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.
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
Děkuji panu Mgr. Jiřímu Hoškovi, Ph.D. za ochotu a vstřícnost při vedení diplomové práce, za všechny odborné rady a připomínky.
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 1994-2012) 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] = - 1,054 + 0,415 log CZP + 1,415 PMS MTOmax [ C] = - 0,201 + 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
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 1994-2012). 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] = - 1,054 + 0,415 log TPA + 1,415 WSL UHImax [ C] = - 0,201 + 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
OBSAH ABSTRAKT SEZNAM TABULEK SEZNAM OBRÁZKŮ 1 ÚVOD 10 2 CÍLE 13 3 ROZBOR LITERATURY 15 3.1 Městský tepelný ostrov 15 3. 1. 1 Tepelný ostrov povrchu města 15 3. 1. 2 Tepelný ostrov městské atmosféry 16 3. 1. 3 Vztah mezi tepelným ostrovem povrchu města a městské atmosféry 18 3. 1. 4 Příčiny vzniku městských tepelných ostrovů 19 3. 2 Statistické modely tepelného ostrova města 23 3. 2. 1 Závislost intenzity MTO na populaci 23 3. 2. 2 Závislost intenzity MTO na dalších faktorech 26 4 METODY 28 4. 1 Výběr a klasifikace meteorologických stanic 28 4. 1. 1 Klimatické klasifikace krajiny 28 4. 1. 2 Výběr meteorologických stanic 34 4. 2 Analýza zastavěné plochy města a polohy meteorologických stanic 37 4. 2. 1 Corine Land Cover 37 4. 2. 1 Zastavěná plocha 38 4. 2. 3 Poloha meteorologických stanic 40 4. 3 Data z meteorologických stanic 40 4. 3. 1 Přepočet dat na stejnou nadmořskou výšku 40 4. 3. 2 Výpočet MTOmean a MTOmax 41 4. 3 Vícenásobná lineární regrese 42 5 VÝSLEDKY 45 5. 1 Výběr a klasifikace meteorologických stanic 45 6
5. 2 Vstupní data do modelu 50 5. 2. 1 Počet obyvatel analyzovaných měst 50 5. 2. 2 Zastavěná plocha analyzovaných měst 51 5. 2. 3 Poloha meteorologické stanice v rámci daného města 56 5. 2. 4 Hodnoty MTOmean a MTOmax analyzovaných měst 57 5. 3 Výpočet vícenásobného regresního modelu 58 5. 3. 1 Výběr vstupních proměnných do modelu 58 5. 3. 2 Výpočet vícerozměrného regresního modelu 62 6 DISKUSE 71 6. 1 Subjektivní faktory a možné nepřesnosti studie 71 6. 2 Srovnání s obdobnými studiemi 72 6. 3 Možnosti další práce 75 7 ZÁVĚR 76 SEZNAM POUŽITÉ LITERATURY A DALŠÍCH INFORMAČNÍCH ZDROJŮ PŘÍLOHY 7
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. 10 - Geometrické a povrchové vlastnosti LCZ Tab. č. 11 - Další vlastnosti LCZ Tab. č. 12 - Městské meteorologické stanice (40 stanic) Tab. č. 13 - Pozaďové meteorologické stanice (56 stanic) Tab. č. 14 - Přiřazení meteorologických stanic a počet obyvatel analyzovaných měst Tab. č. 15 - Zastavěná plocha analyzovaných měst [km 2 ] Tab. č. 16 - Poloha meteorologické stanice v rámci daného města [m] [ ] Tab. č. 17 - Průměrná a maximální hodnota MTO analyzovaných měst Tab. č. 18 - Hodnoty nezávisle proměnných vstupujících do modelu Tab. č. 19 - Statistické shrnutí závisle proměnné MTOmean Tab. č. 20 - Korelační matice závisle proměnné MTOmean Tab. č. 21 - Statistické shrnutí závisle proměnné MTOmax Tab. č. 22 - Korelační matice závisle proměnné MTOmax Tab. č. 23 - Hodnoty MTOmean [ C] vypočtené modelem Tab. č. 24 - Hodnoty MTOmax [ C] vypočtené modelem Tab. č. 25 - Města vstupující do výpočtu průměrné CZP Tab. č. 26 - Průměrná CZP města na počet obyvatel Tab. č. 27 - Intenzita městského tepelného ostrova v závislosti na počtu obyvatel 8
