GEOINFORMATIKA A KOCKÁZATELEMZÉSBEN

HABILITÁCIÓS DOLGOZAT GEOINFORMATIKA A KOCKÁZATELEMZÉSBEN MUCSI LÁSZLÓ SZEGEDI TUDOMÁNYEGYETEM TERMÉSZETTUDOMÁNYI KAR TERMÉSZETI FÖLDRAJZI ÉS GEOINFORMATIKAI TANSZÉK SZEGED 2005

TARTALOM 1. A kutatás indoklása Bevezetés... 8 2. Lyukadás előfordulás kockázatbecslése... 10 3. A mintaterület bemutatása... 14 4. A talajvízfelszín modellezése és a modellek derivátumainak elemzése... 17 4.1. Az övzátony szedimentológiai heterogenitásának léptékei... 19 4.2. A talajvízszint geostatisztikai értelemben egy regionalizált változó... 21 4.3. A szekvenciális Gaussi szimuláció... 23 4.3.1. Általános elvek... 23 4.3.2. Algoritmus... 24 4.3.3. Az eredmények értelmezése... 25 4.4. A feldolgozás lépései... 27 4.4.1. Adatelőkészítés... 27 4.4.2. Variográfia... 28 4.4.3. A szekvenciális Gaussi szimuláció... 31 4.5. A 2002-es talajvízszint felületek elemzése... 34 5. Felszín alatti vezetékek lyukadásainak felderítése távérzékeléses technológiával... 43 5.1. A kutatás indoklása... 43 5.2. Eredmények... 47 5.2.1. Terepi talajhőmérséklet-mérés a hőterhelés mértékének megállapítására... 47 5.2.2. A hőfelvételek megfelelő geometriai felbontásának feltételei... 52 5.2.3 A mérőrendszer elhelyezése a repülőgépen... 53 5.2.4. A valós idejű GPS-es helymeghatározás lehetőségei a repülőgépen... 54 5.2.5. Képi adatok integrálása saját fejlesztésű térinformatikai rendszerbe... 55 5.2.5.1. Korábbi légifelvételek integrálása az informatikai rendszerbe... 56 5.2.6. A hőfelvételek szűrése önálló fejlesztésű programmal... 59 5.2.7. Video- és termofelvételek összehasonlító elemzése... 61 5.2.8. Termofelvételek további feldolgozási lehetőségei... 66 5.2.9. A felvételek on-line továbbítása... 67 Összefoglalás... 69 Az eredmények tézisszerű összefoglalása... 70 Irodalom... 72 Köszönetnyilvánítás... 74 2

Előszó A klasszikus természettudományokon nevelkedett geográfus keresi identitását. Miért van ez a folytonos útkeresés? A földrajz már a XIX. század végén megjelent az egyetemek természettudományi karain, szemlélete mégis különbözik a többi tudományétól. Elsősorban az axiomatikus felépítés hiánya okozza a zavart, amit kiegészít a szinte védekezésként emlegetett nemzeti jelleg. Szinte megváltásként érkezett a 1980-as évek közepén a földrajzi információs rendszerek elterjedése. A fogalom az angol GIS (Geographical Information System) szóösszetételből ered. A térbeli adatok rendszerszerű kezelése megteremtette azt a szisztematikus gondolkodást, amely hasonlít más tudományterületek szigorú gondolkodásmódjához, mégis befogadni engedi a földrajzi elméleteket. Ezek alapján, a 70-es években, néhányan földrajzi törvényeket is megfogalmaztak, melyek közül talán Tobler W. R. (1970) első földrajzi törvénye a legismertebb: Minden minden mással összefügg, de a közelebbi dolgok jobban, mint a távoliak. Sajnos a törvénnyel kapcsolatban nem csak az a kérdés, hogy a fenti állítás az első-e a földrajzi törvények között, hanem az is, hogy egyáltalán törvény-e. Sokkal inkább tekinthető ez a földrajz mottójának, kifejezve a térbeliséget és a kapcsolatrendszer fontosságát. Benne rejlik azonban két olyan szó, mely bizonytalansága miatt a mondat nem teljesíti a törvények legfontosabb kritériumait: az egyetemes érvényességet, a szintetizáló jelleget és a szükségességet. Hogyan definiálható a közelség és hogyan a dolgok közötti jobb összefüggés? Tobler törvénye sokáig rejtve maradt a földrajzi szakirodalomban (A törvényére ma is csak 118 hivatkozást találtam a WSCI alatt). A földrajzi információs rendszerek térnyerésével Tobler törvénye feléledt csipkerózsika álmából és a földrajzos társadalom e hatékony eszközrendszerrel a kezében megújulva keresi a választ törvényben rejlő két bizonytalan szó értelmezésére. A földrajzi információs rendszerek az 1960-as évek elején, a CGIS (Canadian Geographyical Information System) fejlesztésével elindultak hódító útjukra. Az elmúlt évtizedben számos folyóirat nevében jelent meg az információ, a térbeli, a földrajzi kifejezés a tudomány vagy az elmélet szavakkal együtt vagy nélkülük. Konferenciák szerveződtek a témában, akadémiai pozíciókat hoztak létre, európai szakszövetség (AGILE) jött létre, tanszékek, karok nevébe került be a geoinformatika szó. Az Egyesült Államokban már egyetemek és vállalkozások konzorciuma (UCGIS) is létrejött a geoinformatika égisze alatt. A GIS szó is új értelmezést nyert, ma már a földrajzi információ tudományáról (GIScience), röviden geoinformatikáról, mint tudományról beszélünk. Abban nincs vita, hogy a 3

geoinformatika természettudomány, a pontos definiálást azonban sokan sokféleképpen adják meg, aszerint, hogy mely tudományból vezetik le a geoinformatikát. A UCGIS alapokmánya szerint, a geoinformatika segíti a földrajzi folyamatok és a térbeli kapcsolatok jobb megértését elmélet, módszer, technológia és adatok révén. A geoinformatika, bárhova is soroljuk, eleget kell hogy tegyen minden tudománnyal szemben felállított kritériumrendszernek, vagyis a megismételhetőségnek, a megfigyelőtől való függetlenségnek, tartalmaznia kell jól definiált fogalmakat és a pontosság ismert legyen. Goodchild (2004) szerint a geoinformatika az informatika tudományba sorolható, és az informatikusok számára azért különösen érdekes, mert a földrajzi (térbeli) információ jól definiált és ezen információ típussal kapcsolatban széleskörű ismeretanyag halmozódott fel. A geoinformatika azonban nemcsak az informatikai ismeretekre támaszkodik. Évszázadok vizsgálati eredményei, a földfelszín leírásai, mérésekből származó adatok alkotják azt az ismeretanyagot, mely korábban hagyományos (analóg) módon, térképeken került ábrázolásra. A geoinformatika nemcsak ezeket az analóg ábrázolási technikákat forradalmasította a digitális módszerek révén, hanem visszahatott olyan hagyományos, évszázados múlttal rendelkező tudományokra is mint a földmérés, a fotogrammetria vagy a térképészet. A geoinformatika felhasználja a térbeli adatok gyűjtésének legújabb módszereit és törvényszerűségeit is. Különösen fontos itt megemlíteni a távérzékelés és a GIS egyre szorosabb kapcsolatát. Ma már a távérzékelt adatok, elsősorban a légi- és űrfelvételek feldolgozása, elemzése, értelmezése nem valósulhat meg korszerű geoinformatikai eszközök és elméletek nélkül. A térbeli adatok térbeli adatbázisba történő rendezése és kezelése, a számítástudomány egyik fontos fejlesztési területe. A képi adatok megjelenítését a számítógépes grafika, geometria biztosítja. A térbeli adatok statisztikai paramétereit, a pontosságukat vagy a bizonytalanságukat a geostatisztika nélkül nem mérhetjük meg. Mindezekből az következik, hogy a geoinformatika interdiszciplináris tudomány, mely az elméletét, módszereit, az eljárásokat, és nem utolsósorban az adatokat számos területről gyűjti össze és alkalmazza egységes rendszerben. Vagyis elfogadhatjuk Goodchild azon tömör megfogalmazását, hogy a geoinformatika tudomány a rendszer mögött. A legtöbb tudomány, így a földrajz is, tudásanyagát a dedukciós és az indukciós módszerek kombinálásával nyeri. Előbbi szerint a részek tulajdonságait az egyetemesből származtatjuk, míg az indukció során a részlegesből származtatjuk le az egyetemest. A megfigyelések alapján általánosítunk és törvény-szerű állításokat fogalmazunk meg, ill. következtetünk, feltételezünk és megfogalmazunk olyan törvényeket, melyek a megfigyelésekkel igazolhatók. Ezek a módszerek pontosan ráillenek a geoinformatikára is. A 4

