METEOROLOGICKÉ ZPRÁVY METEOROLOGICAL BULLETIN

Transkript

1 METEOROLOGICKÉ ZPRÁVY METEOROLOGICAL BULLETIN Vít Květoň Michal Žák Anna Valeriánová: Referenční klimatické roky v Česku Iva Hůnová Markéta Coňková: Fytotoxický potenciál přízemního ozonu pro lesy v České republice Pavel Zahradníček Lenka Hájková: Vliv meteorologických prvků na vybrané fenologické fáze révy vinné a jejich časová dynamika Martin Stříž Jiří Nekovář: Porovnání nástupu fenofází a teploty vzduchu v letech a v Česku Informace Recenze , 96 ROČNÍK ČÍSLO 3

2 Vít Květoň Michal Žák Anna Valeriánová: Weather Test Reference Years in the Czech Republic Iva Hůnová Markéta Coňková: Ambient ozone phytotoxic potential for forests in the Czech Republic Pavel Zahradníček Lenka Hájková: The impact of meteorological elements on grapevine phenophases and their temporal dynamics Martin Stříž Jiří Nekovář: Phenophases onset and air temperature differences between two periods ( and ) in Czechia Information Reviews , 96 Abstracting and Indexing: Current Contents/Physical Chemical and Earth Sciences Cambridge Scientific Abstracts (CSA) Meteorological and Geoastrophysical Abstracts Environmental Abstracts Meteorologické Zprávy, odborný časopis se zaměřením na meteorologii, klimatologii, čistotu ovzduší a hydrologii. Dvouměsíčník Meteorological Bulletin, Journal specialized in meteorology, climatology, air quality and hydrology. Bi-monthly Vedoucí redaktor Chief Editor L. Němec, Český hydrometeorologický ústav, Praha, Česká republika Redaktoři Executive Editors Z. Horký, Český hydrometeorologický ústav, Praha, Česká republika O. Šuvarinová, Český hydrometeorologický ústav, Praha, Česká republika Redakční rada Editorial Board J. Bednář, Univerzita Karlova, Praha, Česká republika F. Hudec, Univerzita obrany, Brno, Česká republika K. Krška, Brno, Česká republika M. Lapin, Univerzita Komenského, Bratislava, Slovenská republika F. Neuwirth, Zentralanstalt für Meteorologie und Geodynamik, Wien, Austria V. Pastirčák, Slovenský hydrometeorologický ústav, Bratislava, Slovenská republika D. Řezáčová, Ústav fyziky atmosféry AV ČR, Praha, Česká republika J. Strachota, Praha, Česká republika J. Sulan, Český hydrometeorologický ústav, Plzeň, Česká republika F. Šopko, Český hydrometeorologický ústav, Česká republika K. Vaníček, Český hydrometeorologický ústav, Hradec Králové, Česká republika H. Vondráčková, Český hydrometeorologický ústav, Praha, Česká republika Vydavatel (redakce) Publishers Český hydrometeorologický ústav, Na Šabatce 17, Praha 4-Komořany, telefon , , fax , horky@chmi.cz. Sazba a tisk: Studio 3P, spol. s r. o. Rozšiřuje a informace o předplatném podává a objednávky přijímá Český hydrometeorologický ústav, SIS, Na Šabatce 17, Praha 4-Komořany; Cena jednotlivého čísla 25, Kč, roční předplatné 240, Kč včetně poštovného. Reg. číslo MK ČR E Meteorologické Zprávy, Český hydrometeorologický ústav Czech Hydrometeorological Institute, Na Šabatce 17, Praha 4-Komořany, Phones: , , Fax: , horky@chmi.cz. Printed in the Studio 3P, l.l.c. Orders and enquiries: Please contact Czech Hydrometeorological Institute, SIS, Na Šabatce 17, Praha 4-Komořany, Czech Republic. Annual subscription: 48, EUR (6 issues) ISSN

3 METEOROLOGICKÉ ZPRÁVY Meteorological Bulletin ROČNÍK 62 (2009) V PRAZE DNE 30. ČERVNA 2009 ČÍSLO 3 REFERENČNÍ KLIMATICKÉ ROKY V ČESKU Vít Květoň Michal Žák Anna Valeriánová, Český hydrometeorologický ústav, Na Šabatce 17, Praha 4-Komořany, kveton@chmi.cz Weather Test Reference Years in the Czech Republic. This paper presents a contemporary state of solving a problem of Weather Test Reference Years (WTRY) in the Czech Republic. The paper outlines the methods used to obtain the WTRY. Using climate observation data for assignment of structure of WTRY from individual month and year is supposed. Problem of area validity of WTRY is analysed and discussed. KLÍČOVÁ SLOVA: Referenční klimatický rok klimatologie technická KEY WORDS: Weather Test Reference year climatology technique 1. ÚVOD Spotřeba energie v budovách představuje dosud téměř 40 % v rámci celkové spotřeby v ČR i v dalších státech EU. Podstatné snížení lze docílit uplatněním nových metod energetického navrhování a hodnocení staveb pomocí specializovaných simulačních programů. Tyto programy umožňují tepelně-vlhkostní hodnocení stavebních konstrukcí a vnitřního prostředí budov, modelování a hodnocení nestacionárních tepelně-vlhkostních stavů, chování stavebních materiálů a konstrukcí budov, navrhování a hodnocení pasivních solárních prvků budov, sofistikované navrhování energeticky efektivních systémů vytápění, chlazení a větrání při splnění požadovaného komfortu vnitřního prostředí budovy. Vedle stávajících metod výpočtu vycházejících z měsíčních hodnot nebo průměrné denní venkovní teploty a hodnot globálního záření se k danému účelu v posledním desetiletí stále více využívá podrobnějších klimatologických údajů. Správná simulace tepelného, tepelně-vlhkostního a energetického chování budov závisí nejen na určení průměrných hodnot meteorologických parametrů, ale také na frekvenčním rozdělení jednotlivých parametrů a na jejich vzájemných vazbách. Právě snaha zachovat přirozené vzájemné vazby více meteorologických prvků vedla k četným pokusům charakterizovat klimatické podmínky daného místa prostřednictvím uměle konstruovaného referenčního klimatického roku (RKR). Koncept metody statistického vytváření referenčních roků je znám již od roku K průběžnému ověřování vhodné metody a k širšímu využívání vytvořených referenčních roků však dochází až s rozvojem výpočetní techniky, a to zejména v posledním desetiletí [1, 3, 5, 6, 7]. Referenční roky poskytují hodinové hodnoty teploty a vlhkosti vzduchu, solárního záření a případně další meteorologické prvky, které pro každý den a hodinu roku reprezentují typický charakter meteorologických poměrů v daném místě či regionu. Standard je založen na statistické analýze naměřených klimatických dat a výběru typických měsíců a roků za minimálně patnáctileté období. Několik metod bylo ověřováno v různých zemích a publikováno v literatuře [11, 14], pokusy se prováděly i u nás [12, 13]. Klimatická referenční data podle současného evropského standardu jsou sestavena ve tvaru tzv. referenčních roků různé konstrukce, např. TRY (Test Reference Year), DRY (Design Reference Year nebo SRY (Short Reference Year), TMY (Typical Meteorological Year) [1, 8, 11, 14]. V souvislosti s přijetím Evropské směrnice EPBD 2002/91/EC a s novelou zákona č. 406/2000 Sb. o hospodaření s energií v budovách byla navržena národní příloha k ČSN EN ISO , která definuje způsob vytváření RKR v ČR. Cílem tohoto článku je seznámit meteorologickou a širší veřejnost s navrhovanou konstrukcí RKR, se způsobem jejich praktického vytváření a s tím spojenými problémy. Stanovením referenčních klimatických roků pro potřeby této normy se zabýval projekt [10]. Získané zkušenosti jsou prezentovány v tomto článku. Popsána jsou použitá vstupní data, konstrukce RKR, struktura výsledných staničních RKR (které dále nazýváme páteřními RKR). V další části je analyzován problém plošné platnosti RKR a navrženo dočasné řešení použití páteřních RKR pro celé území ČR. Je navržena a diskutována první verze použití klimatických časových řad pro potřeby řešení problému plošné platnosti RKR. V závěru je uvedeno současné použití výsledků projektu [10]. 2. DATA A METODIKA ZPRACOVÁNÍ 2.1 Data Pro řešení úkolu byla použita jednak hodinová data šesti stanic (tab. 1) z období , vybraných na základě požadavku aktuálnosti, úplnosti a dostupnosti dat, mj. i z hlediska dostupnosti radiačních pozorování. Dále byla použita klimatická data z 64 stanic za období Důvody použití různých období jsou technické, navíc data nejsou použita pro stejný účel. Vzhledem k různorodosti meteorologické staniční sítě mají data různou kvalitu, problémy se vyskytují zejména v datech z vojenských letišť, navíc synoptická data byla a jsou v meteorologické praxi používána zejména pro operativní účely. Všechny stanice, kromě jedné (Hradec Králové), mají až na krátkodobé výpadky v období nepřerušovanou Meteorologické zprávy, 62,

4 Tab. 1 Seznam stanic s páteřními RKR. Table 1. Index of spinal stations with TRY. Indikativ Stanice Nadmořská výška (m n. m.) Zeměpisná šířka Zeměpisná délka B2BTUR01 Brno '35" '44" C1KOCE01 Kocelovice '01" '27" H3HRAD01 Hradec Králové '34" '19" O1MOSN01 Mošnov '54" '18" P1PRUZ01 Praha, Ruzyně '03" '28" U1ULKO01 Ústí nad Labem '00" '30" řadu pozorování; v průběhu období došlo ke změně přístrojů v souvislosti s automatizací stanice. Všechny tyto faktory se projevují na homogenitě časových řad meteorologických prvků. Všechna data prošla formální a věcnou kontrolou. Testovány byly hodinové změny teploty vzduchu, tlaku vodní páry, tlaku vzduchu a rychlosti větru, skokové změny byly prověřeny. Vzhledem ke změnám metodiky měření a zaznamenávání vlhkostních parametrů byly vlhkostní parametry dle potřeby dopočteny z naměřených údajů teploty vzduchu a teploty rosného bodu, popř. relativní vlhkosti vzduchu, a to podle vztahů doporučených Světovou meteorologickou organizaci (WMO) [4]. V závislosti od délky přerušení pozorování byla chybějící data doplněna v případě krátkého výpadku lineární interpolací mezi nejbližšími hodnotami, v případě delších výpadků byla využita data z nejbližší stanice nebo byla data dopořízena. Stanice Hradec Králové nemá souvislou řadu hodinových pozorování, byla však do zpracování vybrána jako stanice s nejdelší a nejkvalitnější řadou nepřerušovaného měření globálního a difuzního záření. Pro doplnění chybějících hodinových dat ostatních prvků byla využita data ze stanice Pardubice pro roky , 1997, 1998, pro roky stanice Praha-Ruzyně. Směr a rychlost větru byly převzaty beze změny. Hodinové údaje teploty vzduchu a tlaku vodní páry byly pro Hradec Králové doplněny na základě lineární regrese dat z klimatologických termínů z období mezi Hradcem Králové a doplňujícími stanicemi. Období pro regrese bylo zvoleno tak, aby pokrývalo právě dobu s chybějícími daty, čímž byl eliminován vliv dlouhodobých změn klimatu. V dalších krocích byly hodnoty vypočtené podle regresních vztahů korigovány tak, aby odpovídaly hodnotám teploty a tlaku vodní páry naměřeným v Hradci Králové v klimatologických termínech 7, 14 a 21 h, u teploty vzduchu i údajům maximální a minimální teploty. Úprava dat byla provedena na základě rozdílu vypočtené hodnoty a naměřené termínové hodnoty podle vztahu kde T i T ip T i = T ip + ((T term1 T term2 ) / N) (i 1), je upravená hodnota je hodnota vypočtená regresí T term1, T term2 je rozdíl mezi hodnotou naměřenou v klimatologických termínech T term1, resp. T term2 a hodnotou vypočtenou z regrese N i je počet hodin mezi termíny je pořadové číslo hodnoty vzhledem k termínu, 1 je pro termínovou hodnotu. Z takto upravených hodnot teploty vzduchu a tlaku vodní páry byly dopočteny zbylé vlhkostní charakteristiky. Pokud aktuální tlak vodní páry překročil maximální tlak vodní páry, byla hodnota nahrazena maximálním tlakem vodní páry. Tlak vzduchu byl přepočten pomocí barometrické formule uvedené v [2]. V případě směru větru se u malých rychlostí větru často vyskytuje tzv. proměnlivý směr variable, který byl pro účely RKR důsledně nahrazen náhodně vybranými směry z intervalu směrů vyskytujících se v časovém okolí výskytu směru variable. Specifickým problémem jsou radiační data, jejichž problematika se vymyká rozsahu tohoto článku. 2.2 Konstrukce RKR Návrh normy k ČSN EN ISO ukládá vytváření referenčních klimatických roků (RKR) přesně stanovenou metodou, která není v meteorologii obvyklá. Považujeme za účelné blíže seznámit čtenáře s touto konstrukcí Základními čtyřmi klimatickými parametry, které se použijí pro výsledný testovaný referenční rok, jsou teplota vzduchu, globální záření dopadající na vodorovný povrch, vlhkost vzduchu a rychlost větru. Konstrukce klimatického referenčního roku vychází z následujícího postupu [8]: 1. Pro každý kalendářní měsíc se vypočítá kumulativní distribuční funkce Φ(p, m, i) denních průměrů ze všech let v datovém souboru jejich setříděním ve vzrůstajícím pořadí a následným užitím rovnice (1): K(i) Φ(p, m, i) =, (1) N + 1 kde K(i) je pořadí i-té hodnoty denních průměrů daného kalendářního měsíce v celém souboru dat. 2. Pro každý kalendářní měsíc a rok se vypočítá kumulativní distribuční funkce denních průměrů F(p, y, m, i) jejich setříděním ve vzrůstajícím pořadí a následným užitím rovnice (2): J(i) F(p, y, m, i) =, (2) n + 1 kde J(i) je pořadí i-té hodnoty denních průměrů v daném měsíci a roce. 3. Pro každý kalendářní měsíc a rok se vypočítá Finkelstein- Schaferova statistika FS(p, y, m) podle rovnice (3): n FS(p, y, m) = F(p, y, m, i) Φ(p, m, i), (3) i=1 66 Meteorologické zprávy, 62, 2009

5 Tab. 2 Formát souboru referenčního roku. Table 2. Format of file of reference year. den;mes;hod;tep;rv;nap;td;avl;glb;dif;insol;rychvetru;smervetru;tlakvzduchu; 1;1;0;-6.3;71;1.9;-10.3; ;0;0;0;1.5;350;997.2; Veličiny a označení dat: den Den v jednotlivých měsících (1,...28, 30, 31), mes Měsíc (1...12), hod Hodina ( ) začínající 1. ledna v 00 SEČ (+1 hod oproti světovému času UTC), tep Teplota vzduchu ( C), rv Relativní vlhkost vzduchu (%, ), nap Tlak vodní páry (hpa), td Teplota rosného bodu ( C), avl Absolutní vlhkost vzduchu (kg/m 3 ), glb Globální sluneční záření (W/m 2, průměrná intenzita v předcházející hodině), dif Difuzní sluneční záření (W/m 2, průměrná intenzita v předcházející hodině), insol Přímé sluneční záření (W/m 2 ), BR = GR DR, rychvetru Rychlost větru (m/s), smervetru Směr větru ve stupních (0, 1,...,360, kde 0 je bezvětří, 90 je vítr vanoucí od východu, 360 od severu), tlakvzduchu Tlak vzduchu (hpa), atmosférický tlak vzduchu měřený ve výšce stanice. 4. Pro každý měsíc a klimatický prvek se sestaví řada pořadí vzrůstajících hodnot statistiky FS(p, y, m) v uvažovaném období. 5. Pro každý měsíc se tak získají tři řady pořadových čísel (jedna pro každý prvek), které se následně sečtou a pro každý měsíc se tak získá jediná časová řada pořadí v daném období. 6. Získaná časová řada se setřídí podle velikosti a pro tři roky s nejnižším pořadím se spočte odchylka měsíčního průměru rychlosti větru za daný rok od odpovídajícího měsíčního průměru za uvažované období. Rok s nejmenší odchylkou se pak zařadí do referenčního roku jako nejlepší pro daný měsíc. Do výsledného referenčního roku se pak přiřadí hodinové hodnoty z daného měsíce a nejlepšího roku základních i ostatních prvků. 7. Přechody mezi měsíci se následně vyhladí, neboť na přelomu měsíců dochází k diskontinuitám, vznikajícím použitím dat z různých let v jednotlivých měsících. Autoři zdůrazňují, že i požadavek hlazení je dán textem normy. Tab. 3 Složení páteřních RKR z měsíců jednotlivých let. Table 3. Compound of TRY from months of individual years. Měsíc Hradec Králové Ústí n. L. Kočkov Praha Ruzyně Ostrava Mošnov Kocelovice Brno Tuřany VÝSLEDKY 3.1 Staniční RKR Pro stanice z tab. byly připraveny technické řady hodinových dat za období 1991 až 2005 (rozšířené o a ) pro meteorologické prvky obsažené v RKR. Na základě těchto technických řad byly vypočteny staniční referenční klimatické roky dle výše uvedeného postupu. Obsahují hodinové údaje pro následující prvky: teplota vzduchu, tlak vodní páry, globální záření a rychlost větru jako klíčové pro stanovení skladby RKR, dále přímé sluneční záření (insolace) a difuzní záření na vodorovnou plochu, tlak vzduchu, teplotu rosného bodu, absolutní vlhkost a relativní vlhkost vzduchu (celkem 10 meteorologických charakteristik). Každý soubor má jednořádkovou hlavičku, následovanou , resp řádky s hodinovými daty. Příklad prvních dvou řádků souboru a vysvětlivky proměnných obsahuje tab. 2. Složení páteřních RKR z měsíců jednotlivých let je v tab. 3. Při zpracování RKR byl jako základní vlhkostní parametr vybrán parciální tlak vodní páry ve vzduchu místo relativní vlhkosti, která byla zvolena v rozborovém úkolu [9]. Důvodem je větší konzervativnost tlaku vodní páry. Relativní vlhkost byla původně použita s ohledem na požadavek normy hladit přechody mezi měsíci, což bylo vyřešeno drobnou úpravou metodiky hlazení (viz dále)). Návrh normy vyžaduje vyhlazení přechodů mezi jednotlivými měsíci referenčního roku v posledních osmi hodinách každého měsíce a v prvních osmi hodinách následujícího měsíce. Pro tento účel autoři předkládaného článku navrhli odlišné řešení než řešení navrhované v literatuře a v původním návrhu normy. Je to řešení metodou váženého průměru, kde váhy W1 a W2 jsou uvedeny v tab. 4, konkrétní příklady v tab. 5. Příklady grafického znázornění přechodů mezi měsíci pro teplotu vzduchu a globální záření ukazují obr. 1 a obr. 2. Metoda váženého průměru zajišťuje hladký přechod mezi jednotlivými měsíci u všech klimatických prvků a zajišťuje zachování nulových hodnot hlazených přechodových úseků mezi měsíci v hodinách, kdy příslušný meteorologický prvek má z principu nulovou hodnotu (např. globální záření). V některých publikacích doporučované hlazení pomocí lineární regrese je v takových případech zcestné, jak názorně ukazuje obr. 2 (přerušovaná čára). Meteorologické zprávy, 62,

