20. A DTR működése Czimber Kornél – NYME EMK, Illés Gábor – NAIK ERTI
Bevezetés Egy döntéstámogató rendszer fejlesztése túlmutat a környezeti adatok beszerzésén és az adatintegráción. A rendszernek olyan térbeli elemzéseket kell támogatni, mint a geostatisztikai kimutatások, növényfajonként vagy különféle csoportokban a környezeti paraméterek térbeli összefüggés vizsgálata, valamint a növények jellemzői, térbeli előfordulása hogyan módosul a változó klímaparaméterek függvényében. Ebben a fejezetben zömmel az erdészeti vonatkozású döntéstámogató eszközöket és a kialakításukhoz végzett kutatások kivonatát közöljük. Az alkalmazások egy részét kísérleti jelleggel a NAIK ERTI Geoportálján, a www.ertigis.hu oldalon lehet megtekinteni.
A DTR-t direkt módon megalapozó alkalmazott kutatások Raszter-vektor integráció A döntéstámogató rendszer nagymennyiségű raszteres adatot használ (klíma, domborzat), a növényzeti fedvények viszont vektoros formátumúak. Ezért fontos a kétféle adatmodell közötti átjárhatóság biztosítása az összefüggések számíthatósága miatt. Az elemzésekhez szükségünk lehet erdőpoligonok esetében a területre összesített raszteres adatokra, valamint igényként jelentkezett a raszter-vektor fedvényezési művelet is (20.1 ábra). Utóbbi eljárás egy szinttel pontosabb megközelítést kínál, ugyanakkor megtartja a rasztercella és a vektorpoligonok határait is.
20.1 ábra: Raszteres fedvények adatainak átvezetése az erdőrészletekre (bal), raszter és vektor rétegek fedvényezése (jobb)
Klímaindexek A klímaadatokból előállíthatunk olyan indexeket, amelyeket egyszerűen használhatunk az aszályosság kifejezésére, a klímaosztályok elkülönítésére, vagy klímafüggő regressziók bemeneti paraméterének. Az indexek előnye egyben hátránya is, ugyanis leegyszerűsíti az adatok közötti összefüggéseket, két dimenzióból egy dimenziót állít elő. Az 20.2 ábrán látható, hogy azonos Ellenberg-indexhez különböző júliusi átlaghőmérsékletek és éves 218
csapadék-összegek tartozhatnak. Ugyanaz az index végighúzódik egy faj klímafülkéjének szélsőségén és optimumán is. Az egyenesek meredeksége eltér és nem esik egybe a párolgási görbékkel.
20.2 ábra: Különböző Ellenberg indexek és a zalai bükkösök előfordulása a klímatérben
Az indexek nem alkalmasak egy-egy év jellemzésére, sokkal inkább 10-30 éves időszakok leírására. Ha egy éven belül a megszokottól eltérő csapadékeloszlás mutatkozik, akkor az indexek jelentős különbségeket mutathatnak. A 20.3 ábrán az egyes aszályindexek normalizált (szükség esetén invertált) változatait mutatjuk be Zala-megyében a 1999-2009-es időszakon belül.
20.3 ábra: Normalizált aszályindexek összehasonlítása 1999-2009 időszakban, Zala megyében
Az ábrán referenciaként a Thornthwaite-féle (1957) talajnedvesség értéket használtuk, mely a hőmérséklet, és a naphosszúság alapján számított potenciális evapotranspiráció és a lehulló csapadék alapján kumulálja a talajban tárolt vízmennyiséget, addig a szintig, amennyit a talaj képes eltárolni. Utóbbi a fizikai talajféleségtől és a termőréteg vastagságától függ. A grafikonról leolvasható, hogy azok az aszályindexek, amelyek több hónap értékeit súlyozzák, például Bükk tolerancia index (Berki et al 2009), jobban le tudják írni az aszályos éveket. A vonaldiagramok hátterében látható a 2003-2007 évi zalai bükk száradék kitermelés adatai. A legsúlyosabb aszály a 2000-2003 egymás utáni években volt, melyet három éven keresztüli, fokozatosan csökkenő száradék kitermelés követett. 219
Pivot lekérdezések A döntéstámogató rendszerek egyik elengedhetetlen eszköze a pivot eszköz, mely a földrajzi objektumok leíró adatainak hatékony csoportosítását és aggregációját végzi el. A pivot eszközzel megadhatjuk, hogy mely adatmezők alapján történjen szűrés, mely mezők alapján képződjenek sorcsoportok, melyek alapján oszlopcsoportok és mely mezők legyenek összesítve a kimutatás adatcelláiban. A 20.4 ábra a zalai erdőterületek összesítését mutatja a pivot eszközzel, csoportosító elemek a klíma, a hidrológia, és a termőréteg vastagság.
