13. Tematikus csoport: Klímaváltozás hatása a szántóföldi növénytermesztésre

13. Tematikus csoport: Klímaváltozás hatása a szántóföldi növénytermesztésre Koordinátor: Neményi Miklós N.1

N.2

N.3 N.4 N.5 N.6 N.8

Szántóföldi növényfajok klímakockázata

SZIE NTI, MÉK BRMI Módosított, ill. bővített cím: Talajtermékenység MÉK meghatározása Döntéstámogató BRMI Növényfiziológiai Modellekkel a mezőgazdasági területeken

Jolánkai Márton, Neményi Miklós

Talajművelés és földhasználat enyhítési szerepe Legelőgazdálkodás elemzése

Schmidt Rezső

klímakár MÉK NTI MÉK ÁI

Agrártáj összesítés és elemzés a földhasználat ZMKH változásában Földhasználat változás visszacsatolás a klímára, EMK KFI hidrológiára Környezetvédelmi elemzés EMK KFI

Neményi Miklós

Szabó Ferenc Jagicza Attila, Szabó Béla Gribovszki Zoltán Polgár András

A fenti táblázat hűen követi a pályázati anyagban foglaltakat. Ugyanakkor a két év során bizonyos változások következtek be. Az N. 1-es téma kidolgozásánál elsősorban a SZIE NTI munkatársainak kutatási eredményeire támaszkodtunk. Közben a BRMI-ben olyan jellegű intenzív kutatások indultak meg a hazai (ProPlanta), illetve nemzetközileg is széles körben használt (DSSAT) döntéstámogató modellekkel kapcsolatban, mely révén a N. 2 téma kutatási területe lényegesen kibővült, és súlyponti szerepet kapott az N alprogramban. Ugyancsak a SZIE NTI munkatársainak a kutatási eredményeinek beszámolójára támaszkodtunk az N. 3 témakörben, másrészről ez a program speciális talajművelési technológiákra alapozott kutatásokkal bővült, amelyek eredményei a klímaváltozás figyelembevételével a következő Agrárklíma projektben fognak realizálódni, illetve igazolódni. Egy másik változás is történt, amely semmilyen formában sem befolyásolta az alprogram sikerét : Jagicza Attila a ZMKH Erdészeti Igazgatóságának igazgatója egy évvel ezelőtt más szakmai területre távozott, helyét az alprogramban korábban társvezetőként tevékenykedő Szabó Béla (ZMKH Növény- és Talajvédelmi Igazgatóság) igazgató vette át. Miután a klímaváltozás gazdasági- társadalmi hatása a biotikus és abiotikus rendszereknél, más területeken is megjelent, a program vezetőjének, Mátyás Csaba akadémikusnak javaslatára a szociológiai szempontok külön fejelzetben jelentkeznek a kiadványban.

Az eredmények általános összefoglalása Arra törekedtünk, hogy az egyes témák is koherensen illeszkedjenek egymáshoz, illetve az alprogram a többi alprogramhoz. Ezt úgy igyekeztünk megvalósítani, hogy a kutatók 153

elképzeléseinek kibontakozását nem gátoltuk, szakmai tudományos tapasztalatukban megbíztunk. Meg kell jegyezni, hogy ez utóbbiban nem is csalódtunk. A program filozófiája abból indul ki, hogy bármilyen tevékenységet folytatunk, beleértve a növénytermelést is, annak fenntarthatónak kell lennie. A fenntarthatóságnak a követelményei a következők : • CO2 semleges termelési technológiák; • A talajvíz és a felszíni vizek nitrifikációja és eutrofizációja nélküli tápanyag pótlás; • Kemikáliák (elsősorban növényvédő szerek) környezeti szennyezésének megakadályozása, • Talajerózió nélküli termelés; • A természetes és az agrár-ökológiai rendszer közötti gradiens fenntartása a termőhely potenciáljának a kihasználása érdekében. Ezekhez kapcsolódik az az elvárás is, hogy a fentieket változó klímakörülmények között kell megvalósítani. Megállapíthatjuk, hogy az alábbiakban bemutatott hét téma közvetlenül és közvetetten hozzájárul a fenti követelmények tudományos megalapozásához. A fenntarthatóság tehát egy keret, amelyet definiálunk. Ugyanakkor ennek a definíciónak a folyamatos pontosításához jelentősen hozzájárulnak a döntéstámogató növényfiziológiai modellek. Többek között a program keretében jelentős előrelépést tudtunk elérni a döntéstámogató modellek precíziós helyspecifikus alkalmazása körében. (Bizonyítottuk, hogy fenntartható biomassza termelés precíziós technológiák nélkül nem valósítható meg sem most, sem a jövőben.) Így természetesen maguk a növénytermesztési tapasztalatok is hozzájárulhatnak a fenntarthatósági kritériumok pontosításához. Mind a növényfiziológiai modellek, mind a helyspecifikus technológiákra hat a klímaváltozás. Ez a hatás a szántóföldi növénytermesztés esetében kétirányú, hiszen például a légköri CO2 szennyezés mérsékléséhez jelentősen hozzájárulhatnak a CO2 semleges technológiák (ezek alatt nemcsak a növényi eredetű hajtóanyagokat és kenőanyagokat értjük, hanem a biogázból előállított, elsősorban nitrogén-alapú tápanyagokat is). Ehhez a témához kapcsolódik az N.8, többek között a carbon lábnyommal foglalkozó témája. A következő általános eredmények emelhetők ki az N jelű alprogram kapcsán. - Ma már a valamennyi hét téma vezetője és kutatója egyet értenek abban, hogy a tudományosan igazolható és megalapozott döntéstámogató szaktanácsadó rendszer csak és kizárólag komoly modellezési eljárással alapozható meg. Abban még eltérőek a vélemények, hogy ilyen rendszert (modellt) egy kisebb kutatócsoport ki tud-e fejleszteni ? Az alprogramvezető véleménye szerint erre nincs lehetőség és nincs is szükség. Tudományos és szakmai szempontból sokkal nagyobb jelentősége van annak, ha a széleskörű szakmai grémiumok által használt modelleket a helyi viszonyokra adaptáljuk és ezzel megteremtjük annak a lehetőségét, hogy az általunk vizsgált terület (menedzsment zóna, tábla, üzem) adatai beépülhetnek a lokálisregionális-globális klímaváltozási hatásokat kutató rendszerekbe. Ez többek között azért érdekes, mert ennek révén lehetőség van a visszacsatolásra, a hasonló körülmények között megvalósuló kutatások tapasztalatainak felhasználására. Nem lennénk igazságosak, ha nem jeleznénk, hogy az N.1-ben ismertetett, ill. kidolgozott modell szorosan kapcsolódik az N. 6 témához, ill. fordítva. Másrészről az N.6-os téma jelentős szerepet játszhat a későbbiekben az N.2, N.3, N.4 témák fejlődésénél. - Az N.2 által használt, napi klímaadatokat biztosító szcenáriók (csapadékmennyiség, minimum és maximum hőmérséklet, szélsebesség, relatív páratartalom, potenciális 154

evapotranspiráció, globálsugárzás mértéke, napfényes órák hossza) egy része megjelent a gyepgazdálkodási (N.4) és a hidrológiai (N.6) modelleknél is. Ennél egyértelműbb koherenciára nincs szükség. Ha már a két modellt említjük, akkor meg kell jegyezni, hogy mindkettő esetén nemzetközileg elfogadott és használt modellek alkalmazására került sor, vagyis mind a módszer, mind a modell a nemzetközi kutatásokkal kompatibilis. - Az N.2 téma eredményeinek validálásához jelentősen hozzájárul az N.5 téma, amelynél a NEBIH és a ZMKH által rendelkezésre bocsátott 36 mérőhelyen modellezett változások előzményeit NDVI térképek alapján validálni lehet, amely ugyancsak hozzájárulhat a modellek lokális (megye szintű) pontosításához. Ugyanez a megállapítás vonatkozik az N.3, N.4 és N.6 émákra is. - Előnyének tartom az N alprogramban azt, hogy a viszonylag egymástól távol álló szakmai területek képviselői egyre hasznosabb kölcsönös gondolkodást és cselekvést realizálnak. Összefoglalva az általános véleményemet, megállapítom, hogy az N alprogram mindenben teljesítette – több területen túlteljesítette az elvárásokat – és ennek révén az Agrárklíma2 projektben való részvételt magas szinten megalapoztuk.

N.1 Szántóföldi növényfajok klímakockázata Jolánkai Márton/SZIE NTI Összefoglalás A növénytermesztéssel foglalkozók egységes álláspontja szerint a két legfontosabb klimatikus elem a víz és hőmérséklet. A növénytermesztés vízigényét általában háromféle módon biztosítja. Száraz gazdálkodásban az éves csapadék, amely a lehullott víz mennyisége és eloszlása, valamint a talajban történő tárolás és megőrzés függvénye. Öntözéses gazdálkodás esetében a természetes csapadéknak csak kiegészítő szerepe van a vízellátásban, hasonlóan az árasztásos rendszerekhez. A klímaváltozás káros hatásainak csökkentése érdekében szükséges az öntözéses termesztési módok alkalmazása. A klímaváltozás hatásai befolyásolhatják a hőmérséklet alakulását, valamint a legtöbb gazdasági növény vegetációs idejét. A növekvő hőmérséklet megváltoztatja a növények élettani hőösszeg igényét. Ez hozzájárulhat a termesztett növények vegetációs idejének tartamát, valamint hatással lehet egyebek között azok termőképességére, télállóságára, valamint fenológiai fázisainak alakulására. A melegedés és a szárazodás hatással lehet a növények táplálkozására. Általánosságban tudományosan bizonyított, hogy a nagyadagú műtrágyázás ellensúlyozni képes az aszály káros hatásait. Ugyanakkor a túlzott tápanyagellátás olyan koncentrációkat eredményezhet, amelyek egyes növényfajok esetében élettanilag kedvezőtlenek lehetnek. A megfelelő növényi fejlődés feltétele az optimális talajállapot. Másrészről, nem a modellek alapján optimalizált tápanyagpótlásnál nem teljesíthetőek a fenntarthatóság kritériumai (az alprogramvezető megjegyzése). A szántóföldi növénytermesztésben termesztett, jelentős termőterülettel rendelkező növényfajok klímakockázatának meghatározása, a fentieknek megfelelően térségi szintű elemzésekhez kötött, és edafikus, élettani és genetikai tényezők tudományos igényű meghatározását, feldolgozását igényli. 155

Szántóföldi növényfajok klímakockázata A fönt vázolt probléma megismerésére tettünk alapozó célú kísérletet. A világ élelmezésének legfontosabb elemét a gabonafélék adják, így Magyarországon is. Használhatóságát, piaci és élelmezési értékét nagymértékben meghatározzák az időjárási események és klimatikus viszonyok. A búzatermesztés mennyiségi és minőségi értékeit megszabják az ökológiai (ide értve a csapadékot és hőmérsékletet) illetve az agrotechnikai tényezők. Búzatermesztésünk célja eszerint kettős: mennyiségi és minőségi.

Szántóföldi növénytermesztési kísérletek Nagygombos és Szárítópuszta területén 1999-2009 között, hosszú szántóföldi tartamkísérlet keretében nagyszámú minőségi búzafajtát hasonlítottunk össze azonos agronómiai és megfigyelt időjárási (OMSZ) viszonyok között. Az alkalmazott fajták közül az Alföld 90-et választottuk ki, mert ez minden évben része volt kísérletünknek. A kisparcellás kísérletek a Szent István Egyetem Növénytermesztési Intézetének Hatvan-Nagygombosi telephelyén kerültek beállításra. A kísérleti tér talaja mészlepedékes csernozjom. A kísérletet split-plot elrendezésben állítottuk be négy ismétléssel, 10 m2-es mikroparcellákkal. A parcellákon különböző agrotechnikai beavatkozásokat végeztünk. A csapadék adatokat a termés mennyisége és minősége tükrében értékeltük. Termésmennyiség, hl-tömeg, fehérje tartalom, farinográfos értékszám, nedves sikértartalom és Hagberg-féle esésszám mérés történt, ezeket korreláltattuk a csapadék és hőmérséklet adatokkal. A két területen búza és kukorica termesztéstechnológiai kísérleteket állítottunk be, minthogy ez a két növény az, amelyik az ország teljes területén meghatározó szereppel bír. A két terület karakterisztikájában eltér, mind talajtani, mind klimatikus szempontból. Ez szerencsés körülmény az értékelés során.