6 Tab. 4 Konstrukce vah na přelomu měsíců. Table 4. Construction of weights on turn of months. Hodina W1 (Končící rokoměsíc ) W2 (Začínající rokoměsíc ) Konec měsíce Začátek měsíce Obr. 1 Ukázka hlazení RKR Praha, teploty vzduchu mezi prosincem a lednem. Referenční rok pro prosinec je 2003, pro leden je to rok 1991 (modře). Navazující hodiny použité pro hlazení jsou z ledna 2004 a prosince 1990 (zeleně). Vážením shlazený přechod mezi měsíci je červeně, hlazení lineární regresí je čárkovaně. Fig. 1. Example of smoothing of air temperature between December and January in WTRY Prague. Reference year is 2003 for December, 1991 for January (blue). Following hours used for smoothing are from January 2004 and December 1990 (green). Weighting smoothed transition between months is red, smoothing by linear regression is dashed. Obr. 2 Ukázka hlazení RKR Praha, globálního záření mezi květnem a červnem. Referenční rok pro květen je 1999, pro červen je to rok 2005 (modře). Navazující hodiny použité pro hlazení jsou z května 2005 a června 1999 (zeleně). Vážením shlazený přechod mezi měsíci je červeně. Čárkovaně je vyznačeno hlazení za použitím aproximace lineární regresí. Fig. 2. Example of smoothing of global radiation between May and June in WTRY Prague. Reference year is 1999 for May, 2005 for June (blue). Following hours used for smoothing are from May 2005 and June 1999 (green). Smoothed transition between months is red. Dashed line represents smoothing done by using of linear regression approximation. S výjimkou většiny vlhkostních charakteristik, přímého slunečního záření a směru větru se shlazené hodnoty vypočtou dle vzorce: (W1 hodnota v měsíci končícím + W2 hodnota v měsíci začínajícím) / (W1 + W2) Z vlhkostních parametrů je výše uvedeným vzorcem hlazena pouze relativní vlhkost, zatímco teplota rosného bodu, absolutní vlhkost a tlak vodní páry se vypočítají ze shlazených hodnot teploty a relativní vlhkosti podle vztahů doporučených WMO [4]. Jiným způsobem nelze zajistit vzájemnou konzistenci teplotních a vlhkostních parametrů. Přímé sluneční záření se dopočte jako rozdíl shlazených hodnot globálního a difuzního záření, směr větru se s ohledem na jeho vektorovou povahu nehladí. 3.2 Územní platnost RKR Pro potřeby stanovení územní platnosti jednotlivých RKR byla provedena základní analýza prostorové proměnlivosti Finkelstein-Schaferovy statistiky. K tomu účelu bylo využito skutečnosti, že metodika stanovení skladby RKR, tj. jeho složení z jednotlivých měsíců různých let, využívá nikoli hodinových dat, ale denních průměrů. To umožňuje k základní analýze problematiky využít klimatická data, neboť jejich plošná hustota je podstatně vyšší než hustota stanic s hodinovými pozorováními, nehledě k tomu, že hodinová data byla a jsou primárně používána pro operativní účely. I když se denní průměry z hodinových dat a klimatologických termínů liší, z hlediska celkové metodiky nejde o podstatný vliv zejména s ohledem na skutečnost, že Finkelstein-Schaferova statistika je neparametrický (pořadový) test. Z klimatické databáze ČHMÚ byla proto vybrána klimatická data 64 klimatologických stanic ČR z období 1981 až Metodikou dle normy byly vypočteny Finkelstein-Schaferovy statistiky jak pro každý ze tří základních prvků (teplota, globální záření, tlak vodní páry), tak pro jejich komplex a konečně i s uvažováním větru. Místo globálního záření, které se pozoruje jen na několika stanicích, bylo použito denní trvání slunečního svitu. Pro potřeby výběru složení RKR z měsíců jednotlivých let tento postup považujeme za korektní, neboť vztah mezi globálním zářením a dobou trvání slunečního svitu je monotónní a Finkelstein-Schaferova statistika je pořadová. Zpracován byl každý měsíc zvlášť, mimo to byl hodnocen rok jako celek prostřednictvím ročního průměru pořadí jednotlivých měsíců. Pro každou z těchto testovaných stanic a pro každý sledovaný parametr (či jejich kombinaci) a pro každý měsíc bylo stanoveno pořadí hodnot Finkelstein-Schaferovy statistiky. V tab. 6 je příklad vypočtených pořadí pro stanici Holešov pro teplotu vzduchu za leden a všechny roky zpracovávaného období (první dva sloupce zleva). Metodikou dle normy byl pro každou klimatologickou stanici vyhodnocen i klimatický (rozumí se na klimatických datech založený ) RKR. Příklad pro stanici Holešov uvádí tab. 7, první a druhý sloupec zleva. Pro každý měsíc, prvek, rok a všechny prvky i jejich kombinaci bylo provedeno přiřazení každé ze 64 testovaných klimatologických stanic ke každé z 6 páteřních stanic, a to ve dvou variantách: Varianta A. Pro každou testovanou stanici, měsíc a prvek či jejich kombinaci byla nalezena pořadí pro roky, které byly pro každou páteřní stanici nalezeny jako nejlepší a které jsou pro teplotu vzduchu a leden uvedeny v tab. 8. Z tab. 6 a 8 např. vyplývá, že pro leden a Holešov je nejlepší rok 1986 (tab. 6). Ten je zároveň nejlepší pro (4) 68 Meteorologické zprávy, 62, 2009

7 Tab. 5 Příklady vah pro shlazení hranic mezi měsíci. (Tučně jsou váhy, kterými se násobí hodnoty měsíce z referenčního roku, slabě jsou váhy, kterými se násobí hodnoty daného měsíce z roku, který je referenční pro následující měsíc. Pokud referenční rok obsahuje krajní měsíce období, je třeba pro hlazení uvažovat i přilehlé dny období, tj a ) Table 5. Examples of weights for smoothing of borders between months. (Weights bold depicted are used for multiplication of monthly values of TRY, non-bold weights used for multiplication of monthly values of year used as reference for following month. When reference year encompasses outer months, for smoothing also bordering days from given period have to be taken into account i.e and ) Hodina Tab. 6 Pořadí (hodnoty Finkelsteinovy-Schaferovy statistiky) pro teplotu vzduchu na stanicích Holešov a Churáňov za leden. Table 6. Order (Finkelstein-Schafer statistics values) for air temperature at Holešov and Churanov stations in January. Rok Holešov Churáňov Brno a Ústí nad Labem (tab. 8), přičemž Brno je blíže. Brno proto bylo vyhodnoceno jako nejlepší aproximace RKR Holešova (část teplota a leden). Ve variantě A bylo požadováno, aby pořadí bylo jedna. Z toho důvodu v řadě případů nebyla nalezena žádná páteřní stanice, příslušná Tab. 7 Klimatický RKR pro stanici Holešov sestavený z klimatických dat (první a druhý sloupec zleva). Třetí sloupec zleva udává nejbližší páteřní stanici, která pro daný měsíc má shodný referenční rok. Table 7. Climatic TRY for Holešov station compiled from climatic data (first and second column from the left). The third column gives the nearest spinal station having the same reference year for given month. Měsíc rok Páteřní stanice nepřiřazeno nepřiřazeno Brno Tuřany Brno Tuřany Hradec Králové Praha Ruzyně Brno Tuřany nepřiřazeno Hradec Králové Hradec Králové Hradec Králové Hradec Králové k testované stanici. Příklad je v tab. 7. Dalším příkladem může být stanice Churáňov, která pro leden a teplotu vzduchu má pořadí jedna v roce 1991, což neodpovídá žádné z páteřních stanic (tab. 7). Stejným způsobem byly přiřazeny ostatní klimatologické stanice a ostatní měsíce a prvky. Ukazuje se, že tatáž testovaná stanice zpravidla má pro jednotlivé měsíce různé nejvhodnější páteřní stanice (tab. 8). Varianta B. Ve variantě B nebylo požadováno, aby pořadí na testované klimatologické stanici bylo rovno jedné. Proto každá stanice měla přiřazenu některou páteřní stanici, a to tu, které odpovídalo nejnižší pořadí (při rovnosti pořadí se vzala páteřní stanice bližší). Např. stanici Churáňov, která nebyla ve variantě A zařazena, přísluší ve variantě B páteřní stanice Hradec Králové. Je to proto, že z let v tab. 8 (třetí sloupec zleva) má Churáňov v tab. 6 nejnižší pořadí pro rok Ten odpovídá Hradci Králové a Ostravě- Mošnovu, ale Hradec Králové je blíže. Příklady výsledků jsou na obr. 3 až 6. Při zpracování podle přísnější varianty A je mnoho nepřiřazených stanic a současně dochází k značnému plošnému prolínání příslušnosti k jednotlivým páteřním stanicím (obr. 3 a 4). Představa regionalizace na základě podobných hodnot meteorologických prvků je tudíž velmi problematická. Je to dáno principem vytváření RKR, který je typicky staniční (bodový). Současně je vidět velká citlivost na zpracovávaném měsíci i na uvažovaných prvcích. Varianta B sice odstraňuje problém s nepřiřazenými stanicemi tím, že nevyžaduje shodu, ale pouze vybírá nejlepší možnost z dostupných možností. Nicméně při uvažování všech čtyř základních prvků, tj. včetně větru, dochází i zde ke značnému plošnému prolínání příslušnosti k páteřním stanicím. Navíc je třeba zdůraznit, že zde nejde o podobnost hodnot, ale o podobnost polohy testovaných charakteristik ve frekvenčním rozložení. Např. na obr. 5 je jako nejlepší páteřní stanice pro lokalitu Albrechtice-Žáry (severovýchodní podhůří Jeseníků) nalezena stanice Hradec Králové, pro Liberec přiřazeny Kocelovice apod. Z toho důvodu byl ještě snížen požadavek shody a pro stanovení alespoň orientační regionální působnosti šesti páteřních stanic nebyl uvažován vítr, ale jen komplex teplota, globální záření a tlak vodní páry. Meteorologické zprávy, 62,

8 Z obr. 6 je patrné, že zmizelo plošné prolínání stanic, což umožnilo stanovit orientační hranice působnosti jednotlivých páteřních stanic v podmínkách, kdy bylo arbitrážně vybráno právě těchto šest stanic. Hranice oblastí byly konkretizovány na základě posouzení bodové příslušnosti k páteřním stanicím ve výstupu mapy GIS. Z té vyplynulo, že lze jako hranice oblastí v zásadě využít příslušnost k okresům s tím, že základem je příslušnost k členění krajů z roku 1960, s korekcemi celých okresů. Toto základní přiřazení se ještě koriguje na Moravě ve třech okresech a to pozicí vzhledem k řece Moravě a nadmořskou výškou. Finální drobná korekce zajišťuje, aby byla jedna páteřní stanice na celý katastr, přičemž se vezme ta páteřní stanice, která zabírá větší díl katastru. Tento postup je umožněn malým počtem páteřních stanic a tím, že fakticky nejde o klasickou klimatologickou klasifikaci. Toto pojetí rajonizace je tedy založeno spíše na představách dynamické klasifikace klimatu než klasické klasifikace založené na hodnotách meteorologických prvků. Je vedeno představou, že na území určité velikosti se projevují účinky všeobecné cirkulace atmosféry stejně nebo dostatečně podobně. Tato představa je v meteorologii běžná a je na ní mj. založeno i řešení problematiky homogenizace časových řad klimatických dat. Je třeba zdůraznit, že popsaná rajonizace se netýká územní platnosti hodnot RKR, ale složení RKR z jednotlivých měsíců různých let období 1991 až Pro reálné použití je v každém případě třeba korigovat páteřní RKR pro jednotlivá místa minimálně s ohledem na nadmořskou výšku. 3.3 Generování mimostaničních RKR Přizpůsobení páteřních RKR místním podmínkám s ohledem na nadmořskou výšku v rovném otevřeném terénu, tj. bez ohledu na utváření terénu, bylo zatím odzkoušeno pouze nezákladnějšími přístupy v podobě výškových gradientů teploty, tlaku vodní páry a rychlosti větru. Byly zkoušeny tři typy gradientů: Výškový gradient měsíčních průměrů. Výškový gradient dvojic počítaný jako průměrný gradient naměřených hodnot mezi páteřní stanicí a dvěma výškovými stanicemi (pro páteřní stanice Praha, Kocelovice, Ústí nad Labem a Hradec Králové byly s ohledem na polohu, úplnost a kvalitu dat zvoleny výškové stanice Churáňov a Svratouch, pro Brno a Mošnov byly zvoleny Svratouch a Lysá Hora). V tomto případě jsou na rozdíl od měsíčních gradientů poměrně dobře zachyceny krátkodobé výkyvy výškových gradientů, nicméně plošná platnost je velmi orientační a v případě advekce z některých směrů i zavádějící, nemluvě o problému situací s nelineárním zvrstvením. Výškový gradient pro hodnoty z klimatologických termínů a hodnoty denních minim a maxim, počítaný pro Tab. 8 Nejlepší roky (roky s nejmenší hodnotou Finkelsteinovy-Schaferovy statistiky) pro teplotu vzduchu v lednu na páteřních stanicích. Table 8. The best years (i.e. years with lowest Finkelstein-Schafer statistics) for air temperature in January on spinal stations. Páteřní stanice Výška n. m. (m) Rok Vzdálenost od Holešova Brno-Tuřany nepřiřazeno Kocelovicee nepřiřazeno Hradec Králové Brno-Tuřany Ostrava-Mošnov Brno-Tuřany Praha-Ruzyně Hradec Králové Ústí n. L.-Kočkov Hradec Králové každý den a termín či prvek z té části 64 použitých stanic, která se nachází v oblasti páteřní stanice (oblasti na obr. 6). Rovněž zde jsou na rozdíl od měsíčních gradientů poměrně dobře zachyceny krátkodobé výkyvy výškových gradientů a oproti gradientu dvojic je tento gradient prostorově reprezentativnější, na druhé straně dochází asi v 5 % případů ke vzniku extrémních gradientů obou znamének. I v tomto případě se značně projevuje vliv poruch nelinearity výškového zvrstvení. Pro potřebu generování lokálních RKR byl v dané etapě zpracování zvolen gradient měsíčních průměrů, což sice neumožňuje zachytit výškové změny v hodinových datech (ponechává denní chod všech dní RKR stejný jako na páteřních stanicích), ale umožňuje docílit dobrou shodu s dlouhodobými klimatickými průměry. Při realizaci takové modifikace je však nutno odpovídajícím způsobem upravit ostatní vlhkostní parametry a tlak vzduchu. Směr větru a radiační parametry nejsou modifikovány a vztahují se tedy přesně k poloze páteřní stanice. Pro názornější představu účinků modifikace uvádíme několik příkladů map pro chladný a teplý půlrok pro teplotu jednak při použití hodnot páteřních stanic, jednak při jejich modifikaci na nadmořskou výšku na základě lineární regresí spočítaných měsíčních gradientů. Příklad zpracování průměrné teploty vzduchu je uveden na obr. 7 a 8 pro teplý půlrok a obr. 9 a 10 pro chladný půlrok. Zatímco teplota v chladném půlroce nevykazuje velká skoková rozhraní mezi oblastmi příslušnosti k páteřním stanicím, u teploty vzduchu je v teplém půlroce výrazný zlomový přechod mezi hranicemi oblastí. Je to mj. způsobeno tím, že RKR každé páteřní stanice je složen z měsíců různých let. 4 ZÁVĚR Výsledkem projektu je databáze meteorologických dat v podobě RKR (TMY) pro stanice uvedené v tab.1. Páteřní RKR byla vytvořena dle posledního návrhu normy EN ISO :2005, s inovativními změnami týkajícími se změny výchozího vlhkostního parametru z relativní vlhkosti na parciální tlak vodní páry a způsobu hlazení. Dále byla provedena prostorová analýza s cílem umožnit nejzákladnější přizpůsobení nadmořské výšce jiných lokalit a s cílem nalézt vhodná metodická východiska pro finální řešení, tj. pro pokrytí území ČR vhodnými RKR. V tomto rámci byly použity nové postupy rajonizace, z nichž nejpodstatnější je myšlenka využití klimatických dat pro hledání skladby RKR. V rámci projektu byla v ČHMÚ rovněž vytvořena interní počítačová aplikace pro generování RKR v místech mimo páteřní stanice na základě modifikace RKR páteřních stanic pomocí lineární závislosti teploty vzduchu, tlaku vodní páry a rychlosti větru na nadmořské výšce. Směr větru a radiační charakteristiky aproximovány nejsou, platí právě jen pro polohu páteřní stanice. Lokalita se vybírá na základě příslušnosti ke katastru s možností volby nadmořské výšky. Je třeba zdůraznit, že příslušnost katastrů k páteřní stanici se netýká územní platnosti hodnot RKR, ale složení RKR z jednotlivých měsíců různých let období 1991 až Aplikace je s ohledem na autorská práva určena pro interní provoz v rámci ČHMÚ. Vlastníkem databáze podle podmínek čerpání dotace je MPO ČR. Provozována bude však nadále Českým hydrometeorologickým ústavem, přičemž způsob a podmínky poskytování dat budou upřesněny. Z hlediska celé ČR jde o prozatímní řešení. Pro finální řešení je třeba řešit následující problémy: Problém nelineární závislosti prvků RKR na nadmořské výšce, který je zásadní na úrovni denních a hodinových dat. 70 Meteorologické zprávy, 62, 2009

