MENDELOVA UNIVERZITA V BRNĚ AGRONOMICKÁ FAKULTA BAKALÁŘSKÁ PRÁCE

MENDELOVA UNIVERZITA V BRNĚ AGRONOMICKÁ FAKULTA

BAKALÁŘSKÁ PRÁCE

BRNO 2015

ZUZANA KAPUSTOVÁ

Mendelova univerzita v Brně Agronomická fakulta Ústav techniky a automobilové dopravy

Studie klimatických změn Bakalářská práce

Vedoucí práce: doc. RNDr. Stanislav Bartoň, CSc.

Vypracovala: Zuzana Kapustová

Brno 2015

Čestné prohlášení

Prohlašuji, že jsem práci: Studie klimatických změn vypracoval/a samostatně a veškeré použité prameny a informace uvádím v seznamu použité literatury. Souhlasím, aby moje práce byla zveřejněna v souladu s § 47b zákona č. 111/1998 Sb., o vysokých školách ve znění pozdějších předpisů a v souladu s platnou Směrnicí o zveřejňování vysokoškolských závěrečných prací. Jsem si vědom/a, že se na moji práci vztahuje zákon č. 121/2000 Sb., autorský zákon, a že Mendelova univerzita v Brně má právo na uzavření licenční smlouvy a užití této práce jako školního díla podle § 60 odst. 1 autorského zákona. Dále se zavazuji, že před sepsáním licenční smlouvy o využití díla jinou osobou (subjektem) si vyžádám písemné stanovisko univerzity, že předmětná licenční smlouva není v rozporu s oprávněnými zájmy univerzity, a zavazuji se uhradit případný příspěvek na úhradu nákladů spojených se vznikem díla, a to až do jejich skutečné výše.

V Brně dne:………………………..

…………………………………………………….. podpis

Poděkování

Touto cestou děkuji panu doc. RNDr. Stanislavu Bartoňovi, CSc. za jeho čas věnovaný konzultacím, odborné připomínky, cenné rady a ochotu při zpracování mé bakalářské práce. Dále děkuji panu Bohumilu Lýskovi za ochotu a čas strávený konzultováním procesu měření a poskytnutí dat z jeho soukromé meteorologické stanice, použitých v praktické části této práce.

ABSTRAKT

Tato práce se zabývá stanovením závislosti maximální rychlosti nárazu větru na proběhu větru, jeho průměrné rychlosti, a obory, které jsou touto případnou závislostí ovlivněny. K odpovědi, zda spolu jmenované jevy přímo souvisí či nikoli, byl použit program Maple, do kterého byla vložena data získaná ze soukromé meteorologické stanice pana Bohumila Lýska. Data zpracovávána v této práci byla naměřena v Kunovicích v letech 2012 - 2014. Klíčová slova: meteorologie, ovzduší, vítr, agrometeorologie, Maple, metoda nejmenších čtverců, nelineární iterace, směrodatná odchylka, koeficient lineární korelace

ABSTRACT

Bachelor thesis deals with determining the dependence of the maximum wind gust speed on wind’s daily track or on its average speed, and disciplines that might be affected. Program Maple was used to find the proper functional relation. Data measured between years 2012 and 2014 by Bohumil Lýsek owner of the meteorological station located in Kunovice where used as a source data for the program Maple Key worlds: meteorology, atmosphere, wind, agrometeorology, Maple, least squares method, non-linear iteration, standard deviation, coefficient of linear correlation

OBSAH

ABSTRAKT ..................................................................................................................... 5 ÚVOD ............................................................................................................................. 10 CÍL PRÁCE .................................................................................................................... 11 1

LITERÁRNÍ PŘEHLED ........................................................................................ 12 1.1

Historie a současnost měření ............................................................................ 12

1.1.1

Počátky meteorologie ............................................................................... 12

1.1.2

Měření rychlosti a směru větru ................................................................. 13

1.2

Vliv podnebí na zdraví lidí ............................................................................... 15

1.2.1

Vliv meteorologických podmínek na rozptyl znečišťujících látek ........... 16

1.2.2

Metodický pokyn pro zpracování rozptylových studií ............................. 17

1.3

Vliv povětrnostních podmínek na stavby ......................................................... 18

1.4

Větrná eroze ..................................................................................................... 20

1.4.1 2

Větrolamy ................................................................................................. 21

MATERIÁL A METODIKA.................................................................................. 24 2.1

Popis lokality.................................................................................................... 24

2.2

Stanice typu WH 1080 ..................................................................................... 25

2.2.1

Technické údaje ........................................................................................ 25

2.2.2

Popis zařízení ............................................................................................ 26

2.3

Zpracovávaná data ........................................................................................... 27

2.4

Výpočet v Maple .............................................................................................. 28

3

VÝSLEDKY A DISKUZE ..................................................................................... 38

4

ZÁVĚR ................................................................................................................... 39

5

LITERATURA, POUŽITÉ ZDROJE ..................................................................... 40 5.1

Literární zdroje ................................................................................................. 40

5.2

Internetové zdroje............................................................................................. 41

5.3

Další právní předpisy ....................................................................................... 43

6

SEZNAM OBRÁZKŮ A GRAFŮ ......................................................................... 44

7

SEZNAM ZKRATEK: ........................................................................................... 45

8

SEZNAM POUŽITÝCH PROMĚNNÝCH PROGRAMU MAPLE: .................... 46

9

PŘÍLOHA ............................................................................................................... 47

ÚVOD

V dnešní době je produkce odpadu stále vyšší a vyšší. Je však zřejmé, že nejlepší odpad je ten, který vůbec nevzniká. Je tedy kladen velký důraz na předcházení jeho vzniku. Tuto povinnost nám koneckonců udává i naše legislativa, která tuto činnost staví na první místo v hierarchii nakládání s odpady. Přesto ať se snažíme sebevíc, žít a neprodukovat odpad je takřka nemožné. Abychom nezatěžovali přírodu, je zapotřebí vyvíjet nové a zdokonalovat staré způsoby využívání odpadů. Stále častěji můžeme slyšet o problematice spaloven, čistíren odpadních vod i bioplynových stanicích. Všechny tyto objekty jsou potencionálním stacionárním zdrojem znečištění, stejně tak jako řada výrobních průmyslových podniků nebo intenzifikace dopravy. Mnohým z nich náleží povinnost měření emisí znečišťujících látek. Konkrétní výčet nalezneme v příloze č. 4, zákona 201/2012 Sb. Také rozptýlení plynných odpadů je bez vanoucího větru značně obtížné. Zaměřím se proto především na tento klimatický jev, který kromě již zmíněné ochrany ovzduší zasahuje do velkého množství dalších různorodých odvětví. Pro příklad lze uvést zemědělství, lesnictví, dopravu, stavebnictví, energetiku, sport a mnoho dalších. Cílem předložené práce je vybrané okruhy, které mohou být působením větru ovlivňovány, blíže specifikovat a konkretizovat.

10

CÍL PRÁCE

Cílem práce je stanovení závislosti mezi maximální velikostí nárazu větru a průměrnou rychlostí větru daný den. K analýze byla použita data naměřená ve městě Kunovice, ve Zlínském kraji. Tato lokalita byla vybrána z více důvodů. Tím prvním je snadná dostupnost

dat,

která

jsou

veřejně

poskytována

na internetových

stránkách

provozovatele meteorologické stanice, pana Bohumila Lýska. Dalším byla přijatelná vzdálenost od místa bydliště i to, že data bezprostředně souvisí s tématem této práce. Vyhodnocení a stanovení závislosti probíhalo v programu Maple.