dedukciós és indukciós elméletek és módszerek révén a geoinformatika talán a legbiztosabb alapot nyújtja a Tobler törvényben rejlő bizonytalanság feloldására. A térbeli objektumok kapcsolatának és a térbeli heterogenitás kérdésére a geoinformatika a geostatisztika eszköztárával tud hatékonyan válaszolni. Nem véletlen tehát, hogy a földrajz a térinformatikai rendszerek, ill. a geoinformatika tudomány fejlődésével és térnyerésével, olyan gyakorlati eszközrendszerre és elméleti alapokra lelt, melyekkel megújulhatott a 90-es években. A geográfia, vele együtt a geográfus szakember szerepe felértékelődött, elindulhatott hazánkban először Szegeden és Budapesten a geográfusképzés, s képzés anyagába bekerült a térinformatika, a távérzékelés. 2001-től külön szakirány lett a geoinformatika a geográfusképzésen belül. A térbeli adatok elemzésekor az egyik legfontosabb feltételezés, hogy ezek, mivel a Föld felszínének különböző tulajdonságait írják le, a térben viszonylag lassan változnak. Emiatt nincs szükség arra, hogy a jelenséget folytonosan mintázzuk (erre leginkább a távérzékelési mintavételi módszerek alkalmasak), hanem elegendő véges számú diszkrét pontban elvégezni a mérést. A mérési pontok közötti tér adatait a térbeli interpoláció és a térbeli átmintázás módszereivel adhatjuk meg. Természetesen az így létrejövő modell mindegy, hogy raszteres vagy vektoros adatmodell az alapja csak becslést ad a hiányzó értékekre, de a becsléskor szinte minden algoritmus figyelembe veszi, hogy a közelebbi mintavételezési pont mérési eredménye jobban befolyásolja a becsült értéket, mint a távolabbi mérési pont értéke. A becslés pontosságát ellenőrző mérésekkel tudjuk megadni. Ilyen elv alapján készülnek az időjárási térképek, a domborzatmodellek. Az izovonalak megrajzolásakor mindig figyelembe vesszük, hogy a közelebbi mérési pont adata nagyobb hatással van a becslésre, mint a távolabbi mérési pont adata. Ezért a mintavételezési stratégiák véletlenszerű, hálózatos, szemantikus tervezése a modellalkotás egyik fontos lépése, mely befolyásolja a végeredményt is. Emellett azt is figyelembe kell venni, hogy a lassú térbeli változékonyság csak kis térrészletre igaz, a változás mértéke nagyobb térben a vizsgált jelenség térbeli heterogenitásától függ. A térbeli heterogenitás vizsgálatára a geoinformatika megfelelő elméleti alapokkal és gyakorlati módszerekkel rendelkezik, így e téren is támogatni tudja a földrajzi elemzéseket. A földrajzi elemzések igyekeznek a heterogenitás problémáját kiküszöbölni azáltal, hogy olyan térrészleteket különítenek el, melyben feltételezésük szerint az adott jelenség, vagy folyamat már homogénnek tekinthető. Tipikus példa erre a vízföldrajzi elemezésekben a vízgyűjtők lehatárolása, vagy a geoökológiai kutatásban geoökotóp kijelölése (Mezősi et al., 1997). Önmagában a homogén egységeken belüli elemzés nehezen vagy egyáltalán nem értelmezi a homogén egységek közötti kölcsönhatásokat, de miután a homogén egységek 5

vizsgálata sokkal egyszerűbb, ez vált uralkodóvá az elmúlt években a komplex heterogenitást is figyelembe vevő vizsgálatokkal szemben. A vizsgálatok ezért inkább a homogén térrészlet mind komplexebb leírását célozzák meg, emiatt hiányoznak az általános érvényű megállapítások, a hierarchiában a homogén térrészletek felett lévő téregységre vonatkozóan. A geoinformatikai elemzésekben, az absztrakció magas foka miatt, könnyen elfeledkezünk a homogenitás és a heterogenitás vizsgálatáról, és a mintaterületet önálló, külső hatásoktól mentes egységnek feltételezzük. A térbeli heterogenitás értelmezése a földrajzi gondolkodás egyik sarokköve, hiszen ilyenkor a tér tulajdonságait egy adott időpillanatban vizsgáljuk, míg a térbeli kapcsolatok elemzése során a tér időben változó tulajdonságait elemezzük. A kapcsolat és a heterogenitás geoinformatikai módszerekkel (matematikai, valószínűségszámítási, geostatisztikai alapokon), a fejlett térinformatikai szoftverekbe beépített funkciókkal már rutinszerűen elemezhető, pl. a variogramokkal mérhetjük, hogyan csökken az objektumok hasonlósága a távolság növekedésével. Ezáltal lehetővé válik, hogy a földrajzi elemzésekben a geoinformatika módszereivel elemezzük a térbeli jelenségek tér-idő kontextusát. Az idő-tér földrajz, ezen belül a térbeli terjedés vizsgálatok fejlődéséhez Torsten Hägerstrand svéd geográfus munkássága a XX. sz. közepén nagyban hozzájárult. Az ún. innovációs hullámok (svédül innovationsförloppet) terén végzett kutatási eredményeit, az 1953-ban elkészült, doktori téziseiben foglalta össze, melyben a közép-svédországi mezőgazdasági termelők által alkalmazott mezőgazdasági újítások bevezetését, szétterjedő hullámok sorozataként fogta fel, melyek terjedési útvonalai térképezhetők, modellezhetők és szimulálhatók voltak. Ez a korai munka elsőként alkalmazott új módszereket a térképészetben és a Monte Carlo szimulációban, melyeket az amerikai kollégák gyorsan átvettek az 50-es évek végén, széles körben alkalmazták és kiterjesztették, részben a terjedési folyamatok számítógépes modellezésére. Hägerstrand e korai munkájában gyakorlatilag Tobler törvényének alapjait fektette le, mérhető módon általánosította a közeli és a távoli fogalmakat a tér-idő rendszerben. A terjedés vizsgálata nem más, mint annak mérése, hogy mi történik egy x helyen t+e időpillanatban annak függvényében, hogy valamilyen esemény lezajlik egy x+d helyen t időpontban, ahol d és e olyan távolság, illetve időkülönbség, melyek illeszkednek a terjedés sebességéhez. A terjedés vizsgálatok révén az adott földrajzi tér statikus, egy időpontra vonatkozó modelljeit dinamikus modellekké fejleszthetjük. A statikus modellek összehasonlítása révén akár a dinamikus modell futtatásához szükséges paraméterekhez, pl. talajvíz, vagy szennyezésterjedési, áramlási modellek esetén a porozitáshoz, vagy a szivárgási 6