9 Obr. 3 Příslušnost výsledných testovaných stanic k páteřním stanicím dle varianty A pro LEDEN. Období Podle Finkelsteinovy- Schaferovy statistiky ze čtyř základních prvků (teplota, globální záření, tlak vodní páry, rychlost větu). Fig. 3. Pertinence of resulting tested stations to the spatial stations according to variety A for January. Period According to Finkelstein-Schafer statistics from 4 basic elements (temperature, global radiation, vapour pressure, wind speed). Obr. 5 Příslušnost výsledných testovaných stanic k páteřním stanicím dle varianty B pro LEDEN. Období Podle Finkelsteinovy- Schaferovy statistiky ze čtyř základních prvků (teplota, globální záření, tlak vodní páry, rychlost větu). Všechny stanice mají přiřazení. Fig. 5. Pertinence of resulting tested stations to the spatial stations according to variety B for January. Period According to Finkelstein-Schafer statistics from 4 basic elements (temperature, global radiation, vapour pressure, wind speed). All stations have pertinence. Obr. 4 Příslušnost testovaných stanic k páteřním stanicím dle varianty A pro LEDEN. Období Podle Finkelsteinovy-Schaferovy statistiky ze tří základních prvků (teplota, globální záření, tlak vodní páry). Fig. 4. Pertinence of resulting tested stations to the spatial stations according to variety A for January. Period According to Finkelstein-Schafer statistics from 3 basic elements (temperature, global radiation, vapour pressure). Problém prostorové interpolace hodinových dat. (Jako východisko lze použít přístupy dynamické klimatologie, jak bylo ověřeno v tomto projektu, přičemž se předpokládá další rozpracování metodiky). V normě nařízená Finkelstein-Schaferova statistika je pořadovou statistikou a jako taková je sice robustní z hlediska hodnot časové řady, ale je citlivá na její homogenitu. K tomu je třeba přihlédnout při dalším zpracování. RKR byla řešena pro lokality v rovném otevřeném terénu. Přizpůsobení RKR v podmínkách složitě utvářeného terénu je třeba řešit speciálními modely využívajícími jako vstupní data právě tato RKR. To se týká i směru a rychlosti větru, který by měl být spíše odvozován z údajů na hranici mezní vrstvy pomocí speciálních modelů. Podstatným problémem je prostorová diskontinuita RKR (výškově i vodorovně), vyplývající mj. z různé skladby Obr. 6 Příslušnost testovaných stanic k páteřním stanicím dle varianty B pro LEDEN. Období Podle Finkelsteinovy-Schaferovy statistiky ze tří základních prvků (teplota, globální záření, tlak vodní páry). Vyznačeny jsou i hranice oblastí působnosti jednotlivých páteřních stanic. Fig. 6. Pertinence of resulting tested stations to the spatial stations according to variety B for January. Period According to Finkelstein-Schafer statistics from 3 basic elements (temperature, global radiation, vapour pressure). Borders of individua spinal stations sphere of action are depicted. RKR páteřních stanic (každý RKR se skládá z měsíců různých let). To je dáno principem použité metody, která byla stanovena navrhovanou normou. Závěrem je třeba zdůraznit, že základní metodika vytváření RKR byla striktně stanovena normou, je z principu lokální a autoři tohoto článku se domnívají, že z plošného hlediska nejde o optimální metodiku. Řadu výhrad je ale možné vznést k metodě i z lokálního hlediska. Práce byla zpracována v rámci projektu MPO č Tento projekt byl realizován z finančních prostředků státního rozpočtu v rámci Státního programu na podporu úspor energie a využití obnovitelných zdrojů energie pro rok Meteorologické zprávy, 62,

10 Obr. 7 Mapa průměrné teploty vzduchu v teplém půlroce při použití hodnot z páteřních stanic. Fig. 7. Map of average air temperature in warm half-season when using spinal stations values. Obr. 9 Mapa průměrné teploty vzduchu v chladném půlroce při použití hodnot z páteřních stanic Fig. 9. Map of average air temperature in cold half-season when using spinal stations values. Obr. 8 Mapa průměrné teploty vzduchu v teplém půlroce při použití hodnot modifikovaných na nadmořskou výšku. Na mapě jsou vyznačené hranice oblastí působnosti jednotlivých páteřních stanic. Fig. 8. Map of average air temperature in warm half-season when using values modified on altitude. Borders of individual spinal stations sphere of action are depicted. Literatura [1] ARGIRIOU A., a kol., Comparison of Methodologies for TMY Generation Using 20 Years Data for Athens, Greece. Solar Energy, Vol 66, No. 1, p [2] Atlas podnebí Česka., Praha: Olomouc: ČHMÚ a Univerzita Palackého. 264 s. ISBN: (ČHMÚ), (UP). [3] BARTÁK, M. DRKAL, F. HENSEN, J. LAIN, M. et al., Simulation to Support Sustainable HVAC Design for Two Historical Buildings in Prague. In: 18. Conference on Passive and Low Energy Architecture. PLEA Federal University of Santa Catarina, Florianopolis, Brazil. [4] COUFAL, L. LANGOVÁ, P. MÍKOVÁ, T., Meteorologická data na území ČR za období Praha: ČHMÚ. 160 s. Národní klimatický program ČSFR; sv. 8. ISBN [5] DAHLSVEEN, T. PETRÁŠ, D. HIRŠ, J., Energetický audit budov. Bratislava, JAGA group. 295 s. ISBN [Kniha byla vydána v rámci projektu norské, české a slovenské spolupráce podporovaného norskou vládou projektem č Energy Auditing of Buildings Updating of Methodologies and Tools.] [6] DRKAL, F. HENSEN, J., Simulation of Energy and Indoor Environment in Buildings. In: 1 st REHVA Technical Seminar, HEVAC - Technology for the New Millenium, REHVA Journal. [7] HIRS, J., Calculation of energy performance of building part: Ventilation and air-conditioning installations, In: 17 th Airconditioning and Ventilation Conference 2006 Prague 2006, Czech Republic, Conference Proceedings. Praha: Společnost pro techniku prostředí, p ISBN Obr. 10 Mapa průměrné teploty vzduchu v chladném půlroce při použití hodnot modifikovaných na nadmořskou výšku. Na mapě jsou vyznačené hranice oblastí působnosti jednotlivých páteřních stanic. Fig. 10. Map of average air temperature in cold half-season when using values modified on altitude. Borders of individual spinal stations sphere of action are depicted. [8] KRAGH, J. PEDERSEN, F. SVENDSEN, S., 2005 Weather Test reference Years of Greenland. Dostupné na: kth.se/avd/byte/reykjavik/pdf/art_172.pdf [9] KVĚTOŇ, V. ŽÁK, M. VALERIÁNOVÁ A. HELMAN, K., Analýza normy ČSN EN ISO :2008 a vytvoření RKR pro stanici Praha-Ruzyně pro rozborový úkol RU/08/06 k technické normě ČSN EN ISO :2008. [Závěrečná zpráva k rozborovému úkolu.] Praha: ČNI. [10] KVĚTOŇ, V. a kol., Databáze meteorologických dat prezentujících klimatické podmínky na celém území ČR. [Závěrečná zpráva o plnění Investiční dotace MPO č ] Praha: ČHMÚ. [11] LUND H., The Design Reference Year. In: Building Simulation 91, 2 nd Word Congress on Technology Improving the Energy Use, Nice, France. [12] SEDLÁK J. a kol., 2000 Referenční klimatické roky pro simulaci a hodnocení energetické náročnosti budov v ČR. [Závěrečná zpráva o řešení grantového projektu, GAČR, reg.č.103/97/1199.] Brno:VUT, Praha: ČHMU, ČVUT. [13] SEDLÁK, J. OSTRÝ, M., Rozborový úkol RU/08/06 k technické normě ČSN EN ISO :2008, Hodinová data pro posuzování roční energetické potřeby pro vytápění a chlazení. [Závěrečná zpráva k rozborovému úkolu.] Praha: ČNI. [14] SKARTVEIT, A. OLSETH, J. A. LUND H., The Design Refernce Years. Recent Advantsments in Solar Radiation Resource Assessment. Seminar Denver, Colorado, November Lektor (Reviewer) Prof. RNDr. Milan Lapin, DrSc. 72 Meteorologické zprávy, 62, 2009

11 FYTOTOXICKÝ POTENCIÁL PŘÍZEMNÍHO OZONU PRO LESY V ČESKÉ REPUBLICE Iva Hůnová, Český hydrometeorologický ústav, Na Šabatce 17, Praha 4-Komořany, hunova@chmi.cz Markéta Coňková, Český hydrometeorologický ústav, Na Šabatce l7, Praha 4-Komořany, conkova@chmi.cz Ambient ozone phytotoxic potential for forests in the Czech Republic. The paper estimates the ambient ozone phytotoxic potential for forests in the Czech Republic using the AOT40F exposure index. The AOT40F trends for selected regional sites operated by the CHMI during , and maps showing the AOT40F spatial distribution for 2003, 2006 and 2007 are presented. Our results indicate high phytotoxic potential for most of the CR. In vegetation periods with meteorological conditions conducive for ambient ozone formation, the critical level for forests - set up as 5 ppm.h - is exceeded more folds as compared to the vegetation periods with non-conducive conditions; nevertheless it is exceeded at all stations always since the very beginning of the ambient ozone monitoring in the CR in In extremely hot and dry 2003 vegetation season, the critical level for forests was exceeded through the 31 % of the Czech forested area even more than 6 times. The highest AOT40 values within the entire measuring period were recorded at the Souš site in 1994 (39 ppm.h), at the Přebuz and Rýchory sites in 2003 (38 ppm.h) and at the Bílý Kříž site in 1995 (37,7 ppm.h). The curve of AOT40F increase for individual vegetation seasons differs significantly regarding the meteorological conditions, the critical value of 5 ppm.h is usually exceeded rather early, in the beginning of the vegetation season, generally in May. KLÍČOVÁ SLOVA: AOT40 index expoziční mapování ozon přízemní znečištění ovzduší KEY WORDS: AOT40 exposure index mapping surface ozone ambient air pollution 1. ÚVOD Ozon je vzhledem ke svým radiačně-absorbčním vlastnostem významným skleníkovým plynem a má zcela klíčovou roli v globální atmosférické chemii [22]. Přízemní ozon, klíčová komponenta fotochemického smogu, je sekundární znečišťující látkou, která vzniká v průběhu celé řady komplikovaných fotochemických reakcí z prekurzorů NO x (NO, NO 2 ) a VOC (Volatile Organic Compounds, těkavé organické látky), emitovaných z přirozených i antropogenních zdrojů. Tyto reakce jsou podrobně popsány např. v [20, 30]. Koncentrace přízemního ozonu vykazují významnou časovou a prostorovou variabilitu v důsledku působení celé řady faktorů, jako je zeměpisná poloha, nadmořská výška, umístění stanice, období roku a synoptická situace [7]. Pro úroveň koncentrací přízemního ozonu jsou velmi důležité meteorologické podmínky. Horké slunečné stabilní počasí vede ke vzniku ozonu. Vysoká teplota, vysoká intenzita slunečního záření, nízká rychlost větru, nízká relativní vlhkost a absence atmosférických srážek jsou faktory, které jsou obecně pokládány za ideální podmínky pro fotochemický vznik ozonu. Výsledky měření i matematického modelování indikují existenci silné vazby mezi klimatickou změnou a úrovněmi přízemního ozonu [24]. Dlouhodobá měření přízemního ozonu ve střední Evropě ukazují, že koncentrace ve středních a vyšších zeměpisných šířkách během minulého století vzrostly více než dvojnásobně [29]. V období posledních asi dvaceti let byl ovšem na řadě měřicích lokalit v Evropě a Severní Americe zaznamenán pokles maximálních koncentrací přízemního ozonu v důsledku významného snížení emisí prekurzorů tohoto sekundárního polutantu v Evropě a Severní Americe [např. 28]. Naproti tomu ovšem rostou střední hodnoty koncentrací přízemního ozonu v důsledku zvýšení globálních pozaďových koncentrací na severní polokouli, jejichž příčinou je rychle rostoucí průmyslová výroba a doprava v jihovýchodní Asii, zejména Indii a Číně. Zvýšené koncentrace jsou měřeny ve venkovských a horských oblastech a představují potenciální riziko pro citlivé rostliny téměř ve všech oblastech Evropy. Do budoucna (v průběhu dalšího století, k roku 2100) se očekává další významný růst koncentrací přízemního ozonu, i když velikost předpokládané změny se samozřejmě liší v závislosti na zvoleném emisním scénáři [23]. Fytotoxické účinky přízemního ozonu byly poprvé zaznamenány v padesátých letech minulého století v pohoří San Bernardino v jižní Kalifornii [17] a od té doby jsou předmětem rozsáhlého a intenzivního výzkumu. Působení ozonu na vegetaci je popsáno na nejrůznějších úrovních: biochemické, buněčně, fyziologické [14], na úrovni druhu i společenstva [1]. Účinky jsou prokázány při běžně se vyskytujících imisních koncentracích. V rámci konvence o dálkovém přenosu znečišťujících látek (UN-ECE Convention on long-range transboundary air pollution) byly zavedeny kritické úrovně pro expozici ozonu založené na kumulované expozici přes prahovou hodnotu za vegetační sezonu. Kritické úrovně jsou pokládány za vhodné zejména pro účely mapování překročení kritických hodnot, vymezení rizikových oblastí a pro integrované hodnocení na základě modelování, rozhodně však nemají být použity pro hodnocení ekonomických ztrát. Současný standard pro ochranu ekosystémů stanovený expozičním indexem AOT40 je často a opakovaně překračován na mnoha místech v Evropě. Tato překročení je ovšem velmi obtížné interpretovat z hlediska poškození vegetace a ekosystémů. Důvodem je fakt, že účinky O 3 na vegetaci záleží na celé řadě faktorů, které mohou ovlivnit příjem O 3 vegetací, stomatární tok [8], a reakci rostlin. Vysoká vnější expozice vyjádřená např. v Evropě užívaným expozičním indexem AOT40, spočtená na základě měřených koncentrací přízemního ozonu ve venkovním ovzduší, však neznamená automaticky vysokou fyziologickou dávku pro rostliny. Fyziologickou dávku zohledňuje alternativní přístup, o jehož biologické relevanci panuje v odborné veřejnosti shoda a k jehož aplikaci se směřuje, a sice výpočet kumulovaného stomatárního toku AFstY přes určitou prahovou hodnotu (Y mol.m -2.s -1 ). Výpočet stomatárního toku je ovšem značně komplikovaný a náročný na vstupní data a pokud nemáme k dispozici skutečná naměřená data a používáme pouze defaultní (předem předvolené) hodnoty, můžeme vnést do výpočtu mnohem větší nejistoty, než jsou přínosy pro odhad rizika. Přes řadu výhrad a přesto, že řada projektů se zabývá rozpracováním koncepce stomatárního toku, tak zatím zůstává expoziční index AOT40 stále vhod- Meteorologické zprávy, 62,

12 ným a v zemích EU široce používaným nástrojem pro odhad rizika poškození vegetace přízemním ozonem. Je relevantní zejména pro ty ekosystémy, které rostou v optimálních podmínkách a nejsou limitovány nedostatkem vody a živin v půdě [16]. Cílem článku je zhodnotit fytotoxický potenciál přízemního ozonu v České republice za použití expozičního indexu AOT40F [27]. Prezentovány jsou trendy AOT40 F na regionálních stanicích národní monitorovací sítě AIM ČHMÚ a mapy s odhadem prostorového rozložení AOT40 F. 2. METODIKA 2.1 Měření koncentrací přízemního ozonu Úsek ochrany čistoty ovzduší ČHMÚ sleduje úrovně přízemního ozonu v ČR od roku 1993, k dispozici je tedy již patnáctiletá časová řada. Měření se provádějí v rámci národní monitorovací sítě automatickými stanicemi AIM ČHMÚ, počet měřicích stanic od zahájení monitoringu pravidelně rostl až k současnému stavu 56 lokalit. Měřicí lokality reprezentují různé oblasti městské, předměstské, venkovské. K měření se používá metoda UV-absorbance, deklarovaná českou i evropskou legislativou [5] jako metoda referenční. Měření jsou validována a verifikována metodami QA/QC. Data jsou po uložení do databáze ISKO ČHMÚ verifikována standardním systémem logických kontrol s využitím statistických nástrojů, pomocí nichž lze identifikovat na základě příliš velkých, případně naopak příliš malých diferencí u po sobě následujících hodnot potenciální chyby. Výsledky měření jsou pravidelně publikovány [např. 19]. 2.2 Výpočet expozičního indexu AOT40 Současná koncepce pro odhad potenciálního rizika pro lesní porosty působením přízemního ozonu je založena na kumulované vnější expozici O 3. Expoziční index AOT40 (Accumulated Exposure over Threshold of 40 ppb kumulovaná hodnota expozice nad prahovou hodnotou 40 ppb) je definován jako suma diferencí mezi průměrnou hodinovou koncentrací O 3 a prahovou hodnotou 40 ppb (80 μg.m -3 za standardní teploty a tlaku) za období vegetační sezony pro hodiny s denním světlem. Kritická hodnota pro ochranu lesů AOT40F (duben září), stanovená na základě výsledků fumigačních experimentů se semenáčky buku, byla snížena z původních 10 ppm.h na 5 ppm.h [5]. Tato hodnota by měla zajistit ochranu citlivých druhů na stanovištích náchylných k poškození. Pro výpočet expozičního indexu AOT40F pro lesy se používá následujícího vztahu: n AOT40F = (c ijk p), (1) i V j=1 k D kde c ijk je koncentrace 40 ppb přízemního ozonu naměřená v i-tém měsíci, j-tém dni a k-té hodině, p je prahová hodnota 40 ppb, V je množina měsíců vegetační sezony, D je množina hodin s denním světlem, které jsou definovány jako ty hodiny, ve kterých je střední globální záření větší nebo rovno hodnotě 50 W.m -2, n je počet dnů v měsíci. Pro praktický výpočet, aby se komplikovaně nehledaly hodiny s denním světlem (vymezené středním globálním zářením větším nebo rovným hodnotě 50 W.m -2 ), se v současné době pro výpočet uvažují v souladu s ozonovou směrnicí 2002/3/EC (Příloha I) všechny jednotlivé hodiny během fixně stanovené části dne CET (Central European Time). Diference mezi hodnotami AOT40 spočtenými z hodin s denním světlem a hodnotami stanovenými fixně jsou pro území ČR v převážné většině případů velmi nízké, jak bylo již dříve prokázáno ve studii [10], a proto je toto zjednodušení přijatelné. Na některých českých stanicích, zejména v horských polohách, může vést tento postup k určitému podhodnocení, které však činí maximálně do 20 %. Správný výpočet AOT40 předpokládá, že k dispozici jsou kompletní měření průměrných hodinových koncentrací za období celé uvažované vegetační periody. V případě chybějících hodnot je zcela zásadní dopočítávání chybějících údajů (hodinových průměrných koncentrací) tak, aby nedocházelo v rámci výpadků měření, kterým nelze zcela zabránit, k nežádoucímu zkreslování, v případě výpočtu AOT40 k podhodnocování výsledných ročních hodnot. Ozonová směrnice 2002/3/EC [5] uvádí v Příloze III explicitně, že k výpočtu AOT40 je třeba mít k dispozici minimálně 90 % hodinových koncentrací za příslušné období 1. dubna 30. září pro výpočet AOT40 na ochranu lesů. Pokud je k dispozici nižší počet hodinových údajů, je podle směrnice třeba pro výpočet AOT40 použít následující korekce podle vzorce: AOT40 (odhadnuté) = AOT40 (vypočtené) a/b (2) kde a je celkový počet hodin za příslušné období, b je počet hodin, za které je hodinová koncentrace k dispozici za příslušné období. 2.3 Tvorba map expozičního indexu AOT40F Prostorové rozložení expozičního indexu AOT40F bylo zpracováno pro roky 2003, 2006 a Rok 2003 byl zvolen z hlediska své naprosté výjimečnosti meteorologické podmínky byly totiž neobyčejně vhodné pro vznik a trvání extrémně vysokých koncentrací přízemního ozonu. Rok 2006 pak představuje rok spíše s vyššími koncentracemi ozonu (a tedy i vyšší expozicí AOT40), rok 2007 naopak rok spíše s nižšími koncentracemi ozonu (a tedy i nižší expozicí AOT40). K mapování expozičního indexu AOT40F byl použit lineární regresní model s následnou interpolací jeho reziduí. Jako závislá proměnná do regresního modelu vstupují vypočtené hodnoty AOT40F na stanicích a jako nezávislá proměnná orografie České republiky. Pro plošnou interpolaci reziduí byla použita deterministická metoda IDW (Inverse Distance Weighting), která je jedním z nástrojů Geostatistical Analyst nadstavby ArcGIS (ESRI). Metoda IDW stanovuje hodnotu v každé buňce váženou lineární kombinací hodnot naměřených na několika nejbližších okolních stanicích, kde váha je inverzní funkcí vzdálenosti, podle vztahu: n Z(s i ) i=1 h 0i β Z(s 0 ) = (3) n 1 i=1 h 0i β kde Z(s 0 ) je hodnota interpolovaného bodu, 74 Meteorologické zprávy, 62, 2009

