STATISTICKÝ MODEL CHARAKTERU TEPELNÉHO OSTROVA STŘEDOEVROPSKÝCH MĚST

Transkript

1 UNIVERZITA KARLOVA V PRAZE Přírodovědecká fakulta Katedra fyzické geografie a geoekologie STATISTICKÝ MODEL CHARAKTERU TEPELNÉHO OSTROVA STŘEDOEVROPSKÝCH MĚST Diplomová práce Pavel Vacík 2013 Vedoucí diplomové práce: Mgr. Jiří Hošek, Ph.D.

2 Prohlašuji, že jsem závěrečnou práci zpracoval samostatně a že jsem uvedl všechny použité informační zdroje a literaturu. Tato práce ani její podstatná část nebyla předložena k získání jiného nebo stejného akademického titulu. Praha, 18. srpen 2013 vlastnoruční podpis

3 Děkuji panu Mgr. Jiřímu Hoškovi, Ph.D. za ochotu a vstřícnost při vedení diplomové práce, za všechny odborné rady a připomínky.

4 ABSTRAKT Městský tepelný ostrov (MTO) je oblast zvýšené teploty vzduchu v mezní a přízemní vrstvě atmosféry nad městem či průmyslovou aglomerací ve srovnání s venkovským okolím. Rozdíl v teplotě roste s velikostí města. Studie popisuje závislost intenzity MTO středoevropských měst na jejich velikosti a poloze meteorologické stanice. Použit je vícenásobný lineární regresní model. Závisle proměnné Y vstupující do modelu (data z celkem 40 měst) jsou MTOmean a MTOmax spočtené na základě rozdílu v teplotě vzduchu mezi městskou a příslušnou pozaďovou meteorologickou stanicí. Průměrná intenzita městského tepelného ostrova (MTOmean) je průměrná hodnota MTO ze všech dostupných dat analyzovaného období (hodinová měření teploty vzduchu [ C] za roky ) v nočních hodinách v době od 21 do 4 hodin za průměrné celkové oblačnosti dané noci na městské meteorologické stanici do 0,5. Maximální intenzita městského tepelného ostrova (MTOmax) je průměrná maximální hodnota intenzity MTO za noc, tedy období od 21 do 4 hodin za průměrné celkové oblačnosti dané noci na městské meteorologické stanici do 0,5. Nezávisle proměnné X jsou velikost města definovaná zastavěnou plochou (X1) a poloha meteorologické stanice ve městě určená na základě vzdálenosti od středu a okraje města (X2). Závislost hodnot MTOmean a MTOmax na zvolených prediktorech je popsána vzorci MTOmean [ C] = - 1, ,415 log CZP + 1,415 PMS MTOmax [ C] = - 0, ,468 log CZP + 0,874 PMS (CZP celková zastavěná plocha) (PMS poloha meteorologické stanice) Regresní koeficient R 2 = 0,69 pro MTOmean a R 2 = 0,64 pro MTOmax. Závislost byla prokázána na hladině významnosti 5%. Klíčová slova: tepelný ostrov města, klima města, středoevropské město

5 ABSTRACT Urban heat island (UHI) is a region of increased air temperature in the canopy layer and boundary layer of the atmosphere above the town or industrial agglomeration in comparison with rural surroundings. The difference in temperature increases with the size of the city. This study describes the dependence of the intensity UHI Central European cities on their size and position of their weather station. It uses a multiple linear regression model. The dependent variable Y entering the model (data from 40 cities) are UHImean and UHImax. They are calculated as difference in air temperature between the urban and the relevant rural weather station. The average intensity of the urban heat island (UHImean) is the average value of the UHI of all available data in the analyzed period (hourly measurements of air temperature [ C] for the years ). The data are only taken from night times records between 21:00 and 4:00 UTC and on days with the average total cloud cover at the city weather station less than 0,5. The maximum intensity of the urban heat island (UHImax) is the average maximum value of the UHI per night. The data are taken under the same conditions as in the case of UHImean. Independent variables X are the size of built-up area (X1) and the position of the weather station calculated using the distance from the centre and the edge of city (X2). The dependence of UHImean and UHImax on selected predictors is described by the formula UHImean [ C] = - 1, ,415 log TPA + 1,415 WSL UHImax [ C] = - 0, ,468 log TPA + 0,874 WSL (TPA... total built-up area) (WSL... weather station location) The regression coefficient R 2 = 0.69 for UHImean and R 2 = 0.64 for UHImax. The dependence was proved at the significance level of 5%. Keywords: urban heat island, urban climate, Central European city

6 OBSAH ABSTRAKT SEZNAM TABULEK SEZNAM OBRÁZKŮ 1 ÚVOD 10 2 CÍLE 13 3 ROZBOR LITERATURY Městský tepelný ostrov Tepelný ostrov povrchu města Tepelný ostrov městské atmosféry Vztah mezi tepelným ostrovem povrchu města a městské atmosféry Příčiny vzniku městských tepelných ostrovů Statistické modely tepelného ostrova města Závislost intenzity MTO na populaci Závislost intenzity MTO na dalších faktorech 26 4 METODY Výběr a klasifikace meteorologických stanic Klimatické klasifikace krajiny Výběr meteorologických stanic Analýza zastavěné plochy města a polohy meteorologických stanic Corine Land Cover Zastavěná plocha Poloha meteorologických stanic Data z meteorologických stanic Přepočet dat na stejnou nadmořskou výšku Výpočet MTOmean a MTOmax Vícenásobná lineární regrese 42 5 VÝSLEDKY Výběr a klasifikace meteorologických stanic 45 6

7 5. 2 Vstupní data do modelu Počet obyvatel analyzovaných měst Zastavěná plocha analyzovaných měst Poloha meteorologické stanice v rámci daného města Hodnoty MTOmean a MTOmax analyzovaných měst Výpočet vícenásobného regresního modelu Výběr vstupních proměnných do modelu Výpočet vícerozměrného regresního modelu 62 6 DISKUSE Subjektivní faktory a možné nepřesnosti studie Srovnání s obdobnými studiemi Možnosti další práce 75 7 ZÁVĚR 76 SEZNAM POUŽITÉ LITERATURY A DALŠÍCH INFORMAČNÍCH ZDROJŮ PŘÍLOHY 7

8 SEZNAM TABULEK Tab. č. 1 - Průměrné změny vybraných meteorologických charakteristik urbanizovaných oblastí v porovnání s rurálním okolím Tab. č. 2 - Shrnutí základních charakteristik obou typů tepelného ostrova města Tab. č. 3 - Intenzita MTO v závislosti na počtu obyvatel Tab. č. 4 - Intenzita MTO v závislosti na SVF Tab. č. 5 - Urban climate zones Tab. č. 6 - Klasifikace drsnosti terénu Tab. č. 7 - Local climate zone (LCZ 1-10) Tab. č. 8 - Local climate zone (LCZ A-G) Tab. č. 9 - Proměnlivé a efemérní vlastnosti typů povrchu Tab. č Geometrické a povrchové vlastnosti LCZ Tab. č Další vlastnosti LCZ Tab. č Městské meteorologické stanice (40 stanic) Tab. č Pozaďové meteorologické stanice (56 stanic) Tab. č Přiřazení meteorologických stanic a počet obyvatel analyzovaných měst Tab. č Zastavěná plocha analyzovaných měst [km 2 ] Tab. č Poloha meteorologické stanice v rámci daného města [m] [ ] Tab. č Průměrná a maximální hodnota MTO analyzovaných měst Tab. č Hodnoty nezávisle proměnných vstupujících do modelu Tab. č Statistické shrnutí závisle proměnné MTOmean Tab. č Korelační matice závisle proměnné MTOmean Tab. č Statistické shrnutí závisle proměnné MTOmax Tab. č Korelační matice závisle proměnné MTOmax Tab. č Hodnoty MTOmean [ C] vypočtené modelem Tab. č Hodnoty MTOmax [ C] vypočtené modelem Tab. č Města vstupující do výpočtu průměrné CZP Tab. č Průměrná CZP města na počet obyvatel Tab. č Intenzita městského tepelného ostrova v závislosti na počtu obyvatel 8

9 SEZNAM OBRÁZKŮ Obr. č. 1 - Členění městské atmosféry na UCL a UBL Obr. č. 2 - Denní chod intenzity městského tepelného ostrova v přízemní vrstvě atmosféry (CLUHI) za anticyklonálního počasí Obr. č. 3 - Denní chod intenzity městského tepelného ostrova povrchu a atmosféry za anticyklonálního počasí Obr. č. 4 - Sky view factor Obr. č. 5 - Lineární vztah mezi maximální MTOI a počtem obyvatel města v Evropě a Severní Americe Obr. č. 6 - Vztah mezi intenzitou MTO a počtem obyvatel města Obr. č. 7 - Vztah mezi MTOI a SVF Obr. č. 8 - Vztah mezi maximální intenzitou městského tepelného ostrova a zeměpisnou šířkou města Obr. č. 9 - MS Praha - Libuš: LCZ 9 Obr. č MS Muenchen Stadt: LCZ 5 Obr. č MS Sopron: LCZ 6 Obr. č Přiřazení polygonů zastavěné plochy městu Plzeň Obr. č Města zařazená do analýzy Obr. č Zastavěná plocha Muenchen Obr. č Zastavěná plocha Magdeburg Obr. č Zastavěná plocha Lingen Obr. č Závislost mezi MTOmean a zlogaritmovaným počtem obyvatel města Obr. č Závislost mezi MTOmean a zlogaritmovanou celkovou zastavěnou plochou Obr. č Závislost mezi MTOmax a zlogaritmovaným počtem obyvatel města Obr. č Závislost mezi MTOmax a zlogaritmovanou celkovou zastavěnou plochou Obr. č Předpovězené vs. pozorované hodnoty závisle proměnné MTOmean Obr. č Předpovězené vs. pozorované hodnoty závisle proměnné MTOmax Obr. č Rezidua závisle proměnné MTOmean Obr. č Rezidua závisle proměnné MTOmax Obr. č Logaritmický trend dle vzorce Oke (1973) a námi vytvořeného modelu pro MTOmax 9

