Városok öko-környezetének komplex vizsgálata

Nyugat-magyarországi Egyetem | Erdőmérnöki Kar

Városok öko-környezetének komplex vizsgálata a nyugat-dunántúli régióban

1

2

Városok öko-környezetének komplex vizsgálata a nyugat dunántúli régióban

Szerkesztő: dr. Albert Levente dr. Bidló András dr. Jancsó Tamás dr. Gribovszki Zoltán Technikai szerkesztő: Kámán Orsolya

NYUGAT-MAGYARORSZÁGI EGYETEM KIADÓ

Nyugat-magyarorszagi Egyetem Sopron

3

Szerkesztők: dr. Albert Levente dr. Bidló András dr. Jancsó Tamás dr. Gribovszki Zoltán Technikai szerkesztő: Kámán Orsolya Felelős kiadó: Prof. Dr. Neményi Miklós tudományos és külügyi rektor helyettes Kiadó: Nyugat-magyarországi Egyetem Kiadó © Copyright - Minden jog fenntartva ISBN 978-963-334-084-4 Grafikai szerkesztés és tördelés: EFFIX-Marketing Kft.

TÁMOP-4.2.1/B-09/1/KONV-2010-0006 Szellemi, szervezeti, és K+F infrastruktúrafejlesztés a Nyugat-magyarországi Egyetemen

4

5

6

Előszó

A könyv a Nyugat-magyarországi Egyetem által elnyert „ Az ember és élettere – A mező- és erdőgazdálkodás, az ipar és az urbanizáció hatása természetes környezetünkre” megnevezésű, a Társadalmi Megújulás Operatív Program által támogatott (TÁMOP 4.2.1.B -09/1/KONV) kutatási projekt „ Városok öko-környezetének komplex vizsgálata a nyugat dunántúli régióban” alprojektjének fontosabb kutatási eredményeit mutatja be. Az alprojekt vezetője Dr. Albert Levente egyetemi tanár, szakmai vezetői Dr. Mátyás Csaba egyetemi tanár, az MTA r. tagja, az Erdőmérnöki Kar részéről Dr. Bidló András egyetemi docens, a Geoinformatikai Kar részéről Dr. Jancsó Tamás egyetemi docens voltak. A kutatásokban az Erdőmérnöki Kar négy intézete, az Erdővagyon-gazdálkodási és Vidékfejlesztési Intézet, a Geomatikai, Erdőfeltárási és Vízgazdálkodási Intézet, a Kémiai Intézet és a Környezet- és Földtudományi Intézet, és a Geoinformatikai Kar két intézete, a Geomatika Intézet és a Területfejlesztési Intézet 36 oktatója és 13 PhD képzésben részt vevő hallgatója mellett több hazai és külföldi egyetem és kutatóintézet oktatója és kutatója vett részt.

keresztül tanulmányoztuk. Vizsgáltuk az ökológiai paramétereket meghatározó tényezőket: analizáltuk a városok légterét, hidrológiai kutatásokat végeztünk, jellemeztük a talaj- és a földtani közeg állapotát. A légszennyeződés bioindikációs monitorozása érdekében tanulmányoztuk a városi környezetben élő növények stressz-érzékenységét és életképességét, a soproni zöldterületek ökológiai állapotát levelek klorofill tartalmán keresztül is jellemeztük. A mérési adatokat térinformatikai eszközökkel dolgoztuk fel, és összevetettük távérzékeléssel nyert adatokkal. Célunk volt az urbánökológiai rendszerek környezetállapotának rendszerszemléletű, tudományos leírása és a városi környezetminőség integrált monitoring rendszerének kialakítása. A mérési adatokat a kutatásokba bevont városokat magukba foglaló tájtípusokban komplex geoinformatikai rendszerbe illesztettük. Integrált térbeli elemzésekkel meghatároztuk az egyes paraméterek közötti összefüggéseket, és ezek alapján különböző modelleket alakítottunk ki, amelyek alkalmasak az egyes paraméterek időbeli változásainak nyomon követésére, és ezen keresztül előrejelzésekre is. Részletes környezeti információs adatbázist építettünk ki a kölcsönhatások feltárása és a jövőben várható tendenciák modellezése érdekében. Munkánk során felhasználtunk már meglévő, a vizsgált területekre vonatkozó adatbázisokat (űrfelvételek, légi felvételek, multi- és hiperspektrális felvételek, 3D modellek, térképek, meteorológiai, gazdaság-

Az urbanizáció környezetre gyakorolt hatását, az emberi tevékenység által megváltoztatott abiotikus és biotikus tényezőket három, a Nyugat- és a Közép-dunántúli Régióban eltérő természeti feltételek között kialakult és működő város (Sopron, Székesfehérvár, Szombathely) és természeti környezetük kölcsönhatásain

7

földrajzi, ökológiai, szociológiai és egyéb leíró adatok), és a kutatások elején beszerzett űr- és hiperspektrális felvételeket is.

a városi és regionális intézményekkel, amelyek a kutatási eredményeinket megismerve szembesülhetnek a városukat jellemző környezeti elemek helyzetével és azok ismeretében tudományos alapon hozhatják meg az ökológiai paraméterek javítását célzó intézkedéseiket, és ökológiai alapú, fenntartható városfejlesztési és településrendezési terveket dolgozhatnak ki.

A kutatási célok megfogalmazása integráló szemléletet tükröz, megvalósításukhoz a résztémák additív módon, összehangoltan járultak hozzá, gyakorlatba ültetve az egyetem kutatási stratégiájának egyik alapelvét, a hálózatos, feladat orientált, a téma kutatására szerveződött kutatócsoportok hatékony együttműködését. A szinergiák megnövelt kutatási potenciálokat szabadítottak fel, lehetővé téve a meglévő erőforrások jobb kihasználását.

Tudatában vagyunk annak, hogy egy város és annak környezete folyamatos kölcsönhatásban lévő egységes rendszer, amelynek tudományos vizsgálata a természeti, a társadalmi és a mesterségesen épített részek komplex, interdiszciplináris kutatását igényli, beleértve az emberre gyakorolt hatások elemzését is. A könyvünkben bemutatott kutatási eredmények jó alapját képezik a tanulmányozott három város komplex környezetökológiai feltárásának. Megalapozott, biztató kezdetét jelentik egy ilyen irányú kutatás sorozatnak, amelynek elvégzése kutatási terveinkben szerepel és amelyre mindannyian örömmel vállalkozunk.

Az alprojekt lehetőséget teremtett a hallgatók bevonására a kutatásokba, így TDK dolgozatokban, diplomatervekben és doktori disszertációkban is hasznosulhatott. Elősegítette a tehetséggondozást, és hozzájárult a humán erőforrás utánpótlásának biztosításához. Fokozta az oktatói és hallgatói mobilitást, erősítette a hazai és nemzetközi kapcsolatokat, javította az oktatás minőségét, lehetőséget teremtett a K+F infrastruktúra fejlesztésére. A kutatási eredményeket az oktatásban is hasznosítottuk, a hallgatókat bevontuk a laboratóriumi és terepi mérésekbe egyaránt. Fontosabb eredményeinkről hazai és nemzetközi konferenciákon tartott előadások és poszterek, valamint szakcikkek formájában is beszámoltunk.

Sopron, 2012. október 9.

Dr. Albert Levente egyetemi tanár alprojektvezető

Munkánk során együttműködtünk azokkal

8

Térinformatikai adatbázis építése, tematikus térképek készítése városökológiai kutatáshoz PŐDÖR Andrea* | VÉGSŐ Ferenc Nyugat-magyarországi Egyetem, Geoinformatikai Kar 8000 Székesfehérvár, Pirosalma u. 1-3. *e-mail: [email protected];

Abstract: The presentation deals with the problem, how to build an appropriate database for urban ecological research. Three cities will be examined in this research (Sopron, Szombathely and Szekesfehervar). The building of the GIS Database for this purpose is based on the data produced by different applied research fields like hydrology, geology, pedology, climate research, remote sensing etc. containing attributes and other data is needed to integrate into their analyse. The all data of the applied sciences will be fit in one GIS system so the researchers will be able to carry out integrated analyses of the environment and the change of the environment. The researchers who are responsible to build the

Geoinformatical System faced to different methodological problems in integrating the different types of data on many scales. First the researchers defined what type of reference data (topographic maps, aerial photos etc.) is necessary and what kind of data sources are available. Next step was to define the necessary attribute information. Another problem is the implementation of the measured data into the system. The last problem is that the researchers should investigate what kind of thematic maps can be created from this data. Further development will be a model which is built for the monitoring of the urban ecological analyses for the three cities; this must be solved based on this GI System.

Bevezetés

megértjük a városban lezajló változásokat, és a közösség bevonásával megváltoztathatjuk a nem megfelelő folyamatokat. Ebben segíthet: a madarak tanulmányozása, a területek rendbe-tétele, parkok létesítése, a közösség erősítése, ezáltal a közbiztonság növelése, az életminőség javítása, egészségesebb élhetőbb települések tervezése. A városi ökoszisztémában is működik az egyes élő és élettelen tényezők kölcsönhatása (nap-sugárzás, víz –fák, mikrobák). A városi ökoszisztémában azonban ezek a kölcsönhatások lé-nyegesen megváltoznak,

A városökológia a városi környezetben előforduló élő szervezetek és a városi környezet köl-csönhatásával foglalkozik. A városökológiával foglalkozó kutatók tanulmányozzák a fákat, folyóvizeket, a vadon élő állatokat, és a városokban található nyílt területeket, hogy megértsék ezen erőforrások kiterjedését, azt hogyan változnak ezek a környezetszennyezés hatására. Az emberiség mintegy 60%-a városokban él. A városökológiai kutatások hatására jobban

9

a fedett területek, háztetők megváltoztathatják a hidrológiai viszo-nyokat, az átlag hőmérséklet növekszik. Számos lehetőség áll rendelkezésünkre ezek megváltoztatására: • Fák telepítése • Kertészkedés, virágos ablakok • „Green building” tervezése • Zöld tetők stb. Az ilyen kutatásoknak elsősorban nem „ítélethozatal” a célja, hanem annak megértése, mi történik.1 Magyarországon is számos kutatóműhely foglalkozik ezzel a témakörrel.

és modellezésére (MÁRKUS 2010). Földrajzi helyhez kötött adatoknak két fő komponense van: térképi adatok és leíró (attribútum adatok). A térképi rész-ben két alapvető adatszerkezetet használhatunk: raszteres és vektoros. A két adatszerkezet szabadon kombinálható egy térinformatikai adatbázison belül. Így a kutatók egy térinformati-kai rendszer felépítésével képesek a különböző paraméterek változásának modellezésére. A modellfuttatások során lehetővé válik a trendek elemzése, és ezáltal a városi környezeti terve-zése segítése.

Modellépítés folyamata a A Nyugat-magyarországi Egyetem kihasz- térinformatikában nálva karainak területi diverzitását hasonló jellegű kutatását egyszerre három városban folytatja: Sopronban, Székesfehérváron és Szombathe-lyen. Ezáltal a kutatók szándékai szerint képes lesz a hasonló folyamatok eltérő környezetben lefolytatott vizsgálatára és képet kap arról, hogy az eltérő természet- és társadalom földrajzi viszonyok hogyan befolyásolják a városokban lejátszódó folyamatokat. A kutatás első lépéseként a városokra gyakorolt emberi hatás vizsgálatát követően a kutatók elemzik és modellezik a megváltozott ökológiai rendszert. Az adatgyűjtés során keletkezett információkat egy térinformatikai rendszerben tároljuk. Az adatokat elsősorban a különböző tájkarakter típusoknak megfelelően gyűjtik a kutatók (KONKOLYNÉ 2003; SWANWICK et al. 2002). Lehetőség szerint minden tájkarakter típusban igyekeznek hidrológiai, talajtani, klima-tológiai, levegőszennyezettségi adatot mérni.

Minden földrajzi információs rendszer (GIS) a valós világban megfigyelt objektumok és fo-lyamatok számítógépes megvalósítása. Ezt a megvalósítást – amely egy folyamat – nevezzük modellépítésnek. Bármely GIS fontos jellemzője, hogy a valós világot egy számunkra fontos szempontból ábrázolja. Ez nem újdonság és onnan ered, hogy minden szakma képviselője sajátos „szakmai szemüvegen” keresztül látja a világot. Ha egy kertész sétál a városban, ő az ingatlanok határán lévő növényzetet veszi észre első sorban. Ha egy földmérő sétál a városban, ő az ingatlanok határát egy absztrakt vonalnak tekinti, és a töréspontjait veszi észre első sorban. Ebből következően minden modell tükrözi a tudásunkat illetve a megfigyeléseinket. Minden földrajzi információs rendszer építésének első fázisa a valós világ egy minket érdeklő szeletének kiválasztása és átalakítása térbeli illetve földrajzi modellé.

A GIS olyan rendszer, mely képes térbeli adatok gyűjtésére, tárolására, kezelésére, elemzésére, bemutatására, megfigyelésére 1

http://urbaneco.org/urnabecology.asp, http://en.wikipedia.org/wiki/Urban_ecology#cite_note-0)

10

Valós világ tulajdonságok: kapcsolatok

Elméleti modell entitások: típus attribútum kapcsolat

Logikai modell objektumok: típus geometria attribútum kapcsolat minőség

Fizikai modell objektumok: típus geometria attribútum kapcsolat minőség

Ábrázolás szöveg grafika multimédia

forrás: Dr. Selinger Sándor

Mi a modell? A modell definíciója sokféle lehet és változó, ahogy a következő idézet is mutatja: A modell „…lehet egy elmélet, egy törvényszerűség, egy elképzelés vagy egységes elmélet. Lehet szerep, kapcsolat vagy egyenletrendszer. Lehet az adatok szintézise. Földrajzi szem-pontból az a fontos, hogy a modell tartalmazhat gondolatokat a valós világról, amelyeket térbe helyezve kapjuk a térbeli modelleket, időbe helyezve kapjuk a történelmi modelleket.” (HAGGET and CHORLEY 1967). Széles körben elfogadott az a meghatározás is, hogy a modell a valóság idealizált vagy leegyszerűsített mása. A földrajzi információs rendszerek modelljei mindig egy probléma megoldására születnek. A megoldás érdekében kiemelik a valóságból az adott feladathoz szükségesnek gondolt részeket. Ezen túl mindig része a modellnek egy rend-szerezett elgondolás, ami a választ ad(hat) a felvetett problémára. A térbeli modellezés tehát csak egy összetevője a modellalkotási folyamatnak. Ebben a folyamatban a valós világ egyedei kapcsolatának földrajzi adatai arra valók, hogy megértsünk és kezeljünk egy adott problémát. Ez lehet egyszerű probléma, például az, hogyan jutok el egyik helyről a másikra a legrövidebb úton; de lehet olyan bonyolult is,

mint a légkör modellezése a globális felmelegedés megértése céljából. A modell tehát lehet nagyon egyszerű vagy nagyon bonyolult is, ezt a felhasználó szükségletei szabják meg. A modellekben az a közös, hogy egy keretet adnak a valós világ folyamatainak megértéséhez, vagy ami még fontosabb, a folyamatok irányításához. A modellalkotás egy folyamatos, közelítő eljárás. Ahogyan több tudást szerzünk a világról a modellünk alkalmazásával, lehetővé válik a modellünk gyengeségeinek felismerése és a modell megváltoztatása. Fontos megértenünk a modellépítés dinamikus természetét, mert ez em-lékeztet arra, hogy a GIS használata egy folyamat, amely nyitott a változásra és az átértékelés-re.

A térbeli kiterjedés modellezése A térbeli modellek fejlesztésének központjában a térbeli adatok gyűjtésének kérdése áll. Ez általában megfigyeléssel és méréssel történik. Itt azonban felmerül egy probléma: „ellentétben az általában elterjedt információs rendszerekkel szemben, a földrajzi adatok tárolását megne-hezíti, hogy tartalmazniuk kell adatokat a földrajzi helyzetről, a lehetséges topológiai (szom-szédsági)

11

kapcsolatokról, a megfigyelt objektum jellemzőiről.”(BURROUGH 1987). Nézzük meg közelebbről mit is tekintünk térbeli adatnak. Legjobb, ha az adat fogalmát tisztázzuk először: az adatok értékek, számok, szövegek vagy szimbólumok, melyek egy bizonyos össze-függésben jelentést hordoznak. Ennek tükrében a térbeli adatot tekinthetjük értéknek, szám-nak vagy szimbólumnak, amely a valós világban megfigyelt egyed földrajzi tulajdonságait hordozza. A térbeli adatnak speciális jellemzője egy mutató, amely leírja az egyed helyét a Föld felszínén. Az egyik leggyakrabban alkalmazott mutató a postacím. Ez egy speciális, kó-dolt karaktersorozat, amely megadja minden ingatlan helyzetét a térben. Szakmai körökben a másik gyakran használt mutató a geodéziai koordináta rendszer. Ebben az esetben számok mutatják meg az egyed térbeli helyzetét. Mind a kétféle mutató térbeli vonatkozási rendszert valósít meg. Az adat definíciójára visszautalva láttuk, hogy az adat nem csak szám vagy szö-veg lehet, hanem szimbólum is. Ha visszagondolunk a topográfiai térképünkre, a tájékozódá-sunkat rengeteg szimbólum (jelkulcs) segíti. Van azonban a térképen még egy térbeli adat, amely nem jelenik meg számként, szövegként vagy szimbólumként, pedig fontos ahhoz, hogy valahonnan valahová eljussunk. Ezeket az adatokat topológiai adatoknak nevezzük. Ez az adat tükrözi az egyik egyed viszonyát a másikhoz képest. A topológiai adat mondja meg nekünk, mikor merre kell fordulnunk, mennyit kell mennünk, mi mellett haladunk el az egyik egyedtől a másik irányába. A térinformatikában ezeket a tulajdonságokat befoglalásnak, szomszédságnak és kapcsolatnak nevezik. Az adatot és az információt meg kell különböztetnünk egymástól. Az adat az információ kó-dolt formája, míg az információkat az adatokból vezetjük le és probléma megoldásra használjuk.

A térbeli modell számítógépes megvalósítása Minden GIS projekt kiindulópontja annak a megalapozása, amit adatmodellnek hívunk. Ha valaki jártas az adatbázis tervezésben, ismeri az adatmodell fogalmát. Alapjaiban az adatmo-dell egy struktúra, amelyet a számítógép arra használ, hogy utánozza a modellezni próbált probléma folyamatait. A térinformatikában az adatmodellezés azt a folyamatot takarja, amikor a földrajzi problémát számítógéppel próbálunk megoldani. Az adatmodellt úgy is definiálhat-juk, mint az egyedek egy adott csoportjának és az egyedek közötti kapcsolatoknak az általános leírását. Földrajzi fogalmakkal az egyed lehet, pl. ház, folyó vagy telek. Az egyed fontos tulajdonsága, hogy egyértelműen azonosítható és a többi egyedtől megkülönböztethető le-gyen. A földrajzi adatmodellben az egyedek közötti térbeli kapcsolatot kifejezheti a távoli szomszédság, a közös határvonal, a bennfoglalás és az irány. Az egyedekhez és a kapcsolata-ikhoz egyaránt hozzárendelhetünk attribútumokat: a ház mérete, ablakok száma, ajtók száma, színe, értéke az építőanyag fajtája stb. A térbeli kapcsolatoknak is lehet attribútuma, például a mértékegység. A távolságot kifejezhetjük az idővel vagy méterben egyaránt.

Térbeli egyedek Elemi egyedtípusok Bármely földrajzi jelenség a kétdimenziós térben három egyedtípus valamelyikével írható le: pontok, vonalak, területek. Ezekhez már csak azt az információt kell hozzátennünk a számító-gép számára, hogy az elemi egyed a valóságban mit reprezentál (egy fa, vasútvonal, tó stb.).

Felszín és hálózat

12

A fentieken kívül van még két olyan egyedtípus, amelyik kiterjeszti a valóságot modellező képességünket. Ezek közül az egyik a hálózat. A hálózatot úgy képzelhetjük el, mint egymás-hoz kapcsolódó vonalak sorozatát, amelyeken valami áramlik (anyag vagy információ). Háló-zatnak tekinthetjük az utakat, amelyeken forgalom áramlik. Hálózatnak tekinthetjük a vadak ösvényeit, amelyeken vadak közlekednek. A másik egyedtípus a felszín. A felszínt pontok vagy helyek által definiált folyamatos egyed-nek tekinthetjük, ahol a pontok mennyiségeket jelentenek és ezek a menynyiségek lehetnek mérhető vagy minőséget jelző dolgok. A felszínnel leírhatjuk a népsűrűség alakulását, a ma-gasságokat vagy a hőmérséklet eloszlását.

A méretarány Jelen esetben nem egészen a hagyományos értelemben vett méretarányról van szó, hanem az adatbázis térbeli kiterjedésének és az egyed leképezésének harmóniájáról. Ha az egész Ma-gyarországot lefedő környezetvédelmi adatbázist kívánunk létrehozni, azon a településeket valószínűleg pontként ábrázolnánk. Másfelől a földmérési alaptérképen az utakat szélességük-től függetlenül poligonként ábrázoljuk, hiszen ingatlan nyilvántartási szempontból mindegyik önálló telek. Az ideális modellben persze teljes részletességgel lenne jó ábrázolni az egyedeket az adatbázis kiterjedésétől függetlenül, erre azonban a mai hardver-szoftver környezet nem ad lehetőséget és talán nem is célszerű.

Az egyed besorolása Az egyed leképezésének problémái Amikor modellt alkotunk, legalább három alapkérdéssel találjuk szembe magunkat: a valós világ folytonos változásban van, a leképezés „méretarányának” meghatározása és az egyedek konkrét megjelenítése a modellben.

A változó világ A valós világ folyamatosan végtelenül bonyolult és folyamatosan változik, ezért nem könnyű eldönteni, hogy az egyed leképezésére melyik alapobjektumot válasszuk. Néhány elszórt fát valószínűleg pontként lenne kedvünk ábrázolni, de ha a kedvező körülmények miatt sűrűn kinőnek a fák, azt már erdőnek kell tekinteni, és az erdőt határoló töréspontok alapján poli-gonként célszerű leképezni. Könnyen elképzelhető más olyan példa is, amikor az egyed méreteinek vagy eloszlásának változása az idők folyamán új egyedtípus bevezetését indokolná. Például néhány elszórtan növő fából (pontok) mikor lesz erdő (poligon)?

A valós világ jelenségeinek besorolása az egyedtípusok valamelyikébe mindig nehéz feladat, hiszen a valóságban ezek nem tisztán jelennek meg. Klasszikus példa a földmérésben az elha-tárolás problémája. Ha egy erdőt poligonként akarunk modellezni, felvetődik a kérdés: hol az erdő széle? Vannak-e az erdő szélének töréspontjai? stb. Csak látszólag oldódik meg a prob-léma, ha térképről digitalizáljuk az erdőt, hiszen azt is szubjektíven határolta el valaki, legfeljebb azt mondhatjuk, hogy az elhatárolás után az erdő széle jogilag tisztázott. Ez azonban sok térinformatikai alkalmazásban nem fő szempont. Élesen vetődik fel a kérdés pl. akkor, ha a gazdákat az erdősítés arányában adókedvezmény illeti meg. Az egyedek leképezése azért is alapos megfontolást igényel, mert a nem megfelelő besorolás a későbbi elemzéseket egy részét lehetetlenné teheti. Pl. a vonalként ábrázolt utakkal nehéz területi műveleteket végezni. A következő lépés a logikai modell megalkotása, amikor a valós világ egy egyedét objektummal helyettesítünk. Az előbbi példa

13

alapján az erdőfoltot zárt poligonnal helyettesítjük. Végül az utolsó lépésben létrehozzuk a fizikai modellt, vagyis a poligont a számítógépben a koordinátáival ábrázoljuk.

kész recept, sok tapasztalat kell hozzá. A raszter – vektor döntés nem jelent korlátozást (vagy – vagy), hiszen ugyanaz az egyed megjelenhet egy adatbázisban vektoros és raszteres formában is.

Az egyedek megjelenése a modellben Míg az emberi szem és tudat hatékonyan ismeri fel a formákat és mintákat, a számítógép számára pontosan meg kell adni az egyed leképezésének módját. A valós világ leképezésének ez a második fázisa. Két alapvető módon tudja a számítógép ábrázolni a térbeli egyedeket: vektoros vagy raszteres módon. A vektoros ábrázolás ahhoz hasonló, mint amikor egy mese-könyvben pontok vannak számokkal és az a feladatunk, hogy a pontokat a megfelelő sorrend-ben öszszekötve, kialakítsuk a jelenség összképét. A raszteres ábrázolás leginkább a Lego játékhoz hasonlít, amikor az egyedet azonos nagyságú elemekből rakjuk össze, és a kockák elté-rő színezése különbözteti meg őket egymástól. 3. ábra: A raszteres és vektoros megjelenítés fedvény szemléletben3

A térinformatika fejlődése során felmerült a harmadik dimenzió ábrázolásának és elemzésének szükségessége, hiszen sok térbeli jelenséget befolyásolnak a terepviszonyok. Megjelent a térinformatikai adatbázisokban a vektoros leképezés egy speciális formája a TIN (Triangulated Irregular Network = Szabálytalan háromszög hálózat). Erről később még bőven lesz szó. 2. ábra: A raszteres és a vektoros leképezés alapelve2

A kétféle leképezés a gyakorlatban egymás mellett él. Nem lehet azt mondani, hogy az egyik „jobb”, mint a másik. A helyes hozzáállás az, hogy az elvégzendő feladat célja határozza meg a modellben való megjelenítés kiválasztását. Ez nem könnyű feladat, nincs

A térinformatika fejlődésével az egyedek leképezése és számítógépes modellezése megválto-zott. A térinformatikai modellezés közelíteni kezdett az objektum alapú modellhez, az adatbá-zis pedig közelíteni kezdett a relációs adatbázis kezelés módszertanához. Előrebocsátjuk, hogy a tér-

2

http://www.cookbook.hlurb.gov.ph/book/export/html/203 Forrás: ESRI

3

14

informatikai adatbázis korszerű megfogalmazásban egy olyan objektum orientált relációs adatbázis, amely kibővül egy speciális adattípussal, mégpedig a térbeli (földrajzi) adatok típusával. A továbbiakban az objektum orientált modellezéssel fogunk foglalkozni.

A geoadatbázis modell közelebb hozta egymáshoz a fizikai és a logikai adatmodellt, vagyis kevesebb absztrakcióra volt szükség. Mint láttuk korábban, az absztrakció növekedése csökkenti az adatmodellünk valósághoz való hűségét. A geoadatbázis adatmodell lehetővé teszi az egyedi viselkedések definiálását programozás nélkül. A legtöbb tulajdonság definiálható öröklődési szabályok által vagy előre definiált szabályokon keresztül (pl. a vízelzáró szerelvény csak a vízvezetéken lehet). Prog-ramot csak akkor kell írni, ha az objektumok viselkedése nagyon különleges (pl. közlekedési hálózat modellje). Intelligens egyedek: Az előző bekezdésben megemlítettük az intelligens egyedeket. Mielőtt továbblépnénk a valós világ modellezésében, nézzük meg, mi tesz egy egyedet intelligenssé. Bár a geoadatbázisban előfordulhatnak vektoros adatok, raszteres adatok, felszín adatok és objektum adatok egyaránt, ebben a fejezetben a vektoros adatokon mutatjuk be az egyedek intelligenciáját. Ennek magyarázata, hogy a térinformatikai adatbázisban az esetek többségében nagy súllyal szerepelnek vektoros adatok.

Az egyedeknek van alakja Az egyedeknek – miután absztrakción esnek át – jól megkülönböztethető és leírható alakjuk van. A leíró adatok táblájában ezt egy speciális mező tárolja, amelyet „geometria” néven is-merünk. A mező tartalma csak a felhasználói felületen keresztül látszik, és szimbolikus be-jegyzést tartalmaz (pont, vonal, poligon).

4. ábra: A TIN modell szemléltetése4

A geoadatbázis adatmodell A geoadatbázis modell lényegét tekintve egy objektum orientált adatmodell. Az új adatmodell célja a térinformatika szempontjából az volt, hogy intelligens egyedeket definiálhassunk és kapcsolatokat (relációkat) teremthessünk a többi egyeddel.

Az egyedeknek van vetülete Az egyedek alakját koordinátákkal írjuk le egy y,x derékszögű koordináta rendszerben. A föld alakja azonban nem sík, a legjobb megközelítésben geoid. A vetület megadja,

4

http://www.csiss.org/learning_resources/content/good_sa/

15

hogy az egyed hol helyezkedik el a föld felszínén.

létrehozzuk. Az egyedek minden alcsoportjához rendelhetünk atrribútum terjedelmet és alapértelmezett leíró adatot.

Az egyedeknek vannak leíró adatai Az egyed saját tulajdonságait mezők tartalmazzák az attribútum táblában. A leíró adat alaptípusát tekintve lehet szám, szöveg vagy egyéb (dátum, objektum azonosító vagy multimédiás adat).

Az egyedeknek vannak alcsoportjai Az egyedek összessége egyed osztályt alkot. Az egyed osztályok az egyedek homogén készle-téből állnak, de az egyedek között lehetnek jelentős alcsoportok. Az épületek alkothatnak egy ilyen osztályt, és alcsoportjai lehetnek a lakóépületek, kereskedelmi épületek, ipari épületek. Az alcsoportok fokozott ellenőrzési lehetőséget adnak az egyedek fölött a rájuk vonatkozó szabályok vagy az attribútum terjedelmek definiálása által. Közlekedési példával élve, ha egy egyed a burkolatlan utak alcsoportjába tartozik, nem folytatódhat autópályaként.

Az egyedeket szabályozhatjuk Az objektumok a valós világban szabályokat követnek, amikor a helyükre kerülnek vagy he-lyet változtatnak. Ezeknek a szabályoknak a segítségével ellenőrizhetjük, hogyan kapcsolódnak a hálózat részei (pl. az eltérő átmérőjű csövek csak szűkítővel csatlakozhatnak), vagy kontrollálhatjuk, hogy egy ingatlannak hány tulajdonosa lehet.

Az egyedeknek lehet topológiája Az egyedek nagy részének pontosan meghatározható szomszédsági kapcsolataik vannak, amelyet a topológia segítségével ábrázolhatunk. A földrészleteknek átfedés és hézag nélkül kell csatlakozniuk. Ezt a kétdimenziós geometriát nevezik síkbeli topológiának. A hálózat vonalainak és szerelvényeinek hézag nélkül kell csatlakozniuk. Ezt az egydimenziós geometriát nevezzük hálózati geometriának.

Az egyedeknek vannak térbeli kapcsolataik A térben minden egyednek van valamilyen kapcsolata a többi egyeddel, semmi sem létezik önmagában. A topológia segítségével fejezhetjük ki explicit módon ezeket a kapcsolatokat. Ezen túlmenően lehetnek kapcsolatok nem térbeli objektumokkal, mint például a háznak a tulajdonosával.

Az egyedeknek összetett viselkedésük lehet

A leíró adatokat kontrollálhatjuk A leíró adatok gyűjtése során felléphetnek hibák (elírások, téves bejegyzések). Az ilyen hibák csökkentése céljából az egyedhez hozzárendelhetünk attribútum terjedelmet. Ez lehet egy szám intervallum vagy az érvényes kifejezések listája (pl. a művelési ágak neve). Ezen túlmenően az egyedhez hozzárendelhetünk alapértelmezett leíró adatot, amely automatikusan meg-jelenik az attribútum táblában, amikor az egyedet

Az egyszerű (átlagos) viselkedésű egyedeknek van geometriai megfelelője, topológiai tulajdonságai, kapcsolatai, attribútum terjedelme és meghatározott viselkedési szabályai. Ha ennél bonyolultabb viselkedésű egyedekkel van dolgunk, az egyszerű viselkedésű egyedet továbbfejleszthetjük testre szabott egyeddé.

16

Példák az objektumok egymásra hatására Bemutatunk néhány példát arra, hogy miért hasznos és mire ad lehetőséget az objektum orien-tált adatmodell.

Egyedek hozzáadása az adatbázishoz és szerkesztésük • az egyedhez rendelt leíró adat beleesik egy előre definiált készletbe és csak előírt értéket vehet fel. Jó példa erre a földrészletek művelési ága. A művelési ágak számát és szabványos megnevezését jogszabály írja elő, ezért nem lehetnek az adatbázisban erre vonatkozó eltérő megnevezések (pl. legelő helyett füves terület). • egy egyed a térben csak akkor helyezhető el, ha bizonyos feltételek teljesülnek. Az italbolt nem lehet az előírt távolságnál közelebb az iskolához, vagy egy út az autópá-lyához csak felhajtón keresztül csatlakozhat. • bizonyos egyedeknek a természet által megszabott tulajdonságaik vannak. A víz mindig lefelé folyik. • az egyedek alakja gyakran szabályokat követ. Az épületek oldalai a legtöbb esetben derékszögben találkoznak.

Az egyedek térbeli kapcsolatai A világban minden egyed valamilyen kapcsolatban van a többi egyeddel. A térinformatika szempontjából ennek a kapcsolatnak három formája van: a topológiai kapcsolat, a térbeli kap-csolat és az általános kapcsolat. Néhány példa ezek szemléltetésére: • ha egy vízvezeték hálózatot szerkesztünk, a hálózat csöveinek találkozniuk kell és a szerelvényeknek a hálózaton kell lenniük. Ez teszi lehetővé, hogy végig követhessük a víz útját (a szoftver segítségével) a hálózaton. Számos előre definiált topológiai szabály segíti a munkánkat, ha kapcsolódó hálózatot szerkesztünk a tér-

informatikai szoftverben. • ha településszerkezeti térképet készítünk, fontos elkülöníteni, hogy mely épületek mely építési tömbbe, vagy szerkezeti terv szerinti övezetbe esnek. Lehetőségünk van megállapítani, hogy egy egyed a másiktól valamilyen távolságban van, érinti azt, beleesik, illetve átfedi-e azt? • sok objektum kapcsolat nem jelenik meg a térképen, holott tudunk róla. Például a te-leknek van tulajdonosa (ez fontos tulajdonság), de a tulajdonos nem látható a térképen. A telket és a tulajdonost általános kapcsolat köti össze.

Térképi megjelenítés Az esetek egy részében szeretnénk eltérni a „korrekt” (a topológiából következő) térképi megjelenítéstől. Az objektum orientált szemlélet erre is lehetőséget ad. Lássunk erre néhány példát: • ha szintvonalakat rajzolunk a térképre, sokkal könnyebb a térképet olvasni, ha a szint-vonalak magasságát a szintvonalakat megszakítva írjuk fel, holott az adatbázisban a szintvonalak folyamatosak. • ha nagy méretarányú várostérképet rajzolunk, az akkor lesz szép, ha az útkereszteződésekben az utak sarkát lekerekítjük, pedig a földmérési alaptérképen például nincs is valódi ív. • ha egy villanyoszlopról párhuzamosan különböző áramkörök futnak le (távolságuk gyakorlatilag nulla), hasznos, ha a vezetékeket eltolással ábrázolhatjuk. Ugyanez vonatkozik a föld alatt egymás fölött húzódó vezetékekre.

Interaktív elemzés A térinformatikai térkép szinte hívogatja a felhasználót, hogy kiválasszon elemeket, lekérdezze tulajdonságaikat, kapcsolataikat: • rámutathatunk egy objektumra, és egy megjelenő űrlapon módosíthatjuk a tulajdonságait • egy elektromos vagy más hálózaton a hiba

17

helyéről kiindulva kiválaszthatjuk a kapcsolódó vezetékszakaszokat, szerelvényeket, az érintett fogyasztókat és a továbbiakban csak velük foglalkozhatunk.

•

A geoadatbázis adatmodell előnyei Az eddigi példák szemléltették, mennyire hasznos az objektum orientált szemlélet alkalmazása a valós világ leírására. Az objektum orientált adatmodell segítségével az egyedeket a maguk természetességében ragadhatjuk meg. Könnyebben kezelhetjük a sajátosságaikat, topológiai, térbeli és általános tulajdonságaikat. Definiálhatjuk a többi egyedhez fűződő viszonyukat. A továbbiakban összefoglaljuk a geoadatbázis adatmodell fő előnyeit: • A földrajzi adatok egységesített gyűjteménye. Minden, az adott munkához szükséges földrajzi adat egy helyen, egy adatbázisban tárolható és kezelhető. • Az adatbevitel és a szerkesztés sokkal precízebb. Kevesebb lesz a tévedés, mert beépí-tett szabályok gondoskodnak a topológiai és egyéb konzisztencia megőrzéséről. Sok felhasználónak már ez is elég ok a geoadatbázis adatmodelljének használatára. • A felhasználó sokkal kreatívabban definiálhatja egyedeit. A geoadatbázis adatmodell a felhasználói modellhez közelítő egyedekkel dolgozik. Pontok, vonalak és zárt poligo-nok helyett a felhasználó transzformátorokat, utakat és tavakat kreálhat. • Az egyedeknek gazdagabb környezeti kapcsolatrendszere van. A topológiai leírás se-gítségével, a térbeli megjelenítéssel és az általános kapcsolatok segítségével nem csak az egyed tulajdonságait ábrázolhatjuk, hanem a környezetéhez való viszonyát is. Így meghatározhatjuk, mi történjen, ha az egyedet elmozdítjuk, megváltoztatjuk vagy tö-röljük. A környezeti kapcsolatrendszer segítségével megtalálhatjuk és vizsgálhatjuk a kivá-

•

•

•

•

lasztott egyedünkkel kapcsolatban lévő többi egyedet. Jobb térképet készíthetünk. Több ellenőrzésünk van az egyedek térképi megjelenítését illetően, és intelligens térképrajzoló funkciókat használhatunk. az egyedek megjelenítése a képernyőn dinamikussá válik. Az egyed a megjelenítéskor reagálni tud a környezetében lévő egyedekre. Hozzá lehet rendelni az elemzési utasítást vagy az elemző eszközt az egyedhez. Az egyedek alakja jobban követhető. A geoadatbázis adatmodell lehetővé teszi az egyedek alakjának a valósághoz jobban közelítő ábrázolását. Az egyenes szakaszokon kívül rajzolhatunk köríveket, elliptikus íveket vagy akár Bézier görbéket is. Az egyedek sokaságának tárolása válik lehetővé. A geoadatbázis – alapelvéből következően – lehetővé teszi nagyon sok egyed befogadását és tárolását szegmentálás vagy egyéb térbeli elkülönítés nélkül. Több felhasználó szerkesztheti a geoadatbázist egyidejűleg. A geoadatbázis adatmodell lehetővé teszi, hogy több felhasználó szerkeszthesse egyidejűleg ugyan annak a földrajzi helynek az adatait, és kezelje a felmerülő ellentmondásokat.

Természetesen a fenti előnyök egy része megvan a hagyományos adatmodellek esetén is, de ott van egy nagy hátrány is: az említett előnyök csak külső programok megírásával aknázhatók ki. Az alapvető előny az objektum orientált adatmodell esetében az, hogy keretet ad olyan intelligens objektumok definiálásához, amelyek viselkedésükben és kapcsolataikban utánozni tudják a valós világ objektumait. A geoadatbázis a földrajzi adatok négy formájának megjelenítését támogatja: • vektoros adatok az egyedek ábrázolására

18

• raszter adatok a képek, raszteres tematikus adatok és felszínek ábrázolására • TIN (Triangulated Irregular Network), vagyis szabálytalan háromszög hálózat a fel-színek ábrázolására • hely meghatározások (pl. postacím) és koordináták a földrajzi hely meghatározására A geoadatbázis a felsorolt adattípusokat sztenderd (kereskedelmi) relációs adatbázis kezelő-ben tárolja (pédául az ArcGIS szoftver a Microsoft Access adatbázis kezelőt használja). Ez egyrészt azt jelenti, hogy a térinformatikai adatok központilag kezelhetők informatikusok se-gítségével, másrészt a térinformatika folyamatosan profitálhat az adatbázis kezelés tudomá-nyának fejlődéséből.

Az egyedek vektoros ábrázolása a geoadatbázisban A valós világban sok egyednek jól definiálható formája, határai vannak (főleg az ember által alkotott környezetben). A vektoros adat pontosan és tömören írja le ezeket a határokat. Ez a leírási forma támogatja a legjobban a számítási műveleteket, mint a területszámítás, kerület számítás, relatív helyzet (átfedés, metszés) megállapítása, a közvetlen, vagy egy adott távol-ságon belül lévő szomszédok megkeresése. A vektoros adatokat a dimenziójuk alapján rendszerezhetjük: • a pont nulla dimenziós, és olyan földrajzi egyedek ábrázolására használjuk, amelyek hossza vagy területe az adott modellben elhanyagolható. • a vonal egy dimenziós, és olyan földrajzi egyedek ábrázolására használjuk, amelyek szélessége elhanyagolható a hosszához képest az adott modellben. A vonalat y,x koor-dináták rendezett sorozataként tároljuk. A vonal darabjai lehetnek egyenesek, körívda-rabok, ellipszisdarabok vagy simított görbék.

• a zárt poligonok kétdimenziósak, területi kiterjedéssel rendelkező földrajzi egyedek ábrázolására. A poligonokat vonalak alkotják, és egy területet zárnak körbe. További vektoros adat a megírás vagy címke. Ezek a címkék az egyedekhez vannak rendelve és neveket, leíró adatokat tartalmazhatnak. A vektoros adatoknak a geoadatbázisban meghatá-rozott struktúrája van, amely meghatározza az egyedek dimenzióját és kapcsolataikat. Az egyedek adatainak összessége a térbeli egyedek, a nem térbeli objektumok (emlékezzünk a térképen nem található objektumra, a tulajdonosra) és a köztük lévő kapcsolatok tároló helye. A topológiai kapcsolatokat síkbeli topológia és hálózati topológia írja le. A geoadatbázis tar-talmaz még érvényességi feltételeket és kódtáblákat is, amelyek biztosítják, hogy ha új egye-det hozunk létre, vagy a meglévőt megváltoztatjuk, a leíró adataik érvényesek legyenek és igazodjanak a hozzájuk hasonló objektumokhoz.

Az egyedek ábrázolása raszterrel A geoadatbázisba kerülő adatok egy része raszter formátumú. Ennek egyik oka, hogy az adat-gyűjtő eszközök egy része (szkenner, digitális kamera) raszter formában rögzíti a gyűjtött adatokat. A raszter elemi egysége a pixel vagy cella, amelynek értéke sok mindent reprezen-tálhat. A cella tárolhatja a fény adott spektrumban visszaverődő részét, egy fénykép színin-formációját, tematikus adatot, mint a növényzet típusa, felszínre jellemző értéket vagy magas-ságot.

A felszín ábrázolása TIN hálózattal A TIN a felszín egyik lehetséges modellje. A geoadatbázis a TIN-t magasságokkal rendelkező pontok és élekkel határolt háromszögek formájában tárolja. Bármely pont magasságát megha-tározhatjuk interpolálással a TIN földrajzi határain belül. A TIN lehetővé teszi a felszínelem-zéseket, példá-

19

ul vízrajzi elemzések, láthatósági vizsgálat, a terep szemléltetése stb.

Helymeghatározó elemek a geoadatbázisban Talán a leggyakoribb térinformatikai művelet egy földrajzi hely megkeresése. A geoadatbázis tartalmazhat postacímeket, y-x koordinátákat, helyneveket. Itt meg kell jegyezni, hogy minden egyedet vagy egyedtípust ugyanabban a koordináta rendszerben kell ábrázolni. A közös koordináta rendszer biztosítja a geoadatbázis geometriai integritását, a topológia konziszten-ciáját és így végső soron a térinformatikai elemzések helyességét.

A geoadatbázis tervezése A geoadatbázis tervezése alapvetően megegyezik bármely adatbázis tervezésével. A geoadatbázis lényegét tekintve relációs adatbázis azzal a kiegészítéssel, hogy az adatbázis földrajzi adatokat is tartalmaz. A geoadatbázis részben kibővíti, részben leegyszerűsíti a ter-vezést az objektum orientált szemlélet által, mert eleve tartalmazza a földrajzi egyedek térbeli és topológiai kapcsolatait. Ennek a struktúrának a része egy speciális adattípus, a topológia amely integrált rendszerek leírására alkalmas, mint például a vízhálózat vagy az úthálózat. A geoadatbázis adatmodell hidat képez az embereknek a világ objektumairól alkotott képe és a relációs adattárolási és adatkezelési technika között. A hagyományos relációs adatbázis tervezés két fő lépésből áll: a logikai adatmodell létrehozá-sa és az adatbázis modell fizikai megvalósítása. A logikai adatmodell tartalmazza az adatok összességét a felhasználó szempontjából, az adatbázis modell ezt megvalósítja a relációs adatbázis kezelés technológiája segítségével.

A logikai adatmodell tervezése A logikai adatmodell felépítésének kulcskérdése a minket érdeklő objektumok pontos kivá-lasztása és a köztük lévő kapcsolatok megállapítása. Az objektumokra általában úgy gondo-lunk, mint hétköznapi dolgokra, például utak, földrészletek, épületek, tulajdonosok stb. A kapcsolatukat is természetes nyelven fejezzük ki, mint például „mellette”, „tulajdonosa”, „ré-sze”. Az adatmodell megtervezése általában nem egy lépéses folyamat. A kezdeti modellt fel lehet tölteni adatokkal, tesztelni lehet, öszsze lehet vetni a felhasználó szükségleteivel és a fel-használó szervezet (cég, hivatal, hatóság) gyakorlatával vagy üzleti politikájával. Különösen fontos a tervezésbe bevonni a későbbi felhasználók csoportját. Ez a kulcsa annak, hogy ne csak elvileg korrekt, hanem a felhasználók szükségleteit is kielégítő adatmodell szülessen. Ahogyan már említettük, a logikai adatmodell létrehozása iteratív eljárás, és jellemzően a tapasztalatok alapján módosuló folyamat. Nem létezik valahol egy „igazi” modell, hanem vannak jobb és kevésbé jó modellek. Nehéz pontosan meghatározni, hogy egy modell mikor jó és teljes, de van néhány jele annak, amikor ezekre a kérdésekre igennel válaszolhatunk: • a logikai adatmodell tartalmaz-e minden adatot lehetőleg ismétlődés nélkül? • támogatja-e a logikai adatmodell a szervezet üzleti (jogszabályi) előírásait? • tartalmazza-e a logikai adatmodell a felhasználók különböző csoportjainak eltérő né-zőpontját az adatokra vonatkozóan? (a csővezeték a mérnök számára átmérővel ren-delkező anyag, a könyvelő számára költségelem).

A logikai adatmodell megjelenítése A legutóbbi időkig a logikai adatmodellt a közismert egyed-reláció diagramként ábrázolták. A vezető objektum orientált modellfejlesztő cégek továbbfejlesztették ezt az

20

ábrázolásmódot, hogy még szemléletesebben és több aspektusból lehessen szemlélni és értékelni az adatmodellt. Kibővítették az egyed-reláció ábrázolást az adatáramlás ábrázolásával és a használati-eset vonatkozások ábrázolásával. Ezekkel csak az volt a baj, az egyes tervezési módszerek nem egységes jelöléseket használtak. Napjainkban a legtöbb objektum orientált modellező módszer alkalmazza az egységesített modellező nyelvet, idegen kifejezéssel az UML-t (Unified Modeling Language), amely az objektum orientált modellezés szabványos nyelvévé vált.

szakember megkapja a logikai adatmodellt a modellezőtől és az adatbázis kezelő szoftver parancsainak segítségével megalkotja az adatbázis szerkezetét, és definiálja az adatbázis részeit, hogy be lehessen olvasni vagy billentyűzni az adatokat. A fizi-kai adatbázis sokban hasonlít a logikai adatbázisra, de technikai okok miatt sokban el is tér tőle. A táblázatokban való megjelenítés az objektumok osztályait összevonhatja vagy szétvá-laszthatja. A szabályokat és a kapcsolatokat is többféleképpen ki lehet fejezni. A legfontosabb előnye a geoadatbázis modellnek, hogy úgy tartalmazza az adatokat, hogy azok a legjobban emlékeztessenek a logikai adatmodellre. Más szóval a fizikai átalakítás nem rejti el teljesen a felhasználó elől az adatbázis logikáját. A korábbi (pl. állomány orientált) adatbázisok csak egy programozott felületen át voltak elérhetők, a felhasználó semmit sem látott az adatbázis belső struktúrájából. Ennek fő hátránya az volt, hogy a felhasználó mindig rá volt szorulva a fejlesztőre.

A logikai és fizikai adatbázis elemei 5. ábra: Tipikus UML diagram5

Fontos megjegyezni, hogy az UML nem tervezési módszer, inkább a tervezési folyamat átte-kintését segítő diagramrendszer. Természetesen az UML tartalmaz olyan beépített szabályo-kat, amelyek figyelmeztetik a felhasználót a helytelen utasításokra, belső ellentmondásokra. Az UML abban nyújt segítséget, hogy használhassuk az objektum orientált tervezési módszer-tant a saját céljainkra és modellünket szabványos, mások által is érthető módon írhassuk le. Az adatbázis modell fizikai megvalósítása A fizikai adatbázist a logikai adatbázis modell alapján készítjük. A legtöbb esetben egy relá-ciós adatbázis építésben jártas

A következő táblázat a logikai adatmodellnek megfelelő fizikai modell elemeit állítja párhu-zamba: Logikai elemek

Adatbázis elemek

egyed

sor

Attribútum (leíró adat)

oszlop, mező

Osztály

táblázat

A logikai adatmodell az egyed absztrakciója, amellyel az egyes alkalmazásokban találkozunk. Ezt az absztrakciót konvertáljuk adatbázis elemekké. Az egyed egy valós objektumot repre-zentál, mint az épület, tó vagy a fogyasztó. Az egyedet a táblázatban sorként tároljuk. Az egyednek egy sor jellemzője, leíró adata van. A leíró adat az ob-

5

www.thuvien-it.net

21

jektum minőségi paramétereit jeleníti meg, mint a neve, mérete, minősége vagy azonosítója (kulcsa) egy másik egyedhez. Az attribútumokat a táblázatban oszlop (mező) formájában tároljuk. Az osztály a hasonló egyedek gyűjteménye. Egy osztályban minden egyednek ugyanaz a leíró adatkészlete. Az osztályt az adatbázisban táblaként tároljuk. A sorok és oszlopok a táblázatban két dimenziós mátrixot alkotnak.

Az összetett adatok problémája A relációs adatbázis kezelés annak köszönheti elterjedtségét, hogy egyszerű, elegáns, könnyen megérthető és áttekinthető szerkezete van. Az egyszerűsége egyben a hátránya is – könnyű vele relációs adatbázist definiálni, de bonyolult modellezni az összetett adatokat. Márpedig a földrajzi adatbázisok összetett adattípusokat is tartalmaznak. A vonal vagy a zárt poligon ko-ordináták strukturált sorozat, és nem írható le olyan elemi adattípussal mint az egész szám, tört szám vagy karaktersorozat. Ráadásul az egyedeket olyan adatbázisba gyűjtjük, amelyben szerepelnie kell topológiai információnak, térbeli kapcsolatoknak és általános kapcsolatoknak egyaránt. A relációs adatbázis tehát csak az alapja a geoadatbázisnak. A geoadatbázis fő célja az összetett adatok kezelése egységes adatmodellben lehetőleg függetlenül a relációs adatbázis kezelés hátrányaitól.

A geoadatbázis tervezés fő lépései A geoadatbázis tervezésnek a módszertantól többé-kevésbé függetlenül vannak egymást köve-tő logikus lépései: • Az adatok modellezése a felhasználó szemszögéből nézve. A felhasználóval beszélgetni kell (interjút készíteni), át kell tekinteni a felhasználó szervezet struktúráját, elemezni kell a jelenlegi, esetleg a jövőbeni szükségleteket. • Az egyedek és kapcsolataik meghatáro-

zása. Az egyedekből fel kell építeni a logikai adatmodellt annak figyelembe vételével, hogy milyen kapcsolatok vannak közöttük. • Ki kell választani az egyedek geometriai megjelenítését. El kell dönteni, hogy a vekto-ros, a raszteres, vagy a felszínleíró geometria közül melyik jellemzi legjobban az egyedeket az adatmodell céljai alapján. • A geoadatbázis elemeinek meghatározása. A logikai adatmodellben szereplő egyedeket be kell illeszteni a geoadatbázisba. • A geoadatbázis szerkezetének meghatározása. Fel kell építeni a geoadatbázis struktú-ráját a tematikus csoportosítások, topológiai kapcsolatok és nem utolsó sorban a fel-használó szervezet felelősségi viszonyai alapján.

Az adatok modellezése a felhasználó szemszögéből nézve Ennek a lépésnek az a fő célja, hogy közös nevezőre jussanak a fejlesztők és azok, akik a kész térinformatikai adatbázist használni fogják. Ebben a lépésben a fejlesztő: • felméri azokat a tevékenységeket, amelyek a szervezet (cég, hatóság, hivatal) működé-sét és céljait szolgálják • azonosítja a tevékenységekhez szükséges adatokat • az adatokat egyedek szerint logikusan csoportosítja • meghatározza a megvalósítás menetét • leírja a szervezet funkcióit Ebben a fázisban a GIS-től elvárt előny nem más, mint a szervezet (cég, hatóság, hivatal) működési hatékonyságának növelése.

Az adatforrások felmérése Ha a tevékenységeket felmértük, a következő lépés a funkciók végrehajtása során használt adatkörök megállapítása. Meghatározzuk, hogy az adott tevékenység előál-

22

lít-e adatot vagy csak használja az adatot. Általánosságban az adatok két típusával dolgozunk: a minket közvet-lenül érintő adatokkal és a háttéradatokkal. Természetesen a minket közvetlenül érintő adatokkal foglalkozunk részletesen. Elemezhetjük minden funkció hatókörét a többi funkcióhoz képest illetve a külső szereplőkkel kapcsolatban. Nagyon gyakori, hogy a tevékenység során keletkezett adatot maga a funkció állítja elő. Ebben a fázisban a következő alapkérdésre keressük a választ: „Mit csinál ez a funkció, amikor kapcsolatba kerül a másikkal, és mi a kapcsolat természete?” Amikor kapcsolatba hozzuk az adatokat a tevékenységekkel, gyakran találkozhatunk szino-nimákkal, eljárásokkal amelyek oda vezethetnek, hogy egy adatot többször tárol a szervezet vagy ugyanazt az adatot más néven tárolja. Ezeket a helyzeteket azonnal rendezni kell, vagy rögzíteni későbbi intézkedés végett. Az adatforrások összeállítása a végrehajtók számára inte-raktív folyamat, a végleges lista több „menet” után áll össze.

Az adatok csoportosítása Az alapszinten csoportosított adatok fognak egymással kapcsolatba lépni a GIS-en belül. Ezek a csoportok komplett rendszereket képviselnek, mint a vízhálózat, ingatlan nyilvántartás, út-hálózat vagy a földfelszín. Funkcionális oldalról ezek a csoportok fogadnak és továbbítanak információkat. Például a felszínmodell a csapadékmennyiséggel kombinálva átadja a hidroló-giai adatokat a csatornahálózati modellnek. Minden adatcsoportnak szigorúan ugyanabban a koordináta rendszerben és topológiai típusban (hálózati, normál vagy topológia nélküli) kell lennie. Az alábbi táblázat szemléltet egyfajta csoportosítást:

víz közmű ingatlan nyilvántartás úthálózat földfelszín

Az egyedek és kapcsolataik meghatározása Ebben a lépésben közelebbről kell megvizsgálnunk adatainkat. Ki kell választanunk olyan objektumokat – egyedeknek nevezzük őket – amelyeknek közös tulajdonságaik vannak. En-nek a folyamatnak a fő lépései: • az egyedek azonosítása és leírása • az egyedek közötti kapcsolatok megállapítása és leírása • az egyedek és a kapcsolatok dokumentálása UML diagram formájában Ajánlatos az utolsó lépésben valamilyen, a kereskedelemben kapható UML konvenció szerint működő grafikus szoftvert használni, mert így a sémát és az összekötő vonalakat (a jelenté-sükkel együtt) már nem kell megrajzolnunk. Ez a lépés azért fontos, mert részletes áttekintést ad a felhasználónak az adatokról és az adatok relációiról. A legfontosabb, hogy a felhasználót feltétlenül vonjuk be ebbe a munkába, hogy az eredményt ellenőrizhesse a saját szempontjai szerint. Ebben a lépésben előfordulhat, hogy hatalmas mennyiségű adatot kell kezelnünk. Célszerű tevékenységek szerint szétbontani a feladatot és csak az adott tevékenységhez tartozó adatokra koncentrálni. Előfordulhat, hogy csak több közelítés után tudjuk tisztázni az egyedek definícióját és kapcsolataikat.

Az egyedek és kapcsolataik megfogalmazása Az egyedeket és kapcsolataikat állításokkal lehet kifejezni. Az egyedeket tekinthetjük a főne-veknek, a kapcsolataikat az igéknek. Néhány példa erre: • Az elzáró szabályozza a gáz áramlását. Ez az állítás egy egyedet ír le.

23

• A csatlakózó szerelvény összekapcsol két vagy több gázvezetéket. Ez az állítás leírja az egyedek közötti szerkezeti kapcsolatot. • A gázhálózat szerelvényekből és csövekből áll. Ez az állítás az egyedek halmazát írja le, amelyek így egy új, összetett egyedet képeznek (gázhálózat). • A fővezeték a gázvezetékek egy típusa. Ez az állítás leírja az egyedek hierarchikus csoportosítását.

Az egyedek megjelenítésének meghatározása Ebben a lépésben minden egyedhez hozzárendeljük a geoadatbázisban történő megjelenítését. Bizonyos egyedeknek lesz geometriai megjelenítése a hozzá tartozó leíró adatokkal. ezeket az egyedeket geometriai tulajdonságaik alapján soroljuk egy csoportba. Más egyedeknek csak leíró adataik lesznek, míg mások raszterek, fényképek vagy vektoros rajzok formájában jelen-nek meg. A következő megfontolásokat kell ezzel kapcsolatban tenni: • az egyednek meg kell jelenni a térképen vagy nem. • az egyed alakja (geometriája) megfelelő lesz-e a tervezett térbeli elemzéshez. • az egyed csak egy adat, amelyet csak más egyeddel együtt tudunk megjeleníteni (pél-dául egy adott telek tulajdonosát csak a telek kiválasztása után tudjuk megjeleníteni). • az egyednek különböző alakban kell-e megjelennie különböző ábrázolási méretarány-okban. • megjelenik-e az egyedhez tartozó szöveges információ a térképen vagy a képernyőn. Az alábbi szabályok segíthetnek a megjelenítés módjának kiválasztásában. Az ebben a lépés-ben kialakult információkat össze kell foglalni egy adatszótárban. Ez az adatszótár arra szol-gál, hogy dokumentáljuk az

egyedek megjelenését a geoadatbázisban. • Pont – olyan egyedet ábrázolunk vele, amelynek kiterjedése elhanyagolható az adatbá-zis adott felbontása mellett • Vonal – olyan egyedet ábrázolunk vele, amelynek a szélessége elhanyagolható az adatbázis adott felbontása mellett • Zárt poligon – olyan egyedet ábrázolunk vele, amelynek van síkbeli kiterjedése az adatbázis adott felbontása mellett • Felszín – lényegében ez is zárt poligon, csak a töréspontoknak eltérő magassági adatai vannak • Raszter – egy területet derékszögű cellák formájában ábrázol (űrfelvétel, légifelvétel, folyamatos felszín) és elemzési célokra használható • Fénykép, rajz, műszaki rajz – digitális képet jelenítenek meg valamiről, elemzésre nem használhatók • Objektum – olyan egyedek ábrázolására, melyeknek nincs geometriai megjelenítési lehetősége (pl. tulajdonos) Egy egyedet természetesen többféleképpen megjeleníthetünk a geoadatbázisban a tervezett megjelenítési méretarány, vagy a tervezett alkalmazás függvényében. Például ugyanaz az út lehet vonal is, poligon is mert a közlekedésszervező vonalnak tekinti, a földmérő földrészlet-ként kezeli. Ugyan az a település lehet pont, vagy lehet poligon, a pont a kisméretarányú meg-jelenítéskor, a poligon a nagyméretarányú megjelenítésnél hasznos.

Egyeztetés a geoadatbázis modellel Ebben a lépésben meghatározzuk, hogy az egyed reprezentációja hogyan oldható meg az adott térinformatikai szoftverben. Minden adatbázis tervezés ott végződik, hogy egy kiválasztott szoftver lehetőségeihez kell alkalmazkodnunk. A hangsúly ebben a fázisban átkerül a felhasználó szükségleteiről a hatékony adatbázis kiala-kítására. Innentől szükség

24

van a csoportban egy szakértőre, aki ért a geoadatbázis adatmodell-hez és átlátja a későbbi elemzési lehetőségeket.

A geoadatbázis megfogalmazása A térinformatikai szoftverek lehetőséget adnak rá, hogy az egyedeket egyszerű jelenségként, összetett jelenségként vagy objektumként kezeljük. • A más pontokkal nem összefüggő pontokat, mint például az emlékművek, egyszerű pontként definiáljuk. • Az egyedeket összekapcsoló pontokat, mint az út – útkereszteződés kapcsolat, egysze-rű hálózati pontként kezeljük. • A belső topológiával rendelkező pontokat, mint például a szennyvíztisztító, öszszetett hálózati pontként kezeljük. Ha az egyed geometriai megjelenése vonal: • Az egyedülálló vonalszerű egyedeket – mint például a kerítés – egyszerű vonalként definiáljuk. • Azokat az egyedeket, amelyek egy vonalrendszer részei – mint például az úthálózat – egyszerű hálózati élként definiáljuk. • Azokat az egyedeket, amelyek hálózatokat kötnek össze, összetett hálózati élként definiáljuk. Ha az egyednek van síkbeli kiterjedése: • Az önálló foltokat, mint például egy park, poligonként definiáljuk (ez a kifejezés térin-formatikai szoftverekben általában zárt poligont jelent). • A teret kitöltő foltokat – mint például a felszínborítás – topológiával rendelkező poligon egyedként definiáljuk. Ha az egyed képként képződött le (fénykép, szkennelt térkép, űrfelvétel stb.), akkor a geoadatbázisban raszterként definiáljuk. Ha az egyed valaminek a felszíne: • Azoknál a felszíneknél, ahol a terepfelszín részletei fontosak (műszaki alkalma-

zások), a felszínt TIN – ként definiáljuk. • Ha nagy területek felszínét akarjuk ábrázolni és fel akarjuk használni a meglévő digi-tális felszínmodellt, rasztert definiálunk. Ha az egyed objektum, objektumként definiáljuk. Ezek olyan egyedek, amelyeknek nincs földrajzi megjelenésük, de egy térinformatikai egyedhez tartoznak (telek – tulajdonos). Az egyes térinformatikai szoftverek filozófiájából következően az egyedek egyedosztályokba, az egyedosztályok adatkészletekbe, az adatkészletek geoadatbázisba csoportosíthatók. Ezek a csoportosítások megkönnyítik az egy földrajzi területhez, projekthez, vagy szervezeti egysé-gekhez tartozó földrajzi adatok tárolását, kezelését és a szabályozott hozzáférés biztosítását más felhasználók számára.

A geoadatbázis tervezésének szükségessége és célja A valós világ modellezésének megismerése után sejthető, hogy a geoadatbázis megtervezése nem pusztán műszaki kérdés. A geoadatbázis egyrészt nem ragadható ki abból a szakmai – társadalmi környezetből, amelyben működni fog. Másrészt nem lehet jó geoadatbázist tervezni anélkül, hogy az adatbázis felhasználási célját ne ismernénk, vagy ne tartanánk szem előtt.

A tervezés szükségessége Ami a GIS-t hatékonnyá teszi, az a jól megtervezett geoadatbázis. Kérdés, hogy mit nevezünk ebben az esetben jónak? Erre nincs végleges és zárt válasz. A helyesen feltett kérdések segítik a jó adatbázis megtervezését: • Hogyan illeszthető be a térinformatikai technológia a szervezet meglévő funkciói közé? Mit kell a korábbi rendszeren megváltoztatni?

25

• Mely adatokból profitálhat legtöbbet az adott szervezet? • Mely adatokat tudjuk tárolni? • Ki lesz felelős az adatbázisok karbantartásáért? A fenti kérdések megválaszolásának módja elsősorban attól függ, mennyire ismerjük a GIS technológiát. A GIS megvalósításának tervezése olyan, mint bármely más tervezés. Kezdődik a célok megértésével és folytatódik az egyre részletesebb tervezéssel, ahogyan egyre több adatot és információt gyűjtöttünk a feladatunkról. Az előzetes célkitűzés és a tervezésre for-dítható pénzösszeg is befolyásolja a tervezési munka részletességét. A tervezési folyamat gyakran nem kap megfelelő hangsúlyt a geoadatbázis építésében. Ennek oka, hogy nagyon időigényes, és nem hoz látványos eredményeket. Annak a kockázata is fennáll, hogy a terve-zés nem is történik meg. Ha nem hajtjuk végre a tervezést, előfordulhat, hogy a megszülető adatbázis nem felel meg az igényeinknek sem most, sem a jövőben. Ez oda vezethet, hogy többször előforduló, hiányzó, illetve felesleges adataink vannak, ami hatalmas pazarláshoz vezethet. Tudvalévő, hogy egy térinformatikai rendszer komponensei közül (adat, hardver, szoftver, személyzet) az adatok előállítása nagyságrenddel haladja meg a többi komponens költségeit.

A tervezés céljai A tervezés az a folyamat, amelynek során kitűzzük a célokat, a megoldásra alternatívákat dol-gozunk ki, ezeket értékeljük, és végül megalkotjuk a megvalósítási tervet. Az első szinten a tervezés képet ad arról hogy hol tartunk most, hová akarunk eljutni, hogyan juthatunk egyik szintről a másikra. Ahogy haladunk a tervezéssel, egyre több a részlet, adatokat és térbeli struktúrát határozunk meg. Az adatbázis tervezés legfőbb előnye, hogy mindenre kiterjedő áttekintést ad a leendő geoadatbázisról. A

jól végrehajtott tervezés eredménye egy jól funkci-onáló és hatékonyan működő adatbázis. Ennek ismérvei: • Teljesíti a kitűzött célokat és segíti a szervezet működését (nem pedig megnehezíti) • Tartalmaz minden szükséges adatot, de nem tartalmaz redundanciát (adatismétlődést). Ez alól kivétel, ha az ismétlődés kimondottan benne van a tervekben és szükségessége dokumentálva van. • Úgy szervezi meg az adattárolást, hogy különböző felhasználók elérhessék ugyanazo-kat az adatokat (ne kelljen másolgatni az adatokat). • Befogadja az adatok különböző nézeteit. • Elkülöníti az adatkezelő alkalmazásokat az adatfelhasználó alkalmazásoktól. • Helyesen jeleníti meg, kódolja és szervezi adatbázisba a földrajzi jelenségeket. Említettük, hogy a tervezés időigényes folyamat, de a jó tervből az alábbi előnyök származ-nak: • Megnövekedett rugalmasság az adatkeresésben és elemzésben. • Meghozza a felhasználók kedvét újfajta alkalmazási módokhoz. • Elosztja az adatgyűjtés, tárolás és visszakeresés költségeit. • Többféle felhasználót kiszolgáló adatbázis jön létre. • Rugalmasságot biztosít a jövőbeni igények kielégítésére, új funkciók befogadására. • Minimalizálja az adatismétlődést.

Tervezési irányelvek A tervezési folyamat általában nehéz munka. Néhány tényező szem előtt tartásával ez a folyamat megkönnyíthető és sikeresebbé tehető: • Vonjuk be a felhasználókat a tervezésbe. Ezzel a felhasználók egyre inkább ma-

26

•

•

•

•

•

•

•

•

•

gukénak érzik a rendszert és a tervező is hasznos információkhoz jut. Egyszerre csak egy lépéssel foglalkozzunk. Nem szükséges az összes részletet egy-szerre kidolgozni. A tervezés folyamatos közelítési feladat. Olyan lépésekben lehet ha-ladni, amelyek illeszkednek a szervezet felépítéséhez. Alakítsunk csoportot. A tervezés során sok információra, szaktudásra és döntéshoza-talra van szükség. Ezt egyedül nem tudjuk megoldani. Legyünk kreatívak. Egy új projekt indítása jó lehetőség arra, hogy megismerjük a kor-szerű technológiákat. Osszuk a tervezési munkát kezelhető részekre. A nagy projekteket fel lehet osztani el-határolható és átlátható egységekre. Egy – egy mérföldkő a projektben ne legyen idő-ben közelebb egymáshoz, mint két hónap. Ez megkönnyíti, hogy a projektre fókuszál-junk. Tartsuk szem előtt a szervezet céljait és szükségleteit. Fontos, hogy a geoadatbázis va-lós igényeket elégítsen ki, végtére is a felhasználók kedvéért készül. Ne foglalkozzunk a részletekkel túl korán. Például ne próbáljuk meg az egyed osztályokra vonatkozó szabályokat lefektetni a geoadatbázis szerkezetének elkészítése előtt. Dokumentáljuk a tervezést alaposan. Minél bonyolultabb az adatbázis, annál nagyobb hasznot hoz a dokumentálás. Hasznos lehet a folyamat dokumentáló szoftverek alkal-mazása (pl. Microsoft Project). Legyünk rugalmasak. A kezdeti terv biztosan nem lesz ugyanaz, mint a végső állapot. A tervezésnek reflektálnia kell a szervezetben bekövetkező változásokra, a menet köz-ben megjelenő új technológiákra és a résztvevők növekvő hozzáértésére Készítsünk megvalósítási tervet a mo-

dellünkről. A megvalósítási tervnek tartalmaznia kell a tevékenységek fontossági sorrendjét.

Adatgyűjtés és források A városökológiai kutatás szükségessé teszi több tudományterület együttműködését: A városökológia interdiszciplináris kutatási terület: az összes aspektus feltárása különböző tudományterületek együttműködését igényli (meteorológia, talajtan, urbanisztika, szociológia, biológia, architektúra(GÉCZI 2007), valamint a városi környezet konfliktusainak feltárását (MUCSI 1996). Így a jelen kutatás során is a városi környezetben integrált környezetelemzés során komplex geoinformatikai rendszerbe illesztett adatokat vizsgálunk a földtani, a talajtani, a hidrológiai, klimatikus és a biotikus tényezők vonatkozásában, a várost magában foglaló tájtípusokban. GIS adatbázis kialakítása annak alapján történik, hogy az eltérő tudományterületek földtan, hidrológia, levegő vagy klíma és természeti környezet - milyen leíró adatokat állítanak elő, illetve az elemzéseikhez milyen egyéb adat integrációjára van szükség. A GIS rendszerbe minden rendelkezésre álló forrás integrálását el kell végezni. A kutatáshoz a következő források állnak rendelkezésre: 1. Topográfiai térképek 2. Domborzatmodellek 3. Űrfelvételek 4. Hiperspektrális felvételek 5. Légifelvételek 6. Attribútum adatok – talaj, víz, levegő, növényzet, egyéb statisztikai adatok 7. Ökológiai leírások és korábbról meglévő térképek

27

Módszerek Az adatbázis tervezés teszi a GIS kivitelezését hatékonnyá. (ZEILER 1999). A tervezési fázis legfontosabb feladata, hogy megfelelő kérdéseket tegyünk fel. Épp ezért a kutatás elején a résztvevők összegyűltek, hogy meghatározzák, milyen a GIS rendszernek milyen elvárásoknak kell megfelelnie, a térinformatikai rendszer felépítésével foglalkozó kutatók erre alapozva egy kérdőívet szerkesztettek, melyben a létrehozandó térinformatikai rendszerre vonatkozó alapvető elképzeléseket vizsgálták, így segítve a térinformatikai adatbázis tervezését a külön-böző tudományterületek számára. Minden funkció esetén meg kell határoznunk, hogy az adott kutató csoportnak milyen adatra van szüksége ahhoz, hogy a vizsgálathoz szükséges információt kinyerhesse. Minden adattípus esetén meg kell határoznunk, hogy milyen adatforrásra van szükségünk. A folyamat végén az adatainkat logikai csoportokba kell rendeznünk. A tervezés a megvalósítás fázisában egy interaktív és iteratív folyamat (ZEILER 1999). ARCTUR and ZEILER (2004) szerint az adatbázis tervezés hat alapvető lépésből áll: 1. A geoadatbázis tervezésének fejlesztése 2. A terv módosítása a GIS szoftverben 3. Adatok feltöltése a geoadatbázisba 4. Topológia építése 5. A modell tesztelése 6. A modell javítása (ARCTUR and ZEILER 2004) Abban az esetben, ha nem alkalmazunk CASE (Computer aided software engineering) eszkö-zöket, valamint ha egyszerű az adatmodellünk és az adat már rendelkezésünkre áll az adatbá-zis tervezése az adatok betöltésével és ehhez kapcsolódóan az adatbázis séma létrehozásával kezdődik. Kutatásunkban az adatbázis tervezése so-

rán más kutatási területek által előállított adatokra támaszkodunk (hidrológia, geológia, talajtan, klimatológia, biológia, távérzékelés), így az általuk előállított térbeli és leíró adatokra, valamint a további elemzésekhez szükséges források integrálására.

Igényfelmérés (az elfogadott kutatási terv szerint) Az igényfelmérés célja, hogy tisztán lássuk a részprojektek térinformatikai igényeit és össze tudjuk egyeztetni a kutatók elképzeléseit és a térinformatika lehetőségeit. További cél a térin-formatikai adatbázis konzisztenciájának biztosítása. A következő kérdésekre kerestük a választ részterületenként: • Mekkora földrajzi területre terjed ki a kutatás (max. 13x13 km!)? • Mi a célja a kutatásnak térinformatikai szempontból? • Milyen megfigyeléseket szeretnénk a térinformatikai adatbázisban ábrázolni? • Milyen egyedek formájában szeretnénk leképezni a munkánk (megfigyeléseink) ered-ményét (pont, vonal, poligon, raszter)? • Körülbelül hány egyed lesz az egyes rétegekben? • Milyen leíró adatokat szeretnénk az egyedekhez hozzárendelni? • Milyen típusú elemzéseket szeretnénk elvégezni a saját részterületünkön belül? (Milyen eredményeket szeretne kapni a kutatási adatok alapján)? • Milyen típusú elemzéseket szeretnénk végrehajtani a többi részprojektek adataival? (PŐDÖR – VÉGSŐ 2012) A kérdésekre adott válaszok alapján történt az adatbázis tervezése. Egyértelmű volt, hogy a tervezés során az egyik legfontosabb információt a mintavételi pontokból származó adatok képezik.

28

A mintavételi pontok A mintavételi pontok a következő területen szolgáltathatnak adatokat: • Talaj: beépítettség és állapotvizsgálat, valamint az erózió, defláció, savas ülepedés, nehézfém, szerves anyag terhelés detektálása • Víz: vezetékes ivóvíz ellátás, szennyvízkezelés vizsgálata • Levegő: emisszió források és ezek értékei, meteorológiai adatok, szennyezés koncent-rációjának mérése • Flóra és fauna: az összetétel vizsgálata, szennyezőanyagok a levelekben (csak Sopron esetén) • Zöldfelület, beépített terület: fák, parkok, vízfelületek, mint élőhely lehatárolása távér-zékelés segítségével (JANCSÓ 2010).

A mintavételi pontok dimenziója Mivel a geoadatbázis legfontosabb szegmense a távérzékelés során kinyert adatokon kívül a mintavételi pontokból származó adatok, fontos része a geoadatbázis tervezésnek, hogy meg-határozzuk ezek jellemzőit. A terepen vett mintákból származó adatok többféle dimenzióval rendelkeznek: • a mintavétel helye • a mintavétel helyzete • a mintavétel ideje • a meghatározott jellemzők típusai A mintavétel helye megadható koordinátákkal, nem geometriai vonatkozási rendszerrel (hrsz, cím), valamilyen megnevezéssel, azonosítóval ahol a mintavételezés történt. A helyet ez eset-ben pontként kezeljük. Mivel több minta mérése is megtörténhet ugyanazon mintavételi pontban például a talajminták vizsgálata esetén, amikor a mintát ugyanarról a helyről, de különböző mélységekből vették, (0-10 cm, 10-20 cm mélységből). Ezen minták helyzete különböző, de a helyük megegyezik. Ugyanez érvényes lehet a levegőszennyezettségi és a

vízmintavételi adatokra is. A mintavételezés ideje is fontos része a geoadatbázisnak, utal arra , hogy a mintavételezés mikor történt. A mintavétel idejének kiterjedése lehet: • Időpont • Időintervallum • Élesség (A mintavétel ismételhető évenként, havonként stb.) A leíró adatok szintén fontos részét képezik a geoadatbázisnak mivel ezek segítségével mo-dellezhetik a kutatók környezetünket. Ezen leíró adatok többnyire a következő kategóriákba sorolhatók: • Mennyiségi adat ( fontos a dimenzió) • minőségi (kategória típusok) • szöveges leírás • összetett jellemző A távérzékelés eredményeiből származó adatok A távérzékelt adatok feldolgozása nagyon fontos részét képezi a kutatásnak, mivel az így nyert adatok számos fontos információt szolgáltathatnak a felszínborítás, vizes térszínek és a térszerkezetek térképezéséhez. A legfontosabb felszínborítási kategóriák: • vegetáció: fás, bokros területek, gyep, mezőgazdasági művelés alatt álló területek • vízfelület: természetes, mesterséges • beépített terület: különböző típusú épület (cseréptető, lapos tető) • utak, szilárd burkolatú felületek • kopár felszínek, időszakosan növénnyel fedett felszínek (VERŐNÉ 2011) A geoadatbázisra támaszkodó kutatóknak képesnek kell lenniük a felvázolt elemekből térbeli elemzéseket végrehajtani. Azon mintavételi pontok esetén, ahol egy helyzet is tartozhat az adott ponthoz, az a döntés született, hogy külön rétegekbe rendezve tároljuk ezeket az adato-kat az adatbázisban.

29

Eredmények Habár a kutatás még nem zárult le, a geoadatbázis tartalmazza a mintavételi pontokban kapott eredményeket, valamint a távérzékelt adatokból főként szegmentálással kinyert felszínborítási osztályokat. Ezekből az adatokból néhány további levezetett adat szintén elérhető.

