PERIODICITA A PŘEDPOVĚDI VÝSKYTU SUCHA V PODZEMNÍCH VODÁCH. Ing. Eva Soukalová, CSc. Ing. Radomír Muzikář, CSc.

Podobné dokumenty
Hydrologické sucho v podzemních a povrchových vodách

Hydrologické sucho v podzemních a povrchových vodách

Extrémy výskytu podzemních a povrchových vod Occurence of groundwater and surface water extremes

Monitoring sucha z pohledu ČHMÚ. RNDr. Filip Chuchma Český hydrometeorologický ústav pobočka Brno

Hydrologické sucho v podzemních a povrchových vodách na jižní Moravě. Ing. Eva Soukalová, CSc.

Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1

Sucho z pohledu klimatologie a hydrologie. RNDr. Filip Chuchma Český hydrometeorologický ústav, pobočka Brno

Analýza časových řad. John Watters: Jak se stát milionářem.

DLOUHODOBÁ VARIABILITA HLADIN PODZEMNÍ VODY. Eva Soukalová, Pavel ježík

PŘÍSPĚVEK K HODNOCENÍ SUCHA NA JIŽNÍ MORAVĚ

KGG/STG Statistika pro geografy. Mgr. David Fiedor 4. května 2015

Výzkum v oblasti povodňové ochrany v České republice

Cvičení 9 dekompozice časových řad a ARMA procesy

4.1 Metoda horizontální a vertikální finanční analýzy

STATISTIKA I Metodický list č. 1 Název tématického celku:

Hydrologické sucho v podzemních vodách

Předpovědní povodňová služba Jihlava února 2017

ANALÝZY HISTORICKÝCH DEŠŤOVÝCH ŘAD Z HLEDISKA OCHRANY PŮDY PŘED EROZÍ

Vláhová bilance krajiny jako ukazatel možného zásobení. podzemní vody

Časové řady, typy trendových funkcí a odhady trendů

Časové řady, typy trendových funkcí a odhady trendů

You created this PDF from an application that is not licensed to print to novapdf printer (

Úvod do analýzy časových řad

8 ANALÝZA ČASOVÝCH ŘAD SEZÓNNÍ SLOŽKA

Předpovědní povodňová služba Jihlava února 2018

MĚŘENÍ VÝPARU V ÚSTÍ NAD ORLICÍ V LETECH

Lineární regrese. Komentované řešení pomocí MS Excel

Minimální průtoky ve vodohospodářské bilanci

Klimatické podmínky výskytů sucha

5. Hodnocení vlivu povodně na podzemní vody

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti

Hodnocení úrovně znečištění ovzduší PM 10 ve vztahu ke zdraví obyvatel Ostravy

Periodicita v časové řadě, její popis a identifikace, exponenciální vyrovnáván

Časové řady a jejich periodicita pokračování

SPC v případě autokorelovaných dat. Jiří Michálek, Jan Král OSSM,

Projevy změny klimatu v regionech Česka jaké dopady očekáváme a co již pozorujeme

u 330 Přerov - Břeclav

Korelace. Komentované řešení pomocí MS Excel

Regresní a korelační analýza

Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )

Máme se dál obávat sucha i v roce 2016?

Zpracování hydrologických dat

režimu vodního toku, (2) Správci povodí a státní podnik Lesy České republiky pozdějších předpisů.

6. Lineární regresní modely

JÍZDNÍ ŘÁD platí od 14. června 2015

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

VÝVOJ CELKOVÉ OBJEMOVÉ AKTIVITY BETA V OKOLÍ JADERNÉ ELEKTRÁRNY DUKOVANY ZA OBDOBÍ Pavel Stierand

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Kalibrace a limity její přesnosti

Možné dopady klimatické změny na dostupnost vodních zdrojů Jaroslav Rožnovský

O MOŽNOSTI ADJUSTACE IMISNÍCH KONCENTRACÍ NA METEOROLOGICKÉ PODMÍNKY. RNDr. Josef Keder, CSc.

