindössze 6%-a hullott le (2 mm), augusztusban pedig a szokásos mennyiség 14%-a (7,6 mm) ezzel a két hónap rendre az elmúlt 112 év legszárazabb márciusa és augusztusa. Egészen októberig mindössze két hónap érte el a szokásos értékeket. Októbertől azonban változás indult, decembertől pedig már a hatalmas csapadéktöbblettel küzdött az ország. 2012/13 tele 1901 óta a 4. legcsapadékosabb tél volt hazánkban, februárban a szokásos mennyiség több mint két és félszerese hullott. A legnagyobb többlet azonban 2013 márciusához köthető: az országos átlagos csapadékösszeg 345%-a a normálnak, mely a tavalyi év tükrében is, illetve az árvizek kialakulásának szempontjából is rendkívüli Hőmérséklet A vizsgált időszakban kettő kivételével minden hónapot pozitív hőmérsékleti anomáliával jellemezhetünk a harmincéves átlaghoz viszonyítva ( ábra). Az közötti értékeket legnagyobb mértékben a novemberi középhőmérséklet haladta meg: Paks állomásunkon 2012 novembere összességében 2,9 C-kal volt melegebb a megszokottnál. Másfél fok feletti pozitív eltérést láthatunk még 2012 júniusa és szeptembere között, illetve a 2013-as év első két hónapjában. Az átlagnál hűvösebb volt 2012 decemberében, jelentős negatív anomáliát azonban 2013 márciusában láthatunk: az első tavaszi hónap Pakson 1,9 C-kal hidegebbnek bizonyult a megszokottnál. Paks állomásunkon a középhőmérsékleti anomália alakulása a vizsgált időszak minden hónapjában az átlagos országos trendeknek megfelelően alakult. A legtöbb hónapban néhány tized fokkal melegebb viszonyok jellemezték a területet az országos átlagokhoz képest június /162

136 4 C Havi középhőmérsékletek sokéves átlagtól ( ) vett eltérései Paks állomáson a időszakban 3 C 2 C 1,8 C 2,5 C 2,3 C 2,1 C 2,9 C 1,6 C 1,6 C 1 C 0,7 C 0,4 C 0,5 C 0 C -0,2 C -1 C -2 C -1,9 C -3 C Á M J J A S O N D J F M ábra Havi középhőmérsékletek sokéves átlagtól ( ) vett eltérései Paks állomáson a időszakban Nyári-, hőség-, illetve forró napról beszélünk, ha a hőmérséklet napi csúcsértéke eléri vagy meghaladja a 25 C-ot, a 30 C-ot, illetve a 35 C-ot. Ezen küszöbnapok számának alakulását láthatjuk a táblázatunkban Paks állomásra vonatkozóan. Mindhárom kategóriánál egyértelműen a melegebb viszonyokról kapunk képet a kiválasztott időszakban. A nyári napok számában szeptemberben látjuk a legnagyobb eltérést, a szokásos 11 helyett 18 nap felelt meg a kritériumnak. A hőségnapokat tekintve augusztusban figyelhető meg a legnagyobb különbség, 10 nappal többet regisztráltunk a normálnál. Két nyári hónapban, júliusban és augusztusban jegyeztünk az átlagnál jelentősen több forró napot: mindkét hónapban 7-tel többet a megszokottnál. Összességében a július és az augusztus hozta a legtöbb meleg küszöbnapot. Nyári napok (Tmax 25 C) száma Hőségnapok (Tmax 30 C) száma Forró napok (Tmax 35 C) száma es átlag es átlag es átlag Április Május Június Július Augusztus Szeptember Október táblázat Nyári napok, hőségnapok és forró napok száma Paks állomáson a időszakban, valamint a sokéves átlagok ( ) Légnyomás A sokéves átlag alapján ( ábra) a tengerszinti légnyomás áprilisban a legalacsonyabb Paks térségében, mely a vizsgált időszakban is teljesült (1008,0 hpa). Ugyanakkor a megszokott menettől eltérően nem januárban regisztráltuk a legmagasabb átlagot, hanem 2012 novemberében (1017,9 hpa). A januári értéket (1014,4) hat hónap is megelőzi: a június /162

137 május, az augusztus, a szeptember, az október, a már említett november és a december is. A sokéves átlagtól vett legnagyobb eltérés januárban és márciusban látszik: mindkét hónapban 7,5 hpa-lal alacsonyabb volt az átlagos tengerszinti légnyomás a megszokottnál augusztusa volt az egyetlen olyan hónap, amikor a harmincéves átlagot meghaladó tengerszinti légnyomást regisztráltunk hpa Havi átlagos tengerszinti légnyomás Paks állomáson a időszakban, valamint a sokéves átlagok ( ) 1020 hpa 1015 hpa 1010 hpa 1005 hpa 1000 hpa Á M J J A SZ O N D J F M sokévi átlag ábra Havi átlagos tengerszinti légnyomás Paks állomáson a időszakban, valamint a sokéves átlagok ( ) Légnedvesség A potenciális párolgás havi átlagértékeinek diagramján ( ábra) látható, hogy 2012-ben tavasszal és nyáron a sokéves átlagnál jelentősen magasabb értékeket kaptunk eredményül. Országos viszonylatban ez az időszak szárazabb és lényegesen melegebb volt a normálnál, s ez Paks térségében is hasonlóan alakult. Pakson, ebben az időszakban minden hónapban alacsonyabb volt a levegő nedvességtartalma, melyhez az átlagosnál közel 2,5 C-kal melegebb hónapok is társultak, melyek együtt a légtér szárazabbá válását eredményezték, azaz az átlagosnál sokkal nagyobb páramennyiség felvételére nyílt lehetőség. Az október-január közötti időszak közel átlagosan alakult a potenciális párolgás szempontjából, majd februárban és márciusban a szokásosnál sokkal nedvesebb és részben hűvösebb időszak folyamán alacsonyabb értékeket regisztráltunk az es normálnál. A vizsgált időszakban a legalacsonyabb potenciális párolgást decemberben jegyeztük, a legmagasabb értéket pedig augusztusban június /162

138 ábra A potenciális párolgás átlagos értékei havonta Paks állomáson a időszakban, valamint a sokéves átlagok ( ) 100% A relatív nedvesség átlagos értékei havonta Paks állomáson a időszakban, valamint a sokéves átlagok ( ) 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Á M J J A SZ O N D J F M sokévi átlag ábra A relatív nedvesség átlagos értékei havonta Paks állomáson a időszakban, valamint a sokéves átlagok ( ) A relatív nedvesség a levegő tényleges páranyomása és telítési páranyomása közötti arány. Ha a levegőben lévő vízgőztartalmat növeljük, egy meghatározott érték elérése után a páranyomás tovább nem nő, hanem kicsapódás keletkezik, ez a telítési páranyomás június /162

139 A vizsgált időszak első felében átlag alatti, második felében pedig átlag feletti relatív nedvesség értékek jelentkeztek Paks állomáson. A sokéves átlag alapján a relatív nedvesség decemberben (84%) éri el a legmagasabb átlagértéket, és áprilisban a legalacsonyabbat (65%). A kijelölt időszakban mind a minimum, mind a maximum helye más hónapra esett ( ábra): 2012 augusztusában figyelhető meg a legalacsonyabb érték, mely még a sokéves legalacsonyabb értéknél is jóval kisebb (50,4%), a legnagyobb átlagos relatív nedvesség pedig novemberben jelentkezett (85,9%). Az augusztusi eredmény esetén kaptuk a legnagyobb különbséget: a vizsgált paraméter 17,6%-kal alacsonyabbnak adódott a normálnál Szél A havi átlagos szélsebességek menete a vizsgált időszakban jól illeszkedett a sokéves átlaghoz ( ábra). A megszokott értékekhez képest 0-0,5 m/s-os különbségek figyelhetők meg (a január kivételével minden hónapban normál alatti értékek jelentkeztek). A legalacsonyabb átlagos szélsebességet októberben és novemberben jegyeztük (1,2 m/s), a legmagasabbat pedig 2012 áprilisában és 2013 márciusában (2,0 m/s). A normáltól vett legnagyobb eltérés novemberben figyelhető meg, a megszokottnál 0,5 m/s-mal alacsonyabb átlagos szélsebesség jellemzi a hónapot. 2,5 m/s Havi átlagos szélsebességek Paks állomáson a időszakban, valamint a sokéves átlagok ( ) 2,0 m/s 1,5 m/s 1,0 m/s 0,5 m/s 0,0 m/s Á M J J A SZ O N D J F M sokévi átlag ábra Havi átlagos szélsebességek Paks állomáson a időszakban, valamint a sokéves átlagok ( ) Összességében elmondható, hogy az átlagos szélsebességhez hasonlóan a havi maximális széllökések is jó közelítéssel a sokéves átlagok körül alakultak. Egy nagyobb eltérés figyelhető meg ( ábra), 2012 júniusában a normálnál több mint 6 m/s-mal nagyobb széllökést is regisztráltunk. Ugyancsak júniushoz köthető az időszak legnagyobb maximális széllökése: 23,7 m/s. A legalacsonyabb értéket novemberben jegyeztük (12,2 m/s), és ebben a hónapban figyelhető meg a legnagyobb negatív anomália is a sokéves átlaghoz képest. A minimum és maximum értékek nem a megszokott hónapokhoz köthetők: a referencia időszak alapján az ideivel ellentétben általában márciusban figyelhető meg a legmagasabb, és decemberben a legalacsonyabb érték június /162

140 25 m/s Havi maximális széllökések Paks állomáson a időszakban, valamint a sokéves átlagok ( ) 20 m/s 15 m/s 10 m/s 5 m/s 0 m/s Á M J J A SZ O N D J F M sokévi átlag ábra Havi maximális széllökések (adott hónap legnagyobb széllökése) Paks állomáson a időszakban, valamint a sokéves átlagok (havi legnagyobb széllökések sokévi átlaga) ( ) A viharos napok számában ( ábra) a megszokott értékekhez képest a legnagyobb eltérést 2013 márciusában láthatjuk: pontosan hétszer több nap felelt meg a kritériumnak. Kiemelkedő érték még a januári, a normál több mint négyszeresét jegyeztük. A sokéves átlagtól eltérően öt hónapban nem regisztráltunk egyetlen viharos napot sem (április, július, szeptember, november, december). 5 nap Viharos napok száma havonta Paks állomáson a időszakban, valamint a sokéves átlagok ( ) 4 nap 3 nap 2 nap 1 nap 0 nap Á M J J A SZ O N D J F M sokévi átlag ábra Viharos napok száma havonta Paks állomáson a időszakban, valamint a sokéves átlagok ( ) június /162

141 A 4 paksi állomás időszakra vonatkozó adatainak összehasonlítása Hőmérséklet A négy, Pakson és környékén telepített állomás havi középhőmérsékleti trendjei jól illeszkednek egymáshoz, de az egyes mérőhelyek kisebb klimatológiai különbségei is megjelennek ( ábra). A teljes időszakra vonatkozóan Paks és Paks Csónakház állomások átlaghőmérséklete (11,9 C) 0,2 C-kal kevesebb volt, mint a Paks Gesztenyés és Uszód állomásokon mért átlaghőmérséklet (12,1 C). Utóbbi két állomás magasabb értékei a városi hőhatásra (Gesztenyés esetében), illetve a délebbi fekvésre (Uszód) utalhatnak. A kijelölt időszakban a legnagyobb különbség két állomás havi középhőmérsékleti adatai között Gesztenyés és Uszód esetében jelentkezett 2012 decemberében (Uszódon 0,75 C-kal melegebb volt havi átlagban). A havi középhőmérséklet szempontjából leginkább Paks és Paks Csónakház állomások hasonlítanak (köztük a legkisebb a távolság), az átlagos eltérés az egyes mért adatok között mindössze 0,1 C. Az átlagban két, leginkább különböző állomás Paks Csónakház és Paks Gesztenyés, a köztük lévő átlagos havi eltérés 0,3 C a teljes időszakra vonatkozóan. 25 C Havi középhőmérsékletek a időszakban 20 C 15 C 10 C 5 C 0 C Á M J J A SZ O N D J F M Paks Paks, Csónakház Paks, Gesztenyés Uszód ábra Havi középhőmérsékletek alakulása Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban Mind a négy állomás legmagasabb maximumhőmérséklete augusztusra tehető ( táblázat), s mindegyiken láthatunk 38 C feletti értéket legalább egy alkalommal. Nincsenek igazán kiugró értékek, ha az egyes állomások legnagyobb maximumhőmérsékleti adatait összevetjük maximum 1-2 C különbségeket tapasztalunk. Mégis ki tudjuk választani a legmelegebb mérőhelyet az állomások sora közül: két hónapot leszámítva minden esetben Paks állomásunkon jegyeztük a legnagyobb maximumhőmérsékleti értéket. Az időszak legnagyobb maximumát azonban Paks Csónakház állomáson jegyeztük augusztus 6-án (39,7 C). Paks állomás augusztusi legnagyobb maximuma eddig az 1992-ben mért 37,5 C volt, melyet most mind a négy állomás, 2012 augusztusában mért maximumhőmérséklete megdöntött. Ezen kívül április hónapban született új rekord, a szintén 1992-es, 29,3 C-os rekordot előzték meg a Paks, Paks Csónakház és Paks Gesztenyés állomásokon mért maximumhőmérsékletek. A vizsgált időszak tekintetében ugyanígy kiválaszthatjuk a legalacsonyabb maximumhőmérsékletek tipikus helyét is: három hónap kivételével Paks Gesztenyés állomáshoz tartoznak ezek az értékek. Ugyancsak a Gesztenyés utcában jelentkezett a legkisebb maximumhőmérsékleti adat a teljes adattáblát figyelembe véve: itt decemberben -2,1 C volt a legalacsonyabb maximumhőmérséklet június /162

