Klima měst a ve střední Evropě a globální změna klimatu (Urban climate in Central European cities and global climate change)

Transkript

1 Informační den projektu: Klima měst a ve střední Evropě a globální změna klimatu (Urban climate in Central European cities and global climate change) Petr Dobrovolný 1,2, Jan Geletič 1,2 1 Centrum výzkumu globální změny AV ČR, v. v. i., Brno 2 Geografický ústav přírodovědecké fakulty Masarykovy univerzity Brno, 9. září 2015 International Visegrad Fund Standard Grant No

2 Obsah prezentace 1. Základní informace o projektu 2. Motivace 3. Klima Brna současný stav poznání 4. Data a metody 5. Modelování současného klimatu 6. Budoucí klima 7. Shrnutí, výhledy,

3 O projektu Projekt je realizován v letech za účasti: - Jagiellonian University, Institute of Geography and Spatial Management, Krakow, Poland (koordinátor) - Institute of Meteorology and Water Management, Branch Krakow, Poland - Centrum výzkumu globální změny AV ČR, v. v. i., Brno, Česká republika - Palackého univerzita, Olomouc, Česká republika - University of Szeged, Hungary - Slovenský hydrometeorologický ústav, Bratislava, Slovenská republika - Central Institute for Meteorology and Geodynamics, Vienna, Austria

4 Projekt je financován Visegrádským fondem jako standardní Grant No

5 Cíle projektu Hlavním cílem je zvýšit obecné povědomí o možných dopadech změny klimatu na životní podmínky obyvatel měst ve střední Evropě Jednou z hlavních aktivit projektu je predikce nárůstu tzv. teplotní zátěže vyjádřené např. počtem letních či tropických dní ve Vídni (Rakousko, 1,8 mil. obyvatel) a ve čtyřech městech reprezentujících státy Visegrádské skupiny: Krakow (Polsko), 760,000 obyvatel Brno (Česká republika), 380,000 obyvatel Bratislava (Slovenská republika), 500,000 obyvatel Szeged (Maďarsko), 170,000 obyvatel

6 Motivace Globální změna klimatu: změna průměrné globální teploty vzduchu při povrchu v období let v porovnání s obdobím bude pravděpodobně v rozsahu 0,3 C až 0,7 C Zvýšení průměrné globální teploty v období v porovnání s obdobím let bude pravděpodobně v rozsahu 0,3 C až 1,7 C (RCP2.6), 2,6 C až 4,8 C (RCP8.5) (IPCC 2013) Je velmi pravděpodobné, že se zvýší frekvence a intenzita hydrometeorologických extrémů Průměrná roční teplota vzduchu na území ČR (Brázdil et al. 2012) v období a odhady lineárního trendu pro posledních 150, 100, 50 a 25 roků.

7 Motivace Vyšší teplotní zátěž a nárůst extremity počasí mohou v následujících letech negativně ovlivňovat především životní podmínky ve městech s přímými dopady na kvalitu života či zdravotní stav obyvatelstva Důkladnější poznání příčin a mechanismů, které formují klima měst je nezbytné pro zmírňování negativních dopadů změny klimatu a realizaci případných adaptačních opatření a) b) Kolísání ročního počtu letních (a) a tropických (b) dnů na stanici Brno, Tuřany v období doplněné hodnotami shlazenými Gaussovým filtrem pro 10 let a odhadem lineárního trendu

8 Současný stav poznání klimatu Brna

9 Poloha meteorologických stanic použitých pro sestavení kompilované brněnské teplotní řady (1 Dominikánské náměstí, 2 klášter Minoritů, 3 Staré Brno, nemocnice u Svaté Anny, 4 Staré Brno, Pekařská ulice č. 100, 5 Staré Brno, augustiniánský klášter, 6 c. k. vysoká škola technická, 7 Pisárky, vodárna, 8 Pisárky, Květná, 9 Tuřany, letiště) a kolísání průměrné roční a sezónní teploty vzduchu v Brně v období

10 Účelová síť meteorologických stanic v Brně a okolí, geografická databáze a Prostorová diferenciace průměrných denních teplot vzduchu (T avg ), teplotních minim (T min ) a intenzity tepelného ostrova (ΔT) v oblasti Brna ve dnech s radiačním režimem počasí v letním období; teploty jsou vyjádřeny v odchylkách od průměrné denní teploty vzduchu studovaného území a vypočteny na základě měření na šestnácti stanicích účelové sítě ve 41 dnech s radiačním režimem počasí v létě r až 2011.