A geoadatbázisban megtalálható objektumok A geoadatbázisban tárolt objektum osztályok rendelkeznek névvel, meghatározott leíró adat-készlettel, hozzájuk kapcsolódó művelettel és korlátozással. Az objektum osztályok az objek-tumok összessége, minden objektum azonos leíró adatokkal, kapcsolatokkal, műveletekkel és korlátozásokkal írható le. Az objektum osztály a a valóságról megalkotott modellünkben egy koncepciót jelképez (ZEILER 1999). A különböző kutatási területek eltérő módszereiből és adatforrásaiból következően a jelen geoadatbázis egyaránt tartalmaz vektoros és raszteres adatszerkezeteket. A geoadatbázisban tárolt vektoros rétegek: • mintavételi pontok (pont típusú) –talaj, levegő és víz • DEM (pont típusú) • utak (vonalas) • városrészek (poligonok) • a távérzékelt adatokból osztályozással létrehozott adatok -*.shp fájlok. A geoadatbázisban tárolt raszteres rétegek: • topográfiai térképek • ortofotó • a távérzékelt adatokból osztályozással létrehozott adatok A geoadatbázisban levezetett adatként tárolt objektumok • a talaj és légszennyezettség tematikus térképei • a talajminták interpolált térképei • DEM raszterállomány

A talajminatvételi helyek viszonylag sűrűn és egyenletesen fedik a vizsgált városok területét, így ezen minták esetén levezetett adatként interpolációs módszerrel meghatározható azon te-rületekről is leíró adat, amelyek esetén nem történt mintavétel. A kutatás jelen fázisában az IDW (Inverse Distance Weighted) módszert alkalmaztam, amellyel egy raszteres felület hoz-ható létre (6. ábra). A különböző megjelenítési modellek alkalmazásakor arra törekedtem, hogy ugyanazokat a tematikus térképezési eljárásokat alkalmazzam mindhárom vizsgált város esetén, hogy a térképek összehasonlíthatóak legyenek. A talajmintavételi adatokból interpolá-ciós eljárással létrehozott felületek együtt vizsgálhatók a távérzékelt felvételek elemzéséből nyert raszteres állományokkal, és a korrelációk detektálhatók. Természetesen a mintavételi adatok sűrűsége nem minden esetben teszi lehetővé az interpoláció alkalmazását, (8. ábra). A domborzatmodell és a talajszennyezettségi adatok vizsgálatából egyértelműen kiderült, hogy a talaj felsőbb rétegeiben található szennyezés még nem került a város mélyebben fekvő térségeibe, és a magasabban található területeken kimutatható nagyobb mértékű szennyezés egyértelműen az ipari területekhez köthető (7. és 8. ábra). A levegőminatvételi adatok esetében jóval kevesebb mérési eredmény áll rendelkezésünkre, így ebben az esetben csak az egyedi értékeke vizsgálatára illetve idősoros öszszehasonlításra van lehetőség. A vízmintavétel esetén természetesen a mintavételi helyek egy vonal mentén követik egymást, így a talajmintavételi helyeknél alkalmazott eljárás nem megfelelő. A további elemzések során mindenképpen szükséges vizsgálni, hogy az adatokat vektor vagy raszter adatszerkezetben vizsgáljuk. A GIS integráló szerepére adnak példát a következő megjelenítési modellek (9-14. ábra).

30

Jelmagyarázat 25-30% homok 31-37% homokos vályag 38-42% vályog 43-50% agyagos vályog 51-60% agyag 61% fölött nehéz agyag 6. ábra: Az Arany-féle kötöttségi értékek megjelenítése a domborzatmodellre vetítve, valamint a levegőszennyezettségi értékek összehasonlítása a vizsgált három város esetén (Adatforrás: HORVÁTH et. al. 2012 és BIDLÓ et. al. 2012)

7. ábra: A talajszennyezettség és az ipari területek kapcsolata Székesfehérvár példáján (Adatforrás: BIDLÓ et. al. 2012)

0-0,510160828 0,510160828 - 1,360428874 1,360428875 - 2,550804138 2,550804138 - 4,081286621 4,081286621 - 6,291983541 6,291983541 - 10,88343099 10,88343099 - 20,06632589 20,06632589 - 30,26954244 30,26954244 - 43,19361674

8. ábra: A talaj KCl és Mg tartalma Sopron belvárosában, a talaj nehézfém szennyezettsége Székesfehérváron (Adatforrás: HORVÁTH et. al. 2012 és BIDLÓ et. al. 2012)

31

Megjelenítési modell

DDM + topográfiai térkép

9. ábra: Megjelenítési modell

Megjelenítési modell

DDM + orthophoto + távérzékelt tematikus rétegek

10. ábra: Megjelenítési modell (Adatforrás: VERŐNÉ 2011)

32

Megjelenítési modell

DDM + tematikus

11. ábra: Megjelenítési modell

Megjelenítési modell

DDM + tematikus adatok

12. ábra: Megjelenítési modell

33

13. ábra: Megjelenítési modell (Adatforrás: BIDLÓ et. al. 2012)

14. ábra: Megjelenítési modell (Adatforrás: BIDLÓ et. al. 2012)

Következtetések A geoadatbázis jelenlegi állapotában lehetőséget biztosít arra, hogy a kutatók integrált térin-formatikai, térbeli elemzéseket végezzenek a segítségével. További értékes információval szolgálhat a hiperspektrális felvételek kiértékeléséből származó adatok geoadatbázisba történő integrálása. A

geoadatbázisban rejlő modellépítés segítségével Sopron területén történt előzetes vizsgálat a talajerózió kimutatására, melyet remélhetőleg a másik két város esetén is sikerül tesztelni (CSÁFORDI – PŐDÖR 2011). Az egyes városokra kapott, könnyen kezelhető adatbázisokba rendezett információk

34

nagyban segíthetik a helyi önkormányzatokat és a területi tervezőket a környezetvédelmi programok összeállításában, a fejlesztési célok és lehetőségek megállapításában, illetve a természeti kör-nyezet védelmének tervezésében, a településrendezési tervek elkészítésében. Az eredmények

hozzájárulnak a fenntartható város koncepciójának gyakorlati megvalósításához. (MIZSEINÉ – PŐDÖR 2011)

Felhasznált irodalom

CSÁFORDI, P. – PŐDÖR, A. (2011): Eróziós modell létrehozása az ArcGIS Model Builder segítségével (kézirat)

ARCTUR, D. – ZEILER, M. (2004): Designing geodatabases : case studies in GIS data modeling.

Köszönetnyilvánítás: "Jelen mű a TÁMOP-4.2.1/B-09/1/KONV2010-0006 projekt támogatásával készült."

NymE Geoiformatikai Kar, Székesfehérvár.

Redlands, CA.: ESRI, 393 p

BIDLÓ, A. – SZŰCS, P. – KÁMÁN, O. – HORVÁTH, A. – NÉMETH, E. (2012): Soil scientific investigation in Székesfehérvár. – In: Neményi M. – Heil B. – Kovács A. J. – Facskó F. (eds.) International Scientific Conference on Sustainable Development and Ecological Footprint: The Impact of Urbanization, Industrial and Agricultural Technologies on the Natural Environment, Sopron: Nyugat-magyarországi Egyetem, p. 1-6. (ISBN:978-963-334-047-9) (electronic paper)

GÉCZI, R. (2007): Városökológia (http://www.geo.u-szeged. hu/TEA/GR/GR_varosokologia_ bevezetes.pdf ) HORVÁTH, A. – BIDLÓ, A. – SZŰCS, P. – KÁMÁN, O. – NÉMETH, E. (2012): Soil Conditions in Sopron. – In: Neményi M. – Heil B. – Kovács A J. – Facskó F. (eds.) International Scientific Conference on Sustainable Development and Ecological Footprint: The Impact of Urbanization, Industrial and Agricultural Technologies on the Natural Environment,

BIDLÓ, A. – SZŰCS, P. – KÁMÁN, O. – NÉMETH, E. – HORVÁTH, A. (2012): Soil Conditions in Szombathely. – In: Neményi M. – Heil B. – Kovács A. J. – Facskó F. (eds.) Internatio-nal Scientific Conference on Sustainable Development and Ecological Footprint: The Impact of Urbanization, Industrial and Agricultural Technologies on the Natural Environment,

Sopron: Nyugat-magyarországi Egyetem, p. 1-6. (ISBN:978-963-334-047-9) (electronic paper)

Sopron: Nyugat-magyarországi Egyetem, p. 1-6. (ISBN:978-963-334-047-9) (electronic paper)

KONKOLYNÉ, GY. É. (2003): Környezettervezés.

JANCSÓ, T. (2010): A városi öko-környezet komplex vizsgálata a nyugat-dunántúli régióban c. projekt Kutatási terve. NymE Geoinformatikai kar, Székesfehérvár.

Mezőgazda Kiadó, Budapest.

ZEILER, M. (1999): Modelling our world:The ESRI Guide to Geodatabase Concepts. ESRI Press Redlands. CA.

MÁRKUS, B. (2010): Térinformatikai döntéselőkészítés. Jegyzet, NymE Geoinformatikai Kar, Székesfehérvár

35

MIZSEINÉ, NY. J. – PŐDÖR, A. (2011): Városökológiai kutatások Székesfehérváron Térinformatikai Konferencia.

MÁRKUS, B. (SZERK.): NCGIA Core Curriculum – Bevezetés a térinformatikába,

Debrecen.

EFE FFFK, Székesfehérvár, 1994.

MUCSI, L. (1996): A városökológia elmélete és alkalmazási lehetőségei Szeged példáján. PhD értekezés,

CHORLEY, R.J. – HAGGETT, P., EDITORS: Models in geography. London: Methuen. 1967

JATE, Szeged.

PŐDÖR, A. – VÉGSŐ, F. (2012): Problems of Building Geoinformatical Database for Urban Ecological Research. – In: Neményi M. – Heil B. – Kovács A J. – Facskó F. (eds.) In-ternational Scientific Conference on Sustainable Development and Ecological Footprint: The Impact of Urbanization, Industrial and Agricultural Technologies on the Natural Environment, Sopron: Nyugat-magyarországi Egyetem, p. 1-6. (ISBN:978-963-334-047-9) (electronic paper) Székesfehérvár Megyei Jogú Város II. középtávú Környezetvédelmi Programja 2006-2011

BURROUGH, P.A. 1987. Principles of geographical information systems for land resource assessment, Oxford: University Press.

MÁRKUS, B. – VÉGSŐ F. : Térinformatika, EFE FFFK jegyzet, Székesfehérvár, 1995.

DETREKŐI, Á. – SZABÓ GY.: Térinformatika, Nemzeti tankönyvkiadó, Budapest, 2002.

VÉGSŐ, F.: A valós világ modellezésének folyamata. TÁMOP - 4.1.2-08/1/A-2009-0027 „Tananyagfejlesztéssel a GEO-ért”.

SWANWICK, C. & LAND USE CONSULTANTS (2002A): Landscape character assessment. Guidance for England and Scotland.

2010 Székesfehérvár

Térinformatikai cégek webhelyei:

West Yorkshire, The Countryside Agency and Scottish Natural Heritage

IDRISI TAIGA Technical specifications http://urbaneco.org/urnabecology.asp (utolsó letöltés 2012.02.01.) http://en.wikipedia.org/wiki/Urban_ ecology#cite_note-0 (utolsó letöltés 2012.02.01.)

VERŐNÉ, W. M. (2012): A szegmentálás szerepe a távérzékelt adatok kiértékelésében http://geoiq.hu/index.php?option= com_docman&task=cat_view&gid=50&Itemid=63

36

Városok öko-környezetének vizsgálata MIZSEINÉ Nyiri Judit | HOROSZNÉ GULYÁS Margit | KATONÁNÉ GOMBÁS Katalin | KATONA János | UDVARDY Péter Nyugat-magyarországi Egyetem, Geoinformatikai Kar 8000 Székesfehérvár, Pirosalma u. 1-3. *e-mail: [email protected];

Bevezetés A tájökológia, ezen belül a városökológia multidiszciplináris jellegű, hiszen számos természet- és társadalomtudomány eredményét használja fel. A város, a tájökológia szemszögéből, sajátos prototípusa az urbán-ipari ökorendszereknek pontosabban az ökorendszer-komplexumnak, amely az emberi tevékenység hatása alatt áll és sajátos funkcióval rendelkezik. Sajátos biogén és abiogén tényezői vannak. A városok ökokörnyezetének vizsgálata során az ember és környezet kapcsolatrendszert elemezzük sajátos térségben. Ez azt is jelenti, hogy a természetvédelmi gondolkodást kell „urbanizálni”, vagyis vizsgálni kell, hogy a természetvédelmi és környezetvédelmi programot hogyan lehet a települések esetében alkalmazni. Éppen ezért szükséges az ún. városökológiai paraméterek (klíma, légszennyezés, talaj vízház-tartás, vegetáció, zaj, légszennyezés stb.) analízise és értékelése; környezeti kataszter készítése; valamint az ökológiai alapú városfejlesztéshez javaslatok kidol-

gozása. Az ilyen módon készített ökológiai városfejlesztési javaslatok beépülhetnek a várostervezési, fejlesztési, ren-dezési programjaiba. Kiemelt feladat a város környezeti konfliktusainak, azok helyeinek a feltárása, ill. ezek között is elsődlegesen a városi terület-felhasználással kapcsolatos döntések széleskörű tudományos megalapozása. Az érintett térszerkezeti elemek közé tartozhatnak egyrészt a természeti rend-szerek, például agrár és természetes ökoszisztémák, a felszínborítás elemei, az ökológiai háló-zat, zöldfelületek. A települési környezetminőség javítása, környezetvédelmi infrastruktúra fejlesztése, az épített környezeti értékek, a kulturális örökség megóvása, valamint a szűkebb értelemben vett környezetbiztonság terén kiemelt jelentőséget kell szentelni a zöldfelületek méretének szinten tartására, a vízerózió, szárazodás miatt az épített struktúrákban bekövetkező károk megelőzésére (1). A városokban az állandó, változó természeti adottságok mellett az átalakított, emberi közre-működéssel létrejött természeti

37

elemek és tényezők fordulnak elő, amelyek eredeti, természe-tes állapotuktól, illetve előfordulásuktól jelentősen eltérő jellegzetes típust alkotnak (KON-KOLYNÉ 2003). Ilyenek: • helyi klíma, • mesterséges vízhálózat, • mesterséges vegetáció, • mesterséges fauna.

Adatok GIS adatbázis kialakítása annak alapján történik, hogy az eltérő tudományterületek - földtan, hidrológia, levegő vagy klíma és természeti környezet - milyen leíró adatokat állítanak elő, illetve az elemzéseikhez milyen egyéb adat integrációjára van szükség. A technológiát és az adatbázis felépítését elősegítő munka során a vektoros adatok kezelésénél esetleg szükséges az egyes típusok és fajták meghatározása (subtype és domain) ez a folyamat megköveteli a valós világ modellezésének végrehajtását (elméleti, logikai, fizikai modell megalkotása) (PŐDÖR – NYIRI 2011). Az adatgyűjtés során törekedtünk arra, hogy a tájökológiai vizsgálathoz szükséges adatok széles körűek legyenek, így biztosítva az összetett elemzést. A kutatás során felhasználásra kerültek: • műholdfelvételek: LANDSAT; • topográfiai térkép; • meteorológiai adatok; • zöldfelületi térképek (kiválasztott mintaterületekre Székesfehérvár esetében digitális formában: Halesz (Autocad), Sóstó (ArcGis, tematikus térkép), Védett fák (Arc View), Zichy liget (ITR 4, Autocad), Zöldfelületek lehatárolása (Idrisi), Városrészek elhatárolása (ArcGis); • második katonai felmérés térképszelvényei; • városrendezési, városfejlesztési tervek;

• földi adatgyűjtés során keletkezett adatok; • statisztikai adatok. Az adatok egy része raszteres formában állt rendelkezésre, így pl. a műholdfelvételek, topog-ráfiai térkép, településfejlesztési tervek képi állománya. Jelentős részük vektoros formátumban is elemezhető volt, pl. a pontszerű, helyhez kötött adatok.

1. ábra: Székesfehérvár a Google felületén (Forrás: maps.google.com)

Évekre visszamenőleg megtörtént a KSH adatok pl.: népesség, csapadék, hőmérséklet, szél, stb. adatok gyűjtése, melyek idősoros elemzések alapját képezik. A vizsgálat elsősorban Székesfehérvár területére történt meg (1. ábra), Szombathely esetében néhány fontosabb városökológiai mozzanatot emeltünk ki.

Módszertan A városökológia ökológiai szempontú tervezés kapcsán talán leginkább a környezettervezéssel valósítható meg. A környezettervezés feladata a területi és az ágazati tervekhez kapcsolódva, részben azokba beépülve a társadalom erőforrás- és térhasználatának irányítása, terelése a környeze-

38

ti értékek védelme és fejlesztése céljából (KONKOLYNÉ 2003). A vizsgált városokban a környezeti adottságok és a lehetőségek függvényében eltérő minta-számú monitoring pontokat jelöltünk ki. A mintavételi helyeknél a tájjelleg azonosításához a jellemző karakterű tájrészleteket kell lehatárolni, amelynek a metodikája a következő volt: • a jellegadó természetföldrajzi adottságok meghatározása • a tájhasználat vizsgálata • természetföldrajzi adottságok meghatározása • a területhasználat szerkezet és mód meghatározása, amely • a felszínborítási kategóriákat hozza létre. A talaj, levegő és hidrológiai állapot vizsgálatát részletesen a méréseket végző munkacsoport-ok végezték. Itt csak összefoglaló leírását adjuk a kijelölt monitoring pontokon végzett vizs-gálatoknak és azok megjelenítési lehetőségeinek.

A földtani közeg és talaj állapotának jellemzése A földtani közeg összetétele (ásványok, kőzetek) alapvetően meghatározza az egyes területek anyagforgalmát. A kőzetekből - a talajképződési folyamatok során - kialakuló talaj tulajdon-ságai nagyban befolyásolják az ökológiai rendszerek összetételét. A városi környezetben a természeti folyamatok mellett, a talajokat különböző antropogén hatások (erózió, defláció, savas ülepedés, nehézfém, szerves anyag terhelés, stb.) érik, amelyek hatására megváltozik mind a mennyiségük, mind a minőségük. Ez a változás visszahat az élő rendszerek összetételére is. A kijelölt monitoring pontokon vizsgáltuk a talaj állapotát, és a benne található szer-vetlen (nehézfémek) és szerves szenynyeződések (pl. peszticidek) mennyiségét. Az egyes pon-tokban kapott eredmények

alapján feltérképeztük a talajok állapotát, a szennyezések áramlási irányát, a talaj puffer képességét, a területi differenciákat és ezek okait.

A terület hidrológiai állapotának jellemzése A város és környéke hidrológiai állapotának jellemzésére vizsgáltuk a város környéki terüle-tekről érkező víz és hordalékmenynyiségét, a víz és hordalék-visszatartás lehetőségeit (turisz-tikai és rekreációs mellékfunkciók szerint is). Megvizsgáltuk a városok csapadékvíz-elvezető hálózatát és javaslatot tettünk optimalizálásukra. Vizsgáltuk a városokban lévő vízfolyások állapotát hidrológiai és minőségi szempontból. Monitoroztuk a kommunális szennyvíz elve-zető hálózatot. A hidrológiai állapot jellemzéséhez elengedhetetlenül szükséges a vizsgált terület domborzatmodellje. Ezt a domborzatmodellt korszerű távérzékelési adatgyűjtésekkel, lézerszkennerrel és térkiértékeléssel állítottuk elő. A további távérzékelési adatok kiválóan alkalmasak bizonyos hidrológiai paraméterek meghatározására.

A levegő (klíma és zaj) állapotának jellemzése A város és környéke közötti anyagáramlás leggyorsabban a levegővel történik. Kijelölt moni-toring a meteorológiai adatokat gyűjtöttük. Az ipari létesítmények közelében, illetve a pont- és vonalas szennyező források mellett külön méréseket végezünk. A levegő áramlását a városi környezet épített térbeli struktúrái jelentősen befolyásolják. Távérzékelési adatgyűjtéssel a térbeli adatstruktúra modellezhető (MIZSEINÉ – PŐDÖR 2011). Az alábbi táblázat rendszerbe foglalja, hogy a gazdaság és társadalom egyes szennyező forrá-sai, úgy, mint a közlekedés, az ipari tevékenységek, stb. mely környezeti elemre vannak a leginkább káros hatással:

39

Terhelő, szennyező tevékenység, forrás

Érintett környezeti elem, hatótényező Levegő

Víz

Talaj

Zöldterület

Hulladék

Zaj

Közlekedés

×

×

×

×

×

×

Ipar, kereskedelem

×

×

×

×

×

×

×

×

× ×

×

×

×

×

×

×

Egészségügy Szennyvízgyűjtés és -kezelés

×

Mezőgazdaság

×

Települési és épített környezet

×

×

×

1. Táblázat: Hatás-mátrix (Forrás: CSÓBOR 2004)

A táblázat ötödik oszlopában szereplő zöldterület többszörösen is ki van téve a környezet-szennyezés hatásainak, ugyanis a közvetlen ártalmak mellett – úgy, mint például légszennyezés –, közvetetten is veszélyeztetetté válik. Nemcsak külső behatások érik (például) a fákat, de a létük fenntartásához szükséges alapanyagok is szennyeződnek. Így például gondoljunk arra, hogy a fák a számukra legfontosabb tápanyagokat a talajból nyerik (ezért fontos annak az ismerete, hogy a fa környezetében milyen a talajminőség), de ugyanígy gondolhatnánk a vízre is.

•

• A zöldterületek védelmére azonban több okból is kiemelt figyelmet kellene szentelni. Így pél-dául a döntően a fűtésből, az üzemi, technológiai tevékenységekből és a közlekedésből eredő légszennyező anyagok egy részét a fák lombtömege képes lekötni, ezáltal tisztul a városi le-vegő. Vagy egy másik érv: a forgalmas utak mellett élő embert semmi sem képes olyan hatha-tósan védeni a zaj ellen, mint a növényzet. Azonban ha zöldfelületeink védelmét elhanyagol-juk, gyakorlatilag önmagunkat fojtjuk meg. A fák előnyös tulajdonságaiknak köszönhetően az emberiség számára számos „szolgáltatást” nyújtanak. Ezek a szolgáltatások a következők: • Az asszimilációs folyamat keretén belül a fák oxigént termelnek szén-dioxid

•

•

40

feldolgo-zása által. Mindkét szolgáltatás előnyösen hat az emberi szervezetre. Szennyező anyagok lekötése: a légszenynyező anyagok egy részét a fák lombtömege képes lekötni. A szűrő úgy működik, hogy a szilárd szennyező anyagok (porszemcsék a hozzájuk tapadó nehézfémekkel, a korommal, olajszármazékokkal, azbeszttel, stb.) megülepednek a leveleken. Az esővíz a szennyeződést időnként lemossa, és a szűrő levélfelület újra üzemképes. A kapacitás függ attól, hogy a fák milyen távolságra van-nak a szennyező forrásoktól. A klíma javítása: a fák transpirációjukkal (párolgásukkal) jótékonyan hatnak környe-zetükre. A nyári melegben lehűtik a levegőt, s a nehezebb hűs levegő kicserélődik a házak között felizzott levegővel. Ez a kicserélődés lehűti a várost, és egyben kifújja levegőjéből a port és egyéb szennyeződéseket (= átszellőzés). Védelem a zaj ellen: a zaj a városban halmozottan jelentkező ártalom, amely ellen semmi sem képes olyan hathatósan megvédeni az embert, mint a növényzet. Védelem a rázkódások, rezgések hatásai ellen: a városi utak forgalma rázkódásokkal, rezgésekkel jár, amelyek a kemény burkolatú utak esetén átterjednek a házakra, és azok vakolatát, majd falát megrepesztik. Az utak melletti fák gyökérzete azonban megszakítja a burkolat

folytonosságát, s ezáltal csökkenti a házak állagromlását. • Talajvédelem: ahol a növényeket kipusztítják, ott elpusztul a termőföld, és kezdetét veszi az erózió és a sivatagosodás. A termőtalaj védelme és vízháztartásának megóvása egyaránt megkívánja a fák, a növényzet jelenlétét. • Az időjárás viszontagságai ellen hatásos védelmet nyújt a növényzet, különösen a cserjékkel kombinált fasor, amely egyben a közlekedők biztonságát is szolgálja. A felsorolt szolgáltatások a fák asszimiláló, azaz lombfelületével arányosak. A lombfelület nagysága viszont a fák korától és lombfelület állapotától függ. Éppen ezért nagyon fontos, hogy a lombkorona állapotát helyesen mérjék föl, hogy azt előrelátóan gondozhassák. A demográfiai változások elemzése városökológiai szempontból kiemelendő, hiszen ennek alapján egy adott területi egység népességeltartó képességének alakulása, illetve az erőforrás-hasznosítás növekedése

vagy csökkenése mutatható ki. A demográfiai trendek a környezet-használat intenzitásával, a környezetterhelés mértékével szorosan összefüggnek (KONKOLYNÉ 2003). Székesfehérvár népessége az elmúlt évtizedekben folyamatosan csökkent, jelenleg alig haladja meg a 100 000 főt (2. ábra). Ez jórészt az általános demográfiai folyamatokat igazolja, a népesség csökkenését és kivándorlását a környező településekre. A népsűrűség (kb. 600 fő/km2) a nyugati országokhoz képest nem túl magas. Természetesen itt is megfigyelhető a városközpont magasabb népsűrűsége (3. ábra). Éppen ezért fontos a városvezetés szempont-jából felmérni azokat a helyeket, amelyek előnyt jelenthetnek a társadalom számára (pl. zöld-felületek) és azokat is, amelyek negatív tulajdonságaik miatt fejlesztésre szorulnak. Egy ilyen kiváló módszer a térhasználati térkép és térszerkezeti mozaik térkép elkészítése, amely előnyt jelenthet a döntéshozatali folyamatokban.

2. ábra: Székesfehérvár – népességszám változás 1990-től (Forrás: KSH)

41

Kód

Városrész

Népesség megoszlása %

Szociális támogatottak megoszlása % Eltérés százalékpont

1

Történelmi belváros

4,2

4,7

+0,5

2

Palotaváros

15,0

149,9

-0,1

3

Szedreskert

4,6

4,8

+0,2

4

Tóváros

5,7

6,3

+0,6

5

Viziváros

15,0

17,1

+2,1

6

Öreghegy

13,0

8,2

-4,8

7

Almássy telep

7,2

6,3

-0,9

8

Ráchegy-Búrtelep

7,8

8,2

+0,4

9

Felsőváros

6,6

8,4

+1,8

10

Vasút és környéke

6,0

6,4

+0,4

11

Alsóváros-Maroshegy

10,3

10,2

-0,1

12

Feketehegy

4,7

4,4

-0,3

100%

100%

3. ábra: Népesség megoszlása városrészenként (Forrás: KSH)

Az elemzéshez kihasználtuk a térinformatikai programok által nyújtott lehetőségeket. Az IDRISI Taiga szoftver segítségével az egyes városok területének növekedési irányaira kaptunk iránymutatást. Az ArcGIS 9.3 szoftver felhasználásával történtek a térszerkezetre irányuló vizsgálatok. A két szoftver kiválóan kiegészíti egymást a különböző típusú adatmodellek (vektoros, raszteres) kezelésében. A városok területének növekedésénél vizuális interpretációt alkalmaztunk, míg a térszerkezeti vizsgálatoknál a térinformatikai program által nyújtott lehetőségeket használtuk ki.

Eredmények A térszerkezetre irányuló vizsgálatok több szempontból történtek. Az egyik ilyen a zöldfelüle-tek elemzése, lehatárolása volt, amely Székesfehérvár esetében is komoly munkát jelentett a szerencsére nagyszámú zöldfelület miatt. A települési ökológiai adottságokat javítani hivatott zöldfelületek

a területhasználati szerkezet egészébe illesztendőek (KONKOLYNÉ 2003).

Zöldfelületek Kiemelt feladat a város környezeti konfliktusainak, azok helyeinek a feltárása, ill. ezek között is elsődlegesen a városi terület-felhasználással kapcsolatos döntések széleskörű tudományos megalapozása. Az érintett térszerkezeti elemek közé tartozhatnak egyrészt a természeti rend-szerek, például agrár- és természetes ökoszisztémák, a felszínborítás elemei, az ökológiai há-lózat, zöldfelületek. A települési környezetminőség javítása, környezetvédelmi infrastruktúra fejlesztése, az épített környezeti értékek, a kulturális örökség megóvása, valamint a szűkebb értelemben vett környezetbiztonság terén kiemelt jelentőséget kell szentelni a zöldfelületek méretének szinten tartására, a vízerózió, szárazodás miatt az épített struktúrákban bekövetkező károk megelőzésére. Intézményünk végezte Székesfehérvár zöldterületeinek felmérését 1980-86 kö-

42

zött. Természe-tesen ezek a térképek már felújításra szorulnak. Ennek megoldásaként évente szakdolgozatok keretén belül egy-egy park felmérését vállalják a hallgatók. A térképmellékletek is ezt bizo-nyítják. A zöldfelületek kiemelkedő szerepet töltenek be a városi klíma állapotában. Itt idéznénk Szé-kesfehérvár környezetvédelmi programjából, mely kiemelten kezeli az élővilág és a természet védelmét.6 A jelenlegi és távlati városfejlesztési, rendezési tervek, a vállalkozások megvalósításához felmerülő területigények közvetlenül vagy közvetve is érinthetik város igazgatási területén a meglévő, már védett és a feltárt, védelemre érdemes természeti, környezeti értékeket. Ezért ki kell emelni, hogy ezeknek az értékeknek a védelme, védhetősége szorosan összefügg a kör-nyezetükben, a környező területeken folyó tevékenységekkel is, amit minden tervezési és en-gedélyezési folyamatban figyelembe kell venni. Cél: az élővilág, az élőhelyek megőrzése, védelmük biztosítása a területfejlesztési, városren-dezési beavatkozásoknál és a nem védett területeken az élővilág, az élőhelyek fennmaradásá-nak elősegítése.

Feladatok: • A Sóstói homokbánya Természetvédelmi Terület a tudomány, az oktatás és az ismeret-terjesztés számára is értékes, ezért az itteni élővilág fenntartása kiemelt jelentőségű. Ennek biztosításához a védetté nyilvánítást megalapozó szakvélemények és terv rész-letes feladattervet tartalmaznak (illegális szemétlerakás és homokbányászat felszámo-lása, legeltetés megszüntetése stb.). A sóstói terület rehabilitációját követően megvaló-sítandó a TT kibővítése a terveknek megfelelően. • A Dinnyési Fertő TT kibővítését a termé-

szetvédelmi terveknek megfelelően meg kell valósítani. • A Csalapusztai TT és a kastély helyreállítása, újrahasznosítása során a környezet- és természetvédelem szempontjaira is fokozottan tekintettel kell lenni. • Védendő értékként kell kezelni és megőrizésüket a rendezési, beépítési tervek készítése során is biztosítani kell a következő területeknek, értékeknek: • a Zichy-liget területe; • a maroshegyi ősmocsár területe a Meggyesi utcában; • a Csúcsos-hegy területe, mint tájképi érték, kilátópont; • a Rózsaliget melletti parkban található Csitáry víz; • a Bregyó kiserdő és a vízfelület a kemping bővítésénél; • a Vörösmarty MGSZ 200 ha kiterjedésű tófelülete és környezete; • a Budai úti volt aplitbánya északi oldalán lévő földtani rétegsor. A város zöldfelületeinek számos olyan funkciója van, amely enyhíti a mesterséges környezet-nek az élővilágban jelentkező káros következményeit: módosítja a szélsőséges éghajlati jelen-ségeket, befolyásolja a levegő nedvességének alakulását, tompítja légszennyezést és a zajár-talmakat. Emellett ökológiai, gyógyító, rekreációs, városszerkezeti tekintetben pozitív rendel-tetése van (NAGY 2008). A városi dendroflóra (fák) nagy része nem őshonos. A városok faállománya számbelileg és arányaiban is igen különböző, s városonként a fafajták széles választéka fordul elő (NAGY 2008). A zöldfelületek esetében jelen elemzés során külön kutatás történt a védett fák behatá-rolására (4. ábra). Megállapítható, hogy a szakirodalom alapján is feltárt tény igazolódott be: az utcai fasorok és a városi parkok területén mutatkozik a jelentősebb állományegyüttes.

6

http://onkormanyzat.szekesfehervar.hu/index.php?pg=page_20775

43

4. ábra: Védett fák Székesfehérvár belterületének központi részén (Forrás: CSÓBOR 2004.)

Külön kategóriát jelentettek a nem pontszerűen megjelenő természetvédelem alatt álló terüle-tek, parkok. Megfigyelések történtek a költöző madarak tekintetében is. A nagy felbontású, többsávos WorldView2 műholdfelvételek nem csupán a zöldfelületek te-rületi változásainak kimutatására alkalmasak, hanem a területek vegetációs aktivitását is képe-sek kimutatni. Tehát a zöldfelületek mennységi kimutatása mellett azok minőségi vizsgálatára is lehetőség van. Az egyes városrészek között nagy eltérés mutatkozhat a vegetációs aktivitás tekintetében. Székesfehérvár vonatkozásában a különböző zöldfelületi kategóriák is levá-logatásra kerültek a vegetációs indexek alapján (5, 6. ábra). A tematikus térképpé alakított műholdfelvételen jól kivehetőek a városrészek. A belvárosban a beépített területek dominál-nak, míg a kertvárosi övetekben a zöldfelületek. A fás területek jellemzően a város nagyobb parkjait jelölik.

25% 29% 9%

38% Beépített terület (1218ha) Fás terület (1577ha) Bokros terület (360ha) Füves terület (1026ha)

5. ábra: Székesfehérvár - A zöldfelületi kategóriák terület szerinti megoszlása a belterületen

44

Zichy-liget Halesz park

Sóstó TVT

Fás terület Bokros terület Füves terület

6. ábra: Székesfehérvár – zöldfelületi kategóriák leválogatása a műholdfelvételek kiértékelésével (Forrás: saját szerkesztés)

A három kiemelt jelentőségű zöldfelület (Zichy-liget, Halesz park, Sóstó TVT) külön-külön is térképezve lett (7, 8, 9. ábra).

7. ábra: Székesfehérvár – Zichy-liget parktérkép (részlet) (Forrás: DOBRÓKA 2010)

8. ábra: Székesfehérvár – Halesz parktérkép (Forrás: SZALAY 2005)

45

sokat, lehetővé válik a város ökológiai szerkezetének áttekintése is. Ebből olyan területhasznosítási adattár készíthető, amely figyelembe veszi az ökológiai szempontokat és lehetővé teszi az összehasonlító elemzést más városokkal (NAGY 2008).

Szociológiai felmérés és elemzés 2011-ben diákok bevonásával, a Pécsi Tudományegyetemmel közös kutatásban Székesfehér-vár területén kérdőívek kitöltésére került sor a lakosság körében. A térinformatikai elemzéshez a városrészek lehatárolására került sor. Ez azért volt különösen fontos, mert egyrészt a városrendezési tervek nem rendelkeztek egzakt adatokkal erre vonatkozólag, másrészt az egyes városrészek főbb jellemzőit vizsgáltuk (10. ábra) (MIZSEINÉ – HOROSZNÉ 2012). Sta-tisztikai elemzés után ún. súlypontokat kaptunk (-10 és +10 közötti értékkel), amik megmutat-ják az egyes objektumok szerepét a lakosság körében.

9. ábra: Sóstó-természetvédelem alatt álló terület (Forrás: KATONA 2007)

A különböző tevékenységek eredményének területi megjelenése, illetve lenyomata jól mutatja a környezetátalakítás mértékét, a környezethasználatok dinamikáját. Ehhez kapcsolódóan to-vábbiakban vizsgálni lehet a gazdasági struktúra főbb változását, a települési funkciók átala-kulását és az infrastruktúra-hálózatok fejlődését (KONKOLYNÉ 2003).

Területhasználat A területhasznosítás a városszerkezet jellemzésére használt komplex mutató. Ezért terület-hasznosítási típusokat alakítottak ki, amelyek további indikátorok segítségével részletesebben jellemezhetők, figyelembe véve azok ökológiai tartalmát is. Mivel a városi önkormányzatoknál található adatbázisok elemzésének segítségével könnyen lehet értelmezni a területhasznosítási típu-

A reprezentatív vizsgálat során több mint 200 db kérdőív kitöltése és kiértékelése során az alábbi eredményeket kaptuk: • a park vagy nagyobb zöldterületek közelsége rendkívül meghatározó a lakosság körében (közel 8-as súlyponttal szerepel); • legnagyobb befolyással az ún. közművek megléte (víz, szennyvíz, fűtés); • legrosszabb megítélése a légszennyezettségnek van, ezért is különösen fontos a szintén ezen projekten belül történt légköri adatok vizsgálata; • városrészek terén legkedveltebb a 18 városrész közül az Öreghegy (hagyományos családi házas rész) és a Belváros, legkevésbé Maroshegy és Feketehegy. Érdekes a népesség kor szerinti vizsgálata az adott városrészek terén. • GIS segítségével lehatároltuk azokat a területeket (városrésztől függetlenül), ahol a zöldterületek szerepe fontos (11. ábra). •

46

súlyozás objektumok, tulajdonságok

súlypont

-2

-1

0

1

2

bölcsőde, óvoda, általános vagy középiskola közelsége

-0.10

-0.05

2.41

0.91

3.15

6.33

egyetem valamely karának közelsége

-0.10

-0.05

3-37

0.79

1.48

5.49

kórház, rendelőintézet közelsége

-0.20

-0.10

1.18

1.53

4.19

6.60

forgalmas főútvonal közelsége

-3.20

-1.03

0.96

0.99

0.84

-1.45

vasútállomás közelsége

-1.92

-0.91

1.31

1.03

1.58

1.08

vasútvonal közelsége

-2.61

-1.16

1.48

0.59

0.94

-0.76

helyi járatú buszpályaudvar közelsége

-0.69

-0.49

1.03

1.65

2.96

4.46

busz-, troli-, villamosmegálló közelsége

-0.15

-0.22

0.47

1.87

4.73

6.70

vezetékes víz, szennyvízhálózat megléte

-0.10

-0.07

0.07

0.59

8.42

8.92

távfűtés megléte

-0.49

-0.12

1.13

0.84

5.32

6.67

egyéni fűtés megléte

-0.10

-0.05

0.76

0.86

6.55

8.03

belváros közelsége

-0.39

-0.15

1.35

1.58

3.45

5.84

többfunkciós (Plaza-jellegű) üzletközpontok közelsége

-0.74

-0.76

2.24

0.89

1.48

3.10

hipermarketek (Tesco, Interspar...) közelsége

-0.25

-0.44

1.55

1.70

2.36

4.93

nagyobb ABC (els. Élelmiszer) üzletek közelsége

-0.05

-0.12

0.64

2.04

4.33

6.85

vendéglátóhely, étterem, nagyobb szórakozóhely, mozi közelsége

-0.44

-0.64

2.56

0.96

1.23

3.67

műszaki, kertészeti, lakberendezési nagyáruházak közelsége

-0.30

-0.39

3.05

1.03

0.74

4.14

templomok közelsége

-0.30

-0.47

2.71

1.21

0.94

4.09

ipari üzemek közelsége

-5.42

-1.13

0.86

0.17

0.25

-5.27

park/nagyobb zöldterületek közelsége

-0.05

-0.07

0.44

1.70

5.52

7.54

saját kert megléte

-0.30

-0.20

0.84

1.28

5.07

6.70

hátrányos helyzetű társadalmi rétegek jelenléte

-5.96

-0.94

0.94

0.12

0.05

-5.79

sportpálya közelsége

-0.59

-0.32

2.22

1.38

1.58

4.26

felújításra szoruló építészeti, gépészeti részek az épületben

-3.20

-1.38

1.23

0.57

0.44

-2.34

magasabb porterhelés, légszennyezettség

-6.40

-1.08

0.62

0.07

0.05

-6.75

az épület anyaga: tégla

-0.10

-0.05

1.72

1.60

3.15

6.33

10. ábra: Vizsgált tulajdonságok (Forrás: saját szerkesztés)

47

11. ábra: Szociológiai felmérés – zöldterületek közelsége (Forrás: saját szerkesztés)

Épített környezet vizsgálata Felmértük és jellemeztük az egyes területi kategóriákat: beépítetlen terület, beépített terület, egyéb épület és mesterséges objektum. Vízelvezetés: át nem eresztő felületek, áteresztő felületek, vízelvezető felületek, felszíni és felszín alatti csatornahálózat. További kategóriák: területhasználati kategóriák (belváros, lakótelep, családi ház, ipari terület, zöldövezet). Vizsgáltuk a város környéki területek feltártságát, a feltáró há-

lózat állapotát. Célunk a jellemző felszínborítási kategóriák távérzékelési adatok alapján történő lehatárolása volt. A térszerkezet (12. ábra) és területhasználat (13. ábra) vizsgálatához felhasználtuk az aktuális városrendezési és városfejlesztési terveket. A két térkép kategóriarendszere könnyen összehasonlítható az alábbi táblázat alapján (2. táblázat).

Számkód

Térszerkezeti kategória

Területhasználati kategória

Terület-használati kód

1.

Városközpont

Vegyes településközpont

A.2.1.

2.

Lakótelepi övezet

Nagyvárosias lakóterület

A.1.1.

3.

Családi házas övezet

Kisvárosias lakóterület

A.1.2.

Kertvárosias lakóterület

A.1.3.

Falusias lakóterület

A.1.4.

Gazdasági terület

A.3.

4.

Ipari övezet

48

Számkód

5.

Térszerkezeti kategória

Parkosított terület

Területhasználati kategória

Terület-használati kód

Különleges terület

A.4.

Vegyes központi terület

A.2.2.

Közlekedési-, közmű-elhelyezési-, hírközlési terület

B.1.

Zöldfelület

B.2.

Erdő

B.3.

Mezőgazdasági terület: ültetvény

B.4.2.3.

6.

Természetes füves terület

Mezőgazdasági terület: gyep

B.4.2.2.

7.

Kopár földfelszín

Mezőgazdasági terület: szántó

B.4.2.1.

8.

Vízfelület

Vízgazdálkodási terület

B.5.

2. táblázat: Székesfehérvár – térszerkezeti és területhasználati kategóriák Forrás: saját szerkesztés

12. ábra: Székesfehérvár – területhasználat (Forrás: saját szerkesztés)

13. ábra: Székesfehérvár – térszerkezet (Forrás: saját szerkesztés)

Területhasználat – antropogén hatások A területhasználat, illetve felszínborítás történeti vizsgálata az antropogén hatások változását összefüggéseiben láttatja (KONKOLYNÉ 2003). Szombathelyre történt ilyen jellegű kutatás, itt elsősorban a város

területének növekedését vizsgáltuk és statisztikai elemzést végeztünk (14. ábra)(15. ábra). Látható, hogy a város területe jelentősen nőtt (200%), ami köszönhető a kedvező földrajzi fekvésének, a geológiai viszonyainak és sajátos természeti-gazdasági potenciáljainak.

49

14. ábra: Szombathely – területváltozás a második katonai felmérés térképszelvényén (Forrás: saját szerkesztés)

15. ábra: Szombathely – területváltozás a WorldView2 műholdfelvételen (Forrás: saját szerkesztés)

A városszétfolyás jelensége Szombathelyen is szemmel látható. Az Európai Környezetvédelmi Ügynökség szerint akkor beszélhetünk városszétfolyásról, ha "a földhasználat átalakulásának és a városi célú felhasználásnak az aránya adott területen, meghatározott időszak alatt meghaladja a népességnövekedés mértékét”. Szombathely esetében az utóbbi évtizedekben úgy nőtt a beépített területek aránya, hogy közben a népesség száma csökkent (16. ábra). Ez a jelenség a társadalomföldrajzi pozícióval összefüggő térszervező feladatokkal, az ipari területek növekedésével, az úthálózat fejlődésével és a népesség lakásigényeinek változásával magyarázató. A nyugati országokban már elterjedt, nagy alapterület igényű lakóhelyek szokása hazánkba is begyűrűzni látszik. Ezt a tendenciát erősíti, hogy a város magja az újabb infrastrukturális fejlesztésekkel egyre távolabbról elérhető.

történik, amely növekvő környezetterhelést jelent. Másrészt az említett lakóterületek a városok körüli természetes környezetet is felemésztik, így károsítva a városlakók életminőségét. További káros hatások között említhető még a gyalogjárás felszámolása, illetve az úthálózatot túlterhelése, amelyen újabb utak építésével sem lehet segíteni. A kedvezőtlen demográfiai trendeket minőségi munkahelyekkel, magas szintű szolgáltatásokkal és vonzó lakókörnyezet nyújtó városképpel, a központ körül elhelyezkedő természeti és kulturális értékekben gazdag szuburbán rekreációs zónával kívánják pozitívan befolyásolni. A rekreációs fejlesztések között szerepel többek között az Arborétum és a Parkerdő fejlesztése, valamint a településen kívüli erdőterületek növelése.

A városszétfolyás jelensége több tényező miatt is káros. Egyrészt az újonnan létesülő, kis népsűrűségű egyfunkciós lakóterületek elérése szinte kizárólag gépkocsival

Városökológiai lábnyom A kutatás során külön figyelmet fordítottunk a városökológiai lábnyom vizsgálatára. A környezet-terhelés léptékének mérésére alkalmas módszer a Matis WACKERNAGEL és W. E. REES által kidolgozott és publikált "Ökológiai lábnyom" értékelési módszer. A fo-

50

16. ábra: Szombathely – népesség és városterület arányának változása 1870-től (Forrás: saját szerkesztés)

galom egy hektárban megadott értéket takar, melynek számítása során számba veszik egy adott embercsoport tevékenysége során felhasznált, illetve leadott energiát és anyagokat. A számítást elvégezve arra derül fény, hogy hány hektár föld és vízfelületre van szükség az adott folyamatok fenntartásához. Bármely régió gazdaságának, valamint vállalatok, nagy sportesemények vagy akár egyének környezeti hatását is fel lehet térképezni ezzel a módszerrel. Az emberiség létszámának növekedésével az egy főre jutó produktív földterület a század eleji 5 hektárról 2003-ra 1.8 hektárra csökkent. Az egy emberre jutó átlagos ökológiai lábnyom viszont 2.2 hektárra növekedett, ami 0.4 hektárral meghaladta a rendelkezésre álló tényleges földterületet.7 Az ökológiai lábnyom kiszámításával mérhető fel, hogy fogyasztásával a város lakossága mekkora részt használ fel a Föld erőforrásaiból. Ez az alapja annak az átfogó környezetvédelmi indexnek, amelynek bevezetését az Európai Bizottság is szorgalmazza. Az Élő Bolygó Jelentés szerint az ökológiai lábnyom segítségével számokban 7

is jól ki lehet fejezni azt, hogy életmódunk milyen hatással van a természetre.8 A mutató népszerűségét bizonyítja, hogy 2005-ben a Global Footprint Network (Globális Lábnyom-hálózat) által kezdeményezett „Ten in Ten” kampány keretében 10 ország vállalta, hogy 2015-re az ökológiai lábnyomot olyan általánosan használt mutatószámként fogja alkalmazni, mint amilyen a gazdasági tevékenység eredményének mérésében a GDP. A mutató mikro- és makroszintű mérőszámként is számolható, hiszen kiszámítható országokra, régiókra, városokra, egyes emberekre, vállalkozásokra, termékekre is. (SZIGETI – BORZÁN 2010). Az ökológiai lábnyom hatféle földhasználati típust különböztet meg: • szántóföldek: a termesztett mezőgazdasági növények előállítására szolgáló területek, • legelők: a legeltető állattartás céljából felhasznált földterületek, • halászterületek: a halászati célra felhasznált tengeri területek, • erdőterületek: erdővel borított területek,

http://www.idokep.hu/hirek/okologiai-labnyom http://cgpartners.hu/aas_szoveg/file/75_okologiai_labnyom_mutato_szamolasa.pdf

8

51

• beépített területek: az ipari, közlekedési vagy lakóházak céljára szolgáló, infrastruktúrával fedett, beépített területek, • karbonelnyelő területek: a kibocsátott szén-dioxid elnyeléséhez elméletileg szükséges erdőterületek nagysága. A növekvő üvegházgáz-kibocsátás miatt a karbonelnyelő területek elméleti nagysága a növekvő szén-dioxid.

Bioindikáció vizsgálat A monitoring vizsgálat célja, hogy adatokat szolgáltasson a város környezeti terhelése-, területhasználata és az élővilág közötti kapcsolatokról azzal a céllal, hogy hatásosabb környezetvédelmi programok készüljenek. Erre a fizikai és kémiai monitoring önmagában nem alkalmas, mert a környezet minőségének változásait biológiai objektumok felhasználásával kell figyelemmel kísérnünk, vagyis a biológiai monitoring módszereit kell alkalmaznunk ahhoz, hogy az város környezetállapota és a városi lakosság egészsége közötti kapcsolatot megismerhessük. Nyomós érv az is, hogy két vagy több környezetszennyező anyag együttes hatása már csak biológiai objektumok segítségével tanulmányozható. Mai világunkban gyakoriak azok az esetek, amikor a káros anyagok mennyisége külön-külön nem ér el érdemleges szintet, de együttes jelentkezésük már veszélyes. Ezen kívül a biomonitoring alkalmazását alátámasztja az a probléma is, amikor a káros anyag mennyisége nem éri ugyan el a megengedett határértéket, azonban a hosszú idejű jelenlétének hatása bioindikátorokkal megfigyelhető.

fordulnak elő mindenütt, így a különböző helyek összehasonlítása gyakran nehézségekbe ütközik. Vizsgálatunkban közvetett biomonitoring eszközét alkalmaztuk a fehér gólya populácó monitoringjával. Ez szűkebb értelembe véve a biológiai monitoring a környezetben jelentkező változások megfigyelése közvetett módon, biológiai jellegű kritérium változók vizsgálatával. A közvetett biomonitoring alapja az, hogy a környezetben bekövetkezett bármilyen változás, hatással lehet az élőlényekre. Ha ezeket a hatásokat és az élőlények reakciót jól ismerjük, akkor az élőlények megfigyeléséből nyert adatokból következtethetünk a környezet állapotára. Más szóval az élőlények jelzik a környezetet, s nekünk csupán értelmeznünk és értenünk kell ezeket a jelzéseket. A fehér gólya a következők miatt alkalmas biológiai indikátornak: • homoiotermek (állandó hőmérsékletűek) és intenzív anyagcseréjük miatt nagymértékben függnek a környezettől, annak változására érzékenyen reagálnak • helyzete vagy társulásban jól körülhatárolt, ezért az állományban vagy a fajspektrumban történő változás indikációjául szolgál • a madárfaunának nagy területekre kiterjedő qualitatív és quantitatív változásai jól meghatározhatók • életmódja az évszázadok folyamán harmonikusan illeszkedett az ember gazdálkodásához • fészkeit főként ember lakta környezetben alakítja ki. A bioindikáció vizsgálathoz a fehér gólya fészkelési helyére vonatkozóan egy olyan adatbázis készült, ami több mint tíz évre viszszamenőleg nyilvántartja a gólyafészkeket.

A biomonitoring módszerek nem használhatók olyan általános érvénnyel, mint a fizikai és kémiai monitoring eljárásai. A vizsgált élőlények, vagy azok társulásai nem

52

17. ábra: Fehér gólya nyilvántartás10 évre vonatkozóan (Forrás: RÉPÁS 2011.)

18. ábra: Fehér gólya fészkek elhelyezkedése

53

A fészkek helyének nyilvántartásával a fehér gólya populáció változása és a területhasználat változás, valamint a környezetterhelések közötti kapcsolatok feltárhatóak. A vizsgálatot csak próbálkozásnak tekintettük annak igazolásául, hogy a fehér gólya városi és városkörnyéki populációja miként mutatja az ember által megszabott imissziós határértékek alatt lévő, de hosszú ideig tartó környezetterhelések, környezethasználat változások következményeit.

is csoportosíthatók; itt a környezetvédelmi törvényben meghatározott, a települési környezetvédelmi programokra megfogalmazott tartalmi követelményeket célszerű alapul venni (1995. évi LIII. tv. 47. § ). Ezek figyelembe vételével kerültek megfogalmazásra az egyes projektek, amelyek egyben megadják a célkitűzést és a megvalósítás keretében elvégzendő feladatokat. Jelen kutatás számos ponton ad tudományos hátteret, illetve szolgáltat megfelelő információkat a döntéshozók számára. Ilyenek:

Összefoglalás és következtetések

A települési környezet tisztasága:

A városokban vizsgált ember-környezet kapcsolat eredményei fontos útmutatóként szolgálnak a reális és specifikus környezeti problémák feltárásában, a csoportok környezeti érzékenységének feltérképezésében. Az egyén és környezete közti kapcsolatok tanulmányozásában a szociológusok korábban a szociális környezet által meghatározott gondolkodásmódot próbálták előtérbe helyezni. A természeti, tárgyi környezet szerepe csak később kerül a kutatás kérdéskörébe. A városökológia tudománya feltárja tehát a városok lakossága és egyéb, a bioszféra elemeit érintő környezeti ártalmak, konfliktusok ok-okozati összefüggéseit, azok társadalmi mechanizmusainak, valamint a szociális és pszichikai reakcióknak a térszerkezeti törvényszerűségeit (NAGY 2008). A kutatás céljai összhangban állnak a város által megfogalmazott fejlesztési projektekkel. Az állapotfelmérés eredményei, megállapításai és a szakmai igények, a civil szervezetek által megfogalmazott elvárások alapján adhatók meg azoknak a megvalósítandó projekteknek a köre, amelyek lehetővé teszik a megfogalmazott célállapot elérését. A projektek a tevékenységek és az érintett környezeti elemek alapján

Az önkormányzatnak a köztisztaság megteremtésére kell törekedni. Meg kell követelnie a települési környezet tisztaságát.

Csapadékvíz-elvezetés: A cél az ellátatlan és veszélyeztetett területek felszíni vízrendezésének, vízelvezetésének megvalósítása a rendelkezésre álló terveknek, elfogadott ütemezésnek megfelelően.

Kommunális szennyvízelvezetés és kezelés: A cél a vezetékes vízzel ellátott, de csatornázatlan területrészek bekapcsolása a közcsatorna-hálózatba.

Kommunális hulladékkezelés: Elérendő a települési hulladékgazdálkodási rendszer kialakítása, a szilárd és folyékony hulladékok rendszeres, környezetkímélő és gazdaságos gyűjtésének kiterjesztése, a lerakásra, ártalmatlanításra kerülő hulladékok mennyiségének csökkentése és a hulladéklerakó kapacitásával való gazdálkodás.

Zaj- és rezgés elleni védelem: A 7/1997. (III. 28.) ÖK. rendelettel módosított 34/1991. (XII. 18.) számú, a zajvédelem helyi szabályozásáról szóló önkormányzati rendeletben foglaltak rögzítik a lakossági és közszolgáltatási jellegű zajforrásokkal

54

kapcsolatos kérdéseket, kivéve az építési munkákból és a közlekedésből eredő zajt. Az ipari eredetű zajterhelések általában lokális jellegűek és nem adnak okot panaszra. A legnagyobb gondot a közlekedési eredetű zaj okozza, ami közlekedés-szervezéssel, úthálózat fejlesztéssel és az utak karbantartásával (rezgések) csökkenthető. Távlati terv a zajterhelés növekedésének megállítása, a jelenlegi zajszintek fokozatos csökkentése, fokozott figyelemmel a közlekedési eredetű zajokra.

A rendkívüli környezeti károk megelőzése:

Helyi közlekedésszervezés:

Természeti és építészeti értékek védelme:

A cél a belterületi utak túlzsúfoltságának csökkentése, az átmenő forgalom lakóterületen kívüli levezetése.

Levegőtisztaság-védelem: Elérendő a város környezeti levegőminőségének javítása a szennyezett területeken és a város átszellőzési viszonyainak megőrzése, javítása. Külön gondot kell fordítani a biológiai szennyező-forrásnak minősülő allergének visszaszorítására (parlagfű), a nyárfák ütemezett cseréjére.

Ivóvízellátás: A cél a jó minőségű ivóvízzel történő biztonságos és teljes körű ellátás megvalósítása, az ivóbázisok mennyiségi és minőségi védelme.

Energiagazdálkodás: Távlati terv a város energiaellátása gazdaságosságának, színvonalának és biztonságosságának növelése, az energiafelhasználás racionalizálása, elsősorban az önkormányzati intézményben.

Zöldterület-gazdálkodás: Elérendő a zöldfelületek megőrzése, területük növelése, a normatív értékek elérésén túl az egyes zöldfelületi egységek minőségének, intenzitásának fejlesztése.

Székesfehérvár nem csak Magyarország, hanem Európa egyik leggyorsabban iparosodó városa. Ez szükségessé teszi a rendkívüli környezeti károk megelőzésének, elhárításának és hatásaik csökkentésének kiemelt feladatként történő kezelését. A cél a lehetséges környezeti veszélyek elhárítása és a környezetkárosodás csökkentése, a környezeti biztonság, a város védekezőképességének növelése.

Az ÁRT szabályozza az országos és helyi védettség alatt álló természeti értékek védelmét, a műemlékek, régészeti lelőhelyek, a városszerkezet és a városkép védelmét. Ezek állagmegóvásán túl törekedni kell a védett értékek körének bővítésére. Távlati terv az országos és helyi jelentőségű védendő értékek feltárása; a védett és védendő értékek állagának megóvása, társadalmi elismertségük növelése; a természetvédelem igényeinek szem előtt tartása a már elhatározott vagy tervezett térségfejlesztési programoknál (pl. úthálózati, iparterületi és közműves fejlesztési elhatározások).

A települési környezet védelme: A városban és közvetlen környezetében élők életminőségét a települési környezet minősége, az ellátottság színvonala jelentősen befolyásolja. A cél egy kevesebb környezeti stresszhatást eredményező, jobb környezeti állapotjellemzőkkel rendelkező települési környezet kialakítása. Ehhez alapvető fontosságú a város és az érin-tettek közötti, a környezetminőség javítását célzó együttműködés kialakítása, a környezeti nevelés hatékonyságának növelése.

55

A táj védelme: Elérendő a felszínroncsolások, tájsebek felmérése és felszámolása, a táj esztétikai értékének javítása és megőrzése.

Az élővilág és a természet védelme: A jelenlegi és távlati városfejlesztési, rendezési tervek, a vállalkozások megvalósításához felmerülő területigények közvetlenül vagy közvetve is érinthetik város igazgatási területén a meglévő, már védett és a feltárt, védelemre érdemes természeti, környezeti értékeket. Ezért ki kell emelni, hogy ezeknek az értékeknek a védelme, védhetősége szorosan összefügg a környezetükben, a környező területeken folyó tevékenységekkel is, amit minden tervezési és engedélyezési folyamatban figyelembe kell venni. A cél az élővilág, az élőhelyek megőrzése, védelmük biztosítása a területfejlesztési, városrendezési beavatkozásoknál és a nem védett területeken az élővilág, az élőhelyek fennmaradásának elősegítése. A város és környezetének komplex vizsgálata lehetővé teszi olyan, eddig fel nem tárt, illetve kellően és integráltan nem vizsgált kölcsönhatások kimutatását, amelyek alapvetően meghatározzák a két szereplő állapotát, fejlődését, illetve befolyásolják a jövőbeni fejlesztési lehetőségeket. A kérdés komplex megközelítése, illetve az alkalmazni kívánt térinformatikai eszközök lehetővé teszik nagy mennyiségű adat kiértékelését, így olyan kapcsolatok kimutatását is, amelyeket eddig feltáratlanok maradtak. Ennek eredményeképpen olyan öko-környezeti modellek állíthatók fel, amelyek nemzetközi szinten is újszerűek. A várható eredmények azokra a határterületekre (település, illetve közvetlen környezet) szolgáltatnak új információkat, amelyek az elmúlt évtizedekben a legdinamikusabban változtak. Az egyes városokra kapott, könnyen kezelhető adatbázisokba rendezett információk nagy-

ban segíthetik a helyi önkormányzatokat és a területi tervezőket a környezetvédelmi programok összeállításában, a fejlesztési célok és lehetőségek megállapításában, illetve a természeti környezet védelmének tervezésében, a településrendezési tervek elkészítésében. Az eredmények hozzájárulnak a fenntartható város koncepciójának gyakorlati megvalósításához.

Felhasználat irodalom (1) Az éghajlat védelméről szóló törvénytervezet – koherencia vizsgálata, környezeti szempontú elemzése és megvalósításának feltételrendszere. Nemzeti Fenntartható Fejlődési Tanács, 2010. CSÓBOR, J. (2004): Székesfehérvár védett fái. Szakdolgozat, UNIGIS Továbbképzés, NymE Geoiformatikai Kar, Székesfehérvár.

KATONA, J. (2007): Természetvédelmi Információs Térkép publikálása az Interneten. Szakdolgozat, NYME-GEO.

KONKOLYNÉ, GY.É. (2003): Környezettervezés. Mezőgazda Kiadó, Budapest, 398 p.

MIZSEINÉ, NY. J. – HOROSZNÉ, G. M. (2012): Zöldfelületek hatása a szociológiai faktorra. GISopen konferencia, Nyugat-magyarországi Egyetem Geoinformatikai Kar, Székesfehérvár. 33 dia.

MIZSEINÉ, NY. J. – PŐDÖR, A. (2011): Városökológiai kutatások Székesfehérváron. „Az elmélet és a gyakorlat találkozása ”Térinformatikai Konferencia, 2011. május 19-20. Debrecen, pp. 71-77 ISBN. 978-963-318-116-4.

56

NAGY, I. (2008): Városökológia. Dialóg Campus Kiadó, Budapest-Pécs, 335 p. PŐDÖR, A. – NYIRI, J. (2011): Urban ecological monitoring in Székesfehérvár European Academy of land Use and Development

Internetes hivatkozások: http://www.idokep.hu/hirek/okologiailabnyom http://onkormanyzat.szekesfehervar.hu/ index.php?pg=page_20775 http://cgpartners.hu/aas_szoveg/file/75_ okologiai_labnyom_mutato_szamolasa.pdf

(EALD nemzetközi konferencia “Focus on Urban and Peri-Urban Development”, Liverpool, 2011. 09. 2-3., 26.

SZIGETI, C. – BORZÁN, A. (2010): Ökológiai lábnyom mutató számítása. Gazdasági élet és társadalom 2010/ I-II., 8 p.

57

58

Távérzékelési adatok előfeldolgozása és elemzése JANCSÓ Tamás Nyugat-magyarországi Egyetem, Geoinformatikai Kar 8000 Székesfehérvár, Pirosalma u. 1-3. e-mail:[email protected]

Bevezetés Jelen beszámoló Székesfehérvár ökokörnyezeti vizsgálatára korlátozódik. A város Fejér megye központjaként Közép-dunántúli régióban helyezkedik el, lakosainak száma 101 973 (2010). Az öko-környezeti feltételek vizsgálatához egy tesztterületet jelöltünk ki a város központi részén. Erre a területre rendelkezünk űrfelvételekkel, légi felvételekkel, hiperspektrális felvételekkel, domborzatmodellel, LIDAR adatokkal, topográfiai térképekkel. A kutatás a vegetáció térképezésre és ahhoz kapcsolódó biológiai aktivitásra terjed ki.

Adatforrások A következő adatforrások állnak rendelkezésre Székesfehérvár közigazgatási területére (ez kb. km2). Jelen kutatásban csak a város központi részét vizsgáltuk, mert erre a területre állt rendelkezésre hiánytalanul minden adatforrás (ALBERT – JANCSÓ 2012).

• Légi felvételek 1: 8000 méretarányban, terepi felbontás 10 cm. • Digitális Domborzat Modell (DMM) GRID formátumban 20 m-es felbontással. • WorldView-2 űrfelvételek (8 spektrális csatorna, terepi felbontás 2m, pánkromatikus csatorna, terepi felbontás 0.5 m (ZHOU et al. 2012). • Hiperspektrális felvételek, terepei felbontás 1 m, szenzor: AISA Eagle II, 400970 nm, 252 spektrális csatorna. • LIDAR adatok, magassági pontosság 0.15 m, adatsűrűség: 4 pont négyzetméterenként (JANCSÓ – MÉLYKÚTI 2011). • Digitális ortofotó látható és közel infra (NIR) tartományban, terepi felbontás 0.5 m. (1. ábra) • Topográfiai térképek 1:10 000méretarányban GEO TIFF formátumban. • Landsat TM és ETM felvételek • MODIS műholdfelvételek • HJ-Beijing 1A és 1B kínai műhold felvételek (MENG et al. 2012).

59

1. ábra: NIR ortofotó

Előfeldolgozás

Az illesztőpontok a terepen jelölést kaptak (3. ábra).

Légifelvételek A repülés 2011. augusztus 15-én, reggel 9:48-11:17 között történt. A felvételek RC20 analóg kamarával készültek, melynek kamaraállandója 153.0 mm. A relatív repülési magasság 1224 m volt, ezek alapján az átlagos képméretarány 1:8000 értéknek adódik. A felvételek száma 272 (képsorszámok: 9363-9640), melyek 14 eltérő hosszúságú repülési sort alkotnak (2. ábra). A fotók közötti átfedés 60 %. A felvételeket 14 mikronos felbontással szkennelték, így a terepei felbontás 11 cm, mely egyben azt is jelenti, hogy egy kép mérete 808 Mbyte helyet igényel a merevlemezen (JANCSÓ 2012b). GPS mérési kampány során összesen 25 illesztőpontot mértünk EOV rendszerben.

2. ábra: Légi felmérés tömbvázlata képsorszámokkal

60

3. ábra: Az 1. sz. illesztőpont jelölése a terepen

61

A légiháromszögelés folyamata az alábbi sorrendben és módon történt: 1. Képek belső tájékozása, keretjelek automatizált mérése. Alkalmazott szoftverek: BINGO 6.2 ATM és ERDAS 2. Kapcsoló pontok automatizált 3. Kapcsoló pontok manuális ellenőrzése és a mérések korrigálása. Alkalmazott szoftver: BINGO 6.2 4. A tömb légiháromszögelése. Alkalmazott szoftver: BINGO 6.2. 5. A külső tájékozási elemek és a DDT importálása ERDAS LPS 2012 szoftverbe.

Két kritikus pont van a folyamatban, az egyik a kapcsolópontok mérése. A szkennelt képek minősége nem eléggé jó ahhoz, hogy az automatikus képillesztés hibátlan legyen. Ezért a kapcsolópontokat utólag ellenőrizni és javítani kell manuális méréssel, ami eléggé időigényes folyamat még csökkentett tömb méret esetében is. Az 5. ábrán látható a redukált tömb, mely összesen négy sorba rendezve 28 fotót tartalmaz csak. A mért kapcsolópontok száma 453, de a kapcsolópontokat ellenőrizni minden képen, ahol előfordul. A 6. ábrán látható egy kapcsolópont, mely 6 fotón is szerepel.

6. Ortofotók előállítása ERDAS LPS 2012 szoftverben. 7. Ortofotó mozaik elkészítése ERDAS LPS 2012ben.

4. ábra: Légiháromszögelés és az ortofotó termékek előállításának folyamata

5. ábra: Légiháromszögelési tömb mért pontjai

62

6. ábra: A C-36355 sz. kapcsolópont előfordulásai

A másik kritikus tényező a domborzatmodell pontossága és naprakészsége (JANCSÓ 2012a). Két forrásból dolgoztunk, az egyik a topográfiai térképek szintvonalaiból előállított 20 m-es rácssűrűségű DDM, a másik adatforrás a 2008-ban végrehajtott LIDAR mérés eredménye volt, ahol a rácssűrűség 1 m. A két domborzatmodell ugyanarra a területre a 7. ábrán látható. A kísérletek azt mutatták, hogy a LIDAR felmérésből az első visszaverődés alapján számított felszínmodell nem alkalmazható valódi (true) ortofotók előállításához. Ennek két oka van, egyrészt a LIDAR felmérés 3 évvel korábban készült és a növényzet azóta sokat változott, másrészt az épületeknél jelentkező magassági torzulások mértéke túl nagy ahhoz, hogy az 1 m-es sűrűségű DDM modell pontos eredményt adjon. Van még egy ennél is nagyobb probléma, ami szintén a magassági torzulásokkal van összefüggésben. A magassági torzulásokkal leképződött épületek olyan nagy területeket takarnak ki a terepen, melyek nem pótolhatók egyszerű újra-mintavételezéssel. Ezt a problémát mutatja a 8. ábra.

7. ábra: DDM LIDAR felmérésből (felső kép) és topográfiai térképek szintvonalaiból levezetve (alsó kép)

63

8. ábra: Ortofotó képrészletek az első és utolsó visszaverődésből létrehozott LIDAR DDM alapján

Ezt csak több irányból készült felvételekkel lehetne kipótolni. Ezért úgy döntöttünk, hogy az épületek és a növényzet nélküli domborzatmodellt használjuk az ortofotók előállításához. A 9. ábrán egy 10 cm-es felbontású ortofotó részlet látható, melyből egy kisebb részt (piros kerettel jelölve a kép jobb felső régiójában) kinagyítottunk. A másik lehetőség a megfelelő DDM előállítására, ha magukat a sztereoképpárokat

használjuk fel és automatizált domborzatmodellező szoftvert (pl. ERDAS LPS 2012) használva előállítjuk a megfelelő sűrűségű domborzatmodellt. Ráadásul ennek a módszernek az előnye, hogy a létrejött domborzatmodellek a felvételek időpontjába érvényes állapotot tükrözik. Ezt a technikát alkalmaztuk Szombathely ortofotó mozaikjának előállításakor. Ennek eredménye látható a 10. ábrán. Itt egy pixel a valóságban 1x1 m-es területet fed le.

9. ábra: A 9551-es számú légifelvételből előállított ortofotó részlete

64

10. ábra: Szombathely ortofotó mozaikja

LIDAR adatok és ortofotók A LIDAR felvételezés időpontja 2008. május 8. A LIDAR méréssel egy időben lineáris szenzorral digitális ortofotók is készültek a látható és közel infra tartományban. Az LIDAR felméréskor az első és utolsó viszszaverődést rögzítették négyzetméterenként átlagosan 4 pont adatait rögzítve. A magassági mérés pontossága 0.25 m volt, az ortofotók terepi felbontása 0.5 m. Miután megvizsgáltuk SURFER szoftverben a létrejött felszín modellt észrevettük, hogy vízfelületek mellett hibák láthatók a magassági értékekben. A környező területek magasságait felhasználva interpolációval kijavítottuk a modellt. A javított területeket mutatja a 11. ábra.

Miután megkaptuk az első (DTM_FE) és utolsó visszaverődésből (FDTM) képzett modelleket, képeztük a két modell különbségét. A 12. ábrán látható az IDRISI szoftverben kapott eredmény. A térképen negatív előjelű magasságokat is látunk, ami szintén valamilyen anomáliára utal (pl. épületek éle, szélben mozgó növényzet, emberek, járművek elmozdulása), de alapvetően a térkép az épületek és a növényzet struktúráját mutatja.

65

11. ábra: Hiányzó magassági értékek a felületmodellen

12. ábra: DTM_FE és FDTM különbség térképe

66

WorldView-2 felvételek A székesfehérvári WorldView-2 felvételek időpontja 2011. július 10., melyek radiometriai és geometriai korrekciót kaptak. A spektrális csatornák kiosztását mutatja a 13. ábra. A felvételeket UTM vetületben kaptuk meg (Dátum: WGS84, Zóna: 34N). Ahhoz, hogy ezeket a felvételeket is felhasználjuk

a közös tesztterülethez, át kellett transzformálni a képeket EOV rendszerbe. Ehhez közös illesztőpontokat mértünk a 2008-as ortofotót tekintve referenciának. Ezután az ENVI szoftverrel újra mintavételezéssel megkaptuk a felvételeket a kívánt vetületben (14. ábra). Kísérletképpen előállítottuk a pankromatikus képekkel javított színes felvételeket is további interpretációs célokra.

13. ábra: Spektrális csatornák elosztása a WorldView-2 felvételeken

14. ábra: Újra mintavételezés ENVI-ben illesztőpontok alapján

67

Hiperspektrális felvételek A felvételezés 2011. június 22-én történt összesen 24 repülési sorban (15. ábra). Az alkalmazott szenzor AISA Eagle II. Átlagos repülési magasság 1700 m. A spektrális csatornák száma 253. A spektrum terjedelme 2.2 nm-es lépésközzel 401.49 – 1000.24

nm. A felvételek radiometriai, geometriai és atmoszferikus korrekción estek át. A felvételekből kapott reflektancia görbéket a terepen mért értékekkel összehasonlítva megállapítható, hogy a felvételek további kiértékelésre alkalmasak (16. ábra).

15. ábra: Repülési sorok hiperspektrális felvételezésnél

16. ábra: Reflektancia görbék összehasonlítása a 01-es pontra

68

A teljes adathalmazból hat sávot vágtunk ki, melyek lefedik a tesztterületet.

17. ábra: Tesztterületet lefedő hiperspektrális repülési sávok

Kiértékelés A kiértékeléskor a következő adatok álltak rendelkezésre: Rövid leírás

Rövid név

Felbontás

Formátumok

Megjegyzés

LIDAR DTM első visszaverődés

DTM_FE

1m, 0.5m

ENVI, IDRISI, SURFER, ASCII

0.5m interpolációval előállítva

LIDAR DDM utolsó visszaverődés

FDTM

1m, 0.5m

ENVI, IDRISI, SURFER, ASCII

0.5m interpolációval előállítva

DDM szintvonalakból

DDM

1m

SURFER, ASCII

Eredeti felbontás 20m, 1m GRID interpolációval előállítva

Ortofotó

LIDAR_PHOTO

0.5m

ENVI, IDRISI, GEOTIFF

Csatornák: RGB, NIR

Topográfiai térkép

TOPOMAP

1m

ENVI, GEOTIFF

Szelvény száma:54-411

WorlView-2 felvétel

WV2

MS 2m, Pan 0.5

ENVI, IDRISI

Csatornák száma: 8 MS (4001040nm), 1 Pan (450-800nm)

Hiperspektrális felvételek

HYPER

1m

ENVI

Csatornák száma:253, 401.49 – 1000.24 nm

Zajmérési adatok

NOISE

50m

SURFER, ASCII

121 pont méréséből interpolálva

69

Ebben a részben a következő eredményeket mutatjuk be: 1. Vegetáció térképezése DTM_FE, FDTM, LIDAR_PHOTO, WV2, HYPER felhasználásával 2. Zajeloszlási térkép NOISE felhasználásával 3. Biológiai aktivitás térképe a vegetációs térképek felhasználásával

Vegetációs térképezés A folyamatot a következő lépésekre bontjuk: 1. NDVI (Normalizált differencia növényzeti index) térkép előállítása LIDAR_ PHOTO NIR kép alapján. Kimenet: NDVI 2. NDVI átalakítása 0.2 határérték felett. Kimeneti név: VEGETATION

3. Magassági különbség térkép előállítása DTM_FE és FDTM felhasználásával. Kimenet: LIDAR_DIFF 4. Vegetációs magassági térkép előállítása VEGETATION és LIDAR_DIFF felhasználásával. Kimenet: VEG_ HEIGHT 5. VEG_HEIGHT osztályozása két csoportba, fű, bokor (H < 2m), fa (H > 2m). Kimenet: TREE_MAP A teljes folyamatot az IDRISI szoftverben elkészült modell mutatja a 18. ábrán. A modellben a “veg_height1” és “veg_height2” előállítása az adatszűrés miatt szükséges. Az adatszűrés oka, hogy az a magas épületek mentén a a LIDAR adathalmaz apróbb hibákkal terhelt vízszintes értelemben, ami a magassági értékek csoportosításánál további hibákat eredményez az NDVI értékek osztályozásában.

18. ábra: Vegetációs modell az IDRISI-ben

A 18. ábrán a téglalapok képeket, illetve adatokat jelölnek. A paralelogrammák pedig az adatok közötti műveleteket (függvényeket). Négy függvényt használtunka modellben. OVERLAY: két bemeneti képből állíthatunk elő egy új képet. A bementi képek között az alábbi műveletek végezhetők el: összeadás, kivonás, szorzás, osztás. A modellben a

LIDAR_DIFF előállítására a kivonás műveletét használtuk, a VEG_HEIGHT előállításánál pedig szorzást végeztünk. VEGINDEX: Ezzel képezhetjük a különböző vegetációs index térképeket. Mi az NDVI térkép előállítására használtuk (19. ábra):

70

NIR–RED NDVI = NIR+RED RECLASS: Ezzel a függvénnyel a pixel értékek újra osztályozhatók, vagyis érték tartományokat jelölhetünk ki új értékek felvételéhez. Például az NDVI értékeket két csoportba sorolhatjuk, az egyik csoportba azok a pixelek kerülnek, ahol az NDVI értéke kisebb 0.2-nél a másikba pedig azok a pixelek kerülnek, ahol az érték 0.2-nél nagyobb. Így minden pixel két értéket vehet fel (0,1). Ezt mutatja a 20. ábra.

19. ábra NDVI térkép

Ezek után, ha az értékeket megszorozzuk a magassági modell értékeivel, megkapjuk a növényzet magassági modelljét (21. ábra). A fekete szín a növényzet nélküli területet jelöli, ahol a pixel értéke egyszerűen nulla. Korábban említettük, hogy a magas épületek mentén a magassági modell vízszintes értelemben hibákkal terhelt, ami a magassági növényzet térképre is átadódik. Ezt elkerülendő, a “Mode” szűrőt kell alkalmazni, ezzel a szűrővel egy 7x7-es blokk mérettel a leggyakrabban előforduló pixelek értékeit hagyjuk csak meg. Modellünkben az utolsó lépés a fatérkép előállítása. Itt szintén a RECLASSIFY függvényt alkalmazzuk, melynek során a növényzet magasságát két csoportba soroljuk (2 m alatt és fölött. A végeredmény meggyőző, de a korábbi szűrések miatt a fakoronák mérete kisebb lett az osztályozott képen, ezt ellensúlyozandó a „Maximum” szűrővel a fakoronák körül pixelszaporítást végzünk. A végeredmény a 22. ábrán látható. A közel 500 hektáros területen a fával borított terület 55 hektár, ami 11 %-os fedettséget jelent.

20. ábra: Vegetációs térkép NDVI értékek osztályozása után

21. ábra: Növényzet magassági térképe

22. ábra: Székesfehérvár belvárosának fatérképe

71

Zajtérkép Székesfehérvár belterületén összesen 121 ponton végeztünk zajmérést közel egy időben (de. 10-12h között). A mérési pontok közötti átlagos távolság 100 m volt (23. ábra). A következő értékeket mértük: Laeq, LAFmax, LAFmin and LCPEak, ezek jelentése: átlag, maximum, minimum, kiugró érték. A zajtérkép elkészítésénél az átlagos értékekkel számoltunk. Egy mérés időtartama 10 másodperc volt. Bizonyos pontokon a mérést többször megismételtük, ha váratlan zaj lépett fel (pl. fűnyíró, munkagép, traktor, mentő, stb.) SURFER modellező szoftverrel az értékeket Kriging módszerrel interpoláltuk. A végeredmény látható a 24. ábrán, az értékek dB-ben vannak feltüntetve. Sötétebb árnyalat magasabb zajszintet jelent. A létrejött térkép láthatóan a valóságos viszonyokat mutatja a forgalmas kereszteződésekben, ugyanakkor a térkép tovább pontosítható, ha a történelmi belvárosban is végzünk majd további méréseket. Ez azért fontos, mert oda járművel tilos behajtani, csak gyalogos forgalom van, ami miatt a zajártalom jelentősen csökken. Ezt a jelenlegi térkép még nem tükrözi.

Biológiai aktivitás térképezése Ismét az IDRISI modellezőjét használjuk a biológiai aktivitási térkép előállításához. A modellt a 25. ábra mutatja.

23. ábra: zajmérési pontok eloszlása

24. ábra: Székesfehérvár zajtérképe

Kiindulásként a magassági növényzet térképet (“veg_height”) és a fatérképet vesszük (“Tree_map”). Elsőként töröljük a magassági térképről a negatív értékeket (“veg-height_ corr”). Ezután a növényzetet két kategóriába soroljuk, a fűves területet 0.4 m alatt húzzuk meg, a bokros területet pedig 0.4 -2 m között vesszük (“grass_shrub”). A végeredmény látható a 26. ábrán. A fű kódja 1, a bokoré 2. Az egyéb terület 0 értéket kapott.

25. ábra: Biológiai aktivitás modellje

72

28. ábra: Biológiai aktivitás térképe 26. ábra: Füves és bokros területek szétválasztása

A korábban kapott fatérkép két értékkel bír, 1 jelenti a fákat. Ezt az értéket most átszámítjuk és minden fához köthető pixel értéke 3 lesz (“tree_map2”). Ezután egymásra vetítve (összeadva) a “tree_map2” és “grass_ shrub” térképeket olyan térképhez jutunk, mely külön kategóriákban mutatja a füves, bokros, fás területeket (27. ábra).