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. 10 - MS Muenchen Stadt: LCZ 5 Obr. č. 11 - MS Sopron: LCZ 6 Obr. č. 12 - Přiřazení polygonů zastavěné plochy městu Plzeň Obr. č. 13 - Města zařazená do analýzy Obr. č. 14 - Zastavěná plocha Muenchen Obr. č. 15 - Zastavěná plocha Magdeburg Obr. č. 16 - Zastavěná plocha Lingen Obr. č. 17 - Závislost mezi MTOmean a zlogaritmovaným počtem obyvatel města Obr. č. 18 - Závislost mezi MTOmean a zlogaritmovanou celkovou zastavěnou plochou Obr. č. 19 - Závislost mezi MTOmax a zlogaritmovaným počtem obyvatel města Obr. č. 20 - Závislost mezi MTOmax a zlogaritmovanou celkovou zastavěnou plochou Obr. č. 21 - Předpovězené vs. pozorované hodnoty závisle proměnné MTOmean Obr. č. 22 - Předpovězené vs. pozorované hodnoty závisle proměnné MTOmax Obr. č. 23 - Rezidua závisle proměnné MTOmean Obr. č. 24 - Rezidua závisle proměnné MTOmax Obr. č. 25 - Logaritmický trend dle vzorce Oke (1973) a námi vytvořeného modelu pro MTOmax 9
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
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 (2010-2014) 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
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
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
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
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). 3. 1. 1 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
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. 3. 1. 2 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
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. 2. 17
Obr. č. 2 - Denní chod intenzity městského tepelného ostrova v přízemní vrstvě atmosféry (CLUHI) za anticyklonálního počasí (Zdroj: Akbari, 2008, upraveno) 3. 1. 3 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
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) 3. 1. 4 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
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
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
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
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 3. 2. 1 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).
Maximální intenzita městského tepelného ostrova je dána vzorci: Δ Tu-r (max) = 2.01 log10(pop) - 4.06 pro evropská města a Δ Tu-r (max) = 2.96 log10(pop) - 6.41 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) - 2.09 Analýza tepelných ostrovů jihokorejských měst Parka (1986) poukazuje na dvojkolejnost závislosti maximální intenzity městského tepelného ostrova na počtu obyvatel. Závislost měst s méně než 300 000 obyvateli je vysvětlena vzorcem a měst s více než 300 000 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