13 Z(s i ) je hodnota měření v i-tém bodě, h 0i je vzdálenost mezi interpolovaným bodem a i-tým bodem měření, β je exponent váhy, n je počet měřicích bodů. Metoda IDW je metodou poměrně jednoduchou, kterou je vhodné použít v případě, že blíže neznáme statistickou strukturu analyzovaného pole. Vlastností metody je snaha co nejvíce se přiblížit empirickým hodnotám na stanicích. Určitým omezením této metody je předpoklad, že vliv okolních bodů na interpolovanou hodnotu je pouze funkcí vzdálenosti mezi stanicemi. Další podrobnosti o metodě IDW je možné nalézt např. v práci [12]. Mapy byly připraveny v gridu 1x1 km. K výslednému znázornění plošného rozložení expozičního indexu AOT40F byla použita digitální mapa lesů ČR vytvořená z evropské digitální mapy Land Use (Corine Land Cover 2000, Analýza kategorizace území podle dosažené hodnoty expozičního indexu AOT40F je provedena pouze pro tato zalesněná území, která tvoří ca 33 % plochy ČR. Prezentováno je percentuální zastoupení zalesněné plochy v jednotlivých kategoriích AOT40F. Jedná se o názorný indikátor změny vzhledem k vlivu meteorologických podmínek v aktuálním roce. Pro interpolaci byly v úvahu brány pouze výsledky ze stanic klasifikovaných jako venkovské ve smyslu klasifikace EoI, pro interpolaci v příhraničních oblastech jsou využívána dostupná data z měření stanic v sousedních státech (Německa a Polska). Pokud bychom využili měření výhradně z českých lokalit, měli bychom k dispozici pouze 24 stanice. Využitím výsledků měření dalších čtyř stanic německých pro oblast Krušných hor a čtyř stanic polských pro oblast severního pohraničí se významně zvýší celkový počet lokalit využitelných pro interpolaci. Rozložení lokalit (tab. 1) je z hlediska pokrytí různých nadmořských výšek až překvapivě rovnoměrné, z hlediska prostorového rozložení stanic (obr. 1) je pokrytí naopak nerovnoměrné, stanice jsou soustředěny převážně do oblasti hor, nejhustěji je pokryta oblast Krušnohoří v širším slova smyslu. V mapách nebyla použita data ze stanic AIM ČHMÚ Souš (Jizerské hory) a Šerlich (Orlické hory), protože nereprezentují vrcholové partie příslušných pohoří a došlo by tedy k nežádoucímu podhodnocení výsledných hodnot. Tab. 1 Rozložení lokalit pro mapování expozičního indexu podle nadmořské výšky (r. 2007). Table 1. Distribution of monitoring sites (ranked according to the altitude) for exposure index mapping (2007). Nadmořská výška [m n. m.] Počet lokalit českých Počet lokalit celkově (včetně zahraničních) Celkem VÝSLEDKY 3.1 Trendy expozičního indexu AOT40F Roční hodnoty expozičního indexu AOT40F pro některé horské lokality monitorovací sítě ČHMÚ jsou prezentovány v obr. 2. Je zřejmé, že meziroční variabilita AOT40F je značná. Na samém počátku měření, v letech 1994 a 1995, byly zaznamenány poměrně vysoké koncentrace přízemního ozo- Obr. 1 Prostorové rozložení venkovských stanic monitorujících kontinuálně koncentrace přízemního ozonu (r. 2007). Fig. 1. Spatial distribution of ambient ozone real-time monitoring sites (2007). Meteorologické zprávy, 62,

14 nu a tedy AOT40F. Po poklesu emisí prekurzorů NO x a VOC v Evropě v první polovině devadesátých let dvacátého století došlo i k výraznému poklesu špičkových koncentrací ozonu, a tedy i expozice. Pozdější vysoké hodnoty, zejména v roce 2003, ale i v roce 2006 vznikly v důsledku velmi příznivých meteorologických podmínek pro vznik a kumulaci přízemního ozonu. Kritická hodnota pro ochranu lesů snížená v posledních letech z 10 na 5 ppm.h je překročena každoročně na všech stanicích klasifikovaných jako venkovské, liší se však výše překročení. V letech, kdy meteorologické podmínky pro vznik ozonu byly velmi příznivé, je zaznamenané překročení kritické hodnoty 5 ppm.h mnohem vyšší než v letech, kdy podmínky pro vznik ozonu byly naopak nepříznivé. V rce 2003 byla např. kritická hodnota překročena na uvedených stanicích 5 7,5krát, v roce 2006 pak 4 7krát. Naproti tomu v roce 2007 bylo překročení 3 4násobné, v roce 2008 pak 2,5 3,5 násobné (obr. 2). Vůbec nejvyšší hodnoty AOT40F za celé sledované období byly na stanicích AIM ČHMÚ zaznamenány na stanici Souš v Jizerských horách v roce 1994 (39 ppm.h), na stanici Přebuz v Krušných horách a Krkonoše-Rýchory v roce 2003 (38 ppm.h) a na stanici Bílý Kříž v Beskydech v roce 1995 (37,7 ppm.h). Obr. 3 Průběh nárůstu expozičního indexu AOT40 F na stanici Krkonoše- Rýchory (1001 m n. m.), vegetační sezony Fig. 3. Exposure index AOT40 F growth in time for the Krkonoše-Rýchory site (1001 m a.s.l.) for vegetation seasons. Obr. 4 Průběh nárůstu expozičního indexu AOT40 F na stanici Kostelní Myslová (569 m n. m.), vegetační sezony Fig. 4. AOT40 F growth in time for the Kostelní Myslová site (569 m a.s.l.) for vegetation seasons. Obr. 2 Hodnoty expozičního indexu AOT40 F na vybraných stanicích ČHMÚ v období Fig. 2. Exposure index AOT40 F values at selected CHMI sites in Nárůst expozičního indexu AOT40F se v jednotlivých vegetačních sezonách významně liší v důsledku rozdílných meteorologických podmínek, kritická hodnota 5 ppm.h však bývá dosažena poměrně brzy, již počátkem vegetační sezony. Pro příklad uvádíme průběh AOT40F v období pro lokalitu Krkonoše-Rýchory (obr. 3), jakožto reprezentanta horských stanic a pro lokalitu Kostelní Myslová (obr. 4), jakožto zástupce stanic venkovských, situovaných v nižší nadmořské výšce. Velmi strmý nárůst je patrný v roce 2003, kdy kritické hodnoty 5 ppm.h bylo dosaženo na stanici Krkonoše- Rýchory už před koncem dubna, na stanici Kostelní Myslová počátkem května. Nicméně i v letech s meteorologickými podmínkami mnohem méně příznivými pro vznik a kumulaci přízemního ozonu než byl rok 2003, bývá kritické hodnoty 5 ppm.h dosaženo již během května. Hodnoty AOT40F na stanici Krkonoše-Rýchory znázorněné na obr. 2 a obr. 3 se poněkud liší v důsledku toho, že hodnoty expozičního indexu AOT40F na obr. 2 jsou dopočítány i pro chybějící hodnoty, viz vztah (2), zatímco průběh nárůstu AOT40F na obr. 3 je znázorněn s chybějícími, ale nedopočítanými daty. 3.2 Mapy expozičního indexu AOT40F Obr. 5 znázorňuje prostorové rozložení AOT40F v roce 2003, kdy překročení prahové hodnoty 5 ppm.h bylo vůbec nejvyšší (viz tab. 2). Pro třetinu zalesněné plochy ČR byla prahová hodnota překročena více než 6krát. Nejvyšší překročení bylo zaznamenáno v okrajových pohořích ČR v Krkonoších, v nejzápadnější části Krušných hor, v Českém lese, na Šumavě, ale i na Českomoravské vysočině a v Brdech. Obr. 6 znázorňuje prostorové rozložení AOT40F v roce 2006, který patřil v posledních letech k těm na ozon bohatším (i když zdaleka nedosahoval hodnot klimaticky extrémního roku 2003) v důsledku velmi teplého a suchého léta ve střední Evropě. Na rozdíl od r činil podíl zalesněné plochy v kategorii nad 30 ppm.h pouhá 3 %, 55 % zalesněného území bylo exponováno hodnotám AOT40F překračujícím prahovou hodnotu 3 4krát, 31 % území pak 4 5krát. Nejvyšší hodnoty AOT40F byly zaznamenány v jižní části území, zejména na Šumavě a v Novohradských horách. Obr. 7 znázorňuje prostorové rozložení AOT40F v roce 2007, který naopak patřil v posledních letech k těm na ozon chudším. Převážná část zalesněného území (78 %) byla exponována hodnotám překračujícím kritickou hodnotu 3 4krát, 9 % pak 4 5krát. Tab. 2 sumarizuje relativní podíly zalesněné plochy ČR v jednotlivých kategoriích expozičního indexu AOT40F spočtené na základě analýzy map jeho prostorového rozložení. 76 Meteorologické zprávy, 62, 2009

15 Obr. 5 Prostorové rozložení expozičního indexu AOT40 F, Česká republika Fig. 5. Exposure index AOT40 F spatial pattern, Czech Republic Obr. 6 Prostorové rozložení expozičního indexu AOT40 F, Česká republika Fig. 6. Exposure index AOT40 F spatial pattern, Czech Republic Obr. 7 Prostorové rozložení expozičního indexu AOT40 F, Česká republika Fig. 7. Exposure index AOT40 F spatial pattern, Czech Republic Tab. 2 Relativní podíl [%] zalesněné plochy ČR v jednotlivých kategoriích expozičního indexu AOT40F. Table 2. Relative share [%] of the Czech forested area in respective AOT40 F exposure index categories. AOT40F [ppm.h] <= , ,1 4,0 12, ,03 74,9 54,6 78, ,3 5,3 31,0 9, ,3 0 7,6 0 > 30 31,4 0 2, DISKUSE Expoziční index AOT40 počítaný dle platné české legislativy jako průměr pro období několika po sobě následujících let a pravidelně publikovaný např. v ročenkách ČHMÚ [19] se svým pojetím, způsobem výpočtu, zahrnovaným obdobím a tedy i výslednými hodnotami, významně liší od AOT40F pro vegetační období jednotlivých let uvažovaných zvláště, který prezentujeme v tomto příspěvku. V ČR jsou v monitorovací síti AIM ČHMÚ dlouhodobě měřeny vysoké imisní koncentrace ozonu, tedy i expozice vyjádřená indexem AOT40F je poměrně vysoká [9]. Doplňková měření koncentrací ozonu prováděná v ČHMÚ od roku 2005 difuzními dozimetry Ogawa indikují v horských lokalitách hodnoty dokonce ještě výrazně vyšší, než jsou hodnoty AOT40F spočtené z kontinuálních měření AIM prezentované v tomto příspěvku. V nejvyšších polohách Jizerských hor na lokalitách Pod Smědavskou horou a Na knajpě, v nadmořské výšce kolem 1000 m n. m., byly např. vypočteny pro rok 2006 hodnoty kolem 60 ppm.h [11]. To je třikrát vyšší hodnota než expoziční index pro odpovídající období pro stanici AIM ČHMÚ Souš v Jizerských horách. V této souvislosti je vhodné poznamenat, že metodika pro výpočet AOT40F z kontinuálních přístrojů a difuzních dozimetrů je odlišná a výsledky tedy nejsou přímo srovnatelné. Hodnoty AOT40F pro lokality s difuzními dozimetry, exponovanými vždy po dobu 2 týdnů po celou vegetační sezonu, jsou odhadnuty na základě polynomické regrese ze 14denních průměrných koncentrací přízemního O 3, protože není možné aplikovat standardní metodu výpočtu z průměrných hodinových koncentrací. Na základě expozičního indexu lze vymezit riziková území potenciálního ohrožení vegetace zvýšenými koncentracemi přízemního ozonu. Skutečná fyziologická dávka, která se však do rostliny dostane a je schopna vyvolat poškození, je ovšem závislá na celé řadě dalších spolupůsobících faktorů. To se markantně projevilo např. v roce Tehdy byly měřené koncentrace přízemního ozonu i hodnoty expozičního indexu AOT40 v důsledku extrémně vysokých teplot léto 2003 se udává dokonce jako vůbec nejteplejší od roku 1500 [15] značně vysoké nejen u nás, ale prakticky v celé Evropě. Překvapivě však nebyla zaznamenána významná poškození vegetace ozonem. Přesto, že koncentrace O 3 pro střední Evropu v roce 2003 vykazují nejvyšší hodnoty od konce osmdesátých let minulého století a 95% kvantil denních maximálních hodinových koncentrací byl na řadě míst Francie, Německa, Rakouska a Švýcarska vyšší než kdykoliv předtím [25], fyziologická dávka byla relativně nízká. Stomatární tok byl totiž zřejmě výrazně snížen v důsledku extrémního sucha, na které vegetace reaguje uzavřením stomat, aby se zabránilo výměně plynů [8]. Keller et al. [13], kteří ve své studii srovnávali riziko poškození zemědělských plodin zvýšenými koncentracemi ozonu ve Švýcarsku v horkém a suchém létě 2003 s obvyklejšími meteorologickými podmínkami léta 2000, nalezli jen velmi malé rozdíly mezi příjmem ozonu do rostlin v obou letech, i když koncentrace ozonu byly významně odlišné. V celoevropském měřítku Simpson et al. [21] studovali riziko poškození vegetace v důsledku přízemního ozonu srovnáním map pro AOT40 a AFstY vytvořených výpočty chemického transportního modelu EMEP. Výsledky ukázaly, že překročení kritických úrovní u obou indikátorů je značné, každý z nich však vykazuje zcela rozdílné prostorové rozložení. Výsledky studie [21] jsou konzistentní s výsledky dříve prezentovanými Emberson et al. [6], ačkoliv model EMEP doznal v posledních letech signifikantních změn a změnily se Meteorologické zprávy, 62,