11 a) c) b) Trasa mobilních měření (a), variabilita teploty vzduchu podél trasy měření (b) a typická prostorová diferenciace teploty vzduchu v Brně a okolí během první poloviny noci v letním období za radiačního typu počasí (c); teploty jsou vyjádřeny v podobě odchylek od průměru.

12 Průměrné povrchové teploty (LST) vybraných kategorií základních druhů povrchů a odhad intenzity povrchového tepelného ostrova Brna definované jako rozdíl mezi teplotami základních druhů povrchů (LST) charakterizujících městskou zástavbu a přirozené povrchy (1 obytná zástavba, 2 průmyslové a transportní plochy, 3 parky a rekreační plochy, 4 zemědělská půda, 5 lesy a sady, 6 vodní plochy). Variabilita povrchových teplot (LST) střední části Brna sestavená na základě termálního snímku LANDSAT TM 5 pořízeného 15. června Hodnoty LST jsou vyjádřeny barevnými odstíny, černými obrysy je znázorněn rozsah zástavby. Letecké snímky prezentují charakter zástavby s nejvyššími hodnotami: 1 Výstaviště, 2 průmyslová zóna JV od centra města; 3 areál bývalé Zbrojovky; 4 areál bývalé Královopolské strojírny.

13 Shrnutí dosavadních poznatků Při radiačním režimu počasí jsou městské stanice v průběhu celého dne teplejší než stanice venkovské, teplotní rozdíl je největší v nočních a v poledních hodinách v létě, kdy přesahuje 2,5 C Z analýzy mobilních měření vyplývá, že v létě za jasného a klidného počasí může být teplota vzduchu během noci v centru Brna až o 5 C vyšší než v okolí města Při typickém radiačním režimu počasí mohou být hodnoty povrchových teplot (LST) zastavěných ploch v průměru až o 7 C teplejší než okolní krajina

14 Všechny provedené analýzy identifikují v prostoru Brna jako nejteplejší stejné oblasti; ty jsou typické nejvyšší hustotou zástavby a minimálním podílem vegetačního krytu Jaké jsou možnosti predikce do budoucna?

15 Klimatické modely Globální klimatické modely (GCM) (~100 km), GCM + IPCC scenáre Regionální klimatické modely (RCM) (~10 km) REMO, CCLM, RCM, WRF Modely městského klimatu (~100 m) e.g. MUKLIMO_3

16 Metody Model MUKLIMO_3 Vstupní data Metoda CUBOID u Validace modelu

17 1. MUKLIMO_3 Mikroskaliges Urbanes Klima-Modell, 3-dim Vyvinut Německou a Rakouskou meteorologickou službou (DWD a ZAMG). Nehydrostatický mikroklimatický model Simuluje pole teploty vzduchu, pole vlhkosti vzduchu a vektorové 3D pole rychlosti a směru větru Horizontální rozlišení: 100 m (je možné upravit), vertikální: m (vyšší blíže k zemskému povrchu)

18 1. MUKLIMO_3 Model zohledňuje následující parametry budov: hustota zástavby, poměr rozlohy zdí k objemu budovy, průměrná výška budov V případě absence vstupní vrstvy se data parametrizují na základě Land Use Table viz dále Atmosférické srážky, oblačnost a antropgenní produkce tepla se v modelu nezohledňují Interakce vegetace - atmosféra jsou modelovány na 3 hladinách; interakcie půda atmosféra na 15 hladinách

19 MUKLIMO - aplikace Příklad výstupu pro oblast Frankfurtu nad Mohanem Mapa teploty vzduchu a horizontílního směru větru ve výšce 5 metrů nad povrchem v čase 2:00 CEST. Proudění NE, T c.max = 25 C, rh c,min = 42%, v c,min = 0.7 m s -1 (Fruh et al. 2011)