20.4 ábra: Terület kimutatás a pivot eszközzel
Összefüggés vizsgálat, többváltozós regresszió A nagyszámú környezeti változó közötti összefüggések feltárására hivatott a többváltozós variancia- és korreláció analízis, mely a bevont változók számával azonos méretű, átlóra szimmetrikus kovariancia és korrelációs mátrixokat állít elő. A vizsgálat térbeli valószínűségi változókkal dolgozik és a változók térbeli helyzete alapján rendeli össze az adatokat. Ez a módszer segít a térbeli adatok statisztikai elemzésében, az egyes paraméterek közötti térbeli összefüggések feltárásában, a későbbi elemzésekhez, osztályozásokhoz, predikciókhoz használt paraméterek kiválasztásában. Az 20.5 ábrán az 1981-2010 időszak évi átlagos csapadékösszege és éves középhőmérséklete alapján számítottuk az erdészeti klímaosztályokat.
220
20.5 ábra: Erdészeti klímaosztályok becslése multilineáris regresszióval
Erdészeti klímaosztályozás – jelen Erdészeti szempontból fontos, hogy a változó klíma esetén az erdészeti klímaosztályok jövőbeli elterjedését becsülni tudjuk. Az erdészeti klímaosztály, mint a termőhelytípusváltozat legfontosabb eleme, meghatározza a célállománytípust, ezáltal számos erdőgazdálkodási tevékenységet. Ezért az erdőgazdálkodók szemszögéből az egyik legfontosabb paraméter. Ismerniük kell a klímaosztályok jelenlegi és jövőbeli elterjedését is. A feladathoz az erdőállomány adatok erdészeti klímaosztályát, az 1981-2010-es hőmérséklet és csapadékadatokat és az SRTM domborzatmodellt vettük alapul. A tanítás után a legnagyobb valószínűség osztályozó módszerével (Csornai, Dalia, 1991) osztályoztuk le a bemeneti geoadatokat, melyek kezdetben egydimenziós indexek voltak (20.6 ábra), a végén 2 és 5 dimenziós osztályozást is kipróbáltunk (20.7 ábra). Az osztályozás rámutat, hogy a dimenziók növelésével, több paraméter bevonásával az osztályozás pontossága növelhető. A domborzati adatok bevonásával a pontosság növekedet, ami arra enged következtetni, hogy a klímaadatok tengerszint feletti magassággal korreláló interpolációját lehet még javítani.
20.6 ábra: Klímaosztályozás Ellenberg-index (bal oldal, pontosság 56.3%) és a Forest Aridity index (jobb oldal, pontosság 60.8%) alapján
221
20.7 ábra: Klímaosztályozás a középhőmérséklet-csapadékösszeg (bal, pontosság 64.1%), valamint az éves és júliusi középhőmérséklet, éves és vegetációs időszaki csapadékösszeg és tengerszint feletti magasság alapján (jobb oldal, pontosság 71.4%)
Erdészeti klímaosztályozás – jövő Az előbbi részben bemutatott legnagyobb valószínűség alapú osztályozókat érdemes kipróbálni a modellezet, jövőbeli klímaadatokon is. A 20.8 ábrán látható, hogy bizonyos osztályozók a jelenlegi időszak klímaadatain megfelelően működnek, de a jövőbeli adatokon, egymással összehasonlítva, jelentős eltérések mutatkoznak. Az egyik alábecsüli, a másik pedig túlbecsüli a változásokat. A klímaindex alapú osztályozókat a jövőben valószínűleg más értékhatárokkal kell felállítani. A megfelelő, a jelenlegi és a jövőben is működő klímaosztályozó kiválasztása még további kutatásokat igényel.