16 i klíčové parametry stomatárního toku. Z obou studií vyplývá, že zvýšené koncentrace přízemního ozonu představují pro evropskou vegetaci významné riziko. Hlavní výhodou užití stomatárního toku ve srovnání s přístupem založeným na koncentracích je zohlednění podstatného vlivu meteorologických faktorů na příjem ozonu [2]. Odborná veřejnost preferuje přechod na AFstY, ale bohužel zatím nejsou k dispozici data pro verifikaci map vytvořených matematickým modelem. AOT40 tak přes řadu kritik zůstává z důvodu relativně jednoduchého měření a výpočtu hlavním nástrojem pro odhad potenciálního rizika pro vegetaci v Evropě. Shoda mezi odborníky je v tom, že je ovšem AOT40 nutné aplikovat v různých regionech Evropy s velkou opatrností pro některé regiony je index AOT40 vhodnější, pro jiné je vhodný méně. Například ve Skandinávii a ve značné části Velké Británie jsou zpravidla imisní koncentrace přízemního ozonu nižší než ve střední a jižní Evropě a pohybují se velmi často kolem prahové koncentrace 40 ppb. Expozice vyjádřená indexem AOT40 je tedy zanedbatelná a mohlo by se zdát, že přízemní ozon zde v podstatě nehraje při poškození vegetace žádnou roli. Nicméně např. ve Finsku [18] byl změřen snížený přírůst dřevin v důsledku působení ozonu. Byla vyslovena hypotéza, že v důsledku typických podmínek v této oblasti dlouhého skandinávského dne a dostatečné vlhkosti vedou i poměrně nízké koncentrace ozonu k významné chronické expozici oproti akutní zátěži, která je charakteristická pro jižní Evropu. Naproti tomu expoziční index AOT40 má tendenci přeceňovat fyziologickou dávku v jižní Evropě, protože sucho často limituje otevírání stomat a výměnu plynů, tedy i příjem O 3. V podmínkách, kde jsou průměrné hodinové koncentrace významně vyšší než 40 ppb, což je případ venkovských oblastí ČR, a zejména pro akutní případy, při optimálním režimu živin a dostatečné vlhkosti, poskytuje AOT40 vysoce spolehlivý odhad zátěže vegetace a ekosystémů ozonem. Hodnocení založené na AOT40 se též může významným způsobem lišit pro různé roky, v závislosti na příslušných meteorologických podmínkách. Jak již bylo zmíněno výše, přecenění rizika účinků O 3 bylo zjevné v r pro střední Evropu, v roce extrémního sucha, které významně snížilo primární produkci tohoto regionu [3]. Ačkoliv jsou v ČR dlouhodobě měřeny vysoké koncentrace ozonu, nebyly zatím popsány významné dopady na vegetaci in situ. Studiu vlivu přízemního ozonu na les jsou v ČR v současné době věnovány dva rozsáhlejší projekty, právě ukončený projekt NAZV VÚLHM Vliv zvýšených koncentrací ozonu a meteorologických faktorů na stabilitu smrkových a bukových porostů v České republice a stále pokračující projekt VaV Snížení plnění celospolečenských funkcí lesa vlivem potenciálního působení přízemního ozonu v kontextu klimatické změny [31], jehož hlavním nositelem je Ekotoxa. Z výsledků právě ukončeného projektu VÚLHM, kdy byl sledován vliv přízemního ozonu na zdravotní stav lesních porostů hodnocením defoliace, vizuálního poškození vegetace, hodnocením epikutikulárních vosků a malondialdehydu (marker oxidativního stresu), vyplývá, že současná reálná rizika vlivu ozonu na lesní porosty v ČR jsou nižší, než autoři vzhledem k dosahovaným imisním koncentracím ozonu předpokládali [26]. 5. ZÁVĚR Prezentované výsledky ukazují, že fytotoxický potenciál přízemního ozonu v ČR je značný, a to zejména v relativně čistých oblastech vzdálených od emisních zdrojů, v prostředí horských lesů. Je proto velmi žádoucí zaměřit se na hlubší studium tohoto problému a na ověření toho, zda vysoký fytotoxický potenciál zjišťovaný na základě měření koncentrací přízemního ozonu v českých horských lesích vyvolává skutečná poškození porostů. Literatura: [1] ASHMORE, M. R., Effects of oxidants at the whole plant and community level. In: Bell, J. N. B., Treshow, M. eds.: Air Pollution and Plant Life. 2.ed. Chichester: John Wiley & Sons. Ltd. 465 p. ISBN [2] ASHMORE, M. EMBERSON, L. KARLSSON, P. E. PLEIJEL, H., New Directions: A new generation of ozone critical levels for the protection of vegetation in Europe. Atmospheric Environment, Vol. 38, p [3] CIAIS, Ph. REICHSTEIN, M. VIOVY, N. GRANIER, A. OGÉE, J., et al., Europe-wide reduction in primary productivity caused by the heat and drought in Nature, Vol. 437 (7058), p [4] COLBECK, I. MACKENZIE, A. R., Air Pollution by Photochemical Oxidants. Amsterdam: Elsevier. [5] EC, Directive 2002/3/EC of the European Parliament and of the Council of 12 February 2002 relating to ozone in ambient air. OJEC, No. L 67, [6] EMBERSON, L. D. ASHMORE, M. R. CAMBRIDGE, H. M. SIMPSON, D. TUOVINEN, J.-P., Modelling stomatal ozone flux across Europe. Environmental Pollution, Vol. 109, p [7] FINLAYSON-PITTS, B. J. PITTS, J. N., JR., Chemistry of the upper and lower atmosphere. San Diego: Academic Press. [8] GASCHE, R. PAPEN, H. RENNENBERG, H. eds., Trace Gas Exchange in Forest Ecosystems. Dordrecht: Kluwer Academic Publishers. [9] HŮNOVÁ, I. LIVOROVÁ, H. OSTATNICKÁ, J., Potential Ambient Ozone Impact on Ecosystems in the Czech Republic as Indicated by Exposure Index AOT40. Ecological Indicators, Vol. 3, p [10] HŮNOVÁ, I. NOVÁK, V., Expoziční index AOT40 jako nástroj pro odhad účinku přízemního ozonu na ekosystémy. Meteorologické Zprávy, roč. 54, s [11] HŮNOVÁ, I. SRNĚNSKÝ, R. HORÁLEK, J. KOŽELKOVÁ, K., Využití pasivních dozimetrů pro vymezení rizikových oblastí z hlediska potenciálního poškození vegetace přízemním ozonem. Případová studie pro CHKO Jizerské hory. Vegetační sezona Praha: ČHMÚ. 76 s. ISBN [12] ISAAKS, E. H SRIVASTAVA, R. M., An Introduction to Applied Geostatistics. Oxford: Oxford University Press Inc. 561 p. [13] KELLER, F. BASSIN, S. AMMANN, CH. FUHRER, J., High-resolution modelling of AOT40 and stomatal ozone uptake in wheat and grassland: A comparison between 2000 and the hot summer of 2003 in Switzerland. Environmental Pollution, Vol. 146, p [14] LONG, S. P. NAIDU, S. L., Effects of oxidants at the biochemical, cell and physiological levels, with particular reference to ozone. In: Bell, J. N. B. Treshow, M., eds.: Air Pollution and Plant Life. Chichester: John Wiley & Sons. Ltd. ISBN [15] LUTERBACHER, J. DIETRICH, D. XOPLAKI, E. GROSJEAN, M. WANNER, H., European Seasonal and Annual Temperature Variability, Trends, and Extremes Since Science, Vol. 303, p Meteorologické zprávy, 62, 2009

17 [16] MATYSSEK, R. BYTNEROWICZ, A. B. KARLSSON, P.E. PAOLETTI, E. et al., Promoting the O 3 flux concept for European forest trees. Environmental Pollution, Vol. 146, p [17] MILLER, P. R. PARMETER, J. R. TAYLOR, O. C. CARDIFF, E. A., Ozone injury to the foliage of ponderosa pine. Phytopatology, Vol. 53, p [18] OKSANEN, E., 2003.Responses of selected birch (Betula pendula Roth) clones to ozone change over time. Plant, Cell and Environment, Vol. 26, p [19] Znečištění ovzduší na území České republiky v roce Praha: ČHMÚ. 242 s., CD. ISBN [20] SEINFELD, J. H. PANDIS, S. N., Atmospheric Chemistry and Physics of Air Pollution. New York: John Wiley & Sons. [21] SIMPSON, D. ASHMORE, M. R. EMBERSON, L. TUOVINEN, J. P., A comparison of two different approaches for mapping potential ozone damage to vegetation. A model study. Environmental Pollution, Vol. 146, p [22] SINGH, O. N. FABIAN, P., Atmospheric Ozone: a Millenium Issue. EGU Special Publications Series, Vol p. ISBN X. [23] SITCH, S. COX, P. M. COLLINS, W. J. HUNTINGFORD, C., Indirect radiative forcing of climate change through ozone effects on the land-carbon sink. Nature, Vol. 448, p [24] SOLBERG, S. DERWENT, R. G. HOV, Ø. LANGNER, J. LINSKOG, A., European Abatement of Surface Ozone in a Global Perspective. Ambio, Vol. 34, p [25] SOLBERG, S. HOV, Ø. SØVDE, A. ISAKSEN, I.S.A. et al., European Surface Ozone in the Extreme Summer Journal of Geophysical Reserach, Vol [26] ŠRÁMEK, V. NOVOTNÝ, R. ČAPEK, M. BEDNÁŘOVÁ, E. et al., Vliv zvýšených koncentrací ozonu a meteorologických faktorů na stabilitu smrkových a bukových porostů v České republice. [Závěrečná zpráva projektu NAZV 1G57045.] Praha: VÚLHM. [27] UN/ECE, Mapping Manual Revision, UNECE convention on long-range transboundary air pollution, Manual on the Methodologies and Criteria for Modelling and Mapping Critical Loads and Levels and Air Pollution Effects, Risks and Trends (2004)< [28] VINGARZAN, R., A review of surface ozone background levels and trends. Atmospheric Environment, Vol. 38, p [29] VOLZ, A. KLEY, D., Evaluation of Montsouris series of ozone measurements made in the nineteenth century. Nature, Vol. 332, p [30] WARNECK, P., Chemistry of the Natural Atmosphere, 2nd edition. San Diego: Academic Press, Inc. [31] ZAPLETAL, M. CHROUST, P. VEČEŘA, Z. MIKUŠKA, P. et al., Porovnání gradientového měření a modelování depozičního toku ozonu do smrkového porostu v lokalitě Bílý Kříž (Moravskoslezské Beskydy). In: Ovzduší 2009, s Brno: Masarykova univerzita. ISBN Lektor (Reviewer) RNDr. J. Keder, CSc. INFORMACE RECENZE ZAJIŠTĚNÍ METEOROLOGICKÉ SLUŽBY NA LETIŠTI ČESKÉ BUDĚJOVICE (LKCS) V DOBĚ ZASEDÁNÍ MINISTRŮ ZAHRANIČNÍCH VĚCÍ EVROPSKÉ UNIE V HLUBOKÉ NAD VLTAVOU Akce byla iniciována dopisem ministerstva pro evropské záležitosti obsahujícím žádost o meteorologické zabezpečení letiště v Českých Budějovicích (LKCS), které bude využito v rámci zasedání ministrů zahraničních věcí Evropské unie v Hluboké nad Vltavou ve dnech Obdobný dopis obdržela i meteorologická služba AČR. Odbor letecké meteorologie (OLM) ČHMÚ poté vstoupil v jednání s AČR, resp. jejím OHMZ VGHMÚř (Odbor hydrometeorologického zabezpečení Vojenského geografického a hydrometeorologického úřadu). Výsledkem jednání byla dohoda, jak v souladu s předpisem L3-METEOROLOGIE zabezpečit na letišti LKCS vydávání pravidelných zpráv o počasí, výstražnou službu, vydávání potřebných předpovědí (TAF, předpověď pro vzlet, přistávací předpověď), briefing a konzultace pro posádky letadel. Pozorování v souladu s předpisem L3 včetně doplňku zajistil OHMZ VGHMÚř, který pro tyto účely vyčlenil ze svých mobilních meteorologických stanic TacMet MAWS 201M a briefingovou stanici OBLAK. Vyčlenění této techniky a její obsluhy schválil ve své informační zprávě pro ministryni obrany ze dne náčelník generálního štábu AČR. OLM ČHMÚ zajistil výstražnou službu, vydávání potřebných předpovědí (TAF, předpověď pro vzlet, přistávací předpověď), briefing a konzultace pro posádky letadel. Poskytování meteorologické služby bylo smluvně zakotveno v dohodě o součinnosti mezi Letištěm České Budějovice, a. s. a ČHMÚ. Na celou akci byl zpracován prováděcí plán, který byl důsledně dodržen. Pro potřeby pozorování a vydávání zpráv METAR byla použita Automatická meteorologická stanice fy Vaisala MAWS TacMet TM, která byla v provozní době letiště během akce umístěna v prostoru bodu dotyku dráhy 27 na letišti LKCS. Automatická meteorologická stanice MAWS TacMet TM je vybavena těmito čidly: Směr a rychlost větru: WA151 wind sensor Teplota a relativní vlhkost: Vaisala HUMICAP temperature and relative humidity sensor Tlak: Vaisala BAROCAP Základna oblačnosti: Vaisala CT25 ceilometer Dohlednost a současné počasí: Vaisala PWD22 forwardscatterometer Přeprava dat: via UHF/VHF radiomodem Data byla distribuována do mobilní briefingové stanice OBLAK, která byla umístěna ca 50 m před budovou řízení letového provozu, a z ní pak satelitním spojem do OHMZ VGHMÚř a dále standardní cestou přes RTC Komořany a do telekomunikačního uzlu NIX (Network Interchange) Pokračování na str. 96 Meteorologické zprávy, 62,

18 VLIV METEOROLOGICKÝCH PRVKŮ NA VYBRANÉ FENOLOGICKÉ FÁZE RÉVY VINNÉ A JEJICH ČASOVÁ DYNAMIKA Pavel Zahradníček, Český hydrometeorologický ústav, Pobočka Brno, Kroftova 43, Brno, zahradnicek@chmi.cz Lenka Hájková, Český hydrometeorologický ústav, Pobočka Ústí nad Labem, Kočkovská 18, Ústí nad Labem, hajkova@chmi.cz The impact of meteorological elements on grapevine phenophases and their temporal dynamics. Grapevine (Vitis vinifera L.) cultivation is influenced by the weather. The paper tries to explain connection between selected phenophases and meteorological characteristics. Phenological observations have a long tradition in the Czechia, but choice of a suitable station is not simple. Velké Pavlovice and Velké Žernoseky were finally selected, both observation sites have a climate station nearby, meteorological data were obtained from these stations. The guideline for observers was set up in 1956 and has included the subsequent observed variables for the vine Vitis vinifera L. This was replaced by the new CHMI methodology instruction No. 3 in This case study investigated available period The quality control of meteorological characteristics were executed and then data were checked for relative homogeneity by Standard Normal Homogeneity Test and then adjusted with respect to the inhomogeneity year. The paper examines also the dynamics of phenophases and tries to find connection between recent climatic changes and variation of phenophases and their impact on the viniculture. KLÍČOVÁ SLOVA: réva vinná fenofáze charakteristiky meteorologické změna klimatu KEY WORDS: grapevine phenophases meteorological characteristics climatic changes 1. ÚVOD Vinařství v České republice je do značné míry ovlivněno skutečností, že pěstování vinné révy na našem území zasahuje k severní hranici jejího rozšíření v Evropě, čímž výrazně roste jeho závislost na povětrnostních podmínkách. Podle M. Košťála [5] je vinná réva domovem v pásmu mezi 25 40º zeměpisné šířky a její rozšíření na jih a sever až k 52º je teprve druhotné. Přesto se při její severní hranici výskytu znamenitě daří takovým druhům jako rýnskému Ryzlinku nebo Burgundskému. Mezi příznivé faktory ovlivňující zrání, úrodu a kvalitu vína patří dostatek slunečního svitu, vyšší teploty vzduchu, ale také i dostatek srážek. Naopak nepříznivě působí chladné a deštivé počasí, extrémní zimní mrazy, pozdní jarní a časné podzimní mrazy, přívalové deště a krupobití. Na meteorologických podmínkách je závislý také výskyt chorob a škůdců [2]. Proto se práce snaží objasnit jak velký je vztah mezi meteorologickými charakteristikami a fenofázemi révy vinné. Zhruba od 80. let 20. století dochází k intenzivnějšímu oteplování, které má dopady na široké spektrum přírodní složky i na lidskou činnost. Studie si též klade otázku, jestli došlo díky současné klimatické změně k signifikantním rozdílům v nástupu data fenofází 2. MATERIÁL A METODY V České republice, podobně jako ve většině ostatních evropských zemí, se dlouhodobě sledují fenologické projevy významných druhů rostlin s využitím sítě pozorovacích stanic. Z odborného hlediska se jedná o systematické získávání informací o rychlosti vývoje vybraných druhů rostlin v závislosti na podnebí a počasí, které jsou využitelné jak pro studium klimatu, tak i pro aktuálně zaměřené informační služby do sektoru zemědělství, lesnictví, tvorby a ochrany krajiny, ale i medicíny [3]. Fenologická pozorování započala už v 80. letech 18. století pod vedením ředitele stanice Praha- Klementinum Antonína Strnada [8]. Fenologická ročenka byla vydávána od roku 1923 Výzkumným zemědělským ústavem v Brně a od roku 1938 převzal tuto roli Centrální meteorologický institut (později Hydrometeorologický institut), ale bohužel neobsahuje informace o révě vinné [6]. Proto musela být data pořízena z originálních záznamů stanice uložené v archívu Českého hydrometeorologického ústavu. Základní instrukce pro pozorovatele byla vydána v roce 1956 [9] a ta už obsahovala pokyny k zaznamenávání fenofází u révy vinné. Začalo se s pozorováním těchto fází: počátek řezu, počátek rašení, počátek květu, všeobecné kvetení, všeobecné žloutnutí listí a plná zralost, resp. počátek sklizně. Od poloviny osmdesátých let proběhla zásadní změna metodiky pozorování rozdělením fenologické sítě do tří typů: polní plodiny, ovocné dřeviny a lesní rostliny [7]. U révy vinné došlo také ke změně sledovaných fenofází, které se užívají až do dnešní doby: počátek jarní mízy, rašení listových pupenů (BBCH 07), první listy (BBCH 11), počátek kvetení (BBCH 60), konec kvetení (BBCH 69), zavěšování hroznů (BBCH 73), měknutí bobulí (BBCH 85) a zralost sklizňová (počátek sklizně). Při zpracovávání dat jsme se zaměřili zejména na fenofáze první listy a počátek kvetení a pro úplnou představu uvádíme popis těchto dvou fenofází. Fenofáze první listy (BBCH 11): po nástupu fenofáze rašení listových pupenů (RL BBCH 07) pokračuje další růst orgánů, které jsou v pupenu obsaženy - pupen se postupně rozvíjí, přičemž jednotlivé listy, v době rašení ještě k sobě přimknuté, se růstovými pohyby z pupenu uvolňují a původně řasnatě složená čepel listu se rozvine do víceméně rovinné plochy. Fenofáze první 1isty je vymezena jako moment v procesu vývinu listů, kdy při pohledu shora na líc listu je již vidět větší část řapíku a celou plochu listové čepele (způsob složení čepele v pupenu bývá ještě náznakově zachován). Fenofáze u sledované rostliny nastupuje, jakmile do popsaného stadia vyspějí první listy z nejvíce pokročilých pupenů v různých částech koruny stromu [12]. Fenofáze počátek kvetení (BBCH 60): květy vinné révy jsou uspořádány v hroznovitá květenství (laty). Před rozkvětem jsou vnitřní orgány květu (tyčinky, pestík a žlázky) zakryty korunou; tato se skládá z pěti korunních plátků, které jsou svými okraji v horní části navzájem srostlé; takže tvoří tzv. čepičku. Na počátku rozkvětu dochází v souvislosti s růstem tyčinek k odtržení korunních plátků od květní osy, takže 80 Meteorologické zprávy, 62, 2009

19 Obr. 1 Dlouhodobý průměr a) teplot vzduchu ( C) b) úhrnu srážek (mm) na stanicích Velké Pavlovice a Doksany. Fig. 1. Long-term averages of a) air temperature (in C) and b) precipitation amount (in mm) at the stations Velké Pavlovice and Doksany in čepička se jako celek uvolňuje; po určitou dobu se ještě udrží zavěšena na tyčinkách, až posléze odpadá [12]. Za počátek kvetení je považováno odtržení čepičky v tomto stadiu jsou při pohledu na květ ze strany vidět nitky tyčinek nebo alespoň jejich dolní část. Nejdříve takto rozkvétají květy v dolní části laty a rozkvět pak pokračuje směrem k jejímu vrcholu. Fenofáze nastupuje, jakmile rozkvetou první květy v několika různě umístěných květenstvích sledovaného keře [12]. Pro tuto studii byly vybrány dvě rozdílně umístěné stanice Velké Pavlovice a Velké Žernoseky. Ve Velkých Pavlovicích se nachází jak fenologická stanice, tak i klimatologická patřící do sítě Českého hydrometeorologického ústavu. Réva vinná je pozorována na této stanici už od roku Klimatologická stanice Velké Pavlovice má dokonce ještě delší tradici. První měření tu započalo už a pokračuje do dnešní doby, kdy zde funguje automatická meteorologická stanice (od roku 1999). Fenologická stanice Velké Žernoseky patří do skupiny fenologie ovocných dřevin a zabývá se výlučně pouze sledováním časového nástupu fenofází u révy vinné. Stanice Velké Žernoseky patřila mezi šlechtitelské vinařské stanice s pozorováním již od r. 1955, po jejím zrušení převzalo v roce 1989 fenologická pozorování ČHMÚ. V současné době jsou zde sledovány různé odrůdy révy vinné celkem na deseti plochách v nadmořské výšce m n. m. Protože ve Velkých Žernosekách se nenachází klimatologická stanice, tak byla použita pro srovnání stanice Doksany ležící zhruba 15 km daleko, ale skoro ve stejné nadmořské výšce. Vybrané fenofáze byly korelovány s vybranými meteorologickými charakteristikami (viz. tab. 1). V prvním kroku byly meteorologické prvky podrobeny kontrole kvality dat a všechna chybná měření byla ze vstupních dat odstraněna a nahrazena novou vypočtenou hodnotou. Také byly doplněny údaje, kdy se z nějakého důvodu neměřilo. Tato kontrola a výpočet nových hodnot probíhal v programu PROCLIM, vytvořeným Petrem Štěpánkem z ČHMÚ Brno. Detekce chybových hodnot probíhá na zákla- Tab. 1 Roční srovnání meteorologických charakteristik na stanici Velké Pavlovice (B2VPAV01) a Doksany (U1DOKS01) za období Table 1. Annual comparison of meteorological characteristics at the stations Velké Pavlovice (B2VPAV01) and Doksany (U1DOKS01) for the period Meteorologická charakteristika Zkratka Jednotka B2VPAV01 U1DOKS01 průměrná teplota vzduchu T C 9,4 8,7 aktivní suma teplot nad 5 C T >5 C C 3464,1 3195,7 aktivní suma teplot nad 10 C T >10 C C 3018,5 2720,8 průměrná maximální teplota vzduchu TMA C 14,2 13,6 absolutní maximální teplota vzduchu TMA MAX C 30,9 30,8 aktivní suma maximálních teplot vzduchu nad 5 C TMA >5 C C 5126,3 4907,1 aktivní suma maximálních teplot vzduchu nad 10 C TMA >10 C C 4732,1 4469,4 průměrná minimální teplota vzduchu TMI C 5,0 3,9 úhrn slunečního svitu SSV h tlak vodní páry E hpa 9,3 9,5 úhrn srážek SRA mm počet srážkových dní nad 0,1 mm SRA > 0,1 mm den počet srážkových dní nad 1 mm SRA > 1 mm den počet srážkových dní nad 5 mm SRA > 5 mm den potencionální evapotranspirace travního porostu PEVA mm 613,6 495,3 Meteorologické zprávy, 62,