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 10 10 2 10 3 10 4 10 5 10 6 10 7 MTO max [ C] Evropa (Oke, 1973) - - 1,97 3,98 5,99 8 10,01 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) - - - - 1,37 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) 16 14 12 10 8 6 4 2 0 10 100 1000 10000 100000 1000000 10000000 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)
3. 2. 2 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
MTO [ C] 14 12 10 8 6 4 2 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) 0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 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) = 0,052972 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
Kapitola 4 Metody 4. 1 Výběr a klasifikace meteorologických stanic 4. 1. 1 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
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 >90 7 1-2,5 >85 3. Vysoce rozvinutá hustá zástavba budov 7 0,5-1,5 70-85 4. Vysoce rozvinutá zástavba nízkých plošně rozsáhlých budov 5 0,05-0,2 70-95 5. 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 * 35-65 <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
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. 9-11 (Oke, Stewart, 2012). 30
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
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
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. 10 - 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 > 2 40-60 40-60 < 10 > 25 8 LCZ 2 0,3-0,6 0,75-2 40-70 30-50 < 20 10-25 6-7 LCZ 3 0,2-0,6 0,75-1,5 40-70 20-50 < 30 3-10 6 LCZ 4 0,5-0,7 0,75-1,25 20-40 30-40 30-40 > 25 7-8 LCZ 5 0,5-0,8 0,3-0,75 20-40 30-50 20-40 10-25 5-6 LCZ 6 0,6-0,9 0,3-0,75 20-40 20-50 30-60 3-10 5-6 LCZ 7 0,2-0,5 1-2 60-90 < 20 < 30 2-4 4-5 LCZ 8 > 0,7 0,1-0,3 30-50 40-50 < 20 3-10 5 LCZ 9 > 0,8 0,1-0,25 10-20 < 20 60-80 3-10 5-6 LCZ 10 0,6-0,9 0,2-0,5 20-30 20-40 40-50 5-15 5-6 LCZ A < 0,4 > 1 < 10 < 10 > 90 3-30 8 LCZ B 0,5-0,8 0,25-0,75 < 10 < 10 > 90 3-15 5-6 LCZ C 0,7-0,9 0,25-1 < 10 < 10 > 90 < 2 4-5 LCZ D > 0,9 < 0,1 < 10 < 10 > 90 < 1 3-4 LCZ E > 0,9 < 0,1 < 10 > 90 < 10 < 0,25 1-2 LCZ F > 0,9 < 0,1 < 10 < 10 > 90 < 0,25 1-2 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
Tab. č. 11 - Další vlastnosti LCZ Admitance povrchu 1 Albedo povrchu 2 Antropogenní teplo 3 LCZ 1 1500-1800 0,1-0.2 50-300 LCZ 2 1500-2200 0,1-0,2 < 75 LCZ 3 1200-1800 0,1-0.2 < 75 LCZ 4 1400-1800 0,12-0,25 < 50 LCZ 5 1400-2000 0,12-0,25 < 25 LCZ 6 1200-1800 0,12-0,25 < 25 LCZ 7 800-1500 0,15-0,35 < 35 LCZ 8 1200-1800 0,15-0,25 < 50 LCZ 9 1000-1800 0,12-0,25 < 10 LCZ 10 1000-2500 0,12-0,2 > 300 LCZ A - 0,1-0,2 0 LCZ B 1000-1800 0,15-0,25 0 LCZ C 700-1500 0,15-0,3 0 LCZ D 1200-1600 0,15-0,25 0 LCZ E 1200-2500 0,15-0,3 0 LCZ F 600-1400 0,2-0,35 0 LCZ G 1500 0,02-0,1 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) 4. 1. 2 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
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 2012 100 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 600-800 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. 9-11. Obr. č. 9 - MS Praha - Libuš: LCZ 9 (Zdroj: vlastní zpracování v programu Google Earth, 2013) 35
Obr. č. 10 - MS Muenchen Stadt: LCZ 5 (Zdroj: vlastní zpracování v programu Google Earth, 2013) Obr. č. 11 - 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
