Intercepce - Univerzita Karlova

Transkript

MZ330P75 Aplikovaná hydrologie:
Srážky, sníh, evapotranspirace, intercepce
Michal Jeníček
Univerzita Karlova v Praze, Přírodovědecká fakulta
[email protected], http://hydro.natur.cuni.cz/jenicek/
2013
Kapalné srážky, měření | Pevné srážky, měření | Sníh – metody výpočtu | Sníh – případové studie | Evapotranspirace | Intercepce
Obsah přednášky
•
Kapalné srážky, vznik a měření srážek (staniční měření, radary)
•
Sníh – vlastnosti sněhu, metody měření sněhu
•
Procesy ve sněhové pokrývce, metody výpočtu akumulace a tání sněhu - modely
energetické bilance, modely degree-day (temperature index)
•
Případová studie – Katedra fyzické geografie a geoekologie, výzkumný tým hydrologie
•
Evapotranspirace – hlavní metody výpočtu
•
Intercepce – hlavní metody výpočtu
2
Srážko-odtokový proces
Evapotranspirace
Povrchový odtok
Srážky
Odtok ze sněhu
Intercepce
Proudění v nenasycené zóně
Odtok v korytě
Proudění v nasycené zóně
Obr. Obecná struktura S-O modelu
3
Klasifikace srážek
Padající (vertikální)
•
Déšť, mrholení, sníh, sněhové krupky, sněhová zrna, zmrzlý déšť, námrazové krupky,
kroupy, sněhové jehličky
Usazené (horizontální)
•
Vznikající kondenzací nebo desublimací vodní páry na horizontálním povrchu (rosa, zmrzlá
rosa, jíní)
•
Vznikající při advekci teplého vzduchu nad studeným povrchem (ovlhnutí, námraza,
jinovatka)
•
Srážky vázané na fázové změny vody padajících srážek na zem. povrchu (ledovka, náledí,
zmrazky)
4
Vznik srážek
1) Výstupné pohyby na frontách
2) Termická konvekce (lokální bleskové povodně)
3) Cyklonalita
4) Orografické zesílení srážek
5
Vznik srážek
6
Vznik srážek
7
Měření srážek - pozemní
Pozemní
•
ombrometr, ombrograf, totalizátor
Klíčové pro s-o modely:
•
Hustota stanic
•
Časový krok
•
Vhodná interpolace
8
Měření srážek - radar
Radarové odhady
•
slouží ke zjišťování rozložení okamžitých intenzit
atmosférických srážek
•
založeny na schopnosti srážkových částic v atmosféře odrážet
(přesněji zpětně rozptylovat) radiovlny v centimetrovém
pásmu vlnových délek (mikrovlny).
Radar Brdy
Obr.: Dosah radarů ČHMÚ v ČR
Radar Skalky
9
Radarové odhady – princip měření a interpretace
Intenzitu ukazuje radiolokační odrazivost Z
Pr = PI*(Z/R2)
kde Pr je přijatý výkon, PI je meteorologický potenciál
radaru (přístrojová konstanta), R je vzdálenost cíle.
Radiolokační odhady srážek
Radiolokační odrazivost Z má přímý vztah k okamžité
intenzitě srážek.
Z =a.Ib
kde a a b jsou experimentálně zjištěné konstanty, I je
intenzita srážek.
10
Radarové odhady – možné nejistoty
•
S rostoucí vzdáleností se radarový paprsek vzdaluje od povrchu (vlivem zakřivení
Země). Radiolokační odrazivost přitom klesá s výškou.
•
Svazek paprsků se s rostoucí vzdáleností rozšiřuje, citlivost radaru se vzdáleností klesá
a zároveň radarový svazek již nebývá homogenně zaplněn srážkovými částicemi.
•
Útlum ve srážkách, ležících na dráze svazku.
•
Ve vrstvě tání srážek pod nulovou izotermou (bright band) může docházet k
přechodnému zvýšení odrazivosti.
•
Vliv terénních předmětů v dráze radarového paprsku
•
Podcenění hřebenů hor – důsledek zakřivení, korun stromů...
11
Vznik sněhu, vodní bilance
Vznik sněhu, skupenství vody, vodní bilance
•
•
Sníh vzniká přeměnou (krystalizací) vodní
páry (desublimací) nebo přechlazených
kapiček vody v atmosféře při teplotách
nižších než 0°C.
Vzniká při nasycení vzduchu vodní párou,
zárodky krystalů jsou tvořeny např.
ledovými jádry nebo částicemi prachu
R = P - E ± ∆W
P – úhrn srážek
E – výpar (evaporace)
R – odtoková výška (přímý a podzemní
odtok
∆W – změna objemu vody v povodí
Obr. Schéma vodní bilance a hydrologického cyklu
(Zdroj: Dietrich a Schöniger, 2003; Ritter, 2007)
12
Veličiny charakterizující sněhovou pokrývku
Charakteristiky a fyzikální vlastnosti sněhu
•
Tvar a velikost krystalických jader
•
Hustota sněhu
•
Teplota sněhu
•
Výška sněhu
•
Vodní hodnota sněhu
•
Albedo
•
Obsah vody v kapalném skupenství
•
Tvrdost sněhu
•
Tepelná vodivost, velikost zrna, drsnost povrchu, nečistoty,
Viz základní přednáška hydrologie
13
Metody měření
Metody měření
•
