Decsi Bence1 – Ács Tamás2 – Kozma Zsolt3
1 doktorandusz, BME-VKKT, decsi.bence@epito.bme.hu 2 doktorjelölt, BME-VKKT, acs.tamas@epito.bme.hu
3 egyetemi adjunktus, BME-VKKT, kozma.zsolt@epito.bme.hu
Bevezetés és célok
A természetes és mesterséges ökoszisztémák és az általuk biztosított ökoszisztéma-szolgáltatások (ÖszSz-k) szoros kapcsolatban állnak a vízkészletek minőségi és mennyiségi állapotával (Grizetti et al. 2016; Liu et al. 2016), ugyanakkor meghatározó szerepet játszhatnak számos hazai vízügyi kérdés és konflikushelyzet megoldásában is. Ilyenek elsősorban egyes területi vízgazdálkodási feladatok: az árvíz-belvíz-aszály problémaköre, a tájléptékű vízvisszatartás, az integrált árvízi kockázatcsökkentés (Koncsos L. 2011; Ungvári et al. 2012; Pinke et al. 2018) vagy a felszín alatti víztől függő élőhelyek és az emberi vízigények összehangolása (Ács T. – Kozma Zs. 2017). Az ökoszisztémák és az ezek fenntartásában meghatározó szerepet játszó vizek állapotának sokszor bonyolult függőségi viszonyrendszerének tisztázása elengedhetetlen feltétele az ÖszSz-k értékelésének, térképezésének. A különböző ÖszSz értékelési módszerek rendszerint támaszkodnak a vízállapotok tér- és/vagy időbeli változását leíró információkra.
A gyakorlatban elterjedt ÖszSz modellek (InVEST, LUCI, ARIES) mindegyike valamilyen formában, inputadatként igényli a modellezni kívánt terület hidrológiai viszonyainak leírását (Bagstad et al. 2013; Sharps et al. 2017). Tapasztalatunk szerint mind a hidrológiai vizsgálatok, vízháztartási elemzések és egyéb hidrológiai témájú kutatások, mind az ÖszSz értékelés során az adatellátottság és az adatok megbízhatósága jelentik az egyik szűk keresztmetszetet.
Hazai viszonylatban az ÖszSz-kat nyújtó ökoszisztémák jelentős része felszín alatti víz (általában talajvíz) által befolyásolt, ezért állapotuk és ÖszSz potenciáljuk
Absztrakt: The growing understanding of ecosystem services (ES) shifted the focus of scientific research to mapping and modelling ES-s. Such assessments require the exploration of relationship between the ecosystems providing ES-s and the sustaining environmental factors. Many ecosystems depend on groundwater (GW), however, in most cases, no direct information on local GW status is available. Hence, monitoring well data are often used to describe the GW regime, but their reliability is of question. In our research we investigated the Hungarian national GW monitoring network. Statistical indicators were used to characterize the spatial distribution and data quality. It was found that data gaps and inconsistency affect a notable proportion of wells. As a consequence, depending on the well set used for e.g. estimating regional GW level trends, results may differ significantly.
értékelhetősége alapvetően függ a talajvízre vonatkozó információk mennyiségétől és minőségétől. Országos léptékben a rendelkezésre álló információk két típusra oszthatók: i) monitoringkutak vízállás idősorai és ii) interpolált vagy vízföldtani modellekkel előállított talajvíztérképek. Amíg az idősorok térben pontszerű, időben – az adathiányokat leszámítva – folytonos adatokat jelentenek, addig a térképek általában éves vagy sokéves átlagos talajvízszintek térbeli változékonyságát mutatják. A két adattípus között szoros kapcsolat van: a kutakban mért vízszintek egyrészt a térbeli interpoláció változójának pontszerű megfigyeléseit jelentik, másrészt lehetővé teszik a hidrogeológiai modellek kalibrációját. Következésképpen a kutak térbeli eloszlása és a mért adatsorok minősége meghatározzák a talajvíztérképezés lehetőségeit és a térképek megbízhatóságát.
Kutatásunk célja annak értékelése, hogy a talajvíz mennyiségi állapotára országosan elérhető adatbázisok milyen mértékben támogatják az ÖszSz-khoz kapcsolódó hidrológiai elemzéseket. Dolgozatunkban e kutatás megalapozásaként az országos talajvízfigyelő kúthálózat térbeli eloszlását és adatsorainak minőségét elemeztük.
