LÉGTÖMEGTÍPUSOK LÉGSZENNYEZETTSÉG CENTRIKUS OBJEKTÍV OSZTÁLYOZÁSA MAGYARORSZÁGON

LÉGTÖMEGTÍPUSOK LÉGSZENNYEZETTSÉG CENTRIKUS OBJEKTÍV OSZTÁLYOZÁSA MAGYARORSZÁGON MAKRA, L.1, MIKA, J.2, BÉCZI, R.1, BORSOS, E.1, SÜMEGHY, Z.1 és MOTIKA, G.3 1

Éghajlattnai és Tájföldrajzi tanszék, Szegedi Tudományegyetem, H-6701 Szeged, Pf. 653; E-mail: [email protected]; [email protected]; [email protected]; [email protected]; 2 Országos Meteorológiai Szolgálat, Budapest; E-mail: [email protected] 3 Alsó Tisza Vidéki Környezetvédelmi Felügyelőség, H-6701 Szeged, P.O.B.1048; e-mail: [email protected]

1. BEVEZETÉS A légszennyezettség igen fontos környezeti probléma, különösen a zsúfolt nagyvárosokban. Az antropogén tevékenységek zöme szennyezőanyag kibocsátással jár, mely idővel felhalmozódik. A légszennyezettség károsan befolyásolja nemcsak forrásának a környezetét, hanem nagy kiterjedésű régiókban is kifejtheti hatását. A legtöbb légszennyező anyag égetéssel kapcsolatos folyamatok révén kerül a levegőbe. Emissziós források lehetnek a következők: közlekedés, üzemanyagok égetése, ipari folyamatok, szemétlerakók, s egyéb kibocsátók. E nemkívánatos anyagok károsíthatják az egészséget, pusztítják a növényzetet, rombolják az épületeket, s a globális környezetet, továbbá a barna és ködös levegő, valamint a kellemetlen illatok rossz közérzetet keltenek. Az egészségkárosító hatás általában onnan ered, hogy a szervezet hosszabb időszak során alacsony légszennyezettség koncentrációnak van kitéve. A fémek gyorsabban korrodálódnak szennyezett környezetben, a falak festékanyaga nem olyan tartós, mint tiszta levegőben, illetve a kerékabroncsok és egyéb gumiáruk hamarabb meghibásodnak az ózonnal való reakciójuk miatt, ha nem antioxidánst tartalmazó adalékanyagokból állítják elő. A légszennyezettség egészségkárosító hatásához hasonlóan a vagyontárgyak károsodása is a szennyezőanyagok koncentrációjától függ, s attól, hogy milyen hosszú ideig voltak azok a szennyezett levegőben. Jóllehet a legtöbb gáz halmazállapotú légszennyező teljesen átlátszó, mégis van köztük néhány kivétel, mint pl. az NO2, mely barna színű. A lebegő részecskék és a napsugárzás kölcsönhatásával végbemenő kémiai reakciók révén keletkező légszennyező anyagok kiterjedten mérsékelhetik a látástávolságot, légköri homályt idézhetnek elő elő (De Nevers, 2000). A levegőminőséget, a légszennyező anyagok koncentrációját fizikai és kémiai folyamatok befolyásolják, ugyanakkor meteorológiai folyamatok, valamint földrajzi és társadalmi tényezők is alakítják. Némely időjárási helyzetben, mint pl. anticiklonhoz kapcsolódó gyenge szél vagy szélcsend és hőmérsékleti inverzió esetén a légszennyező anyagok rendkívüli mértékben feldúsulhatnak. A dolgozat célja objektíven meghatározott jellemző légtömegtípusok definiálása Szeged fölött, többváltozós statisztikai módszerek felhasználásával a nyári és a téli hónapokban. Ezt követően a homogén hőmérsékleti és légnedvesség paraméterekkel rendelkező légtömegtípusok mindegyikére megbecsüljük a fő légszennyező anyagok koncentrációit. Majd megszerkesztjük minden egyes légtömegtípus közepes tengerszinti légnyomási mezőit az észak-atlanti-európai térség fölött azon célból, hogy kapcsolatot teremtsünk a légnyomás térbeli eloszlása és a szegedi régió légszennyezettsége között. Mindeddig kevés tanulmány született a mindenkori időjárás és a légszennyezettség koncentráció kapcsolatának vizsgálatára Szegeden. Ez a dolgozat viszont egy objektív időjárási tipizálást mutat be. Ez az osztályozás alapul szolgálhat egy légszennyezettség megfigyelési/előrejelzési rendszer

bevezetéséhez annak érdekében, hogy elkerülhessük a súlyos légszennyezettségi epizódok kialakulását Szegeden. 2. SZEGED FÖLDRAJZI HELYZETE ÉS ÉGHAJLATI JELLEMZŐI, KÜLÖNÖS TEKINTETTEL A LEVEGŐ MINŐSÉGÉRE Szeged (20006'K; 46015'É) a Tisza és a Maros torkolatánál fekszik. DélkeletMagyarország legnagyobb városa, mely az Alföld déli részén, h = 79 m tszf. magasságban található (1a-b. ábra). Lakossága kb. 155.000 fő, a beépített terület kiterjedése 46 km2. Magyarország területének legnagyobb része (Szegedet is beleértve) a Köppen-féle klímaosztályozás szerint a Cf klímával (mérsékelten meleg éghajlat, meglehetősen egyenletes csapadékeloszlással), továbbá a Trewartha-féle klímaosztályozás szerint a D.1. klímával (kontinentális éghajlat, hosszabb meleg évszakkal) jellemezhető. Magyarország részletes klímaosztályozása a vegetációs évszak középhőmérsékletén (tVS) és az ariditási indexen (H) alapul (ahol H = ES/L⋅C; itt ES a sugárzási egyenleg, L a latens hő és P az évi átlagos csapadékösszeg). E fizikai klimatológiai paraméterek alapján Szeged éghajlata meleg-száraz (tVS > 17,5°C és H > 1,15) (Péczely, 1979). Míg az ariditási index energetikai összetevője (ES) minimális változást mutat Magyarországon (átlagos évi értéke: 1760 MJ/m2/év), az évi csapadékösszeg (P) jelentősen ingadozhat (szélsőértékei Szegeden: Pmin = 203 mm; Pmax = 867 mm). Ezek ismeretében az eddigi legszárazabb év ariditási index értéke Szegeden H = 3,47, míg a legnedvesebb évben H = 0,81. Előbbi növényföldrajzi megfelelője a sivatag, utóbbié pedig az erdő. A város szárazságra hajlamos, gyakran félsivatagi, szélső esetben sivatagi klímáját környezetének hagyományos növényzete is visszatükrözi. A Dél-Alföldön őshonos az árvalányhaj (Stipa Stenophylla) és más félsivatagi növények (Makra et al., 1985). Az Alföld klímája már több ezer éve arid. Ennek megfelelően őshonosak itt a szárazságkedvelő flóratartományok [illír = nyugat-balkáni eredetű fajok; pontusi = a Feketetenger menti sztyeppék fajai; turáni (aralo-kaspi) = az Aral-tó és a Kaszpi-tenger térségéből származó fajok; szubmediterrán = a Dél-Európa mediterrán vidékeivel határos területek fajai; mediterrán = a Földközi-tenger térségéből származó (a szubmediterrán viszonyokhoz képest melegebb, szárazabb területekről érkező) fajok]. Az említett flóratartományoknak a térségben leírt fajai zömükben a mogyoró korban (i.e. 7000 – i.e. 6000 között) érkeztek Magyarországra. Ezenkívül a jelenkorban, azaz az utóbbi kétezer év során (főleg a melegszáraz időszakok alkalmával történtek betelepülések. E fajok megtelepedéséhez hozzájárult az, hogy kiirtották az erdőket, lecsapolták a mocsarakat és átfogó vízrendezést hajtottak végre az Alföldön, ami mezoskálán szárazabbá és melegebbé tette az éghajlatot. Az ökológusok között elfogadott az ún. „két időszak elmélet”, mely a szárazságtűrő fajok tartós megtelepedését a térségben két okra vezeti vissza: a mogyoró kor száraz és meleg klímájára; illetve a jelenkori természet-átalakításokra, melyek mint antropogén tényezők módosították az éghajlatot. A térség száraz-meleg klímája különösen kedvező a turáni (aralo-kaspi) félsivatagi fajok számára. Egyik csoportjukat azok a fajok alkotják, amelyek a szélsőségesen száraz körülményeket kedvelik, a másikhoz tartozó fajok pedig szárazságjelző növények, azaz ún. xeroindikátorok (hosszú, száraz időszakok meglétét jelzik). Előbbiek Ellenberg-féle indikátorszáma 1, utóbbiaké 2. Minél alacsonyabb valamely faj Ellenberg-féle indikátorszáma (min = 1), annál jobban kedveli a száraz-meleg klímát, illetve minél magasabb (max = 12), annál jobban viseli a nedves környezetet (Ellenberg et al., 1991). Az Ellenberg-féle indikátorszám tehát egy 12 fokú skála, amit Borhidi alkalmazott először Magyarországon, s WB-értékként vezetett be a magyar szakirodalomba. A WB-érték relatív talajvíz- illetve talajnedvesség indikátorszám (Water Borhidi). A skálán Borhidi feltüntette a magyar flórára jellemző fajokat is, amelyekkel Ellenberg kevésbé foglalkozott (Borhidi, 1995).