A kísérletekből levont tapasztalatok A modellként választott növényekre legnagyobb hatása a csapadéknak és a hőmérsékletnek van. A hazai viszonyok között ezt legjobban az evapotranspiráció jelensége írja le aggregáltan. A termésátlagok változásának két iránya van. Van egy változó tendenciájú növekedés, mely a technikai, technológiai, biológiai, közgazdasági, stb. fejlődésnek az eredménye. Ettől a trendtől minden évben található eltérés, ez értelmezhető az évjárat befolyásoló hatásaként. A kidolgozott modell ezen alapszik. Ezt vetettük össze a már említett, könnyen megfogható növényélettani fogalommal, az evapotranspirációval. Ennél a pontnál munkánk visszacsatol a klímaváltozás kérdéséhez. Az evapotranspiráció ugyanis egy klímajelenség legszorosabb függvénye, nevezetesen az aszályé. Amennyiben az aszály agrometeorológiai értelmezését jobban tisztázzuk, és ezt összevetjük növényélettani ismereteinkkel, akkor egyik részről az agrotechnika terén is könyebb előre lépni, másik részről a klíma változásából adódó károk fölmérése is könyebb, ezzel a közvetlenül a termesztésben dolgozók kitettségét fölmérhetjük, így csökkenthetjük. A részjelentésekben közölt evapotranspirációs mérlegekből kumulálással egy evapotranspirációs vízmérleget alakíthatunk ki, melyet az 1. ábrán sárga színnel jelölünk. 156

A kukorica Zea mays evapotranspirációs vízmérlege 40 éves csapadékátlag alapján SZIE NTTI 2011, mm

Az őszi búza Triticum aestivum evapotranspirációs vízmérlege 40 éves csapadékátlag alapján SZIE NTTI 2011, mm

200

160 140 120 100 80 60 40 20 0

150 100 50 0 -50

IV

V

VI

VII

VIII

IX

X

-100 -150

X

XI

XII

I

csapadék

II

III

IV

evapotranspiráció

V

VI

VII

-200

büdzsé

csapadék

evapotranspiráció

büdzsé

13.1 ábra: Az őszi búza és a kukorica evapotranspirációs vízmérlege 40 éves csapadékátlag alapján.

Mint látható, a főbb termesztett növények viselkedése (13.1 ábra) ilyen szempontból is nagyon eltérő, tehát külön kell kezelni mindegyiket. Mint látható, az említett alapadatokra épülően a modell több, egyszerűen beszerezhető adat alapján, dinamikus módon jut el a végeredményhez. A modell moduláris fölépítése lehetővé teszi a folyamatos fejlesztését és adaptálását. Ez értelmezhető a technológia fejlesztése, és a környezeti paraméterek megváltozása felöl is. Célunk, hogy a részjelentésekben is hivatkozott alapadatok alapján, a bemutatott folyamatábrára alapozva fölépítsünk egy modellt, melynek segítségével megbecsülhetjük, hogy milyen mennyiségű, vagy legalábbis milyen nagyságrendű a klimatikus és technológiai eredetű terméskiesés az adott évben.

Termésbecslő modell Mint látható, a fönt említett alapadatokra épülően a modell több, egyszerűen beszerezhető adat alapján, dinamikus módon jut el a végeredményhez. A modell moduláris fölépítése lehetővé teszi a folyamatos fejlesztését és adaptálását. Ez értelmezhető a technológia fejlesztése, és a környezeti paraméterek megváltozása felöl is. Kitűzött célunk bemutatni a működő modellt, valamint alkalmasság tenni a közforgalomban levő klíma-scenáriók kezelésére, ilyen módon az esetleges károk előrejelzésére is. Alaphipotézisünk, hogy amennyiben a termesztési időszak végéig nem csökken az evapotranspirációs mérleg nulla alá, akkor ideálisnak tekinthetőek a körülmények, és csak a termőhelyi kategóriától függ a termés mennyisége. Ha a termesztési időszak vége előtt negatívba fordul a büdzsé, az állomány valamilyen mértékben károsodik, ekkor a szántóföldi termőhelyi kategóriára jellemző elméleti maximum nem érhető el. A modell eddig jellemzett része statikus ET-val kalkulál, ami a jelenlegi időjárást alapul véve került kialakításra. A modellnek egy módosított változatát is elkészítettük, ebben az ET változik, a hőmérséklet függvényében. Föltételezzük, hogy egy „melegebb” évben például 10 %-kal nő, „hidegebb” évben például 10 %-kal csökken az ET. A változtatott modell adatlapján a havi hőmérséklet adatai is bevihetőek.

157

Következtetés A fönt vázolt probléma megismerésére tettünk alapozó célú kísérletet, melyet a részjelentésekben bemutattunk. A búzatermesztés mennyiségi és minőségi értékeit megszabják az ökológiai (ide értve a csapadékot és hőmérsékletet) illetve az agrotechnikai tényezők. Az az eset állt elő, hogy bár 2010 a legcsapadékosabb, 2012 pedig az egyik legkevésbé csapadékos volt országszerte, de Zala megye tekintetében nem voltak ennyire kiugró évek. A repce részére az összes vizsgált év kedvezőnek tekinthető. Ez is alátámasztja a köztudomású tényt: a repce a Dunántúl növénye. A fönti modellkísérletek alapján kijelenthetjük, hogy a modell két változata alkalmas termésbecslésre, illetve a jövőbeli időjárásban bekövetkező változások hatásának előrejelzésére. A repce esetében észlelt hiányosság is a modell előnyére írható, ha kísérletekből, vagy egyéb módon tudunk további adatokat gyűjteni, ezek egyszerűen beilleszthetőek a munkamenetbe, és a további munkánk során használhatjuk. A modellek felépítése, mint látható volt, az alkalmazkodásnak, „tanulásnak” teret enged.

N.2 Talajtermékenység meghatározás Döntéstámogató, Növényfiziológiai Modellekkel a mezőgazdasági területeken Neményi Miklós / MÉK BRMI További közreműködő kutatók: Kalmár János, Kovács Attila József, Milics Gábor, Nyéki Anikó Összefoglalás A hosszú távú előrejelzésekkel szolgáló adatbázisokat az európai Ensemble Projekt nyújtja. A 2100-ig napi klímaadatokat biztosító szcenáriók jelentős eltéréseket mutatnak: egy mosonmagyaróvári mezőgazdasági tábla adatait figyelembe véve öt esetből kettőben a 86 év múlva bekövetkező klimatikus változások helyspecifikus öntözéssel jelentősen mérsékelhetők lesznek, egy esetben a teljes tábla öntözésére lesz szükség. Számításainkat Zala megye területére kiterjesztve is elvégeztük, a Magyar Talaj Információs és Monitoring Rendszer (TIM) 39 pontját vizsgálva. A modellek számításai alapján mindkét területen két szcenárió bekövetkezésekor a klímaváltozás olyan mértékű lesz, hogy várhatóan sem a kukorica, sem a gabonafélék gazdaságosan nem termelhetők. A klímaváltozás hatását, kukorica hozamra (Zea mays L.) tett befolyását vizsgáltuk a 2013-as gazdasági évünket tekintettük bázisévnek, a jövőbeli predikcióinkhoz ezen év adatait használtuk fel, melyeket a DSSAT (Decision Support System for Agrotechnology Transfer, Ceres-Maize, Hoogenboom et al., 2010) döntéstámogató modellbe építettük be, illetve jeleztük előre a kukorica hozamot, három talajtípust (vályog, homokos- és iszapos vályog) felhasználva. Korábbi kutatásaink egyértelműen bizonyítják, hogy egyes talajok (pl. iszapos vályog) fizikai tulajdonságai és a hozamra tett hatása a nedvességtartalom változásával jelentősen megváltozik. Ezek a kutatások a DSSAT model továbbfejlesztéséhez jelentősen hozzájárultak (Neményi et al., 2014; Neményi, 2015; Nyéki et al., 2013). A klímamodellekkel kapcsolatban meg kell jegyezni, hogy a vegetációs időszakra két modell nagyon jelentős eltérést jósol, amellett, hogy a szcenáriók mind hőmérsékletben, mind csapadéktartalomban nagy eltéréseket mutatnak. Ezeket a megállapításokat több kutatás is alátámasztja (Kovács et al., 2014; Ruane et al., 2013a,b). Az SMHI-BCM a jelenlegi 250 mm 158

átlagos csapadéknál 40% növekedést jelez 2100-ra, míg az ETZH-HadCM3Q klímamodell 60%-os csökkenést. Az előbbi 400 mm körüli vegetációs időszaki csapadékot, míg az utóbbi 100 mm-s értékkel számol. A modellek „mentségére” szolgáljon, hogy egy közülük (C4IHadCM3) nem jelez változást, míg 3 modell 20 %-os (50-60 mm) csökkenésre számít. Szembetűnő, hogy míg a SMHI-BCM valamennyi vizsgált évre nedves vegetációs körülményeket jelez, a DMI-ARPEGE modell az előjegyzésben használt évek mindegyikére száraz meteorológiai viszonyokat jósol. A hat klímamodell felhasználásával számított hozamok esetén jól érzékelhető, hogy a vályog, homokos vályog és iszapos vályog talajok (Zala megyében 70-80 %-ban ezek a fizikai talajféleségek a jellemzőek a szántókon) közötti hozamkülönbség gyakorlatilag végig állandóak maradnak. A hozambecslésekben az eltérések szembetűnőek: a legnagyobb eltérést az ETZH-HadCM3Q modell jelzi, amely több mint 50-%os csökkenést jósol a vályog talajnál és csaknem 60%-os csökkenést a homokos vályog és iszapos vályog talajoknál. SMHI-BCM modell 6-7%-os csökkenéssel számol mindhárom talajtípusnál (Kovács et al., 2014). A vizsgált klímamodellek közül az alábbiakban ezért ezt a két szélsőséges szcenáriót kívánjuk részletezni két fizikai talajféleségre.

Anyag és módszer Hat, validált regionális klímamodellt (URL1) tudtunk adaptálni az előrevetített kukorica hozamok számításához, mivel ezek napi bontásban nyújtanak számunkra információkat (Kovács et al., 2014), a dolgozatban ezek közül kiemeltük a két szélsőséget, s ezeket kívánjuk bemutatni, részletezni. A klímaadatokat a projekt honlapjáról töltöttük le a kísérleti táblánkhoz legközelebbi koordinátákkal, illetve Zala megyére (lat=47.905615; lon=17.252363; lat= 46.601389, lon=16,943889). A honlapon elérhető A1B szenárió (E szcenárió feltételezése szerint a fosszilis üzemanyagok használata és a megújuló energiaforrásokra épülő technológiák elterjedése egyensúlyban lesz az elkövetkező 80-90 évben.) keretén belül a szimulált paraméterek: csapadékmennyiség, minimum és maximum hőmérséklet, szélsebesség, relatív páratartalom, potenciális evapotranspiráció, globálsugárzás mértéke, napfényes órák hossza1. Ezeket az adatbázisokat építettük be a növény-növekedési, növényfiziológiai modellbe. Továbbá csaknem 50 szükséges, talajra, agrotechnológiára… vonatkozó paramétert használtunk fel, a futtatásokat talajtípusonként (kezelési egységenként, esetünkben 0.25 ha-on) végeztük (Kovács et al., 2014; Nyéki et al., 2014). Érzékenységi vizsgálat: az érzékenységi vizsgálatokat a BGCs (Biome-BioGeoChemical Cycles, Newlands et al., 2012) modell alapján végeztük. A modell dinamikus szén-víz-nitrogén és energia mérleg szimulációját végzi erdészeti és növénytermesztési technológiáknál. A terméshozam modellezés alapvető célja annak megállapítása, hogy adott feltételek (klíma, talaj, stb.) mellett milyen termésre számíthatunk. Megjegyezzük, hogy ennek a vizsgálatnak a keretében a talaj fizikai és kémiai paraméterek mellett a klímaszcenáriók hatását elemeztük. Miután a bemenő paraméterek száma több mint 50, ezért felmerül az igény ezek számának csökkentésére, ami érzékenység-analízissel, a paraméterek rangsorolásával kivitelezhető. Az érzékenység-analízis egy statisztikai eljárás, aminek bemutatott megoldása variancia (szórás) 1

C4I-HadCM3 modell esetében a prediktált adatok hiánya miatt nem tudtuk letölteni a 2091-2100 időintervallumra vonatkozóan; ETZH-HadCM3Q modellnél pedig a „napos órák száma” paraméter nem érhető el.

159

bázisú, és két indexet számol, a főhatás indexet, és a teljes-hatás indexet (URL2). A rendelkezésre álló adatbázisok alapján már tudjuk rekonstruálni az indexek kiszámítását, amihez - jól megválasztott bemenő paraméterekkel több ezerszer kell a modellezést lefuttatni a fent említett tanulmány szerint (Newlands et al., 2012), hogy a számított indexek konzisztensek legyenek. Az index-számítás azonban csak akkor garantál jó becslést, ha a bemenő paramétervektorok megfelelő eloszlásúak, Sobol sorozatot képeznek, aminek feltétele a low-discrepancy sequence (kis eltérésű sorozat) tulajdonság. Ehhez „s” bemenő paraméter esetén egy „s” dimenziós egység (hiper)kockában kell egymás után („s” dimenziós) pontokat meghatározni bizonyos szabály szerint, ezekből lehet képezni a bemenő paramétervektorokat (egy pont - egy vektor). Ez egyben azt is jelenti, hogy az érzékenységvizsgálatokhoz – eltérően a korábbi futtatásoktól – a Sobol sorozat képzési szabálya szerint meghatározott bemenő paraméterekkel kell a futtatásokat elvégezni a fent megjelölt számban. Az érzékenységi vizsgálatokat mind a hat, napi adatokat szolgáltató modellel lefuttattuk. A kiértékeléseket a már említett 2 szélsőértéket adó szcenárióra végeztük el.