11

1 LITERÁRNÍ PŘEHLED

1.1 Historie a současnost měření

Význam meteorologie a klimatologie není třeba zdůrazňovat. Od pradávna byl člověk nucen podřizovat se přírodním podmínkám, ať už při trvalém osidlování nové oblasti, obdělávání polí nebo mořeplavbě, která má své počátky již ve starověku. Kresby znázorňující plavidla na Nilu jsou stará více než 5000 let. Vítr byl a je dodnes využíván také jako zdroj energie. Počátky větrných mlýnů jsou datovány do doby před více než 2200 lety do Persie. Za nejstarší větrný mlýn v ČR je považován mlýn na zahradě pražského Strahovského kláštera z roku 1277, [1]. 1.1.1 Počátky meteorologie Pravidelná meteorologická pozorování jsou doložena z období 6. stol. př. n. l. z Řecka. Toto dokládají tzv. parapegmata, povětrnostní kalendáře, kde byla uvedena data pro jednotlivé dny roku a časová období0v0souvislosti0s0východy0a0západy určitých hvězd a souhvězdí, [1]. Pojem

„“

(meteorologia)

použil

jako

první

filosof

Platón

ve 4. st. př. n. l. v díle jménem Faidros. Základy anthropoklimatologie, zabývající se vlivem podnebí na člověka, položil ve stejné době lékař Hippokrates. Nejvýznamnější osobou je však Aristoteles, který sepsal knihu Meteorologica. Všichni autoři učebnic meteorologie, uveřejněných v Evropě až do konce 17. stol., vesměs vycházejí z jeho názorů, [1]. V Athénách byla v 1. století př. n. l. pro účely měření vystavěna tzv. Věž větrů. Osmiúhelníková stavba byla vybavena slunečními hodinami, vodními hodinami s otáčivou mapou hvězdné oblohy a větrnou korouhvičkou pro měření směru větru, která měla pro Řeky jakožto mořeplavce velký význam, [1, 2]. Postupem času byly publikovány další články, docházelo k vývoji měřících přístrojů. Velký zájem o děje v atmosféře byl zaznamenán koncem 15. stol po započetí objevných cest plachetnicemi, což jednoznačně podporovalo zájem námořníků o znalost vzdušných proudů nad oceány a o proudy mořské. Kolem roku 1600 Galileo Galilei vynalezl teploměr, roku 1643 Torricelli a Viviani barometr a konečně kondenzační 12

vlhkoměr vznikl z přístroje vyrobeného Ferdinandem II. Toskánským taktéž v 17. století, [1] Roku 1806 vytvořil anglický kontraadmirál Francis Beaufort stupnici, jež na základě pozorování účinků větru na vodní hladinu udává jeho přibližnou rychlost bez použití jakýchkoli přístrojů. Vztah pro přepočet ze stupňů Beauforta na km/h je v = 0,836 ∙ √𝐵3 ∙ 3,6 km/h, [3, 15].

Obr. 1: Beaufortova stupnice síly větru 1.1.2 Měření rychlosti a směru větru Rychlost a síla větru jsou značně proměnlivé veličiny. Také proto nebylo jejich měření vždy lehkým úkolem. Mezi nejjednodušší měřicí přístroje patří zmíněné větrné korouhve a pytle. Větrná korouhev v kombinaci s kompasem podává údaj o směru větru, pytel naznačí i jeho přibližnou sílu. Je-li vítr příliš slabý, pytel visí téměř rovnoběžně vzhledem ke stožáru. Při silném větru směřuje kolmo. Složitější jsou tzv. anemometry. Jsou založeny na principu horizontálně instalovaného rotoru 13

s připevněnými

miskami,

které

jsou

působením

větru

roztáčeny.

Dochází

k zaznamenávání rychlosti větru a transformování do měřitelné podoby, [4]. V praxi se pro přehlednější vyjádření výsledků používá tzv. větrná růžice, která příslušnému1směru2přiřadí

odpovídající3rychlost4a procentuální0četnost

proudění

vzduchu. Směr větru je dán světovou stranou, ze které vítr vane. Udává se ve stupních azimutu, popřípadě závaznými anglickými zkratkami. Celkově rozlišujeme 36 směrů vanutí větru. Čtyřem základním světovým stranám odpovídají dané hodnoty: východní vítr (E) 09, jižní vítr (S) 18, západní vítr (W) 27, severní0vítr (N) 36. Údaj 00 označuje bezvětří, [5, 15]. Rychlost větru je možné určit i podle tlakového gradientu - rozdílu tlaku mezi dvěma oblastmi v závislosti na jejich vzdálenosti. Ten uvádějí izobary, čáry, které na meteorologické mapě spojují místa se stejným atmosférickým tlakem. Rychlé větrné proudění je důsledkem velkého tlakového gradientu, znázorněného hustě položenými izobarami, a naopak. Izobary zároveň vyznačují cyklony, oblasti tlakové níže, a anticyklony, tlakové výše, [6]. Na proudící vítr působí síly, které ovlivňují jeho směr. Kromě již zmiňovaného tlakového gradientu, který nutí pohybovat vzduch z oblasti tlakové níže přímo k oblasti tlakové níže, musíme zohlednit i odstředivou sílu, tření a tzv. Coriolisovu sílu. Vztah pro výpočet síly, která působí na jednotkový objem vzduchu je následující: 𝐶𝑜𝑟𝑧 = 2 ∙ 𝜌 ∙ 𝑣𝑚𝑧 ∙ 𝜔 ∙ sin⁡(ψ), kde  je hustota vzduchu, vmz je střední rychlost větru

ve výšce z nad Zemí, ω je úhlová frekvence otáčení Země a ψ zemská šířka v místě měření, [5,6]. Coriolisova síla způsobuje vychýlení každého přesunu, tedy i pohybu vzduchu, na severní polokouli vpravo, na jižní nalevo od původního směru. Výsledná orientace je v neposlední řadě dána nadmořskou výškou. Vrstvy vzduchu, proudící pod 500 m nadmořské výšky, jsou ovlivněny i samotným pohybem planety. To zmenšuje Coriolisovu sílu a větry tak mohou proniknout až do středu cyklon. V případě větší nadmořské výšky, kde nedochází k narušení těchto sil, mají větry tendenci vát rovnoběžně s izobarami. U nás, na severní polokouli, se větry stáčejí po směru hodinových ručiček okolo anticyklon a proti směru hodinových ručiček okolo cyklon. Mezi další vlivy patří například tvar reliéfu nebo sousedství velké vodní plochy a pevniny, [6].

14

Kromě rychlosti a směru větru je měřen i jeho tlak. Je závislý na hustotě vzduchové hmoty, rychlosti jejího proudění a velikosti a tvaru překážek. Síla větru je pak dynamickým

působením

tlaku

větru

na překážku.

Dalším

parametrem

je

tzv. nárazovitost, která je charakterizována prudkými změnami rychlosti, nejméně o 5 m/s během 20 s, nebo směru proudění, min 45 ° do 20 s. Nárazy větru jsou někdy uváděny jako poryvy větru, [7]. V roce 1989 vznikl jako součást Světové meteorologické organizace WMO (World Meteorological Organization) systém globálního sledování atmosféry, tzv. GAW (Global Atmosphere Watch), který má za cíl monitorovat znečištění atmosféry a globální množství ozonu. V roce 2002 bylo v provozu 22 stanic globálního zaměření a 300 regionálních stanic, umisťovaných podle jasně daných předpisů. Bylo založeno 9 světových center, zajišťujících správu a kontrolu kvality dat. Data a vědecké výsledky jsou dostupné a publikované, [8]. Na celém světě můžeme najít stanice různých typů, dělící se podle zaměření (synoptické, letecké, klimatologické, observatoře, agrometeorologické, amatérské a další), umístění (pozemní, námořní, letounové) nebo podle míry automatizace (plně automatické a s lidskou obsluhou). V České republice bylo v roce 2011 v provozu 802 stanic ČHMÚ, z nichž 6 bylo pod správou Armády ČR. Synoptických stanic bylo možné v roce 2013 najít 18, klimatických přes 179, z nichž je částečně nebo plně zautomatizovaných 140, a amatérských více než 130. Nejvíce stanic je srážkoměrných. ČHMÚ jejich počet udává na 600, avšak automatizovaných je pouze 77. Doplňkové údaje poskytuje 26 totalizátorů, které jsou umístěny v těžce dostupných horských oblastech, [16, 17].