Systémová opatření vedoucí k zmírňování nedostatku vody vlivem sucha

INDUKTIVNÍ STATISTIKA

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Regresní a korelační analýza

Plošné zdroje znečištění ze zemědělského hospodaření ve vazbě na kvalitu vody V Jihlavě dne

STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA Sylabus pro předmět STATISTIKA Pomůcky... 7

UNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek

Závislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely )

Příloha č. 1 Grafy a protokoly výstupy z adstatu

Regresní a korelační analýza

Metody predikace sucha a povodňových situací. Stanislava Kliegrová Oddělení meteorologie a klimatologie, Pobočka ČHMÚ Hradec Králové

Statistika (KMI/PSTAT)

Vodohospodářská bilance dílčího povodí Horní Odry

Vodohospodářská bilance dílčího povodí Horní Odry

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Odvození základních hydrologických údajů za referenční období Ladislav Budík, Petr Šercl, Pavel Kukla, Petr Lett, Martin Pecha

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

Analytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality

MÍRY ZÁVISLOSTI (KORELACE A REGRESE)

Plánování experimentu

REŽIM PODZEMNÍCH VOD V HYDROPEDOLOGICKÉM PROFILU HP261 ZAJEČÍ - BULHARY

Základy biostatistiky II. Veřejné zdravotnictví 3.LF UK - II

u 330 Přerov - Břeclav h IDS JMK S9 Moravský Písek zastávka - Břeclav, h IDS JMK R5 Moravský Písek - Břeclav

Statistická analýza jednorozměrných dat

TVORBA LINEÁRNÍCH REGRESNÍCH MODELŮ PŘI ANALÝZE DAT. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

Na květen je sucho extrémní

ČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE PROVOZNĚ

4 VYHODNOCENÍ MANUÁLNÍCH HYDROLOGICKÝCH PŘEDPOVĚDÍ

Regresní a korelační analýza

5 HODNOCENÍ PŘEDPOVĚDÍ TEPLOT A SRÁŽEK PRO OBDOBÍ JARNÍCH POVODNÍ V ROCE 2006

Inovace bakalářského studijního oboru Aplikovaná chemie

Návrh nových pravidel SVRS pro PM10 (návrh novely přílohy č. 6 zákona 201/2012 Sb.)

Hydrologické sucho v ČR

Neuronové časové řady (ANN-TS)

ROZVOJ PŘEDPOVĚDNÍ POVODŇOVÉ SLUŽBY V ČESKÉ REPUBLICE PO POVODNI RNDr. Radek Čekal, Ph.D. RNDr. Jan Daňhelka, Ph.D.

Regresní a korelační analýza

Disponibilní vodní zdroje a jejich zabezpečenost

ANOVA. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba nelineárních regresních modelů v analýze dat. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.

Interakce úrovně vzdělání a faktoru nezaměstnanosti v hospodářsky slabých a silných obcích České republiky

POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica

MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

KALIBRACE A LIMITY JEJÍ PŘESNOSTI. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

Vodohospodářská bilance dílčího povodí Horní Odry ZPRÁVA O HODNOCENÍ MNOŽSTVÍ PODZEMNÍCH VOD V DÍLČ ÍM POVODÍ HORNÍ ODRY ZA ROK 2014

Nejdůležitější výsledky modelů proudění podzemních vod. M. Martínková

4EK211 Základy ekonometrie

Transkript:

PERIODICITA A PŘEDPOVĚDI VÝSKYTU SUCHA V PODZEMNÍCH VODÁCH Ing. Eva Soukalová, CSc. Ing. Radomír Muzikář, CSc.

Srpen -Květen

Doba opakování

Klimatická změna a PZV Danube River Basin Climate Change Adaption Většina studií potvrzuje všeobecný pokles zásob PZV pro střední a východní Evropu, zvláště v létě. Doplňování PZV může mít i negativní vliv na kvalitu PZV Opatření: Plánování v oblasti zásob PZV Prevence proti znečištění PZV Vytvoření katastru zdrojů PZV Odhad celkových zásob PZV v hydrogeologických zonách Šetření vodou Zajistit větší retenční schopnosti půdy

66 7 74 7 6 4 6 4 hladina PZV v m n.m. hladina PZV v m n.m. Doba předpovědi Středně dlouhé předpovědi hladin PZV zpracovávají se řady průměrných měsíčních hladin Dlouhodobé předpovědi zpracovávají se časové řady ročních průměrných hladin 6.4 5. 54. 54.4 53. 53.4 5. 5.4 6 6 6 7 7 VB6 Božice průměrné roční hladiny periody: 3, 4, 5, VB36 Lanžhot průměrné měsíční hladiny 7 4 7 6 7 4 6 4 6 4 6 5.4 4. VB6 AR model 4.4

Korelační analýza Prognózy se stanoví korelační analýzou na základě koeficientu korelace mezi měsíčními stavy Koeficienty korelace mezi sousedními měsíci jsou poměrně vysoké r =,7, klesají s délkou předpovědi