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 4. 2. 1 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 1986-95. Další upřesňující a aktualizující databáze byly vytvořeny v letech 2000 a 2006. Celkem tedy existují tři databáze Corine Land Cover a to CLC 1990, CLC 2000 a CLC 2006. (Bossard, 2000) Vzhledem k tomu, že studie pracuje s časovou řadou z let 1994-2012, je použita základní databáze blízká středu časového období, tj. databáze CLC 2000. Data (družicové snímky) pocházejí z let 1999-2001. Povrch je v projektu CLC členěn do jednotlivých kategorií na třech základních úrovních: 1. úroveň obsahuje 5 základních kategorií povrchu 37
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) 4. 2. 2 Zastavěná plocha Analýza zastavěné plochy města je provedena v programu ArcGis, verze 9. 3. 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
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. 12 - Přiřazení polygonů zastavěné plochy městu Plzeň (Zdroj: vlastní zpracování v programu ArcGis, 9.3) 39
4. 2. 3 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). 4. 3 Data z meteorologických stanic Analýza městských tepelných ostrovů je provedena na základě devatenáctileté časové řady teploty vzduchu [ C] období let 1994-2012 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. 4. 3. 1 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
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 4. 3. 2 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
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. 3. 4. 3 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
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
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
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 11520 1 CZE 50 00 28N 14 26 49E 304 9 Ústí nad Labem 11502 2 CZE 50 41 00N 14 02 28E 377 9 Plzeň - Mikulka 11450 3 CZE 49 45 53N 13 22 44E 360 9 ČB - Rožnov 11546 4 CZE 48 57 09N 14 28 20E 395 6 Wien 11034 5 AUT 48 11 55N 16 22 00E 171 2 Linz Stadt 11060 6 AUT 48 17 48N 14 17 08E 263 5 Salzburg Freisaal 11350 7 AUT 47 47 27N 13 03 09E 420 6 Villach 11213 8 AUT 46 37 06N 13 52 26E 495 8 Klagenfurt- Flughafen Budapest Pestszentlorinc 11231 9 AUT 46 38 55N 14 19 06E 448 9 12843 10 HUN 47 25 45N 19 10 56E 138 9 Miskolc 12772 11 HUN 48 05 49N 20 46 17E 232 9 Gyor 12822 12 HUN 47 42 36N 17 40 28E 116 9 Kecskemet 12970 13 HUN 46 54 46N 19 44 46E 113 9 Sopron 12805 14 HUN 47 40 42N 16 36 09E 233 6 Eger 12870 15 HUN 47 54 14N 20 23 20E 220 9 Elblag 12160 16 POL 54 09 42N 19 25 53E 40 6 Gorzow wlkp 12300 17 POL 52 44 28N 15 16 38E 72 6 LCZ 45
Tab. č. 12b - Městské meteorologické stanice (40 stanic) Poznan 12330 18 POL 52 24 59N 16 50 04E 86 9 Okecie 12375 19 POL 52 09 46N 20 57 40E 106 9 Zielona Gora 12400 20 POL 51 55 48N 15 31 29E 192 6 Czestochowa 12550 21 POL 50 48 43N 19 05 30E 293 9 Katowice 12560 22 POL 50 14 26N 19 01 58E 284 9 Tarnow 12575 23 POL 50 01 47N 20 59 02E 209 6 Nowy Sacz 12660 24 POL 49 37 38N 20 41 19E 292 9 Schwerin 10162 25 GER 53 38 33N 11 23 14E 59 6 Magdeburg 10361 26 GER 52 06 11N 11 34 58E 79 6 Leipzig-Sued 10471 27 GER 51 18 54N 12 26 46E 146 