1.2 Vliv podnebí na zdraví lidí

Před rokem 1989 patřila kvalita ovzduší a životního prostředí v České republice k jedněm z nejhorších v Evropě. Aby se tato skutečnost změnila, byl pod Českým hydrometeorologickým ústavem (ČHMÚ) v 90. letech zřízen úsek ochrany životního prostředí a ve spolupráci s MŽP ČR a dalšími složkami bylo zahájeno celoplošné soustavné měření depozičních, emisních a imisních dat. Imisní monitoring lze podle sledovaných složek v ovzduší rozdělit na monitoring organických látek, anorganických 15

látek, těžkých kovů a dalších stopových prvků v ovzduší a monitoring kvality srážek a atmosférické depozice. Za znečišťování ovzduší se mimo přítomnost hmotných částic v atmosféře

musí

považovat

také

hluk

a vibrace,

elektromagnetické, tepelné

a radioaktivní záření. Monitoring lze rozdělit na Automatizovaný Imisní Monitoring (AIM) a manuální s obsluhou měřící sítě. Databázi a správu dat zajišťuje Informační Systém Kvality Ovzduší (ISKO), [8]. 1.2.1 Vliv meteorologických podmínek na rozptyl znečišťujících látek Pro popis rozptylu plynů v atmosféře existuje řada modelů. Mohou být rozděleny podle chování vytvořeného oblaku, trvání úniku nebo složitosti modelování. Základy modelování položil ve 20. letech 20. století G. I. Taylor, kterého o deset let později doplnil O. G. Sutton. Jejich model se vztahoval na plyny o nižší hustotě než je hustota vzduchu nebo na popis pasivní rozptylové fáze a vychází ze znalosti turbulentní difúze. V roce 1961 přišel F. Pasquill s klasickou a stále používanou typizací rozptylových podmínek.

Vychází

z meteorologických

jevů

snadno

pozorovatelných

na meteorologických stanicích jakými je rychlost větru v m.s-1, míra insolace a stupeň oblačnosti. Pro zjednodušení rozdělil stabilitu atmosféry do 6 tříd od kategorie A (extrémně instabilní) po F (extrémně stabilní). Třídy D, která je označována za neutrální, E a F platí z hlediska rozptylu znečišťujících látek (ZL) za špatné, neboť se očekává, že k významnému snížení jejich koncentrace dojde až po tom, co urazí značnou vzdálenost. Ke zvýšení stability dochází například při přemístění teplejšího vzduchu nad chladnější, neboli teplotní inverze advekčního typu, která způsobí snížení možnosti prostorového rozptylu, což vede ke zhoršení kvality ovzduší, [8, 18].

Obr. 2: Pasquillovo rozdělení stability atmosféry podle vnějších podmínek

16

Rychlost, směr větru, jeho předpověď a sledování má značný význam pro prognózu možného znečištění atmosféry, neboť pohyby vzduchu nejvýrazněji ovlivňují přenos a šíření škodlivých látek v atmosféře. Výměna vzduchových hmot se projeví značným prouděním, čímž nastane rychlá změna koncentrací nežádoucích příměsí. Toto proudění má nejčastěji tvar konvekce nebo turbulence. Konvekční proudění tvoří neuspořádané víry, orientované vertikálně i horizontálně. Turbulentní proudění rozdělujeme na mechanické, které vzniká obtékáním terénu, a termické, vznikající vlivem nestability teplotního zvrstvení. Oba typy mají za důsledek promíchávání emisí. Mezi podmínky vedoucí k vysokým koncentracím ZL v atmosféře se řadí anticyklonální oblasti, proudění větrů z jižních nebo východních částí republiky a proudění nízkými rychlostmi. Na kvalitu ovzduší a podmínky rozptylu má z hlediska meteorologie značný vliv také charakter tlakového pole a teplotní zvrstvení atmosféry. Mezi další faktory patří charakter zdroje znečišťování a charakter georeliéfu, [8]. 1.2.2 Metodický pokyn pro zpracování rozptylových studií Při hodnocení vlivu současných nebo plánovaných zdrojů znečišťování ovzduší na stávající9úroveň8znečištění je třeba vypracovat rozptylovou studii. Povinnost vypracovat tuto studii vyplývá ze zákona č. 201/2012 Sb., o ochraně ovzduší, kde je uveden výčet zdrojů a záměrů, kterým tato povinnost náleží, [19]. Náležitosti obsahu rozptylové studie jsou uvedeny v příloze č. 15, vyhlášky č. 415/2012 Sb. Mezi vstupní údaje potřebné k provedení výpočtu znečištění ovzduší spadá mimo jiné kategorie Meteorologické podklady. V této části je nejdůležitější vstupním údajem zpracovaná větrná růžice, která je rozlišená podle tříd rychlosti větru a stability atmosféry. Je nesprávné tvrzení, že se všechny třídy stability atmosféry vyskytují při všech rychlostech větru. Možné kombinace jsou uvedeny v tabulce, přičemž třída rychlosti větru č. 1 zastupuje „slabý vítr“ v rozmezí rychlostí 0 – 2,5 m/s, třída č. 2 „mírný vítr“ v rozmezí rychlosti 2,5 – 7,5 m/s a třída č. 3 „silný vítr“ s rychlostí nad 7,5 m/s. Z přiložené tabulky je možno vyčíst, že se v praxi může vyskytnout 11 kombinací. Větrná9růžice10musí7obsahovat relativní četnosti směru větru z 8 základních směrů pro 11 různých typů8rozptylových7podmínek a četnost bezvětří pro každou třídu8stability11atmosféry, [20, 21, 22].

17

Obr. 3: Kombinace tříd stability a tříd rychlosti větru Za příznivé meteorologické podmínky z hlediska kvality ovzduší se považují ty, které omezují vznik vysokých koncentrací škodlivin v blízkosti jejich zdrojů a zároveň způsobují dostatečnou intenzitu prostorového rozptylu. Je ale nutné uvést, že konstatování jakékoli příznivosti atmosférických podmínek na čistotu ovzduší je značně relativní. Ze zákona zachování hmoty jasně vyplývá, že jednou emitované emise se nemohou v atmosféře v žádném případě ztratit, mohou se nanejvýš rozředit s okolní atmosférou, rozptýlit se v ní a deponovat na jiném místě. Příznivé rozptylové podmínky pro okolní zdroje jsou tak nepříznivé pro vzdálenější oblasti a naopak. Znovu platí zásada, že nejlepší cestou vedoucí ke zlepšení kvality ovzduší je omezení nebo ještě lépe zamezení vypouštění jakýchkoli emisí do atmosféry, [8].

1.3 Vliv povětrnostních podmínek na stavby

V některých oblastech světa se vyskytují větry, které se opakují v pravidelných denních či ročních obdobích. Česká republika do těchto zeměpisných oblastí nespadá. Jednou z cest, jak zohlednit zatížení větrem při navrhování staveb nebo se vyhnout komplikacím

při náhodných

větrných

bouřích,

je

využití

dlouhodobých

meteorologických měření. Z těchto statistik lze získat maximální rychlosti větru, četnost jejich výskytu v minulosti a částečné předpovězení budoucnosti. Pro úplné vyhodnocení vnějších podmínek v dané lokalitě a zaznamenání dynamické odezvy se využívá krátkodobých měření speciálními anemometry, které zaznamenávají časový průběh rychlosti větru v dostatečně podrobném časovém měřítku, [5]. Povinnost shromáždit klimatické a hydrologické údaje oblasti, kde je jedním z bodů směr a síla převládajících větrů, je ukládána např. zakladatelům skládek, a to normou

18

ČSN 83 8030 (Skládkování odpadů – Základní podmínky pro navrhování a výstavbu skládek). Zatížení staveb větrem je řešeno v normě ČSN EN 1991-1-4:2007, jenž je českou verzí evropské normy EN 1991-1-4:2005. Tato norma se vztahuje na stavby do výšky 200 m a mosty do maximálního rozpětí 200 m a udává pravidla pro návrhové situace, rychlost a tlak větru, účinek větru na konstrukci, součinitel tlaků a sil a vlivy prostředí. Vliv lokálních teplotních účinků na charakteristické hodnoty větru, jako je například silná arktická inverze nebo tornáda, do ní zahrnut nebyl, [9, 10]. V některých oblastech je třeba k zatížení větrem přičíst také zatížení námrazou, sněhem nebo dopravou. Postupy pro jejich stanovení určují normy ČSN ISO 12494, která rovněž zahrnuje námrazovou mapu ČR, ČSN EN 1991-1-3 a ČSN EN 1991-2. Vliv námrazy a sněhu mohou změnit geometrii konstrukce, jako je velikost referenční plochy, tvar průřezu, nebo její dynamické vlastnosti, [9, 10]. Pro určení2zatížení6konstrukcí je jedním z hlavních parametrů maximální tlak větru, který je závislý na střední rychlosti větru a intenzitě turbulence. Maximální tlak ovlivňují povětrnostní podmínky příslušné oblasti, drsnost terénu, orografie oblasti a výška budovy, [9]. Povětrnostní podmínky se pro různé oblasti popisují hodnotami tzv. charakteristické desetiminutové-střední-rychlosti větru vb,o ve výšce-10 můnad)zemí v terénu s nízkou vegetací, což podle tabulky sestavené pro určité kategorie a parametry terénu spadá pod terén

kategorie

II.