10 Kapitola 1 Úvod Tématem předkládané diplomové práce je Statistický model charakteru tepelného ostrova středoevropských měst. V souvislosti s rozvojem lidské společnosti a růstem populace dochází ke koncentraci obyvatel v podmínkách vhodných pro život a tím ke vzniku městských oblastí. Člověk zde postupně mění krajinu přírodní v krajinu kulturní (denaturalizovanou, antropogenní), kde především budovy, silnice, ale i další infrastruktura nahradily otevřený prostor, zpravidla krytý vegetací. Přírodní povrchy, které byly propustné a vlhké se tak změnily v nepropustné a suché (Němec, Pojer, 2007). Studium klimatu města se s rostoucí mírou urbanizace stává jedním z hlavních oborů klimatologie s předpokladem dalšího zvýšení zájmu o danou problematiku. Míra urbanizace (procento obyvatel žijících ve městech definovaných příslušným státem) dosahuje ve světě zhruba 51% (data za rok 2010), zatímco na počátku 20. století to bylo pouze 15%. Ve všech šesti státech zařazených do analýzy je pak míra urbanizace nepoměrně vyšší a to ve Spolkové republice Německo 74%, České republice 74%, Rakouské republice 68%, Maďarské republice 68%, Polské republice 61% a Slovenské republice 55% (CIA, 2013). Růstový trend míry urbanizace a počtu obyvatel bude i nadále pokračovat, tedy problematika spojená s městskými tepelnými ostrovy zasáhne stále větší počet obyvatel. Urbanizované oblasti vykazují rozdílné klimatické charakteristiky než neurbanizovaná území nacházející se v jejich okolí. Tento fakt je známý již několik desítek let a systematicky je popisován zhruba od 2. poloviny 20. století (Oke, 1982). Příklad možných odchylek vybraných klimatických charakteristik města v porovnání s venkovským okolím je uveden v tab. č. 1. Výrazné změny městského klimatu v porovnání s okolním prostředím se pravděpodobně projevovaly již ve starověku, tj. v souvislosti se vznikem prvních větších (počtem obyvatel a zastavěnou plochou) měst (Arnfield, 2003). Základními faktory, které způsobují disparitu mezi městským klimatem a jeho neurbanizovaným okolím, jsou především převládající typ aktivního povrchu a jeho geometrie. Tyto faktory pak zásadně ovlivňují chod většiny meteorologických prvků (Landsberg, 1981). Podstatná část výzkumu městského klimatu se věnuje studiu městského tepelného ostrova - MTO (UHI - Urban Heat Island). Tento fenomén jako první popsal britský meteorolog Luke Howard v roce 1833 na příkladu Londýna (Stewart, 2011). Od té doby byla problematika 10

11 městských tepelných ostrovů probírána v nesčetných studiích, avšak stále existují možnosti spojené s rozvojem informačních technologií (zejména metody DPZ) pro další analýzy a to především v konkrétních geografických oblastech či jednotlivých městech. Státy zařazené do analýzy prošly obdobným kulturním historickým vývojem a zástavba jejich velkých měst je tak částečně srovnatelná, kdy existuje historické, hustě zastavěné, centrum města s přilehlou okolní, spíše rozptýlenou, novodobou zástavbou. Studií zabývajících se městským tepelným ostrovem analyzovaných zemí je celá řada, jedná se však zpravidla o studie konkrétních měst, případně studie tepelného ostrova městského povrchu. Práce zobecňující charakter městského tepelného ostrova v oblasti střední Evropy jsou zcela výjimečné. V současnosti ( ) probíhá ve vybraných středoevropských zemích projekt financovaný Evropskou Unií s názvem Vývoj a aplikace urbanistických strategií a opatření na snižování výskytu a účinku extrémně vysokých teplot v centrech velkoměst, tzv. tepelných ostrovů měst. Na projektu se podílí celkem 17 institucí ze 7 středoevropských zemí. Českou republiku zatupuje Český hydrometeorologický ústav, Útvar rozvoje hlavního města Prahy a Matematicko-fyzikální fakulta Univerzity Karlovy v Praze. Projekt vychází z analýzy městských tepelných ostrovů měst Praha, Budapešť, Lublaň, Modena, Padova, Stuttgart, Varšava a Vídeň. Hlavním cílem je navržení metod k zabránění dalšího zesilování efektu městských tepelných ostrovů (zejména vhodným urbanistickým plánováním). Výsledky projektu přinesou nové poznatky o podobě městského tepelného ostrova ve střední Evropě (UHI Project, 2013). 11

12 Tab. č. 1 - Průměrné změny vybraných klimatických charakteristik urbanizovaných oblastí v porovnání s rurálním okolím Charakteristika Změna Oblačnost větší o 5-10% Pravděpodobnost výskytu mlh - zima větší o 100% Pravděpodobnost výskytu mlhy - léto větší o 30% Roční úhrn srážek větší o 5-10% Roční úhrn srážek v dešti Roční úhrn srážek ve sněhu vyšší nižší Počet dnů se srážkou 5 mm a více větší o 10% Průměrná roční teplota vzduchu vyšší o 0,5 až 0,8 C Průměrná min. teplota vzduchu v zimě vyšší o 1 až 1,5 C Průměrná roční relativní vlhkost nižší o 6% Průměrná roční rychlost větru menší o 20-30% Maximální nárazy větru menší o 10-20% Vegetační doba delší o 0-10 dní Počet mrazových dnů méně o 0-30% Ukazatele charakteristiky sněhové pokrývky nižší Trvání slunečního záření menší o 5-15% (Zdroj: Kříž, V., Schneider, B., Tolasz, R., 1994; Alcoforado, Matzarakis, 2010, upraveno) Pozn.: jedná se průměrné roční hodnoty, reálné odchylky meteorologických prvků závisí na velikosti daného sídla (počet obyvatel, velikost zastavěné plochy), povětrnostní situaci, geografické poloze sídla, aj. 12

13 Kapitola 2 Cíle 1. Výběr meteorologických stanic. Vizualizace polohy meteorologických stanic s dostupnými daty vybraných zemí střední Evropy v programu Google Earth. Výběr potenciálně vhodných meteorologických stanic nacházejících se přímo či poblíž měst se 100 a více (případně později i s méně) tisíci obyvateli. Vymezení urbánně ovlivněných meteorologických stanic dle metodiky Oke, Stewart (2012) z vybraných meteorologických stanic. Výběr pozaďových meteorologických stanic k městským meteorologickým stanicím. 2. Příprava vstupních dat do modelu. A. Prediktory určující velikost města. Zjištění počtu obyvatel analyzovaných měst. Analýza zastavěné plochy vybraných měst dle metodiky projektu Corine Land Cover. - souvisle zastavěná plocha města - nesouvisle zastavěná plocha města - celková zastavěná plocha města B. Prediktory znázorňující polohu meteorologické stanice v rámci daného města. Kvantifikace polohy meteorologické stanice. - vzdálenost meteorologické stanice od středu města - vzdálenost meteorologické stanice od okraje města - azimut od středu města k meteorologické stanici Zařazení meteorologických stanic dle metodiky Oke, Stewart (2012) do místní klimatické zóny (Local climate zones (LCZ)). 3. Analýza časových řad teploty vzduchu. Přepočet klimatických dat pozaďové meteorologické stanice na nadmořskou výšku meteorologické stanice městské na základě reanalýz (ERA-Interim reanalysis). 13

14 Výpočet průměrné intenzity městského tepelného ostrova (MTOmean). Výpočet maximální intenzity městského tepelného ostrova (MTOmax) jako průměrné maximální denní intenzity MTO. 4. Vytvoření statistického modelu MTO středoevropských měst. Vytvoření vícenásobného lineárního regresního modelu MTOmean a MTOmax středoevropských měst na základě připravených dat. Původně zamýšlený cíl analyzovat časovou dynamiku intenzity městského tepelného ostrova vybraných měst s dlouhou časovou řadou měření nebude kvůli omezené dostupnosti dat na období let 1994 až 2012 naplněn. Hypotézy Existuje vztah mezi velikostí města definovanou počtem obyvatel nebo zastavěnou plochou a intenzitou městského tepelného ostrova. S rostoucím počtem obyvatel nebo zastavěnou plochou města dochází k zesílení efektu městského tepelného ostrova. 14

15 Kapitola 3 Rozbor literatury 3. 1 Městský tepelný ostrov V souladu s výše uvedeným vykazují městské a příměstské oblasti ve srovnání s jejich zázemím vyšší teploty. Teplotní rozdíl se objevuje jak v absolutních (především minimálních), tak v průměrných teplotách (vzduchu a povrchu). Definice tepelného ostrova v české literatuře je následující. Oblast zvýšené teploty vzduchu v mezní a přízemní vrstvě atmosféry nad městem či průmyslovou aglomerací ve srovnání s venkovským okolím (Sobíšek, 1993). Americký meteorologický slovník pak městský tepelný ostrov popisuje jako oblast relativně zvýšené teploty vzduchu a povrchu vymezenou uzavřenými izotermami spojenou s antropogenními vlivy obcí (American Meteorological Society, 2013). Zvýšené teploty vykazují především městské urbánní zóny, ale vyšší teploty v porovnání s rurálními okolními oblastmi zaznamenáváme i v suburbánních zónách. V období pozitivní energetické bilance povrchu může nastat situace, kdy je vysoce urbánní oblast (centra měst) chladnější než okolní méně urbanizované plochy (rezidenční oblasti). Tento fenomén, je popisován jako Urban Cool Island (UCI). Teplotní rozdíl je oproti městským tepelným ostrovům výrazně nižší (Rizwan, Dennis, Liu, 2007; Shigeta, Okashi, Tsukamoto, 2009). Tepelný ostrov města je členěn na dva základní typy - tepelný ostrov povrchu města (Surface Urban Heat Island - SUHI) a tepelný ostrov městské atmosféry (Atmospheric Urban Heat Island - AUHI). Ty se různí způsobem vzniku, maximální i průměrnou intenzitou, časovým průběhem intenzity, možnostmi identifikace a kvantifikace, dopady na lidské aktivity a do jisté míry i možnostmi jejich zeslabení (Akbari, 2008) Tepelný ostrov povrchu města Tepelný ostrov povrchu města je relativně zvýšená teplota samotného aktivního antropogenního povrchu (střechy, silnice, chodníky, atd.) v porovnání s aktivními přírodními povrchy v okolí města. Rozdíly mezi teplotou přírodních a antropogenních povrchů jsou daleko výraznější ve dne, tj. v období pozitivní energetické bilance povrchu, než v nočních hodinách. Zároveň vykazuje vyšší hodnoty teplotní disparity letní než zimní období (Roth, Oke, Emery, 1989). Průměrné rozdíly teploty mezi oběma výše zmíněnými typy aktivního povrchu jsou v denních hodinách 10 C až 15 C a v noci 5 C až 10 C (Oke, Voogt, 2003). Za horkých slunečných letních dní dochází v období insolace na vhodně 15