A lenti táblázatban összegeztük a cellák számát mindegyik kategóriában. Ezekből az átlagos biológiai aktivitás a teljes területre 1.53, ami igen alacsony érték. Biológiai aktivitás mértéke

Cellák száma

Pontszám

1

1168

1168

2

544

1088

3

146

438

4

44

176

5

9

45

Total

1911

2915

Átlagos biológiai aktivitás:

27. ábra: Módosított növényzet térkép

Célunk olyan térkép előállítása, amely 50x50 m-es zónákra osztva a területet a biológiai aktivitást mutatja egy 5 szintű skálán. Minden zónában a növényzetből átlagértéket számolunk. Ehhez a CONTRACT függvényt alkalmazzuk, azon belül a pixel felhalmozás műveletét. A végeredményt 5 osztályba, kategóriába soroljuk. A 28. ábra mutatja az egyes kategóriákat, ahol a nagyobb szám nagyobb biológiai aktivitást jelöl. A legmagasabb 5-ös szintet csak kevés terület éri el. A háttérben a terület ortofotója is látható.

73

1.53

Felhasznált irodalom ALBERT, L. – JANCSÓ, T. (2012): Complex Study of Urban Eco-environment in the Western Transdanubian Region, International Scientific Conference on Sustainable Development & Ecological Footprint (NymE TÁMOP 4.2.1/B), Proceedings, ISBN 978-963-334-047-9, 6 pp.

ZHOU, X. – JANCSÓ, T. – CHEN, CH. – VERŐNÉ, W. M. (2012): Urban Land Cover Mapping Based on Object Oriented Classification Using WorldView 2 Satellite Remote Sensing Images, International Scientific Conference on Sustainable Development & Ecological Footprint (NymE TÁMOP 4.2.1/B), Proceedings, ISBN 978-963-334-047-9, 10 pp.

JANCSÓ, T. – MÉLYKÚTI, G. (2011): Comparison of digital terrain models gained by different technologies, Procedings of 2011 IEEE International Conference on Spatial Data Mining and Graphical Konwledge Services (ICSDM 2011) in conjuction with Eighth Beijing International Workshop on Geographical Information Science (BJ-IWGIS 2011), China, Fuzhou, 2011.06.29-07.01., pp. 324-329.

JANCSÓ, T. (2012A): Digital Terrain Modeling by Image Matching, International Scientific Conference on Sustainable Development & Ecological Footprint (NymE TÁMOP 4.2.1/B), Proceedings, ISBN 978-963-334-047-9, 6 pp.

JANCSÓ, T. (2012B): Optimal pixel size for image matching, ASPRS International Scientific Conference, CA Sacramento, USA, 2012. márc. 19-23, poszter

MENG, Q., LI X. – JANCSO, T. – ZHANG, Y. – ZHENG, L. (2012): Analysis of Urban Ecological Environment with Remote Sensing Methods, International Scientific Conference on Sustainable Development & Ecological Footprint (NymE TÁMOP 4.2.1/B), Proceedings, ISBN 978-963-334-047-9, 7 pp.

74

Városi környezet vizsgálata távérzékelési adatok alapján VERŐNÉ WOJTASZEK Malgorzata Nyugat-magyarországi Egyetem, Geoinformatikai Kar 8000 Székesfehérvár, Pirosalma u. 1-3. e-mail: [email protected]

A TÁMOP 4.2.1/B projekt keretein belül a városi területek antropogén terhelésének felmérése és értékelése, valamint a megváltozott ökológiai feltételek feltárása és azok hatásainak feltérképezése volt a cél. Ilyen jellegű vizsgálatokhoz szükség van aktuális, térhez kötött adatokra, melyek a városi területek felszínborítására, használatára, beépítettségére, térbeli mintázatra, stb. vonatkoznak. A távérzékelés, mint adatforrás kiemelkedő szerepet játszik a városökológiai kutatásban (MUCSI et al. 2007, MUCSI et al. 2008, WENG 2012). A Föld megfigyelő műholdak megjelenése óta a műholdak szenzorai folyamatosan pásztázzák Földünk felszínét, részletes (pl. 0.1x0.5 m - 30x30 m-es négyzetháló, földfelszín-elemek) és ugyanakkor nagy (pl. 5000 - 36 000 km2) területekről homogén, periodikusan ismétlődő adatokat biztosítanak. Olyan adatokat, melyek hűen tükrözik a földfelszínt, felszíni objektumokat és azok állapotát. A távérzékelési adatok alapján nemcsak a terület aktuális állapotát tudjuk vizsgálni, de az archivált felvételek időben visszate-

kintési lehetőséget is biztosítanak. A több időpontú felvételek kiértékelésével adott időintervallumban bekövetkezett változások követhetők nyomon, valamint a változásokból trendek állapíthatók meg a jövőre nézve is. Az űrfelvételekből levezetett tematikus adatok térinformatikai adatbázisokba beépíthetők, így aktuális, objektív, pontos és több szinten felhasználható adatokat biztosítanak. Az adatgyűjtő távérzékelési technológiák folyamatos fejlődése következtében egyre jobb minőségű és egyre több adat áll rendelkezésre. Ezekből az adatokból csak megfelelő osztályozási módszerekkel nyerhető tematikus információ, ami a képfeldolgozó szoftverek és osztályozási eljárások fejlesztésével lehetséges. A képfeldolgozás és távérzékelési adatok gyakorlati alkalmazása az adatnyerési technológiák és térinformatikai szoftverek állandó fejlődése évek óta kihívást jelent a témával foglalkozók részére (ZHANG 1999, FEKETE et al. 2008, MYINT et al. 2011, WENG 2012). Jelen kutatásban a távérzékelési adatok osztályozásához meglévő, a gyakor-

75

latban jól működő módszerek alkalmazása mellett, olyan osztályozási eljárás fejlesztését céloztunk meg, amely szuper nagyfelbontású műholdas felvételek, valamint integrált adatok alapján a városi területek felszínborításának térképezésére alkalmas. A kutatás Székesfehérvár mintaterületen végeztük. Felhasznált adatok és jellemzőik A kutatáshoz felhasznált távérzékelési adatok: LANDSAT TM (1986-2011), SPOT (2000) WorldView2 (2011) LIDAR szkennelés adatai (2008) Légifelvételek (2000, 2008, 2009) A városökológia kutatásokban olyan nagyfelbontású műholdas felvételek, mint LANDSAT TM vagy SPOT inkább átfogó információt szolgáltatnak. Geometriai felbontásukból (5-30 m) adódóan a lakóterületekre jellemző felszínborítás kevert pixelek formájában jelenik meg, ami problémát jelent az osztályozásnál. Fontos azonban kiemelni a LANDSAT TM felvételek szerepét a lakóterületek térbeli terjeszkedésének vizsgálatában, monitoringjában, valamint a város térbeli és időbeli változásainak felmérésében. Az ilyen típusú adatok közel 30 évre visszamenőleg rendelkezésre állnak, továbbá a spektrális felbontásuk (7 sáv) miatt a LANDSAT TM felvételek – bizonyos méretarány mellett – kiválóan használhatók pl. NDVI alapú kiértékelésekhez (HENITS 2010). A DigitalGlob által fejlesztett WorldView-2 műhold, az első kereskedelmi (polgári) célú rendszer, amely multispektrális üzemmódban 2 méteres geometriai felbontással 8 csatornás felvételeket – a látható és a közeli infravörös tartományban – készít. A pankromatikus szenzor 50 cm-es terepi felbontású adatok rögzítésére képes (1. táblázat). Szuper nagyfelbontású űrfelvételek nagyobb geometriai és spektrális felbontásuk

miatt több információt tartalmaznak, ami lehetővé teszi pl. a beépített terület lehatárolását, a beépítési típusok elkülönítését. 2008-ban Székesfehérvár belvárosának egy részéről (5 km2) készült légi lézeres felmérés. A LIDAR mérésekkel egyidőben a látható és a közeli infravörös spektrum tartományban légifelvételek is készültek. A 2009-es felmérés a teljes mintaterületet lefedi. A geometriai felbontás mindkét esetben 0.5 m volt (1. táblázat).

1. táblázat: A kutatáshoz felhasznált egyes adatok alaptulajdonságai

Más forrásból származó tematikus adatok topográfiai térképek I., II. katonai felmérés térképei Székesfehérvár térképek terepi mérések: GPS, reflektancia mérések vektoros adatok statisztikai adatok és a városra vonatkozó egyéb adatok (1. ábra) Az osztályozást megelőzően a reflektancia mérés adatait és a terepi munka során gyűjtött információkat használtuk fel a városra jellemző felszínborítási kategóriák meghatározásához, valamint egyes tamatikus kategóriákat leíró tulajdonságok defeiniálásához. Referencia területek kiválasztása az alacsony repülésű légifényképek, topográfiai térképek és a terepen szerzett tapasztalatok alapján történt.

76

Székesfehérvár belső területi felosztását az 1. ábra szemlélteti. Ezek a területi egységek (zónák) kiinduló pontot szolgáltatnak a térinformatikai elemzésekben.

1. ábra: Székesfehérvár morfológiai zónák. Forrás: Statisztikai Hivatal kiadványai alapján (2001)

Székesfehérvár terjeszkedésének vizsgálata • Történelmi áttekintés Az ember élete a kezdettől fogva szorosan kapcsolódik a környezethez, a civilizáció fejlődésével az antropogén hatások egyre jobban érvényesülnek, hiszen egyre nagyobb mértékben (egyre intenzívebben) használatba veszi a területet és szükségleteinek megfelelően, saját belátása szerint alakítja át. A történelmi feltárások, írásos források segítségével visszatekinthetünk a múltba és tanulmányozásukkal információt nyerhetünk a civilizáció különböző időszakainak földhasználatáról, lakóterületek alapításáról és terjeszkedéséről. Már az ősember is a letelepedés céljából olyan területeket választott, amelyek megélhetési lehetőséget nyújtottak számára, a terület védhetősége (elhelyezkedése, környezete) is meghatározó szempont volt. A kezdeti, egyszerű lakóterületek az idő előrehaladtával és a civilizáció fejlődésével

sokszor hatalmas városokká nőttek. A XX. században a technikai, gazdasági fejlődéssel olyan folyamatok indultak el, mint az urbanizáció és az iparosodás. Az urbanizáció vagy városiasodás a városok térbeli és népességbeli növekedését, valamint a városi életforma terjedését jelenti. A településállomány rendszerében végbemenő változások egyre nagyobb hatással vannak a földhasználatra és a természeti környezetet állapotára. Következményük sokszor drasztikus a környezetre nézve és visszafordíthatatlan. A Föld lakosságának folyamatosan növekvő lakóhely igénye a létszám növekedésével és az életszínvonal emelkedésével függ össze. A folyamat gyorsaságát a városok lakosság számának növekedése jól tükrözi. Míg az 1900-as években a Föld népességének 13%-a volt városlakó, addig 50 év múlva ez az érték 29%-ra emelkedett és 2005-ben már elérte a 49%-ot. Magyarország lakosságának 67%-a lakik városokban (KSH 2009). Ehhez kapcsolódik a beépített területek folyamatos növekedése is. A fent említett folyamatok Székesfehérvár városára is jellemzőek. Történelmi források szerint a város területén az i. e. 5. évezredből található meg az emberi település nyoma, de a várost X-XI. században alapították a Gaja-patak és a Sárvíz által táplált mocsarakból kiemelkedő szigeteken. A XIII. századig a Sárrét mocsara védelmet nyújtott a gyorsan fejlődő városnak, de egyben gátat is szabott a város terjeszkedésének (2. ábra). A középkorban virágkorát élő város a török megszállás alatt pusztulásnak indult. A megszállók sok épületet leromboltak, illetve az elhanyagolt épületek rommá váltak.

77

2. ábra: Székesfehérvár XIII. században és jelenleg (2011). Forrás: SZEITZ 2000), WorldView2

A XVIII. század kezdetétől a város újabb felvirágzását élte. A mocsár visszahúzódása következtében a szigetek mérete sem szabott határt a terjeszkedésnek. A XIX. század eseményei fékező hatással voltak a városra. A két háború között újabb fellendülés következett be. Ebben az időben több nagyüzemet alapítottak. A II. világháború után intenzív iparosítás következett és ezzel párhuzamosan a népesség növekedése is elindult. Az 1970-es években a város népessége több mint 100 000-re nőtt (1945 a város lélekszáma megközelítette a 35 000 főt). Székesfehérvár és környéke a 90-es években az egyik legdinamikusan fejlődő területekhez tartozott. Statisztikai adatok szerint jelenleg a város népessége 101 973 fő (KSH; 2010), sűrűsége 594 fő/km2. Székesfehérvár lakossága a rendszerváltás óta fokozatosan csökken (2. táblázat). Székesfehérvár terjeszkedése 1819 – 2011 közötti időszakban A városok térbeli növekedése és a terjeszkedés gyorsaságának vizsgálatához, valamint a belső változások felméréséhez pontos térbeli adatok, térképek szükségesek. A jelenleg működő távérzékelési rendszerek térhez kötött, időben ismétlődő adatokat biztosíta-

nak, ami lehetőséget ad ilyen jelegű felmérésekre. A több időpontú felvételek alapján adott időintervallumban bekövetkező változásokat tudunk kimutatni. Továbbá a vizsgált időtartam bővíthető a korábbi időszakból származó térképek kiértékelésével. Székesfehérvár terjeszkedését az 18192011 közötti időszakban vizsgáltuk. Ehhez nagyfelbontású űrfelvételek mellett katonai felméréseket és a város régi térképeit használtuk fel. A több forrásból származó adatok együttes kezelésének alapfeltétele a közös koordináta rendszerbe való transzformálás. A műholdas felvételek viszonylag könnyedén georeferálhatók. A II. katonai felmérés adatai georeferált formátumban (EOV) tölthetők le. A régi térképek között azokat tudtuk az adatbázisba beépíteni, amelyeknek az EOV koordináta rendszerbe való transzformálása megoldható volt, vagyis megfelelő mennyiségű és minőségű illesztő pontok azonosítása volt lehetséges. A lakóterületek meghatározásához és elkülönítéséhez a beépített terület folytonosságát vettük figyelembe. A lakóterület, mint tematikus kategória heterogén, ez a felvételeken az intenzitási értékek ismétlődését, jellegzetes textúrát eredményez, ami vizu-

78

álisan jól elkülöníthető más kategóriáktól. Interpretáció során a texturát, a terület felszínborítási eltéréseit és a felszín egységeinek egymáshoz való viszonyát, összefüggéseit vizsgálva a lakóterület azonosítható és területe is meghatározható. A 3. ábrán látható Székesfehérvár területi növekedése az 1819 és 2011 közötti időszakban. A város határvonalának meghatározása a II. katonai felmérés térképei (1819), az 1921-ben készült várostérkép és űrfelvételek (19862011) alapján történt. A terület növekedését a 4. ábra szemlélteti.

gok kisebb méretben reprezentáltak, mint a műholdkép felbontása, akkor spektrálisan vegyes pixelek keletkeztek. Ami azt jelenti, hogy a szenzorok által érzékelt pixelek összetett (pl. az út, a ház, a növényzet) spektrális tulajdonságainak kompozícióját képezik. Ennek következtében az űrfelvétel képpontjai nem egyetlen tárgyat reprezentálnak, hanem a felszínt alkotó anyagok visszaverődésének keverékét. A felvételek geometriai felbontásának növelésével a probléma bizonyos mértékben csökkenhető, azonban a túl részletes adatok miatt az osztályon belüli különbségek oly mértékben megnövekedhetnek, hogy ez zavarhatja a feldolgozást és csökkentheti az osztályozás pontosságát. További gondot jelent, hogy a városi felszínborítás egyes kategóriái hasonló vagy azonos spektrális jellemzőkkel rendelkeznek, vagy egy kategórián belül spektrális eltérése lépnek fel (5. ábra). A mesterséges anyagkeverékek spektrális tulajdonságai koruk és pozíciójuk függvényében ugyanazon anyag esetében a felszínen jelentősen eltérhetnek (HEROLD 2004).

4. ábra: Székesfehérvár területe (km2) négy különböző időpontra vonatkozóan

Év

18191869

1921

1986

2011

Város területe

4.4 km2

13.8 km2

29 km2

42 km2

Lakósság

14 971

39 109

108 184

101 973

2. táblázat: Székesfehérvár területe (km2) és lakossági adatok négy különböző időpontra vonatkozóan

Városi felszínborítás térképezése távérzékelési adatok osztályozásával Az osztályozás előtti döntések A jelen kutatás vizsgálati egységeihez tartozik a városi felszínborítás, beépítettség. A városi területek műholdas interpretációjának nehézsége egyrészt a felszínt borító heterogén objektumok sokaságából adódik. Abban az esetben, amikor az egyes anya-

5. ábra: Egy kategórián belüli spektrális eltérések példája (tetőkre jellemző különböző héjazat, anyag, kor, méret, alak)

79

Fent leírtak alapján látható, hogy az osztályozás előtti feladatokhoz tartozik a fogalmi és spektrális kérdések tisztázása. Ellenkező esetben kaotikus, a mellé osztályozás miatt átláthatatlan végeredménnyel szembesülhetünk. A felmérési módszertan egyértelműen definiált nomenklatúrát kell hogy tartalmazzon. Ennek meghatásozása a jelenleg használt felszínborítási és földhasználati kategóriák alapján történt, de a definiálásnál figyelembe vettük a hasonló témával foglalkozó kutatási eredményeket is. További lényeges szempont volt, hogy

a felmérésben input adatként 2 m-es geometriai felbontású távérzékelési adatokat használtunk. A referencia adatok figyelembe vételével a következő felszínborítási kategóriákat definiáltuk: épületek (2 alkategória: nyereg- és lapostető), utak és egyéb mesterséges (3 alkategória: utak, parkolók, egyéb mesterséges felszín), vegetáció (3 alkategória: fás, bokros, füves terület) és víz (6. ábra). Az árnyékos területek utólagos feldolgozással - a geometriai tulajdonságok és a szomszédsági viszonyok alapján – átsorolásra kerültek a kategóriák egyikébe.

6. ábra: Városi felszínborítás térképezésben figyelembe vett kategóriák

A város felszínborítás vizsgálatát és térképezését szuper nagyfelbontású WorldView2 felvételekre alapoztuk. A távérzékelési adatok osztályozását több módszerrel végeztük el (7. ábra). A felvételek geometriai felbontása (2 m) és a városi beépítettségre jellemző mintázat közötti kapcsolatot elemezve tapasztalható,

hogy a hagyományos, pixelalapú eljárások alkalmazásával a felszínborítás térképezése városi környezetben nehezen, egyes kategóriák esetében pedig egyáltalán nem valósítható meg. Mégis az első lépésben pixel-alapú osztályozást végeztünk és az eredményeket a továbbiakban összehasonlítási alapnak vettük.

80

7. ábra: Távérzékelési adatok osztályozásának módszerei

Pixelalapú osztályozás Pixelalapú osztályozás esetén a kép minden ismeretlen hovatartozású pixelét a tematikus kategóriák valamelyikéhez soroljuk be a tematikus kategóriák mintáiból kigyűjtött spektrális jellemzők alapján. Az osztályozás elvégzéséhez alkalmazott maximumlikelihood módszer az adott osztályhoz tar-

tozó pixelek intenzitásainak gyakoriságát, valószínűség-eloszlását veszi figyelembe és a kérdéses pixelt oda sorolja, amelyik osztályban ilyen érték gyakrabban fordul elő. Az osztályozás eredmény – Székesfehérvár felszínborítási térkép – 8. ábrán látható, hozzá tartozó statisztikai adatokat 3. táblázat tartalmazza.

8. ábra: WorldView2 (2011) űrfelvétel pixelalapú osztályzásával nyert felszínborítási térkép Székesfehérvárról

81

Szegmensalapú osztályozás A szegmensalapú képosztályozását megelőzően el kell végezni a kép szegmentálását, melynek során a képet egymással összefüggő, homogén, a szomszédoktól elkülönülő területekre osztjuk fel. Egy szegmensbe szomszédos pixelek kerülnek, amelyek – bizonyos hasonlósági kritériumok alapján – feltehetően ugyanahhoz a felszínborítási kategóriához tartoznak. A szegmensek

nagysága a folyamat elején a meghatározott hasonlóság kritérium küszöbértékétől függ. Az osztályozást első megközelítésben IDRISI TAIGA szoftverrel végeztük. Itt a képszegmentálását a spektrális hasonlóság alapján végezzük el. Az eredmény – Székesfehérvár felszínborítási térképe – a 9. ábrán látható. A statisztikai adatokat a 3. táblázat tartalmazza.

9. ábra: Székesfehérvár - WorldView2 (2011) űrfelvétel szegmensalapú osztályzásával nyert felszínborítási térkép (részlet)

Kategória

Pixelalapú osztályozás eredménye (ha)

Szegmensalapú osztályozás eredménye (ha)

Épület (lapostető)

897,2

832,1

Épület (nyeregtető)

328,6

321,6

Utak és egyéb mesterséges felszín

308,7

343,4

Vegetáció

2687,4

2724,5

Víz

21,6

22,1

3. táblázat. Az osztályozás eredményei

82

Pixelalapú osztályozás esetén minden egyes pixelt önállóan értékeltük és a döntési szabálynak megfelelően a pixel besorolása annak spektrális értéke alapján történik. Ezzel szemben az objektumalapú osztályozással egy strukturáltabb térbeli adatrendszert állíthatunk elő az összetartozó pixelek szegmensekbe történő besorolásá-

val. A szegmentálás lehetőséget biztosítja a vizsgálandó jelenség, objektum észlelésére és osztályozására. Városi felszínborítás öszszetettsége és a felvételek spektrális korlátai miatt a pixelalapú eljárások nem adnak megfelelő eredményt. Az osztályozott képre jellemző pl. az osztályok keveredése, a kategórián belüli inhomogenitás (10. ábra).

10. ábra: Pixelalapú és szegmensalapú osztályozás eredménye (részlet)

A szegmensalapú osztályozás előnyei a következőkben foglalhatók össze: • kategóriák spektrális eltéréseiből adódó melléosztályozások csökkenthetőek, • az osztályozási pontosság növekszik (pontosságvizsgálat alapján, 4. táblázat),

• az osztályok közötti határvonalak töredezettsége csökken (a valóság hűebb megközelítése), • megszűnik az összefüggő területeken belüli inhomogenitás.

Pixelalapú osztályozás

Szegmens alapú osztályozás

Átlagos pontosság (%)

62.2

71.0

90%-nál nagyobb pontossággal azonosított kategóriák

• erdős terület • víz • füves terület

• erdős terület • víz • füves terület • lapos tetejű épületek

50%-nál kisebb pontossággal azonosított kategóriák

• kopár terület • út

• füves terület • kopár terület • út

4. táblázat: Pixelalapú és szegmensalapú osztályozás pontosság vizsgálatának eredménye

83

Objektum orientált képosztályozás A végzett kutatásnak olyan módszer kifejlesztése volt a célja, amely alkalmas a városra és környezetére jellemző felszínborítás térképezésére a szuper nagyfelbontású műholdas felvételek alapján. A munka során hagyományos pixelalapú osztályozási eljárások alkalmazása mellett különös hangsúly fektettünk az objektum orientált képelemzésre. A városra jellemző felszínborítási kategóriák spektrális heterogenitása és a távérzékelés fizikai törvényszerűségei miatt az egyes felszínborítási kategóriák térképezéshez a műholdas felvételek (WorldView2) spektrális információit és a lézeres légi szkennelésből származó magassági adatokat használtuk fel. Az épületek magasság alapján történő leválogatása adta a legpontosabb eredményt, de nem zárta ki a spektrális adatok, valamint a szomszédsági viszonyok elemzéséből származó információ fontosságát. Az előzetes leválogatást több hiba terheli, pl. magassággal rendelkező objektumok (fás területek) egybeesése az épületekkel. Ilyen jellegű hibák korrigálása spektrális, szomszédsági vagy geometriai elemzések alapján történik. A felszínborítás térképezési módszerének bemutatása az alapszintű kategóriák meghatározásán keresztül történik. Az eljárás a küszöbértékek módosításával alkategóriák leválogatására alkalmas. A tematikus kategóriák azonosítását és leválogatását különböző algoritmusok számítása és szelektálása előzte meg. Az eljárás az objektumok (szegmensek) spektrális és térbeli tulajdonságainak elemzésen alapszik és a következő lépéseket tartalmazza: • szegmentálás • kategória jellemzőinek definiálása, szelektálása • szegmensek előzetes osztályozása • az osztályozás módosítása (szükség esetén) pl. spektrális vagy térbeli tulajdonságok alapján

• tematikus kategóriák véglegesétése • pontosság vizsgálata

Szegmentálás Objektum oriental osztályozás egyik kritikus lépése a szegmentálás, melynek során előállított szegmenseket (objektumakot) az osztályozás további lépéseiben input adatként használunk (BURNETT – BLASCHKE 2003). A pixelek szegmensekbe való sorolása spektrális vagy térbeli paraméterek alapján végezhető el (SCHÖPFER et al. 2010). A kutatáshoz alkalmazott Definiens eCognition szoftverrel több eljárás (a legegyszerűbb un. soktáblás eljárástól kezdve összetett rigió-orientált modszerig) szerint szegmentálhatónk képeket. Egy objektumot (szegmenst) nem csak spektrális tulajdonságok alapján határozzuk meg, hanem figyelembe vesszük az alaki, geometriai összefüggéseket, a szomszédsági viszonyokat, valamint az objektumoknak a hierarchiáját (az objektumokat fölé- és alárendeltségét) is. A szoftver továbbá lehetőséget ad eltérő geometriai felbontású (több forrásból származó) adatok együttes szegmentálására, valamint egyéb tematikus térképek figyelembe vételére az objektumok meghatározása során. Jelen kutatásban felvételek szegmentálását régió-összevonó (multiresolution segmentation, spectral segmentation difference) eljárásokkal végeztük. A folyamat többszöri lefutatása alatt az objektumok alakjára és tömörségére vonatkozó paramétereket állandónak tekintettünket, a méretre vonatkozókat pedig (scale factors: 10, 20, 30 és 40) növeltük (11. kép). A legjobb eredményt - teljes mintaterületre vonatkozóan - a következő paraméterek mellett nyertünk meg: méret (scale factor) 10, alak (shape factor) 0,1 és tömörség (compactness) 0,5. Spektrálisan hasanló objektumok összevonása SDS (Spectral Difference Segmentation) algaritmus alkalmazásával végeztünk (12. kép).

84

4. táblázat: Pixelalapú és szegmensalapú osztályozás pontosság vizsgálatának eredménye

Multiresolution Segmentation Scale parameter: 10, shape: 0.1 Compactness: 0.5 Results: 18 100 objects

Spectral Difference Segmentation Spectral defference: 10 Result: 17 200 objects

12. ábra. Szegmentálás eredménye különböző algaritmusok beállítása esetén (részlet)

Kategória jellemzőinek definiálása Városi környezetben egyes tematikus kategórián belül gyakoriak spektrális eltérések és heterogén objektumok sokasága pl.: tetőkre jellemző különböző héjazat, anyag, továbbá a méret és az alak. A tematikus kategóriákra jellemző tulajdonságok definiálása és az adott kategóriát legjobban leíró tulajdonságok kiválasztása nem könnyű feladat és az osztályozás pontosságát döntően befolyásolhatja. A következő felsorolásban azok a tulajdonságok szerepelnek, amelyeket felhasználtunk az osztályozás folyama-

tában. A szegmensek besorolását egy adott kategóriába egy vagy több algoritmus alapján elvégezhettük. • intenzitás: szegmensek átlaga, átlagtól való eltérése, szórása sávonként, hányados képek értékei (NDVI, NDWI,....) • magassági értékek • méret: terület, hosszússág és szélesség aránya, határ relatív hosszúsága • alak: geometriai alakzatok megközelítése (pl. négyzet) • textura: simaság • szomszédsági viszonyok

85

Objektum orientált osztályozás A felszínborítási kategóriák leválogatásának szempontjai az un. rule set formájában, lépésenként leírhatók. A leválogatás alapját képező algoritmusok (5. táblázat) matematikailag megfogalmazhatók, így az adott feltételt teljesítő szegmensek előre maghatározott kategóriába kerülnek. A besorolás addig módosítható, ameddig el nem érjük a kívánt eredményt. Egy kategória leválogatásának egyes lépései az épületek példáján a 13. ábrán láthatók. Munkánk során, egy mintaterületen két osztályozási esetet tanulmányoztunk. Az első esetben a felszínborítási kategóriák térképezését WorldView2 felvétel osztályozásával nyertük, a másik esetben input adatként az űrfelvétel mellet a LIDAR légi szkennelés ada-

tait is felhasználtuk. A WorldView2 felvétel spektrális felbontása (8 sáv) lehetőséget ad az un. index képek előállítására. A kiértékelés folyamatába beépítettük a vegetáció és az aszfalt indexet. A normalizált vegetációs index (NDVI) értékeit használtuk fel a vegetáció és a biológiailag aktív vegetációval nem fedett területek elkülönítéséhez. Az index számítása: NDVI = (Band8 – Band5)/ (Band8 + Band5). Az aszfalt index (NDWI) alkalmazható a mesterséges kategóriák, mint pl. háztető, parkoló, út, valamint víz és árnyék elkülönítéséhez. Az index számítása: NDWI = (Band8 – Band1)/(Band8 + Band1). Az osztályozás folyamatában használt kategória leíró tulajdonságait az 5. számú táblázat tartalmazza.

Kategória

Kategória alap jellemzői

Az osztályozás módosításához alkalmazott jellemzők

Vegetáció (fás, bokros terület, füves terület)

NDVI

Környezet: context/ rel. Border to trees

Épületek

Magasság, NDWI

Spektrális információ: NDVI, Környezet: context/rel. Border to buliding), Méret

Egyéb mesterséges felszínborítás (utak, egyéb)

Spektrális információk (NDWI, NDVI)

méret: terület , hosszúság/szélesség index (length to width ratio)

Parkolók

Spektrális információk (NDWI, NDVI)

Alak (rectangular fit, shape index), környezet: context/ rel. Border to parking place

Víz*

Spektrális információk (NDWI, NDVI)

Árnyék*

Spektrális információ (NDWI, NDVI)

5. táblázat: A felszínborítási kategóriák osztályozásához használt egyes algoritmusok *Végleges klasszifikáció előtt az árnyék (szegmensek) egyéb mesterséges felszínborítás kategóriákba lett besorolva. A víz, a bemutatásra kerülő mintaterületen nem szerepel.

86

1. LIDAR: magassági adatok

2. Épületek leválogatása magasság alapján. Probléma: melléosztályozás

3. Módosítás az NDVI értékek alapján. Probléma: töredezett határok, "kis szegmens" kategórián belül

4. Módosítás környezet és terület alapján

13. ábra: Épületek leválogatásának szempontjai és eredményei

A fent bemutatott szempontok alapján (14. ábra) elvégzett klasszifikáció eredményeit a 15. ábra mutatja, valamint hozzá tartozó statisztikai adatokat a 6. táblázat foglalja össze.

14. ábra: Az osztályozás folyamatábrája

87

15. ábra: Székesfehérvár felszínborítás térképe (részlet): WorldView2 és LIDAR adatok objektum orientalt osztályozásának eredményei

Kategória

WorldView2 és LIDAR alapú felmérés/terület (m2)

WorldView2 alapú felmérés/ terület (m2)

Épületek

107031

109077

Parkoló

26116

23793

Utak

65411

34191

Egyéb mesterséges felszínborítás

55360

49477

Fás és bokros területek

61372

74438

Füves területek

35309

58976

6. táblázat: A WorldView2 és LIDAR adatok objektum oriental osztályozásának eredményei

Az osztályozás pontosságának vizsgálata A különböző földfelszíni objektumok (különböző tematikus osztályok) hasonló vagy azonos spektrális tulajdonságai miatt téves osztályba kerülhetnek. Ennek következményei a tematikus osztályozási hibák. Ezért a felvételek elemzéséhez hozzátartozik az osztályozás pontosságának vizsgálata. A pontosságvizsgálatban az ismert földi referenciaterületek adatait - pixelenként hasonlítjuk össze az osztályozással nyert tematikus térképpel. A két forrásból származó adatok összehasonlításából nemcsak az osztályozás pontosságát, de a különböző

téves osztályozások tendenciái is láthatók. A pontosság vizsgálatának eredménye hiba mátrix formájában foglalható össze, ahol a kategóriánként látható helyes osztályozások mértéke az un. procedur’s (eljárás) és user’s (használó) pontosság százalékban kifejezve. Procedur’s pontosság számítás: 100% - elsőfajú hiba, User’s pontosság számítás: 100% - másodfajú hiba. Az elsőfajú hiba az adott kategóriából más kategóriába besorolt pixelek mennyiségét mutatja. A másodfajú hiba más kategóriákból az adott kategóriába téves besorolásokat mutatja. A mátrix az átlagos osztályozási pontosságot is jelzi (7. táblázat).

88

Kategória

WorldView2 alapú felmérés

WorldView2 és LIDAR alapú felmérés

„Producer’s” pontosság %

„User’s” pontosság %

„Producer’s” pontosság %

„User’s” pontosság %

Épületek

78

84

88

99

Parkoló

99

97

96

99

Utak

54

86

67

92

Egyéb mesterséges felszínborítás

48

37

97

26

Fás és bokros területek

94

62

98

54

84

58

94

51

Füves területek

Átlagos pontosság: 71

Átlagos pontosság: 82

7. táblázat: Az osztályozás pontossága

Az objektum orientált osztályozás figyelembe veszi az előre definiált szegmensek tulajdonságait (pl. spektrális, geometriai) és kapcsolatait (pl. egymáshoz, szegmens

osztályhoz) ezzel alkalmassá válik a város felszínborítási térképezése. A kutatásban használt osztályozási eljárások eredményességét a 8. táblázat foglalja össze.

pixelalapú osztályozás

Szegmensalapú (spektrális elemzés)

Szegmensalapú (több tényezős elemzés)

• az összefüggő területeken belüli inhomogenitás • határok töredezettsége

Problémák csökkenése

Előző módszerekhez képest lényeges javulás

Egyes kategóriák keveredése (épületek, utak, parkoló melléosztályozása)

Még mindig jellemző az épületek, utak, parkoló melléosztályozása

Minimális melléosztályozás

Átlagos pontosság: 62.4%

Átlagos pontosság: 71.5%

Átlagos pontosság: 82%

8. táblázat: A kutatásban használt osztályozási eljárások eredményessége

Szegmentálás

Városi tájkép elemzések a távérzékelés és térinformatika alkalmazásával A városi tájkép elemzésekhez szükséges felszínre vonatkozó adatokat WorldView2 felvételek objektum orientált osztályozásával nyertük. Ebben az esetben a felvétel szegmentálását és osztályozását a következő paraméterek alapján végeztük el (VERŐNÉ – RONCZYK 2012):

• sakktáblás módszer, tematikus térképek felhasználásával (város morfológiai zónák) • szegmentálás alapegység: 1 ha • többszintű szegmentálás Osztályozás • spektrális értékek, • pozíció, • szomszédsági viszonyok alapján Az osztályozás folyamatában azokat a szegmenseket kerestük, melyek a víz és a vege-

89

táció kategóriába tartoztak. A két kategória összevonás után un. BGA osztályt (Blue & Green Area: Kék-Zöld Terület) alkotott. A szegmensek fenmaradt része nem vegetáció kategóriába lett besorolva. Az osztályozás végeredményében feltérképeztük, hogy egy-egy hektáron belül mekkora területen található vegetáció és nyílt víz. A továbbiakban ezeket az adatokat használtuk fel - a szomszédsági kapcsolatok függvényében - a statisztikai elemzésekhez. Az így előállított statisztikai adatok városrszenként a következő infomáció nyeréséhez alkalmasak: • legnagyobb BGA érték • leggyakrabban előforduló BGA érték • min, max BGA érték (legzöldebb terület, stb…) • BGA index aránya (területi homogenitás, stb.…) Statisztikai adatok alapján térképek is szerkeszthetők. Példaként a 17. ábrán látható kék-zöld terület (BGA index) %-os aránya városrészenként hektáros felbontásban.

kifejleszteni, amelyek alkalmasak szuper nagyfelbontású műholdas felvételek városi felszínborítási térképezés céljából való osztályozására. A módszer alkalmas több típusú adatok (pl. űrfelvétel, LIDAR) együttes kiértékelésre. A projektben kifejlesztett osztályozási eljárások nem tekinthetők véglegeseknek és további teszteléssel, más területekre való kiterjesztéssel, valamint fejlesztéssel az osztályozás pontossága növelhető. A távérzékelési adatok osztályozásával készültek a tematikus térképek (pl. városi vegetáció térkép, mesterséges felszínborítás térkép, BGA index, stb.). Segítségükkel olyan statisztikai adatok nyerhetők, amelyek a térinformatikai elemzésekben input adatként használhatók fel. Az elért eredmények a megjelenítő és lekérdező GIS modulban a térinformatikai rendszerbe integrálva hasznosíthatók. Az adatok további (különböző szakterületi) kiértékelésekre alkalmasak.

Felhasznált irodalom BLASCHKE, T. (2010): Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing 65 (2010): 2-16.

BURNETT, C. – BLASCHKE, T. (2003): A multi-scale segmentation/object relationship modelling methodology for landscape analysis. 17. ábra: BGA index %-os aránya. Vizsgált legkisebb egység 1 hektár (VERŐNÉ – RONCZYK 2012)

Ecological Modelling 168 (2003): 233 – 249.

Összegezve elmondható, hogy a kutatási területekről egy adatbázis áll rendelkezésre, amely több forrásból származó adatokat, valamint azok kiértékeléséből nyert tematikus adatokat tartalmaz. Sikerült olyak objektum orientált osztályozási módszereket

FEKETE, I. – DEZSŐ, B. – LÁSZLÓ, I. – ÓCSAI, K. (2008): A szegmentálás szerepe az űrfelvételek tematikus osztályozásában (The role of segmentation in the thematic classification of satellite images). Az Informatika a felsőoktatásban 2008 konfe-

90

rencia elektronikus kiadványa, DE Informatikai Kar, Debrecen.

SZEITZ, T. (2000): Online:

HENITS, L. – MUCSI, L. (2010): Település beépítettségének mérése idősoros vegetációs index alapú elemzéssel

VERŐNÉ W. M. – RONCZYK, L. (2012): Object-based Classification of Urban Land Cover Extraction Using High Spatial Resolution Imagery, International Scientific Conference on Sustainable Development & Ecological Footprint

Geodézia és Kartográfia 2010 62. évf. 10. sz. p. 10-18.

KSH (2001, 2010, 2011): Online: http://portal.ksh.hu/docs/hun/ hnk/hnk_2011.pdf

(NymE TÁMOP 4.2.1/B), Proceedings, ISBN 978-963-334-047-9, 7 pp.

MUCSI, L. – KOVÁCS, F. – HENITS, L. – TOBAK, Z. – VAN LEEUWEN, B. – SZATMÁRI, J. – MÉSZÁROS, M. (2007): Városi területhasználat és felszínborítás vizsgálata távérzékeléses módszerekkel.

WENG, Q. (2012): Remote Sensing of impervious surfaces in urban areas: Requirements, methods and trends. Remote Sensing of Environment 117 (2012): 34-49.

ZHANG, Y. (1999): Optimisation of building detection in satellite images by combining multispectral classification and texture filtering,

MUCSI, L. – TOBAK, Z. – VAN LEEUWEN, B. – SZATMÁRI, J. – KOVÁCS, F. (2008): Analyses of spatial and temporal changes of the urban environment using multi- and hyperspectral data.

Journal of Photogrammetry & Remote Sensing, Vol. 54, No. 1, pp. 50-60.

http://www.earsel.org/workshops/HighRes2008/ Artikel/33_Mucsi.pdf

MYINT, S. W. – GOBER, P. – BRAZEL, A. – GROSSMAN-CLARKE, S. – WENG, Q. (2011): Per-pixel vs. Object-based classification of urban land cover extration using high spatial resolution imagery.

ZHOU, W. – HUANG, G. – TROY, A. – CADENASSON, M. L. (2009): Object-based land cover classification of shaded areas in high spatial resolution imagery of urban areas: A comparison study. Remote Sensing of Environment 113 (2009): 1769 – 1777.

Remote Sensing of Environment 115 (5):1145 – 1161.

SCHÖPFER, E. – LANG, S. – STROBL, J. (2010): Segmentation and Object-Based Image Analysis. In: Rashed, T. – Jürgens, C. (Eds): Remote Sensing of Urban and Suburban Areas.

http://geo.science.unideb.hu/taj/dokument/ telkonf/dokument/mucsi_l_et_al.pdf http://www.fomi.hu/honlap/magyar/szaklap/2010/10/2.pdf http://lazarus.elte.hu/~zoltorok/oktat/2000/ szeitz/SzeitzTamas.html#Első térképek a városról

Springer, Dordrecht. 181 – 192.

91

92

Domborzat- és felszínmodellek alkalmazása városökológiai vizsgálatokban BALÁZSIK Valéria* | ENGLER Péter | MÉLYKÚTI Gábor Nyugat-magyarországi Egyetem, Geoinformatikai Kar 8000 Székesfehérvár, Pirosalma u. 1-3. *e-mail: [email protected]

Bevezetés Minden település jellegében, fejlődésében meghatározó a terület topográfiája. A domborzati viszonyokkal szorosan összefüggő tényezők, például a beépítettség mértéke, a kialakult térszerkezet, a zöldfelületek nagysága és településen belüli elhelyezkedése, a város természetes és mesterséges vízfelületei, egyéb vízáteresztő felszínborítási kategóriái (1. ábra). A kor követelményeinek megfelelően, a fejlődés érdekében azonban elengedhetetlen a természetes és az épített környezet alakítása, melyet úgy szabad csak megtennünk, hogy mindeközben a környezetünket védjük. Úgy kell élhető életteret kialakítanunk, hogy az értékek védelme mellett a település működőképessége a lehető legnagyobb mértékben biztosított legyen. Székesfehérvár településkörnyezeti szempontból sajátos helyzetű, mivel a védelemre vonatkozó előírások még inkább hangsúlyt kapnak, hiszen viszonylag kiterjedt történelmi belvárosa van, jelentős a településen

található műemléki kategóriába tartozó, de legalábbis védem alá vont objektumok száma. Az országosan is kiemelkedő fontosságú Nemzeti Emlékhely, a királyi bazilika maradványai, a magyar királyok évszázados temetkezési helye, a városszerte feltárt és feltárásra váró régészeti lelőhelyek különös odafigyelést igényelnek.

1. ábra: Székesfehérvár topográfiai térképe domborzatmodellen megjelenítve

93

A települések épített környezetének alakítását és védelmét az általános törvényi előírásokon túl az önkormányzatok szabályozási terve, helyi építési szabályzata és rendeletei együttesen írják elő (2. ábra).

2. ábra: A település szabályozása övezetenként, kategóriánként szigorú előírások alapján történik

A mindenkori tényleges állapot, valamint a változtatás eredményeként bekövetkező várható hatásoknak az ismerete nagymértékben támogathatják a döntéshozók munkáját. A mai különböző, korszerű adatgyűjtési technológiák lehetőségeket kínálnak olyan városi térinformatikai adatbázis kialakítására, amely komplex urbanisztikai elemzéseket tesz lehetővé és folyamatosan segíti a városüzemeltetés bonyolult munkáját. Az adatintegráció eredményeképpen létrejött adatbázis alapján térben és időben végbemenő folyamatok szimulálhatóak, megfelelő adatok birtokában 3 dimenziós modellek megjelenítése lehetséges. Mindezek együttesen a döntéshozó testületek sokféle szakterületről érkezett tagjai számára nyújthatnak komoly segítséget. Ma már a térbeliség, a 3 dimenziós megjelenítés természetes igénye mind a szakmai közönségnek, mind pedig az egyre növekvő amatőr felhasználói rétegnek. Ennek feltétele a település topográfiáját, természetes és mesterséges objektumait tartalmazó különböző digitális modellek beillesztése és alkalmazása a térinformatikai rendszerek adatbázisába. A terepről közvetlenül,

vagy közvetve történő adatgyűjtés módszerei, pontossága, terepi pontsűrűsége, az alkalmazott modellek fajtái, paraméterei a modell „minőségén” keresztül mind-mind befolyással vannak a térbeli elemzések megbízhatóságára. Ez a hatás már a települési adatbázisba integrált egyes származtatott adatok előállításakor megjelenik. Ilyen hatás érvényesül a különböző távérzékelt képi anyagok magasságkülönbségből eredő torzulásait megszüntető eljárások során, a légifényképek és űrfelvételek ún. ortorektifikációs folyamatában. Ezek a torzulásmentesített felvételek pillanatnyi állapotot tükröznek, ezt a kedvező tulajdonságukat kihasználva tartalmuk – technológiától függően - sok esetben megjelenik azokban a várost szabályozó térképművekben, melyeket az előzőekben említettünk, illetve a városüzemeltetés és döntéshozás mindenkor aktuális alapjait képezhetik. A domborzatmodellezésben az utóbbi években megjelent és elterjedt adatgyűjtési technológiák, mint például a terep lézeres letapogatása, a digitális modellek új fajtáinak (felszínmodell, különbségmodell) elterjedését eredményezte, ezáltal újabb felhasználási lehetőségeket nyitott a városi alkalmazások sorában. Emellett a nagyfelbontású, nagy pontosságú modellek felhasználhatóak a városi területek vízháztartását, lefolyási viszonyait vizsgáló elemzésekhez, modellezésekhez. Ugyancsak a nagy pontosságú magassági adatok, illetve ezek alapján előállított modellek alkalmasak arra, hogy figyelembe vegyék a hatósági engedélyezések döntés-előkészítésében azokat. Jól hasznosíthatóak még a magassági előírások betartásának ellenőrzési eljárásai során is. Kutatásainkban vizsgáltuk a domborzat- és felszínmodellezés adatgyűjtési és felhasználási lehetőségeit a városökológiai vizsgálatokban, különös tekintettel a pontossági és gazdaságossági kérdésekre.

94

Domborzatmodell, felszínmodell Minden modell a valóság egyszerűsített mása, annak nem tökéletes leképezése, így a domborzatmodellek is egyszerűsített változatai a valós földfelszínnek.(3. ábra) Míg egy ember alkotta építmény, mesterséges objektum szabályos felülethatárai a számítógépes modellezés során matematikailag viszonylag egyszerűen leírhatóak, addig a teljesen szabálytalan fizikai földfelszínt digitális modellezéskor csak jól közelítő felületelemekkel helyettesítjük. A digitális domborzatmodellek (angolul DEM - Digital Elevation Model) számos szakágban jól hasznosíthatóak, de városi területek esetében gyakran gátat szabott a modellek alkalmazásának a beépítésből adódó magassági értékek ismeretének hiánya.

3. ábra: A fizikai földfelszín digitális modelljének egy részlete ráillesztett ortofotó-kivágattal és szintvonalakkal együtt megjelenítve (Iszka-hegy)

Az utóbbi évek technológiai fejlődésének köszönhetően, az urbanisztikai vizsgálatoknál a digitális modellek egy újabb - a városi beépítésű területeken jól alkalmazható - rendkívül sok információt tartalmazó változata, a DFM vagy Digitális Felszínmodell került előtérbe (angolul DSM - Digital Surface Model) (4. ábra).

4. ábra: Székesfehérvár egy részletének felszínmodellje

Adatnyerés, támpontok A domborzatmodellezés és felszínmodellezés alapját képező ún. támpontok (a terep vagy tereptárgy ismert magasságú pontjai /X;Y;Z/) meghatározására különböző mérési, adatnyerési technológiákat alkalmazhatunk: • terepi mérés (mérőállomással, GPS-szel) • sztereofotogrammetriai kiértékelés (pontonkénti és automatikus matching) • kartometria (analóg térképek szintvonalainak, magassági adatainak digitalizálása) • terep lézeres letapogatása (Lidar) • adatbányászat egyéb forrásokból Ezeknek a közvetlenül és közvetve nyert adatoknak az alapján, eltérő matematikai módszerek segítségével (pl.: interpoláció, approximáció), különböző modelltípusok (pl.: TIN; GRID) alkalmazásával, számos paraméterezési lehetőség mellett (pl.: GRID rácsméret) generálhatunk domborzatmodellt vagy felszínmodellt aszerint, hogy a vonatkozási rendszer X,Y koordinátájához tartozó Z magassági érték a föld felszínére, vagy az azon található növényborítás illetve mesterséges építmény valamely szintjére vonatkozik. A technológiai sajátosságokból adódóan, beépített terület esetén a sztereofotogrammetriai kiértékeléssel és a Lidar méréssel nyert támpontok alapján felszínmodell értelmezhető.

95

Ebben a tanulmányban a projekt során felhasznált digitális modelleket (DDM és DFM) vizsgáltuk részben pontossági szempontból, részben pedig arra vonatkozóan, hogy a városökológiai vizsgálatok mely területein alkalmasak az elemzések hatékony támogatására.

Modellek pontossága Az egyes adatgyűjtési technológiákra vonatkozó pontossági vizsgálathoz célszerűen olyan mintaterületet választottunk, amelyre vonatkozóan több forrásból rendelkeztünk a modellezéshez szükséges adatokkal, a terület, terepfelszín nem változott az adatgyűjtések között eltelt időszakban, és bár a projekt keretében a domborzat- és felszínmodellek városi környezetben kerültek felhasználásra, de a mintaterületen az ellenőrző mérések zavartalanul elvégezhetőek voltak. Erre a célra ideális vizsgálati területként kínálkozott a Keleti-Bakony peremén, a Baglyas-Iszka hegycsoport fennsíkján, a Csórtól 3 kilométerre Északra fekvő Leányvágó és Gombahegy térségében található Iszka-hegy egy közel 6 x 4 km-es része, melyen mesterséges objektumok szinte egyáltalán nem, erdővel borított területek is csak kismértékben találhatóak, valamint a terep topográfiája változatos, szinte valamennyi domborzati elem megjelenik, így a modellalkotás vizsgálható a felszíni formák mindegyikére. Ez egyúttal a mérési technológia mellett lehetőséget nyújtott a modelltípus és paraméterei kiválasztásának ellenőrzésére is.

Rendelkeztünk a mintaterület digitális domborzatmodelljeivel három különböző forrásból (5. 6. ábra). Ezek: • DDM-50 (Alapanyaga az 1 : 50 000-es méretarányú - Gauss-Krüger vetületi rendszerű – 1985-91. évi kiadású topográfiai térkép szintvonalas domborzati eredetije) 10x10 m-es felbontással • A Földmérési és Távérzékelési Intézet (FÖMI) által előállított DDM-10 (az EOTR 1:10 000-es méretarányú topográfiai térképek magassági adatainak digitalizálásával készült 5x5 m-es felbontással) • LIDAR mérésből előállított DDM 1x1 m-es felbontással Az összehasonlítás elvégzéséhez a domborzatmodellek rácsméretét összehangoltuk és egységesen 10x10 m-esre alakítottuk át. Alapul a 2008-ban végzett repüléskor lézeres letapogatással (Lidar) nyert terepi adatokat választottuk. Bár a grafikus források - az analóg térképek - az elődök kiváló munkáját dicsérik, mégsem elhanyagolható a tény, hogy az ezek szerkesztéséhez felhasznált eredeti mérések átlagos terepi pontsűrűsége több 10m, és az sem, hogy a domborzatmodellek nem az eredetileg mért pontoknak a felhasználásával készültek, hanem a szerkesztett grafikus térképek szintvonalainak digitalizálásával születtek. Ezzel szemben a Lidar technológiával meghatározott támpontokat közvetlenül a terepről nyerjük, ezek pontsűrűsége 6-8 pont/ m2, és a meghatározást vízszintes értelemben ±0,5m, magasságilag ±0,15m abszolút pontosság jellemzi.

5. ábra: A vizsgálati terület domborzatmodelljei: EOTR 1:10 000-es térkép alapján; GK 1:50 000-es térkép alapján

96

6. ábra: Lidar last echo és first echo pontok alapján készült domborzatmodellek

A 2008-ban Lidar tecnológiával mért pontok alapján megjelenített modelleken pirossal jelölt részek az utóbbi évek külszíni bányászati tevékenységének hatását mutatják (6. ábra). Míg a baloldali ábra a lézer utolsó visszaverődése (talajszint) alapján, a jobboldali ábra pedig az első visszaverődése (növénytakaró felső szintje) alapján létrehozott modellt jeleníti meg. Mindkét topográfiai térképsorozat a terepfelszínre végzett mérések alapján készült, így a különbségmodellek előállításánál a Lidar last echo (utolsó visszaverődés a

talajszintről) modellt vettük alapul és a különbségmodellek rácspontjaiban meghatározott eltérésekből számítottuk a modelleket jellemző megbízhatósági mérőszámokat. Mivel a területre eső külszíni bánya a korábban készült topográfiai térképeken, így az azokból levezetett modelleken sem látható, ezért a bányaterületre eső pontokat eleve kizártuk a statisztikai elemzésekből (7. ábra). Kizártuk továbbá a vizsgálatból azokat a pontokat, amelyeken tapasztalt eltérések elérték illetve meghaladták a durva hiba értékét.

7. ábra: Különbségmodellek: Lidar – DDM-10; Lidar – DDM-50 a bányaterület kizárásával

A különbségmodellek mindegyikén megfigyelhető, hogy a legnagyobb eltérések a mély szakadékszerű völgyek mentén adódtak (7. ábra). Ennek oka egyrészt a gyakran meredek, visszahajló oldalak eredeti mérési hibája, másrészt a grafikus lehetőségek nem

midig tették lehetővé a domborzati idom geometriailag hű ábrázolását. Az analóg topográfiai térképek digitalizálásával ezek a hibák nem szűntek meg, sőt, helyenként a rajzi „zsúfoltság” miatt még tovább növekedtek.

97

A rácspontok eltérései: (LIDAR-DDM10; LIDAR-DDM50) modell

Vizsgált rácspontok száma

Ebből érvényes (n)

Az eltérések átlaga Σ(d)/n [m]

A legnagyobb/ legkisebb eltérés [m]

Az eltérések szórása

DDM-10

221361

218342

-0.24

21.22/-18.21

1.78

DDM-50

221361

218342

-0.25

21.07/-20.05

2.51

A statisztikai eredményeket tekintve az eltérések átlaga a két grafikus eredetű modellnél nagyon kis különbséget mutat, de az eltérések szórásértékei és a különbségmodell megjelenítése arra figyelmeztetnek bennünket, hogy ezeknek a domborzatmodelleknek a felhasználása lehetőség szerint ún. nyugodt, éles váltásoktól mentes topográfiájú területeken ajánlott. Ezt figyelembe véve, a digitális domborzatmodellek városökológiai vizsgálatoknál történő alkalmazása nem minden területen lehetséges. Amennyiben a vizsgálat tárgya megköveteli a földfelszíni objektumok magasságának ismeretét, más modelltípust, a digitális felszínmodellt kell választanunk. A kutatás támogatásával a mintaterület egy kisebb részére, 20ha-ra egy szakdolgozat keretein belül ugyancsak megtörtént különböző mérési technológiákkal az adatgyűjtés

és a modellezés pontossági összehasonlítása. Elemzésre került 8 féle technológia; a Lidar, 3 féle műholdas helymeghatározási módszer különböző terepi pontsűrűséggel, terepi felmérés mérőállomással, kétféle barométeres mérési módszer és az SRTM - a NASA 2000-ben végzett, ingyenesen letölthető radaros domborzatfelmérés adatainak felhasználása különböző matematikai módszerek és eltérő rácsméret alkalmazása mellett. Természetesen ezeknek a mérési technológiáknak nem mindegyike alkalmas arra, hogy nagyobb területen, akár teljes településen alkalmazzuk, de amellett, hogy a projektben felhasznált topgráfiai térkép alapú digitális modellek pontosságának öszszehasonlító vizsgálata megtörtént 0,2 km2en, a modellalkotás lehetőségeinek széles skálájáról is képet kaptunk (8. ábra).

8. ábra: A kialakítható modellek lehetőségei a mérési eljárás, az alkalmazott matematikai módszer és a rácsméret szerint

98

A mért pontok jellemzői technológiánként: technológia

pontok száma (20 ha-on)

átlagos terepi ponttávolság

LiDAR

200 000

GPS 1

6 000

6m

GPS 2

1 500

12 m

GPS 4

450

24 m

Topográfiai

200

32 m

4 600

7m

70

75 m

Barometrikus SRTM

1m

9. ábra: Átlagos terepi ponttávolság a vizsgált módszerekben

Ennek a vizsgálatnak az eredményeképpen is a modellek közül – a hatékonyságot is figyelembe véve – a LIDAR mérésből származtatott modell bizonyult a legpontosabbnak, azonban annak előállítása a repülés és a lézeres letapogató rendszer költségei miatt az analóg térkép alapú modellekhez mérten rendkívül drága. A Lidar technológia nyújtotta pontosság és terepi pontsűrűség sem feltétlenül indokolt minden alkalmazásnál. Ezt figyelembe véve azoknál a feladatoknál, ahol a pontossági igények és a feladat megengedik, jól használhatóak az olcsóbban hozzáférhető, grafikus alapú modellek. Azonban a LIDAR mérés pontjai alapján generált felszínmodellek nagy terepi felbontása, a többi modellhez mérten kiemelkedő magassági megbízhatósága jól hasznosítható és új lehetőségeket kínál a beépített városi területek környezetvizsgálatai során.

Modellek a városökológiai vizsgálatokban A projektben részt vevő 3 város közül Székesfehérvárra vonatkozóan rendelkeztünk a legtöbb adattal, így annak példáján keresztül mélyebben vizsgáltuk a digitális domborzat- és felszínmodellek alkalmazási lehetőségeit a városökológiában. Székesfehérvár a 100 és 180 m-es tengerszint feletti magassági tartományban helyezkedik el, nincsenek nagy magasságkülönbségek, éles terepfelszíni váltások. Az ökológiai vizsgálatokhoz végzett talajmintaszedés helyein, valamint a kutatás céljára készült hiperspektrális felvételezés referenciafelületein is végeztünk GPS méréseket, ezeket kiegészítettük az utóbbi évtized nagyobb földmunkát igénylő építkezésein és útépítések helyein történt mérésekkel. Ellenőrzésként a magasságértékeket ösz-

99

szehasonlítottuk a DDM-10 modellből kiolvasott magasságértékekkel, eredményül 0.35m átlagos eltérés adódott. A viszonylagos pontosság ellenére a digitális domborzatmodellek csak korlátozottan alkalmasak települési adatbázisok részeként komplex ökológiai vizsgálatok elvégzésére.

Távérzékelt képanyagok torzulásainak megszüntetése Az egyre nagyobb felbontású távérzékelt adatok, a légifényképek és űrfelvételek rendkívül gazdag információtartalommal bírnak és a nagy területről történő, gyors adatgyűjtés leghatékonyabb módszerei. A digitális képanyagok városi térinformatikai rendszerbe illesztése előtt azok magasságkülönbségből eredő torzulásait meg

kell szüntetni. Azt az eljárást nevezzük ortorektifikációnak, melynek során a torzult kép, torzulástól mentes, merőleges vetítésű megfelelőjét állítjuk elő. Ehhez kellő pontossággal ismernünk kell a terep és a rajta levő objektumok magasságait, vagyis esetünkben a település digitális felszínmodelljét. Ilyen modellt a terep lézeres letapogatásával nyert adatok alapján állíthatunk elő. Míg korábban az ortofotók előállításához – egyéb adat hiányában – a domborzatmodelleket alkalmazták, addig ma már az ún. true ortofotó előállításához a felszínmodellt használják. Az ábrán szembetűnő a különbség a kétféle termék között (10. ábra). A true ortofotó további lehetőségeket is kínált, melyek a számítógépes képfeldolgozásban hoztak nagy eredményt.

10. ábra: DDM alapú ortofotó (bal) és DFM alapú, true ortofotó (jobb)

A domborzatmodell (DDM) alapú ortorektifikáció eredményeképpen kapott ortofotón látható, hogy a Nadírponttól (a felvételi pont vízszintes vetületi helyétől) távolabb eső építmények „kifekszenek”, azok képközép felé eső oldalai láthatóak. Ennek oka, hogy a domborzatmodell, amely a magassági adatokat szolgáltatja, a mesterséges objektumokra vonatkozó magassági adatokat nem tartalmazza. Ezen kívül a terepfelszíntől magasságilag eltérő részek vízszintes vetületi helye hibás, mégpedig a magasságkülönbség mértékével ará-

nyos eltolódást eredményez a képen. Ezek a hibák együttesen a felvételeket további képfeldolgozásra, spektrális érték alapján történő automatikus képosztályozásra alkalmatlanná teszik. Erre megoldást jelent, ha az ortorektifikációt ún. felszínmodell (DFM) alapján végezzük, aminek eredményeképpen valódi vagy true ortofotót kapunk. Ilyen felszínmodell hozható létre lézeres letapogatással nyert pontok alapján. A true ortofotó a felszínmodell részletes magassági adatait felhasználva az objektumokat valódi vetületi helyükön ábrázolja.

100

Függőleges falsíkok nem jelennek meg a képen spektrális foltként, csupán néhány pixelként, amely, mint hibaforrás kiküszöbölhető a képosztályozási módszerek újabb lehetőségei mellett. A nagyfelbontású légifényképekből Lidar alapú felszínmodell alapján előállított ortofotók vízszintes pontossága a pixelmérettel/terepi felbontással (méter alatti értékkel) jellemezhető. Magassági adatok a képfeldolgozásban A digitális képfeldolgozásban a spektrális értékeken túl - megfelelő felbontású és pontosságú felszínmodell birtokában - az egyes

felszínborítási kategóriák elkülönítésekor figyelembe vehetjük a magassági adatokat. Zöldfelületek esetén lehetőség nyílik az egyébként spektrálisan hasonló értéket mutató füves területek és fás, bokros területek elkülönítésére, ugyanígy a spektrális érték alapján azonos kategóriába sorolt, de különböző magasságú építmények más-más osztályba sorolhatóak, és nagy megbízhatósággal leválogathatóak a terepszinti beton és aszfaltborítású területektől is a magassági értékek alapján (11. ábra).

11. ábra: Magassági és spektrális értékek együttesen vehetők figyelembe a képosztályozásnál

101

A projekt keretében a felszínmodell városi mintaterületen történő felhasználásával igazolódott, hogy a nagypontosságú magassági adatok ismeretében a távérzékelt képanyagok feldolgozása, kiértékelése mind geometriai értelemben, mind pedig a képosztályozási megbízhatóság tekintetében lényegesen javult a korábbi lehetőségekhez mérten.

3 dimenziós városmodell A felszínmodell és ortofotó együtt a város részletgazdag, 3 dimenziós modelljét al-

kotják. A nagyfelbontású távérzékelt képanyagok spektrális értékei és a szintén nagyfelbontású, Lidar alapú felszínmodellek magassági tartalma együttesen megnövekedett információtartalmat jelentenek a városökológiai elemzésekben, amely a külön-külön értelmezett információmenynyiségeket akár többszörösen is meghaladhatja. A térbeli megjelenítés a tervezés és városüzemeltetés szakembereinek munkáját segítheti hatékonyan a szemléltetés lehetőségével (12. ábra).

11. ábra: Magassági és spektrális értékek együttesen vehetők figyelembe a képosztályozásnál

102

A digitális felszínmodellek hasznosításának egyéb lehetőségei A légi lézerszkennelés technológiájával elérhetjük akár a 9-10 pont/m2 terepi pontsűrűséget is. Vizsgálataink szerint a Lidar pontfelhő (13. ábra) és a szintén egyre inkább tért hódító földi lézerszkennelés módszerével nyert pontfelhő (14. ábra) integrálásával olyan adatbázist nyerhetünk, amely már alkalmas megfelelő pontosságú függőleges metszetek előállítására (15. ábra).

A kiválasztott pontok között megjelenített profilok felhasználhatók a várostervezés és városüzemeltetés területén helyi építési szabályok figyelembe vételére engedélyezéseknél, megvalósulást követő ellenőrzéseknél és láthatósági tanulmányoknál. A különös védelmet élvező, helyén maradó régészeti leleteket a szabályozási tervnek megfelelően, a feltárást követően, a lehető leginkább láthatóvá kell tenni.

13. ábra: Lidar pontfelhő a magassági tartományok különböző színű megjelenítésével térben (Székesfehérvár)

14. ábra: Földi lézerszkennelt pontfelhő (Székesfehérvári részlet)

15. ábra: Légi- és földi lézerszkennelt pontok egyesített állományának metszete

103

Összegzés Kihasználva az ortofotók akár 30-10 cm-es terepi felbontását, a Lidar technológia által nyerhető nagyfelbontású digitális felszínmodell lehetőségeit, a kettőt együtt alkalmazva, a távérzékelt adatokból nyerhető információk megsokszorozhatóak. A digitális domborzatmodellek és felszínmodellek a települési térinformatikai rendszerek adatbázisának fontos részét képezik. Olyan elemzéseket tesznek lehetővé, melyek a magassági adatok és az azokból levezethető további információk (pl.: lejtés, kitettség) ismeretében végezhetők el. Néhány alkalmazási lehetőség: • városi talajveszteség vizsgálata • csapadékvíz elvezetés tervezése, korszerűsítése • záportározók tervezése • a város terjeszkedésének és térszerkezetének alakulása a topográfiai jellemzők tükrében • domborzat- és felszínmodellek figyelembe vétele városrendezési tervek készítésénél • magassági modellek felhasználása a helyi építési szabályzat előírásainak betartásánál, engedélyezési eljárásokban • beruházások megvalósulását követő ellenőrzés • térbeli szemléltetés más szakterület képviselői számára • városüzemeltetési feladatok tervezése • stb… Természetesen – bizonyos korlátokkal és feladatokra – az analóg térképekből levezetett digitális domborzatmodellek is hasznosíthatóak a városi környezet elemzésekor. Ezek előállítási költségei lényegesen kedvezőbbek, mint a Lidar technológiával készült modelleké. Ez utóbbi technológiával ugyanakkor a több szintről, (pl.: fakorona, talajszint) történő visszaverődésnek (first echo, last echo) köszönhetően magassá-

gilag többszörös adat nyerhető, többféle modell állítható elő. A modellezést célzó adatgyűjtési technológiáktól eltekintve nem elhanyagolható az sem, hogy az azonos támpontállományra számos matematikai leírás és különböző paraméterezési lehetőség mellett készíthetünk modelleket. A városökológiai vizsgálatok szempontjából a felhasználó számára lényeges információt jelent az egyes modelleket jellemző abszolút, illetve relatív pontosság, amely a gazdaságosságot is figyelembe véve a célnak leginkább megfelelő modell kiválasztását segítheti.

Felhasznált irodalom: BALÁZSIK, V. – CZINKÓCZKY, A. – SZABÓ, GY.: Koordináta, pixel vagy pontfelhő? Alternatíva, verseny vagy integráció?; Térinformatikai Konferencia és Szakkiállítás, Debrecen, 2011.május 19-20. Konferencia kiadvány (ISBN: 978-963-318-116-4)

BALÁZSIK, V. – CZINKÓCZKY, A. – SZABÓ, GY.: Környezetünk leképezése – áldás vagy átok? „Informatika a felsőoktatásban 2011” konferencia, Debrecen, 2011. augusztus 24-26. Konferencia kiadvány (ISBN 978-963-473-461-1)

BALÁZSIK V. – CZINKÓCZKY, A. – SZABÓ, GY.: A térinformatikai adatrobbanás hatása az információs társadalomra; Agrárinformatikai tanulmányok (2011) III. kötet (4-25. oldal) (ISBN 978-963-87366-5-9 Ö)

BALÁZSIK, V. – CZINKÓCZKY, A. – MELYKÚTI, G. – SZABÓ, GY.: Urban Object Extraction from Integrated Aerial-, Terrestrial Lidar, Multi-spectral Photogrammetry and Hyperspectral Data sources, „Euro-

104

pean Lidar Mapping Forum” előadásanyaga, Salzburg, 2011. november 29-30.

BALÁZSIK, V. – CZINKÓCZKY, A. – MELYKÚTI, G. – SZABÓ, GY.: Térinformatikai technológiák urbanisztikai integrációja, GISOPEN konferencia előadásanyaga, Székesfehérvár, 2012. március 12-14.

BALÁZSIK, V. – ENGLER, P. – MÉLYKÚTI, G.: A domborzatmodellek szerepe városökológiai vizsgálatokban, Workshop előadás anyaga, Székesfehérvár, 2012. február 17.

BALÁZSIK, V. – ENGLER, P. – MÉLYKÚTI, G.: Applications of the terrain models in the urban eco-environment, “A fenntartható fejlődés és ökológiai lábnyom” Nemzetközi tudományos konferencia, poszter és konferencia kiadvány, Sopron, 2012. március 26-27.

MIKLÓS, Á.: Digitális domborzatmodellek adatgyűjtési lehetőségei, különböző forrású modellek pontossági vizsgálata. Szakdolgozat 2012 Székesfehérvár, (száma: 141/2011)

105

106

Metaadatbázis kialakítása, adatok elemzése KOTTYÁN László* – NAGY Gábor Nyugat-magyarországi Egyetem, Geoinformatikai Kar 8000 Székesfehérvár, Pirosalma u. 1-3. *e-mail: [email protected]

Metaadatbázis webalkalmazás A projekt keretében egy metaadatbázis került kialakításra, amelynek célja a tematikus térképek előállításának támogatása, a térinformatikai feladatok támogatása és az információ megosztás támogatása a projekt szakterületei között.

A Metaadatbázis jellemzői A kialakítandó metaadatbázissal kapcsolatban az alábbi követelmények fogalmazódtak meg: 1. Webes alkalmazás készüljön el, amely az interneten keresztül, szoftver telepítése nélkül elérhető a projekt résztvevői számára. 2. A tartalmak egy része legyen elérhető nyilvánosan bárki számára, illetve legyen lehetőség védett, csak a projekt résztvevői által elérhető tartalmak létrehozására is. 3. Összetett keresési funkciók biztosítsák az információk kinyerését. 4. Az alkalmazás biztosítson funkciókat egyéb helyeken, szervereken található adatok elérésére.

A metaadatbázis és a futtató környezet kialakításához nyílt forráskódú, szabadon felhasználható eszközöket alkalmaztunk, ezek az alábbiak: • Hardver: virtuális szerver az NymE Geoinformatikai Karon • Operációs rendszer: Ubuntu 10.04 LTS • Web szerver: Apache 2 • Webfejlesztő keretrendszer: Ruby on Rails 2.3.5 és Hobo 1.0.3 (DALL et al. 2009) • Adatbázis: MySQL 5.1 A kialakított metaadatbázis, a követelményeknek megfelelően, az alábbi funkciókkal rendelkezik: • Felhasználók kezelése, hitelesítése, jogosultságok kezelése • Metaadatok rögzítése a térbeli és/vagy tematikus jellemzők megadásával. • Hivatkozás a kapcsolódó, akár egyéb szervereken elhelyezett adatokra. • Metaadatok megjelenítése nyilvánosan vagy védett módban. • A metaadatok kategorizálása, csoportosítása több szempont szerint.

107

• Az adatbázis teljes körű kereshetősége, a megjelenített adatok rendezése, táblázatos megjelenítése. A Metaadatbázis webalkalmazás a http:// meta.geo.info.hu címen érhető el. A felhasználói felület navigációs sávján helyezkedik el a főmenü a következő elemekkel (1. ábra): • Kezdőlap: az alkalmazás főoldala,

• Szakterületek: a projekt szakterületeinek kezelésére, • Témák: témák kezelésére, amelyekhez metaadatok rendelhetők, • Metaadatok: metaadatok rögzítésére, módosítására, keresésére, • Formátumok: formátumok kezelésére, amelyekhez metaadatokhoz rendelhetők, • Települések: a metaadatokhoz tartozó települések rögzítésére.

1. ábra: Metaadatbázis webalkalmazás

Felhasználók kezelése A portálra regisztrált és hitelesített felhasználók jelentkezhetnek be. A bejelentkezett felhasználók létrehozhatnak metaadat leírásokat, módosíthatják azokat és különböző szempontok alapján rendezéseket, kereséseket végezhetnek a metaadatokon. Bejelentkezés nélkül a nyilvánosnak minősített metaadatok olvashatók. A portál adminisztrátori jogosultsággal rendelkező felhasználóinak van lehetősége felhasználókat regisztrálni az alkalmazásban. A regisztrálás egy név és egy email cím rögzítéséből áll. A regisztrációt követően egy hitelesítési eljárás biztosítja, hogy a regisztrált felhaszná-

lók beléphessenek a portálra. Ez az eljárás alkalmas új jelszó igénylésére és meglévő jelszó megváltoztatására is. Adatok kezelése Az adatok kezelésére a Szakterületek, Témák, Metaadatok, Formátumok és Települések menük, valamint kapcsolódó oldalaik szolgálnak. A menü elemek elnevezései utalnak az alkalmazás adatmodelljére. Az adatmodell egy csillagsémaként készült el, amely felépítés lehetővé teszi a metaadatok négy szempont (szakterület, téma, formátum, település) szerinti szemlélését, csoportosítását (2. ábra).

108

2. ábra: Adatmodell, egy metaadathoz egy-egy szakterület, téma, formátum és település tartozhat

Szakterületek, témák, formátumok, települések A Szakterületek, Témák, Formátumok, Települések menü elemeket kiválasztva egy lista jelenik meg az adatbázisban már rögzített adatok nevével és azzal az információval, hogy egy adott elem mennyi metaadathoz lett hozzá rendelve vagy másképpen megfogalmazva, egy konkrét elemhez hány metaadat tartozik (3. ábra). A szakterületek, témák, formátumok és települések listájából egy elemet kiválasztva az adott elem adatlapja olvasható. Az adatlap tartalmazza az adott elem adatait. For-

mátum és település esetén ez egy megnevezés, szakterület és téma esetén az adatlap kibővül egy leírással. Az adatlap további funkciója, hogy megjeleníti az adott elemhez tartozó metaadatok listáját a metaadat megnevezésével, amely egy hivatkozás és a metaadat adatlapjára mutat. Egy új szakterület, téma, formátum vagy település adatai űrlapon megadhatók, a meglévő adatok módosíthatók vagy törölhetők az adatbázisból. Ezen adatok törlése azt eredményezi, hogy a kapcsolódó metaadatokban üres érték kerül a törölt elemek helyére.

109

3. ábra: Témák listája

Metaadatok A Metaadatok menüt kiválasztva megjelenik egy oldal a metaadatok táblázatos elrendezésével, az Új metaadat hivatkozással és egy kereső mezővel (4. ábra). A táblázatban egy sor egy metaadat elem jellemzőit mutatja. A táblázat címsorait kiválasztva a metaadatok rendezhetők. A táblázatban megjelenő értékek a Megnevezés, Szakterület, Téma, Település és Formátum oszlopokban hivatkozásokként is működnek, egy-egy adatlapra mutatnak. A kereső mezővel a találati lista szűrhető. A keresés akkor eredményez találatot, ha a metaadat leírásában vagy a nevében megtalálható a beírt kereső kifejezés.

Egy metaadat adatlapjára navigálni a metaadatok táblázatából vagy egy kapcsolódó elem (szakterület, téma, település, formátum) adatlapjáról a metaadat megnevezését kiválasztva lehet. Az adatlap azokat az attribútumokat jeleníti meg, amelyekhez tartozik érték. Új metaadat beviteli űrlapon adható meg, amelyben a szakterület, téma, formátum és település adatok egy-egy legördülő listából választható ki. A már meglévő metaadatok a webes felületen keresztül módosíthatók és törölhetők az adatbázisból. A metaadatok törlésekor a kapcsolódó szakterületek, témák, települések és formátumok nem kerülnek törlésre.

4. ábra: Metaadatok kereshető, rendezhető táblázata

110

A Metaadatbázis alkalmazás oldalainak felső részén, a navigációs menü mellett található egy kereső mező. Ez a funkció három karakter begépelését követően automatikusan keresni kezd az adatbázisban és egy listát ad vissza, ha egyezést talál az adattáblákban a megnevezések vagy a leírások között.

A mintavétellel és a minták vizsgálatával kapcsolatos adatok elemzése Általános jellemzés Az elemzett vizsgálatok közös jellemzője, hogy meghatározott helyen és időben valamilyen mintát vesznek talajból, vízből, levegőből vagy a növényzetből, majd ennek a mintának megfelelő módszerekkel megállapítják meghatározott jellemzőit. A módszer és a jellemző sokféle lehet az egyszerű szemrevételezéssel történő megállapítástól az összetett laboratóriumi vizsgálatokig. Az adatok kezelését a következőkben felvázolt négy dimenzió (mintavételi hely, mintavételi helyzet, idő, jellemző) segítségével lehet megoldani. A feladatra előszeretettel használt táblázatkezelő programok egyik fő gyengesége abból ered, hogy alapelvüknél fogva csak kettő dimenzióban tudnak hatékonyan dolgozni.

A mintavétel helye és helyzete A minta származásának megjelölésekor meg kell különböztetnünk mintavétel helyét és helyzetét. A mintavétel helye jelenti a mintavétel földrajzi értelemben vett helyét. Egy mintavételi helyen sokszor több mintát is vesznek egymás közvetlen közeléből, amelyeket a mintavételi helyzet fogalmának bevezetésével különböztethetünk meg egymástól. Ilyen mintavételi helyzetek lehetnek például a talaj vizsgálatakor a különféle rétegekből származó minták, az eltérő magassá-

gokban illetve mélységekben vett víz vagy levegőminták, vagy a fák vizsgálatakor a növény különböző részeiről leszedett levelek. Elméletileg megoldható lenne a probléma több, egymás közelében elhelyezkedő mintavételi hely alkalmazásával, de ez problémákat vetne fel. Nagyon nehézkessé válnának a mintavételi helyhez kapcsolódó lekérdezések, például ha minden helyről a talaj felső rétegére vonatkozó jellemzőket szeretnénk lekérdezni. Ezen túl problémát jelenthet az is, hogy helyzetek egymáshoz viszonyított elhelyezkedését általában pontosabban ismerjük, mint a mintavétel helyének elhelyezkedését. A mintavétel helye és helyzete mindezek következtében két, egymástól függetlenül kezelhető dimenziót képez, bár egy minta esetében a mintavételi helyzet ismerete mindenféleképpen feltételezi a mintavétel helyének ismeretét is, míg fordítva ez nem igaz. Azoknál a méréseknél, ahol a mintavételi helyzetet nem értelmezzük, a kapott adathalmaz ezt a dimenziót nyilvánvalóan nélkülözni fogja. A munka keretében kezelt adatoknál a mintavételi hely és helyzet elkülönítésére a talajjal kapcsolatos adatok esetében volt szükség. Itt két rétegből történt mintavétel: a talaj legfelső 10 centiméteréből, és a 10 és 20 centiméter közötti rétegből. A két réteg a fentiekben meghatározottak szerint két mintavételi helyzetként különíthető el egymástól.