20 Vstupy modelu DEM Land Use (LCZ) Land Use Table (vlastnosti) MUKLIMO Počáteční stav atmosféry

21 Výstupy modelu Teplota vzduchu Vertikální profil teploty vzduchu Vlhkost vzduchu MUKLIMO Vertikální profil vlhkosti vzduchu Rychlost a směr větru Fyzikální parametry (NDVI, WAI, LAI, emisivita, atd.) Vertikální profil rychlosti a směru větru

22 Vstupní podmínky: 1D (vertikální) profil atmosféry z venkovské meteorologicé stanice Výstupy: prostorová diferenciace teploty vzduchu, vlhkosti vzduchu, směru a rychlosti větru pro zvolený časový interval (max. 24 hodin) Vnitřní struktura pixelu definovaná pomocí Land Use Table (Zuvela-Aloise et al. 2014)

23 2. Vstupní data Meteorologická měření ze stanice Brno, Tuřany Údaje o druzích povrchů zpracované podle jednotné metodiky do podoby tzv. místních klimatických zón (Local Climate Zones - LCZ), která umožňuje porovnání výsledků mezi městy. Jednotlivé třídy LCZ byly vyčleněny prostřednictvím metodiky WUDAPT (World Urban Database and Access Portal Tools), do které vstupují družicové snímky Landsat 8 Pro každou LCZ byly nastaveny stejné obecné hodnoty popisných atributů, které vstupují do modelu

24 Vídeň m n.m. grid: 316x247x39 Krakov m n.m. grid: 389x275x39 Bratislava m n.m. grid: 160x160x39 Brno m n.m. grid: 250x250x39 LCZ classification: Stewart and Oke, 2012; Method: Bechtel and Daneke, 2012 Szeged m n.m. grid: 213x181x25

25 LCZ Brno Stewart et al. 2014

26 3. Metoda CUBOID Model MUKLIMO dokáže předpovídat jen na 12 hodin dopředu, proto byla vyvinuta metoda MUKLIMO CUBOID, která na podkladu polí z modelu MUKLIMO statisticky předpovídá chování klimatu na 30 let dopředu Na rozdíl od klasického modelu MUKLIMO dokáže model MUKLIMO CUBOID počítat dlouhé časové řady za relativně krátký čas Jedná se o 3D interpolaci Násobně náročnější na výkon než MUKLIMO

27 Postup metody CUBOID 1. Meteorologická data z referenční stanice (Brno- Tuřany) umístěné ve zkoumaném městě (nebo v jeho blízkosti) determinuje rozsah hodnot průměrné denní teploty vzduchu (T), relativní vlhkosti (r H ) a rychlosti větru (v), v případě, že průměrná teplota vzduchu je 25 C, která definuje nadměrnou tepelnou zátěž NE and SW 15,0 25,0 T 40,0 80,0 r H 0,3 3,0 v

28 2. Hraniční hodnoty jsou využity pro výpočet 8 kombinací parametrů (T, r H a v), které definují rozsah povětrnostní situace; tyto hraniční hodnoty mohou být zobrazeny jako hrany CUBOIDu (krychle)

29 3. Pro každou hraniční hodnotu se provede simulace prostřednictvím modelu MUKLIMO. Pro každý bod v rámci CUBOIDu je možné vypočítat hodnoty T, r H a v pro zvolený časový interval. Simulace jsou vypočteny pro dva směry větru (celkem 16 simulací). 4. Následně jsou spočítané hodnoty meteorologických prvků T, r H a v pro jakýkoli stav systému v rámci CUBOIDu. Výpočet probíhá prostřednictvím interpolace pomocí vážených průměrů.