Anyag és módszer
Az országos törzshálózati talajvíz monitoring adatbázis (forrás: OVF) 2113 észlelő kút vízállás idősorait tartalmazza. A rendelkezésünkre álló adatsorok napi felbontásúak voltak, és az 1961–2013 közötti időszakot fedték le. Az idősorok minőségét az adathiányok és az adathibák rontják. A változó hosszúságú és gyakoriságú adathiányok egy része szisztematikus, ami jellemzően a napinál ritkább leolvasási (mérési) gyakoriságból fakad. Emellett előfordulnak szabálytalan, gyakran hosszabb időszakot lefedő, általában technikai problémára visszavezethető adathiányok is. Számos kút esetében megfigyelhető, hogy egymást követő napok mért vízállásai között irreálisan nagy különbség (ugrás) van. Ez adathibára utal, melynek oka valószínűleg a kútperem abszolút magasságának változása, de nem zárható ki közeli termelő kút indításának vagy leállításának hatása (rövid idő alatt megjelenő nagymértékű leszívás vagy visszatöltődés) sem.
Az idősorok számszerű értékelése az adatbázis statisztikai vizsgálatával, indikátorok segítségével történt:
a) adatellátottság: a mért adattal jellemzett napok számának és a vizsgált időszak hosszának aránya;
b) adathiány: az adathiányos periódusok hosszának szórása;
c) szakadás: az olyan mérési események száma, amikor két egymást követő adat között az eltérés nagyobb mint 0,7 m.
A kutak idősorait az indikátorok értékei alapján gyenge, közepes és jó minőségi kategóriákba soroltuk (1. táblázat). Gyenge minősítést kaptak azok a kutak, melyek a vizsgált periódusokban kevés adatot tartalmaznak, az adathiányos időszakok hossza nagy szórást mutat (a hiányok véletlenszerű, nem tervezett kiesésekre utalnak) vagy
kettőnél több ugrás van az idősorukban. A jó minősítéshez lényegesen szigorúbb feltételek (szakadásmentesség, minimális adathiány) egyidejű kielégítése volt szükséges. Közepes minősítést a gyenge és jó besorolás közé eső kutak kaptak.
Véleményünk szerint a közepes és elsősorban a jó kutak alkalmazhatóak hosszú távú vizsgálatokhoz, trendelemzéshez, modellek (kalibrációs/peremi) bemenő adataiként.
Az alkalmazott statisztikai jellemzőket és az azokra vonatkozó küszöbszámokat részben önkényesen, az idősorok vizuális értékelése alapján, részben a küszöbértékekre végzett egyszerű érzékenységvizsgálat nyomán választottuk ki.
A kategorizálás után a monitoringhálózat területi lefedettségét vizsgáltuk, amit a 100 km2-re eső gyenge, közepes és jó kutak számával jellemeztünk. A vizsgálati egységeket egy jelen elemzésünkkel megtámogatott párhuzamos kutatás (Pinke Zs.
2018) egyéb (szántóföldi terméshozamok) adatellátottsága miatt a közigazgatási megyehatárokhoz igazítottuk.
Végül vizsgáltuk, hogy milyen irányban és milyen ütemben változtak a talajvízszintek, amit a vízállás idősorokra illesztett lineáris trendvonal meredekségével jellemeztünk. A változást az összes kút és az általunk jó osztályba sorolt kutak esetében is elemeztük. Annak érdekében, hogy az elmúlt évtizedekben végrehajtott hálózatfejlesztés hatását értékelni tudjuk, vizsgálatainkat két időszakra végeztük el: i) az idősorok által lefedett 1961–2013-as periódusra és ii) az éghajlati szempontból jelen évtizedben normál időszaknak tekinthető 1981–2010-es periódusra (Internet1).