142 Maximumhőmérsékletek szélsőségei [ C] Paks Paks Csónakház Paks Gesztenyés Uszód Április 8,5 31,8 8,6 30,2 7,5 30,2 7,9 29,1 Május 11,8 32,8 12,4 31,8 11,6 31,7 12,2 30,6 Június 20,6 36, ,9 19,9 35, Július 24,3 38,7 24,9 37,4 24,3 37,3 24,2 38,1 Augusztus 23, ,2 39,7 24,3 38,8 23,6 38,4 Szeptember 16 33,3 16,4 32,4 16,1 32,6 16,4 32,7 Október 4,4 24,7 4,3 24,2 3,9 24,1 4,3 24,8 November 7,3 20,1 6,8 19,6 6,8 19,3 7 19,2 December -1,7 13,3-1,6 13,3-2,1 12,6 3,9 12,4 Január 0 13,1-0,1 12,4-0,4 12,2 0 11,8 Február 0,1 12,7-0,8 12,4-1 12,1-0,9 11,8 Március -0,4 20,4-0,4 19,8-0,7 19,7-0,7 18, táblázat Maximumhőmérsékletek szélsőségei havonta Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban Minimumhőmérsékletek szélsőségei [ C] Paks Paks Csónakház Paks Gesztenyés Uszód Legalacsonyabb Legmagasabb Legalacsonyabb Legmagasabb Legalacsonyabb Legmagasabb Legalacsonyabb Legmagasabb Legalacsonyabb Legmagasabb Legalacsonyabb Legmagasabb Legalacsonyabb Legmagasabb Legalacsonyabb Legmagasabb Április -7,1 10,9-6,3 5-5,7 6,7-5,2 10,9 Május 3 15,8 4 17,5 3,8 11,2 4,7 17 Június 8,8 20,6 8,8 20,5 8,8 21,4 9,4 20,1 Július 8,5 22, ,2 10,9 22,3 12,6 20,3 Augusztus 6,3 20,3 7,4 21 9,9 23,5 8,8 21,5 Szeptember 2,4 17,9 3,7 18,3 4,9 17,9 5,5 12,5 Október -1,1 14,8-1 15,3-1 14, November -2,8 8,8-1,8 8,6-0,3 8,8-1 9,5 December -11,8 6,6-10,7 5,7-8, ,4 Január -7,7 6-7,4 5,8-6,8 5,7-5,5 5,8 Február -11,3 7,3-11,3 6,3-8,1 6,7-12,7 6,7 Március -11,2 9,2-9,5 8,8-6,6 9,2-7,7 8, táblázat Minimumhőmérsékletek szélsőségei havonta Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban Ugyanígy a minimumhőmérsékletek szélsőségeit is kigyűjtöttük ( táblázat). Február kivételével mindegyik hónapban Paks állomáson mértük a legalacsonyabb minimumhőmérsékletet. Összevetve ezt a legnagyobb június /162

143 maximumhőmérséklet adatokkal elmondhatjuk, hogy a legnagyobb havi hőingású állomás a négy közül Paks állomás. Az legkisebb minimumhőmérsékletet az időszak során február 11-én regisztráltuk Uszód állomáson. A legmagasabb minimumhőmérséklet esetén már nem volt ekkora dominancia, de a hónapok felében ez is Paks állomáson jelentkezett. Az időszak legmagasabb minimumhőmérsékletét, 23,5 C-ot Paks Gesztenyés állomáson mértük, augusztus 6-án, mely megdöntötte az eddigi, 2003-as rekordot (22,7 C). Szintén meghaladták az eddigi legnagyobb értéket a Paks és Paks Gesztenyés állomásokon, júliusban mért minimumhőmérsékletek (eddigi rekord: 21,5 C, 2009). A meleg küszöbnapok alakulását összehasonlítva a négy állomáson, nagy különbségeket nem tapasztaltunk ( táblázat, táblázat, táblázat). Nyári napból Paks Csónakház állomáson regisztráltunk a legtöbbet (118-at), Uszódon pedig a legkevesebbet (112), de a különbség köztükmindössze 6 nap. Hőségnapból Paks állomáson volt a legtöbb (65 nap), Uszódon pedig a legkevesebb (51 nap), így ennél a küszöbnapnál kicsit nagyobb, 14 nap volt az eltérés e két állomás között. A forró napok száma közel azonosan alakult a négy helyen, egyedül Pakson jegyeztünk fel 18 napon 35 C-ot meghaladó hőmérsékletet, a többi állomáson ilyen nap adódott. Nyári napok (Tmax 25 C) száma Paks főállomás Paks Csónakház Paks Gesztenyés Uszód Április Május Június Július Augusztus Szeptember Október táblázat Nyári napok száma havonta Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban Hőségnapok (Tmax 30 C) száma Paks főállomás Paks Csónakház Paks Gesztenyés Uszód Április Május Június Július Augusztus Szeptember Október táblázat Hőségnapok száma havonta Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban június /162

144 Forró napok (Tmax 35 C) száma Paks főállomás Paks Csónakház Paks Gesztenyés Uszód Április Május Június Július Augusztus Szeptember Október táblázat Forró napok száma havonta Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban Légnyomás Mivel a négy állomás a nagytérségű folyamatok szempontjából legalábbis igen közel helyezkedik el egymáshoz, a tengerszintre átszámított légnyomások havi értékeiben ( ábra) lényegében nem látható lényeges különbség (1-2 tized hpa eltérések adódtak). A legnagyobb tengerszinti légnyomást az időszakban, 1035,5 hpa-t Paks Gesztenyés állomáson mértük január 3- án, míg a legkisebbet Paks állomáson október 27-én ( táblázat) hpa Havi átlagos tengerszinti légnyomás a időszakban 1018 hpa 1016 hpa 1014 hpa 1012 hpa 1010 hpa 1008 hpa 1006 hpa 1004 hpa 1002 hpa 1000 hpa Á M J J A SZ O N D J F M Paks Paks, Csónakház Paks, Gesztenyés Uszód ábra Havi átlagos tengerszinti légnyomás Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban június /162

145 A tengerszinti légnyomás szélsőségei [hpa] Paks főállomás Paks Csónakház Paks Gesztenyés Uszód Legalacsonyabb Legmagasabb Legalacsonyabb Legmagasabb Legalacsonyabb Legmagasabb Legalacsonyabb Legmagasabb Április 994,6 1022,8 994, , , Május 1004,2 1026,7 1004,3 1026,7 1004,5 1026,8 1004,2 1026,9 Június 1003,1 1022,8 1003,1 1022,9 1003,1 1022,9 1003,1 1022,7 Július 1007,3 1024,5 1007,3 1024,5 1007,5 1024,8 1007,5 1024,4 Augusztus 1008,1 1024,7 1008,1 1024,8 1008,2 1024,9 1008,3 1024,7 Szeptember 1003,6 1025,7 1003,7 1025,8 1003,7 1025,8 1003,6 1025,9 Október 988, ,2 989,2 1024, ,2 November 992,6 1033,7 992,7 1033,7 992,8 1033,8 992,7 1033,5 December 999,4 1033,7 999,6 1033,8 999, ,6 1033,6 Január 995,4 1035,3 995,5 1035,4 995,7 1035,5 995,5 1035,4 Február 990,9 1027, ,1 1028,1 991,1 1028,1 Március 991,7 1028,8 991,6 1028,9 992,3 1028,9 991,8 1028, táblázat A tengerszinti légnyomás szélsőségei havonta Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban Légnedvesség A potenciális párolgás értékei is igen hasonló éves menetet mutattak a négy állomáson ( ábra). Nagyobb eltérések a nyári félév folyamán jelentkeztek, amikor a potenciális párolgás értékei nagyobbak voltak. Paks és Paks Gesztenyés állomások értékei a legtöbb hónapban meghaladták a másik két állomás összegeit, s így az egész időszakot tekintve is ez a két állomás áll az első két helyen (Gesztenyés 1233 mm-rel az első, Paks 1222 mm-rel a második). Összességében a legkisebb potenciális párolgás Paks Csónakház állomáson adódott: 1117 mm. A relatív nedvesség értékek szintén a nyári félév során mutattak nagyobb eltéréseket, míg a téli hónapokban szinte azonosak voltak ( ábra) június /162

146 250 mm A potenciális párolgás átlagos értékei havonta a időszakban 200 mm 150 mm 100 mm 50 mm 0 mm Á M J J A SZ O N D J F M Paks Paks, Csónakház Paks, Gesztenyés Uszód ábra A potenciális párolgás átlagos értékei havonta Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban 100% A relatív nedvesség átlagos értékei havonta a időszakban 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Á M J J A SZ O N D J F M Paks Paks, Csónakház Paks, Gesztenyés Uszód ábra A relatív nedvesség átlagos értékei havonta Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban június /162

147 Szél A szélirányok relatív gyakoriságát ábrázoló szélrózsák alapján láthatjuk, hogy a szél mint meteorológiai elem már jóval nagyobb eltéréseket mutat kis távolságon belül is, mint az eddig vizsgált paraméterek. A nagyléptékű időjárási rendszerek meghatározó hatása mellett az uralkodó szélirányt nagymértékben befolyásolják a domborzati, felszínborítottsági és beépítettségi jellemzők. A vizsgált időszakban a négy állomás leggyakoribb szélirányai eltéréseket mutattak ( ábra): Paks állomáson az uralkodó szélirány az ÉÉNy-i volt, s mellette erős másodmaximumként a D-i irány rajzolódott ki. Legkevesebbet kelet felől fújt a szél. Paks Csónakház esetében a leggyakoribb az ÉNy-i és az ÉÉNy-i szél volt, míg a többi irány közel azonos gyakorisággal fordult elő. Paks Gesztenyés állomáson szintén az ÉÉNyi és az ÉNy-i szél dominált a vizsgált időszakban, míg másodmaximumként a DDK-i, a D-i és DK-i irány jelentkezett. Uszód állomáson egyértelműen az ÉNy-i szél volt a leggyakoribb, de emellett az ÉÉNy-i is sokszor előfordult, s a DDNyi, D-i és DK-i szél is többször fújt. A szélirányok relatív gyakorisága [%] Paks állomáson a időszakban A szélirányok relatív gyakorisága [%] Paks, Csónakház állomáson a időszakban NYÉNY NY ÉNY ÉÉNY É ÉÉK ÉK KÉK K NYÉNY NY ÉNY ÉÉNY É ÉÉK ÉK KÉK K NYDNY KDK NYDNY KDK DNY DK DNY DK DDNY D DDK DDNY D DDK Szélcsend: 5,7% Szélcsend: 4,8% A szélirányok relatív gyakorisága [%] Paks, Gesztenyés állomáson a időszakban A szélirányok relatív gyakorisága [%] Uszód állomáson a időszakban NYÉNY NY ÉNY ÉÉNY É 14 ÉÉK ÉK KÉK K NYÉNY NY ÉNY ÉÉNY É ÉÉK ÉK KÉK K NYDNY KDK NYDNY KDK DNY DK DNY DK DDNY D DDK DDNY D DDK Szélcsend: 2,0% Szélcsend: 0,6% ábra A szélirányok relatív gyakorisága Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban június /162

148 Következő ábránkon a havi átlagos szélsebességeket láthatjuk az időszakra ( ábra). Egyértelműen látszik a négy állomás közti különbség, a legkisebb átlagos szeleket Pakson mértük, míg a legnagyobbakat Uszód állomáson. Az átlagos különbség e két állomás havi átlagszél értékei között 1,4 m/s. Paks Csónakház és Paks Gesztenyés szélsebességei a két szélső értékeket mutató állomás között helyezkednek el, döntően Gesztenyés állomás átlagos szelei voltak nagyobbak, de akadt két hónap (augusztus és január), amikor Csónakház állomáson jegyeztünk nagyobb értéket. 4,0 m/s Havi átlagos szélsebességek a időszakban 3,5 m/s 3,0 m/s 2,5 m/s 2,0 m/s 1,5 m/s 1,0 m/s 0,5 m/s 0,0 m/s Á M J J A SZ O N D J F M Paks Paks, Csónakház Paks, Gesztenyés Uszód ábra Havi átlagos szélsebességek Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban 12% A szélcsendes órák relatív gyakorisága a időszakban 10% 8% 6% 4% 2% 0% Á M J J A S O N D J F M Paks Paks Csónakház Paks Gesztenyés Uszód ábra A szélcsendes órák relatív gyakorisága Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban június /162

149 A szélcsendes órák előfordulását tekintve szintén eltéréseket mutatnak az állomások ( ábra). Paks és Paks Csónakház állomásokon gyakrabban figyeltünk meg a vizsgált időszakban szélcsendet, mint Paks Gesztenyés és Uszód állomás esetében. Az egész időszakot nézve Paks állomáson volt a leggyakoribb a szélcsend (5,7%), utána Paks Csónakház (4,8%) és Paks Gesztenyés állomáson (2%), a legritkább pedig Uszód állomáson (0,6%). A szélsebesség relatív gyakorisági értékeit láthatjuk a ábra diagramjain. Míg Paks esetében a 0,1-2 m/s közötti szélsebességek fordultak elő leggyakrabban, addig a másik három állomás esetében a nagyobb szélsebességek felé tolódott a hisztogram, ezen állomásokon az 1-3 m/s közötti értékek voltak a leggyakoribbak. A nagyobb szélsebességek felé haladva egyre kisebb gyakoriságokat láthatunk, s Paks ebben is eltér a többi állomástól: A legnagyobb órás átlagos szélsebesség, mely Pakson előfordult, a 8-9 m/s közötti tartományba esik, míg a többi állomásnál ezen intervallumban jóval nagyobb gyakoriság jelentkezett, a legnagyobb órás átlagszél pedig m/s közötti volt. A szélsebesség relatív gyakorisága Paks állomáson a időszakban [m/s] [8,0-9,0) [7,0-8,0) [6,0-7,0) [5,0-6,0) [4,0-5,0) [3,0-4,0) [2,0-3,0) [1,0-2,0) [0,1-1,0) Szélcsend 0,01 0,05 0,43 1,27 3,33 5,72 8,96 18,71 30,09 31,43 0% 5% 10% 15% 20% 25% 30% 35% A szélsebesség relatív gyakorisága Paks, Csónakház állomáson a időszakban [m/s] [13,0-14,0) [12,0-13,0) [11,0-12,0) [10,0-11,0) [9,0-10,0) [8,0-9,0) [7,0-8,0) [6,0-7,0) [5,0-6,0) [4,0-5,0) [3,0-4,0) [2,0-3,0) [1,0-2,0) [0,1-1,0) Szélcsend 0,01 0,07 0,23 0,35 0,45 0,66 1,35 2,21 3,89 6,63 4,76 12,61 13,44 22,35 30,98 0% 5% 10% 15% 20% 25% 30% 35% A szélsebesség relatív gyakorisága Paks, Gesztenyés állomáson a időszakban [m/s] [13,0-14,0) [12,0-13,0) [11,0-12,0) [10,0-11,0) [9,0-10,0) [8,0-9,0) [7,0-8,0) [6,0-7,0) [5,0-6,0) [4,0-5,0) [3,0-4,0) [2,0-3,0) [1,0-2,0) [0,1-1,0) Szélcsend 0,01 0,01 0,02 0,06 0,14 0,56 0,95 1,79 4,28 2,04 9,24 9,57 17,01 27,93 26,39 0% 5% 10% 15% 20% 25% 30% A szélsebesség relatív gyakorisága Uszód állomáson a időszakban [m/s] [13,0-14,0) [12,0-13,0) [11,0-12,0) [10,0-11,0) [9,0-10,0) [8,0-9,0) [7,0-8,0) [6,0-7,0) [5,0-6,0) [4,0-5,0) [3,0-4,0) [2,0-3,0) [1,0-2,0) [0,1-1,0) Szélcsend 0,01 0,01 0,10 0,42 0,51 1,12 1,74 3,34 0,56 5,86 7,71 10,97 18,48 24,75 24,42 0% 5% 10% 15% 20% 25% 30% ábra A szélsebesség relatív gyakorisága Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban (órás átlag szélsebesség adatok alapján) A havonta előforduló legnagyobb széllökések értékeit mutatja be következő ábránk ( ábra). A 12 hónapból 9 hónapban Paks Csónakház állomáson jelentkezett a legnagyobb maximális széllökés, míg 8 hónapban Paks állomáson a legkisebb maximális széllökés a négy állomás közül. A 12 hónap legmagasabb értékét (23,7 m/s) azonban június hónapban, Paks állomáson regisztráltuk június /162