Staniční měření – měření na klimatologických stanicích
•
Expediční měření (mobilní terénní průzkum)
•
Distanční měření – využití metod dálkového průzkumu Země
14
Staniční měření
Klasická měření
•
Síť ČHMÚ - 209 klimatických a 585 srážkoměrných stanic
•
Výška sněhu je měřena denně (7:00 SEČ)
•
Měření je prováděno sněhoměrnou latí v blízkosti stanice (bez vlivu
vegetace, větru)
•
Měření nově napadlého sněhu - sněhoměrné prkénko
•
Vodní hodnota sněhu - měřena jednou týdně (v pondělí) – pomocí
sněhoměru nebo srážkoměru
Novodobá měření
•
Výška sněhu – kontinuální záznam pomocí ultrazvuku
•
Vodní hodnota sněhu – automatický váhový
sněhoměr, sněhový polštář, SPA, radioizotopický
sněhoměr (princip pohlcování gamma záření)
15
Staniční měření – váhový sněhoměr (kfgg)
16
17
18
Staniční měření – sněhoměrný polštář
19
Staniční měření – Snowpack Analyser (SPA)
SPA
•
Založeno na měření odporu prostředí (led, voda,
vzduch) - relativní permitivity (dielektrické
konstanty)
http://www.sommer.at/
20
Staniční měření – měření odtoku (sněhový lysimetr)
21
Expediční měření
•
Měření výšky sněhu
•
Měření vodní hodnoty sněhu (SWE)
•
Měření hustoty a teploty sněhových vrstev
•
Odběry vzorků na analýzu kvality vody
Foto: Jan Pospíšil
1 – odběrný válec, 2 – tyč pro měření
mocnosti sněhové pokrývky, 3 – digitální
váhy, 4 – závěsné vahadlo
22
Expediční měření
23
Měření sněhu 24.4.2013
(Furkapass, Švýcarsko)
•
Analýza sněhového profilu
•
Odběry vzorků sněhu pro
analýzu 18O
24
Distanční měření (DPZ)
•
•
•
pozemní (laserové skenování)
letecké
satelitní
Zdroj: Tučková et al. (2012)
Odrazové vlastnosti povrchů jsou dány především drsností a vlhkostními charakteristikami
Problém meteorologických podmínek a lesního pokryvu
Mikrovlnné záření využívá závislosti výšky sněhové pokrývky a pohlcování záření
Snímače – MODIS (Moderate Resolution Imaging Spectroradiometer), ASAR (Advanced
Synthetic Aperture Radar), TerraSAR-X (TSX)
25
Distanční měření (DPZ)
Obr.: Rozsah sněhové pokrývky v roce 2004. Zdroj: NASA
26
Distanční měření – TLS
Pozemní laserové skenování (terrestrial laser
scanning, TLS)
Zdroj: SLF 2013
+ Vysoké rozlišení (mm), rychlé mapování
- Limitováno výhledem scanneru, vysoká cena
Zdroj: Prokop 2008
27
Vliv FG faktorů na akumulaci a tání sněhu
Faktory klimatologické
- srážky, teplota, směr a rychlost větru, radiace
Faktory topografické
- nadmořská výška, sklonitost, orientace svahů, zastínění terénu
Struktura vegetace
- typy vegetačního pokryvu (akumulace sněhu v lese a mimo les)
viz základní přednášky hydrologie
28
Hlavní procesy
•
Akumulace
o
Srážky
o
Intercepce sněhu na vegetaci
•
Redistribuce sněhu větrem
•
Dozrávání
•
o
Metamorfóza (přeměna) sněhu
o
Výpar, sublimace
o
Kondenzace
Tání a následný odtok
o
Povrchový odtok
o
Infiltrace do půdy
29
Intercepce
•
Dočasné zadržení sněhu (obecně srážek) na vegetaci
(v korunách stromů atd.)
•
Na otevřených plochách může být o 20-45 % sněhu
více
•
Důležité: Většina zadrženého sněhu se vypaří
(sublimuje) a vůbec se tedy neúčastní odtoku => jde
o významný podíl vody
•
Vliv i na hustotu sněhové pokrývky
30
Metamorfóza sněhu
DeWalle a Rango, 2008
Metamorfóza ve sněhové pokrývce
(Dietrich a Schöniger, 2003)
ET - equi-temperature metamorphism
TG - temperature-gradient metamorphism
MF - melt-freeze metamorphism
31
Metamorfóza sněhu – typy sněhu
•
Destruktivní (bortící) přeměna – nový sníh (new snow), zlomkový sníh (decomposing
and fragmented precipitation particles), okrouhlozrnitý sníh (rounded crystals)
•
Konstruktivní (výstavbová) přeměna – hranatozrnitý sníh (faceted crystals), pohárkové
krystaly (depth hoar, cup-shaped crystals), povrchová jinovatka (surface hoar)
•
Cyklus tání - mrznutí (tavící přeměna) – firn (wet grains), led (ice masses)
destruktivní met.
konstruktivní met.
32
Výpar, sublimace, kondenzace
•
Sublimace - výměna molekul mezi sněhem (ledem) a atmosférou
•
Zapříčiněna vyšším tlakem par v ledových krystalech než je tlak vodní páry v okolním
vzduchu
•
Závisí na teplotě vzduchu, vlhkosti vzduchu, větru, radiaci
•
Výpar probíhá při teplotě rosného bodu vyšším než 0°C
•