20.8 ábra: Klímaosztályozás az Ellenberg-index (bal), a Forest Aridity index (közép) és a középhőmérsékletcsapadékösszeg alapján (jobb) a 2071-2100 időszakra
Fafaj elterjedés modellezése Az erdészeti klímaosztályok térképezésén kívül egy alternatív lehetőség a klímazonális fafajok (bükk, kocsánytalan tölgy) elterjedésének térképezése is (Mátyás, Czimber 2004). Mivel Magyarországon a bükk elterjedése 5.9%-os, ez a terület kevés ahhoz, hogy a bükk klímaniche-ét felrajzoljuk. Nagyobb léptéket, Európai méretű adatforrásokat kell választanunk. Az európai klímaadatokat 1950-2000 időszakban a WorldClim adatbázisból vettük ki (www.worldclim.org), a bükk európai elterjedését pedig a ICP-Forest Level-I adatokból (Brus et. al. 2011). A 20.9 ábrán Európa középső részének júliusi középhőmérséklet (kék-zöld-sárga-vörös) és vegetációs időszaki csapadékösszegének (barnasárga-zöld-kék), valamint a 20%-nál nagyobb előfordulású bükkerdőknek (fekete) kompozit térképét láthatjuk. 222
20.9 ábra: Éves középhőmérséklet, évi csapadékösszeg és bükk előfordulások
A fenti három adatforrás alapján a bükk európai elterjedése a középhőmérsékletcsapadékösszeg klímatérben felrajzolható. A júliusi középhőmérsékletet tekintve 12.5 és 20.1 °C között, valamint 340 és 820 mm vegetációs időszaki csapadékmennyiség között 95%os az előfordulás. Az európai klímaadatokból és bükk elterjedési adatokból számított hőmérséklet-csapadék szóródási diagramok segítségével több valószínűségi osztályozó is felállítható. Az egyik ilyen eljárás a többdimenziós normális eloszlások elvén működő legnagyobb valószínűség osztályozó, mely a hőmérséklet-csapadék adatok átlagvektorával (m) és kovariancia mátrixával dolgozik (COV):
p x i
1
2
n/ 2
COVi
1/ 2
T 1 exp x mi COVi 1 x mi 2
A másik kipróbált eljárás egy Fuzzy logikán alapuló osztályozó, mely a normálistól eltérő eloszlások esetében használható hatékonyan. Az osztályozó tagsági függvények produktumát számítja. Tagfüggvénynek négy szigmoid függvényt választottunk, az egyes függvények formulája a következő: 1 p x i 1 e a x b Mindkét osztályozó 0…1 (0…100%) közötti értéket ad eredményül, és képes leírni a bemeneti hőmérséklet-csapadék adatok alapján a bükk jelenlegi és jövőbeli országos előfordulási valószínűségét (20.10 ábra) is. A két osztályozó közül a Fuzzy logika alapú a rugalmasabb.