Körös

a sz Ti

CSONGRÁD Tisza

0

10

20

30 km

Lake Csaj KISTELEK HÓDMEZŐVÁSÁRHELY

Lake Fehér Algyő

Zákányszék Ásotthalom

Maroslele Maros

MAKÓ

Tis za

SZEGED

1a. ábra Szeged földrajzi helyzete. Magyarország Európában (balra fent); Csongrád megye Magyarországon (jobbra fent), Szeged Csongrád megyében (középen) 0

5 km

Tis za

1

1b. ábra Szeged beépítettségi típusai [a: belváros (2-4emeletes épületek); b: házgyári elemekből épült lakótelepek (5-10-emeletes épületek); c: társasházak, családi házak (1-2-emeletes épületek); d: ipari területek; e: zöldterületek, (1): monitoring állomás]

A Tisza kelet-magyarországi vízgyűjtő területén a turáni (aralo-kaspi) félsivatagi flóratartomány honos fajai (az Ellenberg-féle indikátorszámukkal együtt): taréjos tarackbúza (Agropyron pectinatum) (1), homoktövis (Hippophaë rhamnoides ssp. carpatica (1), heverő seprőfű (Kochia prostrata) (1), pozsgás zsázsa (Lepidium crassifolium) (1), vadrozs (Secale sylvestris) (1), tavaszi veronika (Veronica verna) (1), sarlóboglárka (Ceratocephalus testiculatus) (2), pamacslaboda (Ceratoides latens) (2), Gumós perje (Poa bulbosa) (2), Homoki ballagófű (Salsola kali ssp. Ruthenica) (2) (Horváth et al., 1995). Szeged éghajlatát forró nyarak és mérsékelten hideg telek jellemzik. A csapadék évi eloszlása meglehetősen egyenletes: a nyári hónapok 29 %-ban, míg a téli hónapok 19 %-ban részesülnek az évi összcsapadékból. Nyáron, illetve télen a napi középhőmérséklet rendre 22,4 °C, illetve 2,3 °C. A napi besugárzás évi menetében is jelentős változások tapasztalhatók. Értéke egy átlagos nyári, illetve téli napon rendre 20,2 illetve 4,2 MJ/m2. A leggyakoribb szelek az ÉÉKDDNy irányból fújnak. Nyáron az északnyugati-nyugati (42,3 %) és a déldélnyugati szelek (24 %) a leggyakoribbak, míg télen a dél-délkeleti (32,6 %), valamint az észak-északnyugati szelek (30,8 %). Földrajzi helyzetéből adódóan Szegedre az alacsony szélsebességek a jellemzők. Nyáron, illetve télen a napi átlagos szélsebesség rendre 2,8 és 3,5 m/s. A legmagasabb szélsebesség óraátlag 5 m/s, mely csak tavasszal fordul elő.

A városi levegőminőség függ a meteorológiai elemek aktuális értékétől. Ezek átlagai Szeged térségére a következők – évi középhőmérséklet: 11,2°C; januári középhőmérséklet: –1,2 °C; júliusi középhőmérséklet: 22,4 °C; relatív nedvesség: 71 %; évi átlagos csapadékösszeg: 573 mm; napsütéses órák évi átlagos száma: 2102 óra; évi átlagos szélsebesség: 3,2 m/s. A városszerkezet körutas-sugárutas − tehát viszonylag egyszerű, melyet a Tisza szel ketté. A városszerkezetből adódóan a gépjárműforgalom − mely a legnagyobb mértékben járul hozzá a légszennyezettséghez − a városközpontban koncentrálódik.