20 Obr. 2 Průběh nástupu fenofáze první listy (vlevo) a rozložení jejich hodnot (vpravo) na stanicích Velké Pavlovice ( ) a Velké Žernoseky ( ). Fig. 2. The course of the first leaves phenophase onset (on the left) and distribution of values (on the right) at the stations Velké Pavlovice ( ) and Velké Žernoseky ( ). dě srovnání s okolními stanicemi a z nich váženým průměrem (váha je nastavena podle vzdálenosti) vypočtenou očekávanou hodnotou. Tato hodnota se také pak používá při doplnění řady [10]. V druhém kroku řady prošly detekcí nehomogenit pomocí standardního normálního homogenizačního testu [1]. Testováno bylo období , protože sledovaná perioda je příliš krátká a mohla by zkreslit výsledky. Jako referenční série byla použita vypočtená řada z okolních stanic, opět na základě vážených průměrů [11]. Pro zjištění vztahu mezi nástupem fenofáze a meteorologickými charakteristikami byl používán korelační koeficient s určením statistické významnosti (p = 0,05). K těmto účelům posloužil statistický software Statistica 8.0. Datum fenofáze bylo převedeno na pořadí dne v roce. K zobrazení dynamiky fenofází byl použit spojnicový graf, i když jsme si vědomi, že Tab. 2 Nástup fenofáze první listy ve Velkých Pavlovicích (VP) v letech u odrůdy Frankovka a ve Velkých Žernosekách (VZ) v letech u odrůdy Modrý Portugal. Table 2. The first leaves phenophase onset (VP Velké Pavlovice, variety Frankovka, period , VZ Velké Žernoseky, variety Modrý Portugal, period ).. Obec Průměr Medián 25% kvartil 75% kvartil 10% kvantil 90% kvantil Sm. odchylka VP VZ Tab. 3 Korelace mezi prvními listy odrůdy Frankovka a meteorologickými charakteristikami za období na stanici Velké Pavlovice (kurzívou statisticky nevýznamné, p = 0,05). Table 3. Correlation between the first leaves of the Frankovka variety and meteorological characteristics at Velké Pavlovice station in (in italics statistically unimportant, p = 0.05). I II III IV I-II II-III I-III I-IV II-IV III-IV T -0,51-0,48-0,38-0,68-0,58-0,50-0,57-0,69-0,68-0,71 T >5 C -0,48-0,39-0,50-0,68-0,52-0,54-0,58-0,78-0,78-0,80 T >10 C -0,40-0,30-0,35-0,71-0,44-0,42-0,48-0,81-0,80-0,79 TMA -0,51-0,42-0,44-0,70-0,55-0,48-0,55-0,69-0,68-0,77 TMA MAX -0,40-0,26-0,28-0,37-0,43-0,32-0,46-0,57-0,49-0,51 TMA >5 C -0,48-0,37-0,46-0,70-0,50-0,47-0,53-0,68-0,67-0,77 TMA >10 C -0,04-0,42-0,61-0,24-0,38-0,63-0,61-0,67-0,70-0,70 TMI -0,48-0,51-0,22-0,53-0,59-0,48-0,55-0,63-0,60-0,49 SSV -0,12 0,23-0,46-0,51 0,09-0,27-0,30-0,51-0,49-0,61 E -0,51-0,48-0,29-0,54-0,57-0,49-0,56-0,66-0,60-0,53 SRA 0,07-0,17-0,22-0,17-0,08-0,28-0,19-0,26-0,31-0,30 SRA > 0,1 mm -0,06-0,07-0,03 0,19-0,08-0,06-0,08 0,00 0,03 0,08 SRA > 1 mm 0,09-0,18-0,16-0,09-0,04-0,22-0,12-0,15-0,24-0,18 SRA > 5 mm 0,03-0,17 0,02-0,28-0,11-0,13-0,08-0,28-0,31-0,30 PEVA -0,50-0,46-0,50-0,57-0,61-0,52-0,60-0,75-0,73-0,73 82 Meteorologické zprávy, 62, 2009

21 Tab. 4 Korelace mezi prvními listy odrůdy Modrý Portugal a meteorologickými charakteristikami za období na stanici Velké Žernoseky (kurzívou statisticky nevýznamné, p = 0,05). Table 4. Correlation between the first leaves of the Modrý Portugal variety and meteorological characteristics for the period at Velké Žernoseky station (in italics statistically unimportant), p = 0,05). I II III IV I-II II-III I-III I-IV II-IV III-IV T -0,46-0,13-0,22-0,66-0,36-0,19-0,35-0,48-0,40-0,67 T >5 C -0,52 0,00-0,26-0,63-0,34-0,20-0,38-0,61-0,55-0,69 T >10 C -0,47 0,02-0,12-0,62-0,32-0,08-0,31-0,68-0,61-0,66 TMA -0,47-0,10-0,36-0,68-0,36-0,23-0,40-0,57-0,50-0,78 TMA MAX -0,27 0,14-0,39-0,21-0,14-0,13-0,27-0,39-0,27-0,49 TMA >5 C -0,48-0,07-0,32-0,69-0,33-0,21-0,36-0,55-0,48-0,73 TMA >10 C -0,44 0,05-0,41-0,71-0,21-0,26-0,37-0,61-0,60-0,75 TMI -0,41-0,17-0,08-0,46-0,36-0,18-0,33-0,41-0,29-0,36 SSV -0,42 0,17-0,48-0,52-0,06-0,30-0,40-0,55-0,49-0,60 E -0,50-0,16-0,06-0,27-0,38-0,16-0,33-0,38-0,24-0,23 SRA -0,24-0,18 0,06 0,32-0,28-0,04-0,15 0,02 0,14 0,23 SRA > 0,1 mm -0,33-0,16 0,29 0,57-0,32 0,11-0,11 0,13 0,34 0,48 SRA > 1 mm -0,42-0,26 0,03 0,44-0,42-0,11-0,28-0,06 0,12 0,26 SRA > 5 mm -0,04 0,05 0,00 0,27-0,01 0,02-0,01 0,11 0,15 0,17 PEVA -0,61-0,06-0,45-0,59-0,49-0,35-0,52-0,66-0,60-0,67 nejde o spojitý jev, ale s ohledem na lepší přehlednost, jsme si dovolili tento prohřešek učinit. Potenciální evapotranspirace travního porostu se v praxi neměří, tudíž se jedná o hodnotu získanou ze standardních meteorologických dat. Výpočet byl proveden modifikovaným způsobem podle Penmana-Monteitha. Modifikace v tomto smyslu slova je důsledkem nižších potenciálních hodnot evapotranspirace. Výpočetní algoritmus potenciální evapotranspirace byl použit z agroklimatologického modelu AVISO. 3. VÝSLEDKY 3.1 První listy (PL BBCH 11) Průběh fenofáze první listy ve Velkých Pavlovicích a Velkých Žernosekách je za stejné období relativně podobný. Korelační koeficient mezi oběma stanicemi je 0,76 (r 2 = 0,58; p = 0,05). Průměrný výskyt ve Velkých Pavlovicích je 27. 4, což je o 9 dní dříve než ve druhé zkoumané lokalitě. Jak je vidět na obr. 2 rozdíl mezi spodním a horním kvartilem je u Velkých Žernosek větší a ta stejná situace je i u rozdílu prvního a devátého decilu. Ve Velkých Pavlovicích extrémně brzký výskyt této fenofáze nastal v roce 2007 a to už Velmi brzo byly pozorovány první listy u révy vinné také v roce 1989 a to a nejpozději se vyvinuly až v roce Rozdíl mezi nejčasnějším a nejpozdějším nástupem prvních listů je 36 dní. Ve Velkých Žernosekách nastal nejdřívější nástup za zkoumané období také v roce 2007 a to Naopak nejpozdější nástup je zaznamenán o měsíc později v roce Jak můžeme vidět na obr. 2. nástup této fenofáze v obou lokalitách je v posledních letech dřívější. Ve Velkých Pavlovicích v 80.letech byl častější výskyt prvních listů zaznamenán až počátkem května. Takový jev nastal naposled v roce Od té doby se první listy vyvinou na této stanici nejpozději v poslední dekádě dubna. Fenologická fáze první listy velmi dobře koreluje s teplotními charakteristikami. Nejtěsnější vztah je se sumou aktivních teplot nad 10 C pro období leden duben. Na vývoj prvních listů mají též velký vliv průměrné hodnoty maximální teploty vzduchu. Naopak příliš statisticky významný vztah nebyl prokázán s absolutními měsíčními maximy. Ze samostatných měsíců má největší vliv na tvorbu listu teploty vzduchu v dubnu. Vztah ostatních měsíců už není tolik výrazný. Úhrn slunečního svitu je nejdůležitější pro nástup fenofáze v měsících březen až duben. Tlak vodní páry koreluje zhruba stejně pro všechny zkoumané měsíce s výjimkou března. Korelace prvních listů se srážkami je statisticky nevýznam- Obr. 3 Suma aktivních teplot nad 10 C pro období leden duben ve Velkých Pavlovicích. Fig. 3. Sum of active air temperatures above 10 C for the period January April at Velké Pavlovice. Obr. 4 Odchylka maximální teploty vzduchu ( C) od dlouhodobého průměru na stanici Doksany v letech Fig. 4. Deviation of the maximum air temperature (in C) from the longterm average at Doksany station in Meteorologické zprávy, 62,

22 Obr. 5 Korelace mezi prvními listy a meteorologickými charakteristikami: a) aktivní suma teplot vzduchu nad 10 C ve Velkých Pavlovicích (a) a Velkých Žernosekách (b); maximální teplota vzduchu [ C ] pro období březen duben ve Velkých Pavlovicích (c) a Velkých Žernosekách (d); r = korelační koeficient, r 2 = koeficient determinace, korig. r 2 = korigovaná hodnota koeficientu determinace, sm.chyba odhadu = směrodatná chyba odhadu; p = 0,05. Fig. 5. Correlation between the first leaves and meteorological characteristics: a) active sum of air temperatures above 10 C at Velké Pavlovice (a) and Velké Žernoseky (b); maximum air temperature (in C) for the period March-April at Velké Pavlovice (c) and Velké Žernoseky (d); r = correlation coefficient, r 2 = determination coefficient, korig. r 2 = corrected value of the determination coefficient, sm. chyba odhadu = standard estimate error; p = 0,05. Obr. 6 Průběh nástupu fenofáze počátek kvetení (vlevo) a rozložení jejich hodnot (vpravo) na stanicích Velké Pavlovice (VP, ) a Velké Žernoseky (VZ, ). Fig. 6. The course of beginning of flowering phenophase onset (on the feft) and distribution of their values (on the right) at the stations Velké Pavlovice (VP, ) and Velké Žernoseky (VZ, ). 84 Meteorologické zprávy, 62, 2009

23 Tab. 5 Nástup fenofáze počátek kvetení ve Velkých Pavlovicích (VP) v letech u odrůdy Frankovka a ve Velkých Žernosekách (VZ) v letech u odrůdy Modrý Portugal. Table 5. The beginning of flowering of the Frankovka variety at Velké Pavlovice (VP) in and of the Modrý Portugal variety at Velké Žernoseky (VZ) in Obec Průměr Medián 25% kvartil 75% kvartil 10% kvantil 90% kvantil Sm. odchylka VP VZ Tab. 6 Korelace mezi počátkem kvetení odrůdy Frankovka a meteorologickými charakteristikami za období na stanici Velké Pavlovice (kurzívou statisticky nevýznamné, p = 0,05). Table 6. Correlation between the beginning of flowering of the variety Frankovka and meteorological characteristics for the period at the station Velké Pavlovice (in italics statistically unimportant, p = 0,05). IV V VI IV-V V-VI IV-VI T -0,53-0,73-0,63-0,80-0,79-0,85 T >5 C -0,53-0,72-0,63-0,79-0,79-0,84 T >10 C -0,49-0,73-0,62-0,78-0,79-0,80 TMA -0,59-0,79-0,67-0,84-0,83-0,87 TMA MAX -0,40-0,47-0,60-0,61-0,67-0,74 TMA >5 C -0,58-0,79-0,67-0,84-0,83-0,87 TMA >10 C -0,60-0,78-0,67-0,83-0,83-0,83 TMI -0,24-0,49-0,5-0,53-0,63-0,67 SSV -0,64-0,51-0,58-0,77-0,68-0,78 E -0,18-0,30-0,19-0,39-0,31-0,38 SRA 0,40 0,42 0,04 0,53 0,27 0,48 SRA > 0,1 mm 0,66 0,02 0,31 0,54 0,24 0,57 SRA > 1 mm 0,49 0,34 0,33 0,57 0,40 0,62 SRA > 5 mm 0,42 0,26 0,16 0,46 0,29 0,51 PEVA -0,71-0,70-0,59-0,80-0,71-0,78 ná. Naopak vysoký stupeň těsnosti vztahu byl zjištěn mezi nástupem fenofáze první listy a potenciální evapotranspirací travního porostu pro všechny měsíce, nejvíce pro celé období leden až duben (r = 0,75, r 2 = 0,56, p = 0,05). Stejně jako ve Velkých Pavlovicích, tak i ve Velkých Žernosekách je nejtěsnější vztah mezi révou vinnou a teplotními charakteristikami. Korelační koeficienty jsou zde o něco menší. Nejdůležitější pro vývoj prvních listů jsou maximální teploty vzduchu v období březen-duben. Stejně jako na první zkoumané lokalitě ze samostatných měsíců reaguje nejlépe duben. Prakticky shodné výsledky korelací jsme dostali pro úhrn slunečního svitu na obou stanicích. Tlak vodní páry nemá statisticky významný korelační koeficient, což je rozdíl oproti Velkým Pavlovicím. Ze srážkových charakteristik reaguje významněji pouze počet srážkových dnů nad 0,1 mm pro měsíc duben. Čím je méně dnů se srážkou, tím dříve nastala fenofáze. Spíše než množství srážek zde opět hraje významnou roli teplota vzduchu, která ovlivnila výsledek korelace. Obecně platí, že deštivé počasí bývá chladnější a naopak. Velmi brzký nástup fenofáze ve Velkých Pavlovicích byl ve většině případů doprovázen vysokou sumou aktivních teplot vzduchu nad 10 C (viz. obr. 3). V roce 1989 byla dosažena abnormálně vysoká suma aktivních teplot oproti okolním rokům a také první listy se vyvinuly velmi brzo. Jak už bylo popsáno výše, tak v roce 2007 byl nejčasnější nástup a také suma aktivních teplot je velmi vysoká. Nejvyšší suma aktivních teplot nastala v roce 2000 a první listy byly pozorovány také ve značném předstihu. Naopak leden až duben roku 1997 byl velmi chladný a fenofáze nastala až 7. 5., což je poslední rok, kdy se vyskytla v měsíci květnu. Březen a duben roku 2007 byl abnormálně teplý. Na stanici Doksany byly naměřeny maximální teploty vzduchu s odchylkou 4,5 C nad dlouhodobým průměrem a na fenologické stanici Velké Žernoseky vyrašily první listy o 15 dní dříve než je obvyklé (viz. obr. 4). Naopak březen a duben roku 1996 a 2001 patřily k těm chladnějším a nástup fenofáze byl pozorován o 6 až 12 dní později. 3.2 Počátek kvetení (PK BBCH 60) Mediánová hodnota nástupu fenofáze je na obou zkoumaných lokalitách stejná. Počátek kvetení nastává většinou v polovině června. Jak je vidět na obrázku 6, rozptyl hodnot je u Velkých Žernosek větší. Nejčasnější nástup fenofáze na obou stanicích byl v roce Ve Velkých Pavlovicích počalo kvetení révy vinné dne a ve Velkých Žernosekách o pět dní později. Naopak nejpozději došlo k tvorbě fenofáze na první studované stanici v roce 1984 a to Rozdíl obou extrémů činí 30 dní. Na druhé fenologické stanici nastal počátek kvetení nejpozději v roce 1991 a to až Zde je amplituda extrémů větší o 6 dní než ve Velkých Pavlovicích. Počátek kvetení révy vinné nejvíce ovlivňují teplotní podmínky předešlého období duben až červen. Ze samostatných měsíců je nejtěsnější vztah s květnem. Nejsilnější korelace byla prokázána u maximální teploty vzduchu. Korelace můžeme hodnotit u průměrné, maximální teploty vzduchu a sum aktivních teplot jako velmi vysoké a prokazatelně zde teplota hraje velkou roli při časnosti tvorby květu révy vinné. Na časnou tvorbu květu révy vinné má také vliv úhrn slunečního svitu v měsíci dubnu a v celém období duben až červen. Na rozdíl od předešlých fenofází neprokazuje tlak vodní Meteorologické zprávy, 62,

