2020. augusztus 13., csütörtök

Az antropogén hő termikus környezetre gyakorolt hatásának modellezése hazai nagyvárosokra

Támogató szervezet

Az Innovációs és Technológiai Minisztérium Új Nemzeti Kiválóság Programja (UNKP-19-3-SZTE-203)

A projekt időtartama

2019. 09. 01. – 2020. 01. 31.

A projekt bemutatása

Az ENSZ által megfogalmazott fenntarthatósági fejlődési célok között szerepel a „Fenntartható városok és közösségek” tematikája. Ez nem véletlen, hiszen 2050-re a Föld lakosságának kb. 70%-a fog urbánus környezetben élni. Az intenzív antropogén tevékenység (pl. közlekedés, hűtés/fűtés, ipar stb.) következtében a városokban akár 4 °C-kal is magasabb lehet a hőmérséklet, mint a környező vidéki területeken. Egy nyári hőhullám során 1 °C-os hőmérséklet-emelkedés több mint 4%-kal növelheti a halálozási rátát, illetve 2–4%-kal az áramfogyasztást. Mindezek alapján megállapítható, hogy az emberi tevékenység okozta városi hőterhelés-többlet jelentős gazdasági és egészségügyi kockázatokkal jár.

Jól ismert, hogy a klímaváltozás már napjainkban is érezteti hatását Magyarországon, azonban igen kevés megbízható és tudományosan megalapozott információnk van a városi léptékű antropogén hőmegjelenés és a helyi környezet speciális éghajlatának hatásmechanizmusairól, valamint e kettő kölcsönhatásáról.

A kutatás célja, hogy számszerűsítse a különböző, de egymással szoros összefüggésben lévő emberi tevékenységek (pl. közlekedés, épületi energiafelhasználás, metabolikus hőtermelés) során légkörbe juttatott hőmennyiség nagyságát öt magyarországi nagyvárosra (Budapest, Debrecen, Szeged, Pécs, Miskolc). Emellett vizsgálja, hogy az így keletkező hőenergia mekkora mértékben járulhat hozzá az adott város termikus környezetének módosulásához és a lakosság hőterhelésének növekedéséhez. A módszer alkalmazásával lehetőség nyílik a városi hőtöbblet lokális energiafelhasználásra gyakorolt hatásának elemzésére is.

Módszertan

Az antropogén hő tér- és időbeli eloszlása a LUCY (Large Scale Urban Consumption of EnergY) globális modell adaptálásával valósult meg. A modellben az összesített antropogén hőt (QF; Wm-2) a következő egyenlet definiálta:

eq001

A QM tag az emberi test természetes biofiziológiai folyamatából származó metabolikus hőtermelésre utal. A QM egy adott területen a népsűrűségétől (P) és az ott lakó vagy dolgozó emberek metabolikus aktivitásától (HM(t)) függ. Időbeli maximuma a nap közepén (munkahelyi aktivitás) figyelhető meg. A QM-et az alábbi (tapasztalati) összefüggés adta meg:

eq002

A QV tag a közlekedés következtében a légkörbe jutó hőmennyiségre utal. Legnagyobb értékeit a nagy forgalommal és zsúfolt utakkal rendelkező belvárosi részeken veszi fel. Az időbeli jellemzője a bimodális eloszlás, ami a közlekedés tipikus ütemére utal. Ennek értelmében a QV kora reggel és késő délután maximális. A heti eloszlásban pedig a hétköznapok dominálnak a hétvégével szemben. A QV-re elsősorban forgalomszámlálási adatokból tudunk következtetni. A QV egyenlete a tanulmányban:

eq003

A QB tag az épületek energiafelhasználásával arányos. A gyakorlatban a lakossági energiafelhasználást a két legdominánsabb tényező határozza meg: az elektromos energia és a földgáz fogyasztása. Az antropogén hő modellezése során azzal a feltételezéssel lehet élni, hogy a fűtéshez, hűtéshez (légkondícionálás), elektromos eszközök használatához vagy főzéshez felhasznált energiamennyiség teljes egészében hővé alakul és távozik a légkör irányába. A QB számszerűsítése részletes földgáz és áramfogyasztási órás, napi és havi felbontású adatsorok ismeretében tehető meg. Fontos kiemelni, hogy míg az áramfogyasztás kevésbé függ az évszaktól és a napszaktól, addig ez a földgáz esetében nem érvényes. Utóbbinak határozott maximuma figyelhető meg a közepes földrajzi szélességeken (így Magyarországon is) a téli évszakokban. Kiszámításánál a napi középhőmérséklet meglehetősen fontos tényező, hiszen ez határozza meg azt az épületi komfortérzetet, ami eldönti a fűtés/hűtés létjogosultságát. A QB kiszámítása a következők szerint történt:

eq004

A következő táblázatban a bemenő paraméterek forrásait mutatom be. A HM(t) profil 175 W (maximális munka) és 75 W (alvás) között változott. Mindhárom egyenletben megjelenő P az adott település népsűrűségét takarja. Ennek térbeli változásai a 2018-as választási adatok alapján lettek definiálva a választási zónák és a hozzájuk tartozó (permanens) szavazók számának, valamint a szavazásra jogosultak és nem jogosultak (18 év alattiak) arányának ismeretében. Ahogy az a lenti táblázatban is megfigyelhető, a QV paraméterei a Magyar Közút Zrt. forgalomszámlálási adatai és a KSH ide vonatkozó információi alapján lettek kiszámítva. A gázfogyasztáshoz szükséges fűtési fokszám és napi középhőmérsékletek a CarpatClim éghajlati adatbázis (http://www.carpatclim-eu.org/pages/download/) és ún. meteorológiai SYNOP táviratok szolgáltatták. Az áramfogyasztás esetében a MAVIR Zrt. által publikált órás adatokból lehetett következtetni a tipikus napi menetekre.

table001


Eredmények

A vizsgálatok egy nyári (2017. július 20­–21.) és egy téli időszakra (2016. december 30–31.) készültek el. Ezen napok során zavartalan, frontmentes időjárás jellemezte a Kárpát-medencét, mely kedvezett a helyi hatások és termikus kontrasztok kialakulásának.

Ekkor az antropogén hő átlagos napi menete visszaadta a tipikus bimodális eloszlást:

image001

Az egyes komponensek (QM – kék; QV – sárga, QB – piros) egymáshoz viszonyított tipikus arányai a nyári (bal oldali ábra) és téli (jobb oldali ábra) időszakban Szegeden a következő sorrendet mutatta: QB > QV > QM.

image002

Az egyes városok átlagos QF értékeit [Wm-2-ben] a két vizsgálati periódusban a lenti táblázat tartalmazza. Télen nagyobb QF adódott, mint nyáron. Télen rendre 10 Wm-2 feletti átlagos QF-ek figyelhetők meg. A két időszak átlagában Miskolcra kaptam a legnagyobb QF értéket. Ez a lakótelepek nagy népsűrűségének és a domborzat okozta helyi klímának tulajdonítható. Debrecen ugyan nagyobb település, mint Miskolc, de kisebb a népsűrűsége, így átlagban kisebb QF-fel volt jellemezhető. Ugyanakkor lokálisan (egy-egy rácspontban) a QF maximuma elérte a 100 Wm-2-t is.

table002

Az antropogén hőtöbblet termikus környezetre gyakorolt hatásának meteorológiai elemzése a WRF modellkimenetek alapján valósult meg. A fókusz a szabványos (2 m-es) léghőmérséklet területi és időbeli menetének az elemzésén volt. A modellbeállítások megegyeztek a Molnár et al. (2019) tanulmányban (https://doi.org/10.1007/s00704-019-02881-1) leírtakkal. (Az antropogén hő eredményeinek a meteorológiai modellbe történő betáplálásáról a „Modellezési séma menüpontban” olvashat bővebben.)