tényezőhöz juthatunk. A fentiek alapján kijelenthető, hogy a geoinformatika segítségével törvény-szerű megállapításokat fogalmazhatunk meg a térbeli információra vonatkozóan. Napjainkban a geoinformatika egyik legfontosabb feladata az idő tényező elemzésében rejlő lehetőségek kihasználása, illetve olyan módszerek fejlesztése, melyekkel a tér-idő adatok elemezhetők. Ehhez már nem elegendő a megszokott 2D ábrázolás, a 3D-s modellezés, szimuláció egyre nagyobb szerepet kap, a jelenségek dinamikájának egyre jobb digitális megjelenítésével párhuzamosan. A geoinformatikai módszerek révén nemcsak a kapcsolatokat tudjuk leírni, hanem a kapcsolatok változását figyelembe véve előrejelzéseket, becsléseket tudunk adni egy vagy több paraméter jövőbeni várható értékére. Ilyen eljárásokkal adhatunk időjárási előrejelzést, a kutatók próbálják a természeti katasztrófák (földrengés, cunami, stb.) bekövetkezését előre jelezni. A bekövetkező esemény előfordulásának vizsgálatával és az esemény társadalmi, környezeti hatásaival a kockázatelemzés foglalkozik. A kockázat térbeli változásának elemzésére a geoinformatika kiváló lehetőséget nyújt, mely új eredményekkel támogathatja a földrajzi, környezetvédelmi kutatásokat. Habilitációs dolgozatomban a kockázatelemzésben használható néhány geoinformatikai módszert és az ezekkel végzett vizsgálatok eredményeit mutatom be. A kockázatelemzés, ezen belül a kockázat becslése kiterjeszthető térbeli jelenségekre, ugyanakkor rendkívül fontos szerepe van az időtényezőnek, hiszen bármely nagyságú esemény bekövetkezési valószínűsége véges, és bármely erősségű esemény bekövetkezik (csak elég hosszú ideig kell rá várni - Noé effektus). A kockázatbecslés során az esemény bekövetkezési valószínűsége térben változó jelenségektől függ, egyúttal maga a kockázat is egy térbeli változó. A térbeli jelenségek térképezésekor a pontszerű adatforrások adataira támaszkodva tudunk a teljes mintaterületre vonatkozó modelleket előállítani, s az időben változó modellek segítségével mérhetjük a kockázat térbeli, időbeli változásait. A várható hatásokat térinformatikai módszerekkel becsülni tudjuk. A negatív esemény bekövetkezése után a károk felmérésében szintén szerepet kap a geoinformatika. A korszerű távérzékeléses eljárások révén gyorsan információt kaphatunk a térbeli heterogenitás változásáról, a geokorrigált légi-, vagy űrfelvételeket összehasonlíthatjuk az azonos vetületi rendszerben tárolt korábbi térképeinkkel, térbeli adatainkkal. 7

1. A kutatás indoklása Bevezetés Napjainkban a környezeti problémák egyre inkább a társadalom figyelmének középpontjába kerülnek, átértékeljük korábbi cselekedeteinket aszerint, hogy azok miként befolyásolják jövőnket. A környezet átalakítás hatásai már globálisan jelentkeznek, ennek ellenére a lokális folyamatokkal kapcsolatos döntésekben sokszor bizonytalanok a döntéshozók, a döntésekkel kapcsolatban nem alakul ki társadalmi konszenzus. Az életminőség javítása és emellett a környezet megőrzése mindenképpen kompromisszumos megoldásokat igényel, a döntéshozást segítheti, ha azonosítani és mérni lehet a döntésben rejlő kockázatot. Az objektív kockázatbecslést nehezíti, hogy a lehetőségek kiválasztásának mennyiségi elemzése számos szubjektív elemet tartalmazhat, illetve a kockázat definiálásában sincs teljes egyetértés a kutatók között. A kockázatértékelésnek választ kell adnia a következő kérdésekre: mekkora a negatív esemény bekövetkezésének valószínűsége, illetve mik a környezet átalakítás negatív következményei. A kockázatbecslés alapja a hatások és azok következményeinek objektív mérése. A környezeti folyamatok, így a vezetéklyukadás előfordulások esetében mind a (lyukadást kiváltó) hatások, mind a következmények térbeli változóként kezelhetők, ezért a térinformatikai és távérzékeléses módszerek különösen alkalmasak lehetnek elemzésükre. A vezetéklyukadást előidéző hatások között, a technikai okok mellett, a leggyakrabban megnevezett tényező a külső korróziót okozó talajvíz. Feltételezésem szerint, az agresszív talajvíz, mint a külső korróziós vezetéklyukadás egyik okozójának vizsgálata, pontosabban a talajvíz szintjének térbeli és időbeli elemzése, segítheti a lyukadások legvalószínűbb bekövetkezési helyeinek kijelölését, térképi ábrázolását. A talajvízfelszín szimulált modellje alapján a ténylegesen bekövetkezett vagy az esetlegesen bekövetkező szennyezések terjedésvizsgálata is támogatható. Ezért kutatásaim, a terepi méréseken alapuló, térinformatikai, geostatisztikai módszerekkel történő talajvízfelszín modellezésre, valamint a vezetékhálózat, a lyukadások és a talajvízáramlási rendszer ismeretében, a lyukadások bekövetkezése szempontjából legnagyobb kockázatú területek kijelölési lehetőségeinek vizsgálatára irányultak. A habilitációs tézisek első részében ezirányú kutatásaim eredményei kerülnek bemutatatásra. Csővezetékek lyukadásakor, törésekor gyakran alakulnak ki kritikus helyzetek, gondoljunk csak azokra az elmúlt években bekövetkezett, nagy átmérőjű vízvezetéktörésekre, melyek elárasztották Budapest pincéit. Az olajipar feldolgozott termékeit szállító vezetékek megfúrásakor nemcsak a környezetben keletkező kár lehet jelentős mértékű, hanem emberi 8