16 exponovaných antropogenních aktivních površích ke zvýšení teploty o 27 C až 50 C v porovnání s teplotou atmosféry, zatímco u přírodních ploch v okolí města je tato disparita při stejné situaci daleko menší až takřka zanedbatelná. Výraznou roli v intenzitě ohřevu hraje kromě již zmíněné expozice rovněž barva aktivního povrchu (vliv na albedo) a jeho struktura (Berdahl, Bretz, 1997). Výzkum tepelných ostrovů povrchu probíhá především pomocí dálkového termálního snímkování, kdy rozvoj technologií umožňuje stále přesnější a více detailní detekci analyzovaného povrchu Tepelný ostrov městské atmosféry Tepelný ostrov městské atmosféry je definován jako relativně zvýšená teplota vzduchu v urbánních oblastech ve srovnání s relativně chladnějším vzduchem v okolním přírodním prostředí. Disparita teploty mezi vzduchem nad městem a vzduchem okolním je daleko menší než rozdílnost teploty městských a venkovských aktivních povrchů (Akbari, 2008). Výsledky studií zabývajících se analýzami tepelných ostrovů konkrétních měst se poměrně výrazně liší a to v závislosti na souhrnu charakteristik (počet obyvatel, rozloha města, hustota zalidnění, geografická poloha, apod.) ovlivňujících podobu tepelných ostrovů těch kterých měst. Nelze tedy udávat jednu hodnotu či omezený rozptyl hodnot jako globální pro všechna města. Kvantifikace tepelného ostrova probíhá pomocí tzv. intenzity tepelného ostrova města (MTOI), tedy zpravidla průměrný teplotní rozdíl (za určitou, zpravidla co nejdelší, časovou jednotku) mezi urbánní oblastí a jejím rurálním okolím. Termín intenzita městského tepelného ostrova lze použít i pro stav tepelného ostrova v určitý čas, tedy rozdíl teploty v urbánní a okolní rurální oblasti v určitém termínu (Rizwan, Dennis, Liu, 2007). S tím úzce souvisí maximální intenzita tepelného ostrova, tedy maximální rozdíl teploty mezi urbánní a okolní rurální oblastí v určitý čas, v podmínkách staničního měření většinou maximální rozdíl teplot v tu kterou hodinu (Oke, 1982). Jako příklad uvádíme roční průměr teploty vzduchu (roční průměrnou intenzitu tepelného ostrova) pro velká města se zhruba jedním milionem obyvatel, který je o zhruba 1 C až 3 C vyšší než jeho neurbanizované okolí (Akbari, 2008). Atmosférický tepelný ostrov města lze rozdělit ve vertikálním směru do dvou různých typů, a to tepelný ostrov v přízemní vrstvě atmosféry, tzv. městský baldachýn (Urban Canopy Layer UHI - UCL UHI) a tepelný ostrov v mezní vrstvě atmosféry (Urban Boundary layer UHI - UBL UHI) viz obr. č. 1 (Oke, 1976). 16

17 Obr. č. 1 - Členění městské atmosféry na UCL a UBL (Zdroj: Voogt, 2004, upraveno) Tepelný ostrov v přízemní vrstvě atmosféry (UCL) je zdola ohraničen povrchem a shora vrcholky stromů či střechami budov, což umožňuje identifikaci stacionárními meteorologickými stanicemi s obvyklou polohou měřidla ve výšce 2 m nad povrchem (Slabá, 1972). Teplotní změny v této vrstvě jsou pro lidskou společnost daleko významnější, odehrávají se zde totiž takřka všechny lidské aktivity. Tepelný ostrov v mezní vrstvě atmosféry má spodní hranici totožnou se svrchní hranicí tepelného ostrova v přízemní vrstvě atmosféry a svrchní hranice je ztotožněna s vrstvou, kde městská zástavba ztrácí vliv na teplotu atmosféry, tato hranice nepřevyšuje vertikálu zhruba 1,5 km nad povrchem (Oke, 1982). Tepelný ostrov města v UCL vykazuje obecně vyšší hodnoty intenzity a zároveň výraznější denní chod než městský tepelný ostrov v UBL (Oke, 1976). Intenzita atmosférického tepelného ostrova (především v přízemní vrstvě atmosféry) vykazuje typický denní chod. Přes den, tj. v období pozitivní energetické bilance povrchu, je intenzita nižší. Výraznějším se stává po západu slunce a v průběhu noci, kdy dochází k pozvolnému uvolňování tepla z městské infrastruktury. Maxim dosahuje v průběhu nočních hodin (typicky kulminuje několik hodin po setmění) a má tak silný vliv na hodnoty minimální denní teploty, kterou mnohdy výrazně zvyšuje. Vrchol intenzity závisí na fyzikálních vlastnostech aktivních povrchů města a okolních venkovských oblastí a rovněž na ročním období a aktuálním typu počasí (Akbari, 2008). Příklad vývoje intenzity městského tepelného ostrova během dne s anticyklonálním počasím ilustruje obr. č

18 Obr. č. 2 - Denní chod intenzity městského tepelného ostrova v přízemní vrstvě atmosféry (CLUHI) za anticyklonálního počasí (Zdroj: Akbari, 2008, upraveno) Vztah mezi tepelným ostrovem povrchu města a městské atmosféry Teplota aktivního povrchu ovlivňuje teplotu přilehlé atmosféry, a to především v přízemní vrstvě atmosféry. Přírodní povrchy kryté vegetací mají zejména v období insolace relativně chladnější teplotu aktivního povrchu, takže zvyšují teplotu okolního vzduchu daleko méně než urbánní oblasti tvořené antropogenními materiály, jež vykazují teploty vyšší a přiléhající vzduch tak oteplují výrazněji. Akumulované teplo se v urbánních oblastech v období negativní energetické bilance dostává zpět na povrch a dále do atmosféry, což je příčinou maximální intenzity tepelného ostrova atmosféry v nočních hodinách. Vzduch v atmosféře se zejména kvůli působení větru promíchává a dochází tak k výměně teploty, vztah mezi teplotou aktivního povrchu a teplotou v přízemní vrstvě atmosféry tedy není konstantní. Teplota vzduchu se tak zpravidla v horizontálním směru liší méně, než povrchová teplota k ní náležícího aktivního povrchu (Akbari, 2008). Možný průběh denních chodů teploty obou typů městských tepelných ostrovů za anticyklonálního počasí viz obr. č. 3 ilustrující následující poznatky (Akbari, 2008; Oke, 1982; Arnfield, 2003). Teplota aktivního povrchu vykazuje největší rozdíly od teploty vzduchu během dne, v noci se tato disparita výrazně snižuje. 18

19 Vysoká intenzita tepelného ostrova atmosféry se objevuje v nočních hodinách, přes den je spíše zanedbatelná. Centrum města vykazuje v denních hodinách v chodu křivky teploty vzduchu fenomén UCL. Vyšší variace teplot povrchu v závislosti na typu povrchu v porovnání s teplotou vzduchu zejména během dne, ale i v noci. Obr. č. 3 - Denní chod intenzity městského tepelného ostrova povrchu a atmosféry za anticyklonálního počasí (Zdroj: Akbari, 2008, upraveno) Příčiny vzniku městských tepelných ostrovů Redukce vegetace Venkovské oblasti jsou typické otevřenou krajinou krytou vegetací, zatímco ve městech je vegetace výrazně zredukována a nahrazena suchými nepropustnými povrchy. Ve vysoce rozvinutých městských oblastech se vyskytuje 75% až 100% nepropustných povrchů, zatímco v oblastech venkovských méně než 10% (Akbari, 2008). Vegetace ochlazuje okolní prostředí dvěma způsoby, a to zastíněním a evapotranspirací (Bell a kol, 2010). Vegetace (zejména vzrostlé stromy) snižují množství slunečního záření pronikajícího do přízemní vrstvy atmosféry. Stínění je úzce spjato s typem stromu (listnaté, jehličnaté) a ročním obdobím. V letních měsících dosahuje pouze 10-30% slunečního záření povrchu 19

20 pod stromy, v zimě je to 10-80%, kdy vysoká hodnota reprezentuje opadavé listnaté stromy (Huang, Akbari, Taha, 1990). V procesu evapotranspirace je pak teplota snižována kvůli spotřebě latentního tepla při fázovém přechodu vody (kapalina na plyn) (Taha, 1997). Zejména evapotranspirace, ale i zastínění výrazně snižují teplotu v přízemní vrstvě atmosféry a rovněž teplotu povrchu. Změna ve využití ploch v městských oblastech vede k menšímu výskytu stínu a menší vlhkosti v městských oblastech (průměrná roční vlhkost vzduchu je nižší o zhruba 6% (Schneider, Tolasz, 1994)). Zastavěné plochy pak odpaří méně vody, což přispívá ke zvýšené teplotě povrchu i vzduchu. Fyzikální vlastnosti urbánních materiálů Vlastnosti urbánních materiálů, především pak jejich sluneční odrazivost, vyšší tepelná vodivost, tepelné vyzařování a tepelná kapacita, tzn., jakým způsobem se krátkovlnné sluneční záření odráží, absorbuje, pohlcuje či transformuje, výrazně přispívají k tvorbě městského tepelného ostrova (Oke, 1982). Sluneční odrazivost neboli albedo, je poměr mezi intenzitou odraženého a dopadajícího záření vyjádřený v procentech (Kopp, Suda, 2003). Hodnota albeda závisí především na barvě povrchu (dále na struktuře (drsnosti) povrchu, vlhkosti povrchu a úhlu dopadu slunečních paprsků), na nějž sluneční záření dopadá, kdy tmavé povrchy mají nižší hodnoty albeda než povrchy světlé (tzn., tmavé povrchy pohltí více slunečního záření než světlé). V městských oblastech reprezentovaných obvykle tmavším zbarvením, je hodnota albeda nižší než ve venkovských oblastech. Albedo urbánních území dosahuje zpravidla hodnot 10 až 20% (Taha, 1997). Výsledkem je, že urbánní povrchy absorbují více tepla než povrchy přírodní (vegetační pokryv) a tím se zvyšuje jejich povrchová teplota, což přispívá k vytváření povrchových a atmosférických městských tepelných ostrovů (Akbari, 2008). Tepelná kapacita materiálu, tj. schopnost materiálu uchovávat teplo. Běžné stavební urbánní materiály mají zpravidla vyšší tepelnou kapacitu než materiály v okolí měst, což vede většímu množství uchované sluneční energie ve formě tepla v městské infrastruktuře ve srovnání s venkovskými oblastmi. Ve vysoce zastavěných oblastech je v průběhu dne (při slunečném počasí) uloženo zhruba dvojnásobné množství tepla ve srovnání s rurálním okolím (Christen, Vogt, 2004). Následné vyzařování (ve formě dlouhovlnného záření) během období negativní energetické bilance povrchu zvyšuje noční a ranní minimální teploty vzduchu (Arnfield, 2003). 20

21 Geometrie povrchu Geometrie povrchu, tj. především rozměry a vzdálenosti budov ve městě přispívají k tvorbě městského tepelného ostrova jak v denních, tak zejména v nočních hodinách (Akbari, 2008). Urbánní geometrie ovlivňuje charakter proudění větru (rychlost, směr) a schopnost povrchu přijímat sluneční energii v období insolace a zároveň vyzařovat energii do atmosféry v nočních hodinách (Morris, Simmonds Plummer, 2001). V kontextu vlivu městské geometrie na tvorbu městského tepelného ostrova jsou zmiňovány tzv. městské kaňony - ulice lemované vysokými budovami (viz obr. č, 4), jejichž vliv na teplotu je v průběhu dne protikladný. Vysoké budovy vytvářejí v době insolace stín, který zabraňuje insolaci a tím snižuje teplotu povrchu i přilehlého vzduchu (jeden s faktorů způsobujících UCI (Shigeta, Okashi, Tsukamoto, 2009)). V případě, že sluneční záření zasáhne povrch městského kaňonu, dojde k postupnému odrážení a pohlcování, což vede k dalšímu snížení albeda povrchu a tím naopak k přispění ke zvýšení teploty. V období negativní energetické bilance povrchu pak městské kaňony výrazně brání ochlazení přízemní atmosféry tak, že vyzařují teplo akumulovaného během insolace a zároveň omezují přenos tepla do mezní vrstvy atmosféry (Sailor, Fan, 2002). Vliv urbánní geometrie na tvorbu městských tepelných ostrovů charakterizuje tzv. sky view factor (SVF) - faktor viditelnosti oblohy (viz obr. č. 4), který souvisí s viditelnou částí oblohy z daného bodu na povrchu. SVF nabývá hodnot od 0 do 1, kdy hodnoty blíže k 1 značí otevřené plochy mající pouze minimum překážek a tedy vysoké procento viditelné oblohy, naopak hodnoty blížící se k 0 znamenají výraznou uzavřenost místa a jen malou plochu viditelné oblohy (Unger, 2004). Mezi intenzitou městského tepelného ostrova a SVF je inverzní vztah, kdy čím je SVF nižší, tím je příspěvek k tvorbě městského tepelného ostrova vyšší (Akbari, 2008). Obr. č. 4 - Sky view factor (Zdroj: Koninklijk Nederlands Meteorologisch Instituut, 2009, upraveno) 21