A lenti táblázat az antropogén hő hatására kialakuló átlagos téli hőmérséklet-többletet (∆T) (°C) foglalja magában. Látható, hogy a legnagyobb érték Szegeden (Nyíregyházán) adódott, melyek 0,2 és 1,5 °C között változtak. A QF értékekből ugyan más sorrendre lehetne következtetni, azonban mivel Szegedre – egy korábbi kutatás eredményeként – pontosabb felszíni reprezentáció áll rendelkezésre, így ott egy nagyobb és reálisabb ∆T következett be. Következésképpen a debreceni, miskolci és nyíregyházi ∆T értékekre inkább úgy kell tekinteni, mint az antropogén hő által okozott hőmérséklet-emelkedés alsó korlátja.

table003

Az átlagos hőmérséklet-többlet (°C) térbeli alakulása éjszaka (bal oldal) és nappal (jobb oldal) a téli időszakban. A lenti ábrákon is kitűnik, hogy a szimulált ∆T maximuma Szegeden és az éjszaka folyamán volt. Miskolcon a maximumok a város nyugati részén jelentkeztek (pl. Vörösmarty városrész, Zsarnaitelep). Debrecenben különös nagy (∆T > 5 °C) értékek a belvárosban adódtak. Nyíregyházán határozott területi jelleg nem rajzolódott ki. Nem úgy Szegeden, ahol akár 2 °C feletti éjszakai ∆T-k is kialakultak a központi és nyugati részein (pl. Felsőváros, Tarján)


Nyíregyháza:

image003

Miskolc:

image004

Debrecen:

image005

Szeged:

image006


Modellezési séma

image007

1. A vizsgálati terület kijelölése a QF és a ∆T esetében különböző:

QF: csak a várost és annak a szűk (kb. 5 km-es) környezetét tartalmazza

∆T: itt érdemes egy nagyobb pufferzónát (kb. 25 km-es) alkalmazni, hiszen a természetes (városi) és mesterséges (vidéki) területek közötti kontraszt jobban kirajzolódik

∆T: a modelltartományokat úgy kell megválasztani, hogy a legjobb felbontású tartomány felbontása 3 km alatt legyen

2. A vizsgálati időszak(ok) kijelölése legyen egységes, ugyanakkor törekedni kell arra, hogy az időszakok azonos időjárási helyzet jellemezze (frontátvonulás a periódus közepén kerülendő)
3. Az alapértelmezett QF futtatás elvégzéséhez csak az eredeti LUCY-t kell alkalmazni, az adatbázisok módosítása nem szükséges.

A cél egy referencia futás biztosítása az összehasonlításhoz

4. A LUCY adaptálása során a mintaterületre jellemző adatokat kell begyűjteni. Ez több lépésből tevődik össze:

az adatelérhetőség felmérése

az adatok szétválogatása

területi leskálázás

a kapott adatbázis ellenőrzése

5. Az adaptált futtatás elvégzése az új adatbázisok beépítésével (mat2ascGUI_64bit.exe)
6. A QF érdemes a városi felszínosztályok szerint csoportosítani; ez a lépés a raszteres formátumú LUCY kimenet és egy tetszőleges formátumú felszínborítottsági állomány ismeretében a QGIS szoftverben könnyen megtehető (pl. Vector => Data Management Tool => Join by attributes)
7. A QF WRF-be történő implementációja (betáplálása) szintén az városi kategóriák szerint történik. Ehhez a következő komponensek kellenek:

az átlagos, városi felszínkategóriák szerint szélválogatott QF-ek előállítása

átlagos napi menet előállítása a teljes vizsgálati területre (a városi felszínosztályoktól függetlenül)

a szükséges szerkesztés elvégzése az URBPARM.TBL állományban

8. A modellkísérletek végrehajtásánál a cél az antropogén hő okozta hőmérsékletváltozás kimutatása! Ehhez kell:

kontrolfutás (CTRL) az adott időszakra vonatkozóan (QF=0; AHOPT=0)

valódi futás (REAL) az adott időszakra vonatkozóan (QF>0; AHOPT=1)

a meteorológiai mezők különbségeinek előállítása (CTRL-REAL)

9. A kapott eredmények interpretációja a fizikai mezők különbségeinek (térbeli és idősoros) vizualizációjával tehető meg
10. Amennyiben lehetőség van rá, az eredmények verifikációja kulcsfontosságú az esetleges hibák kiküszöböléséhez és csökkentéséhez