24 Tab. 7 Korelace mezi počátkem kvetení odrůdy Modrý Portugal a meteorologickými charakteristikami za období na stanici Velké Žernoseky (kurzívou statisticky nevýznamné, p = 0,05.) Table 7. Correlation between the beginning of flowering of the variety Modrý Portugal and meteorological characteristics for the period at the station Velké Žernoseky (in italics statistically unimportant), p = 0,05.) IV V VI IV-V V-VI IV-VI T -0,48-0,65-0,65-0,70-0,75-0,78 T >5 C -0,49-0,65-0,66-0,70-0,75-0,78 T >10 C -0,45-0,73-0,68-0,78-0,79-0,81 TMA -0,50-0,71-0,68-0,74-0,79-0,81 TMA MAX -0,12-0,40-0,42-0,32-0,54-0,46 TMA >5 C -0,50-0,71-0,69-0,74-0,80-0,81 TMA >10 C -0,53-0,70-0,69-0,74-0,80-0,81 TMI -0,31-0,50-0,65-0,55-0,64-0,68 SSV -0,62-0,51-0,37-0,78-0,57-0,70 E -0,10-0,41-0,50-0,41-0,51-0,52 SRA 0,35 0,06 0,37 0,26 0,33 0,45 SRA > 0,1 mm 0,66 0,22 0,28 0,73 0,35 0,78 SRA > 1 mm 0,51 0,12 0,25 0,46 0,30 0,58 SRA > 5 mm 0,28-0,02 0,45 0,14 0,33 0,40 PEVA -0,50-0,52-0,47-0,60-0,59-0,63 Obr. 7 Odchylka průměrné teploty vzduchu [ C] od dlouhodobého průměru na stanici Velké Pavlovice v letech pro období duben červen. Fig. 7. Deviation of average air temperature (in C) from the long-term average at the station Velké Pavlovice in for the period April-June. Obr. 9 Průběh teploty vzduchu [ C] na stanici Doksany v roce Fig. 9. The course of air temperature (in C) at the station Doksany in Obr. 8 Odchylka sumy aktivních teplot nad 10 C od dlouhodobého průměru na stanici Doksany v letech pro období duben červen. Fig. 8. Deviation of the sum of active air temperatures above 10 C from the long-term average at the station Doksany in for the period April-June. páry statisticky významnou korelaci. Úhrn srážek nebo počet srážkových dnů má pozitivní statisticky významný korelační vztah s počátkem květu. To znamená, čím méně srážek, tím dřívější tvorba květu. Vysoký stupeň těsnosti vztahu byl zjištěn mezi evapotranspirací a sledovanou fenofází. Reakce počátku kvetení zaznamenaných na stanici Velké Žernoseky na meteorologické charakteristiky je prakticky stejná jako u studované lokality na jižní Moravě. Mírný rozdíl je v korelačních koeficientech, které jsou u této stanice až na výjimky o trochu nižší. Na stanici Velké Pavlovice reaguje méně aktivní suma teplot nad 10 C než průměrná měsíční hodnota. Naopak je tomu ve Velkých Žernosekách. Rozdíly jsou ale spíše zanedbatelné. Obecně jde stále pouze o teploty vzduchu, které musí reagovat velmi podobně a je ve finále jedno, v jakém formátu je do výpočtu použijeme. Větší rozdíl v korelacích byl zaznamenán u počtu srážkových dnů nad 0,1 mm pro období duben-červen. Pro stanici Velké Pavlovice činí hodnota 0,57 (r 2 = 0,33; p = 0,05) a pro Velké Žernoseky 0,78 (r 2 = 0,61; p = 0,05). Další rozdíl je pro absolutní maxima teploty vzduchu, kdy ve Velkých Žernosekách je maximální korelace 0,54 (r 2 = 0,29; p = 0,05), ale ve Velkých Pavlovicích 0,74 (r 2 = 0,55; p = 0,05). Potenciální evapotranspirace travního porostu reaguje lépe na jižní Moravě. 86 Meteorologické zprávy, 62, 2009

25 Obr. 10 Korelace mezi počátkem kvetení a meteorologickými charakteristikami: a) průměrná teplota vzduchu [ C] pro období duben červen ve Velkých Pavlovicích (a) a Velkých Žernosekách (b); maximální teplota vzduchu [ C ] pro období duben-červen ve Velkých Pavlovicích (c) a Velkých Žernosekách (d); r = korelační koeficient, r 2 = koeficient determinace, korig. r 2 = korigovaná hodnota koeficientu determinace, sm. chyba odhadu = směrodatná chyba odhadu; p = 0,05. Fig. 10. Correlation between the beginning of flowering and meteorological characteristics: a) average air temperature (in C) for the period April- June at Velké Pavlovice (a) and Velké Žernoseky (b); maximum air temperature (in C) for the period April-June at Velké Pavlovice (c) and Velké Žernoseky (d); r = correlation coefficient, r 2 =determination coefficient, korig. r 2 = corrected value of the determination coefficient, sm. chyba odhadu = standard estimate error; p = 0,05. Největší odchylka průměrné teploty vzduchu od dlouhodobého průměru ve Velkých Pavlovicích byla naměřena v letech 2000 a 2007 (viz. obr. 7). V obou těchto letech byl velmi brzký výskyt fenofáze PK, skoro o 20 dní dříve. Naopak, o 14 dní později než je obvyklé, nastoupila fenofáze v roce Jako jedním z hlavních příčin se jeví podprůměrné hodnoty teploty vzduchu ( 1,2 C). Nejchladnější období duben až červen bylo naměřeno v roce 1991, kdy hodnoty dosahovaly 1,8 C pod dlouhodobým průměrem Bohužel pro tento rok nemáme záznam o počátku květu. Pozorovatel to odůvodnil ve zprávě z měsíce května takto: Až v současné době se projevilo značné poškození pupenů révy vinné (u VZ 50%, u MT 20%, u Port. Modr 20%) vlivem loňského sucha a velké úrody, takže mnoho oček nevyraší Stejně jako na jižní Moravě, tak i ve Velkých Žernosekách byl velmi brzký nástup fenofáze v letech 2000, 2003 a Samozřejmě i v této lokalitě byl podobný průběh teploty vzduchu. Nejvyšší odchylka sum aktivních teplot nad 10 C od dlouhodobého průměru byla zjištěna v roce 2003 (+314,1 C) a počátek kvetení nastal o 6 dní dříve než je mediánová hodnota pro studované období (na stanici Velké Pavlovice je to až třetí nejteplejší období). V roce 2000 a 2007 nastalo kvetení révy vinné už o 16 dní dříve a jak je možno vidět na obr. 8, tak předchozí období duben až červen bylo v těchto letech velmi teplé. Suma aktivních teplot nad 10 C byla větší o 244,5 až 253,3 C, než je dlouhodobý průměr ( ) na stanici Doksany. Na rozdíl od první zkoumané stanice zde v roce 1991 vyrašily pupeny révy vinné a fenologická fáze počátek kvetení byla pozorována. Počátek vegetačního období roku 1991 byl logicky v obou lokalitách značně chladný. Na stanici Doksany bylo za měsíce duben až červen naměřeno v sumě aktivních teplot nad 10 C o 251,7 C méně, než je obvyklé pro referenční období Jak je vidět na obr. 9, tak většina dnů v měsíci duben až červen byla podnormální (67 % dnů). Do poloviny dubna byly ještě nadnormální teploty vzduchu, ale pak přišlo dlouhé období podnormálních hodnot (76 % dnů v období ). Toto dlouhé období prakticky bez přerušení trvalo až do 9. 6, tedy celých 45 dní (z toho bylo pouze 7 dní teplotně nad dlouhodobým průměrem ). Dne dokonce klesla teplota o 9 C pod dlouhodobý průměr. Průměrná teplota vzduchu byla pouze 1,3 C. Ráno v 7 hodin bylo naměřeno 0,2 C. Přízemní teplota vzduchu dokonce klesla k hrozivým 10,5 C pod nulou. Druhým hodně chladným obdobím byl počátek června. Například dne byla teplota o 8 C nižší než je obvyklé. Přízemní teplota vzduchu dokonce klesla až na 3,7 C. Na tento velmi chladný počátek vegetačního období reagovala i réva vinná a její kvetení začalo až počátkem července. Meteorologické zprávy, 62,

26 4. ZÁVĚR Tyto analýzy byly provedeny pro všechny fenofáze révy vinné a výsledky jsou podobné [13]. Réva vinná je nejvíce závislá na teplotě vzduchu předešlého období. Pro fenofáze, které mají svůj počátek v letních měsících, jsou důležitější maximální teploty vzduchu. Jejich korelační koeficient je podstatně vyšší než u počátečních fenofází (počátek jarní mízy, rašení listových pupenů a první listy). Dále réva vinná dobře reaguje na úhrn slunečního svitu a potenciální evapotranspiraci travního porostu. Se srážkami je vztah většinou statisticky nevýznamný (p = 0,05) a pokud už je, tak jde o pozitivní vztah, tedy čím méně srážek (nebo počet srážkových dnů), tak je nástup fenofáze rychlejší. Při porovnání obou lokalit je průběh fenofází první listy a počátek kvetení za stejné období podobný. Réva vinná na stanici Velké Žernoseky reaguje většinou o trochu méně na meteorologické charakteristiky než ve Velkých Pavlovicích. Rozdíl může být daný i tím, že k fenofázím z Velkých Žernosek musela být použita naměřená data ze stanice Doksany. U nástupu prvních listů i počátku kvetení byl pozorován na obou stanicích klesající trend. Ve Velkých Pavlovicích je v posledních letech nástup fenofáze o zhruba 8 10 dní dříve než tomu bylo v 80. letech. Pro Velké Žernoseky máme data sice až od roku 1989, ale i přesto lze zde pozorovat posun v posledních letech také o 8 10 dní. U jiných fenofází může být tento posun ještě větší. Například zavěšování hroznů ve Velkých Pavlovicích je nyní o měsíc dříve než zhruba před 20 lety [13]. Lze tedy hovořit o spojitosti se změnou klimatu a se současným globálním oteplováním. Většina nadprůměrných hodnot teploty vzduchu nastala v minulých letech a nástup fenofáze v těchto letech patřil k rekordně brzkým. Proto do budoucnosti, za předpokladu, že bude pokračovat současný trend oteplování, můžeme očekávat další posun fenofází k dřívějšímu datu. Poděkování: Článek byl připraven díky finanční podpoře Grantové agentury České republiky z projektu č. 521/08/1682 Literatura [1] ALEXANDERSSON, H., A homogeneity test applied to precipitation data. Journal of Climatology, Vol. 6, č. 6, p [2] BRÁZDIL, R. ZAHRADNÍČEK, P. DOBROVOLNÝ, P. KOTYZA, O. VALÁŠEK, H., Viticulture as a source of climatological knowledge in the Czech Republic. Geografie - Sborník České geografické společnosti, roč. 113, č. 4, s [3] COUFAL, L. HOUŠKA, V. REITSCHLÄGER, J. D. VALTER, J. VRÁBLÍK, T., Fenologický atlas. Praha: Český hydrometeorologický ústav. 264 s. [4] KRAUS, V., Réva vinná v Čechách a na Moravě. Praha: Radex. 280 s. [5] KOŠŤÁL, M., O významu severočeského vinařství v minulosti. In: Sborník Československé akademie zemědělských věd Historie a muzejnictví 3 (31), č. 3, s [6] MIHÁLIKOVÁ, I., let fenologické staniční sítě. Meteorologické Zprávy, roč. 36, č. 6, s [7] NEKOVÁŘ, J. SVITÁKOVÁ, Z. KOTT, I., Fenologická data za posledních 150 let. Sborník Bioklimatologie současnosti a budoucnosti, Křtiny , ISBN [8] NEKOVÁŘ, J., The history and current status of Czech plant phenology. In: COST Action 725 The history and current status of plant phenology in Europe. Brussels: COST Office. p [9] PIFFLOVÁ, L. BRABLEC, J. LENNER, V. MINÁŘ, M., Příručka pro fenologické pozorovatele. Praha: Hydrometeorologický ústav. 168 s. [10] ŠTĚPÁNEK, P. ZAHRADNÍČEK, P., 2008a. Quality control of daily data on example of Central Eu-ropean series of air temperature, relative humidity and precipitation. In: Meeting of COST-ES0601 (home) action management commitee and working groups and sixth seminar for homogenization and quality control in climatological databases. Budapest, p. 31. [11] ŠTĚPÁNEK, P. ZAHRADNÍČEK, P., Experiences with homogenization of daily and monthly series of air temperature, precipitation and relative humidity in the Czech Republic, In: Meeting of COST-ES0601 (home) action management commitee and working groups and sixth seminar for homogenization and quality control in climatological databases. Budapest, p. 32. [12] VALTER, J., Návod pro činnost fenologických stanic. Metodický předpis č. 3. Praha: Český hydrometeorologický ústav.148 s. [13] ZAHRADNÍČEK, P., Fenologické fáze vinné révy v závislosti na meteorologických prvcích. In: Rožnovský, J. Litschmann (ed): Sborník příspěvků z mezinárodní konference a CD ROM s články, Bioklimatologické aspekty hodnocení procesů v krajině. Mikulov , Česká bioklimatologická společnost v nakl. Českého hydrometeorologického ústavu, ISBN , s. 82. Lektor (Reviewer) RNDr. Ing. M. Možný, Ph.D. 88 Meteorologické zprávy, 62, 2009

27 POROVNÁNÍ NÁSTUPU FENOFÁZÍ A TEPLOTY VZDUCHU V LETECH A V ČESKU Martin Stříž, Český hydrometeorologický ústav, Pobočka Ostrava, K Myslivně 2182/3, Ostrava-Poruba, striz@chmi.cz Jiří Nekovář, Český hydrometeorologický ústav, Na Šabatce 2050/17, Praha 4-Komořany, jiri.nekovar@chmi.cz Phenophases onset and air temperature differences between two periods ( and ) in Czechia. Maps of sure phenophases onset (selected fruit plant, crop and wild plant) and maps of climatological conditions in two 25-year periods ( and ) in the Czech Republic are the main content of this contribution. We used spatial analytical techniques like localized linear regression for gridding. All maps are created in the Geographical Information System environment using ESRI GIS environment (ArcView 3.x, Arc GIS 9.2) and Clidata GIS program for climatological data interpolation. KLÍČOVÁ SLOVA: fenologie aplikace klimatické nástup fenofází Česko GIS KEY WORDS: phenology climatological applications phenophase onset Czechia GIS 1. ÚVOD Hlavním obsahem příspěvku jsou mapy a grafy fenologických fází vybraných rostlinných druhů a jejich porovnání s teplotou vzduchu ve dvou na sebe navazujících pětadvacetiletích ( a ) v České republice. Je použita prostorová analýza dat pomocí lokální lineární regrese. Mapy jsou vytvořeny v prostředí Geografického informačního systému (GIS) ESRI GIS (Arc View 3.x, Arc GIS 9.2) a programu CLIDATA GIS pro interpolaci klimatologických dat. 2. METODIKA 2.1 Zvolené období Pro analýzu fenologických dat jsme zvolili dvě pětadvacetiletá období. První období je od roku 1956 do roku 1980 a druhé období je od roku 1981 do Přelom v osmdesátých létech jsme zvolili úmyslně s ohledem na začátek současné periody klimatické změny, tedy abychom získali období bez vlivu současné změny a období, do kterého je zahrnut současný průběh predikované klimatické změny. 2.2 Zvolená fenologická data ČHMÚ pozoruje v rámci své fenologické služby tyto skupiny fenologických dat: polní plodiny, ovocné rostliny a lesní rostliny. Hlavním tématem tohoto článku je posouzení vlivu globálního oteplování a změnu nástupu vybraných rostlin, takže jsme vybrali jednoho zástupce z každé skupiny. Za polní plodiny byla vybrána pšenice ozimá (PO) s fenofází metání (ME), za ovocné rostliny třešeň (TR) s fenofází první květy (PK). Z poslední skupiny byla vybrána bříza (BR) s fenofází první květy (PK). Data byla získána z fenologické databáze ORACLE Fenodata. 2.3 Zvolená klimatologická data Pro dané období jsme zvolili klimatologickou charakteristiku rovnou sumě efektivní teploty (SET) nad 5 ºC, přičemž za hranici biologické nuly jsme zvolili hodnotu 5,0 ºC. Tato suma byla spočítána pro tři časové úseky. Pro první časový úsek byla suma teploty vzduchu od nástupu denní průměrné teploty nad 5 ºC do konce dubna (I IV), která sloužila pro analýzu nástupu prvních květů břízy. Druhý úsek byl od nástupu teploty nad 5 ºC do konce května (I V), který sloužil pro analýzu nástupu prvních květu třešně. Poslední úsek byl od nástupu teploty vzduchu nad 5 ºC až do konce června (I VI), jenž byl použit pro analýzu nástupu metání u pšenice ozimé. Pro dané tři časové úseky byla vypočítána průměrná suma efektivní teploty nad 5 ºC za obě srovnávaná období, tedy 1956 až 1980 a také 1981 až Metodika zpracování dat Data jsme analyzovali jednak pomocí statistických metod (regresní analýza) a jednak pomocí geostatistických metod [2] v GIS. Data z fenologické databáze byla exportována do pracovní databáze, kde jsme provedli základní kontrolu na extrémní hodnoty a tyto extrémní hodnoty podrobili filtraci dat. Kontrola dat spočívala v tom, že pro každou stanici na základě směrodatné odchylky byly určeny meze přijetí. Interval přijetí byl zvolen jako + 3sigma od směrodatné odchylky. Takto zkontrolovaná data jsme exportovali do Ms Excelu, kde jsme provedli regresní analýzu a dále data exportovali do souboru databáze dbase a tento soubor nechali geostatisticky analyzovat pomocí aplikace Clidata GIS. V aplikaci Clidata GIS jsme použili metodu lineární regrese Clidata- DEM [6] mezi nástupem dané fenofáze a nadmořskou výškou místa pozorování fenofáze. Tyto výpočty byly dělány s horizontálním rozlišením 500 m. Tímto způsobem byly získány pro každou rostlinu dvě gridové vrstvy [1]. Jednu, která reprezentovala rozložení průměrného data nástupu dané fenofáze za období , a druhou za období Pomocí standardních GIS funkcí jsme vypočetli průměrné nástupy fenofází na předdefinované výškové úrovně [podle 3]. Pomocí stejné aplikace Clidata GIS jsme vytvořili 6 gridů průměrných sum efektivních teplot. Z těchto gridů jsme pro každou fenologickou stanici uložili odhadnuté sumy efektivních teplot v lokalitě dané stanice. 3. VÝSLEDKY A DISKUZE 3.1 Zpracování nástupu prvních květů břízy bradavičnaté Výsledky za období Pro toto období bylo k dispozici 117 fenologických stanic a jejich průměrné datum nástupu prvního kvetení. Nástup prvního kvetení byl nejranější na stanici Hodonín(164 m n. m.) s průměrným nástupem (99. den v roce) až nejpozdější ve stanici Budišov nad Budišovkou (512 m n. m.) s průměrným nástupem (125. den v roce). Závislost průměrného dne nástupu prvních květů břízy bradavičnaté (Betula verrucosa) na nadmořské výšce je znázorněna na obr. 1. Meteorologické zprávy, 62,