Tyto

charakteristické

hodnoty

odpovídají

roční

pravděpodobnosti9překročení 0,02, jenž odpovídá střední době návratu jednou za 50 let. Výchozí základní rychlosti vb,o pro území ČR jsou vyznačeny na mapě větrných oblastí a barevně rozlišeny do pěti zón pro rychlosti 22,5 m/s, 25 m/s, 27,5 m/s, 30 m/s a 36 m/s. Pro zóny s výchozí základní rychlostí 36 m/s nebo ve speciálních případech umístění staveb, např. na vrcholech kopců, se k rychlosti větru musí vyjádřit ČHMÚ. Základní rychlost větru lze5pro8určitou4oblast určit podle vztahu vb = cdir ∙ cseason ∙ vb,0, přičemž jednotlivé členy představují postupně součinitel směru větru a součinitel ročního období, který je podle8národní8přílohy7ČR9roven jedné. Na následující mapě je možno vidět, že město Kunovice, odkud pochází data využitá v této práci, náleží do kategorie II, [5, 9].

19

Obr. 4: Mapa větrných oblastí v ČR podle normy ČSN EN 1991-1-4 2005

1.4 Větrná eroze

Půda patří mezi neobnovitelné přírodní zdroje a je jedním z nejcennějších přírodních bohatství každého státu. Pro zemědělství a lesnictví je základním výrobním prostředkem. Je však ohrožována řadou procesů, které vedou k0omezení nebo až8ztrátě schopnosti0půdy plnit své6základní funkce, mezi něž patří větrná eroze, [23]. Větrná, také označována jako eolická, eroze se skládá ze tří na sebe navazujících fází. První fází je abraze, rozrušování půdního povrchu mechanickou silou větru, druhá deflace, odnášení půdních částic větrem a poslední akumulace, ukládání půdních částic na jiném místě. Dojde-li k turbulentnímu proudění větru se silou tak velkou, že je schopna překonat gravitaci částic, nastanou postupně první dvě fáze. V momentě, kdy dojde k poklesu silového působení větru pod potřebnou mez, nastane fáze poslední, [7]. Je uváděno, že je na Moravě větrnou erozí postihováno nebo ohrožováno celých 45 % výměry zemědělské půdy. Eolizaci ovlivňují z velké části faktory meteorologické a půdní. Do meteorologických spadá rychlost a směr větru, doba trvání a jejich četnost, 20

výpar a srážky. Minimální rychlost, při které eroze nastává, je nazývána kritickou rychlostí. Pohybuje se v rozmezí 21 – 48 km/h a je různá pro různé typy půd. Vliv má i drsnost terénu, která rychlost větru značně snižuje. Mezi půdní faktory patří struktura půdy (zejména obsah jílovitých částic), velikost půdních částic (při nárazovitých a silných větrech jsou odnášeny částice o průměru větším jak 2 mm) nebo vlhkost. Neméně důležitým hlediskem je délka území ve směru působení větru, sklonitost pozemku a vegetační bariéry, [7, 23]. Negativní vlivy transportu a sedimentace půdních částic při větrné erozi mohou být následující: poškozování či likvidace mladých vyrůstajících rostlin, obnažení kořenů pěstovaných plodin, přímé vyvátí semen a snížení výnosnosti, vznik prašných bouří, transport chemických látek, zeslabování vrstvy ornice, což vede ke snižování úrodnosti půdy, snížení průměru půdních částic a zhoršení fyzikálních vlastností půdy, [23, 24]. 1.4.1 Větrolamy Přirozeným prostředkem ke zmenšení účinků větru, jednak proti odnosu půdy, ale také pro úsporu energie v rodinném domě, jsou bezesporu větrolamy. Obecně je jejich úkolem snižovat rychlost větru v určité vzdálenosti za větrolamem i před a eliminovat turbulentní proudění vzduchu v přízemní vrstvě. Jejich účinnost je závislá na jejich šířce, u přírodních ochranných pásů na skladbě jednotlivých druhů vysázených dřevin a zejména na propustnosti vzdušného proudění. Mohou se dělit na umělé a přírodní, z hlediska účinnosti je však nejdůležitější dělení na prodouvavé, neprodouvavé a poloprodouvavé, [5, 11]. Umělé zábrany lze vyrobit z odpadních prken nebo odpadních fólií, čímž nejen že snížíme rychlost větru, ale také opětovně využijeme nepotřebný materiál. Nejúčinnější ochrany lze dosáhnout při síťovém uspořádání zábran, ale vzhledem k jejich malé výšce není ani tak účinnost moc vysoká. Pokud jde o ochranu budov pomocí zdí, větrolam může zabránit ochlazování budovy účinky větru, může chránit budovu před dynamickým namáháním větrem, ale v některých případech může zvýšit velikost sací síly působící na střechu, zejména je-li hřeben střechy nevhodně orientován vzhledem k větrolamu a směru vanutí větru, [5, 11]. Snížení rychlosti větru přírodními větrolamy má značný vliv na zvyšování vlhkosti půdy. Čím je půda těžší, tím větší síla je potřebná pro překonání gravitačních sil částic.

21

Proto zvýšení vlhkosti půdy zpětně brání jejímu odnosu. Vlhkost má díky působení kohezních sil vliv také na tvorbu půdních agregátů mezi půdními částicemi, [11, 25]. Prodouvavé, neboli propustné ochranné lesní pásy složené z jedné nebo dvou řad stromů bez keřového patra jsou nejméně vhodné z toho důvodu, že je v kmenovém prostoru možnost vzniku tryskového efektu. Nejsou schopny poskytnout náležitou ochranu proti silnému větru, [7, 11].

Obr. 5: Propustný typ větrolamu Neprodouvavé, nepropustné větrolamy tvoří neprodyšnou vrstvu tím, že jsou složeny z více řad stromů i keřového patra. Rychlost větru je tlumena pouze v jeho bezprostřední blízkosti, ve které navíc dochází k nežádoucímu turbulentnímu proudění, a to v důsledku mírného přetlaku na návětrné a podtlaku na závětrné straně. Z toho plyne, že rovněž nejsou nejvhodnější volbou při ochraně půdy před větrnou erozí, [7, 11].

Obr. 6: Nepropustný typ větrolamu Konečně nejvhodnějším typem jsou větrolamy poloprodouvavé, polopropustné. Složeny jsou nanejvýš ze dvou řad stromů a keřového patra. Vítr tak může útvarem částečně prostupovat i jej obtékat. Dochází ke splývání proudnic a eliminaci turbulencí. Optimální propustnost se pohybuje v rozmezí 40 – 50 %. Vlivem tření způsobeného kontaktem s listy, větvemi a kmeny dochází ke snižování rychlosti větru. Jeho další velkou výhodou je, že oproti nepropustným větrolamům zabírá minimum orné půdy, avšak za dosažení maximální účinnosti, [11]. 22

Obr. 7: Polopropustný typ větrolamu Aby větrolamy účinně plnily funkci ochrany půdy, nestačí vysázet pouze jeden. Je nutné vybudovat určitou síť větrolamů, volenou podle ohroženosti půdy, současnému stavu stávajících větrolamů a podle větrných charakteristik území. Pro správné umístění v krajině je třeba znát maximální dosahovanou rychlost a směr větru v období nejintenzivnější větrné expozice. Při výběru umístění je vhodné spolupracovat s konfigurací terénu, například umístěním větrolamu na vyvýšené místo ke zvýšení jeho účinnosti, [7].