Eredmények
A kútidősorok 1961–2013-as időszakra vonatkozó osztályozásának eredményeit az 1. ábrán mutatjuk be. A kördiagramokon az egyes osztályokba eső kutak arányát tüntettük fel megyénként (fekete – gyenge, szürke – közepes, halványszürke – jó). Országosan többségben vannak a gyenge minősítésű kutak: 64,4% (1361 db) gyenge, 22,5% (475 db) közepes és 13,1% (277 db) jó besorolást kapott. Ez alól kivétel Bács-Kiskun, Fejér, Hajdú-Bihar és Tolna megye, ahol nagyobb arányban találhatóak közepes és jó minősítésű adatsorok. Budapest és Nógrád megye esetében a szűrés után egy kút sem került a jó kategóriába. A kúthálózat területi lefedettsége jelentős megyénkénti változékonyságot mutat: az 1. ábrán adatbuborékokban látható az egységnyi területre jutó észlelőállomások száma. Országos átlagban ez 2,2 kút/100 km2, a hálózat Győr-Moson-Sopron megyében a legsűrűbb (6,2 kút/100 km2). Összehasonlításképpen az USA-ban legalább 5 éves idősorral rendelkező
Osztály Gyenge Közepes Jó
Adatellátottság [%] < 60 % > 60 % > 90 %
Szórás [nap] > 2 < 2 < 0,5
Szakadás [darab] > 2 < 2 0
Feltételek logikai kapcsolata VAGY ÉS ÉS
1. táblázat Csoportosítási feltételek
észlelőkutak területi sűrűsége 0,43 kút/100 km2 (Taylor Ch.J. – Alley W.M. 2013).
Az 1981–2010-es időszakban (2. ábra) a kutak közül gyenge minősítést 57,9% (1224 db), közepest 21,4% (456 db), míg jót 20,7% (438 db) kapott. A monitoringhálózat elmúlt évtizedekben végzett fejlesztése az adatellátottságban tetten érhető. Az 1981–2010-es időszakban némi javulás észlelhető a teljes vizsgált öt évtized eredményeihez képest: csökkent a gyenge minősítések száma (–6,5%), míg gyarapodott a jó kutak halmaza (+7,6%). A közepes minősítésű kutak arányában nem tapasztaltunk nagy eltérést a két időszak között (–1,1%).
Az 1961–2013-as, illetve az 1981–2010-es periódusok trendelemzésének eredményeit a 3. és 4. ábrákon mutatjuk be. A térképeken minden megyére feltüntettük
2. ábra Talajvízészlelő hálózat térbeli sűrűsége, valamint adatellátottsági és adatminőségi kategóriái megyénként az 1981–2010 időszakban
1. ábra Talajvízészlelő hálózat térbeli sűrűsége, valamint adatellátottsági és adatminőségi kategóriái megyénként az 1961–2013-as időszakban
3. ábra Talajvízszinttrendek megyei bontásban az 1961–2013-as időszakban az összes kút (fent) és a jó kutak (lent) esetén
4. ábra Talajvízszinttrendek megyei bontásban az 1981–2010-es időszakban az összes kút (fent) és a jó kutak (lent) esetén
az összes kút (felső sor) és a jó kutak (alsó sor) idősoraiból számított trendvonal meredekségeket. Az ábrákon fekete jelölővel emeltük ki azon megyéket, melyeknél az összes és a jó kutak alapján levezetett trendek ellentétes, míg sötétszürke jelölővel, ahol azonos irányúak. A budapesti kutak idősorai teljes mértékben adathiányosak voltak.
Az 1961–2013-as időszakban több megyében (Baranya, Békés, Heves, Jász-Nagykun-Szolnok és Vas megye) is jelentős eltérés (vagy akár fordított irányú változás) tapasztalható, ha a vizsgálatba bevont kutak körét a jó kutakra szűkítjük.
A két fajlagos vízszintváltozás között a legnagyobb eltérés Vas megyében adódott, a különbség itt közel 5 cm/év-et ért el. Az 1981–2010-es időszak vizsgálata során az
összes és a jó kutak trendje között lényegesen kisebb különbségek tapasztalhatók.
Ugyanakkor erre az időszakra is adódott három olyan megye (Baranya, JászNagykun-Szolnok és Tolna megye), melyek esetén a két csoport szerinti talajvízszint-változás fordítottan alakult. Az egyes megyei szintű vagy időszakfüggő eltéréseket leszámítva az országos összkép egyértelműen a talajvízszintek általános süllyedését mutatja.
Konklúzió és kitekintés
A talajvízmonitoring hálózat országosan jelentős változékonyságot mutat az időbeli adatellátottság és a térbeli lefedettség terén is. Az elmúlt időszak hálózatfejlesztésének pozitív hatása az idő- és térbeliség esetén is kimutatható.
Megítélésünk szerint több évtizedet lefedő hidrológiai és azokra épülő elemzésekhez szigorúan/megengedőbben véve csupán a kutak 13%-a/35%-a bizonyult megfelelőnek (jó/közepes és jó kutak). A trendelemzés legfontosabb tanulsága a talajvízszintek általános süllyedése. A kimutatott trendek megbízhatóságát azonban nagymértékben befolyásolja az adatbázis minősége.