150 A táblázatban a maximális széllökés szélirányok szerinti gyakoriságát adtuk közre. Az adatok alapján láthatjuk, hogy Paks és Paks Csónakház esetében az ÉNy-i irányú maximális széllökés volt a leggyakoribb, míg a másik két állomásnál az ÉÉNy-i irányú. A maximális széllökés sebesség szerinti gyakoriságát is kiszámoltuk, ezen hisztogramok láthatók a ábra diagramjain. Legnagyobb gyakorisággal a 2-6 m/s közötti maximális széllökések jelentkeztek mind a négy állomáson. 25 m/s Havi maximális széllökések a időszakban 20 m/s 15 m/s 10 m/s 5 m/s 0 m/s Á M J J A SZ O N D J F M Paks Paks, Csónakház Paks, Gesztenyés Uszód ábra Havi maximális széllökések Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban A maximális széllökés szélirány szerinti relatív gyakorisága a időszakban É ÉÉK ÉK KÉK K KDK DK DDK Paks 6,801 8,473 12,469 1,775 2,645 2,278 6,103 4,122 Paks Csónakház 3,608 3,191 7,586 6,545 4,833 4,880 3,677 7,227 Paks Gesztenyés 2,209 5,231 5,002 4,658 3,525 4,040 7,669 10,850 Uszód 2,386 6,782 4,635 3,242 2,946 4,510 7,307 6,485 D DDNY DNY NYDNY NY NYÉNY ÉNY ÉÉNY Paks 10,785 5,335 7,763 2,736 4,408 4,534 13,591 6,183 Paks Csónakház 5,863 7,516 1,214 5,527 7,724 6,869 15,206 8,534 Paks Gesztenyés 7,268 4,006 4,292 3,067 6,307 5,952 6,822 19,103 Uszód 7,364 8,346 4,453 4,829 3,220 6,371 10,458 16, táblázat A maximális széllökés szélirány szerinti relatív gyakorisága Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban (órás adatok alapján) június /162

151 [m/s] [23,0-24,0) [21,0-22,0) [19,0-20,0) [17,0-18,0) [15,0-16,0) [13,0-14,0) [11,0-12,0) [9,0-10,0) [7,0-8,0) [5,0-6,0) [3,0-4,0) [1,0-2,0) [0,0-0,1) A maximális széllökés relatív gyakorisága Paks állomáson a időszakban 0% 5% 10% 15% 20% A maximális széllökés relatív gyakorisága Paks, Csónakház állomáson a időszakban [m/s] [21,0-22,0) [19,0-20,0) [17,0-18,0) [15,0-16,0) [13,0-14,0) [11,0-12,0) [9,0-10,0) [7,0-8,0) [5,0-6,0) [3,0-4,0) [1,0-2,0) [0,0-0,1) 0% 5% 10% 15% 20% A maximális széllökés relatív gyakorisága Paks, Gesztenyés állomáson a időszakban [m/s] [21,0-22,0) [19,0-20,0) [17,0-18,0) [15,0-16,0) [13,0-14,0) [11,0-12,0) [9,0-10,0) [7,0-8,0) [5,0-6,0) [3,0-4,0) [1,0-2,0) [0,0-0,1) 0% 5% 10% 15% 20% A maximális széllökés relatív gyakorisága Uszód állomáson a időszakban [m/s] [21,0-22,0) [19,0-20,0) [17,0-18,0) [15,0-16,0) [13,0-14,0) [11,0-12,0) [9,0-10,0) [7,0-8,0) [5,0-6,0) [3,0-4,0) [1,0-2,0) [0,0-0,1) 0% 5% 10% 15% 20% ábra A maximális széllökés sebesség szerinti relatív gyakorisága Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban (órás adatok alapján) Végezetül a viharos napok havi számát mutatjuk be a ábra diagramján. A legtöbb viharos napot 2013 márciusában Uszód állomáson figyeltük meg (5 napon haladta meg a maximális széllökés a 15 m/s-ot). Az egész időszakot tekintve Paks Csónakház és Uszód állomásokon regisztráltuk a legtöbb viharos napot, szám szerint napot, Paks Gesztenyés állomáson 21 napon teljesült ez a kritérium, míg Paks állomáson csupán 13 olyan nap volt, amikor 15 m/s-ot meghaladó széllökést mértünk június /162

152 6 nap Viharos napok száma a időszakban 5 nap 4 nap 3 nap 2 nap 1 nap 0 nap Á M J J A SZ O N D J F M Paks Paks, Csónakház Paks, Gesztenyés Uszód ábra A viharos napok száma havonta Paks, Paks Csónakház, Paks Gesztenyés és Uszód állomásokon a időszakban Összefoglalás Elemeztük és összevetettük a Pakson és környékén telepített négy állomásunk április és március között mért adatait. Az első részben Paks állomás méréseit hasonlítottuk össze a sokéves átlagokkal. Az országos viszonyokhoz hasonlóan azt kaptuk, hogy a vizsgált időszak az es átlagoknál (két hónap kivételével) melegebbnek bizonyult. A nedvességi paraméterek a légtér szárazságát mutatták az időszak első felében és nedvesebbé válását az ősz közepétől. A szélsebességeket vizsgálva láthattuk, hogy január kivételével az összes hónapban normál alatti havi átlagok adódtak, januárban és márciusban azonban az átlagosnal jóval több viharos napot regisztráltunk. A második részben a négy állomás adatait hasonlítottuk össze. Az állomások egymáshoz való közelsége miatt a legtöbb meteorológiai paraméter igen hasonló értékeket mutatott, nagyobb különbségek csak a szélviszonyokban adódtak. Hőmérséklet szempontjából Paks és Paks Csónakház időszakos átlaga 0,2 C-kal meghaladta Paks Gesztenyés és Uszód állomás átlaghőmérsékletét. A minimum- és maximumhőmérsékletek szélsőségeit tekintve azt találtuk, hogy a legnagyobb havi maximumhőmérsékletek és a legalacsonyabb havi minimumhőmérsékletek is Paks állomáson jelentkeztek legtöbbször, tehát ez az állomás mutatta a vizsgált időszakban a legnagyobb havi hőingásokat. A tengerszinti légnyomás és a nedvességi paraméterek nagyon hasonlóan alakultak a négy állomáson. A szélviszonyokat vizsgálva azonban mind a szélsebességekben, mind a szélirányokban láthattunk különbségeket. A legfontosabb kiemelni, hogy Paks állomás bizonyult a legkevésbé szeles állomásnak, kisebb átlagos szélsebességek, több szélcsendes óra és kisebb maximális széllökések jellemezték, mint a többi három állomást. Az átlagos szélsebességeket és szélcsendes órákat tekintve Uszód állomás bizonyult a legszelesebbnek, a legnagyobb maximális széllökéseket azonban legtöbbször Paks Csónakház állomáson mértük. Viharos napból az előbb említett két állomáson regisztráltunk a legtöbbet az időszakban június /162

153 2.7.4 A PÁRA- ÉS HŐKIBOCSÁTÁS VÁRHATÓ HATÁSAINAK MODELLEZÉSE PAKS KÖRZETÉBEN Tervezés A projektmunka első három hónapjában részletesen megterveztük az elvégzendő vizsgálatokat. A tervezési munka alapvetően három fő részből állt: A vizsgálati módszertan kidolgozása A vizsgálathoz használt modellfuttatások technikai részleteinek kidolgozása A vizsgálatokhoz használandó statisztikai módszerek áttekintése Az alkalmazott módszertan kidolgozása A pára- és hőkibocsátás várható hatásainak modellezése során a kibocsátás hatás összefüggését vizsgáljuk különböző hűtési változatokra. Ehhez az AROME nem-hidrosztatikus, numerikus modell szimulációit használjuk. Az AROME modell 2,5 km horizontális felbontáson fut, fejlett parametrizációs csomagja révén pontos előrejelzést képes adni a lokális légköri folyamatokról. Az AROME modell az ALADIN modellcsalád része, a francia meteorológiai szolgálatnál (METEO-FRANCE) fejlesztették ki. Korlátos tartományú, spektrális modell, nem-hidrosztatikus dinamikával. A fizikai parametrizációs csomagját a MESO- NH kutatói modellből vették át. Ezek közül a legfontosabb a mikrofizika (különböző halmazállapotú hidrometeorok közti kölcsönhatások leírása), az egy dimenziós, prognosztikus turbulens kinetikát használó turbulencia, tömegfluxus sémán alapuló sekély konvekció, és a felszíni folyamatokat számító SURFEX séma. Az AROME modellt számos európai országban (Franciaország, Ausztria, Svédország, Norvégia, Finnország, Spanyolország, Magyarország) futtatják operatívan rövidtávú (24-48 órás) előrejelzés céljából. Kifejlesztésének legfőbb indoka az volt, hogy olyan modellt hozzanak létre, amely a mezoskálájú folyamatokat pontosabban leírja, mint a korábban ezen előrejelzési hosszra alkalmazott ALADIN, illetve HIRLAM modellek. A pára és hőkibocsátás hatásainak felméréséhez kellően nagy számú esetre végzünk futtatásokat az AROME modellel. A referencia (kibocsátás nélküli) és a kísérleti (kibocsátási tagot tartalmazó) futtatásokat objektív módszerekkel, statisztikai úton hasonlítjuk össze. A kibocsátás azonnali és kumulatív hatásait különböző módszertan alkalmazásával modellezzük. Az azonnali hatások felméréséhez kellően nagyszámú esetben (legalább 30 eset), rövid, 24 órás futtatásokkal modellezzük a kibocsátás hatásait. A kumulatív hatások vizsgálatához hosszabb, egybefüggő (1-2 darab 2 hetes periódus), szélcsendes, csekély keveredéssel járó időszakot vizsgálunk a modell folyamatosan ismétlődő futtatásával. A vizsgálathoz használt modellfuttatások technikai részleteinek kidolgozása A módosult párakibocsátás hatását a modellben úgy tudjuk figyelembe venni, hogy a modell Pakshoz legközelebb eső, városi felszíntípust tartalmazó rácspontjában módosítjuk a felszíni nedveségfluxust a becsült párakibocsátás alapján. (A városi felszíntípus az érintett modell-rácsterület 0,1 részét jelenti.) A hőkibocsátás esetében a legközelebbi vízfelszín kezdeti hőmérsékletét módosítjuk (a vízfelszín hőmérséklete állandó a szimuláció során), amely módosult felszíni hőfluxust eredményez, ami kihat a légköri folyamatokra. A modellt egy nagyjából 600x400km-es tartományon futtatjuk, és ezen belül egy Paksot körülvevő 30x30 km-es körzetben vizsgáljuk az időjárási jelenségeket. A vizsgálatokhoz használandó statisztikai módszerek áttekintése A felhasználható statisztikai módszerek tekintetében áttekintettük a meteorológiában használatos statisztikai megközelítéseket. Ezek alapján kiválasztottuk azokat a statisztikai próbákat, amelyeket a kibocsátás azonnali hatásainak felméréséhez szükségesek. A kumulatív hatások felmérésénél azonban mivel itt csak 1-2 időszakot vizsgálunk a statisztikai megközelítés helyett esettanulmány szerűen végezzük majd a kiértékelést június /162