23

2 MATERIÁL A METODIKA

2.1 Popis lokality

Data byla měřena na jihovýchodní Moravě, konkrétně v městě Kunovice. Stanice je umístěna na zeměpisných souřadnicích šířky 49° 02' 30", délky 17° 28' 09", v nadmořské výšce 185 m. Toto město se nachází 3 km od okresního města Uherské Hradiště ve Zlínském kraji. Rozkládá se v nížině Dolnomoravského úvalu, jižně ohraničené Vizovickou vrchovinou, část Hlucká pahorkatina, západně pohořím Chřiby. Protéká jím řeka Olšava. Vzhledem k této konfiguraci terénu převládají severní a jižní směry proudění větru, zbylé jsou méně časté a především frontální, [26]. Městem prochází železnice, která v době vzniku napomohla i rozvoji průmyslu. Nejznámější je dnes firma Aircraft Industries, a.s, která v Kunovicích funguje od roku 1936, tehdy pod názvem AVIA Letňany. Podnik je také vlastníkem neveřejného mezinárodního letiště, [26, 27]. Blízké stanice provozované ČHMÚ se nacházejí jak na letišti, kde je však měření nepravidelné a naměřené rychlosti proudění vzduchu jsou zde z důvodu rozlehlé plochy vyšší, než v zastavěných Kunovicích, tak ve Starém Městě a Uherském Hradišti, kde je stanice plně automatizovaná. V Uherském Hradišti se měří rychlost a směr větru, teplota, relativní vlhkost vzduchu a koncentrace znečišťujících látek NO2, CO a PM10. Další stanici zle nalézt v Uherském Ostrohu. Tato však spadá pod správní úřad ÚKZÚZ, [28, 29]. V Kunovicích najdeme podle ČHMÚ 13 velkých zdrojů znečištění, které mají vliv na životní podmínky 5 400 obyvatel, [30].

24

Obr. 8: Velké zdroje znečišťování v okrese Uherské Hradiště

2.2 Stanice typu WH 1080

Tento typ meteostanice je mezi soukromými meteorology typem hojně využívaným. Stanice, na které byla naměřena využitá data, byla uvedena do provozu 27. 12. 2011. Od 1. 1. 2012 jsou data zpracovávána automaticky programem Cumulus. Zmíněný program je pod správou NOAA - National Oceanic and Atmospheric Administration se sídlem v USA. Software Cumulus je poskytován odběratelům po celém světě zdarma, na oplátku však musí uživatel počítat s tím, že je úřad NOAA oprávněn k neomezenému odebírání a využívání jeho dat, [31]. 2.2.1 Technické údaje Stanice WH 1080 je schopná měřit venkovní teplotu v rozmezí od -40,0 °C až po 65,0 °C, vnitřní od 0 °C do 50,0 °C. Měřitelná vlhkost je 10 % – 90 % při rozlišení 1 %, výška srážek je měřitelná v rozmezí 0 – 9999 mm s rozlišením 0,3 mm v případě srážek s výškou menší než 1000 mm a 0,1 mm v případě srážek s výškou větší než 1000 mm. Rozsah měření rychlosti větru je od 0 – 45 m/s. Další nastavitelné jednotky pro měření 25

rychlosti vzduchu jsou km/h, uzly a Beaufort. Tlak vzduchu je měřitelný od 920 až po 1080 hPa, s rozlišením 0,1 hPa, [32]. Rozměry meteostanice jsou 230x145x35 mm, dosah přenosu od vysílače k meteostanici je až 100 m, závisí to ale na vestavěných překážkách, [32]. 2.2.2 Popis zařízení Data jsou z čidel do zařízení přenášena bezdrátově na frekvenci 868 MHz 24 hodin denně, vždy po 10 sekundách. Při použití takového systému občas nastanou poruchy v přenosu, které mohou být způsobeny například velkou rychlostí větru nebo elektromagnetickým rušením, např. elektromagnetické impulsy, které vznikají při svařování. Chyby ale nejsou velké a dají se snadno opravit. Rozdíl teploty dělá nanejvýš 1 °C. Okamžitá oprava dat je umožněna provozovateli pouze u srážkoměru, který je značně náchylný na ucpání nečistotami, např. trusem ptáků, pavouky. Zbylé kategorie dat lze editovat zpětně za den nebo měsíčně. Zařízení je s počítačem, který provádí sběr dat, spojeno USB portem.

Obr. 9: Automatická stanice WH 1080

26

2.3 Zpracovávaná data

Za vhodná data byly vybrány hodnoty naměřené panem Bohumilem Lýskem jeho soukromou meteorologickou stanicí. Ta se nachází na zahradě za jeho domem. Cílem této práce bylo zjistit závislosti mezi jednotlivými parametry tlaku - minimální, maximální a větru - průměrnou rychlostí větru a maximální rychlostí nárazu větru. Rychlosti větru jsou zadány v km/h. Proběh větru odpovídá dráze, kterou vítr urazí za jeden den, tedy jeho jednotkou je km/den. Vzor dat je uveden níže, kompletní datový soubor je uložen na přiloženém CD.

Obr. 10: Hodnoty nárazu větru v km/h za rok 2012

27

Obr. 11: Hodnoty proběhu větru v km/den za rok 2012

2.4 Výpočet v Maple

Data byla stažena z internetu ze stránky http://www.kesyl.unas.cz/pocasi-kunovice/ a uloženy ve formátu .xls. Po spuštění programu Maple je nutné načíst knihovny externích příkazů, ExcelTools, LinearAlgebra, plots a Statistics, které budou později využity při chodu programu. > restart; > with(ExcelTools): with(LinearAlgebra): with(Statistics): with(plots): Jako první krok je nutné do prostředí programu Maple načíst vstupní data. Problémem je jejich vnitřní sktuktura. Data jsou v prostředí programu Excel uložena po jednotlivých letech jako dílčí tabulky. V těchto tabulkách jsou řádky dny v měsíci a sloupce jednotlivé měsíce. Zaplnění jednotlivých sloupců tak není stejné. Proto již 28

v prostředí programu Excel byla prázdná místa tabulky doplněna hodnotou -1. Data určená ke zpracování v prostředí programu Maple musí mít jinou strukturu s ohledem na co nejjednodušší algoritmus jejich zpracování. Protože se bude zpracovávat několik různých souborů, ale se stejnou strukturou dat, je výhodné v prostředí programu Maple vytvořit odpovídající vstupní proceduru – DATAIN. Tato procedura z programu Excel nejprve načte data jako jednu velkou matici o rozměrech 96 řádků a 13 sloupců – Import. Podle jednotlivých let tuto matici rozdělí na odpovídající submatice – SubMatrix, které transponuje – Transpose a vytvoří z nich novou matici – Matrix o rozměrech 36 řádků a 31 sloupců. Řádek této nové matice má data seřazená podle dnů v měsíci, další řádek obsahuje data z měsíce následujícího. Tato matice je nakonec převedena na uspořádanou Ntici – map(u->u[],convert(%,listlist)) a hodnoty obsahující -1 jsou vypuštěny – subs(-1=NULL, ~ ). > DATAIN:=proc(File); Matrix(Import(File)); Matrix([[Transpose(SubMatrix(%,[2..32],[2..13]))], [Transpose(SubMatrix(%,[34..64],[2..13]))], [Transpose(SubMatrix(%,[66..96],[2..13]))]]); subs(-1.0=NULL,map(u->u[],convert(%,listlist))) end proc; Nyní je možné do programu Maple načíst všechna potřebná data ze souborů programu Excel. Soubory PMAX.xls a PMIN.xls – obsahují informace o maximální a minimální denní hodnoty tlaku vzduchu, PROBEH.xls – délky denní dráhy větru a NARAZ.xls – maximální denní rychlosti větru. > PMIN:=DATAIN("Pmin.xls"): PMAX:=DATAIN("Pmax.xls"): > PROBEH:=DATAIN("Probeh.xls"): NARAZ:=DATAIN("Naraz.xls"): Průměrnou denní rychlost větru je možné určit z proběhu větru. > PRUMER:=map(u->u*1000/86400,PROBEH):

29

Je zajímavé stanovit koeficienty lineární korelace mezi jednotlivými datovými soubory, výsledky následujících výpočtů jsou uvedeny v tabulce 1. > Correlation(PMIN,PMAX): > Correlation(PMIN,PRUMER): > Correlation(PMIN,NARAZ): > Correlation(PMAX,PRUMER): > Correlation(PMAX,NARAZ): > Correlation(PRUMER,NARAZ): Tab. 1: Přehled vzájemných korelací Vzájemné korelace

Pmin

Pmax

Průměr

Náraz

Pmin

1

0,90529

-0,0219

-0,1466

Pmax

0,90529

1

0,01006

-0,0781

Průměr

-0,0219

0,01006

1

0,81116

Náraz

-0,1466

-0,0781

0,81116

1

Z tabulky 1 je patrné, že významné koeficienty lineární korelace jsou pouze mezi hodnotami maximálního a minimálního tlaku a dále mezi průměrnou rychlostí větru a maximální rychlostí nárazu větru. Vysoký koeficient lineární korelace mezi maximálním a minimálním tlakem je důsledkem toho, že denní kolísání tlaku – DP = rozdíl mezi maximálním a minimálním tlakem je velmi malý v porovnání s průměrným tlakem – PP a to včetně uvážení vlivu kolísání tlaku. > DP:=zip((u,v)->u-v,PMAX,PMIN): > PP:=zip((u,v)->(u+v)/2,PMAX,PMIN): > Mean(PP), Mean(DP); > sqrt(Variance(DP)); .