22 Další faktory Antropogenní teplo Energie dodaná do atmosféry ve formě tepla generovaného budovami, dopravními prostředky a obyvatelstvem (Christen, Vogt, 2004). Antropogenní teplo přispívá ke tvorbě městského tepelného ostrova více během zimního období než v létě (Rizwan, 2007). Vliv antropogenního tepla na intenzitu městského tepelného ostrova roste s počtem obyvatel města a částečně i jejich ekonomickým rozvojem, celkově (kromě zimního období) však není příliš výrazný (Taha, 1997). Geografická poloha města Poloha města v klimatické oblasti, podmíněna zejména zeměpisnou šířkou a vzdáleností od oceánu, ovlivňuje intenzitu městského tepelného ostrova. Intenzita městského tepelného ostrova je obecně nižší v sídlech s oceánským klimatem. Místní rozdíly v podobě městského tepelného ostrova určuje topoklimatická poloha území (Akbari, 2008). Studie charakteru městského tepelného ostrova jednotlivých měst lze členit dle geografické polohy - zeměpisné šířky (Arnfield, 2003). rovníkové vlhké klima tropické střídavě vlhké a monzunové klima tropické klima vysokých nadmořských výšek klima tropických pouští subtropické klima mírné klima (do této kategorie spadá naše studie) klima vysokých zeměpisných šířek Závislost mezi maximální intenzitou městského tepelného ostrova a zeměpisnou šířkou není kvůli řadě dalších faktorů ovlivňujících podobu městských tepelných ostrovů vysoká (Alcoforado, Matzarakis, 2010), přesto určitá závislost existuje (viz kapitola Závislost intenzity MTO na zeměpisné šířce). Počasí a sezonalita Počasí, především oblačnost a rychlost větru, výrazně ovlivňují podobu městského tepelného ostrova. Nejvyšší intenzitu dosahuje městský tepelný ostrov za anticyklonálního (radiačního) počasí, tj. bezvětrné (< 2m/s), bezoblačné (< 20%) a nesrážkové (0 mm) počasí (Vysoudil, 2007), které maximalizuje množství dopadajícího slunečního záření a 22

23 zároveň minimalizuje výměnu energie mezi přízemní a mezní vrstvou atmosféry, potažmo urbánní a rurální oblastí (Oke, 1982). Intenzita městského tepelného ostrova tedy roste s poklesem rychlosti větru a pokrytím oblohy oblačností (Arnfield, 2003). V klimatických oblastech s ročním chodem podnebí je intenzita městského tepelného ostrova zpravidla vyšší v teplém půlroce, nejvyšší pak v létě (Alexandri, Jones, 2006). Studií potvrzujících výše zmíněné je mnoho, příkladem je i práce Beranové a Hutha (2002) dokládající maximum intenzity tepelného ostrova Prahy v letních měsících za anticyklonálních typů počasí (Beranová, Huth, 2002). Tab. č. 2 - Shrnutí základních charakteristik obou typů tepelného ostrova města Tepelný ostrov povrchu Tepelný ostrov atmosféry Vývoj teploty Průměrná intenzita za příznivých podmínek * Identifikační metoda - přítomen neustále - maximum intenzity za anticyklonálního počasí v létě přes den Vyšší teplotní, prostorová a časová proměnlivost: Den: 10 to 15 C Noc: 5 to 10 C Nepřímé měření: - Remote sensing (DPZ) - ruční pozemní termální kamery - může být zanedbatelný či dokonce mít obrácený efekt přes den (UCI) - max. intenzity za anticyklonálního počasí v noci Nižší proměnlivost: Den: - 1 to 3 C Noc: 7 to 12 C Přímé měření: - stacionární meteorologické stanice a účelová meteorologická měření Znázornění Termální snímky 23 Isotermické mapy Grafy průběhu teploty (Zdroj: Akbari, 2008, upraveno) Pozn.: * Příznivé podmínky pro rozvoj UHI - radiační typ počasí (bezvětrné, bezoblačné) 3. 2 Statistické modely tepelného ostrova města Závislost intenzity MTO na populaci Základním a v podstatě jediným typem statistického modelu městského tepelného ostrova je závislost intenzity městského tepelného ostrova na velikosti města definované počtem obyvatel (nezávisle proměnná POP). Výchozí studie Oke (1973) pro evropská a severoamerická města mírných šířek nachází lineární závislost mezi počtem obyvatel a maximem intenzity městského tepelného ostrova. Severoamerická města s obdobným počtem obyvatel jako města evropská vykazují vyšší hodnoty maximální intenzity městského tepelného ostrova (viz obr. č. 5).

24 Maximální intenzita městského tepelného ostrova je dána vzorci: Δ Tu-r (max) = 2.01 log10(pop) pro evropská města a Δ Tu-r (max) = 2.96 log10(pop) pro severoamerická města (Oke, 1973). Obr. č. 5 - Lineární vztah mezi maximální MTOI a počtem obyvatel města v Evropě a Severní Americe (Zdroj:Oke, 1982, upraveno) Příklady dalších studií zabývající se závislostí mezi maximální intenzitou městského tepelného ostrova a počtem obyvatel města jsou práce zaměřené na území Austrálie, Jižní Korey a Japonska. Studie Toroka a kol. (2001) vycházející z analýzy městských tepelných ostrovů především menších australských sídel, uvádí nižší maximální intenzitu městských tepelných ostrovů australských měst v porovnání s městy evropskými a severoamerickými (Torok a kol. 2001). Δ Tu-r (max) = 1.42 log10(pop) Analýza tepelných ostrovů jihokorejských měst Parka (1986) poukazuje na dvojkolejnost závislosti maximální intenzity městského tepelného ostrova na počtu obyvatel. Závislost měst s méně než obyvateli je vysvětlena vzorcem a měst s více než obyvateli vzorcem Δ Tu-r (max) = 1.46 log10(pop) - 5,93 Δ Tu-r (max) = 3,43 log10(pop) - 16,58 (Park, 1986). 24

25 MTO [ C] Sakakibara a Matsui (2005) analyzovali tepelné ostrovy japonských měst a vysvětlili závislost maxima intenzity tepelného ostrova měst na počtu obyvatel vzorcem Δ Tu-r (max) = 2,08 log10(pop) - 4,22 (Sakakibara, Matsui, 2005). Závislost průměrné intenzity městského tepelného ostrova na počtu obyvatel popisuje Oke (1973) vzorcem: Δ Tu-r (mean) = 0,73 log10(pop) Hodnoty intenzity MTO vypočtené dle výše uvedených vzorců viz tab. č. 3 a ilustrace v grafu viz obr. č. 6. Tab. č. 3 - Intenzita MTO v závislosti na počtu obyvatel Počet obyvatel MTO max [ C] Evropa (Oke, 1973) - - 1,97 3,98 5, ,01 MTO max [ C] SA (Oke, 1973) - - 2,47 5,43 8,39 11,35 14,31 MTO max [ C] A (Torok, 2001) - 0,75 2,17 3,59 5,01 6,43 7,85 MTO max [ C] JK (Park, 1986) ,37 4 7,43 MTO max [ C] Jap. (Matsui, 2005) - - 2,02 4,1 6,18 8,26 10,34 MTO mean [ C] (Oke, 1973) 0,73 1,46 2,19 2,92 3,65 4,38 5,11 (Zdroj: vlastní zpracování dle výše uvedených vzorců) Počet obyvatel Obr. č. 6 - Vztah mezi intenzitou MTO a počtem obyvatel města (Zdroj: vlastní zpracování v programu Excel dle tab. č. 3) 25 MTO max [ C] Evropa (Oke, 1973) MTO max [ C] SA (Oke, 1973) MTO max [ C] A (Torok, 2001) MTO max [ C] JK (Park, 1986) MTO max [ C] Jap. (Matsui, 2005) MTO mean [ C] (Oke, 1973)

26 Závislost intenzity MTO na dalších faktorech Závislost intenzity MTO na geometrii povrchu (SVF) Pomocí proměnné SVF je analyzována zpravidla maximální intenzita městského tepelného v konkrétní (především centrální) části města (s určitým místním SVF) v dané geografické oblasti. Výchozí studií zabývající se kvantifikací maximální intenzity tepelného ostrova pomocí SVF je práce Oke (1981). Studie vychází z analýzy urbánních kaňonů zhruba 30 různě velkých evropských, severoamerických a australských měst za anticyklonálního počasí v letním období. Závislost mezi SVF a maximální intenzitou městských tepelných ostrovů je popsána vzorcem Δ Tu-r (max) = 15,27-13,88 SVF (Oke, 1981). Vzorce dalších vybraných studií (empiricky odvozené vztahy na základě analýzy center různého počtu zpravidla velkých měst) popisujících závislost mezi SVF a maximální intenzitou tepleného ostrova jsou Δ Tu-r (max) = 13,2-10 SVF pro Evropu, Δ Tu-r (max) = 16,34-15 SVF pro Severní Ameriku, Δ Tu-r (max) = 10,15-12 SVF pro Japonsko a Δ Tu-r (max) = 12,23-14 SVF pro Jižní Koreu (Park, 1987). Hodnoty intenzity MTO vypočtené dle výše uvedených vzorců viz tab. č. 4 a ilustrace v grafu viz obr. č. 7. Tab. č. 4 - Intenzita MTO v závislosti na SVF SVF 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 MTO max [ C] E, SA, A (Oke, 1981) 12,5 11,1 9,7 8,3 6,9 5,6 4,2 2,8 MTO max [ C] Evropa (Park, 1987) 11,2 10,2 9,2 8,2 7,2 6,2 5,2 4,2 MTO max [ C] SA (Park, 1987) 12 10,5 9 7,5 6 4,5 3 1,5 MTO max [ C] Japonsko (Park, 1987) 9,6 8,4 7,2 6 4,8 3,6 2,4 1,2 MTO max [ C] JK (Park, 1987) 9,4 8 6,6 5,2 3,8 2,4 1 - (Zdroj: vlastní zpracování dle výše uvedených vzorců) 26