30 5. Následně je možné prostřednictvím numerických předpovědí pro jednotlivé klimatologické scenáře vypočítat sérii průměrných denních hodnot T, r H, a v pro 30-leté časové řady. 6. CUBOID generuje tyto charakteristické dny: Charakteristický den Summer Day Hot Day Beergarden Day Summer night Day Tropical night Day Warm night Day Podmínka T max 25 C T max 30 C T C T C T min 20 C T min 17 C

31 Dosavadní výstupy Modelování teplotního pole a pole větru pro všechna města a pro tzv. idealizovaný případ, kdy může vznikat teplotní zátěž pro obyvatelstvo Referenční meze (vrchol CUBOIDu 101): Průměrná denní teplota vzduchu: 25 C Průměrná denní relativní vlhkost vzduchu: 40% Průměrná rychlost větru: 3 m s -1 Převládající směr proudění: NW

32 Počet letních dnů v Brně

33 Simulace pole teploty vzduchu a pole větru, ideální případ, 16 h GMT Vídeň Brno

34 Krakov Bratislava Szeged

35 Další možné výstupy Absolutní vlhkost vzduchu (110, 18:00 a 24:00)

36 Další možné výstupy Relativní vlhkost vzduchu (110, 18:00 a 24:00)

37 Další možné výstupy Teplota vzduchu (110, 18:00 a 24:00)

38 Další možné výstupy Minimální teplota vzduchu (110, 24:00 a 8:00)

39 Další možné výstupy Maximální teplota vzduchu (110, 10:00 a 24:00)

40 Další možné výstupy Vertikální profil teploty vzduchu (110, 18:00 a 24:00)

41 Další možné výstupy Příčný profil teploty vzduchu (110, 18:00)

42 4. Validace modelu Počet letních dní na stanici v Brně-Tuřanech reálná data příměstská

43 Charakteristický den Verze CUBOIDu Summer Day reálná data 46,5 50,9 53,8 Hot Day reálná data 7,3 9,4 11,1 Beergarden Day reálná data No Data No Data No Data Summer night Day reálná data No Data No Data No Data Tropical night Day reálná data 0,2 0,5 0,8 Warm night Day reálná data 5,7 8,4 11,8 Summer Day příměstská 69,3 74,6 80,8 Hot Day příměstská 12,7 14,8 19,1 Beergarden Day příměstská 108,6 112,2 118,3 Summer night Day příměstská 71,0 74,4 80,4 Tropical night Day příměstská 1,0 1,3 2,0 Warm night Day příměstská 8,4 9,3 11,2

44 Budoucí klima Modelování budoucího klimatu je založeno na použití různých scénářů, které odhadují budoucí úroveň emisí (SRES) či koncentrací (RCP) radiačně aktivních plynů. Poslední shrnující zpáva IPCC (2013) využívá tzv. RCP Radiation concentration Pathway. Jedná se o mitigation scénáře, které již předpokládají jistá politická rozhodnutí, kterých bude zapotřebí k dosažení předpokládaných emisních úrovní. Různé RCP dopovídají různým úrovním radiačního působení pro r a to v porovnání s před-industriálním obdobím. Tedy RCP8.5 představuje zvýšení radiačního působení na konci 21. století o 8,5 W.m -2. Naproti tomu např. RCP2.6 je označovaný jako peak-and-decay scenario a předpokládá, že radiační působení dosáhne vrcholu již v polovině tohoto století a poté poklesne na nominální úroveň radiačního působení 2,6 W.m -2.

45 Budoucí klima scénáře

46 Budoucí klima V prezentovaném projektu byly použity klimatické scénáře RCP2.6, RCP4.5 a RCP8.5, které byly výsledkem projektu EURO-CORDEX - Coordinated Downscaling Experiment - European Domain IPCC scénář RCP8.5 průměrný roční počet letních dní (T max 25 C), průměr z ansámblu jedenácti regionálních modelů

47 Budoucí městské klima Na základě výše uvedených scénářů je možné simulovat prostorové rozložení teploty vzduchu, relativní vlhkosti vzduchu, směru a rychlosti větru pro jednotlivá města Výpočet CUBOIDu lze nastavit tak, aby bylo možné modelovat např. průměrný roční počet dní s teplotou nad 25 C pro jednotlivé scénáře Celkem byly použity 2 sady scénářů po 2 scénářích s RCP2.6, 14 scénářů s RCP4.5 a 14 scénářů s RCP8.5 (dohromady 60 simulací)