Az ipari területek elsősorban a város északnyugati részén találhatók. Ily módon az uralkodó nyugatias-északnyugatias szelek erről a területről származó szennyezett levegőt szállítanak a városközpont fölé. Jóllehet Szeged a Dél-Alföld könnyűipari központja (malom-, fa- és paprikafeldolgozó ipar, kenderfeldolgozás, szalámigyártás), a nehézipar bizonyos elemei is jelen vannak (gumi-, festékipar, kőolaj- és földgázbányászat). A rendszerváltást (1989) követően Szeged ipari potenciálja sokat romlott. Megszűnt a textilgyár, a kábelgyár, a ruhagyár, s a konzervgyár, továbbá Kecskemétre helyezte át központját és tevékenységét a KÉSZ, KönnyűszerkezetÉpítő és Szolgáltató Kft. Szeged közigazgatási területe jóval meghaladja a beépített területekét. A várostól északra található algyői olajmező a nitrogén-oxidok és kénvegyületek számottevő forrása. A belvárosban egyre növekvő gépjárműforgalomnak jelentős az NOx és CO emissziója, illetve a közlekedés révén a már kiülepedett por újból a levegőbe kerül. Jóllehet Szeged és környezete minden irányban nyitott, ugyanakkor a város a legalacsonyabban fekvő település Magyarországon, melynek jelentőségét növeli az ország földrajzi helyzete. Azaz Szeged egy ún. kettős medence helyzetű település, mely fölerősíti az anticiklonális képződmények hatásait a légszennyező anyagok földúsulására. Egy részletes vizsgálat során, melyben a magyarországi városokat környezeti minőségük, valamint környezeti tudatosságuk szintje alapján osztályoztuk, Szeged a figyelembe vett 88 magyarországi város sorrendjében a 32. helyre került (Makra et al., 2002). A szegedi RIV (Regionális Immisszió Vizsgáló) állomásokon 2001-ben mért légszennyező anyagok százalékos határérték túllépése alapján Szeged város levegőminősége – egy háromkategóriás osztályozási elv szerint (megfelelő, mérsékelten szennyezett, szennyezett) – a szennyezett kategóriába sorolható (Mohl et al., 2002). [E minősítés a települési levegőminőséget 3 kategóriába sorolja. Megfelelő egy adott település levegőminősége, ha a kén-dioxid, nitrogén-dioxid és az ülepedő por koncentrációk mindegyike határérték túllépéseinek a száma 0 %. Mérsékelten szennyezett a levegő, ha e 3 légszennyező paraméter koncentrációi közül legalább az egyik határérték túllépéseinek a száma nagyobb mint 0 %, de kisebb vagy egyenlő 10 %. Végül szennyezett a levegő, ha e 3 légszennyező paraméter koncentrációi közül legalább az egyik határérték túllépéseinek a száma nagyobb, mint 10 %.] Szeged levegőminőségi állapotát alapvetően a nitrogén-oxidok (NOx), az ózon (O3) és a szálló por (PM10) határozzák meg. E paraméterek koncentrációi meghaladják az EU levegőminőségi határértékeit. [A szálló por napi (24 órás) koncentrációja 11-19-szeresen, évi koncentrációja pedig kétszeresen haladja meg a 2005. január 1-től javasolt EU-szabvány szerinti küszöbértéket!] A szálló por magas koncentrációja szoros kapcsolatban áll a gyakori légzőszervi megbetegedésekkel. A levegőminőségi paraméterek koncentrációinak évi menete unimodális eloszlást mutat. Az NO, NO2 és PM10 koncentrációkat nyári minimum és téli maximum jellemzi. Ugyanakkor az ózon nyáron veszi fel maximumát, összhangban a besugárzás évi változásával (Makra and Horváth, 2001; Makra et al., 2001; Mohl et al., 2002). A porszennyezettség közel 50 %-a a futóhomokos, löszös homokhátsági területekről származik, amelyek Szegedtől északnyugatra helyezkednek el. Ugyanakkor az ipari területek a város északnyugati részén találhatók. Így az uralkodó északnyugati szelek a porszennyeződést – az ipari eredetű szennyezőanyagokkal együtt – Szeged fölé szállítják. A porszennyezettség további hányada a közlekedésből származik. Egyrészt a gépjárművek motorja termeli a részecskéket, másrészt a forgalom áthaladásával keletkező légáram révén a talajfelszínről jut a por a levegőbe (Mohl et al., 2002). Szeged közlekedési hálózata túlzsúfolt. A forgalomban résztvevő járművek közül a személygépkocsik aránya a legnagyobb, 84 %. A járműállomány korszerűsödése révén Szegeden a levegő CO koncentrációja 2000-re az 1990. évinek a 36-40 %-ára csökkent.

Ugyanakkor ezen időszak alatt a főútvonalak forgalma 3-70 %-kal nőtt. 24 óra alatt átlagosan mintegy 70-90 ezer jármű halad át naponta Szegeden (Mohl et al., 2002). Komoly környezet-egészségügyi problémát jelent a levegőben nyár végén és ősz elején az ürömlevelű, vagy rövid levelű parlagfű (Ambrosia elatior = Ambrosia artemisiifolia) pollenje, melynek allergén hatása a legveszélyesebb az összes pollen közül. Szegeden a parlagfű évi pollenszáma az európai átlag többszöröse, s e tekintetben a kontinens egyik legszennyezettebb városa (Makra et al., 2004a; 2004b). 3. A MONITORING ÁLLOMÁS ELHELYEZKEDÉSE ÉS MŰSZAKI JELLEMZŐI A monitoring állomás Szeged belvárosában − egy forgalmas útkereszteződésben (a Kossuth Lajos sgt., valamint a Damjanich u. - Teréz u. kereszteződése) − található, a Kossuth Lajos sgt.-tól kb. 10 m távolságra (1b. ábra). Ez Szeged egyik legforgalmasabb közlekedési csomópontja. A mérések 1997. január 1.-én kezdődtek. Az útkereszteződés sarkán − a mérőállomástól ugyancsak kb. 10 m távolságra − egy kétszintes épület áll, amely módosítja a szélparaméterek értékét, s a szennyezőanyagok terjedését, következésképp azok koncentrációit. Az automata állomás szenzorai 3 m magasságban mérik a légszennyező paraméterek koncentrációit. Az állomás 5 db, egymástól független műszer segítségével méri a CO, NO, NO2, SO2, O3 és PM koncentrációkat. A CO koncentrációt nem diszperzív infravörös abszorpcióval mérik (a műszer típusa: CO11M-LCD). Az NO és NO2 koncentrációk mérése a kemilumineszcencia elvén, alternatív üzemmódban történik; az NOx koncentrációkat pedig úgy kapjuk, hogy a műszer automatikusan összegzi a legfrissebb NO és NO2 értékeket (a műszer típusa: TE 42C). Az SO2 mérési elve az UV fluoreszcens emisszió (a műszer típusa: FHAF21M-LCD). Az O3 koncentráció mérése a 254 nm hullámhosszon történő UV abszorpción alapszik (a műszer típusa: TE 49C). A TSP koncentrációt a β sugárzás abszorpciója révén mérik (a műszer típusa: FH 62 I-N). A gáz analizátorokat két ponton kalibrálják. Ezek egyike a 0-pont, melynek beállítása automatikusan, minden 24 órában történik. A másik kalibrációs pontot kéthetenként egy alkalommal, hiteles anyagmintával állítják be. Az ózonműszer kalibrálását gáz fázisú titrálással végzik. A TSP mérését negyedévenként egy alkalommal hitelesítik. Személyi számítógép segítségével történik a műszerek ellenőrzése, illetve az adatok tárolása. A 10 másodpercenkénti mérésekből először 1 perces, majd ezekből 30 perces átlagok készülnek. Az állomás által mért meteorológiai elemek mérőműszerei a következők: hőmérséklet (a műszer típusa: THS-611), légnedvesség (a műszer típusa: THS-611), globális sugárzás (a műszer típusa: RS 81-I), valamint szélirány (a műszer típusa: WS-12 H+) és szélsebesség (a műszer típusa: WS-12 H+). A hőmérséklet és a légnedvesség mérése a felszín fölött 3 m magasságban történik, míg a szélirányt, szélsebességet, valamint a globális sugárzást a felszín fölött 6 m magasságban mérik. 4. ADATBÁZIS 4.1. A helyi meteorológiai és légszennyező paraméterek adatbázisa A dolgozat adatbázisát a monitoring állomás 1997–2001 közötti 5 éves 30 percenkénti adatai képezik a téli (december, január, február), illetve a nyári (június, július, augusztus) hónapokra vonatkozóan. A felhasznált adatok egyrészről a fő légszennyező anyagok [CO, NO, NO2, NOx, SO2, O3 és TSP (total suspended particulate = összes lebegő részecske) (µg m3 )], átlagos tömegkoncentrációi, másrészről a főbb éghajlati elemek (hőmérséklet, légnedvesség, légnyomás, globális sugárzás, szélirány és szélsebesség) átlagértékei. A felhasznált 12 meteorológiai paraméter a következő: középhőmérséklet (Tmean, °C), maximum hőmérséklet (Tmax, °C), minimum hőmérséklet (Tmin, °C), napi hőmérsékleti terjedelem (∆T = Tmax – Tmin, °C), szélsebesség (WS, m s-1), relatív nedvesség (RH, %),