6 Stuttgart Schnarrenberg 10739 28 GER 48 49 41N 9 12 00E 314 9 Regensburg 10776 29 GER 49 02 33N 12 06 07E 366 6 Muenchen -Stadt 10865 30 GER 48 09 48N 11 32 35E 520 5 Halle-Kroellwitz 10466 31 GER 51 30 49N 11 57 00E 96 9 Cottbus 10496 32 GER 51 46 34N 14 19 00E 69 6 Mannheim 10729 33 GER 49 28 14N 8 30 57E 100 9 Wetterpark 10641 34 GER 50 05 19N 8 47 07E 119 9 Konstanz 10929 35 GER 47 40 39N 9 11 24E 443 6 Celle 10343 36 GER 52 35 46N 10 01 47E 39 9 Greifswald 10184 37 GER 54 05 48N 13 24 20E 2 9 Lingen 10305 38 GER 52 31 05N 7 18 29E 24 6 Kempten 10946 39 GER 47 43 24N 10 20 05E 705 9 Kassel 10438 40 GER 51 17 47N 9 26 33E 231 9 Meteorologická stanice Tab. č. 13a - Pozaďové meteorologické stanice (56 stanic) Kód Praha - Ruzyně 11518 Znak (P) 1a 3a Stát Zeměpisná šířka [ ] Zeměpisná délka [ ] (Zdroj: vlastní zpracování) Nadmořská výška [m] LCZ CZE 50 06 00N 14 15 20E 365 D Doksany 11509 1b CZE 50 27 32N 14 10 12E 158 D Warszawa- Offenbach- Lichtenhain- Mittelndorf 10591 2 GER 50 56 18N 14 12 34E 300 9 46
Tab. č. 13b - Pozaďové meteorologické stanice (56 stanic) Kocelovice 11487 3b CZE 49 28 02N 13 50 19E 519 D Waldmuenchen 10782 3c 29c GER 49 23 27N 12 41 02E 500 D Temelín 11538 4a CZE 49 11 52N 14 20 31E 500 D Litschau 11021 4b AUT 48 57 18N 15 02 14E 564 9 Zwettl 11020 4c AUT 48 37 05N 15 12 14E 506 9 Tulln 11030 5a AUT 48 19 27N 16 07 05E 175 B Neusiedl Am See 11194 5b AUT 47 57 04N 16 50 30E 129 9 Langenlois 11075 5c AUT 48 28 21N 15 41 50E 210 9 Schaerding 11055 6a AUT 48 27 52N 13 26 06E 318 9 Amstetten 11018 6b AUT 48 06 24N 14 53 56E 274 9 Chieming 10982 7a GER 47 53 03N 12 32 25E 549 D Muehldorf 10875 7b 30c GER 48 16 44N 12 30 09E 405 D Gmunden 11154 7c AUT 47 54 34N 13 47 19E 424 9 Lienz 11204 8 AUT 46 49 32N 12 48 23E 659 9 Saint Andrae I. L. 11229 9 AUT 46 45 51N 14 49 36E 468 9 Tat 12847 10a 12 14b HUN 47 45 00N 18 36 00E 108 D Szecseny 12756 10b HUN 48 07 00N 19 31 00E 152 D Poroszlo 12866 10c HUN 47 38 42N 20 38 13E 91 9 Nyiregyhaza Napkor 12892 11 15 HUN 47 58 00N 21 59 00E 141 D Bekescsaba 12992 13 HUN 46 40 47N 21 09 40E 88 D Eisenstadt 11190 14a HUN 47 51 11N 16 32 07E 184 9 Mikolajki 12280 16 POL 53 47 20N 21 35 21E 127 D Manschnow 10396 17a GER 52 32 49N 14 32 43E 12 9 Angermuende 10291 17b GER 53 01 54N 13 59 27E 56 D Gruenow 10289 17c GER 53 18 55N 13 56 02E 55 D Inowroclaw 12342 18 POL 52 49 29N 18 19 11E 83 D Mazowiecki 12376 19 POL 52 12 00N 21 39 00E 110 D Lindenberg 10393 20 GER 52 12 31N 14 07 05E 98 9 Lask 12454 21a POL 53 33 00N 19 11 00E 190 D Raciborz 12540 21b 22b POL 50 03 40N 18 11 27E 205 9 47
Tab. č. 13c - Pozaďové meteorologické stanice (56 stanic) Kielce-Sukow 12570 22a POL 50 48 38N 20 41 32E 260 D Rzeszow-Jasionka 12580 23 24 POL 50 06 41N 22 01 12E 200 D Boizenburg 10249 25a GER 53 23 28N 10 41 16E 45 D Goldberg 10168 25b GER 53 36 21N 12 06 12E 58 9 Holzdorf 10476 26a 27b GER 51 45 57N 13 10 00E 79 B 31b Wiesenburg 10368 26b GER 52 07 15N 12 27 31E 187 9 Artern 10460 27a 31a GER 51 22 28N 11 17 32E 164 9 Waibstadt 10733 28 33a GER 49 17 39N 8 54 19E 237 D 34b Gelbelsee 10777 29a GER 48 56 53N 11 25 44E 539 D Gottfrieding 10872 29b GER 48 39 34N 12 32 20E 350 D Lechfeld 10856 