154 Felhasznált alapadatok A múltbeli esetek áttekintéséhez felhasználtuk az OMSZ Módszerfejlesztési Osztályán fejlesztett, és több évre visszamenőleges adatokkal rendelkező szubjektív verifikációs adatbázist, valamint a Repülésmeteorológiai és Veszélyjelző Osztályon vezetett időjárási naplókat. A kibocsátási nedvességfluxus meghatározásához szükséges paramétereket (kibocsátott vízgőz mennyisége, kilépő levegő hőmérséklete, páratartalma) az ERBE által küldött dokumentum alapján állítottuk be, amely 3 lehetséges hűtőtorony megoldást mutat be. 1. Természetes huzatú nedves hűtőtorony (NDCT) Hűtőtornyok száma: 2 x 7 db Kilépő közeg adatai: tornyonként 5,7 tonna / s levegő, ~100% páratartalommal, hőmérséklet télen ~16-20 C, éves átlag ~30-32 C, nyáron ~34-36 C 2. Természetes huzatú nedves hűtőtorony ventilátoros rásegítéssel (FAND) Hűtőtornyok száma: 2 x 1 db Kilépő közeg adatai: tornyonként 50 tonna / s levegő, ~100% páratartalommal, hőmérséklet télen ~16-20 C, éves átlag ~30-32 C, nyáron ~34-36 C 3. Hibrid nedves hűtőtorony ventilátoros rásegítéssel (CHCT) Hűtőtornyok száma: 2 x 1 db Kilépő közeg adatai: tornyonként 60 tonna / s levegő, ~90% páratartalommal, hőmérséklet télen ~15-18 C, éves átlag ~28-30 C, nyáron ~33-35 C Esetek kiválasztása A projektmunka ezen időszakában (2012. március április) az esetek kiválasztását végeztük el. A vizsgálandó esetek alapvetően két részre oszlanak, mivel a kibocsátás azonnali és kumulatív hatásait különböző módszertan alkalmazásával modellezzük. Az eseteket szubjektív módon, szinoptikus és veszélyjelző meteorológus kollégák bevonásával választottuk ki. Az azonnali hatások felméréséhez kellően nagyszámú konvektív esetet (több, mint 30 eset) választottunk ki, amelyeknél szempont volt, hogy a veszélyes időjárási jelenségek (zivatarok) kialakulásánál helyi hatások domináljanak, mivel a pára- és hőkibocsátás hatása várhatóan ekkor a legjelentősebb. A kumulatív hatások vizsgálatához két hosszabb, egybefüggő (1-2 hetes), szélcsendes, csekély keveredéssel járó időszakot választottunk ki. Mindkét fenti típusnál 2010-ből és 2011-ből választottunk eseteket Módosítások az AROME modell SURFEX sémájában a pára kibocsátási tag figyelembe vételére Célunk az, hogy meghatározzuk, mennyiben módosítja a lokális időjárási helyzetet egy megnövekedett párakibocsátás a felszínen. A vizsgálathoz az AROME nem-hidrosztatikus numerikus előrejelző modellt használtuk. A felszínen lezajló folyamatokat a modell SURFEX sémája írja le, amely felszíni fluxusok (momentum-, hő- és nedvesség fluxus) által hat a légkörre. Első lépésben tehát az volt a feladatunk, hogy meghatározzuk, a hűtőtornyokra megadott nedvesség kibocsátás milyen felszíni fluxust eredményez, valamint milyen módon tudjuk ezt figyelembe venni a modellben június /162

155 A SURFEX felszíni séma A felszíni séma négyféle felszíntípust vesz figyelembe (tenger, tó, természetes talaj, város). Minden felszíntípushoz tartozik egy külön számítási modul, amely az adott típushoz kapcsolódó folyamatokat és az eredményül fellépő fluxusokat kiszámolja. Mivel a modell egy rácspontjában többféle felszíntípus is előfordulhat, ezért minden jelen lévő felszíntípusra egymástól függetlenül kiszámítja a fluxusokat, majd a területi arányoknak megfelelően (az adott felszíntípus a rácsméret mekkora részét foglalja el) átlagolja ezeket. Az átlagolt fluxus lesz hatással a rácspont feletti légkörre. A SURFEX városi modulja képes figyelembe venni antropogén eredetű nedvesség fluxust. Ennek a megfelelő beállításával vehetjük figyelembe a hűtőtorony párakibocsátását. A gyakorlatban ez azt jelentette, hogy a Pakshoz legközelebb eső modell rácspontban (lon=18,844 lat=46,593 ) megváltoztatjuk a városi felszíntípushoz kapcsolódó antropogén látenshő fluxus alapértelmezett értékét úgy, hogy az ezáltal produkált vízgőz kibocsátás mennyisége megfeleljen a hűtőtoronyra megadott mennyiséggel (a számolást ld. alább). A modellt a kétféle beállítással futtatjuk: eredeti, 0 antropogén látenshő fluxust véve, illetve a módosított fluxust használva. A két futás előrejelzéseinek összehasonlításával kaphatunk információt arról, hogy mennyiben változtatja a módosított párakibocsátás a lokális időjárási helyzetet. Nedvességfluxus számítása Háromféle hűtési lehetőségről kaptunk leírást. Mindhárom esetben meg van adva a toronyból kilépő levegő hőmérséklete, páratartalma, illetve időegység alatt kibocsátott mennyisége. Mivel a kapott információ az időegység alatt kibocsátott levegő mennyiségére vonatkozik, meg kell határoznunk, hogy ez mennyi vízgőzt jelent, és ehhez mekkora látenshő fluxust tartozik. A látenshő fluxust az alábbi képlet alapján számolhatjuk: A fenti kifejezésben a ΔM v/δt tag az időegység alatt kibocsátott vízgőz mennyiséget jelenti, L v a vízgőz párolgáshője ( [J/kg]). A kibocsátási felületet (A) úgy kaphatjuk meg, ha figyelembe vesszük, hogy egy rácsponthoz tartozó felület A rp = ( m) 2 = m 2, és A=0.1 A rp, mivel az előző fejezetben leírtuk, hogy az adott rácspontban a városi felszíntípus hányada 0.1. A kibocsátott vízgőz mennyiséget (M v) a kibocsátott levegő (M=M v+m d, száraz és nedves levegő összege) mennyiségéből meghatározhatjuk a keverési arány, r=m v/m d, segítségével: A keverési arány meghatározható a levegő illetve a vízgőz nyomásából,, ahol ε=r d/r v=0.622 a száraz és nedves levegő gázállandóinak hányadosa. Figyelembe véve a relatív nedvesség definícióját, RH=r/r s(t,p), a keverési arány az alábbi alakot ölti: ahol a vízgőz telítési nyomását, e s(t), közelítő formula segítségével határozhatjuk meg: június /162

156 A látenshő fluxus a fentiek értelmében függ a levegő nyomásától és hőmérsékletétől, azonban a nyomástól való függés csak kis mértékű (nagyobb különbség adódik a különböző hűtési eljárásokra), ezért ennek hatását elhanyagoltuk, 1030 hpa értékkel számoltunk. A hűtőtoronyból kilépő levegő hőmérsékletére kétféle adatot kaptunk, egy nyári (~35 C) és egy téli (~18 C) értéket. A nyári konvektív esetek vizsgálatánál ezért az előbbi, míg a téli hidegpárnás esetek tanulmányozásánál az utóbbi hőmérséklettel számolunk, amelyek rendre ~12000 [J/m 2 /s] és ~5000 [J/m 2 /s] értéket adtak a fluxusra AROME futtatások kivitelezése Elsőként a kiválasztott 51 nyári konvektív esetre futtattuk le a referencia, és a módosított párakibocsátást tartalmazó verziót. A modellt egy nagyjából 600x400 km területű tartományon futtattuk. Az AROME korlátos tartományú modell, ami azt jelenti, hogy a tartomány peremén belépő légköri folyamatokról egy másik - nagyobb tartományú vagy globális - modell előrejelzéséből kap információt. Az esetek kiválasztása során olyan időjárási helyzeteket igyekeztünk keresni, amelyekben elsősorban lokális konvektív folyamatok alakultak ki. Az említett tartomány mérete ilyen helyzetekben elég nagy ahhoz, hogy a kialakuló időjárási folyamatokat ne a peremfeltételek dominálják. A futtatások során 24 órás előrejelzéseket vizsgáltunk. Az AROME modellt dinamikai adaptációval futtattuk, amely azt jelenti, hogy a kezdeti feltételeket egy másik modellből állítjuk elő azáltal, hogy a meteorológiai változókat (szélsebesség, hőmérséklet, nedvesség stb.) az adott tartományra interpoláljuk. Az így kialakult kezdeti állapot azonban egyrészt interpolációs zajt tartalmazhat (hiányzik a fizikai egyensúly a változók között) másrészről nem lesz összhangban a modell fizikai folyamatokat leíró sémájával (mivel másik modellből származik, amely másképpen írja le a folyamatokat). A fentiek miatt szükségesnek tartottuk, hogy valójában egy 48 órás előrejelzést végezzünk, vagyis a modellt a vizsgálni kívánt nap előtt 24 órával indítottuk el, így elég idő volt arra, hogy kialakuljanak a dinamikailag és fizikailag konzisztens mezők. A téli stabil helyzetek esetén a kumulatív hatásokat vizsgáltuk. A modellfuttatás hasonlóan történt, mint a nyári eseteknél azzal a különbséggel, hogy mivel itt folytonos időszakról van szó, csak az időszak elején volt szükség az AROME modell inicializálására a fent említett interpolációval, vagyis minden 24 órás futás kezdeti feltétele az előző napra vonatkozó futás 24 órás előrejelzése volt. A terveknek megfelelően a konvektív napokon a párakibocsátásnak az időjárásra gyakorolt hatását statisztikai úton is elemezzük Az eredmények kiértékelése A pára- és hőkibocsátás hatásai modellezésének részlépéseit a fenti fejezetekben részletesen leírtuk. Jelen fejezetben az eredmények részletes kiértékelését és a következtetések levonását végezzük el. Elkészítettük azokat a kiértékelő programokat, amelyekkel elvégeztük a referencia és a kibocsátási tagot tartalmazó futtatás összehasonlítását. A programok R nyelven íródtak. Alapvetően három fajta kiértékelést végzünk: horizontálisan átlagolt felszíni és felszínközeli mezők (pl. csapadék, hőmérséklet, felhőzet) összehasonlítása horizontálisan átlagolt hőmérséklet- és nedvességprofilok összehasonlítása Csapadékobjektumok különböző karakterisztikáinak (pl. legerősebb három cella maximális intenzitása stb...) statisztikai összehasonlítása. Ehhez az eloszlások várható értékének (t-próba) és szórásának (F-próba) eltérését vizsgáljuk. Először a konvektív esetekben tapasztalható azonnali hatásokat mutatjuk be. A fent leírt módszerek alapján vizsgálatainkat alapvetően statisztikai módszerekkel végeztük, mivel a konvektív helyzetek jellemzői alapján (alapvetően erősen nemlineáris folyamatok), egyes kiragadott esettanulmányok elemzése nem megbízható eredményhez vezethet. A statisztikai vizsgálatok bemutatása előtt azonban célszerű egy jellemző esetben a modell által (a referencia és a június /162

157 módosított verzióval) számított csapadékmezőket összehasonlítanunk. Ezt szemlélteti a ábra, amely a módosított és a referencia futások 24 órás csapadékösszegeinek különbségét ábrázolja. A narancssárga és piros színek azokat a helyeket jelölik, ahol a módosított kibocsátást tartalmazó futtatás több csapadékot adott (24 óra alatt), mint a referencia, míg a zöld és kék tartományok a fordított esetet, vagyis ezeken a helyeken a referencia futásban volt több csapadék. Az ábrán látszik, hogy a pozitív illetve negatív tartományok intenzitása megegyezik, és egymáshoz közel helyezkedik el, ami azt jelenti, hogy a két futás csapadékzónájának intenzitása hasonló nagyságrendű, és elhelyezkedése is csak kis mértékben tér el. Magyarán a módosított párakibocsátás nem változtat a csapadék mennyiségén. A csapadék helyének eltérése elsősorban a légkör kaotikus viselkedéséből adódik (különböző kezdeti feltételek) ábra. 24 órás csapadékösszegek különbsége a módosított és a referencia futás között A csapadékmező módosulásának esettanulmány szerű áttekintése után rátérhetünk az eredmények statisztikai kiértékelésére. A kiértékeléseket minden lényeges meteorológiai paraméterre (felhőzet, hőmérséklet, nedvesség, szélsebesség, csapadék) elvégeztük, az alábbiakban azonban csak azon eredményeket említjük, ahol akár csak kismértékű változás is tapasztalható. A nem említett paraméterek esetében a párakibocsátás hatása tehát elenyésző. Elsőként a felszíni és felszínközeli mezők horizontálisan átlagolt értékeinek statisztikai összehasonlítását végeztük el. A horizontális átlagolásra (a pontszerű összehasonlítással szemben) azért volt szükség, mert elképzelhető olyan változás, amely a mezőket csak valamilyen horizontális irányban eltolja, azonban a struktúrákat nem változtatja meg. Pontszerű összehasonlítás esetében ilyenkor nagy változást tapasztalnánk, amely hibás következtetések levonására adhat okot. A horizontális átlagolás méretskáláját egy 60x60 km-es tartományban határoztuk meg, amelynek középpontjában a Paksi Atomerőmű helyezkedik el. A fent említett lényeges meteorológiai paraméterekre vonatkozóan összehasonlítottuk a referencia és a kibocsátási tagot tartalmazó futtatásokat egy nappali (12 UTC-re vonatkozó, tehát +12 órás futtatás) és egy éjszakai (00 UTC-re vonatkozó, tehát +24 órás futtatás) időpontra. Kismértékű változás a két futtatás között a közép- és magasszintű felhőzetben, valamint a csapadékösszegben tapasztalható ( ábra) június /162

158 ábra. Scatter plot diagramok a középszintű (felső sor) és a magasszintű (középső sor) felhőzetre valamint a kumulált csapadékra (alsó sor) vonatkozóan, egy, a Paksi Atomerőmű körüli 60x60 km-es tartományon. 12 UTC-ra vonatkozó (bal oszlop) és 00 UTC-ra vonatkozó (jobb oszlop) eredmények. Az X-tengelyen a referencia futás, az Y-tengelyen a kibocsátási tagot tartalmazó futás látható. Látható azonban, hogy minden ábrázolt paraméter esetében csak néhány napon (az összes vizsgált 51 eset kevesebb, mint 10%-ában) tapasztalható kimutatható változás, és ez a változás nem konstans előjelű (egyes esetekben a vizsgált meteorológiai paraméter értéke nő, máskor csökken). A vizsgálat következő lépése a horizontálisan átlagolt vertikális hőmérsékleti- és nedvességprofilok elemzése volt. Erre azért volt szükség, mert a konvekciót és a csapadékképződést alapvetően a légköri rétegződés határozza meg. A horizontális átlagoláshoz a fent említett 60x60 km-es, paksi középpontú tartományt használtuk. Az eredmények ( június /162