28 počátek kvetení (den v roce) nadmořská výška (m) Obr. 1 Závislost průměrného dne nástupu prvních květů břízy bradavičnaté na nadmořské výšce, Fig. 1. Birch first flowers mean day onset dependence on elevation, period nadmořská výška (m) Obr. 5 Závislost průměrného dne nástupu prvních květů břízy na nadmořské výšce, Fig. 5. Birch first flowers mean day onset dependence on elevation, period počátek kvetení (den v roce) SET (DD) Obr. 2 Závislost průměrného dne nástupu prvních květů břízy na sumě efektivních teplot, Fig. 2. Birch first flowers mean day onset dependence on effective temperature sum, period SET (DD) počátek kvetení (den v roce) SET (DD) Obr. 6 Závislost průměrného dne nástupu prvních květů břízy na sumě efektivních teplot, Fig. 6. Birch first flowers mean day onset dependence on effective temperature sum, period SET (DD) počátek kvetení (den v roce) nadmořská výška (m) Obr. 3 Závislost sumy efektivních teplot (leden až duben) na nadmořské výšce, Fig. 3. Effective temperature sum (January to April) dependence on elevation, period nadmořská výška (m) Obr. 7 Závislost sumy efektivních teplot(za leden až duben) na nadmořské výšce, Fig.7. Effective temperature sum (January to April) dependence on elevation, period Obr. 4 Průměrné datum nástupu prvních květů břízy bradavičnaté v Česku za období Fig. 4. Birch first flowers mean day onset in Czechia, period Obr. 8 Průměrné datum nástupu prvních květů břízy bradavičnaté v Česku za období Fig. 8. Birch first flowers mean day onset in Czechia, period Meteorologické zprávy, 62, 2009

29 Další závislostí, kterou jsme sledovali, je vztah mezi sumou efektivních teplot a nástupem prvních květů (obr. 2) a sumou efektivních teplot (za leden až duben) na nadmořské výšce stanice sledující břízu bradavičnatou (obr. 3). Nadmořská výška je uvedena v metrech, datum počátku kvetení břízy uvedeno užitím pořadového čísla dne v roce (Day of Year), suma efektivních teplot SET v DD (Degree Days). Obr. 4 znázorňuje průměrné datum nástupu počátku kvetení břízy bradavičnaté v Česku za pětadvacetileté období Legenda udává území nástupu s krokem 5 dní Výsledky za období Pro toto období bylo k dispozici 103 fenologických stanic a jejich průměrné datum nástupu počátku kvetení břízy bradavičnaté. Nástup prvních květů byl nejranější u stanice Lednice (165 m n. m.) s průměrným nástupem (98. den v roce) až po stanici Filipova Huť (1 102 m n. m.) s průměrným nástupem (132. den v roce). Závislost průměrného dne nástupu prvních květů na nadmořské výšce je znázorněna na obr. 5. Datum počátku kvetení je uvedeno užitím pořadového čísla dne v roce, suma efektivních teplot uvedena v DD (Degree Days), nadmořská výška v metrech. Další závislostí je vztah mezi sumou efektivních teplot a nástupem prvních květů břízy (obr. 6) a sumou efektivních teplot na nadmořské výšce stanice sledující břízu za období (obr. 7). Mapa (obr. 8) podává průměrné datum nástupu prvních květů břízy za období Zpracování nástupu prvních květů třešně ptačí Výsledky za období Pro toto období bylo k dispozici 134 fenologických stanic a jejich průměrné datum nástupu počátku kvetení třešně ptačí (Cerasus avium). Nástup počátku kvetení byl nejdříve u stanice Hodonín (164 m n. m.) s průměrným nástupem (107. den v roce) až po stanici Harrachov (710 m n. m.) s průměrným nástupem (142. den roku). Závislost průměrného dne nástupu prvních květů třešně na nadmořské výšce za období je znázorněna na obr. 9. Další závislostí je vztah mezi sumou efektivních teplot (za měsíce leden až květen) a nástupem prvních květů (obr. 10) a efektivních teplot na nadmořské výšce stanice sledující první květy třešně (obr. 11). Počátek kvetení je uveden v pořadovém čísle dne v roce, suma efektivních teplot je uvedena v DD, nadmořská výška v metrech Výsledky za období Pro toto období bylo k dispozici 117 fenologických stanic a jejich průměrné datum nástupu prvního kvetení třešně ptačí. Nástup počátku kvetení byl nejranější u stanice Čáslav (251 m n. m.) s průměrným nástupem (108. den roku) až po stanici Staré Hamry (540 m n. m.) s průměrným nástupem (132. den roku). Závislost průměrného dne nástupu prvních květů třešně na nadmořské výšce za období je znázorněna na obr. 13. Další závislostí je vztah mezi sumou efektivních teplot (leden až květen) a nástupem prvních květů (obr. 14) a sumou efektivních teplot na nadmořské výšce stanice sledující třešeň za období (obr. 15). Průměrné datum nástupu počátku kvetení třešně ptačí za podává obr. 16. Suma efektivních teplot je uvedena v DD, počátek kvetení v pořadovém čísle dne v roce, plochy území s datem nástupu fenofáze v GIS mapě mají rozhraní 5 dní. 3.3 Zpracování nástupu fenofáze metání pšenice ozimé Období Pro toto období bylo k dispozici 108 fenologických stanic a jejich průměrné datum nástupu metání pšenice ozimé (Triticum aestivum). Nástup metání byl nejdříve u stanice Mirotice (420 m n. m.) s průměrným nástupem (147. den roku) až po stanici Lukavec (545 m n. m.) s průměrným nástupem (173. den roku). Závislost průměrného dne nástupu metání na nadmořské výšce je znázorněna na obr. 17. Další závislostí je vztah mezi sumou efektivních teplot (za měsíce leden až červen) a nástupem metání ozimé pšenice (obr. 18) a sumou efektivních teplot na nadmořské výšce stanice za období (obr. 19). Průměrné datum metání pšenice ozimé za období je představeno na obr. 20. Suma efektivních teplot je uvedena v DD, pro nástup metání je užito pořadového čísla dne v roce. Nadmořská výška je znázorněna v metrech Období Pro toto období bylo k dispozici 155 fenologických stanic a jejich průměrné datum nástupu metání pšenice ozimé. Nástup metání byl nejdříve u stanice Moravské Budějovice (430 m n. m.) s průměrným nástupem (141. den roku) až po stanici Budišov nad Budišovkou (512 m n. m.) s průměrným nástupem (167. den roku). Závislost průměrného dne nástupu metání pšenice ozimé na nadmořské výšce za období je znázorněna na obr. 21. Další závislostí je vztah mezi sumou efektivních teplot a nástupem metání ozimé pšenice (obr. 22) a sumou efektivních teplot na nadmořské výšce stanice za období (obr. 23). Průměrné datum nástupu metání pšenice ozimé za období je uvedeno na obr. 24. Nástup metání je uveden užitím pořadového čísla dne v roce, suma efektivních teplot užitím DD. 3.4 Výškové členění Jeden z naších cílů bylo udělat analýzu, jak se nástupy fenofází liší v různých výškových kategoriích. Výškové kategorie byly zvoleny podobně jako kategorie georeliéfu [3], a to podle relativní výškové členitosti ve čtverci 2000 m x 2000 m: 0 30 m údolní nivy m ploché pahorkatiny m členité pahorkatiny m ploché vrchoviny m členité vrchoviny m hornatiny nad 600 m velehornatiny Tento grid vznikl na základě GIS analýzy [5] nad digitálním modelem terénu o horizontálním rozlišení 100 m (obr. 25). 4. HODNOCENÍ POROVNÁNÍ OBDOBÍ A Z výsledků regresní analýzy i zpracování v GIS je patrné, že k nástupu fenofází dochází [7] v období vůči období významně dříve. 4.1 Hodnocení nástupu počátku kvetení břízy bradavičnaté U břízy a její fenofáze první květy vychází z regresní analýzy závislost mezi nástupem prvních květů a nadmořskou Meteorologické zprávy, 62,

30 počátek kvetení (den v roce) nadmořská výška (m) Obr. 9 Závislost průměrného dne nástupu prvních květů třešně na nadmořské výšce, období Fig. 9. Cherry tree first flowers mean day onset dependence on elevation, period nadmořská výška (m) Obr. 13 Závislost průměrného dne nástupu prvních květů třešně na nadmořské výšce, Fig. 13. Cherry tree first flowers mean day onset dependence on elevation, period počátek kvetení (den v roce) SET (DD) Obr. 10 Závislost průměrného dne nástupu prvních květů třešně na sumě efektivních teplot, Fig. 10. Cherry tree first flowers mean day onset dependence on effective temperature sum, period SET (DD) počátek kvetení (den v roce) SET (DD) Obr. 14 Závislost průměrného dne nástupu prvních květů třešně na sumě efektivních teplot, Fig. 14. Cherry tree flowers mean day onset dependence on effective temperature sum, period SET (DD) počátek kvetení (den v roce) nadmořská výška (m) Obr. 11 Závislost sumy efektivních teplot (za leden až květen) na nadmořské výšce, Fig. 11. Effective temperature sum (from January to May) dependence on elevation, period nadmořská výška (m) Obr. 15 Závislost sumy efektivních teplot (za leden až květen) na nadmořské výšce, Fig. 15. Effective temperature sum (from January to May) dependence on elevation, period Obr. 12 Průměrné datum nástupu prvních květů třešně ptačí v Česku za období Fig. 12. Cherry tree first flowers mean day onset in Czechia, period Obr. 16 Průměrné datum nástupu prvních květů třešně ptačí v Česku za období Fig. 16. Cherry tree first flowers mean day onset in Czechia, period Meteorologické zprávy, 62, 2009

31 Tab. 1 Regresní rovnice vztahu počátku kvetení břízy, SET a nadmořské výšky za obě období. Table 1. Regression equation of birch first flowers, effective temperature sum and elevation relation for both periods. Rovnice z obrázku čís. Období Směrnice a) konstanta b) R2 Korelace , ,34 PK vs. n.v , ,41 PK vs. n.v , ,43 PK vs. SET , ,37 PK vs. SET , ,7 SET I IV vs. n.v , ,72 SET I IV vs. n.v. Tab. 2 Průměrný den (den v roce) nástupu počátku kvetení břízy za období a Table 2. Birch first flowers onset mean day for period of and Výškové členění Rozdíl údolní nivy (0 m 30 m) ploché pahorkatiny (30 m 75 m) členité pahorkatiny (75 m 150 m) ploché vrchoviny (150 m 200 m) členité vrchoviny (200 m 300 m) hornatiny (300 m 600 m) Tab. 3 Regresní rovnice vztahu počátku kvetení třešně, SET a nadmořské výšky za obě období. Table 3. Regression equation of cherry tree first flowers, effective temperature sum and elevation relation, both periods. Rovnice z obr. číslo Období směrnice a) konstanta b) R2 Korelace , ,67 PK vs. n.v , ,51 PK vs. n.v , ,77 PK vs. SET I-V , ,53 PK vs. SET I-V , ,68 SET I-V vs. n.v , ,72 SET I-V vs. n.v. Tab. 4 Průměrný den nástupu počátku kvetení třešně ptačí za období a Table 4. Cherry tree first flowers onset mean day for period of and Výškové členění Rozdíl údolní nivy (0 m 30 m) ploché pahorkatiny (30 m 75 m) členité pahorkatiny (75 m 150 m) ploché vrchoviny (150 m 200 m) členité vrchoviny (200 m 300 m) hornatiny (300 m 600 m) výškou (tab.1, r. 1 = rovnice na obr. 1) 2.4 dne/100 m v období a přibližně stejná závislost (tab.1, r. 5 tedy rovnice na obr. 5) 2.6 dne/100 m v období Z toho plyne, že za obě období je závislost na nadmořské výšce stejná, ale rozdíl je v posunu, kdy v období byl posun (dřívější nástup) 103 a v období byl posun 101. Zajímavá je závislost sumy efektivních teplot a nástupu prvních květu (PK). Dle regresních rovnic (tab.1, r. 2 a r. 6) by se mohlo zdát, že při sumě efektivních teplot rovné 100 by v prvním (druhém) období nastalo první kvetení v 108. (110) den v roce tedy (20. 4), což by znamenalo, že se první květy opozdí o 2 dny, ale pokud se podíváme na dvojici rovnic r. 3 a r. 7 (tedy z obrázků 3 a 7), tak z toho plyne, že se SET při stejné nadmořské výšce liší mezi obdobím a obdobím o 20 DD stupňů. Tehdy SET = 100 v období se rovná SET = 120 v období Pokud tedy do rovnice r. 2 (z obr. 2) dosadíme za SET = 100 a do rovnice r. 6 (na obr. 6) za SET = 20, tak dostaneme stejné datum nástupu prvních květů břízy a to Přehled regresních rovnic, směrnice (a) a konstanty (b), součinitele determinace R2 a korelované dvojice vztahů (počátek kvetení břízy, nadmořská výšky a suma efektivních teplot) za obě pětadvacetiletá období, tj a uvádí tab. 1. Další provedenou analýzou byla změna nástupu prvních květů břízy na daném výškovém členění [podle 3]. Přehled výsledků je podán v tab. 2, při vertikálním rozčlenění je rozdíl většinou dvoudenní posun k dřívějšímu nástupu sledované fenofáze. Obr. 26 představuje tendenci dřívějšího nástupu počátku kvetení břízy bradavičnaté za sledované období. 4.2 Hodnocení nástupu počátku kvetení třešně ptačí U třešně a její fenofáze první květy vychází z regresní analýzy závislost mezi nástupem prvních květů a nadmořskou výškou (tab. 3, r. 9 = rovnice na obr. 9) 3.2 dne/100 m v obdo- Meteorologické zprávy, 62,

32 počátek kvetení (den v roce) nadmořská výška (m) Obr. 17 Závislost průměrného dne nástupu metání pšenice ozimé na nadmořské výšce, Fig. 17. Winter wheat heading mean day onset dependence on elevation, period nadmořská výška (m) Obr. 21 Závislost průměrného dne nástupu metání pšenice ozimé na nadmořské výšce, Fig. 21. Winter wheat heading mean day onset dependence on elevation, period počátek kvetení (den v roce) SET (DD) Obr. 18 Závislost průměrného dne nástupu metání pšenice ozimé na sumě efektivních teplot, Fig. 18. Winter wheat heading mean day onset dependence on effective temperature sum, period SET (DD) počátek kvetení (den v roce) SET (DD) Obr. 22 Závislost průměrného dne nástupu metání pšenice ozimé na sumě efektivních teplot, Fig. 22. Winter wheat heading mean day onset dependence on effective temperature sum, period SET (DD) počátek kvetení (den v roce) nadmořská výška (m) Obr. 19 Závislost sumy efektivních teplot(za leden až červen) na nadmořské výšce, Fig. 19. Effective temperature sum (from January to June) dependence on elevation, period nadmořská výška (m) Obr. 23 Závislost sumy efektivních teplot (za leden až červen) na nadmořské výšce, Fig. 23. Effective temperature sum (from January to June) dependence on elevation, period Obr. 20 Průměrné datum nástupu metání pšenice ozimé v Česku za období Fig. 20. Winter wheat heading mean day onset in Czechia, period Obr. 24 Průměrné datum nástupu metání pšenice ozimé v Česku za období Fig. 24. Winter wheat heading mean day onset in Czechia, period Meteorologické zprávy, 62, 2009

33 Tab. 5 Regresní rovnice vztahu počátku metání pšenice ozimé, SET a nadmořské výšky za obě období. Table 5. Regression equation of winter wheat heading, effective temperature sum and elevation relation for both periods Rovnice z obr. číslo Období směrnice a) konstanta b) R2 Korelace , ,36 PK vs. n.v , ,2 PK vs. n.v , ,41 PK vs. SET , ,27 PK vs. SET , ,65 SET I VI vs. n.v , ,77 SET I VI vs. n.v. Tab. 6 Průměrný den nástupu metání pšenice ozimé za období a Table 6. Winter wheat heading onset mean day for period of and Výškové členění Rozdíl údolní nivy (0 m 30 m) ploché pahorkatiny (30 m 75 m) členité pahorkatiny (75 m 150 m) ploché vrchoviny (150 m 200 m) členité vrchoviny (200 m 300 m) hornatiny (300 m 600 m) počátek kvetení (den v roce) Obr. 26 Tendence dřívějšího nástupu počátku kvetení břízy, stanice Seletice. Fig. 26. Birch first flowers sooner tendency, station Seletice. Rok počátek kvetení (den v roce) Obr. 27 Tendence dřívějšího nástupu počátku kvetení třešně ptačí, stanice Věšín. Fig. 27. Cherry tree first flowers sooner tendency, station Věšín. Rok Obr. 25 Relativní výšková členitost ČR (v metrech). Fig. 25. Relative altitude layers of Czechia (in meters). bí a přibližně stejná závislost (tab. 3, r. 13 = rovnice z obr. 13) 3.1 dne/100 m v období Z toho plyne, že za obě období je závislost na nadmořské výšce stejná, ale rozdíl je v posunu, kdy v období byl nejranější nástup 107 a v období byl nejranější nástup 106, tedy došlo k posunu o jeden den (tab. 3). K dřívějšímu nástupu došlo zejména v nízkých výškových pásmech, ve vyšších nadmořských výškách se rozdíl snižuje až je v hornatinách nulový (tab. 4). Obr. 27 znázorňuje tendenci dřívějšího nástupu počátku kvetení třešně ptačí za sledované období. 4.3 Hodnocení nástupu metání pšenice ozimé U metání pšenice ozimé vychází z regresní analýzy závislost mezi nástupem metání a nadmořskou výškou (tab. 5, r. 17 rovnice z obr. 17) 2,7 dne/100 m v období a přibližně stejná závislost (tab. 5, r. 21 rovnice z obr. 21) 2 dny/100 m v období Z toho plyne, že za obě období je závislost na nadmořské výšce stejná, ale rozdíl je v posunu, kdy v období byl posun 152 a v období byl posun 147, tedy posun (dřívější nástup) znamená 5 dní (tab. 5). Dřívější nástup metání pšenice ozimé je výraznější ve vyšších nadmořských výškách a rozdíl se snižuje s klesající nadmořskou výškou (tab. 6); je zde zaznamenávána opačná tendence na rozdíl od nástupu kvetení třešně ptačí. 5. ZÁVĚR Posun dřívějšího nástupu jarních a brzkých letních generativních fenologických fází v současné době vůči období před rokem 1980 je zaznamenán mnoha autory. V tomto příspěvku jde o kvantitativní dokumentaci jarního dřívějšího nástupu vybraných fází, tedy prvními květy břízy (fáze byla vybrána vzhledem k vysoké sledovanosti břízy jako velmi významného pylového alergenu), prvními květy třešně, a metáním pše- Meteorologické zprávy, 62,