A tanulmányban bemutatott elemzéseket a közeljövőben több irányban tervezzük folytatni. Egyrészt a kutak jelenleg megyékhez igazodó területi besorolását kívánjuk módosítani elsősorban hidrogeológiai szempontok és/vagy az idősorok klaszterelemzése alapján (utóbbira a múltban már tettünk kísérletet, Gondár et al.
2015). Másrészt tervezzük a térbeli lefedettség finomabb, feladatfüggő értékelését.
A kúthálózat sűrűsége ugyanis önmagában nem, csak az adatok felhasználásának ismeretében ítélhető meg. Ezért a talajvízkutak pozícióit össze kívánjuk vetni az ökoszisztéma-szolgáltatások szempontjából meghatározó fontosságú felszín alatti vízhatás alatt álló élőhelyek elhelyezkedésével (Ács – Kozma 2017).
Felhasznált irodalom
Ács T. – Kozma Zs. (2017): Ökológiai talajvízigény cél és lépték szerint. Blanka V. – Ladányi Zs. (szerk.): Interdiszciplináris tájkutatás a XXI. században, a VII. Magyar Tájökológiai Konferencia tanulmányai, Szeged, Szegedi Tudományegyetem Földrajzi és Földtudományi Intézet, pp. 10–16.
Bagstad, K.J. – Semmens, D.J. – Waage, S. – Winthrop, R. (2013): A comparative assessment of decision-support tools for ecosystem services quantification and valuation. Ecosystem Services, 5, pp. 27–39.
Gondár K. – Király Zs. – Könczöl N. – Molnár M. – Tóth Gy. – Ács T. – Kozma Zs. – Muzelák B. – Simonffy Z. – Szalay M. (2015): A felszín alatti víztől függő ökoszisztémák ökológiai vízigényének meghatározása. A Víz Keretirányelv hazai megvalósítása – VÍZGYŰJTŐ-GAZDÁLKODÁSI TERV. Felszín alatti vizek mennyiségi állapotának meghatározása, 6-4-4 háttéranyag.
Grizzetti, B. – Lanzanova, D. – Liquete, C. – Reynaud, A. – Cardoso, A.C. (2016):
Assessing water ecosystem services for water resource management. Environmental Science & Policy, 61, pp. 194–203.
Koncsos L. (2011): Árvízvédelem és szabályozás. In: Somlyódi L. (szerk.): Magyarország vízgazdálkodása: helyzetkép és stratégiai feladatok. MTA, Budapest, pp. 207-232.
Liu, K. – Li, J. – Gao, Z. – Yang, M. – Qin, K. – Yang, X. (2016): Ecosystem services insights into water resources management in China: A case of Xi’an City. International Journal of Environmental Research and Public Health.
Pinke Zs. (2018): Hortobágy-Sárrét tájrestaurációs modell szakmai megalapozása országos helyzetelemzéssel. Doktori értekezés, Szent István Egyetem, Gödöllő.
Pinke Zs. – Kiss M. – Lövei L. G. (2018): Developing an integrated land use planning system on reclaimed wetlands of the Hungarian Plain using economic valuation of ecosystem.
Ecosystem Services, (in print).
Sharps, K. – Masante, D. – Thomas, A. – Jackson, B. – Redhead, J. – May, L. – Prosser, H.
– Cosby, Jr B. – Emmett, B. – Jones, L. (2017): Comparing strengths and weaknesses of three ecosystem services modelling tools in a diverse UK river catchment. Science of The Total Environment, 584–585, pp. 118–130.
Taylor, Ch. J. – Alley, W. M. (2013): Ground-Water-Level Monitoring and the Importance of Long-Term Water-Level Data, U.S. Geological Circular 1217. USGS
Ungvári G. – Molnár Zs. – Varga Gy. – Ellison D. (2012): Ökoszisztéma-szolgáltatások nagyságrendi becslése vízgyűjtő szinten a vízkörforgást leíró vízháztartási jellemzők alapján. Műhelytanulmány (working paper). Regionális Energiagazdálkodási Kutatóközpont, Budapest, http://unipub.lib.uni-corvinus.hu/560/
Internetes források
Internet1 – https://public.wmo.int/en/media/news/new-two-tier-approach-“climate-normals”