27 MTO [ C] MTO max [ C] E, SA, A (Oke, 1981) MTO max [ C] Evropa (Park, 1987) MTO max [ C] SA (Park, 1987) MTO max [ C] Japonsko (Park, 1987) MTO max [ C] JK (Park, 1987) SVF Obr. č. 7 - Vztah mezi MTOI a SVF (Zdroj: vlastní zpracování v programu Excel dle tab. č. 4) Závislost intenzity MTO na zeměpisné šířce Studie Weinert, Kuttler (2005) analyzovala městské tepelné ostrovy 150 měst různých geografických oblastí především severní polokoule (124 měst). Zjistili (slabou) přímou závislost maximální intenzity městského tepelného ostrova na zeměpisné šířce (φ) (viz obr. č. 8), tj. maximální intenzita MTO se zvyšuje s rostoucí zeměpisnou šířkou dle vzorce Δ Tu-r (max) = 0, φ + 3,5585 (Weinert, Kuttler, 2005) Obr. č. 8 - Vztah mezi maximální intenzitou městského tepelného ostrova a zeměpisnou šířkou města (Zdroj: Weinert, Kuttler, 2005, upraveno) 27

28 Kapitola 4 Metody 4. 1 Výběr a klasifikace meteorologických stanic Klimatické klasifikace krajiny Kvantifikace intenzity městského tepelného ostrova jako rozdílu mezi teplotou naměřenou v síti urbánních a blízkých rurálních meteorologických stanic naráží především na problematiku samotné definice obou typů meteorologických stanic a vnitřní nehomogenity urbánní a rurální krajiny. Město nelze chápat jako homogenní strukturu ovlivňující meteorologické prvky stejným způsobem ve všech svých částích, ale spíše jako heterogenní útvar různě působící na povětrnostní podmínky dle vlastností konkrétní městské části (Oke, 1984). Existuje několik standardizovaných klasifikačních klimatických systémů městské a příměstské krajiny pro lepší pochopení diverzity klimatu města a rovněž možnost přenosu výzkumu mezi oblastmi a tedy snazší porovnatelnost výsledků jednotlivých studií. První klasifikace Chandler (1965) člení území Londýna do čtyř oblastí dle klimatických charakteristik, ostatních fyzicko-geografických charakteristik a typu zástavby (Chandler, 1965). Dalším klasifikačním přístupem městské krajiny je kategorizace města St. Louis dle Auer (1978), která vyčleňuje dvanáct klimaticky rozdílně působících povrchů na základě vegetace a charakteru městské zástavby (Auer, 1978). Ellefsen (1990) na základě studia deseti severoamerických měst vymezil tzv. městské terénní zóny (Urban terrain zones (UTZs)) a to dle městské geometrie a použitých stavebních materiálů (Ellefsen, 1990). Ze studií Auer (1978) a Ellefsen (1990) vychází základní přenositelná klasifikace městské krajiny Oke (2006) do tzv. městských klimatických zón (Urban climate zones (UCZs)). Město je rozčleněno do sedmi oblastí s klesající úrovní vlivu území na klima od 1 k 7 (viz tab. č. 5). 28

29 Tab. č. 5 - Urban climate zones Urban Climate zone (UCZ) Ilustrace Drsnost 1 Poměr stran 2 Nepropustný povrh [%] 3 1. Intenzivně rozvinutá zástavba vysokých budov 2. Intenzivně rozvinutá zástavba 2 až 5 podlažních budov 8 >2 > ,5 >85 3. Vysoce rozvinutá hustá zástavba budov 7 0,5-1, Vysoce rozvinutá zástavba nízkých plošně rozsáhlých budov 5 0,05-0, Středně až málo rozvinutá zástavba budov 6. Kombinace velkých budov s otevřenými přírodními plochami 6 0,2-0,6 (1) * 5 0,1-0,5 * <40 7. Rozptýlená zástavba suburbánních území 4 >0,05 * <10 (Zdroj: Oke, 2006, upraveno) * závisí na stromech Pozn. 1) Efektivní drsnost terénu dle metodiky Davenport a kol. (2000), viz tab. č. 6. 2) Poměr stran je průměrná výška hlavních elementů (budovy, stromy) způsobujících drsnost terénu dělené jejich průměrnou vzdáleností. 3) % povrchu tvořené nepropustným povrchem. 29

30 Tab. č. 6 - Klasifikace drsnosti terénu Třída Popis terénu 8 Hustě zastavěná plocha kombinací nízkých a vysokých budov (centrum města) 7 Hustě zastavená plocha zhruba stejně vysokých budov 6 Plocha středně pokrytá nízkými budovami 5 Plocha s rozptýlenou zástavbou budov 4 Mírně otevřená plocha s občasnými překážkami (izolované nízké budovy a stromy) 3 Plocha pokrytá nízkou vegetací s izolovanými budovami 2 Plocha bez či se zanedbatelným vegetačním pokryvem a bez zástavby 1 Zcela otevřená plocha bez vegetace a zástavby (Zdroj: Davenport a kol, 2000, upraveno) Pozn.: Drsnost povrchu, tj. schopnost povrchu ovlivnit proudění větru roste od 1 k 8. Vzhledem k tomu, že systém městských klimatických zón (Oke, 2006) není navržen ke klasifikaci venkovské krajiny, vytvořil Oke a Stewart (2012) systém komplexní klasifikace krajiny, tzv. místní klimatické zóny (Local climate zones (LCZs)), pro popis lokálních klimatických podmínek. Systém představuje řadu kritérií pro zařazení meteorologické stanice a je částečně kompatibilní s klasifikacemi UCZ a UTZ. Místní klimatické zóny lze definovat jako území jednotného pokryvu a struktury povrchu, materiálu a stejných lidských aktivit v horizontálním měřítku stovek metrů až několika kilometrů. Jednotlivé místní klimatické zóny vykazují vlastní typický teplotní režim, nejvíce patrný za anticyklonálního počasí. Klasifikace vymezuje celkem 17 standardních LCZ rozdělených do dvou skupin: typy zástavby: LCZ 1-10 (viz tab. č. 7) typy povrchu : LCZ A-G (viz tab. č. 8) Vyjma standardních 17 LCZ lze vytvářet vlastní třídy kombinací typů zástavby, typů povrchu a jeho vlastností. Především pro snazší porovnatelnost mezi jednotlivými studiemi autoři doporučují, zejména pokud se jedná o klasifikaci meteorologických stanic pro analýzu dlouhodobých řad meteorologických prvků, pracovat se standardními 17 kategoriemi. Charakteristiky jednotlivých LCZ jsou uvedeny v tab. č (Oke, Stewart, 2012). 30

31 Tab. č. 7a - Local climate zone (LCZ 1-10) LCZ 1 LCZ 2 LCZ 3 LCZ 4 LCZ 5 LCZ 6 LCZ 7 LCZ 8 LCZ 9 Typ zástavby Ilustrace Popis Kompaktní vysoké budovy Kompaktní středně vysoké budovy Kompaktní nízké budovy Otevřená zástavba vysokých budov Otevřená zástavba středně vysokých budov Otevřená zástavba nízkých budov Hustá zástavba lehkých nízkých budov Zástavba robustních nízkých budov Rozptýlená zástavba Hustá směs vysokých budov (nad 10 pater); žádné nebo jen ojedinělé stromy; povrch zpravidla zcela nepropustný; převládají betonové, ocelové, kamenné a skleněné materiály. Hustá směs středně vysokých budov (3-9 pater); žádné nebo jen ojedinělé stromy; povrch zpravidla zcela nepropustný; převládají betonové, kamenné a cihlové materiály. Hustá směs nízkých budov (1-3 patra); žádné nebo jen ojedinělé stromy; povrch zpravidla zcela nepropustný; převládají betonové, kamenné a cihlové materiály. Otevřená zástavba vysokých budov (nad 10 pater); dostatek propustného povrchu pokrytého nízkým porostem i rozptýlenými stromy; budovy tvořené betonovými, ocelovými, kamennými a skleněnými materiály. Otevřená zástavba středně vysokých budov (3-9 pater); dostatek propustného povrchu pokrytého nízkým porostem i rozptýlenými stromy; budovy tvořené betonovými, ocelovými, kamennými a skleněnými materiály. Otevřená zástavba nízkých budov (1-3 patra); dostatek propustného povrchu pokrytého nízkým porostem i rozptýlenými stromy; budovy tvořené betonovými, dřevěnými, kamennými a cihlovými materiály. Hustá směs jednopatrových nízkých budov; žádné nebo jen ojedinělé stromy; pevný málo propustný povrch; převládají lehké konstrukce budov (dřevo, došky, vlnitý plech). Rozptýlená zástavba robustních nízkých budov (1-3 patra); žádné nebo jen ojedinělé stromy; povrch zpravidla zcela nepropustný; budovy tvořené ocelovými, betonovými a kamennými materiály. Rozptýlená zástavba nízkých a středně vysokých budov v přírodním prostředí; dostatek propustného povrchu pokrytého nízkým porostem i rozptýlenými stromy. 31

32 Tab. č. 7b - Local climate zone (LCZ 1-10) LCZ 10 Těžký průmysl Vysoké a středně vysoké objekty (budovy, věže, nádrže, komíny); žádné nebo jen ojedinělé stromy; pevný nepropustný povrch; budovy tvořené ocelovým a betonovým materiálem. (Zdroj: Oke, Stewart, 2012, upraveno) Tab. č. 8 - Local climate zone (LCZ A-G) LCZ A Typ povrchu Ilustrace Popis Hustý les Hustý listnatý, smíšený nebo jehličnatý les; převažuje propustný povrch (nízký porost); přírodní les, kulturní les i městský park. LCZ B LCZ C LCZ D LCZ E LCZ F Rozptýlené stromy Křoviny Nízký porost Holý kamenitý nebo betonový povrh Holá půda nebo písek Krajina rozptýlených listnatých, smíšených nebo jehličnatých stromů; převažuje propustný povrch (nízký porost); přírodní les, kulturní les i městský park. Otevřený křovinný porost; převažuje propustný povrch (holá půda nebo písek); přirozené přírodní křoviny i zemědělské porosty. Nevýrazný nízký porost (trávy, byliny); žádné nebo jen ojedinělé stromy; přírodní a kulturní louky a pastviny i městské parky. Nevýrazný kamenitý nebo betonový povrch; žádné nebo jen ojedinělé stromy a rostliny; kamenité a skalnaté pouště, skály, antropogenní nepropustné (betonové) povrchy. Nevýrazná krajina holé půdy nebo písku; žádné nebo jen ojedinělé stromy a rostliny; písčité pouště, zemědělské plochy. LCZ G Vodní plocha Velké vodní plochy (moře, jezera) a malé vodní plochy (řeky, rybníky). (Zdroj: Oke, Stewart, 2012, upraveno) 32