Kondenzace – přeměna vodní páry kapalné skupenství vody
Zásadní pro intercepci sněhu v korunách stromů -> většina se vůbec neúčastní odtoku
Kemel a Kolář, 1980
33
Tání sněhu, odtok
•
Přeměna sněhu (ledu) na kapalné skupenství
•
Tání spotřebovává energii
•
Ovlivněno místními podmínkami – vliv nadmořské výšky, expozice, sklonu, vegetace
atd.
•
Vliv zmrzlé půdy (infiltrace vody) – důležitý faktor pro jarní tání
Výpočet odtoku z tajícího sněhu
•
Výpočet energetické bilance - fyzikální přístup, metoda sleduje a kvantifikuje toky na
rozhraní atmosféra – sníh – půda
•
Metoda teplotního indexu - využívá spojitosti mezi táním sněhu a teplotou (jednoduše
měřitelná a interpretovatelná)
34
Vývoj teploty vzduchu a průtoku
v povodí Rokytky mezi
19.3.2009 a 20.4.2009
35
Tání sněhu, odtok – déšť na sněhovou pokrývku (rain-on-snow)
Vodní hodnota sněhu (SWE), výška sněhu, vodní stav, úhrn srážek a teplota vzduchu - Modravský potok (Modrava), 29.1.2013-3.2.2013 36
Modelovací techniky
Metoda energetické bilance (Energy budget)
•
Fyzikální přístup k modelování odtoku ze sněhové pokrývky se opírá o energetickou bilanci.
Tato metoda sleduje a kvantifikuje toky na rozhraní atmosféra – sníh – půda.
•
Metoda může počítat i ve více vrstvách (použití u lavin).
Qm = Qn + Qe + Qh + Qg + Q p + Qq
M = 0,0031 ⋅ Qm
(podle Singh, 2001)
•
kde Qm je saldo energie dostupné na tání
sněhu [W.m-2]
•
přenos radiace Qn
•
přenos latentního tepla Qe
•
přenos senzitivního (zjevného) tepla Qh
•
přenos tepla přes rozhraní půda – sníh Qg
•
teplo dodané srážkami Qp
•
změna vnitřní energie ve sněhové
pokrývce Qq
kde M [mm.d-1] je změna vodní hodnoty sněhu
37
Metoda teplotního indexu (Degree-day Method, Temperature Index)
Využívá spojitosti mezi táním sněhu a teplotou. Indexem je v tomto případě teplota. Úbytek
vodní hodnoty sněhové pokrývky M (mm.d-1) je počítán podle vzorce:
M = DDF ⋅ max( 0, T − Tc )
kde DDF (mm.°C-1.d-1) udává úbytek vodní hodnoty sněhu za den způsobený změnou teploty
T o 1 °C oproti kritické hodnotě Tc, při které začíná proces tání (Degree-Day Factor). T je
průměrná teplota vzduchu.
•
hodnota Tc se pohybuje mezi 0 – 2 °C.
•
hodnota teplotního faktoru není stálá a mění se v závislosti na fyzikálních vlastnostech
sněhu nebo globální radiaci (rozmezí 1 – 7 mm.°C-1.d-1)
•
existují různé modifikace, například kromě teploty také zohlednění radiace.
38
Zohlednění radiace:
M = DDF ⋅ max(0, T − Tc ) +
Rn
λm
kde Rn (W.m-2) je radiace a λm je latentní teplo tání (J.kg-1)
Závislost DDF na sezónních změnách struktury sněhu:
ρ 
DDF = 1,1 s 
 ρw 
kde ρs je hustota sněhu v kg.m-3 a ρw je hustota vody.
39
Faktory ovlivňující teplotní index tání DDF (podle DeWalle a Rango, 2008)
Ovlivňující faktor
Příčina
Vliv na teplotní faktor
Sezónní vliv
S postupující sezónou pokles
teplotního deficitu a albeda, zvýšení
krátkovlnné radiace a hustoty sněhu
DDF se postupně zvyšuje
Otevřená plocha vs. lesní porost
Stínění a ochrana proti větru
V lese nižší DDF a menší prostorová
variabilita
Reliéf
Variabilita krátkovlnného záření a
expozice vůči větru
Vyšší DDF na jižních svazích
Plošné pokrytí sněhovou pokrývkou
Prostorová variabilita tání
DDF v povodí klesá s pokrytím
povodí sněhovou pokrývkou
Znečištění povrchu sněhu
Prach a další nečistoty (větve)
snižují albedo
Vyšší DDF
Srážky
Srážky dodávají zjevné teplo,
oblaky snižují sluneční radiaci
Obecně je DDF nižší v deštivých
dnech, kdy převládá zatažená
obloha
Ledovcová vs. sněhová pokrývka
Ledovcový led má nižší albedo než
sníh
Vyšší DDF v ledovcových povodích
Další meteorologické podmínky pro
danou teplotu vzduchu
Tání vyšší při vyšších rychlostech
větru, vyšší radiaci nebo vyšší
vlhkosti při dané teplotě vzduchu
Vyšší DDF
40
Zohlednění vegetace:
•
rozdílné tání v lese a na otevřených plochách (vliv především přímé radiace)
•
vliv má i typ vegetace (jehličnatý les, listnatý les, stáří lesa atd.)
Hodnoty Degree-day faktoru (DDF) odvozené podle Federer et al. (1972)
Varianta
Otevřené plochy
Jehličnatý les
Listnatý les
DDF [mm.°C.d-1]
4,5-7,5
1,4-2,7
2,7-4,5
41
Případová studie – výzkum sněhu na kfgg
Cíle výzkumu