A mintavétel ideje A mintavétel idejének meghatározásakor két kérdést kell tisztázni. Az első az, hogy a mintavétel idejét egyetlen időpontnak tekintjük, vagy egy két időponttal meghatározható időintervallumnak. A valóságban természetesen minden mintavétel vagy mérés eltart valamennyi ideig, tehát intervallumszerűnek vehető. A méréseket tervező szakembereknek kell eldönteniük, hogy a mintavétel pillanatszerűnek tekinthető-e,

111

vagy fontos időintervallumként kezelni. A másik kérdés az idő megadásának élessége, ami időpontok és időintervallumok esetében egyaránt fontos. Itt az évtől a másodperc törtrészéig terjednek a lehetőségek. Elképzelhető, hogy egyes időegységek többféleképpen is tovább lehet osztani, például az évet negyedévekre vagy hónapokra is bonthatjuk.

A minta jellemzői A mintákon vagy a közvetlenül végzett mérések és egyéb megfigyelések sokfélék lehetnek, így a tárolandó adathalmaznak egy újabb dimenziót adnak, mivel egy helyről és helyzetből egy időben vett mintának többféle jellemzője lehet. Hogy egy adott esetben melyek ezek a jellemzők, és hogy milyen értékeket vehetnek fel, azt szintén a mérést megtervező szakembereknek kell eldöntenie. Az mérési adatok között a leggyakoribbak a számszerű jellemzők. Ezek egy meghatározható tartományba eső, megadható élességű (hány tizedesjegy) számok. Értelmezésükhöz további ismereteket is meg kell határozni, például hogy milyen mértékegységben kell értelmezni ezeket a mennyiségeket. A másik jelentős csoport a kategória jellegű adatoké. Ilyenkor egy felsorolással meghatározott halmaz valamelyik elem a tárolni kívánt érték. Ilyen lehet például a talaj típusa. Az adatok tárolása előtt nyilvánvalóan meg kell adni az említett halmaz elemeit. Előfordulhatnak a munka során összetett adatok, amelyeket elemeikre bontva tudunk egyszerűen kezelni. A másik lehetőség, hogy a rendszerben lehetővé tesszük a felhasználók számára összetett adattípusok definiálását.

Lehetséges kulcsok A mérések eredményeinek relációs adatbázisba történő leképezése során a fentiekben bemutatott dimenziók összetett kulcsok elemeit szolgáltathatják. Ha minden ismertetett lehetőséget felhasználunk, akkor ez

egy négy elemből álló összetett kulcsot fog jelenteni. Az adatok közül nem mindegyik esetében kell kihasználni mind a négy dimenziót. Lesznek olyan esetek, amikor valamilyen tárolandó ismeret csak a bemutatott négy dimenziónak nem mindegyikétől vannak függésben. Például valamennyi olyan esetben, amikor a mintavételi helyzetek megkülönböztetésére nincs szükségünk, az ezzel kapcsolatban bevezetett dimenzió értelemszerűen kiesik. A továbbiakban ilyenkor a hely-időjellemző hármas határozza csak meg az adatokat. Amennyiben visszatérő módon mindig ugyanazokon a helyeken veszünk mintát, lehetnek olyan adataink amelyek a mintavétel helyére vonatkoznak a mintavétel idejétől függetlenül. Például a mintavételi hely leírása vagy egy ott készített fénykép lehet ilyen adat. (De a fénykép esetében például az is elképzelhető, hogy minden időpontban készítünk felvételeket). Ezekben az esetekben az idő dimenziója esik ki a tárolandó adathalmazból. Lekérdezésekben egyes dimenzióknál egy feltétel megadásával vagy valamilyen leíró statisztikai művelet (összeg, átlag, legnagyobb vagy legkisebb elem, stb.) alkalmazásával az adott dimenzió a lekérdezés eredményéből kiejthető. Ha a dimenziószámot ilyen módon egyre vagy kettőre csökkentjük, akkor adatsorokat vagy táblázatokat tudunk az adott lekérdezés segítségével előállítani. Egy adathalmazból a fentiekben leírtak szerint sokféle adatsort és adattáblát le lehet vezetni. Ezek mint megjelenítési lehetőségek lehetővé tehetik az adatok áttekintését, vagy valamilyen kimenő adatszolgáltatás (pl csv. formátumban történő mentés) alapját képezhetik.

112

Felhasznált irodalom

HERNANDEZ, M. J.: Adatbázis-tervezés,

DALL, O. – LAPIDES, J. – LOCKE, T. (2009): Rapid Rails with Hobo, http://hobocentral. net/books/ Dublin Core Metadata Initiative: DCMI Specifications (http://dublincore.org/ specifications/)

Kiskapu, Budapest, 2004

HAN, J. – KAMBER, M.: Adatbányászat - Koncepciók és technikák,

ULLMAN, J. D. – WIDOM, J.: Adatbázisrendszerek – Alapvetés,

Panem, Budapest, 2004

Panem, Budapest, 2008

Open Geospatial Consortium: OGC Sensor Observation Service Interface Standard (http://opengeospatial.org) Open Geospatial Consortium: Web Map Context Documents (http://opengeospatial. org)

113

114

Geodéziai mérések az egységes referenciarendszer biztosításához BUSICS György* – KISS Attila – TARSOLY Péter Nyugat-magyarországi Egyetem, Geoinformatikai Kar 8000 Székesfehérvár, Pirosalma u. 1-3. *e-mail: [email protected]

A feladatról Magyarországon minden földmérési és térképészeti tevékenységet a HD72 vonatkoztatási rendszerben kell végezni, a magasságokat pedig a Balti tenger középvízszintjére kell vonatkoztatni. Ezt nemcsak jogszabályok írják elő, hanem ésszerű, praktikus szempontok is indokolják, hogy egységes rendszerben készüljenek a térképek illetve térképi adatbázisok. A HD72 (Hungarian Datum72) a hazai vízszintes vonatkoztatási rendszer, megtestesítője a magyar vízszintes alapponthálózat (EOVA), ami a gyakorlatban a pontok EOV koordinátákkal történő megadását jelenti (EOV: Egységes Országos Vetület). EOV rendszerű koordinátákhoz relatív helymeghatározással, geodéziai mérésekkel juthatunk, támaszkodva az elődeink által létrehozott ismertnek tekinthető alappontokra. A magasságmeghatározás tekintetében hasonló a helyzet, ott a magassági alapponthálózatra (EOMA) támaszkodunk, a meglévő magassági alappontokat illetve

a megbízható magassággal rendelkező, korábban meghatározott pontokat használjuk fel a geodéziai mérésekhez. A hazánkban évtizedek munkájával létrehozott térképművek és ortofotók ma már nagyrészt digitális formában állnak rendelkezésre, a koordináták EOV rendszerűek, szelvényrendszerük is az EOV-n alapuló Egységes Országos Térképrendszer (EOTR). A városökológiai projektben a helyhez kötött adatok megjelenítéséhez széleskörűen felhasználjuk a meglévő térképi adatbázisokat, az általunk kezdeményezett, új repüléssel létrehozott légifotókat, pedig ugyanebbe a keret-rendszerbe kell beilleszteni, a különféle terepi méréseket is a hivatalos referenciarendszerhez kell kötni. Ezért van szükség geodéziai mérésekre is, amit a Geoinformatikai Kar Geodézia Tanszékének munkatársai végeztek. A cél tehát a légifelvételek, űrfelvételek, modellek, papírtérképek, mérőhelyek… beillesztése egy közös vonatkoztatási rendszerbe, ami hazánkban a HD72.

115

Az alkalmazható mérési technológiákról Az illesztőpont-méréshez használható geodéziai mérési technológiákat érdemes GPS előtti és GPS utáni korszakra elkülöníteni. Az 1990-es évek, vagyis a GPS-korszak kezdete előtt az illesztőpont-mérés lényegében egy irány- és távmérés segítségével végzett alappontsűrítést jelentett. Bár előfordult, hogy a meglévő országos vízszintes alappontokat jelölték illesztőpontnak, s így nem volt szükség külön mérésekre, de általános esetben a fotogrammetriai pontsűrítés vagy georeferálás cáljára ideális hely közelében nem volt geodéziai alappont, ami egy meglehetősen időigényes alappontsűrítést vont maga után. Az ún földi geodéziai mérési technológiához teodolitot, elektronikus tahimétert, utóbb mérőállomást használtak, a pontok között pedig összelátásra volt szükség. Ez a helyzet lényegesen megváltozott a GPS/GNSS technológia megjelenésével. A geodéziai pontosságú (fázismérésen alapuló) műholdas helymeghatározás is relatív módszer, szükség van hozzá ismert földi pontokra is, de ezek a földi eljáráshoz képest lényegesen nagyobb távolságra lehetnek, és nincs szükség összelátásra sem. Már a 90-es években kiterjedten használt utófeldolgozásos statikus mérés is gazdaságosabbnak bizonyult a klasszikus módszerekkel (sokszögelés, háromszögelés) szemben. Amikor megjelentek a valós idejű kinematikus módszerek, tovább nőtt a műholdas technológia hatékonysága. Felsorolás-szerűen ma a következő lehetőségekkel élhetünk, ha illesztőpontok vagy terepi mérőhelyek EOV koordinátáit kell meghatározni. Gyors statikus mérés. Ilyenkor a mérendő ponton egy meghatározott időtartamot (kétfrekvenciás vevővel tipikusan negyed órát) kell mérni mozdulatlan vevőantennával és gondoskodni kell ugyanebben az idő-

tartamban referenciavevőről is. Korábban a referenciavevőt magunk biztosítottuk, újabban vagy egy közeli permanens állomás adatát vesszük át vagy a munkaterülethez közeli pontra letöltünk ún. virtuális Rinex adatokat, amelyeket egy központi szerver generális az aktív hálózat másodpercenként beküldött adataiból, utólag. A statikus mérést annak viszonylag hosszabb időtartama miatt ma már ritkán használjuk. Kinematikus GPS mérés utófeldolgozással. Itt mozgás közben végezhetjük a pontok bemérést, sikeres inicializálást követően nagyon rövid idő alatt. Egymáshoz közeli pontok tömeges bemérését gazdaságos így végezni, azonban az eredmény jóságát csak az irodai feldolgozás során, utólag tudjuk megítélni. Itt is, mint a statikus mérésnél, referenciapont biztosítására is szükség van. Ma akkor használjuk ezt a módszert, ha a valós idejű eljárással valami probléma adódik vagy nincs real-time műszerünk. Hagyományos RTK mérés. A „hagyományos” jelző azt jelenti, hogy (mint a kezdetekben, a 90-es évek közepén, végén) mi magunk biztosítjuk a bázisvevőt, azaz egyidejűleg két GPS vevőt kell üzemeltetnünk. A mérés hatótávolságát az alkalmazott bázis-rover kommunikációs csatorna korlátozza, a gyakorlatban néhány kilométerre. Ha nagy a munkaterület (mint például illesztőpont mérés), akkor nem célszerű eljárás, mert a bázisvevőt újra kell telepíteni és őrizni is kell. Hálózatos RTK mérés. Ez a legújabb, leghatékonyabb technológia, ami a központ által menedzselt referenciavevők folyamatos valós idejű mérésén és feldolgozásán alapszik (Magyarországon: gnssnet.hu). A felhasználónak elegendő egyetlen vevővel rendelkeznie, mégis néhány tíz másodpercen belül geodéziai pontosságú EOV koordinátákhoz juthat. Ehhez szükség van mobil internet-

116

re, a központi szerverhez való hozzáférésre és megfelelő szoftverre. A központ többféle adattípust szolgáltat (stream), ezekből kell

a megfelelőt és adott helyzetben optimálisat kiválasztani.

1. ábra: A fehérvári SZVF jelű referenciaállomás légifotón és a valóságban

A légifényképező vagy lézerszkennelő repülőgépek navigációs berendezésekkel is felszereltek és a felvételi hely koordinátáit az utófeldolgozó szoftverek GNSS mérésekből is képesek meghatározni. Ehhez másodperces sűrűségű referenciaadatokra van szükség, amit vagy permanens állomás, vagy a munkaterületre ideiglenesen kitelepített bázisállomás biztosíthat, ami csökkenti vagy akár szükségtelenné teszi a geodéziai illesztőpontokat. Amennyiben a pontossági igényeknek megfelel, a geodéziai illesztőpontok meglévő térképi adatbázisokból is átvehetők. Ezt rendszerint csak olyan nagyméretarányú földmérési alaptérképekből célszerű „átemelni”, amelyek szabatos eredeti felméréssel készültek a hivatalos vetületi rendszerben és az illesztőpontok valóban térkép-terep azonosak. Ezt a módszert csak megfelelő körültekintéssel, helyismeret birtokában ajánlott alkalmazni.

Kalibrációs pontmérés hiperspektrális felvételekhez A kalibrációs pontok (felületek) helyének előzetes kiválasztása digitális ortofotón történt. A kalibrációs pontokat Székesfehérvár

belterületén jelöltük ki. A jelölést követően a helyszínek felkeresése, valamint a pontok geodéziai bemérése történt meg. Végül a mérések kiolvasását és koordináta-jegyzékek összeállítását végeztük el. A pontok helyének kiválasztása során ügyelni kellett arra, hogy azok kitakarástól mentes, az égbolt felé nyitott helyre kerüljenek. A pontokat festéssel jelöltük meg a terepi előkészítés során. Minden pontról helyszínrajzi leírás készült, valamint a pont környezetét fényképen is megörökítettük. A helykijelölés és a terepi méréseket időpontja 2011. június 22. A pontok méréshez Leica 1200-as típusú GPS vevőt használtunk hálózatos RTK technológiával, tehát már a terepen EOV síkkoordinátákat és Balti magasságokat kaptunk. Ennek feltétele, hogy a helyszínen csatlakozzunk az internetre (mobilhálózaton keresztül), valamint az Ntrip szerverre, ahonnan valósidejű korrekciókat töltünk le, ezzel lehetővé téve a cm-es helymeghatározást. Másik feltétel, hogy a műszerbe telepítve legyen az ún. VITEL szoftver, amely alkalmas az ETRS89 és a HD72 vonatkoztatási rendszerek közötti automatikus átszámításra.

117

A mérés elvégzése során ügyelnünk kellett a pontszámok, valamint a GPS antenna magasságának helyes bevitelére. Összesen 23 kalibrációs pontot mértünk meg. Később, a hiperspektrális felvételek készítésekor e Pontszám

y

pontok (felületek) mérése történt spektrométer segítségével. A valósidejű mérések feldolgozása tulajdonképpen az adatok kiolvasásából, a koordináta-jegyzék összeállításából állt.

x

M

Jelleg

1

602789.75

205252.14

112.57

világos beton

22

602809.94

205221.94

112.43

fehér kavics

3

602838.81

205178.94

112.82

sötét beton

N1

602860.38

205244.78

112.52

aszfalt

N2

602837.63

205316.09

112.40

szürke térkő

21

605314.06

204758.59

130.79

sötét aszfalt

N3

605288.31

204754.75

130.43

világos aszfalt

N4

605301.94

204705.09

130.15

világos aszfalt

N5

601797.13

205906.81

110.23

zöld fű

N6

601795.06

205916.98

110.32

sárga, kiégett fű

7

601748.50

205889.70

110.24

sárgás murva

8

601614.69

205949.56

111.75

fekete márvány

9

601611.38

206044.23

111.18

bokros terület

N7

601640.13

205943.14

110.71

elénk zöld cserje

10

600893.19

206728.44

108.68

világos aszfalt

N8

600859.06

206721.38

108.61

világos beton

N9

600789.31

206791.63

108.73

zöld fű

12

600835.31

206818.19

108.52

világos, vörös salak

13

600820.25

206984.70

109.39

élénkvörös salak

N10

599852.50

206903.95

108.89

vörös térkő

N11

599903.50

206934.88

109.04

vörös térkő

23

602368.94

205345.70

109.44

szürke térkő

N12

602374.13

205355.92

109.65

fekete márvány

1. táblázat: Koordináta-jegyzék a kalibrációs felületek helyéről és jellegéről

118

2. ábra: A kalibrációs felületek helyszíne 10000-es topográfiai háttér-térképen

Illesztőpontmérés légifényképezéshez Az illesztőpontok helyének előzetes kiválasztása M = 1:10000 méretarányú topográfiai térképen történt. Az illesztőpontok Székesfehérvár külterületén helyezkednek el, a GPS mérésekre 2011 agusztusában illetve a későbbi igény jelentkezésekor került sor. A pontok helyének kiválasztása során ügyelni kellett arra, hogy az égbolt felé kitakarástól mentes, valamint védett helyre kerüljenek a pontok a hosszabb fennmaradás végett. Állandósításkor először a pontjelet helyeztük el. Ehhez lefektettünk egy 50×50 cm-es fekete fóliát, szeggel rögzítettük a négy sarkát. Ezt követően a fólia közepére egy 20×20 cm-es fehér négyzetet festettünk sablon segítségével. A pont a négyzet középpontja, a koordináta erre vonatkozik. Végül pedig a figyelemfelhívó jelek elhelyezése történt meg, ennek anyaga fehér fólia volt. Ezek rögzítését szintén szeggel végeztük.

Az állandósítást követte a pontok geodéziai bemérése. A mérés az esetek nagy részében hálózatos RTK technológiával, Leica 1200 GNSS vevővel történt, mint ami jelen esetben a leggazdaságosabb módszer. Mivel Fehérvár külterületén, a fehérvári referenciaállomás néhány kilométeres körzetében dolgoztunk a hálózatos koncepció beállításától függetlenül mindig az SZFV referenciaállomáshoz képest kaptuk meg az ETRS89 rendszerű koordinátákat. Az EOV koordinátákat a VITEL szoftverrel számíttattuk, végül pedig összeállítottuk a mért pontok koordináta-jegyzékét. Néhány esetben igény merült fel további illesztőpontokra, amit utófeldolgozásos, gyors statikus méréssel elégítettünk ki, a fehérvári permanens állomást használva referenciapontnak.

119

3. ábra: Akna fedlapok, mint utólagos illesztőpontok mérése Maroshegyen Leica 1200 vevővel

4. ábra: Légifénykép illesztőpontok Székesfehérvár külterületén

120

Talajmintavételi helyek bemérése A talajmintavételi helyek előzetes kiválasztása 1:10000 méretarányú topográfiai térképen történt. Belterületi részeken 1 pont/0.5 km2 sűrűségű, külterületi részeken 1 pont/1 km2 sűrűségű mintavételi hálózatot terveztünk. Az így kiválasztott pontok helyszíni felkeresése után megtörtént a

talajmintavételezés, közben pedig a pontok geodéziai bemérése. A mérésre 2011 júliusában került sor több napon át került sor. Itt is elsősorban hálózatos RTK technológiát használtunk, de néhány esetben utófeldolgozásos statikus mérésre is sor került.

5. ábra: LGO-képernyőkép a mért GPS-vektorokról és a pontok pontossági mérőszámairól (hibaellipszisek, magassági középhibák)

A pontokat 001-től számoztuk, ezt az azonosítót kapta a talajminta is. Összesen 145 db ilyen mintavételi helyet mértünk be GPS technológia segítségével. A feldolgozott talajminták talajtani tulajdonságait, valamint a műszerből kiolvasott, hozzájuk tartozó EOV koordinátákat Excel táblázatba illesztettük.

121

6. ábra: GPS-szel bemért talajmintavételi helyszínek Székesfehérváron

122

Városi talajok vizsgálata a Dunántúlon BIDLÓ András | HORVÁTH Adrienn | KÁMÁN Orsolya NÉMETH Eszter | SZŰCS Péter Nyugat-magyarországi Egyetem, Erdőmérnöki Kar, Környezet- és Földtudományi Intézet Termőhelyismerettani Intézeti Tanszék 9400 Sopron, Bajcsy Zsilinszky. u. 4. E-mail: [email protected]

Abstract: In the course of our investigation we have analysed the physical and chemical parameters of soils in Szombathely, Sopron and Székesfehérvár. The soil samples were taken from 0-10 and 10-20 cm depth in each city within a standard network and also at industrial territories. The results of the field and laboratory investigations have been represented in a GIS system. We attempted to draw a conclusion in connection with the condition, contamination and history of contamination of soil. The results showed that there is close connection between the soil parameters and geological conditions.

However, this connection shows a decrease in the centre of the city. The acidity and calcic soils are determined fundamentally by the parent material, but in the city center the acidity of soils were alkaline (by the greatest number of point). The cause of this is the calcareous deposited debris. The particle size distribution of soils showed various appearances, but there was not possible to discover the tendencies. In most cases there was a high value of organic substance in the downtown area, partly due to frequent grass fertilisation and soil spreading.

Bevezetés

eredményeképpen sok város területén ma már nehezen ismerhetők fel a természeti tényezők. A város és a környezet között folyamatos az anyag, az energia, valamint az információáramlás. Ennek eredményeképpen a városi környezet nagyban különbözik a természeti környezettől, még a kisebb városok esetén is. A város és környezetének egymásra hatá-

A városok elhelyezkedését és kialakulását alapvetően befolyásolták a környezeti tényezők. Ezen tényezők mind a mai napig hatnak a városok fejlődésére és életére. Ugyanakkor a város is hat a környezetére, így a kapcsolat kétoldalú. A városok alapvetően átalakítják a környezetüket, amely

123

sáról viszonylag kevés vizsgálat van, ezért kutatásunk fő célja az volt, hogy három dunántúli város (Sopron, Szombathely, Székesfehérvár) esetén mutassuk be, milyen antropogén hatások érték a környezetet, illetve a környezet miként hatott a városok fejlődésére. Kutatásaink során a városi talajokkal foglalkoztunk, mivel ezek jól megőrzik a természeti és az emberi hatásokat. A talajok igen jelentős szerepet töltenek be az ökoszisztémában. Egyrészt életteret jelentenek a növények és az állatok számára, másrészt szabályozzák a víz, az energia és az elemforgalmat, harmadrészt jelentős használati funkcióval bírnak a mező- és az erdőgazdálkodás számára, illetve megőrzik az emberi múlt történelmi értékeit. A városi talajok esetén ezen funkciók nagy része elveszik, vagy különböző mértékben sérül. Ennek eredményeképpen a környezet sem képes betölteni eredeti szerepét. Ugyanakkor még csökkenő funkciók esetén is igen jelentős szerepe lehet a városi talajoknak, hiszen igen nagy mennyiségű vizet és egyéb anyagot képesek magukba fogadni, illetve tárolni. Emiatt nagy jelentőségű a talajok tulajdonságainak ismerete a városok esetén is. Munkánkban a három kiválasztott város talaját próbáltuk meg jellemezni, különös tekintettel az abban bekövetkező változásokra.

Irodalmi áttekintés Az antropogén városi talajok (antrophogenic urban soils) vagy urbán talajok (urban soils) kifejezés az 1970-es évektől vált használatossá, bár a városokban található talajok állapotáról már a XIX. században is született leírás. Az antropogén szó a görög ánthröpos (jelentése „férfi”) és -genés (ebben az öszszefüggésben „okozta”) utótag szóösszetételéből jött létre, míg az urbán megnevezés a latin urbanus (jelentése „városi”) kifejezésből maradt ránk az ókoriak bölcsességéből. A városi talaj szó jelentését már sokan sokféleképpen értelmezték, de abban minden

kutató egyetért, hogy ez a kifejezés nagyjából annyit jelent, hogy urbanizáció, illetve napjainkban inkább városi hatásokat viselő talajról beszélhetünk. Ezek a városi talajok viselik a települések közigazgatási határain belül a kereskedelem, a közlekedés, a termelés és a folyamatos emberi jelenlét hatásait. Ezek közé a tevékenységek közé nem sorolható be kifejezetten a mezőgazdasági művelés, de a kevésbé „elurbánosodott” városainkban még jellemző a gazdálkodás a közigazgatási határokon belül. (Ezért az ilyen esetekben mintavételeink során leíró jelleggel külvárosi városi talajoknak tekintettük az ott található talajokat a művelés alá vont mintavételi területeken). Általában városi talajok közé sorolják mindazon városi vagy külvárosi talajokat, amelyeknek a felső 50 cm vastag szintje nem mezőgazdasági, de az emberi tevékenység következményeképpen zavart, degradált vagy átkevert jelleget ölt (BOCKHEIM 1974). Azt viszont meg kell jegyeznünk, hogy a városi talajok rétege változó vastagságú és általában már 40-50 cm-es mélység alatt természetes eredetű talajokon helyezkednek el. Antropogén talajról (BILLWITZ – BREUSTE 1980) akkor beszélhetünk, ha a természetes hatásoknál erőteljesebb mesterséges folyamatok kerülnek túlsúlyba és a talajok felépítése megváltozik (RUNGE 1975). A városi környezetben található talajok rendszerint bolygatottak, taposottak, ezért a városok fejlődésének eredményeképpen nagyon kevés helyen vizsgálhatunk eredeti talajszinteket. A nyomvonalas létesítmények hálózatának megjelenése, a városi infrastruktúra, a lakókörnyezetek kialakulása mind-mind a talajok heterogenitását idézte elő. A legtöbb település helyén eredetileg mezőgazdasági termelés folyt, amely részek a városok terjeszkedése során építési területté minősültek át, vagyis megkezdődött az antropogén tájátalakítás egy újabb szakasza. A talajokra a magas szerves- és tápanyagtartalom továbbra is

124

jellemző maradt és mindezek mellett törmelékek és vázalkotók nagy mennyiségben jelentek meg (GÉCZI 1999). A közlekedés elterjedésével újabb hatások kapcsolódtak hozzá a már meglévőkhöz, mert a kipufogógáz-alkotók és a gépjárművekből származó egyéb hulladékok (folyadék és szilárd) elősegítették a nehézfémek koncentrált akkumulációját a nyomvonalas létesítmények közelében lévő feltalajokban. Azokban az országokban – ahol a mezőgazdasági és erdészeti tevékenységeken kívül jelentős bányászat és ipari termelés is folyt – hamar észlelhető volt a táji adottságok megváltozása, a környezet gyors elszennyeződése, így a talaj, illetve a talajvíz-szennyezettsége is. A változó földhasználat, a szennyezettség növekedése elősegítette, hogy a városi környezet egyre inkább a tudományos figyelem középpontjába kerüljön, mindemellett pedig ökológiai szempontból is vizsgálnunk kell a talajok anyag- és energiaáramlását. A városi ökológia számára a városi talajok ismeretének jelentősége egyre növekszik. Ez elsősorban annak köszönhető, hogy a kezdeti szennyezettséggel foglalkozó vizsgálódások után felismerték a városi talajok változatos és összetett felépítettségét, majd ezen összetétel hatásmechanizmusát, melynek elején és végén is az ember áll. LEHMANN – STAHR (2007) nyomán érdemes áttekintenünk az antropogén városi talajokkal kapcsolatos ismeretek fejlődését. Az antropogén városi talajok legelső ismert említése Ferdinand SENFT (1847) talajtannal foglalkozó tankönyvében található. A szerző említést tesz olyan talajokról, melyek városi, ipari vagy bányászati környezetben fellelhetőek és a lerakódott veszélyesebb hulladékok miatt alacsonnyá vált a termékenységük. Ezután majdnem 100 évet kellett várni, míg az iparosodás fellendülésével az antropogén hatások növekedése miatt új előtérbe kerültek a városban és környékén jelentkező talajtani problémák. Egy város első részleges talajtani fel-

térképezését a németországi Bottropban, Essentől nem messze valósították meg, ahol különböző talajtípusokat különböztettek meg a földhasználat szempontjai alapján (MÜCKENHAUSEN – MÜLLER 1951). TYURIN (1951) a moszkvai talajok humusztartalmának vizsgálatára konkrét – még ma is használatban lévő – módszert mutatott be. ZEMLYANITSKIY őt kiegészítve Moszkva városi talajait térképezte fel. A különböző jellemzőik alapján csoportosította őket, majd meghatározta fizikai és kémiai tulajdonságaikat (ZEMLYANITSKIY 1963). Az 1970-es években számos német és amerikai kutató kezdi vizsgálni az antropogén városi talajokat, például BLUME (1975), BLUME – RUNGE (1978), MAECHLING és munkatársai (1974), valamint FANNING és munkatársai (1978). Természetesen mindenki a saját környezetében, városában, országában kezdte meg először a vizsgálatokat, de ekkor már kezdeményezések indulnak a nemzetközi együttműködések céljából és a tapasztalatok cseréjéről. Az első nemzetközi szimpóziumot a városi talajokról Berlinben rendezték meg, melyet nagy érdeklődés övezett már akkor is. Elsősorban német kutatók mutatták be eredményeiket (BLUME – SCHLICHTING 1982), de több amerikai kutató is folytatott városi talaj vizsgálatokat. 1985-ben megrendezett konferenciát követően jelent meg a METRIA5 konferenciakötet, melyben részletesen kerültek bemutatásra a városi talajok legfontosabb tulajdonságai és jellemzői. A szerző saját kutatásán keresztül készített átfogó leírást a New York területén található antropogén talajokról, melynek bár nem konkrétan a városi talaj vizsgálatok ismertetése a cél, hanem a városban ültetett fák várostervezési szempontból történő vizsgálata (CRAUL 1985). Ez a két tudomány a kezdetektől fogva összekapcsolható, de a várostervezés sokáig nem vette figyelembe az antropogén talajok ismeretének fontos-

125

ságát, ezért lényeges, hogy külön fejezetet szántak ismertetésükre. International Society of Soil Sciences Conference (1982) keretén belül Németországban BLUME vezetésével részletesen mutatják be a Berlin területén található városi talajokat, majd a következő évben megalakul az „AKS” nevű városi talajok munkacsoport, ezen belül pedig a német Talajtani Társaság, mely mozgatórugója lett a későbbi urbán talajokkal kapcsolatos tudományos eseményeknek. A 90-es évektől az antropogén talajok vizsgálata ezekben a talajszennyezések feltárására koncentrálódott és a talajtani módszerek kidolgozása került előtérbe. Mivel az urbanizáció jelei már egyértelműen jelentkeztek a városok területein található talajok tulajdonságaiban, sok publikáció született a témában és foglalkozott a városokba tömörülő népesség átalakító hatásainak vizsgálatával. A városi talajok első osztályozását BULLOCK és GREGORY szerzőpáros dolgozta ki 1991-ben, akik elsősorban a városi talajok képződésével és fejlődésével, valamint a talajok horizontális és vertikális változékonyságának vizsgálatával foglalkoztak (BULLOCK – GREGORY szerk. 1991). Néhány évvel később BAIZE meghatározta az antropogén városi talajok két típusát és annak legmagasabb taxonómiai szintjét (BAIZE – GIRARD szerk. 1995). Az évtized közepétől megjelentek a városi talajok osztályozásával kapcsolatos publikációk, elsőként Németországban (FINNERN szerk. 1994), majd Franciaországban (BAIZE – GIRARD szerk. 1995) és Oroszországban (SHISHOV et al. 1997). 1995-ben az USA-ban is kezdeményezik a talajok taxonómiájának elkészítését. 1998-ban megalakul az International Union of Soil Sciences ISSS – „Urbán talajok – A városi, ipari, közlekedési és bányászati területek talajai” munkacsoport (SUITMA), mely napjainkig tevékenykedik és segíti az

urbán talajok tudományos megítélését. A 2000. évben pedig sor került az első nemzetközi konferenciára a városi, ipari, közlekedési és bányászati területek talajairól, melyre a németországi Essenben gyűltek össze az ezzel a tudományággal foglalkozó kutatók (BURGHARDT – DORNAUF 2000). A legutóbb pedig 2009 volt SUITMA konferencia New Yorkban, ahol a városi, ipari, közlekedési, bányászati területek mellett a katonai területek talajainak vizsgálatával bővítették az ismereteket. 2006-ban a Word Reference Base (WRB) új kiadásában az antropogén városi talajokat a talaj erőforrásokra vonatkozóan a Technosols talajcsoporttal együtt tették közzé. Szintén ebben az évben a 18. Talajtani Világkongresszuson Philadelphiában az antropogén talaj képezte az alapját számos kutatási témának. Az érdeklődés ezek után a városi talajok szerves anyagainak vizsgálatára irányult és több kutatás is elkezdte vizsgálni szén-dioxid-elnyelő szerepüket, miután POUYAT és munkatársai (2006) nagy mennyiségű szerves szenet találtak a vizsgált lakóövezetek talajaiban. Az évek előrehaladtával fejlett országok már kiterjedt ismeretekkel rendelkeznek saját országaik városi talajairól, de 2010ben már felmerült a fejlődő országok – Kína, India – eddig kevésbé szennyezett, de a rohamosan iparosodó területek talajainak elszennyeződése és pusztulása. A növekvő agglomerációval együtt tehát növekszik a talajszennyezettség, a városi talajokat érő hatások felerősödnek (MEUSER 2010). A hazai szakirodalomban kisszámú a tudományterületnek megfelelő kutatómunka, habár a hazai kutatók előbb kezdtek el foglalkozni a témával. Így városaink közül Budapestről készült egy közterületi nehézfémtartalom vizsgálat, mely során forgalmas utak mellől gyűjtött mintákban nagy menynyiségű Pb-koncentrációt mutattak ki (KOVÁCS – NYÁRI 1984). Az ország keleti felén Debrecenben játszóterekről, kiskertekből

126

és út menti legelőkről származó talajminták vizsgálatára került sor, a szerző főleg a közlekedési eredetű nehézfémtartalom menynyiségi összefüggéseit vizsgálta, mely során szintén kimutatható volt a magas ólomtartalom az utak melletti legelők talajaiban (SZEGEDI 1999). Szegedről születtek még írások a Lehmann-féle talajosztályozás szerint (PUSKÁS – FARSANG 2007, PUSKÁS et al. 2008), a vizsgálatok az emberi jelenlét hatása miatt magas karbonát, de alacsony szervesanyag-tartalmat, valamint növekvő pH értékeket és műtermék arányt mutattak ki. A legtöbb kutatás során egyértelműen kiderült, hogy az ipari tevékenység és a közlekedés hatására nagy mennyiségben felhalmozódott elemek akadályozzák a természetes öntisztulási folyamatokat (SZEGEDI 1999, FARSANG – PUSKÁS 2007).

Természetföldrajzi jellemzés A városok elhelyezkedése A vizsgált három város a Dunántúlon helyezkedik el. Székesfehérvár a Nagyalföldhöz tartozó Mezőföld, illetve a Dunántúli-középhegységhez tartozó VértesVelencei-hegyvidék és Bakony-vidék földrajzi középtáj határán fekszik (DÖVÉNYI szerk. 2010). A város nagy része a Mezőföldhöz tartozó Közép-Mezőföld, a Velencei-medence és a Sárrét földrajzi kistájba nyúlik bele úgy, hogy mindegyiknek csak kis részét érinti. Székesfehérvár északi-nyugati, a Bakony-vidékhez sorolható része, a Keleti-Bakony földrajzi kistájba nyúlik be, a Vértes-Velencei-hegyvidékhez sorolandó része a Sörédi-hát és a Mór-árok déli csücskéhez tartozik. A város határhelyzete megmutatkozott az elvégzett vizsgálataink eredményében is. Szombathely és Sopron város a Nyugat-magyarországi peremvidék földrajzi nagytájon

helyezkedik el (DÖVÉNYI szerk. 2010). Szombathely város nagyobb, keleti része a Sopron-Vasi-síksághoz tartozó Gyöngyössík földrajzi kistájon található, míg a város nyugati része már az Alpokaljához sorolandó Pinka-sík része. Sopron város egésze az Alpokaljához tartozik, ezen belül a Sopronihegység, a Fertőmelléki-dombsor és a Soproni-medence földrajzi kistájakhoz.

Földtani jellemzés Magyarország területe az Alpok, a Kárpátok és a Dinaridák hegyláncai által körülvett Kárpát-medencében helyezkedik el, amely az alpi hegységrendszernek egy viszonylag fiatal, de annál bonyolultabb földtani felépítésű hegyközi medencéje. A medence aljzatát alkotó idősebb kőzetek középhegységeink területén, valamint az Alpokalján bukkannak felszínre. A medencét pedig fiatalabb üledékek töltik ki (BUDAI – KONRÁD 2011). A vizsgált városok környékének geológiai felépítése a magyarországi késő-paleozoos (350-250 millió év), mezozoos (251-65.5 millió év) és kainozoos (65.5 millió év-ma) fejlődéstörténetbe illeszkedik bele. Az Alpok kiemelkedése és takarórendszereinek kialakulása nagyban hozzájárult a városok geológiai felépítésének kialakulásában. A kiemelkedés a Neotethys-óceán fejlődése és kréta végi (65.5 millió év) összezáródása során kezdődött meg és tart ma is. 34 millió évvel ezelőtt, az oligocénre létrejött az ALCAPA-főegység (= afrikai eredetű, öszszetett felépítésű litoszférablokk; az Alpok, a Kárpátok és a Pannon-medence kezdőbetűiből képzett mozaikszó) (CSÁSZÁR 2005). Az ALCAPA az Alpok takarórendszerének különböző takaróegységeiből áll; ide tartozik a Kőszegi-hegységet alkotó Penninikum, valamint az ausztroalpi takarórendszerhez tartozó metamorf aljzatú Soproni-hegység, a Kisalföld (1. ábra), valamint a Dunántúli-középhegység. Utóbbi jellemzője, hogy a perm (300-251 millió év)

127

szárazföldi törmelékes üledékei sekélytengeri karbonátokkal fogazódnak össze; míg a mezozoikum (251-65.5 millió év) túlnyomó része tengeri kifejlődésű, illetve a paleogén (65.5-23 millió év) során jelentős andezites (57–63% SiO2-tartalmú vulkáni kőzet) vulkanizmus zajlott (BUDAI – KONRÁD 2011). A Dunántúli-középhegységi-egység része Székesfehérvár is, mely kimondottan egy vulkáni centrum közelében helyezkedik el. A másik két vizsgált város geológiáját tekintve, Sopronét az alsó ausztroalpi takarók, míg Szombathelyét a Kőszegi-hegység, így a Penninikum és a felső ausztroalpi takarók határozták meg.

mult gránittest (savanyú összetételű (77% fölötti SiO2-tartalmú) mélységi magmás kőzet (SZAKMÁNY 2008) átalakulásával keletkezett.

Sopron és környéke A Dunántúl ÉNy-i részének medencealjzatát az ausztroalpi takarórendszer Magyarország területére átnyúló részei alkotják. Ezek közül a legalsó szerkezeti helyzetű alsó ausztroalpi takaró paleozoos (542-251 millió évvel ezelőtti), közepes mértékű átalakulást szenvedett, metamorf kőzetei a Soproni-hegységben és környékén bukkannak felszínre (FÜLÖP 1990). A hegység tömegét többszörös metamorfózis hatására kialakult ún. polimetamorf csillámpala (kristályos pala, amelyben a csillámok mennyisége meghaladja az 50%-ot, emellett sok kvarcot tartalmaz (SZAKMÁNY 2008) és gneisz (magmás vagy üledékes eredetű kőzetek nagy területre kiterjedő metamorfózisa során keletkező kőzet) alkotja (Vöröshídi Csillámpala és Sopronbánfalvi Gneisz Formáció). A csillámpalák üledékes kőzetekből metamorfizálódtak a variszkuszi hegységképződés során (416-300 millió év), míg a palás szerkezetű biotit–muszkovit (biotit: magnéziumot és vasat tartalmazó csillám, amely általában 1–2 mm-es, sötétbarna pikkelyek formájában jelenik meg; muszkovit: kálium- és alumíniumtartalmú csillám, jellegzetesen gyöngyházfényű, színtelen, szürke, barnás- vagy halványzöld, kitűnően hasadó ásvány) gneisz, az ezekbe benyo-

1. ábra: A Soproni- és a Kőszegi-hegység, valamint a Kisalföld aljzatának földtani térképe a kainozoos képződmények (65.5 millió évtől máig) elhagyásával (HAAS et al. 2010 nyomán). Jelmagyarázat: 1 – Penninikum; 2 – alsó ausztroalpi takaró; 3 – felső ausztroalpi takaró. A szintvonalak a medencealjzat domborzatát ábrázolják a tengerszint felett. A medencealjzatot alkotó képződmények felszíni elterjedését a fehér pontok jelzik. (BUDAI – KONRÁD 2011)

Amfibolit (bázisos összetételű, közepesfokú metamorf kőzet, lényeges elegyrészei a hornblende (>40%) és a plagioklász (anortittartalom általában >20%) (SZAKMÁNY 2008) és leukofillit (kvarc– muszkovit pala; erősen palás metamorf kőzet, nagy mennyiségű muszkovitcsillámtól ezüstösen csillogó, amely szerkezeti zónákban végbemenő tektonikus mozgások során, jellemzően gránitos kiinduló kőzetből keletkezett) alárendelt mennyiségben, lencsék formájában, illetve bizonyos horizontokhoz kötötten fordul elő, amelyek eredeti anyaga bázisos (45–52% SiO2-tartalmú) vulkanit lehetett. Az első metamorfózis kora 280-300 millió évvel ezelőttre tehető, de később – kb. 70-80 millió évvel ezelőtt – az alpi-hegységképződés során ismét metamorf hatás érte (BUDAI – KONRÁD 2011).

128

2. ábra: Sopron és környékének földtani térképe és a területen megtalálható formációk (http://www.mafi.hu/hu/node/2079)

A metamorf képződmények mellett a területen miocén (23-5.3 millió év) formációk találhatók meg (2. ábra). Ezek közül a Bádeni Agyag Formáció (16.5-15 millió év) nyíltvízi medence kifejlődése, uralkodóan szürke, zöldesszürke agyaggal, agyagmárgával jellemezhető. Gazdag, vékonyhéjú molluszka és foraminifera faunában (CSÁSZÁR szerk. 1997). A késő-bádeni (~14 millió év) tengerszint-emelkedés során sekélytengeri karbonátrámpa jött létre, amelynek tagolt partvidéke mentén magas diverzitású élővilág telepedett meg. Ennek jellegzetes képződménye a Lajtai Mészkő, amely igen gazdag ősmaradványokban, elsősorban kagylókban (Pecten- és Cardiumfélék), csigákban (Turritella, Corbula, Aporhais, Gibbula), valamint kis- és nagyforaminiferákban (Heterostegina), tengeri sünökben (Clypeaster), bryozoákban és vörösalgákban („lithothamniumos mészkő”) (BUDAI – KONRÁD 2011). A Tinnyei Formáció (13-12.5 millió év) brakkvízi-partszegélyi kifejlődés, melyben kőzetalkotó mennyiségben vannak jelen a molluszkák, tehát biogén, néhol ooidos,

sárga mészkő, mészhomokkő, meszes molluszkás homok. A Soproni-hegységben elkülöníthető a bázisán lévő meszes kötőanyagú konglomerátum, a felette lévő parti kifejlődésű mészkő és mészhomok, valamint a delta fáciesű kavics, konglomerátum és mészkő (CSÁSZÁR szerk. 1997). Kisbéri Kavics Formáció (8-10 millió év) medenceperemi kifejlődés, melyben szürke kavicsos homok és homokos, jól polírozott gyöngykavics, kevés aleurit vagy agyagmárgás aleurit betelepülés jellemző (CSÁSZÁR szerk. 1997).

Szombathely és környéke A 3. ábrán jól látható, hogy a környék aljzatát a felső ausztroalpi takaróba tartozó metamorf képződmények és az alóla tektonikus ablakként kibukkanó Penninikum átalakult mezozoos (251-65.5 millió év közötti) képződményekből felépülő sorozatai alkotják. A pennini sorozat eredetileg mélytengeri üledékekből és bázisos vulkanitokból álló összletét több metamorf hatás érte az alpi hegységképződés során, amelyek közül a legjelentősebb a kb. 65 millió évvel ezelőtti magas nyomású és alacsony hőmérsékletű, majd egy azt követő, 18-15 millió évvel ezelőtti alacsony hőmérsékletű és nyomású

129

zöldpalafáciesű (bázisos magmás kőzetek metamorfózisa során keletkező klorit és piroxén szilikátásvány-tartalmú kőzet) metamorfózis (BUDAI – KONRÁD 2011). A jura elején, kb. 200-175 millió évvel ezelőtt a Tethys (~ 250 – 2.6 millió évig, az eurázsiai és az afrikai kontinens között K–Ny-i irányban húzódó, óriási méretű egyenlítői óceán, amelyet időszakonként mikrokontinensek szabdaltak fel kisebb óceánágakra) Ny-i részén az Atlanti-óceán felnyílását megelőzően kialakult a keskeny Pennini-óceán, melynek üledékeiből képződött a Kőszegi-hegységet is alkotó metamorf sorozat. Alul alsó-jura mélytengeri üledékekből származó kvarcfillit (agyagos üledékekből és kvarcból keletkezett, kisfokú átalakulást szenvedett, finomszemcsés, szürkés színű kristályos pala), fölötte triász mészkő- és dolomit-kavicsokból álló metakonglomerátum (uralkodóan kavicsokból álló, enyhén átalakult törmelékes üledék cementált kőzete) betelepüléseket tartalmazó mészfillit (márgából, mészmárgából keletkezett kisfokú átalakulást szenvedett, finomszemcsés, szürkés színű kristályos pala) mészfillit foglal helyet. A metakonglomerátum a középső–felső-jura sekélytengeri márga és delta-fáciesű törmelékek metamorfózisa során keletkezett. Ezekhez a tengeri üledékekhez bázisos vulkanitok társultak. A lávakőzetek mély-

ségi magmatitokhoz kapcsolódtak, amelyek a Pennini-óceán késő-kréta szubdukciója során nagy nyomású metamorfózist szenvedtek. A Kőszegi-hegységen át, Szombathelyen is átfolyó Gyöngyös-patak és Arany-patak folyóvízi-deluviális üledékek formájában szállítja ezeket a képződményeket a területre (delúvium: hegylejtőket pusztító víz által lemosott és a hegylábakon felhalmozott üledék, amelynek anyaga keverten, vagy zsinórosan rétegzett durva és finom szemcséjű törmelékből áll). A területet jelenleg eolikus negyedidőszaki (a földtörténet 2.6 millió évtől napjainkig tartó szakasza, amely pleisztocénre és holocénre tagolódik) barna vagy agyagos lösz (löszvályog, barna lösz, barna föld, „glaciális vályog”) és felső pannon üledékek borítják (3. ábra). A barna lösz nagy mennyiségű csapadék következtében részben kilúgozott, csekélyebb mésztartalmú, tömöttebb, barnássárga, sárgásbarna színű. Anyagának egy része lejtőfolyamatokkal áttelepített9. A pannon üledékek közül a Tihanyi Formáció (~6 millió év) elterjedése jelentős a területen, mely medenceperemi kifejlődés; szürke aleurit, molluszkás agyagmárgás aleurit és finomszemű homok. Benne huminites és szenes agyag, ritkábban sárga, szürke és zöld tarkaagyag, valamint vékony lignit és dolomit rétegek jellemzőek (CSÁSZÁR szerk. 1997).

3. ábra: Szombathely és környékének földtani térképe a területen jelenlévő képződményekkel (forrás: http://www.mafi.hu/hu/node/2079)

130

Székesfehérvár és környéke Székesfehérvár a Dunántúli-középhegységi-egység része, mely É-on is és DK-en is tektonikus vonalakkal határolt. A szerkezeti egység paleozoos és mezozoos képződményei egy óriási méretű szinklinálist (gyűrődéses redő teknője, amelyben a kőzetrétegek befelé, a redőtengely felé fiatalodnak) alkotnak, amelynek ÉK–DNy-i irányú tengelyzónájában találhatók a legfiatalabb (jura–alsó-kréta) összletek, míg attól a szárnyak felé, így Székesfehérvár területén is egyre idősebb, a felső-triásztól a paleozoikumig nyomozható (228-542 millió év) kőzettestek következnek (BUDAI – KONRÁD 2011) (4. ábra). Az ópaleozoos sorozat a variszkuszi orogén ciklus során keletkezett. A rétegsor legidősebb (ordovícium (488-444 millió év) szilur (444-416 millió év)) szakaszát finomszem-

csés tengeri törmelékes üledékek alkotják, amelyek közé bázisos és savanyú (77%-nál nagyobb SiO2-tartalmú) vulkanittestek ékelődtek (CSÁSZÁR 2005). Az ópaleozoos képződmények alacsony fokú metamorfózist szenvedtek a kora karbonban (359318 millió év). A rétegsor legidősebb részét aleurolitpala és agyagpala építi fel, kovapala és homokkő betelepülésekkel (Lovasi Agyagpala). A kora-ordovíciumi kort acritarchák (a barázdás moszatok egyik csoportja), míg a szilurt graptolita-, a félgerinchúrosok törzsének a paleozoikum során virágzó, a karbonban kihalt osztálya, amelybe változatos alakú telepeket alkotó lények tartoztak) és conodonta (a gerincesek törzsébe tartozó kihalt csoport, amelynek képviselőire mikroszkopikus méretű, fog- vagy fogsorszerű váz jellemző) maradványok őrzik (BUDAI – KONRÁD 2011).

4. ábra: A Dunántúli-középhegység paleozoos és mezozoos képződményeinek kainozoikumtól mentes térképe, a főbb mezozoos szerkezetek feltüntetésével (FÜLÖP 1990 nyomán, módosítva). 1. boltozattengely; 2. szinklinális-tengely; 3. Litéri-feltolódás. A sötét tónusú foltok a triász kőzetek felszíni elterjedését mutatják. (BUDAI – KONRÁD 2011) 9

http://www.mafi.hu/static/microsites/kekkonyv/kk_2resz/kk_retegleiras.html

131

A területet jellemző paleozoos képződmények: metariolit (enyhén átalakult, világos tónusú, savanyú összetételű, szabad kvarcot is tartalmazó, vulkanikus kőzet); kvarcdiorit (57–63% SiO2-tartalmú mélységi magmás kőzet); granitoidok (Si-gazdag kőzetek); agyagpala (fekete, szürke, zöldesszürke, vörösesszürke, agyagásványokból átalakult szericitből (hintett-pikkelyes vagy vaskos-tömeges megjelenésű, kisméretű muszkovit-csillámok sokasága) álló, kitűnően palás, selyemfényű kőzet (SZEDERKÉNYI 2010); partközeli, normális sótartalmú, korallokkal jellemzett foltzátonyos sekélytengeri kifejlődésű Szabadbatytyáni Mészkő Formáció. Az ópaleozoos rétegsorok regionális metamorfózisát eredményező variszkuszi orogenezist előtéri és hegyközi süllyedékek kialakulása követte a késő-karbonban (318299 millió év). A variszkuszi orogenezist követően a kéreg részleges olvadásával gránitplutonok (mélységi magmás kőzettest) keletkeztek a karbon végétől (299 millió év) a perm korai szakaszáig (299-271 millió év). A területen több gránittest (savanyú összetételű, 77% fölötti SiO2-tartalmú mélységi magmás kőzet) ismert, amelyek közül a legnagyobb a Velencei-hegység területén bukkan felszínre. A mészalkáli (mélységi magmás kőzetek összetétel szerinti csoportja, melyben a Catartalmú aluminoszilikátok mennyisége meghaladja vagy azonos a Na-, K-tartalmú alumino-szilikátokéval) összetételű gránit fő ásványos összetevője biotit, plagioklász, káliföldpát, és kvarc. A gránit kőzettest radiometrikus kora 270–290 millió év közé esik (BUDAI – KONRÁD 2011). A középső-permben (270-260 millió év) indult regionális süllyedési szakaszban a kivékonyodó szárazföldi vörös üledékek felett a felső-permben (260-251 millió év) sekélytengeri rétegsorok jelennek meg (FÜLÖP

1990, BÉRCZI – JÁMBOR szerk. 1998). A perm végén a terület tenger alá került és karbonáthomok-dombokkal elrekesztett, viszonylag gazdag sekélytengeri élővilággal jellemzett lagúna jött létre, amelyben mészkő-dolomitos mészkő volt az uralkodó kőzet. Ezzel egy időben vörös aleurolit és evaporit (sókőzet) váltakozásából álló rétegsor is lerakódott a sekély tengert övező kontinentális szebkha (sivatagi környezetben lévő árapálysíkság (sekélytengeri lagúnák, tavak) környezete, amelyet túlsós időszakos víz és sóüledékek kiválása jellemez területén. DNY felé pedig vörös folyóvízi rétegsor jellemző homokkő formájában. A triász (251-200 millió év) rétegsor mindenhol permi képződményekre települ. A tengeri kifejlődésű felső-perm dolomitra üledék-folytonosan települ az alsó-triász mészkő, míg a Velencei-tótól DNy-ra a tengeri alsó-triász rétegek üledékhézaggal települnek a szárazföldi perm sorozatra. A triász összlet eredeti fedője mindenhol tengeri kifejlődésű jura mészkő. A kora-triász első felében létrejött sekély partmenti lagúnát iszapdombok választották el a belső self lagúnától, amelyet ooiddombok szegélyeztek a nyílt selfmedence felől. Az ooidos mészkő, mészmárga és kőzetlisztes márga DNy felé mészmárgával fogazódik össze (ooid: erősen mozgatott tengervízből karbonátos vagy törmelékes központi szemcsére kémiai úton kivált kalcium-karbonátból álló, koncentrikus felépítésű, 0,2–2 mm átmérőjű üledékszemcse). A középső-triász korai szakaszában a karbonátrámpa fejlődése sekélytengeri karbonátpad kialakulásával zárult, mely dolomitos kifejlődéssel párosult (HAAS 2004). A késő-triász korai szakaszában csapadékossá vált az éghajlat, amelynek következtében a folyók jelentős mennyiségű törmeléket szállítottak a távoli szárazföldi területekről a fokozatosan feltöltődő tengermedencékbe. A medence területén a

132

finomszemcsés törmelékes rétegsort a Veszprémi Márga képviseli, a medencék feltöltődésével párhuzamosan az azokat környékező karbonátplatformok (Edericsi Formáció: Edericsi Mészkő és Sédvölgyi Dolomit) folyamatosan épültek, majd a triász végén fokozatosan előrenyomultak az egyre sekélyebbé váló medencék felé. A triász végére kialakult nagy kiterjedésű karbonátplatform (nagy kiterjedésű sekélytengerrel borított, közel sík felszínű karbonátos üledékképződési környezet) az Atlanti-óceán kezdődő felnyílását kísérő szerkezeti mozgások során fokozatosan feldarabolódott a jura időszak (200-145.5 millió év) elején (HAAS 2004). A kréta (145.5-65.5 millió év) közepén a Dunántúli-középhegység alpi szerkezetalakulásának több lényeges szakasza zajlott. A kompressziós mozgások már az apti korszak (125-112 millió év) közepén kiemelkedést és lepusztulást idéztek elő. Az ausztriai orogén fázis (az alpi orogenezis egyik jelentős tektonikai fázisa, amely a kréta közepén (100 millió év) zajlott) kompresz-

sziós aktivitásának eredményeként az albai (112-100 millió év) során jöhetett létre a Dunántúli-középhegységi-egység szinklinális szerkezete és az ezzel kapcsolatos gyűrődések, felboltozódások, pikkelyes szerkezetek, elsősorban a szárnyakon és a tengelyzónában. Az albai–cenomán (112-94 millió év) üledékciklust követő szerkezetalakulási időszak a pregosau orogén fázis (a Pennini-óceán bezáródásához kapcsolódó alpi hegységképződési ciklus egyik jelentős tektonikai fázisa) során jelentős területek emelkedtek ki, és ezzel együtt jelentős mértékű lepusztulást is szenvedtek, különösen a szinklinális szárnyain (BUDAI – KONRÁD 2011). Az oligocén elején (34 millió év) a Dunántúli-középhegység területének túlnyomó részén lepusztulás zajlott („infraoligocén denudáció”), amelynek során az eocén rétegsor jelentős területen teljesen vagy részben lepusztult (CSÁSZÁR 2005). Székesfehérvár és környékének földtanát és képződményeit az 5. ábra mutatja.

5. ábra: Székesfehérvár és környékének földtani térképe a területen jelenlévő képződményekkel (http:// www.mafi.hu/hu/node/2079)

133

A terület talajai

Szombathely és környéke

Székesfehérvár és környéke A város területének talajviszonyait érdemes kistájanként tárgyalnunk. A KözépMezőföld legnagyobb részét mészlepedékes csernozjom alkotja. A löszös alapkőzeten képződött, vályog mechanikai összetételű, kedvező termékenységű talajokon elsősorban mezőgazdasági termelés folyik, de foltokban erdőkkel is találkozhatunk. Kis kiterjedésben, mozaikos megjelenésben a löszön előfordulnak még barnaföldek és csernozjom barna erdőtalajok is (DÖVÉNYI szerk. 2010). A Velencei-tó partján, a Velencei-medencében, a korábban említett talajok mellett, a felszín közeli talajvíz hatására, réti talajok keletkeztek. Székesfehérvár nyugati szélén, a Sárrét kistájban, elsősorban réti csernozjom talajok fordulnak elő. Ezen talajok képződésében, a felszín közeli talajvíz és a lágyszárú vegetáció játszotta a legnagyobb szerepet. Ott, ahol a talajvíz még közelebb van a felszínhez, megjelennek a réti talajok is. A város kis része, az észak-nyugati csücske tartozik a Móri-árok, illetve az északi része a Sörédi-hát földrajzi kistájba. Ezen területek talajai nagyban hasonlítanak a déli részekhez, így a lerakódott löszön, elsősorban mészlepedékes csernozjom talajokkal találkozhattunk. Az eddigiektől eltérő alapkőzettel, savanyú kémhatású gránittal, találkozhatunk Székesfehérvár keleti felére benyúló Velencei-hegységben. A savanyú alapkőzeten álló erdők hatására, főleg sekély termőrétegű agyagbemosódásos barna erdőtalajok alakultak ki. Ott, ahol a domborzati viszonyok vagy az emberi hatás nem tette lehetővé vastag termőréteg kialakulását köves-sziklás váztalajok is előfordulnak. A löszös hegylábfelszín valamikor erdőkkel borított részein, barnaföldek képződtek.

Szombathely város nagy része, a jégkorszaki vályoggal, agyagos vályoggal, löszös üledékkel fedett, kavicstakarójú Gyöngyös-síkon helyezkedik el (DÖVÉNYI szerk. 2010). A területet valamikor erdő boríthatta, amely hatására barna erdőtalajok uralkodnak a tájban. A kistáj északi részén agyagbemosódásos barna erdőtalajok, míg a löszös üledéken barnaföldek képződtek. Mindkét talaj mechanikai összetétele vályog, agyagos-vályog, és vízgazdálkodásukra a nagy vízraktározó és a jó víztartó képesség jellemző. A Gyöngyös és Perint völgyében mészmentes nyers öntés talajok találhatók. A Pinka-sík kavicstakaróval fedett hegylábfelszínén, amelyre felső-pannon agyagos és homokos üledék települt, szintén a vályogos szövetű, kedvező vízgazdálkodású agyag bemosódásos barna erdőtalajok jellemzőek.

Sopron és környéke Sopron város talajainak képződését alapvetően az alapkőzet és a klimatikus adottságok határozták meg. A Soproni-hegység metamorf kőzetein, így gneiszen és a csillámpalán álló erdők alatt, elsősorban barna erdőtalajok, erősen savanyú nem podzolos barna erdőtalaj, podzolos barna erdőtalaj és agyagbemosódásos barna erdőtalaj képződött. Az utóbbi kialakulásában gyakran szerepet játszott az ágyazati kőzetre rakódó néhány deciméter vastag lösztakaró is. Ott, ahol az agyag nagyobb mennyiségben fordul elő a szelvényben és a felszínen nem tud elfolyni a csapadék, megjelennek a pszeudoglejes barna erdőtalajok is. Erodált domboldalakon találkozhatunk kövessziklás váztalajokkal és ranker talajokkal is. Hasonló talajok jellemzik Brennbergbánya környékét, ahol az alapkőzetet a különféle kavicsos hordalékok adják, amelyben nagy mennyiségben fordulnak elő metamorf kőzetmaradványok is.

134

A Soproni-medencét elsősorban harmadidőszaki üledékek (bádeni agyag) borítják, amelyre az Ős-Ikva vastag kavicstakarót hordott, majd a jégkorszakok alatt löszös, vályogos üledék települt (DÖVÉNYI szerk. 2010). A folyó mentén, a víz hatására, nyers öntés talajok és réti talajok alakultak ki, amelyek kedvező vízgazdálkodásúak, agyagos-vályog fizikai féleségűek és általában meszesek. A magasabb részeken, ahol a felszínt általában löszös üledék borítja, megjelennek a barna erdőtalajok, elsősorban az agyagbemosódásos barna erdőtalaj, amelyek vályog fizikai féleségű, jó vízgazdálkodású és gyengén savanyú kémhatású. A Fertőmelléki-dombsoron a felszínen elsősorban fiatal harmadidőszaki üledékekkel (lajta és szarmata mészkővel, homokkal, konglomerátummal és homokkővel) találkozhatunk, de több helyen megjelenik kisebb-nagyobb (gyakran csak néhány deciméter) vastagságban a lösz is. A terület nagy részét egykor erdők borították és ezen erdők alatt elsősorban kőzet-hatású talajok és barna erdőtalajok alakulhattak ki. A kőzethatású talajok közül a tömör mészkövön kialakult rendzina talajokat kell megemlíteni, amelyek területi aránya 15-20%-os. A barna erdőtalajokhoz tartozó agyagbemosódásos barna erdőtalaj, illetve barnaföld területaránya 80% körüli.

Anyag és módszer Vizsgálatainkat 2011 márciusában kezdtük meg a talajminták begyűjtésével, elsőként Sopronban, majd Szombathelyen, végül Székesfehérváron. A terepi mintavétellel párhuzamosan végeztük a laboratóriumba beérkező minták előkészítését és elemzését.

Terepi vizsgálatok A három városban ugyanazon eljárással végeztük a talajmintavételt. Egy ponthálózattal fedtük le a városok területét és ennek segítségével random bolyongásos mintavétellel kijelöltük a mintavételi pontok helyét. Az egyes gyűjtési pontokon két mélységből, a 0-10 cm-es feltalajból és az alatta fekvő 10-20 cm-es mélységből vettünk talajmintát, mivel a városi környezeti tényezők talajra gyakorolt hatása elsősorban ebben a viszonylag vékony rétegben figyelhető meg. Sopronban 104, Szombathelyen 88, Székesfehérváron 144 pontról összesen, rendre 208, 176, 288 db minta került begyűjtésre, így mindösszesen 672 talajminta laboratóriumi vizsgálataiból származnak eredményeink. Minden mintavételi pontnál helyszíni leírást végeztünk (6. ábra). Feljegyeztük a gyűjtés idejét, a pont GPS-koordinátáit, tengerszint feletti magasságát, a lakókörzet típusát (külváros, belváros), a tájhasználatot (erdő, kiskert, szántó, mezőgazdasági terület, szőlő, lakóövezet, közlekedési zóna, ipari övezet, patak-és vízpart, park, egyéb) a jellemző vegetációt, a gyepborítást (%-ban kifejezve), a fedés típusát (gyep, avar, talajfelszín), a talaj eredetét (eredeti, terített). Az egyes talajminták esetén a helyszíni talajvizsgálatnak megfelelő (BELLÉR 1997) paramétereket írtuk le: átmenet a két réteg között (fokozatos, határozott, éles, nincs), Munsell-szín, humuszmennyiség (humuszmentes, gyengén-, közepesen-, erősen humuszos), szerkezet (szemcsés, morzsás, rögös), tömődöttség (gyengén-, közepesen-, erősen tömődött, laza), gyökérzet menynyisége, fizikai féleség (homokos vályog, vályog, agyagos vályog, agyag, nehéz agyag), kiválás, vázszázalék, talajhiba.

135

6. ábra: Talajmintavételi fotódokumentáció Sopron 25. mintavételi pont példáján

Laboratóriumi vizsgálatok A begyűjtött talajminták laboratóriumi vizsgálatát az irodalmakban leírt módon (BELLÉR 1997, STEFANOVITS et al. 1999) végeztük, a következő paraméterek szerint: kémhatás (pHH2O, pHKCl), hidrolitos savanyúság (y1) és kicserélhető savanyúság (y2), szénsavas mésztartalom (CaCO3%), Arany-féle kötöttségi szám (KA), szemcseeloszlás (I%, A%, Fh%, Dh%), humusztartalom (H%), összes nitrogéntartalom (N%), ammónium-laktát-ecetsav (AL) oldható foszfor- és káliumtartalom, kálium-klorid (KCl) oldható kalcium- és magnéziumtartalom, etilén-diamin-tetraecetsav (EDTA) és dietilén-triamin-pentaecetsav (DTPA) oldható réz, vas, mangán és cinktartalom. • Talajkémiai vizsgálatok A talaj kémhatásának meghatározása A talajkémiai vizsgálatok közül elsőként a vizes (pHH2O) és a kálium-kloridos (pHKCl)

kémhatást határoztuk meg, melynek jellemzésére a hidrogénion koncentrációt használtuk. A pH érték azt adja meg, hogy egy liter vízben mennyi hidrogénion van. A közömbös kémhatás (pH 6.5-7.5) esetén 1 liter vízben 10-7 g hidrogén és ugyanenynyi hidroxil ion van. Ha ennek a mennyiségnek a negatív előjelű logaritmusát veszszük, akkor kapjuk meg a 7-es pH értéket. Amennyiben több a hidrogénion, a negatív előjelű logaritmus miatt alacsonyabb lesz a pH érték, ekkor a kémhatás savas (pH 6.5 >), ha kevesebb a hidrogénion, magasabb lesz a pH érték, ebben az esetben a kémhatás lúgos (pH 7.5 <). A laboratóriumi vizsgálat során a talajmintákból 10-10 g-ot mértünk két 50 ml-es főzőpohárba. Az egyikhez 25 ml kiforralt desztillált vizet, a másikhoz 25 ml 1 mol/l-es KCl-oldatot adtunk. A mintákat üvegbottal alaposan felkevertük és savgőzöktől men-

136

tes helyen 24 óráig állni hagytuk (BELLÉR 1997). A mérést elektromos pH-mérővel (WTW Multi 3420 SET C) végeztük, amelyet a gyári előírások szerint készítettünk elő. Végül a pH-kategóriáknak megfelelően osztályoztuk a talajmintákat (1. táblázat). Kémhatás kategóriája

pH-érték

Erősen savanyú

4.5 pH alatt

Savanyú

4.5 – 5.5 pH

Gyengén savanyú

5.5 – 6.6 pH

Semleges

6.5 – 7.5 pH

Gyengén lúgos

7.5 – 8.2 pH

Lúgos

8.2 – 9.0 pH

Erősen lúgos

9.0 pH felett

Minősítés

CaCO3 %

Nincs

0

Nagyon kevés

0-1

Kevés

1-3

Közepes

3-5

Sok

5-15

Nagyon sok

15 felett

2. táblázat: Talajok mésztartalmának minősítése

1. táblázat: A vizes pH szerinti kategóriák

A talaj szénsavas mésztartalmának meghatározása Kalcium-karbonát jelenléte vagy hiánya, kilúgzása vagy felhalmozódása, mennyisége és eloszlása a talajban fontos ismertetője a talajtípusnak. A talajok szénsavas mésztartalmának meghatározása azon alapul, hogy erős savak hatására a kalcium-karbonátból szén-dioxid szabadul fel: CaCO3 + 2HCl = CaCl2 +H2O + CO2 A fejlődő CO2 mennyiségét kalciméterben határozzuk meg, és a gáz térfogatából kiszámítjuk a CaCO3 mennyiségét. A talajok kalcium-karbonát tartalmát Scheibler-féle kalciméterrel határoztuk meg. A kalciumkarbonátot 10 %-os sósavval elbontottuk és a fejlődő CO2 gáz térfogatát mértük. Ezt normál állapotra átszámítva számítottuk ki a talaj összes karbonát tartalmát, amit CaCO3 %-ban adtunk meg. A százalékos érték megadja a talaj mésztartalmának minősítését (2. táblázat) (BELLÉR 1997).

A hidrolitos (y1)- és a kicserélhető savanyúság (y2) meghatározása A talaj savanyúságának mennyiségi jellemzésére használatos e két érték. Hidrolitos savanyúságon értjük a talajnak azt a titrálható savanyúságát, melyet lúgosan hidrolizáló (pH=9.4) 0.5 mol/l-es kalciumacetát oldattal való összerázás után mérhetünk. A hidrolitos savanyúság mértéke 50 g talajnak megfelelő szüredékre fogyott 0.1 mol/l koncentrációjú NaOH-oldat, mlben kifejezve, ha a talajt előzőleg 2.5-szeres mennyiségű kalcium-acetát-oldattal ráztuk össze. Kicserélhető savanyúság a talajnak az a titrálható savanyúsága, melyet semlegesen disszociáló 1 mol/l koncentrációjú kálium-klorid-oldattal való összerázás után mérhetünk. Értéke 50 g talajnak megfelelő szüredékre fogyott 0.1 mol/l koncentrációjú NaOH-oldat, ml-ben kifejezve, ha a talajt előzőleg 2.5-szeres mennyiségű KCloldattal ráztuk össze. A hidrolitos savanyúság mindig nagyobb, mint a kicserélhető savanyúság (y1>y2) (BELLÉR 1997). • Talajfizikai vizsgálatok A talaj szemcseösszetételének meghatározása A szemcseösszetétel meghatározásához az Atterberg-féle nemzetközi szemcsefrakció beosztást használtuk (3. táblázat).

137

A talajszemcsék Ø-je (mm)

Gyűjtőnév

Szemcsefrakció neve

Váz

kő, kavics, durva rész

> 2.0

Finom föld

durva homok (Dh) finom homok Fh)

2.0 - 0.2 0.2 - 0.02

iszap, kőliszt (I) agyag (A)

0.02 - 0.002 < 0.002

Leiszapolható rész

3. táblázat: Az Atterberg-féle nemzetközi szemcsefrakció beosztás

A 2 mm-nél nagyobb szemcséjű részeket száraz szitálással különítjük el a talajszárítás után. A 2 mm-nél kisebb szemcséket nedves szitálással és vizes szuszpenzióban történő ülepítéssel különítjük el. A finomabb szemcsefrakciók ülepítéssel történő elválasztása a szilárd részecskék ülepedésére vonatkozó Stokes-féle törvényen alapszik. A többféle előkészítő eljárás közül, a hazai talajtani gyakorlatban, a nemzetközi "A" eljárás módosított változatát, a hidrogén-peroxidos roncsolást, vízfürdőn történő főzést (digerálás) és Na-hexametafoszfátos előkészítést alkalmaztuk. A szemcseösszetétel vizsgálati eljárások közül a Köhn-féle pipettás módszert alkalmaztuk, melynek lényege, hogy a homogén talajszuszpenzió meghatározott mélységéből az ülepedési időket figyelembe véve pipetta segítségével mintát vettünk. Tömegállandóságig történő szárítás és tömegmérés után az iszap (I) és az agyag (A) frakciók arányát számítottuk. A durva homok (Dh) mennyiségének meghatározásához a talajszuszpenziót 0.2 mm lyukátmérőjű szitára vittük és átmostuk. A szitán fennmaradt részt tömegállandóságig szárítottuk, tömegét megmértük, százalékos megoszlását számítottuk. A finomhomok (Fh) frakció mennyiségét számítás útján kaptuk meg. Az I%+A% összegéből értelmezett leiszapolható rész vagy az Arany-féle kötöttség szám alapján meghatározható az egyes talajminták fizikai félesége (4. táblázat).

Textúra csoport

Leiszapolható rész (<0.02 mm) aránya

Arany-féle kötöttségi szám

Durva homok

< 10

< 25

Homok (H)

10-20

25-30

Homokos vályog (HV)

20-35

30-38

Vályog (V)

35-60

38-42

Agyagos vályog (AV)

60-70

42-50

Agyag (A)

70-80

50-60

Nehéz agyag (NA)

> 80

> 60

4. táblázat: A talajfizikai jellemzők határértékei (STEFANOVITS et al. 1999)

A talaj Arany-féle kötöttségi számának meghatározása Az Arany féle kötöttségi szám kifejezi (KA) azt a 100 g légszáraz talajra vonatkoztatott vízmennyiséget, amelyet a talaj a képlékenység és hígfolyósság határán tartalmaz. Értéke elsősorban a talaj eliszapolható frakciójának (I+A) mennyiségétől függ. A kötöttségi szám meghatározására műanyag tálba mértünk táramérlegen 100 g légszáraz finomföldet, majd bürettából állandó kevergetés közben desztillált vizet adagoltunk rá mindaddig, amíg teljesen át nem nedvesedett a talajpép, egyneművé, csomómentessé vált és adta az un. fonalpróbát (BELLÉR 1997).

138

Értékelés: KA = 100V m, ahol V m

a fogyott víz térfogata ml-ben a bemért talaj tömege g-ban.

A talaj tápelem-tartalmának meghatározása A talaj humusztartalmának meghatározása A talajok humusztartalmának meghatározására a FAO módszert alkalmaztuk, melynek menete a következő: a talaj szervesanyag-tartalmától függően 0.5-5 g, 0.5 mm lyukméretű szitán átszitált talajt mértünk 250 ml-es Erlenmeyer lombikba, majd 20 ml 1 mol/l koncentrációjú kálium-bikromát (K2Cr2O7)-oldatot pipettáztunk rá. Állandó rázogatás mellett hozzáadtunk 20 ml tömény kénsavat (H2SO4), egy kis üvegtölcsért tettünk a lombik nyakába és forró vízfürdőn 3 órán át melegítettük. Kihűlés után 100 ml desztillált vizet adtunk hozzá, majd 250 ml-es mérőlombikba mostuk át, desztillált vízzel jelig töltöttük, felráztuk és 1 éjszakát állni hagytuk. A felső tiszta folyadékból 50 ml-t 250 ml-es Erlenmeyer lombikba pipettáztunk, majd 50 ml desztillált vizet és 2 ml tömény foszforsavat adtunk hozzá. 2 csepp difenil-amin-szulfonsav indikátor jelenlétében, 0.2 mol/l koncentrációjú Mohr-só (Fe(NH4)2(SO4)2•H2O) oldattal megtitráltuk. A titrálásokat követően azonnal meghatároztuk a Mohr-só oldat hatóértékét. 20 ml 1 mol/l koncentrációjú K2Cr2O7-oldatot mérőlombikban 250 ml-re hígítottunk. Ebből 50 ml-t egy 250 ml-es Erlenmeyer lombikba pipettáztunk. 30 ml hígított kénsav-oldatot, 20 ml vizet, 2 ml foszforsav oldatot és 2 csepp difenil-amin-szulfonsav indikátort adtunk hozzá és Mohr-só oldattal megtitráltuk. A redukálódott K2Cr2O7-oldat térfogata és az oxidált szerves anyag tömege közötti összefüggés megállapítása céljából 80°C-on két órán keresztül szárított dinátrium-etiléndiamintetraacetát-ból analitikai mérlegen 25-125 mg között változó mennyiségeket mértünk be 250 ml-es Erlenmeyer lombikokba és a

talajmintához hasonló módon oxidáltuk, majd meghatároztuk a redukálódott K2Cr2O7 mennyiségét. Ezután kalibrációs diagramot készítettünk, amelyben szerves szén tömeg (mg) függvényében ábrázoltuk a szerves anyag oxidálására elhasználódott K2Cr2O7oldat térfogatát (ml). A kalibrációs diagram segítségével meghatároztuk a talaj szerves szén tartalmát, amiből – figyelembe véve, hogy a humusz átlagos szén tartalma 58% – kiszámítottuk a humusztartalmat (BELLÉR 1997). A talaj nitrogéntartalmának meghatározása A nitrogéntartalom meghatározását Kjeldahl-módszerrel végeztük. E vizsgálati módszernél a talaj szerves anyagának roncsolása forró, tömény kénsavval történik, mely során a szerves anyag szén-dioxiddá és vízzé, nitrogéntartalma pedig ammóniává alakul. Roncsolás után az oldatot meglúgosítva, annak ammónia tartalma felszabadul, amit vízgőzdesztillációval lepároltunk, bórsavban elnyelettük és keverékindikátor jelenlétében 0,1 mol/l-es HCl-oldattal megtitráltuk. Azonos módon talaj nélküli vakpróbát is végeztünk. A nitrogén tartalmat számítás után %-ban adtuk meg (5. táblázat). A talajminta roncsolása BÜCHI, B-426 feltáróban történt. A vízgőzdesztillációhoz a BÜCHI B-323-jelű desztillálót használtuk (BELLÉR 1997). Minősítés

Összes N%

Nitrogénben igen szegény

0.05 >

Nitrogénben gyengén ellátott

0.05 - 0.10

Nitrogénben közepesen ellátott

0.10 - 0.25

Nitrogénben jól ellátott

0.25 <

5. táblázat: Nitrogénellátottsági kategóriák az összes nitrogéntartalom alapján (STEFANOVITS 1992)

A talaj könnyen oldható foszfor- és káliumtartalmának meghatározása A könnyen oldható foszfortartalom-vizsgálatot kolorimetriás módszerrel végeztük

139

ammónium-laktát (AL) oldott talajkivonatból. Első lépésként 5 g légszáraz talajmintát táramérlegen 250 ml-es rázólombikba mértünk. Pipettával hozzáadtunk 100 ml higított AL-oldatot és 2 óráig rázattuk, majd foszfor- és kálium-mentes szűrőpapíron leszűrtük. A mérés előtt kalibráló oldatokat készítettünk 1 mg/ml P2O5 törzsoldatból. A szűrletből és a kalibráló-oldatból 10 ml-t adagoltunk Erlenmeyer lombikokba, adtunk hozzá 15 ml kénsavas ammóniummolibdenát oldatot és 1 ml aszkorbinsavas ón-klorid oldatot. 30 perc után mértük a kékszínű komplex fényelnyelő képességét 660 nm hullámhosszúságú fényben spektrofotométerrel. Kalibrációs görbe segítségével meghatároztuk a talajminták ALoldható foszfortartalmát (6. táblázat). Oldható Agyagos foszfortar- talajok talom

Vályog talajok

Laza homoktalajok

Igen kevés

2>

3>

5>

Kevés

3-5

4-7

6-10

Mérsékelten közepes

6-8

8-12

11-16

Jó közepes

9-12

13-18

17-25

Sok

13-18

19-25

26-35

Igen sok

19 <

26 <

36 <

6. táblázat: A talaj foszfortartalmának jellemzése AL-oldható P2O5 mg/100 g talaj alapján (STEFANOVITS 1992)

A talaj könnyen oldható káliumtartalmát emissziós lángfotometriával határoztuk meg. A mérés JENWAY PFP 7 típusú lángfotométerrel történt, a foszfortartalom meghatározásához készített talajkivonatból. Ezután kalibrációs görbe segítségével értékeltük ki az eredményt, melyhez előzőleg 1 mg/ml K2O törzsoldatból kalibráló oldatokat készítettünk (7. táblázat) (BELLÉR 1997).

