UNIVERZITET U NOVOM SADU

FAKULTET TEHNIKIH NAUKA

RAZVOJ METODOLOGIJE ZA PROCENU

INDIKATORA U CILJU UNAPREENJA
PROGNOZE KLIMATOLOKE SUE
DOKTORSKA DISERTACIJA

Mentor: Prof. dr Slavia Trajkovi

Kandidat: mr Ana Frank

Novi Sad, 2016. godine

RAZVOJ METODOLOGIJE ZA PROCENU INDIKATORA U CILJU UNAPREENJA

PROGNOZE KLIMATOLOKE SUE
mr Anna Frank

Sadraj
Sadraj
1. Uvod
1.1 Problem istraivanja i polazita hipoteze rada
1.2 Predmet i cilj istraivanja
1.3 Studija sluaja opravdanosti istraivanja
1.4 Prikaz prethodnih istraivanja iz oblasti
1.5 Primenjene metode nauno istraivakog rada
1.6 Struktura rada
2. Domen istraivanja
2.1 Oblast istraivanja
2.2 Meteoroloki parametri
2.2.1 Sunevo zraenje
2.2.2 Temperatura vazduha
2.2.3 Vazduni pritisak, vazduna strujanja i polja pritiska
2.2.4 Padavine
2.2.5 Vetar
2.2.6 Vlaga u vazduhu i procesi isparavanja i transpiracije
2.3 Promenljiva fizika svojstva vazduha (atmosfere) prilikom sue
2.4 Empirijske metode prorauna evapotranspiracije
2.4.1 Penman Monteith metoda
2.4.2 Turkova metoda i modifikovana Turkova metoda
2.4.3 Hargreaves-ova metoda
2.4.4 Thorntwaite-ova metoda
2.5 Pojam sue
2.5.1 Bilansna jednaina
2.5.2 IPCC scenariji
2.5.3 Metoda generisanja podataka pomou generalnog atmosferskog
cirkulacionog modela ECHAM5
2.6 Modelovanje sue
2.6.1 Modelovanje sue po analogiji sa procesom suenja vazduhom
2.6.2 Tradicionalni pristup modelovanja preko indikatora sue
2.6.3 Indeks efikasnosti suenja vazduhom / Index of Drying Efficency of Air
IDEA
2.6.4 Postojei algoritmi za procenu indikatora sue
3. Metodologija za procenu indikatora sue MEPIS
3.1 Teorijske osnove
3.2 Teorija ORMANA
3.3 Logike sekvence - algoritma MEPIS
4. Analiza hidrometeorolokih parametara
4.1 Priprema podataka
4.2 Analiza homogenosti
4.2.1 Rezultati analiza homogenosti vremenskih serija padavina
4.2.2 Rezultati analize homogenosti vremenskih serija temperatura vazduha
4.2.3 Rezultati analize homogenosti vremenskih serija PET
4.3 Model strukture baze ulaznih podataka
4.4 Analiza ET0
1

1
3
3
4
4
5
8
9
10
10
10
10
12
14
15
16
17
19
22
23
24
25
26
27
32
38
39
40
40
41
45
48
50
50
51
54
65
65
68
69
70
71
71
72

4.5
4.6

Odreivanje prostorne korelacije

73
Rezultati ocene prostorne korelacije i linearne regresije parametara od znaaja
77
4.7 Definisanje vremenskog niza istorijskih sua
81
4.8 Odreivanje markera sunih perioda na osnovu prostorno vremenske analize
odstupanja mesenih padavina od normale, HDN
82
4.9 Odreivanje markera sunih perioda na osnovu prostorno vremenske analize
kumulativne razlike od srednje vrednosti, HDK
87
4.10 Rezultati analize prostorne korelacije istorijskih sua
89
4.11 Analiza ciklinosti pomou sumarnih krivih modulnih odstupanja
90
5. Analiza prorauna indeksa sue
93
5.1 Analiza SPI3
94
5.2 Analiza SPEI
103
5.2.1 MEPIS logika sekvenca 1: Proraun SPEI - testiranje osetljivosti SPEI na
izmenu PET prorauna
103
5.2.2 MEPIS logika sekvenca 2 Slaganje SPEI3 sa istorijskim suama
106
5.2.3 MEPIS logika sekvenca 3 Komparativna analiza SPEI3 i SPI3
112
5.2.4 MEPIS logika sekvenca 4 slaganje SPEI3 sa odabranim meteorolokim
parametrima od znaaja
114
5.3 Analiza EDI
119
5.4 Rezultati simulacija EDI, SPI3, SPI6 i SPI12 pomou generalnog atmosferskog
cirkulacionog modela ECHAM5
124
6. Analiza rezultata pristupa modelovanju sui po analogiji sa procesom suenja
vazduhom
131
6.1 MEPIS logika sekvenca 1 - Proraun indeksa efikasnosti suenja vazduhom 131
6.2 MEPIS logika sekvenca 2 Slaganje IDEA indeksa sa istorijskim suama 135
6.3 MEPIS logika sekvenca 3 - Poreenje tradicionalnih pristupa i IDEA
138
6.4 MEPIS logika sekvenca 4 - slaganje IDEA indeksa sa odabranim meteorolokim
parametrima od znaaja
139
7. Zakljuna razmatranja i predlozi za dalja istraivanja
141
7.1 Predlozi za dalja istraivanja
143
8. Literatura
147
9. Prilog 1 Makro ciklusi
156
10. Prilog 2 Mikro ciklusi
165

1. Uvod
1.1 Problem istraivanja i polazita hipoteze rada
Domen istraivanja je deo Zemaljskog sistema koji uslovljava procese koji definiu suu.
Sua je prirodni fenomen koji je integralni deo klime i njene varijabilnosti. Domen
delovanja sue protee se na pet oblasti (atmosfera, hidrosfera, litosfera, biosfera,
ljudsko drutvo) ije stanje definie stanje naeg okruenja.
Stanje svake oblasti definisano je dinamikom odreenih procesa. Stanje atmosfere na
primer, definisano je postojanjem polja vazdunog pritiska, temperaturom vazduha u
slojevima atmosfere, koliinom vodene pare u jedinici zapremine vazdune mase,
brzinom kretanja vazdunih masa, gustinom vazduha, postojanjem oblaka. Atmosfera je
ujedno odreena i njenim fiziko-hemijskim svojstvima, kao to su sastav atmosfere,
sposobnost proputanja zraenja, prisustvo vrstih estica u atmosferi itd. Stanje
litosfere definie se mnogobrojnim iniocima poput tipa i vrsta tla, sastava tla po dubini,
vodopropusnost tla, pokrivenost i izgraenost tla, aktivnost terena, dubina vodnog
horizonta itd. Stanje hidrosfere je definisano izmeu ostalog dinamikom, odnosno
brzinom kretanja vode u vodnim sistemima (okeani, mora, reke, jezera, bare, movare
itd.), toplotnim kapacitetom vodenih povrina, salinitetom i drugim fiziko-hemijskim
karakteristikama povrinskih i podzemnih voda, zatim stepenom razmene vode
povrina-podzemlje, stepenom prodiranja okeana i mora u kopno na povrini i u
podzemlju, dinamici popunjavanja i pranjenja vodnih resursa, odnosno brzinom
kretanja vodene estice kroz hidroloki ciklus i verovatnoi njenog vraanja u vodni
resurs iz kojeg je potekla. Zemaljski sistem predstavljen je sa pet oblasti koje
meusobno interaguju.
Posmatramo hidroloki ciklus kroz sve oblasti Zemaljskog sistema. Vreme zadravanja
vode u svakoj od oblasti je razliito i varira od par sekundi do par hiljada godina.
Postavljamo hipotezu da svaki period dui od prosenog perioda boravka vode u
atmosferi indukuje suu u posmatranom regionu. Svi ovi inioci zajedno utiu na
remeenje bilansa i na proces kruenja vode i njenu prostorno-vremensku raspodelu.
Dostizanje ravnotee u bilansu u kraem vremenskom periodu nije dovoljno za izlazak
iz sue, odnosno bilans nije dovoljan za nadoknaivanje deficita. Iako hidroloke
resurse delimo na povrinske i podzemne, bez obzira na fiziko-vremensku razliku u
dinamici kretanja ovih sistema u pitanju je jedan hidroloki sistem. Kad je u pitanju
razmatranje uticaja sue na hidroloki ciklus, vodne resurse bi mogli podeliti u odnosu
na njihovu otvorenost. U zatvorene sisteme moemo jedino svrstati vodne resurse
duboko pod zemljom izmeu dva vodno nepropusna sloja, koji ne isparavaju, nema
lokalnih horizontalnih niti vertikalnih razmena i nisu u ljudskoj upotrebi. Otvoreni
sistemi su oni koji aktivno uestvuju u hidrolokom ciklusu generiui u isti ulaz ili izlaz.
Voda u otvorenim sistemima je podlona promenama agregatnog stanja ili pak prelasku
iz jedne u drugu prirodnu sferu te samim tim je i pod uticajem sue. Polazna hipoteza u
radu je da je mogue rano prepoznavanje uslova koji pogoduju razvoju sue. Posebne
hipoteze primenjene u radu su:
Tipovi sue nisu zasebni dogaaji. Sua je jedinstven dogaaj koji ima razliite
tipove i opseg uticaja na sve prirodne sfere. Kao takva sua je meteoroloka
pojava koja se moe uniformno definisati, bez obzira na opseg njenog delovanja.
Postoje prepoznatljivi meteoroloki uslovi koji indukuju suu.
Odreeni deficit padavina u odnosu na normal nam je potreban i dovoljan uslov
da oekujemo suu.
3

Hidroloki bilans moemo aproksimirati indikatorom sue, koji su odgovarajui

alat za dijagnostikovanje sue.
Mogue je izvesti indikator sue primenjiv nezavisno od karakteristika oblasti, a
na bazi fizike pojave sue.

1.2 Predmet i cilj istraivanja

Predmet istraivanja je nain determinisanja sue, prvenstveno klimatoloke po
tradicionalnim shvatanjima, i odreivanje njenog intenziteta. Cilj istraivanja je razvoj
metodologije za procenu indikatora u cilju unapreenja prognoze klimatoloke sue,
odnosno rano prepoznavanje uslova koji pogoduju razvoju sue. Istraivanje je sa
naglaskom na bilansnoj jednaini u cilju dobijanja realnijih pokazatelja stanja Sistema.
Dobro definisan bilans Sistema omoguava njegov bolji monitoring. Istraivanje
obuhvata determinisanje i karakterizaciju indeksa klimatolokih sua na teritoriji
Vojvodine i definisanje karakteristika najpogodnijih indeksa za upotrebu u regionu; koji
koriste u svojim proraunima raspoloive neke ili sve klimatoloke parametre:
padavine, temperaturu i evapotranspiraciju. U obzir se uzima i kompleksnost indikatora
i mogunost i tip greke u proraunu kao i mogunost primene indikatora i njegovo
inkorporiranje u postojee sisteme monitoringa. Rangiranjem indikatora po njihovoj
upotrebnoj vrednosti obezbeuje se sistematizacija alata za praenje sue.
Jedinstvenom metodologijom procene obezbeuje se standardizovana sistematizacija
to je od znaaja i za budua istraivanja i usavravanja metoda praenja i prognoze
sue. Istraivanje obuhvata definisanje skupa minimalnog broja klimatskih parametara
potrebnih za proraun indeksa sue i referentne evapotranspiracije, modifikaciju
pojedinih postojeih metoda prorauna referentne evapotranspiracije, uvoenje smene
za vrednosti referente evapotranspiracije u proraun indikatora sue, poreenje
dobijenih rezultata i definisanje relevantnog indikatora ili seta indikatora sue za
region. Teie se omoguavanju adaptacije na nova klimatska kretanja i da se nau
naini da se ona na vreme prepoznaju. Cilj procene indikatora je da u odnosu na njihovu
mogunost primene na razliite klimatoloke uslove i preciznost u prognozi opte
dostupnim metodama obezbedimo buduem korisniku znanje neophodno za odabir
odgovarajueg indeksa za prognozu sue. Rano prepoznavanje sue omoguilo bi
prilagoavanje procesa proizvodnje i vodosnabdevanja nastupajuoj nestaici vode.
Rano prepoznavanje i prognoza sue omoguavaju da se primene mere tednje vode,
kao i da se primene nove industrijske tehnologije koje bi omoguile reciklau vode u
proizvodnji i ouvanje nivoa vode u vodnim resursima primenama mera tednje.
Naravno, najveu dobit ostvarili bi u proizvodnji hrane jer bi se proizvodnja mogla
uskladiti sa prognoziranim vremenski uslovima, korienjem biljnih vrsta otpornih na
suu ili pak vrsta koje su izmenjene i adaptirane na uslove sa umanjenom koliinom
vode.
1.3

Studija sluaja opravdanosti istraivanja

Opravdanost istraivanja ekstremnih vremenskih uslova sue poduprta je rezultatima

studije sluaja u kojoj je analizirana pojava sue u narednih 100 godina na teritoriji
Vojvodine. U tu svrhu korieni su opte poznati indeksi sue SPI3, SPI12, SPI24 i EDI.
Uraene su tri simulacije za svaki indeks, ukupno 12 simulacija. Simulacije su raene na
osnovu generisanih vrednosti kie iz GCM modela ECHAM5 za teritoriju Vojvodine, na
osnovu tri odabrana IPCC scenarija.

1.4 Prikaz prethodnih istraivanja iz oblasti

U Vojvodini, Srbiji ne postoji sistemski pristup prognoze pojave sue. Od 2010. godine
RHMZ je uvrstio u operativne procedure u okviru monitoringa uslova vlanosti koji
sprovodi Odeljenje za agrometeorologiju RHMZ Srbije odreivanje vrednosti SPI na
osnovu koliina padavina zabeleenih u prethodnih 30, 60 i 90 dana. Osim ovih
prorauna koji se obavljaju sa korakom u vremenu od jedan dan, izraunavaju se i
vrednosti SPI za prethodnih 1, 2, 3, 4, 5, 6, 9, 12 i 24 meseca i to po isteku svakog
kalendarskog meseca. Deo dobijenih rezultata nalazi se i redovno se aurira na stranici
internet prezentacije Zavoda "Uslovi vlanosti". Oni se nalaze u obliku kartografskih
prikaza i u obliku tabelarnog pregleda po meteorolokim stanicama. Umesto brojnih
vrednosti SPI, kao pogodnije za korienje, daju se kvalitativne ocene uslova vlanosti
prema kriterijumima utvrenim za operativne potrebe. Kriterijumi su definisani samo
na osnovu raspodele verovatnoa SPI, tj. koliine padavina. Oni nisu utvreni uzronoposledinom analizom, tj. kalibracijom indeksa prema posledicama koje su zabeleene.
Meutim, neretko postoji znaajna korelacija izmeu veliine i trajanja anomalije u
reimu padavina i tetnih posledica u poljoprivredi, vodoprivredi itd., i ovakvi
kriterijumi mogu pomoi pri procenjivanju posledica nepovoljnih uslova vlanosti.
Ovakav monitoring je prvi korak ka sistemu rane najave, da bi indeks bio kalibrisan
neophodno je izvriti koleraciju sa posledicama i merenim parametrima. Problem kod
SPI-ja je jo u tome to svoje proraune uvrtava samo kumulativne padavine, te moe
da ne uoi suni period u sluaju normalne koliine padavina ali resprene vremenske
raspodele ili pak usled visoke temperature i poveanog isparavanja ili velikog
intenziteta padavina u kratkom vremenskom intervalu. Pak, SPI indeks omoguava
poreenje vrednosti iz regiona u region, jer ne zahteva podeavanje po klimatskim
uslovima, ve je baziran na statistikom pristupu, te stoga WMO zahteva od svih
hidrometeorolokih organizacija da ga proraunavaju.
Svaki pristup prognozi ekstremnih dogaaja, samim tim i sue, mora da uzima u obzir
da se prognoza vri u vremenu bliskom realnom, da se protee na period od znaaja
(nedelju dana, mesec dana, est meseci), da ju je mogue primeniti u postojeem
sistemu monitoringa jer svaka modifikacija postojeih sistema zahteva izrazito velika
finansijska ulaganja. Rezultati prognoze moraju biti razumljivi i pristupani korisnicima.
Skala u odnosu na koju se odreuje sua i njen intenzitet treba da je jasno predstavljena
i povezana sa konkretnim posledicama koje mogu da se dese. Da bi se postigla
sistematina i harmonijski ujednaena prognoza i rana najava neophodno je da sistem
monitoringa neophodnih parametara obezbedi potrebne podatke, te da metodologija
prognoze bude prilagoena dostupnim izvorima podataka, bilo merenim bilo
numerikim. Izbor odgovarajue metodologije za prognozu sue zavisi od indikatora
koji se prate, kao i od merenih parametara i primenjivih modela i od metodologije
procene indikatora sue koja e obezbediti neophodnu kalibrisanost i ocenu indikatora
sue, koritenih u prognozi. Zbog multi-disciplinarnog karaktera sue ne postoji
jedinstvena definicija iste, to je predmet rasprave i istraivanja mnogih naunika
(Wilhilte, et al., 1985.; Maracchi, 2000; Tate et al., 2000). Indeksi sue se u sutini
suoavaju sa istim problemom. Poto ne postoji jedinstvena i jedinstveno prihvaena
definicija sue, ne postoji jedinstven i univerzalan indeks sue. U praksi procena stanja
koja indiciraju suu ili drugim reima prognoza sue sprovodila se uz pomo indikatora
sue. Postoji veliki broj indeksa (indikatora) sue. Pored naunog stanovita, dostupnost
odgovarajuih podataka za proraun indeksa sue snano odreuje razvoj indikatora
sue. Prva generacija indikatora oslanjala se na meteoroloke podatke osmatrane na
5

sineoptikim meteorolokim stanicama. Shodno tome, ti i takvi indeksi su klasifikovani

kao indeksi meteoroloke sue. Primeri ove vrste indeksa su: The Rainfall Anomaly
Index (RAI) (van Rooy, 1965), Deciles (Gibbs and Maher, 1967), Bhalme and Mooley
Drought Index (BMDI) (Bhalme and Mooley, 1980), Standardized Anomaly Index of Katz
and Glantz (1986), Plfai Aridity Index (PAI) razvijen i primenjivan u najveoj meri u
Maarskoj (Plfai,1991), Drought Severity Index (DSI) esto upotrebljavan u Velikoj
Britaniji (Bryant et al., 1992), najpopularniji Standardized Precipitation Index (SPI) (Mc
Kee et al., 1993), zatim Effective Drought Index (EDI) koji uzima u obzir efektivne
padavine (Byun and Wilhite, 1999), Percent of Normal (PN) (Hayes, 2003).
Reconnaissance Drought Index (RDI) predloen od strane Tsakiris et al. (2007), je jedan
od najnovijih u oblasti indikatora meteoroloke sue. U osnovi on povezuje padavine i
potencijalnu evapotranspiraciju na lokaciji, i moe se smatrati nadopunom SPI.
Standardizacijom i normalizacijom on poprima iste klase kao i SPI (Cancelliere et al.,
2007). Ovi indikatori su u irokoj upotrebi iz razloga to zahtevaju malo ulaznih
podataka, fleksibilni su i odlikuju se jednostavnou prorauna (Smakhtin et all., 2004).
Drugi pristup problemu definisanja odgovarajueg indeksa, zasniva se na miljenju i
verovanju da indeksi zasnovani samo na jednoj specifinoj varijabli kao to je visina
kie, ni u kom sluaju ne mogu obuhvatiti kompleksnost drugih kategorija sue osim
meteoroloke (Keyantash and Dracup, 2004; Smakhtin and Hughes, 2004). Smakhtin
and Hughes (2004) takoe zastupaju miljenje da indeksi sue treba u sebi da sadre i
druge komponete vane u hidrolokom ciklusu. Usled uslovljenosti sue sa
mnogobrojnim drugim faktorima, kao to su vodosnabdevanje, hidroloke i politike
granice, prethodni uslovi (Steinemann, 2003), Byun and Wilhite (1999) su takoe
podrali ovakav pristup izjanjavajui se da odgovarajui indeks sue treba da
inkorporira u sebe meavinu hidrometeorolokih varijabli. Sa nastankom klasinog i jo
uvek veoma aktuelnog Palmer Drought Severity Index (PDSI) (Palmer, 1965)
karakterizacija sue se poela vriti preko mnogo sveobuhvatnije slike vodnog ciklusa i
njegovih elemenata. Pored meteorolokih parametara u proraun su uvedeni i podaci o
vlanosti zemljita, konkretno kod PDSI se u proraunu koristi koliina dostupne vode u
zemljitu (Palmer, 1965) . Palmer je takoe modifikovao svoj indeks stvorivi derivate
PDSI kao to su Palmer Modified Drought Index (PMDI) razvijen za potrebe Amerike
nacionalne meteoroloke slube za primenu u stvarnom vremenu, zatim Palmer
Hydrological Drought Index koji uzima u obzir hidroloki uticaj na akumulacije,
rezervoare i visinu podzemnih voda (detaljnija komparacija ovih indeksa se moe nai u
Heim (2002)). Do danas se mogu nai brojni radovi koji kritikuju, ocenjuju ili pak
modifikuju originalni PDSI i njegove derivate (Alley, 1984, Wells et al., 2004, Burke et
al., 2006, Mavromatis, 2007). Jo jedan sveobuhvatniji multivarijabilni indikator je
Aggregate Drought Index, ADI predloen od strane Keyantash i Dracup (2004). Ovaj
indeks uzima u obzir meteoroloke podatke (padavine), hidroloke podatke (proticaj,
akumulacije) i podatke vezane za zemljite (evapotranspiraciju, vlanost zemljita,
sadraj vode u snegu). U najveem broju sluajeva se insistira na upotrebi i preferiraju
se mereni podaci nad proraunatim, to na alost nije uvek mogue, naroito u sluaju
vlanosti zemljita. Uvoenjem velikog broja novih varijabli u kreiranje indeksa, nastao
je ceo niz indikatora koji su imali specifinu svrhu procene i predvianja sue koja e
uticati na poljoprivredu, tzv. indikatori poljoprivredne sue. Usavravanjem prorauna
evapotranspiracije i vlanosti zemljita PDSI je bio prvi u nizu desetina, koji su imali
eksplicitnu svrhu. Kao primer mogu se jo izdvojiti Palmerov (1968) Crop Moisture
Index, (CMI) koji procenjuje deficit evapotranspiracije, a ne padavina, zatim skoriji Soil
Moisture Drought Index (SMDI) (Hollinger et al., 1993) ili Crop Specific Drought Index
6

(CSDI) (Meyer et al., 1993), sa specijalizacijom za pojedine useve kao to su kukuruz