Eredmények Kovács et al. (2014) alapján a két szélsőértéket választottunk ki, ez pedig az SMHI-BCM és az ETZH-HadCM3Q modell. Ezekre a szcenáriókra 2095-ig valamennyi évre két talajtípusra a DSSAT programot lefuttattuk. Ennek alapján lehetőség nyílik bármilyen időintervallumban (+/- 5, +/- 10, +/- 15 éves, … stb.) átlagértékeket számolni. Az első ábra konkrétan a Zala megyei szimulációkat mutatja, habár ezek reprezentálják a mosonmagyaróvári előrejelzéseket is az egyes években: az adott évre, +/- 5 évre, illetve +/15 évre. Az ábrából kitűnik, hogy mind az egyéves, mind a +/- 5, illetve +/- 15 évre vonatkozó vizsgálat szignifikáns kapcsolatban van az éves szimulált értékekkel az ETZH-HadCM3Q klímamodellnél. A modell által feltételezett nagymértékű szárazodásnak köszönhető a 2050től bekövetkező szignifikáns hozamcsökkenés (13.2 ábra).

160

ETZH-HadCM3Q 2013,2025,2050,2075,2100 évek átlagai

ETZH-HadCM3Q 12,50 11,50 10,50 9,50 8,50 7,50 6,50 5,50 4,50 3,50 2,50

12

8

Szimulált hozam[t/h]

Szimulált hozam [t/ha]

10

vályog iszapos vályog

6 homokos vályog

2

Év

iszapos vályog

2005 2011 2017 2023 2029 2035 2041 2047 2053 2059 2065 2071 2077 2083 2089 2095

0 2013

ETZH-HadCM3Q +/- 5 éves átlagok

2025

2050

2075

2100

ETZH-HadCM3Q +/-15 éves átlagok

11,00

12,00

10,00

10,00

9,00

8,00

Szimulált hozam [t/ha]

Szimulált hozam [t/ha]

vályog

4

8,00

6,00

7,00 6,00

4,00

5,00

vályog iszapos vályog

4,00

2,00

3,00 2013

2025

2050

2075

Év

2100

vályog iszapos vályog

0,00 2020 2030 2040 2050 2060 2070 2080

13.2 ábra: ETZH-HadCM3Q modell által prediktált hozamok, hozamátlagok.

Az SMHI-BCM modell (13.3 ábra), mely minimális változást jelez a hozamban, már nem ilyen egyértelmű eredményeket mutat. A +/- 15 éves intervallum átlag olyan szórással rendelkezik, amely semmilyen következtetésre nem ad lehetőséget. A +/- 5 éves átlagértékek használhatónak tűnnek. Az érzékenységi vizsgálat főhatás rangsoránál a makro elemek közül a foszfor (foszforpentoxid) és a nitrát-, illetve nitrit ionok (NO2-NO3-N) jelennek meg befolyásoló tényezőként, míg a mikro-/nyomelemek esetében a réz, a nátrium, a magnézium és a szulfátion. Ahogy, a korábbiakban érzékelhető volt (13.2 és 13.3 ábra), itt is a 2050-es évnél tapasztalható a váltás. Addig az 1-2-3 rangsorolásban a foszforvegyület van az első helyen, 2013-ban mindkét szcenáriónál, a réz hatása másodrendű. 2025-ben a másodrendű hatás a réznél és a nátriumnál jelentkezett. 2050-ben mindkét esetben a nátrium a másodrendű befolyásoló tényező (harmadrendű a réz). 2075-ben az elsőrendű főhatás az SMHI-BCM modellnél a réznél, a másodrendű a foszfornál; az ETZH-HadCM3Q klímamodellnél az elsőrendű hatás a nitrogénvegyületnél, a másodrendű a magnéziumnál érvényesül. 2100ban a kisebb változást jelző szcenáriónál a réz jelentkezik az első helyen, a másodikon, mint az ETZH-HadCM3Q-nál is, a foszfor, az ETZH-HadCM3Q első helye pedig a nitrogén. Meg kell jegyezni, hogy itt szója volt az elővetemény.

161

SMHI-BCM 13,00

11,5

12,00

11 10,5 Szimulált hozam [t/h]

Szimulált hozam ˙[t/ha]

11,00

SMHI-BCM - 2013,2025,2050,2075,2100 évek átlagai

10,00 9,00 8,00

vályog iszapos vályog

7,00

9,5

vályog homokos vályog iszapos vályog

9 8,5

2005 2011 2017 2023 2029 2035 2041 2047 2053 2059 2065 2071 2077 2083 2089 2095

6,00

10

2013

11,00

10,60

10,50

10,40 Szimulált hozam[t/h]

10,80

Szimulált hozam ˙[t/ha]

11,50

2075

2100

vályog

10,20

10,00

iszapos vályog

10,00

9,50 8,50

2050

SMHI-BCM +/- 5 éves átlagok

SMHI-BCM +/-15 éves átlagok

9,00

2025

vályog iszapos vályog

8,00

9,80

9,60 Év 9,40 2013

2020 2030 2040 2050 2060 2070 2080

2025

2050

2075

2010

13.3 ábra: az SMHI-BCM modell által prediktált hozamok, hozamátlagok.

Az érzékenységi analízis alapján nagyon kicsi szórású (konzisztens), hozamokkal jól elkülöníthetők a klímaszcenáriók. A legnagyobb negatív hatást az alapszimulációkban az ETZH-HadCM3Q modell (hatás: -0,08286, szórás: 1,45551E-17), a legkisebbet az SMHI-BCM (hatás: - 0.00621, szórás: 9,09697E-19) adja. Az érzékenységi vizsgálatban elvégzett 75 pótlólagos paraméterinputok szimulációi alapján a legnagyobb negatív hatást az ETZHHadCM3Q modell (hatás: -0,05753, szórás: 0,026174-17), a legkisebbet az SMHI-BCM (hatás: - 0,02903, szórás: 0,025786) adja, a többi négy szcenárió hatása közel azonos a hozamcsökkenésre. 13.1 táblázat. Az érzékenységi vizsgálat klímaparamétereinek rangsora.

MPI-ECHAM5 ETZH-HadCM3Q SMHI-BCM KNMI-ECHAM5 DMI-ARPEGE C4I-HadCM3-ppm C4I-HadCM3-mm

CO2 ppm -0,018960243 -0,036826056 -0,001529906 -0,006911322 0,00539868 0 -0,010797806

Klímaparaméter hatók csapadék max. hőm. 0,001574 -2,47269 0,007045 1,491355 0,000442 -0,36137 0,00787 -0,5114 0,011239 -1,44363 0,011076 -1,99137 0 1,532759

162

min. hőm. 0,596704 0,68335 0,435233 -0,28296 2,161368 1,718008 -0,73706

A vizsgálat során 4 dimenziós síkillesztés történt, és az 13.1 táblázat a klímaparaméterekhez kapcsolódó együtthatókat mutatja, melyek (azonos szcenárió mellett) minden kezelési egységre egyformának adódtak, ami azt jelenti, hogy a kezelési egységek területi paraméterei konstansként vettek részt a hozamfüggvényben, időbeli változást csak a klímaparaméterek okoztak. Az előjelekből látszik, hogy a CO2 növekedés és a hőmérséklet maximum emelkedése szinte mindig hozamcsökkenést okoz, a csapadék növekedése mindig növeli a hozamot, és a hőmérséklet minimum emelkedése is általában növeli a hozamot. Mivel a C4I-HadCM3 szcenárióra hozamszámítás csak 4 időpontban történt, ezért ott egyszerre csak 3 klímaparamétert vizsgálhattunk. Az együtthatók úgy értelmezhetők pl. az MPI-ECHAM5 sorban, hogy 12 mm csapadéktöbblet ellensúlyoz 1 ppm CO2 növekedést, vagy 1 fok hőmérsékletmax. emelkedést 4,14 fok hőmérsékletmin. emelkedés kompenzál, vagy 31,47 ppm CO2 növekedést 1 fok hőmérsékletmin. emelkedés kompenzál a hozamban.

Következtetések és javaslatok A klímamodellek vizsgálatakor nem lehet figyelmen kívül hagyni a fenntarthatóság kérdését. Összefoglalva a hatásvizsgálatokat, megállapíthatjuk, hogy a tápanyag-visszapótlás jelentős szerepet játszhat a klímaváltozás káros hatásainak mérséklésére. A fenti elvárások közül a talaj nitrifikációjának elkerülése, a talajerózió nélküli termelés, illetve a termőhely potenciáljának kihasználása szempontjából tartjuk vizsgálatainkat fontosnak kapcsolatba hozni a klímaváltozással. A döntéstámogató modellek az évtizedek adatbázisára alapozott, a gyakorlatban kipróbált és a szaktanácsadásoknál használt számítási eljárások. Azok a kutatások, amelyeket mi végzünk, arra utalnak, illetve azt célozzák, hogy a fent említett adatbázisok bővítésére, rögzítésére hosszú távon, (2100) a feltételek javuljanak. E nélkül ugyanis a modellek pontossága nem növelhető, a fenntarthatóság kritériumai nem teljesíthetők. Végső konklúzióként megállapíthatjuk, hogy az ETZH-HadCM3Q modell megvalósulásakor feltételezhető, hogy a kukoricatermesztés még öntözött körülmények között sem lesz gazdaságos. SMHI-BCM modell megvalósulása mérsékeltebb csökkenést prognosztizál a század végére a kukorica hozamára, a jelenlegi termesztési körülményeken nem fog változni. A két szcenáriónál a döntéstámogató modell klímaérzékenysége ugyanolyan mértékű változást jelzett mindkét talajtípusnál.

N. 3 Talajtermékenység, biodiverzitás megőrzése mezőgazdasági területeken Schmidt Rezső /MÉK NTI Összefogalalás Különböző kukorica vetési módok vizsgálata; Szántóföldi, nagyparcellás kísérlet A kísérlet a Nyugat-magyarországi Egyetem, Mezőgazdaság- és Élelmiszertudományi Kar Tangazdaságában került beállításra. A kísérleti tér talaja: Duna-öntéstalaj, jelentős 130 cm átlagos termőréteg jellemzi. Átlagos humusztartalom: 3,2 %. Arany-féle kötöttségi szám: (KA) 52. PH érték: 7,2 semleges. A kísérleti tábla neve: Mosonmagyaróvár, Lajta part. Blokk azonosító jel: K4RMX-712. Tábla területe: 10 ha. A kísérlet típusa: szántóföldi, nagyparcellás kísérlet. 163

Anyag és módszer Parcellák mérete: 3 hektár. Az elővetemény: kukorica növény volt (DKC 3511-es hibrid). A parcellák alap illetve tavaszi nitrogén műtrágyázásban nem részesültek. A parcellákon a vetés kivitelezés valamint a parcellahatárok térinformatikai eszközökkel lettek kivitelezve (GPS). A kezelések száma: 3 1. kezelés: Szántóföldi kultivátoros. Kukorica tarlóban, szántóföldi kultivátor 22 cm mélyen. New Holland TM 160-as + Pöttinger SYNKRO 3030 szántóföldi kultivátor. 2. kezelés: Sávműveléses. Kukorica tarlóban, John Deere 8260 R, Ortman 6 soros művelőgéppel, 3. kezelés: Hagyományos talajművelés. Tarlótárcsázás, New Holland TM 160-as + nehéztárcsa majd szántás New Holland TM 160-as traktor + Vogel-Noot 5 vasú váltvaforgató eke, 28 cm mélységben, majd talaj-lezárás fogassimítóval és vetőágykészítés 5,5 m-es ásóboronával. A vetés ideje: 2014. 04.23. Vetőgép típusa: John Deere 1760-as, mind három kezelés esetén GPS kormányzással. Alkalmazott hibrid: DKC 4025-ös, 66.000 tő/hektáros tőszámmal. A teljes tábla postemergens gyomirtásban részesült Stellár 1 l/hektár + 0,2 l/hektár Banwell gyomirtószer kombinációval. A kísérlet értékelése az alábbiak szerint történt: penetrométeres vizsgálat mindhárom kezelésnél, 20-20 mérés a kukorica sorban, illetve a sorközben.

Terméselem vizsgálatok Kezelésenként, 4 ismétlésben, véletlenszerűen kiválasztott helyeken: tőszámlálás (db/13,3 m), növénymagasság meghatározása (cm), összbiomassza termés meghatározása (kg/10 tő), átlagos csőhossz (cm), szem-csutka arány (%), szemnedvesség tartalom (%), 13 % nedvességtartalomra korrigált szemtermés (t/ha), átlagos csőtömeg (g/db).

Eredmények és azok értékelése A penetrációs mérések adatait az alábbiakban feltüntetett a részjelentésben grafikus ábrákkal mutattuk be. A mérések adataiból és az ábrákból látható, hogy a legjobb értékeket az 1. számú kezelésnéla Hagyományos művelésben tapasztaltunk, a mérési időpontban. Ennél a kezelésnél, mind a talaj felszínénél, mind a mélyebb rétegekben alacsonyabb a talaj ellenállás. A 2. kezelés (Sávművelés) azt tapasztaltuk, hogy a művelt sávos réteg penetrációs értékei hasonlóak a hagyományos kezelésben tapasztaltakhoz. A legrosszabb penetrációs értékek és görbék a 2. kezelés sorköz illetve a 3. kezelés teljes területén jelentkeztek.