Oldható káliumtartalom

Fizikai talajféleség Homok Vályog

Agyag

Igen kevés

5>

7>

10 >

Kevés

6-10

8-12

11-16

Mérsékelten közepes

11-15

13-18

17-23

Jó közepes

16-20

19-24

24-29

Sok

21-25

25-30

30-35

Igen sok

26 <

31 <

36 <

7. táblázat: A talaj káliumtartalmának jellemzése AL-oldható K2O mg/100 g talaj alapján (STEFANOVITS 1992)

A talaj KCl-oldható kalcium- és magnéziumtartalmának meghatározása A talajminták kálium-klorid (KCl)-oldható kalcium- és magnéziumtartalmának meghatározásához 20 g légszáraz talajmintát mértünk 250 ml-es rázólombikba, majd 50 ml 1 mol/l-es KCl oldatot adagoltunk rá és körforgós rázógépen 2 órán át rázattuk. Leszűrtük, majd előkészítettük mérésre a kivonatot. Ehhez a szűrletből 10 ml-t kipipettáztunk, hozzáadtunk 2 ml 20 g/l-es stroncium-klorid (SrCl2) oldatot és 8 ml desztillált vizet, majd a standard oldatok elkészítése után atomabszorpciós spektrofotométerrel, 239 nm-es hullámhosszon megmértük a minták kalciumtartalmát, 202.6 nm-en pedig a minták magnéziumtartalmát (BELLÉR 1997). A talajok EDTA/DTPA-oldható tápelemtartalmának meghatározása Az EDTA/DTPA-oldható vas, mangán, réz és cinktartalom méréséhez is kivonatot készítettünk. EDTA-s talajkivonat esetén – ha a talaj pH értéke 7 alatti volt – 25g talajhoz 50 ml 0.05 mol/l-es EDTA (etilén-diamintetraecetsav)-oldatot, DTPA-s talajkivonat esetén – ha a talaj pH értéke 7 vagy 7 feletti volt – 20g talajhoz 40ml 7.3 pH értékű DTPA (dietilén-triamin-pentaecetsav)-oldatot adagoltunk rázólombikba és körforgós rázó-

140

gépen 2 órán át rázattuk, majd leszűrtük. Ebből történt a mérés atomabszorpciós spektrofotométerrel. A készülék kalibrációjához elemenként standardsorok elkészítése szükséges. A vastartalmat 372 nm-es, a mangántartalmat 403.1 nm-es, réztartalmat 324.7 nm-es és a cinktartalmat 213.9 nm-es hullámhosszúságú fényben határoztuk meg. Az értékeket mg/kg-os mértékegységben adtuk meg (BELLÉR 1997, JUHÁSZ szerk. 2006).

dasági területhez, másik egynegyede pedig lakóövezeti zónához (28%) köthető (7. ábra).

Adatfeldolgozás és kiértékelés A helyszíni- és a laboratóriumi vizsgálatok eredményét egy EXCEL file-ban rögzítettük, majd ez alapján végeztük el az adatok értékelését. A terepi és a laboratóriumi vizsgálatok eredményeit DigiterraMap (3.11.3.31) térinformatikai szoftver segítségével a mintavételi pontokhoz illesztve ponttérképen ábrázoltuk. Ezt követően háromszögeléses leképezéssel hálót hoztunk létre a ponttérkép alapján minden talajparaméterre vonatkozóan. Mivel adataink pontszerűek és a városokban egy-egy paraméter akár kis távolságon belül is jelentősen változhat, a létrehozott tematikus térképek nem minden esetben fejezik ki pontosan az adott tulajdonság változását, de jól jelzik a legfontosabb tendenciákat. A tulajdonságok változásának érzékeltetésére a tematikus térképeken a mért értékeket is ábrázoltuk. A tematikus térképek, valamint helyszíni és laboratóriumi vizsgálatok alapján megpróbáltunk következtetéseket levonni a talajok állapotára, szennyezettségére és annak okaira vonatkozóan. Amennyiben szakmailag indokolt volt az elemzést STATISTICA programcsomaggal végzett statisztikai értékeléssel egészítettük ki.

Eredmények Székesfehérvár Tájhasználati szempontból a mintavételi pontok közel egynegyede (26%) mezőgaz-

7. ábra: A mintavételi pontok tájhasználat szerinti megoszlása

Kémhatás A tájhasználati kategóriák szerint csoportosítva látható, hogy a feltalaj mintái alacsonyabb kémhatásúak az alsó szint mintáihoz képest (8. ábra), melynek oka az, hogy a kilúgzás fentről lefelé hat. A vizes pH-vizsgálatok alapján a felső szintben (010 cm) a talajminták 85%-a a mérsékelten lúgos, 7%-a a semleges, másik 7%-a lúgos és 1%-a a savanyú kategóriába sorolható (9. ábra). Az alsó szintben a talajminták 79%-a sorolható a mérsékelten lúgos tartományba. A savanyú kémhatású talajminták a Velencei-hegység délnyugati felén fekvő erdők talajából származnak. Ennek oka kettős, egyrészt ezen a részen benyúlik a város területébe a savanyú, gránit alapkőzetű Velencei-hegység, másrészt az erdők alatt jobban érvényesülnek a kilúgzási folyamatok, amelyek a talaj savanyodását eredményezhetik. A talajminták döntően mérsékelten lúgos pH-ja a mésztartalmú alapkőzetre és a lágyszárú vegetáció alatti gyengébb kilúgzásra vezethetőek vissza. Igen szoros volt az összefüggés az egyes rétegekben mért kémhatás között (10. ábra), ami azt mutatja, hogy a mintavételi pontok nagy részén a természetes talajfejlődési folyamatok érvényesülnek.

141

1%-ban alacsony kalcium-karbonát tartalom, valamint 1%-ban nem találtunk meszet. Az eloszlási diagramból is jól látható, hogy kevés mészmentes minta volt. Az alsó szint mésztartalma hasonló megoszlást mutatott (11. ábra). A kevés és nagyon kevés mésztartalom – a pH-hoz hasonlóan – szintén a Velencei-hegység előterében gyűjtött erdei talajból származik (12. ábra). A minták magas mésztartalma a jelentős kalcium-karbonáttal rendelkező elsősorban lösz, illetve egyéb üledék alapkőzetre vezethető vissza. A klimatikus adottságoknak megfelelően viszonylag kisméretű a területen a kilúgzás, így a mész nem vándorolt le a mélyebb talajrétegekbe (13. ábra).

8. ábra: A talajminták kémhatásának átlaga a két szintben a tájhasználati kategóriák szerint

9. ábra: Vizes pH-vizsgálati értékek térbeli megoszlása a felső szintben (0-10 cm)

11. ábra: A minták szénsavas mésztartalma a 0-10 cm-es rétegben

10. ábra: Összefüggés a 0-10 és a 10-20 cm közötti mintákból mért vizes pH értékek között

Szénsavas mésztartalom A talajminták mésztartalmának vizsgálata alapján megállapítható, hogy 43%-ban igen magas, 49%-ban pedig magas a kalciumkarbonát tartalom értéke a felső szintben. A talajminták mindössze 6%-ban közepes,

12. ábra: A mésztartalom térbeli megoszlása az alsó szintben (10-20 cm)

142

13. ábra: Szénsavas mésztartalom átlaga a két szintben a tájhasználati kategóriák szerint

15. ábra: A fizikai féleség átlaga a két szintben a tájhasználati kategóriák szerint

Fizikai féleség Az Arany-féle kötöttségi vizsgálatok alapján a talajminták nagy részének fizikai félesége vályog (31%), agyagos vályog (24%) és homokos vályog (23%) a felső szintben (14. ábra). Kisebb arányban agyag (13%), nehéz agyag (6%) és homok (3%). Az alsó szint mintáinak fizikai félesége a következő: vályog 33%, homokos vályog 26%, agyagos vályog 22%, homok 13%, agyag 5% és durva homok 1%. A talajok fizikai féleségének megoszlása heterogén képet mutat a város területén, mely visszavezethető a különböző fizikai féleségű talajok leterítésére. Az Arany-féle kötöttségi érték a felső talajszintben valamennyi tájhasználati kategóriában magasabb volt az alsó szint értékeihez képest (15. ábra).

14. ábra: A fizikai féleség térbeli megoszlása az a felső szintben (0-10 cm)

16. ábra: Összefüggés az Arany-féle kötöttség és a Kuron-féle higroszkóposság értékei között

A talajmintákból végzett többi fizikai vizsgálat (Kuron-féle higroszkóposság, illetve szemcseeloszlási vizsgálat), hasonló eredményt mutatott. A szakmai elvárásoknak megfelelően szoros kapcsolat volt az egyes vizsgálatok eredménye között (16. ábra). Humusztartalom A alsó és felső szint talajmintái döntően a humuszban szegény és mérsékelten humuszos kategóriába tartoznak. Érdemes megjegyezni, hogy a magasabb humuszos értékek legtöbbje a városban és környékén volt megtalálható, valamint a mezőgazdasági területek talajainak humusztartalma döntően a kevés és a mérsékelten humuszos (17. ábra). A felső talajszint mintáiban mért humusztartalom minden tájhasználati kategóriában magasabbnak bizonyult az alsó szintben mért értékekhez képest (18. ábra).

143

17. ábra: Humusztartalom térbeli megoszlása az alsó szintben (10-20 cm)

19. ábra: Az összes nitrogéntartalom térbeli megoszlása a felső szintben (0-10 cm)

18. ábra: A humusztartalom átlaga a két szintben a tájhasználati kategóriák szerint

20. ábra. Az összes nitrogéntartalom átlaga a két szintben a tájhasználati kategóriák szerint

Nitrogéntartalom Az összes nitrogéntartalmi vizsgálatok eredményei azt mutatják, hogy mindkét szintből gyűjtött talajminták közepesen és jól ellátottak nitrogénnel. A jó ellátottság oka valószínűleg a mezőgazdasági területeken alkalmazott műtrágya használat, a városban pedig az antropogén befolyás. Alacsony értéket mértünk a várostól délkeletre, műút mentén (19. ábra). A 20. ábrán jól látható, hogy a felső talajszintben minden tájhasználati kategóriában magasabb volt az összes nitrogén értéke az alsó szinthez képest. Szoros összefüggés van a talajok humusz- és nitrogéntartalma között (21. ábra).

21. ábra. Összefüggés a talajok humusz- és nitrogéntartalma között a 10-20 cm-es rétegben

144

Foszfortartalom Az ammónium-laktát-ecetsav oldható foszfor-vizsgálatok eredményei alapján a talajminták kétharmada több mint 36 mg foszfor-pentoxidot (P2O5) tartalmazott 100 gramm talajban, amely a nagyon sok kategóriának felel meg (22. ábra). Néhány esetben kiugróan nagy értéket mértünk. Nagyon alacsony értékeket mértünk a Velencei-hegység nyugati szélén, míg a mezőgazdasági területeken döntően nagyon magas értékeket (23. ábra), mely valószínűleg a foszfortrágyázásból származik. A felső talajszint foszfor koncentrációja a legtöbb tájhasználati kategóriában magasabb az alsó szintben mért értékeknél (24. ábra), aminek oka az, hogy a talajban foszfor nagy része a humuszban gazdag rétegekben található.

24. ábra: A foszfortartalom (P2O5) átlaga a két szintben a tájhasználati kategóriák szerint

Káliumtartalom Az ammónium-laktát-ecetsav oldható káliumtartalmi eredmények szerint a felső talajszint mintáinak 28%-a nagyok sok, 20%-a sok, 16%-a jó közepes, 19%-a mérsékelten közepes, 13%-a kevés és 3%-a nagyon kevés káliumot tartalmaz. Az alsó szintben a talajminták 19%-a a nagyon sok, 10%-a a sok, 17%-a a jó közepes, 17%-a a mérsékelten közepes, 23%-a a kevés és 14%-a a nagyon kevés kategóriába tartozik. Mindkét talajszintben a legnagyobb kálium-értéket a Börgöndi utcában mértük (25. ábra). Az eredmények alapján egyértelműen megállapítható, hogy a felső talajszint mintáiban minden tájhasználati kategóriában magasabb a kálium értéke az alsó szinthez képest (26. ábra).

22. ábra: A talajminták foszfortartalma a 0-10 cm-es rétegben

25. ábra: Káliumtartalom (K2O) térbeli megoszlása az alsó szintben (10-20 cm)

23. ábra: Foszfortartalom (P2O5) térbeli megoszlása a felső szintben (0-10 cm)

145

26. ábra: A káliumtartalom átlaga a két szintben a tájhasználati kategóriák szerint

Kalciumtartalom A KCl-oldható kalciumtartalom értékek 0.34 és 5.75 g/kg közöttiek voltak. A talajban a kalcium ásványok alkotórészeként, abszorbeált formában a kolloidok felületén és a talajoldatban fordul elő. A növények számára csak a talajoldatban előforduló és részben az abszorbeált kalcium a felvehető, ami gyakran nincs szoros kapcsolatban a talajban található karbonát ásványok menynyiségével (27. ábra). A legmagasabb kalcium értékeket a Téglagyári- és Horgásztó mellett mértük. (28. ábra) A feltalajban mért kalcium-értékek kis mértékben magasabbnak bizonyultak az alsó szintben mért értékeknél (29. ábra).

28. ábra: Kalciumtartalom térbeli megoszlása a felső talajszintben (0-10 cm)

29. ábra: A kalciumtartalom átlaga a két szintben a tájhasználati kategóriák szerint

Magnéziumtartalom A talaj KCl-oldható magnézium tartalmi értékei döntően 0.1-0.4 g/kg között voltak mindkét szintben. A külvárosi területeken magasabb, a mezőgazdasági területeken alacsonyabb koncentrációkat mértünk (30. ábra). A legmagasabb magnézium értéket Seregélyesi utcában mutattuk ki mindkét szintben. A feltalajban mért magnéziumértékek kis mértékben magasabbak az alsó szintben mért értékeknél. A patak- és vízpartoknál magasabb koncentrációkat mértünk a többi tájhasználati kategóriákhoz képest (31. ábra).

27. ábra: Összefüggés a talaj szénsavas mész- és KCl-oldható kalciumtartalma között a 0-10 cm-es rétegben

146

30. ábra: A magnéziumtartalom térbeli megoszlása az alsó talajszintben (10-20 cm)

32. ábra: A talaj EDTA/DTPA oldható vastartalma a 0-10 cm-es rétegben

31. ábra: A magnéziumtartalom átlaga a két szintben a tájhasználati kategóriák szerint

Vastartalom Az EDTA/DTPA oldható vas-értékeket 0.8 és 422.7 mg Fe/kg közöttiek voltak. Ugyanakkor az értékek nagy része a 0-100 mg Fe/ kg talaj kategóriába esett, csak néhány kiugró esetben találkoztunk ennél nagyobb értékkel (32. ábra). Utóbbiak oka lehet a talaj szennyeződése is. A legmagasabb vas értéket a várostól északkeletre fekvő Csalai-erdőben mértük. Az erdei mintákban mért vas-értékek ásványi eredetűek, mely kapcsolatban áll a mérsékelten savanyú kémhatással (33. ábra). A vas és mangán-értékek erős korrelációt mutatnak. A vastartalmi értékek nagyságrendekkel nagyobb értékeket mutatnak az erdei mintákban a többi tájhasználati kategóriákhoz képest mindkét talajszintben (34. ábra).

33. ábra: A vastartalom térbeli megoszlása a felső talajszintben (0-10 cm)

34. ábra: A vastartalom átlaga a két szintben a tájhasználati kategóriák szerint

Mangántartalom A talaj EDTA/DTPA oldható mangántartalma 3.9 és 253.3 mg Mn/kg közöttinek bizonyult. A mérések többsége 40 mg/kg alatti mangántartalmat mutatott. A legmagasabb mangán értéket a várostól északkeletre fek-

147

vő Csalai-erdőben mértük (35. ábra). Megjegyezzük, hogy a két vizsgált szint mangántartalmi értékei között a legtöbb esetben viszonylag szoros kapcsolat volt, így a kiugró értékeknek talajtani okai voltak (36. ábra). Az erdei mintákban mért mangán-tartalom ásványi eredetű, mely kapcsolatban áll az erdei élőhelyen mért mérsékelten savanyú kémhatással. A vas és mangán-értékek erős korrelációt mutatnak. A vastartalmi értékekhez hasonlóan a mangánértékek nagyságrendekkel nagyobb értékeket mutat az erdei mintákban a többi tájhasználati kategóriákhoz képest (37. ábra).

37. ábra: A mangántartalom átlaga a két szintben a tájhasználati kategóriák szerint

Réztartalom A talajok EDTA/DTPA oldható réztartalmi értékekeit 0.51 és 174.02 mg Cu/kg között mértük. A mért értékek legnagyobb része a 0.51 és 50 mg Cu/kg közötti tartományban volt (38. ábra). Legmagasabb mért értékek az ipari zónához köthetőek. Kiugró értéket a Máriavölgy utcában, főút mentén mértük. A 39. és a 40. ábra alapján megállapítható hogy a legmagasabb réz-értékeket az ipari övezet talajmintáiban mértük mindkét talajszintben, ezt pedig a lakóövezeti zónában mért értékek követik. A legtöbb vizsgált pontban a két réteg réztartalmi értékei szoros kapcsolatban voltak egymással.

35. ábra: Összefüggés a talaj két rétegének EDTA/DTPA oldható mangántartalma között

38. ábra: Talajok EDTA/DTPA oldható réztartalma a 0-10 cm-es rétegben 36. ábra: A mangántartalom térbeli megoszlása az alsó szintben (10-20 cm)

148

39. ábra: A réztartalom térbeli megoszlása az alsó talajszintben (10-20 cm)

41. ábra: Összefüggés a talaj cinktartalma között a két vizsgált rétegben

40. ábra: A réztartalom átlaga a két szintben a tájhasználati kategóriák szerint

Cinktartalom A talajok EDTA/DTPA oldható cinktartalma 0.42 és 311.22 mg Zn/kg talaj között volt. A legtöbb mért értéke 30 mg Zn/kg talaj alatti érték volt. Kiugró cink-értéket mértünk Szárazrét városrész ipari zónájában vasúti pálya mentén, ahol vasöntöde és olajtároló egységek találhatóak a közelben. Magas cink értékeket főleg városi utak mentén mértük. A két vizsgált réteg cinktartalma között szoros összefüggés volt (41. ábra). A 42. és a 43. ábra alapján megállapítható hogy a legmagasabb cink-értékek az ipari övezet talajmintáiban mértük mindkét talajszintben. Ezt követi a lakóövezeti és közlekedési zóna, bár az értékek jóval elmaradnak az ipari övezetben mérttől.

42. ábra: A cinktartalom megoszlása a felső szintben (0-10 cm)

43. ábra: A cinktartalom átlaga a két szintben a tájhasználati kategóriák szerint

149

45 ábra: Talajminták kémhatása a 0-10 cm-es rétegben

Szombathely A talajminták tájhasználat szerint legnagyobb arányban lakóövezeti (20%), közlekedési zónából (23%) és víz- és patakpartról (23%) származnak (44. ábra).

46. ábra: A vizes pH értékek térbeli eloszlása 10-20 cm talajmélységben 44. ábra: A mintavételi pontok tájhasználat szerinti megoszlása

Kémhatás A vizsgált talajminták alapján a város talajainak kémhatása – mindkét szintet figyelembe véve – 4.3 és 8.0 közötti értékeket mutatott, a legtöbb minta értéke a semleges kémhatású tartományba esett (45. ábra). A két szint pH-értékei között nagy eltéréseket nem tapasztaltunk (46. ábra), azonban megállapítható volt, hogy a város belterületétől kifelé haladva a pH-értékek alacsonyabbak, gyengén savanyúak – savanyúak (főként a város DNY-i oldalán). A belvárosból és környezetéből származó minták gyengén lúgosak (47. ábra), mely a mésztartalmú lerakott törmelékekre vezethető vissza.

47. ábra: A talajminták kémhatásának átlaga a tájhasználati kategóriák szerint

Szénsavas mésztartalom A begyűjtött talajmintáknak majdnem fele nem tartalmazott szénsavas meszet a vizsgálatok szerint. Meszesebb talajok – a pHeredmények tendenciáját követve – főként a belváros területén fordulnak elő (48. ábra) ott, ahol a kémhatás 7,0 feletti értéket mutatott. A tájhasználati kategóriákat tekintve az erdős területről származó minták egyikében sem mutattunk ki CaCO3-tartalmat (49. ábra), a kémhatás is e területeken volt a legalacsonyabb.

150

48. ábra: A mésztartalmi értékek eloszlása 0-10 cm talajmélységben

50. ábra: A fizikai féleség térbeli eloszlása 10-20 cm talajmélységben

49. ábra: A talajminták szénsavas mésztartalmának átlageredményei a tájhasználati kategóriák függvényében

51. ábra: Az Arany-féle kötöttség átlageredményei a tájhasználati kategóriák függvényében

Fizikai féleség A felső (0-10 cm) szint talajmintáinak túlnyomó többsége az agyagos vályog (41%), illetve agyag (34%) fizikai féleségű kategóriába tartozott, az alsó (10-20 cm) szint mintái pedig főként vályog (29%), agyagos vályog (41%) fizikai féleségűek. (50. ábra). A két szint közötti különbséget jól szemlélteti a tájhasználati kategóriák szerinti megoszlás-diagram is (51. ábra), ugyanakkor az is látszik, hogy igen szoros a kapcsolat a két réteg értékei között (52. ábra). 52. ábra: Összefüggés a két szint Arany-féle kötöttségi értéke között

151

Humusztartalom A város talajainak jelentős a humusztartalma (53. ábra), a felső szintben a minták 67%-a erősen humuszos, az alsó szint mintáinak 55%-a humuszos, 36%-a pedig erősen humuszos. A felső szint átlagos humusztartalma a közlekedési zónában volt a legmagasabb, kisebb humusztartalmat pedig patakparti, illetve mezőgazdasági területekről származó mintákban mértünk (54. ábra). A magas humusztartalom kedvező a növényzet számára, mivel jobb víz- és tápanyag-ellátottságot jelent.

ken mértük a legmagasabb nitrogéntartalmakat. A 10-20 cm-es szintben a nitrogénnel jól ellátott kategóriába a minták 56%-a került, a tájhasználat szerinti átlagértékek valamivel alacsonyabbak, mint a felső szintben (56. ábra). Ennek oka az, hogy a talajban található nitrogén elsősorban az elhalt növényi és állati maradványokból származik, amelyek legnagyobb mennyiségben a talaj legfelső rétegében találhatóak. A legnagyobb nitrogén értékeket a Jókai-parkban (7,3 N%) és a Kámoni arborétumban a Gyöngyös-patak mellett mértük (6,58 N%)

53. ábra: A humusztartalom értékek térbeli eloszlása 0-10 cm talajmélységben

55. ábra: A nitrogéntartalom térbeli eloszlása 10-20 cm talajmélységben

54. ábra: A humusztartalom átlageredményei a tájhasználati kategóriák függvényében

56. ábra: A nitrogéntartalom átlagos eredményei a tájhasználati kategóriák függvényében

Nitrogéntartalom A vizsgált minták alapján elmondható, hogy a város talaja nitrogénnel jól ellátott (55. ábra). A felső szintben a minták 69%-nál 0,25% feletti nitrogéntartalmat mértünk. Az értékek átlaga alapján az erdő és a park tájhasználati kategóriába tartozó területe-

Foszfortartalom Az AL-oldható foszfor a talajminták döntő többségénél 19 P2O5 mg/100g fölötti értéket mutatott, mely a felső szintben a minták 70%-át, az alsóban pedig a minták 53%-át jelenti. A két vizsgált réteg foszfortartalma között szoros kapcsolat volt (57. ábra).

152

A város belterületén magasabb foszfor koncentrációt mértünk (58. ábra), főként a közlekedési zónákban és parkokban (59. ábra). Legmagasabb foszfor értéket a Petőfi és Paragvári utca kereszteződésében mértünk, mely a felső szintben 119.2 P2O5 mg/100g talaj, az alsóban pedig 120.4 P2O5 mg/100g talaj volt.

Káliumtartalom Az AL-oldható káliumtartalom-értékek a mérési eredmények alapján hasonlóan alakultak a tájhasználati csoportosítás esetében, mint a foszfortartalom-értékek. Legmagasabb értékek itt is a közlekedési zónában és parkokban voltak mérhetőek (60. ábra). Az átlagértékek alapján azonban valamivel nagyobb különbségek mutatkoztak a két szint között. A felső talajszintben a minták döntően a kevés és a mérsékelten közepes kategóriába estek (61. ábra), míg az alsó szint mintáinak kálium-értékei a nagyon kevés és kevés kategóriába. A mért kálium értékek 2.2 és 43.7 K2O mg/100g talaj közöttiek voltak.

57. ábra: Összefüggés az egyes talajrétegek foszfortartalma között

60. ábra: A káliumtartalom (K2O) eredmények eloszlása 0-10 cm talajmélységben

58. ábra: A foszfortartalom (P2O5) eredmények térbeli eloszlása 10-20 cm talajmélységben

61. ábra: A káliumtartalom (K2O) átlageredményei a tájhasználati kategóriák szerint

59. ábra: A foszfortartalom (P2O5) átlageredményei a tájhasználati kategóriák szerint

Kalciumtartalom A kalciumtartalmi vizsgálatok alapján a minták 92%-a mindkét szintben 2.6 g Ca/ kg alattinak bizonyult (62. és a 63. ábra). Ki-

153

ugró értékek nincsenek, az eloszlás egyenletes. A tájhasználati kategóriák szerinti csoportosítás azt mutatja, hogy a magasabb értékek mezőgazdasági területeken, parkokban és a közlekedési zónákban fordultak elő (64. ábra).

Magnéziumtartalom A magnézium-tartalmi eredmények értékkategóriák szerinti megoszlása viszonylag egyenletesnek mondható mindkét szintben. A térképen jól látható (65. ábra), hogy a város K-ÉK-i részén magasabbak a magnézium értékek. A tájhasználati kategóriák szerinti besorolásban nem mutatkozott területi koncentráció, a kapott átlageredmények a tájhasználati típusok között minimális ingadozást mutattak (66. ábra). A vizsgált minták magnéziumtartalma 0.030.61 g/kg között mozgott.

62. ábra: A talajok kalciumtartalmának eloszlása a 0-10 cm-es rétegben

65. ábra: A magnéziumtartalom térbeli eloszlása 10-20 cm talajmélységben

63. ábra: A kalciumtartalom térbeli eloszlása 10-20 cm talajmélységben

66. ábra: A magnéziumtartalom átlageredményei a tájhasználati kategóriák szerint

64. ábra: A kalciumtartalom átlageredményei a tájhasználati kategóriák szerint

Vastartalom A vasértékek mindkét talajszintben hasonlóan alakultak. A minták kevéssel több, mint fele 0 és 100 mg Fe/kg talaj közötti értéket mutatott. 300 mg Fe/kg fölötti értéket a minták 26%-ában mértünk mindkét szintben. Kiugró értékeket is tapasztaltunk, méghoz-

154

zá azokon a pontokon, ahol a cink-értékek maximumát is mértük (Bogáti-fasor: 1541.1 mg Fe/kg, Gayer-park: 1732.9 mg Fe/kg) (67. ábra). Magas vastartalmi értékek esetén általában a cinktartalmi értékek is magasak voltak (68. ábra). A tájhasználati kategóriák szerinti átlageredmények azt mutatják, hogy a magasabb értékek erdős területről, valamint patak- és vízpartról származnak (68. ábra).

Mangántartalom A mangán-értékek 63%-a 0 és 100 mg Mn/ kg talaj közötti mindkét szintben. A belvárosi pontokról gyűjtött mintákban alacsonyabb mangán-koncentrációt mértünk, mint a külterületeken (70. ábra). Parkos területeken mértük a magasabb mangántartalmakat (71. ábra), a maximum érték az Emlékmű mellett gyűjtött mintánál volt mérhető mindkét szintben (felső szintben: 551.5 mg Mn/kg talaj, alsó szintben: 641.9 mg Mn/kg talaj).

67. ábra: A vastartalom térbeli eloszlása 10-20 cm talajmélységben

70. ábra: A mangántartalom térbeli eloszlása 10-20 cm talajmélységben

68. ábra: A vastartalom átlageredményei a tájhasználati kategóriák szerint

71. ábra: A mangántartalom átlageredményei a tájhasználati kategóriák szerint

69. ábra: Összefüggés a talaj oldható vas és cinktartalma között a 0-10 cm-es rétegben

Réztartalom A minták túlnyomó többségében 2 és 15 mg Cu/kg talaj között alakultak a rézértékek (72. ábra), mely a felső szintben a minták 84%-át, az alsóban pedig 87%-át jelentette. A felső szintben 6 talajminta esetében 15 mg Cu/kg talaj fölötti értékeket találtunk. A maximum értéket (30.6 mg Cu/kg) erdős

155

területről származó mintánál mértük a 0-10 cm-es rétegben (73. ábra), de alapvetően a magasabb rézértékek parkos területeken fordultak elő (74. ábra).

Cinktartalom A 0-10 cm-es rétegből vizsgált minták 41%-nál 7.0 mg Zn/kg talaj feletti értékeket mértünk, a 10-20 cm-es szint mintáinak 53%-nál pedig 3.5 mg Zn/kg talaj feletti volt a cinktartalom. E magasabb értékek leginkább a belvárosi területekről, forgalmasabb utak közeléből, valamint patakpartról gyűjtött minták esetében voltak tapasztalhatóak (75. és 76. ábra). Kiugró cink-értékeket mértünk a Gyöngyös-patak közeléből származó két gyűjtési pontnál, a Bogáti-fasornál a felső szint mintájában (107.7 mg Zn/kg), illetve a Gayer-parkban az alsó szint mintájában (127.7 mg Zn/kg).

72. ábra. Talajok EDTA/DTPA oldható réztartalmának megoszlása a 10-20 cm-es rétegben

75. ábra: A cinktartalom eredményeinek eloszlása 0-10 cm talajmélységben

73. ábra: A réztartalom térbeli eloszlása 0-10 cm talajmélységben

76. ábra: A cinktartalom átlageredményei a tájhasználati kategóriák szerint

Sopron 74. ábra. A réztartalom átlageredményei a tájhasználati kategóriák szerint

Tájhasználat szerint a mintavételi pontok legnagyobb arányban erdőben (27%), lakóövezeti zónában (16%) és közlekedési zónában helyezkednek el (77. ábra).

156

79. ábra: A pH átlagértékek a tájhasználati kategóriáinak függvényében 77. ábra: A mintavételi pontok tájhasználat szerinti megoszlása

Kémhatás Sopron város talajainak jellegzetes tulajdonsága, hogy a kémhatást alapvetően az alapkőzet határozza meg. A városi terület nagy részét a geológiai körülmények, illetve az emberi hatásra lerakódott üledék borítja. Ez az üledék meszes, így az onnan származó minták többsége gyengén lúgos vagy lúgos. A város DNy-i részén jól elkülöníthetők a Soproni-hegyvidék savanyú erdőtalajai. A belvárosban gyűjtött minták lúgos kémhatásúak (78. ábra). A Soproni-hegység erdőtalajainak pH-ja az alapkőzetnek és az erdők hatásának megfelelően savanyú kémhatású, míg a többi kategória értékei, mint az ipari övezet és a közlekedési zóna gyengén lúgos, lúgos pH értékű az antropogén tevékenység miatt (79. ábra). Ezt a kettősséget jól mutatja a kémhatási értékeket jelző ábra kettős „csúcs”, ahol jól elkülönül a hegyvidéki savanyú rész, a többi mintától (80. ábra).

78. ábra: A pH értékek térbeli eloszlása 0-10 cm-es talajmélységben

80. ábra: A talajminták kémhatásának megoszlása a 0-10 cm-es rétegben

Szénsavas mésztartalom Ahol az alapkőzet jelenléte érvényesül, ott a savanyú kémhatású talajok miatt nem mutatható ki szénsavas mész, ami igaz a minták egynegyedére. A belvárosi minták szénsavas mésztartalma az általunk használt kategóriák szerint nagyon sok, ez a külterületi minták harmadára is igaz mindkét szintben (81. ábra).

81. ábra: Mésztartalom a 10-20 cm-es talajmélységben

157

A belváros területén a legmeszesebb talajminta a folyamatos belterületi építkezésnek köszönhetően lakókörnyezetből származik (82. ábra). A városi építkezések miatt a törmelékek és hulladékok a talajba kerülve megemelhették a talaj kalcium-karbonát tartalmát. A tájhasználati kategóriák szerint a művelés alávont területeken (kiskert, szőlő, szántó) – ahol sok esetben túlhasználat is jelentkezhet – az alacsonyabb mésztartalmi értékek voltak jellemzőek, csakúgy, mint az erdővel borított területekre.

A vizsgálatok alapján az ilyen talajok kedvező víztartó, de rossz vízáteresztő tulajdonságokkal rendelkeznek, mivel jól befogadják a csapadékvizet és azt jól meg is tartják. A tájhasználat szerint az Arany-féle kötöttségi számok nagyjából azonos értékeket adtak mindkét vizsgált szintben, a legmagasabb érték patak- illetve vízpart közeléből gyűjtött talajmintából származott, melyet a felső szintből mutattunk ki (84. ábra).

84. ábra: Az Arany-féle kötöttség átlagértékei a tájhasználati kategóriák függvényében 82. ábra: A mésztartalmi átlagértékek megoszlása a tájhasználati kategóriák szerint

Fizikai féleség A talajok fizikai féleségét szemcseeloszlási vizsgálat és az Arany-féle kötöttségi érték alapján állapítottuk meg. A talajok fizikai félesége a felső szintben 32%-ban agyag, 29%ban agyagos vályog, 22%-ban nehéz agyag (83. ábra), míg az alsóbb rétegben már az agyagos vályog fizikai féleség is megjelent.

Humusztartalom A talajok szervesanyag-tartalmának vizsgálatai szerint a minták 94 %-a 2 % feletti humuszt tartalmazott, mely kedvező tulajdonság. A humusz mennyiség alapján erősen elkülönül egymástól a belváros és a külváros, míg a belváros területén a humusz mennyisége mindkét vizsgált szintben alacsony volt, addig a külvárosban az erdőkkel borított területeken több kiugró értékkel is találkoztunk (85. és 86. ábra).

83. ábra: A fizikai féleség térbeli eloszlása a 0-10 cm-es talajszintben 85. ábra: A talajok humusztartalma a 0-10 cm-es rétegben

158

88. ábra: Nitrogéntartalmi értékek átlaga a a tájhasználati kategóriák függvényében 86. ábra: Humusztartalom térbeli eloszlása a 0-10 cm-es talajmélységben

A város területén lévő talajok nem csak szerves anyagokban, szénben gazdagok, hanem nitrogénben is. A 0-10 cm-es réteg nitrogénnel jobban ellátott az alsóbb szinthez képest, ezért a nitrogénértékek kevés kivétellel a felső szintben mindig magasabbak voltak (88. és 89. ábra).

87. ábra: Humusztartalomi értékek átlaga a tájhasználati kategóriák függvényében

A tájhasználati és a tematikus térképek alapján is megállapítható, hogy a város belterülete – elsősorban a felső szintben – humuszos, mely szerint az antropogén hatások még nincsenek túlsúlyban a természetes folyamatokkal szemben, bár a kiskertek kategória értékei alacsonyabbnak mondhatóak a többinél (87. ábra).

89. ábra: Nitrogéntartalom térbeli eloszlása a 10-20 cm-es talajmélységben

Nitrogéntartalom A lakó- illetve az ipari övezet és közlekedési zóna 10-20 cm-es nitrogénértékei alacsonyabbnak bizonyultak a többi kategória alsó szintjének értékeinél (88. ábra). A legmagasabb értékeket a felső szintben a kis kerteknél mutattunk ki, ennek oka lehet, hogy a nitrogéntartalmú műtrágyákat – mivel gyorsan oldódnak – elég tavasszal kijuttatni a szükséges mennyiségben a művelt területre, a talajmintavétel pedig szintén tavasszal zajlott.

90. ábra: Összefüggés a talajok humusz- és nitrogéntartalma között a 0-10 cm-es rétegben

159

Káliumtartalom Az oldható káliumtartalmat tekintve a város talajai változatosak. Ez a változatosság elsősorban a külterületen lévő szántókon, gyepeken és kiskertekben használatos káliumtartalmú műtrágyák használatára vezethető vissza. A peremterületekről jellemzően kiszorult a mezőgazdálkodás a város növekedése miatt és lakóövezetek létesülnek a korábban művelt területek helyén. Ez a folyamat figyelhető meg a város peremén a főutak mentén, ahol még ma is magas oldható káliumértékek jelzik az egykor műtrágyázott szántókat (91. ábra).

93. ábra: Összefüggés a két talajréteg káliumtartalmában

Foszfortartalom Az oldható foszfortartalom mindkét tanulmányozott szintben a nagyon sok ellátottsági kategóriába sorolható. A külvárosi mintákból a kiugró káliumértékekkel arányosan kiugró foszfor eredményeket állapítottunk meg a művelés alá vont területek esetében (94. ábra). A belvárosi minták közül a nagy forgalmat bonyolító közlekedési zónák pontjainál mutattunk ki kiugró értékeket (95. ábra). 91. ábra: A káliumtartalom (K2O) térbeli eloszlása a 0-10 cmes talajmélységben

92. ábra: A káliumtartalom átlaga a jellemző tájhasználat szempontjából

A tájhasználati osztályozás alátámasztja az előbb leírtakat. A 0-10 cm-es talajmélység mintái minden esetben magasabb értékkel rendelkeznek, mint az alsó szint, de szintek között nagyjából egyforma a különbség (92. ábra). A két szint értékei között szoros kapcsolatot találtunk (93. ábra).

94. ábra: Összefüggés a talajok foszfor és káliumtartalma között

160

97. ábra: A kalciumtartalmi értékek átlaga a tájhasználat függvényében 95. ábra: A foszfortartalom (P2O5) térbeli eloszlása a 10-20 cm-es talajszintben

Az AL-oldható foszfortartalom vizsgálat kimutatta, hogy – mindkét tanulmányozott szintben – a minták 55-65%-a 26 mg-nál több P2O5-ot tartalmaz 100g talajra vonatkoztatva, ami a nagyon sok kategóriába sorolható. Az erdőterületek nagyon alacsony, a patak- és vízpartról származó mintáknál magas foszforértékeket mértünk (96. ábra). 98. ábra: A kalciumtartalom térbeli eloszlása a 0-10 cm-es talajszintben

96. ábra: A foszfortartalmi értékek átlaga a tájhasználati kategóriák szerint

Kalciumtartalom A kalciumtartalom vizsgálatánál a legmagasabb értékeket mezőgazdasági területek közelében és közlekedési zónákban mértük, melynek oka lehet, hogy az utak jégmentesítése során sokszor kálcium-kloridot használnak, mely bemosódik a talajba. A Soproni-hegyvidék erdős talajaiban természetesen kismennyiségben fordult elő. A vizsgált minták, melyeket parkokból gyűjtöttünk a felsőszintben magas oldható kalciumtartalommal rendelkeztek (97. ábra).

Magas kalciumértékek inkább a külvárosi pontokon voltak kimutathatóak. Magas oldható kalciumértékek jellemezték a római korból ránk maradt építmények környezetének talajait vagy éppen alacsony értéket találtunk a hegyvidék erdőstalajain, de a belváros talajai inkább közepesen, illetve gyengén ellátottak voltak oldható kalciumtartalommal (98. ábra). Magnéziumtartalom A magnéziumtartalom természetesen a balfi palackozó üzem mögött gyűjtött mintákban volt a legjelentősebb, mert a törések mentén olyan ásványvíz tör a felszínre, amely a tortonai törmelékes üledékben tárolódott a miocén képződmények keletkezése óta (99. ábra).

161

99. ábra: A magnéziumtartalom térbeli eloszlása a 10-20 cmes talajszintben

100. ábra: A magnéziumtartalmi értékek átlaga a tájhasználat függvényében

Nem találtunk nagy különbséget, a magnézium ellátottságban, de az erősen meszes és magas káliumtartalommal rendelkező talajokon több esetben is magnéziumhiányt tapasztaltunk. A trágya (akár szerves, akár műtrágya) tartalmaz felvehető mikroelemeket, ilyen a magnézium is, ezzel magyarázható, hogy a szántóföldi, illetve mezőgazdasági területeken magas magnéziumtartalmat találtunk (100. ábra). Vastartalom Sopronban a legmagasabb oldható vastartalmi értékeket az erdős területekről származó mintáknál találtunk (101. ábra). Erdőtalajoknál jellemző, hogy a vas-oxidjainak vegyületei felhalmozódnak a talajban és elszíneződést okozhatnak.

101. ábra: A vastartalom térbeli eloszlása a 0-10 cm-es talajszintben

A 102. ábra jól szemlélteti, hogy a pHH2O és a vasértékek között viszonylag szoros kapcsolat van. A kémhatás vizsgálatoknál már korábban megállapítottuk, hogy a hegyvidék talaja az alapkőzet miatt savas kémhatású és ezeken a mintavételi pontokon – 7-es pH alatti értékek – magas oldható vasértékek párosultak a savanyú erdőterület pontjaihoz. Meszes talajokban az oldható vastartalom jelentősen lecsökken. Tehát a diagram alapján megállapítható, hogy az alapkőzet miatt savas kémhatású erdőterület mintáiban jellemzően felhalmozódnak a talajt elszínező vas-oxidok.

102. ábra: A vastartalom és a pH(H2O) összefüggései a 0-10 cm-es talajmélységben

162

Mangántartalom A mangánértékek 82-84%-ban 100 mg/kg érték alattiak és követik a vasértékek tendenciáit. Több erdős területen mindkét talajrétegben kiugróan magas mangántartalmat fedeztünk fel, amely valószínűsíthetően az alapkőzetre vezethető vissza (103. ábra).

ponton is. A magas réztartalom oka lehet a szőlő és növénytermesztés, melyhez régen és napjainkban is réz-szulfáttartalmú növényvédőszereket alkalmaznak termésfokozó hatásuk miatt (105. ábra).

103. ábra: A mangántartalmi értékek átlaga a tájhasználat függvényében 105. ábra: EDTA/DTPA-oldható réztartalom a 10-20 cm-es talajszintben

106. ábra: Tájhasználati megoszlás az EDTA/DTPA-oldható réztartalom függvényében a vizsgált talajmélységekben a tájhasználat függvényében

104. ábra: A mangántartalom térbeli eloszlása a 0-10 cm-es talajszintben

A tematikus térkép szerint (104. ábra) a város területén a felső talajrétegben mérsékelten közepes vagy kevés mennyiségben van jelen az oldható mangántartalom. A város peremterületein viszont egyre nagyobb mennyiségben jelentkezett, a Sopronihegyvidék erdőtalajainak oldható mangántartalma pedig már a nagy sok kategóriába sorolható. Réztartalom Az oldható réztartalom vizsgálatok szerint magas értékeket mértünk kistelkes és családi házas övezetekben több mintavételi

A 106. ábra szerint is az emberi jelenlét okozta rézfelhalmozódás mutatható ki a kiskert és a szőlő kategóriában mindkét szintben. A többi kategória közül kiemelkednek még az alsó szint patak- és vízpartról származó mintáinak átlagértéke. Ennek oka valószínűleg az, hogy a vízfolyások környéke sok esetben határos a kiskertes övezetekkel, tehát a növényvédőszerek hatása a szél és csapadék által messzebbre is eljutott és kimutatható lett. Megjegyezzük, hogy a vizsgált elemek közül a réz esetén találtuk a legszorosabb kapcsolatot a két vizsgált szint értékei között (107. ábra).

163

Cinktartalom A legmagasabb oldható cinkértékeket a belvárosi forgalmat bonyolító utak mentén, illetve a buszpályaudvar közelében mértük mindkét szintben. A cink és vegyületei az antropogén hatások állandó kísérői, háztartási eszközökben, ipari és mezőgazdasági felhasználásban is jelen vannak (108. ábra). Az alsó szintben egy kiugró értéket tapasztaltunk, melynek okát az érték nagysága miatt a jövőben érdemes lenne alaposabban megvizsgálni.

108. ábra: A cinktartalmi értékek átlaga a tájhasználati kategóriák szerint

Cinkfelhalmozódás nemcsak a közlekedés miatt lehetséges, mivel a cink és vegyületei az antropogén hatások állandó kísérői, háztartási eszközökben, ipari és mezőgazdasági felhasználásban egyaránt jelen vannak (109. ábra). Ennek megfelelően a város több különböző pontján jelentős mennyiségben voltak kimutathatóak.

109. ábra: EDTA/DTPA-oldható cinktartalom a 10-20 cm-es talajszintben

Az eredmények összefoglaló értékelése Az egyes városok kialakulását eltérő természeti és antropogén tényezők határozták meg, emiatt nehéz általános következtetéseket levonni a vizsgálatainkból. Ennek ellenére vannak olyan közös sajátosságok, amelyek az eredmények értékelésével váltak kimutathatóvá. Az előzetes várakozásnak megfelelően a talajképző alapkőzet – azaz a geológiai adottságok – alapvetően meghatározták a talajok tulajdonságait. Székesfehérvár és Sopron esetében a város területére benyúló, eltérő alapkőzetű hegyvonulat (Sopron esetében a Soproni hegység metamorf kőzeteiről, Székesfehérvárnál a Velenceihegység gránitjáról van szó) savanyú alapkőzete érvényesül az érintett területeken. A savanyú mállású alapkőzet és az ezen álló erdők együttes hatásának eredményeképpen savanyú talajok alakultak ki ezeken a területeken. A városok belterületének talajait már nem csak az alapkőzet, hanem az antropogén tevékenységek során lerakott, meszes üledékek határozzák meg. Mivel mindhárom városban előfordulnak természetes eredetű meszes üledékek, nehéz volt elválasztani ezeket, illetve az antropogén

164

hatások eredményeképpen létrejött lúgos talajokat. Ennek ellenére jól megfigyelhető volt, hogy mindhárom város történelmi belvárosában a talajok túlnyomó része mésztartalmú, gyengén lúgos, illetve lúgos talaj volt. Szombathely esetében a Kőszegi-hegység savanyú metamorf kőzeteinek (fillit, csillámpala) lehetne befolyásoló hatása, de a távolság miatt a város területén ez a tényező csak a város két patakjának (a Perint és a Gyöngyös is a Kőszegi-hegységben ered) hordalékában jelentkezhet. A város és környékének területén a kémhatás döntően a semleges és a gyengén lúgos kategóriába sorolható. Ez miatt a Szombathelyről származó minták felében, illetve a soproni erdős területek talajmintáiban (a minták negyedében) nem találtunk szénsavas meszet. A város talajainak fizikai féleségét is meghatározza az alapkőzet. Székesfehérvár talajainak fizikai félesége elég változatos, de túlnyomórészt vályogos szövetű, amely a Mezőföld löszös lerakódására utalhat. A talajminták között előfordult még az agyagos vályog, homokos vályog fizikai féleség is mindkét szintben, ezek a talajok kiválóak a mezőgazdasági művelésre. Szombathelyen jórészt agyagos vályog talajokat találtunk, amely az eltérő hordalék eredetre vezethető vissza. Sopronban a mállási folyamatok eredményeképpen a kötöttebb agyagos talajok alakultak ki. Sopron és Szombathely belterületén kedvező mennyiségben találtunk humuszt, bár a külterületek humusztartalma magasabb volt. Székesfehérvár belvárosában pedig több kiugró értéket mértünk, de a kül- és peremterületek inkább humuszban szegénynek mondhatók, melynek egyik lehetséges oka az intenzív mezőgazdasági művelés. Mindhárom város talajának mindkét vizsgált rétege nitrogénnel jól ellátottnak tekinthető, mely a kedvező szerves anyaggazdálkodásra utalhat. Az AL-oldható káliumtartalom változó mennyiségben fordult elő a városok terü-

letein, magas értéket inkább a külterületen lévő szántókon, gyepeken és kiskertekben mértünk a káliumtartalmú műtrágyák használata miatt. Az AL-oldható foszfortartalom forgalmas közlekedési zónák pontjainál vagy művelés alávont területeken volt nagyon magas, az utóbbi oka valószínűleg az antropogén foszfortrágyázás. Az KCl-oldható kalciumtartalom vizsgálatnál kiugró értékeket mezőgazdasági területeken és közlekedési zónákban mértük, melynek oka lehet az utak jégmentesítésére alkalmazott CaCl2 maradványok jelenléte. A magnézium-tartalmi eredmények értékkategóriák szerinti megoszlása viszonylag egyenletesnek mondható a városokban. Sopron esetében mezőgazdasági illetve külterületeken mértünk magas értékeket, melynek oka lehet, hogy a kijuttatott trágya (akár szerves, akár műtrágya) tartalmazhatott felvehető mikroelemeket, például magnéziumot is. Az EDTA/DTPA-oldható vas- és mangán vizsgálatoknál a magas értékeket általában erdős területek talajaiból mutattunk ki. A Szombathelyről származó minták magas vasértékeihez magas cinkkoncentráció társult több mintavételi pont esetében is. A soproni minták vizes kémhatása és a vasértékek között viszonylag szoros kapcsolatot fedeztünk fel, mivel az alapkőzet miatt savas kémhatású erdőterület mintáiban jellemzően felhalmozódnak a vas-oxidok. A székesfehérvári mintákban a magas vas- és mangánértékek ásványi eredetűek, és megfelelnek az enyhén savanyú erdőtalajnak. A legmagasabb EDTA/DTPA-oldható rézértékeket az ipari övezet talajmintáiban mértük mindkét talajszintben, ezt pedig a lakóövezeti zónában mért értékek követik Székesfehérváron. Sopronban a réztartalmú növényvédőszerek használata miatt kiugró oldható réz értékeket a kistelkes és a családi házas övezetben mértünk. Szombathelyen a szélsőséges réztartalmi értékek nem voltak jellemzőek.

165

Magasabb cink értékeket mértünk az ipari körzetben és utak mentén, amelyek valószínűleg az ipari tevékenységgel és a gépjárműforgalommal hozhatóak kapcsolatba. Szombathelyen nagyon magas cinkértékeket mértünk a Gyöngyös-patak partján több mintavételi ponton is. Jelen kötetben munkánk első eredményeiről kívántunk beszámolni. A felvételi eredmények további értékeléséhez létre kívánunk hozni egy közös adatbázist, amelybe bekerülne a domborzat modell és a légi valamint az űrfelvételek kiértékeléséből kapott eredmények is. Ezek közös értékelése tenné lehetővé, hogy az egyes városokban pontosabban leválasszuk azokat a részeket, ahol azonos tendenciák érvényesülnek. A talajtani kutatásainkat további vizsgálatokkal (így például a nehézfémtartalom meghatározása) is ki kívánjuk egészíteni.

Köszönetnyilvánítás

mérnöki Kar. Termőhelyismerettani Tanszék, Sopron. 118. p.

BÉRCZI, I. – JÁMBOR, Á (SZERK. 1998): Magyarország geológiai képződményeinek rétegtana. – MOL Rt. – Magyar Állami Földtani Intézet, Budapest, 517 p.

BILLWITZ, K. – BREUSTE, J. (1980): Anthropogene Bodenveränderungen im Stadtgebiet von Halle/Saale. – Wiss. Zeitschrift Univ. Halle 39(4): 25–43.

BLUME, H-P. (1975): Zur Gliederung anthropogener Böden. – Mitteilungen Deutsche Bodenkundliche Gesellschaft 22: 597–602.

BLUME, H-P. – SCHLICHTING, E. (1982): Soil problems in urban areas. – Mitteilungen Deutsche Bodenkundliche Gesellschaft 33: 1–280.

Köszönetet mondunk Stark Miklósné és Varga Zsófia laboránsoknak, illetve Gombás Katalinnak, Kiss Attilának, Pulger Györgynek, Kökény Gergőnek, Jakab Péternek, Szabó Péternek és Korsós Koppánynak, akik a terepi mintavételeknél és laboratóriumi vizsgálatokban közreműködtek. Kutatásunkat a TÁMOP 4.2.1.B-09/1/KONV-20100006 és a TÁMOP-4.2.2.B-10/1-2010-0018 számú projekt keretében valósítottuk meg.

BLUME, H-P. – RUNGE, M. (1978): Genese und Ökologie innerstädtischer Böden aus Bauschutt. – Pflanzenernährung und Bodenkunde 141: 727–740.

BOCKHEIM, J. G. (1974): Nature and Properties of Highly Disturbed Urban Soils, Philadelphia, Pennsylvania. – Paper presented before Div. S-5, Soil Science Society of America, Chicago, Illionis.

Felhasznált irodalom BAIZE, D. – GIRARD, M. C. (SZERK. 1995): Référentiel Pédologique. – Institut National de la Recherche Agronomique, Paris, France (in French).

BELLÉR, P. (1997): Talajvizsgálati módszerek. – Egyetemi jegyzet, Soproni Egyetem, Erdő-

BUDAI, T. – KONRÁD, GY. (2011): Magyarország földtana. – Egyetemi Jegyzet Pécsi Tudományegyetem, Pécs, 107 p.

BURGHARDT ,W. – DORNAUF ,C. (SZERK. 2000): First International Conference on Soils of Urban, Industrial, Traffic and Mining Areas.

166

– University of Essen, July 12–18, 2000, vol. 1–4, Essen, Germany.

Tanszék, Szeged, 128. p.

HAAS, J. (2004): Magyarország geológiája.

CRAUL, P.J. (1985): A description of urban soils and their desired characteristics.

Triász. Eötvös Kiadó, Budapest, 384 p.

– J. Arboric. 11:330–339.

CSÁSZÁR G. (szerk. 1997): Magyarország litosztratigráfiai alapegységei. Táblázatok és rövid leírások.

HAAS J. – BUDAI T. – CSONTOS L. – FODOR L. – KONRÁD GY. (2010): Magyarország pre-kainozoos földtani térképe 1:500 000. MÁFI, Budapest.

– Magyar Állami Földtani Intézet, Budapest, 114 p.

CSÁSZÁR G. (2005): Magyarország és környezetének regionális földtana I. (Paleozoikum-paleogén). – ELTE Eötvös Kiadó, Budapest, 328 p.

DÖVÉNYI, Z. (SZERK. 2010): Magyarország kistájainak katasztere. – MTA Földrajztudományi Kutatóintézet, Budapest, 876 p.

JUHÁSZ, I. (szerk., 2006): Magyarország talajainak állapota [Condition of Hungarian Soils]. NTKSZ–MTA Talajtani és Agrokémiai Kutatóintézet, Budapest. 91+17. p.

KOVÁCS, M. – NYÁRI, I. (1984): Budapesti közterületek talajainak nehézfém-tartalma. [Heavy metal contents of the soils in public places in Budapest]. Agrokémia és Talajtan 33: 501–510.

FANNING, D.S. – STEIN, C.E. – PATERSON, J.C. (1978): Theories of genesis and classification of highly man-influenced soils. In: Abstracts of Commission Papers, vol. 1. 11th Congress of the International Society of Soil Science, Edmonton, Canada, 283.p. FINNERN, H. (SZERK., 1994): Pedological mapping manual. 4. – Verbesserte und erweiterte Auflage. Hannover, 392.

LEHMANN, A. – STAHR, K. (2007): Nature and significance of anthropogenic urban soils. Journal of Soils and Sediments 7(4): 247–260.

MAECHLING, P., – COOK, H., – BOCKHEIM, J.G. (1974): Nature and properties of highly disturbed urban soils. 161 In: Agronomy Abstracts ASA. Madison, Wisconsin.

FÜLÖP, J. (1990): Magyarország geológiája, Paleozoikum I.

MEUSER, H. (2010): Contaminated Urban Soils.

– Magyar Állami Földtani Intézet, Budapest, 326 p.

Springer Science+ Business Media B.V., 318. p.

GÉCZI, R. (1999): Városökológiai kutatások néhány időszerű kérdése Kolozsváron. – Doktori Disszertáció, Szegedi Tudományegyetem, Természeti Földrajzi és Geoinformatikai

PUSKÁS, I. – FARSANG, A. (2007): A városi talajok osztályozása és antropogén bélyegeinek meghatározása Szeged példáján [Classification of urban soils, differentiation of their antropogenic diagnostic properties of the example of

167

soils in Szeged]

Talajtan [Soil science].

Tájökológiai Lapok 5(2): 371–379.

Mezőgazda Kiadó, Budapest. 380 p.

PUSKÁS, I. – PRAZSÁK, I. – FARSANG, A. – MARÓY, P. (2008): Antropogén hatásra módosult fizikai, kémiai és biológiai tulajdonságok értékelése Szeged és környéke talajaiban [Evaluation of anthropogenic modifications to the physical, chemical and biological properties of soils in Szeged and its vicinity (SE Hungary)].

STEFANOVITS, P. – FILEP, GY. – FÜLEKY, GY. (1999): Talajtan [Soil science].

Agrokémia és Talajtan 57(2): 261–280.

RUNGE, M. (1975): Westberliner Böden anthropogener Lithooder Pedogenese. Diss. TU West Berlin.

SENFT, F. (1847): Lehrbuch der Gebirgs- und Bodenkunde. –

Mezőgazda Kiadó, Budapest. 470 p.

TYURIN, P. V. (1951): A talaj humuszával kapcsolatos összehasonlító elemzések módszerei (K metodike analiza dlja szravnyitelnogo izucsenija szosztava pocsvennogo gumusza). – Trudü Pocsvennogo Insztituta. – A.N. Sz. Sz. Sz. R. (in Russian).

ZEMLYANITSKIY, L. T., 1963: Characteristics of the soils in the cities. Soviet Soil Science 5: 468–475 (English translation).

Weboldal hivatkozások:

Mauke, Jena, Germany.

SHISHOV, L.L., – TONKONOGOV, V.D., – LEBEDEVA, I.I., (SZERK. 1997): Classification of soils of Russia.

http://www.mafi.hu/static/microsites/ kekkonyv/kk_2resz/kk_retegleiras.html http://www.mafi.hu/hu/node/2079

– Dokuchaev Soil Science Institute, Moscow, 236 p.

SZAKMÁNY, GY. (2008): Segédanyag BSc szakosok geológus szakirány metamorf kőzettan gyakorlat anyagához. – ELTE Egyetemi jegyzet, Budapest, 30 p.

SZEGEDI, S. (1999): Közlekedési eredetű nehézfémek Debrecen talajaiban és növényzetében, ennek talajtani összefüggései és városökológiai hatásai. Doktori értekezés. Kossuth Lajos Tudományegyetem, Debrecen, 138. p.

SZEDERKÉNYI T. (2010): Ásvány-és Kőzettan. – JATE Press, Szeged, 112 p.

STEFANOVITS, P. (1992):

168

A városiasodás hatásai a vizekre GRIBOVSZKI Zoltán* | KALICZ Péter | CSÁFORDI Péter CSÁKY Péter | GYIMÓTHY Kitti | SZEGEDI Balázs | SZITA Renáta GERENCSÉR Noémi | SZINETÁR Márton | AMBRUS András Nyugat-magyarországi Egyetem, Geomatikai, Erdőfeltárási és Vízgazdálkodási Intézet Sopron, Bajcsy-Zsilinszky u. 4. *e-mail: [email protected]

A városokban az eredetileg természetes vízgyűjtő jellemzőinek általában olyan mértékű a módosulása, hogy ez jelentős minőségi és mennyiségi változásokat eredményez a hidrológiai körfolyamatban. A vízminőség romlása, a vízjárás szélsőségesebbé válása hatást gyakorol a tágabb környezetre, ökoszisztémára, valamint maga után vonja a biodiverzitás csökkenését (GAYER – LIGETVÁRY 2007). Ezen hatások értékelése azonban nemcsak a vízfolyások ökológiai állapotának oldaláról, de a városban lakó ember közérzete, biztonsága, sőt egészsége szempontjából is rendkívül fontos. A kisvízfolyások állapotának a városi környezetben bekövetkező változását vizsgáltuk a szombathelyi Sorok-Perint és Gyöngyös-patak, a székesfehérvári Gaja-patak, valamint kiemelten a soproni Rák-patak vízrendszerén a hidrológiai és vízminőségi monitorozást ésszerűen összekapcsolva. A Rák-patak vízrendszerén lehetőség nyílott nagyobb adatgyakoriságú és komplexebb vizsgálatok elvégzésére is. Így ezen a vízrendszeren vizsgálni tudtuk az eróziós és hordalékmozgási folyamatokat, a hidrobi-

ológiai jellemzők változását, és a vízpartokon az özönnövények megjelenését is. Az előbbieken kívül a vízrendszer egyes részeire egy hidrodinamikai modell és egyes részvízgyűjtőkre egy csapadék-lefolyás modell felparaméterezését is elvégeztük. A következő anyag kapcsolódó részei a fenti témaköröket elemzik részletesebben. Az egyes részfejezetek összeállítói a fejezetcímek alatt található személyek (bár ezeken a szerzőkön kívül általában többen is részt vettek a téma kidolgozásában), a fejezetek a következő kódokkal ellátottak és a megadott sorrendben következnek egymás után: SVM (Sopron Vízminőség), SHH (Sopron Hidrológia-Hidrodinamika), SCL (Sopron Csapadék-Lefolyás), SEH (Sopron Erózió-Hordalék), SON (Sopron Özön Növény), SHB (Soproni Hidrobiológia), SZEV (Székesfehérvár Vizek), SZOV (Szombathely Vizek).

169

Köszönetnyilvánítás

Vizsgálati módszerek

A kutatás az Európai Unió támogatásával, az Európai Szociális Alap társfinanszírozásával valósult meg. A pályázat kódja: TÁMOP 4.2.1/B-09/KONV-2010-0006. Köszönjük továbbá a KKK és az ERFARET támogatását. GRIBOVSZKI Zoltán munkáját az MTA Bólyai Ösztöndíja segítette.

A munka első fázisában beszereztük a Rák-patak városi szakaszával is foglalkozó korábbi hidrológiai, hidrogeológiai (Hullámvonal (2006), KÁRPÁTI (1955), KISHÁZI – IVANCSICS (1981-85), KVT (1981), KOCH (1997), MTA FKI (1990)), vízkémiai (KLINGER (1993), KELLER (1998), GUTTMANN – IMRIK (2010)) és egyéb tanulmányokat (KONDOR (1991), TÓTH (2005), FARKAS (2008), NYME KKK (2009)), valamint térképi adatforrásokat. Ezeket áttanulmányozva próbáltunk alapinformációkat beszerezni a vízgyűjtőről, ill. az ott folyó tevékenységről. A vizsgálati helyeket az előbbi információk figyelembe vételével jellegzetes település-szerkezeti váltásokhoz kapcsolódóan jelöltük ki (SVM-1. ábra). A mérési pontok koordinátáit és a hozzájuk tartozó vízgyűjtők paramétereit az SVM-1. táblázat tartalmazza.

A városiasodás vízminőségi hatásai a soproni Rák-patak vízrendszerén (SVM) Gribovszki Z.

Bevezetés Jelen tanulmány a kisvízfolyások állapotának a városi környezetben bekövetkező változását vizsgálja a soproni Rák-patak vízrendszerén a hidrológiai és vízminőségi monitorozást ésszerűen összekapcsolva. A kutatás során a Rák patak esetében hét mérési helyet jelöltünk ki a forrásvidéktől a torkolatig – részben a természetközeli (emberi hatásoktól jórészt zavartalan), részben az eltérő jellegű városi területekhez kapcsolódó részvízgyűjtőkön. Célunk, hogy rendszeres terepi mérésekkel megalapozzuk egy olyan összetett modell jövőbeli kifejlesztését, amely alkalmas a vízgyűjtőn lezajló szennyezési folyamatok eredményeképp kialakuló vízminőség előrejelzésére. Az eddig összegyűlt adatokból modell még nem építhető, de bizonyos változások és hatótényezők a mintavételi hely városon belüli elhelyezkedése függvényében már kimutathatók. A vizsgálatok első eredményeiről számol be jelen írás.

A vizsgálati helyeken 2011 április vége óta folyamatosan regisztráljuk a vízállást, 2010 szeptembere óta kéthetente mérjük a vízhozam-meghatározáshoz kapcsolódóan az átlagos vízmélységet és vízsebességet, illetve a keresztszelvény paramétereket, továbbá a fiziko-kémiai (hőmérséklet, pH, vezetőképesség (K), lebegő anyag (LA)) paramétereket és 2011 februárja óta az egyéb vízkémiai (KOIpr, ammónium (NH4+), nitrát (NO3-), összes foszfor, szulfát, klorid) jellemzőket.

170

Mintavételi hely neve (Kódja)

EOV-X EOV-Y

Avgy (km2) [Belterület (%)]

Arvgy Jellemzés (km2) [Belterület (%)]

TESCO_híd (TESCO)

466955,82 261189,69

37,50 [24,11]

1,38 [90,43]

Ipar körúti híd a Tesco-nál. Fölötte a részvízgyűjtő nagyrészt iparterület.

Győri út (GYORI)

466163,02 261919,33

36,12 [21,06]

4,27 [99,67]

Alagút után, a volt vágóhíd előtt. Fölötte a részvízgyűjtő nagyrészt belvárosi, városi sűrűn beépített környezet. Patak fedett mederben.

Fasor utca (FASOR)

464591,68 262897,20

31,85 [12,85]

4,66 [58,08]

Az Erzsébet-kert végén a belvárosi alagút előtt. A részvízgyűjtő nagyrészt családi házas beépítés, sportpálya, lakótelep. A patak egy szakaszon fedett.

Hajnal tér (HAJNAL)

462422,36 262364,38

27,19 [5,96]

3,77 [11,75]

Hajnal-tér, a kertvárosi rövid alagútba való belépés előtt. A részvízgyűjtőn külvárosi kizárólag családi házas beép..

Sopronbánfalva (BAN)

461420,27 262175,24

23,82 [5,05]

13,77 [7,95]

EDUKOVIZIG-NYME vízmérce a város felső határában. A város feletti vízállapotok jellemzésére. 1-2 kistelepülés a részvízgyűjtőn.

Görbehalmi-tó (TO)

457955,77 262192,94

10,05 [1,29]

4,16 [2,97]

A tározó zsilipje, a tározó hatásainak vizsgálatára. 1-2 tanya a részvízgyűjtőn.

Kutatóház (HAZ)

455886,22 261941,60

5,89 [0,16]

5,89 [0,16]

Hidegvíz-völgyi ház mérőműtárgy. Zavartalan vízgyűjtő

1. táblázat (SVM): A Rák-patak vízgyűjtőjén kijelölt mintavételi helyek és vízgyűjtőik jellemzői Avgy: a ponthoz tartozó teljes vízgyűjtő, Arvgy, a pont és a fölötte fekvő pont között részvízgyűjtő.

1. ábra (SVM): A mintavételi helyek a Soproni Rák-patak vízgyűjtőjében

Eredmények A vízmintavételekhez kapcsolódó vízhozammérések alapvetően az alapvizes időszakban (tehát kis és középvízi vízhozamoknál) történtek. Ennélfogva inkább a talajvízből történő utánpótlódás mértékére adnak információt mennyiségi szempontból, minőségi szempontból pedig a talajvíz

szennyezettségét és a szennyvízbekötéseket jellemzik elsősorban. A vízhozammérések eredményeit az SVM-2. ábra mutatja egy boxplot diagram formájában. A boxplot a mintát jelentő adatok alapján szerkeszthető. Ezekből kettő a minimum és a maximum, melyek a mérési eredmények közül a legkisebb és legnagyobb számértékek. Az

171

adatok közül három a mért értékeket négy részre osztó kvartilisek. Az alsó kvartilis az, amelynél az értékek negyede kisebb, a középső kvartilis, vagy a medián, amelynél az értékek fele, és a felső kvartilis, amelynél az értékek háromnegyede kisebb. Az ábrából látható, hogy már a vízhozam emelkedése szigorúan monoton növekvő egészen a Hajnal-térig, a Fasor utca és a Hajnal tér között viszont a vízhozam kismértékű (kb. 10%-os) csökkenése jelentkezik. A csökkenés utalhat a szakaszon a patak influens (talajvízbe bepótló) voltára, azonban a vízhozammérés pontossága az előző említett két (hidraulikailag kevésbe stabil) szelvényben is okozhat ekkora hibát. A város alsó szakaszán, különösen a Fasor utca és a Tesco mérési helyek között a vízhozam a város felettihez hasonló növekedést mutat. Az SVM1. táblázat egységnyi vízfolyáshosszra, ill. vízgyűjtőterületre vonatkoztatva mutatja ugyanezt. Az egységnyi vízgyűjtőre vonatkozó értékek jellemzőbbek, ezért a minőségi jellemzőknél is ezt a módszert alkalmazzuk a fajlagos értékek számítására.

3. ábra) viszont jelentősen megemelkedik a városi területeken. A Fasor utcáig, még csak a cc. szóródása nő meg, a deák-téri fedett szakaszon és az ipari területeken viszont jelentősen megnő az átlagértéke is.

3. ábra (SVM): A fajlagos vezetőképesség változása

Az egyéb kémiai jellemzőkben szintén tükröződik a város hatása, talán legjellemzőbben az ammónium-ion tartalom mutatja a szennyezéseket (SVM-4. ábra.)

4. ábra (SVM): Az ammónium-ion tartalom változása

2. ábra (SVM): A vízhozam-adatok a mérési pontokon (jellemzően alapvízhozamok értékei)

A koncentrációalapú megközelítést jól kiegészíti az anyagáram-alapú számítás, amelynek segítségével a terhelésekre is következtethetünk:

A fiziko-kémiai paraméterek alapján a LA, a hőmérséklet és a pH csak kismértékű változást mutat a fajlagos vezetőképesség (SVM-

gi 

C i  Qi C i 1  Qi Ai Ai 1

1

(SVM-1)

q

HÁZFORRÁS

TÓ-HÁZ

BAN-TÓ

HAJNALBAN

FASORHAJNAL

GYORIFASOR

TESCOGYORI

(l/s/fkm)

13.04

12.65

6.30

41.56

-3.24

14.15

20.02

(l/s/km2)

6.25

10.29

2.43

5.39

-2.73

8.70

13.38

2. táblázat (SVM): Fajlagos vízhozamok egységnyi vízfolyáshosszra és egységnyi részvízgyűjtőre számítva a mérési pontok között

172

ahol, a gi, az adott részvízgyűjtőhöz tartózó fajlagos (egységnyi részvízgyűjtő területre vonatkozó) anyagáram, a Ci, ill. Qi a részvízgyűjtő alsó határán mérhető cc., ill. vízhozam, Ci-1, ill. Qi-1 a részvízgyűjtő felső határán mérhető cc., ill., vízhozam, az Ai, ill. Ai-1 a részvízgyűjtő alsó és felső határán található mérési pontokhoz tartozó vízgyűjtőterületek. Az anyagáram-alapú számítást az ammónium-ion esetében (SVM-5. ábra) mutatom be, így a SVM-4. ábrával összevetve látható az anyagáramalapú számítással belépő többlet információ is. Jelen esetben ez a Győri-út (fedett szakasz kilépési pontja) után fellépő nitrifikációs folyamat hatására bekövetkező ammónium-ion anyagáram csökkenés.

sok vízminőségre gyakorolt eltérő befolyásolása. Az új szemléletű anyagáram-alapú alapú megközelítést alkalmazva, többletinformációkat nyertünk a vízgyűjtőn lezajló szennyezési folyamatokat illetően.

Felhasznált irodalom GAYER, J. – LIGETVÁRI, F. (2007): Települési vízgazdálkodás, csapadékvízelhelyezés. Környezetvédelmi és Vízgazdálkodási Kutató Intézet, Környezetvédelmi és Vízügyi minisztérium, Innova-Print, Budapest, ps. 10-15, 26-31

FARKAS, K. (2008): A Rák-patak referenciaviszonyainak meghatározása a Víz Keretirányelv előírásainak megfelelően. Diplomamunka, Sopron

GUTTMANN, E. – IMRIK, P. (2010): A Rák-patak vízminőségi változása Sopron belterületén. Szakdolgozat, Sopron.

HULLÁMVONAL MÉRNÖKSZOLGÁLATI KFT. (2006): Rák-patakon létesítendő „B” típusú vízhozammérő műtárgy engedélyezési terve.

5. ábra (SVM): Az ammónium-ion fajlagos anyagáramok részvízgyűjtőkre vonatkoztatva

Munkaszám: 71514/2006

Összefoglalás

KLINGER, Z. (1993): A Rák-patak vízminőségi hossz-szelvénye.

A soproni Rák-patak vízrendszerének példáján vizsgáltuk egy kisvízfolyások állapotának a városi környezetben bekövetkező változását a víz mennyiségi és minőségi vizsgálatát célszerűen összekapcsolva. A kutatás során hét mérési helyet jelöltünk ki a forrásvidéktől a torkolatig – részben a természetközeli (emberi hatásoktól jórészt zavartalan), részben az eltérő jellegű városi területekhez kapcsolódó részvízgyűjtőkön. Az első eredmények alapján is jól látszik a település hatása, a különböző településtípu-

Diplomaterv, Sopron.

KONDOR, K. (1991): Vízbiológiai vizsgálatok a soproni Rák-patakban és mellékágaiban. Diplomaterv, Sopron.

KELLER, I. (1998): A Rák-patak vízminőségi vizsgálata. Diplomaterv, Sopron.

173

TÓTH, I. (2005): Vízbiológiai vizsgálatok a Rák-patakon.

KOCH MÉRNÖKI IRODA (1997): Engedélyezési tervdokumentáció a Hidegvízvölgy, Rák-patak 15+920,00 – 15+990,00 sz. között hidrológiai kutatási céllal létesítendő vízhozammérő műtárgy építési munkáihoz.

TDK dolgozat, Sopron.

KÁRPÁTI, L. (1955): Adatok Sopron környékének geomorfológiájához.

Sopron

Földrajzi Értesítő, Vol. 4, No. 3, ps. 21-40

MTA FTKI (1990): Magyarország kistájainak katasztere, ps. 379-382

KISHÁZI, P. – IVANCSICS, J. (19811985): Sopron környéki üledékek összefoglaló földtani értékelése.

NYME KKK (2009): Sopron Megyei Jogú Város Környezetvédelmi Programja 2010-2015. (Nyugat-magyarországi Egyetem Kooperációs Kutatási Központ, Sopron)

Központi Bányászati Fejlesztési Intézet Petrográfia, Sopron. p. 48

KAPUVÁRI VÍZGAZDÁLKODÁSI TÁRSULAT (1981): Brennbergi-tározó (Pisztrángos-tó) rekonstrukciója - műszaki leírás. Munkaszám: 8-1/1981

A soproni Rák-patak egy városi szakaszának hidrológiai és hidrodinamikai vizsgálata (SHH) Kalicz P. – Erős M. – Gribovszki Z. – Markó G. – Primusz P. Őseink szívesen telepedtek meg kisebbnagyobb vízfolyások mellé, hogy kihasználják munkavégző képességét, a tiszta víz előnyeit, védelmi funkcióit. E vízfolyások hosszú évszázadokon keresztül sokrétűen szolgálták a civilizációt. A rohamosan fejlődő települések, és azok természettől eltávolodó lakói később teherként, közlekedési akadályként kezelték az elszennyeződő, s a várost néha elöntéssel fenyegető patakokat, folyókat. Medrüket kimélyítették, kikövezték vagy kibetonozták, gátak közé szorították, esetleg le is fedték. A vízfolyás városi szakaszainak ökológiai

állapotát ezek a gyakran több évszázados múltra visszatekintő vízrendezési, szabályozási munkák jelentősen befolyásolták, általában negatívan. A mai ember is alakítja, de gyakran már más igények alapján a vízfolyásokat. Sokszor felmerül igényként e városi szakaszok ökológiai, rekreációs és esztétikai szempontok szerinti átformálása. Ezeknek az igényeknek, a vízfolyás vízlevezető képességének változatlanul hagyásával történő, kielégítése összetett tervezési feladat. A szennyvízbevezetések lekötésével még napjainkban is ellátnak egy fontos feladatot a vízfolyások; elvégzik a városi területen összegyülekező a csapadékvíz elvezetését. A növekvő burkolt- és tetőfelületekkel a városi területeken a csapadék talajba szivárgó hányada egyre kisebb, így egy kiadósabb zápor esetén a bekapcsolt területekről jelentős mennyiségű elvezetendő többletvíz érkezik a városi területet átszelő medrekbe.

174

A klíma változásával az előrejelzések a nyári félévben az esők egyenlőtlenebb eloszlását, nagyobb csapadékeseményekbe koncentrálódását jósolják. Ezek alapján egyre nagyobb a csapadékelvezető-rendszerekre nehezedő terhelés. E rendszert csak integrált, több szempontot figyelembe vevő települési vízgazdálkodással lehet az igényeknek megfelelően jó karban tartani (GAYER és LIGETVÁRI 2007). A vízfolyás és a csatorna-hálózat kölcsönhatásában nem csak a fent vázolt irányt kell figyelembe venni. A csatornában mozgó víztömeg a befogadón levonuló árvizektől alulról is befolyásolt lehet, ami tovább csökkentheti az elvezethető vízmennyiséget. A fent bemutatott tervezési, elemzési feladatok elvégzésénél gyakran használt eszközök az egydimenziós hidrodinamikai modellek. A rendelkezésre álló programok közül hazánkban is egyre több probléma megoldására használják az Amerikai Egyesült Államok hadseregének mérnöki karán fejlesztett HEC-RAS-t. Előnye, hogy az USA közpénzen fejlesztett szoftvereként ingyenesen hozzáférhető mindenki számára. A HEC-RAS modellt nálunk is alkalmazzák településeket érintő kisebb vízrendszerek vizsgálatára. Többek között KEVE (2009) a Bácsbokodi-Kígyós több települést érintő csatornahálózatát modellezte. Alföldi terület lévén a csatorna mellett térinformatikai eljárásokkal az öblözet geometriáját is létrehozta. Az elkészített modellen permanens futtatások segítségével végzett vizsgálatokat. Természetes, de a munkában vizsgálténál nagyobb vízgyűjtőjű kisvízfolyást vizsgált SOMOGYI és ZELLEI (2009). A Kőszeget és Szombathelyet átszelő Gyöngyös és Sorok-Perint vízrendszerén alkalmazta a programot. A vízrendszeren nem-permanens szimulációkkal elemezte a városi szakaszok vízszállító képességét, valamint egy tervezett árvízi tározó hatását az árhullámok levonulására.

Vizsgálati módszerek A bevezetésben említett folyamatok jó példája a Rák-patak, amely Sopron történelmi városmagját délről kerüli. Hosszú időn keresztül vizét a várárokba terelték, számtalan vízimalmot hajtott, s utóbb, mint bűzlő kanálist (a környező házak szennyvizének befogadóját) a meder egy részét beboltozták. A vízgyűjtő teljes egészében magyar területen fekszik. Felső, hegyvidéki része zavartalan, erdősült, hidrológiai szempontból jól feltárt terület (GRIBOVSZKI et al. 2006). Az alsó része Sopron városában futó erősen módosított víztest (SVM-1. ábra). A Rák-patak városi szakaszán több problémás pont is azonosítható. Az egyik ilyen rendszeres kiöntésekkel terhelt szakasz a patak és a GYESEV vasútvonalak keresztezése a Fasor utcai mérőhely közelében (FASOR az SVM-1. ábrán). Itt a medret szűkítették egy kerékpáros és gyalogos forgalom számára épített úttal, amelyet a patak nagyvízi helyzetben rendszeresen elönt. Mértékadó árvízi helyzetben a Hajnal téren (HAJNAL az SVM-1. ábrán) fenyeget a patak kiöntéssel. Ennél a pontnál egy fedett mederszakasz kezdődik, lecsökkentve a patak korábbi keresztszelvényét. További problémát jelent ezen a területen a közeli meredek hegyoldal, ahonnan leérkező vizek ehhez a ponthoz gravitálnak. A patak alsó szakaszán egy invazív növényfaj, az ártéri japánkeserűfű (Fallopia japonica) okoz gondot. Ez a növény nem csak a honos növényzet kiszorításával, hanem a merev szárának következtében beálló keresztmetszet csökkentéssel is kárt okoz. A meder csökkenő vízszállító képességén az évi egy-két kaszálás nem sokat javít ezen szakaszokon.