életet is követelhet a felelőtlen magatartás. A kőolaj- és földgázkitermelő ipar bányaterületein több 100, esetleg 1000 km hosszú vezetékrendszer húzódik a földfelszín alatt. A felszín alatti vezetékhálózatok lyukadásai, törései során bekövetkező szennyezések gyakran már csak azután ismerhetők fel, amikor a szennyezőanyag a talajba, a talajvízbe került és a szennyezés nagy területre kiterjedt, vagy a felszínen megjelent. A több évtizeddel ezelőtt lefektetett vezetékek esetében, a mind gyakrabban előforduló természetes eredetű lyukadások miatt, szükség van folyamatos nyomvonalvizsgálatra, az ún. vezetékmonitoringra. A térinformatikai és távérzékeléses módszerekkel támogatott vezetékmonitoring során nemcsak a lyukadások észlelhetők, hanem a lyukadáskor szennyezett terület, a szennyezett talaj mennyiségének mérésére is megtörténhet. Ezáltal az esemény negatív következményeit tudjuk térben mérni, becsülni. Az elmúlt években, alkalmazott kutatási program keretében, egy komplex vezetékmonitoring rendszer fejlesztését irányítottam. Ennek fő célja olyan, meglévő berendezéseken alapuló, távérzékeléses technológia kidolgozása volt, melynek gyakorlati, terepi alkalmazásával korai szakaszban (esetleg a felszíni észlelés előtt) felismerhetők és térben azonosíthatók a lyukadások, megállapítható a lyukadás típusa, valamint mérhető a szennyezett terület nagysága. A habilitációs tézisek első részében bemutatásra kerülő talajvízszint mérés és modellezés, valamint a vezetékhálózat térinformatikai elemzése együttesen hatékonyan tudja támogatni a vezetékmonitoringot, hiszen a repülések tervezésekor szükség van a lyukadás kialakulása szempontjából legnagyobb kockázatú térszínek pontos ismeretére. A rendszer alkalmazhatóságának előfeltételeként, terepi mérésekkel igazolni kellett, hogy a felszín alatti vezeték okozta hőterhelés a talajfelszínen mérhető hőmérsékleti különbségeket okoz, ezáltal biztosított a légi távérzékeléses technológia alkalmazása. A habilitációs tézisek második részében a rendszer fejlesztésének azon eredményeit mutatom be, melyek révén lehetőség van a lyukadás előfordulás negatív következményeinek objektív mérésére. 9

2. Lyukadás előfordulás kockázatbecslése A kockázatfogalom többféle megközelítése közül a technikai megközelítés adja a legegyszerűbb választ a bevezetőben feltett kérdésekre. Eszerint: a negatív következmények értelmezhetők a nemkívánatos események, pl. a berendezések vagy rendszerek meghibásodásai vizsgálatomban a vezetéklyukadások következtében az emberre és a környezetre gyakorolt negatív fizikai-kémiai-biológiai hatások összességeként (Zoltayné Paprika Z., 2004). A negatív hatásokat, többek között a kármentesítés költségeit, a kiesett termés mennyiségét, stb. objektíven lehet mérni. A lyukadás előfordulás bekövetkezési valószínűségeit a korábbi lyukadások statisztikái alapján számíthatnánk ki, de ezek a statisztikák nem tárják fel teljes mértékben az ok-okozati kapcsolatokat. A bekövetkezés valószínűségének számítását megkönynyítheti, ha a negatív eseményeket kiváltó hatásokat, mint térben és időben változó paramétereket elemezzük A felszín alatti vezetékek, kitéve a csőfalon belüli és kívüli terheléseknek, az idő múlásával egyre növekvő valószínűséggel kilyukadnak. A szállított anyag, a nagyobb belső nyomás miatt, a vezetéken keletkező lyukon át a vezetéket körülvevő közegbe áramlik. A környezetet ért hatás mérhető a kifolyt anyag mennyiségével (értékével), a kárelhárítás során mentesített, elszállított és veszélyes hulladékként kezelt talaj térfogatával (a kárelhárítás költségével), a terület értékcsökkenésével, a kiesett termés mennyiségével, stb. Összefoglalóan: a hatás a felelősnél jelentkező mindazon költség, mely tartalmazza a kárelhárítás összes költségét (beleértve az anyagveszteséget is), valamint a károkozásnak megfelelő azon összeget, amit a terület tulajdonosának fizet a kárt okozó. Bizonyos hatások természetesen nem fejezhetők ki pénzben, mint pl. a talajban elpusztult élőlények mennyisége, a környezeti folyamatokba bekerülő toxikus anyagok későbbi hatásai, a vízbázis szennyezése, stb. Véleményem szerint, (1) a lyukadás kockázata térben és időben változó, de mérhető, és (2) kiszámítható a lyukadás előfordulás valószínűségének és annak mérhető következményeinek, hatásainak szorzataként. A kockázat számításánál nyilvánvalóan a legnehezebb feladat a lyukadás előfordulás valószínűségének (p ly ) megadása. Látható, hogy a lyukadás előfordulásának valószínűsége a vezetéket érő belső és külső hatások és a vezeték ellenállás együttes valószínűségének bekövetkezésétől függ. Statisztikai alapon a lyukadás előfordulásának valószínűsége két független valószínűségi változó, a belső hatások okozta lyukadás előfordulásának valószínűségét megadó valószínűségi változó (p b ) és a külső hatások okozta lyukadás előfordulásának valószínűségét megadó valószínűségi változó (p k ) értékétől függ, a következők szerint: 10

p ly = max (p b, p k ) Ebben az esetben feltételezhető, hogy a belső és a külső hatások egymástól függetlenül hatnak a vezetékek különböző szakaszain. A belső hatások, pl. a nyersanyag mozgatott, szilárd fázisának (homok) koptató hatása a vezeték teljes hosszában vékonyíthatja a csőfalat, ezért a külső korróziónak e vékonyabb csőfalat kell korrodálnia a lyukadás bekövetkezéséhez. Emiatt a lyukadás valószínűsége ténylegesen a belső és külső lyukadás előfordulás valószínűségi változóinak függvényeként írható le: p ly = f (p b,p k ) Az árvízvédelemben megfogalmazott kockázatszámításhoz hasonlóan (Nagy L., 2005), azonban nagyon nehéz egy adott területen adott intenzitású veszély, jelen vizsgálatban a lyukadás, várható bekövetkezésének konkrét valószínűségét megadni. A lyukadás kockázatát alapvetően meghatározza a vezeték anyagának korrózióval szembeni ellenállása, amit megadhatnak várható élettartamként. Bár ez az érték nem abszolút mértékű, de mondhatjuk, hogy ez idő után a vezeték lyukadása igen nagy valószínűségű. A bekövetkezés kockázatát, jelentősen csökkenti, ha az élettartamot, valamilyen tevékenységsor révén meghosszabbítjuk, kezdve az egyre ellenállóbb anyagok kutatás-fejlesztésével, azok alkalmazásán át, a külső korrózió elleni védelemig. A vezetéken belüli, lyukadást előidéző hatások közé sorolhatjuk: az áramló anyag szilárd fázisa okozta mechanikai hatásokat, melyek a koptatás révén a vezetékfal elvékonyodásához vezetnek, a szállított anyagok kémiai korróziós hatásait, a szállítás során kialakuló vagy előidézett nyomásváltozásokat, melyek inkább vezetékrepedésekhez, a varratok kinyílásához (anyaghibák) vezetnek. A fenti tényezők kiszűrésére (a kockázat csökkentése érdekében) mára modern eszközöket fejlesztettek ki, melyekkel a vezetékfektetés előtt kimutathatók az anyaghibás részek, másrészt a már működő vezetékek belső falát tudják vizsgálni (ún. csőgörény). Ezért a lyukadás előfordulás kockázatának meghatározásakor a legnagyobb bizonytalanságot, a külső hatások okozta lyukadás előfordulás valószínűségének meghatározása jelenti. Adott vezetékszakaszon történő lyukadás lehetséges bekövetkezésének valószínűségét, a legkedvezőbb esetben, a külső tényezők összetett hatásainak függvényeként adhatjuk meg. ahol kh i az i-dik külső hatás. p k = f(kh 1, kh 2,, kh i ), 11