1. Zhodnocení vlivu vybraných fyzicko-geografických faktorů na dynamiku akumulace a
tání sněhu (vegetace, nadmořská výška, sklon, expozice, vítr)
2. Vývoj metodiky měření a prostorové interpretace dat o sněhu pomocí pozemních
metod a DPZ
3. Modelování akumulace a tání sněhu v experimentálních povodích, kombinace různých
přístupů (Degree-Day, Energy Balance), tvorba scénářů odtoku z tajícího sněhu v lese
a na otevřených plochách
4. Zapojení tématu do výuky na katedře fyzické geografie a geoekologie, zpracování
studentských prací, terénní měření
42
Experimentální území
• Dvě prostorové úrovně – lokální a regionální
• Tři povodí: Bystřice (Ostrov, 127,6 km2, Bystřice
(Abertamy 9 km2), Zlatý potok (Zlatý kopec, 5 km2)
• Další povodí na Šumavě (pramenná oblast Vydry)
• Monitoring od roku 2007: měření 3-6x za sezónu
• Rozdílná expozice povodí, vliv orografie (návětří vs.
závětří), vegetace (podíl lesa a otevřených ploch)
43
Experimentální území
Terénní měření vodní hodnoty sněhu (Snow water equivalent, SWE)
•
54 lokalit: 25x les, 17x otevřená plocha, 12x mýtina (otevřená plocha částečně chráněná
okolními stromy před slunečním zářením a před větrem)
•
Měření v profilech: 50 m délka, 5x výška sněhu, 2x vodní hodnota sněhu (SWE) – na dané
lokalitě jeden profil v lese a jeden na otevřené ploše (pokud možno)
•
2009-2012: Měření 3 až 6 krát za sezónu, s důrazem na období tání sněhu
44
Motivace výběru území
Motivace výběru území
• Vysoká nadmořská výška
(350-1244 m n.m.) – a
tedy vyšší srážky, nižší
teplota vzduchu a
vysoký objem vody
akumulovaný ve sněhu
Četnost Qd > Q1 (Ostrov 1999-2008)
leden
7
prosinec
únor
5
4
listopad
březen
3
• Významný podíl zimních
a jarních povodní
• V případě Šumavy
probíhají rozsáhlé změny
ve struktuře lesních
porostů (větrné
kalamity, kůrovec)
6
2
1
říjen
duben
0
září
květen
červen
srpen
červenec
45
Materiál a metody - automatický monitoring
Automatický sněhoměr
Hřebečná
Vodní stavy
• Závěrové profily všech experimentálních povodí
• Automatické hladinoměry - ultrazvukové nebo tlakové čidlo
+ modem pro přenos dat sítí GSM
Meteorologické veličiny
• Hřebečná a Mrtvý rybník (Bystřice), Zlatý kopec a Hubertky
(Zlatý potok)
• Různá vybavenost - teplota vzduchu, sněhu, půdy, vlhkost
vzduchu a půdy, globální radiace, rozptýlená radiace, směr a
rychlost větru, úhrn srážek, výška sněhu, vodní hodnota
sněhu
Měření srážek a teploty vzduchu
Mrtvý rybník
Klimatologická stanice Hřebečná
Měření vodního stavu tlakové čidlo
46
Materiál a metody – zpracování dat, modelování
Statistická analýza
•
Aplikace regresní a clusterové analýzy na měřená data
•
Hodnocení vlivu vegetace, expozice, sklonu a nadmořské výšky na rozložení sněhové
pokrývky
•
Hodnocení variability v rámci jedné měřené lokality (mikroměřítko) a mezi lokalitami
(lokální měřítko) pomocí koeficientu variace (Cv) vypočteném z měřených dat
Výpočet Degree-day faktoru (DDF, faktoru tání)
•
Hodnoceno 133 hodnot vyjadřující rozdíly v SWE v jednotlivých termínech měření (52x
les, 50x mýtina, 31x otevřená plocha) v letech 2010-2012
•
Teplota vzduchu použita z měření z okolních meteorologických stanic v rámci povodí
Modelování akumulace a tání sněhu
•
Použita metoda teplotního indexu (Temperature-index)
•
M = DDF. max (0, Ta – Tc)
•
DDF – Degree-day faktor (faktor tání); Ta- teplota vzduchu; Tc – kritická teplota
vzduchu (~0°C)
•
Model akumulace a tání byl doplněn o jednoduchou komponentu výpočtu intercepce
sněhu (aplikován korekční faktor)
•
Simulace sezóny 2011/2012, porovnání s měřenými daty
47
Výsledky – vliv vegetace
Obr.: Vodní hodnota sněhu (SWE) v lese a na otevřených plochách v zimách 2008-2012 v povodích horní Bystřice a Zlatého potoka
48
Výsledky – vliv vegetace
•
Využití clusterové
analýzy
•
Hodnocení vzájemného
vztahu mezi SWE
•
Hodnocení vlivu
vegetace, expozice,
sklonu a nadmořské
výšky
•
Vegetace označena jako
klíčový faktor, roli hraje
také expozice. Vliv
sklonu a nadmořské
výšky se nepotvrdil
•
Ale...potřebujeme více
měření
Otevřená plocha
Jehličnatý les
Euclidean distance
Dendrogram SWE, Bystřice (zimní sezóny 2009/10-2011/12)