164

Terméselem vizsgálatok: 13,3 m-en számolt tövek száma a kezelések hatásaiként szignifikáns tőszámeltéréseket egyik hibavalószínűségi szinten sem mutattak. Kijelenthetjük, hogy a kezelésenkénti tőszámeltérések a további felvételezések értékeit nem befolyásolták. Az állomány átlagos magassága 5 %-os hibavalószínűségi szintű különbözőségeket mutat a legjobb eredmény a szántásos és a talajkultivátoros kezeléseknél tapasztalható. Biomassza tömege a kezelések hatásaként statisztikailag igazolt különbözőséget nem találtunk. Kezelésenként átlagos csőhossz adatai alapján, 5 %-os hibavalószínűségű szinten fennálló kezelés különbségeket tapasztaltunk, mely a sávos művelés, és hagyományos művelés esetében volt megfigyelhető. Szem-csutka % aránya a kezelés hatásként statisztikailag alátámasztott különbségek nem voltak. Kezelésenkénti szemnedvesség a kezelések szemnedvesség adataiban statisztikailag igazolható különbözőségeket nem találtunk. 13 % nedvesség tartalomra korrigált szemtermés esetében, p=10 % hibavalószínűségi szintű kezeléshatásokat mutatnak az alapadatok. 10 %-os hibavalószínűségi szinten a 3. kezelés (a szántóföldi kultivátoros) adta a legnagyobb termést. Kezelésenkénti átlagos cső tömege tövenként a kezelések nyomán a tövenkénti csőszám vonatkozásában nem találtunk különbségeket, de a tövenkénti csövekben 5 %-os hibavalószínűségi szinte fennálló eltérések mutatkoznak.

N.4. Legelőgazdálkodás elemzése Szabó Ferenc / MÉK ÁTI Közreműködő kutatók: Templi Károly, Gulyás László, Pongrácz László, Nagy Géza Összefoglalás A feladat keretében irodalmi adatok és saját tapasztalatok alapján vizsgáltuk az időjárási tényezők gyepgazdálkodásra gyakorolt hatását. Összegyűjtöttük és elemeztük a Zala megye gyepgazdálkodására vonatkozó fontosabb információkat. Reprezentatív felméréseket végeztünk Zala megye láptalajú, valamint barna erdőtalajú gyepterületein. Modelleket kerestünk az irodalomban, amelyek lehetővé teszik a gyep termésének becslését az éghajlati tényezők adatai alapján. Zala megyei körülményekre becslő modellt, regressziós függvényt (Projekt Fejlesztésű éves modell, azaz PF éves modell) dolgoztunk ki a gyep várható hozamának becslésére, amellyel előrejelzést készítettünk. Ugyancsak becsültünk a korábbi jelentésünkben bemutatott Lingra modellel. Mivel a hazai gyepterületeken, így Zala megyében a gyepeken technológiai beavatkozások (gyep ápolás, felújítás, tápanyag utánpótlás, növényvédelem) gyakorlatilag nem történnek, a gyepek hozamát az adott gyepterületeken az időjárási tényezők, elsősorban a csapadék és a hőmérséklet befolyásolja. Emiatt az említett modellekkel a becslés a csapadék és hőmérséklet változás alapján történt. A becslést a jelen TÁMOP projekt keretében kidolgozott (S30) havi-, valamint a KMMI (Koninklijk Nederlands Meteorologisch Instituut), az MPI (Max Planck Institute) és DMI (Danish Meteorological Institute) Zala megyére vonatkozó éghajlati szcenáriói napi 165

adatbázisán egyaránt elvégeztük. A konkrét becslés a 2011-2100 közötti időszak minden egyes évére megtörtént. Emellett minden évre kiszámítottuk a megelőző és a követő 15-15 év konkrét becslésének átlagát.

A gyephozamot alakító tényezők A gyepnövényzet növekedését, ezáltal a legelők és kaszálók hozamát a talajadottságok, a tápanyagellátás mellett a klimatikus tényezők alakítják, amelyek között – mint említettük- a csapadék és a hőmérséklet játszik a legnagyobb szerepet. Adott talajon, adott technológiaiés tápanyag ellátási szinten szinte kizárólag a csapadék és a hőmérséklet a hozamot módosító két tényező (Nagy 2014). A fotoszintézishez, ezáltal a gyep növekedéséhez szükséges vízellátás miatt a csapadékviszonyok a gyepgazdálkodás kritikus feltételeit jelentik. Ez igaz még az olyan előttünk járó országok, mint pl. az Egyesült Királyság esetében is, ahol sokkal kiegyenlítettebb a klíma, és sokkal kisebbek az időjárási szélsőségek (Frame, 1992). Optimális termelési feltételek között a gyep 1 kg szárazanyag megtermeléséhez 200-250 liter vizet használ fel, vagyis 1 tonna szárazanyagot 20-25 mm vízből állít elő. Ezt a vízmennyiséget vagy a csapadéknak (a legtöbb esetben), vagy a talaj vízkészletének kell biztosítania (jobb hidrológiájú/vízellátottságú gyepek). A vízfelvétel és az abban oldott tápanyagok biztosítják a növények megfelelő turgorát, ami a levelek megfelelő pozíciójához, az abból adódó jó fénymegkötő képességéhez szükséges. A turgor a záloga a sztómák/légzőnyílások nyitottságának is, ami zavartalan széndioxid-felvételt eredményez. (Frame, 1992). A legintenzívebb növekedés időszakában egy hét alatt 25-30 mm vizet párologtat el a gyep. Ha ehhez nincs megfelelő utánpótlás, a gyep talaja a felszíntől kezdődően egyre inkább kiszárad, egyre nehezebben jut vízhez a gyep, ami lelassítja a növekedést. Ehhez párosul az, hogy a tápanyagfelvétel is korlátozódik, ami szintén hozzájárul a termés növekedésének visszaeséséhez. Végül is beállhat az az állapot, hogy a levélzet fonnyad, majd összeesik, ami elvezet a tartós hervadás ponthoz. Ennek vége a növekedés teljes leállása, majd az idősebb növényi szövetek (hajtások, levélzet) elhalása (Frame, 1992). Különösen a legeltetéses hasznosítás esetén van ennek kiemelt jelentősége, hiszen a folyamatos fűkínálat csak folyamatos növekedéssel, értelemszerűen csak kiegyenlített szezonális csapadék-, illetve vízellátás esetén biztosítható. Tavasszal, amint a fényerősség és a megvilágítás időtartama növekszik, a talaj és a levegő hőmérséklete emelkedik, a gyep növekedése érzékelhetővé válik. Mindez a talajfelszín, vagy a talaj felső rétegének 5 °C-ra való felmelegedésekor következik be. Ez a fű növekedéséhez szükséges kritikus hőmérséklet. Pillangósok esetén (pl. a gyakori fehér here) ez az érték 9 °C. Megjegyzendő, hogy némi növekedés lehet ennél kisebb hőmérsékletnél is, de a növekedés a fagypont alatt teljesen leáll. A tavaszi felmelegedéssel a növekedés egyre gyorsul. A mérsékelt égövi füvek optimális növekedése 20-25 °C között valósul meg. Ez csak a tenyészidőszaknak csak szakaszában áll fenn. Amint ősszel a hőmérséklet csökken, ezt követi a növekedés lassulása is. Miután az őszi hőmérséklet csökkenés együtt jár a felhős idővel és a gyengébb fényviszonyokkal, az őszi növekedés lényegesen lassúbb, mint az ugyanolyan hőmérsékletnél jelentkező tavaszi fűnövekedés (Frame, 1992). A hőmérséklet szabályozza a levél/hajtás megjelenési rátát ugyanúgy, mint a levél/hajtás növekedését. Nyár közepén pl. az angol perje hajtásain minden 5-7. napon megjelenik egy új levél, szemben a téli időszakkal, amikor ez akár 10-szer hosszabb időtartamot is jelenthet. A hőmérséklet 166

szabályozza a levelek méretét és alakját is annak üteme és időtartama által. (Ewans et al., 1964; Robson, 1972, 1973). Tavasszal sok mérsékelt égövi fű egy adott hőmérsékleten gyorsabban növeszti a levelét, mint később az év folyamán – vagy, másképpen fogalmazva ugyanarra a levélnövekedési rátára képesek, mint ősszel, de alacsonyabb hőmérsékleten (Peacock, 1975, 1976; Thomas és Norris, 1977). A hőmérséklettől függ a vegetációs időszak, ami a növényvilág (flóra) növekedési, illetve fejlődési folyamatainak időszaka. A hossza a napi középhőmérséklet alakulásától függ. Hazánkban az április-október hónapok esetében tekinthető az átlaghőmérséklet biztosan 5 °C felettinek, így a vegetációs idő nálunk mintegy 220 napra tehető (http://www.kislexikon.hu/ vegetacios_ido.html#ixzz31sLUrfgY).A vegetációs időszakot rövidíti a tengerszint feletti magasság, mivel 150-200 méterenként 1 °Ckal csökken az átlaghőmérséklet, a gyepterület északiabb fekvése, valamint a lejtés iránya, tekintettel arra, hogy az északi és ahhoz közel álló lejtésirányoknak gyengébb a megvilágítása/hő ellátása, következésképpen alacsonyabb az átlaghőmérséklete.

Zala megye természeti viszonyai, gyepgazdálkodása Zala megye klimatikus adottságaira jellemző, hogy az országos átlagnál kiegyenlítettebbek a hőmérsékleti viszonyok, és jóval több, 7-800 mm az évi csapadék. A megye felszíni viszonyait a dombhátak és a közöttük húzódó völgyek jellemzik. Talajadottságai az országos átlagnál gyengébbek. Jellemző talajtípusai az agyagbemosódásos barna erdőtalaj, a pszeudoglejes barna erdőtalaj és a völgyek láptalajai. Általános a talajok tápanyagszegénysége, rossz vízgazdálkodása, művelhetőségüket rontják a dombsági felszínviszonyok. A talajok átlagos természetes termékenysége az országos átlagnak mindössze 50-60%-át teszi ki (Ivány, 2000). A földhasználat jól igazodik a talaj- és felszín adottságokhoz. Az országos átlagnál kevesebb a szántó, az erdősültség duplája az országos átlagnak és a gyepek aránya is az országos átlag fölött van. A megye gyepterülete meghaladja az 50 ezer hektárt. Az adottságoktól függően a gyepek minősége, termőképessége, hasznosíthatósága igen változatos. A gyepterületek 3050 %-ára kiterjedő KSH adatok szerint a gyephozam szénaértékben az elmúlt 17 év átlagában országosan 1,44 t/ha, Zala megyében 1,79 t/ha volt. Ugyanezek az adatok az utóbbi öt évben 1,86 t/ha, illetve 2,31 t/ha értékűek, vagyis Zala megye gyepeinek átlagtermése meghaladja az országos átlagterméseket. Saját vizsgálatainkban (13.2 táblázat) a mért gyephozamok nagyobban a statisztikai adatoknál. 13.2 táblázat. Gyephozam adatok Zala megyében 2012-2013. (saját mérés)

A gyep termőhelye

Hozam t/ha szénaérték

szárazanyag

Eltartó képesség* **nagyállat egység/ha 1,39 1,28 1,01

Telepített gyep láptalajon 3,76 3,23 Ősgyep láptalajon 3,47 2,98 Ősgyep barna erdőtalajon, sík 2,72 2,34 területen Ősgyep barna erdőtalajon, lejtős 2,12 1,82 0,78 területen * 1 tonna szárazanyag hozam = 0,4298 nagyállat egység eltartó képesség ** 1 nagyállat egység (NE, v., AU, animál unit) = 1 bika, tehén vagy, kétévesnél idősebb 167

Egyéb szarvasmarha, vagy 0,6 fél és két éves közötti növendék marha, Vagy 0,15 anyajuh A megye legelőgazdálkodása, gyepre alapozott állattartása szempontjából nem közömbös, hogy a jövőben mi várható, a klímaváltozás milyen hatást gyakorol a gyepek hozamára, állat eltartó képességére. A hatás elemzése érdekében az említett éghajlati szcenáriókkal és becslő modellekkel, Zala megyére végzett előrejelzés eredményei közül e helyen a 3,23 t/ha szárazanyag kiinduló hozamú gyepre vonatkozó értékeket mutatjuk be. Éves gyephozam: tényleges becslések és 30 év átlagaként szereplő értékek 4,00

3,50

Hozam (t/ha sz.a.)