Amennyiben sikerül a valószínűségi változó és a külső hatások függvényszerű kapcsolatát meghatározni, akkor e hatások térbeli változékonyságának térképezésével kijelölhetők a legnagyobb kockázatú területek, és ezáltal hatékonyabb lehet a légi vezetékmonitoring is. Ha a külső hatások a vezetékhálózat teljes területén egyenlő mértékben okozhatnak lyukadásokat és a vezetékek is teljesen egyformák, akkor a belső hatások térbeli változékonyságától eltekintve, a hálózat teljes területén egyenlő valószínűséggel következhetnek be lyukadások. Ebben az esetben a területegységre, pl. 1 ha-os területre kifejezett lyukadás előfordulás valószínűsége ott a legnagyobb, ahol a legtöbb vezeték húzódik a felszín alatt. A vezetékhálózat főbb elemei: olajvezeték, gázvezeték, segédgázvezeték, termálvízvezeték. A vezetéklyukadás elsősorban a kutakat és a gyűjtőállomásokat összekötő olaj-, illetve a gerincvezetéket érintik. Ez utóbbi, nagyobb átmérője miatt, lyukadás esetén nagyobb területet szennyezhet. A hálózat mára stabil kiépítettségű, egyes vezetékszakaszok cseréje tervszerűen zajlik, új szakaszok fektetésére ritkán kerül sor. A csillagpontos struktúra miatt, a vezetékek legsűrűbben a gyűjtőállomások néhány száz méteres körzetében találhatók, extrém esetben 1 ha-os területen az olajvezeték szakaszok hossza meghaladja a 4 km-t (1. ábra). 1. ábra Olajvezetékhálózat-sűrűség a mintaterületen légifelvételek és topográfiai térképek alapján m/ha-ban 12

A vezetékek vektoros térinformatikai rendszerben történő tárolása esetén, a megfelelő attribútumadatok megléte és rendszerbe integrálása mellett, egyszerű szűrésekkel is leválogathatók a kockázatos szakaszok. Ilyen attribútumadat lehet: a vezeték kora, a szigetelés típusa, a csőfal vastagsága, anyaga a nyomás, a kúttalp mélysége (anyag hőmérséklete) a szilárd, folyadék, gázfázis aránya, fizikai tulajdonságai, a vezeték átmérője, stb. A lyukadások feldolgozott jegyzőkönyvei alapján látható volt, hogy a nagyobb átmérőjű (d=10 ) gerincvezetékek lyukadásainál sokkal nagyobb a kifolyt anyag mennyisége, mint a kisebb vezetékek (kb. d=2,5 ) lyukadásainál. A külső tényezők többnyire térben változó paraméterekkel írhatók le, ezek lehetnek folytonosan változó jellegűek (talajvíz szint, hőmérséklet) vagy diszkrétek (villanyvezeték elektromos tér hatása a korrózióra, útkeresztezés mechanikai hatások, stb.), melyek leginkább hibrid (vektros-raszteres) térinformatikai rendszerekkel kezelhetők. Egyes külső hatások nemcsak a lyukadás kialakulását, hanem a kijutó anyag terjedését is meghatározzák. Ilyen, pl. a talajvíz szintje, mely egyrészt, ha a vezeték szintje fölé emelkedik, akkor a korrózió kockázatát növeli, illetve ha az adott területen nagy a felület gradiense, akkor a szennyezőanyag is messzebbre áramolhat. A talajvízszint időbeli változása miatt a lyukadás előfordulás bekövetkezésének valószínűsége is időben változik. A fenti eredmények is mutatják, hogy a lyukadás kockázat mértéke nemcsak térben, hanem időben is változó értéket mutat, ezért a vezetékmonitoring optimális útvonalának igazodnia kell terület időben változó paramétereihez. 13

3. A mintaterület bemutatása A Dél-Alföld legnagyobb kiterjedésű ipari-bányászati területe a MOL Rt. Algyői Bányászati Üzem bányaterülete, ahol a kitermelés, a szállítás és a feldolgozás egyes folyamatai mind megtalálhatók. A környezet-átalakítás hatásai nem pontosan ismertek, bizonyosak nem is nyilvánosak. A nagy területre kiterjedő bányászati tevékenység miatt a vállalati környezeti monitoring rendszerben hatékonyan alkalmazzák a légi vezetékmonitoringot, területi lefedéssel Algyőn, a termékvezetékek mentén siófoki központtal. Az Algyői Bányászati Üzem bányaterületén több mint 1000 kút található és kb. 1700 km hosszúságú vezetékrendszer húzódik a felszín alatt (2. ábra). 2. ábra A vizsgált terület Landsat TM 453 (RGB) felvételen és az olaj-, gáz- és termálvízkutak vektorfedvénye (Mucsi et al, 2004) 14

Az 1960-as években elkezdett kutatás és kitermelés jelentősen átalakította a korábbi agrár táj arculatát (3-5. ábra). A területen, a bányászati tevékenység mellett, napjainkig folytatódik a mezőgazdasági tevékenység, elsősorban növénytermesztés. Ezért a vezetéklyukadások kockázata nemcsak a MOL Rt-nél, hanem a mezőgazdasági termelőknél is jelentkezik terméskiesés, a talaj minőségének romlása, szennyezett talajvíz miatti terméscsökkenés, a parcella értékvesztése formájában. 3. ábra Légifelvétel 1950-ből (HM Térkészeti Kht., Légifotótár) 4. ábra Korrigált, kb. 2 m felbontású Corona (KH-4B) kémműhold felvétel (1972.05.26) 15

5. ábra Magyarország légifelvételezése program (MADOP) során készült légifelvételekből előállított ortofototérkép részlete (FÖMI, SZTE Természeti Földrajzi és Geoinformatikai Tanszék) 16