33 Tab. č. 9 - Proměnlivé a efemérní vlastnosti typů povrchu b - opadavé stromy s - sněhová pokrývka d - suchý povrch w - vlhký povrch Vliv na vlastnosti typů povrchu V důsledku ztráty listí opadavých stromů v zimním období dojede ke zvýšení SVF a snížení albeda povrchu. Sněhová pokrývka (>10 cm) snižuje admitanci a zvyšuje albedo. Vysušením povrchu dojde k snížení admitance, zvýšení Bowenova poměru a zvýšení albeda. Zvlhčením povrchu dojde k zvýšení admitance, snížení Bowenova poměru a snížení albeda. (Zdroj: Oke, Stewart, 2012, upraveno) SVF 1 Tab. č Geometrické a povrchové vlastnosti LCZ Poměr stran 2 Budovy [%] 3 NP [%] 4 PP Výška prvků [m] [%] 5 drsnosti povrchu 6 Třída drsnosti povrchu 7 LCZ 1 0,2-0,4 > < 10 > 25 8 LCZ 2 0,3-0,6 0, < LCZ 3 0,2-0,6 0,75-1, < LCZ 4 0,5-0,7 0,75-1, > LCZ 5 0,5-0,8 0,3-0, LCZ 6 0,6-0,9 0,3-0, LCZ 7 0,2-0, < 20 < LCZ 8 > 0,7 0,1-0, < LCZ 9 > 0,8 0,1-0, < LCZ 10 0,6-0,9 0,2-0, LCZ A < 0,4 > 1 < 10 < 10 > LCZ B 0,5-0,8 0,25-0,75 < 10 < 10 > LCZ C 0,7-0,9 0,25-1 < 10 < 10 > 90 < LCZ D > 0,9 < 0,1 < 10 < 10 > 90 < LCZ E > 0,9 < 0,1 < 10 > 90 < 10 < 0, LCZ F > 0,9 < 0,1 < 10 < 10 > 90 < 0, LCZ G > 0,9 < 0,1 < 10 < 10 > 90 1 (Zdroj: Oke, Stewart, 2012, upraveno) Pozn. 1) viz kapitola Geometrie povrchu 2) Poměr stran je průměrná výška hlavních elementů (budovy, stromy) způsobujících drsnost terénu dělené jejich průměrnou vzdáleností. 3) % povrchu kryté budovami 4) % povrchu tvořené nepropustným povrchem 5) % povrchu tvořené propustným povrchem 6) Průměrná výška hlavních elementů (budovy, stromy) způsobujících drsnost terénu. 7) Efektivní drsnost terénu dle metodiky Davenport (2000), viz tab. č. 6 33

34 Tab. č Další vlastnosti LCZ Admitance povrchu 1 Albedo povrchu 2 Antropogenní teplo 3 LCZ , LCZ ,1-0,2 < 75 LCZ ,1-0.2 < 75 LCZ ,12-0,25 < 50 LCZ ,12-0,25 < 25 LCZ ,12-0,25 < 25 LCZ ,15-0,35 < 35 LCZ ,15-0,25 < 50 LCZ ,12-0,25 < 10 LCZ ,12-0,2 > 300 LCZ A - 0,1-0,2 0 LCZ B ,15-0,25 0 LCZ C ,15-0,3 0 LCZ D ,15-0,25 0 LCZ E ,15-0,3 0 LCZ F ,2-0,35 0 LCZ G ,02-0,1 0 Pozn. 1) schopnost povrchu přijímat a vyzařovat teplo 2) viz kapitola Fyzikální vlastnosti urbánních materiálů 3) viz kapitola Další faktory (Zdroj: Oke, Stewart, 2012, upraveno) Výběr meteorologických stanic Určení párových meteorologických stanic, tedy minimálně jedné městské meteorologické stanice a jedné pozaďové meteorologické je zásadním prvkem rozhodujícím o kvalitě následné analýzy. Základem výběru meteorologických stanic je jejich lokalizace na území středoevropských států Spolková republika Německo, Česká republika, Rakouská republika, Maďarská republika, Polská republika a Slovenská republika. K dalšímu zúžení počtu meteorologických stanic připadajících v úvahu pro analýzu došlo v důsledku dostupnosti jejich dat, kdy byl výběr omezen na synoptické meteorologické stanice. Počet meteorologických stanic pro analýzu je tak zhruba 450 (viz příloha č. 1). Poloha těchto meteorologických stanic byla dle výpisů synoptických stanic (po jednotlivých státech), kde jsou uvedeny jejich souřadnice a nadmořská výška, vizualizovány v programu Google Earth. Poloha většiny meteorologických stanic byla zobrazena přesně. U části 34

35 meteorologických stanic však vzhledem k faktu, že zeměpisné souřadnice jsou ve výpisech synoptických stanic uvedeny pouze v měřítku stupňů a minut, nebylo možné přesnou lokalitu měření určit. Následně byla z údajů poskytovaných statistickými úřady příslušných států vybrána města, jejichž populace dosahovala v roce a více tisíc obyvatel. Meteorologických stanic nacházejících se přímo v katastrálním území, popř. v bezprostřední blízkosti některého z těchto sídel je přibližně 100 a jsou brány jako možné městské meteorologické stanice pro následnou analýzu. U meteorologických stanic, jejichž vizualizace polohy nebyla určena zcela přesně a patří mezi potenciálně vhodné městské meteorologické stanice, došlo k dalšímu pokusu o její zpřesnění. Analýza polohy vybraných možných městských meteorologických stanic v programu Google Earth proběhla rozborem snímků z výšky zhruba 1 km, kdy má viditelný výřez obrazu delší stranu dlouhou přibližně m (meteorologická stanice je uprostřed obrazovky). Tyto hodnoty vychází z metodiky Stewart a Oke (2012), kteří uvádí horizontální rozsah LCZ v řádu stovek metrů až několika kilometrů. Příklady snímků viz obr. č Obr. č. 9 - MS Praha - Libuš: LCZ 9 (Zdroj: vlastní zpracování v programu Google Earth, 2013) 35

36 Obr. č MS Muenchen Stadt: LCZ 5 (Zdroj: vlastní zpracování v programu Google Earth, 2013) Obr. č MS Sopron: LCZ 6 (Zdroj: vlastní zpracování v programu Google Earth, 2013) K jednotlivým městským meteorologickým stanicím byly následně přiřazeny minimálně jedna a maximálně tři pozaďové meteorologické stanice a to na základě metodiky uvedené níže. Jedna pozaďová meteorologická stanice může být párovou pro více městských meteorologických stanic. 36

37 Přístupů k základnímu výběru vhodných městských a příměstských stanic k porovnání je několik. Společná mají zpravidla tato kriteria: klima městské stánice je urbánně ovlivněno, tj. její poloha splňuje podmínky pro zařazení do jedné z kategorií LCZ 1-10 dle metodiky Stewart a Oke (2012) městské a pozaďové meteorologické stanice mají přibližně stejnou nadmořskou výšku a přiměřenou vzdálenost mezi městskou a pozaďovou meteorologickou stanicí není výrazný klimatický předěl, např. v podobě horského hřbetu poloha meteorologických stanic je co do topoklimatických efektů nevýznamná teplota vzduchu pozaďové meteorologické stanice není významně urbánně ovlivněna pro města s blízkou polohou jsou zvoleny stejné pozaďové meteorologické stanice v případě, že existuje více potenciálních pozaďových meteorologických stanic pro dané město, jsou vzaty všechny (v našem případě maximálně 3) pokud má dané město více potenciálních pozaďových meteorologických stanic, jsou vybrány ty, které jsou ve trojici co nejvíce rovnoměrně rozmístěny ve všech směrech kolem daného města (tzn., např. ve směru od města na JZ, S a JV). (Wai Siu, Hart, 2012; Oke, 2006; Oke, Stewart, 2012) 4. 2 Analýza zastavěné plochy města a polohy meteorologických stanic Corine Land Cover Cílem projektu Corine Land Cover (CLC) bylo vytvořit jednotnou databázi krajinného pokryvu zemí Evropské Unie a partnerských středoevropských a východoevropských států na základě družicových snímků (družice LANDSAT). Základní verze CLC z roku 1990 vychází z družicových snímků z let Další upřesňující a aktualizující databáze byly vytvořeny v letech 2000 a Celkem tedy existují tři databáze Corine Land Cover a to CLC 1990, CLC 2000 a CLC (Bossard, 2000) Vzhledem k tomu, že studie pracuje s časovou řadou z let , je použita základní databáze blízká středu časového období, tj. databáze CLC Data (družicové snímky) pocházejí z let Povrch je v projektu CLC členěn do jednotlivých kategorií na třech základních úrovních: 1. úroveň obsahuje 5 základních kategorií povrchu 37

38 2. úroveň vyčleňuje 15 tříd povrchu 3. úroveň zahrnuje 44 typů krajinného pokryvu (viz příloha č. 2). Pro analýzu zastavěné plochy jednotlivých měst byly použity třídy krajinného pokryvu CLC 111, 112, 121, 122. Městská souvislá zástavba (CLC 111) Nejvíce urbanizovaný typ krajinného pokryvu. Především centra měst s hustou homogenní souvislou zástavbou. Více než 80% plochy tvoří nepropustný povrch krytý budovami a dopravní infrastrukturou. Vegetace (vyjma stromořadí a pruhů zeleně podél ulic) a holá půda se vyskytují zcela výjimečně. Městská nesouvislá zástavba (CLC 112) Urbanizované plochy s 30 až 80% nepropustného povrchu. Budovy, komunikace a další umělé povrchy spolu s propustnými povrchy pokrytými vegetací a holou půdou. Třída zahrnuje většinu ploch urbanizovaných území. Průmyslové nebo obchodní zóny (CLC 121) Většina plochy je tvořena nepropustným umělým povrchem zpravidla krytým velkoplošnými robustními budovy. Vegetace se vyskytuje jen v omezené míře. Silniční a železniční síť a přilehlé prostory (CLC 122) Povrch tvořený prvky dopravní infrastruktury - silniční a železniční síť včetně připojených ploch (nádraží, náspy, příkopy, křižovatky, odpočívadla, čerpací stanice, aj.). Minimální šířka liniových staveb je 100 m. (Bossard, 2000) Zastavěná plocha Analýza zastavěné plochy města je provedena v programu ArcGis, verze Zastavěná plocha města je rozdělená do dvou základních typů, tj. souvisle zastavěná plocha reprezentovaná třídou CLC 111 a nesouvisle zastavěná plocha vytvořená spojením (funkce MERGE) jednotlivých vrstev třídy CLC 112, 121 a 122. Jejich součtem, kdy je plocha souvisle zastavěné plochy brána 5krát, je celková zastavěná plocha (celková zastavěná plocha = nesouvisle zastavěná plocha + 5 souvisle zastavěná plocha). Vrstva souvisle zastavěné plochy, stejně jako nově vytvořená vrstva nesouvisle zastavěné plochy pokrývají všechny státy zapojené do projektu CLC, tedy i pět států zařazených do studie. 38

39 Přiřazení polygonů daným městům: Přiřazení polygonů souvisle zastavěné plochy (některá města tuto zástavbu nemají). Tento typ zástavby se vyskytuje v centru města, takže je zcela zřejmá příslušnost polygonů k danému městu a tak zde není problém s přiřazením krajních polygonů. Pro přiřazení polygonů nesouvisle zastavěné plochy je nutné zvolit metodiku zařazení okrajových polygonů. Ty byly zařazeny na základě velikosti a vzdálenosti od již přiřazených polygonů, tj. přiřazeny k městu byly ty polygony, jejichž velikost (průměr) byla větší než vzdálenost od nejbližšího již přiřazeného polygonu. Toto pravidlo nebylo zcela dodržováno v případě souměstí či měst s hustě zastavěným okolím, kdy byla jako pomocná vrstva použita vrstva administrativního členění jednotlivých států a k městu jsou řazeny jen ty polygony, které k němu administrativně patří - ukázka viz obr. č. 12. Vytvoření nových vrstev obsahujících jen vybrané polygony přiřazené k jednotlivým městům a export dat z jejich atributových tabulek do programu MS Excel (2007). Výpočet (v programu MS Excel (2007)) souvisle zastavěné plochy, nesouvisle zastavěné plochy a celkové zastavěné plochy (viz tab. č. 15). Obr. č Přiřazení polygonů zastavěné plochy městu Plzeň (Zdroj: vlastní zpracování v programu ArcGis, 9.3) 39