Vízállás mérések A modell későbbi kalibrálásához a két meglévő mérőműtárgyon (HÁZ, BAN lásd az SVM-1. ábrát) kívül egy perces mérési

175

gyakoriságra beállított öt darab automata vízszint-írót telepítettünk a patakon a kiválasztott mérőhelyekre. Ezeken a pontokon a laborvizsgálatokhoz szükséges vízmintavételt és a fiziko-kémiai méréseket is végezzük. A két felső pont közül az egyik (HAZ) a természetes állapotában megmaradt vízgyűjtőről szolgáltat folyamatos idősorokat több éve. A másik (TO) segítségével, amely a Fehérúti-tó árapasztójára telepített adatgyűjtő, a tározó patakra gyakorolt hatásáról (vízszint és hőmérséklet) kaphatunk képet. A városba érkező vízmennyiséget a már korábban megépült vízhozammérő műtárgy (BAN) rögzíti. A városi pontok közül az első az egyik kritikus ponton (HAJNAL), a Hajnal téren a fedett szakasz előtt létesült. A következő (FASOR) a patak és a Fasor utca kereszteződésénél, szintén a fedett szakasz előtt, a már korábban leírt problémás hely közelében létesült. A hosszabb fedett szakasz után, a Győri úton, a vasúti hidat követően kapott helyet a hatodik mérőpont (GYORI). Az utolsó mérőpont a torkolat közelében az Ipar körút hídján található (TESCO). Az automata vízállás mérések kézi mérésekkel kontrolláltak, melyekkel egy időben vízhozam mérések is történtek. Az adatsorból készített vízhozamgörbe segítségével a teljes idősorból vízhozam számítható.

több problémás pontot is feltártunk, amelyből legkritikusabb az 1960-as években kiépült téglalap keresztmetszetű szakasz keresztmetszetét szűkítő gázcső keresztezés. A felmérés során rögzítettük a betorkolló csatornákat is.

Eredmények A modell kalibráláshoz gyűjtött idősorok feldolgozása folyamatos (SHH-1. ábra). A várost elhagyó patakon (TESCO) regisztrált idősoron jól láthatók a nagyobb csapadékok hatására kialakuló, gyorsan lecsengő árhullámok jelentős fajlagos hozamai, amelyek esetenként majdnem két nagyságrenddel meghaladják az erdősült vízgyűjtőn levonuló árhullámcsúcsokat.

1. ábra (SHH): Három jellemző mérőponton gyűjtött idősor

A vízfolyás geometria leképezése A meder geometriáját az összegyűjtött tervek (KOCH 1998) földi geodéziai mérésekkel történt kiegészítésével hoztuk létre a modellben. Az alsó szakaszon GNSS (GPS+GLONASS) terepi eszköz használatával vettünk fel keresztszelvényeket. E kiegészítő mérések közül a legnagyobb feladatot a Deák tér alatti beboltozott, mintegy 1,5 km hosszú szakasz helyszínrajzának és hossz-szelvényének elkészítése jelentette, amelyhez egy saját fejlesztésű TruPulse 360 digitális busszolán alapuló terepi adatgyűjtőt használtunk fel. A felmérés során

2. ábra (SHH): A TESCO mérőponton gyűjtött vízállás idősor

A fajlagos-vízhozam idősorokból a napi csúcsokat kigyűjtve az SHH-2. ábrán látható pontfelhők állíthatók elő. Az pontokból is jól látható a burkolt területeket nagy arány-

176

ban tartalmazó TESCO mérőhely elkülönülése a többitől. Ennek számszerűsítésére az egyes ponthalmazokra regressziós egyenest illesztettünk. A városi területekről leérkező árhullámok növekedése a csapadékkal a regressziós egyenes alapján egy nagyságrenddel nagyobbnak adódott, mint a kevésbé zavart mintaterületeké.

vízszint, s ez összevethető az adatgyűjtő által rögzített vízállásokkal. Jól tükrözi a korábban bemutatott kritikus pontok problémáit (SHH-4. ábra). A modell segítségével, a tervezés támogatásán túl, többek között megállapítható a betorkolló csapadékcsatornák befolyásoltsága is.

A hidrodinamikai modellezés előkészítő lépésében több forrás összedolgozásából öszszeállt a meder nyomvonala (SHH-3. ábra). A nyomvonalon elhelyeztük a mért, illetve digitalizált keresztszelvényeket, alagutakat. Az így előálló, már működőképes 1-D hidrodinamikai modellen még létre kell hozni a keresztező műtárgyakat.

a.)

A Rák-patakot a fentiek alapján felépített modell segítségével különböző nagyvízi helyzetben vizsgáltuk permanens állapotokban. A modell segítségével a vízfolyás tetszőleges pontjában meghatározható egy adott vízhozamhoz tartozó vízszint, így a betorkolló csatorna befolyásoltsága eldönthető. b.)

4. ábra (SHH): A permanens futtatás eredmény ábrái. A medret szűkítő kerékpárút elöntése (a), A Hajnal téri szűk keresztmetszet kezdete (b)

3. ábra (SHH): A geometria szerkesztő ablak a Rák-patak medervonalával

A Rák-patakot a fentiek alapján felépített modell segítségével különböző permanens nagyvízi helyzeteket vizsgáltuk, a felső peremen megadott vízhozamokkal. A modellel a vízfolyás tetszőleges pontjában meghatározható egy adott vízhozamhoz tartozó

A modellezés még koránt sem tekinthető lezártnak. A geometriai adatok modellbe integrálása, geometriai ellenőrzése, pontosítása még várat magára. A közbeszerzés elhúzódása miatt kevés a rendelkezésre álló vízszint írónk, így a tervekkel ellentétben a betorkolló vízfolyások, fontosabb árkok, nagyobb csapadék csatornák által szállított vízmennyiségről nem áll rendelkezésre elegendő adat. A modell paraméterek, elsősorban az érdesség terepi ellenőrzését, kalibrálását is célszerű lenne elvégezni.

177

Összefoglalás A városok és a vízfolyások kölcsönhatásának tanulmányozásához mintaterületként Sopron belterületén folyó Rák-patak városi szakaszát választottuk ki, amelyen egy egydimenziós hidrodinamikai modell építését kezdtük meg. A modell későbbi kalibrálásához automata vízszint-írókat telepítettünk a patakon. Az adatgyűjtőkből kiolvasott nagyfrekvenciás idősorok segítségével jól követhetők a kisvízfolyáson lejátszódó gyors változások. A regressziós elemzés segítségével jól azonosítható a városi kis beszivárogtató képességű területek hatása a városból távozó pontsorozat elkülönülésével. A meder geometriáját az összegyűjtött tervek földi geodéziai mérésekkel történt kiegészítésével hoztuk létre a modellben. A kiegészítő mérések közül a legnagyobb feladatot a Deák tér alatti beboltozott, mintegy 1.5 km hosszú szakasz helyszínrajzának és hosszszelvényének elkészítése jelentette, amelyhez egy saját fejlesztésű digitális busszolán alapuló terepi adatgyűjtőt használtunk fel. A Rák-patakot a fentiek alapján felépített modell segítségével különböző nagyvízi helyzetben vizsgáltuk permanens állapotokban. A modell segítségével a vízfolyás tetszőleges pontjában meghatározható egy adott vízhozamhoz tartozó vízszint. A modell segítségével, a tervezés támogatásán túl, többek között megállapítható a betorkolló csapadékcsatornák befolyásoltsága is.

GAYER, J. – LIGETVÁRI, F. (2007): Települési vízgazdálkodás, csapadékvízelhelyezés. Környezetvédelmi és Vízügyi Minisztérium, Budapest.

GRIBOVSZKI, Z. – KALICZ, P. – KUCSARA, M. (2006): Streamflow characteristics of two forested catchments in Sopron Hills. Acta Silvatica et Lignaria Hungarica, 2 :81–92.

KEVE, G. (2009): Bácsbokodi-Kígyós hidrodinamikai modellezése. A Magyar Hidrológiai Társaság XXVII. Országos Vándorgyűlésének konferencia kiadványa (CD-ROM)

URL: http://www.hidrologia.hu/ vandorgyules/27/dolgozatok/10keve_ gabor.htm KOCH MÉRNÖKI IRODA KFT. (1998): Rák-patak állapotfeltárása, Sopron.

SOMOGYI, P. – ZELLEI, L. (2009): A Gyöngyös és Sorok-Perint patak vízrendszer hidrodinamikai vizsgálata az Osztrák határ és Szombathely között. A Magyar Hidrológiai Társaság XXVII. Országos Vándorgyűlésének konferencia kiadványa (CD-ROM)

Felhasznált irodalom CSÁFORDI, P. – ERŐS, M. – KALICZ, P. – GRIBOVSZKI, Z. – KISFALUDI B. (2010): Sopron város Rák-patak vízgyűjtőjére eső része csapadékvíz-elvezetése (A részvízgyűjtők lehatárolása és a tájékozódó terepi mérések).

URL: http://www.hidrologia.hu/ vandorgyules/27/dolgozatok/10somogyi_peter.htm

2010. VIII. 27. – 2010. XII. 01., Előtanulmány, Sopron.

178

A Rák-patak vízgyűjtőjének eróziós és hordalékszállítási viszonyai (SEH) Csáfordi P.

Bevezetés A napjainkban domináló klimatikus (csapadékesemények extremizálódása) és társadalmi folyamatok (urbanizáció) fokozatosan felerősítik a hidrológiai körfolyamatban tapasztalható mennyiségi és minőségi változásokat. A városi vízgyűjtőkön számos tényező, mint a megváltoztatott területhasználat, a burkolt felületek nagy aránya, a magas népsűrűség, a motorizáció elterjedése, a koncentrált vízkivétel és vízbevezetés, valamint a szennyezőanyagok emissziója korábban nem tapasztalt problémák sorát idézi elő. Az ár- és belvízi elöntések megoldása mellett fenyegető gond – többek között – a nem megfelelő mennyiségű és minőségű ivóvíz, a szennyvíz- és csapadékvíz-tisztítás infrastruktúrájának ökológiai-ökonómiai szempontból hatékony kiépítése vagy újratervezése, a vízbázisok, víztestek átfogó védelme. A TÁMOP 4.2.1/B-09/KONV-2010-006 jelű program városökológiai vizsgálataihoz kapcsolódóan célul tűztük ki a Rák-patak vízgyűjtőjének eróziós és hordalékszállítási viszonyainak részletesebb feltárását. A talajerózió a vízfolyások által szállított hordalék egyik kiemelt forrása. A városi burkolt felületek megnövekedett lefolyása és a lerövidülő összegyülekezési idő fokozza a burkolatlan, sőt sokszor növényzetmentes felületek erózióját, valamint a gyorsabban lecsengő, ám nagyobb árhullámok erőteljesebben rombolják a vízfolyások medrét és a vízépítési műtárgyakat – többletanyagot juttatva a felszíni vizekbe. Az erdő talajvédő

hatása ugyanakkor jól ismert, a kutatások során legtöbbször nem feltételeznek eróziót az erdővegetációval borított felszínen. A helytelenül végzett fakitermelések, útépítések miatt azonban erdősült vízgyűjtőkön is bekövetkezhet talajpusztulás. Az egyre szélsőségesebbé váló csapadékviszonyok sárlavinákat indíthatnak el a hegyvidéki területeken. A fátlan részeken sokszor csak a csupasz alapkőzet marad vissza, és a talaj nehezen vagy egyáltalán nem fejlődik újra. Kevésbé extrém körülmények között is jelentős károk keletkezhetnek a vágásterületeken, illetve a közelítő nyomvonalakon. A termőtalaj vesztesége megnehezíti a gazdálkodás feltételeit. Az akkumulációs területek helyreállítása költséges. Az erodálódott talaj egy része eléri a befogadó vízfolyásokat, melyek továbbszállítják azt. A hordalék minőségi-mennyiségi ismerete, előrejelzésének szükségessége ökológiai és műszaki szempontból egyaránt indokolt, mivel a felszíni víztestek fizikai, kémiai és biológiai tulajdonságainak megváltozását okozhatja. A szállított hordalék – többek között – csökkenti a vízi műtárgyak élettartamát, a meder és partfal stabilitását, hozzájárul a víztározók feltöltődéséhez, az árvízszintek megnövekedéséhez, a vizes élőhelyek átalakulásához (pl. élőhelyek betemetődése, turbulencia-viszonyok megváltozása). A lebegtetett hordalékszemcsékhez kötődő anyagok (pl. tápanyagok, nehézfémek) az ökoszisztéma elszennyeződéséhez vezethetnek. A túl magas lebegőanyag-koncentráció előidézheti a vizek zavarosságát – rontva a látásviszonyokat –, károsíthatja az öntöző-rendszereket, és gondot okozhat az ivóvíz-felhasználásban is. E hatásokat számos szerző ismertette, illetve összefoglalta (SHEN – JULIEN 1993, GORDON et al. 2004, OWENS – COLLINS 2006, CHANG 2006).

179

A vizsgálati terület és a kutatási célok bemutatása Az SVM-1. ábra a Rák-patak egyes mintavételi pontokhoz tartozó vízgyűjtőterületét mutatja, kiegészítve a forrásvidéki kisvízgyűjtők, a Vadkan-árok és a Farkas-árok megjelölésével. A Rák-patak vizsgálatba bevont vízgyűjtő területének (SVM-1. ábra) 70.16%-át erdősbokros vegetáció borítja, ezért az erdőgazdálkodással érintett, de az urbánus területeknél kevésbé bolygatott részvízgyűjtők eróziós- és hordalékszállítási folyamatai alapvető hatással bírhatnak a vízfolyás városi szakaszain tapasztalható hordalékviszonyaira is. Az itt összefoglalt tanulmányaink során egy forrásvidéki, erdővel borított kisvízgyűjtő, a Farkas-árok erózióveszélyeztetettségét és hordalékmozgását elemeztük.

A Farkas-árok bemutatása A Farkas-árok (0.6 km2) a Soproni-hegységben található, a Rák-patak vízgyűjtőjének mellékvölgye. Mezoklimatikus viszonyait mediterrán, kontinentális és óceáni hatások is alakítják, az átlagos csapadékmennyiség 700 mm körül van. A vizsgált területen az aljzat kristályos pala, erre települtek több rétegben, más-más ülepedési viszonyok között a szárazföldi törmelékes kőzetek (KÁRPÁTI 1955, KISHÁZI – IVANCSICS 1981–1985). A kis kiterjedésű részvízgyűjtők 400-550 mBf közötti szintkülönbségei a völgyoldalak nagy átlagos lejtésében (21% felett) is megnyilvánul. A legfelső talajszintben (0-50 cm) mindenhol jellemző az igen nagy mennyiségű finom homok frakció jelenléte, a fizikai talajféleség homokos vályog, vályogos homok, illetve iszapos vályogos homok. Sok helyen 70-80 cm-rel a talajfelszín alatt agyagos réteg húzódik (BELLÉR 1996). A talajtani és geomorfológiai viszonyok miatt gyakoriak a földcsúszások.

Az erdős vegetációban lombhullató és örökzöld állományok egyaránt jelen vannak. Erdészeti beavatkozások következtében a friss vágásterületeken és a közelítőutakon megindulhat a talajpusztulás, amely a földcsúszásokon, partomlásokon és medererózión kívül hordalékutánpótlást szolgáltat a patak számára. A vízfolyásba jutott vágástéri hulladék, illetve bedőlt fák hatására sok helyen hordalékdepóniák képződnek.

A kutatás céljai Vizsgálatainkat a következő kérdéskörökben végeztük (zárójelben a témában született tanulmányok, publikációk hivatkozása): • A Farkas-árok erózióveszélyeztetettségének kimutatása az USLE és az EROSION-3D modellekkel (CSÁFORDI 2010); a felszíni eróziót leginkább befolyásoló tényezők feltárása (CSÁFORDI et al. – lektorálás alatt); a modellezett (potenciális) és a terepen felmért (valós) talajpusztulás összehasonlítása (BARNA 2011). • Egy térinformatikai keretrendszer építése az ArcGIS Model Builder-ben, mely – az USLE egyenletet alapul véve – egységesíti és felgyorsítja a kisvízgyűjtők felszíni talajveszteségének számítását (CSÁFORDI et al. – lektorálás alatt). • A Farkas-árok hordalékszállítási dinamikájának megismerése, a teljes hordalékhozam kiszámítása egy kiválasztott hidrológiai évben (2008-2009) lebegtetett hordalékszállítási modellel és a görgetett hordalékmennyiség mérésével (CSÁFORDI et al. 2011). • A kisvízfolyások hordalékszállítását sztochasztikusan befolyásoló folyamat, egy meginduló hordalékkúp hatásának tanulmányozása a Farkas-árokban. Milyen arányban járul hozzá az adott hordalékkúp – az egyéb hordalékforrások mellett – a patak hordalékszállításához (CSÁFORDI 2011, CSÁFORDI et al. 2011)?

180

• Egyéb potenciális hordalékforrások elemzése: a hipotézis igazolása, amely szerint az erdőterületek felszíni eróziója elhanyagolható; a modellezett felszíni erózió és a Farkas-árok egy évi teljes hordalékhozamának összehasonlítása (CSÁFORDI et al. 2010b).

Eredmények Eredményeinket a kutatás céljaival azonos sorendben, a korábbi fejezetben feltüntetett tanulmányok alapján foglaljuk össze. Az egyes számítási módszerek részletes bemutatásától – ahol az értelmezhetőséget nem befolyásolja – eltekintünk, ezek a megadott publikációkban olvashatók.

A Farkas-árok erózióveszélyeztetettsége A Farkas-árok erózióra hajlamos területeit elsősorban két modell, az empirikus USLE (WISCHMEIER – SMITH 1978) és a fizikai alapú, térben osztott, egyedi csapadékesemény-orientált EROSION-3D segítségével

mutattuk ki. A modellezés eredményeit öszszehasonlítottuk a terepen felmért eróziós nyomok térképével. Felületi talajerózió számítása az USLE alkalmazásával Az USLE segítségével a 2008-2009-es hidrológiai évre végeztük el a Farkas-árok felületi eróziójának számítását. Az egyenletben 6 tényező összeszorzásával becsülhető az egységnyi területre jutó átlagos éves talajveszteség értéke: A = R·K·L·S·C·P

(SEH-1)

A szorzatban A az átlagos éves talajveszteség egységnyi területen (t·ha-1·év-1), R az esőtényező (kJ·m-2·mm·h-1), K a talaj erodálhatósága (t·ha-1·m2·kJ-1·h·mm-1), L a lejtőhosszúság tényezője, S a lejtőhajlás tényezője, C a növénytermesztés és gazdálkodás tényezője, P a talajvédelmi eljárások tényezője (CENTERI 2001). Az egyes tényezők értékeit az SEH-1. táblázat tartalmazza, melyek számításának bemutatásától most eltekintünk.

R

K

LS

C

P

A

Érték / Intervall.

108,4 (konstans)

0,32-0,42

0-95,6

0,003-0,01

0,2-0,4

0-6,1

Átlag

-

0,36

6,9

0,006

0,24

0,5

Szórás

-

0,09

0,002

0,08

0,5

1. táblázat (SEH): Az USLE tényezői és a potenciális felületi talajveszteség

1. ábra (SEH): A potenciális eróziós térkép az egyes talajveszteségi osztályokkal raszteres és vektoros formában

181

A SEH-1. ábra a potenciális eróziós térkép egy részletét mutatja, azokkal a területekkel, melyek a leghajlamosabbak a talajpusztulásra. A SEH-2. ábra az egyes talajveszteségi osztályok százalékos területi megoszlását mutatja, ahol az osztályhatárokat a RÁCZ-féle (1985) eróziós toleranciaértékek szerint adtuk meg. Az ábrából látható, hogy a modellezett felületi erózió egy rasztercellában sem haladja meg a 6.4 t·ha-1 értéket. A vízgyűjtő területén az erdészeti üzemterv szerint a talajréteg átlagos vastagsága minimum 60 cm, amelyhez tartozó 4.1 t·ha-1 megengedhető átlagos éves talajveszteséget a vízgyűjtő területének 99.9%-án nem haladja meg a talajpusztulás. A teljes talajveszteség a vizsgálati időszakban 26.4 tonna a Farkas-árok 56 ha-os területén. Az utak és vízmosások területét – a modell korlátai miatt – nem vettük figyelembe az USLE-vel végzett számítások során. Az átlagos és összes talajveszteséget kiszámoltuk az egyes erdőrészletekre (SEH-3. ábra) és vegetációborítási kategóriákra is.

2. ábra (SEH): Az egyes talajveszteségi osztályok százalékos részesedése a vízgyűjtő területéből

A potenciális talajveszteség egyik területi egységben sem haladja meg a megengedhető értéket, habár az erózióveszélyeztetettség területi változékonysága szembetűnő. A háromszögek az átlagos LS faktort jelölik az egyes területegységekben, és jól mutatják, hogy az egyes erdőrészletekben szignifikáns korreláció van a lejtőhosszlejtőhajlás és a felületi erózió között (5%-os szignifikanciaszint esetén). Ugyanakkor az egyes vegetációtípusoknál a C faktor a legfőbb talajpusztulást befolyásoló tényező.

3. ábra (SEH): Átlagos és összes talajveszteség az átlagos LS faktorral az egyes erdőrészletekben

182

Előzetesen azt feltételeztük, hogy a legalacsonyabb erózióveszély az erdővel borított helyeken van, azonban a modellezés és a terepbejárás is azt igazolta, hogy a patakparti lombhullató állományok és a bükkösök / tölgyelegyes bükkösök területe a leginkább talajpusztulásra hajlamos. Ennek okai a meredek patakparti rézsűk, ahol földcsúszások is gyakoriak, illetve a kiritkult lombkoronaszint, a gyér aljnövényzet és a hiányzó avarborítás. Ilyen körülmények mellett is érvényesül azonban az erdők talajvédő szerepe, hiszen a legmagasabb átlagos talajveszteségi érték is közel negyede a toleranciaértéknek. Talajerózió modellezése az EROSION3D segítségével A Farkas-árok eróziótérképét elkészítettük az EROSION-3D-vel is, amellyel már az utak és vízmosások vonalas eróziója és az akkumuláció is számolható. A fizikai modell mind az talajpusztulás, mind a lerakódás mennyiségét több nagyságrenddel felülbecsülte, de a potenciálisan erózióveszélyeztetett területeket konzisztensen mutatta ki

az egyedi csapadékeseményekre illetve havi és éves időfelbontásban (SEH-4. ábra). Az egyes területborításoknál az EROSION3D-vel kapott értékek tendenciájukban helyenként eltérnek az USLE eredményeitől, de a fizikai modellnél is szembetűnő a patakparti vegetációk és a lékekkel tagolt fenyvesek területének eróziós veszélyeztetettsége. Az eredmények szerint a burkolatlan erdészeti utak átlagos talajvesztesége 6-szor nagyobb, mint az egyes erdőrészletek potenciális talajpusztulása, tehát a vonalas erózió jelentősége felülmúlja a felületi rétegerózió felszínformáló szerepét. A talajpusztulást leginkább a lejtőhossz és a lejtőszög kombinált értéke határozta meg az EROSION-3D-ben is, azonban nem minden nagy lejtésű területen kellett erózióveszélylyel számolni, amelyben nagy szerepe van a vegetációnak. A gyepes vágásterületeken és az újulatoknál a domborzat hatását jelentősen ellensúlyozta a sűrű lágyszárú aljnövényzet talajborítása és a feltalajt gazdagon átszövő gyökérzete. A legveszélyeztetettebb területek a burkolatlan közelítőutak, a vízmosások és a meredek partfalak.

4. ábra (SEH). Az EROSION-3D-vel készült eróziótérképek éves és havi felbontásban

183

A modellezett eróziós térképek összehasonlítása a terepen felmért eróziós nyomok elhelyezkedésével A terepbejárás során elsősorban a vonalas eróziós károk és a földcsúszások elhelyezkedését regisztráltuk, helyenként azonban a csepp- és lepelerózió nyomait is tudtuk térképezni. A látható erózióval érintett területek a Farkas-árok 1,3%-ára terjednek ki. A talajpusztulásra hajlamos területek a vízfolyás menti meredek partfalakra és egyes burkolatlan erdészeti közelítőutakra koncentrálódnak, mely megfigyelés párhuzamba állítható az EROSION-3D eredményeivel.

és területi statisztikákat képez a talajerózióhoz táblázatos és térképi formában. A negyedik modul vektoros talajveszteségi térképeket konvertál, ahol az egyes poligonok megegyeznek az egyes talajveszteségi osztályokkal. Így lehetővé válik a modellezett és a terepen felmért talajerózió összehasonlítása (SEH-2. ábra). A SEH-5. ábra a 3. modul elméleti felépítését mutatja be, ahol a kék ellipszisek az input fájlok, míg a zöld ellipszisek az eredményfájlok.

Térinformatikai keretrendszer építése az USLE-vel végzett felületi eróziószámításhoz Az ArcGIS/ArcMap 9.3 térinformatikai szoftver Model Builder funkciójával létrehoztunk egy keretrendszert, mely egységesíti és meggyorsítja a talajpusztulás számítását az USLE-vel. Használatával összehasonlíthatóvá válnak a különböző adottságú vízgyűjtőkre és különböző klímaszcenáriókra készített talajeróziós térképek, valamint a talajkímélő gazdálkodási technológiák hatása. A munkafolyamat négy modulba fogja össze a térinformatikai feldolgozás és kiértékelés lépéseit, melyek a következők: „Domborzati adottságok”, „Talaj és felszínborítás”, „Talajveszteség és statisztikák”, „Talajveszteségi osztályok”. Az első modul – a digitális domborzatmodellből kiindulva – előállítja a lefolyáshálózatot és a kapcsolódó vízgyűjtőket, megadja a lejtőadottságokat és az USLE LS faktorát. A második modul egyesíti a lefolyáshálózatot, az utakat, a vízgyűjtőhatárt, a felszínborítást, a területhasználatot és a talajtérképet tartalmazó vektoros rétegeket. Ez az egyesített adatbázis az alapja a többi USLE-tényező előkészítésének. A harmadik modul kiszámolja a talajveszteséget,

5. ábra (SEH): A 3. modul („Talajveszteség és statisztikák”) elméleti felépítése

A Farkas-árok kisvízfolyásának hordalékszállítási dinamikája, az éves hordalékhozam számítása A következő alfejezetekben külön-külön mutatjuk be a görgetett és a lebegtetett hordalékhozamra kapott eredményeket. Az összegzésükkel kapott teljes hordalékhozamot összevetjük a hordalékkúpból elszállítódott hordalék mennyiségével. Jellemezzük a depónia hordalékszállítást módosító hatását is. A görgetett hordalékhozam számítása A 2008-2009-es hidrológiai évben összesen 4,1 m3 görgetett hordalékot mértünk a Farkas-árok kifolyó pontján elhelyezett csillapító vízládában. Nyári időszakban a görge-

184

tett hordalék átlagos száraz halomsűrűsége 1,6 t·m-3, télen – amikor elsősorban finomabb szemcséjű mederanyag halmozódik fel – 1,3 t·m-3, míg az átlagos halomsűrűség 1,5 t·m-3. Utóbbi értékkel számolva a teljes görgetett hordalékhozam 6,2 tonna. A lebegtetett hordalékszállítási modellbe bevont tényezők és a lebegtetett hordalékhozam számítása A lebegtetett hordalékhozamot az 1 liter vízmintában mért hordaléktöménységből számítottuk a következő képlet alapján:

QS =  Q ()t CS ()t dt

(SEH-2)



ahol QS a lebegtetett hordalékhozam adott  [T] időintervallum alatt [F·T-1]; Q a vízhozam adott t időpillanatban [l·s-1]; CS a lebegtetett hordalékkoncentráció adott t időpillanatban [mg·l-1]. Amikor hordaléktöménység-mérések nem történtek, ott átlagértékekkel vagy modellezett értékekkel becsültük a lebegtetett hordalékhozamot. A kisvízfolyások lebegtetett hordalékszállítására számos tényező hat (pl. vízhozam, vízhőmérséklet, esőerozivitás, megelőző talajnedvesség). Korreláció- és regresszióanalízissel elemeztük, hogy mely faktorokat vonjuk be a lebegtetett hordalékhozamot becslő modellbe. Feltételeztük, hogy az árhullámoktól mentes időintervallumokban az eltérő vízhozam-tartományok más-más lebegtetett hordalékszállítási jelleggel bírnak. A vízhozam-tartományok elkülönítésére önkényesen a középvízhozam értékét választottuk ki. Mivel ezekben az időszakokban a hordaléktöménység a vizsgált változókkal (vízhozam, vízhőmérséklet) gyenge korrelációt mutatott, ezért a hatványfüggvény alapú regressziós modell helyett mindkét vízhozam-tartományban (kisvíz és nagyvíz) a tartományra jellemző átlagos vízhozam és a tartományra jellemző átlagos hordaléktöménység szorzata adta a lebegtetett hordalékhozamot [mg·min-1] (SEH-2. egyenlet).

Ahol nem történt automata vízszint-regisztrálás a műszer téli leállítása, illetve meghibásodása miatt (2008. november vége – 2009. március eleje, illetve 2009. május közepe), szintén átlagértékekkel közelítettük a lebegtetett hordalékhozamot. Az árhullámok lebegtetett hordalékszállítását becslő modellbe bevontuk a megelőző csapadékindexet (API20) és az árhullámot kiváltó csapadékesemény erozivitását (R), vagyis az adott csapadékesemény eróziópotenciálját, mely magában foglalja a csapadék intenzitását és mennyiségét. Egy árhullámhoz egy – az adott árhullám alatt állandónak tekintett – API20, valamint perces felbontású R-értékeket használtunk. Korábbi vizsgálataink során (CSÁFORDI et al. 2010a) a hiszterézishatást felismerve külön-külön regressziós modellt határoztunk meg az árhullámok fel-, illetve leszálló ágának lebegtetett hordalék-koncentrációjára:

CS = a  Q b  API20  Rd c

(SEH-3)

ahol CS: lebegtetett hordalékkoncentráció az árhullámok fel- illetve leszálló ágában [mg·l-1]; Q: vízhozam [l·s-1]; API20: megelőző csapadékindex [mm]; R: erozivitás [kJ·m-2·mm·h-1]; a, b, c, d empirikus tényezők. Többváltozós nemlineáris regressziós egyenletünk a Leopold és Maddock-féle hatványfüggvényből indul ki, de a függvénykapcsolat nemlineáris természete a 7. ábra alapján is feltételezhető. A 2008. október 22. és 2009. október 16. között lehullott erozív csapadékesemények teljes erozivitás-összege 108,4 kJ·m2·mm·h-1 volt. 2008. október második felében és 2009. október első felében nem mértünk erozív esőket. A június-augusztusi zivatarok együttes erozivitása az éves esőtényező több mint 80%-át jelentette. Az egyes árhullámokat kiváltó csapadékesemények erozivitása júniusban és augusztusban néhány esetben a 14 kJ·m-2·mm·h-1-t is meghaladta. A megelőző csapadékindex értékei

185

szintén széles terjedelmet mutatnak. A legmagasabb értékeket szintén a nyári hónapokban észleltük, a maximum 146 mm-rel júniusban jelentkezett. A Farkas-árokban a vizsgálat teljes időszaka alatt mért vízhozamok minimuma 1,2 l·s-1 volt, maximum-értéke 281,7 l·s-1. Mindkét szélsőértéket 2009 júniusában észleltük. A lebegtetett hordaléktöménység is tág határok között változott. A maximumot, 4005,3 mg·l-1-t, a 2009. július 18-i árhullám során, míg a legalacsonyabb értéket, 11,9 mg·l-1-t, 2009. július 20-án mértük. A maximális értéket két napon belül követő minimum az árhullám kimosó hatásával magyarázható. A vizsgálati időszakra megállapított középvízhozam 2,6 l·s-1, az átlagos vízhozam 4,5 l·s-1. A középvízhozamot meghaladó vízhozam-tartományban (nagyvíz) mért lebegtetett hordalék-koncentrációk átlaga 75,2 mg·l-1, az átlagos vízhozam 6,1 l·s-1. A 2,6 l·s-1 alatti vízhozam-tartományban (kisvíz) a vízminták átlagos hordaléktöménysége 78,1 mg·l-1 volt 2,0 l·s-1 átlagos vízhozam mellett. Ezeknek az értékpároknak a szorzatával (nagyvíznél 455,6 mg·s-1, kisvíznél 154,9 mg·s-1) közelítettük a középvízhozam feletti illetve alatti vízhozamok lebegtetett hordalékhozamát. Az árhullámok felszálló ágában a lebegtetett hordalék-koncentrációt (Cfel) becslő regressziós modell a SEH-3. egyenlet alapján a következő:

C fel = 1726,349  Q1, 031  API20

1, 268

 R0, 424

(SEH-4) A regressziós egyenlet az árhullámok leszálló ágainak lebegtetett hordaléktöménységére (Cle):

Cle  1327, 730  Q1, 313  API20

1, 319

 R0, 216

(SEH-5)

A regressziós egyenletbe bevont változók közötti kapcsolat erősségének ellenőrzése korrelációanalízissel történt. Ez alapján a mintázott árhullámok felszálló ágában – 5 %-os szignifikanciaszint mellett – a lebegtetett hordaléktöménység statisztikailag elfogadható kapcsolatot (korrelációs e.h. > 0,62) mutat a vízhozammal, az erozivitással és a megelőző csapadékindexszel. A leszálló ágban 5 %-os szignifikanciaszint mellett a hordalék-koncentráció csak a vízhozammal korrelál. Ha azonban a leszálló ágra alkalmazott regressziós modellből elhagynánk az API20 és az R mennyiségeket, a determinációs koefficiens erősen csökkenne. Az SEH-4. egyenlet determinációs koefficiense 95%-os konfidenciaszint esetén 0,97, az SEH-5. egyenletnél 0,92. Az egyenletben a fel- és leszálló ág esetén is fordított arányosság van a hordalék-koncentráció és a megelőző csapadék index között. Azaz egyre nagyobb megelőző csapadékindexekhez egyre kisebb hordaléktöménység-értékek tartoznak. A modell tehát figyelembe veszi az előzetes csapadékesemények kimosó hatását. Ugyanakkor ahol a megelőző csapadékindex értéke alacsony (API20<5), illetve a modell nem az erozív csapadékesemények által kiváltott vagy nem a mintázott nyári árhullámokra vonatkozik, a hordalékkoncentráció jelentős felülbecslése tapasztalható. A túlzott felülbecslések elkerülése végett egyes esetekben (pl. 2009. októberi árhullámok) a középvízhozam feletti vízhozam-tartományra jellemző átlagos lebegtetett hordalékhozammal számoltunk. Az árhullámok felszálló ágára alkalmazott regressziós egyenlettel becsült hordaléktöménység-értékek és a mért mennyiségek közötti maximális eltérés abszolútértéke 1,269 kg·min-1, az átlagos eltérés 11 g·min-1. Az árhullámok leszálló ágánál a modellezett és mért értékek közötti maximális különbség abszolútértéke 1,328 kg·min-1, az eltérések átlaga 9 g·min-1. Nagyvíznél a 27,4 g·min-1-es

186

átlagértékkel közelítettük a lebegtetett hordalékhozamot. A mért hozamok és az átlagérték közötti maximális eltérés 0,217 kg·min-1, az átlagos különbség 4 g·min-1. Kisvíznél a 9,3 g·min-1 átlagos lebegtetett hordalékhozammal egészítettük ki az idősort, amikor nem történt mintavétel. A mért értékek és az átlagérték közötti maximális különbség 0,012 kg·min-1, az átlagos eltérés 0 g·min-1. A bemutatott regressziós modellekkel illetve átlagértékekkel számolt lebegtetett hordalékhozamok összegzése alapján a vizsgálati időszakban a Farkas-árok vízfolyása összesen 88,9 tonna lebegtetett hordalékot szállított.

Egy hordalékdepónia hatása a Farkas-árok vízfolyásának hordalékhozamára A terepi geodéziai felmérés és a térinformatikai számítások alapján a Farkas-árokban mesterségesen megindított hordalékdepóniából 10,5 m3 hordalék távozott (görgetett és lebegtetett hordalékként együtt), mely 15,8 tonna hordalékmenynyiségnek felel meg. A Farkas-árok teljes hordalékhozama a depónia kiürülése alatt – 2008. október 22. és 2009. október 16. között – 95,1 tonna volt. A hordalékkúpból származó anyagmennyiséget a teljes horda-

lékhozammal összehasonlítva látható, hogy a depónia 16,6%-kal részesedett a Farkasároki-patak hordalékszállításából. Az adatok időbeli konzisztenciáját vizsgálva azt kapjuk, hogy a depónia megindulása után, 2008 októberétől a nyári félévre is áthúzódó meredekség-növekedés jelentkezik a kumulált görgetett hordalékhozam grafikonjában, míg a vízhozam-összeg idősorán a depónia hatása nem észlelhető (SEH-6. ábra). Az egységnyi idő alatti görgetett hordalékhozam-növekedés nagyobb, mint a megelőző időszakokban: 2006. márciustól 2008. októberig összesen 2433,5 dm3 görgetett hordalékhozam, 2008. októbertől 2009. augusztusig 4052,5 dm3. A hordalékkúp mozgása alatt 4,5-szeresére, 0,6 t·m-3-re (368,4 dm3·hó-1) növekedett az átlagos havi görgetett hordalékhozam a depónia többlethatásától mentes megelőző időszakhoz képest (0,1 t·m-3 = 81,1 dm3·hó-1). Ezek a tények alátámasztják, hogy a hordalékkúp bepótlódása jelentősen hozzájárult a görgetett hordalékszállítás időbeli fluktuációjához. Ugyanakkor a hordalékkúp kiürülése is több szakaszra osztható, a legaktívabb periódusok 2009. január – március, illetve június hónapokban figyelhetők meg. Előbbiek a hóolvadások utáni nagyobb árhullámokhoz, utóbbi pedig a június végi nagy esőzésekhez köthető.

6. ábra (SEH): A kumulált havi vízhozam (Cumsum_Q) és kumulált havi görgetett hordalékhozam (Cumsum_GH) a Farkas-árokban 2006. januártól 2009. októberig

187

A felszíni erózió jelentősége a hordalékképződésben – potenciális hordalékforrások áttekintése A 2008-2009 hidrológiai évben a Farkasárok teljes hordalékhozama 95,1 tonna, a felületi eróziós talajveszteség 26,4 tonna. A hordalékszállítási arány a Vanoni-képlet (LIM et al. 2005) alapján 50%, mellyel csökkentve talajveszteség értékét azt kapjuk, hogy a vízgyűjtőt potenciálisan 13,2 tonna hordalék hagyta el. Tehát a felületi erózió részesedése a teljes éves hordalékhozamból 13,9%. (A hordalékdepónia 16,6% arányt képvisel a hordalékszállításból.) Látható, hogy a felületi erózión kívül más talajpusztulási folyamatok is részt vesznek a Farkasárok kisvízfolyásának hordalék-utánpótlásában, melyek jelentősége felülmúlja a jórészt erdős vegetációval borított vízgyűjtő felületi erózióját. Ilyen jelenségek a földcsúszások, a partfalerózió, a burkolatlan erdészeti utak és közelítőnyomok vonalas eróziója, melyek vizsgálatának a jövőben kiemelt szerepet kell kapnia.

Összefoglalás A Rák-patak vízgyűjtőjének több mint 70%-át erdő borítja, ezért a városi vízfolyásszakaszok hordalékszállításában és vízminőségében is meghatározó lehet az erdőterületek hordalékképződési dinamikája. Ezért a TÁMOP 4.2.1/B-09/KONV-2010006 jelű program városökológiai vizsgálataihoz kapcsolódóan feltártuk a Rák-patak forrásvidékén található erdősült kisvízgyűjtő, a Farkas-árok erózióveszélyeztetettségét és hordalékszállítási viszonyait. Korábbi vizsgálataink során megállapítottuk, hogy a Farkas-árok hordalékhozama jelentős időbeli fluktuációt mutat, a hordalékkészletek elérhetősége befolyásolja a hordalékszállítás dinamikáját (CSÁFORDI et al. 2010a). A lehetséges hordalékforrások elemzése és

a terület eróziós potenciálja érdekében az empirikus USLE és a fizikai EROSION-3D modellekkel elkészítettük a Farkas-árok eróziós térképét, kiszámoltuk a teljes és átlagos talajveszteséget a 2008-2009-es hidrológiai évben. A talajpusztulás átlagértékeit megadtuk az egyes erdőrészletekre és területborítási kategóriákra, amelyek közül egyik területi egységben sem haladta meg a felületi erózió a 4,1 t·ha-1 toleranciahatárt. Az egyes erdőrészletekben a talajpusztulást legfőképpen a lejtés-lejtőhajlás határozta meg, ugyanakkor a vegetációborítás talajvédő szerepe is egyértelműen megmutatkozott. Az erózióra hajlamos területek elsősorban a vízfolyás menti meredek partfalak, egyes burkolatlan erdészeti közelítőutak és a kiritkult lombkoronájú állományok. Az USLE térinformatikai adaptálása érdekében egy négy modulból álló keretrendszert hoztunk létre az ArcGIS/ ArcMap 9.3 térinformatikai szoftver Model Builder funkciójával, mely egységesíti és meggyorsítja a talajpusztulás számítását. A kiválasztott referencia-időszakra megadtuk a Farkas-árok teljes hordalékhozamát, mely a csillapító vízládában akkumulálódott görgetett hordalékhozamok és – a regressziós egyenletekkel illetve átlagértékek alapján számolt – lebegtetett hordalékhozamok összegével egyenlő. A hatványfüggvény alapú regressziós egyenletekkel az árhullámok fel- és leszálló ágának lebegtetett hordalékkoncentrációját modelleztük, mely egyenletekbe a vízhozamon kívül az esőerozivitást és a megelőző csapadékindexet is bevontuk. Az erdősült kisvízgyűjtők hordalékszállítását sztochasztikus tényezők is befolyásolják, melynek egy jellegzetes példája a faágak és szerves törmelék mögött felhalmozódott hordalékdepóniák többlethatása. A vizsgálati területen mesterségesen megindítottunk egy – az erdészeti út alatti csőáteresz biztonságát veszélyeztető – hordalékkúpot, majd geodéziai és térinformatikai módszerekkel meghatároztuk a depóniából eltávozó teljes hordalékhozamot.

188

Talajveszteség- és hordalékhozam-számításaink összehasonlítása bizonyítja, hogy a felületi erózión kívül más talajpusztulási folyamatok is részt vesznek a Farkas-árok hordalék-utánpótlásában. Ilyen jelenségek a földcsúszások, a partfalerózió, a burkolatlan erdészeti utak és közelítőnyomok vonalas eróziója, melyek részletes elemzése jövőbeli kutatási célunk.

Hidrológiai Közlöny 90 (2): 55-61.

CSÁFORDI, P. – GRIBOVSZKI, Z. – KALICZ, P. (2010B): Contribution of surface erosion to sediment transport in a small forested headwater catchment in the Sopron Hills. Journal of Landscape Management 1 (2): 3-11.

CSÁFORDI, P. (2011): Rövidtávú időbeli változékonyság erdősült kisvízgyűjtők hordalékszállításában.

Felhasznált irodalom BARNA, T. (2011): Erózióveszélyeztetettség vizsgálata a Rákpatak felső vízgyűjtőjén. Szakdolgozat. Nyugat-magyarországi Egyetem, Sopron. 26-35 ps.

BELLÉR, P. 1996: Meszezési kísérletek a Soproni-hegységben. Kutatási jelentés. Erdészeti és Faipari Egyetem, Sopron.

In: Tudományos Doktorandusz Konferencia, Konferenciakötet. Sopron, 2011. április 13. 126-132.

CSÁFORDI, P. – KALICZ, P. – GRIBOVSZKI, Z. (2011): Erdősült kisvízgyűjtő éves hordalékhozamának becslése és egy hordalékkúp hatásának vizsgálata. Hidrológiai Közlöny 91 (3): 46-54.

CENTERI, CS. (2001): Az általános talajveszteség becslési egyenlet (USLE) K tényezőjének vizsgálata.

CSÁFORDI, P. – PŐDÖR, A. – BUG, J. – GRIBOVSZKI, Z.: Soil erosion analysis in a small forested catchment supported by ArcGIS Model Builder.

Doktori értekezés. Szent István Egyetem, Gödöllő. 13-14, 44-63 ps.

Acta Sylvatica et Lignaria Hungarica. (lektorálás alatt)

CHANG, M. (2006): Forest hydrology.

GORDON, N.D. – MCMAHON, T.A. – FINLAYSON, B.L. – GIPPEL, C.J. – NATHAN, R.J. (2004): Stream hydrology.

Taylor and Francis, Boca Raton. 237-282 ps.

CSÁFORDI, P. (2010): Erózióveszélyeztetettség vizsgálata a Soproni-hegység erdősült kisvízgyűjtőjén az USLE és az EROSION-3D modellekkel. In: Az Élhető Vidékért 2010 környezetgazdálkodási konferencia, Konferenciakötet. Siófok, 2010. szeptember 22–24. 189-198.

CSÁFORDI, P. – GRIBOVSZKI, Z. – VÁLINT, ZS. – KALICZ, P. (2010A): Kisvízfolyások anyagszállításának vizsgálata két árhullám példáján.

John Wiley and Sons, Chichester. 169-200 ps.

KÁRPÁTI, L. (1955): Adatok Sopron környékének geomorfológiájához. Földrajzi Értesítő 4 (3): 21-40.

KISHÁZI, P. – IVANCSICS, J. (1981-1985): Sopron környéki üledékek összefoglaló földtani értékelése. Központi Bányászati Fejlesztési Intézet Petrográfia, Sopron. p. 48.

189

LIM, K.J. – SAGONG, M. – ENGEL, B.A. – TANG, Z. – CHOI, J. – KIM, K.S. (2005): GIS-based sediment assessment tool. Catena 64: 61-80.

OWENS, P.N. – COLLINS, A.J. (EDS.) (2006): Soil erosion and sediment redistribution in river catchments, Measurement, modelling and management. CAB International, NSRI Cranfield University. ps. 1-50,

RÁCZ, J. (1985): Erdővel borított lejtős területek ellenállása az erózióval szemben. In: A lejtős területek gazdaságos hasznosítása tudományos tanácskozás, Konferenciakötet. Agrártudományi Egyetem, Gépészmérnöki Kar, Gödöllő. 196-200 ps.

SHEN, H.W. – JULIEN, P.Y. (1993): Erosion and sediment transport. In: Maidment, D.R. (ed.): Handbook of hydrology. McGraw-Hill. 12.1-12.61 ps.

WISCHMEIER, W.H. – SMITH, D.D. (1978): Predicting rainfall erosion losses – A guide to conservation planning. Series: Agriculture Handbook No. 537. USDA, Washington DC. 3-4 ps.

Városi lefolyás modellezése egy soproni részvízgyűjtő példáján (SCL) Szegedi B.

Bevezetés Az urbanizáció következtében előálló lényeges változások a klimatikus viszonyokat, a lefolyást, a vízminőséget érintik és ezeken keresztül a környezet és az ökoszisztéma is változáson megy át. (Gayer J. – Ligetvári F. 2007) A települési vízelvezetés és vízgazdálkodás

problémáival számos tanulmány foglalkozott az elmúlt években: (Dulovicsné 1987), (Asztalos T. et al. 2009), (Mrekva L. 2010). A kutatási munka célja, egy soproni rész vízgyűjtő terület jelenlegi csapadékvíz elvezetési problémáinak feltárása, illetve az ezen a területen várható jövőbeli fejlesztések támogatásához a többletterhelések számítógépes hidraulikai modellezése. Továbbá az eredmények tükrében javaslatok készítése az esetleges rekonstrukciós feladatokhoz. A munka fő része a hidraulikai modell a felépítése, melyben a jelenlegi lefolyási paramétereket egy korábbi állapot terheléseivel vizsgáltuk és a többletterhelésre vonatkozó következtetések megállapítására tettünk kísérletet. A kutyahegyi mintaterület modellezésében az EPA által fejlesztett, SWMM nevű szoftvert alkalmaztuk. A kutatás célja, hogy javaslatot adjon az esetleges elvezető hálózatok megfelelő fejlesztésére.

A vizsgált terület bemutatása és modellezése Jelenlegi állapot bemutatása Az 1990-es évek elejéig a területen kert- és szőlőművelés folyt, ezután kezdődött meg a lakóterület kialakítása. A mezőgazdasági műveléshez szükséges közlekedési nyomvonalak általában figyelembe vették a topográfiai adottságokat, a lakótelkek kialakítása ezt nem követte konzekvensen. A dombvidéki jellegből adódóan a terület lejtése viszonylag meredek, így a jelenleg „szabadon” lefolyó csapadék rövid idő alatt, nagy sebességgel, jelentős kárt okozva távozik. A lefolyó csapadék a terület északi határán az Ágfalvára vezető közlekedési út mellett húzódó betonburkolatú árkon, majd a Sopron - Wienerneustadt vasútvonal alatti átvezetés után, a Natura 2000-es területen keresztül, a topográfiai adottságoknak megfelelően egy meglévő földárkon át jut a befogadó Liget patakba.

190

A lakóterület kialakításával kiépült minden közmű a csapadékvíz elvezetés kivételével. Jelenleg az úthálózat burkolása folyamatosan zajlik. Az Ágfalvi út mellett betonelemekből épített vízelvezető árok és a lakóterületen jelenleg meglévő vízelvezető művek a jelenlegi (2011) paramétereikkel zápor esetén a lefolyó csapadékot nem képesek elvezetni. (www.sopron.hu) A csapadékcsatorna hálózat jellemzően régi kialakítású részben elhanyagolt, burkolatlan talajárok, vagy nagy felületi érdességű beton csatorna. Vízbefogadó kapacitásuk a mai igények tükrében nem elegendő. Az érvényben lévő szabályozási tervek 58 hektár beépítését teszik lehetővé, a lakóterület kialakítása folyamatos, aminek következtében jelentősen megváltoztak / megváltoznak a csapadék lefolyási viszonyok. Mind közép-, mind hosszútávon reálisan számolni kell a lefolyó csapadékmennyiség növekedésével, annak elvezetésével, illetve a megnövekedett csapadékmennyiség elvezetésének üzemeltetési feladataival

A modell felépítését a korábbi részvízgyűjtők további felbontásával, paraméterek megadásával kezdődött. Ennek eredményeképpen összesen 68 részvízgyűjtőre bontottuk fel, figyelembe véve a mintaterület lejtésviszonyait, beépítettségét, telektömbök elhelyezkedését, - elválasztó utak burkolati tulajdonságait (SCL- 2. ábra). Következő lépésben felépítettük a meglévő csapadékcsatorna hálózatot a korábbi felmérés során kapott adatok alapján.

A modell felépítés

2. ábra (SCL): A lehatárolt 68 vízgyűjtő terület

A vizsgált városrész felmérése során lehatárolásra került a 3 fő vízgyűjtő terület, utca szintű lebontásban (Csáfordi et al 2010) (SCL-1. ábra).

A csapadékadatok hozzárendelése a modellhez A mintaterület vízelvezetési problémáinak felderítése érdekében, a modellhez két csapadékeseményt rendeltünk, egy hosszú, de kis intenzitású, és egy rövid, de nagy intenzitású csapadékeseményt. A csapadék adatsorok esetében részben a Sopron és Környéke Víz-és Csatornamű Zrt.-től kapott billenőedényes mérőállomás adatait (2011. 05. 28. 9,1 mm / 10 h), részben pedig a Hidegvíz-völgyben működő 0,1 mm felbontású billenőedényes csapadékmérőből származó adatsort (2010. 07. 29. 38,5 mm /1, 5 h és 2010. 08. 05. 31,1 mm / 3/4h) használtuk fel.

1. ábra (SCL): A felméréskor lehatárolt vízgyűjtő területek (Soproni Vízmű nyomán)

191

Eredmények A felméréskori lehatárolásnál megjelölt 1. és 2. vízgyűjtő csatorna szakaszainak lefolyási viszonyait elemeztük. A 3. vízgyűjtőt egy korábbi munkában vizsgálta Bódis Gábor (Bódis, 2011). Az eredmények kiértékelésénél a kritikus pontokra fókuszáltunk, csapadékelvezető rendszer műszaki állapotának megfelelően.

A kapott eredmények alapján a hosszan tartó kis intenzitású csapadékesemény mellet (9,2 mm / 10 h csapadék) a modell csapadékvíz elvezető hálózata megfelelőnek bizonyult. Megállapítható volt továbbá az is, hogy az egyébként rossz műszaki állapotban lévő árkok is megfelelően képesek elvezetni az ilyen mennyiségű csapadékvizet (SCL-3. ábra).

3. ábra (SCL): Az Újdűlő utca árokrendszere 9.1 mm napi csapadék mellett

Az alacsony intenzitású csapadéknál tapasztaltak alapján az eredmények részletes értékelését a nagy csapadék eseményekre végeztük el. Mindkét csapadékesemény nagy intenzitású, rövid ideig tartó csapadékhullás volt (31.1 mm / ¾ h, 38.5mm / 1.5 h). A terepbejárás alkalmával is kritikusnak vélt szakaszok a következők voltak: • Újdűlő utca • Thrilling Gusztáv utca • Wälder József utca Ezekben az utcákban rossz műszaki állapo-

tú alacsony kapacitású, elhanyagolt, beton és talajárkok találhatóak. A gépkocsibejáróknál minden esetben keresztmetszet csökkentő csőátereszek találhatók.

Újdűlő utca Nagy intenzitású csapadék esetén az árokrendszer csapadékvíz elvezető képessége jelen állapotában elégtelen. Ez főként a változó fenékmélységnek és a növényzet okozta érdességnek köszönhető. Ezen a szakaszon feltétlen indokoltnak tartom a csapadékvíz elvezető rendszer korszerűsítését (SCL-4. ábra).

4. ábra (SCL) Az Újdűlő utca árokrendszere 38.5 mm es terhelés mellett

192

Thrilling Gusztáv és Wälder József utcák A kapott eredmények alapján 31,1 és a 38,5 mm terhelés mellett a Wälder József és a Thrilling Gusztáv utca árokrendszere nem volt képes elvezetni az ott lefolyó vízmenynyiséget. A két utca közül a Thrilling Gusztáv utcában van a legtöbb túlfolyási pont. Itt a nagyszámú, keresztmetszet szűkítő csőáteresz és a helyenként alig 30 cm mély árkok okozzák a legnagyobb problémát (SCL-5. ábra). A Thtilling Gusztáv utcát összehasonlítottuk egy másik vele párhuzamos hason-

ló lejtéssel rendelkező utca (Rozsondai K. u.) lefolyásviszonyával. Ezen az utcán már felújításra került az árokrendszer. Nagy intenzitású csapadékesemények esetén az új, előre gyártott betonelemekből készült vízelvezető rendszer befogadóképessége megfelelőnek bizonyult (SCL-5. ábra). A Wälder József utca egészét tekintve megfelelőnek mondható. Túlfolyás csak a Dalárda utca és a Wälder József utca kereszteződésénél jelentkezik. Ez a probléma megszűnik, ha a Dalárda utcában kialakításra kerül a megfelelő csapadékvíz elvezetés (SCL-5. ábra).

5. ábra (SCL): Wälder J. u., Thrillin G. u. és a Rozsondai K.u. lefolyásviszonyai

193

Következtetések Összességében elmondható, hogy a mintaterület 2011 évi beépítettsége mellett főként a nagy intenzitású csapadékeseményekre mutat nagy érzékenységet, míg a hosszan tartó kis intenzitású csapadékok elvezetése szempontjából megfelelőnek bizonyult. Azt is sikerült kimutatni, hogy azokon a szakaszokon ahol az árokrendszert a korszerű, előre gyártott betonelemekkel újították fel, ott az árkok megfelelően képesek elvezetni nagy intenzitású csapadékokból származó lefolyásokat is.

Felhasznált irodalom

CSÁFORDI, P. – ERŐS, M. – KALICZ, P. – GRIBOVSZKI, Z. – KISFALUDI, F. (2010): „Sopron város Rák-patak vízgyűjtőjére eső része csapadékvíz-elvezetése” A részvízgyűjtők lehatárolása és a tájékozódó terepi mérések (2010. VIII. 27. – 2010. XII. 01.) Előtanulmány. Sopron.

DULOVICS, DNÉ. (1987): Közműépítés III. (Csatornázás) Tervezési Segédlet és Útmutató. Nemzeti Tankönyvkiadó, Budapest. GAYER, J. – LIGETVÁRI, F. (2007): Települési vízgazdálkodás, csapadékvíz elhelyezés. Környezetvédelmi és Vízgazdálkodási Kutató Intézet Kht. Budapest. p. 26-27.

ASZTALOS, T. EL AL. (2009): Csapadékcsatorna hálózatok kapacitásvizsgálata a klímaváltozás tükrében, Magyar Hidrológiai Társaság, XXVII. Országos Vándorgyűlés, Baja.

BÓDIS, G. (2011): Sopron ágfalvi lakópark csapadékvíz-elvezetés hidrológiai felülvizsgálata, Budapesti Műszaki és Gazdaságtudományi egyetem, Építőmérnöki Kar, Vizi közmű és Környezetmérnöki Tanszék, Budapest.

MREKVA, L. (2010): Városi vízgazdálkodás a városi csatornázás tükrében, Magyar Hidrológiai Társaság, XXVIII. Országos Vándorgyűlés, Sopron.

STORM WATER MANAGEMENT MODELL USER’S MANUAL VERSION 5.0 (2010): Environmentel Protection Agency, United States. http://www.sopron.hu/Sopron/portal/front_sho w?contentId=24624&searchtext=kutyahegy

194

Sopron város felszíni vizei mentén megjelenő özönnövények előfordulásának és hidrológiai hatásának vizsgálata (SON) Gyimóthy K.

Bevezetés A hullámterek világszerte az invázió által legveszélyeztetettebb élőhelyek közé tartoznak (Pyšek – Prach 1994, Pyšek et al. 1998, Hood – Naiman 2000, Planty-Tabbachi et al. 2001). A folyóvizeknek szerepük van a szaporítóképletek terjesztésében, ám a legmeghatározóbb tényező az özönnövények terjedésében a rendszeres bolygatás. A hazai hullámterekben számos esetben jelennek meg nagy tömegben inváziós fajok. Sopron város felszíni vizei mentén leggyakrabban előforduló két özönnövény a hibrid japánkeserűfű (Fallopia x bohemica) és a bíbor nebáncsvirág (Impatiens glandulifera). Emellett vizsgálataim során találkoztam még bálványfával, gyalogakáccal, magas aranyvesszővel és vadszőlővel is, ám ezek állományai szálanként, néhány m2 –es foltokban vannak jelen, így természetvédelmi jelentőségük csekély.

Anyag és módszer Terepi méréseimet és vizsgálataimat Sopronban négy víztest környezetében 2011. márciusától egy vegetációs perióduson keresztül végeztem. Az Ibolya-tó ill. a Szalamandra-tó (Tacsi-árok) esetében fényképes dokumentációt készítettem, az Ikva és a Rák-patak mentén egyéb eszközök is a rendelkezésemre álltak az NYME-EMK Geomatikai, Erdőfeltárási és Vízgazdálkodási Intézet jóvoltából. Mérésekhez használt eszközök: • Trupulse 360 lézer távmérő, mely gyorsan és közvetlenül szolgáltatja a távolságadatokat.

• Leica Viva NetRover GNSS mérőállomás, melynek segítségével felvettem a sarokpontokat, majd Digiterra térinformatikai program segítségével poligonokat készítettem. Egyes foltok, illetve növényegyedek esetében csupán a pontok koordinátáit vettem fel, s a térinformatikai rendszerben is pontfedvényként kezeltem.

Eredmények Az első vizsgált szakasz a Rák-patak torkolatától a TESCO mérési pontig tart (ld. SVM-1 ábra). A meder mindvégig burkolatlan. A teljes özönnövényekkel borított terület nagysága ezen a szakaszon 7241.92 m2. A vegetáció igen gyér, alig néhány faj képes megtalálni az életfeltételeit a hibrid japánkeserűfű mellett. A második szakasz a TESCO mérőhelytől a Győri úti mérési pontig terjed. Ezen a szakaszon az özönnövények szintén uralják a hullámteret. A Győri úti mérési pont közelében terjedőben van a bálványfa, több foltban találtam újulatot. A teljes özönnövényekkel borított terület nagysága 5287.59 m2. A fajösszetétel változatosabb képet mutat. Ahol a hibrid japánkeserűfű nem foglalta el a területet, még fellelhetőek honos gyomfajok, sőt szűktűrésű, specialista fajok is. A harmadik szakasz a Győri úttól a Fasor utcai mérési pontig tart. Itt jórészt zárt csatornában halad a patak, felbukkanásai mentén azonban az özönnövények is erélyesen terjednek. A vegetáció szegényes, az özönnövények mellett főleg a természetes termőhelyek zavarástűrő növényei illetve a honos flóra gyomfajai találhatók meg kis számban. A negyedik szakasz a Fasor utcai mérési helytől a Hajnal téri mérési pontig terjed. A felmért hibrid japán keserűfű állomány nagysága a bal parton 615.69 m2, míg a jobb parton 475.34 m2. Az alsóbb mederszaka-

195

szokhoz képest sokkal kisebb mértékű az invázió, a vegetáció diverzebb képet mutat. Az utolsó vizsgált szakasz a Hajnal téri mérési ponttól a bánfalvi műtárgyig terjed. A bal parton öt nagyobb állományban, összesen 457.6 m2-en, míg a jobb part mentén három nagyobb részen, 259.97 m2 kiterjedésben felvételeztem a hibrid japánkeserűfüvet. Szórványos előfordulásai is voltak, főleg az összefüggő állományok közelében. A bánfalvi műtárgyhoz közel magas aranyvessző is előfordul. A vegetáció változatosabb az alsóbb szakaszokhoz képest.

A Rák-patak városi szakasza mentén több, mint 1.5 ha területet foglalnak a Fallopia x bohemica állományai. A két part közötti nagy eltérés a 0-1. szakasz bal oldali területének nagyságából adódik, ugyanis a torkolat közelében található egy több, mint 4000 m2 kiterjedésű összefüggő állomány. A fajlagos területből arra lehet következtetni, hogy az urbanizálódott (beépített) területek korlátozzák a faj terjeszkedését. A borítás nélküli kitettséget jobban kedveli.

Szakasz

Bal oldali állomány nagysága (m2)

Jobb oldali állomány nagysága (m2)

Teljes terület (m2)

Fajlagos terület (m2/fm)

Átlagmagasság (m)

0-1.

5757,87

1484,05

7241,92

10,78

4

1-2.

2399,52

2888,07

5287,59

5,12

3,5

2-3.

223,42

523,56

746,98

1,48

3

3-4.

615,69

475,34

1091,03

0,50

2,5

0,61

3

4-5.

457,6

259,97

717,57

Bal oldal össz: 9454,10

Jobb oldal össz: 5630,99

Össz: 15085,09

1. táblázat: Fallopia x bohemica állomány nagysága

Az Ikva hullámterében az özönnövények közül a bíbor nebáncsvirág előfordulása volt a meghatározó. A Papréten, illetve a Rák-patak befolyásánál a hibrid japánkeserűfű is terjedőben van, utóbbi helyen egy 120 m2-es összefüggő állományát mértem fel. Összességében elmondható, hogy a Rákpatakhoz képest az özönfajok elterjedése kisebb mértékű, a vegetáció változatosabb. A két állóvíz környezetében nem érzékelhető az özönnövények jelenléte, a természetközelibb Szalamandra-tó esetén a vegetáció diverzebb képet mutat.

Következtetések, javaslatok A japánkeserűfű fajok által okozott problémák már régóta jelen vannak, ám csak az

elmúlt évtizedben kezdtek el komolyabban foglalkozni velük. Az ember által megbolygatott területeken könnyedén megtelepszik, közvetett vagy közvetlen emberi közreműködés nyomán pedig természetes és természetközeli élőhelyeken is képes megmaradni, terjeszkedni. A növekvő állományok korlátozzák az ott élő fás- és lágyszárú növények életlehetőségeit, kiszorítják őket termőhelyükről, egyes elemek kizárásával a növényi- és állati sokféleségben, azaz a biodiverzitásban okoznak kárt. Visszaszorításuk rendkívül költség- és munkaigényes (Balogh 2004). Az özönnövények elszaporodása a hullámtereken a természetvédelmi problémákon túlmenően vízügyieket is okozhat. A nagyvízi mederben növeli a mederérdességet,

196

ezáltal lassítja az árvízi levonulást, vízviszszaduzzasztó hatása nagy lehet. A vízfolyások mentén terjedő állományok akadályozzák azok megközelíthetőségét, a meder vízátbocsátó-képességét, illetve növelik a szabályozott szakaszok mederfenntartási munkáinak költségeit, többek között az árvízvédelmi berendezések károsításával.

– In: Mihály B. & Botta-Dukát Z. (szerk./eds.): Biológiai inváziók Magyarországon: Özönnövények. A KvVM Természetvédelmi Hivatalának tanulmánykötetei 9, TermészetBÚVÁR Alapítvány Kiadó, Budapest

GYIMÓTHY, K. (2011): Sopron város felszíni vizei mentén megjelenő özönnövények előfordulásának és hidrológiai hatásának vizsgálata. Szakdolgozat, Sopron

HOOD, W. G. & NAIMAN, R. J. (2000): Vulnerability of riparian zones to invasion by exotic vascular plants. Plant Ecology 148: 105–114.

1. ábra A japán keserűfű benőtte a medret (TESCO mérőhely)

A hibrid japánkeserűfű a meredek partoldalakon azonban erózióvédelmi feladatokat lát el. Hosszan benyúlik a patak fölé, ezen árnyékoló hatása révén gátolja a vízinövények túlzott elszaporodását. Mézelő növény, táplálkozás és gyógyászat terén lehetne hasznosítani funkcionálisan hímivarú, termést nem érlelő példányait. Emellett a meddőhányok stabilizálása, nehézfémekkel szennyezett talajok megtisztítása is a hasznosítási lehetőségek között szerepel. Fontos kiemelni azonban, hogy tudatos termesztése természetvédelmi szempontból nem elfogadott. Törekedni kell az őshonos lágyszárú fajokkal való újratelepítésre. Visszaszorításuk érdekében a vízügyi szerveknek és a természetvédelemnek együtt kell működniük.

PLANTY-TABACCHI, A., TABACCHI, E. & BONILLO, M. J. S. (2001): Invasions of river corridors by exotic plant species: patterns and causes. In: Brundu, G., Brock, J., Camarda, I., Child, L. & Wade, M. (eds.): Plant invasions: Species ecology and ecosystem management. Backhuys Publishers, Leiden.

PYŠEK, P., PRACH, K. & MANDAK, B. (1998): Invasion of alien plants into habitats of Central European landscape: a historical pattern. In: Starfinger, U., Edwards, K., Kowarik, I. & Williamson M. (eds.): Plant Invasions: Ecological Mechanisms and Human Responses. Backhuys Publishers, Liden.

PYŠEK, P. & PRACH, K. (1994): How Important are Rivers for Supporting Plant Invasions? In: De Waal, L. C., Child, L. E., Wade, P. M. & Brock, J. H. (eds): Ecology and Management of Invasive Riverside Plants. John Wiley and Sons.

Felhasznált irodalom BALOGH, L. (2004): Japánkeserűfű-fajok (Fallopia sectio Reynoutria)

REJMÁNEK, M. (1996): A theory of seed plant invasiveness: the first sketch. Biological Conservation 78: 171-181.

197

A Rák-patak biológiai vízminősítése (SHB)

A vizsgálat fő célja az emberi hatások értékelése volt a makrogerinctelen közösségben tapasztalt változások segítségével a vízfolyás településen átvezető, szabályozott szakasza és a közel természetes állapotú felső folyási szakaszok között.

Szita R. – Gerencsér N.

Bevezetés Az alábbi fejezet a Rák-patak vízminőségének biológiai értékelésével foglalkozik a pályázat keretein belül. Az évszakos változásoknak megfelelően a témában vizsgált 6 ponton mintavételezéseket tavaszra, nyárra és őszre időzítettük, így 2012 szeptemberéig összesen 5 mintázás történt, melyekből a 2012 nyári adatok még feldolgozás alatt vannak. A begyűjtött anyag sztereo mikroszkóp segítségével került osztályozásra, család szinten meghatározásra, majd az adatok a Magyar Makrozoobenton Család Pontrendszert alkalmazva lettek kiértékelve.

Vizsgálati terület A pályázat során vizsgált vízfolyás VKI besorolás alapján a Duna 1-es számú részvízgyűjtő területéhez tartozik, víztest tipizálása szerint pedig hegyvidéki, szilikátos, durva, kicsi vízgyűjtőjű patak. (Vkki, Édukövizig 2010) A patak további felméréseivel ellentétben biológiailag a 7 pontból csak 6-ot vizsgáltunk, így a SHB 1-táblázatban bemutatott módon módosultak az egyes mintavételi szelvényekhez kapcsolódó részvízgyűjtők adatai.

Helyszín

Jelölés

Rész-vízgyűj- Rész-vízgyűjtőkön tők területe található (km2) települések területei (ha)

Rész-vízgyűjtők települési részaránya (%)

Települések részaránya a vizsgált vízgyűjtőre (%)

Tesco-híd

TESCO

1.57

1.42

90.43

24.11

Győri út

GYORI

3.22

3.21

99.67

21.06

Fasor utca

FASOR

4.07

2.37

58.08

12.85

Hajnal-tér

HAJNAL

3.64

0.43

11.75

5.96

Sopronbánfalva

BAN

17.12

1.30

7.78

5.61

Kutatóház

HAZ

6.01

0.0096

0.16

0.16

1. táblázat: Vizsgált mérőpontok és a hozzájuk tartozó települési részarány

A továbbiakban röviden ismertetnénk a mintavételi helyek részletesebb jellemzését (várostól a forrásvidék felé haladva, 2011-es adatokat figyelembe véve), kiélezve a makrogerincteleneket befolyásoló tényezőkre. Az I. mintavételi hely (TESCO) a város szélén található. A vízfolyás medre itt

egyenes, medermorfológiája kevésbé változatos, mederanyagának 83%-a durva homok frakciójú. Átlagos vízmélysége 17,93 cm, 3,7 cm a szórása, minimuma 11,2 cm, maximális vízállása pedig 25,0 cm. Partját japánkeserűfű (Fallopia japonica) monokultúra jellemzi, szálanként egy-két náddal (Phragmites australis). A szakasz az év legnagyobb részében napsütötte,

198

részleges árnyékoltsága a japánkeserűfű méretétől függ. A II. mintavételi pont (GYŐRI) előtt a patak 1,5 km hosszan alagútban halad a város alatt. A vízfolyás medre egyenes, „U”- szelvényekkel kirakott aljzaton halad, a rajta található mederanyag (93 % durva homok frakció) csupán a víz szállító munkájának az eredménye. A vízfolyás átlagos mélysége 21,8 cm, szórása 3,95 cm, minimuma 12,5 cm, míg maximuma 29,0 cm. Környezetében a higrofil adventív fajok jelenléte megnő, ezen kívül ruderális növényzet jellemzi partját, benne egy-két természetes foltként megjelenő mézgás égerrel (Alnus glutinsa) és fehér fűzzel (Salix alba). Partja alig, ezzel ellentétben medre igen szennyezett kommunális hulladékkal. A szakasz 100%-ig napsütötte. A III. mintavételi pont (FASOR) mederének morfológiáját a 2011-es évben eltérő sebességű, zátonyos és kissé állóvizes jellegű részek jellemezték. Átlagos vízmélysége 20,7 cm, szórása 3,53 cm, minimális vízállása 14,4 cm, míg a maximális 28,0 cm volt, mely értékek a 2011 őszén megkezdett mederrendezések hatására a 2012-es évre tejesen megváltoztak, befolyásolva ezzel a vízfolyás makrogerinctelen faunáját. Környezetében főként ruderális növényzet található, a mederrel párhuzamosan húzódó vadgesztenyék (Aesculus hippocastanum) árnyékoló hatásának megfelelő összetételben. Sajnos a vízfolyás ezen része is szemetesnek mondható, főként a mellette fekvő sétánynak és kerékpárútnak köszönhetően. A szakaszon félárnyékos és árnyékos részek váltogatják egymást. A mintavételi pontok közül a IV. mintavételi hely (HAJNAL) az utolsó, mely lakott területen belül található. Medre szabályozott, a vizsgált rész felső szakaszán „U” szelvényes. Átlagos vízmélysége 15 cm, szórása 2,58 cm, minimum értéke 10,2 cm, míg maximum ér-

téke 20,2 cm. Partja folyamatos kezelés alatt áll, ezért környezetében ruderális növényzet figyelhető meg. Medrének bal partját jelentős kiterjedésű japánkeserűfű (Fallopia japonica) állomány jellemzi, továbbá kommunális hulladékkal is igen szennyezett. A szakasz legnagyobb része napsütötte. A V. mintavételi hely (BAN) a lakott terület és természetes környezet határán található. A meder morfológiája a városi pontokhoz képest változatos, jellemzőek a sodorvonal és a szélek közötti sebesség különbségek és kissé állóvizes jellegű részek. Mederanyagának 86 %-a durva homok frakciójú. A szakasz átlag vízállása 16,3 cm, annak szórása 3,8 cm, minimuma 5,5 cm, míg maximum értéke 24,8 cm. A patak közvetlen környezetében égeres húzódik, folyásirányának megfelelően jobb partján bükkös, míg bal partján nitrifikáló és zavarástűrő növények (köztük japánkeserűfű is) találhatóak a mellette húzódó út hatásának köszönhetően. Árnyékoltság tekintetében nyitottabb és zártabb részek váltakozása jellemzi. A VII. mintavételi pont (HÁZ) rendelkezik a legtermészetesebb mederrel, környezettel és részvízgyűjtővel. A patak ezen része természetes medrében folyik, meanderezik, zátonyos, kisebb állóvíz jellegű, erősebb és gyengébb folyású részek jellemzik. Mederanyagának 79 %-a durva homok. A patak átlagos mélysége 10,4 cm, mélységének szórása 3,6 cm, minimum vízállás értéke 3,6 cm, míg a maximumé 23,8 cm. A vízfolyást patakmenti-ligeterdő (kb. 1520 éves) övez, az arra jellemző elegy fafajokkal és lágyszárú növényzettel. A szakasz környezete tiszta, szemetet csak egy helyen figyelhettünk meg a mederben. A vizsgált részen a patak legnagyobb része árnyékolt. (Szita 2011)

199

Módszertan A biológiai vízminősítés megállapításához a magyar viszonyokra, Csányi Béla által kifejlesztett Makrozoobenton Család Pontrendszert (MMCP) alkalmaztuk munkánk során. (KRISKA 2003) A módszert használva többször, de kisebb ráfordítással dolgozunk, mely segítségévvel leírhatjuk a patak szezonálisan változó taxon-eloszlását. A biológiai minősítés a vízi makrozoobentosz gyűjtésével, majd azok elemzésével történik. A mintavételezésre többféle módszertan létezik, melyeket maga a minősítési rendszerek határoznak meg. Az MMCP esetében nincsenek konkrét módszerek lefektetve, csupán iránymutatást nyújt a mintavételezés módjára. Mintázásunk során minden mintavételi ponton 3-3 egyenként 10 m-es szakaszt határoztunk meg vizsgálataink színhelyéül, melyek kellőképpen reprezentálják az adott részt. Minden 10 m-es szakaszon további 5-5 replikátumot különítettünk el, melyek a legjellegzetesebbek az adott részen. A „kick and sweep” technikát alkalmazva, minden 10 m-en 5 percig mintáztunk szabványos fémkeretes kúp alakú kézi hálóval. Így kapva a mérés során szemikvantitatív adatokat a patak makrogerinctelen faunájáról.

Az így összegyűjtött anyagból még a terepen kiválogattuk a vízi makrogerincteleneket és 70 %-os denaturált szeszbe rakva tartósítottuk őket. Ezek után a gyűjtött mintát sztereomikroszkóp és az irodalomjegyzékben feltüntetett határozó könyvek segítségével család szinten határoztuk meg. Majd a szétválogatott mintákat véglegesen 76 %-os oldatba helyezve tartósítottuk. A víz minősítésére biotikus indexeket használhatunk - esetünkben a már fenn említett MMCP-t alkalmaztuk -, amely az élőhelyet az adott időben jelen lévő élőlény-együttesek alapján jellemez.

Eredmények A biológiai adatok rendszerezését az egyedek rendszertani kategóriákba való besorolásával folytattuk. Az eddig feldolgozásra került adatok (2011 évi és a 2012 tavaszi mérések) során 11330 egyedet azonosítottunk és 73 taxont írtunk le a vizsgált területről. (SHB 3-4. táblázat). Az Makrozoobenton Család Pontrendszert alkalmazva az SHB 2- táblázatban megjelenített vízminősítési kategóriákat kaptuk. A táblázat minden mintavételi pontnál tartalmazza a minősítési kategóriát és a vízminőségi osztályt. (A határokra eső vízminőségi osztályokat egyik esetben sem korrigáltuk, így bizonyos pontok jobb minősítést kaptak a feldolgozás során.)

2011.Tavasz

2011. Nyár

2011. Ősz

2012.Tavasz

TESCO

II.A Jó minőségű

III.A Kevésbé szennyezett

II. B Jó minőségű

II.B Jó minőségű

GYORI

III.A Kevésbé szennyezett

IV.A Közepesen szenynyezett

III.B Kevésbé szennyezett

III.B Kevésbé szennyezett

FASOR

I. A Kiváló minőség

I.A Kiváló minőség

III.B Kevésbé szennyezett

II.A Jó minőségű

HAJNAL

I.C Kiváló minőség

II.A Jó minőségű

II. B Jó minőségű

II.A Jó minőségű

BAN

I.A Kiváló minőség

I.C Kiváló minőség

I. A Kiváló minőség

I.A Kiváló minőségű

HAZ

I.C Kiváló minőség

I. A Kiváló minőség

I. A Kiváló minőség

I.A Kiváló minőségű

2. táblázat: MMCP által kapott minősítési kategóriák

200

A pontok minősége a Hidegvíz-völgytől a TESCO felé haladva folyamatosan romlik. A legtermészetesebb állapotok, és legjobb minőségek olyan helyeken jelennek meg, melyek részvízgyűjtő területein még kicsi a települések százalékos aránya, tehát kisebb az emberi zavaró hatás. Legjobb minősítési kategóriákat tavasszal figyelhetjük meg, melyek az év folyamán, főként a városban vizsgált pontoknál folyamatosan romlanak, ezzel is tükrözve a városi környezet hatását. A szennyezettség mértékének növekedése a fajszám csökkenését, a specialisták vagy indikátor fajok eltűnését és a szennyezést jobban tűrő fajok tömeges felszaporodását vonja maga után (pl.: kevéssertéjűek (Oligochaeta), piócák (Hirudinae), bogárlárvák (Coleoptera)), mely tendenciát a mintavételi pontjainkon tapasztaltak jól reprezentálnak. A város felett felvételezett pontok (BAN, HÁZ) természetessége a legjobb. Az itt tapasztalt év közbeni esetleges taxondiverzitás és darabszám csökkenést nem feltétlenül az emberi hatás növekedése okozza, hiszen ezen a területen csak az erdőgazdasági munkálatok jelenthetnek bármilyen környezetalakító hatást a patakra. (GYÖRGY et al. 2005) A fajok mennyiségének a csökkenése, mely szezonálisan változik, az év folyamán őket érő természetes stresszhatások miatt következhet be. Megállapítható továbbá, hogy a patak azon szakaszain nagyobb a vízi makrogerinctelen taxonok diverzitása, ahol a meder morfológiája is sokkal változatosabb. A mintavételezés során 73 taxont írtunk le a területről (SHB 3-4. táblázat). Legnagyobb számban a tegzesek csoportjából a mocsári- (Limnephilidae), a sisakos- (Sericotomatidae) és a szövőtegzesek (Hydropsychidae) fordultak elő, a kérészek közül az erezett- (Heptageniidae), a tarka(Ephemeridae) és a teleszkópszemű kérészek (Baetidae), az álkérészek közül pedig a közepes álkérészek (Perlodidae) család-

jának egyedeit találtuk. Ugyanilyen nagy számban jelentek meg a mintázás során a bolharákok (Gammaridae), az árvaszúnyogok (Chironomidae) és a karmosbogarak (Elmidae) családjának tagjai is.