4. A talajvízfelszín modellezése és a modellek derivátumainak elemzése Az esetleges szennyezések a talajba, a talajvízbe kerülhetnek, s ez utóbbi áramlási rendszere a szennyezések térbeli terjedését meghatározza. A mintaterületen a MOL Rt. számos talajvíz megfigyelő kutat létesített, melyekben a talajvízszintet félévenként mérik és a talajvíz fizikai és kémiai tulajdonságait, pl. vezetőképesség, CH tartalom, stb. meghatározzák. A kutak jelentős része koncentráltan a gyűjtőállomásokon található, emiatt a talajvízszint felszín meghatározásához, a szükséges geostatisztikai számítások elvégzése után, kiegészítéseként saját kiépítésű megfigyelő kutakat fúrattam mezőben. A leolvasott talajvízszintek, és az azokból generált talajvízszint felszínek modellezésére, a meglévő eljárások mellett, új szimulációs modell kidolgozására volt szükség (Geiger J- Mucsi L, 2004, 2005). Ennek segítségével lehetővé válhat a talajvízszint kis- és nagyléptékű heterogenitásainak vizsgálata. A talajvíz szintjét általános esetben a hidrológiai elemek, ezen belül a csapadék mennyisége (ennek éves és sokéves eloszlása), a beszivárgás és párolgás (evaporáció, transpiráció) mértéke, továbbá a talajtani/szedimentológiai és a topográfiai viszonyok határozzák meg. Belátható, hogy e sok összetevős rendszer elemei közül lokálisan a talajtani és szedimentológiai elemek változékonysága lehet a legnagyobb. Ugyanakkor a talajvízszint térképi felületeiben ez a heterogenitás általában nem tükröződik. A sztochasztikus szimulációk módszer családjából választott szekvenciális gaussi szimuláció példát mutathat a kis és közepes léptékű geológiai heterogenitással szinkronban levő talajvízszint térképezésére. A mintaterület, ahogy az I. és a III. katonai felmérés során készült térképeken (6-7. ábra) is látható, egy a Tisza által folyamatosan alakított, formált térszínen, a Tisza egykori kanyarulatának jobb (belső) oldalán található, melyet a szabályozások során az új meder kialakításával leválasztottak a meander jellegzetes övzátony sorozatáról. 17

6. ábra Részlet az I. katonai felmérés térképeiből a mintaterületre vonatkozóan 7. ábra Részlet a III. katonai felmérés térképeiből a mintaterületre vonatkozóan (eredeti méretarány 1:25000, SZTE TFGT Térképtár) 18

4.1. Az övzátony szedimentológiai heterogenitásának léptékei Az övzátony idealizált geológiai metszetében genetikailag négy nagy egységet különböztetnek meg: (1) a mederágy üledékei, (2) a tulajdonképpeni övzátony sorozat, (3) a természetes partgát és (4) az ártéri sorozat (8.ábra). Maga az övzátony test üledékszerkezete és szövete alapján alsó és felső övzátony testre tagolható. 8. ábra Egy övzátony idealizált szedimentológiai metszete (Geiger-Mucsi, 2005) A szövet és szerkezet jellegzetességei a pórusméret eloszláson keresztül alapvetően meghatározzák mind az effektív porozitást, mind a permeabilitást. Az üledékes szövetnek és szerkezetnek a permeabilitás változékonyságára gyakorolt hatása nemcsak abszolút értékeinek, hanem anizotrópiájának szempontjából is meghatározó. Ennek természetes következménye, hogy a pórusrendszerben áramló folyadék nyugalmi szintje elvileg a befogadó közeg meghatározó üledékes szerkezetétől függően változhat. A szedimentológia egyik alaptörvénye (Walther-féle fácies elv) értelmében, azok a jellegzetességek, amelyek egy metszetben egymás felett jelentkeznek, a térben valamely időhorizont mentén egymás mellett fordulnak elő. Ez egyben azt is jelenti, hogy a 8.ábrán bemutatott függőleges heterogenitás laterálisan is befolyásolni fogja a (nyugalmai) talajvízszint térbeli helyzetét. Arra, hogy ez a változás mekkora léptékű lehet, a 8.ábra genetikai egységei üledékszerkezeti tartalmának vízszintes irányú kiterjesztése adhat választ. Ez a jelenkori képződmények szedimentológiai vizsgálata alapján néhány métertől néhányszor 10 (esetleg 100) méterig terjedhet (Pryor, 1987, Mial, 1996). A recens övzátonyok földradarral való vizsgálata (Brunner et al, 2001) ugyanakkor kimutatta, hogy bennük olyan jól azonosítható fizikai határfelületek vannak, amelyek a zátony meander görbületnövekedés okozta laterális akkréciós felületeinek felelnek meg (9.ábra). 19

Ezek a vizsgálatok olyan szöveti változásokat mutattak ki, amelyek változékonysági léptéke néhányszor 100 métertől néhány kilométerig terjedhet, az övzátony méretétől függően. 9. ábra Egy övzátony GPR metszete (Brunner et al., 2001 nyomán, módosítva) Összefoglalva: az övzátony testekben a szedimentológiai jellegzetességek laterális változékonysága kétféle léptékben nyilvánul meg (1) néhány métertől néhányszor tíz (esetleg száz) méteres léptékben és (2) néhányszor 100 métertől néhány kilométerig terjedő léptékben. Az (1) változékonysági szint elemi egysége az üledékszerkezeti jegy nagysága, míg a (2) szint elemi egysége a medereltolódások során kialakult akkréciós felszín. Ezzel adottnak tekintjük a szedimentológiai rendszer azon két léptékét, amelyek heterogenitását elvárhatóan vissza kell adnia a talajvízszint térképének. 20

4.2. A talajvízszint geostatisztikai értelemben egy regionalizált változó A korábbi meggondolások nagyon fontos következményei az alábbiak: (1) a talajvíz szint olyan térben értelmezett tulajdonság, amely mérési pontonként valószínűségi változóként értelmezhető; (2) van olyan térbeli kapcsolat, amely ezeket a valószínűségi változókat összekapcsolja. Az állítás (1) része nyugalmi vízszintet tartó üledéktest szöveti jellegzetességeinek változékonyságából következik, míg a (2) állítás abból a tényből fakad, hogy az övzátony térben változó folyamat eredménye. A talajvízszint abszolút magassági értékei alapján szerkesztett térkép a térbe helyezi a talajvíztükröt és megmutatja annak alakját. A talajvíz felülete valójában nem más, mint ennek a függvénynek nem feltétlenül egyedüli realizációja. Folytatva ezt a gondolatmenetet megállapítható, hogy a sima talajvíz felület (10.ábra) azt fejezi ki, hogy a befolyásoló hidrológiai elemek mint regionalizált változók az adott terület felett nem-nagyon változnak mérési pontról mérési pontra. A kérdés ezek után már csak az, hogy a konvencionális úton szerkesztett térkép vajon az alkalmazott grid készítő eljárás miatt ad-e sima felületet. 10. ábra Nyugalmi vízszint a felszín alatt A felület szerkesztésekor akár raszter (grid), akár vektor (TIN) alapú eljárásról van szó az adatponti értékek kiterjesztésekor olyan hiba-minimalizáló eljárást alkalmazunk, amelyet a legkisebb négyzetek módszere értelmében fogalmazunk meg. Ezek az eljárások, a 21

választott algoritmustól eltekintve, egyértelmű eredményeket adnak. A cél minden esetben a lokális pontosság elérése és a regionális trendek megjelenítése (Journel, 1987, Deutsch és Journel, 1998). Ennek érdekében ezek olyan low-pass szűrőként működnek, amelyek célja pontosan e kisléptékű változékonyság zavaró hatásának megszüntetése. Azaz látható, hogy a hagyományos grid készítő algoritmusok, megoldási módjuk miatt, legfeljebb csak a nagyléptékű (övzátony esetében a néhányszor 100 métertől néhány kilométerig terjedő) változékonyság leírására alkalmasak, a kisléptékű változékonyságot kiszűrendő varianciának tekintik. (Az a tény, hogy a nagyléptékű változékonyság leírását jól végzik, egyértelműen látszik a 10.ábra térképén is, hiszen itt a laterális akkréciós felszínek kitűnően megjelennek.) Ugyanakkor van egy olyan eljárás csoport, amely célja (a lokális megbízhatóság helyett) éppen a kisléptékű változékonyság megjelenítése és a vizsgált paraméter térbeli folytonossági tulajdonságainak reprodukálása. Ezeket a megközelítéseket az irodalom sztochasztikus szimulációknak nevezi. 22