30

Proto má smysl podrobněji prostudovat pouze závislost mezi maximální rychlostí nárazu větru a průměrnou denní rychlostí větru. Jako první krok je vhodné vytvořit odpovídající graf. Pomocná proměnná Vmax slouží pro stanovení vhodného měřítka grafu. > Vmax:=ceil(max(PRUMER)*10)*0.1:

> Fig1:=plot(zip((u,v)->[u,v],PRUMER,NARAZ),style=point, symbol=cross,color=red,symbolsize=5,labels=["Vp [m/s]", "Vmax [m/s]"],labeldirections=[horizontal,vertical]): %;

Obr. 12: Graf závislosti průměrné a maximální rychlosti větru Z grafu na obrázku 12 je zřejmé, že je možné předpokládat závislost mezi oběma veličinami, a že tato závislost by mohla mít jistou horní hranici. Vhodným tvarem této závislosti by tedy mohla být funkce ve tvaru: > f:=a+b*exp(-x/c); ,

31

kde f = funkční předpis pro maximální rychlost nárazu větru v závislosti na průměrné rychlosti větru x a a, b, c = parametry, které bude nutné určit. Nejvhodnějším způsobem pro stanovení parametrů je metoda nejmenších čtverců, [12]. Vzhledem k tomu, že jde o nelineární rovnici pro parametr c, bude nutné použít Gauss-Newtonovy metody, [13]. Nejprve je nutné provést Taylorův rozvoj – mtaylor, funkce f podle koeficientů a, b, c v okolí A, B, C. Za A, B, C budou později dosazeny předpokládané počáteční numerické hodnoty > T:=mtaylor(f,[a=A,b=B,c=C],2);

. Rozdíly mezi počátečními hodnotami A, B, C a hledanými přesnými hodnotami a, b, c jsou korekční členy dA, dB, dC, které bude možné později vypočítat metodou nejmenších čtverců > T:=subs(a=A-dA,b=B-dB,c=C-dC,T);

. Z proměnné T je nutné vybrat ty členy, které obsahují korekce dA, dB, dC a vytvořit z nich obecný řádek pro budoucí matici soustavy – dF. Zároveň se vyberou členy, které korekce neobsahují – F. > dF:=unapply(map(u->select(has,T,u)/u,[dA,dB,dC]),x);

> F:=unapply(remove(has,T,[dA,dB,dC]),x);

.

32

Předpokládané počáteční hodnoty pro iteraci jsou: > A:=50.: B:=-45.: C:=0.5: Iterace bude probíhat až do doby, kdy absolutní hodnota opravy korekčních členů epsilon klesne pod 10-5. Počet iteračních kroků bude sledovat proměnná n a průběh iterace bude ukládán do proměnné CV. Postupným dosazováním numerických hodnot průměrných rychlostí větru do vytvořujícího řádku dF se vytvoří matice M a vektor pravé strany R maticové rovnice

M  dA, dB, dC   R , ze které je možné pomocí příkazu LeastSquares určit hodnoty korekčních členů, které se uloží do proměnné Corr. Absolutní velikost opravy se pomocí příkazu Norm přiřadí proměnné epsilon. Vysoké hodnoty korekčních členů mohou vést k nestabilitě iterace, a proto se vypočte normalizovaná velikost opravy Rd, která sníží absolutní velikosti korekčních členů. Ty se opět uloží v proměnné Corr, která se v dalším kroku použije k výpočtu nových hodnot proměnných A, B, C. Jejich nové hodnoty se tak stanou novými počátečními hodnotami pro další iterační krok. Dekadický logaritmus absolutní velikosti opravy se spolu s pořadím iteračního kroku uloží do proměnné CV, která se po ukončení iterační smyčky použije pro vykreslení průběhu iterace – rychlosti konvergence absolutní velikosti korekčních členů. V průběhu iterační smyčky Maple na display zobrazuje pořadí aktuálního iteračního kroku a absolutní velikost korekčních členů – epsilon. > epsilon:=1; n:=0; CV:=[]; > while epsilon>1e-5 do; n:=n+1; M:=Matrix(map(u->dF(u),PRUMER)); R:=Vector(zip((u,v)->u-F(v),NARAZ,PRUMER)); Corr:=LinearAlgebra[LeastSquares](M,R); epsilon:=Norm(Corr,2); Rd:=sqrt(4+epsilon^2); Corr:=Corr/Rd; A:=A-Corr[1]; B:=B-Corr[2]; C:=C-Corr[3]; CV:=[CV[],[n,log10(epsilon)]]; 33

print(krok=n,'epsilon'=epsilon); end do:. …. . Po čtyřiceti třech krocích absolutní velikost opravy klesla pod 10-5 a iterace byla ukončena. Nejprve se vykreslí průběh absolutní rychlosti iterační opravy , viz obr. 10. > plot(CV,labels=["krok","dekadicky logaritmus normy opravy"],labeldirections=[horizontal,vertical]);

Obr. 13: Graf závislosti dekad. logaritmu normy opravy na počtu kroků výpočtu Z obrázku lze vyčíst, že iterace probíhala bez větších problémů. Absolutní velikost korekce klesala až na malou výjimku rovnoměrně. Finální tvar funkce závislosti rychlosti nárazu větru na jeho proběhu je: > F(x); .

34

Směrodatná odchylka regresní funkce F(x) a naměřených dat je: > SV:=sqrt(add(w,w=zip((u,v)-> (u-F(v))^2,NARAZ,PRUMER))/(nops(PRUMER)-1)); . Nyní je možné vykreslit finální tvar regresní funkce společně s naměřenými daty. V grafu je současně vyznačena lim x→∞ F(x) + 3SV. V souladu s Gaussovou teorií chyb, je pravděpodobnost výskytu hodnoty mimo interval průměrná hodnota plus mínus krajní chyba pouze 0,003 %. Pro krajní chybu z Gaussovy teorie plyne, že je rovna trojnásobku směrodatné odchylky. Proto je možné konstatovat, že existuje pouze 0,003 % pravděpodobnost, že maximální rychlost nárazu větru překročí 56,61 m/s, což odpovídá 203,8 km/h, [14]. > A+3*SV; %*3.6;

> Fig2:=plot([F(x),F(x)-SV,F(x)+SV], x=0..Vmax, color=blue, thickness=[3,1,1]): > Fig3:=plot(A+3*SV,x=0..Vmax,color=blue,linestyle=2): > Fig4:=textplot([Vmax,A+3*SV,"Limitni rychlost narazu vetru"],align={left,above}): > display({Fig1,Fig2,Fig3},Fig4,labels=["Vp [m/s]","Vmax [m/s]"],labeldirections=[horizontal,vertical]);

35

Obr. 14: Graf funkční závislosti průměrné a maximální rychlosti nárazu větru 36

Na závěr je možné spočítat koeficient lineární korelace mezi naměřenými hodnotami a funkčními hodnotami funkce F(x). > NARAZF:=map(u->F(u),PRUMER): > Correlation(NARAZF,NARAZ); . V porovnání s koeficientem lineární korelace mezi nárazem větru a průměrnou rychlostí větru došlo ke zvýšení koeficientu lineární korelace o 5 %.