globális sugárzás (I, MJ m-2 nap-1), telítettségi gőznyomás (E, Hgmm), gőznyomás (VP, Hgmm), potenciális párolgás (PE, mm), harmatpont hőmérséklet (Td, °C) és légnyomás (P, Hgmm). A figyelembe vett 8 légszennyező anyag a következő paraméterek átlagos napi tömegkoncentrációi: CO (µg m-3); NO (µg m-3), NO2 (µg m-3), SO2 (µg m-3), O3 (µg m-3) és TSP (µg m-3), továbbá az NO2/NO napi arányai, valamint az O3 (µg m-3) napi maximális koncentrációi. Az elemzés tárgya a két szélső évszak, ugyanis a tél és a nyár mutatják a legnagyobb eltérést a Kárpát-medence fölött kialakuló légáramlási rendszerekben. Nyáron az Azori szigetek felől kiterjedő szubtrópusi anticiklon a leggyakoribb az összes itt előforduló cirkulációs típus 20-25 %-ával. Ezenkívül még az északias áramlási rendszerek is gyakoriak a blocking anticiklonok következtében. Télen a délies áramlási rendszerek a legjellegzetesebbek, melyeket a nyugatias rendszerek követik. Mindkét évszakban az anticiklon centrum helyzetek, valamint az anticiklon peremhelyzetek a leggyakoribbak a Kárpát-medence fölött, melyek előfordulását a térség medence helyzete is elősegíti (Péczely, 1983). 4.2. ECMWF adatbázis A tengerszintre átszámított napi légnyomási adatok az ECMWF (European Centre for Medium-Range Weather Forecasts) ERA 40 projektjéből származnak. Ez az 1957 szeptember 1-től napjainkig terjedő időszak 00 UTC (Universal Time Centre)-kor (Egységes Központi Világidő) mért napi adatainak a reanalízisét jelenti. A projekt keretében egységes módszerrel, egységes adatasszimilációt felhasználva készítik el a napi adatok reanalízisét, mindig az adott időszak rendelkezésre álló adataiból. Ez pontosan megfelel annak, mintha a földfelszíni állomások tengerszinti légnyomás adataiból egy mezőt állítanánk elő. A különbség annyi, hogy az ECMWF ERA 40 projekt adatai ellenőrzöttek, dinamikailag korrektek, az óceán fölött is valódi a mező, s nincs adathiány. E módszer esetén a bemenő adatok között a mért hibás légnyomás adatokat már nem veszik figyelembe. Viszont, ha az állomások adatait használnánk, ilyen probléma bármikor előfordulhatna. A vizsgált tartomány az európai–északi-atlanti térség, annak a 30°N –70.5°N földrajzi szélességek, valamint a 30°W –45°E földrajzi hosszúságok közötti területe. Ez 28*51 = 1428 rácspontot jelent 1,5°*1,5°-os felbontásban. 5. MÓDSZEREK 5.1. Térképészeti háttér Minden egyes objektív típusra, illetve minden egyes Péczely-típusra a napi átlagos izobár térképeket a vizsgált régió rácspontjaiban számított napi tengerszinti légnyomás adatok alapján a Surfer 7.00 térinformatikai/GIS szoftver felhasználásával szerkesztettük meg. Egy átlagos napra, azaz egy átlagos objektív/Péczely-típusra a tengerszinti légnyomási mező izobárjait a vizsgált területről rendelkezésre álló 28*51=1428 átlagolt rácspont adat felhasználásával a standard Kriging módszer segítségével, adatsűrítés nélkül, maximális simítással rajzoltuk meg. Az eljárás eredményeként a Föld felszínén 40,5° földrajzi szélesség, illetve 75° földrajzi hosszúság különbségű foktrapéznak megfelelő görbült felszínt a síkban egy X és Y irányban is egyenközűen beosztott téglalapra képeztünk le. Az így elkészített izobár térképek csak olyan (a földrajzi tájékozódást szolgáló) háttértérképhez illeszthetők minden akadály nélkül, amelyeket ugyanilyen vetítéssel állítunk elő. Ezért a tanulmányozott terület háttértérképe poláris elhelyezésű érintő négyzetes hengervetületben készült el. Ennek további előnye, hogy az összes meridián mentén (azaz észak-déli, tehát a térképen minden függőleges irányban) hossztorzulás mentes, s a térkép bármely pontjában az égtájak irányának megállapítása egyszerű. Ugyanis az észak-déli, illetve a kelet-nyugati irány párhuzamos a

függőleges, illetve a vízszintes kerettel, s ily módon az egyes helyek és légnyomási képződmények földrajzi koordinátája is könnyen leolvasható a kereten megírt értékek (és szükség esetén lineáris interpoláció) segítségével. Alkalmazásának hátránya csupán az, hogy a magasabb földrajzi szélességeken a háttértérkép megnyúlik kelet-nyugati irányban (amely így ott területnagyobbodást okoz). Az említett rácshálózat kb. 107,3 km horizontális rácstávolságot jelent a vizsgált 30°N – 70.5°N földrajzi szélességek közötti régió középső, 50°N szélességén. 5.2. Statisztikai próba Annak eldöntésére, hogy az egyes tengerszinti légnyomási mezők szignifikánsan eltérnek-e egymástól, a χ 2 -próba függetlenség vizsgálat módszerét alkalmaztuk. E módszer arra a kérdésre keresi a választ, hogy két valószínűségi változó (ξ és η) független-e vagy sem. Azt a 0-hipotézist állítjuk föl, miszerint ξ és η nem függetlenek. A (ξ, η) valószínűségi változó párra összesen N megfigyelést végzünk, s a kapott gyakoriságokat a ξ és η értéktartományainak felosztásával ún. kontingencia táblázatba foglaljuk. Ezután behelyettesítünk a χ 2 -próba képletébe: r

s

χ =∑∑ 2

i =1 j =1

( Aij − Eij ) 2 Eij

, ahol

Aij = a kontingencia táblázat i-edik sorának és a j-edik oszlopának tényleges gyakorisága Eij = a kontingencia táblázat i-edik sorának és a j-edik oszlopának várható gyakorisága r = a kontingencia táblázat sorainak a száma s = a kontingencia táblázat oszlopainak a száma a szabadsági fokok száma pedig df = (r – 1)(s – 1). Adott df szabadsági fok és p esetén a χ2-eloszlás táblázata alapján meghatározható az a χ2-érték, amelyre P ( χ 2 > χ 2 ) ≤ p teljesül; ahol p a 0-hipotézis teljesülésének a p valószínűsége. 6. EREDMÉNYEK 6.1. A téli, illetve a nyári hónapokra kapott clusterek átlagos tengerszinti légnyomási mezőinek függetlenség vizsgálata A téli, illetve a nyári hónapokra kapott 5, illetve 10 cluster átlagos tengerszinti légnyomási mezőit összehasonlítottuk egymással a használt gridhálózat rácspont értékei alapján. Annak eldöntésére, hogy egyrészt a téli 5, másrészt a nyári 10 cluster átlagos tengerszinti légnyomási mezői eltérnek-e lényegesen egymástól a vizsgált időszakban, a χ2próba függetlenség vizsgálat módszerét alkalmaztuk. Abból a 0-hipotézisből indultunk ki, miszerint nincs lényeges eltérés az összehasonlított clusterek átlagos tengerszinti légnyomási mezői között. Számításaink szerint a téli hónapokban az 1-2, valamint a 3-4 clusterek mezőire a 0-hipotézis teljesedési valószínűsége 1, azaz ez esetekben nem tekinthető függetlennek a két cluster átlagmezeje, míg az összes többi párosításban a 0-hipotézis teljesedési valószínűsége 0, vagyis az összehasonlított clusterek átlgos mezői függetlennek tekinthetők (1. táblázat). A nyári hónapokban csupán az 5-9 clusterek átlagmezői tekinthetők függetlennek, az összes többi párosításban nem teljesül a függetlenség (2. táblázat).