Úroveň hladiny [m n.m.] Harmonická analýza V hydrologických časových řadách je možno vyčlenit: trend, sezonní složku, cyklickou složku víceletou, složku náhodnou a složku katastrofální. Trend představuje systematickou změnu v časové řadě. Projevuje se jako dlouhodobý vzestup nebo pokles hladiny podzemní vody. Po identifikaci trendu se přistoupí k jeho aproximaci matematickými křivkami. Nejvhodnější je trend lineární. Je-li statisticky významný (určíme podle koeficientu korelace), provede se eliminace trendu, což je první krok dekompozice časové řady. Dalším krokem dekompozice časové řady je určení krátkodobých a dlouhodobých periodických kolísání podle periodogramu. Vybraný časový úsek by měl být homogenní (např. po odečtení trendu). Podle periodogramu vybereme podle délky časové řady 4 maximálních hodnot a pomocí těchto frekvencí se spočítá prognoza pro následující měsíce. Významnost periody se posuzuje Fisherovým testem. Protože většina period je statisticky nevýznamná, uvažuje se o tendenci Graf 3: Průměrný roční chod hladiny podzemní vody za období 4 - k periodicitě nebo kvaziperiodicitě. Nejvýznamnější u většiny vrtů je měsíční perioda, která koresponduje se sezóním doplňováním podzemní vody. 6, 6,7 6,6 6,5 6,4 6,3 6, 6, 6, XI XII I II III IV V VI VII VIII IX X Měsíce KB634 KB645

Periodogram.4 Periodogram VB5 Kralice vybrané periody:, 3, 5, let....6.4. 3 4 5 6 7 3 4 5 6 7 3 4

hladina PZV v m n.m. Roční předpovědi hladiny PZV $y y t p + j 5.6 5.4 ( A cos t B sin t) j j j j VB5 Kralice na Hané průměrné roční hladiny periody:, 5, roků 5. 5 4. VB5 4.6 4.4 4. 4

Reziduální složka.6 VB5 Rezidua.4. Rezidua -. -.4 -.6

64 66 6 7 7 74 76 7 4 6 4 6 4 6 3 Název osy 64 66 6 7 7 74 76 7 4 6 4 6 4 6 3 hladina PZV v m n.m. 6.6 VB5 Kralice na Hané průměrné měsíční hladiny periody:, 5, let Měsíční předpovědi 6. 5.6 5. 4.6 4. 6.6 3.6 6. Použití autoregresní analýza třetího řádu ~ r a a r a r a r t t t 3 t 3 VB5 AR model 5.6 5. 4.6 4. 3.6

Hodnocení prognóz Klasifikace efektivnosti předpovědního modelu se posuzuje podle podílu směrodatných odchylek předpovídaných hodnot a směrodatných odchylek pozorovaných hodnot s p Hodnocení prognózy s s n i ( y y) t n.4 dobrá.6 Uspokojivá. slabá s p n ( ~ yt yt ) i n Velikost rozdílu mezi skutečnou a předpovídanou hodnotou posoudíme přípustnou chybou: F =,674 s, kde s je směrodatná odchylka naměřených hodnot

hladina PZV v m n.m. 34 3 44 4 54 5 64 6 74 7 4 4 4 4 Hladina PZV v m.m. KB57 Lanžhot, vrt V Banín KB57 Lanžhot průměrné roční hladiny 34 54 53.5 53 5.5 Výskyt minimálních hladin:, 3, 34, 43, 5, 64, 74, 4, 3, 3 KB57 AR model 5letá perioda 4 46 44 4 4 Vrt V Banín Průměrné roční hladiny - 3 36 3 4 5 6 7

Výskyt minimálních hladin podzemní vody Jako málo vodné se z hlediska podzemních vod jevily roky 34, 44, 54, 64, 74, 4,3, 3 a. V povodí Moravy byly dosaženy minimální hladiny převážně v letech 74, 3 a 4, v povodí Jihlavy většinou v letech 5 a 3, v povodí Svratky v letech 73 74 v povodí Dyje v letech 74, 3 a 3. V roce se hladiny podzemních vod přiblížily nebo překročily absolutní minimální hladiny v horním povodí Jihlavy a v povodí Dyje.

66 7 74 7 6 4 6 4 63 6 73 7 3 3 3 3 hladfina PZV v m n.m. hladina PZV v m n.m. Významné periody Nejvýznamnější u většiny vrtů se jeví dvanáctiměsíční perioda, která koresponduje se sezónním doplňováním podzemní vody. Jako druhá nejvýznamnější ze směrodatně prokázaných je perioda přibližně pětiletá. Dvouletá perioda je třetí nejvýznamnější. U řad s šedesátiletou řadou pozorování se vyskytují rovněž statisticky významné 3-leté periody VB Šaratice průměrné roční hladiny periody:, 5, 7, let VB4 Kunovice průměrné roční hladiny periody:,, 5, 4.5 75. 4 3.5 3 VB AR model 74.6 74. VB4 AR model.5 73.6

hladina PZV v m n.m.zev osy hladina PZV v m n.m. hladina PZV v m n.m. hladfina PZV v m n.m. Vrt Banín Banín - 5letá perioda 4 46 44 4 4 3 36 3 4 5 6 7 Banín- periody 5, 6, 5 let 4 46 44 4 4 3 36 3 4 5 6 7 Banín - periody, 5,, 6, 5 let 4 46 44 4 4 3 36 3 4 5 6 7 Banín - AR model 4 46 44 4 4 3 36 3 4 5 6 7