3,00

2,50

2,00

MPI, Lingra (tényleges) MPI, Lingra (30 év átlagában)

1,50

1,00

0,50

2099

2097

2095

2093

2091

2089

2087

2085

2083

2081

2079

2077

2075

2073

2071

2069

2067

2065

2063

2061

2059

2057

2055

2053

2051

2049

2047

2045

2043

2041

2039

2037

2035

2033

2031

2029

2027

2025

2023

2021

2019

2017

2015

2013

2011

0,00

13.4 ábra. A gyephozam trendje MPI Langra becslés alapján

Az 13.4 ábra az MPI Langra becslés évekre vonatkozó konkrét eredményét, valamint az adott évekre a megelőző és a követő 15-15 év, azaz 30 év átlagaként szemlélteti. Látható, hogy a konkrét évekre vonatkozó becslés nagyfokú ingadozást mutat (az adatbázis év értéke 28,9%), a 30 éves átlagokból képzett éves előrejelzés sokkal kiegyenlítettebb, alig ingadozik (az adatbázis év értéke csupán 0,31%). Három éghajlati szcenárió adatbázisán, két modellel végzett, összesen hat előrejelzés adatainak harmincéves átlagértékeit, az adatbázison rajzolt trendeket a 13.5 ábra szemlélteti. Mellékletként rendelkezésre állnak a bemutatott időszak konkrét éveire vonatkozó becslések, valamint minden évre a megelőző és követő 15-15 év átlaga is. A gyephozam alakulása 3,4 3,2

Hozam (t/ha sz.a.)

3

KNMI,Lingra KNMI,PFéves

2,8

MPI,Lingra 2,6

MPI,PFéves S30,Lingra

2,4

S30,Pféves

2,2 2 2011-2040

2041-2070

2071-2100

13.5 ábra. A hozambecslés eredménye különböző éghajlati szcenáriók és becslő modellek alapján (1981-2010. közötti, 3,23 t/ha sz.a. kiindulási hozam esetén).

A 13.5 ábráról látható, hogy a különböző becslési eredmények egymástól eltérnek. Ez abból adódik, hogy az egyes éghajlati szcenáriók között meglehetősen nagyok a különbségek. Bizonyos becslések szerint a hozam nem csökkenő-, sőt van olyan becslés is, amely szerint növekvő tendenciájú. A legtöbb becslés, és az összes becslés átlaga szerint azonban a hozam trendje csökkenő. Ez a csökkenés nem túlságosan nagymértékű, ami összhangban áll Szász 168

(2005) azon közlésével, hogy az éghajlatváltozás a gyepen nem okoz akkora termés kiesést, mint a szántóföldi kultúrákban. Mindazonáltal a trend arra hívja fel a figyelmet, hogy a klímaváltozás kedvezőtlen lehet a gyepek termőképességére és állateltartó képességére.

A döntéstámogató rendszer (DTR) számára kidolgozott (szakértői) adatok, függvények, táblázatok vagy szöveges leírások. Zala megyére éves bontásban 2100-ig rendelkezésre állnak a becsült gyephozam adatok. Emellett a becslésre felhasználható a projekt keretében kifejlesztett becslő regressziós függvény (PF éves modell), amely alkalmas gyepek hozamának csapadék és hőmérséklet viszonyokra bekövetkező változásának leírására. A PF éves modell az alábbi: hbé = hr + kcsé x hr(csé - csr)/csr – khőm x hr(hőméhőmér)/hőmér ahol hbé = becsült gyephozam, szárazanyag, t/ha,hr = referencia (kiindulási) hozam, szárazanyag, t/ha; kcsé = csapadék konstans (értéke szárazabb viszonyok között 1,6; átlagos viszonyok között 1,3; átlagosnál csapadékosabb viszonyok között pl. Zala megyében 1) csé = évi csapadék a becslés évében, mm; csr = évi csapadék a referencia évek (pl. 20 v. 40 év átlagában), mm; khőmé = hőmérsékleti konstans (20 oC évi átlag hőmérséklet felett 0,5; 20 o C alatt 0,25);hőmé = évi átlag hőmérséklet a becslés évében, oC; hőmér = referencia évek (pl. 20 v. 40 év átlaga) hőmérséklete, oC. A fenti függvénnyel az előre jelzett évi csapadék és hőmérséklet, valamint a kiindulási (referencia) hozam, csapadék és hőmérséklet alapján becsülhető a várható gyephozam. A gyep hozamából a bemutatottak szerint előre jelezhető a várható állateltartó képesség is.

A DTR-ben szereplő adatok, értékelések értelmezése, esetleges kiegészítő információk (pl. bizonytalanság). A projekt keretében kifejlesztett becslő modell (PF éves modell) pontosságát ellenőriztük a Debreceni Egyetem 20 éves tartamkísérletben mért hozamadatai alapján. A ténylegesen mért hozam és a becsült hozamadatok alapján számított korrelációs együttható értéke 0,91, ami arra enged következtetni, hogy a saját fejlesztésű modell kellő biztonságú becslést tesz lehetővé. Elvi lehetőség van a gyepek jelenlegi-, és a becsült várható hozamának intenzívebb gyepgazdálkodással történő növelésére az alábbiak alapján: A Kárpát medencében fotoszintézis potenciálisan hektáronként mintegy 28 tonna szárazanyag hozam elérését tenné lehetővé a gyepterületeken (Vinczeffy - Nagy, 1995). Az elméletileg elérhető hozamot a klimatikus tényezők korlátozzák. A gyep növényzet megfelelő növekedéséhez kellő csapadék és 20-25o C hőmérséklet lenne az optimális. A téli hidegben és a nyári melegben lelassul, illetve megszűnik a vegetáció. E két tényező terméscsökkentő hatását figyelembe véve az elérhető gyephozam szárazanyagban kifejezve hektáronként mintegy 16 tonna lehetne. A gyepterületek azonban hazánkban, így Zala megyében a leggyengébb talajokra szorultak vissza, amelyeknek rossz a tápanyag szolgáltató képessége, a vízgazdálkodása. Ennélfogva a talajadottságok tovább, mintegy 11-12 tonna/ha-ra csökkentik az elérhető szárazanyag hozamot. Ezzel szemben viszont nagyon kicsi, országosan 1,5-2 t, Zalában az országos átlagnál kedvezőbb helyzet miatt átlagosan 1,8-3,2 tonna/ha a tényleges

169

szárazanyag hozam a gyepterületeken. Ennek az oka, hogy a gyepgazdálkodás nagyon elhanyagolt. Gyakorlatilag nincs öntözés, trágyázás, növényvédelem a gyepeken. A számítások (Nagy 2014) azt mutatják, hogy ha a gyepeken a kivont tápanyagok 60%-át pótolnánk, és ehhez öntöznénk, akkor átlagosan 7 tonna, ha 80%-át akkor 9 tonna körüli szárazanyag hozamot is elérhetnénk a jelenlegi hőmérséklet és csapadékviszonyok között.Ha Zala megye gyepgazdálkodói az intenzív hasznosítást választják, akkor a fentiek alapján a gyepek hozama és állat eltartó képessége, bár költséges módon, de a kedvezőtlen klimatikus viszonyok között is növelhető.

N.5. Agrártáj összesítés és elemzés a földhasználat változásában alprogram Szabó Béla / ZMKH Összefoglalás Elvégeztük az AGRÁRTÁJ ÖSSZESÍTÉS ÉS ELEMZÉS A FÖLDHASZNÁLAT VÁLTOZÁSÁBAN alprogramban az előírt képfeldolgozási és geoinformatikai feladatokat. A geoinformatikai feladatat a DigiTerra Map szoftverrel és kiegészítő szoftverfejlesztésekkel végeztük. A szoftver elérhető a http://www.digiterra.hu/hu/ugyfeltamogatas/letoltesek/4-digiterramap.html oldalon. A szoftver regisztrációköteles. Corine CLC Landcover adatbázis geoinformatikai elemzése történt a projekt területén, Zala megyében. Corine CLC felszínborítási kategóriái alapján százalékos és hektár alapú statisztikák készítése három hierarchia szerinti bontásban (Lásd 13. ábra). A magasabb szint 4 kategóriát tartalmazzon, beépített terület, szántó, erdő, vizes terület. A második szint a Corine CLC osztálykódjainak első két karaktere alapján összegezzen, a harmadik szint minden osztályt tartalmazzon. A térinformatikai műveleteket a DigiTerra Map v3 (továbbiakban Map v3) szoftverrel végeztük. Első lépésként az 1996-ban publikált M 1:50.000 Corine Land Cover térképi fedvény, és a Zala megye közigazgatási területét ábrázoló poligon unióját képeztük a program topológiai funkciókat megvalósító modulja segítségével. Következő lépésként a program kiszámította az egyes poligonok területét. Ezt követően a Zala-megyét lefedő Corine réteg adattábláját exportáltuk XLS formátumba, majd a corine kategóriák szerint (CODE_CLC adatmező) elkészítettük a hierarchikus jelentést. CLC50 erdőterületeinek és a 2012-es erdőállomány adattár összemetszése (uniója). Az eltérések térképi és táblázatos megjelenítése. Ez a kimutatás az erdőterületek összetételét fenyő, lomb, vegyes (fenyő 3070% között) bontásban vizsgálja. A területet lefedő űrfelvétel (13.6 ábra) az USGS által üzemeltetett http://earthexplorer.usgs.gov/ weboldalról töltöttük le – regisztrációt követően. A feldolgozáshoz elsődlegesen egy nyári (2013-07-29) felvételt használtunk fel. Későbbiekben a pontosság növelésének érdekében, egy tavaszit (2013-04-24) is bevontunk.

170

13.6 ábra Landsat 8 űrfelvétel letöltése az USGS honlapról

A Zala-megyét lefedő űrfelvételek a 189-es sáv 27 illetve 28-as szelvényében találhatók. Az egyes űrfelvételekhez az USGS kiegészítő, az adatforrásra vonatkozó részletes meta adatokat szolgáltat. A metaadatokat egy Excel fájlba gyűjtöttük ki. Az erdőtervi térképet az űrfelvétel osztályozása során az erdő kategóriába tartozó tanulóterületek kialakításához, illetve az osztályozás ellenőrzéséhez használtuk fel. A munkafolyamat során a Landsat8 űrfelvétel igényelt említésre méltó előfeldolgozási műveleteket. Az űrfelvételeket a fent említett USGS honlapról, sávonként tölthető le UTM vetületi rendszerben. Zala-megyét kettő szelvény fedi le, így ezeket egyesíteni (mozaikolni) kellett. Ezek alapján a következő műveleteket végeztük. Sávonkénti mozaikolás: Az osztályozás során a Lansat8 első hat sávját használtuk. Így az azonos időben készült, de különböző szelvények azonos sávjait egyenként kellett mozaikolnunk első lépésként. A folyamat eredménye 6 db, egysávos raszter a nyári és - a későbbiekben bevont -tavaszi felvételek esetében. Sávok mozaikolása egy raszteres állományba: Az eredményül kapott sávokat végül felvételenként egy darab raszteres állományba mozaikoltuk, majd Zala-megye befoglaló koordinátái mentén körbevágva kiírtuk az eredményt, egy multispektrális (3-nál több rasztersávot) adatállományt támogató, BIL kiterjesztésű fájlba. Űrfelvétel mozaik EOV vetületi rendszerbe transzformálása (13.7 és 13.8 ábra): Az összeállított mozaikokat, az eredeti UTM-33 rendszerből, HUN-EOV rendszerbe transzformáltuk. A transzformációt a Map v3 programmal, elkészített transzformációs paraméterekkel végeztük el.

171

13.7 ábra Multispektrális űrfelvétel mozaik

13.8 ábra Transzformálás EOV rendszerbe

A nyári űrfelvétel (2013_07_29.bil) alapján elkészítettük a normalizált vegetációs indexet (13.9 ábra) tartalmazó raszteres réteget, amit a későbbiekben bevontunk az osztályozásba. Felszínborítás osztályozása képobjektum alapú képelemzési lehetőségekkel (OBIA), képek szegmentálása (közelítőleg mezőgazdasági tábla nagyságú szegmensméret követendő), az osztályok kialakítása a Corine nomenklatúráját kövesse az első két szintig, összevonás lehetséges a beépített területek esetében, viszont erdőterületen kívánalom a harmadik szint. Osztályozási módszerként a vörös, infravörös és közeli infravörös sávok átlagértéke, illetve szórásértéke alapján dolgozó legközelebbi szomszéd (Nearest Neighbor) osztályozó választottuk. Az osztályozást szegmentálás illetve tanuló területek térképi kijelölése előzte meg. A tanulóterületeket egy terület típusú fedvényben rajzoltuk meg.

172

13.9 ábra Normalizált vegetációs index (NDVI)

Minden egyes felszínborítási kategóriához minimum négy, de a nagyobb területfoglalással rendelkezőhöz jóval több is tartozik. Kialakításuk közben arra törekedtünk, hogy a kép minden területén közel azonos eloszlásban helyezkedjenek el, továbbá arra, hogy az inhomogén felszínborítási kategóriák (pl. erdő, mg-i kultúrák) minden jellemző textúrájú képrészletére kerüljön tanulóterület. Kép szegmentálása: Az osztályozás a kép szegmentálásával kezdődött. Ez az eljárás a képet homogén képobjektumokra (szegmensekre) bontja. Minden egyes képobjektumban a homogenitás változása, a pixelszám és a szórás szorzatának növekedése egy előre megadott küszöbérték alatt van. Az általunk választott küszöbérték 40 volt.