6.2. Téli hónapok

A meteorológiai elemek idősoraira alkalmazott faktoranalízis 4 faktort eredményezett, melyek a teljes variancia 86,51 %-át magyarázzák (3-4. táblázat). A téli hónapok öt jellegzetes clusteréhez tartozó napok meteorológiai és légszennyező paramétereinek átlagos értékei az 5. táblázatban találhatók. Azon célból, hogy meghatározhassuk, vajon szignifikáns különbségek vannak-e a téli hónapok 5 jellegzetes clustere fennállásakor a légszennyező anyagok koncentrációiban, variancia analízist alkalmaztunk. Megállapíthatjuk, hogy az NO2vsNO, kivételével a légszennyező paraméterek koncentrációi az 1 %-os valószínűségi szinten szignifikáns különbséget mutatnak az egyes téli clusterek fennállásakor (6a. táblázat). A továbbiak során a Tukey-féle szignifikáns differencia próbát alkalmaztuk annak érdekében, hogy a differenciák összes páronkénti becslését megkaphassuk. Feltüntettük azokat a légszennyező paramétereket, melyek koncentrációi az 1 %-os (vastag), illetve az 5 %-os (dőlt) valószínűségi szinten szignifikánsan eltérnek az egyes Péczely-típusok fennállásakor (6b. táblázat). Nincs olyan két cluster, melyek között mind a nyolc figyelembe vett légszennyező paraméter koncentrációi szignifikánsan eltérnének egymástól. A 2-5 clusterek a leginkább hasonlók a tekintetben, hogy közöttük egyetlen légszennyező anyag köncentrációiban sem mutattunk ki számottevő különbséget. Az 1-4 clusterek között csupán két, az összes többi párosításban viszont legalább három légszennyező paraméter koncentrációja különbözött szignifikánsan. A legnagyobb eltérés (legalább négy légszennyező anyag koncentrációi szignifikánsan különböznek) a következő clusterek között tapasztalható: 1-2 (NO2, O3max, SO2,TSP); 1-5 (O3, O3max, SO2, TSP); 2-3 (CO, NO2, O3, O3max); 3-4 (CO, NO, O3, O3max, TSP). Összességében az 1-es és a 3-as cluster tér el leginkább a többitől, mivel a légszennyező anyagok koncentrációinak típuspárok szerinti összehasonlításakor a legtöbb paraméterre ezek esetében kaptunk szignifikáns eltérést. 6.2. Nyári hónapok A meteorológiai elemek idősoraira alkalmazott faktoranalízis 4 faktort eredményezett, melyek a teljes variancia 84,36 %-át magyarázzák (7-8. táblázat). A nyári hónapok tíz jellegzetes clusteréhez tartozó napok meteorológiai és légszennyező paramétereinek átlagos értékei a 9. táblázatban találhatók. Azon célból, hogy meghatározhassuk, vajon szignifikáns különbségek vannak-e a nyári hónapok 10 jellegzetes clustere fennállásakor a légszennyező anyagok koncentrációiban, variancia analízist alkalmaztunk. Megállapíthatjuk, hogy az NO2vsNO, valamint az SO2 koncentrációi az 5 %-os, míg az összes többi légszennyező paraméter koncentrációi az 1 %-os valószínűségi szinten szignifikáns különbséget mutatnak az egyes nyári clusterek fennállásakor (10. táblázat). A továbbiak során a Tukey-féle szignifikáns differencia próbát alkalmaztuk annak érdekében, hogy a differenciák összes páronkénti becslését megkaphassuk. Feltüntettük azokat a légszennyező paramétereket, melyek koncentrációi az 1 %-os (vastag), illetve az 5 %-os (dőlt) valószínűségi szinten szignifikánsan eltérnek az egyes Péczely-típusok fennállásakor (11. táblázat). Nincs olyan két cluster, melyek között mind a nyolc figyelembe vett légszennyező paraméter koncentrációi szignifikánsan eltérnének egymástól. A legnagyobb eltérést öt elem jelzi. Az 1-8, 1-9, 2-3, 2-4, 2-5, 3-4, 3-5, 4-5, 5-6, 5-7, 5-9, 6-7 és 8-9 clusterek a leginkább hasonlók a tekintetben, hogy közöttük egyetlen légszennyező anyag koncentrációiban sem mutattunk ki számottevő különbséget. Legalább négy légszennyező paraméter koncentrációja különbözött szignifikánsan a következő clusterpárok esetében: 1-6 (CO, NO2, O3max, TSP); 1-10 (CO, NO2, O3, O3max, TSP); 2-10 (CO, O3, O3max, TSP); 3-6 (NO2, O3, SO2, TSP); 3-10 (CO, O3, O3max, TSP); 4-6 (CO, NO2, O3max, TSP); 4-10 (CO, O3, O3max, TSP); 6-8 (CO, NO, NO2, O3max, TSP); 6-9 (CO, NO, NO2, TSP); 8-10 (CO, NO2, O3, O3max, TSP); 9-10 (CO, NO2, O3, O3max, TSP). Összességében a 6-os és a 10-es cluster tér el

leginkább a többitől, mivel a légszennyező anyagok koncentrációinak típuspárok szerinti összehasonlításakor a legtöbb paraméterre ezek esetében kaptunk szignifikáns eltérést. KÖSZÖNETNYILVÁNÍTÁS A szerzők köszönetet mondanak az Országos Meteorológiai Szolgálat Módszertani és Kiértékelő Osztályának azért, hogy rendelkezésre bocsátotta a vizsgált térség és időszak napjainak ECMWF adatbázisát, Károssy Csabának (Berzsenyi Dániel Főiskola, Természetföldrajzi Tanszék, Szombathely) azért, hogy átadta a vizsgált időszak napjainak Péczely-féle makroszinoptikus tipizálását, továbbá Aris Bartzokasnak (Laboratory of Meteorology, Department of Physics, University of Ioannina, Görögország) hasznos tanácsaiért és javaslataiért.