37

3 VÝSLEDKY A DISKUZE

Díky výpočtům v programu Maple byl nalezen tvar funkce závislosti maximální rychlosti nárazu větru na proběhu větru, a to Vmax  43.266  33.92 e 0,916VP , kde Vmax je maximální rychlost nárazu větru a Vp je průměrná denní rychlost větru. Jednotky pro obě dvě rychlosti jsou [m/s]. Známe-li tuto rovnici, můžeme podle průměrné rychlosti větru odhadnout, jaký maximální náraz větru lze očekávat. Navíc jsme dosáhli vyšší korelace mezi zmíněnými neznámými, a to při použití funkční závislosti, která má pouze tři parametry. Použitý algoritmus není složitý, přesto je výpočet velmi přesný. Program Excel si sice s rovnicí v exponenciálním tvaru poradit umí, ale není schopen řešit závislosti ve tvaru exponenciální funkce plus konstanta. Použitím Maple jsme předešli těmto komplikacím. Při dodržení tohoto schématu lze uvedený postup zobecnit pro jakákoli data. Jedinou překážkou je nutnost převést data do vhodného formátu, což dokáže kterýkoliv textový editor, nebo krátký program v Maple. Korelační závislost lze zpracovat pro stejnou nebo jinou funkci. Výsledných závislostí je pak možno využít v mnoha oblastech výzkumu.

38

4 ZÁVĚR

V průběhu práce byly počítány koeficienty lineární korelace kombinací následujících proměnných: minimální tlak, maximální tlak, maximální rychlost nárazu větru a průměrná rychlost větru. Přehled jednotlivých korelací je znázorněn v tabulce 1. Z tabulky vyplývá, že vzájemné korelace jsou malé, proměnné na sobě příliš nezávisí. První

výrazné

korelace

nabývá

lineární

koeficient

závislosti

minimálního

a maximálního tlaku vzduchu, 90,528%. Tato hodnota nám říká, že pokud tlak vzduchu v průběhu dne kolísá, hodnota změny tlaku je malá oproti průměrné hodnotě tlaku. Další korelace jsou mizivé. Jediné výraznější závislosti je dosaženo u vztahu průměrná rychlost a maximální rychlost nárazu větru, která dosahuje 81%. Použitím Gauss-Newtonovy metody, byly stanoveny koeficienty exponenciální závislosti využívající pouze tří parametrů. Použití této funkční závislosti vedlo k nárůstu hodnoty koeficientu lineární korelace o 5 %. Nalezením vhodné exponenciální funkce byla stanovena horní hranice maximální rychlosti nárazu větru, což jinak není možné stanovit. Tato informace je hlavním přínosem předložené bakalářské práce. Díky programu Maple máme vyšší spolehlivost výsledku, ale hlavně jsme schopni, s přesností vyšší než 99%, která plyne pro pravděpodobnost chyby vyšší než je trojnásobek směrodatné odchylky, určit maximální rychlost nárazu větru. S tímto údajem můžeme počítat při volbě materiálu a konstrukčním řešení staveb, ukotvení výškových budov, vybudování sítě větrolamů, dimenzování krytu, například přístřešku, zhodnocení vhodnosti výstavby větrné elektrárny nebo při navrhování strukturalizace lesních porostů. Dále je možné jej využít při lokalizaci skládky na daném území, při plánování transportu lehkého odpadu, u kterého může docházet k úletům, a kdy je třeba rozhodnout, zda je nutné materiál při přepravě v otevřeném závěsu nějakým způsobem zabezpečit. Při ukládání odpadu na skládku můžeme určit vrstvu krycí zeminy tak, aby nedocházelo k rozvíření materiálu a znečištění životního prostředí.

39

5 LITERATURA, POUŽITÉ ZDROJE

5.1 Literární zdroje

[1] HANZLÍK, S.: Základy meteorologie a klimatologie. 3. vyd. Praha: Nakladatelství Československé akademie věd, 1956, 321 s. [2] ROŽNOVSKÝ, J., HAVLÍČEK, V.: Bioklimatologie. 1.vyd. Brno: Mendelova zemědělská a lesnická univerzita v Brně, 1998, 155 s. ISBN 80-7157-291-8. [3] KEŠNER, B.:

Agrometeorologie: určeno pro studenty oboru fytotechnika

a zemědělské meliorace. 2. vyd. 1985. Praha: Videopress MON, 1986, 272 s. [4] FRY, J., L.: Počasí a změna klimatu: velká encyklopedie: souhrnný obrazový průvodce. 1. české vyd. Praha: Svojtka & Co., 2012, 512 s. ISBN 978-80-256-0707-7. [5] PIRNER, M., a FISCHER, O.: Zatížení staveb větrem. 1. vyd. Praha: ČKAIT, 2003, 256 s. ISBN 80-86769-10-0. [6] AHERN, J. Y.: Počasí: zemská atmosféra, srážky, meteorologie, klimatická pásma, životní prostředí. 1. vyd. Praha: Fortuna Print, 2003, 128 s. ISBN 80-7321-062-2. [7] PODHRÁZSKÁ, J.: Optimalizace funkcí větrolamů v zemědělské krajině: metodika. Vyd. 1. Praha: VÚMOP, 2008, 51, 24 s. ISBN 978-80-904027-1-3. [8] VYSOUDIL, M.: Ochrana ovzduší. 1. vyd. Olomouc: Univerzita Palackého, Přírodovědecká fakulta, 2002, 114 s. ISBN 80-244-0400-1. [9] HOLICKÝ, M., MARKOVÁ, J. SÝKORA, M.: Zatížení stavebních konstrukcí: příručka k ČSN EN 1991. 1. vyd. Praha: Pro Ministerstvo pro místní rozvoj a Českou komoru autorizovaných inženýrů a techniků činných ve výstavbě (ČKAIT) vydalo Informační centrum ČKAIT, 2010, 131 s. ISBN 978-80-87093-89-4 [10] KRÁL, J.: Navrhování konstrukcí na zatížení větrem: příručka k ČSN EN 1991-14. 1. vyd. Praha: Pro Ministerstvo pro místní rozvoj a Českou komoru autorizovaných

40

inženýrů a techniků činných ve výstavbě vydalo Informační centrum ČKAIT, 2010, 112 s. ISBN 978-80-87438-05-3. [11] JANEČEK, M.: Ochrana zemědělské půdy před erozí. Vyd. 1. Praha: ISV nakladatelství, 2002, 201 s. ISBN 80-85866-86-2. [12] BARTOŇ, S., SEVERA, L., BUCHAR, J.: New algorithm for biological objects' shape evaluation and data reduction. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis. 2010. sv. 58, č. 1, s. 13--20. ISSN 1211-8516. [13] BARTOŇ, S.: Three dimensional modelling of the peach in Maple. In CHLEBOUN, J. Programs and Algorithms of numerical Mathematics. 1. vyd. Praha: Matematický ústav AV ČR, 2008, s. 7--14. ISBN 978-80-85823-55-4. [14] BARTOŇ, S., KŘIVÁNEK, I., SEVERA, L.: Fyzika: laboratorní cvičení. Vyd. 1. Brno: Mendelova zemědělská a lesnická univerzita v Brně, 2005, 98 s. ISBN 80-7157843-6.

5.2 Internetové zdroje

[15] FOJTÍKOVÁ, J.: Větrné elektrárny [online]. Brno, 2008 [cit. 2015-03-26]. Dostupné z: http://is.muni.cz/th/128508/pedf_m/Text_diplomove_prace.txt. Diplomová práce. Masarykova univerzita. Vedoucí práce Ing. Gabriela Štěpánová. [16] Mapy stanic. Český hydrometeorologický ústav [online]. [cit. 2015-02-09]. Dostupné z: http://www.chmi.cz/portal/dt?menu=JSPTabContainer/P4_Historicka_data/ P4_1_Pocasi/P4_1_2_Mapy_stanic [17] SMOLKA, V.: Meteorologické stanice - dělení a význam. In-počasí [online]. 28.8.2013 [cit. 2015-02-09]. Dostupné z: http://www.in-pocasi.cz/clanky/teorie/ meteorologicke-stanice-rozdeleni/ [18] SKŘEHOT, P.: Modelování rozptylu toxických látek v atmosféře při průmyslových haváriích[online]. Praha, 2008 [cit. 2015-03-19].

41

Dostupné z: http://www.vubp.cz/genesis/dp_modelovani-rozptylu-toxickych-latek-vatmosfere-pri-prumyslovych-havariich_skrehot.pdf.

Diplomová

práce.