1. ábra: Calopteryx virgo lárva

Hazánk egyetlen fokozottan védett szitakötő faja, a kétcsíkos hegyi szitakötő (Cordulegaster heros, SHB 2-ábra) a Soproni-hegységben, Őrségben, Mecsekben és a Zselicben fordul elő. (CSORDÁS 2009) Legnagyobb mennyiségben a HÁZ pontnál gyűjtöttük a 2011 nyári mintavételezés során, összesen 18 darabot.

Kövi csíkot (Barbatula barbatula) csak a Győri úti pontnál, míg sebes pisztrángot (Salmo trutta, SHB 3-ábra) a FASORnál, a Hajnal-téren és a BAN-nál is találtunk. Ezek mellett folyami rákot (Astacus

201

astacus, SHB 4-ábra) is fogtunk a mintavételezés során, a HAJNAL, a BAN és a HÁZ mintavételi helyeken.

Mintavétel időpontja 2011.Tavasz Mintavétel helye/ Talált taxonok

I.

II.

III.

Asellidae

X

X

X

IV.

V.

Astacidae

VII.

X

Baetidae

X

Bithyniidae

X

X

X

X

Calopterygidae

X

X

X

Capniidae Chironomidae

X

X

X

X

Chloroperlidae

X X

Chrysomelidae Cordulegasteridae

X

X

X

Corixidae 3. ábra: Salmo trutta

Tubificidae

A vizsgálat során kapott eredmények megfelelnek az eddigi munkákban feltüntetett vízminőségi kategóriáknak. Összességében a Rák-patak jó ökológiai állapotúnak tekinthető, megerősítve a VKI szerinti 1-es, azaz nem erősen módosított, hegyvidéki szilikátos víztest tipizálást. (VKKI, ÉDUKÖVIZIG, 2010)

Culicidae

X

Curculionidae Dytiscidae Dixidae

X

Dryopidae Dytiscidae

X

Elmidae

X X

X

X

X

X

X

X

X

X

X

X

Ephemerellidae Ephemeridae

X

Erpobdellidae

X

Gammaridae

X

Gerridae Glossiphoniidae

X

X

Goeridae

4. ábra: Astacus astacus

Gomphidae

X

Gordius

X

Gyrinidae

X

Heptageniidae

X

Hirudidae

X

X

X

X

X

X

X

Hydrobiidae

X X

X

X

X

X

Hydrophilidae Hydropsychidae Lepidostomatidae Leptophlebiidae

202

X

X

X

X

2011. Nyár

2011. Ősz

I.

II.

III.

IV.

V.

X

X

X

X

X

X

X

X

X

X

X

X

VII.

X

X

X

I.

II.

III.

IV.

X

X

X

X

X X

X

X

X

X

X

V.

VII.

I.

II.

III.

IV.

V.

VII.

X

X

X

X

X

X

X

X

X

X

X

X

X

X X

X

X

X

X X

X

X

2012.Tavasz

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X X X

X

X

X

X

X

X

X

X

X

X

X

X

X

X X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X X

X

X

X

X

X

X

X

X

X

X X

X X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X X

X

X

X

X

X

X

X

X

X

X

X X

X

X X

X

X

X

203

X

X

X

3. táblázat: A mintavételezések során talált taxonok összefoglaló táblázata 1.

X

Adatelemzés A mintavételi pontokon a 2011-es évi adatokat figyelembe véve készítettük el az adatelemzéseket, mely során elsőként megállapítottuk az egyedek számát, a Shannonindex alapján a diverzitást és a Jaccard-féle kiegyenlítettséget. (SHB 5- táblázat)

Mintavétel időpontja

2011.Tavasz

Mintavétel helye/ Talált taxonok

I.

Leuctridae

II.

III.

IV.

V.

VII.

X

X

X

X

X

Libellulidae Limnephilidae

X

X

Limoniidae

X

Lymnaeidae

Majd a Jaccard-féle fajazonosság értékek segítségével megvizsgáltuk, hogy a pontjaink mennyire és hogyan csoportosulnak fajösszetétel tekintetében. A vizsgálat alapján elmondható, hogy a FASOR és a BAN pontok hasonlósága a legnagyobb mindközül, mely állapot a mederrendezés hatására a 2012-es évben vélhetően megváltozott. A Jaccard-féle kiegyenlítettséget figyelembe véve a továbbiakban klaszteranalízis segítségével egy hierarchikus csoportelemzést végeztünk. (SHB 5-ábra)

X

Megaspiridae Mesoveliidae Naucoridae Nemouridae

X

X

X

Notonectidae Noteridae Oligochaeta Osmylidae Pediciidae=Tipulidae

X

X

Perlidae Perlodidae

X X

X

X

X

X

X

X

Phryganiidae Phylopotamidae Physidae

X

X

Piscicolidae Pisidiidae

X

Planariidae Planorbidae Polycentropodidae

X

X

Ptychopteridae Rhagionidae

X X

Rhyacophilidae

X X

X X

Scirtidae

X

Sericostomatidae

X

X

X

X

X

Sialidae Simuliidae Stratiomyidae

5. ábra: Jaccard indexen alapuló klaszteranalízis dendrogramja

Tabanidae

A klaszteranalízis során kialakult 2 nagy csoport tükrözi a biológiai vízminősítés kategóriáiban megmutatkozó hasonlóságokat és különbségeket.

Taeniopterygidae Thaumaleidae Valvatidae Veliidae

204

X X

X

X

X

X

X

X X

2011. Nyár I.

II.

III.

2011. Ősz IV.

V.

VII.

I.

II.

2012.Tavasz III.

IV.

V.

VII.

X

X

X

X

X

I.

II.

III.

IV.

X

X

V.

VII.

X

X

X

X

X X X

X

X

X

X

X

X

X X X

X X X X X

X

X

X

X

X

X

X

X

X

X X

X

X X

X

X

X X

X

X

X X

X

X

X

X X

X X

X

X

X

X

X X

X X

X

X

X

X

X

X

X

X

X

X X X

X X

X

X X

X

X

X

X

X

X

X

X

X

X

X X X

X

X

X

X

X

X

X

X

X

X

X

X X

X X

X

X

205

X X

X

X

4. táblázat: A mintavételezések során talált taxonok összefoglaló táblázata 2.

X

TESCO

GYŐRI

FASOR

HAJNAL

BAN

HÁZ

Taxa_S

29

17

29

35

36

37

N

1169

924

1310

995

1350

2152

Diverzitás (H')

1.853

1.746

2.102

2.357

2.654

2.404

Kiegyenlítettség (J)

0.5502

0.6162

0.6244

0.6629

0.7406

0.6658

5. táblázat: Diverzitások számítása mintavételi pontonként

Következőkben kiválasztottunk három olyan taxont (Baetidae, Gammaridae, Chironomidae) melyek egyedei a leggyakoribbak voltak a gyűjtött anyagban. Ezeket az adatokat a mintavételezés előtt és után mért fizikai, kémiai és fiziko-kémiai adatok átlagával összesítve egy standardizált mátrixot hoztunk létre, melyekből klaszteranalízist készítettünk. A dendrogramokat megállapítottuk évszakos szinten és az adatok átlagából egyaránt. (SHB 6-ábra)

6. ábra: Klaszter analizís Statistica szoftverrel a standardizált adatokra (C1: Tesco; C2: Győri út; C3: Fasor; C4: Hajnal; C5: BAN; C6: HÁZ ) (forrás: NÉMETH 2011)

Az így kapott klaszter analízis az előzőhöz hasonlóan két nagy csoportot különít el a mintavételi pontok között. Az adatainkból készített Pearson-féle korrelációs mátrix segítségével (SHB 6-táblázat) megtudhatjuk, mely paraméterek gyakorolnak hatást a vizsgált három taxonra és egymásra. A lenti táblázat az átlag értékekből vett korrelációs értékeket mutatja be a családokkal összevetve. Ez alapján a vizsgált három taxon közül a Baetidae csa-

lád rendelkezik a legnagyobb indikációs értékkel a vizsgált paraméterek vonatkozásában, szemben a másik két családdal. Ebből a korrelációs mátrixból következtethetünk továbbá a családok ökológiai igényeire is az előjelek és a korrelációs tényező nagysága alapján. (BOROSY 2001) Pearson korrelációs mátrix

Baetidae

Chironomidae

Gammaridae

Baetidae

1.000

0.172

-0.386

Chironomidae

0.172

1.000

0.702

Gammaridae

-0.386

0.702

1.000

Q

0.632

-0.290

-0.630

T

0.821

0.040

-0.294

pH

0.265

0.097

-0.173

K

0.785

-0.077

-0.618

KOI

0.737

0.289

0.141

NH4

0.748

0.095

-0.410

N03

0.936

-0.017

-0.497

Cl

0.797

-0.176

-0.692

SO4

0.819

-0.255

-0.756

TP

0.827

0.086

-0.431

ALP

0.894

-0.090

-0.562

ALK

0.703

0.193

-0.188

EDTA/DTPA Fe mg/kg

0.909

0.280

-0.166

EDTA/DTPA Mn mg/kg

0.659

-0.060

-0.360

EDTA/DTPA Cu mg/kg

0.886

0.039

-0.454

EDTA/DTPA Zn mg/kg

0.916

-0.013

-0.490

6. táblázat. Pearson-féle korrelációs mátrix (átlag értékekből) (forrás: németh Zs. 2011)

206

Felhasznált irodalom

KRISKA GY. (2003.): Az édesvizek és védelmük,

ASKEW, R.R. (2004): The dragonflies of Europe. (revised edition),

Műszaki Kiadó, Budapest, 141-174. oldal

Harley Books, Colchester

KRISKA GY.(2008.): Édesvízi gerinctelen állatok határozója,

BOROSY A. ET AL (2001): Sokváltozós adatelemzés (Kemometria),

Nemzeti Tankönyvkiadó

Budapest, Nemzeti Tankönyvkiadó

STEINMANN H. (1964): Szitakötő lárvák, Larvae Odonatorum,

CSÁNYI B. - JUHÁSZ P. - KAVRÁN V. - KOVÁCS, T. (2001): Vízi makroszkopikus gerinctelen állatok (makrozoobenton) határozókulcsai,

Akadémia Kiadó, Budapest

Vízgazdálkodási Tudományos Kutató Intézet, Budapest

SZITA R. (2011): A Rák patak természetes és mesterséges szakaszainak összehasonlító hidrobiológiai vizsgálata, TDK dolgozat, Sopron

CSORDÁS L. (2009): Védett szitakötők felmérése és összehasonlító vizsgálata Nyugat-dunántúli élőhelyeken,

VKKI, ÉDUKÖVIZIG (2010): A Viz Keretiranyelv hazai megvalósítása,

Szakdolgozat, Sopron

Vízgyűjtő-gazdálkodási Terv: 1-2 Rábca és a Fertő

GYÖRGY K. - KRISKA GY. - BARDÓCZYNÉ SZ. E. (2005): A makrogerinctelen élőlényegyüttes változása a mederviszonyok és az antropogén hatások tükrében a Rák-patakban.

WOLFGANG L. (2005): Key to Larvae from Central Europe, CD-ROM

Hidrológiai Közlöny, Vol. 85, No. 6, 42-43. oldal

207

Szombathely város felszíni vizeinek környezeti állapota (SZOV) SZINETÁR M.

Szombathely vízrendszerének bemutatása A város vízrendszerének gerincét adó Gyöngyös-patak, a Kőszegi-hegységet északról megkerülve éri el az ország területét, innen az általa feltöltött Gyöngyös-síkon folytatja útját a város felé. A patak Szombathely északi határában, Gencsapáti területén található osztó műtárgynál kettéágazik. A mederbe helyezett zsilip maximum 5m3/s vízhozamot enged tovább a városon keresztül haladó Gyöngyös- műcsatornába, amely több településen keresztülhaladva (Táplánszentkereszt, Vasszécseny, Pecöl) Sárvár északi határában a Rábába torkollik. A Gyöngyös-műcsatorna, mint a nevéből is kitűnik, mesterségesen kialakított létesítmény, a csatornára vízhasználatok – öntöző és ipari vízkivételek, malmok – települtek. A csatorna elnevezésből és a geomorfológiai viszonyokból adódik, hogy a Gyöngyös műcsatorna nem mindenütt a terület mélyvonulatán folyik, nem gyűjti össze „automatikusan” a környezetében lehulló vizeket. Vízgyűjtő területe csak a medrébe bekötött természetes vízfolyások és mesterséges lecsapoló csatornák, vízelvezető árkok vízgyűjtő területéből tevődik össze, saját vízgyűjtője csak egy nagyon keskeny parti sávra korlátozódik. A meder a római korban épült ki, mesterséges földmeder sok helyen agyagszigeteléssel, ami azt jelenti, hogy a felszín alatti vizekre gyakorolt leszívó hatása sem működik mindenhol. [VKKI &NYUDUKÖVIZIG, 2010] A Gyöngyös patak vízhozamának 5 m3/s feletti része, a Gencsapáti osztóműnél egy oldalbukón keresztül az eredeti Gyöngyös

mederbe, a Sorok-Perint- patakba ömlik. A bukó 80 m3/s vízhozamot képes kiöntésmentesen levezetni. A Gyöngyös árhullámait a Sorok-Perint vezeti le, emiatt vízjárása lényegesen ingadózóbb. Nyári száraz időben, mikor a Gyöngyös vízhozama nem éri el a műcsatorna kapacitását, a Perint nem kap közvetlen vízutánpótlást az oldalbukón keresztül. Ilyenkor vízkészletét a tőle nyugatra található kavicstakaróból beszivárgó vizek, valamit a nem túl jelentős jobboldali mellékvizéből, a Mocsvári-patakból származó vizek alkotják. Kiszáradni még extrém esetben sem szokott, az osztóműtől pár száz méterre már meanderező vízfolyás jelenik meg. Kis és középvízi medre szabályozott, nagyvízi medre többnyire természetesen alakult ki. A patak a város nyugati oldalán folyik keresztül, majd azt elhagyva Zsennye község határában a Rábába torkollik. Két legjelentősebb mellékvize a Szombathely területén becsatlakozó Arany-patak valamit a város alatt, Sorokpolánynál befolyó Sorok. Az Arany-patak a Szombathelytől nyugatra, észak-nyugatra eső területekről gyűjti öszsze a vizet, saját vízgyűjtő területe 115 km2, mely szélsőségesen különböző területeket foglal magába. Felső szakasza mély völgyekkel tagolt hegyvidék, alsó szakasza sík és dombvidék jellegű. Két legjelentősebb mellékága a Bozsoki- és a Szűnösei-patak. Mind a kettő balparti hozzáfolyás. A patak vízminőségét erősen befolyásolja, hogy szinte teljes hosszában intenzíven művelt kultúrtájakon, vagy falvakon halad keresztül. Az Arany-patak Szombathely területén a 30+322,5 szelvénynél ömlik bele a SorokPerint patakba. [VKKI &NYUDUKÖVIZIG, 2010] Szombathely területén természetes állóvíz nem található. A Csónakázó- és a Horgásztavat a hatvanas években alakították ki a korábban ott működő Kenderesi téglagyár kibányászott gödrei helyén. A tavak vízutánpótlását az Arany-patak biztosítja, a

208

vízkivételi műtárgyból a víz a Horgász-tóba kerül, innen folyik tovább a barátzsilipen keresztül a Csónakázó-tóba. A Csónakázótó leeresztő műtárgyán keresztül a felesleges víz a Sorok-Perintbe ömlik. Mind a két tó horgászható, jelentős halállománnyal bírnak, ebből kifolyólag szerves anyag tartalmuk magas. Szombathely dél-nyugati oldalán, az Újperinti városrész határában találhatók az Újperinti halastavak. Kavicsbányászat során került itt kialakításra négy tó, melyek közül jelenleg kettő üzemel horgasztóként. A tavak szélét nádas borítja, környezetükben szép ligetes erdőfoltok találhatóak. A várostól dél-keltre Táplánszentkereszt határában a Szombathelyi Kavicsbánya területén négy darab, összesen 46 ha kiterjedésű tó került kialakításra. A tavak vízforgalma eusztatikus, a talajvízre gyakorolt hatásuk pozitív, mert a tóban a biológiai és kémiai öntisztulási folyamatok miatt a vízminőség javulása feltételezhető. Az egyes tavak eltérő művelés alatt állnak; művelés alatt álló tó, zagy tó, felhagyott, de növényzettel még nem benőtt tó, és rekultivált tó található a bánya területén. A város felszíni vizeinek minőségének meghatározása során, az alábbi módon jártunk el. Első lépésben kijelöltük összesen tizenhat mintavételi pontot. A pontok kijelölését igyekeztünk úgy elvégezni, hogy az ott mért eredmények minél reprezentatívabban jellemezzék tavak esetében az egész tó, vízfolyások esetében pedig az adott szakasz állapotát. Ennek tekintetében a Gyöngyösműcsatornán és a Sorok-Perintben négynégy, az Arany-patakon egy, az Újperinti halastavakon egy, a Gyöngyöshermáni kavicsbánya tavakon négy pont került kijelölésre. További egy mintavételi pont jelöltünk ki a Szombathelyi Szennyvíztisztító tisztított szennyvízbevezető csatornájában, amely a Sorok-Perintbe ömlik bele a 23+405 fkm-nél.

1. ábra: Szombathely vízrendszere a mintavételi pontokkal és az azokhoz tartozó részvízgyűjtő területekkel

Adatgyűjtési módszerek Minden kijelölt ponton vízmintavételezés történt, melyek kiértékelésével a Sopron és Környéke Víz-és Csatornamű ZRt. Központi laboratóriumát bíztuk meg, ahol a következő paramétereket vizsgálták: klorid-ion (Cl-), szulfát-ion (SO42-) ammónium-ion (NH4+), nitrát-ion (NO3-), összes foszfor (ÖP), és permanganátos kémiai oxigénigény (KOIps). Vízfolyások esetében mederanyaminták vételére is sor került, melyeket a NymE Környezet- és Földtudományi Intézet Termőhelyismerettani Tanszékén elemezték ki az általunk kért paraméterek szerint, melyek az alábbiak voltak: váz-százalék (a 2 mm-nél nagyobb alkotórészek mennyiségének arányszáma), pH (desztillált vizes és kálium-kloridos), szénsavas mésztartalom (CaCO3), higroszkóposság (hy), szemcseméret eloszlás (agyag A%, iszap I%, finomhomok Fh%, durvahomok Dh%), szerves anyag tartalom (humusz H%), nitrogéntartalom (N%), oldható foszfor- és káliumtartalom (ALP, ALK), kalcium-tartalom

209

(KCl-es Ca), magnézium-tartalom (KCl-es Mg), vas- mangán-, réz- és cink-tartalom (EDTA/DTPA Fe, Mn, Cu, Zn). A vizek állapotának pontosabb megismerése érdekében helyszíni méréseket - fiziko-kémiai (vízhőmérséklet, elektromos vezetőképesség, kémhatás), és hidromorfológiai (keresztszelvények felvétele, vízsebesség mérés, vízhozam számítás) – végeztünk. Ahhoz, hogy a fent említett módon gyűjtött adatokat értelmezni tudjuk, szükséges volt minél részletesebben megismerni az általunk vizsgált vizeket, valamit, azokat a tényezőket, amik azok vízminőségét befolyásolni tudják. Ennek érdekében terepi bejárásokat tartottunk, megvizsgáltuk a vízfolyásokat érintő vízhasználatokat (vízkivételi, vízbevezetés), megismertük a város csapadékvíz csatornahálózatának rendszerez, valamit területhasználati statisztikákat készítettünk. A területhasználati statisztikák elkészítését az indokolta, hogy a pontszerű szennyezőket a vízhasználatok, és a csatornázási adatok segítségével megismerhetjük, diffúz szennyezésekről azonban – amelyek egyes

esetekben hasonló jelentőséggel bírnak, mint a pontszerűek – ilyen módszerekkel nem kapunk információt. A lehetséges diffúz szennyezések megismerésének érdekében lehatároltuk az egyes mintavételi ponthoz tartozó részvízgyűjtő területeket, és az így kapott térképet összevontuk Szombathely területhasználati térképével. Ha feltételezzük, hogy egy területen végzett különböző tevékenységek egymáshoz viszonyított arány meghatározza a vizsgált térség várható szennyezettségét, akkor imént kapott térkép segítségével pontosan meghatározható az egyes mintavételi pontokhoz tartozó részvízgyűjtő területen a különböző területek %-os aránya, melyből következteti, tudunk szennyezettség mértékére. Az alábbi grafikonon (SZOV-2 ábra) négy csoportba – antropogén területek, mezőgazdasági területek, erők, vizes területek – soroltuk be valamennyi területet a könynyebb átláthatóság érdekében. A grafikonon a számok az egyes mintavételi pontokat jelölik, a SZOV-2 táblázat alapján azonosítható, hogy melyik szám, melyik mintavételi pontot jelöli.

2. ábra: Egyszerűsített területhasználatok az egyes részvízgyűjtőkre

210

Fontos megemlíteni, hogy a mérések és a mintavételek időpontjában (2011. július 15.) az előző napi esőzések miatt egy kisebb árhullám vonult le a patakokon, ami némileg csökkentheti az adataink reprezentativitását a vizek általános állapotára nézve.

Adatok értékelése Az adatok értékelése során első lépésben a város felszíni vizeinek tipizálását végeztük el. Vízfolyások esetében a vonatkozó 31/2004. (XII. 30.) KvVM rendelet 5. számú melléklete [1] alapján a Gyöngyös- és a Sorok-Perint patak hegyvidéki és dombvidéki kisvízfolyások felső szakaszának minősülnek, azaz a 4-es típusba tartoznak. Az Arany-patak hegyvidéki és dombvidéki kisvízfolyásnak minősül, és a 9-es típusba tarozik. Ezen vizsgálatban szereplő mind az öt tó mesterséges kialakítású, bányászati tevékenység során jött létre. A 31/2004. (XII. 30.) KvVM rendelet 5. számú mellékletében foglaltak alapján a kavicsbánya-tó kategóriába kerültek besorolásra egy kivétellel. A Csónakázó-tó a volt szombathelyi téglagyár tevékenysége során jött létre (agyagbányászat), azonban a bányászati tevékenységet az 50es évek végén befejezték. Az azóta eltelt több mint fél évszázad alatt „bányató” jellegét elvesztette, azért célszerűbbnek éreztem a 13-as típusba (Meszes - kis területű - sekély

- nyílt vízfelületű - állandó) sorolni. A jogszabályi előírások szerint meghatározott víztest típusok vízminőségi jellemzőinek határértékét a 10/2010. (VIII. 18.) VM rendelet [2] alapján egyértelműen azonosítani tudtuk. Elvégeztük továbbá a minták MSZ12749 szabvány szerint osztályozását is, ami azért jó, mert ez a szabvány nem csak egy határértékek ad meg, hanem a szennyezettség függvényében osztályokba - kiváló (I. osztály), jó (II. osztály), tűrhető (III. osztály), szenynyezett (IV. osztály), erősen szennyezett (V. osztály) - sorolja a felszíni vizeket. Ez alapján a Gyöngyös műcsatorna minden ponton, minden vizsgált paraméter esetében kiváló vagy jó eredményt kapott. A Sorok-Perinten és az Arany-patakon a nitrát-ion tartalom szennyezett, erősen szennyezett állapotot mutat, a többi érték, tűrhető vagy ennél jobb osztályzatot kapott. Tavak esetében a legrosszabb eredményt (szennyezett), a Rekultivált-tó pH értéke és a Kotrás alatti tó nitrát-ion tartalma esetében kaptuk. A többi paraméter esetében tűrhető vagy annál jobb eredmények születtek. A nemrégiben korszerűsített szombathelyi szennyvíztisztító hatékonyságát mutatja, hogy a tisztított szennyvízbevezető csatornából vett minta esetében, három paraméterre kiváló egyre pedig jó eredményt kaptunk, holott a bevezethető szennyvíz minőségére nem a természetese felszíni vizekre megszabott határértékek vonatkoznak.

211

Helyszín név

A

B

E

KOIps

NH4+

NO3-

ÖP

pH



Öntő u. (GY)

I.

I.

II.

I.

II.

I.

Vérellátó (GY)

I.

I.

II.

I.

II.

I.

Elkerülő belterületen (GY)

I.

I.

II.

I.

II.

I.

Elkerülő külterületen (GY)

I.

I.

II.

I.

I.

I.

Belső elkerülő (S-P)

I.

II.

V.

II.

I.

II.

Herman Ottó isk.(A)

I.

I.

IV.

II.

I.

III.

Használt strandvíz alatt (S-P)

I.

I.

IV.

I.

I.

II.

Szv. telep felett (S-P)

II.

I.

IV.

II.

I.

II.

Szv. Bevezető

II.

I.

V.

I.

I.

IV.

Szv. telep alatt (S-P)

II.

I.

IV.

II.

I.

III.

Leeresztő műtárgynál

III.

I.

I.

II.

II.

I.

1-es tó

III.

I.

I.

I.

II.

III.

Rekultivált tó

II.

I.

I.

I.

IV.

II.

Kotorás alatti tó

I.

I.

IV.

I.

III.

II.

Zagy tó

n.a.

n.a.

n.a.

n.a.

II.

II.

Utolsó kotort tó

n.a.

n.a.

n.a.

n.a.

III.

II.

1. táblázat:Szombathely felszíni vizeinek besorolása az MSZ 12749 szabvány alapján

Vízf. Szelvény [fkm]

Vízhozam [l/s]

NO3[mg/l]

SO42[mg/l]

Helszín név

1

Öntő utcai híd

GY 39+084

918,78

0,06

3,3

19

41

3,4

2

Belső elkerülő út hídja

S-P 29+570

1633,69

0,31

28

47

95

5

3

Vérellátó intézet melleti híd

GY 37+588

815,08

0,05

3,7

20

37

3,3

4

Herman Ottó Iskola melleti híd

A 1+706

62,04

0,07

19,8

36

65

4,9

6

Használt strandvíz bevezetése alatt

S-P 28+033

1352,01

0,1

23

29

86

4,6

7

Szennyvíztisztító telep felett

S-P 23+745

1184,23

0,08

18,8

38

71

7,3

8

Szennyvíztisztító telep alatt

S-P 23+109

1530,00

0,08

24

61

73

7,5

9

Tisztitott sz.v. beveztés

S-P 23+360

314,48

0,1

34

124

86

7,5

11

Belső elkerülő út hídja

GY 34+068

849,97

0,06

3,7

20

36

4,1

12

Külső elkerülő út hídja

GY 30+517

895,93

0,07

3,2

18

48

4,3

212

NH4+ [mg/l]

Cl[mg/l]

S.sz.

KOIps [mg/l]

Az vízminőségi paraméterek koncentrációjának ismerete nem elég ahhoz, hogy megismerjük, a város mekkora terhelést jelent a rajta keresztülfolyó vízfolyások számára, hiszen csak a fajlagos, literre vonatkoztatott mennyiségüket ismerjük. A vízhozamok ismeretében meghatározható az anyagáram, ami megmutatja, hogy mekkora tömegű [mg] vizsgált anyag folyik le időegység alatt [s]. Az anyagáramok kiszámításához az alábbi képletet használtam: Cvf [mg/l] · Qvf [l/s] = G [mg/s], ahol Cvf a vízminőségi jellemző koncentrációja az adott vízfolyásban, Qvf pedig a vízfolyás vízhozama. Az egyes mintavételi pontokhoz tartozó vízhozam és koncentrációadatok, valamint az ezekből számított anyagáramok a 2. táblázatban kerültek öszszefoglalásra.

Hogy pontosabb képet kapjunk Szombathely vizeinek egymáshoz viszonyított állapotáról, célszerű volt valamilyen dimenziócsökkentő eljárás segítségével tulajdonságaik függvényében csoportokba sorolni őket. Mi ezt klaszter-analízis segítségével végeztük el. Az analízis során a Ward-módszert használtuk, melynek fő előnye, hogy megőrzi a tér eredeti szerkezetét. A dendrogramok elkészítéséhez a Past statisztikai és modellező programot használtuk. A 3. ábrán a vízfolyásokat a vizsgált vízkémiai paraméterek (NH4+, NO3-, Cl-, SO42-, KOIps, ÖP) koncentrációja alapján csoportosítottuk. Az ábra bal oldalán jól elkülönül a város vízfolyásaitól a szennyvíztisztító kieresztő csatornája (szv9). A Gyöngyös-műcsatornán lévő mintavételi pontok (GYM1, GYM3, GY11, GYM12) középen csoportot alkotva, jó elkülönülnek a vizsgált paraméterek többségében nagyobb szennyezettséget mutató Sorok-Perinttől és Arany-pataktól.

S.sz.

Helszín név

ÖP [mg/l]

G (NH4+) [mg/s]

G (NO3-) [mg/s]

G (Cl-) [mg/s]

G (SO42-) [mg/s]

G (KOIps) [mg/s]

G (ÖP) [mg/s]

1

Öntő utcai híd

0,05

55,13

3032

17456,8

37670

3123,9

45,9

2

Belső elkerülő út hídja

0,19

506,44

45743,3

76783,3

155200,4

8168,4

310,4

3

Vérellátó intézet melleti híd

0,05

40,75

3015,8

16301,5

30157,8

2689,8

40,8

4

Herman Ottó Iskola melleti híd

0,16

4,34

1228,5

2233,6

4032,8

304

9,9

6

Használt strandvíz bevezetése alatt

0,1

135,2

31096,2

39208,3

116272,9

6219,2

135,2

7

Szennyvíztisztító telep felett

0,12

94,74

22263,5

45000,8

84080,4

8644,9

142,1

8

Szennyvíztisztító telep alatt

0,11

122,4

36720

93330

111690

11475

168,3

9

Tisztitott sz.v. beveztés

0,09

31,45

10692,2

38995,1

27045

2358,6

28,3

11

Belső elkerülő út hídja

0,07

51

3145

16999,5

30599

3484,9

59,5

12

Külső elkerülő út hídja

0,08

62,71

2867

16126,7

43004,6

3852,5

71,7

2. táblázat: a vízminták koncentráció értékei, és az azokból számított anyagáramok

213

3. ábra: Vízfolyások hierarchikus osztályozása a koncentrációk függvényében

Összefoglalás Ezen kutatásban bemutatjuk Szombathely város felszíni vizeinek természetföldrajzi viszonyait a fellelhető irodalmak, illetve NYUDU-VIZIG-től kapott dokumentumok alapján. A város folyó- és állóvizeinek jellemzése céljából méréseket és mintavételezéseket végeztünk (2011. 07. 15.), az adatokat paraméterenként kiértékeltük, és összehasonlítottuk a 10/2010. (VIII. 18.) VM rendelet és az MSZ 12749 szabvány vízminőségi határértékeivel. Megállapítottuk, hogy a vizsgált időpontban a városon átfolyó Gyöngyös, valamint Perint patakok vízminősége jellegzetes különbségeket mutat. A Gyöngyös állapota amellett, hogy a város területén kimutathatóan növekvő szennyezést mutat, ez egy esetben sem éri el a vonatkozó határértéket. A Perint terhelése már a városba érkezésnél (Északi elkerülő) jelentős, s ez a későbbiekben az Arany-patak betorkolásánál, valamint a városi szennyvíztelep kifolyójánál tovább emelkedik. Ennek ellenére a szennyezési értékek többsége így is a megengedett határérték alatt marad. Az Arany-patak esetében

korábbi mérések alapján is várható volt a szennyezett állapot, ugyanakkor nem ismert, hogy a Sorok-Perint esetében mi okozza az Északi elkerülőnél mért értékeket. A Sorok-Perint vízminőségére a legnagyobb hatással a tisztított szennyvízbevezetés van, a városi szennyvíztelep kifolyójánál mért megnövekedett terhelése elsősorban a pH csökkenésében, valamint a nitrát és kloridion növekedésében nyilvánul meg. A mért értékek itt sem jelentősen magasabbak az érvényben lévő szabványnál. A vízfolyásokból vett mederanyag minták kiértékelése során megállapítottuk, hogy a finom szemcsefrakció jelenlétével drasztikusan megemelkedik a fémtartalom, hiszen ezeken a szakaszokon kiülepedésre van lehetőség. A fémek pedig előszeretettel kötődnek a kiülepedő lebegtetett frakcióhoz, így ezeken a helyeken akkumulálódhatnak az üledékben. Különösen jól látszik ez a Gyöngyös műcsatornán a 11. mintavételi pontnál és az Aranypatakon. A város állóvizei kivétel nélkül mesterséges eredetűek. Változó mértékű eutrofizációs állapotot mutatnak. Az Arany-patakkal táplált és korát tekintve egyik legidősebb Csó-

214

nakázó-tóban a legmagasabbak a mért értékek (pl. összes foszfor, kémiai oxigén igény, ammónium-ion), melyek a megnövekedett szerves anyag terhelésre engednek következtetni. A fiatalabb és jelenleg is bányaművelés alatt álló tavak a várakozásnak megfelelően alacsony értékeket mutattak a fenti paraméterek esetében. A Gyöngyöshermáni bányatavak egyikében ( Kotrás alatti tó) a nitrát-ion tartalom a vonatkozó rendelet által megszabott határérték kétszázszorosa volt, a szennyezés eredetéről nincsenek információink. Összességében megállapítható, hogy Szombathely város felszíni vizeinél jelentős szennyezést nem tapasztaltunk. A mért és kiértékelt adatok mindössze egy időpont állapotáról adnak képet, így a mérések ismétlése feltétlenül kívánatos. A Perint városba lépő szakaszán tapasztalt magas értékek eredetét különösen fontos volna vizsgálni, tekintettel arra, hogy éppen ez a vízfolyás kapja a város területén is a jelentősebb terhelést. Hasonlóan szükségesnek találtuk az Arany-patak esetében megvizsgálni, hogy milyen módon lenne csökkenthető a szenynyezése, mely a Perint, illetve a Csónakázótó vízére nézve egyaránt kihatással van.

Felhasznált irodalom MSZ 12749:1993, Felszíni vizek minősége, minőségi jellemzők és minősítése. Magyar Szabvány.

VKKI & NYUDUKÖVIZIG (2010): 3-1 Rába alegység Vízgyűjtő-gazdálkodási terv, Vízügyi és Környezetvédelmi és Központi Igazgatóság és Nyugat-dunántúli Környezetvédelmi és Vízügyi Igazgatóság, Budapest-Szombathely. [1]31/2004. (XII. 30.) KvVM rendelet a felszíni vizek megfigyelésének és állapotértékelésének egyes szabályairól: http://net.jogtar.hu/jr/gen/ hjegy_doc.cgi?docid=A0400031.KVV

[2]10/2010. (VIII. 18.) VM rendelet a felszíni víz vízszennyezettségi határértékeiről és azok alkalmazásának szabályairól: http://net.jogtar.hu/jr/gen/hjegy_doc. cgi?docid=A1000010.VM

215

Székesfehérvár felszíni vizeinek környezeti állapota (SZEV) CSÁKI P.

Székesfehérvár vízrajza Székesfehérvár vízrajza elég összetett. Közigazgatási területének és belterületének legnagyobb része a Sárvíz-Nádor-csatorna vízgyűjtőjéhez tartozik. A Nagyszombati úttól keletre eső terület (Csala és Kisfalud) pedig a Császár-vízen keresztül a Velenceitó vízgyűjtőjének része. A város vízrajzának térképi megjelenítése a SZEV-3. ábrán található. A térképet DigiTerra Map programmal készítettem (DIGITERRA). Legjelentősebb vízfolyása a Gaja patak (SZEV-1. ábra), egyrészt a mérete miatt (közepes vízhozam a városba éréskor 1,21 m3/s (KÖDU-KÖVIZIG)), másrészt a város több állóvizének a táplálója, illetve a tisztított szennyvizének és a nagy részéről elfolyó csapadékvizének is a befogadója (Aszalvölgyi-árok és mellékcsatornái, Hosszúéri-árok, Jancsár-csatorna, Vargacsatorna, Malom-árok). Vízgyűjtő területe 631,5 km2. A Sárvíz-Nádor-csatornába torkollik (S.-N.-csatorna 96+006 fkm), ami a Sión keresztül kapcsolódik a Duna vízrendszeréhez (KÖDU-KÖVIZIG 2000). Ugyancsak a Sárvíz-Nádor-csatornába csatlakozik a Dinnyés-Kajtori-csatorna, amely a befogadója a város délkeleti területeiről (Öreghegy széle, Köfém lakótelep, Börgönd) összegyűjtött csapadékvíznek (SZFÁR. MJV ÖNKORMÁNYZAT 2008). Székesfehérvár egyetlen még meglévő természetes állóvize a város alsó részén található szikes Sóstó (SZEV-2. ábra). A tó déli felébe 1910-től 2000-ig szennyvizet vezettek. A környezetével együtt 2003-tól helyi

védettséget élvez. A Sóstó Természetvédelmi Terület legnagyobb értéke, hogy több különleges élőhely együttese (vizes, nádas, lápos, erdős területek) (BANIZS ET AL. 2010). Ezen kívül a lakótelepek építése nyomán kialakított horgásztavak (Horgásztó, Csónakázó-tó, Palotavárosi tavak), a bányatavak (Öreghegyi bányató, Ráchegyi-tó), illetve a város északi határán elhelyezkedő Halastavak alkotják Székesfehérvár állóvízkészletét.

1. ábra: Gaja patak

2. ábra: Sóstó

Mérési módszerek Szerettük volna felmérni Székesfehérvár felszíni vizeinek környezeti állapotát, és a város hatását a vízminőségükre. Ezért megfigyelésekkel, mérésekkel, mintavéte-

216

lezésekkel egybekötött terepi bejárást végeztünk 2011. június 21-én. Társaim CSÁFORDI Péter, ERŐS Mihály és Dr. KALICZ Péter voltak. Főként - de nem kizárólag - azokra a felszíni vizekre összpontosítottunk, melyek a Gaja vízgyűjtőjébe tartoznak, ugyanis a város hatását ez a patak jelzi a legjobban. Célunk fiziko-kémiai paraméterek helyszíni mérése, a vízfolyások hidro-morfológiai felvételezése (keresztszelvény, vízsebesség, vízhozam), és minták vételezése (víz, mederanyag) volt. A mérések, mintavételezések 19 kijelölt pontját a SZEV-1. táblázat

foglalja össze és a SZEV-3. ábra mutatja. A 6. pontnál, a Malom-árok Csónakázó-tó melletti részénél épp medertisztítás folyt, így felkeveredés miatt sem fiziko-kémiai vizsgálat, sem mintavételezés nem történt, ezért nem közlöm a táblázatban sem. Székesfehérváron az előző napokban csapadék minimális mennyiségben hullott (összesen 1-2 mm), a mérési napon a városban a maximum hőmérséklet 31,1 °C, a minimum 14,7 °C, az átlag pedig 23,4 °C volt (AMSZ 2011).

3. ábra: Székesfehérvár vízrajza, mintavételi pontok, szennyvíz kibocsátók

217

EOV



T

Cl-

Ssz.

Helyszín

1

Gaja/ Hármashíd

2

Malom-árok/ Kereszttöltés út

600738

207502

21.5

878

8.06

36

3

Horgásztó

600702

206673

25.8

793

8.56

38

4

Csónakázó-tó

600828

206479

26.8

861

8.53

46

5

Varga-csatorna/ Csónakázó-tónál

601116

206215

21.9

2110

7.97

208

7

Palotavárosi tavak/ déli

600542

205183

26.1

1614

8.54

129

8

Palotavárosi tavak/ északi

600516

205294

27.1

1491

8.61

133

9

Jancsár-csatorna/ Szv. telep előtt

600043

204739

28.3

1559

7.78

132

10

Szennyvíztelep kifolyó

599949

204743

25.8

1843

7.78

206

11

Gaja/ Jancsár-cs. befolyása előtt

599865

204914

25.2

894

8.29

40

12

Gaja/ Jancsár-cs. befolyása után

599434

204701

25.9

1168

8.15

87

13

Gaja/ Aszalv.-á.befolyása után

598236

204123

26.3

1292

8.21

104

14

Aszalv.-árok/ Gajába torkollás előtt

598296

204127

28.7

1847

8.75

214

15

Sóstó

602381

203114

32.2

2960

8.51

300

16

Basa-árok

602564

203883

24.5

1050

8.12

90

17

Aszalv.-árok/ Kórház után

603220

205136

26.1

3690

8.93

785

18

Bányató

606223

206978

26.3

1210

8.20

159

19

Aszalv./ Videotonnál

604190

207428

17.5

647

8.06

27

Ssz.

Helyszín

1

Gaja/ Hármashíd

111

0.19

9.9

0.28

4.1

2

Malom-árok/ Kereszttöltés út

114

0.13

10.3

0.24

4.8

-

3

Horgásztó

121

<0.04

<1.0

0.11

7.9

71.1

4

Csónakázó-tó

132

<0.04

<1.0

0.10

8.2

48.9

5

Varga-csatorna/ Csónakázó-tónál

317

1.49

28.0

0.36

5.4

-

7

Palotavárosi tavak/ déli

432

0.08

1.3

0.06

11.0

32.3

8

Palotavárosi tavak/ északi

374

0.10

1.0

0.07

11.0

29.6

9

Jancsár-csatorna/ Szv. telep előtt

200

0.32

4.9

0.40

7.4

-

10

Szennyvíztelep kifolyó

174

0.11

58.0

2.20

6.9

-

11

Gaja/ Jancsár-cs. befolyása előtt

110

0.08

11.6

0.25

4.8

-

12

Gaja/ Jancsár-cs. befolyása után

131

0.09

24.0

0.78

5.8

-

13

Gaja/ Aszalv.-á.befolyása után

136

0.09

28.0

0.90

6.0

-

14

Aszalv.-árok/ Gajába torkollás előtt

362

0.10

22.0

0.16

11.3

-

15

Sóstó

346

0.10

2.8

1.11

43.3

7.4

16

Basa-árok

68

3.60

1.5

1.89

38.6

-

17

Aszalv.-árok/ Kórház után

256

0.11

97.0

0.25

4.0

-

18

Bányató

187

0.06

3.0

<0.05

5.7

30.6

19

Aszalv./ Videotonnál

37

0.11

3.2

3.70

11.7

-

y

x

600136

[°C]

206926

pH

[μS/cm]

19.3

888

SO42-

NH4+

NO3-

ÖP

[mg/l]

[mg/l]

[mg/l]

[mg/l]

1. táblázat: Mérési, mintavételi pontok, eredmények

218

[mg/l] 7.98

36

KOIps

Klor.-a

[mg/l]

[μg/l] -

Eredmények, értékelés Hidro-morfológia A vízfolyások mérési pontjainál hidromorfológiai vizsgálatokat végeztünk. A vízhozam meghatározása úszós sebességméréssel kombinált keresztszelvényfelvétellel történt. A felszíni sebességadatokat (v) a vízmélység függvényében („a” tényezővel megszorozva (Starosolszky et al. Ssz.

Helyszín

1971)) számítottuk át átlagsebességgé (vá). A keresztszelvény területét (A) az átlagsebességgel (vá) megszorozva kaptuk a vízhozamot (Q). A kiszámolt értékeket a Gajába való befolyás sorrendjében a SZEV-2. táblázat mutatja. Meg kell jegyezni, hogy mivel az előző időszak csapadékmentes volt, nagyrészt a talajvíz-utánpótlásból származó vízhozamot mértük. Szelvény [fkm]

Vízhozam m3/s

l/s

1

Gaja/ Hármashíd

Gaja 6+442

0,69683

696,83

11

Gaja/ Jancsár-csatorna befolyása előtt

Gaja 4+294

0,48707

487,07

2

Malom-árok/ Kereszttöltés út

Malom-á. 1+531

0,00366

3,66

6

Malom-árok/ Csónakázó-tónál

Malom-á. 0+272

0,00338

3,38

5

Varga-csatorna/ Csónakázó-tónál

Varga-cs. 1+851

0,00365

3,65

9

Jancsár-csatorna/ Szv. telep előtt

Jancsár-cs. 0+464

10

Szennyvíztelep kifolyó

12

Gaja/ Jancsár-csatorna befolyása után

17

Aszalvölgyi-árok/ Kórház után

16

Basa-árok

Basa-á. 0+379

0,00311

3,11

14

Aszalvölgyi-árok/ Gajába torkollás előtt

Aszalv.-á. 0+013

0,01902

19,02

13

Gaja/ Aszalvölgyi-árok befolyása után

Gaja 2+492

0,53477

534,77

0,01875

18,75

0,25000

250,00

Gaja 3+813

0,59736

597,36

Aszalv.-á. 6+163

0,00186

1,86

2. táblázat: Vízhozam értékek

A Gaja vízhozama a méréseink alapján átlagosan 579,01 l/s (0,57901 m3/s) volt. A város vízfolyásainak hozamai alapján említésre méltó még a két legnagyobb főgyűjtő, a Jancsár-csatorna (18,75 l/s) és az Aszalvölgyi-árok (19,02 l/s).

Vízminőségi jellemzők A továbbiakban szeretném pár mondatban kiértékelni az egyes vízminőségi jellemzőkre kapott eredményeket. Néhányat a szemléletesség kedvéért oszlopdiagrammal mutatok be. A vízfolyások esetében az ábrákon a helyek sorrendjét a Gaja vízrendszere

szerint alakítottam, a Gajára vonatkozó értékeket félkövérrel szedtem. Fiziko-kémiai vizsgálatok A vízhőmérséklet (T), az elektromos vezetőképesség () és a pH értékek meghatározását Mettlet Toledo típusú terepi mérőműszerrel végeztük a helyszínen. A kapott eredményeket a SZEV-1. táblázat tartalmazza. Ezek közül az elektromos vezetőképességet () elemezném, mely arányos a vízminta sókoncentrációjával (GRIBOVSZKI – PANNONHALMI 2005).

219

A legnagyobb értéket, 3690 μS/cm-t, az Aszalvölgyi-árok Kórház utáni szakaszánál mértük (SZEV-4 ábra). Kiemelkedő még a Varga-csatorna vezetőképessége is (2110 μS/cm). Ezekből a magas értékekből arra következtethetünk, hogy a vízfolyások talajvíz-utánpótlása erősen szennyezett volt. A Sóstó vizének magas vezetőképessége (2960 μS/cm) nem meglepő, hiszen egy szikes tóról van szó, tehát nagy a sókoncentrációja (SZEV-5 ábra). A Gaja vezetőképessége a folyásirányban haladva növekvő tendenciát mutat, egyértelműen látszik a befolyó vizek hatása, főleg a tisztított szennyvízé. A városba érve 888 μS/cm az értéke, ez a Jancsár-csatorna befolyása után közel 300 μS/cm-rel megnő, majd az Aszalvölgyi-árok torkolata után már 1292 μS/cm.

Vízminták A vízminőségi paraméterek laboratóriumban történő vizsgálatához mintákra volt szükség, melyet minden esetben próbáltunk az átlagos vízmélységből venni. A minták szállítására, és átmeneti tárolására műanyag palackokat használtunk. A kielemzésükre a Sopron és Környéke Víz-és Csatornamű ZRt. Központi laboratóriumában került sor, melyet a mintavétel utáni napon (2011. 06. 22.) kezdtek meg. Az általuk vizsgált paraméterek a következők: klorid-ion (Cl-), szulfát-ion (SO42-), ammónium-ion (NH4+), nitrát-ion (NO3-), összes foszfor (ÖP), és permanganátos kémiai oxigénigény (KOIps). Az állóvizekből külön mintát vettünk a klorofill-a tartalom vizsgálatára, melyet a NymE Kémiai Intézetében végeztek el. Az eredményeket a SZEV-1 táblázat foglalja össze. Sóháztartás A sóháztartás makroionjai közül a kloridion (Cl-) és a szulfát-ion (SO42-) mennyiségének mérése történt meg a vízmintáink laborban történő vizsgálata során.

4. ábra

A klorid-ion a felszíni vizeinkben rendszerint kis mennyiségben fordul elő, legnagyobbrészt geológiai eredetű. Nagy menynyiségű klorid-ion tartalom házi vagy ipari szennyvíz hatását jelzi (SZŰCS et al. 2009). A legmagasabb érték megint az Aszalvölgyiárok Kórház utáni szakaszánál jelentkezett (785 mg/l). Kiugró volt a Varga-csatorna (208 mg/l), az Aszalvölgyi-árok befogadó előtti szakasza (214 mg/l), illetve a Sóstó (300 mg/l) koncentrációja is (SZEV-6-7 ábra).

5. ábra

220

A Sóstónál és a Basa-ároknál kiugróan magas a szerves szennyezőanyagok mennyisége. Az előbbinél 43,3 mg/l, az utóbbinál 38,6 mg/l volt a KOIps értéke. A Gaja szerves szennyezőanyagának menynyisége a várost elhagyva megnő, de nem túl jelentősen (KOIps = 4,1 – 6,0 mg/l).

6. ábra

7. ábra

A szulfát a természetes vizekben az egyik legnagyobb koncentrációban jelen lévő anion. Mennyisége a csapadék, a geológiai adottságok és a biológiai hatások függvénye (GRIBOVSZKI – PANNONHALMI 2005). A koncentrációk 37 és 432 mg/l között változtak. A legalacsonyabb érték az Aszalvölgyiárok Videoton melletti mérési pontjánál, a legmagasabb pedig a Palotavárosi déli-tónál adódott. A Gaja klorid- és szulfát-ion tartalma is megnőtt a városon áthaladva. Kémiai oxigénigény (KOIps) A szerves szennyezőanyagok mennyiségének feltárására az egyik legelterjedtebb módszer a felszíni vizeknél a kálium-permanganátos (KOIps) oxigénfogyasztás mérése.

Nitrogénformák Vizeink esetében a nitrogénformák közül az ammónium-ion (NH4+) és a nitrát-ion (NO3-) vizsgálata történt. Az előbbi elsősorban a szennyvizek szerves anyag tartalmának biokémiai bomlása során keletkezik (ammonifikáció), tehát nagyobb ammónium-ion tartalom házi- vagy ipari szennyvízterhelést jelez (SZŰCS et al. 2009). E paramétert tekintve a legszennyezettebbnek a Basa-árok (3,60 mg/l) és a Varga-csatorna (1,49 mg/l) bizonyult. A Gaja ammónium koncentrációja nem nőtt meg a város hatására. Míg az ammónium friss szennyeződésre, a nitrát jelenléte korábbi szennyeződésre utal, ugyanis az ammóniát oxidáló mikroorganizmusok tevékenysége eredményezi (nitrifikáció) (GRIBOVSZKI – PANNONHALMI 2005). Emellett a nitrát, mint a növényi növekedéshez legnagyobb mennyiségben igényelt tápanyag, az eutrofizálódás egyik kiváltója (KELLER, 1998). Az egyértelműen szennyezésre utaló legmagasabb koncentráció (97,0 mg/l) megint az Aszalvölgyi-árok Kórház utáni pontjánál jelentkezett. Kiugró érték adódott a Vargacsatornánál is (28,0 mg/l). Mivel kisvizes időszak volt, a vízfolyások esetében valószínűleg talajvíz-szennyezettségre utal a magas nitrát-tartalom. A Gaja értékeit vizsgálva megállapíthatjuk, hogy megint látszik a város hatása, főleg a tisztított szennyvíz növelte a nitrát koncentrációját. Összes foszfor (ÖP) A foszfor az egyik legfontosabb növényi tápanyag, feldúsulását antropogén hatások

221

könnyen okozhatják (szennyvizek, trágyázás), amely eutrofizációhoz vezet. Az állóvizek közül a Sóstó magas foszfortartalma kiemelkedő (1,11 mg/l). A Gaja öszszes foszfor koncentrációja a folyásirányban haladva növekvő tendenciát mutat, jelentős a befolyó vizek hatása, főként a tisztított szennyvízé. Klorofill-a Az elsődleges szervesanyag-termelést végző algaállomány mennyiségének legegyszerűbb megközelítése a növényekben lévő fotoszintetikus pigment, a klorofill-a meghatározása, melyet a víz térfogategységére vonatkoztatunk. Ezek a tápanyagdús vizekben nagy tömegben vannak jelen, ezért jelenlétükből a víz tápanyagtartalmára lehet következtetni (FELFÖLDY, 1981). A legnagyobb algamennyiség a Horgásztónál (71,1 μg/l) és a Csónakázó-tónál jelentkezett (48,9 μg/l). Megállapítható, hogy az algamennyiség jól korrelál a foszfortartalommal kivéve a Sóstónál, ahol a makrofiták árnyékoló hatása érvényesül.

Anyagáramok A vízminták elemzésénél a koncentráció értékeket vizsgáltuk. Viszont anyagáram szerinti összehasonlítást kell végeznünk, hogy megtudjuk, a város vízfolyásai milyen hatás-

sal vannak a Gaja patakra. A vízfolyások anyagáramának (G) kiszámításához a következő képletet használtam: Cvf [mg/l] · Qvf [l/s] = G [mg/s], ahol Cvf a vízminőségi jellemző koncentrációja az adott vízfolyásban, Qvf pedig a vízfolyás vízhozama. Az eredményeket a SZEV-3 táblázat foglalja össze. Egyértelműen kitűnik, hogy mintavételezésünkkor a Gaja minőségére legnagyobb hatással a tisztított szennyvíz volt, mely a patak anyagáramát többszörösére emelte a kulcsparaméterek tekintetében, például a klorid-ionét 2,5-szeresére. Elsősorban a város tisztított szennyvizének volt köszönhető a koncentráció-növekedés, mely az ammónium-iont kivéve minden vizsgált jellemzőnél megfigyelhető. A szennyvíztisztító telep teljesíti normál üzemmódban a szennyezőanyag kibocsátási határértékeket. Tehát a probléma a Gaja alacsony vízhozamára vezethető vissza, ugyanis mintavételezésünkkor a 3+813 fkm szelvényében (a Jancsár-csatorna befolyása után) 597 l/s-ot mértünk (SZEV-2 táblázat), miközben a befolyó tisztított szennyvíz mennyisége 250 l/s volt.

G (Cl-)

G (SO42-)

G (NH4+)

G (NO3-)

G (ÖP)

G (KOIps)

mg/s

mg/s

mg/s

mg/s

mg/s

mg/s

25086

77349

132.40

6898.7

195.1

2857.0

Gaja/ Jancsár-cs. befolyása előtt

19483

53578

38.97

5650.0

121.8

2337.9

2

Malom-á./ Kereszttöltés út

132

417

0.48

37.7

0.9

17.6

5

Varga-cs./ Csónakázótónál

759

1157

5.44

102.2

1.3

19.7

9

Jancsár-cs./ Szv. telep előtt

2475

3750

6.00

91.9

7.5

138.8

10

Szennyvíztelep kifolyó

51500

43500

27.50

14500.0

550.0

1725.0

Ssz.

Helyszín

1

Gaja/ Hármashíd

11

222

Ssz.

Helyszín

G (Cl-)

G (SO42-)

G (NH4+)

G (NO3-)

G (ÖP)

G (KOIps)

12

Gaja/ Jancsár-cs. befolyása után

51971

78254

53.76

14336.7

465.9

3464.7

17

Aszalv.-á./ Kórház után

1458

475

0.20

180.1

0.5

7.4

16

Basa-árok

280

212

11.20

4.7

5.9

120.1

14

Aszalv.-á./ Gajába torkollás előtt

4069

6884

1.90

418.3

3.0

214.9

13

Gaja/ Aszalv.-á. befolyása után

55616

72729

48.13

14973.7

481.3

3208.6

3. táblázat: Anyagáram eredmények

Mederanyag

Összefoglalás

A vízminták mellett mederanyag-mintákat is gyűjtöttünk nyolc helyen, melyeket a NymE Környezet- és Földtudományi Intézet Termőhelyismerettani Tanszékén vizsgáltak. A mért paraméterek: váz-százalék (a 2 mm-nél nagyobb alkotórészek mennyiségének arányszáma), pH (desztillált vizes és kálium-kloridos), szénsavas mésztartalom (CaCO3), higroszkóposság (hy), szemcseméret eloszlás (agyag A%, iszap I%, finomhomok Fh%, durvahomok Dh%), szerves anyag tartalom (humusz H%), nitrogéntartalom (N%), oldható foszfor- és káliumtartalom (ALP, ALK), kalcium-tartalom (KCl-es Ca), magnézium-tartalom (KCl-es Mg), vas- mangán-, réz- és cink-tartalom (EDTA/DTPA Fe, Mn, Cu, Zn). A szemcseméret alapján a Gaja és a Vargacsatorna durva, a többi vízfolyás és az állóvizek finom mederanyagúak Magas nitrogén- és humusz-tartalom a Csónakázó-tónál, a Jancsár-csatornánál, a Malom-ároknál és a Palotavárosi tavaknál jelentkezett, de az utóbbi jellemző jócskán megemelkedett a Gaja üledékében is. A kiülepedett nehézfémek (vas, mangán, réz és cink) tekintetében a legszennyezettebb a Jancsár-csatorna és a Malom-árok. A Gaja mederanyagában mindegyik vizsgált nehézfém mennyisége nő a folyásirány szerint haladva.

Székesfehérvár felszíni vizei állapotának jellemzése céljából helyszíni méréseket végeztünk, illetve mintákat vételeztünk laborvizsgálatokhoz. Az adatok paraméterenként kiértékelésre kerültek. A vizsgált időpontban (2011. 06. 21.) a vízfolyások szennyezettek voltak, a legroszszabb értékek az Aszalvölgyi-árok Kórház utáni (SZEV-8. ábra), és a Varga-csatorna Csónakázó-tó melletti (SZEV-9. ábra) mérési pontjánál jelentkeztek. Mivel kisvizes időszakban vettük a mintákat, a magas koncentrációk valószínűleg talajvíz szennyezettségre utalnak. Az állóvizek vízminőségi állapota általánosságban jónak mondható, az adatok alapján a Sóstó tűnik a legszenynyezettebbnek, ám a magas értékek főként jellegének köszönhetőek (mocsarasodó szikes tó), de nem elhanyagolható az egykori szennyvízbevezetés hatása sem. A számított anyagáram-eredmények alapján vizsgálatunkkor a Gajára Székesfehérvár a tisztított szennyvize által gyakorolta a legjelentősebb hatást. A várost elhagyva szinte az összes általunk elemzett szenynyezőanyag koncentrációja megnövekedett a patakban. Ebben kulcsszerepet játszott a Gaja alacsony vízhozama a nagy koncentrációjú tisztított szennyvíz hozamához képest.

223

8. ábra: Az Aszalvölgyi-árok a Kórház után

9. ábra: A Varga-csatorna a Csónakázó-tó mellett

Felhasznált irodalom AMSZ (2011): http://www.amsz.hu/ws/index. php?view=archiv BANIZS, K. - J. MEZŐ, É. – TAKÁCS, A.A. (2010): A székesfehérvári Sóstó Természetvédelmi Terület. Bocs Alapítvány, Székesfehérvár.

KÖZÉP-DUNÁNTÚLI KÖRNYEZETVÉDELMI ÉS VÍZÜGYI IGAZGATÓSÁG (2000): Műszaki leírás a Gaja patak 0,0-21,5 km szakasz állapotrögzítő nyilvántartási tervéhez. STAROSOLSZKY, Ö. – MUSZKALAY, L. – BÖRZSÖNYI, A. (1971): Vízhozammérés. VITUKI, Budapest.

DIGITERRA: DigiTerra Map 2.3 referencia kézikönyv.

SZÉKESFEHÉRVÁR MEGYEI JOGÚ VÁROS ÖNKORMÁNYZATA (2008): Székesfehérvár felszíni vízelvezetése.

http://www.digiterra.hu/hu/ugyfeltamogatas/ dokumentacio.html

Tanulmányterv.

FELFÖLDY, L. (1981): Általános hidrobiológia.

SZŰCS, P. – SALLAI, F. – ZÁKÁNYI, B. – MADARÁSZ, T. (SZERKESZTŐK) (2009): Vízkészletvédelem.

Mezőgazdasági Kiadó, Budapest.

GRIBOVSZKI, Z. – PANNONHALMI, M. (2005): Vízvédelem oktatási segédlet.

Bíbor Kiadó, Miskolc.

NymE, Sopron.

KELLER, I. (1998): A Rák-patak vízminőségének vizsgálata. Szakdolgozat, Sopron.

224

Városökológiai kutatások. Dunántúli nagyvárosok levegőminőségének vizsgálata RÁKOSA Rita* – SZILASI Imre – ALBERT Levente Nyugat-magyarországi Egyetem, Erdőmérnöki Kar, Kémiai Intézet 9400 Sopron, Bajcsy-Zsilinszky u. 4. *e-mail: [email protected]

Bevezetés A lakosság számának folyamatos növekedése, a fokozódó iparosodás és energiafogyasztás, valamint az egyre bővülő közlekedési hálózat növeli a városok légszennyezésének mértékét, ami ma már globális problémaként jelentkezik (MAYER 1999). A levegő szennyezettségének észlelése, mértékének és összetételének meghatározása az immisszió mérésével történik, minden levegőtisztaság-védelmi intézkedés alapja az immisszió területi és időbeni alakulásának ismerete. Az immisszió mértéke ugyanakkor a levegőtisztaság-védelmi intézkedések eredményességét is jelölheti, mivel a foganatosított eljárások végső célja a határértékek betartása. Az immisszió kialakulására számos, állandóan változó paraméter hat, ezért egy terület levegőszennyeződéséről néhány méréssel nem kaphatunk megfelelő képet, általában az egy éven át végzett rendszeres mérések eredményei a mértékadóak (BARÓTHFY 2000). Kutatásunk célja három dunántúli nagyváros, Sopron, Szombathely és Székesfehér-

vár és levegő- környezetük kölcsönhatásainak elemzése és a városi környezetminőség integrált monitoring rendszerének kialakítása. A különböző természeti tájtípusokban kialakult, eltérő természeti feltételek között működő városokban végzett mérések lehetővé teszik a kölcsönhatások különböző formáinak vizsgálatát, az ezek eredőjeként kialakult környezeti állapotok minősítését, és a városok közötti összehasonlításokat is. Kutatási eredményeink alkalmasak a városfejlesztési döntések és a településrendezési stratégiák szakmai megalapozására.

Anyag és módszer A levegő minőségét mobil laboratóriumi rendszerrel vizsgáltuk, szakaszos (24 órás) mintavételt alkalmazva. A használt mérőautó mintavevő rendszerrel, NO/NO2 és CO szennyező komponensek mérésére szolgáló elemző készülékkel (Horiba APNA-370 típusú) és adatgyűjtő egységgel volt felszerelve. Légszennyezettség mérési referencia módszereink megfeleltek a 17/2001.(VIII.

225

3.) KöM rendelet 4. sz. mellékletében foglaltakkal és az EU direktíváival. A nitrogén-dioxid és nitrogén-oxidok méréseknél a kemilumineszcencia, a szén-monoxid mérésénél az infravörös abszorpció szerepelt referencia módszerként. A meteorológiai adatokat (hőmérséklet, relatív nedvesség, szélsebesség, szélirány, csapadék mennyisége) adatbankból gyűjtöttük össze (http://www.amsz.hu/news. php, http://weatherspark.com). A vizsgált városokban a környezeti paraméterek függvényében eltérő számú monitoring pontot jelöltünk ki. Sopronban 10, Szombathelyen és Székesfehérváron 6-6 pontot választottunk, amelyek mind a három városban alkalmasak voltak a legfontosabb városszerkezeti típusok (területhasznosítási kategóriák) jellemzésére és jól reprezentálták a környezet anyagáramlási folyamatait. A méréseket 2011. márciustól 2012. januárig végeztük mind a három városban, három hónaponként, ciklikus ismétlésekben.

átlag értékeinek változása hasonló tendenciát mutatott mind a három városban (1-3. ábrák).

a.)

b.) 1. ábra: Levegőterheltségi szint napszaktól való függése Sopronban (a) 2011. 03. 26 (b) 2011. 10. 10.

Eredmények A mérési eredményeket a jogszabályban meghatározott (4/2011 (I. 14.) VM rendelet) határértékekhez viszonyítva értékeltük. Légszennyező anyag

Időtartam

Határérték (μg/m3)

szén-monoxid (CO)

1 év

3000

24 h

5000

1h

10000

nitrogén-dioxid (NO2)

1 év

40

24h

85

1h

100

a.)

1. táblázat: A légszennyezettség egészségügyi határértékei

A szén-monoxid és nitrogén-dioxid koncentráció napi átlagértéke egyik városban sem közelítette meg a határértéket. A légszennyező anyagok koncentrációja napi

b.) 2. ábra: Levegőterheltségi szint napszaktól való függése Székesfehérváron (a) 2011. 06. 13. (b) 2011. 11. 14.

226

A mérési eredményekből megállapítható, hogy egy nap folyamán jelentősen változik a szennyezettség, kora reggel jelentős, késő délutáni kisebb maximumokat mértünk. Szombathelyen és Székesfehérváron az esti órákban mértünk magasabb NO és NO2 átlagkoncentrációt, míg Sopronban reggelente. Az értékelést fűtési és nem fűtési időszakra külön elvégeztük.

3. ábra: Levegőterheltségi szint napszaktól való függése Szombathelyen (a) 2011. 05. 12 (b) 2011. 11. 28.

A légszennyező anyagok koncentrációja magasabb értékeket mutatott a téli hónapokban (1-3. ábra) az átlaghőmérséklet és az átlagos szélsebesség csökkenése következtében. A legalacsonyabb koncentráció értékek nyáron (júniusban és júliusban) fordultak elő. Ebben szerepet játszhat az NO gyorsabb oxidációja, fontosabbnak tekintjük a légkör intenzív függőleges átkeveredése miatti hígulást (MAKRA et al. 2010). A forgalmas utak mellett és ipari területeken jóval magasabb szennyező anyag koncentrációt mértünk, mint a zöldövezetben (4. ábra), mivel a nitrogén-oxidok fő forrása a közlekedés. A gépjárművek a tökéletlen égés során nagy mennyiségben bocsátanak ki szén-monoxidot is (FENGER 1999). Székesfehérváron mértük a legmagasabb, egy órára vetített szennyezőanyag átlagkoncentrációkat (CO-ra 4571 μg/m3-t; NO2-ra 62,8 μg/m3-t), de ezek a koncentrációk sem érték el a határértéket.

4. ábra: Levegőterheltségi szint napszaktól való függése Sopronban 2011 októberében

227

teorológiai adatok összevetéséből. Az időjárási körülmények döntően befolyásolják az alsóbb légrétegek szennyezőanyag koncentrációját. A CO és NO koncentrációja nem csak az emissziótól függ, hanem az időjárási viszonyoktól is. Az NO koncentráció növekszik, ha a szélsebesség csökken, NO2/ NO < 1 értéket mutatva. A szélsebesség a teljes időszakban nagyon alacsony volt reggelenként és nagy különbségeket mutatott délutánonként. A légszennyezettség előrejelzéséhez alapvető fontosságú a mért adatok és a meteorológiai paraméterek közötti korrelációk vizsgálata. A CO és NOx koncentrációk jól korreláltak a vizsgált periódus alatt (6. ábra), ami azt jelzi, hogy mindkét szennyező anyag fő forrása azonos.

5. ábra: Levegőterheltségi szint napszaktól való függése forgalmas út mellett Sopronban 2011 októberében

A járműsűrűség heti változásából adódóan az NO- és NO2-koncentráció magasabb hétköznapokon, mint a hétvégeken (5. ábra). Hétköznapokon az NO koncentráció átlagos napi változása nagyobb, mint az NO2-é, mivel az NO2-nek hosszabb az élettartama, mint a reakcióképesebb NO-nak. Általában az NO koncentrációk magasabbak reggel, mint az esti órákban. Ez azzal a ténnyel magyarázható, hogy reggel a csúcsforgalmi időszak rövidebb, továbbá reggel a felszín közeli légrétegek stabilabbak, mint este. A kora délutáni alacsonyabb NO koncentrációk főként az NO ózon általi oxidációjára és a légkör intenzívebb függőleges átkeveredésére (hígulás) vezethetők vissza (MAKRA et al. 2010). Értékes információkat kaptunk a szennyező forrásokról, a szennyezés terjedéséről és a különböző időjárási viszonyok között várhatóan kialakuló szennyezettségről, a mérési eredményeink és a vonatkozó me-

6.ábra: CO és NOx napi átlag koncentrációinak korrelációja 2011 novemberében Székesfehérváron

Összefoglalás Három nyugat-dunántúli nagyváros levegőszennyezettségi állapotát vizsgáltuk egy komplex, integrált városökológiai kutatás keretében. Megállapítottuk, hogy a légszennyező anyagok koncentrációja tipikus napi és szezonális ciklust mutat. A hónaponként átlagolt koncentrációk a téli időszakban értek el maximális értéket. A relatív magas szélsebesség és a városok domborzati viszonyai következtében a légszennyező anyagok nem tudtak feldúsulni, koncentrációjuk nem érte el az egészségügyi határértékeket egyik városban sem.

228

Mérési eredményeink bizonyítják, hogy az immisszió alakulását nagymértékben módosítják a helyrajzi tényezők is. A mérőhely környezetének talajfelszíne, annak kötöttsége, minősége, nedvessége, burkolata fontos tényező potenciális szennyező forrásként is. A növényzet (füvesített parkosított terület, erdő, mezőgazdaságilag művelt terület stb.), kedvezően hat a levegő tisztulására, akárcsak a kiterjedt vízfelületek. Ezért a mérési eredményeink a termőhelyi, vízminőségi és a növények egészségi állapotát jellemző kutatási eredményekkel együtt jellemezhetik kellő pontossággal a nagyvárosok és környezetük közötti kölcsönhatásokat. Ennek érdekében a mérési adatainkat felhasználva, térinformatikai módszerek alkalmazásával elkészült az egyes monitoring pontok adatainak vizuális rendszerben történő megjelenítése is. Az egyes városokra kapott, könnyen kezelhető adatbázisokba rendezett információk nagyban segíthetik a helyi önkormányzatokat és a területi tervezőket a környezetvédelmi programok összeállításában, a fejlesztési célok és lehetőségek megállapításában, illetve a természeti környezet védelmének tervezésében, a településrendezési tervek elkészítésében. Az eredmények hozzájárulnak a fenntartható város koncepciójának gyakorlati megvalósításához.

Felhasznált irodalom BARÓTFI, I. (SZERK.)(2000): Környezettechnika. Mezőgazda Kiadó, Budapest, 2000

FENGER, J. (1999): Urban air quality. Atmospheric Environment 33: 4877-4900.

MAKRA, L. – MAYER, H. – MIKA, J. – SÁNTA, T. – HOLST, J. (2010): Variations of traffic related air pollution on different time scales in Szeged, Hungary and Freiburg, Germany. Physics and Chemistry of the Earth 35: 85-94.

MAYER, H. (1999): Air pollution in cities. Atmospheric Environment 33: 4029-4037

SCHNITZHOFER, R. – BEAUCHAMP, J. – DUNKL, J. – WISTHALER, A. – WEBER, A. – HANSEL, A. (2008): Long-term measurements of CO, NO, NO2, benzene, toluene and PM10 at a motorway location in an Aurtrian valley. Atmospheric Environment 42: 1012-1024.

4/2011 (I.14) VM RENDELET. A LÉGSZENNYEZETTSÉGI HATÁRÉRTÉKEKRŐL, A HELYHEZ KÖTÖTT LÉGSZENNYEZŐ

Köszönetnyilvánítás. A kutatások anyagi forrását a TÁMOP 4.2.1. B-09/1/KONV2010-0006 pályázat biztosította.

PONTFORRÁSOK KIBOCSÁTÁSI HATÁRÉRTÉKEIRŐL.

MSZ 21456 (1988): A levegő gázszennyezőinek vizsgálata.

229

230

Soproni zöldterületek ökológiai jellemzése növénykémiai analízis és hiperspektrális felvételezés alapján VISINÉ Rajczi Eszter1 – BURAI Péter2 – KIRÁLY Géza3 – ALBERT Levente1 1

Nyugat-magyarországi Egyetem, Erdőmérnöki Kar, Kémiai Intézet Károly Róbert Főiskola, Agrárinformatikai és Vidékfejlesztési Intézet 3 Nyugat-magyarországi Egyetem, Erdőmérnöki Kar, Geomatikai, Erdőfeltárási és Vízgazdálkodási Intézet 1 9400 Sopron, Bajcsy-Zsilinszky u. 4. 1 e-mail: [email protected]

2

Abstract: A városi környezet állapota nagymértékben befolyásolja az életminőséget. A települések működéséből származó környezeti hatások és azok kiváltó okai a környezeti elemek mérésén keresztül jellemezhetők. A levél klorofill tartalma, a fotoszintetikusan elnyelt sugárzás, a lombkorona víztartalma és a talaj nitrogéntartalma fontos biogeofizikai paraméterek, amelyek hatással vannak a szárazföldi ökoszisztémák elsődleges termelékenységére és a növények egészségi állapotára. Sopron város egyes zöldterületeinek ökológiai jellemzésére célszerűen megválasztott monitoring pontokon vett levélminták klorofill tartalmának eloszlását használtuk. A klorofill tartalmakat hiperspektrális felvételezés során is meghatároztuk, az így nyert mérési adatokat az egy időben begyűjtött levélminták klorofill tartalmának laboratóriumi mérése alapján validáltuk. Vékonyréteg kromatográfiás, spektroradiométeres és spektrofotometriás méréseket végeztünk. A mért adatok alapján jellemeztük az alkalmazott analitikai módszerek alkalmasságát és összefüggéseket állapítottunk meg a klorofill tartalmak eloszlása és a légszennyezettség között.

Bevezetés A levél klorofill tartalma, a fotoszintetikusan elnyelt sugárzás, a lombkorona víztartalma és a talaj nitrogéntartalma fontos biogeofizikai paraméterek, amelyek hatással vannak a szárazföldi ökoszisztémák elsődleges termelékenységére és a növények egészségi állapotára. A klorofill tartalom csökkenése hasznos biomarkere egyes légszennyező gázok kimutatásának, mivel a SO2, NO2 és O3 hatására keletkező aktív oxigéngyökök reakcióba lépnek a sejtben talál-

ható membránokkal és a membránokhoz kapcsolt molekulákkal, mint pl. a pigmentekkel, így mennyiségük e gázok hatására csökken (SASAKI et al. 1983). Megállapították, hogy a klorofill a és klorofill b abszorpciós együtthatói a kék és a piros spektrális tartományban nagyon magas értékeket mutatnak, ezzel szemben a fény behatolásának mélysége a levélbe nagyon alacsony (MERZLYAK és GITELSON 1995). A klorofill a és b egyik legfontosabb jellemzője, hogy fény, hő és oxigén hatására könnyen bomlanak,

231

ezért mérésük során ezt a tulajdonságukat mint a mintaelőkészítés, mint az extrakció során szem előtt kell tartani (GROSS 1987). A távérzékelés, mint a szárazföldi ökológia vizsgálatának fontos alkalmazása, a lombkorona biokémiai tulajdonságainak pontos mennyiségi becslését teszi lehetővé (GAO és GOETZ 1995). A lombkorona és a levelek tulajdonságainak becslésére, beleértve a színanyagok koncentrációját is, a leggyakrabban alkalmazott vizsgálati módszer a keskeny csatornájú spektrális indexek használata (BLACKBURN 1998).

Anyag és módszer Levélminták A levélmintákat a hiperspektrális felvétellel egy időben 2011. augusztus 26-án gyűjtöttük be. 5 helyszínen 5 mintavételi pontot jelöltünk ki, és ezeken minden növényről 3-3 levelet gyűjtöttünk be. Mintavételi helyszínek: Széchenyi tér, Deák tér, Erzsébet kert, Lippai János Kertészeti Szakképző Iskola, Lővér kemping. A helyszíneket és a fafajok neveit az 1-5. táblázatok tartalmazzák.

Mintavételi hely

Jel

Fafaj neve

Széchenyi tér

S1-S2

Korai Juhar (Acer platanoides L.)

S3-S4

Közönséges (hibrid) aranycserje (Forsythia × intermedia ZABEL)

S5

Veresgyűrű som (Cornus sanguinea L.)

1. táblázat: A Széchenyi tér mintavételi pontjai és a fafajok megnevezése

Mintavételi hely Deák tér

Jel

Fafaj neve

D1

Veresgyűrű som (Cornus sanguinea L.)

D2

Közönséges dió (Juglans regia L.)

D3

Illatos jezsámen (Philadelphus coronaria L.)

D4

Magas kőris (Fraxinus excelsior L.)

D5

Mezei juhar (Acer campestre L.)

2. táblázat: A Deák tér mintavételi pontjai és a fafajok megnevezése

Mintavételi hely

Jel

Fafaj neve

Erzsébet kert

E1

Teltvirágú gyöngyvirágcserje (Deutzia × magnifica (LEM.) Rehder)

E2

Tulipánfa (Liriodendron tulipifera L.)

E3

Hószirom (Rhodotypos scandens (THUNB.) Makino)

E4

Teltvirágú jezsámen (Philadelphus × virginalis REHDER)

E5

Amerikai ámbrafa (Liquidambar styraciflua L.)

3. táblázat: Az Erzsébet kert mintavételi pontjai és a fafajok megnevezése

232

Mintavételi hely

Jel

Fafaj neve

Lippai János Kertészeti Szakképző Iskola

L1

Babérmeggy (Prunus laurocerasus L.)

L2

Illatos jezsamen (Philadelphus coronaria L.)

L3-L4

Földibodza (Dane Weed) (Sambucus ebulus L.)

L5

Ezüsthárs (Tilia tomentosa MOENCH.)

4. táblázat: A Lippai János Kertészeti Szakképző Iskola mintavételi pontjai és a fafajok megnevezése

Mintavételi hely Lővér Kemping

Jel

Fafaj neve

K1-K3

Mezei juhar (Acer campestre L.)

K4

Közönséges dió (Juglans regia L.)

K5

Madárcseresznye (Cerasus avium L.)

5. táblázat: A Lőver Kemping mintavételi pontjai és a fafajok megnevezése

Vegyszerek

Extrakció

A felhasznált vegyszerek analitikai tisztaságúak voltak, a Reanal (Budapest, Hungary), a Sigma (Deisenhofen, Germany) és a Merck (Darmstadt, Germany) cégektől szereztük be őket.

A levélmintákat dörzsmozsárban kvarchomokkal eldörzsöltük. A homogenizátumból 0,03 g-ot bemértünk Eppendorfcsőbe, majd 1 ml 4:1 aceton/víz elegyet adtunk hozzá. Azután a mintát 2*15 perc ultrahangos fürdőbe tettük (ultrahangos extrakció), és 30 percig centrifugáltuk (18000/min).

Műszerek és eszközök Spektrofotométer (Shimadzu UV 3101 PC); túlnyomásos réteg-kromatográf (Personal OPLC NIT Basic System 50, CAMAG TLC Scanner 3, winCATS szoftver denzitométer); TLC kád; FieldSpec 3 JR spektroradiométer; GPS.

Vékonyréteg kromatográfia (TLC) Vékonyréteg lemez: Szilikagél F254 TLC, mozgófázis: 100 ml petroléter, 11 ml izopropanol, 5 csepp desztillált víz keveréke.

St1

Mérések A klorofill tartalom meghatározása Vékonyréteg kromatográfia: az extraktumot szilikagél vékonyrétegre (TLC) vittük fel és elválasztottuk a komponenseket (1. ábra). A mennyiségi kiértékelést CAMAG TLC Scanner 3 winCATS szoftverrel végeztük, abszorpciós módban.