4.3. A szekvenciális Gaussi szimuláció 4.3.1. Általános elvek Tekintsünk egy z(u) regionalizált változót. A sztochasztikus szimuláció az a folyamat, amelyben felépítjük a z(u) térbeli eloszlásának alternatív, de egyenlőn valószínű, nagy felbontású modelljeit. Az egyes (általában griddelt) realizációkat sztochasztikus képeknek nevezzük. A szimulációt "feltételesnek" mondjuk, ha a realizációk megtartják az eredeti, mért adatokat minden egyes pontban. A z(u) változó lehet nominális, pl. bizonyos kőzet jelenléte vagy hiánya, vagy lehet folytonos, mint pl. talajvízszint, porozitás, szivárgási tényező stb. A szimuláció az alábbiakban különbözik mind a krigeléstől, mind bármely interpolációs algoritmustól (Carr és Myers, 1985): 1. A legtöbb interpolációs algoritmus célja az egyes mintázatlan z(u) értékek legjobb lokális z*(u) becslését megadni tekintet nélkül a z*(u) becslések, térbeli statisztikájára. A szimuláció során a lokális pontosságnál nagyobb fontosságú a létrejövő globális jellegzetesség (szövet) és a szimulált zl(u) értékek statisztikája. 2. A helyi adatok és feltételes statisztikák adott halmazára nézve a krigelést olyan interpolációs algoritmusként használják, amely által adott egyszerű numerikus modellt bizonyos lokális pontosság értelmében a legjobb. Ugyanakkor a szimuláció sok alternatív modellt kínál, amelyek mindegyike bizonyos globális értelemben a valóság "legjobb" megjelenítése. Az alternatív modellek vagy realizációk közötti különbség az együttes térbeli bizonytalanság mérésének lehetőségét kínálja. A Gaussi típusú szimulációk a realizációkban, az input adatok kovariancia modelljét adják vissza. Emiatt alkalmasak nagy térbeli folytonosságú tulajdonságok modellezésére. Tekintsük nagyon nagy N-re az N db Z i valószínűségi változó együttes eloszlását. Azaz, a bevezetőben mondottak szerint, vegyük az összes rendelkezésünkre álló adatpontban mért értéket (a geostatisztika szerint, ahány adatpont, annyi valószínűségi változó) és tekintsük ennek az N valószínűségi változónak az összes típusú n adat halmazára vonatkozó (jelölése (n) ) kondicionálását. A megfelelő N-változós feltételes eloszlásfüggvény az alábbi: F (N) (z 1,...,z n (n))=p{z i z i, i=1,...,n (n)} A geostatisztika elvei szerint, ha a talajvízszintet regionalizált változónak tekintjük, akkor ez az egyes adatpontokban valószínűségi változó. Azaz értékeit bizonyos valószínűséggel veszi fel. Ebből következően az adatponti érték nem más, mint az adatpontban létező valószínűségi változó egy véletlenszerű értéke. Ez az érték az adatpont körüli eloszlásból szárma- 23

zik. Mármost feltételezhető, hogy amennyiben a vizsgált folyamat a területen homogén az egyes adatpontok körüli eloszlás típusa megegyezik a teljes terület feletti eloszlás típusával. Ha a mért adatokra elvégzünk egy normál érték transzformációt, akkor ezt a közös eloszlást már meg is lehet jelölni. Mint ismert, a normál eloszlást első és második momentuma (várható értéke és szórása) teljesen meghatározza. Ezt a tényt alkalmazza a szekvenciális szimuláció az egyes grid pontok körüli eloszlások meghatározásában (Carr és Myers, 1985). A megoldás menete a következő. 4.3.2. Algoritmus Illesszünk az adatpontokra egy szabályos grid hálót. A térképezés során az adatponti értékekből a grid pontjaira adunk becslést, majd a közöttük levő változást egy kontúrozó eljárással jelenítjük meg. A szimuláció ezt a meggondolást kicsit módosította az alábbiak szerint (11.ábra): Válasszunk ki egy grid pontot és krigeléssel becsüljünk ide értéket a környező adatpontok alapján. A krigelés során a becslés értéke a megcélzott (grid) pontbeli becslések várható értéké lesz. Ennek stabilitását a krigelési szórás mutatja. A kiválasztott (grid) pont körül a várható érték és szórás, valamint az eloszlás normalitásának ismerete alapján megadhatjuk az ide becsülhető talajvízszint értékek helyi eloszlását. Természetesen választhatunk is egy véletlenszerű értéket ebből az eloszlásból, amelyet hozzárendelünk a becslésre kijelölt grid ponthoz (11.ábra). Ezt a véletlenszerű értéket tegyük most a rendelkezésre álló adatpontok közé, és ezzel a kibővített adathalmazzal adjunk becslést a következő grid pontra. Itt ismét felépíthető a pont körüli eloszlás a krigelés várható értéke és szórása alapján, majd választva egy véletlen értéket ebből az eloszlásból, ezzel ismét bővítjük a rendelkezésre álló adatokat. Ezt az eljárást ismételjük minden egyes grid pont számításakor. Ezzel megkapunk egy realizációt. A teljes eljárás megismétlésével és természetesen a grid pontok körüli eloszlásból történő újabb választással újabb realizációkat kapunk. 11.ábra A szekvenciális Gaussi szimuláció elvi vázlata 24

A grid rendszer bejárását éppúgy, mint az eloszlásokból való választás szabályát, egy véletlenszám generátor értékétől tehetjük függővé. Ez egyben biztosítja, hogy az egyes realizációk egyenlően valószínűek lesznek. 4.3.3. Az eredmények értelmezése A fentiekben vázolt algoritmus lényegében a megismerés folyamatát modellezi, hiszen minden egyes grid pont számolása a korábbi eredmények ismeretében történik. Emiatt az egyes realizációk a valóság ilyen is lehet megjelenítését adják. Ez a szemlélet teljesen megfelel annak a ténynek, hogy a kontúrtérkép csak a választott algoritmus rögzítése után egyértelmű (Brooker, 1979). A realizációk sorozatának várható értéke az a legjellemzőbb térbeli eloszlás lesz, amely a kisléptékű heterogenitást a leginkább megjeleníti. Az egyes realizációk különbsége a vizsgált tulajdonság esetünkben a talajvízszint térbeli leképezhetőségének bizonytalanságát fejezi ki. Fontos szem előtt tartani, hogy ez a bizonytalanság teljesen független attól, hogy milyen pontos az egyes kutakban levő vízszint leolvasása. Valójában ez a bizonytalanság attól függ, hogy a kisléptékű változásokra képes hidrológiai paraméterek mennyire homogének az adott területen, és hogy ezt a homogenitást (vagy heterogenitást) mennyire lehet megfogni a rendelkezésre álló kutak geometriai rendszerével. Vizsgálatunk tárgya a Tisza-folyó Algyő és Szeged közötti nagy övzátonya (12.ábra). E területen ma a MOL Algyői Operatív Egységének termelő kútjai, és felszíni berendezései helyezkednek el. A felszínen, a folyóvízi üledékképződés hatására, holocén homok, aleurit és agyag képződmények alakultak ki. A fúrások rétegsora szerint, a felső aleuritos homokos sorozat alapvetően lencsés települési rendszere alatt, 4-5 méter mélységben már regionális vízzáró réteg jelenik meg (egykori ártéri képződmény), amely alatt a terület DK-i részén ismét megjelenik az óholocén folyóvízi homok. A MOL Rt a gyűjtőállomások környezetében talajvíz megfigyelő kutakat működtet. Ezek információiból, valamint a topográfiai térkép szintvonalai alapján lehetőség volt mind a domborzat, mind a talajvízszint nagyvonalú területi változásának rögzítésére (12-13.ábra). 25