(Meyer et al., 1993) i soja (Meyer and Hubbard, 1995), tu su i Soil Moisture Deficit Index
(SMDI), i Evapotranspiration Deficit Index (ETDI). Marletto et al. (2005) izneo je u
javnost jo jedan novi indeks nazvan DT napravljen za regionalnu primenu. On se bazira
na dnevnom deficitu transpiracije koji se proraunava kroz model vodnog bilansa i
ukazuje na deficit transpiracije kod biljaka za neki period, npr. DT180 se odnosi na
deficit koji se desio unutar perioda od 180 dana. Pored toga to proraunava deficit
padavina, ovaj indikator uzima u obzir upotrebu zemljita, tipove zemljita i klimatske
uslove koji diktiraju transpiraciju kod biljaka. Jedan od najnovijih indeksa sue, koji
uvodi u proraun evapotranspiraciju je Water Surplus Variability Index (WSVI) (Goci
and Trajkovi, 2014).
Jo jedna klasa indikatora su indikatori koji uzimaju u obzir reni sliv. Klasian pristup
je preferirao analizu podataka vodostaja i proticaja merenih na hidrolokim stanicama
metodama kao to su recesiona analiza. Iz ovih analiza razvili su se indikatori malih
proticaja tipa Q90 ili Base Flow Index (Institute of Hydrology, 1980; Tallaksen and van
Lanen, 2004). Pratei trend u pristupu suama Stahl (Stahl, 2001) je razvio Regional
Stream flow Deficiency Index (RDI) sa namerom da detektuje regionalnu kiu koristei
vremenske nizove izmerenih proticaja.
U cilju to sveobuhvatnijeg pristupa i sagledavanjem svih inilaca koji uzrokuju suu
razvijali su se indikatori hidroloke sue. Za cilj im je bilo uzeti u obzir celokupan
hidroloki ciklus, uticaj snega na formiranje oticaja i mogua primena u to iroj
populaciji i meu donosiocima odluka. Iako je ve pomenuti Palmer Hydrological
Drough Index (PHDI) bio pravi korak ka optem indeksu nije u sebi obuhvatao
nakupljanje i otapanje snega, dok Surface Water Supply Index (SWSI) kreiran od strane
Shafer and Dezman (1982) je bio osposobljen za to. SWSI je najverovatnije najbolji i
najpopularniji indeks hidroloke sue ili hidroloki indeks. Weghorst (1996) je uvrstio
Reclamation Drought Index (RDI) u operativu. RDI uzima u obzir temperaturu vazduha
sa osmatranog podruja, padavine, akumulacije, proticaj i sneg sa uzvodnog profila, kao
i duinu trajanja sunog perioda.
Razvojem satelita 80-tih godina prolog veka otvorene su nove mogunosti u domenu
praenja i prognoze sue. Nove tehnologije omoguile su obradu stvarnih prostornih
podataka na globalnom ili regionalnom nivou. Sa dostupnou podataka rastao je i broj
novorazvijenih indikatora. Dobar pregled prve generacije indikatora baziranih na
satelitskim osmatranjima dao je Gutman (1990), dok Kogan (1997) skoro deset godina
kasnije upotpunjuje ovaj pregled. Skoranja dopuna izvrena je od strane Bayarjargal et
al. (2006). Najkoritenija varijabla u novonastalim indeksima su parametri vezani za
stanje vegetacije. Najistaknutiji vegetacioni indeks je za sigurno Normalized Difference
Vegetation Index (NDVI) (Tucker, 1979) kojeg su prvi primenili Tucker i Choudhury
(1987). Ubrzo su se razvili derivati istog kao to su Vegetation Condition Index (VCI)
(Kogan, 1990, 1995), NDVIA (Anyamba et al., 2001), ili Standardized Vegetation Index
SVI (Peters et al., 2002). Pored podataka dobijenih iz optikog domena satelita
indikatori su poeli uzimati u obzir i njihove termalne kanale. Otuda su uvelikoj meri
eksploatisani termalni kanali sa Landsat Thematic Mapper (TM) i Advanced Very High
Resolution Radiometer (AVHRR) senzora. Primena termalnih kanala u monitoringu sue
dovela je do razvoja Temperature Condition Index (TCI) od strane Kogan (1995).
Uskoro je usledio i razvoj mnogih drugih kao to su: Vegetation Temperature Index
(VTI) ili Vegetation Health Index (VHI) od strane Kogan (1997, 2000). Vegetation
Temperature Condition Index (VTCI) (Wan et al., 2004), Temperature Vegetation
Dryness Index (TVDI) (Sandholt et al., 2002). Treba napomenuti da u ovom poglavlju
7

disertacije nisu dati matematiki detalji indeksa, iz razloga to nisu svi koriteni u
istraivanju. Matematiki detalji bie prikazani samo za indekse sue koji su korieni u
ovom istraivanju u njegovim razliitim fazama. italac se upuuje na originalne
reference za detalje ostalih indeksa sue. Svi pomenuti indikatori morali su zadovoljiti
niz kriterijuma da bi stekli status indikatora (Fuchs B., 2012). Prvi i osnovni kriterijum
je zadovoljenje definicije koju je postavila Svetska meteoroloka organizacija (WMO
World Meteorological Organization) koja definie indeks sue kao indeks koji je
povezan sa nekim od kumulativnih efekata dugotrajnog i neuobiajenog nedostatka
vlage. Ostali kriterijumi za definisanje indeksa sue su:
a)
vremenska skala indeksa treba da je u skladu sa prirodom problema
b)
indeks treba da bude kvantitativna mera sue i da obuhvati njena
ponaanja na velikim prostornim i vremenskim skalama i da u sebi sadri ocenu
karakteristika sue (intenzitet, trajanje, prostorna raspodela)
c)
istorijski podaci vrednosti indeksa treba da su dostupni ili pak treba da je
mogue izraunati indeks na osnovu istorijskih podataka parametara
d)
indeks bi trebalo da je mogue raunati u skoro realnom vremenu i
koristiti operativno.
1.5 Primenjene metode nauno istraivakog rada
Metodologija ima zadatak da prui kriterijume i principe istraivanja i saznanja u
predmetnom podruju odreene nauke. Poetni uslov istinitosti tog saznanja je da se do
njega dolazi u misaonom postupku koji je utemeljen na principima, pravilima i
zakonima logikog miljenja. U tehnikim naukama, moglo bi se prihvatiti, da je zadatak
metodologije da iznalazi puteve saznanja u datoj predmetnoj oblasti, da razvija metode,
tehnike, postupke i instrumente kako bi se dolo do istinitih saznanja (reenja). itav
istraivaki proces, kao predmet metodologije, utemeljen je na saznanjima logike, a
naroito na valjanom opaanju, poimanju, promiljanju i u dokazivanju istinitosti
(Sakan, 2006). Istraivaki proces odvija se u etapama, na kraju prihvaene etape
istraivakog procesa, zajedno sa usklaenim metodama ine metodologiju, koja se
direktno odnosi na sticanje odreenog saznanja. Istraivaki proces u ovom doktoratu
obuhvatio je est nezavisnih, na kraju sinteziranih, etapa. Istorijsko istraivanje u cilju
sistematizacije i objektivnog lociranja, evaluacije i sinteze neophodnih podataka i
informacija u cilju formiranja injenica i zakljuaka o prolim dogaajima. Gde se
dogaaj desio; kada; koji spoljni i unutranji faktori su uticali na generisanje dogaaja?
Komparativna analiza u cilju sticanja ireg ugla gledanja. Sagledavanje deavanja van
regiona istraivanja. Analiziran je uticaj pojedinih klimatskih parametara na
odreivanje evapotranspiracije (solarna radijacija, vlanost vazduha, brzina vetra,
temperatura vazduha). Analizirane su i uporeene metode prorauna referentne
evapotranspiracije. Izvren je proraun, analiza i poreenje indikatora sue
Standardized Precipitation Index (SPI) i Effective Drought Index (EDI), a u cilju
uzimanja u obzir efekta isparavanja, koji je analiziran kroz metode prorauna efektivne
evapotranspiracije i potencijalne evapotranspiracije, kao i uticaja polja pritiska razvijen
je nov indikator sue po analogiji sa procesom suenja vazduhom, Index of Drying
Efficency of Air (IDEA). Deskriptivno istraivanje koje obuhvata razmatranje situacija i
stanja i obradu podataka u cilju definisanja normala, tj. onoga to se moe predvideti
kao siguran dogaaj u sluaju ponavljanja istih okolnosti. Ovaj deo istraivanja je od
izuzetnog znaaja za uoavanje parterna i usled mogunosti uenja i predikcije dogaaja
sa istim karakteristikama. Korelaciono kvantitativno istraivanje radi obezbeenja
statistike mere asocijacija i veza izmeu osmatranih parametara i izuavanog
8

fenomena (npr. da li su indikatori u korelaciji sa merenim meteorolokim

parametrima). U tom interesu sprovedene su dve analize; prva je relaciona, koja je
izuavala mogue veze izmeu istraivanih objekata u cilju odreivanja postoji li veza i
ako da do koje mere su odreeni parametri u sprezi; druga analiza je sprovedena u
pokuaju odreivanja mogunosti predikcije ponaanja indikatora, odnosno fenomena
sue. Peta etapa bila je eksperimentalna. Za potrebe istraivanja izvreni su
eksperimenti koji su simulirali korespondentno okruenje realnom, i u tu svrhu koristili
smo se metodom modelovanja kao prihvatljivom optenaunom metodom. Na kraju je
izvrena tzv. odzivna evaluacija koja podrazumeva da na osnovu nalaza i rezultata
istraivanja se iznesu zakljuci i predlozi u skladu sa potrebama ciljne grupe koja e se
koristiti metodologijom.
1.6 Struktura rada
Poglavlje 1 daje pregled problema i cilj istraivanja; studiju sluaja koja opravdava
istraivanje, zatim pregled prethodnih istraivanja iz oblasti i rezime istraivanja i
primenjene metode nauno - istraivakog rada. U poglavlju 2 dati su teorijski pregled
varijabli od znaaja za definisanje stanja sue (padavine, temperatura, vetar,
evapotranspiracija, polja pritiska) i opis sue, utemeljene su strukture za
eksperimentalni deo i teorijske osnove i matematiki opis indikatora sue baziranog na
fizikim karakteristikama sue kao pojave (IDEA). U poglavlju 3 disertacije dat je
pregled i teorijski opis korienih metoda analize vremenskih serija koje ine
metodologiju za procenu indikatora sue - MEPIS i nain i redosled njihove primene.
Predstavljen je algoritam MEPIS-a. Kriterijumi procene indikatora sue definisani su u
poglavlju 4 i odnose se na: dostupnost podataka za proraun neophodnih varijabli koje
su neophodne za proraun indikatora sue, zatim usaglaenost vrednosti indikatora
sue sa istorijski zabeleenim i procenjenim sunim periodima, usaglaenost indikatora
sue sa drugim indikatorima sue, stepen korelacije sa varijablama koje su od znaaja za
kreiranje i odranja stanja koje pogoduje sui, a koje ne ulaze u proraun samog
indikatora sue. U 4, 5 i 6 poglavlju metodom studije sluaja primenjena je metodologija
za procenu indikatora sue. Studija sluaja odnosi se na teritoriju Vojvodine. Podaci za
varijable neophodne za proraun inidkatora sue SPI3 , SPEI3 u tri varijacije, EDI i IDEA,
prikupljeni su sa sedam meteorolokih stanica na teritoriji Vojvodine koje su u sklopu
mree osmatranja Republikog Hidrometeorolokog Zavoda. U poglavlje etiri izvena
je analiza homogenosti vremenskih serija varijabli od znaaja za definisanje stanje sue
(padavine, temperatura, evapotranspiracija). Sintezom rezultata analize vremenskih
serija i njihove homogenosti definisan je model strukture baze ulaznih podataka. Dalji
deo pripreme podataka podrazumevao je definisanje arhive istorijskih sua. U tu svrhu
definisani su teinski faktori koji su objedinili razliite metode odreivanja sunih
perioda na teritoriji Vojvodine i dat je predlog strukture baze istorijskih sunih
dogaaja. Dobijeni rezultati primene postavljene metodologije nad SPI i EDI indeksima
sue, analizirani su i predstavljeni u poglavlju 5. U poglavlju 6 uraen je set prorauna i
eksperimenata koji su podrazumevali proraun indeksa sue IDEA. Dat je pregled i
detaljan opis prorauna novoizvedenog indeksa. Zakljuci i predlozi za dalja istraivanja
dati su u poslednjem poslednjem, sedmom, poglavlju disertacije.

2. Domen istraivanja
Glavna odlika sue je nedostatak vode u okruenju, praen poveanim isparavanjem
vode i veom koliinom raspoloive toplote. Definie je stanje klimatskog sistema,
odnosno stanje vremena u osmatranom prostoru. Stanje atmosfere koje omoguava
odranje ovog procesa odreeno je sledeim hidrometeorolokim parametrima:
sunevo zraenje, temperatura vazduha, vetar, padavine, pritisak vodene pare, relativna
vlanost vazduha, evapotranspiracija i atmosferski pritisak.
2.1 Oblast istraivanja
Istraivanje se odnosila na oblast teritorije Vojvodine. Teritorija Vojvodine predstavlja
otprilike treinu teritorije Republike Srbije i iznosi 21506 km2. Oblast istraivanja
obuhvata sve geomorfoloke osobine Vojvodine. Opaanja klime Vojvodine upuuju da
je klima Vojvodine umereno kontinentalna sa izvesnim specifinostima. Reim padavina
u Vojvodini nosi delom obeleje srednjeevropskog, odnosno podunavskog reima
raspodele padavina, sa vrlo velikom neravnomernou raspodel po mesecima (Lazi et
al., 2003). Istraivanje sprovedeno od strane Pavlovi (2009) ukazalo je na skok
prosene godinje temperature od preko 0,5C do 1C za pedeset godina na teritoriji
Vojvodine na oko 11C. najhladniji mesec je januar , sa prosenih -0,62C, a najtopliji juli
sa prosenih 21,37C. Reim padavina u Vojvodini karakteristian je za tri oblasti, koje
odgovaraju i geografskoj podeli Vojvodine na Baku (Pali, Sombor, Novi Sad), Banat
(Zrenjenin, Kikinda i Vrac) i Srem (Sremska Mitrovica).Karakteristine srednje visine
godinjih padavina u Vojvodini kreu se za Baku oko 582 mm pale kie, za Banat 596
mm i za Srem 626 mm.
2.2 Meteoroloki parametri
2.2.1 Sunevo zraenje
Energija koja tokom dana sa Sunca dolazi na gornju granicu atmosfere zavisi od tri
faktora: udaljenosti Zemlje od Sunca, ugla pod kojim Sunevi zraci padaju na povrinu
Zemlje i duine trajanja svetloga dela dana. Solarna klima je ona klima koja bi bila
zastupljena na povrini Zemlje ukoliko bi zemljina povrina bila homogena, glatka i bez
atmosfere. Pod uticajem klimatskih faktora, sastava i procesa koji se odvijaju u
atmosferi, nejednake raspodele kopna i mora, reljefa, visine i smera pruanja planinskih
lanaca, sastava i strukture tla, vegetacije, iz solarne klime se oblikuje stvarna (realna)
klima na Zemljinoj povrini.
Solarna konstanta (So) je veliina koja karakterie ukupnu koliinu Suneve energije
koja stie do gornje granice atmosfere. Vrednost solarne konstante je promenljia u
zavisnosti od rastojanja Zemlje od Sunca u toku godine. Saglasno tome, na severnoj
polulopti solarna konstanta zimi ima veu a leti manju vrednost pri emu te razlike
dostiu vrednost od 3,4%. Solarna konstanta definie se kao fluks Suneve energije koji
prolazi kroz jedininu povrinu koja lei normalno na pravac prostiranja Sunevih zraka
pri srednjem rastojanju Zemlje od Sunca od 149,5 miliona kilometara. Vrednost solarne
konstante je 1376 W/m2, dok vrednost za celokupnu povrinu Zemljine sfere iznosi 342
W/m2.
Direktno sunevo zraenje (S) predstavlja koliinu energije izraene od strane Sunca,
koja dospe na povrinu Zemlje u nepromenjenom obliku. Intenzitet direktnog
sunevog zraenja predstavlja koliinu energije izraenu u dulima (J), koja u jedinici
vremena (1s) dospe na jedininu povrinu (1m2) normalno na pravac prostiranja
10

sunevih zrakova. Jedinica intenziteta je J m-2 s-1 ili W m-2. Vertikalna komponenta
direktnog sunevog zraenja izraunava se relacijom:
=

(2.1)

gde je sa oznaena visina Sunca.

Difuzno zraenje (D) predstavlja deo sunevog zraenja koji dospeva na horizontalnu
povrinu posle rasejavanja sunevog zraenja u atmosferi i njegovog odbijanja od
oblanih estica, praine, snenih kristala i drugih primesa. Difuzno zraenje obuhvata i
zraenje dobijeno raznim predmetima koji se nalaze iznad registrujueg instrumenta.
Globalno zraenje (G) je ukupan iznos direktnog sunevog i difuznog zraenja koje
dospe na horizontalnu povrinu:
= +

(2.2)

Intenzitet globalnog zraenja izraava se u istim jedinicama, kao i intenzitet direktnog

sunevog zraenja. Aktivan sloj je sloj u kome se praktino, sa izuzetkom reflektovanog
zraenja, apsorbuje celokupan iznos zraenja. Za dugotalasno zraenje aktivan sloj su
povrinski sloj zemljita, snega i vode debljine reda veliine 1mm. Za kratkotalasno
zraenje to su: sloj peska do nekoliko mm, sneg do nekoliko cm, voda do nekoliko m ili
desetina m. Vegetacioni pokriva predstavlja aktivacioni sloj i za kratkotalasno i za
dugotalasno zraenje. Reflektovano zraenje (R) je deo globalnog zraenja koji se
odbija od aktivnog sloja i vraa u atmosferu. Kratkotalasno zraenje je zraenje sa
talasnom duinom manjom od 3,0m Kratktalasno zraenje u sebe ukljuuje tri oblasti:
1. ultraljubiasto 0,2 0,4 m
2. vidljivo zraenje ili svetlost 0,4 0,76m
3. infracrveno zraenje 0,76 3,0m
Fotosintetski aktivno zraenje je deo kratkotalasnog sunevog zraenjam u opsegu
0.38 0.71m koje biljke koriste u procesu fotosinteze.
Apsolutno crno telo je telo koje u potpunosti apsorbuje zraenje koje dolazi do njega.
Intenzitet izraivanja apsolutno crnog tela B(T) opisuje se Stefan-Boltzmanovim
zakonom:
() = 4

(2.3)

gde je =5,676 10-8 W m-2K-4 Stefan-Boltzmanova konstanta, a T temperatura vazduha

izraena u K.
Albedo () je deo globalnog zraenja koje se od te povrine reflektuje, odnosno
predstavljen je kolinikom kratkotalasnog i globalnog zraenja

(2.4)

Albedo nije konstantan za datu povrinu ak i ako je povrina uniformna, ve se menja u

zavisnosti od zenitnog ugla i vlanosti zemljita. Sve sneg moe da reflektuje do 95%
sunevog zraenja koje do njega dopire, dok tamno zemljite reflektuje svega 5%.
Zemljino izraivanje (Bz) je dugotalasno zraenje koje u pravcu atmosfere emituje
aktivan sloj. Protivzraenje atmosfere (Ba) je dugotalasno zraenje atmosfere koje je
upravljeno u pravcu Zemlje. Efektivno izraivanje (Ef) je razlika izmeu Zemljinog
izraivanja i protivzraenja atmosfere:
=

(2.5)

Bilans zraenja (B) je algebarski zbir kratkotalasnog i dugotalasnog zraenja

= + +

11

(2.6)

gde je sa r oznaeno protivzraenje atmosfere koje se odbija od povrine Zemlje. Na

osnovu poloaja Zemlje u orbiti i tzv. solarne konstante moe se izraunati Sunevo
zraenje na povrinu Zemlje (Sc) u funkciji intenziteta sunevog zraenja na granici
atmosphere Sa, kao:

(2.7)

= ( + )

gde vrednosti koeficijenata a i b variraju sa geografskom irinom i sezonom, n je stvarno

trajanje sunevog sjaja, N je srednje dnevno trajanje maksimalno mogueg sunevog
sjaja (tabela 2.1), a vrednosti intenziteta sunevog zraenja na granici atmosfere (Sa) u
funkciji geografske irine mesta i meseca u godini date su u tabeli 2.2. Ako se uzme u
obzir albedo , koliina zraenja koja dospeva do povrine Zemlje bie u tom sluaju:
(2.8)

= (1 )

Iz jednaine (2.7) moe se zakljuiti da za dan sa potpunom oblanou sledi n/N=0,

odnosno da samo oko 20% solarne radijacije dospe na Zemljinu povrinu, dok po
potpuno vedrom danu dospeva ak do 70% te radijacije. Da bi proraun bio jo
precizniji, treba uzeti u obzir i Zemljino izraivanje dugotalasnog zraenja. Priroda
Zemljinog izraivanja moe se aproksimirati zraenjem crnog tela, no ona zavisi i od
srednje temperature vazduha, oblanosti i u manjoj meri, vodene pare u vazduhu, pa bi
modifikovano Zemljino izraivanje mogli izraziti u obliku jednaine:

(2.9)

= 4 (0,56 0,078 ) (0,1 + 0,9 )

gde je funkcija vlanosti vazduha i predstavlja stvarni pritisak vodene pare u mb.
Tabela 2.1 Srednje dnevno trajanje maksimalnog mogueg sunevog zraenja u asovima (N)
(Linsley et al., 1940).

Geografska
irina
50
48
46
44
42
40
35

Mesec
VI
VII

II

III

IV

8,5
8,8
9,1
9,3
9,4
9,6
10,1

10,0
10,2
10,4
10,5
10,6
10,7
11,0

11,8
11,8
11,9
11,9
11,9
11,9
11,9

13,7
13,6
13,5
13,4
13,4
13,3
13,1

15,3
15,2
14,9
14,7
14,6
14,4
14,0

16,3
16,0
15,7
15,4
15,2
15,0
14,5

15,9
15,6
15,4
15,2
14,9
14,7
14,3

VII

IX

XI

XII

14,4
14,3
14,2
14,0
13,9
13,7
13,5

12,6
12,6
12,6
12,6
12,6
12,5
12,4

10,7
10,9
10,9
11,0
11,1
11,2
11,3

9,0
9,3
9,5
9,7
9,8
10,0
10,3

8,1
8,3
8,7
8,9
9,1
9,3
9,8

Tabela 2.2 Sunevo zraenje na gornjoj granici atmosfere Sa (Linsley et al., 1940).