Předpovědi hladin podzemní vody Obec Vrt s Převládající periody roky Hladina PZV y r m n.m. Hladina PZV y t předpověď m n.m. Rozdíl r t m Povolená chyba F m Hladina PZV předpověď 3 m n.m. Pokles III-IX 3 Povodí Moravy Vrbátky VB7,3 5,,36,3,3,,45, Kralice VB5,3 5, 4,5 4,64,, 4,56,66 Uhřičice VB, 5,,7,,5,4,6,33 Vyškov VB3,3,, 5 43,4 43,,, 43,,6 Bochoř VB46,5, 5,7,,,35,,3 Kroměříž VB 5,47 5, 7,5 7,4,,3 7,73,45 Kroměříž VB 5,3, 5 4,3 4,45,6,6 4,34,47 Napajedla VB 73,3 5,,4,47,33,5,44, Huštěnovice VB 76,4, 5 4,66 4,5,,33 4,, Kunovice VB4,4, 5 74, 73,,,6 73,,76 Nedakonice VB,3 5, 7,54 7,4,5, 7,3,3 Rohatec VB36,, 63,7 63,7,, 64,,75 Mikulčice VB356,7 57, 57,,, 57,6,55 Lanžhot VB36,, 53,7 53,7,75, 53,76, Povodí Dyje Dobšice VB45,, 5, 5,33,5,6 5,,5 Tasovice VB4,, 5, 7,3,73, 6,5,5 Hevlín VB5,36, 5 7,7 7,3,45,4 7,,33 Prosiměřice VB6,6, 6,4 7,,7, 6,3,3 Božice VB6,44 5, 4,3 5,4,55,3 5,5,3 Břeclav VB34,,7 57,6 5,6,,4 57,,47 Morkůvky VB337,6, 7,5 7,54,4,7 7,37,35 Povodí Svratky Hradčany VB7,, 5, 3 45,3 45,5,4,5 45,5,5 Brno VB4,5 5,, 5, 5,7,, 5,4,7 Šaratice VB,34 4,,77 3,45,6,3 3,3,37 Blučina VB 3,, 4,6,65,5,5,63,47 Rajhradice VB 5,5 5, 3,3 3,3,,7 3,,6 Uherčice VB3,37, 73,3 73,7,3,5 73,65, Povodí Jihlavy Jihlava VB33,4, 47,6 47,7,3, 47,65,3 Třebíč VB35,, 3 36, 36,6,3,4 36,55,4 Jaroměřice VB 3,, 45, 45,36,,3 4,4, Malešovice VB3,6,,6,5,4,,43,3 Pohořelice VB3,, 5 76,47 76,5,,3 76,46,35 Ivaň VB 33,, 6,56 6,7,, 6,7, m Předpovídané roční průměrné hladiny pro rok překročily povolenou chybu předpovědi ve 36 % vrtů, která jsou v tabulce vyznačeny červeně. Všechny roční průměrné hladiny v roce byly nižší než v roce. Předpovídané roční průměrné hladiny v roce 3 vzrostou ve srovnání s rokem průměrně o, m. V 57-66 % vrtů (podle povodí) vzrostou maximálně o,33 -,4 m a poklesnou ve 34-43 % vrtů maximálně o, m. Pokles nebo vzestup hladiny v roce 3 je vyznačen u předpovědi šipkami. V období od března do září 3 poklesnou měsíční průměrné hladiny průměrně o,3 m (v jednotlivých povodích, -,47 m).

Závěr Použití harmonické analýzy a autoregresního modelu se jeví jako vhodná metoda pro dlouhodobé předpovědi hladin podzemních vod, případně pro stanovení tendence pohybu hladiny podzemní vody. Pro krátkodobé předpovědi s dobou předstihu měsíce je vhodnější korelační analýza, kdy koeficienty korelace mezi jednotlivými řadami měsíčních hodnot jsou vysoké (většinou >,). Prognózy hladin podzemní vody mohou být účinným nástrojem pro řešení vodohospodářské problematiky sucha při přípravě opatření zabezpečování odběrů podzemní vody.

Děkuji za pozornost Eva Soukalová Radomír Muzikář