30a GER 48 11 06N 10 51 02E 555 9 Weihenstephan 10863 30b GER 48 24 09N 11 41 40E 470 D Doberlug- Kirchhain 10490 32 GER 51 38 42N 13 34 29E 97 9 Neuheutten 10646 33b Spessart 34a GER 50 00 30N 9 25 26E 340 B Feldkirch 11105 35 AUT 47 16 17N 9 36 36E 439 9 Braunschweig 10348 36a GER 52 17 29N 10 26 47E 81 9 Bergen - Hohne 10238 36b GER 52 48 55N 9 55 29E 70 B Ueckermuende 10193 37a GER 53 44 40N 14 04 11E 1 9 Laage 10172 37b GER 53 54 56N 12 16 44E 40 9 Rheine-Bentlage 10306 38 GER 52 17 19N 7 23 12E 40 9 Leutkirch- Herlazhofen 10945 39a GER 47 47 44N 10 01 56E 672 D Altenstadt 10954 39b GER 47 50 03N 10 52 00E 739 9 Luegde-Paenbruch 10433 40 GER 51 51 59N 9 16 15E 258 D (Zdroj: vlastní zpracování) 48
Obr. č. 13 - Města zařazená do analýzy (Zdroj: vlastní zpracování v programu ArcGis, 9.3) 49
5.2 Vstupní data do modelu 5. 2. 1 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. 1994-2012. Počet obyvatel dle cenzů k datu: Česká republika 1. 3. 2001 Rakouská republika 15. 5. 2001 Maďarská republika 1. 2. 2001 Polská republika 20. 5. 2002 Spolková republika Německo 31. 12. 2001 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 1169106 Ústí nad Labem 2 CZE Ústí nad Labem 95 436 Plzeň 3 CZE Plzeň - Mikulka 165 259 České Budějovice 4 CZE ČB - Rožnov 97 339 Wien 5 AUT Wien 1550261 Linz 6 AUT Linz Stadt 183 614 Salzburg 7 AUT Salzburg Freisaal 142 808 Villach 8 AUT Villach 57 492 Klagenfurt 9 AUT Klagenfurt-Flughafen 90 145 Budapest 10 HUN Budapest Pestszentlorinc 1777921 Miskolc 11 HUN Miskolc 184 125 Gyor 12 HUN Gyor 129 412 Kecskemet 13 HUN Kecskemet 107 749 Sopron 14 HUN Sopron 56 175 Eger 15 HUN Eger 58 331 Elblag 16 POL Elblag 128 134 Gorzow 17 POL Gorzow wlkp 125 914 50
Tab. č. 14b - Přiřazení meteorologických stanic a počet obyvatel analyzovaných měst Poznan 18 POL Poznan 578 886 Warszawa 19 POL Warszawa-Okecie 1 689 201 Zielona Gora 20 POL Zielona Gora 118 293 Czestochowa 21 POL Czestochowa 251 436 Katowice 22 POL Katowice 327 222 Tarnow 23 POL Tarnow 119 913 Nowy Sacz 24 POL Nowy Sacz 84 477 Schwerin 25 GER Schwerin 99 978 Magdeburg 26 GER Magdeburg 229 755 Leipzig 27 GER Leipzig-Sued 493 052 Stuttgart 28 GER Stuttgart Schnarrenberg 587 152 Regensburg 29 GER Regensburg 127 198 Muenchen 30 GER Muenchen -Stadt 1 227 958 Halle 31 GER Halle-Kroellwitz 243 045 Cottbus 32 GER Cottbus 111 125 Mannheim 33 GER Mannheim 308 385 Offenbach 34 GER Offenbach-Wetterpark 118 429 Konstanz 35 GER Konstanz 79 240 Celle 36 GER Celle 71 949 Greifswald 37 GER Greifswald 53 533 Lingen 38 GER Lingen 51 362 Kempten 39 GER Kempten 61 505 Kassel 40 GER Kassel 194 748 (Zdroj: vlastní zpracování, * Brinkhoff, 2013 [online]) 5. 2. 2 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
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)
Příklady analýzy zastavěné plochy (viz obr. č. 14-16): velké město (Muenchen), středně velké město (Magdeburg) a malé město (Lingen). Obr. č. 14 - Zastavěná plocha Muenchen (Zdroj: vlastní zpracování v programu ArcGis, 9.3) 53
Obr. č. 15 - Zastavěná plocha Magdeburg (Zdroj: vlastní zpracování v programu ArcGis, 9.3) 54
Obr. č. 16 - Zastavěná plocha Lingen (Zdroj: vlastní zpracování v programu ArcGis, 9.3) 55