REFERENCES Borhidi, A., 1995: Social behaviour types, the naturalness and relative ecological indicator values of the higher plants int he Hungarian Flora. Acta Botanica Hungarica, 39(1-2), 97-181. De Nevers, N., 2000: Air Pollution Control Engineering. McGraw-Hill International Editions, Civil Engineering Series, Second Edition, 586 p. ISBN 0 07 039367 2 Ellenberg, H., Weber, H.E., Düll, R., Wirth, V., Werner, W., Paulissen, D., 1991: Zeigerwerte von Pflanzen in Mitteleuropas. Scripta Geobotanica, 18, Goltze Verlag, Göttingen Horváth, F., Dobolyi, Z.K., Morschhauser, T., Lőkös, L., Karas, L. és Szerdahelyi, T., 1995: Flóra adatbázis 1.2, MTA Ökológiai és Botanikai Kutatóintézete, Vácrátót, ISBN 963 8391 19 7 Kalkstein, L.S., Tan, G. and Skindlov, J.A., 1987: An evaluation of three clustering procedures for use in synoptic classification. Journal of Climate and Applied Meteorology, 26, 717-730. Károssy, Cs., 1987: Catalogue of the Péczely’s macrosynoptic types (1983-1987). Légkör, 32/3, 28-30. (in Hungarian) Károssy, Cs., 2004: Péczely’s macrosynoptic types, 1988-2003. Manuscript (in Hungarian) Makra, L. and Horváth, Sz., 2001: A levegőszennyezettség becslése Szegeden. Légkör, 46/4, 14-18. (in Hungarian) Makra, L., 1999: Concentration of contaminating gases and their connection with large-scale weather situations in Szeged. The Association of American Geographers, The 95th Annual Meeting, Honolulu, Hawaii, USA. Abstracts, 376. Makra, L., Borsos, E. and Mika, J., 2003: Five-year climatology of the main air-contaminants in a medium-sized town under large-scale basin effect. EGS-AGU-EUG Joint Assembly, Nice, France. Proceedings Makra, L., Horváth, Sz. and Sümeghy, Z., 2002: An objective analysis and ranking of cities on environmental and social factors. IGU 2002. Geographical Renaissance at the Dawn of the Millennium. Durban, South-Africa, 2002. In: Climates in Transition (Nkemdirim, L.C. ed.), Minuteman Press, 161 -172. Makra, L., Horváth, Sz., Zempléni, A., Csiszár, V., Rózsa, K. and Motika, G., 2001: Air Quality Trends in Southern Hungary. EURASAP Newsletter, 42, 2-13, ISSN-1026-2172; http://www.meteo.bg/EURASAP/42/cover42.html Makra, L., Horváth, Sz., Zempléni, A., Csiszár, V., Rózsa, K. and Motika, G., 2001: Air Quality Trends in Southern Hungary. EURASAP Newsletter, 42, 2-13, ISSN-1026-2172 Makra, L., Juhász, M., Béczi, R. and Borsos, E., 2004b: The history and impacts of airborne Ambrosia (Asteraceae) pollen in Hungary. Grana (submitted) Makra, L., Juhász, M., Borsos, E. and Béczi, R., 2004a: Meteorological variables connected with airborne ragweed pollen in S Hungary. International Journal of Biometeorology (in print)

Makra, L., Kiss, Á. and Palotás, J., 1985: The Spatial and Temporal Variability of Drought in the Southern Part of the Great Hungarian Plain. Acta Climatologica Universitatis Szegediensis, 18-20/1-4, 65-85. Mayer, H., Makra, L., Griem, P., Ahrens, D. und Reuter, U., 2003: Luftbelastungs- und Luftqualitätsindizes. METTOOLS V, Essen, Germany. Proceedings METTOOLS-V. FA Umweltmeteorologie der DMG, 121-124. McGregor, G.R. and Bamzelis, D., 1995: Synoptic typing and its application to the investigation of weather – air pollution relationships, Birmingham, United Kingdom. Theoretical and Applied Climatology, 51, 223-236. Mohl, M., Gaskó, B., Horváth, Sz., Makra, L. and Szabó, F., 2002: 2nd Environmental Programme of Szeged, 2003-2007. Manuscript. (in Hungarian) Péczely, G., 1957: Grosswetterlagen in Ungarn. Kleinere Veröffentlichungen derZentralanstalt für Meteorologie, Budapest, 30, 86 p. Péczely, G., 1979: Climatology. Tankönyvkiadó, Budapest, 336 p, ISBN 963 18 6001 9 (in Hungarian) Péczely, G., 1983: Catalogue of the macrosynoptic types for Hungary (1881-1983). Hungarian Meteorological Service, Budapest, OMSZ Kisebb Kiadványai, 53, 116 p, HU-ISSN 0133-3186; ISBN 963 7701 66 4 (in Hungarian) Sindosi, O.A., Katsoulis, B.D. and Bartzokas, A., 2003: An objective definition of air mass types affecting Athens, Greece; the corresponding atmospheric pressure patterns and air pollution levels. Environmental Technology, 24, 947-962.

Ábrajegyzék 1a. ábra Szeged földrajzi helyzete. Magyarország Európában (balra fent); Csongrád megye Magyarországon (jobbra fent), Szeged Csongrád megyében (középen) 1b. ábra Szeged beépítettségi típusai [a: belváros (2-4-emeletes épületek); b: házgyári elemekből épült lakótelepek (5-10-emeletes épületek); c: társas-házak, családi házak (1-2-emeletes épületek); d: ipari területek; e: zöldterületek, (1): monitoring állomás] 3. ábra Az egyes légtömegtípusokhoz (clusterekhez) tartozó átlagos tengerszinti légnyomási mező, illetve a hozzájuk tartozó napok számának havi gyakorisági értékei, észak-atlanti–európai térség, téli hónapok (december, január, február) 4a-b. ábra Az egyes légtömegtípusokhoz (clusterekhez) tartozó átlagos tengerszinti légnyomási mező, illetve a hozzájuk tartozó napok számának havi gyakorisági értékei, észak-atlanti–európai térség, nyári hónapok (június, július, augusztus)

Táblázatok jegyzéke 1. táblázat A téli hónapokra (december, január, február) kapott 5 cluster átlagos tengerszinti légnyomási mezőinek függetlenség vizsgálata, a 0-hipotézis teljesedési valószínűsége 2. táblázat A nyári hónapokra (június, július, augusztus) kapott 10 cluster átlagos tengerszinti légnyomási mezőinek függetlenség vizsgálata, a 0-hipotézis teljesedési valószínűsége 3. táblázat Kiindulási sajátértékek, megmagyarázott és kumulatív varanciák; téli hónapok (december, január, február) 4. táblázat A téli hónapok faktorsúlyai (december, január, február). Csupán a 0.60 -nál nagyobb értékeket mutatjuk be. 5. táblázat A téli hónapok öt jellegzetes clusteréhez tartozó napok meteorológiai és légszennyező paramétereinek átlagos értékei, (december, január, február) 6a. táblázat A légszennyezőanyag koncentrációk légtömegek közötti összehasonlításának ANOVA statisztikái, téli hónapok (december, január, február) 6b. táblázat Légtömegtípus – légszennyezettség differencia mátrix. Minden egyes mátrix cella két légtömegtípus összehasonlítását mutatja. Az egyes mátrix cellákban található légszennyező anyagok koncentrációi szignifikáns különböznek az egyes légtömegtípusok között a Tukeyféle szignifikáns differencia próba szerint (vastag: 1 %-os valószínűségi szint, dőlt: 5 %-os valószínűségi szint), téli hónapok (december, január, február) 7. táblázat Kiindulási sajátértékek, megmagyarázott és kumulatív varanciák; nyári hónapok (június, július, augusztus) 8. táblázat A nyári hónapok faktorsúlyai (június, július, augusztus). Csupán a 0.60 -nál nagyobb értékeket mutatjuk be. 9. táblázat. A nyári hónapok tíz jellegzetes clusteréhez tartozó napok meteorológiai és légszennyező paramétereinek átlagos értékei, (június, július, augusztus)

10. táblázat A légszennyezőanyag koncentrációk légtömegek közötti összehasonlításának ANOVA statisztikái, nyári hónapok (június, július, augusztus) 11. táblázat Légtömegtípus – légszennyezettség differencia mátrix. Minden egyes mátrix cella két légtömegtípus összehasonlítását mutatja. Az egyes mátrix cellákban található légszennyező anyagok koncentrációi szignifikáns különböznek az egyes légtömegtípusok között a Tukeyféle szignifikáns differencia próba szerint (vastag: 1 %-os valószínűségi szint, dőlt: 5 %-os valószínűségi szint), nyári hónapok (június, július, augusztus)

cluster 1 2 3 4 5

1. táblázat A téli hónapokra (december, január, február) kapott 5 cluster átlagos tengerszinti légnyomási mezőinek függetlenség vizsgálata, a 0-hipotézis teljesedési valószínűsége 1 2 3 4 1,0000 0,0000 0,0000 0,0000 0,0000 1,0000