49
Výsledky – vliv vegetace (výpočet DDF)
Výpočet teplotního fakturu tání (DDF)
9
8
M = DDF ⋅ max( 0, Ta − Tc )
•
Hodnoceno 133 hodnot vyjadřující
rozdíly v SWE v jednotlivých termínech
měření (52x les, 50x mýtina, 31x
otevřená plocha) v letech 2010-2012
Teplota vzduchu použita z měření z
okolních meteorologických stanic v rámci
povodí
6
DDF [mm.°C-1.d-1]
•
7
5
4
3
2
1
Hlavní výsledky
•
•
Vegetace označena jako klíčový faktor
(jehličnatý les, mýtina, otevřená plocha).
Roli hraje také expozice
0
Forest
Clearing
Open area
Obr.: Faktory tání (DDF), Bystřice a Zlatý potok
Vliv sklonu a nadmořské výšky se
nepotvrdil (v povodí nejsou velké sklony
svahů)
50
Výsledky – vliv vegetace (analýza dat v mikroměřítku)
Obr.: Variabilita SWE v mikroměřítku – vliv vegetace v různých fázích zimy (období akumulace a období tání), zima 2011/12, Cv –
koeficient variace
•
Během akumulace je vyšší variabilita sněhu v lese než na otevřené ploše během tání sněhu
je tomu naopak
•
Obecně vyšší variabilita hodnot během období tání než během akumulace
•
Vyšší variabilita na otevřených plochách než na mýtinách => je tedy důležité oddělovat
obě kategorie (ačkoliv jde z principu vždy o otevřenou plochu)
Hlavní výsledek
•
Při hodnocení vlivu vegetace je důležité oddělovat velké otevřené plochy a menší mýtiny.
Také různě hustý les se chová odlišně
51
Výsledky – vliv vegetace (modelování)
Obr.: Simulovaná a pozorovaná SWE, Bystřice, 2011/2012
Hlavní výsledky
•
Obecně uspokojivá simulace SWE na mýtinách (102, 103, 105), horší simulace na těch
otevřených plochách, které nejsou chráněny před větrem (101, 106, 109)
•
Kvalita simulace v lese pravděpodobně závisí na hustotě korun stromů a tedy vlivu
intercepce => potřeba další vývoj a zlepšení struktury modelu
52
• CORINE Landcover
překlasifikován do 3
tříd – jehličnatý les,
opadavý les,
otevřená plocha
• vytvořeny 3 modely
dle vegetačního krytu
• jednotlivé varianty se
v modelu HEC-HMS
promítly různým DDF
– teplotním faktorem
tání
• Současný stav:
4,1 mm.°C.d-1
• Les: 2,7 mm.°C.d1
• Otevřená plocha:
6,3 mm.°C.d-1
• DDF také počítány
pomocí
experimentálních dat
a degree-day modelu
53
400
350
Bystřice 1
979 m a. s. l.
350
Current conditions
Forest
Open area
250
250
200
150
200
150
100
100
50
50
0
25.3.06
27.3.06
250
29.3.06
31.3.06
Date
2.4.06
4.4.06
0
25.3.06
6.4.06
27.3.06
60
Bystřice 3
758 m a. s. l.
Current conditions
Forest
Open area
150
100
29.3.06
31.3.06
Date
2.4.06
Jesenice
563 m a. s. l.
4.4.06
6.4.06
Current conditions
Forest
Open area
50
SWE [mm]
200
SWE [mm]
Current conditions
Forest
Open area
300
SWE [mm]
SWE [mm]
300
Suchá
884 m a. s. l.
40
30
20
50
0
25.3.06
10
27.3.06
29.3.06
31.3.06
Date
2.4.06
4.4.06
6.4.06
0
25.3.06
27.3.06
29.3.06
31.3.06
Date
2.4.06
4.4.06
6.4.06
54
35
0
Při interpretaci nutné zohlednit:
2
• simulace na konkrétní
události při konkrétních
podmínkách – v jiných
případech mohou být odlišné
výsledky
30
4
6
8
20
10
15
12
Daily precipitation [mm]
Discharge [m3.s-1]
25
• DDF převzaty z jiné studie,
proběhla ale kalibrace pomocí
měřených dat.
14
10
16
Precipitation
5
Discharge - current conditions
18
Discharge - forest
Discharge - open area
0
25.3.06
20
27.3.06
29.3.06
31.3.06
Date
2.4.06
4.4.06
6.4.06
55
Evapotranspirace
Evaporace: přímý výpar z povrchu při vyloučení fyziologických procesů vegetace.
Transpirace: Výpar z povrchu rostlin (dýchání)
Evapotranspirace ET = E + T
Aktuální ET – okamžitý výpar povrchu
Potenciální ET – výpar z určitého povrchu
(vegetace, volná vodní hladina) při daných
meteorologických podmínkách. Předpoklad
stále dostupné vody
56
Faktory ovlivňující ET
•
Sluneční záření – hlavní zdroj energie pro přeměnu skupenství vody
•
Teplota vzduchu – teplo z okolního vzduchu přenáší energii na vegetaci
•
Vlhkost vzduchu – hlavní činitel pro přenos páry díky rozdílu mezi tlakem vodní páry ve
vegetaci a na zemském povrchu a okolním vzduchem
•
Tlak vodní páry – čím vyšší je teplota vzduchu, tím vyšší hodnota tlaku nasycení vodní páry
57
Faktory ovlivňující ET
•
Rosný bod – sušší vzduch má větší rozdíly mezi teplotou vzduchu a rosným bodem