12.ábra A vizsgált terület digitális domborzatmodellje Ezen információk alapján, rácshálóba rendezve a krigelési szórás változását figyelembe véve további 17 db, 5-7 m mély megfigyelő kút helyét jelöltük ki (13.ábra). A kutak rétegsora a terület általános földtani felépítéséhez képest többlet információt nem adott. 13.ábra Az új megfigyelő kutak helye a talajvíz kontúrokon, valamint terepi felvételek a megfigyelő kutak beméréséről 26

4.4. A feldolgozás lépései 4.4.1. Adatelőkészítés A feldolgozás első lépése az adatponti értékek területi és gyakorisági eloszlásának áttekintése (14.A-B ábra). Ennek során két dolog azonnal szembetűnő: (1) az adatpontok közül sokan csoportokban fordulnak elő (ezek a MOL Rt által készíttetett megfigyelő kutak, amelyeket a gyűjtőállomások körül, egymástól viszonylag kis távolságra telepítettek); (2) ezek között vannak olyan csoportok, amelyeken belül a mért értékek jelentősen különböznek egymástól. Az adatok gyakorisági eloszlása ugyanakkor viszonylag szimmetrikus (14.B ábra). A kutak csoportos előfordulása olyan jelenség, amely meglehetősen gyakori minden olyan mesterséges objektum környékén, ahol a környezetvédelmi célok miatt kis távolságra történő megfigyelések és a talajvíz szint rögzítése miatt nagyobb távolságra telepített kutak vegyesen fordulnak elő. Ugyanakkor a térképezés oldaláról ez olyan problémával jár, hogy a grid cellák kialakításakor a kútcsoportok túlzottan rávetítik értékeiket a környező adatpontokra. Emiatt a kapott kontúrok nem a valós helyzetet fogják tükrözni. Ugyancsak problémát jelent az ilyen geometria a gyakorisági hisztogram elemzésében is, hiszen ekkor a hisztogram a közeli adatpontok értékeinek hatása alatt áll. Ilyen esetben ún. csoportbontó algoritmus alkalmazása a járható út (Deutsch és Journel, 1998). Ennek során olyan elméleti rácsot illesztünk a területre, amelyben a kútcsoportok elemeikre tudnak bomlani. Eredményként olyan súlytényezőket kapunk, amelyek az egymáshoz közeli kutak esetében kis értékűek, míg a távolabbi kutak esetében viszonylag nagyok. Ezáltal biztosítható a közeli értékek árnyékoló hatásának elkerülése. A csoportbontó eljárás kb. 500 m-ben jelölte meg a súlyozáshoz legalkalmasabb cellaméretet (14.C ábra). A csoportbontó súlyok alkalmazásával készült gyakorisági hisztogram (14.D ábra) nyilvánvalóbban mutatja a talajvízszintek modális osztályát (14.B és D ábra). A szekvenciális Gaussi szimuláció leírásakor már hangsúlyoztam a normál érték transzformáció szükségességét. A csoportbontó súlyokkal kezelt adatok eloszlása a grafikus vizsgálat szerint még mindig meglehetősen messze áll a normál eloszlástól (14.E ábra). Ugyanakkor a normál érték transzformáció a mintákat jellegzetes normál eloszlásúvá alakítja, mégpedig úgy, hogy az átalakítási párok rögzítése után a standard normál eloszlásról való visszatérés nagy biztonsággal megtehető (14.F ábra). 27

Jelmagyarázat: A= az adatponti értékek, B= Gyakorisági eloszlás, C= A csoportbontó eljárás eredménye, D= Gyakorisági hisztogram a csoportbontó eljárás után, E= Normalitás vizsgálat az eredeti adatokra, F= Normalitás vizsgálat a normálérték transzformáció után 4.4.2. Variográfia 14.ábra A geostatisztikai feldolgozás első lépései A variográfiai elemzések a talajvízszint térbeli folytonosságának és e folytonosság anizotrópiájának mértékeit tárják fel. Egyben fontos adatok a krigelés és a sztochasztikus szimuláció végrehajtásához. A variogram felszín a talajvízszint térbeli folytonosságának vizuális elemzésére szolgál (15.A ábra). A B 15.ábra A variogram felszín és a variogram modell 28

A mért adatok (2002. október) variogram felszíne egy ÉNy-DK-i fő folytonossági irány mellett egy erre merőleges, láthatóan kisebb hatástávolságú ÉK-DNy folytonossági irányt mutat (15.ábra A része). Az ÉNy-DK irány a 13.ábra sima relatív talajvízszint felületén is egyértelműen megjelenik, sőt a 16.ábra kontúr térképének DK-i részén az erre merőleges irány is azonosítható. Ez a jelenség valószínűleg az övzátony akkréciós növekedésével függ össze, amelynek során az egyes határfelületek a meder-domborulat mindenkori csapásával párhuzamos elhelyezkedésre törekednek (16.ábra). 16.ábra Laterális akkréciós felszínek megjelenése a talajvíz szint térképén A 15.ábra B része a tapasztalati variogram adatokra illesztett modellt mutatja be. A modell igen bonyolult, háromkomponensű összetett modell. A komponensek közül az első kb. 250 m, a második kb. 3800 m, a harmadik kb. 4100 méter hatástávolságú. Igen valószínű, hogy a talajvíz szint sima képe ez utóbbi, nagy hatástávolságú folyamatot fogja meg. Ez a hatástávolság majdnem megegyezik az övzátony jelenlegi hosszával, így vélhetően a zátonytestet kialakító akkréciós folyamatok hatását tükrözi. A második hatástávolság nagyságrendje az elsőhöz rendkívül közeli, talán a terület déli egyharmad részében DNy-ra forduló meder zátonyra gyakorolt hatásával függhet össze (17.ábra). Ugyanakkor a kisléptékű (kb. 250 méteres) heterogenitás már nem hidrológiai, hanem valószínűleg szedimentológiai hatásoknak tudható be. Amennyiben ez igaz, akkor a zátonytest belső heterogenitása tükröződik ekkora léptékben a talajvízszint területi rendszerében. Ez tehát az a heterogenitási tartomány, amelyet keresünk, ha modell valóban visszaadja az alapadatok folytonossági tulajdonságait. 29