Geografska
irina
50
48
46
44
42
40
35

II

III

IV

3,7
4,7
5,0
5,2
5,4
6,2
8,1

6,0
7,0
7,2
7,5
7,7
8,4
10,5

9,2
10,3
10,5
10,7
10,8
11,1
12,8

12,7
13,4
13,4
13,7
13,7
13,8
14,7

15,5
15,8
15,8
15,8
15,9
15,9
16,1

Mesec
VI
VII
16,6
16,7
16,7
16,7
16,7
16,7
16,5

2.2.2 Temperatura vazduha

12

16,1
16,1
16,1
16,1
16,1
16,3
16,2

VII

IX

XI

XII

13,7
14,0
14,1
14,1
14,2
14,7
15,2

10,4
11,0
11,2
11,3
11,5
12,1
13,5

7,1
7,8
8,0
8,2
8,4
9,3
11,2

4,4
5,1
5,4
5,6
5,9
6,8
9,1

3,1
4,0
4,3
4,5
4,8
5,6
7,9

Temperatura predstavlja jednu od osnovnih veliina kojom se karakterie toplotno

stanje nekog sistema. Pri promeni temperature tela menjaju se i njegova mehanika,
elektrina, optika i druga fizika svojstva. Temperaturni reim kao mera toplotnih
uslova je prvenstveno uslovljen Sunevom radijacijom, geografskim poloajem i
reljefom. Temperatura (T) je funkcija koja se menja u prostoru (koordinate x, y, i z) i
vremenu t. Na temperaturu vazduha utie i odnos vodenih masa i kopna. S obzirom da
se kopno bre zagreva od vodene povrine, i mnogo bre hladi, ovaj odnos bitno utie na
promenu temperature sa geografskom irinom i duinom. Kad je re o uticaju orografije
na temperaturu vazduha, obino temepratura na kopnu opada sa porastom nadmorske
visine. Na temperaturu vazduha utie i vegetacija, s obzirom da drvee vrlo efektivno
apsorbuje dolazeu radijaciju tako da njen mali deo dolazi do tla. Tokom dana
temperatura vazduha blizu povrine tla nia je nego na visini drvea. Nou, drvee
spreava gubitak toplote sa tla koje se nalazi ispod.
Srednje mesene temperature, kao i meseni ekstremi, koriste se za opisivanje
temperaturnog reima neke lokacije. Srednje mesene temperature vazduha odreuju
se kao aritmetike sredine srednjednevnih vrednosti u datom mesecu. Viegodinji
meseni preseci se dobijaju kao aritmetika sredina srednjemesenih temperatura u
posmatranom mesecu u periodu osmatranja. Srednja godinja temperatura je
aritmetika sredina 365 (366) srednjednevnih temperatura, primer tabela 2.3.
Tabela 2.3 Srednje mesene i srednje godinje temperature vazduha (C) za Vojvodinu za period
19512005 (Pavlovi, 2009).

I
Novi Sad -0,6
-1,1
Pali
-0,8
Sombor
Sremska
-0,5
Mitrovica
Zrenjanin -0,8
-0,9
Kikinda
0,2
Vrac
Vojvodina -0,7

XI

XII

19,9
19,9
19,8

21,4 21,0 16,8 11,5 5,9

21,4 20,9 16,5 11,1 5,3
21,2 20,6 16,3 11 5,4

1,4
0,8
1,1

Sr.
god.
11,1
10,7
10,8

19,7

21,0 20,6 16,5 11,3 5,8

1,4

10,9

1,1
1,1
2,3
1,3

11,1
11
11,6
11,0

II

III

IV

VI

1,3
0,9
1,1

5,9
5,5
5,7

11,3
11,1
11,1

16,6
16,4
16,5

1,5

6,0

11,5

16,4

1,5
1
1,9
1,3

6,1
5,8
6,4
5,9

11,5
11,4
11,8
11,4

16,9 19,9 21,4

16,7 20 21,6
16,8 19,9 21,5
16,6 19,9 21,4

13

VII

VIII

21,1
21,1
21,4
21

IX

16,9
16,8
17,4
16,8

11,7
11,4
12,3
11,5

5,9
5,7
6,9
5,8

2.2.3 Vazduni pritisak, vazduna strujanja i polja pritiska

Atmosferski pritisak (p) jednak je teini vazdunog stuba visine od take u kojoj se
odreuje pa do gornje granice atmosfere, slika 2.1.

Slika 2.1 Prikaz delovanja sile pritiska na povrinu.

Jedinica za pritisak u SI sistemu je N/m2, odnosno Pa, a u meteorologiji se koristilo vie

razliitih jedinica kroz istoriju, ali najzastupljenija je 1 milibar (mb), a ona je jednaka sa
1 hektopaskalom (100 Pa). Ranije se koristila jedinica mmHg. Normalni atmosferski
pritisak je pritisak koji je kompenzovan ivinim stubom visine 760mm, pri temperaturi
0C, na geografskoj irini 45 i na nivou mora. Veza izmeu mb i visine ivinog stuba u
mm je 1 mmHg = 1,33 mb shodno tome. Normalni atmosferski pritisak iznosi
1013,25mb. Vazduni pritisak je bitan inilac u formiranju vremenskih uslova. Promene
pritiska utiu na isparavanje sa smanjenjem pritiska poveava se isparavanje. U
regionima gde se pritisak slabo menja isparavanje je beznaajno. Pritisak utie na
promenu nivoa podzemnih voda, hlaenje zemljita pod snegom i kretanje vazdunih
masa. Razlika u pritiscima je osnov horizontalnih kretanja i vazdunih cirkulacija (slika
2.2), te posle sunevog zraenja i temperature, vazduni pritisak moemo smatrati
uzronikom vremenskih uslova u nekom regionu ili oblasti.
Kao posledica postojanja razlike u prizemnim pritiscima u horizontalnom pravcu javlja
se sila koja tei da izjednai pritiske na celoj toj razdaljini, a njen rezultat je
(horizontalno) kretanje vazduha i to je poznato kao vetar. Sila koja se javlja u ovom
sluaju naziva se sila gradijenta pritiska. Tipina promena pritiska u horizontalnom
pravcu je 1-2 mb na 100 km, a u vertikalnom je oko 1 mb na 10 m. Iako je gradijent
pritiska mnogo vei u vertikalnom pravcu on je uravnoteen sa silom gravitacije, te ne
zapaamo znaajna kretanja atmosfere u vertikalnom pravcu. Sa druge strane, relativno
male promene u horizontalnom pravcu uzrokuju da se mestimino javljaju izrazito
intenzivna kretanja vazduha, kao i intenzivni vrtlozi u atmosferi.
Najznaajnija atmosferska cirkulacija za formiranje uslova koji pogoduju sui je
anticiklon, slika 2.3. Anticiklon karakteriu divergencija vazduha u niim slojevima
troposfere i konvergencija u gornjim slojevima troposfere. Ovakvo kretanje rezultuje
silaznim strujanjem u centralnom delu anticiklona i zagrevanje zraka sputanjem i
stabilizaciji vremena. Usled povezanosti ciklona sa nepogodama, ciklonski sistemi su
mnogo vie istraivani. No, kretanja, odnosno dugotrajni uticaji anticiklona najvie se
odraavaju na trajanje i formiranje uslova pogodnih sui, emu je najbolji primer sua
koja traje u Kaliforniji od 2012. godine, usled prisustva anticiklona na Pacifiku, koji
blokira dolazak drugih vremenskih sistema (Seager et al., 2014)

14

Makrorazmere

2000

200

Mezorazmere

Prostorni razmer (km)

20 000

20
B
2

Mikrorazmere

A
0,2
sekund

minut

sat (h)

dan

nedelja

mesec

godina

Vremenski razmer
Slika 2.2 Horizontalne dimenzije i trajanje odabrabih atmosferskih cirkulacija: A) tornado, tromba,
termali, turbulencija, B) grmljavinske nepogode, donji izliv, C) vetar s mora, vetar s kopna, dolinski
vetar, planinski talasi, D) okludovani ciklon, hariken, frontovi, E) mlazna struja, F) opta cirkulacija,
monsunska cirkulacija.

Slika 2.3 Prizemno strujanje u ciklonu (N) i anticiklonu (V) na severnoj hemisferi; vektori prikazuju
strujanje u pojedinim takama na radijanima, a deblje duge strelice su strujnice.

2.2.4 Padavine
Atmosferske padavine predstavljaju drugu dominantnu komponentu vodnog bilansa.
Padavine predstavljaju svako taloenje vode iz atmosfere na povrini zemlje u vidu kie,
snega, krupe, grada. Padavine se definiu visinom P [mm], trajanjem tk [h], i
verovatnoom pojave p [%] ili povratnim periodom Tp = 1/p [godina]. Vertikalne
padavine su ukoliko se formiraju u oblacima iz kojih padaju na Zemlju (kia, sneg, grad,
sugradica). Horizontalne padavine se formiraju i neposredno taloe na Zemljinoj
povrini (rosa, mraz, inje, poledica). Na pojavu padavina utiu procesi u atmosferi, pri
15

emu bitnu ulogu imaju pritisak, temperatura, gustina i vlanost vazduha, kao i njegovo
relativno kretanje u odnosu na povrinu Zemlje. Pri tome je glavni pokreta svih
procesa energija koja dolazi sa Sunca.
Da bi dolo do formiranja padavina treba zadovoljiti sledee minimalne uslove:
1. Postojanje izvora vlage i dovoljno vodene pare u atmosferi,
2. Prisustvo dovoljnog broja jezgara kondenzacije,
3. Odgovarajua temperatura koja e omoguiti hlaenje vazduha sa vodenom
parom do take kondezacije
4. Formiranje kapljica vode ili kristala leda
5. Rast kapljica vode ili kristala leda do dovoljne veliine za padanje na zemlju.
Prema nainu hlaenja vazduha padavine moemo podeliti na:
1. Ciklonske (frontalne) padavine su rezultat kretanja vazdunih masa iz podruja
visokog pritiska anticiklona u podruje niskog pritiska ciklona. Pri tome se usled
hlaenja toplih vazdunih masa koje se diu u hladnije slojeve atmosfere
formiraju padavine.
2. Orografske padavine nastaju kao rezultat mehanikog dizanja vlanih
horizontalnih vazdunih struja, do kojeg dolazi pri nailasku na planinske lance u
toku kretanja vazdunih masa. Uvek su jae na uzlaznoj nego na silaznoj strani
planonskih lanaca.
3. Konvektivne padavine su uslovljene naglim zagrevanjem vazduha pri kontaktu
sa tlom. Vazduh irenjem smanjuje svoju gustinu. Vodena para se tim procesom
uzdie i dinamiki hladi, vazduna masa postaje nestabilna, vodena para se
kondenzuje i pada na tlo u obliku kie.
Padavine variraju u zavisnosti od geografske irine, godinjeg doba, nadmorske visine i
reljefa.
2.2.5 Vetar
Za veinu potreba vetar se moe definisati kao dvodimenzionalna vektorska veliina
koju definiu dva broja: brzina i pravac, a intenzitet turbulencije dodatno se opisuje sa
tri broja: udarom vetra i standardnim devijacijama brzine i pravca vetra. Brzina vetra
predstavlja put koji vetar pree u odreenom vremenskom periodu i meri se u m/s. Taj
vremenski period, period depa Van der Hovenovog spektra, varira od nekoliko minuta
do1 sata. U meteorologiji je uobiajeno da se vetar osrednjava na 10 minuta ili 1 sat, a
zahtevana tanost merenja prema standardima WMO-a je 0,5 m/s. Pravac vetra
predstavlja preovlaujui tj. dominantan pravac za onaj vremenski period za koji se
osrednjava brzina vetra. Pravac vetra se meri u stepenima, u odnosu na geografski
sever, i prema standardima WMO-a zahteva tanost od 5. Parametri vetra se
sistematski mere u mrei glavnih meteorolokih stanica (GMS) Hidrometeorolokog
zavoda Srbije. U Vojvodini, stanice su postavljene u Paliu, Somboru, Kikindi, Novom
Sadu (Rimski anevi), Zrenjninu, Sremskoj Mitrovici, Banatskom Karlovcu i Vrcu.
Klimatologija vetra opisuje se najee:
a) ruom vetra,
b) histogramom empirijske raspodele brzine vetra.
Rua vetrova opisuje srednje brzine i uestalost vetra po pravcima i daje u obliku, kao
na slici 2.4. Histogram raspodele vetra prebrojava koliko ima izmerenih podataka o
vetru u nekom zadatom intervalu brzina.

16

Slika 2.4 Rua vetrova za grad Vrac

2.2.6 Vlaga u vazduhu i procesi isparavanja i transpiracije

Pod atmosferskom vlagom se podrazumeva sadraj vodene pare u vazduhu. Izvor
vodene pare u atmosferi su isparavanja sa povrina okeana, mora, reka, jezera, movara,
bara, kao i isparavanja sa vlanog tla, i od isparavanja biljaka (transpiracija).
Isparavanje je sastavni deo procesa kruenja vode u prirodi, odnosno hidrolokog
ciklusa. Isparavanje vode se javlja zbog toga to neki molekuli vode imaju dovoljno
kinetike energije da se odupru povrinskim silama i silama privlaenja, koje nastoje da
ih zadre u vodnom telu. Poto je porast temperature vode propraen porastom brzine
njenih molekula i opadanjem povrinskog napona, veliina isparavanja raste sa
temperaturom. Molekuli mogu napustiti i zaleenu povrinu istim mehanizmom. Usled
postojanja kinetike energije molekula vodene pare, vodena para vri pritisak. U
meavini sa vazduhom taj pritisak je jednak parcijalnom pritisku vodene pare. Odnosno,
ako je ukupni pritisak vlanog vazduha u zatvorenoj posudi jednak p i ako iz te posude
uklonimo vodenu paru, pritisak preostalog suvog vazduha p* bie manji od ukupnog
pritiska p. Razlika koja je rezultat uklanjanja vodene pare je pritisak vodene pare (e d).
Sa poveanjem koliine vodene pare on raste do neke granine vrednosti, koja odgovara
stanju ravnotee (zasienja). Ova granina vrednost napona vodene pare naziva se
maksimalan pritisak vodene pare ili pritisak zasienja vodene pare pri datoj
temperaturi. Pritisak vodene pare, pre svega, zavisi od temperature. Naime, to je via
temperatura vea je i brzina molekula to dovodi do breg naputanja povrine tenosti
i njenog prelaska u paru. Maksimalan pritisak vodene pare zavisi time i od agregatnog
stanja vode (led ili tenost). Vezivne sile izmeu molekula leda su vee nego kohezione
sile izmeu molekula tenosti. Zbog toga pri istim temperaturama, tj. pri istim srednjim
brzinama kretanja, broj molekula koji se odvoji od povrine leda je manji nego kada je u
pitanju povrina vode u tenom stanju. To znai da zasienje iznad leda nastupa pri
manjem pritisku vodene pare. Prema tome pri istoj temperaturi maksimalan pritisak
vodene pare iznad vode je vei nego maksimalan pritisak vodene pare iznad leda.
Pritisak zasiene vodene pare ne zavisi samo od temperature i agregatnog stanja ve i
od zakrivljenosti povrine koja se isparava. Pri istom agregatnom stanju i temperaturi,
pritisak zasiene vodene pare iznad ispupene povrine vei je nego iznad ravne, dok je
pritisak zasiene vodene pare iznad ravne povrine vei od pritiska iznad udubljene
povrine. U prirodnim uslovima isparavanje se odigrava na neogranienom prostoru.
Ovo uslovljava da se vodena para transportuje u prostor iznad te povrine a samo tanak
sloj vazduha uz nju ostaje zasien. Usled molekularne difuzije i turbulentnog meanja iz
tog sloja para se neprekidno transportuje u prostor iznad povrine koja se isparava. to
je turbulentno meanje intenzivnije taj transport odvija e se bre i isparavnje sa
povrine vode odvija se do trenutka dok se ne izjednae postojei pritisak vodene pare i
maksimalni pritisak vodene pare pri datoj temperaturi. Ukoliko pritisak vodene pare
17

postane vei od maksimalnog pritiska vodene pare pri datoj temperaturi doi e do
procesa kondenzacije.
Najvea koliina vodene pare nalazi se u sloju vazduha koji neposredno nalee na
povrinu sa koje se isparavanje odigrava. U vie slojeve atmosfere vodena para dospeva
putem procesa difuzije ali bi se moglo rei da su glavni mehanizmi kojima vodena para
dospeva u gornje slojeve atmosfere mehanizmi vertikalne razmene - konvekcija i
turbulentna razmena. Znaajnu ulogu u procesu prenoenja vodene pare imaju i
advektivni procesi kojima se vodena para prenosi sa okeana i mora u unutranjost
kontinenta. Njena koliina se smanjuje sa poveanjem visine i idui prema unutranjosti
kontinenta. Koliina vodene pare u atmosferi zavisi od mnogih faktora (fizikogeografski uslovi mesta, godinje doba, vremenski uslovi) te se zbog toga vodena para
pojavljuje kao veoma promenljiva komponenta u sastavu atmosfere.
Sadraj vodene pare, ili vlanost vazduha se obino izraava kao parcijalni pritisak
vodene pare (u meavini gasova od kojih se sastoji vazduh) i meri se u barima (1 bar =
1000 mb = 105 N/m2 = 0,75 mmHg). Vodena para je laka od vazduha i to u odnosu
0,622. Koliina vodene pare u vazduhu varira i u vremenu i u prostoru, u zavisnosti od
termodinamikih karakteristika atmosfere i blizine izvora vlage. Koncentracija vlage
smanjuje se sa nadmorskom visinom, sa geografskom irinom i sa rastojanjem od
morske obale. Priblino jedna polovina ukupne koliine vlage u atmosferi sadrana je
unutar prvih 1,7 km od povrine Zemlje, a praktino sva atmosferska vlaga je sadrana
u prvih 8 km atmosfere (Hrelja, 2007). Stopa isparavanja se moe opisati na dva naina,
preko stope, odnosno pada nivoa vode u referentnom vodnom telu ili na osnovu stope
po kojoj se troi latentna toplota u procesu. Latentna toplota isparavanja predstavlja
koliinu toplote koju je potrebno dovesti jedininoj masi vode (ili bilo koje tenosti) da
bi se isparila pri nepromenjenoj temperaturi. Vodena para, iznad povrine koja se
isparava obrazuje pritisak koji se naziva pritisak vodene pare.
Brzina isparavanja zavisi i od atmosferskog pritiska usled toga to se u nepokretnom
vazduhu molekularna difuzija direktno ubrzava ukoliko je atmosferski pritisak nii.
Naime, to je on nii i molekuli se lake odvajaju od povrine koja se isparava.
Isparavanje u prirodnim uslovima osetno zavisi i od brzine vetra. Poveanje brzine
vetra doprinosi i poveanoj turbulentnoj razmeni vodene pare a samim tim i
intenzivnijem isparavanju. Meutim, ukoliko se isparavanje odigrava sa ograniene
povrine onda e vazduh iznad nje da se zasiti u nekom vremenskom intervalu tako da
e proces isparavanja da stane. U prirodnim uslovima na isparavanje dosta utie i
nehomogenost povrina. Isparavanje sa zemljita, kao aktivne povrine, zavisi pre svega
od njegovih fizikih svojstava i stanja. Glatka povrina slabije isparava nego hrapava
povrina koja doprinosi intenzivnijem razvoju turbulencije a samim tim i isparavanja.
Boja zemljita osetno utie na isparavanje preko albeda. Poto je albedo tamnijih
zemljita manji ona e vie apsorbovati kratkotalasno sunevo zraenje, vie e da se
zagrevaju pa samim tim vie e da se i isparavaju. Zemljite sa veim kapilarama u sebi
e sporije da isparava nego kada ono u sebi sadri manje kapilare. Kroz manje kapilare
voda bre dopire do povrine pa e i isparavanje sa povrine zemljita biti vee.
Isparavanje sa zemljita je vee to je zemljite vlanije i to je nivo podzemnih voda
vii. Reljef, takoe moe znaajno da utie na isparavanje. Na veim visinama vazduh je
pokretljiviji pa je proces isparavanja intenzivniji nego u dolinama i ravniarskim
predelima. Za praktine potrebe isparavanje se izraava preko visine sloja vode u
milimetrima koja se ispari u jedinici vremena (kg m-2 s-1). Poto koliina vode od 1 kg, tj.
1 l, po 1 m2 odgovara visini sloja vode od 1 mm onda se prethodna veliina moe izraziti
i u mm s-1. Proces transpiracije, za razliku od procesa evaporacije, je fizioloki proces.
18

Osnovne funkcije transpiracije su hlaenje prilikom isparavanja i transport vode i u njoj

rastvorenih supstanci kroz biljku. Transpiracija se odreuje po koliini vode koju biljka
izgubi po jedinici vremena. Intenzitet transpiracije se dobija kada se gubitak u teini
izrauna na jedinicu povrine lista, u jedinici vremena. On se izraava kao gram
izgubljene vode za sat (g H2O/dm2 h). Produktivnost transpiracije pokazuje koliko se
grama suve supstance izgradi u listu za vreme za koje se transpiracijom izgubi 1 kg
vode. Razmatrajui prirodu transpiracije, iako u velikoj meri utie na vlanost vazduha i
koliinu vodene pare u atmosferi, nije je mogue egzaktno odrediti na velikim
povrinama. Kao i isparavanje sa drugih aktivnih povrina, transpiracija zavisi od
meteorolokih faktora kao to su sunevo zraenje, temperatura, vlanost vazduha i
brzina vetra. Istovremeno transpiracija zavisi i od vrste i starosti biljke, kao i od
dostupnosti vode biljci. Indirektno transpiracionim procesom biljka prenosi vodu iz
zemljita u atmosferu.
Evapotranspiracija (ET) je proces isparavanja vode sa biljaka, zemljita i otvorenih
vodenih povrina. Evapotranspiracija igra znaajnu ulogu u transportu energije kroz
atmosferu i u velikoj meri utie na procese formiranja vremena i jedan od kljunih
faktora je u procesu formiranja i odranja uslova koji pogoduju sui. Proces
evapotranspiracije fiziki se moe opisati kao zbir isparavanja sa razliitih povrina
ponaosob (otvorene vodene povrine reke, jezera, mora, okeani, bare, ledene kape,
razliiti tipovi zemljita i vetakih podloga) i procesom disanja biljaka (transpiracija).
Proces evapotranspiracije zavisi od termodinamikog stanja i sadraja vlage u
atmosferi, stanja podloge i njene pokrivenosti vegetacijom.
2.3 Promenljiva fizika svojstva vazduha (atmosfere) prilikom sue
Proces sue definiu sledea fizika svojstva veliine stanja vlanog vazduha
(prilagoeno prema Paunovi (2010)):
1. Intenzivna svojstva:
zasienje,
taka rose,
deficit saturacije,
latentna toplota isparavanja,
apsolutna vlanost,
relativna vlanost,
temperatura,
pritisak vazduha,
Temepratura adijabatskog zasienja
2. Ekstenzivna svojstva:
sadraj vlage,
zapremina,
toplotni kapacitet,
entalpija.
Pri uslovima sue koliina (maseni protok) suvog vazduha ostaje nepromenjena, dok se
ukupan maseni protok vlanog vazduha menja, zbog poveanja sadraja vlage u
vazduhu (procesom isparavanja i transpiracije suenje povrine). Vodena para (H2O)
je dobar apsorber infracrvenog, a slab vidljivog Sunevog zraenja. Usled toga apsorbuje
infracrveno zraenje emitovano sa Zemlje i dovodi do poveanja srednje kinetike
energije molekula. Ovu energiju molekuli delimino predaju u sudarima sa susednim
molekulima kiseonika i azota, poveavajui srednju kinetiku energiju, a time i
19

temperaturu vazduha. Pored toga to apsorbuju infracrveno zraenje, molekuli i

emituju infracrveno zraenje. Ovo zraenje putuje u svim pravcima. Jedan deo zraenja
se vraa ka Zemlji, gde ga povrina apsorbuje poveavajui svoju temperaturu. Povrina
Zemlje ponovo zrai dugotalasno infracrveno zraenje na gore, gde opet dolazi do
njegove apsorpcije i zagrevanja troposfere i pospeivanje dalje procesa isparavanja i
poveanja koncentracije molekula vodene pare. Tako se moe zakljuiti da molekuli
vodene pare apsorbuju i emituju infracrveno zraenje ponaajui se kao sloj gasa oko
Zemlje, koji ne dozvaljava tom istom zraenju da napusti atmosferu, to dovodi do
pospeivanja razvoja uslova za dalje isparavanje usled poveanja temperature vazduha,
slika 2.5.