10. ábra Szegmensek

Szegmensek osztályozása: Az osztályozást, a már leírt legközelebbi szomszéd osztályozóval végeztük (13.10 ábra). A szegmentálás és az osztályozás a jelenlegi DigiTerra Map v3 programhoz fejlesztett modullal végeztük el. Az eredményt egy terület típusú vektoros fedvénybe teszi ki a program, az osztályozás során használt paraméterekkel. (Átlagok, szórásértékek, Brightness, és NDVI értékek). A szegmentálás után, a tanulóterületekkel átfedő szegmensek átlag (Mean) és szórás (StdDev) és NDVI értékei alapján sorolta be a program a többi szegmenset a megfelelő kategóriába. A felvétel első leosztályozása után az 173

alábbiakban leírt problémák merültek fel, melyekre a legjobb tudásunk szerinti megoldásokat adtuk az osztályozás pontosságának növelése érdekében: Tarló, illetve szántott területek beépített kategóriába sorolása, rét-legelő félreosztályozása Megoldás: A szántó kategóriát a tanuló területek szintjén kettébontottuk tarló/szántott területre és mg-i kultúrával rendelkezőre. Bevontuk a tavaszi felvételt is (13.11 ábra). Így az állandó növénytakaróval fedett gyepterületek, illetve komplex művelési szerkezetű, illetve gondozatlan területek elkülöníthetők lettek.

11. ábra Mg-i tábla a tavaszi és a nyári felvételen

Az alábbi kategóriák nagyon hasonló tulajdonságokkal rendelkeznek, így nagy bizonytalanságot visznek az osztályozásba, ami természetesen a pontosság rovására megy: 22 - Állandó növényi kultúrák; 23 – Legelők, gyepterületek; 24 - Vegyes mezőgazdasági területek; 32 – Erdők kategória: Cserjés és/vagy lágyszárú növényzet (321) illetve Átmeneti erdős-cserjés területek (324). Osztályok összevonásával lehetett ezen a problémán javítani. A felszín ragyogását leíró értéket (Brightness) eddig nem vontuk be az osztályozásba. Néhány felszínborítási kategória igen hatékonyan javítható volt a szegmensek Brightness értéke alapján történő kategória átsorolással. Az átsoroláshoz tartozó küszöbértékeket egyszerű tapasztalati úton határoztuk meg. Manuálisan megvizsgáltuk adott kategórián belül a helyesen, és a tévesen osztályozott szegmensek Brightness értékeit, majd ezek minimum és maximum értékei alapján választottuk ki a küszöbértéket. Ezt követően a szegmenseket tartalmazó térképi fedvény leíró adattáblájában csoportos módosítással felülírtuk az osztály kódokat. A változásokról táblázatos kimutatás mindkét hierarchia szinten, felül a múltbeli, bal oldalon a jelenlegi kategóriák (13.12 ábra). A változásokról térképi kimutatás mindkét hierarchia szinten, a változásokat élénk színnel kell kiemelni.

174

13.12 ábra Változások 1. szinten

13.12 ábra Változások 2. szinten

N.6 Földhasználat változás visszacsatolás a klímára, hidrológiára Gribovszki Zoltán / EMK KFI Összefoglalás A N6 témában 2 altémát gondoztunk, amelyek közül az elsőben aktuális párolgástérképek (CREMAP) felhasználásával értékeltük Zala megye párolgását és lefolyását a jelenben, a felszínborítás függvényében. A klímamodellek csapadékösszeg- és középhőmérsékletelőrejelzéseinek felhasználásával a jövő századra, egy térben osztott paraméterű Budykotípusú modellel, előrejeleztük pixelszinten (1*1km) az éves átlagos párolgás, valamint az éves lefolyás értékeit Az eredmények alapján a párolgás mintegy 5%-os növekedése mellett, a lefolyás, mint a hasznosítható vízkészlet egyik jelzőszáma, közel a harmadára csökkenhet A második altémában egy havi léptékű vízmérleg modell kidolgozását és adaptálását egy Mosonmagyaróvár mellett fekvő, intenzíven kutatott, főként kukorica haszonnövény borítású mezőgazdasági parcellára elvégeztük. 4 klímamodell (REMO, DMIHIRHAM5, SMHIRCA.BCM, KNMIRACMO2) adatai alapján előrejelezve a vízmérleg elemeit, a párolgás átlagosan 30%-os növekedése mellett, a talajban tárolt vízkészlet 18%-os csökkenése valószínűsíthető, de ez a csökkenés a talajnedvesség minimum értékeiben már drasztikusabb, közel 70%-os lesz.

EVAPOTRANSZSPIRÁCIÓ ÉS LEFOLYÁS ÉRTÉKELÉSE ÉS ELŐREJELZÉSE ZALA MEGYÉRE A FELSZÍNBORÍTÁS FÜGGVÉNYÉBEN Csáki Péter, Gribovszki Zoltán / NYME GEVI A kutatás módszerének rövid ismertetése: A hidrológiai körfolyamat jobb megismeréséhez elengedhetetlen a párolgás mennyiségének minél pontosabb meghatározása. A párolgás pontosabb ismerete gyakorlati hasznosítási lehetőségekkel is jár, például segítséget nyújthat az öntözési igény megállapításához mezőgazdasági területeken. 175

A kutatás alapjául az egyik legkorszerűbb párolgásbecslő módszerrel (CREMAP: Szilágyi és Józsa 2009, Szilágyi és Kovács 2010) előállított, 1 km2-es felbontású aktuális párolgás térképek (Kovács 2011) szolgáltak. A térképeket felhasználva és továbbszerkesztve vizsgáltuk Zala megye párolgását és (az egyszerűsített hidrológiai egyenlet alapján számított) lefolyását az 1999-2008-as többéves időszakra, a felszínborítás (13. ábra, Corine Land Cover 2006) függvényében. Egy Budyko-féle (Budyko 1974) megközelítésen alapuló éghajlat lefolyás modell térben osztott kalibrációs paraméterének (α, Keve és Nováky 2010) valamint egy, az aktuális és a kádpárolgás arányát mutató paraméter (β) értékeit számítottuk, a többéves (1999-2008) aktuális párolgás, éves átlaghőmérséklet és éves csapadékösszeg térképek felhasználásával (Csáki et al. 2014). A két paraméter térképének, továbbá klímamodellek csapadékösszeg- és középhőmérséklet-előrejelzéseinek felhasználásával történt Zala megye párolgásának és lefolyásának becslése, három jövőbeli időszakra (2011-2040, 2041-2070, 2071-2100).

A kutatás eredményeinek összefoglalása: A többéves (1999-2008) párolgás és lefolyás értékelése Zala megye felszínborítása látható az 13.13 ábrán. A tájhasználati módok közül uralkodóak a különböző mezőgazdasági területhasználatok (a megye területének kb. 54%-a), ezt követik az erdőgazdasági területhasználatok és a települési terület felhasználás.

13.13 ábra: Zala megye felszínborítása (Corine Land Cover 2006 nyomán)

A 13.3 táblázat tartalmazza Zala megye többéves (1999-2008) átlagos aktuális párolgásának az egyes Corine felszínborítási kategóriákhoz tartozó értékekeit. A párolgás átlaga a legalacsonyabb (562 mm) a mesterséges felszínek esetében, 569 mm a mezőgazdasági területeknél (az éves átlagos csapadék 87%-a), majd növekvő tendenciát mutat a vizenyős területek és vizek felé. A mezőgazdasági területek felszínborítási kategória párolgásának a legalacsonyabb a szórása (35mm).

176

13.3 táblázat: A különböző felszínborítási kategóriákhoz tartozó többéves átlagos párolgásértékek (1999-2008).

Párolgás éves átlag 1999-2008 (mm) Min Max Átlag P%* Szórás Mesterséges felszínek 450 703 562 86 38 Mezőgazdasági területek 434 721 569 87 35 Erdők és természetközeli ter.-k 434 828 582 89 37 Vizenyős területek 461 729 622 95 53 Vizek 486 846 658 100 97 *Az éves átlagos párolgás (1999-2008) a csapadék %-ában. Felszínborítási kategória

A mesterséges felszínek jellemezhetők a legnagyobb lefolyással, ami fokozatosan csökken a további felszínborítási kategóriák esetében. Rendkívül alacsony lefolyás jellemző a vizenyős területekre, továbbá negatív a vizekre (ahol a párolgás általában nagyobb, mint a csapadék). A párolgás és a lefolyás jövőbeli alakulásának becslése Az előrejelzés alapján az éves középhőmérséklet esetében kb. 3 °C-os növekedésről, míg a csapadék tekintetében kb. 25 mm-es csökkenésről beszélhetünk (lásd: A10 résztéma zárójelentés). Ezek eredményeképp az éves átlagos aktuális párolgás kb. 27 mm-rel nőne meg, az éves lefolyás pedig a csapadék %-ában durván a harmadára csökkenhet (kb. 12%-ról 4%-ra). A 13.14 ábrán látható a többéves átlagos aktuális párolgás várható alakulása az éghajlati mutató függvényében (100·T/P; ahol T az éves középhőmérséklet (℃), P az éves csapadékösszeg (mm/év), Nováky 1985), az egyes felszínborítási kategóriák alapján.

13.14 ábra: A párolgás alakulása az éghajlati mutató függvényében

Az éghajlati mutató növekedésével a mezőgazdasági területek párolgása fokozatosan nőhet (569 mm-ről 592 mm-re). A vizek és a vizenyős területek párolgása jobban elrugaszkodik a többi kategóriáétól, esetükben az előrejelzés alapján 90-100 mm párolgásnövekedés várható a 21. század végére.

177

TALAJNEDVESSÉG ÉS EVAPOTRANSZSPIRÁCIÓ (AKTUÁLIS) KALIBRÁCIÓJA ÉS ELŐREJELZÉSE EGY MEZŐGAZDASÁGI PARCELLÁRA Herczeg András, Gribovszki Zoltán / NYME GEVI A kutatás módszerének rövid ismertetése: Egy havi léptékű vízmérleg modell kidolgozását egy Thornthwaite (Thornthwaite and Mather (1955)) által kifejlesztett havi lépésközű modell alapján) és adaptálását egy Mosonmagyaróvár mellett fekvő, intenzíven kutatott, főként kukorica haszonnövény borítású mezőgazdasági parcellára végeztük el. A modellkalibráláshoz aktuális párolgás térképek (Kovács, 2011) havi felbontási adatait használtuk a jelen klíma ismeretében. A modellépítéshez csak a kukoricával beültetett évek kerültek beszámításra (1999-2002; 2005; 2006; 2008). A modell-kalibráció alapján megállapított maximális gyökerezési mélység 1,9m, amelyet terepi fúrás alapján megerősítettünk. A talaj rétegzettsége a területen olyan, hogy a parcella talajnedvessége független a (kb. 3,5m mélyen elhelyezkedő) talajvízszinttől. A modell metodikai fejlesztésére vonatkozó leírás az „A10”-es témában került részletezésre.

A kutatás eredményeinek összefoglalása

Párolgás átlagértékei [mm/hónap]

Az előrejelzéshez használt 4 klímamodell a következő volt: REMO; DMIHIRHAM5; SMHIRCA.BCM; KNMIRACMO2. A vízmérleg modell 2000-től, 2100-ig jelez előre havi lépésközzel vízmérleget. A vizsgált előrejelzési periódus: 2010-2040; 2040-2070; 2070-2100as intervallumokra lett felosztva. A 4 klímamodellből származó hőmérséklet és csapadék értékek a jelenben lévő klimatikus viszonyok ismeretét felhasználva korrigálva lettek. Az eredményekből a számított aktuális párolgás és talajnedvesség adatokat értékeltük alaposabban, hiszen a termesztés számára ezek a kulcsparaméterek. Az eredmények értékeléséhez érdemes megjegyezni, hogy itt a talajnedvesség értéke itt a növény számára rendelkezésre álló mennyiséget jelenti (mm-ben), nem a talajban található összes vízmennyiséget. 40

Párolgás átlagértékeinek alakulása 2001-2100

38 36 34 32

DMHIRHAM5

30

SMHIRCA_BCM

28

KNMIRACMO2 REMO

26 24 22

2001-2010 2010-2040 2040-2070 2070-2100 13.15 ábra: A párolgás átlagértékeinek alakulása egy Mosonmagyaróvár melletti kukoricatábla esetében

A párolgás átlagértékeiben számottevő emelkedés prognosztizálható (13.15 ábra). Legmagasabb értékekkel a REMO, legalacsonyabbal a DMHIRHAM5 rendelkezik. A 178

legintenzívebb emelkedést szintén a REMO jelzi előre, amely 2100-ra 9 mm/hó (30%) átlagos emelkedést jelent. Talajnedvesség átlagos értékei tekintetében csökkenés tapasztalható. Legintenzívebb változást a KNMIRACMO2 modell prognosztizál, mely konkrétan 46 mm (18%) csökkenést jelez előre. Talajnedvesség minimumértékei: 2001-2100 210

Talajnedvességértékek

190 170 150

DMHIRHAM5

130

SMHIRCA_BCM

110

KNMIRACMO2

90

REMO

70 50 30 2001-2010

2010-2040

2040-2070

2070-2100

13.16 ábra: A talajnedvesség minimumainak alakulása egy Mosonmagyaróvár melletti kukoricatábla esetében

Szemléletes a talajnedvesség minimumértékeire vonatkozó tendencia is (16. ábra). Minimumok tekintetében a KNMIRACMO2 modell közel lineáris csökkenést mutat (105 mm, 72%). Hektikus a REMO, ami a legerősebb esést a század végére jósolja.