5 0,0000 0,0000 0,0000 0,0000

cluster 1 2 3 4 5 6 7 8 9 10

2. táblázat A nyári hónapokra (június, július, augusztus) kapott 10 cluster átlagos tengerszinti légnyomási mezőinek függetlenség vizsgálata, a 0-hipotézis teljesedési valószínűsége 1 2 3 4 5 6 7 8 9 1,0000 1,0000 1,0000 1,0000 0,9998 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 0,0113 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000

10 0,9806 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000

3. táblázat Kiindulási sajátértékek, megmagyarázott és kumulatív varanciák; téli hónapok (december, január, február) komponens 1 2 3 4 5 6 7 8 9 10 11 12

teljes 6,10 2,38 1,05 0,85 0,75 0,46 0,34 0,04 0,02 0,00 0,00 0,00

kiindulási sajátértékek variancia, % 50,86 19,85 8,72 7,08 6,29 3,82 2,86 0,32 0,19 0,02 0,00 0,00

16

kumulatív variancia, % 50,86 70,70 79,42 86,51 92,79 96,61 99,47 99,79 99,97 100,00 100,00 100,00

4. táblázat A téli hónapok faktorsúlyai (december, január, február). Csupán a 0.60 -nál nagyobb értékeket mutatjuk be. meteorológiai paraméterek középhőmérséklet, Tmean maximum hőmérséklet, Tmax minimum hőmérséklet, Tmin napi hőmérsékleti terjedelem, ∆T= Tmax– Tmin szélsebesség, WS relatív nedvesség, RH globális sugárzás, I telítettségi gőznyomás, E gőznyomás, VP potenciálsi párolgás, PE harmatpont hőmérséklet, Td légnyomás, P

1. faktor 0,94 0,81 0,84

2. faktor

3. faktor

4. faktor

0,87 -0,89 0,74 0,93 0,97 0,74 0,97 0,96

A 0.10 -nél magasabb értékek statisztikailag szignifikánsak az 5 %-os valószínűségi szinten. A 4. táblázat azonban csupán a 0.60 -et meghaladó értékeket közli. Ez azt jelenti, hogy egy paraméter teljes varianciájának legalább 36 %-át egyetlen faktor megmagyarázza.

17

5. táblázat A téli hónapok öt jellegzetes clusteréhez tartozó napok meteorológiai és légszennyező paramétereinek átlagos értékei, (december, január, február) clusterek esetszám (napok) gyakoriság (%) Tmean (°C) Tmax (°C) Tmin (°C) ∆T= Tmax– Tmin, (°C) WS (m s-1) RH (%) I (MJ m-2) E (Hgmm) VP (Hgmm) PE (mm) Td (°C) P (Hgmm) CO (µg m-3) NO (µg m-3) NO2 (µg m-3) NO2vsNO O3 (µg m-3) O3max (µg m-3) SO2 (µg m-3) TSP (µg m-3)

1 56 12,4 -4,9 -1,0 -8,1 7,0 0,3 81,5 141,5 4,4 3,6 0,6 -7,4 756,9 878,3 24,3 42,0 3,0 27,2 50,7 15,8 61, 9

2 134 29,7 0,24 2,1 -1,6 3,7 0,6 83,5 70,7 6,4 5,3 0,8 -2,0 753,0 798,5 20,9 34,4 6,1 23,3 39,2 10,7 49,1

18

3 73 16,2 5,5 9,6 0,9 8,7 1,0 63,6 162,3 9,6 6,1 2,0 -0,7 739,7 564,6 24,1 41,0 2,5 33,4 59,5 11,6 50,1

4 94 20,8 2,4 7,6 -1,4 9,0 0,4 80,6 141,5 7,6 6,1 1,0 -0,4 750,9 933,4 44,0 47,2 1,8 23,1 46,5 11,7 61,4

5 90 20,0 6,0 8,1 2,5 5,6 0,9 84,3 71,3 9,6 8,1 1,1 3,8 746,0 790,4 28,5 39,5 3,3 20,2 39,0 9,9 44,7

6a. táblázat A légszennyezőanyag koncentrációk légtömegek közötti összehasonlításának ANOVA statisztikái, téli hónapok (december, január, február) csoportok közötti átlagos négyzetösszeg csoportokon belüli átlagos négyzetösszeg F-érték szignifikancia szint

CO

NO

NO2

NO2vsNO

O3

O3max

SO2

TSP

1516531,41

8183,16

2361,19

305,70

2057,77

6255,12

332,56

4971,82

137957,12

585,10

257,83

212,15

186,97

464,40

65,23

534,98

10,99

13,99

9,16

1,44

11,01

13,47

5,10

9,29

0,01

0,01

0,01

0,22

0,01

0,01

0,01

0,01

19

6b. táblázat Légtömegtípus – légszennyezettség differencia mátrix. Minden egyes mátrix cella két légtömegtípus összehasonlítását mutatja. Az egyes mátrix cellákban található légszennyező anyagok koncentrációi szignifikáns különböznek az egyes légtömegtípusok között a Tukeyféle szignifikáns differencia próba szerint (vastag: 1 %-os valószínűségi szint, dőlt: 5 %-os valószínűségi szint), téli hónapok (december, január, február) 1 2

NO2

O3max SO2 TSP

CO

O3max

3

4

2 CO

SO2 TSP NO SO2

NO2 O3

3 CO NO

NO NO2 TSP

5 O3

O3 CO

O3max SO2 TSP

O3max

O3max O3

20

4

TSP NO NO2

TSP

7. táblázat Kiindulási sajátértékek, megmagyarázott és kumulatív varanciák; nyári hónapok (június, július, augusztus) komponens 1 2 3 4 5 6 7 8 9 10 11 12

teljes 5,68 2,39 1,06 0,99 0,89 0,59 0,37 0,02 0,01 0,00 0,00 0,00

kiindulási sajátértékek variancia, % 47,35 19,94 8,86 8,22 7,38 4,92 3,07 0,17 0,10 0,01 0,00 0,00

21

kumulatív variancia, % 47,35 67,29 76,15 84,36 91,74 96,65 99,72 99,89 99,99 100,000 100,000 100,000

8. táblázat A nyári hónapok faktorsúlyai (június, július, augusztus). Csupán a 0.60 -nál nagyobb értékeket mutatjuk be. meteorológiai paraméterek középhőmérséklet, Tmean maximum hőmérséklet, Tmax minimum hőmérséklet, Tmin napi hőmérsékleti terjedelem, ∆T= Tmax– Tmin szélsebesség, WS relatív nedvesség, RH globális sugárzás, I telítettségi gőznyomás, E gőznyomás, VP potenciálsi párolgás, PE harmatpont hőmérséklet, Td légnyomás, P

1. faktor 0,88 0,75 0,82

2. faktor

3. faktor

4. faktor

0,98 -0,94 0,71 0,87 0,95 0,80 0,95 0,92

A 0.10 -nél magasabb értékek statisztikailag szignifikánsak az 5 %-os valószínűségi szinten. A 8. táblázat azonban csupán a 0.60 -et meghaladó értékeket közli. Ez azt jelenti, hogy egy paraméter teljes varianciájának legalább 36 %-át egyetlen faktor megmagyarázza.