Slika 2.5 Apsorpciono dejstvo atmofere na spektar zraenja sa Sunca (Glavatovi, 2005).

Zasienje. Kae se da je vazduh zasien (saturisan) ako sadri maksimalnu koliinu

vodene pare koju moe da primi pri datoj temperaturi i pritisku. to je temperatura
via, potencijalni sadraj vlage u vazduhu je vei. Takvo stanje koje se naziva
zasienim ili ravnotenim, mogue je izraziti sa ravnotenim pritiskom vodene pare p v
izraenim u mb za koji vredi Magnus Tetensova formula:
= 1 exp( 2 /(3 + ))

(2.10)

gde su: temperatura vazduha u C, 1 ravnotezni pritisak vodene pare pri temperaturi
od 0 C (1 = 6,11 ), 2 i 3 konstante koje zavise od agregatnog stanja vodene
povrine.
Temperatura take rose (td) je temperatura pri kojoj neka masa nesaturisanog
vazduha postaje zasiena kada se hladi, pri pritisku koji ostaje konstantan. Ako se
vazduh dalje hladi dolazi do kondenzacije vodene pare, odnosno ako se pri istom
pritisku vazduh zagreva isparavanje se poveava. Temperatura take rose je
temperatura vazduha na kojoj stvarni sadraj vodene pare ima maksimalni pritisak
vodene pare:
(ln ln )

= 3(ln ln 1 )
2

(2.11)

Deficit saturacije je razlika izmeu pritiska saturisane vodene pare pri temperaturi
vazduha i stvarnog pritiska (nesaturisane) vodene pare. Deficit saturacije ili zasienja
ukazuje na dodatnu koliinu pare koju bi mogao da primi vazduh na temperaturi t pre
nego to postane saturisan. Deficit saturacije je znaajan kao pokazatelj mogunosti
isparavanja ali i padavina. to je on vei mogunost isparavanja je vea, a mogunost
formiranja i padanja padavina manja (slika 2.6).
20

Latentna toplota isparavanja predstavlja koliinu toplote koju je potrebno dovesti

jedininoj masi vode (ili bilo koje tenosti) da bi se isparila pri nepromenjenoj
temperaturi. Latentna toplota isparavanja vode L, varira u zavisnosti od temperature.
Apsolutna vlanost ( ) je ekvivaletna gustini vodene pare na datoj temperaturi.
Definie se kao koliina vlage na 1kg suvog vazduha. Ako je vazduh zasien vlagom, u
pitanju je vlanost zasienog vazduha. Poto i parcijalni pritisak vodene pare (e), u
vlanom vazduhu takoe predstavlja meru sadraja vlage, moe se izvesti veza izmeu
i e. Uz pretpostavku da se vazduh ponaa kao smea idealnih gasova, molski odnos
vlage i suvog vazduha u proizvoljnoj zapremini, bie jednak odnosu njihovih parcijalnih
pritisaka:

(2.12)

Kako vlanost predstavlja maseni odnos vlage i suvog vazduha, sledi:

=

(2.13)

34.00
32.00
30.00

eS

26.00

22.00

ev

20.00
18.00
16.00
14.00

Deficit saturacije

24.00

12.00
10.00

8.00
6.00
4.00
2.00

p(e, t)

-10.0
-8.0
-6.0
-4.0
-2.0
0.0
2.0
4.0
6.0
8.0
10.0
12.0
14.0
16.0
18.0
20.0
22.0
24.0
26.0
28.0
30.0
32.0
34.0

0.00

Taka rose td

Pritisak saturisane vodene pare (mmHg)

28.00

Temperatura u C

Slika 2.6 Veza izmeu pritiska saturisane vodene pare es i temperature vazduha po ugledu na
Jovanovi (1974).

Relativna vlanost vazduha (r) ili stepen zasienja vazduha vlagom, definisana je kao
odnos aktuelnog parcijalnog pritiska vodene pare u vlanom vazduhu, temperature
vazduha T, i napona vodene pare ( ):
21

(2.14)

()

i obino se izraava u procentima. Relativna vlanost se menja u zavisnosti od koliine

prisutne vlage i inverzno, od temperature. Odnosno, ako se koliina vlage ne menja a
temperatura raste, relativna vlanost opada. Relativna vlanost ukazuje koliko je
vazduh zasien sa vodenom parom pa prema tome ukazuje i na potencijalnu mogunost
koliko jo vlage moe da primi. Jedna od krucijalnih injenica funkcionisanja procesa u
atmosferi jeste da je glavni izvor atmosferske vlage Zemljina povrina, te sledi da
sadraj vodene pare u atmosferi na nekom prostoru znaajno zavisi od veliine prostora
i karakteristika povrine. Sa ovog stanovita, maksimalni sadraj vodene pare je gotovo
uvek sadran u tlu. Metode odreivanja koliko vlage moemo dobiti iz tla, povezane su
sa odreivanjem evapotranspiracije.
2.4 Empirijske metode prorauna evapotranspiracije
Istovremeno isparavanje i sa zemljita i sa biljaka, poznato kao evapotranspiracija (ET),
moe da bude: stvarna evapotranspiracija (ETa) ili potencijalna evapotranspiracija
(ETp). Pod prvom se podrazumeva koliina isparene vode sa zemljita i sa biljaka u
postojeim vremenskim uslovima i uslovima vlanosti zemljita. Pod drugom se
podrazumeva koliina isparene vode sa zemljita potpuno pokrivenog vegetacijom,
kada u zemljitu nema deficita vode. Evapotranspiracija zavisi od svih faktora spoljne
sredine od kojih zavisi isparavanje i sa zemljita i sa biljaka, a osim toga i od biolokih
osobina biljke i faza njihovog razvoja. Ukoliko elimo dobiti tanu meru odavanja
vodene pare u atmosferu sa neke povrine koja je heterogena (meavina otvorenih
vodenih povrina, povrina golog zemljita i zemljita prekrivenog biljkama)
neophodno je da odredimo evapotranspiraciju, sumarno isparavanje sa cele oblasti.
Iako mnogo doprinosi tanom odreivanju vodnog bilansa, evapotranspiracija se vrlo
teko direktno meri, a praktino je nemogue dobiti dovoljnu gustu prostornu mreu za
merenje evapotranspiracije. Stoga je vremenom razvijen veliki broj metoda za proraun
referentne evapotranspiracije (ET0), koja nalazi iroku primenu u mnogim oblastima
privrede i nauke. Sedamdesetih godina uoeno je da razliite metode prorauna
evapotranspiracije dovode do ne slaganja rezultata i uvode sumnju u inenjerskoj
praksi u pouzdanost korienih metoda. Da bi izbegli probleme u definisanju
zajednikih parametara za sva isparavanja i fazu razvoja biljke definisan je pojam
referentnih isparavanja. Pojam referentne evapotranspiracije se definie kao veliina
evapotranspiracije sa hipotetike referentne kulture pretpostavljene visine 0,12 m,
stalnog povrinskog otpora od 70 s m-1 i sa albedom od 0,23 koja je bliska
evapotranspiraciji sa velike povrine pokrivene zelenom travom u fenofazi aktivnog
rasta i u ulovima bez nedostatka lako pristupane vlage (Allen et al., 1998). Vrednost
evapotranspiracije useva dobija se iz proizvoda koeficijenta kulture i vrednosti
referentne evapotranspiracije.
Referentna evapotranspiracija je koliina vode, koja se u zavisnosti od svojstava
atmosfere i raspoloive energije u atmosferi moe javiti u podruju koje je obraslo
travom i dobro je snabdeveno vodom. Evapotranspiraciona stopa razliitih biljaka je sa
biljnim koeficijentima povezana sa evapotranspiracionom stopom referentne povrine.
Zadata referentna povrina (definisao FAO) je aktivno rastua trava, koja u potpunosti
prekriva tlo, dovoljno snabdevena vodom, visine 0,12 m, otpornosti povrine od 70 sm-1,
a albedo iznosi 0,23.

22

Razvijen je veliki broj razliitih varijacija metoda prorauna evapotranspiracije u

odnosu na geografske i klimatske uslove. Metode prorauna bile su rezultat teorijskih
rasprava ili eksperimenata za strogo definisane uslove koji su simulirali fiziku procesa.
Metode za ocenu veliine isparavanja ili evapotranspiracije mogu se podeliti u sledee
grupe (Zelenhasi et al, 1991): merenje pomou isparitelja, empirijske formule, metode
vodnog bilansa, metode bilansa energije (toplotni bilans), metode transfera mase. U
praksi najee se koriste empirijske formule za evapotranspiraciju sa datog sliva.
Problem metoda nastalih na osnovu fizikih modela bila je nemogunost njihove
generalne primene. Metode su davale dobre rezultate za klimatske uslove na osnovu
kojih su kreirane. Kako je direktno merenje evapotranspiracije kopleksna procedura,
metode su inkorporile to vei broj meteorolokih parametara koji utiu na dinamiku i
fiziku evapotranspiracije. Primer podele metoda prema vrsti parametara koje koriste u
svojim proraunima dao je Trajkovi (2009):
1. Temperaturne metode (Thornthwaite, SCS Blaney-Criddle, FAO-24 BlaneyCriddle, Hargreaves) koje se temelje na zavisnosti evapotranspiracije od
temperature vazduha,
2. Radijacione metode (Turc, Jensen-Haise, Prisley-Taylor, FAO-24 Radiation) koje
izraavaju zavisnost evapotranspiracije od radijacije,
3. Evaporacione metode (Christiansen, FAO-24 Pan) koje pokazuju vezu izmeu
evapotranspiracije i isparavanja,
4. Kombinovane metode (Penman, Penman-Monteith, FAO-24 Penman, Kimberly
Penman) koje se temelje na kombinaciji energetskog i aerodinamikog bilansa.
Meunarodna organizacija Food and Agriculture Organization (FAO) predloila je 1998.
godine korienje FAO-56 Penman-Monteith metode za proraun referentne
evapotranspiracije (Allen et al., 1998). Predloena metoda podrazumeva korienje
irokog spektra meteorolokih parametara u svom proraunu: maksimalna i minimalna
temperatura vazduha, maksimalna i minimalna relativna vlanost vazduha ili stvarni
napon vodene pare, brzina vetra na 2 m visine, stvarno trajanje sunevog sjaja ili
solarna radijacija. Ukoliko ne postoje merenja odreenih varijabli primenjuju se metode
prorauna. Ako nema podataka o brzini vetra predlae se usvajanje prosene globalne
vrednosti za brzinu vetra od 2 m/s, ili korienje prosene regionalne brzine vetra
odnosno prosene lokalne brzine vetra. U takvim sluajevima ohrabruje se primena i
metoda sa manjim brojem ulaznih parametara.
Kao reperne metode za procenu indikatora sue za procenu referentne
evapotranspiracije testirane su Turkova metoda (Trajkovi, 2009) i metoda Hargreavesa (Trajkovi, 2007a).
2.4.1 Penman Monteith metoda
Trajkovi (2009) ukazuje na pouzdanost Penman Monteith metode u svim klimatskim
uslovima i za sve vremenske periode prorauna (mesec, dan i sat). Takav zakluak je
podran od strane brojnih istraivaa (Ortega-Farias et al., 1998b; Todorovi, 1999;
Hussein, 1999; Ventura et al., 1999; Beyazgul et al., 2000; Lecina et al. 2003, Berengena
and Gavilan, 2005, Lopez-Urrea et al., 2006a, b; Gavilan et al., 2007). Osnovna verzija
metode pojavila se 1965. godine (Zotarelli et al., 2009):
( )+[

(
)
]

+(+ )

23

(2.15)

Kasnije je (1998) FAO korigovao jednainu u FAO- 56 Penman-Monteith (Allen et al.,

1998). Jednaina je pojednostavljena uvoenjem konstanti za pokoenu travu kao
referentni usev. Osnovna pretpostavka odnosila se na definiciju referentnog useva koja
se odnosila na hipotetiki referentni usev visine 0,12m, povrinskog otpora 70s/m i
albeda reda veliine 0,23 (Smith et al., 1992). Nakon revizije 1999, jednaina je
poprimila oblik (Zotarelli et al., 2009):
.( )+[

(
)
]
+

(2.16)

+(+ )

Jednaina 2.16 predstavlja standardizovanu ASCE-EWRI (American Society of Civil

Engineering Environemntal and Water Resources Institute) jednainu za proraun
referentne evapotranspiracije baziranu na FAO-56 Penman-Monteith jednaini.
Standardizovana ASCE-EWRI jednaina je za niske useve identina jednaini FAO-56
Penman-Monteith i glasi:
= =

.( )+[

( )
]
+

(2.17)

+(+, )

U jednaini 2.16 standardizovana referentna evapotranspiracija za travu, odnosno

visoko rastinje, zasniva se na vremenskom koraku mm po danu, za 24 asovni ciklus,
odnosno mm po asu za vremenski korak od 1 sata. Cn i Cd su konstante (tabela 2.4).
Tabela 2.4 Vrednosti konstanti u jednaini 2.16 po ugledu na Allen et al., 1998

Vremenski korak
prorauna

dan
sat, u toku dana
sat, u toku noi

Nisko referentno
rastinje
Cn
900
37
37

Cd
0.34
0.24
0.96

Visoko referentno
rastinje
Cn
1600
66
66

Cd
0.38
0.25
1.7

Jedinice za
referentnu
evapotranspiraciju

Jedinice za
zraenje

mm dan-1
mm h-1
mm h-1

MJ m-2dan-1
MJ m-2h-1
MJ m-2h-1

Ostali lanovi jednaine redom su: predstavlja pad napona zasiene vodene pare, Rn je
neto radijacija dolazno zraenje Sunca, G je zemljini fluks toplote Zemljino
izraivanje, je psihrometrijska konstanta, T srednja temperature vazduha na 2 m
visine, u2 brzina vazduha na 2m visine, odnosno vetar, ( ) deficit napona vodene
pare na 2 m visine.
Usled nedostatka merenih vrednosti referentne evapotranspiracije, kao i usled njene
uslovljenosti brojnim klimatskim parametrima i prirodom tla i vegetacije postoji veliki
broj empirijskih metoda za odreivanje referentne evapotranspiracije i stvarne
evapotranspiracije.
2.4.2

Turkova metoda i modifikovana Turkova metoda

Empirijska jednaina Turka (Turc, 1963) posebno je bila dizajnirana za vlanu klimu
Zapadne Evrope (Francuska), u kojoj daje i najbolje rezultate (Jensen et al., 1990;
Trajkovi and Kolakovi, 2009c). Metoda u proraunu koristi srednje mesene vrednosti
sunevog zraenja i maksimalne i minimalne vrednosti temperature vazduha na 2m
visine. Slabost Turkove metode ogleda se u ne uzimanju u obzir faktor vetra u
proraunu i slaba pouzdanost u uslovima aridne klime (Jensen et al., 1990). U cilju

24

poboljanja pouzdanosti metode Trajkovi (Trajkovi i Stojni, 2008; Trajkovi i

Kolakovi, 2009a) je uveo korekcioni faktor :
0 = 0.013 (23.88 + 50) ( + 15)1

(2.18)

gde je korekcioni faktor, a solarna radijacija ( 2 1 ). U Trajkovi i

Kolakovi (2009a) daju vrednost korekcionog faktora za humidne evropske lokacije:
22 + 0.1109
2 + 0.9004
= 0.0211
(2.19)
2 viegodinja prosena brzina vetra na dva metra visine ( 1). Uvodei
gde je:
smenu dobijamo izraz na osnovu kog proraunavamo referentnu evapotranspiraciju po
prilagoenoj metodi Turka klimi Srbije:
0 = 0.013 (23.88 + 50) ( + 15)1 > 50%
0 = 0.013(23.88 + 50) ( + 15)1 (1 +

50
70

) < 50%

(2.20)
(2.21)

Turkova formula definisana je samo za srednje temperature iznad nule, ispod nule
vrednosti isparavanja postaju negativne, te time metoda u tim sluajevima postaje
nepouzdana. Iz tog razloga, esto se Turkova formula zamenjuje formulom Ivanova
(Wendling & Mller, 1984).
= 0,000036 (25 + )2 (100 )

(2.22)

gde je PET evapotranspiracija po Ivanovu izraena u [ 1 ], T srednja

temperatura za dati vremenski interval [C], RH srednja vlanost vazduha [%].
= 0,0011 (25 + )2 (100 )

(2.23)

gde je PET evapotranspiracija po Ivanovu izraena u [ 1 ].

2.4.3 Hargreaves-ova metoda
Hargreaves je 1975 arhivirao osam godina istraivanja W.O. Pruitt-a. Analizom
prikupljenih podataka o evapotranspiraciji i podrobnom regresionom analizom
Hargreaves je doao do svoje prve formule koja je se odnosila na proraun potencijalne
evapotranspiracije na osnovu podataka o temperaturi. Hagreaves je dao jednainu za
temepraturu merenu u F i u C, te otuda imamo varijaciju u koeficijentima u
formulama. Nakon prve verzije jednaine Hagreaves je nastavio svoja istraivanja koja
su rezultovala novim oblikom jednaine deceniju nakon prvobitne (Hargreaves, G. H.
and Allen, R. G., 2003). U RHMZ Srbije za operativne potrebe odabrana je ova metoda za
proraun referentne evapotranspiracije. U RHMZ-u se pokazalo analizom dnevnih
vrednosti referentne evapotranspiracije po metodi Hargreaves-a dobro slaganje s
rezultatima dobijenim standardnom metodom FAO-56 Penman-Monteith (FAO56-PM)
za podatke sa teritorije Republike Srbije, tj. tanost dovoljnu za praktinu primenu ovih
rezultata. Na osnovu istraivanja (Trajkovi, 2007a) dobijeni rezultati upuuju da je
poeljno koristiti izmenjenu Hargreaves formulu za proraun referentne
evapotranspiracije. Modifikovana Hargreaves metoda (AHARG) nastala promenom
vrednosti Hargreaves eksponenta sa 0,5 na 0,424 (Trajkovi, 2007a) pokazuje veoma
dobro slaganje sa FAO-56 Penman-Monteith metodom i moe se preporuiti za
korienje u naim klimatskim uslovima (Trajkovi, 2007b). Vrednosti RMSE statistika
variraju od 0,184 do 0,234 mm dan-1. Odstupanja ove metode od FAO-56 PM na
godinjem nivou iznose od 3 do 7%. Ova metoda ima najbolje statistike u odnosu na sve
druge metode u Kragujevcu i Niu. Modifikovana Hargreaves metoda omoguava
pouzdan, jednostavan i brzi proraun referentne evapotranspiracije na veini lokacija
25

na kojima postoje makar merenja temperature vazduha (Trajkovi, 2009). Proraune

vrednosti referentne evapotranspiracije metodom Hargreaves-a vrimo uz pomo
sledee jednaine:
0 = 0,0023 ( )0,424 ( + 17,8)

(2.24)

Ovo je modifikovana jednaina po Trajkoviu (Trajkovi, 2007a), gde je izraeno u

mm/dan. Dobijene razlike pri istraivanju u odnosu na standardne FAO-56 PenmanMonteith vrednosti su generalno male i u proseku za lokacije u Srbiji iznose manje od
0,3%.
2.4.4 Thorntwaite-ova metoda
Thorntwaite (1948) razvio je jednainu za predvianje mesene referentne
evapotranspiracije, a na osnovu podataka o srednjoj mesenoj temperaturi i geografskoj
irini. Atraktivnost ove metode ogleda se upravo u minimalnom broju korienih
meteorolokih podataka, ali i sam Thorntwaite je bio skeptian u odnosu na svoj
pristup, izraavajui zabrinutost da empirijski pristup nije zadovoljavajui za formiranje
generalne matematike zavisnosti referentne evapotranspiracije od temperature (Ward
et al., 2004). Taylor and Asheroft (1972) istiu da jednaina, bazirana potpuno na
temperature, ima prilino klimavu fiziku osnovu i ima samo, jedva opravdanu
teoretsku osnovu. Kako su temperatura i gradijent pritiska vodene pare modifikovani
kretanjem vazduha i zagrevanjem zemljita i okoline, formula generalno nema uporite,
ali se preporuuje provera u uslovima klime koji nisu aridni i semiaridni, i gde je klima
bliska klimi istone centralne Amerike (Ward et al., 2004).
Thorntwaitova empirijska jednaina odnosi se na travni pokriva (koena livada) visine
12-20 cm, povrine vee od 6 ha u optimalnim uslovima vlaenja. Ova metoda se moe
predstaviti na sledei nain (Trajkovi, 2009):
10

= 1,6 (

(2.25)

) ,

12
1,514
= 12
=1 = =1(0,2 )

= 0,016 + 0,5 (Trajkovi, 2009) ili

(2.26)
(2.27)

= 6,75 107 3 7,71 105 2 + 1,792 102 + 0,49239 (Ward et al. , 2004)

gde je: ETp potencijalna evapotranspiracija za "teorijski" mesec od 30 dana i "teorijsko"

trajanje osunanosti u danu od 12 sati (cm mesec-1); T srednja dnevna temperatura (oC),
I godinji termiki indeks koji predstavlja sumu svih mesenih termikih indeksa (ik)
koji su nelinearna funkcija temperature, a koeficijent koji je funkcija godinjeg
termikog indeksa. Da bi jednaina 2.25 bila funkcionalna globalno dodaje se p
(korekcioni faktor) koji omoguava primenu ove metode na svim geografskim irinama
time to transformie "teorijsko" trajanje osunanosti u danu od 12 sati u "realno"
trajanje osunanosti u danu "realne" duine (Trajkovi, 2009).
= 1,6 (

10

) ,

(2.28)

Vrednost korekcionog faktora se moe dobiti iz izraza:

(2.29)

= 1230

gde je Dq broj dana u mesecu q, N maksimalno trajanje sunevog sjaja u satima.