20.10 ábra: Bükk előfordulása a legnagyobb valószínűség osztályozó (bal) és a Fuzzy osztályozó (jobb) alapján az 1981-2010 klímaadatokat felhasználva
Fatermési viszonyok és a termőhely kapcsolata 223
A klímaváltozás erdőgazdálkodást érintő egyik legnagyobb kihívása a jövőbeni fafajválasztás szakmai alátámasz-tása lesz. A problémát a jelenleg alkalmazott gyakorlati módszerrel nem tudjuk teljes körűen megoldani. Az AGRÁRKLÍMA projekt keretében Zala megye erdőtervi adatainak, a NAIK ERTI hosszúlejáratú fatermési kísérletek mérési eredményeinek, valamint a projekt keretében létrehozott térinformatikai adatbázisnak a fel-használásával vizsgáltuk a faállományok magassági növekedésének termőhely-függőségét a megye területére vonatkozóan. A vizsgálatok során azonosítottuk azokat a termőhelyi és egyéb tényezőket, amelyek a faállomá-nyok növekedését döntően befolyásolják. Ezek ismeretében többváltozós regressziós módszerekkel a bükk, a kocsánytalan tölgy, a csertölgy és az erdei fenyő magassági növekedésének számszerűsítésére függvényeket készítettünk. A vizsgálatok alapján biológiai értelemben magas, 0,65-0,87 közötti, r-négyzet értékekkel jellemez-hető összefüggéseket találtunk. A famagasságot leginkább meghatározó tényezőknek a faállományok kora, a klímát jellemző erdészeti ariditási index, a talajok termőréteg vastagsága és azok fizikai félesége bizonyult. A regressziós összefüggések és a megyére készült új fatermési táblák felhasználásával térképeket készítettünk, melyek a klímaváltozás miatti erdészeti ariditási index változásának következtében várható fatermési osztály és fatermőképesség változását mutatják. A módszer alkalmas arra, hogy a változó klímában, a fafajok változó növekedési erélyét becsülni lehessen, és így a jövőbeni fafajválasztást pontosítani tudjuk (20.11 ábra).
20.11 ábra: Zala megye erdőterületein várható fatermési osztály változás 2025-2085 között
Jelenlegi és jövőbeli termőhelytípusokra javasolható célállományok változása A vizsgálatok második fázisában azt teszteltük, hogy a jelenlegi termőhelytípus-változatok és az azokon alkalmazható, érvényben lévő célállomány táblázat hogyan használható a klímaváltozási szcenáriók becsléseinek megfelelően kialakuló új termőhelyi környezetben. Ezért előállítottuk Zala megye bázisidőszakra (1960-90) vonatkozó, a jelenlegi időszakra (1980-2010) vonatkozó, illetve a várható klímaváltozás előrehaladásával becsült jövőbeli időszakra 2035-2065 vonatkozó termőhelytípus-változat térképeit. Ezekhez hozzárendeltük a nekik megfelelő célállományok főfafajait. Az első eredmények azt mutatják, hogy a jelenlegi termőhelyosztályozásunk alapján a megye jelentős területére nem lehet majd optmális célállomány javaslatot tenni (20.12 ábra).
224
20.12 ábra: A megye területén alkalmazható célállomány főfafajának változása 2011-2040 közötti időszak és 2071-2100 közötti időszakban.
Talajtulajdonságok térképezése digitális térképezési eljárásokkal. A projekt keretében Zala megye területére vonatkozóan készítettünk talajtípus térképeket a mező-, és az erdőgazdálkodók részére. A térképek az erre a célra összeállított, geológiai, domborzati, hidrológiai térinformatikai adatbázis, és erdőtervi adatok felhasználásával készültek, kiegészítve a Digitális Kreybig Talajinformációs Rendszer adataival. A termőhelyi erdőtervi és mezőgazdasági adatokat a környezeti változók adataival együtt értékeltük, aminek érdekében talajtípusok előfordulásának legjellemzőbb környezeti feltételrendszerét (szignatúrát) határozzuk meg. A szignatúrák segítségével hierarchikus és nem-hierarchikus osztályozási algoritmusokat dolgoztunk ki a talajtípusok térbeli helyének a felismerésére, és értékeltük azok pontosságát. A neurális hálózat módszert találtuk a leghatékonyabb talajtípus előfordulás becslési eljárásnak. Ismert talaj tulajdonságú területek adataival összevetve 67%-os besorolási eredményességet értünk el. A térképezési munkával egységes talajtípus adatbázist állítottunk elő Zala megye területére (20.13 ábra).