N.8 Környezetvédelmi elemzés Polgár András / EMK KFI Összefoglalás A földhasználatok során a művelési technológiákkal átalakított vegetációs viszonyok és a felszínborítás hatásai mellett, az egyes technológiák sajátos környezeti vonatkozásait is figyelembe kell venni. A földhasználat technológiai aspektusának vizsgálata fontos kiegészítést jelent az eddigi klímakutatásokhoz. Az elemzésre kiválasztott erdészeti és szántóföldi növénytermesztési technológiák életcikluselemzését (LCA) végeztük el, a hatásaik szénlábnyom (carbon footprint – CF, IPCC 2007 tanulmánnyal összhangban) alapú rangsorolása érdekében. A kutatás során létrehozott kockázati mátrix alkalmazása fontos kiegészítést jelent a klímaváltozással kapcsolatos döntéshozatalban a technológiák megválasztását illetően. Iránymutatásként szolgál a gazdálkodóknak és a döntéshozóknak egyaránt.

A kutatás módszerének és céljainak ismertetése Az agrár ökoszisztéma kutatások egyik célja, hogy felderítse, a jelenlegi földhasználatok és az alkalmazott technológiák mennyire vannak összhangban a klímaváltozással járó, megváltozott környezeti adottságokkal. A kutatások eredményei alapján, néhány környezeti

179

tényező hatásának ismeretében, már tanácsot lehetett adni egy-egy földhasználat módosítására, a kisebb környezeti kockázattal bíró technológiák használtára. A gazdasági szféra és nyitott technológiai folyamatai eltérő intenzitásukból adódóan másmás környezeti hatást fejtenek ki. Ebből adódóan a hozzájuk tartozó anyag- és energia elvonások és kibocsátások alapján a globális környezeti problémákhoz is eltérő módon járulhatnak hozzá. A technológiák folyamat- és életciklus szemléletben történő környezeti vizsgálata lehetővé teszi a részletes elemzést és a klímaváltozáshoz történő hozzájárulás megállapítását is. Munkánk során kifejlesztettük az előrevetített klímaváltozás okozta földhasználat-változások technológiai aspektusának környezetvédelmi elemzési modelljét: 1. A jellemző mezőgazdasági/erdészeti technológiákról, azonos funkcionális egységre (referenciaegységre) vetítve, folyamat- és életciklus szemléletben létrehozott környezeti leltáradatbázisban öko-mérleget (input-output anyag- és energiamérleget) állítottunk fel. 2. Az egyes technológiák mérleg eredményei - a globális környezeti problémakörökhöz kapcsolódó környezeti hatáskategóriák segítségével jellemezve – értékelhetővé, rangsorolhatóvá és összehasonlíthatóvá váltak. 3. A földhasználatokhoz kötődő művelési technológiák klímaszcenáriók szerinti szénlábnyom alapú - környezeti hatásminősítése és környezeti kockázatossága ezzel megállapítható vált.

A kutatás eredményeinek összefoglalása A vizsgálataink erdészeti vonatkozásban Magyarországon, Zala megye mintaterületére koncentráltak, míg a szántóföldi növénytermesztési technológiák esetén Győr-MosonSopron megyei adatokkal dolgoztunk. Erdészeti vonatkozásban a területen azonosítottuk a fatermesztés, fakitermelés, fahasználat és fafeldolgozás folyamatait. Szakértők bevonásával (Rumpf – Szakálosné Mátyás – Horváth 2014) megállapítottuk, hogy a legjelentősebb környezeti hatással az erdő- és fahasználati tevékenység jár, azon belül is, intenzitása miatt, a véghasználatra koncentráltunk. A területen jellemző vizsgált erdőállományokban (bükk, tölgy, luc) rövidfás munkarendszerek felső felkészítőhelyi változatait azonosítottuk. Szántóföldi növénytermesztés esetén szakértői javaslatra (Gergely 2014) a kukorica (elővetemény: őszi búza), őszi búza 1. (elővetemény: káposztarepce) és őszi búza 2. (elővetemény: kukorica) termesztés-technológia műveleti sorát vizsgáltuk Következő lépésben az elemzésre kiválasztott technológiák életciklus-elemzését (LCA) végeztük el, a hatásaik szénlábnyom (carbon footprint – CF, IPCC 2007 tanulmány ) alapú rangsorolása érdekében. Az LCA elkészítéséhez alkalmazott módszertan megfelel az ISO 14040:2006 és ISO 14044:2006 szabvány követelményeinek. A vizsgált technológiákról szakértői adatok, számítások segítségével környezeti leltáradatbázist (input-output, elemi áramok) hoztunk létre (Rumpf - Szakálosné Mátyás – Horváth 2014, Gergely 2014). Ezután felépítettük a vizsgált erdőhasználati (bükk, tölgy és luc állományok), valamint a szántóföldi növénytermesztési (kukorica, őszi búza 1-2.) technológiák életciklus-modelljét. A hatásértékelés módszertani lépéseit az ISO 14044:2006 szabvány írja le. A szabvány szerinti hatásértékelésnél a leltáreredményeket először – az LCA tanulmány céljainak és kereteinek 180

megfelelő – a hatáskategóriákhoz rendeltük. Simon (2012) nyomán megállapítottuk, hogy a CML 2001 módszer GWP 100 years értéket meghatározó főbb emissziókhoz tartozó karakterizációs faktora jól illeszkedik az IPCC 2007 tanulmányhoz. Hasonló a megfelelés az Eco-indicator 99 módszert illetően is. A módszerek alkalmasak a szénlábnyom (CF) számítására. Számos hatásértékelési módszer áll rendelkezésre, az elemzést a fenti okokból:  a CML 2001 (2010. novemberi) hatásorientált (midpoint) módszerrel és  az Eco-indicator 99 (EI 99) károrientált (endpoint) módszerrel végeztük el. Az LCA eredményei közül a vizsgált technológiák CML 2001 – Globális felmelegedési potenciál (GWP 100 years) [kg CO2-ekv.] és EI 99 – Emberi egészség, klímaváltozás [DALY] értékeit használtuk fel a továbbiakhoz. Az értékek alapján technológiai rangsort állítottunk fel. Ezáltal megadtuk a technológiák környezeti összehasonlító hatásminősítését. Végső lépésben a technológiák hatásainak minősített rangsorát klímaszcenáriókkal (Gálos et al. 2014) hoztuk összefüggésbe. A globális felmelegedési potenciál értékek (GWP 100 years) alapján rangsorolt technológiákat, a klímaváltozási forgatókönyvek átlaghőmérséklet változásával (dT [°C]) összefüggésben, szakértői mátrixban helyeztük el. A környezeti kockázatok meghatározása szöveges formában történt.

A kutatás konkrét eredményeinek összefoglalása: A vizsgálataink során a munkarendszerek és technológiák primér energia-igényét is megjelenítettük, melyet az alábbi táblázatban mutatunk be. Az adatok jól tükrözik technológiánként pl. a felhasznált anyagokból, gépigényből és fogyasztásból adódó különbségeket (13.4 táblázat). 13.4 táblázat. Primér energia igények különböző forrásokból (Polgár – Baráth 2014, Polgár – Wachter 2014) Energiaigény Primér energia nem megújuló forrásokból (br. cal. érték) [MJ] Primér energia nem megújuló forrásokból (net. cal. érték) [MJ] Primér energia megújuló nyersanyagokból (br. cal. érték) [MJ] Primér energia megújuló nyersanyagokból (net. cal. érték) [MJ]

Állomány Bükk

Tölgy

Luc

Haszonnövény Kukorica

Őszi búza 1.

Őszi búza 2.

5088,493989

91619,32683

98687,55306

7023,557943

6738,915673

6707,078325

4741,0397

85386,3248

91980,97422

6546,103077

6280,790488

6251,121375

241,4928438

4894,004247

-2013448,42

375,5609199

358,7477535

357,3603443

241,4928438

4894,004247

-1407780,51

375,5609199

358,7477535

357,3603443

A fenti táblázatban szereplő számított adataink és D.2 kutatási téma (Rumpf J.) által szolgáltatott kinyerhető energiaadatok összevetését bükk esetében végeztük el. Az elégetéssel kihozható energia kb. nyolcvanszorosa a fahasználatok során összesen felhasznált energiához (tényleges) viszonyítva. Az elvi energia kihozatal pedig ennek további másfélszerese is lehet.

181

13.5 táblázat. Primér energia igények különböző forrásokból (Polgár – Baráth 2014) és 110 br. m³ bükk véghasználat faanyagának elégetéséből származó energia (Rumpf 2014) Primér energiaigény Primér energia nem megújuló forrásokból (br. cal. érték) [MJ] Primér energia nem megújuló forrásokból (net. cal. érték) [MJ] Primér energia megújuló nyersanyagokból (br. cal. érték) [MJ] Primér energia megújuló nyersanyagokból (net. cal. érték) [MJ] Összes energia nem megújuló forrásokból és megújuló nyersanyagokból (br. cal. érték) [MJ] Összes energia nem megújuló forrásokból és megújuló nyersanyagokból (net. cal. érték) [MJ]

Bükk 5088,493989

Energia kibocsátás Tűzifa égetése felhasználóknál [MJ]

Bükk 682750,08

4741,0397

Vékonyfa vevőnél égetve [MJ]

109620

241,4928438

Vékonyfa égetése terepen [MJ]

19238,688

241,4928438

Vékonyfa bomlása terepen [MJ]

21123,216

5329,986833

Összesen tényleges [MJ]

832731,984

4982,532544

Összesen elvi lehetőség (110 m3 (78,1 t absz. száraz) fát elégetve) [MJ]

1378527,48

A munkarendszerek CML 2001 (2010. novemberi) környezeti életciklus-hatásértékelése során a következő eredményeket kaptuk. 13.6 táblázat. Vizsgált technológiák környezeti hatásai CML 2001 (2010. novemberi) értékelési módszer alapján (részlet) (Polgár – Baráth 2014, Polgár – Wachter 2014) Környezeti hatáskategóriák, CML2001 - Nov. 2010 Abiotikus kimerülő fosszilis források (ADP foss.) Globális felmelegedési potenciál (GWP 100 years) Tengervízi ökotoxicitási potenciál (MAETP inf.)

Egyenérték [MJ]

Állomány Bükk

Haszonnövény Tölgy

4740,982911 85385,9283

Luc

Kukorica

Őszi búza 1.

Őszi búza 2.

91980,74558 6546,086641 6280,774697

6251,105662

[kg CO2-ekv.] 13311,01956 198406,3937 82848,80109 461,1663339 440,8882628

439,1164061

[kg DCBekv.]

4555,56446

3181,803748 60440,93431 66103,06407 4763,867695 4578,725278

Az erdőhasználati munkarendszerek teljes életciklusukban a legnagyobb hatással a globális felmelegedésre (GWP 100) voltak. Ez a technológiák üzemanyag felhasználásából légkörbe jutó szén-dioxid mennyiségével magyarázható. Ebben a hatáskategóriában a technológiák életciklus részesedése a bükk esetén 5% körüli, a luc esetén 28%, míg a tölgy esetén 67% volt. Jelentős hatáskategóriaként merült fel az abiotikus fosszilis kimerülés (ADP foss.) és a tengervízi ökotoxicitás (MAETP) is. E hatáskategóriák megjelenése az üzemanyag és kenőolaj inputok hozzájárulásával magyarázható. A munkarendszerek rangsorolása mindegyik esetben a „bükk-luc-tölgy” növekvő sorrendet adta. A szántóföldi növénytermesztési technológiák esetén a legnagyobb hatás az abiotikus kimerülő fosszilis erőforrások (ADP foss.) esetén jelentkezett, majd a tengervízi ökotoxicitás (MAETP) kategóriában. A technológiák a globális felmelegedésre (GWP 100) ezután voltak csak hatással. A technológiák életciklus részesedése közel azonosnak tekinthető. A kukorica esetén 34% körüli, az őszi búza 1. esetén 33%, míg az őszi búza 2 esetén alig 33% volt. A technológiák rangsorolása, ha kis eltéréssel is, azonban mindegyik esetben az „őszi búza 2.őszi búza 1.-kukorica” növekvő sorrendet adta. Abban az esetben, ha egy grafikonon akarjuk megjeleníteni az összes környezeti hatást, akkor alkalmaznunk kell a normalizáció és súlyozás eszközét. A vizsgált erdőállományokban alkalmazott munkarendszerek teljes környezeti hatása (Közép-Európára normalizálva) esetén is felállítható a „bükk-luc-tölgy” növekvő sorrend. A vizsgált szántóföldi haszonnövényeknél alkalmazott termesztési technológiák teljes környezeti hatása (Közép-Európára normalizálva) esetén is felállítható az „őszi búza 2.- őszi búza 1.-kukorica” növekvő sorrend. 182

A leltáradatokat az Eco-indicator 99 módszer szerint is értékeltük. Az eredményeket [mPt] értékben az alábbi táblázat mutatja be egalitáriánus, hierarchista és individualista megközelítésben. 13.7 táblázat. Vizsgált technológiák környezeti hatásai Eco-Indicator 99 (EA-Egalitárianus, HA-Hierarhista, IAIndividualista) értékelési módszer alapján, [mPt] (részlet) (Polgár – Baráth 2014, Polgár – Wachter 2014) Hatáskategória EA – Emberi egészség, klímaváltozás HA – Emberi egészség, klímaváltozás IA - Emberi egészség, klímaváltozás

Egyenérték

Állomány Bükk

Tölgy

Luc

Haszonnövény Kukorica Őszi búza 1.