Pretpostavka od koje polazi Thornthwaite je da potencijalna evapotranspiracija zavisi
26

od temperature po eksponencijalnom zakonu do 26 oC, a iznad te temperature zavisnost

je linearna:
= 415,85 + 32,24 0,43 2

(2.30)

2.5 Pojam sue

U Zemaljskom sistemu, svi procesi su indukovani dolaznim Sunevim zraenjem na
povrinu atmosfere, hidrosfere, litosfere i biosfere i njegovim uticajem na ljudsku
populaciju i ponaaju se u skladu sa zakonima odranja energije i mase. Pristigla
energija Sunca diktira brzinu i intenzitet hidrolokih procesa. Raspodela Sunevog
zraenja nije homogena i zavisi od vie faktora:
a) udaljenosti Zemlje od Sunca u zadatom momentu,
b) nagnutosti Zemljine ose rotacije,
c) zemljine rotacije,
d) sastava atmosfere,
e) stanja tla,
f) stanja apsorbujue vodene povrine,
g) vrsta biljnog pokrivaa, starost i faze rasta,
h) urbanizacije i izgraenosti podruja.
Nehomogeno rasporeena raspoloiva Suneva energija na svim vremenskim skalama
utie i na ponaanje i kretanje velikih/globalnih atmosferskih cirkulacija, koje utiu na
lokalne vazdune mase i na procese formiranja padavina. Zemaljski sistem je time
energetski otvoren sistem, a maseno ne razmenjuje nita sa svojom okolinom
(svemirom). Ovo je od velikog znaaja iz razloga to sve to krui unutar Zemaljskog
sistema u svakom momentu t mora imati svoje mesto. Time nam je lake suziti domen
osmatranja na procese koji definiu suu.
Sua je stanje okarakterisano nedostatkom vode u osmatranom prostoru, definisane
geografske irine i duine. Stoga prvo definiemo osmatrani prostor kao kvadrant
definisan koordinatama 1, 2 i 1, 2 (slika 2.7) za koji moemo odrediti ulaze i izlaze,
odnosno procese i parametre koji utiu na preraspodelu vode.

Slika 2.7 Za potrebe disertacije, i u skladu sa rezolucijom klimatskih modela, povrinu kvadranta
definiemo kao veliinu 200x200 km (Ruman, 2009).

27

Svaki ovako odreen kvadrant ima definisanu:

1. maksimalnu koliinu sunevog zraenja koju moe da primi (koliina i trajanje
sunevog zraenja direktno utiu na temperaturu vazduha i povrine u
razmatranoj oblasti)
2. udaljenost od velikih vodenih povrina i reljef (prisustvo velikih planinskih
masiva) ove karakteristike utiu na procese formiranja padavina u zadatom
kvadrantu i ujedno diktiraju klimu kvadranta
3. pokrivenost zemljita vegetacijom, procenat urbanizovanog i golog zemljita
4. prisustvo manjih vodenih povrina, otvorenih i zatvorenih tokova, dubinu
vodnog horizonta, fizike i hemijske karakteristike vode
5. populaciju demografsku strukturu i antropogene aktivnosti
6. specifina kretanja vazdunih masa (vetrovi) i sezonalitet padavina.
Kako kod fenomena sue ne postoji voda u tenoj fazi u oekivanoj meri, moramo
sagledati fiziku sue i odrediti procese u Zemaljskom sistemu koji je opisuju. Inicijalna
kapisla nastanka sue je smanjena koliina vlage u atmosferi pri odreenoj temperaturi,
koja dovodi do intenziviranja procesa razmene vode izmeu povrine litosfere i
atmosfere u vidu isparavanja i transpiracije i zadravanja vode u gasnoj fazi. Uzroci
odstupanja koji dovode do inicijalnog odstupanja reima formiranja padavina u
atmosferi u oekivanom periodu nisu jo sasvim jasni, ali se pretpostavlja da su u sprezi
sa povrinskom temperaturom mora i okeana i koliinom snenog pokrivaa,
vazdunim strujanjima koja transportuju vazduh sever-jug / jugsever, zatim sezonskim
varijacijama u koliini sunevog zraenja (srednje, umerene klimatske zone
okarakterisane su velikom varijabilnou dolaznog sunevog zraenja tokom godine;
izraen je sezonalitet, gde tokom leta su temperature visoke to pogoduje razvoju sue).
Promene koje se tokom godine deavaju na globalnim i srednjim razmerama utiu na
reim cirkulacija u atmosferi i dinamino smenjuju suvo i vlano vreme i premetaju
centre cirkulacije, odnosno vremenskih sistema visokog vazdunog pritiska
(anticikloni) koji su povezani sa suvim vremenom, i niskog vazdunog pritiska koji
pogoduju vlanom vremenu. Za Severnu Ameriku i Evropu, jedan od najeih
uzronika sue su atmosferske blokade. Blokada je okarakterisana istrajnim
stacionarnim anticiklonom (cirkulacija oko centra visokog pritiska), koji skree sa
putanje manje vremenske sisteme i ciklone koji donose vlano vreme i kiu. Na
globalnim i mezo razmerma moemo usvojiti da je sua inicirana kretanjima
atmosferskih cirkulacija i vremenskim uslovima koji utiu na smanjenje koliine
padavina i/ili poveanje evapotranspiracije u regiji. Pored globalnih procesa koji je
uslovljavaju sua je indukovana i brojnim lokalnim interakcijama atmosfere i zemljine
povrine, koje omoguavaju njen razvoj i odranje. Moemo uoiti da prilikom
formiranja uslova koji pogoduju sui nastaje povratna sprega koja pogoduje ojaanju i
odranju sue. Usled isuivanja povrine litosfere dolazi do poveanja albeda i pojaava
se njegov efekat na apsorpciju zraenja od strane povrine biosfere i litosfere, ije se
karakteristike menjaju u sunim uslovima. Pojaano upijanje zraenja, pospeuje
isparavanje i transpiraciju i utie na dalja smanjenja vodenih povrina i biljne mase to
u krajnjoj instanci dovodi do kontinualnog smanjenja isparavanja i transpiracije nad
suom pogoenom povrinom, poveanja nezasienosti atmosfere i intenziviranja sue
(Anderson et al., 2006).
Iako uloga zemljita nije primarna u nastanku sue ono utie na njeno trajanje i
intenzitet. Usled stanja zemljita moe doi do zadravanja i izuzimanja vode iz
hidrolokog ciklusa to utie na reim formiranja padavina. Tip, pred stanje i uloga
zemljita kao i biljni pokriva utiu na genezu sue i njen intenzitet. Nastala povratna
28

sprega utie na zakanjenja i kretanja kroz hidroloki ciklus. Da bi se sprega odrala

mora se poklopiti sa lokalnom kombinacijom promena u advektivnim kretanjima
atmosfere i sposobnosti lokalnih sistema da recikliraju odnosno da isparenu vodu
zadre, transformiu i u vidu padavina vrate u istu regiju. Mnogobrojne povratne sprege
koje pogoduju nastanku i razvoju sue ilustrativno su prikazane na slici 2.8.

Slika 2.8 Formiranje povratne sprege u toku sue

Definisani procesi jo uvek nam obuhvataju preveliki domen za istraivanje. Da bismo

dokuili zato dolazi do deficita vode i nastanka sue u osmatranom kvadrantu, i
smanjili domen istraivanja fokusirali smo se na procese koji utiu na vodnu bilansnu
jednainu kvadranta (slika 2.9) .

29

Slika 2.9 Razmatramo granine uslove, konvektivnu razmenu vode u kvadrantu i advektivno
kretanje vode unutar kvadranta.

Svaka bilansna jednaina mora biti definisana za odreeno t i odreenu sredinu.

Usvajamo za t jedan kalendarski mesec i definisaemo kao jedininu zapreminu eliju
povrine 200x200km i visine 10km. Potpuno odreivanje domena podrazumeva i
ograniavanje na fizike procese iz Zemaljskih podsistema koji direktno utiu na
koliinu raspoloive vode u razmatranoj eliji (slika 2.10).
U idealnoj situaciji mogli bismo definisati sve lanove bilansne jednaine na zadatoj
rezoluciji. No u stvarnosti hidrometeoroloki sistem je sloen, a mi poznajemo samo
letimino onaj njegov deo koji moemo opisati mernim ili opaenim veliinama. U cilju
identifikacije tih fizikih veliina i njihovih varijabli razmatramo procese koji diktiraju
stanje i koliinu vode u osmatranoj zapremini. Za zadatu jedininu zapreminu postoji
neko oekivano stanje vodnih resursa, ukljuujui tu i raspoloivu vodu u atmosferi za
formiranje padavina. Dinamika hidrolokog ciklusa odreena je kompleksnim odnosom
dolazne energije i potranje za vodom, odnosno ostvarenja uslova za formiranje
padavina. Najintenzivnija razmena je u atmosferi, zatim slede povrinske vode (okeani,
mora, reke, jezera, bare, movare itd.) i kopno, biosfera i ljudska delatnost. Uslovljenost
dogaaja u Zemaljskom sistemu interaktivnim procesima dovodi do toga da je
atmosfera, kao transporter vodene pare, u najveoj meri odreuje pojavu sue u
osmatranom kvadrantu. Vodena para u atmosferi usled promene pritiska i temperature
menja svoje agregatno stanje, pri emu se formiraju oblaci i padavine. Meutim, ne
pree sva kondenzovana i sublimirana vodena para u padavine. Vei procenat nastavi
da putuje kroz prostranstvo atmosfere neprestano menjajui svoje stanje usled
razliitih uslova i odnosa temperature i pritiska, kao i usled interakcije sa sunevim
zraenjem i hemijskim primesama u vazduhu. Odnos temperature i pritiska diktira
stabilnost i cirkulaciju atmosfere. Ne izluivanje atmosferskih padavina u oblasti dui
period vremena uzrokuje pad nivoa povrinskih i podzemnih voda, odnosno nedostatak
raspoloive vode za uobiajene procese unutar elije. Slika 2.11 ukazuje na povezanost
30

svih vodnih resursa u prostoru i vremenu. Sa slike moemo uoiti spregu pojaavanja
efekta sue ukoliko iz sistema izostavimo atmosferske padavine. Vremenska razmera
kree se od konstantne (na primer, neprekidne povezanosti, proces isparavanja) do
viegodinjeg reima (proces obnavljanja podzemnih resursa). Moemo uoiti da neki
oekivani razmak izmeu vlanih perioda, odnosno perioda padavina je nedelju dana.
Kako vreme zadravanja vode u pojedinim delovima ciklusa varira i sa geografskom
irinom i duinom, odnosno na njega u velikom meri utiu reljef i blizina mora i okeana.
U unutranjosti kontinenata, zbog vremena neophodnog da se vodena para transportuje
unutar kontinenta ovaj period pauze moe biti dui, i srazmerno udaljenou od velikih
vodenih povrina, i obrnuto srazmerno udaljenou od ekvatora ova pauza moe rasti i
do mesenog ili vie mesenog nivoa. Usled varijacije dolaznog zraenja tokom sezona i
menjanja intenziteta isparavanja sa velikih vodenih povrina, kao i razliite raspodele
kopna i mora.
Slika 2.10 Sa celokupnog Zemaljskog sistema smanjujemo domen na jedininu eliju koja se kree

kroz vreme u vremenskom koraku od jednog kalendarskog meseca.

Prostorna i vremenska razmera sue u mnogome zavisi i od antropogenih dejstava

unutar pogoene regije, odnosno od potranje za vodom u momentu kad se uoi njena
nestaica. Korienje prirodnih resursa za antropogene procese u velikoj meri remeti
ciklus kruenja vode. Konzumiranje, zarobljavanje vode u procesima, premetanje sa
jednog kraja na drugi, stvaranje vetakih jezera i akumulacija, remeti prirodne procese
koji diktiraju formiranje vremena. Te stoga prostorno kretanje sue, nije uzrokovano
samo hidrometeorolokim parametrima, ve i antropogenim uticajima (urbanizacijom,
kultivisanjem zemljita, isuivanjem movara i bara za potrebe saobraajne
infrastrukture, menjanje oblika i tipa obala, korienje podzemnih i povrinskih resursa
za vodosnabdevanje itd.). No ono to je veoma bitno za formiranje uslova pogodnih sui
je vremenska skala, koja podrazumeva da je brzina gubitaka vea nego brzina
nadopunjavanja. Procesi isparavanja, povrinskog oticanja, konzumiranje vode u
antropogene svrhe, bri su i dinaminiji od procesa infiltracije i nadopunjavanja vode u
zemljitu i podzemlju. Ovo je veoma bitno, jer se u velikom broju drava, pa i kod nas
vodosnabdevanje vri iz podzemnih voda ime se ta voda dodaje u sistem bez da se
adekvatna koliina vraa u podzemlje. Velike koliine vode se vekovima zarobljavaju i u
proizvodnji, naroito odee, graevinarstvu i ugrauju se u materijale bez efekta
povratka. Demografski uticaj ljudske populacije na vodne resurse je kompleksan i
akumulativan. Da bi se ljudski faktor mogao proceniti prvo je neophodno poznavati sve
faktore ljudskog delovanja koji utiu na kreiranje stanja pogodno sui.

31

Slika 2.11 Prikaz raspodele vode i meusobne prostorne povezanost i vremenske razmere
zadravanja vode u odreenim delovima ciklusa.

2.5.1 Bilansna jednaina

Da bismo bili to precizniji u definisanju veliina u bilansnoj jednaini koje dovoljno
dobro i blisko opisuju opisane procese podeliemo bilansnu jednainu na nivou po
dinamici deavanja procesa i primarnosti u generisanju, odnosno potronji vode iz elije
(slika 2.12).
Ako zamislimo Zemaljski sistem kao ravan infinitesimalne visine podeljenu na konaan
broj zapremina, svaka zapremina ima u sebi odreenu koliinu vode. Kada se za neko t
ta voda transportuje kroz sistem u svakom trenutku vremena ne menja se ukupna
koliina vode u sistemu. Drugim reima ukupna voda u Zemaljskom sistemu je uvek
konstantna i sa promenom vremena jedinine zapremine promenie zapremine vode u
sebi ne menjajui ukupan iznos. Za razliku od opte bilansne jednaine Zemaljskog
Sistema gde ulazi moraju biti jednaki izlazima i gde nema akumulacije usled zakona o
konzervaciji mase (slika 2.13), kada je re o elijama odnosno pod sistemskim
jedininim zapreminama, u njima moe da postoji konstantna zapremina vode i moe
imati odreeni stepen akumulirane promene koja moe biti pozitivna ili negativna,
odnosno postoji varijabilnost koliine vode u kvadrantu u t. Sa odreenom
verovatnoom svaka jedinina zapremina sistema e u jednom momentu doi u isto
vrsto, teno ili gasovito stanje. Presek jedinine zapremine moe biti razliite
strukture. Verovatnoa zauzimanja jednog, drugog ili treeg stanja zavisi od poloaja
jedinine elije u Zemaljskoj mrei (slika 2.14). Verovatnoa da se voda nae u jednom
od tri agregatna stanja. zavisi od uslova sredine, prvenstveno temperature i pritiska.
Obe veliine prvenstveno zavise od koliine dolazne Suneve energije, te u skladu sa tim
na odreenim geografskim irinama e biti razliita zastupljenost stanja vode usled
razliite koliine Sunevog zraenja koje dospeva. Odnosno bie vea (manja)
verovatnoa pronalaenja vode u onom stanju kome pogoduju (ne pogoduju) klimatski
32

uslovi oblasti (slika 2.15). Za svaki red jedininih elija vai druga raspodela
verovatnoa zastupljenosti stanja u eliji. Od interesa za suu su sva ona stanja elije gde
je raspoloiva voda ispod potrebnog nivoa za procese koji se odvijaju u eliji. Potreban
nivo u jedininoj eliji odreujemo na osnovu oekivanog ili normalnog nivoa na kom
elija funkcionie bez problema.

Slika 2.12 Nivoi jednaine zavise od dinamike procesa i vremenske rezolucije njihovog razvoja. NIVO
0 ATMOSFERA; NIVO 1 HIDROSFERA; NIVO 2 LITOSFERA; NIVO 3 BIOSFERA; NIVO 4 LJUDSKA
DELATNOST; DINAMIKA PROCESA predstavlja vreme za koje moemo da uoimo promene u sistemu.

Slika 2.13 Prikaz promene koliine vode u elijama Zemaljskog sistema u jedinici vremena.

Slika 2.14 Presek jedinine zapremine.

Normalni nivoi definisani su statistiki na nivou od trideset godina. Postoje dve

neodreenosti u ovakvom pristupu:
33

1. Da li je uzeti uzorak od 30 godina reprezentativan?

2. Da li su dobijeni normalni uslovi ujedno i ono to je dovoljno za predviene
procese u eliji?
Prvu neodreenost moemo prihvatiti sa obrazloenjem da je odabrani uzorak
reprezentativan za zadatu zapreminu iz razloga to u sebi manifestuje sve promene koje
su se manifestovale pre tog perioda i u toku perioda (klimatske, hidroloke, populacione
itd.). Drugu neodreenost reavamo time to jedinine elije koje pri normalnim
uslovima nemaju dovoljno raspoloive vode zovemo aridnima i dalje ih osmatramo kao i
sve ostale zapremine, samo to je za njih neki deficit normalan. Deficit se moe javiti u
svakoj zapremini, no nije svaki deficit sua. Stoga je neophodno odrediti pragove
deficita od znaaja za jedinine zapremine. Kad imamo definisanu zapreminu,
prevaziene neodreenosti i odreene normalne nivoe, treba jo da odredimo fizike
veliine i varijable koje ih odreuju, od znaaja za opisivanje procesa koji pogoduju sui.
Kreemo od postavke bilansne jednaine elije po nivoima. Promenljiva nam je koliina
vode u tenom stanju koja se u kvadrantu manifestuje kroz padavine i vodu u
povrinskim i podzemnim rezervoarima, zatim vodu u zemljitu (kapilarna voda i
vodena para), voda na biljkama i u biljnoj masi. Voda u vidu vodene pare u atmosferi
nije nam dostupna i korisna te u bilansnoj jednaini predstavlja gubitak. Uzimajui u
obzir izneseno izraz za bilansnu jednainu dobija sledei oblik za kvadrant:
t+t

nivo 0: AV0 (t + t) = AV0 (t) + S t

(2.31)

(P(t) ET(t))dt

1: 1 ( + ) = 1 () +

2: 2 ( + ) = 2 () +

(() )

(2.32)

(() )

(2.33)
+

3: () ( + ) = () +

()

(2.34)

nivo 4:() . (2.35)

Slika 2.15 Verovatnoa da se voda nae u jednom od tri agregatna stanja.