22

9. táblázat. A nyári hónapok tíz jellegzetes clusteréhez tartozó napok meteorológiai és légszennyező paramétereinek átlagos értékei, (június, július, augusztus) Clusters Clusters Number of cases (days) Freqency (%) Tmean (°C) Tmax (°C) Tmin (°C) ∆T= Tmax– Tmin, (°C) WS (m s-1) RH (%) I (MJ m-2) E (mm Hg) VP (mm Hg) PE (mm) Td (°C) P (mm Hg) CO (µg m-3) NO (µg m-3) NO2 (µg m-3) NO2vsNO O3 (µg m-3) O3max (µg m-3) SO2 (µg m-3)

1 28 6.1 17.7 23.87 12.5 11.3 0.8 59.8 339.1 20.8 12.4 4.4 10.0 750.8 239.0 6.2 20.1 6.1 54.73 89.7 5.0 25.1

2 40 8.7 20.15 26.2 14.9 11.3 0.6 68.4 236.2 24.3 16.5 4.4 14.4 730.2 360.5 10.0 31.4 7.4 55.4 103.4 4.8 35.5

3 58 12.6 19.7 25.4 16.9 8.5 0.9 82.2 156.4 23.7 19.5 2.8 16.9 736.6 396.3 7.1 26.6 9.8 53.8 99.8 2.9 34.2

4 76 16.5 22.8 28.3 17.0 11.3 1.0 67.82 284.5 28.7 19.4 5.2 16.9 730.1 348.2 6.4 25.4 9.0 56.1 98.5 4.3 38.2

23

5 17 3.7 21.0 29.6 14.0 15.6 1.0 66.1 234.4 26.1 17.3 4.9 14.7 595.5 322.9 8.7 28.5 8.0 58.9 113.7 5.6 38.0

6 46 10.0 26.1 32.7 18.6 14.1 0.6 53.5 294.7 35.2 18.8 8.1 16.4 732.5 440.2 9.9 33.9 10.5 64.2 114.7 5.3 47.3

7 72 15.7 25.9 31.8 20.1 11.7 0.8 69.0 265.3 34.8 23.9 6.07 20.2 697.8 443.1 6.7 27.7 9.6 58.9 108.2 4.6 46.7

8 47 10.2 20.8 25.2 16.5 8.7 1.9 74.0 234.1 25.6 18.7 4.0 16.2 684.9 248.7 3.5 17.5 14.4 57.4 92.7 3.6 31.3

9 51 11.1 20.0 25.1 14.9 10.2 1.3 64.9 304.0 24.2 15.5 4.7 13.5 700.4 241.3 5.56 22.5 27.5 60.4 98.8 4.3 32.6

10 25 0.1 28.1 34.7 21.2 13.6 1.45 55.3 295.6 39.5 21.7 8.9 18.7 715.8 483.6 7.9 33.2 6.4 77.5 129.8 5.0 53.4

10. táblázat A légszennyezőanyag koncentrációk légtömegek közötti összehasonlításának ANOVA statisztikái, nyári hónapok (június, július, augusztus) csoportok közötti átlagos négyzetösszeg csoportokon belüli átlagos négyzetösszeg F-érték szignifikancia szint

CO

NO

NO2

NO2vsNO

O3

O3max

SO2

TSP

332509,51

174,27

1178,53

1873,59

1465,91

4555,88

26,59

2732,57

21776,86

37,17

125,86

942,20

253,81

694,29

11,63

134,77

15,27

4,69

9,36

1,99

5,78

6,56

2,28

20,28

0,01

0,01

0,01

0,04

0,01

0,01

0,02

0,01

24

11. táblázat Légtömegtípus – légszennyezettség differencia mátrix. Minden egyes mátrix cella két légtömegtípus összehasonlítását mutatja. Az egyes mátrix cellákban található légszennyező anyagok koncentrációi szignifikáns különböznek az egyes légtömegtípusok között a Tukey-féle szignifikáns differencia próba szerint (vastag: 1 %-os valószínűségi szint, dőlt: 5 %-os valószínűségi szint), nyári hónapok (június, július, augusztus) 1 CO

2

NO2 TSP

2

CO

3 TSP

3

CO

4 TSP

5

4

TSP

5

CO

6

CO O3max

O3max

NO2 TSP

TSP

NO2 O3

SO2 TSP

CO

NO2 TSP

6

CO

7 TSP

TSP CO NO NO2

8

TSP

TSP

CO

CO

NO2

NO2

7 CO NO NO2

NO2 TSP

9

CO NO NO2

CO

CO

CO

CO

CO

CO O3max NO2 TSP

NO2vsN O

CO NO NO2

TSP CO

TSP CO

10

O3max NO2 O3

TSP

O3max O3

TSP

O3max O3

TSP

TSP

CO

TSP

9 CO

O3max O3

8

NO2vsN O

O3max O3

TSP

25

O3

O3

CO O3max

NO2 O3

TSP

O3max NO2 O3

TSP

napok száma

1. cluster, n = 56 (12.5 %) 35 30 25 20 15 10 5 0 DEC

JAN

FEB

1. cluster 2. cluster, n = 134 (30.0 %)

napok száma

80 70 60 50 40 30 20 10 0 DEC

2. cluster

JAN

FEB

napok száma

3. cluster, n = 73 (16.3 %) 70 60 50 40 30 20 10 0

3. cluster

DEC

JAN

FEB

napok száma

4. cluster, n = 94 (21.0 %)

4. cluster 4

60 50 40 30 20 10 0 DEC

JAN

FEB

5. cluster, n = 90 (20.1 %)

napok száma

50 40 30 20 10 0 DEC

5. cluster

JAN

FEB

3. ábra Az egyes légtömegtípusokhoz (clusterekhez) tartozó átlagos tengerszinti légnyomási mező, illetve a hozzájuk tartozó napok számának havi gyakorisági értékei, észak-atlanti–európai térség, téli hónapok (december, január, február) 26

Number of Days

Cluster 1, n = 28 (6.1 %) 15 10 5 0 JUN

JUL

AUG

cluster 1

Number of Days

Cluster 2, n = 40 (8.7 %) 25 20 15 10 5 0 JUN

cluster 2

JUL

AUG

Number of Days

Cluster 3, n = 58 (12.6 %) 40 30 20 10 0 JUN

cluster 3

JUL

AUG

Number of Days

Cluster 4, n = 76 (16.5 %) 30 25 20 15 10 5 0 JUN

cluster 4

JUL

AUG

Number of Days

Cluster 5, n = 17 (3.7 %)

cluster 5

12 10 8 6 4 2 0 JUN

JUL

AUG

4a. ábra Az egyes légtömegtípusokhoz (clusterekhez) tartozó átlagos tengerszinti légnyomási mező, illetve a hozzájuk tartozó napok számának havi gyakorisági értékei, észak-atlanti–európai térség, nyári hónapok (június, július, augusztus) 27

Number of Days

Cluster 6, n = 46 (10.0 %) 40 30 20 10 0 JUN

cluster 6

JUL

AUG

Number of Days

Cluster 7, n = 72 (15.6 %) 30 25 20 15 10 5 0 JUN

cluster 7

JUL

AUG

Number of Days

Cluster 8, n = 47 (10.2 %) 20 15 10 5 0 JUN

cluster 8

JUL

AUG

Number of Days

Cluster 9, n = 51 (11.1 %) 25 20 15 10 5 0 JUN

cluster 9

JUL

AUG

Number of Days

Cluster 10, n = 25 (5.4 %) 14 12 10 8 6 4 2 0 JUN

cluster 10

JUL

AUG

4b. ábra Az egyes légtömegtípusokhoz (clusterekhez) tartozó átlagos tengerszinti légnyomási mező, illetve a hozzájuk tartozó napok számának havi gyakorisági értékei, észak-atlanti–európai térség, nyári hónapok (június, július, augusztus) 28

29