Őszi búza 2.

[DALY]

0,00279508

0,041661642

0,017394388

9,66E-05

9,23E-05

9,19E-05

[DALY]

0,00279508

0,041661642

0,017394388

9,66E-05

9,23E-05

9,19E-05

[DALY]

0,002662065

0,039679239

0,016567667

9,21E-05

8,80E-05

8,77E-05

Kiemelve az EI99, Emberi egészség, klímaváltozás [DALY] értékeket, a munkarendszerek teljes környezeti hatása (13.7 táblázat) esetén mindhárom megközelítésben:  a „bükk-luc-tölgy” növekvő sorrendet és  az „őszi búza 2.- őszi búza 1.-kukorica” növekvő sorrendet kaptuk. A felhasznált környezeti hatásértékelési módszerek alapján megerősített, azonos eredményre jutottunk.

Irodalomjegyzék Budyko, M. I. (1974): Climate and Life, Academic, Orlando, Fla. Charney, J. G. (1975): The dinamics of deserts and drougths, Quart. J. Roy. Meteor. Soc., 101: 193-202. Charney, J. G., W. J. Quirk, S. H. Chow, And J. Kornfield (1977): A comparative study of the effects of albedo change on drought in semiarid regions, J. Atmos. Sci., 34: 13661385. Crutzen Pj. (2002): Geology of mankind – the Anthropocene, Nature, 415: 23, doi:10.1038/415023a Czitrom, V (1999): One-Factor-at-a-Time versus Designed Experiments. The American Statistician, Vol. 53, No. 2. Csáki, P., Kalicz, P., Csóka, G., Brolly, G. B., Czimber, K., Gribovszki, Z. (2014): Különböző felszínborítások hidrológiai hatásai a klímaváltozás tükrében Zala megye példáján. Erdészettudományi Közlemények, p. 15. Közlésre leadva. Csóka, G., Brolly, G. B., Czimber, K., Csáki, P., Gálos, B., Kalicz, P., Gribovszki, Z. (2014): A klímaváltozás vízgazdálkodási hatásainak vizsgálata éghajlat-lefolyási modellekkel, Erdészettudományi Közlemények, p. 15. Közlésre leadva. Dingman, Lawrence, S. (2002): Physical Hydrology. Prentice-Hall. ISBN: 0-13-099695-5, p. 646 Drüszler, Á. (2011): A 20. századi felszínborítás-változás meteorológiai hatásai Magyarországon. Doktori értekezés. Nyugat-magyarországi Egyetem Erdőmérnöki Kar, Kitaibel Pál Környezettudományi Doktori Iskola. Sopron

183

Eco-Indicator 99 Manual For Designers (2000). A damage oriented method for Life Cycle Impact Assessment. Ministry of Housing, Spatial Planning and the Environment Communications Directorate, The Netherlands, The Hague Gálos B., A. Hänsler, K. Gulyás, A. Bidló, and K. Czimber (2014): Future tendencies of climate indicators important for adaptation and mitigation strategies in forestry. EGU General Assembly, Vienna, 27 April - 02 Mai, 2014; Geophysical Research Abstracts Vol. 14, on-line: http://meetingorganizer.copernicus.org/EGU2014/EGU2014-49421.pdf Gergely I. (2014): NYME-MÉK Növénytermesztési Intézet Tangazdaság szántóföldi növénytermesztési technológiák környezeti leltár-adatszolgáltatása az „Agrárklíma: az előrevetített klímaváltozás hatáselemzése és az alkalmazkodás lehetőségei az erdészeti és agrárszektorban” (TÁMOP 4.2.2.A-11/1/KONV-2012-0013) projektben. Nyugat-magyarországi Egyetem, Sopron. Gockler, L. (2014): Mezőgazdasági gépüzemeltetés költsége 2014-ben. Agroinform Hírszolgálat, Mezőgazdasági Gépesítési Intézet, Gödöllő, on-line: http://www.agroinform.com/aktualis/A-mezogazdasagi-gepuzemeltetes-koltsege2014-ben/20140224-24667/ Guinée, J.B.; Gorrée, M.; Heijungs, R.; Huppes, G.; Kleijn, R.; Koning, A. De; Oers, L. Van; Wegener Sleeswijk, A.; Suh, S.; Udo De Haes, H.A.; Bruijn, H. De; Duin, R. Van; Huijbregts, M.A.J.: Handbook on life cycle assessment. Operational guide to the ISO standards. I: LCA in perspective. IIa: Guide. IIb: Operational annex. III: Scientific background. Kluwer Academic Publishers, ISBN 1-4020-0228-9, Dordrecht, 2002, 692 pp. on-line: http://cml.leiden.edu/research/industrialecology/researchprojects/finished/newdutch-lca-guide.html Hoogenboom, G., Jones, J. W., Porter, C. H., Wilkens, P. W., Boote, K. J., Hunt, L. A. ,Tsuji, G. Y. 2010. Decision Support System for Agrotechnology Tranfer (DSSAT) Version 4.5 (CD-ROM), volume 1. Overview. University of Hawaii, Honolulu. http://en.wikipedia.org/wiki/Variance-based_sensitivity_analysis (URL1) http://www.ensembles-eu.org : ENSEMBLE PROJECT: An Integrated Project under the 6th Framework Programme of the EU (URL2) Keve, G., Nováky, B. (2010): Klímaváltozás hatásának vizsgálata a Bácsbokodi-Kígyós csatorna vízgyűjtőjén Budyko modell alkalmazásával. A Magyar Hidrológiai Társaság XXVIII. Országos Vándorgyűlése, Sopron, 2010. július 7-9. Kovács, Á. (2011): Tó- és területi párolgás becslésének pontosítása és magyarországi alkalmazásai. PhD értekezés. Budapesti Műszaki és Gazdaságtudományi Egyetem. Kovács, A. J., Nyéki, A., Milics G., Neményi M. (2014): Climate change and sustainable precision crop production with regard to maize (Zea mays L.). International Conference on Precision Agriculture. Sacramento, CA, USA. Mátyás, Cs. (2010a): Decelerating the retreat. Public Service Journal, Science and Technology, Sep 20, 8: 118-119 Mátyás, Cs.: (2006): Erdők a globális és hazai szénforgalomban. In: Szulcsán G (szerk.): Alföldi Erdőkért Egyesület. Konferencia helye, ideje: Szeged, Magyarország, 2006. 11. 14., pp. 5-13. MSZ EN ISO 14040:2006 - Környezetközpontú irányítás. Életciklus-értékelés. Alapelvek és keretek (ISO 14040:2006) [Environmental management. Life cycle assessment. Principles and framework (ISO 14040:2006)] 184

MSZ EN ISO 14044:2006 - Környezetközpontú irányítás. Életciklus-értékelés. Követelmények és útmutatók (ISO 14044:2006) [Environmental management. Life cycle assessment. Requirements and guidelines (ISO 14044:2006)] Neményi M. – Milics G. (2010): Optimization of Biomass Production by Thermodynamic Approach. Conference Proceedings. International Conference on Agricultural Engineering. Clermont-Ferrand, France, 6–8 September, 1–7. Neményi M., Nyéki, A., Milics G., Kovács, A. J.: Using and improving yield advisory models in precision maize production with special regards to soil physical parameters in order to keep sustainable technologies . Precision Agriculture (Under review). Neményi, M.2015: Introduction to the precision medicinal plant production (Chapter 12). IN: Ákos Máthé (edt.) Medicinal Plants of the World by Springer Science Publishers, The Netherlands. In Print. Newlands, N. K., Espino-Hernández, G., Erickson, E. S. (2012): Understanding crop response to climate variability with complex agrosystem models, International Journal of Ecology. Nováky, B. (1985): A lefolyás éghajlati adottságai a Zagyva-Tarna vízrendszerben. Vízügyi Közlemények, 1. 78-93. Nyéki, A.- Kalmár, J. – Milics, G.- Kovács, A. J.- Neményi, M. 2014: A KLÍMAVÁLTOZÁS HATÁSÁNAK VIZSGÁLATA A DSSAT DÖNTÉSTÁMOGATÓ FIZIOLÓGIAI MODELLEL A SZÁZAD VÉGÉIG. Proceedings: Óvári Tudományos Nap, 2014. november 13. In Print. Nyéki, A., Milics, G., Kovács, A. J., Neményi, M. 2013. Improving yield advisory models for precision agriculture with special regards to soil compaction in maize production. Precision Agriculture ’13 (edited by John V. Stafford). Leida, Spain, July 7-11 2013.Wageningen Academic Publishers, pp. 443-451. Pannell, D.J. (1997): Sensitivity analysis of normative economic models: Theoretical framework and practical strategies, Agricultural Economics 16: pp. 139-152. Polgár, A., Baráth Zs. (2014): Erdőhasználat életciklus szemléletű vizsgálata. MSc Diplomamunka munkaanyaga. Nyugat-magyarországi Egyetem Erdőmérnöki Kar, Környezet- és Földtudományi Intézet, Környezetvédelmi Intézeti Tanszék. Sopron Polgár, A., Wachter K. (2014): Növénytermesztési technológiák környezeti életcikluselemzése. MSc Diplomamunka munkaanyaga. Nyugat-magyarországi Egyetem Erdőmérnöki Kar, Környezet- és Földtudományi Intézet, Környezetvédelmi Intézeti Tanszék. Sopron Ruane, A. C., DeWayne, C. L., Horton, M. R., Gordón, R., McCollum, R., Brown, D., Killogh, B., Goldberg, R., Greeley, A. P.,Rosenzweig, C. (2013a): Climate change impact uncertainties for maize in Panama: Farm information climate projections, and yield sensitivities. Agricultural and Forest Meteorology. Vol. 170. pp. 132-145. Ruane, A. C., Major, D. C., Yu, W. H., Alam, M., Hussian, Sk. G., Khan, A. S., Hassan, A., Al Hossain, B. T., Goldberg, R., Horton, R. M., Rosenzweig, C. (2013b): Multi-factor impact analysis of agricultural production in Bangladesh with climate change. Global Environmental Change. Vol. 23, pp. 338-350. Rumpf, J. (2011): Az erdőhasználattan kézikönyve. Első kötet. Rumpf János kiadása. Nyugatmagyarországi Egyetem Erdőmérnöki Kar, Erdészeti-műszaki és Környezettechnikai Intézet Erdőhasználattan Tanszék. Sopron Rumpf, J., Szakálosné Mátyás, K., Horváth, A. (2014): Erdőhasználati munkarendszerek környezeti leltár-adatszolgáltatása az „Agroclimate: Development of a decision support system to predict and to adapt to impacts of climate change in forestry and 185

rainfed agriculture” (TÁMOP 4.2.2.A-11/1/KONV-2012-0013) projektben. Nyugatmagyarországi Egyetem, Sopron Saltelli, A., Ratto, M., Andres, T., Campolongo, F., Cariboni, J., Gatelli, D. Saisana, M., and Tarantola, S. (2008): Global Sensitivity Analysis. The Primer, John Wiley & Sons. Simon B. (2012): A rendszerhatárok és a hatásvizsgálati módszer megválasztásának szerepe az LCA eredményében – az elektromos-energia előállítás példáján keresztül. In Ecomatrix. Az LCA (Life Cycle Assessment) Center) - Magyar Életciklus Elemzők Szakmai Egyesület On-line folyóirata. 2012. 1-2 szám: 11-24. ISSN: 2061-344X Sobol, I. (1993): Sensitivity analysis for non-linear mathematical models. Mathematical Modeling & Computational Experiment, Vol. 1, pp. 407–414. Szilágyi, J., Józsa, J. (2009): Estimating spatially distributed monthly evapotranspiration rates by linear transformations of MODIS daytime land surface temperature data. Hydrol. Earth System Sci. 13(5), 629–637. Szilágyi, J., Kovács, Á. (2010): Complementary-relationship-based evapotranspiration mapping (CREMAP) technique for Hungary, Periodica Polytechnica - Civil Engineering, 54(2), 95-100. Thornthwaite, C. W. and Mather, J. W. (1955): The water balance. Philadelphia, PA: Drexler Institute of Technology, Climatological Laboratory Publication 8.

186