St2

St3

St4

St5 klor. b klor. a

1. ábra: Klorofill a és b elválasztása levélmintákból. Kromatogram előhívás után (st1, st2, st3, st4, st5: standard minták)

233

Spektroradiométeres meghatározás A használt FieldSpec 3 JR spektroradiométer (Analytical Spectral Devices, Boulder, CO, USA) 350-2500 nm hullámhossz tartományban vesz fel spektrumot,

a közeli infravörös tartományban (VNIR) 3 nm-es, a távoli infravörös tartományban (SWIR) 10 nm-es spektrális felbontásban (2. ábra).

2. ábra: Juhar (Acer) levélminták reflexiós spektruma

Spektrofotometriás meghatározás A spektrofotometriás meghatározásra rövid idővel az ASD hiperspektrális spektrofotométeres felvétel után került sor. A hiperspektrális képalkotó (AISA Eagle) felvételeinek készítése során 400-1000 nm hullámhossz tartományban dolgoztunk, a közeli infravörös tartományra (VNIR) fókuszálva.

Az eredmények kiértékelése Minden mérési ponton meghatároztuk a klorofill tartalmakat. Korrelációs analízist végeztünk a klorofill tartalom (összes klorofill, klorofill a és b), a spektrális indexek (NDVI, PRI DV1), valamint a spektrális hul-

lámsávok (400-1000 nm) közötti kapcsolat meghatározására. A hullámhosszok önmagukban nem mutattak szignifikáns korrelációt a klorofill tartalmakkal. A leveleken mért reflektancia spektrumokból számított első fokú derivált értékekből meghatároztuk a vörös-él pozíciót. A különböző fafajok leveleinek együttes vizsgálata során a spektrumokból számított vörös-él értékek és a laboratóriumban mért klorofill tartalom között nem találtunk szignifikáns kapcsolatot. Egy konkrét fafaj - mezei juhar - levélmintái esetén az elsőfokú derivált (DV1) értékek alkalmasnak bizonyultak a levelek klorofill b tartalmának meghatározására (R2=0.6288, P<0.05) (3. ábra).

234

1.8 1.6

y = 4E-16e0.0495x R² = 0.6288

1.4

Klorofill b (mg/g)

1.2 1 0.8 0.6 0.4 0.2 0 700

705

710

715

720

725

730

DV1 (nm)

3. ábra: Korreláció a leveleken mért reflektancia értékekből számított „DV1 vörös-él pozíció” és a laboratóriumi klorofill b tartalom (mg/g) között

A klorofill a és a klorofill a/b arány változásai a mintavételi helyek mérőpontjain Példaként bemutatjuk a klorofill a (mg/g, friss levél) és a klorofill a/b arány változásait az egyik mintavételi helyszín (Sopron, Erzsébet kert) mintavételi pontjain (4. ábra).

4. ábra: A klorofill a (mg/g friss levél) (zöld felirat) és a klorofill a/b arány (kék felirat) az Erzsébet kert mintavételi pontjain

Összefoglalás Sopron város környezetállapotának jellemzésére állapotfüggő biomarkerekként célszerűen megválasztott monitoring pontokról vett különböző fafajok leveleinek klorofill a és b tartalmait használtuk. Spektroradiométeres, spektrofotometriás és vékonyréteg-kromatográfiás méréseket végeztünk. A levélminták gyűjtésével azo-

nos időben hiperspektrális felvételezés is történt. Az ASD a klorofill tartalmak gyors in situ meghatározását tette lehetővé. Laboratóriumi mérési eredményeink lehetővé tették a hiperspektrális felvételezés során nyert adatok validálását is, mivel vékonyréteg kromatográfiával pontos mennyiségi információkat nyertünk. A levélminták klorofill tartalmának meghatározására keskeny csatornájú spektrális indexeket is használtunk. Ezek a vékonyréteg kromatográfiás és a hiperspektrális spektroszkópia adataival együtt lehetővé tették a levelek biofizikai paramétereinek feltérképezését városi környezetben. Méréseink egy komplex városökológiai kutatás részét képezték, amelyben külön téma volt a mintavételi helyek légszennyezettségének meghatározása. Mérésekkel bizonyítottuk, hogy a kiválasztott biomarker alkalmas a légszennyezettség jellemzésére: azokon a forgalmas területeken ahol a légszennyezés számottevő, alacsonyabb a klorofill tartalom, mint a parkok környékén. További kutatásainkban összefüggéseket keresünk a légszennyező anyagok minősége és a klorofill tartalom megoszlása között. Köszönetnyilvánítás. A kutatások anyagi forrását a TÁMOP 4.2.1.B-09/1/KONV2010-0006 pályázat biztosította.

235

Felhasznált irodalom BLACKBURN, G. A. (1998): Quantifying chlorophylls and carotenoids at leaf and canopy scales: An evaluation of some hyperspectral approaches. Remote Sensing of Environment 66: 273–285.

GROSS, J. (1987): Pigment in fruits. Academic Press, Toronto.

GAO, B. C. – GOETZ, A. F. H. (1995): Retrieval of equivalent water thicknessand information related to biochemical components of vegetation canopies from AVIRIS data. Remote Sensing of Environment, 52(3), pp.155−162.

MERZLYAK, M. N. – GITELSON, A. A. (1995): Why and what for the leaves are yellow in autumn? On the interpretation of optical spectra of senescing leaves (Acer platanoides L.). Journal of Plant Physiology 145: 315–320.

SASAKI, T. – KONDO, N. – SUGAHARA, K. (1983): Breakdown of photosynthetic pigments and lipids in spinach leaves with ozone fumigation: role of activated oxygen. Physiol Plant. 59: 28-34.

236

Növényi anyagcsere alkalmazkodása a környezet tényezőinek módosulásaihoz NÉMETH Zsolt István Nyugat-magyarországi Egyetem, Erdőmérnöki Kar, Kémiai Intézet 9400 Sopron, Bajcsy-Zs. u. 4 e-mail: [email protected]

Bevezetés A biológiai rendszerek a környezetükkel nyitott kapcsolatban lévő szabályozott rendszerek. A sejtek, a szövetek, ill. az élőlények egyedei folyamatos anyag és energia kölcsönhatásban vannak környezettükkel. Az élőlények környezetükből életfunkcióik működtetéséhez táp- és ásványi anyagokat, vizet, stb. vesznek fel. Környezetükkel folyamatos gázcserét (légzés, szén-dioxid asszimiláció, stb.) folytatnak. Termelt hőenergia többletüket pl. a levegő veszi fel, vagy energiaigényük egy része a környezetből (pl. napfényből) származik. A biológiai rendszer versus környezet kapcsolat adaptációs és stressz mechanizmusok működtetésében teljesedik ki. A környezeti körülményhez történő alkalmazkodás kifejeződik a biológiai növekedési törvényben is. Az anyagcsere makromolekuláris anyagkészletet felhalmozó intenzitása az aktuális környezeti körülményhez igazodik. A környezeti tényezők értékeinek megváltozása kihat a gének aktivitására. A napfényintenzitás, talajnedvesség, hőmérséklet, páratartalom, stb. mint abiotikus és a patogén kórokozok mint biotikus tényezők enzimaktivitást (pl.: fenil-alanin liáz (PAL), kataláz

(CAT), peroxidáz (POD), stb.) befolyásoló szerepe közismert. A környezeti tényezők befolyásolják az anyagcsere hálózat útvonalainak intenzitásait és a metabolit koncentrációkat. ALMAAS és társai (2004) az E. coli baktérium anyagcseréjének modellezésével és kísérletes tanulmányozásával bizonyították a prímér tápanyagoknak az anyagcsere útvonalakra gyakorolt hatását. ORRELL és társai (2006) az élesztőgomba (Saccharomyces cerevisiae) GAL génrendszerének modellezésével a DNS reguláció prímér tápanyag érzékenységét is hangsúlyozza. LOPEZ – MAUY és társai (2008) közleményükben összefoglalták a környezeti körülménynek génaktivitásokat befolyásoló, feltárt mechanizmusait. Az anyagcsere útvonalak matematikai modellezése rohamosan terjed. Az Európai Bioinformatikai Intézet (EMBL-EBI) gondozásában több száz szabad hozzáférésű biomodell nyilvántartott (http://www.ebi. ac.uk/biomodels-main). A modell paraméterek empirikusan tapasztalt vagy feltételezett környezeti tényezőktől való függése alapján az anyagcsere-útvonalak környezeti körülmény érzékenysége modellezhető, ill. a biológiai rendszer környezeti körülmény módosulásaira adott válaszreakciói előre jelezhetők. Az élettani folyamatok kinetikai

237

tényezőinek (gén ki-be kapcsolási gyakoriságok, reakciósebességi állandók, anyagtranszport átadási tényezők, stb.) környezeti körülménytől való függése kihat az anyagcsere stabilitására, a biokémiai útvonalak fluxusaira, ill. a metabolitok koncentrációira. A környezeti körülmény specifikus változásaihoz történő adaptációs igazodás az útvonal fluxusok és a metabolit koncentrációk modellezésével vagy kísérletes vizsgálatával nyomon követhető. A szerzők az anyagcsere-útvonalak rendszerszemléleti leírásából kiindulva térképezik fel a hatótényezők által indukált válaszreakciókat: a fluxusok és metabolit koncentrációk időbeli változásait, s azok periodikus jellegét. Növényi stressz és adaptációs közlemények szakfolyóiratokban való megjelenése a növénytudomány fejlődésének jellegzetes attribútuma. A válaszreakciók tanulmányozását a biológiai rendszer változóinak (fluxus, metabolit koncentráció) szórásértékei jelentősen korlátozhatják, mivel a válaszreakció monotonitását vagy periodikus jellegét jelentős bizonytalanságaik elfedhetik. Kísérletes feltárásuk ezért minding reprodukálható környezeti körülmény beállításokat és fiziológiásan ekvivalens állapotú biológiai rendszereket igényel. Azonos genetikai állományú szöveti struktúrákban (pl. növénylombozat) a környezeti körülmény tényezői a struktúra vizsgálati egységeit (pl. levél) eltérő intenzitással érhetik el. A napfény a lombozat leveleit eltérő sugárzással éri. A párologtatásból fakadóan az árnyéklevelek közvetlen környezetében magasabb a páratartalom. A patogénhatás eloszlása a lombozatban nem egyenletes. stb. A biológiai rendszert érő egyenletes eloszlású környezeti körülmény biztosítása megfontolt kísérlettervezést igényel. A válaszreakciók megfigyelhetősége, ill. létezésük szignifikanciája a biológiai rendszer biokémiai változóinak eloszlásaira, azok várható- és szórásértékeikre vezethető viszsza. A megfigyelhetőség a szórásértékek

csökkentésével vagy a szórások okozta öszszehasonlítási bizonytalanság kompenzálásával lehetséges. Az anyagcsere számos, egymással korreláló biokémiai változóval rendelkezik, s közöttük léteznek olyanok, amelyek eloszlásainak típusa is megegyező. Ez esetben a változók korrelációja szükségszerűen lineárissá válik. A biokémiai változók lineáris regressziói környezeti hatás érzékenyek lehetnek, amelyek egyúttal kifejezik a biológiai rendszer és környezet kölcsönhatást jellemző fiziológiás állapotot is (Németh és társai 2009a). A környezeti körülmény a biológiai rendszer paramétereinek módosításán keresztül módosíthatja az anyagcsere változók lineáris regresszióinak paramétereit, a meredekséget, a tengelymetszetet, az érvényességi tartományt és a határozottsági fokot. Az anyagcsere környezet érzékeny korrelációi fiziológiás állapotot visszatükröző korrelációk (Németh 2009a; Németh 2011). A biokémiai változók állapotfüggő korrelációjának koncepciójával a növény és környezete közötti kölcsönhatás érzékelhetővé tehető abban az esetben is, ha a korreláló változók külön-külön képzett időbeli változásai nagy szórásértékek miatt szignifikáns válaszreakciókat nem tükröznek vissza. A teória alkalmazásával az egyedi válaszreakciók érzékelését akadályozó megfigyelhetőségi korlát kiiktathatóvá válik. Jelen tanulmány a terjedelmi korlátozás miatt nem vállalkozhat és nem is vállalkozik a biológiai rendszerek válaszreakcióiról közölt eredmények teljes körű feldolgozására. A dolgozat a TÁMOP 4.2.1/B kutatási programhoz vezető, a Nyugat-magyarországi Egyetem Kémiai Intézetében folytatott növénykémiai kutatások elméleti hátterének és eredményeinek összefoglalása, amely néhány példaértékű, magyar és külföldi szerzőknek a témakörbe illeszkedő megállapításait is idézi. A dolgozat elsődleges célja, hogy az olvasó figyelmét a „növény és környezet közötti kapcsolat” rendszerelméleti megközelítésére, vizsgálatára és értékelésére irányítsa.

238

A növényi válaszreakciók rendszerelméleti értelmezéséhez a bevezető fejezet foglalja össze a szabályozáselméleti alapismereteket. A dolgozat támaszkodik az anyagcsere-szabályozási mechanizmusok sajátságainak diszkussziójára és a növényi válaszreakciók időbeli lefutásának technológiai szabályozáselméleti analógiákon alapuló értelmezésre. A növény és a környezetének sokszor rejtve maradó kapcsolatát az új keletű állapotfüggő korreláció koncepció alkalmazása teszi érzékelhetővé.

(1) Állapottéri leírással a rendszert állapotváltozóival jellemezzük, s a rendszerfunkciót differenciál- és algebrai egyenletek rendszerével modellezzük. Az állapottéri módszer alkalmazása során a folytonos rendszer működését differenciálegyenlet alakú állapotegyenlettel és algebrai alakú kimenet összefüggéssel írjuk le. (1.1)

Szabályozáselméleti háttér A világ környezetétől elkülönülő, specifikus funkciókkal és törvényszerűségekkel rendelkező tereit a műszaki tudományok rendszereknek nevezi. A rendszer és környezete közötti kölcsönhatásokat a hatás irányától függően a rendszer bemeneteinek vagy kimeneteinek tekintjük. A rendszerek a kimeneteken és bemeneteken keresztül kapcsolódhatnak egymáshoz, így a kölcsönhatásban lévő alapegységek egy hierarchikus struktúrát, egy összetett rendszert határoznak meg. A rendszereket általában blokk diagramokkal jelképezzük.

(1.2) Ha y(t) kimenetet közvetlenül u(t) bemenet nem befolyásolja, akkor (1.2.1) (1.2.1) egyenletből x(t) az y(t) inverz függvényeként kifejezhető: (1.2.2) A fenti feltétel teljesülése esetén a rendszerállapot időbeli változását a bemeneti és a kimeneti változók egyértelműen meghatározzák. (1.3) amelyben f függvény gyakran lineáris kombinációs reláció, így

1. ábra: Egyszerű rendszer blokk diagramja (x(t) – rendszer állapotváltozók vektora; – x(t) időbeli deriváltja; α - rendszerparaméterek halmaza; J – optimálandó teljesítmény index; u(t) – rendszer bemenet; y(t) – kimenet)

A megmaradási törvényeknek megfelelő rendszerfunkciót általánosan a következő matematikai függvénykapcsolattal fejezhető ki:

(1.3.1)

Fizikai folyamatokban p(u(t)) egy tetszőleges x „mennyiség” előállítási (rendszerbe lépési), q(y(t)) fogyasztási (rendszerből való

239

távozási) és dx/dt a mennyiségváltozási sebességeknek felelnek meg. (1.3.1) egyenlet jelentéstartalma a következő: (1.3.2) x változási sebessége = x bemeneti sebessége – x kimeneti sebessége

Szabályozott rendszer Minden szabályozott rendszer két fő alrendszerre, a szabályozandó folyamatok alrendszerére (szakasz), szabályozási alrendszerre (szabályozó) bontható. Rendszeren belül a szabályozó és a szakasz kölcsönhatása specifikus. A szakasz bemenetét a szabályozó állítja be. A szabályozó kimenete határozza meg a szakasz bemenetét. A szakasz kimenete pedig egyértelműen befolyásolja a szabályozó bemenetét. A szakasz és a szabályozó visszacsatolási kölcsönhatásban van egymással.

(2) ahol A és B konstans. Legyen u(t) bemeneti függvény egységugrás (lépcső) függvény. Ez esetben (2) egyenlet megoldása: (2.1) Lépcsőfüggvény bemenetre a rendszer exponenciálisan telítésbe menő válaszreakciót, x(t) átmeneti függvényt produkál.

3. ábra: Proporcionális működésű rendszer bemeneti jelátalakítása 2. ábra: Szabályozott rendszer felépítése. (r(t) – referencia bemenet vagy alapjel; e(t) – hibajel; u(t) – szabályozott szakasz bemenet; y(t) – szabályozott rendszer kimenet

A szabályozott rendszer egységeinek működése az állapottéri modell alkalmazásával (1.1 és 1.2 egyenletek) és a konkrét folyamatokra értelmezett megkötésekkel leírható. (1.3.1) egyenletet mind a szakaszra és mind a szabályozóra tekintsük érvényesnek. (1.3.1) egyenlet diszkussziója alapján a rendszer specifikus működései kategóriái megállapíthatók. • Proporcionális működés Legyenek az (1.3.1) egyenletben szereplő p(.), ill. q-1(.) függvények lineáris operátorok és a rendszer rendelkezzék csak egy bemenettel és kimenettel. Ez esetben a rendszert leíró elsőrendű differenciálegyenlet:

A szabályozáselmélet a (2) egyenlettel leírható folyamatokat - mivel t → ∞ esetén u(t) / x(t) ≈ állandó - proporcionális, egy időállandós rendszerfolyamatnak nevezi. Ha ez a rendszer- folyamat egyben a szabályozónak is a sajátossága, akkor a szabályozás proporcionális típusú. • Integrális működés 1.3.1 egyenletben legyen p(.) lineáris függvényoperátor és q-1(x(t)) = 0. Ez esetben (1.3.1) egyenlet a következő formátumú:

(3)

(3) egyenlettel jelképezett rendszerben u(t) bemenet legyen lépcsőugrás függvény. A megoldás: (3.1)

240

(3) rendszeregyenlet válaszként a bemenet integrálját állítja elő. A szabályozók működést ez esetben integrális típusúnak nevezzük.

• PID szabályozó differenciálegyenlete és a rendszer átviteli függvénye A szabályozott rendszerben a szabályozó e(t) bemenettel és u(t) kimenettel rendelkezik (lásd 2. ábra). Egyaránt proporcionális, integrális és differenciális dinamikájú szabályozókat PID szabályozóknak nevezzük. A PID szabályozó kimenete a bemeneti jel arányos, integrált és derivált származékainak kombinációja. Differenciálegyenlete:

4. ábra: Integrális működésű rendszer bemeneti jelátalakítása

(4.2) • Differenciális működés Tekintsünk egy olyan rendszert, amelyben az állapotváltozás sebessége zérus (dx/dt =0). p(.), ill. q-1(.) függvényoperátorok legyenek lineárisak és x(t) legyen u(t) deriváltjaként származtatható. (1.3.1) egyenlet ezekre a kikötésekre: (4)

Biológiai szabályozási típusok

amelynek megoldása: (4.1)

ahol KR – a szabályozó átviteli vagy erősítési tényezője; TI – integrálási időállandó; TD –differenciálási időállandó. A szabályozott rendszer átviteli sajátságait (2), (3), (4) és (4.2) egyenletek együtthatói egyértelműen befolyásolják.

x(t) = δ (t),

ahol δ(t) – Dirac-delta függvény (tűfüggvény).

5. ábra: Differenciális működésű rendszer bemeneti jelátalakítása

A bemeneti függvény megint legyen lépcsőugrás függvény. A rendszerviselkedés jellemzésére azt a megoldást kapjuk, hogy a rendszer válaszként a bemenet deriváltját állítja elő. Ha ez a viselkedés a szabályozó valamelyik folyamatára érvényes, akkor a szabályozó differenciális működésű is.

Az élettani szabályozási mechanizmusokat a biokémiai tankönyvek általában gén-, enzimaktivitás szabályozás és hormonhatás témakörökben csoportosítva ismertetik. Ezen mechanizmusok együttes működése képezi a sejtek komplex anyagcsere szabályozási rendszerét. A biológiai szabályozási folyamatok leíró modell egyenletei alapján a technológiai szabályozásokhoz való hasonlóságaik megállapíthatók. • Gén-átírás és az enzimszintézis szabályozása A génműködés szabályozásának általános lépései a következők: (a) szabályozó fehérjék operonhoz történő kapcsolódása a géneket aktiválja vagy inaktiválja, (b) aktív állapotban a génekről RNS-polimeráz enzim katalízisének hatására mRNS szintetizálódik. Ez a folyamat az adott mRNS sejten belüli mennyiségét növeli. (c) Az mRNS-ről, a

241

riboszómáknál végbemenő fehérje szintézist befejeztével, kb. átlagosan 20-25-szöri átkódolást köbvetően az RNS molekula nukleázaktivitás hatására lebontódik. A folyamat elsőrendű differenciálegyenlettel leírható, amelyben az RNS pillanatnyi mennyiségének változását termelődésének és lebontásának sebességei egyértelműen meghatározzák. A modellekben a termelődési sebességét a gén operon egységének ki- és bekapcsolási aktivitási (valószínűségi) függvénye és az RNS polimeráz kinetikai sajátsága határozza meg állandónak tekinthető RNS-polimeráz szint mellett. A lebontás sebessége az RNS mennyiségének és állandó nukleáz szint mellet, a lebontási kinetika mértéke határozza meg. Pl. az élesztő gomba (Saccharomyces cerevisiae) GAL80 génjéről történő R80 RNS átírás sebességi egyenlete a következő alakú (ORRELL és társai 2006; DE ATAURI és társai 2004): (5)

(5.1.)

, ahol

R80 – GAL80 génről átírt mRNS mennyisége (molekula/sejt); F1(P,Q) – GAL80 gén aktivitási függvény; G4d – GAL4 gén által kódolt szabályozó fehérje homodimerének mennyisége; G80d – GAL80 gén által kódolt szabályozó fehérje homodimerének mennyisége; kir,reg = 1.44385 molekula/min; kdr,reg = 0.259193 1/min; KP = 0.08720; KQ = 0.05477; P = KPG4d; Q = KQG80d (NIJHOUT és társai, 2004).

egyenlet formailag (2)-vel azonos. Így, ha F1(.) időbeli megváltozása lépcsőfüggvény, akkor a megoldás (2.1) egyenlet szolgáltatja. Ez alapján tekinthető a gének szabályozása technológiai proporcionális szabályozások analógjának. A sejtek működésében a géntranszkripció szabályozáselméleti értelemben egy P-szabályzó. A fehérjék teljes mennyiségének riboszómális szintézise is a (2), ill. az (5) egyenletekkel azonos formátumú modellel írhatók le. Általános formában: (6)

, ahol

G – egy specifikus fehérje teljes mennyisége, R – a G fehérjét kódoló mRNS mennyisége, krs – riboszómális szintézis kinetikai tényezője, kdp – G fehérje lebontásának kinetikai sebességi állandója. A szabályozáselméleti párhuzam, mivel (6) egyenlet is azonos formailag (2)-vel, a fehérjeszintézis proporcionális szabályozási analógiáját emeli ki. A szabályozó fehérjék szintézise P-szabályozóként is működik a sejtek komplex anyagcseréjében. Az élesztő gomba tenyészettel végzett laboratóriumi és modell kísérletekben (ORRELL és társai 2006; PRASAD és VENKATESH 2008) a szénhidrátok, mint primer táp- és szabályozó anyagok koncentrációit lépcsőfüggvényszerűen változtatva az arányos szabályozásnak megfelelően módosította időben az kimeneti változók (Gal2p, mRNS) mennyiségeit, amit ORRELL és társai (2006) közleményéből kölcsönzött ábrák is szemléltetnek:

Az (5) egyenlettel modellezett RNS-transzkripció, mint alrendszer bemeneti függvénye F1(.), erre adott rendszer válasz R80. (5)

242

6. ábra: Élesztő gomba szabályozási válaszreakciója externális galaktóz koncentráció hatására.

{(b-d) ábrák ORRELL és társai (2006) közleményéből származnak, (a) ábra a GAE ugrásszerű adagolásának kiegészítő bemutatása; A szaggatott piros vonal a modell differenciálegyenlet megoldását jelöli. A zöld vonal harminc sztochasztikus szimuláció adatai mutatja be, amíg a kék vonal a harminc sztochasztikus szimuláció átlagát jelzi. ; GAE – tápanyag galaktóz tartalma; GAI – a sejten belüli galaktóz koncentráció; G80d – Gal80dp homodimer szabályozó fehérje mennyisége; R80 – GAL80 gén által kódolt, G80d fehérje aminosav szekvenciáját meghatározó RNS mennyisége; A szabályozás mechanizmusa: Az externális galaktóz ugrásszerű emelkedése növeli a sejten belüli galaktóz tartalmat. A galaktóz komplexképzésen keresztül aktiválja a GAL3 szabályozó fehérjét, ami kapcsolódni képes a GAL80 represszor fehérjéhez. A GAL3d-galaktóz-GAL80d komplex keletkezése a GAL80d mennyiségének csökkenését vonja maga után, feloldván a GAL gének átírásának a gátlását.}

• Enzimaktivitás szabályozása A biológiai aktivitással rendelkező fehérjék (enzimek) kinetikai sajátságát elsősorban a makromolekuláris térszerkezet határozza meg. Az enzimek komplexképző hajlama, a permeázok átbocsátási képessége, a szabályozó fehérjék aktivitása, stb. térszerkezet-függő. A fehérjék térszerkezetének, s azon keresztül aktivitásának elsődleges, szabályozási célú módosítása utólagos szubsztitúciós reakciókon (foszforilezés, acetilezés, glikozilezés, metilezés, stb.) keresztül, következik be. A fehérjék, enzimek foszforilezésének szabályozási szerepe az anyagcserében közismert. Foszforilezésen keresztül megváltozik a fehérje felületi töltéseloszlása, ami a térszerkezet módosulását vonja maga után. A térszerkezet változása pedig kihat az enzimek szubsztrátokkal való komplexképződési képességeire (KM Michaelis állandókra) és az aktívcentrumok katalitikus teljesítményére, valamint e két tulajdonság eredőjét kifejező látszólagos kinetikai tényezőkre. Enzimaktivitás változtatásaira a sejt un. kaszkádszabályozásokat alkalmaz. A kaszkádszabályozás működését szemlélteti a 7. ábra.

243

CI + sz1

ADP

ATP

o-ENa

(7)

m-ENb (+ P)

H2O

Pi CI' + sz2

teljes enzimmennyiség a megoszlik az aktív (ENA) és az inaktív (ENB) állapotok között:

CA

A CA kináz ENA molekulákkal való komplexképző hajlama legyen nagy, amit azzal fejezünk ki, hogy e komplexképzés Michaelis konstansát ENA mennyiségéhez viszonyítva elhanyagolhatónak tekintünk. Ez esetben ENA koncentrációjának időbeli megváltozása jó közelítéssel arányos a CA szabályozó enzim pillanatnyi koncentrációjával:

(7.1)

CA'

7. ábra: Kaszkádszabályozás mechanizmusa. {CI, C’I – szabályozó enzimek inaktív formái; CA, C’A – szabályozó enzimek atkív formái; sz1, sz2 – szabályozó enzimek induktorai; o-ENa – szabályozás alatti enzim aktív formája; m-ENb(+P) – foszforilezett inaktív forma; ATP, ADP – adenozin-trifoszfát, ill. –difoszfát; Pi – foszforsav (H3PO4)}

A kaszkádszabályzásban az anyagcserébe „beavatkozó” enzim (EN) aktivitásváltoztatása a következő módon történik: (a) sz1 induktor jelenlétében CI szabályozó enzim (kináz) sz1-el komplexet képezve aktiválódik (CA). (b) CA ATP felhasználásával az anyagcsere egy biokémiai lépését katalizáló EN enzim aktív állapotú molekuláját (o-ENa) foszforilezéssel inaktíválja (m-ENb(+P)). (c) C’A szabályozó enzim defoszforilezéssel m-ENb(+P) inaktív enzimmolekulákat reaktiválja. Az utólagos szubsztitúciós módosítások szabályozási szerepének szabályozáselméleti behatárolásához vizsgáljuk meg a CA kináz által kifejtett a dinamikai hatást. EN sejten belüli teljes mennyiségét tekintsük megközelítőleg állandónak. A sejt termeljen ugyanannyi EN enzim molekulát időegység alatt, mint amennyit proteolízissel lebont. A

(7.1) egyenlet formailag (3) egyenlettel azonos. A foszforilezést rendszerként kezelve legyen a rendszer bemenete CA, s erre adott válasz ENA mennyiségének időbeli megváltozása. Ha CA mennyiségének változása lépcsőugrásszerű, akkor ENA mennyisége a teljes EN mennyiségen belül lineárisan csökken, miközben ENB mennyisége azonos ütemben növekedik. (7.2)

(7.2.1) (7.2.1) egyenlet (3.3) megoldással analóg, ezért az utólagos szubsztitúciós reakciókkal történő enzimaktivitás-változtatás integrális típusú szabályzási beavatkozásnak tekinthető. Az enzimaktivitás szabályozása az anyagcsere működtetése során a technológiai I-szabályozásnak megfelelő.

244

Az enzimaktivitás szabályozásával a sejt teljes enzimmennyiségének látszólagos kinetikai állandóját változtatja meg időben. Legyen kA a ENA és kB az ENB kinetikai állandója. A látszólagos kinetikai állandó: (7.3)

(7.3.1)

mivel, kA, kB, kC, és [EN] értékei állandók, ezért látszólagos kinetikai állandó (k) értéke az integrális szabályozási sajátságnak megfelelően monoton folytonosan változik a CA szabályozó enzim mennyiségében bekövetkező ugrásszerű változás hatására, amit természetesen a C’A szabályozó enzim ellensúlyozni igyekszik. A kaszkádszabályzáson belüli szubsztitúciós aktivitásváltoztatások integrális szabályozási típusúak. A kaszkádszabályozás integrális típusú szabályozási jellege az organizmusok fiziológiás állapotváltozása során (adaptáció, stressz) az anyagcserében oszcillációs, fluktuációs jelenségek egyik potenciális forrása. • Hormonhatás A sejtfalba ágyazott receptorok szabályozási szerepe pillanatnyi állapotváltozásukhoz társítható. Hormon molekulákkal komplexet képezve inaktív állapotból aktiválódnak. A pillanatnyi aktivációs átmenet hatására enzimfunkciókat kapcsolnak be vagy ki. A sejt funkciók állandósult állapotában (homeosztázis) közvetlen szabályozási hatást az anyagcserére nem fejtenek ki, csak állapotváltozásuk során. A receptorok halmaza, mint rendszer a hormonok, mint bement megjelenésekor válaszként szabályozás be- vagy kikapcsolási állapotváltozást produkált (lásd (4) és (4.2) egyenleteket).

A technológiai irányításokban a differenciális szabályzás (D) önállóan alkalmatlan a folyamatok szabályozására. D-szabályzó csak P és/vagy I szabályzókkal együtt alkalmazható. Kiegészítő szabályozóként, viszont kiválóan alkalmas időben késleltetett hatások előrejelzésére, ill. a válaszreakciók kezdeti értékeinek megnövelésére. A biológiai rendszerekben tapasztalt D-szabályozás jelenlétére példa az oligochacharinok szabályozási szerepe is (ALBERSHEIM és DARVILL 1985). A növényi sejtet támadó kórokozók kiválasztott hidrolitikus enzimeikkel bontják a sejtfalat, ahonnan a fraktál szerkezetű hemicellulózból oligoszacharinok (szabályozási funkciójú oligoszacharidok) szabadulnak fel. Az oligiszacharinok antitestek szintézisét „kapcsolják be.” Bár a sejtfalon túli „hívatlan vendég” még csak dörömböl, a sejt D-szabályzással védekezési mechanizmusokat kapcsol be, amelyek proporcionális és/vagy integrális jellegű védekezéseivel méltóképpen felkészül a „fogadásra”. A biológiai szabályozásoknál nem véletlen tehát, hogy a receptorokon keresztül kifejtett hormonhatáshoz mindig tartozik egy specifikus kaszkádszabályozás. A hormonhatás és a kaszkádszabályozás kapcsolata integrális-differenciális szabályozásnak (ID) tekinthető.

8. ábra: Hormonhatás és a kaszkádszabályozás kapcsolata

Biológiai rendszerek válaszreakciói Az (1.1) és (1.2) többváltozós, nem lineáris állapottéri modellel leírható rendszerműködés a modell paraméterek értékeitől függő oszcillációs dinamikai változásokat is

245

produkálhat. A biológiai rendszerek oszcillációs jelenségeit (glikolitikus oszcilláció, Ca2+-oszcilláció, visszacsatolásos anyagcsere-útvonalak Hopf-féle bifurkációja, stb.) is tanulmányozták, s az oszcilláció anyagcserén belüli feltételének kritérium rendszerét kidolgozták (SAVAGEAU 1976; HEINRICH és SCHUSTER 1996; GOLDBETER 1996). A szabályozott rendszerek stabilitásának megítélése rendszerváltozókban indukált oszcilláció jellege alapján is végrehajtható, ill. szemléltethető. A stabilitás tesztelésekor a szabályozott rendszer alapjelét (r(t)) vagy a szabályozó vezető jellemzőét (e(t) = r(t) – y(t)) ugrásszerűen megváltoztatják és a szabályozó kimeneti jelét (u(t)) rögzítik, ill. értékelik (lásd 9. ábra). Az új szabályozási állapot eléréséig a szabályozó kimeneti jelben periodikus ingadozások jelenhetnek meg, ill. jelennek meg. Az adott zavarásra adott válasz, tehát u(t) szabályozása stabilnak tekinthető, ha az u(t)-ben jelentkező oszcilláció konvergensen lecseng. Instabil a szabályozás akkor, ha a gerjesztett oszcilláció amplitúdója divergensé válik. A stabilitási tartományt a szabályozó és a szakasz paramétereinek értékei és egymáshoz viszonyított relációi egyértelműen meghatározzák. Ennek behatárolására, továbbá a szabályozó és a szakasz „illesztési jóságának” megítélésére rendszeranalitikai módszereket (Hurwitz-kritérium, ZieglerNichols módszere, stb.) dolgoztak ki és alkalmaznak (MOHILLA 1981; CSÁKI 1974). Szabályozáselméleti nézőpontból a Selyeféle stressz-szindróma a biológiai rendszer működésének zavarására adott dinamikai válaszreakció. A 10. ábrán a stressz-szindróma általánosan elterjed szemléltetése látható. Az ábra valamilyen stresszhatás által indukált biológiai változó (ami pl. lehet a hormonmennyiség, enzimaktivitás, stresszjelző metabolit koncentráció) időbeli változását mutatja be. A stressz-szindró-

ma jelleggörbéje, eltekintve az alarm és a rezisztencia tartományok közötti kitéréstől, folytonos, fluktuációktól mentes változást sugall. A stresszel foglalkozó szakirodalmak többsége megfeledkezik arról, hogy Selye és követői a stressz-szindrómát és fázisait diszkrét mérési eredmények alapján vázolták fel folytonos függvénykapcsolatként, amelynek értelmezését árnyalni szükséges. A mintavételi időpontok jelentőségét hangsúlyozva ki kell emelnünk, hogy a Selye-féle stressz-válasz a Shannon-féle mintavételi törvény biztosította érzékelhető frekvencia tartományban periodikus változásokat nem tükröz vissza. A Shannon-féle mintavételi törvény szerint a mintavétel lépésköze az érzékelhető periodikus változások maximális frekvenciáját meghatározza.

9. ábra: Szabályozási stabilitás (KR – erősítési tényező; TI , TD – integrálási és differenciálási időállandók)

(8)

, ahol fdet – érzékelhető frekvencia, Δt – mintavételi lépésköz. Időbeli változások során, nagyobb frekvenciájú változások érzékeléséhez a mintavételi lépésközt csökkenteni szükséges. A mintavételi időtartamok csökkentése pl. csírázó csertölgy makk hideg sokkra (NÉ-

246

METH és társai 1998), gombatenyészetek formaldehid dózisra (MALARCZYK és JAROSZ 1992; Sielewiesiuk és társai 1999) és görögdinnye Fusarium fertőzésre (SÁRDI és TYIHÁK 1998) adott alarmfázisokban periodikus változások létezését fedte fel.

11. ábra: Görögdinnye változatok Fusarium fertőzésre adott dinamikai válaszreakciói (SÁRDI és TYIHÁK 1998)

10. ábra: A stressz kifejlődésének diszkrét megfigyelése: Stressz-szindróma jelleggörbéje

Sárdi Fusarium fertőzéssel szemben eltérő érzékenységű görögdinnye változatokat vizsgálva az endogén formaldehid tartalom (HCHO) és lehetséges generátoraiként számon tartott betainok (kolin, trimetil-lizin) mennyiségének periodikus változását tapasztalta (SÁRDI és TYIHÁK 1998) (lásd 11. ábra). A fertőzést biológiai „lépcsőfüggvényként” értelmezve a görögdinnye gyökérszövetek, mint szabályozott rendszerek eltérő oszcillációkat indukáltak a HCHO tartalmakban. A fertőzéssel szemben ellenálló változatot (Charleston) lecsengő periodikus ingadozás, amíg a fertőzésre fogékonyt (Sugar Baby) oszcillációs divergencia jellemzi. A Charleston stabil szabályozással válaszol a biotikus „zavarásra”, amíg Sugar Baby szabályozási rendszere instabillá válik.

A stressz-érzékenység és a rezisztencia szabályozáselméleti értelemben stabilitási kategóriák. Az anyagcsere-folyamatokban indukált, dinamikai változásokat technológiai szabályozáselmélet módszereinek alkalmazásával is lehetséges értékelni, ill. jellemezni. A sejtek komplex szabályozási rendszerének részletes ismerete hiányában, szabályozáselméleti analógia alapján a dinamikai válaszreakcióiból következtetni lehet a gén- és enzimaktivitás szabályozásokat, valamint a hormonhatást magában foglaló proporcionális (P), integrális (I) és differenciális (D) jellegű biológiai szabályozási mechanizmusok összhangjára, ill. a biológiai szabályozás és az anyagcsere „illeszkedési jóságára”. A leggyakrabban jelentkező abiotikus környezeti hatások (hideg- és hősokk, szárazság ill. a formaldehid ciklus metabolitok által bekövetkező zavarása) transzmetilezésre gyakorolt hatását az endogén formaldehidtartalom változásával jellemeztük. Vizsgálatainkban megállapítottuk, hogy a különböző környezeti hatásoknak kitett makk endogén formaldehid tartalma determinisztikusan követi a Selyeféle stressz-szindróma fázisait. Terméshéjuk eltávolítása után, a 10 % relatív tömeg-

247

növekedésig csíráztatott csertölgy makkok 2-3 órás időtartamú hideg sokk (-20 °C) hatására endogén formaldehid tartalmukat a kiindulási állapot felére csökkentik (NÉMETH és társai 1998). Helyi minimum elérése után a formaldehidszint a kontrollt jóval meghaladó értéken maximumot ér el, majd értéke csökken (12. ábra).

modelljét közlik. A folyamat rendszeranalízisével kimutatták a ciklus metionin érzékenységét. Metionin dózis hatását szimulálva a ciklus metabolit koncentrációinak időbeli változásait, mint válaszreakciókat tanulmányozták. Közleményük által inspirálva, azonos faágról származó kocsányos tölgylevelek endogén formaldehid tartalmát exogén metioninhatás alatt vizsgáltuk (ROMÁN 2005). Metionin dózis (400 μM/ h.g) hatására a tölgylevél endogén formaldehid tartalmának szabályozása PI-szerű, válaszreakciót von maga után (13. ábra), amely feltehetőlég a formaldehid-ciklus egy in vivo indukált bifurkációs állapotára viszszavezethető.

Biológiai rendszerváltozók lineáris korrelációi

12. ábra: Hidegsokk hatása a csírázó csertölgy magvak endogén formaldehid tartalmára (NÉMETH és társai 1998).

A biotikus stressz alarm fázisához hasonlóan (SÁRDI és TYIHÁK 1998), de ellentétes kitéréssel a formaldehid tartalom oszcillál; néhány nap elteltével, a rezisztencia tartományban a kiindulási-nál magasabb értéken állandósul.

A vizsgálat tárgyát képezze egy olyan folytonos dinamikus rendszer, amelynek átviteli függvénye (4.6) összefüggés, és amely egy determinisztikus bemenettel (u(t)) és két determinisztikus kimenettel (y1(t), y2(t)) rendelkezik (lásd 12. ábra). A rendszer t időpillanatú állandósult állapotában a kimeneteket állítsa elő a (4.6)-ból származtatható rendszerfüggvény (f), de eltérő rendszer paraméterekkel (erősítés: a; u(t)-től független hatások eredője: b; lásd (9) egyenlet). Ez esetben a kimenetek lineárisan korrelálnak egymással.

(9)

(9.1) 13. ábra: Endogén formaldehid-tartalom változása tölgylevelekben metionin dózis hatására

REED és társai (2004) közleményükben a transzmetilezési folyamat matematikai

248

, és

14. ábra: Lineárisan korreláló kimenetű (LKK) rendszer.

Állapotfüggő korreláció A 14. ábrán bemutatott LKK rendszerünk foglaljon magában a z térbeli pozíció által megkülönböztethető n db alrendszert, amelyekben a rendszerfunkció változatlan. Tételezzük fel, hogy az alrendszerek bemenetei nem egyenlők egymással. A rendszeren belül a bemenet az alrendszerek térbeli pozíciója szerint valamilyen eloszlást, pl. normáleloszlást követ. A bemenet azonos t időponthoz tartozó, z szerinti eloszlását (u(z,t)) a rendszerfunkció y1(z, t) és y2(z,t) eloszlásfüggvényekké transzformálja. Mivel a rendszerfunkció mindegyik alrendszerben azonos – a (9) összefüggés az egész rendszerre továbbra is érvényes -, ezért az y1(z,t) és y2(z,t) eloszlásfüggvények típusa is szükségszerűen azonos. y1(z,t) kimenet lineáris transzformációval y2(z,t) függvénnyé átalakítható, s alrendszerenként a kimenetek azonos módon korrelálnak egymással:

(9.2)

ahol i – az i-edik alrendszer index (i= 1, 2,…,n)

15. ábra: Heterogén bemenetű és lineárisan korreláló kimenetű (HB-LKK) hierarchikus rendszer

A (9.2) egyenlet jelölését az alrendszerektől és a rögzített időponttól függetlenítve származtatjuk a rendszer állapotfüggő korrelációs egyenletét, amely az alrendszerek térbeli pozíciójától függetlenül egy adott y1 kimenethez egy meghatározott y2 kimenetet társít: (9.3)

a a b -a b y2= a2 y1+ 1 2a 2 1 1 1

A korrelációs egyenlet meredekségét a rendszer kimeneti erősítéseinek hányadosa (a2/a1) amíg a tengelymetszetet az erősítések és a független hatások (b1, b2) lineáris kombinációja határozza meg. (9.3) egyenlet y1 és y2 eloszlásaiból is származtatható, ha lineárisan korreláló kimenetű rendszer feltételei teljesülnek: (i) a szabályozott rendszer y1 és y2 értékeit összehangolja, azok lineárisan függenek egymástól, (ii) kimeneti váltózók eloszlásai azonos típusúak. Egyik új keletű közleményünkben bizonyítottuk, hogy a (9.3) korrelációs egyenlet y1 és y2 eloszlásainak standardizálásával is előállítható (NÉMETH és társai 2009b):

249

(9.3.1) ahol σi és μi az yi változó eloszlásának elméleti szórása, valamint várható értéke. (9.3) és (9.3.1) egyenletek ekvivalensek, így y1 és y2 kimeneti változók méréssel becsült eloszlásaiból, s azok momentumaiból a rendszerfunkció paramétereinek viszonyára lehet következtetni. Abban az esetben, ha (9.3.1) egyenletet egy tetszőleges biológiai rendszer fehérje (pl. enzim) mennyiségekre érvényes:

(9.3.2) σEi és μEi az Ei fehérje mennyiség eloszlásának elméleti szórása, valamint várható értéke. Képezve E2 mennyiség változását az E1 függvényében, akkor a (9.3.2) egyenlet deriváltját kapjuk:

(9.3.3)

A (9.3.3) derivált állandó értékű, s ezt az értéket az anyagcsere-szabályozási analízis (metabolic control analysis; MCA) tudományterületen az anyagcsere-szabályozás redisztribúciós koefficiensének nevezik (LION és társai 2004) Enzimmennyiségek közötti korreláció esetén, a szabályozott rendszerekre kidolgozott állapotfüggő korreláció koncepció alapján regressziós egyenes egyenletekből a redisztribúciós koefficiensek értékeit méréseken keresztül megbecsülni lehetséges. Az alrendszerek szerint összetartozó kimenetek {iy1(zi, t) , iy2(zi, t)} értékpárjaira a

(9.3) vagy a (9.3.1) egyenletű egyenes, r2 = 1 határozottsági fokkal illeszthető. Az y1 és y2 értékek korrelációja a rendszer pillanatnyi állapotát jellemzi, ezért ezt állapotfüggő korrelációnak, a kimeneti pontpárokra illesztett egyenest pedig állapotfüggő regressziós egyenesnek nevezzük (NÉMETH és társai, 2009b). Ha a rendszerünkben a kimenetre szuperponálódó véletlen zaj (rendszerzajt) létezését is megengedjük, akkor a zaj amplitúdójának nagysága függvényében az {iy1(zi, t) , iy2(zi, t)}pontpárokra illesztett egyenes határozottsági foka csökken (NÉMETH és társai 2009b). Heterogén bemenetű, lineárisan korreláló kimenetű (HB-LKK) rendszereket jellemző korreláció az élővilágban nagyon sok esetben tapasztalható. A HB-LKK biológiai rendszer létezése nagy valószínűséggel feltételezhető pl. baktériumtenyészetben, ahol az egyes organizmusok nem azonos dózissal részesednek a környezetükben jelenlévő tápanyagból, mint bemeneti változóból, valamint fás szárú növények lombozatában, amelynek leveleit adott időpillanatban eltérő fényintenzitás éri. Ezek a hatások leképződnek a biológiai rendszer szénhidrát koncentrációinak vagy enzimaktivitásainak állapotfüggő korrelációiban (ORRELL és társai 2006; NÉMETH és társai 2009b; NÉMETH és társai 2009c]. A biológiai rendszerekben az állapotfüggő korrelációk létezésének elégséges feltétele a biokémiai változók összehangolt szabályozása és eloszlásaik típusazonossága. Érzékelésükhöz a rendszer heterogén bemenetét figyelembe vevő kísérleti mintakészítést szükséges alkalmazni. Az állapotfüggő korrelációk érzékelésének szükséges feltétele a biokémiai változók azonos, homogenizált mintából vagy extraktumból történő mérése. Ennek hiányában az állapotfüggő korrelációk létezése és bennük rejlő többlet információ rejtve marad (NÉMETH és társai 2009b). A 16-19. ábrákon lineárisan korreláló ki-

250

menetű, szabályozott rendszerek állapotfüggő regresszióit mutatják be. A 16. ábra élesztőgomba (Saccharomyces cerrevisiae) G3t és G80t szabályozó fehérjék modellezett mennyiségei (ORRELL és társai 2006; de Atauri és társai 2004) közötti korrelációs kapcsolatra hívja fel a figyelmet. A 17. ábra cukorrépa-levél glükóz-fruktóz állapotfüggő korrelációját mutatja be. A 18. ábra kocsányos tölgy (Quercus robur L.) lombozatában tapasztalt, fotometriásan mért peroxidáz (POD) és polifenol-oxidáz (PPO) aktivitások közötti szabályozott kapcsolatot szemlélteti. Az anyagcsere-modellezés (16. ábra) eredményeinél, kiegészítésként véletlen zaj regressziókra gyakorolt hatását is szemléltetjük. A zaj korrelációt, ill. regressziót rontó szerepének érzékeltetéséhez a determinisztikus adatokban, az adatok átlagértékének 10 %-át nem meghaladó véletlen hatás indukált. A 19. ábra a kocsányos tölgy 18. ábrán feltüntetett POD és PPO aktivitáspárjainak véletlenszerű átrendezésével szemlélteti az állapotfüggő korrelációk érzékeléséhez szükséges mintakészítési feltétel figyelmen kívül hagyását.

17. ábra: Cukorrépa-levél (Beta vulgaris) glükóz és fruktóz tartalmainak regressziói kontroll és gombafertőzött (Cercospora beticola) állapotokban.

18. ábra: A kocsányos tölgy PPO és POD aktivitásainak lineáris regressziója. (A regresszió pontjai a lombozat egyedi leveleitől származnak, NÉMETH és társai 2009b)

19. ábra: A kocsányos tölgy PPO és POD aktivitásainak egy lehetséges, véletlenszerű párosítása és korrelációra gyakorolt hatása.

Környezeti tényezők és a stressz hatása az állapotfüggő korrelációra 16. ábra: Az élesztőgomba galaktóz bemenetre modellezett G3t és G80t fehérjék korrelációja. {(A) – forrásábra ORRELL és társai (2006) közleményből ; (B) – a G3t és G80t adatok ismételt generálása ORRELL és társai modellrendszere alapján; (C) – determinisztikus és sztochasztikus hatással „terhel” G3t és G80t mennyiségek állapotfüggő regressziói; GAE – galaktóz (mM) bemenet}

A 15. ábrán felvázolt HB-LKK típusú biológiai rendszerünkről tételezzük fel, hogy paraméterei (a1, a2, b1, b2) időben változó értékűek lehetnek. Továbbá, következményként tételezzük fel, hogy a rendszer két különböző fiziológiás állapotát szignifikánsan eltérő állapotfüggő lineáris regressziók jellemzik (lásd 20. ábra). Ha a korrelációt szolgáltató

251

változók (y1, y2) szóródási tartományaiban jelentős az átfedés, akkor az egyedi változók (y1(I), y1(II) és y2(I), y2(II)) konfidencia intervallumainak statisztikai összehasonlításával (pl. Sudent-t próba alkalmazásával) a fiziológiás állapotok (I. és II.) szignifikáns eltérését nem leszünk képesek kimutatni. Azonban ha a fiziológiás állapotok összevetése nem az egyedi változókra, hanem a regressziós egyenesekre vonatkozik, akkor kovariancia analízissel (ANCOVA) az állapotok szignifikáns eltérése érzékelhetővé válik (NÉMETH és társai 2009b; NÉMETH és társai 2009c). Állapotfüggő korrelációk kovariancia analízisével fiziológiás állapotok között érzékenyebben lehet különbségeket megállapítani.

anyag-felvételi gátlás kifejlett tölgyfák leveleire (NÉMETH és társai 2009c) gyakorolt hatását mutatják be a peroxidáz (POD) és polifenol-oxidáz (PPO) aktivitások közötti állapotfüggő regresszióinak megváltozásán keresztül.

21. ábra: Fiziológiás állapotváltozások PPO-POD korrelációi.– {Kocsányos tölgy csemete válaszreakciója hideg sokkra és fényhiányra (A) (NÉMETH és társai 2009b), szárazságra (B) (NÉMETH és társai 2009d). Tápanyag-utánpótlás gátlása kocsányos tölgyfaágon (C) (NÉMETH és társai 2009d)}

20. ábra: Különböző fiziológiás állapotok korrelációi és az y1 és y2 változók konfidencia intervallumai (NÉMETH és társai 2009b).

A környezeti körülmények megváltozása és a stressz képes fiziológiás állapotváltozást indukálni a növényekben. Hideg sokk, fényhiány, kiszáradás, tápanyag-felvételi gátlás, só és metanol stressz, valamint patogének szignifikáns hatása biokémiai változók állapotfüggő korrelációinak vizsgálatával is érzékelhetővé vált. A 21. ábrán a hideg-sokk és fényhiány kocsányos tölgy csemetékre (NÉMETH és társai 2009b), a kiszáradás és táp-

A PPO-POD állapotfüggő regressziós egyenes meredekségének megváltozása a (9.3) egyenlet szerint a rendszer kimeneti erősítések egymáshoz való viszonyának megváltozásáról tájékoztat. Figyelembe véve pl. (2) és (5), ill. (6) egyenletek formai azonosságát, s abból származtatott szabályozáselméleti analógiát a biológiai rendszerek állandósult állapotú kimeneti erősítéseit (a1, a2) a sejtszabályozás kinetikai tényezőivel, sebességi állandóival lehet kapcsolatba hozni. Így a fiziológiás állapotváltozás következményeként, a biokémiai változók állapotfüggő regresszión keresztül, a sejtszabályozás módosulásaiba nyerhetünk betekintést. A környezeti körülményeinek hatását tölgy- (22. ábra), bükk- és juharfák (23. ábra), valamint répa és kukorica (24. ábra) növényeken tanulmányozva kovariancia analízissel szignifikánsan megkülönböztethető állapotfüggő regressziók időbeli sorozatait tapasztaltuk. A kb. 10-14 napos ismétlésekhez tartozó állapotfüggő reg-

252

ressziók egy növényfajonként külön-külön súlyponti regressziós egyenesekkel voltak helyettesíthetők.

22. ábra: Állapotfüggő PPO-POD regressziók a kocsányos tölgy 2007 évi vegetációjában (Sopron) (NÉMETH és BADÁCZY 2012).

23. ábra: Közlekedési forgalomnak kitett juharfa állapotfüggő glükóz-fruktóz regressziói (Sopron, 2011.; KOCSIS 2011)

24. ábra: Kukorica glükóz-fruktóz állapotfüggő regressziói a 2010. évi vegetációban (Sopronhorpács)

Súlyponti korreláció Az állapotfüggő korreláció, ill. regressziós egyenese súlypontjának tekintjük a korreláló mérési eredmények (1y1, 1y2; 2y1, 2y2; .....; iy1, iy2;....; ny1, ny2) átlagértékei ( , ) által meghatározott pontot. A súlypont az azonos típuseloszlású, összehangolt szabályozású változók várhatóértékei (μy1, μy2), mint koordináták által meghatározott pont helyének, a korreláció „centrumának” a becslése. Fiziológiás állapotváltozás során nem zárható ki annak a lehetősége, hogy az időrendben egymást követő állapotfüggő korrelációk súlypontjai is jó közelítésű regressziós egyenest határozzanak meg (lásd 25. ábra).

25. ábra: Különböző fiziológiás állapotok súlyponti regressziója (NÉMETH és társai 2009c).

Ha valamely biológiai rendszer időbeli állapotváltozását csak a biokémiai változók átlag, ill. szórás értékeikkel jellemezzük, akkor a változók között esetleg tapasztalt lineáris korreláció minden estben súlyponti korreláció. Hangsúlyozni szükséges, hogy az átlag és tapasztalati szórás a párhuzamos mérések közötti kapcsolatoktól független statisztikai paraméterek. Így kizárólagos statisztikai alkalmazásukkal az állapotfüggő korrelációk megjelenítéséről ab ovo lemondunk. Két változó állapotfüggő korrelációja az átlagértékek szórás vagy konfidencia tartományaiban rejtve marad.

253

Az állapotfüggő és súlyponti korrelációk létezését feltételezve, paramétereiktől, a regressziós egyenesek együtthatóinak értékeitől függően kritériumi kapcsolatok állapíthatók meg e két különböző értelmű korreláció között. Az állapotfüggő korreláció a rendszer egy adott állapotát jellemzi, amíg a súlyponti korreláció a különböző időpontokhoz tartozó állapotok lineáris kapcsolatát tükrözi vissza. Az állapotfüggő és a súlyponti regressziók nem függetlenek egymástól. Kapcsolatuk létezésének kritériumai, ill. diszkussziója a „Növényi stressz-hatások vizsgálata és értékelése szabályozáselméleti analógiák alapján” c. MTA Bolyai Ösztöndíjkutatás Zárójelentésében (NÉMETH 2009a) közölt. Abban az esetben, ha a HB-LKK rendszerben a súlyponti korreláció biztosítása szabályozási cél, akkor a bemenettől független hatásokban - amelyeket a 13. ábrán b1, b2 paraméterek jelképeznek – bekövetkező változásokat, mint súlyponti korrelációt „rontó” hatást a rendszer az erősítési tényezőinek változásával igyekszik kompenzálni. Pl. a tápanyag felvételhez társuló valamilyen stressz hatás módosíthatja a tápanyagokból szintetizálódó, összehangolt szabályozás alatt álló makromolekulák mennyiségeit, ami viszont visszahat makromolekulák szabályozott metabolizmusára a génjeik ki- bekapcsolási gyakoriságának változtatásán, a biológiai proporcionális szabályozási rendszer erősítési tényezőinek módosításán keresztül. A biológiai rendszerekben a súlyponti korreláció szabályozási célú, feltételezett biztosítása természetesen még további alátámasztást igényel.

26. ábra: Körtefa szénhidrát súlyponti regressziója szárazság hatására (NÉMETH és társai 2009d)

27. ábra: Görögdinnye súlyponti regressziói növényi stressz manifesztálódása folyamán (NÉMETH és társai 2009c)

A 26. és 27. ábrák két különböző stressz-hatás súlyponti korrelációját szemlélteti. Körtefa hajtás Carbowax kezeléssel indukált szárazsága során, a dózis mértékétől függően a totál szénhidrát és a glükóz tartalmak közötti korreláció súlyponti regressziós egyenes mentén egyre alacsonyabb értékek irányába tolódnak (23. ábra). SÁRDI közleményéből (1998) idézett Fusarium fertőzés (11. ábra) a stressz alarmfázisában a biokémiai változók (endogén formaldehid szint, betain koncentrációk) tranziens változásait idézik elő. A 11. ábra trimetil-lizin (TML) és kolin adatait korreláltatva súlyponti regresszió származtatható (27. ábra). Figyelemre méltó, hogy a TML és a kolin állapotfüggő súlypontjai a tranziens változás során

254

lineáris regresszió mentén helyezkednek el. Az állapotfüggő TML-kolin súlypont súlyponti regresszió mentén ingadozik (lásd 11. és 27. ábrákat).

Állapotfüggő regresszió és a környezeti körülmény korreláció analízise A környezeti körülménynek a biokémiai változók állapotfüggő korrelációira gyakorolt hatása a környezeti tényezők, a biokémiai változók és a regressziós paraméterek korreláció analízisével felfedhetők. Kovariancia analízissel szignifikánsan megkülönböztethető állapotfüggő regressziók paramétereinek változásai a környezeti körülmény módosulásaihoz társíthatók. Egy a TÁMOP 4.2.1/B kutatásban vizsgált, közlekedési forgalom hatásának kitett korai juharfa (Acer platanoides; Sopron, Csengery utca) glükóz és fruktóz tartalmainak és a környezeti tényezők közötti kapcsolatnak a feltárását példaként szemléltetik a I. és II. táblázatok. Az 23. ábra mérési eredmé-

Korai juhar (Csengery u.)

nyeihez tartozó korrelációs vizsgálat eredményeit a II. táblázat egyesíti. A II. táblázat a statisztikai, regressziós és környezeti tényezők közötti, Pearson R és Spearman ρ együtthatókat tartalmazza. A táblázatban félkövérrel kiemelve hangsúlyozottak azok az együtthatók, amelyeknél mindkét korreláció erős kapcsolatot sugall. Legerőteljesebb korrelációk a glükóz–fruktóz értékek szórásainak és átlagértékeinek kapcsolatát jellemzi, valamint a meredekség, tengelymetszet és a határozottsági fok közötti kapcsolatot. Ezen erős lineáris kapcsolatok az állapotfüggő korreláció elméleti összefüggésének kísérletes megerősítéseinek tekinthetők. Erős kapcsolatok figyelhetők meg a környezeti tényezők és a regressziós paraméterek között. Közülük a nitrogén dioxiddal mutatkozó kapcsolatok emelhetők ki. A magas értékekből erős kapcsolat valószínűsíthető a glükóz-fruktóz értékek regresszióinak paramétereivel, valamint a fruktóz szórásával és átlagértékével. A napsugárzásnak és a páratartalomnak határozottsági fokkal való kapcsolata jelentősnek tekinthető.

A regresszió paraméterei

Környezeti tényezők

Légszennyezők

Mintavétel

MG

SDG

MF

SDF

a

b

R2

T

SR

RH

O3

CO

NO2

2011.05.18

4180

1731

5177

3611

1.711

-1977

0.67

24.7

98000

41

147.6

2800

208

2011.06.01

4050

1373

5377

3182

1.932

-2449

0.69

23.0

50000

57.5

78

2700

82

2011.06.22

5431

2383

7533

4609

1.541

-837

0.63

31.3

82000

40.5

27.6

2600

48

2011.07.13

4756

1154

3668

1209

0.876

-500

0.70

30.5

85000

43

104.4

2700

40

2011.08.09

2749

1273

1806

839

0.611

124

0.86

20.3

53000

49

33.6

2900

16

2011.08.24

8212

4451

4859

3187

0.667

-626

0.87

27.0

56000

60

27.6

3000

66

2011.09.14

3360

2250

2116

1399

0.622

24.8

0.97

25.6

45000

51

39.6

2500

16

1. táblázat: A Csengery utcai juhar glükóz és fruktóz tartalmak statisztikai és regressziós paraméterei, valamint a környezeti, ill. és légszennyező paraméterek értékei (KOCSIS 2011) (MG, MF: glükóz, ill. fruktóz átlagok; SDG, SDF: glükóz, ill. fruktóz szórások [μg/g]; a: meredekség; b: tengelymetszet; R2: határozottsági fok; T: hőmérséklet [°C]; SR: fényintenzitás [Lux]; RH: relatív páratartalom [%]; O3: ózon [μg/m3]; CO: szén-monoxid [μg/m3]; NO2: nitrogén-dioxid [μg/m3])

255

Spearman ρ koefficiensek Pearson R koefficiensek

MG MG

MF

SDF

a

T

SR

0.54

0.57

0.64

-0.32 -0.39 0.29

0.79

-0.54 -0.07 0.31

0.39

0.71

0

-0.21 0.07

0.39

-0.11 0.18

0.86

0.86

-0.89 -0.79 0.39

0.32

-0.29 -0.05 -0.20 0.74

0.61

SDG

0.86

MF

0.51

0.26

SDF

0.50

0.39

a

-0.08 -0.30 0.73

b R2

0.95

b

R2

SDG

RH

O3

CO

NO2

0.18

0.45

-0.63 0

0.23

-0.71 -0.61 0.46

0.39

-0.32 -0.18 -0.11 0.69

0.71

-0.96 -0.75 0.11

0.36

-0.21 0.43

-0.06 0.16

-0.61 -0.62 -0.92

0.68

-0.07 0.35

-0.77 -0.61 -0.81 0.66

T

0.52

0.26

0.54

0.37

0.04

0.10

SR

0.11

-0.2

0.49

0.40

0.41

-0.30 -0.74 0.51

RH

0.33

0.48

-0.21 -0.12 -0.22 -0.06 0.54

O3

-0.23 -0.48 0.10

CO

0.44

0.39

NO2

0.09

-0.02 0.42

0.06

0.50

0.53

0.64

-0.07 -0.29 0.07

-0.27 0.04

-0.92

-0.21 -0.61 0.71

-0.20 0.13

-0.58

-0.40

0.39

-0.36 -0.29 -0.36 -0.02 -0.64 0.34

-0.42 -0.81

-0.59 -0.52 -0.01 0.67

-0.07 -0.02 -0.21 -0.01 0.09

-0.16 0.85

-0.22 0.34 -0.43

-0.36 -0.01 0.37

-0.74 -0.50 -0.09 0.63

0.29

0.47 -0.02

-0.11 0.33 -0.01

-0.25 0.78

0.29 0.23

2. táblázat: A Csengery utcai juharfa adatainak Pearson R és Spearman ρ korreláció analízise (KOCSIS 2011)

Bükk és kocsányos tölgyfa egyedek 2007. évi vegetációját polifenol oxidáz (PPO) és peroxidáz (POD) aktivitások állapotfüggő korrelációival jellemeztük (22. ábra). A POD-PPO állapotfüggő regresszió paramétereit a korai juhar korrelációs analíziséhez hasonlóan környezeti paraméterekkel hasonlítottuk össze. A Pearson R korrelációs együtthatók értékei alapján a bükk- és a kocsányos tölgy környezeti körülményhez való viszonyára következő megállapítások emelhetők ki: Legerőteljesebb korrelációk az SDPPO-SDPOD (tölgy:0.9878, bükk:0.9792) és MPPO-MPOD (tölgy:0.9161, bükk: 0.9509) változó párosításoknál találhatóak, amely a PPO és a POD aktivitások anyagcserén belüli összehangolt szabályozásának a következménye. A szórások és az átlagértékek közötti korrelációk (pl. bükk, MPPO-SDPPO: 0.7292) latens korrelációk, amelyek indirekt módon fejezik ki a környezeti tényezőknek az átlag, ill. szórás értékeket befolyásoló hasonló hatását. Az átlag- és szórásértékek közötti latens korrelációnak az az ökölszabályszerű kö-

vetkezménye, hogy a lombozat PPO és POD aktivitásának növekedéséhez az eloszlások kiszélesedése társul. A környezeti tényezők tendenciájukban, a két fafajtól függetlenül azonos módon befolyásolják a növényi lombozat PPO és POD aktivitásainak eloszlását. A enzimek átlagés szórás értékei a hőmérséklettel és a napfény-intenzitással negatív, amíg a relatív páratartalommal és a légnyomással pozitív korrelációban van. A környezeti tényezők szórásokra gyakorolt hatása nyilvánul meg a szórások statisztikailag érzékelt szignifikáns eltéréseiben is. A két fafaj közötti eltérés döntően a környezeti tényezők lombozatra gyakorolt fiziológiás hatásának mértékében jelentkezik. A PPO, ill. POD átlagokkal és szórásokkal bükk esetében a hőmérséklet erősebben korrelál (bükk:-0.7711, -0.5569, -0.7902, -0.5672), mint a tölgynél (tölgy:-0.4684, -0.2513, -0.4598, -0.2360). A globálsugárzás intenzitás változása bükk enzimeivel erősebb korrelációban van. Ezzel szemben a relatíve páratartalom befolyásoló szerepe inkább a

256

tölgynél jelentkezik. Kiemelésre érdemes, hogy a páratartalom jelentős hatást gyakorol a tölgy lombozatának szórásértékeire, (0.60996, 0.5874) ezzel szemben a bükknél ez a korreláció a PPO aktivitás eloszlásánál (0.1233) szinte elhanyagolható mértékű. A két fafaj közötti eltérések előjelben nem, hanem korrelációs tényezők mérőszámaiban jelentkeznek. A hőmérséklet lombozatra gyakorolt hatása a bükkfánál erőteljesebb, amíg a kocsányos tölgynél ez inkább elhanyagolható. A PPO és POD aktivitásoknak a levegő hőmérsékletével való negatív korrelációja új keletű felismerés. Figyelembe véve a POD, CAT, SOD (szuperoxid-dizmutáz) és más enzimek közötti pozitív előjelű korrelációkat (ZHANG és társai 2006; YANG és társai 2004; GONG és társai 2006; LOZOYA-SALDANA és társai 2007; KHOSRAVINEJAD és társai 2008; NABLE és társai 1988), továbbá az antioxidáns enzimrendszerben a környezeti tényezők által indukált változásokat (SAYFZADEH és társai 2011; POURTAGHI és társai 2011; CANDAN és társai 2010; DIAZ-VIVANCOS és társai 2010; ASTHIR et al. 2010), valamint az antioxidáns rendszer szabályozásának sajátosságait (POLLE 2001; ABOGADALLAH és társai 2010), feltételezhető, hogy a jelentős és egyidejű hőmérsékletemelkedés és páratartalom-csökkenés az antioxidáns kapacitás csökkenést idézi elő mind a bükk- és mind a kocsányos tölgyfákban. Így, a klímaváltozás során, az oxidatív stressz manifesztálódása valószínűsíthető e két fafaj lombozatában. A hőmérséklet és a páratartalom hatásainak eltérése összhangban van a két fafaj élőhelyi környezeti körülmény eltéréseivel. A hőszárazságra visszavezethető tölgyesek európai léptékű pusztulása (DOLEZAL és társai 2010) is magyarázható az előzőekben vázolt állapotfüggő korreláció koncepció felhasználásával. A PPO-POD állapotfüggő korreláció, épp úgy, mint a glükóz-fruktóz korreláció a növény és a környezete közötti, szabályozott kölcsönhatás indikátorának tekinthető.

Felhasznált irodalom ABOGADALLAH, G.M. – SERAG, M.M. – QUICK, W.P. (2010): Fine and coarse regulation of reactive oxygen species in the salt tolerant mutants of barnyard grass and their wild-type parents under salt stress. Physiol Plantarum 138: 60-73. doi: 10.1111/j.1399-3054.2009.01297.x

ALBERSHEIM, P. – DARVILL, A. G. (1985): Oligosaccharins, Scientific American 253 (3): 58-64.

ALMAAS, E. – KOVÁCS B. – VICSEK, T. – OLTVAI, Z. N. – BARABÁSI, A-L. (2004): Global organization of metabolic fluxes in the bacterium Escherichia coli, Nature 427: 839-843; doi:10.1038/nature02289

ASTHIR, B. – KOUNDAL, A. – BAINS, N.S. – MANN, S.K. (2010): Stimulation of antioxidative enzymes and polyamines during stripe rust disease of wheat. Biol Plantarum 54: 329-333. doi: 10.1007/ s10535-010-0057-4

CANDAN, N. – TARHAN, L. (2010): Alterations of the antioxidative enzyme activities, lipid peroxidation levels, chlorophyll and carotenoid contents along the peppermint (Mentha piperita L.) leaves exposed to copper deficiency and excess stress conditions. J Appl Bot Food Qual 83: 103-109.

CSÁKI, F.: Szabályozások dinamikája, Akadémiai Kiadó, Budapest, 1974.

DIAZ-VIVANCOS, P. – BARBA-ESPIN, G. – CLEMENTE-MORENO, M.J. – HERNANDEZ, J.A. (2010): Characterization of the antioxidant system

257

during the vegetative development of pea plants.

KOCSIS, R. (2011): Juharfa lombozatának állapotfüggő regressziói városi környezetben, TDK Dolgozat (témavezető: Németh Zs. I. és Badáczy D.;

Biol Plantarum 54: 76-82.

Nyugat-magyarországi Egyetem, Erdőmérnöki Kar), p.33.

DOLEZAL, J. – MAZUREK, P. – KLIMESOVA, J. (2010): Oak decline in southern Moravia: the association between climate change and early and late wood formation in oaks.

LION, S. – GABRIEL, F. – BOST, B. – FIE´VET J. – DILLMANN, C. – DE VIENNE, D. (2004): An extension to the metabolic control theory taking into account correlations between enzyme concentrations.

Preslia 82: 289-306. DE ATAURI, P. – ORRELL, D. – RAMSEY, S. –

BOLOURI, H. (2004): Evolution of ”design” principles in biochemical networks,

Eur. J. Biochem. 271 (22): 4375–4391. doi: 10.1111/j.1432-1033.2004.04375.x

IET Sys Biol 1(1): 28-40.; doi: 10.1049/ sb:20045013

LOPEZ-MAURY, L. – MARGUERAT, S. – BAEHLER, J. (2008): Tuning gene expression to changing environments: from rapid responses to evolutionary adaptation,

GOLDBETER, A.: Oscillations and cellular rhythms: the molecular bases of periodic and chaotic behavior,

Nature Reviews Genetics 9: 583-593.

Cambridge univ. Press, Cambridge, UK, 1996.

LOZOYA-SALDANA, H. – RIVERA-HINOJOSA, R. – COLINAS-LEON, M.T. (2007): Phenols, peroxidase and phenylalanine ammonia-lyase: Their relationship to the genetic resistance against late blight (Phytophthora infestans Mont. De Bary) in potato (Solanum tuberosum L.) clones,

GONG, C.R. – WANG, A.H. – WANG, S.F. (2006): Changes of polyphenols in Tobacco leaves during the flue-curing process and correlation analysis on some chemical components.

Agrociencia 41: 479-489.

Agr Sci China 5: 928-932. doi:10.1016/S16712927(07)60006-6

MALARCZYK, E. – JAROSZ, A. (1992): Formaldehyde as a synchronizer of the phenolic substance transforming system in Trametes versicolor and Inonotus obliquus, Proceedings of 3rd International Conference on Role of Formaldehyde in Biological Systems,

HEINRICH, R. – SCHUSTER, S.: The regulation of cellular systems, Chapman and Hall, New York, 1996.

KHOSRAVINEJAD, F. – HEYDARI, R. – FARBOODNIA, T. (2008): Antioxidant responses of two barley varieties to saline stress.

Sopron, Hungary, 18-22 May.

Research Journal of Biological Sciences 3: 486-490.

MOHILLA, R.: Vegyipari automatizálás (egyetemi jegyzet), Veszprémi Vegyipari Egyetem, Vegyipari Műveletek Tanszék, Veszprém, 1981.

258

NABLE, R.O. – HOUTZ, R.L. – CHENIAE, G.M. (1988): Early inhibition of photosynthesis during development of Mn toxicity in Tobacco. Plant Physiol 86: 136-142.

NÉMETH, ZS. I. (2011): Állapotfüggő korreláció koncepció, Kari tudományos Konferencia (Nyugat-magyarországi Egyetem, Erdőmérnöki Kar), Környezettudományi és környezetvédelmi Szekció, Sopron, 2011. okt. 5., Konferencia Kiadvány (Lővér Print Kft., szerk.: Lakatos F, Szabó Z): 78.

NÉMETH, ZS. I. – ALBERT, L. – VARGA SZ. (1998): Changes in formaldehyde contents of germinating acorns of Quercus cerris L. under low temperature stress conditions,

NÉMETH, ZS. I. – BADÁCZY D. ZS. (2012): POD-PPO state-dependent correlation as an adaptation indicator of forest trees, in Proceedings Book of International Scientific Conference on Sustainable Development & Ecological Footprint

Acta Biol Hung 49 (2-4): 369-374.

NÉMETH, ZS. I. (2009A): Növényi stressz vizsgálata és értelmezése szabályozáselméleti analógiák alapján. MTA Bolyai János Ösztöndíjkutatás (20062009), Zárójelentés, p. 35.

(Sopron, March 26-27, eds: Neményi M., Heil B., Kovács J. A., Facskó F.), pp.1-6; ISBN: 978-963334-047-9

NÉMETH, ZS. I. – SÁRDI, É. – STEFANOVITSBÁNYAI É. (2009B): State-dependent correlation of biochemical variables in plants,

NIJHOUT, H. F. – REED, M. C. – BUDU, P. – ULRICH, C. M. (2004): A mathematical model of the folate cycle – New insights into folate homeostasis,

J Chemometr 23 (3-4):197-210.; doi: 10.1002/ cem.1226

J Biol Chem 279 (53): 55008-55016.; doi: 10.1074/jbc.M410818200

NÉMETH, ZS. I. – POZSGAI-HARSÁNYI, M. – GÁLOS, B. – ALBERT, L. (2009C): Stress sensitivity of correlation between POD and PPO activities in plants,

ORREL, D. – RAMSEY, S. – MARELLI, M. – SMITH, J. J. – PETERSEN, T. W. – DE ATAURI, P. – AITCHISON, J. D. – BOLOURI, H. (2006): Feedback control of stochastic noise in the yeast galactose utilization pathway,

Acta Sylvatica et Lignaria Hungarica 5: 27-45.

NÉMETH, ZS. I. – POZSGAI-HARSÁNYI M. – STEFANOVITS-BÁNYAI E. – SÁRDI É. (2009D): Characterization of plant stress syndrome by some correlations of biochemical variables, Cereal Research Communications 37: 141-144.; doi: 10.1556/CRC.37.2009.Suppl.141 2

Physica D 217: 64-76.; doi: 10.1016/j. physd.2006.03.010

POLLE, A. (2001): Dissecting the superoxide dismutaseascorbate-glutathione-pathway in chloroplasts by metabolic modeling. Computer simulations as a step towards flux analysis, Plant Physiol 126: 445-462.

259

POURTAGHI, A. – DARVISH, F. – HABIBI, D. – NOURMOHAMMADI, G. – DANESHIAN, J. (2011): Effect of irrigation water deficit on antioxidant activity and yield of some sunflower hybrids.

SÁRDI, É. – TYIHÁK, E. (1998): Change of biotransformation steps of formaldehyde cycle in water-melon plants after infection with Fusarium oxysporum, Acta Biol Hung 49: 353-362.

Australian Journal of Crop Science 5: 197-204.

SIELEWIESIUK, J. – CZUBLA, A. – MALARCZYK, E. – PAZDZIOCH, M. (1999): Kinetic model for oscillations in a cycle of enzymatic reactions related to methoxyphenols transformation in Rhodococcus erythropolis culture,

PRASAD V. – VENKATESH, K. V. (2008): Stochastic analysis of the GAL genetic switch in Saccharomyces cerevisiae: Modeling and experiments reveal hierarchy in glucose repression, BMC Systems Biology 2: 97; DOI: 10.1186/17520509-2-97

Cel. Mol. Biol. Letters 4: 131-146.

YANG, G. – XU, Q.Y. – YOU, M.S. (2004): The change of activities of protective enzymes in Chinese cabbage infected by diamondback mouth,

REED, M.C. – NIJHOUT, H. F. – SPARKS, R. – ULRICH, C. M. (2004): A mathematical model of the methionine cycle,

Plutella oxylostella. Entomol J East China 13: 48-54.

Journal of Theoretical Biology 226: 33–43.

ROMÁN, P. (2005): Transzmetilezési ciklus zavarása metionin-dózissal, Intézményi TDK Konferencia, TDK dolgozat (témavezető: Németh Zs. I.; Nyugat-magyarországi Egyetem, Erdőmérnöki Kar), p.18.

ZHANG, L. – SHICHON, H. – ZHIGANG, L. – NAN, L. – LIYING, L. – LIFEN, L. – TONGXU, P. WENHUI, L. (2006): Effects of the infestation by Actinote thalia pyrrha (Fabricius) on the physiological indexes of Mikania micrantha leaves. Acta Ecol Sin 26: 1330-1336.

SAVAGEAU, M. A., Biochemical systems analysis: a study of function and design in molecular biology, Adison-Wesley, Reading, MA, 1976.

SAYFZADEH, S. – HABIBI, D. – TALEGHANI, D.F. KASHANI, A. – VAZAN, S. – QAEN, S.H.S, KHODAEI, A.H. – MASHHADI, M. – BOOJAR, A. RASHIDI, M. (2011): Response of antioxidant enzyme activities and root yield in sugar beet to drought stress. International Journal of Agriculture and Biology13: 357-362.

260

Tartalomjegyzék

Előszó ............................................................................................................7 Térinformatikai adatbázis építése, tematikus térképek készítése városökológiai kutatáshoz .........9 Városok öko-környezetének vizsgálata..........................................37 Távérzékelési adatok előfeldolgozása és elemzése ....................59 Városi környezet vizsgálata távérzékelési adatok alapján ..............................................................75 Domborzat- és felszínmodellek alkalmazása városökológiai vizsgálatokban.......................................................... 93 Metaadatbázis kialakítása, adatok elemzése ............................ 107 Geodéziai mérések az egységes referenciarendszer biztosításához ........................................................................................115 Városi talajok vizsgálata a Dunántúlon ....................................... 123 A városiasodás hatásai a vizekre.................................................... 169 Városökológiai kutatások. ................................................................225 Dunántúli nagyvárosok levegőminőségének vizsgálata .......225 Soproni zöldterületek ökológiai jellemzése növénykémiai analízis és hiperspektrális felvételezés alapján ............................................................................. 231 Növényi anyagcsere alkalmazkodása a környezet tényezőinek módosulásaihoz..................................237

261

264