Univerzita

Karlova v Praze. [19] Zákon č. 201/2012 Sb. o ochraně ovzduší. In: Dostupné z: http://www.inisoft.cz/ strana/zakon-201-2012-sb [20] KUŽEL, J.: Metodický pokyn: pro vypracování rozptylových studií podle § 32 odst. 1 písm. e) zákona č. 201/2012 Sb., o ochraně ovzduší. Ministerstvo životního prostředí [online]. 2013 [cit. 2015-03-03]. Dostupné z: http://www.mzp.cz/C1257458002F0DC7/cz/zpracovani_rozptylovych_studii_metodika/ $FILE/OOO-Metodicky_pokynRS-20130805.pdf [21] BUBNÍK, J., KEDER, J., MACOUN, J., a MAŇÁK, J.: SYMOS’97 Systém modelování stacionárních zdrojů: Metodická příručka. Ministerstvo životního prostředí: Český hydrometeorologický ústav [online]. Praha, 1998, 02.2014 [cit. 2015-03-03]. Dostupné z: http://www.mzp.cz/C1257458002F0DC7/cz/zpracovani_rozptylovych_studii_metodika/ $FILE/OOO-Metodicka_priruckaSYMOS97unor2014-20140320.pdf [22] Příloha č. 15 k vyhlášce č. 415/2012 Sb.: Obsahové náležitosti rozptylové studie. In: Dostupné z: http://www.inisoft.cz/strana/vyhlaska-415-2012-p15 [23] O projektu Větrná eroze. Výzkumný ústav meliorací a ochrany půdy, v.v.i.: Geoportál SOWAC-GIS [online]. [cit. 2015-04-22]. Dostupné z: http://geoportal.vumop.cz/index.php?projekt=vetrna [24] Ochrana a organizace povodí: Větrná eroze. České vysoké učení technické [online] Praha [cit. 2015-04-22]. Dostupné z: http://storm.fsv.cvut.cz/on_line/vhk2/eroze%2010_vetrna_vyber.pdf [25] DUFKOVÁ, J.: Vliv větrolamů na větrnou erozi [online]. Brno, 2007 [cit. 2015-0423]. Dostupné z: http://www.cbks.cz/SbornikPolana07/pdf/Dufkova.pdf. Mendelova zemědělská a lesnická univerzita v Brně. [26] O městě. Mesto-kunovice [online]. [cit. 2015-02-04]. Dostupné z: http://www.mesto-kunovice.cz/mesto/o-meste/ 42

[27] Historie. Let: Aircraft Industries [online]. 2014 [cit. 2015-02-04]. Dostupné z: http://www.let.cz/clanek_285_historie.html [28] Informace o kvalitě ovzduší v ČR: Seznam lokalit, kde se měří znečištění ovzduší. Český hydrometeorologický ústav [online]. 25.4.2015 [cit. 2015-04-02]. Dostupné z: http://www.chmu.cz/files/portal/docs/uoco/web_generator/locality/pollutio n_locality/loc_ZUHR_CZ.html [29] Meteorologické stanice ČHMÚ. Český hydrometeorologický ústav [online]. [cit. 2015-04-03]. Dostupné z: http://portal.chmi.cz/files/portal/docs/poboc/OS/stanice/ShowStations_CZ.html [30] Zdroje znečišťování za rok 2013: Okres: Uherské Hradiště. Český hydrometeorologický ústav [online]. [cit. 2015-04-27]. Dostupné z: http://portal.chmi.cz/files/portal/docs/uoco/web_generator/plants/uherhrad_CZ.html [31] LÝSEK, B.: Kunovice počasí: statistiky. Kesyl.unas [online]. 27.4.2015 [cit. 201409-27]. Dostupné z:http://www.kesyl.unas.cz/pocasi-kunovice/statistics.htm [32] Deramax [online]. 2015 [cit. 2015-03-20]. Dostupné z: http://www.deramax.cz/ poloprofesionalni-meteostanice-wh1080

5.3 Další právní předpisy

ČSN 83 8030: Skládkování odpadů – Základní podmínky pro navrhování a výstavbu skládek) ČSN EN 1991-1-4:2007 : Eurokód 1: Zatížení konstrukcí - Část 1-4: Obecná zatížení – Zatížení větrem EN 1991-1-4:2005: Eurocode 1: Actions on structures - Part 1-4: General actions – Wind actions ČSN ISO 12494 : Zatížení konstrukcí námrazou ČSN EN 1991-1-3: Eurokód 1: Zatížení konstrukcí - Část 1-3: Obecná zatížení – zatížení sněhem ČSN EN 1991-2. ČSN EN 1991-2 Zatížení konstrukcí - Část 2: Zatížení mostů 43

6 SEZNAM OBRÁZKŮ A GRAFŮ

Obr. 1: Beaufortova stupnice síly větru

13

Převzato z: http://www.earch.cz/cs/vitr-versus-stavby Obr. 2: Pasquillovo rozdělení stability atmosféry podle vnějších podmínek

16

Převzato z: http://www.vubp.cz/genesis/dp_modelovani-rozptylu-toxickych-latek-vatmosfere-pri-prumyslovych-havariich_skrehot.pdf Obr. 3: Kombinace tříd stability a tříd rychlosti větru

18

Převzato z: http://www.mzp.cz/C1257458002F0DC7/cz/zpracovani_rozptylovych_s tudii_metodika/$FILE/OOO-Metodicka_priruckaSYMOS97unor2014-20140320.pdf Obr. 4: Mapa větrných oblastí v ČR podle normy ČSN EN 1991-1-4 2005

20

Převzato z: http://www.leonardo.cvut.cz/download/4b_Zatizeni-klimaticka-vitr.pdf Obr. 5: Propustný typ větrolamu

22

Převzato z: PODHRÁZSKÁ, Jana. Optimalizace funkcí větrolamů v zemědělské krajině: metodika. Vyd. 1. Praha: VÚMOP, 2008, 51, 24 s. ISBN 978-80-904027-1-3. Obr. 6: Nepropustný typ větrolamu

22

Převzato z: PODHRÁZSKÁ, Jana. Optimalizace funkcí větrolamů v zemědělské krajině: metodika. Vyd. 1. Praha: VÚMOP, 2008, 51, 24 s. ISBN 978-80-904027-1-3. Obr. 7: Polopropustný typ větrolamu

23

Převzato z: PODHRÁZSKÁ, Jana. Optimalizace funkcí větrolamů v zemědělské krajině: metodika. Vyd. 1. Praha: VÚMOP, 2008, 51, 24 s. ISBN 978-80-904027-1-3. Obr. 8: Velké zdroje znečišťování v okrese Uherské Hradiště

25

Převzato z: http://portal.chmi.cz/files/portal/docs/uoco/web_generator/plants/uherhr ad_CZ.html Obr. 9: Automatická stanice WH 1080

26

Obr. 10: Hodnoty nárazu větru v km/h za rok 2012

27

Obr. 11: Hodnoty proběhu větru v km/den za rok 2012

28

Obr. 12: Graf závislosti průměrné a maximální rychlosti větru

31

Obr. 13: Graf závislosti dekad. logaritmu normy opravy na počtu kroků výpočtu

34

Obr. 14: Graf funkční závislosti průměrné a maximální rychlosti nárazu větru

36

44

7 SEZNAM ZKRATEK:

AIM

Automatizovaný imisní monitoring

EN

Evropská norma

ČHMÚ

Český hydrometeorologický ústav

ČSN

Česká státní norma

ISKO

Informační systém kvality ovzduší

ISO

International Organization for Standardization

MŽP ČR

Ministerstvo životního prostředí České republiky

NOAA

National Oceanic and Atmospheric Administration

ÚKZÚZ

Ústřední kontrolní a zkušební ústav zemědělský

ZL

znečišťující látky

45

8 SEZNAM POUŽITÝCH PROMĚNNÝCH PROGRAMU MAPLE:

DATAIN

Procedura transformující vstupní data

PMIN, PMAX

Denní hodnoty minimálního a maximálního tlaku vzduchu

PROBEH

Denním proběh vzduchu

NARAZ

Maximální denní rychlosti větru

DP

Denní rozdíly maximálního a minimálního tlaku

PP

Denní hodnoty průměrného tlaku

Vmax

Pomocná proměnná pro stanovení měřítka grafu

f, F

Funkční závislost nárazu větru na průměrné rychlosti větru

T

Taylorův rozvoj funkce f

dF

Funkce vytvořující řádek korekční matice

A, B, C

Hledané parametry funkce f

 n, CV, Rd

Pomocné proměnné řídící iterační proceduru

Corr

Hodnota korekcí proměnných A, B, C

SV

Směrodatná odchylka funkce f od naměřených hodnot

NARAZF

Funkční hodnoty funkce f

46

9 PŘÍLOHA

Příloha 1: Vzor ručně zaznamenávaných naměřených hodnot 47