159 ábra) azt mutatják, hogy a hőmérsékletprofilok eltérése kisebb, mint 0,2 K, a nedvességprofilok eltérése pedig (1-2 esetet kivéve) kisebb, mint 10% (relatív nedvességben számolva). Az eltérés előjele ebben az esetben sem állandó a vertikális profilt tekintve, hanem felfelé haladva váltakozó előjelet mutat. Ezért megállapítható, hogy a kibocsátásnak a légköri rétegződésére gyakorolt hatása nem jelentős. Mind a felszínközeli meteorológiai paraméterek, mind az átlagolt vertikális profilok esetében megjegyezzük, hogy ha a 60x60 km-es tartomány helyett a teljes, Magyarországot lefedő modelltartományon végezzük el a vizsgálatokat, akkor a fent bemutatottaknál jóval kisebb változást tapasztalunk a referencia és a kibocsátási tagot tartalmazó futtatás között ábra. Horizontálisan átlagolt hőmérsékleti (bal) és nedvességprofilok (jobb) az 51 esetre. A konvektív estek vizsgálatának utolsó részében csak a csapadékmezőt, és azon belül is az intenzív csapadékgócokat vizsgáltuk, mivel ezen meteorológiai paraméter használható a heves időjárási jelenségek (zivatar, intenzív csapadék, jégeső, heves széllökés) indikátoraként. A vizsgálathoz először mind a két modellfuttatás (referencia és kibocsátási tagot tartalmazó) előrejelzett csapadékmezejében objektumokat definiáltunk, amelynek során Wernli et al. (2008) módszerét követtük. A módszer lényege, hogy meghatározunk egy csapadékküszöböt (jelen esetben a tartományon előrejelzett csapadékmaximum 1/15-e), és a csapadékobjektumok határait ezen küszöbértékek adják. A vizsgálathoz a három órás csapadékösszegeket használtuk a teljes (Magyarországot lefedő) modelltartományra vonatkoztatva. Azért használtuk ebben az esetben a teljes tartományt (a fenti, szűkített tartomány helyett) mert kellő számú csapadékobjektumot csak a nagyobb tartományon tudunk definiálni. Az objektumok definiálása után, azok tulajdonságait felhasználva négy különböző statisztikát számoltunk a csapadékmezőkre: objektumok átlagos intenzitása (a továbbiakban S1 ) legerősebb öt objektum átlagos intenzitása (a továbbiakban S2 ) objektumok átlagos maximuma (a továbbiakban S3 ) legerősebb öt objektum átlagos maximuma (a továbbiakban S4 ) A fenti statisztikákra scatter-plot diagramokat, valamint sűrűségfüggvényeket ábrázoltunk ( ábra). A sűrűségfüggvények elemzésével megállapítható, hogy nincs lényeges különbség a csapadék eloszlásában a két futtatás között. Ez statisztikai próbák alkalmazásával is belátható. A két (referencia és kibocsátási tagot tartalmazó) eloszlás várható értékének különbözőségét a t-próbával, a szórások különbözőségét az F-próbával vizsgáltuk, az eredményeket a táblázat tartalmazza. Amennyiben a p-érték nagyobb, mint 0,05 (ez minden esetben teljesül) akkor elfogadjuk a nullhipotézist, mely szerint a várható értékek (szórások) nem különböznek. Ezek alapján június /162

160 megállapítható tehát, hogy nincsen statisztikailag szignifikáns különbség a két futtatás csapadékmezejének eloszlása között. t-próba F-próba S1 0,62 0,92 S2 0,63 0,99 S3 0,47 0,9 S4 0,45 0, táblázat. A konvektív esetekre számított csapadékstatisztikákra elvégzett próbák eredményei. A táblázatban a próbák p- értékét tüntettük fel. Magyarázat és a csapadékstatisztikák jelölését lásd a szövegben ábra. Csapadékstatisztikák sűrűségfüggvényei a referencia (fekete) és a kibocsátási tagot tartalmazó (piros) futásokra: S1 (bal fent), S2 (jobb fent), S3 (bal lent), S4 (jobb lent). A statisztikák definíciója a szövegben található. Az X-tengelyen a három órás csapadékösszeg látható (mm/3h) egységben. A kumulatív hatások vizsgálatánál arra kerestük a választ, hogy a megnövelt felszíni nedvesség-kibocsátás hatására, egy hosszabb időszak alatt milyen mértékben változik a kibocsátási hely környezetében a légkör állapota, elsősorban a nedvesség és borultság tekintetében. A vizsgálatot két hosszabb, szélcsendes, csekély keveredéssel járó időszakon végeztük el ( és ). Csekély keveredés alatt azt értjük, hogy a légköri rétegződés stabil, amely miatt az egymás felett elhelyezkedő légrétegek nem, vagy csak kis mértékben keverednek egymással. A futtatás eredménye azt mutatta, hogy mindkét időszakban alapvető különbség van a referencia és a módosított párakibocsátást tartalmazó verzió között, elsősorban az alacsony szintű felhőzetben. Ezt szemlélteti a ábra, ahol a bal oldalon a referencia futtatás egy adott időpontra vonatkozó alacsony szintű felhőzete látszik (felhőzet értéke 0 és június /162

161 között lehet, az 1 a teljesen borult), míg a jobb oldalon a módosított és a referencia futások felhőzetének különbsége látható. A módosított nedvesség-kibocsátást tartalmazó futásban a Paks körüli tartományon jelentősen több az alacsony szintű felhőzet ábra. Alacsony szintű felhőzet egy adott napon ( óra) a referencia futás esetén (bal ábra), illetve a módosított és referencia futások alacsony szintű felhőzetének különbsége (jobb ábra). A felhőzet növekedésének oka, hogy a párakibocsátás hatására megnövekedett felszíni nedvességfluxus növeli a felszínközeli levegő nedvességtartalmát. Stabil légköri rétegződés miatt ez a nedvesség nem emelkedik a magasba, a gyenge horizontális szél következtében pedig nem terjed szét. Alacsony légköri hőmérséklet miatt a nedvesség kicsapódik, megnövelve ezzel a felhőzetet. A nedvesség növekedése tehát csak a légkör alsó részében ( hpa) jelentkezik, ahogy azt a ábra mutatja, ahol a módosított és a referencia futások vertikális nedvességprofiljának különbségét ábrázoltuk. A függőleges tengelyen a nyomás látható (a legalsó szint a felszín feletti 2m-es magasságot jelöli), a vízszintes tengelyen a relatív nedvesség illetve specifikus nedvesség különbségek láthatóak a paksi rácspontban. A relatív nedvesség a felszínen azért változik ilyen mértékben a nap folyamán, mert a felszíni hőmérséklet különbség a két futás között eltér a napszaktól függően, hiszen arra már visszahat a borultság mértéke: a megnövekedett légköri nedvesség növeli az alacsony szintű felhőzetet, ami hatására éjjel kisebb lesz a kisugárzás, tehát a felszín kevésbé tud lehűlni (akár 4-5 fokkal is melegebb lehet), magasabb hőmérséklet ugyanakkor kisebb relatív nedvességet eredményez ábra. A módosított és referencia futás vertikális nedvességprofiljának különbsége (bal oldal: relatív nedvesség, jobb oldal: specifikus nedvesség) a napra. A különböző színek a különböző napszakokra (6, 12, 18, 24 óra) vonatkoznak. A fenti viselkedés (többlet felhőzet a módosított futásban) nem egyedi eset, hanem az egész időszakra érvényes, ahogy azt a ábra bemutatja, amely a felhőzet különbségeket ábrázolja az előrejelzés különböző időpontjaiban, mindkét időszak esetén. A függőleges tengelyen a két futás (módosított és referencia) alacsony szintű felhőzetének különbségét ábrázoltuk a Paks körüli horizontális tartományokra kiátlagolva. Egy szűkebb, 10x10 km, és egy tágabb, 60x60 km, tartományt vettünk figyelembe június /162

TELEPHELY BIZTONSÁGI JELENTÉS

TELEPHELY BIZTONSÁGI JELENTÉS MVM Paks II. Zrt. TELEPHELY BIZTONSÁGI JELENTÉS II. KÖTET 3. FEJEZET METEOROLÓGIA 2016.10.18. TARTALOMJEGYZÉK 3. Meteorológia... 16 3.1. Körzeti éghajlati viszonyok... 16 3.2. Helyi meteorológiai viszonyok...

Részletesebben

SZAKTERÜLETI VIZSGÁLATI ÉS ÉRTÉKELÉSI PROGRAMOK KIDOLGOZÁSA ÉS VÉGREHAJTÁSA. Módszertani és kritérium dokumentumok

SZAKTERÜLETI VIZSGÁLATI ÉS ÉRTÉKELÉSI PROGRAMOK KIDOLGOZÁSA ÉS VÉGREHAJTÁSA. Módszertani és kritérium dokumentumok LÉVAI PROJEKT A KÖRNYEZETI HATÁSTANULMÁNY ÖSSZEÁLLÍTÁSÁT MEGALAPOZÓ SZAKTERÜLETI VIZSGÁLATI ÉS ÉRTÉKELÉSI PROGRAMOK KIDOLGOZÁSA ÉS VÉGREHAJTÁSA MVM szerződésszám: MVM TEVH/11C00039 ERBE szerződésszám:

Részletesebben

PAKS ÉS 30 KM SUGARÚ KÖRNYEZETÉNEK ÉGHAJLATI JELLEMZÉSE. File név: PAKSII_KHT_10_Eghajlatjell 1/105

PAKS ÉS 30 KM SUGARÚ KÖRNYEZETÉNEK ÉGHAJLATI JELLEMZÉSE. File név: PAKSII_KHT_10_Eghajlatjell 1/105 PAKS ÉS 30 KM SUGARÚ KÖRNYEZETÉNEK ÉGHAJLATI JELLEMZÉSE File név: PAKSII_KHT_10_Eghajlatjell 1/105 File név: PAKSII_KHT_10_Eghajlatjell 2/105 TARTALOMJEGYZÉK 10 PAKS 30 KM SUGARÚ KÖRNYEZETÉNEK ÉGHAJLATI

Részletesebben

Éghajlati információkkal a társadalom szolgálatában

Éghajlati információkkal a társadalom szolgálatában ORSZÁGOS METEOROLÓGIAI SZOLGÁLAT Éghajlati információkkal a társadalom szolgálatában Bihari Zita, Kovács Tamás, Lakatos Mónika, Szentimrey Tamás Országos Meteorológiai Szolgálat Éghajlati Osztály Alapítva:

Részletesebben

ÉGHAJLAT. Északi oldal

ÉGHAJLAT. Északi oldal ÉGHAJLAT A Balaton területe a mérsékelten meleg éghajlati típushoz tartozik. Felszínét évente 195-2 órán, nyáron 82-83 órán keresztül süti a nap. Télen kevéssel 2 óra fölötti a napsütéses órák száma. A

Részletesebben

AZ IDŐJÁRÁS JELLEMZÉSE

AZ IDŐJÁRÁS JELLEMZÉSE AZ IDŐJÁRÁS JELLEMZÉSE 2012. május 14. 1/31 Tartalomjegyzék 2 IDŐJÁRÁSI JELLEMZŐK... 5 2.1 A vizsgálat céljának és terjedelmének megalapozása... 5 2.1.1 Az időjárás jellemzésének célja...5 2.1.2 Az időjárási

Részletesebben

AZ IDŐJÁRÁSI SZÉLSŐSÉGEK TENDENCIÁI ÚJ KIHÍVÁSOK ELŐTT A NEMZETI METEOROLÓGIAI SZOLGÁLATOK

AZ IDŐJÁRÁSI SZÉLSŐSÉGEK TENDENCIÁI ÚJ KIHÍVÁSOK ELŐTT A NEMZETI METEOROLÓGIAI SZOLGÁLATOK AZ IDŐJÁRÁSI SZÉLSŐSÉGEK TENDENCIÁI ÚJ KIHÍVÁSOK ELŐTT A NEMZETI METEOROLÓGIAI SZOLGÁLATOK DUNKEL ZOLTÁN OMSz Országos Meteorológiai Szolgálat H-1525 Budapest POB 38, dunkel.z@met.hu Nincsenek öreg emberek,

Részletesebben

Szakmai törzsanyag Alkalmazott földtudományi modul

Szakmai törzsanyag Alkalmazott földtudományi modul FÖLDTUDOMÁNYI BSC METEOROLÓGUS SZAKIRÁNY Szakmai törzsanyag Alkalmazott földtudományi modul MAGYARORSZÁG ÉGHAJLATA Óraszám: 3+0 Kredit: 4 Tantárgyfelelős: Dr habil Tar Károly tanszékvezető egyetemi docens

Részletesebben

SZINOPTIKUS-KLIMATOLÓGIAI VIZSGÁLATOK A MÚLT ÉGHAJLATÁNAK DINAMIKAI ELEMZÉSÉRE

SZINOPTIKUS-KLIMATOLÓGIAI VIZSGÁLATOK A MÚLT ÉGHAJLATÁNAK DINAMIKAI ELEMZÉSÉRE SZINOPTIKUS-KLIMATOLÓGIAI VIZSGÁLATOK A MÚLT ÉGHAJLATÁNAK DINAMIKAI ELEMZÉSÉRE Hirsch Tamás Előrejelzési és Alkalmazott Meteorológiai Főosztály Országos Meteorológiai Szolgálat Pongrácz Rita Földrajz-

Részletesebben

Új klímamodell-szimulációk és megoldások a hatásvizsgálatok támogatására

Új klímamodell-szimulációk és megoldások a hatásvizsgálatok támogatására Új klímamodell-szimulációk és megoldások a hatásvizsgálatok támogatására Zsebeházi Gabriella Országos Meteorológiai Szolgálat KlimAdat hatásvizsgálói workshop 2018. december 7. TARTALOM 1. Klímamodellezés

Részletesebben

A jövő éghajlatának kutatása

A jövő éghajlatának kutatása Múzeumok Éjszakája 2018.06.23. A jövő éghajlatának kutatása Zsebeházi Gabriella Klímamodellező Csoport Hogyan lehet előrejelezni a következő évtizedek csapadékváltozását, miközben a következő heti is bizonytalan?