40 Poloha meteorologických stanic Pro analýzu polohy meteorologické stanice v rámci daného města jsou použity tři základní charakteristiky - vzdálenost meteorologické stanice od středu města, vzdálenost meteorologické stanice od nejbližšího okraje města a azimut od středu města k meteorologické stanici. Pro nalezení středu města byly nejprve v nové vrstvě vytvořeny (ruční editací) polygony kopírující vnější okraje polygonů přiřazených jednotlivým městům. Takto vzniklým polygonům (jeden polygon za každé město) je pomocí funkce Mean center definován střed. Vzdálenost od středu města k meteorologické stanici je měřena funkcí Measure. Vzdálenost meteorologické stanice od nejbližšího okraje města reprezentovaného polygonem vytvořeným viz výše je rovněž měřena funkcí Measure. Azimut od středu města k meteorologické stanici je změřen pomocí funkce Direction distance tool v menu editace a následným přepočtením na azimut (viz tab. č. 16) Data z meteorologických stanic Analýza městských tepelných ostrovů je provedena na základě devatenáctileté časové řady teploty vzduchu [ C] období let v hodinovém kroku. Data nejsou kompletní, celkově je dostupno 71% meteorologických dat (77% dat z městských meteorologických stanic a 65% dat z meteorologických stanic pozaďových). Většinou chybí větší celky dat, především z prvních let analyzované časové řady (do roku 2000). Chybějící úseky dat se mezi párovými meteorologickými stanicemi často překrývají, takže četnost chybějících dat po zpárování významně nestoupá Přepočet dat na stejnou nadmořskou výšku Nejprve je nutné převézt data v páru porovnávaných meteorologických stanic na shodnou nadmořskou výšku. Převáděna je teplota vzduchu časové řady pozaďové meteorologické stanice na nadmořskou výšku městské meteorologické stanice. Přepočet dat proběhl na základě reanalýz teploty vzduchu z tlakových výškových hladin 1000 hpa a 925 hpa vytvořených v projektu ECMWF ERA-Interim reanalysis (Dee a kol., 2011) Analyzované meteorologické stanice se nacházejí v nadmořské výšce do 740 m n. m. (max. Altenstadt 739 m n. m.), takže není nutné brát data z vyšších tlakových hladin. 40

41 Postup přepočtu klimatických dat pozaďové meteorologické stanice na městskou meteorologickou stanici je následující. Výpočet vertikálního teplotního gradientu (g). g = (t925- t1000)/ (z925- z1000), kde g je vertikální teplotní gradient v C/m a t je teplota vzduchu v C a z je geopotenciální výška dané hladiny v m Výpočet rozdílu nadmořských výšek městské (hm) a pozaďové (hp) meteorologické stanice. hcorr = hm - hp, kde h je nadmořská výška v m Výpočet teploty (tcorr), o níž je nutno upravit teplotu pozaďové stanice. tcorr = hcorr g, kde t je teplota vzduchu v C, h je nadmořská výška a g je vertikální teplotní gradient v C/m Úprava teploty pozaďové meteorologické stanice o tcorr. tpm = tp + tcorr, kde t je teplota vzduchu v C Výpočet MTOmean a MTOmax Průměrná intenzita městského tepelného ostrova (MTOmean) je průměrná hodnota MTO ze všech dostupných dat analyzovaného období v nočních hodinách v době od 21 do 4 hodin za průměrné celkové oblačnosti dané noci na městské meteorologické stanici do 0,5. Maximální intenzita městského tepelného ostrova (MTOmax) je průměrná maximální hodnota intenzity MTO za noc, tedy období od 21 do 4 hodin za průměrné celkové oblačnosti dané noci na městské meteorologické stanici do 0,5. Teplota za noční hodiny byla zvolena pro minimalizaci vlivu topoklimatické polohy porovnávaných stanic a tedy reálnějšího určení skutečného vlivu MTO, který se, jak již bylo uvedeno, projevuje zejména za anticyklonálního počasí (bezoblačné, bezvětrné) v nočních hodinách v období negativní energetické bilance povrchu (viz obr. č. 2). Rozhodnutí o použití dat pouze z nočních hodin předcházela metaanalýza dat spočívající ve výpočtu MTOmean a MTOmax dle metodiky uvedené výše, ale z dat za celý den. Výsledky ukázaly výraznou rozkolísanost a náhodnost spočtených rozdílů. Následně proběhla analýza MTO z dat pouze z nočních hodin. Přes zřejmé zpřesnění výpočtu jsme pro další zpřesnění přistoupili k filtru dat pomocí pokrytí oblohy oblačností, kdy jsou brána data pouze z těch nocí, kdy je na městské meteorologické stanici průměrné celkové pokrytí oblačností do 0,5. 41

42 MTOmean Nejprve je spočten rozdíl mezi městskou a párovou pozaďovou meteorologickou stanicí za každou hodinu (tm- tp) ze všech dostupných párů dat v době od 21 do 4 hodin. Spočtené hodinové rozdíly teploty (vždy 8 za danou noc) jsou následně filtrovány přes průměrné celkové pokrytí oblačnosti dané noci na městské meteorologické stanici, kdy jsou brány jen ty noci s oblačností do 0,5. Následně je použit filtr spočtených rozdílů, kdy jsou odfiltrována data pod -20 a nad 20, pomocí něhož jsou vyřazeny chybné hodnoty. Z takto vyfiltrovaných hodnot je spočten aritmetický průměr. V případě několika pozaďových meteorologických stanic pro jednu městskou je spočten aritmetický průměr jednotlivých průměrů daných párů (max. 3 páry). Výsledky viz tab. č. 17. MTOmax Stejně jako u výpočtu MTOmean je nejprve spočten rozdíl mezi městskou a pozaďovou meteorologickou stanicí za každou dostupnou hodinovou hodnotu v době od 21 do 4 hodin za noci s průměrnou celkovou oblačností na městské meteorologické stanici do 0,5. Následuje výpočet maximálního nočního rozdílu, kdy se určí maximum z 8 spočtených rozdílů za danou noc. Pro vyřazení chybných hodnot je použit filtr spočtených maximálních denních rozdílů, kdy jsou odfiltrována data pod -20 a nad 20. Z vyfiltrovaných hodnot je spočten aritmetický průměr a medián. V případě několika pozaďových stanic pro jednu městskou je spočten aritmetický průměr jednotlivých průměrů (mediánů) maximálních denních rozdílu daných párů (max. 3 páry). Výsledky viz tab. č. 17. Rozložení proměnných MTOmean a MTOmax viz příloha č Vícenásobná lineární regrese Lineární regresní analýza popisuje vztah mezi hodnotou závisle proměnné Y (predikant) a nezávisle proměnné X (prediktor). Jedná se tedy o statistickou metodu posuzující jednoduché vztahy mezi 2 proměnnými. Vztah mezi 2 či více proměnnými (jednou závisle proměnnou Y a sadou nezávisle proměnných X) zkoumá vícenásobná (vícerozměrná, mnohonásobná) lineární regresní analýza. Vzorec vícenásobné lineární regresní analýzy je obdobný jako u jednoduché regrese: Y = a + b1 X1 + b2 X2 + b3 X3 + bm Xm, kde Y je závisle proměnná, jejíž hodnoty predikujeme; absolutní člen a je regresní konstanta - průsečík regresní nadroviny s osou y; hodnoty b1, b2 a b3 jsou parciální regresní 42

43 koeficienty (směrnice regresní nadroviny ze směru x) a X1, X2 a X3 jsou hodnoty nezávisle proměnné. V případě, že n=1 se jedná o jednoduchou lineární regresi. Vícenásobný lineární regresní model měří pouze lineární (přímkový) vztah mezi prediktory a predikantem. Pokud jsou tedy body např. v kruhu, nebude regresní analýza detekovat lineární vztah. Proto je potřeba před samotnou analýzou vynést parciální regresní grafy a vyšetřit tak lineární vztah mezi nezávisle proměnnými X a závisle proměnou Y. Graf odhalí nepřímkový tvar, výrazně vybočující body, míru rozptýlení bodů kolem přímky a další anomálie přímkového grafu. Nejvýznamnější kritériem lineární závislosti mezi jednotlivými prediktory a predikantem je Pearsonův korelační koeficient r. Pokud se jeho hodnota blíží 1, jde o přímou lineární závislost, v případě, že se hodnota blíží -1, jde o nepřímou lineární závislost. Pokud se hodnota rovná 1/-1, jedná se o absolutní přímou (vzestupnou)/nepřímou (sestupnou) lineární závislost. Je-li hodnota r rovna či blízká 0, nejedná se o lineární závislost. Hlavní cíle vícenásobné regrese 1. Vysvětlení rozptylu závisle proměnné Y pomocí několika nezávislých proměnných. 2. Odhadnout (vypočítat) vliv každé nezávisle proměnné X na závisle proměnnou Y. Sílu vlivu určují regresní koeficienty b. 3. Pomocí sestaveného regresního modelu predikovat pro jednotlivé případy hodnoty závislé proměnné Y. Předpoklady regresní analýzy 1. Závisle proměnná Y, stejně jako nezávisle proměnné X, jsou měřeny na intervalové úrovni (metrická proměnná). 2. Lineární vztah mezi prediktory a predikantem. 3. Nezávisle proměnné X nejsou mezi sebou vysoce korelovány. Pokud existuje ve vstupních datech do regresního modelu multikolinearita, výsledy regrese nejsou spolehlivé. Vysoká multikolinearita zvyšuje pravděpodobnost, že dobře vysvětlující prediktor bude z regresního modelu vyřazen. 4. V datech se nesmí vyskytovat výrazně odlehlé hodnoty, na něž je regresní analýza citlivá a takto odlehlé body pak vážně narušují odhady parametrů rovnice. 5. Normální rozdělení vstupních proměnných (zkoumá se rozložení každé proměnné samostatně). V případě, že máme velký soubor dat, toto zcela neplatí a podmínka normality pak není limitní. 43

44 6. Vztahy mezi proměnnými vykazují homogenitu rozptylu (homoskedascitu), tj. rozptyl v datech jedné proměnné je přibližně shodný s rozptylem druhé proměnné. (Meloun. Militký, 2002) Formy vícenásobné regrese V případě, že jsou data v takové podobě, že vyhovují předpokladům vícenásobné lineární regrese, můžeme analýzu spustit. Existují 3 hlavní postupy vkládání proměnných do modelu. 1. Metoda standardní (Enter) - všechny dostupné proměnné jsou do výpočtu vloženy najednou. 2. Metoda postupného vkládání (Stepwise) - proměnné jsou do modelu vkládány postupně dle předem zvolených matematických kritérií. Postupujeme tak, že postupně přidáváme jednotlivé proměnné až do chvíle, kdy model vysvětluje nezávisle proměnnou Y nejlépe (Forward stepwise) nebo postupujeme tzv. odzadu (Backward stepwise) a nejprve do modelu vložíme všechny zvolené nezávisle proměnné a následně je postupně odebíráme rovněž do bodu, kdy model vysvětluje nezávisle proměnnou Y nejlépe. 3. Metoda hierarchická (Blocks) - pořadí, v němž proměnné vstupují do modelu, řídí výzkumník. (Statistica, verze 7, 2004) 44