•
Relativní vlhkost – během dne se výrazně mění (vlivem teploty).
•
Rychlost větru – vyšší rychlost větru nad odpařovací plochu zvyšuje ET.
•
Atmosférický tlak – čím nižší atmosférický tlak, tím vyšší výpar.
•
Skupenské teplo vypařování
•
ET je tedy vysoká v horkém suchém počasí kvůli suchému vzduchu a množství energie
dostupné jak z přímého slunečního záření, tak ze skupenského tepla.
Možné metody stanovení
Potenciální výpar
• metoda podle Haudeho
• metoda podle Turce
• metoda podle Penmana
Aktuální výpar
• Penman-Monteith model
• Renger a Wessolek
58
Penmanova metoda
•
Standardně využívána - vysoká spolehlivost v různém prostředí
•
Je potřeba teplota a vlhkost vzduchu, rychlost větru, sluneční radiace
Eo = evaporace z volné vodní hladiny
∆ = sklon křivky tlaku nasycené vodní páry při aktuální teplotě
λ = skupenské teplo výparné
Rn = intenzita toku radiace
G = intenzita toku tepla v povrchové vrstvě vody
γEa = aerodynamický evaporační ekvivalent
59
Penman-Monteith model
•
Velmi přesná metoda – náročná na data i výpočet
Rn= radiační bilance nad povrchem
G = tok tepla do podloží
es= tlak nasycených vodních par
ea= aktuální tlak vodních par
∆= funkce nasycení vodních par na teplotě
g = psychrometrická konstanta
ρα=hustota vzduchu
cp= specifické teplo vzduchu
rs= resistence porostu = stomatální odpor
ra= aerodynamická resistence – odpor při transportu vodní páry od povrchu
60
Evapotranspirace v modelech
•
Evapotranspirace do modelu často vstupuje jako křivka měsíčních průměrných hodnot
potenciální evapotranspirace.
•
Často se stává, že potřebná meteorologická data chybějí. Proto se musí použít
alternativní postupy výpočtu pro evapotranspiraci, které vyžadují jen omezené vstupy
3.0
PET [mm/den[
Polynomická regrese
2.0
1.5
1.0
0.5
1.9.2001
1.8.2001
1.7.2001
1.10.2001
Datum
1.6.2001
1.5.2001
1.4.2001
1.3.2001
1.2.2001
1.1.2001
1.12.2000
0.0
1.11.2000
Potenciální evapotranspirace [mm.d-1]
2.5
Obr. Potenciální evapotranspirace (podle
Haudeho) za hydr. rok 2001 na stanici
Fichtelberg v mm/d
61
Intercepce
• Dočasné zachycení srážek na povrchu vegetace
• Funguje jako nádrž
Možné metody stanovení
− regresní model
− Rutter model
− Calder model
62
Intercepce
Regresní model
VTF = BTF Pstorm − CTF
VSF = BSF Pstorm − CSF
kde indexy TF a SF značí srážky propadlé vegetací (throughfall), resp. kmenový odtok
(stem flow), VTF a VSF jsou úhrny srážky propadlé vegetací nebo stoku po kmeni, Pstorm je
celkový úhrn srážek, CTF a CSF je minimální kapacita nádrže propadu, resp. kmenového
odtoku a BTF a BSF jsou koeficienty.
Koeficienty i kapacity se mění v závislosti na typu vegetace a sezónnímu stavu pokryvu
63
Intercepce
Rutter model
• nejužívanější
• využívá 2 nádrží – intercepce a retence
kmenového odtoku
pro nádrž intercepce platí:
Dt = Ds ⋅ eb ( STF −CTF )
kde Ds je míra odvodňování při STF = CTF (STF je
okamžitý objem nádrže intercepce, CTF celkový
objem, b je koeficient).
Pro kmenový odtok platí, že jakmile je překročena
kapacita nádrže všechna voda okamžitě stéká na
zemský povrch.
Rutter model také zohledňuje evapotranspiraci z
obou nádrží na základě Penman-Monteith modelu.
Obr. Schematický diagram Rutterova modelu (Gash a Morton,
1978). Koeficienty p a pt charakterizují typ vegetace a změnu
během roku.
64
Intercepce
Calderův pravděpodobnostní model
• zohledňuje také velikost kapek
• výsledná intercepce závisí jak na úhrnu srážek, tak na velikosti kapky
• Později byl model doplněn i o tzv. „sekundární kapky“, tzn. kapky dopadající z vyšších pater
na nižší a také o efekt kinetické energie, která je funkcí velikosti kapky a intenzity srážek.
Všechny uvedené modely jsou podrobněji popsány v Beven (2001)
65
Úkol – výpočet akumulace a tání sněhu metodou teplotního indexu
Zadání
•
Výpočet průběhu akumulace a tání sněhu pomocí metody teplotního indexu
Postup
•
Zvolit si povodí (či jinou logickou územní jednotku, např. zpracovávanou v rámci DP)
•
Dle databáze CORINE Landcover zjistit jaké typy krajinného pokryvu se v něm nachází
(podíl v %) – klasifikaci je ale třeba upravit do kategorií „jehličnatý les“, „listnatý les“,