Részletesebben

REGIONÁLIS KLÍMAMODELLEZÉS AZ OMSZ-NÁL. Magyar Tudományos Akadémia szeptember 15. 1

REGIONÁLIS KLÍMAMODELLEZÉS AZ OMSZ-NÁL. Magyar Tudományos Akadémia szeptember 15. 1 Regionális klímamodellezés az Országos Meteorológiai Szolgálatnál HORÁNYI ANDRÁS (horanyi.a@met.hu) Csima Gabriella, Szabó Péter, Szépszó Gabriella Országos Meteorológiai Szolgálat Numerikus Modellező

Részletesebben

A klímamodellek eredményei mint a hatásvizsgálatok kiindulási adatai

A klímamodellek eredményei mint a hatásvizsgálatok kiindulási adatai A klímamodellek eredményei mint a hatásvizsgálatok kiindulási adatai Szépszó Gabriella Országos Meteorológiai Szolgálat, szepszo.g@met.hu RCMTéR projekt 2. konzultációs workshopja 2016. február 19. TARTALOM

Részletesebben

Az éghajlati modellek eredményeinek alkalmazhatósága hatásvizsgálatokban

Az éghajlati modellek eredményeinek alkalmazhatósága hatásvizsgálatokban Az éghajlati modellek eredményeinek alkalmazhatósága hatásvizsgálatokban Szépszó Gabriella Országos Meteorológiai Szolgálat, szepszo.g@met.hu RCMTéR hatásvizsgálói konzultációs workshop 2015. június 23.

Részletesebben

Kircsi Andrea, Hoffmann Lilla, Izsák Beatrix, Lakatos Mónika és Bihari Zita

Kircsi Andrea, Hoffmann Lilla, Izsák Beatrix, Lakatos Mónika és Bihari Zita Országos Meteorológiai Szolgálat Éghajlati osztály MMT és a MHT együttes előadóülése Budapest, 2019. március 7. Kircsi Andrea, Hoffmann Lilla, Izsák Beatrix, Lakatos Mónika és Bihari Zita Az évi középhőmérséklet

Részletesebben

lat klímamodellez Szépszó Gabriella (szepszo.g@met.hu), Krüzselyi Ilona, Szabó Péter, Zsebeházi Gabriella Klímamodellezı Csoport Éghajlati Osztály

lat klímamodellez Szépszó Gabriella (szepszo.g@met.hu), Krüzselyi Ilona, Szabó Péter, Zsebeházi Gabriella Klímamodellezı Csoport Éghajlati Osztály Az Országos Meteorológiai Szolgálat lat klímamodellez mamodellezıi i tevékenys kenysége Szépszó Gabriella (szepszo.g@met.hu), Krüzselyi Ilona, Szabó Péter, Zsebeházi Gabriella Klímamodellezı Csoport Éghajlati

Részletesebben

Reprezentatív adatbázis létrehozása az éghajlatváltozási hatásvizsgálatok és a döntéshozatal támogatására

Reprezentatív adatbázis létrehozása az éghajlatváltozási hatásvizsgálatok és a döntéshozatal támogatására Reprezentatív adatbázis létrehozása az éghajlatváltozási hatásvizsgálatok és a döntéshozatal támogatására Zsebeházi Gabriella, Bán Beatrix, Bihari Zita, Szabó Péter Országos Meteorológiai Szolgálat 44.

Részletesebben

HAZÁNK SZÉLKLÍMÁJA, A SZÉLENERGIA HASZNOSÍTÁSA

HAZÁNK SZÉLKLÍMÁJA, A SZÉLENERGIA HASZNOSÍTÁSA HAZÁNK SZÉLKLÍMÁJA, A SZÉLENERGIA HASZNOSÍTÁSA Radics Kornélia 1, Bartholy Judit 2 és Péliné Németh Csilla 3 1 Országos Meteorológiai Szolgálat 2 ELTE Meteorológiai Tanszék 3 MH Geoinformációs Szolgálat

Részletesebben

REGIONÁLIS KLÍMAMODELLEZÉS. Alkalmazkodás a klímaváltozáshoz 2008. november 28. 1

REGIONÁLIS KLÍMAMODELLEZÉS. Alkalmazkodás a klímaváltozáshoz 2008. november 28. 1 Regionális klímamodellek és eredményeik alkalmazhatósága éghajlati hatásvizsgálatokra II. felvonás HORÁNYI ANDRÁS (horanyi.a@met.hu) Csima Gabriella, Szabó Péter, Szépszó Gabriella Országos Meteorológiai

Részletesebben

OMSZ klímaszolgáltatások, rácsponti adatbázisok kialakítása az éghajlati monitoringhoz

OMSZ klímaszolgáltatások, rácsponti adatbázisok kialakítása az éghajlati monitoringhoz OMSZ klímaszolgáltatások, rácsponti adatbázisok kialakítása az éghajlati monitoringhoz BIHARI ZITA1, HOFFMANN LILLA1, IZSÁK BEATRIX1, KIRCSI ANDREA1, LAKATOS MÓNIKA1, SZENTIMREY TAMÁS2 1Országos Meteorológiai

Részletesebben

ÁLATALÁNOS METEOROLÓGIA 2. 01: METEOROLÓGIAI MÉRÉSEK ÉS MEGFIGYELÉSEK

ÁLATALÁNOS METEOROLÓGIA 2. 01: METEOROLÓGIAI MÉRÉSEK ÉS MEGFIGYELÉSEK ÁLATALÁNOS METEOROLÓGIA 2. 01: METEOROLÓGIAI MÉRÉSEK ÉS MEGFIGYELÉSEK Célok, módszerek, követelmények CÉLOK, MÓDSZEREK Meteorológiai megfigyelések (Miért?) A meteorológiai mérések célja: Minőségi, szabvány

Részletesebben

Általános klimatológia Bevezetés a klimatológiába előadás

Általános klimatológia Bevezetés a klimatológiába előadás Általános klimatológia Bevezetés a klimatológiába előadás (P) MAGYARORSZÁG ÉGHAJLATA Gál Tamás tgal@geo.u @geo.u-szeged.hu www.sci.u-szeged.hu/eghajlattan szeged.hu/eghajlattan SZTE Éghajlattani és Tájföldrajzi

Részletesebben

A jövőben várható klímaváltozás és néhány lehetséges hatása a régióban

A jövőben várható klímaváltozás és néhány lehetséges hatása a régióban A jövőben várható klímaváltozás és néhány lehetséges hatása a régióban Blanka Viktória, Mezősi Gábor, Ladányi Zsuzsanna, Bata Teodóra Szegedi Tudományegyetem, Természeti Földrajzi és Geoinformatikai Tanszék

Részletesebben

Nagyfelbontású magassági szélklimatológiai információk dinamikai elıállítása

Nagyfelbontású magassági szélklimatológiai információk dinamikai elıállítása Nagyfelbontású magassági szélklimatológiai információk dinamikai elıállítása Szépszó Gabriella Országos Meteorológiai Szolgálat Éghajlati Osztály, Klímamodellezı Csoport Együttmőködési lehetıségek a hidrodinamikai

Részletesebben

ÉGHAJLATVÁLTOZÁS : A VÁRHATÓ HATÁSOK MAGYARORSZÁGON, REGIONÁLIS SPECIFIKUMOKKAL KEHOP KLÍMASTRATÉGIA KIDOLGOZÁSÁHOZ KAPCSOLÓDÓ

ÉGHAJLATVÁLTOZÁS : A VÁRHATÓ HATÁSOK MAGYARORSZÁGON, REGIONÁLIS SPECIFIKUMOKKAL KEHOP KLÍMASTRATÉGIA KIDOLGOZÁSÁHOZ KAPCSOLÓDÓ ÉGHAJLATVÁLTOZÁS : A VÁRHATÓ HATÁSOK MAGYARORSZÁGON, REGIONÁLIS SPECIFIKUMOKKAL KEHOP-1.2.0-15-2016-00001 KLÍMASTRATÉGIA KIDOLGOZÁSÁHOZ KAPCSOLÓDÓ MÓDSZERTAN- ÉS KAPACITÁSFEJLESZTÉS, VALAMINT SZEMLÉLETFORMÁLÁS

Részletesebben

A GLOBÁLIS KLÍMAVÁLTOZÁS: Hazai hatások és válaszok

A GLOBÁLIS KLÍMAVÁLTOZÁS: Hazai hatások és válaszok KvVM MTA VAHAVA projekt MTA 2006. november 23. A GLOBÁLIS KLÍMAVÁLTOZÁS: Hazai hatások és válaszok Ifjúsági fórum a Nemzeti Éghajlatváltozási Stratégiáról Bartholy Judit felkért hozzászólása Eötvös s Loránd

Részletesebben

A XXI. SZÁZADRA BECSÜLT KLIMATIKUS TENDENCIÁK VÁRHATÓ HATÁSA A LEFOLYÁS SZÉLSŐSÉGEIRE A FELSŐ-TISZA VÍZGYŰJTŐJÉN

A XXI. SZÁZADRA BECSÜLT KLIMATIKUS TENDENCIÁK VÁRHATÓ HATÁSA A LEFOLYÁS SZÉLSŐSÉGEIRE A FELSŐ-TISZA VÍZGYŰJTŐJÉN 44. Meteorológiai Tudományos Napok Budapest, 2018. november 22 23. A XXI. SZÁZADRA BECSÜLT KLIMATIKUS TENDENCIÁK VÁRHATÓ HATÁSA A LEFOLYÁS SZÉLSŐSÉGEIRE A FELSŐ-TISZA VÍZGYŰJTŐJÉN Kis Anna 1,2, Pongrácz

Részletesebben

A transznacionális vízgazdálkodás támogatása, a CarpatClim adatbázis. Bihari Zita Éghajlati Osztály, OMSZ

A transznacionális vízgazdálkodás támogatása, a CarpatClim adatbázis. Bihari Zita Éghajlati Osztály, OMSZ A transznacionális vízgazdálkodás támogatása, a CarpatClim adatbázis Bihari Zita Éghajlati Osztály, OMSZ A CarpatClim adatbázis A Kárpát-régió éghajlatának részletes idő- és térbeli vizsgálatára alkalmas

Részletesebben

A Balaton vízforgalmának a klímaváltozás hatására becsült változása

A Balaton vízforgalmának a klímaváltozás hatására becsült változása A Balaton vízforgalmának a klímaváltozás hatására becsült változása Varga György varga.gyorgy@ovf.hu VITUKI Hungary Kft. Országos Meteorológiai Szolgálat Az előadás tartalma adatok és információk a Balaton

Részletesebben

Új regionális éghajlati projekciók a klímaváltozás magyarországi hatásainak vizsgálatára

Új regionális éghajlati projekciók a klímaváltozás magyarországi hatásainak vizsgálatára Új regionális éghajlati projekciók a klímaváltozás magyarországi hatásainak vizsgálatára Szépszó Gabriella Országos Meteorológiai Szolgálat 42. Meteorológiai Tudományos Napok 2016. december 6. TARTALOM

Részletesebben

2. melléklet. A Magyarországon megfigyelt éghajlati tendenciák, valamint a jövőben várható változások és bizonytalanságaik elemzése

2. melléklet. A Magyarországon megfigyelt éghajlati tendenciák, valamint a jövőben várható változások és bizonytalanságaik elemzése 2. melléklet A Magyarországon megfigyelt éghajlati tendenciák, valamint a jövőben várható változások és bizonytalanságaik elemzése Összeállította: Szépszó Gabriella, Horányi András, Lakatos Mónika Országos

Részletesebben

A Balaton szél keltette vízmozgásainak modellezése

A Balaton szél keltette vízmozgásainak modellezése Numerikus modellezési feladatok a Dunántúlon 2015. február 10. A Balaton szél keltette vízmozgásainak modellezése Torma Péter Vízépítési és Vízgazdálkodási Tanszék Budapesti Műszaki és Gazdaságtudományi

Részletesebben

Az éghajlatváltozás és következményei hazánkban. Szalai Sándor, Lakatos Mónika (OMSZ)

Az éghajlatváltozás és következményei hazánkban. Szalai Sándor, Lakatos Mónika (OMSZ) Az éghajlatváltozás és következményei hazánkban Szalai Sándor, Lakatos Mónika (OMSZ) Szalai.sandor@mkk.szie.hu Anomália az 1981-2010-es átlgahoz viszonyítva Éves középhőmérsékletek alakulása 1901-től Magyarországon

Részletesebben

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS 2015. március kivonat Készítette: az Országos Vízügyi Főigazgatóság Vízvédelmi és Vízgyűjtő-gazdálkodási Főosztály Vízkészlet-gazdálkodási Osztálya és

Részletesebben

A 2016-os év értékelése éghajlati szempontból

A 2016-os év értékelése éghajlati szempontból ORSZÁGOS METEOROLÓGIAI SZOLGÁLAT A 2016-os év értékelése éghajlati szempontból Lakatos Mónika, Hoffmann Lilla, Kircsi Andrea Országos Meteorológiai Szolgálat Éghajlati Osztály Alapítva: 1870 WMO előzetes

Részletesebben

A domborzat mikroklimatikus hatásai Mérési eredmények és mezőgazdasági vonatkozások

A domborzat mikroklimatikus hatásai Mérési eredmények és mezőgazdasági vonatkozások A domborzat mikroklimatikus hatásai Mérési eredmények és mezőgazdasági vonatkozások Dr. Gombos Béla SZENT ISTVÁN EGYETEM Agrár- és Gazdaságtudományi Kar MMT Agro- és Biometeorológiai Szakosztályának ülése

Részletesebben

Normafa térségének éghajlati viszonyai az 1971-2000 közötti periódus alapján, kitekintéssel a 100 éves budapesti történelmi mérésekre

Normafa térségének éghajlati viszonyai az 1971-2000 közötti periódus alapján, kitekintéssel a 100 éves budapesti történelmi mérésekre Országos Meteorológiai Szolgálat Éghajlati és Levegőkörnyezeti Főosztály Éghajlati Osztály Normafa térségének éghajlati viszonyai az 1971-2 közötti periódus alapján, kitekintéssel a 1 éves budapesti történelmi