45 Kapitola 5 Výsledky 5.1 Výběr a klasifikace meteorologických stanic Měst se 100 a více tisíci obyvateli, kde poloha meteorologických stanic odpovídala kritériím pro zařazení do území urbánně ovlivněného měření meteorologických prvků, je 27. Vzhledem k poměrně nízkému počtu vhodných měst a vysokému počtu potenciálně vhodných meteorologických stanic v blízkosti či přímo ve městech s 50 až 100 tisící obyvateli následovala analýza polohy meteorologických stanic i u této velikostní skupiny, ze které vyplynulo dalších 13 vhodných měst. Celkem tedy pracujeme se 40 městy viz tab. č. 12 a obr. č. 13. K městským meteorologickým stanicím byly následně dle předem stanovených kritérií vybrány meteorologické stanice pozaďové (viz tab. č. 13). Meteorologická stanice Tab. č. 12a - Městské meteorologické stanice (40 stanic) Kód Znak (M) Stát Zeměpisná šířka [ ] Zeměpisná délka [ ] Nadmořská výška [m] Praha -Libuš CZE N E Ústí nad Labem CZE N E Plzeň - Mikulka CZE N E ČB - Rožnov CZE N E Wien AUT N E Linz Stadt AUT N E Salzburg Freisaal AUT N E Villach AUT N E Klagenfurt- Flughafen Budapest Pestszentlorinc AUT N E HUN N E Miskolc HUN N E Gyor HUN N E Kecskemet HUN N E Sopron HUN N E Eger HUN N E Elblag POL N E 40 6 Gorzow wlkp POL N E 72 6 LCZ 45

46 Tab. č. 12b - Městské meteorologické stanice (40 stanic) Poznan POL N E 86 9 Okecie POL N E Zielona Gora POL N E Czestochowa POL N E Katowice POL N E Tarnow POL N E Nowy Sacz POL N E Schwerin GER N E 59 6 Magdeburg GER N E 79 6 Leipzig-Sued GER N E Stuttgart Schnarrenberg GER N E Regensburg GER N E Muenchen -Stadt GER N E Halle-Kroellwitz GER N E 96 9 Cottbus GER N E 69 6 Mannheim GER N E Wetterpark GER N E Konstanz GER N E Celle GER N E 39 9 Greifswald GER N E 2 9 Lingen GER N E 24 6 Kempten GER N E Kassel GER N E Meteorologická stanice Tab. č. 13a - Pozaďové meteorologické stanice (56 stanic) Kód Praha - Ruzyně Znak (P) 1a 3a Stát Zeměpisná šířka [ ] Zeměpisná délka [ ] (Zdroj: vlastní zpracování) Nadmořská výška [m] LCZ CZE N E 365 D Doksany b CZE N E 158 D Warszawa- Offenbach- Lichtenhain- Mittelndorf GER N E

47 Tab. č. 13b - Pozaďové meteorologické stanice (56 stanic) Kocelovice b CZE N E 519 D Waldmuenchen c 29c GER N E 500 D Temelín a CZE N E 500 D Litschau b AUT N E Zwettl c AUT N E Tulln a AUT N E 175 B Neusiedl Am See b AUT N E Langenlois c AUT N E Schaerding a AUT N E Amstetten b AUT N E Chieming a GER N E 549 D Muehldorf b 30c GER N E 405 D Gmunden c AUT N E Lienz AUT N E Saint Andrae I. L AUT N E Tat a 12 14b HUN N E 108 D Szecseny b HUN N E 152 D Poroszlo c HUN N E 91 9 Nyiregyhaza Napkor HUN N E 141 D Bekescsaba HUN N E 88 D Eisenstadt a HUN N E Mikolajki POL N E 127 D Manschnow a GER N E 12 9 Angermuende b GER N E 56 D Gruenow c GER N E 55 D Inowroclaw POL N E 83 D Mazowiecki POL N E 110 D Lindenberg GER N E 98 9 Lask a POL N E 190 D Raciborz b 22b POL N E

48 Tab. č. 13c - Pozaďové meteorologické stanice (56 stanic) Kielce-Sukow a POL N E 260 D Rzeszow-Jasionka POL N E 200 D Boizenburg a GER N E 45 D Goldberg b GER N E 58 9 Holzdorf a 27b GER N E 79 B 31b Wiesenburg b GER N E Artern a 31a GER N E Waibstadt a GER N E 237 D 34b Gelbelsee a GER N E 539 D Gottfrieding b GER N E 350 D Lechfeld a GER N E Weihenstephan b GER N E 470 D Doberlug- Kirchhain GER N E 97 9 Neuheutten b Spessart 34a GER N E 340 B Feldkirch AUT N E Braunschweig a GER N E 81 9 Bergen - Hohne b GER N E 70 B Ueckermuende a GER N E 1 9 Laage b GER N E 40 9 Rheine-Bentlage GER N E 40 9 Leutkirch- Herlazhofen a GER N E 672 D Altenstadt b GER N E Luegde-Paenbruch GER N E 258 D (Zdroj: vlastní zpracování) 48

49 Obr. č Města zařazená do analýzy (Zdroj: vlastní zpracování v programu ArcGis, 9.3) 49

50 5.2 Vstupní data do modelu Počet obyvatel analyzovaných měst Údaje o počtu obyvatel analyzovaných měst jsou jedním ze základních vstupů do regresního modelu (prediktor určující velikost města). Data (viz tab. č. 14) pocházejí z průzkumů, které proběhly přibližně ve středu analyzovaného období, tj Počet obyvatel dle cenzů k datu: Česká republika Rakouská republika Maďarská republika Polská republika Spolková republika Německo Vhodné městské meteorologické stanice s dostupnými daty se ve Slovenské republice nevyskytují. Tab. č. 14a - Přiřazení meteorologických stanic a počet obyvatel analyzovaných měst Město Znak (M) Stát Meteorologická stanice (M) Počet obyvatel* Praha 1 CZE Praha -Libuš Ústí nad Labem 2 CZE Ústí nad Labem Plzeň 3 CZE Plzeň - Mikulka České Budějovice 4 CZE ČB - Rožnov Wien 5 AUT Wien Linz 6 AUT Linz Stadt Salzburg 7 AUT Salzburg Freisaal Villach 8 AUT Villach Klagenfurt 9 AUT Klagenfurt-Flughafen Budapest 10 HUN Budapest Pestszentlorinc Miskolc 11 HUN Miskolc Gyor 12 HUN Gyor Kecskemet 13 HUN Kecskemet Sopron 14 HUN Sopron Eger 15 HUN Eger Elblag 16 POL Elblag Gorzow 17 POL Gorzow wlkp

51 Tab. č. 14b - Přiřazení meteorologických stanic a počet obyvatel analyzovaných měst Poznan 18 POL Poznan Warszawa 19 POL Warszawa-Okecie Zielona Gora 20 POL Zielona Gora Czestochowa 21 POL Czestochowa Katowice 22 POL Katowice Tarnow 23 POL Tarnow Nowy Sacz 24 POL Nowy Sacz Schwerin 25 GER Schwerin Magdeburg 26 GER Magdeburg Leipzig 27 GER Leipzig-Sued Stuttgart 28 GER Stuttgart Schnarrenberg Regensburg 29 GER Regensburg Muenchen 30 GER Muenchen -Stadt Halle 31 GER Halle-Kroellwitz Cottbus 32 GER Cottbus Mannheim 33 GER Mannheim Offenbach 34 GER Offenbach-Wetterpark Konstanz 35 GER Konstanz Celle 36 GER Celle Greifswald 37 GER Greifswald Lingen 38 GER Lingen Kempten 39 GER Kempten Kassel 40 GER Kassel (Zdroj: vlastní zpracování, * Brinkhoff, 2013 [online]) Zastavěná plocha analyzovaných měst Tab. č. 15a - Zastavěná plocha analyzovaných měst [km 2 ] Město Stát Souvisle zastavěná plocha (CLC 111) Nesouvisle zastavěná plocha (CLC 112, 121, 122) Celková zastavěná plocha Praha CZE 7,7 201,9 240,2 Ústí nad Labem CZE 0,0 25,4 25,4 Plzeň CZE 2,1 35,4 45,7 České Budějovice CZE 0,8 21,4 25,5 Wien AUT 38,4 250,1 442,2 51

52 Tab. č. 15b - Zastavěná plocha analyzovaných měst [km 2 ] Linz AUT 4,4 64,2 86,3 Salzburg AUT 2,3 37,6 49,0 Villach AUT 0,3 22,5 23,9 Klagenfurt AUT 1,2 26,8 32,8 Budapest HUN 12,2 289,2 350,3 Miskolc HUN 0,6 35,8 38,6 Gyor HUN 1,4 26,3 33,1 Kecskemet HUN 0,4 23,2 25,0 Sopron HUN 0,0 12,0 12,0 Eger HUN 2,5 9,4 21,8 Elblag POL 0,0 16,6 16,6 Gorzow POL 1,1 21,3 27,0 Poznan POL 2,2 94,5 105,3 Warszawa POL 11,3 230,5 287,1 Zielona Gora POL 0,0 16,5 16,5 Czestochowa POL 0,0 62,7 62,7 Katowice POL 1,7 95,5 104,0 Tarnow POL 0,3 24,3 26,0 Nowy Sacz POL 0,3 25,6 27,0 Schwerin GER 0,3 28,1 29,7 Magdeburg GER 2,4 67,4 79,5 Leipzig GER 6,6 124,8 158,0 Stuttgart GER 3,7 93,4 112,0 Regensburg GER 1,5 39,3 47,0 Muenchen GER 17,3 207,9 294,1 Halle GER 2,0 57,0 66,8 Cottbus GER 1,8 41,6 50,7 Mannheim GER 3,7 68,2 86,7 Offenbach GER 0,3 15,8 17,4 Konstanz GER 0,4 16,7 18,9 Celle GER 0,3 21,9 23,6 Greifswald GER 0,5 14,3 17,0 Lingen GER 0,0 11,1 11,1 Kempten GER 0,5 15,5 18,1 Kassel GER 1,0 66,5 71,7 52 (Zdroj: vlastní zpracování)

53 Příklady analýzy zastavěné plochy (viz obr. č ): velké město (Muenchen), středně velké město (Magdeburg) a malé město (Lingen). Obr. č Zastavěná plocha Muenchen (Zdroj: vlastní zpracování v programu ArcGis, 9.3) 53

54 Obr. č Zastavěná plocha Magdeburg (Zdroj: vlastní zpracování v programu ArcGis, 9.3) 54

55 Obr. č Zastavěná plocha Lingen (Zdroj: vlastní zpracování v programu ArcGis, 9.3) 55