„smíšený les“ a „otevřená plocha“ (do ní spadnou všechny ostatní kategorie vymezené v
CORINE)
•
Pomocí váženého průměru (kde vahou je plocha každého typu pokryvu) vypočíst střední
hodnotou DDF v daném povodí (území). Hodnoty DDF pro 4 vymezené kategorie jsou v
uvedeny v xls souboru se zadáním.
•
Výpočet SWE pro všechny typy pokryvů (pokud jsou přítomny ve vybraném území). Pro
tento výpočet je třeba postupovat ve dvou krocích: 1) výpočet objemu roztátého sněhu
(dle základní rovnice metody teplotního indexu) pro každý den, 2) kumulativní výpočet
SWE na základě aktuálních srážek a množství roztáté vody
•
vytvořit jeden graf kumulativních hodnot SWE pro všechny typy vegetace a pro střední
hodnotu DDF
•
slovní porovnání a komentář
Data
•
Denní průměrná teplota vzduchu, denní úhrn srážek pro zimní období 2011/2012
•
hodnoty DDF pro 4 různé typy krajinného pokryvu
•
vrstva CORINE Landcover 2006 pro ČR
66
Úkol – výpočet akumulace a tání sněhu metodou teplotního indexu
Forma, struktura úkolu
•
Hlavička
•
Zadání úkolu
•
Metodika
•
Výsledky
•
•
Mapa krajinného pokryvu ve zvoleném povodí redukovaná na uvedené 4 třídy
(nepovinné)
•
Tabulka procentuálního zastoupení typů krajinného pokryvu, jejich DDF a střední
vážená hodnota DDF na povodí (území)
•
Graf kumulativní SWE pro přítomné typy krajinného pokryvu a pro střední hodnotu
DDF na povodí v zimní sezóně 2011/2012
Diskuze a závěr
•
Slovní komentář
•
Srovnání průběhu SWE na vybraných typech pokryvu
•
Popis hlavních nejistot metody teplotního indexu (tip: role intercepce)
•
Elektronické zpracování (Word, Open Office Writer atd.)
•
Vypracovaný úkol poslat mailem do 14. 5. 2012
•
Zadání je ke stažení na http://hydro.natur.cuni.cz/jenicek/ v sekci výuka a v SIS
•
Tip: není třeba se striktně vázat na povodí a data CORINE. Zpracováváte-li na DP nějaké
území a máte-li k němu jiná data krajinného pokryvu, je možné vycházet z těchto dat
67
Použitá a související literatura
•
Beven, K.J. (2001): Rainfall-Runoff Modelling, The Primer. John Wiley & Sons, Chichester, 360 s.
•
Colbeck, S. C., et al. (1990) The international classification for seasonal snow on ground. International Commision od Snow and Ice
of IAHS.
•
Dankers, R., Christensen, O.B. (2005): Climate change impact on snow cover evaporation and river discharge in the sub-arctic
Tana basin, Northern Fennoscandia. Climate Change, 69, 367-392.
•
DeWalle, D. R, Rango, A. (2008): Principles of snow hydrology. Cambridge University Press, Cambridge, 410 s.
•
Dietrich, J., Schöniger, M. Hydroskript – Hydrologie, Grundwassermodellierung, GIS, Klimatologie [online]. c2003, [cit. 2012-0410]. <http://www.hydroskript.de>.
•
Egli, L., Jonas, T., Grünewald, T., Schirmer, M., Burlando, P. (2012): Dynamics of snow ablation in a small Alpine catchment
observed by repeated terrestrial laser scans. Hydrological Processes, 26, 1574-1585.
•
Gash, J.H.C., Morton, A.J. (1978): An Application of the Rutter Model to the estimation of the interception loss from Thetford
forrest. Journal of Hydrology, 38, s. 49-58.
•
Garen, D. C., Marks, D. (2005): Spatially distributed energy balance snowmelt modelling in a mountainous river basin: estimation
of meteorological inputs and verification of model results. Journal of Hydrology, 315, s. 126 – 153.
•
Garvelmann, J., Pohl, S., Weiler, M. (2013): From observation to the quantification of snow processes with a time-lapse camera
network. Hydrol. Earth Syst. Sci., 17, 1415-1429.
•
Hock, R. (2003): Temperature index melt modelling in mountain areas. Journal of Hydrology, 282, 104-115.
•
Holko, L., Škvarenina, J., Kostka, Z., Frič, M., Staroň, J. (2009): Impact of spruce forest on rainfall interception and seasonal snow
cover evolution in the Western Tatra Mountains, Slovakia. Biologia, 64 (3), 594-599.
•
Jeníček, M., Beitlerová, H., Hasa, M., Kučerová, D., Pevná, H., Podzimek, S. (2012). Modelling snow accumulation and snowmelt
runoff – present approaches and results. AUC Geographica, 47 (2), 15-24.
•
Jeníček, M., Taufmannová, A. (2010): Vliv vegetace na akumulaci a tání sněhu – výběr z výsledků výzkumu Katedry fyzické