Részletesebben

TÁJÉKOZTATÓ. a Dunán 2009. tavaszán várható lefolyási viszonyokról

TÁJÉKOZTATÓ. a Dunán 2009. tavaszán várható lefolyási viszonyokról VITUKI Környezetvédelmi és Vízgazdálkodási Kutató Intézet Nonprofit Kft. Vízgazdálkodási Igazgatóság Országos Vízjelző Szolgálat TÁJÉKOZTATÓ a Dunán 29. tavaszán várható lefolyási viszonyokról A tájékoztató

Részletesebben

1. Magyarországi INCA-CE továbbképzés

1. Magyarországi INCA-CE továbbképzés 1. Magyarországi INCA rendszer kimenetei. A meteorológiai paraméterek gyakorlati felhasználása, sa, értelmezése Simon André Országos Meteorológiai Szolgálat lat Siófok, 2011. szeptember 26. INCA kimenetek

Részletesebben

ÚJ CSALÁDTAG A KLÍMAMODELLEZÉSBEN: a felszíni modellek, mint a városi éghajlati hatásvizsgálatok eszközei

ÚJ CSALÁDTAG A KLÍMAMODELLEZÉSBEN: a felszíni modellek, mint a városi éghajlati hatásvizsgálatok eszközei ÚJ CSALÁDTAG A KLÍMAMODELLEZÉSBEN: a felszíni modellek, mint a városi éghajlati hatásvizsgálatok eszközei Zsebeházi Gabriella és Szépszó Gabriella 43. Meteorológiai Tudományos Napok 2017. 11. 23. Tartalom

Részletesebben

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS 2015. február kivonat Készítette: az Országos Vízügyi Főigazgatóság Vízvédelmi és Vízgyűjtő-gazdálkodási Főosztály Vízkészlet-gazdálkodási Osztálya és

Részletesebben

SZAKTERÜLETI VIZSGÁLATI ÉS ÉRTÉKELÉSI PROGRAMOK KIDOLGOZÁSA ÉS VÉGREHAJTÁSA. Zárójelentés. MVM Zrt szerződésszám: MVM TEVH/11C00039

SZAKTERÜLETI VIZSGÁLATI ÉS ÉRTÉKELÉSI PROGRAMOK KIDOLGOZÁSA ÉS VÉGREHAJTÁSA. Zárójelentés. MVM Zrt szerződésszám: MVM TEVH/11C00039 Zárójelentés LÉVAI PROJEKT A KÖRNYEZETI HATÁSTANULMÁNY ÖSSZEÁLLÍTÁSÁT MEGALAPOZÓ SZAKTERÜLETI VIZSGÁLATI ÉS ÉRTÉKELÉSI PROGRAMOK KIDOLGOZÁSA ÉS VÉGREHAJTÁSA Zárójelentés A LEVEGŐMINŐSÉG FELMÉRÉSE MVM Zrt

Részletesebben

Tájékoztató. a Dunán tavaszán várható lefolyási viszonyokról. 1. Az ősz és a tél folyamán a vízgyűjtőre hullott csapadék

Tájékoztató. a Dunán tavaszán várható lefolyási viszonyokról. 1. Az ősz és a tél folyamán a vízgyűjtőre hullott csapadék Országos Vízügyi Főigazgatóság Országos Vízjelző Szolgálat Tájékoztató a Dunán 217. tavaszán várható lefolyási viszonyokról A tájékoztató összeállítása során az alábbi meteorológiai és hidrológiai tényezőket

Részletesebben

A légkördinamikai modellek klimatológiai adatigénye Szentimrey Tamás

A légkördinamikai modellek klimatológiai adatigénye Szentimrey Tamás A légkördinamikai modellek klimatológiai adatigénye Szentimrey Tamás Országos Meteorológiai Szolgálat Az adatigény teljesítének alapvető eszköze: Statisztikai klimatológia! (dicsérni jöttem, nem temetni)

Részletesebben

A csapadék nyomában bevezető előadás. Múzeumok Éjszakája

A csapadék nyomában bevezető előadás. Múzeumok Éjszakája A csapadék nyomában bevezető előadás Múzeumok Éjszakája 2018.06.23. A csapadék fogalma A légkör vízgőztartalmából származó folyékony vagy szilárd halmazállapotú víz, amely a földfelszínre kerül. Fajtái:

Részletesebben

A felszínközeli szélsebesség XXI. században várható változása az ALADIN-Climate regionális éghajlati modell alapján

A felszínközeli szélsebesség XXI. században várható változása az ALADIN-Climate regionális éghajlati modell alapján A felszínközeli szélsebesség XXI. században várható változása az ALADIN-Climate regionális éghajlati modell alapján Illy Tamás Országos Meteorológiai Szolgálat A felszínközeli szélsebesség XXI. században

Részletesebben

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS 2015. november kivonat Készítette: az Országos Vízügyi Főigazgatóság Vízjelző és Vízrajzi Főosztály Vízrajzi Monitoring Osztálya és az Alsó-Tisza-vidéki

Részletesebben

A MEGÚJULÓ ENERGIAPOTENCIÁL EGER TÉRSÉGÉBEN A KLÍMAVÁLTOZÁS TÜKRÉBEN

A MEGÚJULÓ ENERGIAPOTENCIÁL EGER TÉRSÉGÉBEN A KLÍMAVÁLTOZÁS TÜKRÉBEN A MEGÚJULÓ ENERGIAPOTENCIÁL EGER TÉRSÉGÉBEN A KLÍMAVÁLTOZÁS TÜKRÉBEN Mika János 1, Wantuchné Dobi Ildikó 2, Nagy Zoltán 2, Pajtókné Tari Ilona 1 1 Eszterházy Károly Főiskola, 2 Országos Meteorológiai Szolgálat,

Részletesebben

1. HELYZETÉRTÉKELÉS. A sokévi szeptemberi átlaghoz viszonyított legnagyobb csapadékhiány (20-39 mm) a Szatmári-síkságon jelentkezett.

1. HELYZETÉRTÉKELÉS. A sokévi szeptemberi átlaghoz viszonyított legnagyobb csapadékhiány (20-39 mm) a Szatmári-síkságon jelentkezett. 1. HELYZETÉRTÉKELÉS Csapadék 2014 szeptemberében a rendelkezésre álló adatok szerint az ország területére lehullott csapadék mennyisége 9 mm (Fehérgyarmat) és 250 mm (Murakeresztúr) között alakult, az

Részletesebben

KlimAdat Az éghajlatváltozás magyarországi hatásainak feltérképezése regionális klímamodellszimulációk

KlimAdat Az éghajlatváltozás magyarországi hatásainak feltérképezése regionális klímamodellszimulációk KlimAdat Az éghajlatváltozás magyarországi hatásainak feltérképezése regionális klímamodellszimulációk elvégzésével és reprezentatív adatbázis fejlesztésével Zsebeházi Gabriella, (zsebehazi.g@met.hu) Országos

Részletesebben

Tájékoztató. a Dunán 2015. tavaszán várható lefolyási viszonyokról. 1. Az ősz és a tél folyamán a vízgyűjtőre hullott csapadék

Tájékoztató. a Dunán 2015. tavaszán várható lefolyási viszonyokról. 1. Az ősz és a tél folyamán a vízgyűjtőre hullott csapadék Országos Vízügyi Főigazgatóság Országos Vízjelző Szolgálat Tájékoztató a Dunán 21. tavaszán várható lefolyási viszonyokról A tájékoztató összeállítása során az alábbi meteorológiai és hidrológiai tényezőket

Részletesebben

Magyarország éghajlatának alakulása a január-október időszakban

Magyarország éghajlatának alakulása a január-október időszakban Magyarország éghajlatának alakulása a 2013. január-október időszakban Tanulmányunkban bemutatjuk, hogyan alakult hazánk időjárása az idei év első tíz hónapja során. Az elmúlt két év aszályos időjárása

Részletesebben

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ, OPERATÍV ASZÁLY- ÉS VÍZHIÁNY- ÉRTÉKELÉS

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ, OPERATÍV ASZÁLY- ÉS VÍZHIÁNY- ÉRTÉKELÉS INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ, OPERATÍV ASZÁLY- ÉS VÍZHIÁNY- ÉRTÉKELÉS 2019. február kivonat Készítette: az Országos Vízügyi Főigazgatóság Vízjelző és Vízrajzi Főosztály Vízrajzi Monitoring Osztálya

Részletesebben

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS 2015. január - kivonat - Készítette: az Országos Vízügyi Főigazgatóság Vízvédelmi és Vízgyűjtő-gazdálkodási Főosztály Vízkészlet-gazdálkodási Osztálya

Részletesebben

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS 2017. január kivonat Készítette: az Országos Vízügyi Főigazgatóság Vízjelző és Vízrajzi Főosztály Vízrajzi Monitoring Osztálya és az Alsó-Tisza-vidéki

Részletesebben

Meteorológiai információk szerepe a vízgazdálkodásban

Meteorológiai információk szerepe a vízgazdálkodásban Meteorológiai információk szerepe a vízgazdálkodásban Dr. Radics Kornélia Országos Meteorológiai Szolgálat elnök Alapítva: 1870 Víz körforgása Felhőelemek, vízgőz Légköri transzport folyamatok Felhőelemek,

Részletesebben

Az éghajlati modellek eredményeinek felhasználási lehetıségei

Az éghajlati modellek eredményeinek felhasználási lehetıségei Az éghajlati modellek eredményeinek felhasználási lehetıségei Szépszó Gabriella (szepszo( szepszo.g@.g@met.hu), Kovács Mária, Krüzselyi Ilona, Szabó Péter Éghajlati Osztály, Klímamodellezı Csoport Magyar

Részletesebben

FMO. Földfelszíni Megfigyelések Osztálya. Zárbok Zsolt osztályvezető 2015.10. 02..

FMO. Földfelszíni Megfigyelések Osztálya. Zárbok Zsolt osztályvezető 2015.10. 02.. FMO Földfelszíni Megfigyelések Osztálya Zárbok Zsolt osztályvezető 2015.10. 02.. Földfelszíni Megfigyelések Osztálya Mottó: minden meteorológiai tevékenység alapja a megfigyelés Földfelszíni Megfigyelések

Részletesebben

A debreceni alapéghajlati állomás, az OMSZ háttérklíma hálózatának bővített mérési programmal rendelkező mérőállomása

A debreceni alapéghajlati állomás, az OMSZ háttérklíma hálózatának bővített mérési programmal rendelkező mérőállomása 1 A debreceni alapéghajlati állomás, az OMSZ háttérklíma hálózatának bővített mérési programmal rendelkező mérőállomása Nagy Zoltán Dr. Szász Gábor Debreceni Brúnó OMSZ Megfigyelési Főosztály Debreceni

Részletesebben

Tájékoztató. a Dunán tavaszán várható lefolyási viszonyokról. 1. Az ősz és a tél folyamán a vízgyűjtőre hullott csapadék

Tájékoztató. a Dunán tavaszán várható lefolyási viszonyokról. 1. Az ősz és a tél folyamán a vízgyűjtőre hullott csapadék Országos Vízügyi Főigazgatóság Országos Vízjelző Szolgálat Tájékoztató a Dunán 218. tavaszán várható lefolyási viszonyokról A tájékoztató összeállítása során az alábbi meteorológiai és hidrológiai tényezőket

Részletesebben

Trewartha-féle éghajlat-osztályozás: Köppen-féle osztályozáson alapul nedvesség index: csapadék és az evapostranpiráció aránya teljes éves

Trewartha-féle éghajlat-osztályozás: Köppen-féle osztályozáson alapul nedvesség index: csapadék és az evapostranpiráció aránya teljes éves Leíró éghajlattan_2 Trewartha-féle éghajlat-osztályozás: Köppen-féle osztályozáson alapul nedvesség index: csapadék és az evapostranpiráció aránya teljes éves potenciális evapostranpiráció csapadék évszakos

Részletesebben

BUDAPEST VÁROSI HŐSZIGET-HATÁSÁNAK MODELLEZÉSI LEHETŐSÉGEI

BUDAPEST VÁROSI HŐSZIGET-HATÁSÁNAK MODELLEZÉSI LEHETŐSÉGEI Eötvös Loránd Tudományegyetem Természettudományi Kar Környezettudományi Centrum BUDAPEST VÁROSI HŐSZIGET-HATÁSÁNAK MODELLEZÉSI LEHETŐSÉGEI Az ALADIN-Climate és a SURFEX-TEB modellek eredményeinek összehasonlító

Részletesebben

Tájékoztató. a Dunán tavaszán várható lefolyási viszonyokról. 1. Az ősz és a tél folyamán a vízgyűjtőre hullott csapadék

Tájékoztató. a Dunán tavaszán várható lefolyási viszonyokról. 1. Az ősz és a tél folyamán a vízgyűjtőre hullott csapadék Országos Vízügyi Főigazgatóság Országos Vízjelző Szolgálat Tájékoztató a Dunán 216. tavaszán várható lefolyási viszonyokról A tájékoztató összeállítása során az alábbi meteorológiai és hidrológiai tényezőket

Részletesebben

A 2014. május havi csapadékösszeg területi eloszlásának eltérése az 1971-2000. májusi átlagtól

A 2014. május havi csapadékösszeg területi eloszlásának eltérése az 1971-2000. májusi átlagtól 1. HELYZETÉRTÉKELÉS Csapadék 2014 májusában a rendelkezésre álló adatok szerint az ország területére lehullott csapadék mennyisége 36 mm (Nyírábrány) és 163 mm (Tés) között alakult, az országos területi

Részletesebben

A klímamodellezés nemzetközi és hazai eredményei - a gazdasági-társadalmi előrejelzések pillérei

A klímamodellezés nemzetközi és hazai eredményei - a gazdasági-társadalmi előrejelzések pillérei A klímamodellezés nemzetközi és hazai eredményei - a gazdasági-társadalmi előrejelzések pillérei Hoyk Edit Kovács András Donát Tudományos munkatárs, MTA KRTK RKI ATO MRTT XII. Vándorgyűlés, Eger, 2015.