20.13 ábra: Erdőterületek (balra) és mezőgazdasági területek (jobbra) harmonizált talajtérképe
225
DTR prototípusok 1. Webes kliens alapú döntéstámogató rendszer prototípusa A döntéstámogató rendszer második szintje egy olyan webes alkalmazás prototípusának kidolgozása, mely a legfontosabb eredményeket mutatja be térképek és jelentések formájában bárki számára elérhető, könnyen kezelhető és gyorsan tanulható formában. A webes alkalmazáshoz a szerver oldali előre raszterizált geoadat kiszolgálást (TMS – tile map server), és feldarabolt leíróadat kiszolgálást (noSQL), valamint vékonykliens alapú alkalmazás-fejlesztést választottuk. Ez a megoldás nem használ szerver oldali szoftvereket, ennek előnye, hogy egyidőben sok felhasználót képes kiszolgálni. A képcsempéket és leíró adattömböket (JSON) a kliens oldal, és az egyes internetes átjárók gyorsítótárazni tudják. A számításokat a kliens oldalon végezzük el, ezért egy könnyed, reszponzív, mégis nagyméretű térképi és leíró adatokat bemutató alkalmazás alapjait sikerült lefektetni. A fejlesztés első lépése a legfontosabb eredmények (térképek és összefüggések) kiválogatása, a térképek kartografálása (több méretarány szinten), a térképek rétegenként történő raszterizálása (jpeg vagy átlátszó PNG formátumban). Legtöbb térkép esetében idősorok is elérhetők, ezeket külön rétegként kellett raszterizálni. A képcsempék mellé a leíró adatokat JSON tömbökben helyeztük el erdőrészletenként, településenként és 1x1 kmes négyzethálónként darabolva. A webes alkalmazás kliens oldali része tartalmazza a működési logikát. A kliens oldal három fő munkafelülete: térképmegjelenítő, leíró információk, összefüggések. Az első felületen jelenleg 116 térkép közül választhatunk. A felületen alul állíthatjuk az időskálát 1951 és 2100 között. A második panelen egy földterület 150 leíró adata tekinthető meg hierarchikusan kibontható panelek segítségével. Az alkalmazás erőssége, hogy a 150 változó nagy része a kliensen néhány paraméter megadásával újraszámítható. A harmadik felületen 800 féle párosításban vizsgálhatjuk a környezeti változók közötti összefüggéseket (20.14 ábra).
20.14 ábra: Webes kliens alapú döntéstámogató rendszer térképi és információs felülete
2. ArcGIS szerver alapú döntéstámogató rendszer prototípusa A DTR akkor tud hatékonyan működni, ha tematizált és célzott információkat nyújt a felhasználóknak. Ezáltal érhető el, hogy minden felhasználó a maga szintjén releváns tudáshoz jut, anélkül, hogy a részletesebb döntéshozói szintek prioritásait sértené. A rendszerben három felhasználói szintet valósítunk meg: 1. Látogató szintű felhasználó, aki azonosítás nélkül általános, illetve regionális szinten aggregált információhoz fér hozzá általános tájékozódáshoz. Részletes leíró adatok nem elérhetők. 2. Gazdálkodó szintű felhasználó, aki azonosítás után részletes területi adatokhoz hozzáfér, leválogatásokat, lekérdezéseket végezhet, az adatokat letöltheti. 3. Kutató szintű felhasználó, aki a fentieken 226
túl geoprocesszálási, elemzési modulokat is elér, új információk előállítására is képes. Jelen állás szerint a koncepció site-on az első két szint 1.0-s verziója érhető el. Általános, művelési ág független eredmények, elindított térképszolgáltatások: A klimatikus viszonyokban bekövetkezett múltbeli, és várhatóan bekövetkező jövőbeli változások vizsgálatára alkalmas web-alkalmazás prototípusa (hőmérséklet, csapadék, FAI). A nem-klimatikus termőhelyi paraméterek térbeli vizsgálatára alkalmas webalkalmazás prototípusa (hidrológiai kategória, talaj, fizikai féleség).
Erdőgazdálkodás A koncepció weboldalunk több felhasználói szinten nyújt többrétű szolgáltatásokat. Projekt tagok és érintett erdőgazdálkodók részére jelszóval védett on-line térképfelületen nyújtunk részletes környezeti információkat (20.15-20.17. ábra). A felhasználó által választott, tetszőleges méretű vizsgálati területek változtatható időtávra vonatkozó adatait a felhasználók további elemzésekre letölthetik, vagy on-line vizsgálhatják.