34

Na nivou 4 voda koja se koristi moe predstavljati direktnu potronju kinice, upotrebu
povrinskih voda i korienje podzemnih voda. Na nivou 4 nemamo drugih priliva osim
to se deo upotrebljene vode vrati u vidu otpadnih voda. Stoga komponente 4. nivoa
predstavljaju gubitak i imaju negativni predznak osim vode vraene kroz preradu ili
direktno isputanje otpadnih voda. Iako zapreminski otpadne vode doprinose ukupnoj
koliine vode njihov kvalitet degradira recipijent i indirektno utie na smanjenje
raspoloive vode. Ovaj lan da bi se iskazao kao gubitak neophodno ga je transponovati
u koliinu vode koju moramo dodati recipijentu da bi zadrao prethodni status. Ta
koliina vode koju bi figurativno morali dodati predstavlja efektivni gubitak po ivotnu
sredinu. Jednaina 4tog nivoa bi tada imala oblik:
+

4: () 4 ( + ) =
3 () + ())

(0 ()+1 () + 2 () +

(2.36)

lanovi bilansne jednaine redom predstavljaju: - akumuliranu vodu za k-ti nivo. P

visina padavina na meteorolokoj stanici, ET evapotranspiracija na meteorolokoj
stanici, Q proticaj na profilu, - normalni proticaj na profilu, , H visina podzemnih
voda, S osmotrena (pripadajua) povrina, BM biljna masa, potronja
akumulirane vode za ljudske potrebe po nivou i POV potrebna voda za preiavanje
otpadnih voda ili dovoenje resursa na nivo kvaliteta pre isputene otpadne vode.
Suno stanje definiemo veliinom deficita vode u sistemu. Razmatrajui meteorologiju
pretpostavljamo da vrednosti odreenih varijabli vode ka odreenom pre definisanom
stanju. Na tome mi zasnivamo hipotezu da ako beleimo odreenu vrednost deficita u
sistemu e se razviti sua. Naravno da ovakve pretpostavke sa sobom nose
neodreenosti, no mi pretpostavljamo da su odreene karakteristike sistema konstante
ili dovoljno bliske nekoj konstantnoj vrednosti (promena u vremenu je dovoljno mala da
ih moemo zanemariti na odreenim vremenskim skalama kao to su prirodne
hidrogeoloke promene i antropogene promene u razvoju izgradnja puteva i
saobraajnica, korienje vode koja ostaje zarobljena u materijalima, odnosno koliina
vode koju ovek trajno izvlai iz hidrolokog ciklusa) i pratimo dinamiku onih varijabli
koje moemo instrumentalno meriti kontinualno u vremenu (temperatura, padavine,
vetar, pritisak, vlanost zemljita, vodostaj na rekama, potronja vode na
vodosnabdevanje). Vrednosti varijabli koje su nam od znaaja, ali njihova neodreenost
je velika, kao to je npr koliina vode koja je neophodna za proizvodnju biljne mase; u
odreenim vremenskim periodima moemo zanemariti (zima, kasna jesen) dok u
prolee i leto moemo aproksimirati procentualnim ueem biljnih vrsta i predvienim
potrebama za njihov rast. Realno mi ne baratamo istinskom komponentom biljne
produkcije ali uzimamo u obzir njen znaajan udeo. Takoe, vrednosti varijabli koje smo
osmotrili imaju ogranien prostorni uticaj. Merenja vrednosti varijabli su takasta a mi
ih ekstrapoliramo na iri prostor. To znai da postoji nesigurnost i neodreenost u
vrednosti varijabli koje mi uzimamo apriori. Drugim reima, mi pretpostavljamo da je
kia pala na stanici Rimski anevi u Novom Sadu homogeno rasporeena na celu
povrinu optine Novi Sad. Takoe pretpostavljamo da je polje temperature homogeno,
iako postoje u prirodi znatna odstupanja u temperaturi centra grada i periferije.
Veliinu povrine nam odreuje rezolucija klimatskog modela; u sluaju prognoze;
odnosno pripadajua povrina stanicu, u sluaju korienja merenih podataka za
proraun indikatora sue. Za rano upozorenje nije neophodno da u potpunosti
savladamo dinamiku bilansne jednaine na svim nivoima, ve da odredimo prag kada 0
ti nivo ulazi u deficit koji indukuje siguran razvoj/pojavu sue. Identifikovanje uticaja
35

deficita na ostale nivoe upotpunjuje proces praenja prostorno-vremenskog razvoja

sue.
Varijable koje osmatramo i merimo i efektivno definiu vremensko stanje koje pogoduje
sui na nultom nivou su:
1.
Padavine: predstavljaju osnovni ulaz ili dobitak u eliji i mogu se manifestovati u
visini pale kie po jedinici povrine u jedinici vremena. Najee se odnose na pojavu
kie i varijable koje je odreuju su: visina (mm), trajanje (h), intenzitet (mm/h). Drugi
vid padavina koje pratimo su led i sneg, gde led odreujemo preko veliine/ teine
ledene kugle koja je pala i proraunom moemo to pretvoriti u zapreminu pale vode, uz
pretpostavku da se sav led otopi i pree u teno stanje, bez gubitaka u vidu isparavanja i
sublimaciju u tom periodu vremena. Led nema neki znaajni uticaj na ukupni bilans kao
padavina, meutim topljenje lednika i leda koji je nastao u toku zime imaju znaajan
uticaj u hidrolokom reimu. Njihov uticaj je mnogo vei na primarnom i sekundarnom
nivou bilansne jednaine jer uticaju na povrinski, bazni i direktni oticaj povrinskih
voda i na dopunjavanje podzemnih izdani. Trei vid padavina koji znaajno moe da
utie na hidroloki reim i na pojavu sue su snene padavine. Snene padavine, kao i
led, imaju odloeno dejstvo na hidroloki budet u eliji, i to se sporije otapaju to vie
vode ostaje unutar elije usled procesa infiltracije i punjenja akumulacija (jezera, bara,
movara itd.) i podzemnih izdani. Bre otapanje snenih padavina ili nedostatak snenih
padavina pogoduju nastanku sue u kasnijim periodima vremena u odnosu kad su se
padavine desile ili se otapaju.
2.
Evapotranspiracija:
sloena veliina koja je indukovana istovremenim
delovanjem vie faktora i promenljivih (merenih varijabli). Sama evapotranspiracija se
moe indirektno meriti ili pak proraunati preko varijabli koje je uzrokuju kao to su
vetar, temperatura i vlanost vazduha.
Celu bilansnu jednainu moemo aproksimovati INDIKATOROM STANJA.
Indikatori stanja definiu da li je sistem u normali, suficitu ili deficitu i koliko su uoena
odstupanja ozbiljna. Na osnovu indikatora stanja moemo zakljuiti da li nam je sistem
u opasnosti od sue ili poplave. Indikatori stanja pogodni su za uoavanje oba
hidroloka hazarda. Zbog vremenske rezolucije geneze hazarda indikatori stanja se u
praksi najvie koriste i definiu kao indikatori sue. Indikatori sue objedinjuju u sebi
klimatoloke i hidroloke parametre koji su relevantni za definisanje sue (
temperatura, padavine, vetar, Sunevo zraenje, evapotranspiracija). U velikom broju
sluajeva neophodno je baratati dugim nizovima merenih podataka da bi se moglo
predvideti budue stanje vremena. Meutim terenska merenja su esto oskudna i
vremenski nizovi su nepotpuni. Usled toga generisan je minimialistiki pristup razvoja
indikatora koji koriste minimalan broj parametara.
Indikatori sue, u najveem broju sluajeva, ne sadre informaciju o stvarnoj koliini
deficita, volumenu vode koja nedostaje u sistemu, ali klasifikuju deficit i prate razvoj
sue kroz nivoe. Preciznost i sveobuhvatnost indikatora ogleda se u njegovoj
sposobnosti da zastupa odreen broj nivoa bilansne jednaine. Idealan indikator sue
trebalo bi da je u stanju da opie sve fizike karakteristike sue, kao to su: njen
intenzitet, odnosno magnituda, ozbiljnost, trajanje i prostorna rasprostranjenost,
verovatnoa ponovne pojave (povratni period), kao i vreme poetka i kraja sue (slika
2.16) (Yevjevich, 1967; Sam Lake, 2011).

36

Slika 2.16 Karakteristike sue koje moraju biti obuhvaene indeksom sue.

Intenzitet sue se odnosi na prosean deficit (odnos ozbiljnosti i trajanja sue) i mera
je deficita u oekivanim padavinama odnosno proticaju tokom sue. Fiziki deficit
oticaja na profilu govori nam o kumulativnom deficitu padavina uzvodno od profila, a ne
o samom deficitu padavina na profilu, moe se desiti kanjenje deficita padavina u
odnosu na deficit proticaja. Ukoliko na profilima nemamo deficite u padavinama, ali
nam se javljaju deficiti u proticajima, za otvorene rene tokove gde stepen
evapotranspiracije ne moe uzrokovati uoeni deficit, prostorno to nam znai da je sua
nastala uzvodno i da se iri hidroloki na nizvodne profile. U tom sluaju uzronik,
odnosno poetak sue nije na samom osmatranom profilu(ima) ve je rezultujua sua
samo prostorno irenje sue veeg intenziteta sa uzvodnih profila. Ukoliko prvo na slivu
kontinualno po osmatranim profilima uoavamo deficite padavina, a deficiti oticaja su
uoljivi tek na najniem profilu, prostorno to nam znai da sua nastaje u osmatranoj
regiji, a uzrokovana je kontinualnim deficitom padavina koje utiu na formiranje oticaja.
Stoga je neophodno praenje obe promenljive istovremeno na celom slivu da bi smo
mogli ispratiti prostorno mesto nastanka i intenzitet sue. Indikatori sue ukazuju na
njen intenzitet u odnosu na pragove vlanosti sistema. Indikatori sue imaju uniformnu
podelu odreivanja intenziteta sue, ne kategoriui je ni u jedan tip. (Tipizacija sue
bitna je samo u segmentu sagledavanja njenih posledica i uoavanja pogoenih sektora,
i vie je vezana za menadment i politiku odnosno socijalno delovanje nego za samu
fiziku procesa razvoja sue.)
Trajanje sue odnosi se na duinu vremena izmeu poetka i kraja sue, koji se
odreuju u odnosu na pragove. Trajanje je strogo u korelaciji sa ozbiljnou i u
zavisnosti od indikatora potrebno je 2-3 meseca da bi se sua ustanovila.
Ozbiljnost se odnosi na kumulativni deficit padavina ili proticaja.
Prostorna rasprostranjenost se odnosi na povrinu obuhvaeni suom i njenim
uticajem.
Tok razvoja sue zavisi od polaznog stanja sistema. Primetno je da ukoliko sistem nije
bio pod stresom registrovaemo blagu suu u sluaju nedostatka padavina, no ako
padavine koje dou ne nadoknade gubitak, isti uslovi u sledeem koraku dovode do
poveanja intenziteta sue jer se deficit akumulira. Pored obuhvatanja svih
karakteristika sue, za indikator je neophodne da uzima u obzir i klimatske promene,
koje se deavaju paralelno sa suom. U tu svrhu neophodno je da iskazuju sezonalitet i
trend. Sezonalitet i trend su pod viestrukim uticajem, te izmeu ostalog i klimatskih
promena. Klimatske promene utiu i na periodinost sue. Periodinost sue i
37

sezonalitet mogu i ne moraju biti u korelaciji. Sezonski sua se moe javiti u svakom
godinjem dobu, mada su najee letnje sue. Periodinost sue vezana je za razmak
izmeu dve sue i trajanje svake pojedinano. Periodinost ne pravi razliku izmeu sua
po sezonama, dok se sezonski sue veoma razlikuju (zimska i letnja sua imaju razliite
korene i tok). Sua moe biti periodina sa promenljivim intenzitetom. U harmoninom
sistemu sezonalitet i periodinost se poklapaju. Pri odreivanju fizikih karakteristika
moramo napraviti razliku izmeu dva naina pojave i razvoja sue. Sua moe da se
razvija sezonski i nad sezonski. Korelacija izmeu ova dva tipa sue ne mora postojati.
iziki to znai da na kraim vremenskim intervalima moemo imati sezonsko
pojavljivanje sue (deficite padavina ili proticaja), periodinog karaktera, a da nam se
dugorono gledano ne remeti sistem. Drugim reima sistem se posle svake sezone vraa
u normalu i nadoknauje gubitke. Kod razvoja nad sezonske sue, ne moraju se uopte
javiti suni periodi velikog intenziteta unutar sezona, no sezonski moemo uoiti
opadanje maksimuma, to nakon nekoliko sezona moe rezultirati suom u toku vodne
sezone. Periodinost sue vezana je za razmak izmeu dve sue i trajanje svake
pojedinano. Periodinost ne pravi razliku izmeu sua po sezonama, dok se sezonski
sue veoma razlikuju (zimska i letnja sua imaju razliite korene i tok). Sua moe biti
periodina sa promenljivim intenzitetom. U harmoninom sistemu sezonalitet i
periodinost se poklapaju. Da bi se zadovoljio zahtev da indikator fiziki
predstavlja suu neophodno je da je u skladu sa pragovima sue za izabrane
parametre sue. Indeksi sue su pogodan alat za otkrivanje, praenje i evaluaciju
sunih dogaaja. Indikatori sue asimiliraju u svoje proraune hiljade bita podataka o
padavinama, snenom prekrivau, renom proticaju i drugim pokazateljima potronje
vode u razumljivu veliku sliku. Vrednost indeksa sue je tipino izraena brojem, to je
mnogo korisnije od sirovih podataka pri procesu donoenja odluka. Veliki broj planera
vodosnabdevanja nalazi za korisno da konsultuje jedan ili dva indeksa pre donoenja
odluke. Indikator sue mora biti pogodan pored dijagnostikovanja i za prognozu
sue. Prognoza sue je kritina komponenta u kontroli rizika, pripremljenosti na suu i
redukciji posledica sue. Jedan od glavnih problema i nedostataka u pokuajima
redukcije posledica sue je nemogunost tanog predvianja uslova sue mesecima ili
godinama unapred. Problem se javlja usled velike prostorno vremenske varijabilnosti i
meusobne uslovljenosti hidro - meteorolokih promenljivih povezanih sa sve veim
intenziviranjem hidrolokog ciklusa. Osobine koje indikator mora da poseduje za
prognozu su: osetljivost na promenu reima padavina i dugorona tanost, odnosno
tanost dua od vremenskog trajanja vremenskih sistema koji utiu na formiranje
vremenskih uslova.
2.5.2 IPCC scenariji
Prema izvetaju Meuvladinog panela o klimatskim promenama (IPCC, 2013) klimatske
promene su vidne i osetljive i rezultuju poveanom uestalou ekstremnih vremenskih
dogaaja (IPCC, 2013). Kako projekcije klimatskih promena u mnogome zavise od
budui ljudskih aktivnosti razliiti scenariji testirani su na klimatskim modelima. Postoji
veliki broj razliitih scenarija, gde svaki predpostavlja razliite ljudske aktivnosti i
emisiju gasova staklene baste. Za svaki scenario napravljene su predpostavke o
buduem tehnolokom razvoju, kao i ekonomskom i socijalnom napretku drutva.
Veina scearija predvia poveanje upotrebe fosilnih goriva, no neke verzije B1
scenarija predviaju smanjene koliine upotrebljenih fosilnih goriva do 2100 u odnosu
na 1990. (IPCC SRES, 2000). Svi scenariji organizovani su u familije. Scenariji
odraavaju buduu koncentraciju CO2 u atmosferi
38

Za potrebe istraivanja i utvrivanja uticaja klimatskih promena na uestalost pojave

sue u Vojvodini odabrane su tri familije scenarija po IPCC-ju (IPCC Working Group III,
2000).
A1. Familija scenarija A1 opisuje budui svet kao svet vrlo brzog ekonomskog razvoja,
sa globalnim stanovnitvom koje dostie vrhunac polovinom veka a posle toga opada, i
sa brzim uvoenjem novih i efikasnijih tehnologija. Glavne istaknute teme su
konvergencija izmeu regiona, izgradnja kapaciteta i poveane kulturne i socijalne
interakcije, sa sutinskim smanjenjem regionalnih razlika u prihodu po stanovniku.
Familija scenarija A1 razvija se u tri grupe koje opisuju alternativne pravce tehnoloke
promene u energetskom sistemu. Tri grupe iz A1 razlikuju se po svojim tehnolokim
karakteristikama: intenzivno korienje fosilnih goriva (A1F1), ne-fosilnim izvorima
energije (A1T) ili izbalansiranom korienju svih izvora (A1B) (gde se izbalansiranost
definie tako to se ne bazira ni na jednom odreenom izvoru, ve na pretpostavci da se
slino poboljanje primenjuje na sve isporuke energije i krajnje korienje tehnologija).
A2. Familija scenarija A2 opisuje veoma heterogen svet. Sutinska tema je
samopouzdanje i ouvanje lokalnih identiteta. Modeli nataliteta kroz regione veoma
sporo konvergiraju to rezultira u stalno rastuoj populaciji. Ekonomski razvoj je
primarno regionalno orijentisan a ekonomski rast i tehnoloka promena po stanovniku
menjaju se fragmentiranije i sporije nego kod drugih familija scenarija.
B1. Familija scenarija B1 opisuje konvergentan svet sa istom globalnom populacijom
koja dostie vrhunac sredinom veka a zatim opada, kao i kod familije A1, ali sa brzom
promenom u ekonomskoj strukturi u pravcu uslune i informacione ekonomije, uz
smanjenje materijalnog intenziteta i uz uvoenje istih i efikasnih tehnologija sa aspekta
resursa. Naglasak je na globalnim reenjima za ekonomsku, socijalnu i ekoloku
odrivost, ukljuujui poboljanu jednakost , ali bez dodatnih klimatskih inicijativa.
Po jedan ilustrativni scenario izabran je za svaki od tri od ukupno est scenarija A1B, A2
i B1. Svaki od njih treba smatrati podjednakim. SRES scenariji ne ukljuuju dodatne
klimatske inicijative, to znai da ni jedan scenario nije ukljuen koji eksplicitno
pretpostavlja implementaciju Okvirne konvencije Ujedinjenih nacija o promeni klime
(UNFCCC) ili emisione ciljeve Kjoto Protokola.
Simulacije odabranih scenarija uraene su u GCM ECHAM5 klimatolokom modelu.
ECHAM5 GCM numeriki klimatoloki model zasniva se na korienju fizikih jednaina
koje realno opisuju vezu izmeu varijabli.
2.5.3 Metoda generisanja podataka pomou generalnog atmosferskog cirkulacionog
modela ECHAM5
Za prognozu sue neophodni su prvenstveno provereni ulazni podaci. Korienjem
indikatora svodimo broj ulaznih podataka na minimum. No indikatori sami po sebi nisu
prognostiki te je jedan od naina prognoze korienje podataka koji su izlaz iz
numerikih prognostikih modela. Peta generacija atmosferskog cirkulacionog modela
(ECHAM5) razvijena je na Max Planck Institutu za Meteorologiju (MPIM). ECHAM5 je
jedna od najnovijih verzija u seriji ECHAM modela baziranih na spektralnom modelu
vremenske prognoze evropskog centra za srednjoronu vremensku prognozu
(European Centre for Medium Range Weather Forecasts) (Simmons et al., 1989).
Detaljan opis modela moe se nai u izvetaju br. 349, objavljenom od strane Max Plank
instituta (Roeckner et al., 2003). Model je koriten za generisanje podataka o
padavinama na osnovu International Panel for Climate Change - IPCC scenarija. Ovako
generisani podaci omoguavaju proraun indikatora sue i daju njihove prognostike
vrednosti.
39

2.6 Modelovanje sue

2.6.1 Modelovanje sue po analogiji sa procesom suenja vazduhom
Najblii fiziki proces sui je proces konvektivnog suenja gde je nosilac potrebne
energije za isparavanje vlage istovremeno gasoviti medijum koji struji oko podloge i
prihvata vlagu. U sluaju sue agens za suenje je nezasieni vazduh. Sua moe da
traje dugorono ili kratkorono. Kada se vlaga uklanja iz nekog materijala, odnosno sa
neke povrine, dovoenjem toplote, koje je praeno isparavanjem vode, re je o
termikom suenju. Ako se kao nosilac potrebne energije za isparavanje vlage i
istovremeno medijum koji prihvata vlagu, koristi nezasien vazduh koji struji oko ili nad
povrinom materijala, za takvo termiko suenje se koristi termin konvektivno suenje
(Valent, 2001; Paunovi, 2010). Fiziki ovaj process je najblii opisu procesa koji se
deavaju u sunim uslovima. U jedininoj eliji dolazi do poveanja temperature i
dolaska nesaturisanog vazduha to pospeuje isparavanje. Istovremeno nemamo
nadoknaivanja deficita, odnosno u prirodi dolazi do poremeaja reima padavina i
nastanka deficita u padavinama. U prvom momentu isparavanje ne mora ni biti nita
vee od normalnog, sam deficit u padavinama indukuje razvoj sui pogodnih uslova.
Poveani deficit vlage u zapremini, intenzivira dalje isparavanje, koje je jo podrano
raspoloivom veom koliinom sunevog zraenja (usled smanjene oblanosti zbog
nedostatka padavina), kretanjem i konvektivnim meanjem vazduha (vazduh uz
povrinu se bre zagreva i poto je laki on ide gore, dok gornji, vlagom nezasien
vazduh se sputa blie povrini 90% vlage u vazduhu nalazi se u prvih 6 km
atmosfere, dovoenje nezasienog vazduha blie povrine dodatno se pospeuje
isparavanje. Gledano bilansno usled deficita padavina i pojaanog isparavanja sa svih
povrina i materijala evapotranspiracije jednaina 2.31
+

0: 0 ( + ) = 0 () +

(() ())

(2.37)

ulazi u negativan bilans. Drugim reima ukoliko razmatramo kao sistem prostor u kome
je raspoloiva i dostupna tena voda u tom momentu je izlaz iz sistema u vidu
evapotranspiracije vei od ulaza u sistem u vidu padavina. Pretpostavljamo na ovom
nivou da sistem ne dobija vee koliine vode iz tranzitnih povrinskih vodnih resursa
(nema dovoenja dodatne koliine vode sistemu). Odranje sui pogodnih uslova
praeno je advektivnim kretanjem vazduha, odnosno odnoenjem vlagom zasienog
vazduha i dovoenje novog nezasienog vazduha. U prirodnim uslovima, to znai da
postoji advektivno kretanje (vetar) koji razmenjuje vazduh i odnosi van zapremine
vlagu, ili u drugom sluaju imamo pozitivnu promenu polja pritiska i dolazak
anticiklonskog polja, koje pospeuje dovoenje nezasienog vazduha sa visine i
iznoenje vlage iz zapremine. Kako suni uslovi deluju na kontaktni materijal, odnosno
podlogu, oni utiu na ravnoteni sadraj vlage u podlozi i materijalu (trava, drvee,
usevi, zemljite, urbana sredina). U prirodnim uslovima razlikujemo glavne grupe
materijala: 1) Prva grupa su otvoreni vodeni tokovi, zatim jezera, bare, movare, gde
je glavna dodirna povrina sa nezasienim vazduhom, vode, odnosno maseni udeo vlage
u materijalu je 100%. Ova grupa bi se mogla podeliti na podgrupe u zavisnosti od
sadraja sedimenata u vodi. Odnosno movare i bare mogu da se razmatraju kao
sokovi odnosno u njima postoji znaajn udeo suve mase i nije cela zapremina vodnog
tela voda koja moe da se ispari nego je taj procenat manji od 100%. 2) Druga grupa su
zemljita, gde nam je bitno stanje tla odnosno njegova saturisanost u momentu
nastanka sunih uslova. Za ovu grupu materijala moemo pratiti standardne
kategorije i njihove karakteristike. U drugu grupu ulazi samo ona povrina zemljita
40

koja nije pokrivena vegetacijom. 3) Trea grupa obuhvata biljke i kao iva bia. Dva su
generalna naina definisanja sadraja vlage u nekom materijalu. Prvi je maseni udeo
vlage i suve materije, tj. koliina vlage (kg) na 1kg suve materije:
=

(2.38)

gde su i masa prisutne vlage u materijalu i odgovarajua masa suve materije,

respektivno. X predstavlja vlanost u odnosu na suvu osnovu (engl. dry basis moisture
content). (Ovaj pristup moe biti prirodno primenjen na drugu i treu grupu materijala,
na prvu samo u zasebnim sluajevima, jer je u veini sluajeva suva masa zanemarljiva).
Drugi je maseni udeo vlage u vlanom materijalu, tj. koliina vlage (kg) na 1kg
materijala:
=

(0 < 1)