Részletesebben

1. HELYZETÉRTÉKELÉS. Országos áttekintésben a márciusi átlaghoz viszonyított legnagyobb csapadékhiány (32 mm) Kapuvár állomáson fordult elő.

1. HELYZETÉRTÉKELÉS. Országos áttekintésben a márciusi átlaghoz viszonyított legnagyobb csapadékhiány (32 mm) Kapuvár állomáson fordult elő. 1. HELYZETÉRTÉKELÉS 2014 márciusában a rendelkezésre álló adatok szerint az ország területére lehullott csapadék mennyisége 3 mm (Kapuvár, Vasad, Törtel) és 27 mm (Milota) között alakult, az országos területi

Részletesebben

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS 2016. március - kivonat - Készítette: az Országos Vízügyi Főigazgatóság Vízjelző és Vízrajzi Főosztály Vízrajzi Monitoring Osztálya és az Alsó-Tisza-vidéki

Részletesebben

A REMO modell és adaptálása az Országos Meteorológiai Szolgálatnál

A REMO modell és adaptálása az Országos Meteorológiai Szolgálatnál A REMO modell és adaptálása az Országos Meteorológiai Szolgálatnál Szépszó Gabriella Kutatási és Fejlesztési Főosztály, Numerikus Előrejelző Osztály Meteorológiai Tudományos Napok 2005. november 24-25.

Részletesebben

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS 2017. március - kivonat - Készítette: az Országos Vízügyi Főigazgatóság Vízjelző és Vízrajzi Főosztály Vízrajzi Monitoring Osztálya és az Alsó-Tisza-vidéki

Részletesebben

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS - kivonat - 2013. január Készítette az Országos Vízügyi Főigazgatóság Vízkészlet-gazdálkodási és Víziközmű Osztálya és az Alsó-Tisza vidéki Vízügyi Igazgatóság

Részletesebben

Globális változások lokális veszélyek

Globális változások lokális veszélyek Globális változások lokális veszélyek Dr. Radics Kornélia ORSZÁGOS METEOROLÓGIAI SZOLGÁLAT Sivatagosodás és Aszály Elleni Küzdelem Világnapja Budapest, 2019. június 19. Globális kitekintés Éghajlatváltozás:

Részletesebben

A április havi csapadékösszeg területi eloszlásának eltérése az április átlagtól

A április havi csapadékösszeg területi eloszlásának eltérése az április átlagtól 1. HELYZETÉRTÉKELÉS Csapadék 2014 áprilisában a rendelkezésre álló adatok szerint az ország területére lehullott csapadék mennyisége 12 mm (Nyírábrány) és 84 mm (Kölked) között alakult, az országos területi

Részletesebben

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS 2015. június - kivonat - Készítette: az Országos Vízügyi Főigazgatóság Vízjelző és Vízrajzi Főosztály Vízrajzi Monitoring Osztálya és az Alsó-Tisza-vidéki

Részletesebben

Gondolatok a Balaton vízháztartásáról és vízszint-szabályozásáról az éghajlatváltozás tükrében

Gondolatok a Balaton vízháztartásáról és vízszint-szabályozásáról az éghajlatváltozás tükrében Gondolatok a Balaton vízháztartásáról és vízszint-szabályozásáról Varga György varga.gyorgy@ovf.hu monitoring referens Országos Vízügyi Főigazgatóság Jakus Ádám jakus.adam2@ovf.hu kiemelt műszaki referens

Részletesebben

Telephely vizsgálati és értékelési program Közmeghallgatás - tájékoztató

Telephely vizsgálati és értékelési program Közmeghallgatás - tájékoztató Telephely vizsgálati és értékelési program Közmeghallgatás - tájékoztató Eck József projektmenedzsment igazgató MVM Paks II. Zrt. Paks, 2014. május 5. Tartalom Törvényi háttér Telephely bemutatása Telephely

Részletesebben

Elszórtan vagy többfelé? Milyen választ adnak a modellek és mi a valóság?

Elszórtan vagy többfelé? Milyen választ adnak a modellek és mi a valóság? ORSZÁGOS METEOROLÓGIAI SZOLGÁLAT Elszórtan vagy többfelé? Milyen választ adnak a modellek és mi a valóság? Kolláth Kornél Alapítva: 1870 Terminológia a területi lefedettség szerint De mekkora területről

Részletesebben

A hazai regionális klímamodellek eredményeinek együttes kiértékelése

A hazai regionális klímamodellek eredményeinek együttes kiértékelése A hazai regionális klímamodellek eredményeinek együttes kiértékelése Horányi András,, Csima Gabriella, Krüzselyi Ilona, Szabó Péter, Szépszó Gabriella Országos Meteorológiai Szolgálat Bartholy Judit, Pieczka

Részletesebben

Magyarország időjárásának alakulása a 2013. október 2014. szeptember időszakban

Magyarország időjárásának alakulása a 2013. október 2014. szeptember időszakban Magyarország időjárásának alakulása a 2013. október 2014. szeptember időszakban Kovács Tamás, Vincze Enikő Országos Meteorológiai Szolgálat Az elmúlt években megtapasztalt időjárási szélsőségekre a 2013.

Részletesebben

NAP- ÉS SZÉLENERGIA POTENCIÁL BECSLÉS EGER TÉRSÉGÉBEN

NAP- ÉS SZÉLENERGIA POTENCIÁL BECSLÉS EGER TÉRSÉGÉBEN NAP- ÉS SZÉLENERGIA POTENCIÁL BECSLÉS EGER TÉRSÉGÉBEN Mika János 1, Csabai Edina 1, Molnár Zsófia 2, Nagy Zoltán 3, Pajtókné Tari Ilona 1, Rázsi András 1,2, Tóth-Tarjányi Zsuzsanna 3, Wantuchné Dobi Ildikó

Részletesebben

Hatástávolság számítás az. Ipari Park Hatvan, Robert Bosch út és M3 autópálya közötti tervezési terület (Helyrajzi szám: 0331/75.

Hatástávolság számítás az. Ipari Park Hatvan, Robert Bosch út és M3 autópálya közötti tervezési terület (Helyrajzi szám: 0331/75. Hatástávolság számítás az Ipari Park Hatvan, Robert Bosch út és M3 autópálya közötti tervezési terület (Helyrajzi szám: 0331/75. ) légszennyező forrásaira (pontforrás engedélykérelemhez) Összeállítva:

Részletesebben

Magyarország időjárásának alakulása a október szeptember időszakban

Magyarország időjárásának alakulása a október szeptember időszakban Magyarország időjárásának alakulása a 2014. október 2015. szeptember időszakban Kovács Tamás, Marton Annamária Országos Meteorológiai Szolgálat A 2014. október 2015. szeptember közötti időszakban nem voltak

Részletesebben

Tájékoztató. a Dunán 2014. tavaszán várható lefolyási viszonyokról. 1. Az ősz és a tél folyamán a vízgyűjtőre hullott csapadék

Tájékoztató. a Dunán 2014. tavaszán várható lefolyási viszonyokról. 1. Az ősz és a tél folyamán a vízgyűjtőre hullott csapadék Országos Vízügyi Főigazgatóság Országos Vízjelző Szolgálat Tájékoztató a Dunán 214. tavaszán várható lefolyási viszonyokról A tájékoztató összeállítása során az alábbi meteorológiai és hidrológiai tényezőket

Részletesebben

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS 2015. december - kivonat - Készítette: az Országos Vízügyi Főigazgatóság Vízjelző és Vízrajzi Főosztály Vízrajzi Monitoring Osztálya és az Alsó-Tisza-vidéki

Részletesebben

Tájékoztató. a Dunán tavaszán várható lefolyási viszonyokról

Tájékoztató. a Dunán tavaszán várható lefolyási viszonyokról Országos Vízügyi Főigazgatóság Országos Vízjelző Szolgálat Tájékoztató a Dunán 219. tavaszán várható lefolyási viszonyokról A tájékoztató összeállítása során az alábbi meteorológiai és hidrológiai tényezőket

Részletesebben

A LÉGIKÖZLEKEDÉSI ZAJ TERJEDÉSÉNEK VIZSGÁLATA BUDAPEST FERIHEGY NEMZETKÖZI REPÜLŐTÉR

A LÉGIKÖZLEKEDÉSI ZAJ TERJEDÉSÉNEK VIZSGÁLATA BUDAPEST FERIHEGY NEMZETKÖZI REPÜLŐTÉR A LÉGIKÖZLEKEDÉSI ZAJ TERJEDÉSÉNEK VIZSGÁLATA BUDAPEST FERIHEGY NEMZETKÖZI REPÜLŐTÉR KÖRNYEZETÉBEN Témavezetők: Konzulensek: Szarvas Gábor, Budapest Airport Zrt. Dr. Weidinger Tamás, ELTE TTK Meteorológiai

Részletesebben

DEBRECENI EGYETEM AGRÁR- ÉS GAZDÁLKODÁSTUDOMÁNYOK CENTRUMA FÖLDHASZNOSÍTÁSI-, MŰSZAKI ÉS TERÜLETFEJLESZTÉSI INTÉZET Meteorológiai mérések hasznosítása döntéstámogató rendszerekben Rácz Csaba Nagy János

Részletesebben

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS 2008. május - kivonat - A Környezetvédelmi és Vízügyi Minisztérium támogatásával készítette a VITUKI Kht. Vízgazdálkodási Igazgatóság és az Alsó-Tisza

Részletesebben

Széladatok homogenizálása és korrekciója

Széladatok homogenizálása és korrekciója Széladatok homogenizálása és korrekciója Péliné Németh Csilla 1 Prof. Dr. Bartholy Judit 2 Dr. Pongrácz Rita 2 Dr. Radics Kornélia 3 1 MH Geoinformációs Szolgálat pelinenemeth.csilla@mhtehi.gov.hu 2 Eötvös

Részletesebben

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS 2008. március - kivonat - A Környezetvédelmi és Vízügyi Minisztérium megbízásából készítette a VITUKI Kht. Vízgazdálkodási Igazgatóság és az Alsó-Tisza

Részletesebben

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS kivonat 2013. július Készítette az Országos Vízügyi Főigazgatóság Vízkészlet-gazdálkodási és Víziközmű Osztálya és az Alsó-Tisza vidéki Vízügyi Igazgatóság

Részletesebben

A július havi csapadékösszeg területi eloszlásának eltérése az júliusi átlagtól

A július havi csapadékösszeg területi eloszlásának eltérése az júliusi átlagtól 1. HELYZETÉRTÉKELÉS Csapadék 2014 júliusában a rendelkezésre álló adatok szerint az ország területére lehullott csapadék mennyisége 59 mm (Drávaszabolcs) és 239 mm (Pankota) [Csongrád m.] között alakult,

Részletesebben

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS 2015. augusztus - kivonat - Készítette: az Országos Vízügyi Főigazgatóság Vízjelző és Vízrajzi Főosztály Vízrajzi Monitoring Osztálya és az Alsó-Tisza-vidéki

Részletesebben

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS kivonat 2013. augusztus Készítette az Országos Vízügyi Főigazgatóság Vízkészlet-gazdálkodási és Víziközmű Osztálya és az Alsó-Tisza vidéki Vízügyi Igazgatóság

Részletesebben

Csapadékmaximum-függvények változása

Csapadékmaximum-függvények változása Csapadékmaximum-függvények változása (Techniques and methods for climate change adaptation for cities /2013-1-HU1-LEO05-09613/) Dr. Buzás Kálmán, Dr. Honti Márk, Varga Laura Elavult mértékadó tervezési

Részletesebben

Turisztikai klimatológia: Az időjárás és az éghajlat, mint a turizmus kulcstényezője?

Turisztikai klimatológia: Az időjárás és az éghajlat, mint a turizmus kulcstényezője? Turisztikai klimatológia: Az időjárás és az éghajlat, mint a turizmus kulcstényezője? NÉMETH Ákos Országos Meteorológiai Szolgálat Éghajlati Osztály MMT Nyíregyházi Csoport előadóülése Nyíregyháza, 2012.

Részletesebben

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS 2017. január kivonat Készítette: az Országos Vízügyi Főigazgatóság Vízjelző és Vízrajzi Főosztály Vízrajzi Monitoring Osztálya és az Alsó-Tisza-vidéki

Részletesebben

METEOROLÓGIAI MÉRÉSEK és MEGFIGYELÉSEK

METEOROLÓGIAI MÉRÉSEK és MEGFIGYELÉSEK METEOROLÓGIAI MÉRÉSEK és MEGFIGYELÉSEK Földtudomány BSc Mészáros Róbert Eötvös Loránd Tudományegyetem Meteorológiai Tanszék MIÉRT MÉRÜNK? A meteorológiai mérések célja: 1. A légkör pillanatnyi állapotának

Részletesebben

2014 hidrometeorológiai értékelése

2014 hidrometeorológiai értékelése 2014 hidrometeorológiai értékelése Csapadék 2014-ben több csapadék hullott le a közép-tiszán, mint 2013-ban. Az igazgatóság területén 2014. január 01. és december 31. között leesett csapadék területi átlaga

Részletesebben

TÉRBELI STATISZTIKAI VIZSGÁLATOK, ÁTLAGOS JELLEMZŐK ÉS TENDENCIÁK MAGYARORSZÁGON. Bihari Zita, OMSZ Éghajlati Elemző Osztály OMSZ

TÉRBELI STATISZTIKAI VIZSGÁLATOK, ÁTLAGOS JELLEMZŐK ÉS TENDENCIÁK MAGYARORSZÁGON. Bihari Zita, OMSZ Éghajlati Elemző Osztály OMSZ TÉRBELI STATISZTIKAI VIZSGÁLATOK, ÁTLAGOS JELLEMZŐK ÉS TENDENCIÁK MAGYARORSZÁGON Bhar Zta, OMSZ Éghajlat Elemző Osztály OMSZ Áttekntés Térbel vzsgálatok Alkalmazott módszer: MISH Eredmények Tervek A módszer

Részletesebben

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS 2015. július - kivonat - Készítette: az Országos Vízügyi Főigazgatóság Vízjelző és Vízrajzi Főosztály Vízrajzi Monitoring Osztálya és az Alsó-Tisza-vidéki

Részletesebben