geografie a geoekologie PřF UK v letech 2009 a 2010. In Jirák, J. et al. (eds.). XV. Medzinárodné stretnutie snehárov. Praha:
ČHMÚ, 43-51.
•
Jeníček, M. (2009). Runoff changes in areas differing in land-use in the Blanice River basin – application of the deterministic model.
Journal of Hydrology and Hydromechanics, 57 (3), 154-161.
•
Jost, G., Weiler, M., Gluns, D. R., Alila, Y. (2007): The influence of forest and topography on snow accumulation and melt at the
watershed-scale. Journal of Hydrology, 347 (1-2), 101-115.
•
Jost, G., Moore, R. D., Weiler, M., Gluns, D. R., Alila, Y. (2009): Use of distributed snow measurements to test and improve a
snowmelt model for predicting the effect of forest clear-cutting. Journal of Hydrology, 376 (1-2), 94-106.
68
Použitá a související literatura
•
Kemel, M., Kolář, V. Hydrologie. 1. vyd. Praha: Vydavatelství ČVÚT, 1980. 292 s.
•
Kučerová D., Jeníček, M. (2011): Srovnání interpolačních metod z hlediska kvality předpovědi výšky a vodní hodnoty sněhu v
neznámých bodech. In Holko, L. (Ed.). XVI. Medzinárodné stretnutie snehárov. Ústav hydrológie SAV, Liptovský Mikuláš, s. 4855.
•
Kutláková, L., Jeníček, M. (2012): Modelování akumulace a tání sněhu v povodí Bystřice v Krušných horách. Geografie, 117 (1),
110-125.
•
López-Moreno, J. I., Stähli, M. (2008): Statistical analysis of the snow cover variability in a subalpine watershed: Assessing the
role of topography and forest interactions. Journal of Hydrology, 348, 379-394.
•
NOAA. Satelites Servises Division [online]. poslední revize 20.6.200/ [cit. 2008-11-04].
<http://www.ssd.noaa.gov/PS/SNOW/>.
•
Pobříslová, J., Kulasová, A. (2000): Ukládání a tání sněhu v lese a na odlesněných partiích Jizerských hor. Opera Corcontica, 37,
113-119.
•
Prokop, A. (2008): Assessing the applicability of terrestrial laser scanning for spatial snow depth measurements. Cold Regions
Science and Technology, 54 (3), 155-163.
•
Ritter, M.E. (2006): The Physical Environment: an Introduction to Physical Geography [online]. c2006, poslední revize
25.6.2007 [cit. 2009-10-26]. <http://www.uwsp.edu/geo/faculty/ritter/geog101/textbook/title_page.html>.
•
Singh, P., Singh, V. (2001): Snow and glacier hydrology. Kluwer Academic Publisher, London, 742 s.
•
SLF (2013): Dynamik der räumlichen Schneehöhenvariabilität auf Alpiner Topographie.
http://www.slf.ch/ueber/organisation/gebirgshydrologie/schnee_hydro/projekte/schneehoehe/index_DE. Citováno 29.42013.
•
Stähli, M., Jonas, T., Gustafsson, D. (2009): The role of snow interception in winter-time radiation processes of a coniferous
sub-alpine forest. Hydrological Processes, 23, 2498-2512.
•
Stähli, M., Gustafsson, D. (2006): Long-term investigations of the snow cover in a subalpine semi-forested catchment.
Hydrological Processes, 20, 411-428.
•
Šercl. P. (2008): Hodnocení metod odhadu plošných srážek. Meteorologické zprávy, 61, 2, ČHMÚ, Praha, s. 33-43.
•
Tučková, K., Brodský, L., Vobora, V., Bartaloš, T. (2012): Operační monitoring sněhové pokrývky z dat dpz v zimní sezóně 2011
– 2012. In Jeníček, M., Kučerová, D. (Eds). XVII. Medzinárodné stretnutie snehárov. PřF UK, Praha, 39-46.
69

Intercepce - Univerzita Karlova

Transkript

Podobné dokumenty

Modelování hydrologických procesů

SN/SL 170 - IBD czech

meteorologie a klimatologie tvoří v českém hydrometeorologickém

Hydrologie - Univerzita Karlova

XV. Medzinárodné stretnutie snehárov, Kouty nad Desnou, Hrubý

8. výměna tepla, vodní páry a co2 mezi rostlinou a okolím.

FAKTAVYVRAC Í DOKTRINU ÚČELOVÉ „VĚDY“

Modelování hydrologických procesů I

Aplikace matematického modelu NASIM pro simulaci srážko

Vliv různých způsobů filtrace signálu na měření hustoty svislého

Modelování, simulace a predikce povodňových situací a jejich

kvantitativní vývoj sněhové pokrývky na experimentálním

Ploučnice - Povodí Ohře, státní podnik

Voda jako složka biosféry Encyklopedie vodního - EnviMod

DDF 3V (PDF | 0,21MB) - Hydrocom, spol. s ro

Modelovaní hydrologických procesů I. (rozšířený sylabus)

vzorkovací práce v sanační geologii