(2.39)

i naziva se vlanost u odnosu na vlanu osnovu (engl. wet basis moisture content).
2.6.2 Tradicionalni pristup modelovanja preko indikatora sue
Indikatori se najee razlikuju po meteorolokim parametrima iji odnos uzimaju u
obzir ili pak prema matematikoj metodi obrade vremenskih serija meteorolokih
parametara. Pri izboru indikatora neophodno je da je indikator relevantan za oblast u
kojoj se osmatra sua. Nisu svi indikatori sue u mogunosti da pokriju irok prostor, ili
da budu korieni na razliitim lokacijama nezavisno od klimatskih uslova, usled
njihovih ogranienja i male sposobnosti da se adaptiraju razliitim klimatskim
karakteristikama. Pored toga, osetljivost indikatora sue je od velikog znaaja ukoliko
elimo da pratimo ili prognoziramo suu. Od preko 75 poznatih indikatora sue za
studiju sluaja odabrani su Standardized Precipitation Index (SPI) i Effective Drought
Index (EDI) indikatori sue zbog svoje rasprostranjenosti korienja u svetu (Byun et al.,
2010; Cancelliere et al., 2007; World Meteorological Organization, 2012). Oba
indikatora odgovaraju minimalistikom pristupu upotrebe varijabli u svom proraunu.
SPI indeks ima niz vremenskih serija u zavisnosti od harmonizacije podataka na 1, 3, 6,
9, 12 ili 24 meseca. U disertaciji su analizirana kretanja indikatora SPI3, SPI12 i SPI24 i
njegovog agregata SPEI.
Standardized Precipitation Index (SPI)
SPI (Standardized Precipitation Index) razvijen je od strane (McKee, 1993) da
kvantifikuje deficit padavina za razliite vremenske periode. Osmiljen je kao indikator
sue, koji prepoznaje vanost vremenskog perioda u analizi raspoloivosti vode i
upotrebe vodnih resursa. Priroda SPI indeksa omoguava odreivanje (utvrivanje)
uestalosti pojave sua (odnosno vreme javljanja) ili anomalije/odstupanja u pojavi
kinih (vlanih) perioda za odreeni vremenski period, za bilo koju lokaciju na zemlji, za
koju postoje podaci o padavinama. Matematika osnova SPI indeksa zasniva se na
injenici da tipina gustina raspodele verovatnoe padavina za dati vremenski period
nije simetrina, ve vie naginje veim vrednostima padavina (naginje udesno). Vie od
pola vremenskog perioda, ukupne padavine su ispod proseka. Sa produenjem
vremenskog perioda osmatranja (24 meseca, ili 48 meseci), Katz i Glantz (1984) su
otkrili da se raspodela gustine padavina sve vie pribliava Gausovoj raspodeli. Thom
(Thom, 1966) je ustanovio da gama raspodela veoma dobro odgovara raspodeli
padavina za due vremenske periode. Gama raspodela se definie pomou funkcije
raspodele verovatnoe gustine raspodele:
41

1
gx
1 e

(2.40)

Parametri i , gama funkcije verovatnoe gustine raspodele, su izraunati za svaki

vremenski period od tri i est meseci. Thom (1966) je koristio metodu maksimalne
verodostojnosti za odreivanje parametara i :

gde je:

1
4A
1 1

4A
3
x

(2.41)

A ln x

ln x
n

(2.42)
a n je broj osmotrenih padavina. Rezultujui parametri se koriste za dalje izraunavanje
kumulativne verovatnoe dogaaja (jedne osmotrene kie) za dati mesec i vremenski
period za sliv etvrtog reda. Kumulativna verovatnoa data je jednainom:
x

Gx gx dx
0

1 x 1
x e dx

(2.43)

ako uvedemo smenu t=x/ jednaina postaje nepotpuna gama funkcija:

G x

t
0

1 t

e dt

(2.44)

Kako gama funkcija nije definisana za vrednosti x=0, a raspodela padavina sadri 0
vrednosti, kumulativna verovatnoa postaje:
H x q 1 q G x

(2.45)

gde je q verovatnoa za vrednost 0. Ukoliko je m broj 0 vrednosti u vremenskoj seriji,

Thom (1966) procenjuje q preko odnosa m/n. Kumulativna verovatnoa, H(x), se
transformie u standardnu normalnu sluajnu promenljivu Z, srednje vrednosti 0 i
varijanse 1. Z predstavlja vrednosti SPI indeksa. Abramovi i Stegun (1964) predloili
su jednostavan nain za izraunavanje SPI indeksa korienjem aproksimacija.
Transformacijom kumulativne verovatnoe u standardnu normalnu sluajnu
promenljivu Z dobija se:

c 0 c 1t c 2 t 2

Z SPI t
2
3
1 d1t d 2 t d 3 t

c 0 c 1t c 2 t 2

Z SPI t
2
3
1 d1t d 2 t d 3 t

za 0 H x 0.5
za 0.5 H x 1.0

(2.46)
Vrednosti konstanti i promenljive t odreene sledeom matematikom analizom
(Abramowitz et all., 1964):
c 0 2,515517

t ln
2
H x

za 0 H x 0,5

c1 0,802853

t ln
2
1 H x

za 0,5 H x 1,0

d 1 1,432788

c 2 0,010328
d 2 0,189269
d 3 0,001308

42

(2.47)

SPI indeks predstavlja broj standardnih devijacija iznad ili ispod srednje vrednosti.
Tokom osnovnog perioda za koji su procenjeni gama parametri, SPI e imati standardnu
normalnu raspodelu sa oekivanom vrednou 0 i varijansom 1. Anomalije, odnosno
odstupanja moraju biti normalizovana i u vremenu i u prostoru ukoliko elimo da
dobijemo relevantnu procenu sue. SPI postie oboje. Bez obzira na lokaciju i duinu
vremenskog perioda SPI predstavlja kumulativnu verovatnou u odnosu na osnovni
period za koji su proraunati gama parametri. Od 1993 godine, izvreno je vie
klasifikacija vlanih i sunih perioda. Po McKee-ju (McKee et al., 1993), sua u
vremenskom periodu x se definie kao period u kome je vrednost SPI kontinualno
negativna i SPI uzima vrednost -1 i manje. Sua poinje kada vrednost SPI prvi put
padne ispod nule i zavrava se kada vrednosti SPI postanu pozitivne. Kategorije su
zasnovane na 5%, 10% i 21% verovatnoe pojave sue odreenog intenziteta. Ove
kategorije su i osnova Amerikih mesenih nacionalnih SPI mapa, tabela 2.5:
Tabela 2.5 Vrednosti SPI indeksa po kategorijama sue

Kategorija
Ekstremno vlano
Veoma vlano
Umereno vlano
Normalno
Umereno suvo
Jaka sua
Ekstremna sua

vrednosti SPI
>+2
od 1,50 do 1,99
od 1,00 do 1,49
od 0,99 do -0,99
od -1,0 do -1,49
od -1,5 do -1,99
< -2

U svom radu (Goci and Trajkovi, 2014), istiu znaaj uvoenja uticaja
evapotranspiracije u proraun indikatora sue na primeru WSVI. SPEI (Vicente-Serrano
et all, 2010) na mesto padavina u proraunu koristi razliku izmeu padavina i
evapotranspiracije. Matematika prorauna SPEI ista je kao i SPI. Uvoenje
evapotranspiracije predstavljalo je unapreenje SPI indeksa.
Effective Drought Index (EDI) i Available water resources index (AWRI)
Byun i Wilhite (1999) uveli su novi koncept u proraun indikatora sue u cilju reavanja
i umanjenja nedostataka do tada poznatih indeksa i poboljanja monitoringa sue.
Effective Drought Index (EDI) je indeks sue pomou kojeg se moe tanije odrediti
poetak i kraj klimatoloke sue. EDI je funkcija padavina potrebnih da se sistem vrati u
normalu odnosno da se oporavi od akumuliranog deficita od poetka sue. Za razliku od
ostalih indikatora, EDI se u svojoj originalnoj formi rauna na osnovu dnevnih vrednosti
padavina. Padavine koje se koriste pri proraunu EDI indeksa predstavljaju odstupanje
dnevnih efektivnih padavina od srednje vrednosti. EDI se moe izraunati i pomou
mesenih i na osnovu dnevnih meteorolokih podataka to mu omoguava iru
primenu. EDI je prikladan za korienje jer je nezavisan od klimatskih karakteristika
lokacije i kao takav moe se porediti po svim geografskim irinama i duinama i koristiti
kao globalni indikator. Kao i kod SPI vrednosti EDI indeksa su standardizovane, to
omoguava poreenje intenziteta sue na razliitim lokacijama bez obzira na klimatske
razlike meu njima. Skala EDI indeksa je ista kao i kod SPI indeksa (tabela 2.6), stoga su
ova dva indikatora pogodna za meusobno poreenje (Smakhtin and Hughes, 2004).
Prvi korak u proraunu EDI indeksa je proraun efektivnih padavina (EP). Efektivne
padavine se dobijaju preko ukupnih padavina kada se od njih odbije gubitak tokom
43

vremena, koji moe da bude posledica infiltracije u zemljite, zadravanja na vegetaciji

(intercepcije) i stvarnog isparavanja. Usled nedostatka terenskih merenja obino je
neophodno primeniti neki od matematikih modela da bi se izraunali ovi gubici.
Byun i Wilhite (Byun and Wilhite, 1999) su ustanovili da proraun EP najbolje opisuje
formula:
= =1[(=1 )/]

(2.48)

jer je oticaj najvei neposredno posle kie.

Jednaina (2.48) je izvedena iz koncepta da se padavine od m dana pre osmatranog
dana, dodaju ukupnoj vrednosti vodnih resursa kao srednja vrednost za period od m
dana. Drugim reima ukoliko osmatramo period od mesec dana, vrednost svakog
meseca bie jednaka sumi dnevnih padavina (Pm) za taj mesec podeljenoj sa brojem
dana u mesecu (n), gde je m dan u mesecu. Vrednost i predstavlja ukupnu duinu
perioda sumiranja izraenu u danima.
Tabela 2.6 Vrednosti EDI indeksa po kategorijama sue

Kategorija
Ekstremno vlano
Veoma vlano
Umereno vlano
Normalno
Umereno suvo
Jaka sua
Ekstremna sua

Vrednosti EDI
>+2
od 1,50 do 1,99
od 1,00 do 1,49
od 0,99 do -0,99
od -1,0 do -1,49
od -1,5 do -1,99
< -2

Nakon izraunavanja mesenih efektivnih padavina pristupa se proraunu razliitih

karakteristika merne stanice vezanih za padavine, koje su od znaaja za proraun.
Karakteristike svakog indeksa u proraunu EDI indeksa dati su u tabeli 2.7. Poto EDI
raunamo na mesenom nivou, za srednju vrednost padavina raunamo godinju
srednju vrednost od 12 meseci u nizu od 30 godina dobijamo normalnu vrednost EP
(MEP). Dalji korak je raunanje odstupanja EP od normale (DEP) :
DEP=EP-MEP

(2.49)

i vrednosti EDI indeksa:

EDI=DEP/ST(DEP)

(2.50)

gde je ST (DEP) standardna devijacija od DEP.

Upotreba EDI indeksa objanjena je u nekoliko studija o sui sprovedenih u Koreji
(Byun and Lee, 2002; Kang and Byun, 2004; Kim and Byun, 2006; Morid et al., 2006).
EDI je operativan u Korejskom hidrometeorolokom zavodu i koristi se na dnevnoj bazi.
Vrednost EDI indeksa izraavaju standardizovanu vrednost deficita ili suficita koliine
uskladitene vode. EDI omoguava poreenje ozbiljnosti sue na razliitim lokacijama
nezavisno od klimatskih uslova. Kao ni SPI ni EDI nije zavisan od orografskih
karakteristika regije jer iskljuivo zavisi od padavina.
Available water resources index (AWRI) indeks predstavlja agregat indeksa sue EDI i
proraunava se paralelno sa EDI indeksom. AWRI se rauna iz vrednosti akumuliranih
padavina u koji je uzet u obzir deficit vode (povrinski oticaj, evapotranspiracija,
infiltracija) i trajanje akumuliranja. Akumulirane padavine raunaju se preko formule:
44


=
=1 (=1

(2.51)

gde je dnevne padavine od m dana, N je pomona promenljiva, a je reprezentativna

vrednost vodnih resursa akumuliranih za D dana.
Tabela 2.7 Opis varijabli ukljuenih u proraun EDI indeksa Izvor: (Byun and Lee, 2002).

Naziv

Nain prorauna

Pojednostavljeno znaenje

EP

Jednaina (2.48)

Ukazuje na koliinu
raspoloive/uskladitene vode

MEP

normala za EP proraunava se kao

30 godinja srednja vrednost EP za Klimatoloki srednjak koliine vode
svaki dan/ mesec

DEP

Odstupanje MEP od EP

Deficit/viak koliine vode od srednje

vrednosti

SEP

DEP podeljen sa jednom

standardnom devijacijom od EP

Standardizovani deficit koliine vode od

srednje vrednosti

AVG

Srednja vrednost

Srednja vrednost padavina

Akumulirane padavine izraunate u (2.45) konvertuju se u AWRI:

(2.52)

=
1

(2.53)

= (
=1 )

gde se za D uzima vrednost 12 (jer radimo na mesenom nivou te se rauna za 12

meseci). Velike vrednosti AWRI ukazuju na veliku koliinu raspoloive vode, a male
vrednosti ukazuju na njen deficit.
2.6.3 Indeks efikasnosti suenja vazduhom / Index of Drying Efficency of Air IDEA
Indeks efikasnoti suenja vazduhom predstavlja kapacitet vazduha da apsorbuje vodu iz
sistema, gde je mera sue postignut deficit (WD), odnosno uklonjena koliina vlage iz
sistema. IDEA u svojoj osnovi ima analogiju potencijalnoj evapotranspiraciji, sa
razlikom to umesto da se fokusira na povrinu koja isparava, ona opisuje
karakter vazduha koji uzrokuje proces isparavanja sa povrine koju dodiruje:
(2.54)

U disertaciji odstupamo od generalne definicije sue i usvajamo da sua predstavlja

jedan jedinstven dogaaj koji odraava sposobnost vazduha da apsorbuje i iznese
vodu iz sistema i da se kao takav dogaaj moe manifestovati na vodne resurse,
koliinu raspoloive vode za potrebe biljaka, pri emu je poetak definisan
stanjem atmosfere koje uzrokuje deficit padavina, pogoduje poveanom
isparavanju i konzumiranju vode iz sistema. IDEA indeks otuda moe da se definie
kao indeks klimatoloke sue ukoliko razmatramo tradicionalni pristup definiciji sue, u
suprotnom u odnosu na predloenu definiciju, IDEA predstavlja odnos ulaza i izlaza na
atmosferskom nivou i definie fiziko stanje sistema, odnosno koliinu vlage koju sistem
moe da izgubi u datim uslovima. Osnovne hipoteze za proraun IDEA su sledee:

45

Prva pretpostavka je da svaka taka u kojoj se odreuje mora da ima poznatu oekivanu
(normalnu) koliinu padavina i podatke o stvarnim izmerenim padavinama za traeni
vremenski period. Pored toga ukljuuje u sebe i isparavanje, odnosno on sam
predstavlja koliinu vode koja se izvue iz sistema putem procesa suenja materijala.
Polazna osnova IDEA indeksa je bilansna jednaina odakle dobijamo:
=

0+1+2++4

(2.55)

gde je SS stanje sistema, a AV0, AV1, AV2 su akumulacija vode na atmosferskom,

povrinskom i podzemnom nivou, respektivno, BM je voda neophodna za proizvodnju
odgovarajue koliine biljne mase i PAV4 je akumulirana potronja iz svih resursa od
strane ljudskih aktivnosti, NU predstavlja normalne uslove u datom vremenu, odnosno
ono to oekujemo kao koliinu raspoloive vode. U daljem razvoju razmatramo prirodu
svakog lana i njegovu veliinu u dt jedan dan. Veliina AV2 nam je zbog vremenskog
razmera procesa u podzemlju zanemarljiva i moemo je iskljuiti iz jednaine. Od
ukupne koliine vode uzete od strane biljaka 95% se vrati u atmosferu putem
transpiracije, stoga sam lan BM moemo zanemariti jer iznosi svega 5% od ukupne
vode koju biljke uzmu, a ostalo se u jednaini javlja kroz evapotranspiraciju (Steduto, et
al., 2009). Veliina PAV4 se svodi na vodosnabdevanje, no moemo rei da voda koja se
uzme za vodosnabdevanje vraa se u znatnoj meri u vidu otpadnih voda, te iz tog
razloga moemo rei da se ta promenljiva moe zanemariti. Povrinske vode zavise od
uzlaznog i izlaznog profila. Razlika ulaza i izlaza je esto zanemariva, ako uzmemo sve
vodotoke u obzir, odnosno na dnevnom nivou ne postoji znaajna prirodna akumulacija
vode u vodotocima koja potie od same vode u vodotoku, a nije rezultat padavina, koje u
sluaju sue nedostaju. Ostaju nam lanovi AV0 i NU. lan NU, odnosno koliina vode
koja je u normalnim uslovima na raspolaganju, odnosno zadrana, akumuliranja u
sistemu, svodi se na koliinu vode koja na osmatranu teritoriju dospe padavinama,
pored tog lana idealni NU sadrao bi i koliinu vode akumuliranu u jezerima,
akumulacijama, inundacijama, koja je u normalnim uslovima na raspolaganju. Sa druge
strane lan AV0 je prilino lako aproksimirati razlikom P-E. Kad bismo svakog dana
raunali promene ponaosob, na mesenom ili godinjem nivou bi se javila jako velika
greka zbog zanemarivanja malih promena na dnevnom nivou koje imaju kumulativno
dejstvo. Logikim zakljuivanjem, zanemarili smo dt od jednog dana, i usvojili dt od 1
kalendarskog meseca za proraun bilansne jednaine i procentualnog deficita vode u
odnosu na normalne uslove (oekivane uslove). Reavanje bilansne jednaine na
mesenom nivou je kompleksan problem, no izdvojio se jedan lan koji iterativno deluje
na sve ostale lanove. To je deficit atmosferske vlage padavina. Na mesenom nivou
efekat deficita padavina i sprega koja nastaje u tom sluaju sa evapotranspiracijom,
utie na ponaanje svih ostalih lanova. Deficit padavina utie na prehranjivanje
podzemnih voda i zemljita i sputanje nivoa vodenog fronta. Time se direktno utie na
razvojni ciklus biljke koja koristi tu vodu, odnosno osim izmene stanja zemljita, sama
atmosfera koja je nezasiena utie na izvlaenje vlage iz biljaka i zemljita, odnosno sa
vodene povrine, kao to je objanjeno analogijom sa tehnikom suenja vazduhom.
Otuda se izdvaja element jednaine:

Veliina

(2.56)

u sluaju kada je < predstavlja deficit padavina, odnosno odstupanje

mesenih padavina od normale to pogoduje sui. Fiziki to je onaj deo vlage koji ini da
vazduh povue vlagu iz okoline umesto da je donira. To vai u sluaju da su T i p iznad
46

normale i da je nezasienost vazduha vea, to je najei uzrok izostanka padavina, ne

postojanje uslova kondenzacije i njihovog formiranja. lan ukazuje na iterativni

efekat deficita i na gubitak vode iz sistema putem evapotranspiracije

(2.57)

= +

i to je on vei vea je i sposobnost vazduha da poremeti termodinamiku ravnoteu

izmeu vlanog materijala (povrine) i vazduha nad njom.
Da bismo mogli odrediti sposobnost vazduha pri odreenim uslovima da apsorbuje
vodu iz sistema, prvo kreemo od opte prihvaene aproksimacije da se zemljina
atmosfera ponaa kao idealan gas (Pidwirny, 2006; Rendall, 2013; Duxbury, 2012;
Andrews, 2010). Usvajamo da se fizika sue moe aproksimirati procesom suenja
vazduhom u idealnoj sunici, gde se za idealnu suilicu pretpostavlja da se sva toplota
dovedena vazduhu koristi samo za isparavanje, tj. da je promena stanja vazduha u
kontaktu sa materijalom adijabatska ne menja se njegova entalpija. Tako je utroena
toplota za suenje u idealnoj sunici tano jednaka razlici entalpija izlaznog i ulaznog
vazduha. Utroak toplote u realnoj sunici dobijamo kada na toplotu koja bi bila
utroena da je ona idealna dodamo toplotu utroenu za zagrevanje materijala koji se
sui, transportne opreme, zidova sunice, kao i gubitke toplote u okolinu (Valent, 2001,
Pavlov et all., 1979) to u sluaju aproksimacije koju vrimo je zanemarljivo jer se radi o
jako velikom prostoru koji predstavlja sunicu. I poslednje, ali ne manje bitno,
razmatramo procese neophodne za ostvarivanje transporta vlage u vazduh. Za ovaj
proces neophodno je osmatrati stanje termodinamike ravnotee. Termodinamika
ravnotea izmeu vlanog materijala i okolnog vazduha je uspostavljena ako:
su temperature materijala i vazduha meusobno jednake (termika ravnotea),
nema ni upijanja ni odavanja vlage (difuziona ravnotea).
Ravnoteni sadraj vlage u nekom materijalu zavisi od:
njegove sposobnosti da upija vlagu higroskopnosti,
temperature i pritiska vazduha,
relativne vlanosti vazduha, definisane kao kolinik parcijalnog pritiska vlage
u vazduhu i napona pare vode na datoj temperaturi.
Kao vlaan materijal u naem sluaju posmatramo povrinu zemljita, rastinje, urbane
objekte i vodene povrine.
U sluaju tenog medijuma kao to su reke, jezera, bare, movare, pod pretpostavkom
da se ponaaju kao termodinamiki idealan rastvor, odnos ravnotenih koncentracija
vode u vazduhu i u medijumu opisan je Raulovim zakonom:

()

(2.58)

gde su T i p temperatura i pritisak vazduha, molski udeo vode u materijalu,

molski udeo vodene pare u vazduhu. Ekstenzivne veliine stanja se prevode u
intenzivne, tako to se raunaju po kg suvog vazduha. Takav izbor osnove prorauna za
ekstenzivna svojstva je pogodan jer olakava materijalne bilanse (Paunovi, 2010). Pri
sui vazduh tei zasienju. Mera zasienja vazduha vlagom, jeste vlanost vazduha. Ako
je vazduh zasien vlagom, u pitanju je vlanost zasienog vazduha, 0 . U zasienom
vazduhu (r=100%), parcijalni pritisak vodene pare tano je jednak naponu pare na
temperaturi vazduha. Tako se za vlanost zasienog vazduha iz 2.13 dobija:
()

(2.59)

()

47

Iz 2.13, 2.14 i 2.53 dobijamo vlanost u funkciji od temperature vazduha i njegove

relativne vlanosti:
()

(, ) = ()

(2.60)

Kako IDEA predstavlja ukupnu koliinu uklonjene vode iz sistema, uklonjenu koliinu
vlage dobijamo mnoenjem masenog protoka suvog vazduha u datom mesecu sa
srednjom mesenom vlanou vazduha:
=

(2.61)

Pri emu smo prethodno odredili maseni protok suvog vazduha, deljenjem
kumulativnog deficita za osmatrani mesec (m3/s) sa zapreminom vlanog vazduha, koja
na datim uslovima sadri 1kg suvog vazduha (humid volume, m3/kg):
=

(2.62)