48 Počet letních dnů v Brně, RCP4.5 Období MIN MAX AVG ,5 83,4 37,2 (100 %) ,9 93,6 51,8 (140 %) ,4 102,1 59,3 (160 %)

49 Počet letních dnů v Brně, RCP8.5 Období MIN MAX AVG ,5 83,4 37,2 (100 %) ,8 93,2 52,3 (140 %) ,7 121,3 81,4 (220 %)

50 Shrnutí Model dokáže simulovat základní rysy prostorového rozložení několika charakteristik, které vyjadřují potenciální teplotní zátěž v prostoru Brna Oblasti s nejvyšší teplotní zátěží se shodují s dosavadními poznatky získanými z reálných měření Simulace budoucího klimatu ukazují na významný nárůst teplotní zátěže (nárůst počtu letních dnů o 40 % v polovině 21. stol.) Výsledky pro Brno jsou srovnatelné s obdobnými studiemi ze zahraničí (Vídeň, Frankfurt) Nezbytná je další validace modelu a úprava vstupních dat (LCZ)

51 Výhled Vývoj vlastní metody pro klasifikovanými LCZ Bechtelova metoda Geletič-Lehnert metoda

52 Srovnání metod LCZ A B C D E F G Geletic, Lehnert 0,10 0,39 0,15 0,59 2,29 3,04 1,36 4,71 0,62 34,34 7,91 0,56 41,05 0,85 1,50 0,55 Bechtel 0,03 0,31 2,19 0,18 5,64 5,01 2,44 5,72 0,07 28,08 3,86 11,09 25,12 0,82 9,11 0,32 45,00 40,00 35,00 30,00 25,00 20,00 15,00 10,00 5,00 0, A B C D E F G Geletic, Lehnert Bechtel

53 Výhled validace modelu POČET LETNÍCH DNÍ 120,0 100,0 80,0 60,0 40,0 20,0 0,0 Průměr všechny roky Průměr jen celé roky MUKLIMO_1x1_1 MUKLIMO_3x3_1 MUKLIMO_5x5_1 MUKLIMO_1x1_2 MUKLIMO_3x3_2 MUKLIMO_5x5_2 ALA_BOTA ALA_FILO ALA_MEND ALA_SCHO ALA_HROZ TURA TURA-KVAZI

54 Výhled adaptační strategie Modelové simulace s pozměněnými parametry druhů povrchů what if scénáře zelené město zelené střechy bílé město modré město šedé město

55 Výhled adaptační strategie Analogové scénáře Charakter zástavby na území současného katastrálního území Brna v 70. letech 19. století a 40. letech 20. století

56 Děkujeme za pozornost

57 Výhled Vliv okolí na teplotní poměry lokality optimalizace prostorového rozlišení modelu POČET LETNÍCH DNÍ BOTA FILO MEND SCHO HROZ TURA TURA-KVAZI Průměr všechny roky 79,4 82,4 75,7 76,7 81,0 53,8 53,8 Průměr jen celé roky 80,0 88,0 83,6 90,8 82,6 53,8 53,8 MUKLIMO_1x1_1 98,6 95,8 99,3 97,9 106,4 80,8 45,1 MUKLIMO_3x3_1 96,5 97,3 97,9 96,8 101,4 77,5 47,8 MUKLIMO_5x5_1 96,4 98,1 96,2 96,6 99,3 76,7 49,8 MUKLIMO_1x1_2 101,8 97,4 102,7 101,4 110,1 79,1 25,2 MUKLIMO_3x3_2 98,6 99,7 99,2 100,0 103,1 72,9 28,8 MUKLIMO_5x5_2 98,0 100,6 96,4 100,0 100,7 71,4 31,2

58 Diskuze Jaká je optimální velikost pixelu pro LCZ? 100 m 200 m 300 m

59 Diskuze Je substruktura pixelu v LandUse table pro jednotlivé kategorie vypovídající?