20.15 ábra: Terület kiválasztás feltételrendszerének megadása
227
20.16 ábra: Keresési feltételek érvényesítése
20.17 ábra: On-line adatelemzés és adat exportálás.
Az alkalmazási terület másik lehetőségére mutat példát a termőhelyhez optimalizált faállomány összetételt, és azok várható növekedési erélyét reprezentáló statikus; valamint a jövőbeli fatermesztési viszonyokat erdőrészlet szinten jellemző interaktív, dinamikus térképszolgáltatásunk (20.18-20.19 ábra). Ezeken a laikus, vagy az erdőgazdálkodó saját területére fókuszálva, vagy általánosságban kap információt a klímaváltozás várható hatásairól, ami alapján megalapozottabb döntéseket hozhat. Az 20.8 ábra példája adott erdőrészlet esetében ad konkrét javaslatot a jövőbeni hasznosításra nézve: A jó 228
fatermőképességű (famagasság cca. 26 m), bükkös (fafajkód = 311) területekből közepesgyenge fatermőképességű (famagasság cca.21 m) erdei fenyves (fafajkód = 911) termőhelyek alakulnak. Mindezek mellett, koncepcionális térképszolgáltatásaink az A1 jelentésben, illetve az A2 és A3 jelentésekbe foglalt adattartalmak megjelenítését, szűrését és értékelését tartalmazzák, amelyek ismertetésétől részleteiben e helyen eltekintünk. Koncepcionális térképszolgáltatásainkat folyamatosan bővítjük, és újabb on-line alkalmazásokkal segítjük a végleges DTR modulok kialakítását a jövőben. Ilyen lesz hamarosan – még a projekt zárása előtt – a következő fejezet mezőgazdasági területekre vonatkozó eredményeinek társadalmasítását jelentő web-szolgáltatások indítása.
20.18 ábra: Különböző időszakokhoz rendelt optimális faállomány összetétel térképek
20.19 ábra: Erdőrészletre skálázott klímaváltozás hatás átültetése a gazdálkodói gyakorlatba. A termőhely növekedésre gyakorolt hatása és az alkalmazható fafajok meghatározása.
229
Mezőgazdaság A megye mezőgazdasági területeire vonatkozóan a projekt keretében a 4M modell alkalmazásával létrejöttek mezőgazdasági termesztésbe vont növénykultúrák klimatikus, illetve az egyéb termőhelyi feltételek által is befolyásolt, becsült termésátlag térképei. A modellezésbe vont növények: repce, búza, kukorica és a napraforgó voltak. A modellezésnél három féle öntözési és ugyancsak három féle tápanyag utánpótlási rezsimet vizsgáltak, ami lehetőséget ad a különböző kombinációk vizsgálatára. Öntözési módok: nem öntözött, átlagosan öntözött, intenzíven öntözött. Tápanyag utánpótlási módok: extenzív, átlagos, intenzív. Ezáltal a különböző növénykultúrák helyszíntől, és gazdálkodási módtól függően összehasonlíthatókká válnak.
Hivatkozott Irodalom Berki, I., Rasztovits, E., Móricz, N., Mátyás, Cs. (2009): Determination of the drought tolerance limit of beech forests and forecasting their future distribution in Hungary. Cereal Research Communications, 37: 613–616. Csornai G., Dalia O. (1991): Távérzékelés, Jegyzet, Székesfehérvár Führer E., Marosi Gy., Jagodics A., Juhász I. (2011): A klímaváltozás egy lehetséges hatása az erdőgazdálkodásban. Erdészettudományi Közlemények 2011. 1 évf. 1. sz. pp. 17-28. Mátyás Cs., Czimber K. (2000): Zonális erdőtakaró mezoklíma szintű modellezése: lehetőségek a klímaváltozás hatásainak előrejelzésére. In: Tar K. (szerk.) III. Erdő és Klíma Konferencia Debrecen, 2000. június 7-9., Debrecen: DE-TTK Meteorológia Tanszék, 2000. pp. 83-97 Thornthwaite C. W. (1948): An Approach toward a Rational Classification of Climate. Geographical Review, Vol. 38, No. 1. 1948. pp. 55-94.
230