Zapreminu vazduha po kg suvog vazduha humid volume (zapremina vlanog vazduha

koja sadri 1kg suvog vazduha) raunamo iz jednaine idealnog gasnog stanja:
=

( ())

(2.63)

Kljunu ulogu u funkcionalnosti IDEA-e igra uvoenje u proraun kumulativnog deficita

F, koji time u IDEA-ju inkorporira i padavine kao bitan faktor u formiranju uslova koji
pogoduju sui.
2.6.4 Postojei algoritmi za procenu indikatora sue
U praksi istraivanja i monitoring sue i usled razvoja velikog broja indikatora sue,
moemo uoiti veliku potrebu za procenom i klasifikacijom indikatora. Veliki broj
istraivanja (Jain et al., 2015; Eshgahabad et al., 2014; Hao and AghaKouchak, 2013;
Smakhtin and Huges, 2004; Agwata, 2014; Bayarjargal et al., 2006; Nauman et al., 2014;
Gosling et al., 2012; Zargar et al., 2011; Brown and Matlock, 2011; Byun and Kim, 2010;
Mishra et al., 2010; Niemeyer, 2008; Guttman, 1998; Rao and Voeller, 1996) za svoj
glavni fokus ima pregled i poreenje dva ili vie indikatora sue. Metodologije su
meusobno razliite i ne postoji standardizovani pristup. Veina istraivanja svodi se na
nabrajanje i opis karakteristika svakog indikatora sue ponaosob, najee korienjem
grafikog prikaza (Hao and AghaKouchak, 2013; Agwata, 2014; Gosling et al., 2012;
Zargar et al., 2011; Brown and Matlock, 2011; Byun and Kim, 2010; Mishra et al., 2010;
Niemeyer, 2008; Guttman, 1998; Rao and Voeller, 1996). Studije ostavljaju slobodu
samom itaocu da oceni korisnost indikatora. U skorije vreme (Jain et al., 2015;
Eshgahabad et al., 2014; Smakhtin and Huges, 2004; Bayarjargal et al., 2006; Nauman et
al., 2014; Tigkas et all, 2015) uoena je potreba za preciznijim dokumentovanjem
procesa poreenja, pri emu se veina autora slae o dve glavne take:
1) indikatore sue treba porediti sa istorijskim suama,
2) neophodno je sprovesti korelacionu analizu.
Iako se autori slau u generalnom pristupu, sutinski nema standardizacije u metodama
odreivanja istorijskih sua, pripremi podataka i nisu odreene mere validnosti
indeksa. Umesto korelacione analize sa meteorolokim parametrima, vri se meusobna
korelaciona analiza. Najdetaljnije metode poreenja indikatora sue dali su Jain et al.,
(2015) i Smakhtin and Huges, (2004). Smakhtin and Huges, (2004) su otili korak dalje i
dizajnirali softver SPATSIM primenjiv na teritoriji Azije. Ogranienje softvera je to se
samo bazira na indikatorima sue orijentisanim prema padavinama i ne postoji
48

konkretna analiza samih indikatora, no korisniku je otvorena mogunost da uradi

proraun svih dostupnih indikatora ( SPI, EDI, Decili i odstupanje od srednje vrednosti i
medijane) i uradi analizu samostalno. Korisniku je omoguena fleksibilnost i promena
vremenskog koraka prorauna datih indikatora sue. Softver ima veliku praktinu
vrednost, ali ne prua mogunost standardizovanog poreenja rezultata i validaciju
samih indeksa po nekom standardu. Jain et al. (2015) sproveli su istraivanje najblie
predloenom algoritmu analize indikatora sue u disertaciji. Istraivanja su sprovoena
paralelno i nezavisno. Istraivanja su saglasna u sledeim koracima:
1. Izbor i proraun indikatora sue,
2. Poreenje indikatora sue sa istorijskim dogaajima,
3. Meusobno poreenje indikatora u odnosu na prepoznate sune dogaaje.
Istraivanje sprovedeno od strane Jain et al. (2015) odnosilo se samo na indikatore koji
su funkcijski zavisni iskljuivo od padavina. Iako su uraene istorijske vremenske serije
u radu nije prezentovana metodologija prorauna ili odreivanja istorijskih sua, niti je
izneta injenica da li postoji relevantna baza istorijskih sua za osmatrano podruje.
Izvrena je komparativna analiza indikatora sua proraunom matrice korelacije.
Pirsonov koeficijent korelacije pokazuje u kojoj su meri promene vrednosti jedne
varijable povezane s promenama vrednosti druge varijable. Predznak koeficijenta
korelacije (+ ili ) govori nam o smeru povezanosti. Prilikom izraunavanja korelacije
najee se greke odnose na uslove za izraunavanje korelacije, tumaenje koeficijenta
i znaajnost korelacije, visoke koeficijente korelacije, pretpostavljanje uzronoposledine veze, jainu povezanosti (koeficijent determinacije), te poreenje dva
koeficijenta korelacije (Udovii et all, 2007). Uzimajui ovo u obzir, matematiki i
fiziki gledano mere korelacije izmeu samih indikatora sue nisu dovoljni pokazatelji
validnosti indikatora sue. Za odreivanje istorijskih sunih perioda korieni su sami
indikatori koje ujedno i procenjujemo. Za razliku od Jain et al. (2015), disertacijom
predloena metodologija predvia uvoenje markera u odnosu na koje poredimo sve
indikatore sue, nezavisno od metode njihovog prorauna i broja parametara od kojih
su funkcijski zavisni. Pored toga predloena metodologija daje jasan uvid u odreivanje
istorijskih sua, i oslanja se na javno deklamovane i medijski izvetavane sune
dogaaje. Osnovna struktura predloene metodologije predvia detaljniji i svrsishodniji
pristup proceni indikatora u odnosu na fiziku same sue.
Koraci metodologije za procenu indikatora sue predloene u doktoratu:
1) Priprema podataka
2) Izbor i proraun indikatora sue
3) Odreivanje arhive istorijskih dogaaja sue
4) Dodeljivanje teinskih faktora
5) Poreenje vrednosti indikatora sue sa istorijskim dogaajima
6) Korelativna analiza indikatora sue sa meteorolokim parametrima od znaaja za
formiranje sue
7) Korelativna i poredbena analiza odabranih indikatora
8) Testiranje prognostike moi indikatora
Predloena metodologija je u skladu sa uoenim potrebama za procenu indikatora. Da bi
istraivanja meusobno bila uporediva neophodno je uvesti standardne procedure i
metode komparacije i procene indikatora sue, to predloena metodologija i nudi.

49

3. Metodologija za procenu indikatora sue MEPIS

3.1 Teorijske osnove
Metodologija je dizajniran proces koji obuhvata metode i tehnike kao sredstva, to je
sistemska, teoretska analiza metoda primenjenih na problem. Ona se odnosi na nain na
koji emo sistematino sticati znanje o neemu i obuhvata koncepte kao to su
paradigma, teoretski model, faze i tehnike (kvalitativne i/ili kvantitativne). Jedinstvenom
metodologijom za procenu indikatora klimatoloke sue obezbeuje se primena istih
principa i metoda procenjivanja pri odabiru postojeih ili kreiranju novih indikatora
sue. Cilj procene indikatora jeste utvrivanje njegove koherentnosti i verodostojnosti
predstave sue u vremenu i prostoru, kao i njegovih karakteristika i sposobnosti za
upotrebu u prognozi sue. Predmet metodologije za procenu je definisanje metoda,
procesa i koraka koji e obezbediti mogunost standardizovane kategorizacije
postojeih i buduih indeksa sue i ocenjivanje njihove sposobnosti i mogunosti
korienja u prognozi sue.
Za pristup stvaranju metodologije procene indikatora klimatoloke sue primenjena je
programerska analogija. U XXI veku IT tehnologije zauzimaju sam vrh u reavanju
problema. Sam nain razmiljanja postaje programerski. Inenjerska reenja sve vie
zahtevaju modele, koji nisu fizike tvorevine, ve softverska reenja i modeli u IT
okruenju u kom moemo razmatrati razliite opcije u vrlo kratkom vremenu.
Paradigma metodologije kod programiranja jeste algoritam. Nain graenja algoritma
moe biti razliit. Prvi korak u stvaranju algoritma, a konkretno u razmatranom sluaju,
je odgovor na pitanje ta, kako i koliko dugo neto treba da radimo da bi procenili da
indikator sue koji koristimo ili razvijamo ima smisla. U duhu inenjerskog pristupa gde
je cilj dobiti linearni niz procesa koji od ulaza (problema), vode do izlaza (reenja),
nastao je algoritam za procenu indikatora klimatoloke sue. Ovakav pristup odgovara
imperativnoj metodologiji programiranja. Predmet doktorata pri tom nije programiranje
modela, ve upotrebom programerske analogije sortirati procese i metode na
programerski nain stvarajui metodologiju. Prilikom kreiranja algoritma, a uz
upotrebu konstrukcija imperativne metodologije kao to su sekvenca, grananje i ciklus,
iskoriena je mogunost korienja drugih paradigmi za kreiranje procesa unutar
samog algoritma. Korienje vie od jedne paradigme omoguava da svaku sekvencu,
grananje ili ciklus organizujemo na odgovarajui nain. Imperativna metodologija je
izabrani pristup za izgradnju metodologije za procenu indikatora sue (MEPIS). Stoga,
MEPIS je osnovi imperativna metodologija koja koristi izmeu ostalih i razdvoj i osvoji
paradigmu.
Polazna osnova je prazan orman, prosta konstrukcija ijim popunjavanjem e MEPIS
oiveti. U kasnijim poglavljima opisani su eksperimenti koji su posluili za popunjavanje
pojedinih polica u MEPIS-u. MEPIS je napravljen tako da moe menjati sadraj na
policama, ali tako da zadrava svoj karakter (slika 3.1).
Indikatori sue su sloeni, no ipak ne obuhvataju sve fizike veliine koje opisuju suu. U
fizikom prostoru sua je definisana brojnim parametrima:
= (1, 2, 3, 4, 5,.., )

(3.1)

gde 1, 2, 3, 4, 5,.., , redom mogu biti temperatura vazduha na 2m, vazduni pritisak,
relativna vlanost vazduha, vetar, visina padavina, intenzitet padavina,
evapotranspiracija, GPS koordinate, stanje tla (vlaga u tlu), vrsta tla, visina podzemnih
voda, visina povrinskih voda, proticaj, sezona (leto, zima, jesen, prolee), datum,
50

urbana ili ruralna sredina, broj stanovnika, potrebe za vodom i pritisak na prirodne
resurse. Ni jedan od indikatora sue ne obuhvata sve parametre koji definiu suu u
faznom prostoru. Cilj je prepoznati onaj jedan dovoljno dobar indikator koji e se
najvie pribliiti realnom stanju.
ULAZ

Linearni niz procesa koji zahtevaju da

je prethodni ispunjen/izvren da bi
smo preli na sledei

ISPITAJ INDEX
Niz zakljuaka i predloga dobijenih na
osnovu analize
IZLAZ
Slika 3.1 Osnovna konstrukcija MEPIS-a.

U literaturi sua se, kao to je ve napomenuto, deli na klase. No, ta ako se radi o jednoj
pojavi iji se uticaj vremenom iri, a ne o vie ne povezanih dogaaja? Da li onda klase
sue moemo posmatrati kao stepene njenog intenziteta, odnosno kao mere uticaja posledice? Takoe, postavlja se pitanje, kako predvideti tok pojave, ako nisu definisani
svi poetni uslovi. Sua je, najee, odreena po svojoj manifestaciji, pri emu
osmatramo neki ogranieni lokalitet (podaci sa odreene meteoroloke stanice). U toku
posmatranja moe doi do delovanja spoljnjeg faktora (ljudskog) koji remeti
manifestaciju pojave, gde onda nemamo informaciju niti saznanje da li se isti uticaj
proirio i kako je delovao van tog osmatranog domena. Otvorena su i pitanja, koliko
moemo u sluaju sue, takasta merenja ekstrapolirati na povrinu; kako reiti
preklapanje uticaja i postaviti granice i domene stanica; razreiti pitanje uticaja
geomorfolokih karakteristika, kao i klimatskih i geomorfolokih promena. Adekvatan
indikator sue trebao bi svojim ponaanjem da obuhvati svako od ovih pitanja i u sebi
da sadri reenje.
3.2 Teorija ORMANA
Teorija ORMANA predstavlja opis procesa nastanka metodologije za procenu
indikatora klimatoloke sue. Teorija kree od aksioma da sve to nam treba ili nam
moe zatrebati ve postoji te da treba samo razliite inioce dovesti u odgovarajuu
relaciju.
Postavljena teorija nastala je modifikovanjem naina kojim svakodnevno reavamo
probleme. Polazimo od injenica da je bitno da znamo kako stvari rade, i druga ne manje
bitno, ali esto vrlo zanemareno pitanje je koliko dugo stvari ili procesi treba da su u
funkciji.
Iz praktinog ivota ukoliko krenemo da reavamo problem ta da obuemo, otvorimo
orman i razmotrimo svoje opcije. Na orman bie napunjen onom odeom za koju
pretpostavljamo da e nam trebati; zatim onom odeom koja nam se dopada te
predviamo situacije u kojima bi nam mogla biti od koristi; i esto gomilom odee koja
ne sortirano lei poluiskoriena i/ili nepotrebna ili vie nije od znaaja. Kako sistem
51

ormana moemo preslikati na proces prognoze sue ili proces procene indikatora za
prognozu sue?
Polazimo od situacije u kojoj smo i za koju treba da se obuemo. Treba razmotriti ime
raspolaemo i da li smo predvideli trenutnu situaciju za koju traimo odgovarajuu
kombinaciju. Drugim reima, ukoliko je na orman algoritam (metodologija) za
procenu indikatora sue to znai da prvo moramo razumeti ta to procenjujemo. Kad
odgovorimo na to pitanje i formuliemo ta je to indikator sue, pristupamo problemu
vezanom za pitanje sa im raspolaemo. Ono to je osnovna gradivna struktura svih
indikatora sua jesu podaci koji su nam neophodni da bi proraunali indikatore. Da bi
znali imamo li neophodne podatke za traeni indikator neophodno je prvo da
posedujemo bazu ili arhivu podataka. Arhiva podataka je nezavisna struktura, i to je u
naem ormanu osnovna polica sa podacima; ukoliko na toj polici nema onoga to
traimo znai da traeni indikator nije od znaaja za dalje poreenje. Indikator za koji se
ne poseduju podaci neophodni za njegov proraun postavlja se kao opcioni. Bitno je koji
i kakvi podaci su u njoj i kako se skladite.
Pretpostavimo da arhiva poseduje sve podatke od znaaja za modelovanje sue,
odnosno sve podatke od kojih se na bilo koji nain moe izraunati/dobiti bilo koji
indikator sue, jer je to ono to teorija ORMANA pretpostavlja, da imamo sve
neophodno. Zadovoljivi uslov da smo se opremili svim podacima, preuzimamo sledee
korake u procesu procene. Sledee probleme treba reavati paralelno sa korienjem
ormana:
1. Podatke dobro i pregledno organizovati po sekcijama. Sekcije, npr. arhiva
podataka, organizuju se u skladu sa poetnim znanjima. Konkretno, sekcije mogu
biti definisane po dogaajima (svaka sua zasebna sekcija) ili po grupi odevnih
predmeta (praenje iskljuivo inilaca koji su pod uticajem i/ili uzrokuju suu, ne
delei ih i ne kategoriui ih po nekom specifinom dogaaju, npr. temperatura,
padavine, pritisak).
2. Konstantno auriranje sekcije, obuhvata reavanje nepotrebnog, oteenog i
dodavanje novog u skladu sa okolnostima i protokom vremena. Konkretan
problem koji se moe javiti pri organizaciji arhive (baze podataka) je da ako bazu
podataka organizujemo na osnovu meteoroloke stanice vremenom moe doi
do gaenja neke od stanica, promene metoda rada na toj stanici i sl. Ovim i
ovakvim promenama utie se na samu strukturu, a time i kvalitet podataka.
Ovakvi problemi ne mogu biti reeni jednom ve zahtevaju kontinualno praenje
i auriranje sistema i procesa pod njihovim uticajem.
Kako bi reili ove probleme, a u skladu sa programerskom paradigmom razdvoj i
osvoji, organizovane su za poetak tri nezavisne arhive, koje se koriste u procesu
procene indikatora, i ujedno se sa vremenom mogu relativno jednostavno aurirati i
odravati:
1. arhiva merenih i osmotrenih podataka koje dobijamo iz sistema monitoringa
(WMO, RHMZ) u Vojvodini, kao izabranoj oblasti za istraivanje, nedostupnost ili
pak nepostojanje osmotrenih i izmerenih podataka u duem periodu vremena
vri restrikciju meu indeksima sue, te je ovakva arhiva od velikog znaaja jer
moe u velikoj meri odrediti regionalnost ili mogunost globalne primene nekog
indikatora,
2. arhiva istorijski zabeleenih sua (pri emu arhiva sadri u fizikom prostoru
definisane koordinate svake sue),
3. arhiva repernih indikatora sue na osnovu kojih kontinualno moemo pratiti
deavanja u vremenu.
52

Teorija ORMANA predvia kontinualno auriranje svih podataka neophodnih za

funkcionisanje algoritma. Meutim, ona ne definie nain kako, ali indukuje potrebu da
postoji vremensko ogranienje upotrebljivosti odreenih podataka i ujedno da ne
moemo na samom poetku predvideti sve dogaaje ve moramo osposobiti algoritam
da se adaptira vremenom novim uslovima. Teorija ORMANA insistira da se
konstantno sagledava celokupna slika (ceo algoritam) a da ujedno postoji mogunost
fokusa na pojedinani problem (zoom in /zoom out).
Paradigme kreiranja MEPIS-a
Proces nastanka MEPIS-a je analogan programiranju. Ovakav pristup omoguava lako
transformisanje metodologije u potencijalni softver. U skladu sa tim koriene su i
programske paradigme. Programska paradigma odreuje stil programiranja.
Paradigma je metod dizajniranja algoritma, generalni pristup konstrukciji efikasnog
reenja zadatog problema. Programska paradigma odreuje pogled koji programer ima
nad programom i njegovim izvravanjem. Algoritam MEPIS-a koristi se multiparadigmskim pristupom. Imperativno sagledan problem procene indikatora sue,
sistematino je podeljen na faze, i dalje pratei sutinu imperativne metodologije da
nema vraanja unutar glavnog stabla. U skladu sa razdvoj i osvoji paradigmom dobili
smo slobodu da svaku fazu sekvencijalno razdvojimo, zahtevajui da svaka sekvenca
bude zadovoljena pre nego se pree na drugu, a ujedno u istom koraku podelili smo
problem procene indikatora na pot-probleme koje je tehniki mogue reiti u datom
koraku. Reavanje pojedinih koraka zasniva se na funkcionalnoj paradigmi.
Imperativno programiranje je programska paradigma koja opisuje raunanje kao
izraze koji menjaju stanje programa. Kao to se u govornom jeziku zapovedni nain (ili
imperativ) koristi za izraavanje naredbi, tako se imperativni programi mogu
posmatrati kao niz naredbi koje raunar treba izvriti. Proceduralno programiranje je
esta metoda izvravanja imperativnog programiranja, te se ova dva termina esto
koriste kao sinonimi. Imperativni model (Dave and Dave, 2008) omoguava praenje i
opis stanja unutar samog modela. Pri programiranju to posmatramo kao mogunost
uvida u promenu svake promenljive tokom njihovog prorauna. Kod imperativnog
modela u programiranju koriste se komande ili instrukcije da bi se izvrila eljena
promena. Stoga, koncept promenljive kod imperativnog modela, je da se vrednost koja
se moe promeniti pomou odgovarajue komande odnosi na kvantitet. Imperativni
model koristi konstrukcije strukturnog programiranja (slika 3.2). Kod ovih programskih
struktura bitno je da postoji samo jedan ulaz (start) i samo jedan izlaz (exit). Osnovni
deskriptivni blok programa je imperativni blok koji komanduje procesoru da uradi
neto. A najjednostavnija kontrolna struktura je sekvenca (slika 3.2a).

Slika 3.2 Dijagrami osnovnih kontrolnih struktura imperativne metodologije:: a) sekvenca, b)

granjanje i c) ciklus.

53

U matematici i programiranju paradigma razdvoj i osvoji je paradigma dizajniranja

algoritama koja koristi jednostavan proces podele problema na pot-probleme do te
mere dok pot-problemi nisu dovoljno jednostavni da budu reeni. Pot-problemi se
reavaju direktno ili rekurzivno i na kraju se reenja pot-problema kombinuju da bi se
dobilo reenje glavnog problema. Prednost korienja paradigme razdvoj i osvoji lei
u mogunosti reavanja sloenih problema, pomae u otkrivanju efikasnih algoritama,
koji su kasnije podobni za softverski inenjering. Mana ovog pristupa je to nam se esto
moe desiti da podelom dobijemo manje delove koji su veoma slini po svojoj prirodi ali
nemaju jedno isto niti zajedniko reenje. U tom sluaju moemo se koristiti istom
metodom reavanja problema iz slinih kategorija, ali moramo biti sigurni u razdvajanje
njihovih reenja da pri analizi rezultata i njihovoj sintezi u konano reenje ne bi dolo
do greke. Funkcionalno programiranje je programska paradigma, nain izgradnje
strukture i elemenata programa, koji tretira proraun kao evaluaciju matematikih
funkcija i izbegava promenu stanja i promenljivost podataka. To je deklarativna
programska paradigma, to znai da se pri programiranju izraavamo preko izraza. U
funkcionalnom kodu, izlazna komponenta zavisi iskljuivo od ulaznih parametara,
odnosno ukoliko pozovemo funkciju () dva puta koristei istu vrednost argumenta
rezultat funkcije () bie isti u oba sluaja. Eliminiui spoljne faktore funkcionalna
paradigma ini mnogo lakim razumevanje i predvianje ponaanja programa.
Svaka od paradigmi u velikoj meri je kompatibilna procesu praenja i sagledavanja sue.
Za potrebe MEPIS-a od izuzetnog je znaaja mogunost izbora razliitog pristupa, i
mogunost odabira najefikasnijeg i najpodobnijeg pristupa pojedinanom problemu. U
sledeem poglavlju detaljno je objanjena svaka faza i etapa MEPIS-a.
3.3 Logike sekvence - algoritma MEPIS
Algoritam MEPIS-a sastoji se od nekoliko faza. Svaka naredna faza zahteva da su svi
uslovi iz prethodne faze zadovoljeni da bi se procena odabranog indeksa mogla
nastaviti, u suprotnom indeks se ocenjuje kao nepotpun ili neadekvatan i iskljuuje se iz
dalje analize. Prvi korak algoritma zahteva da definiemo bazu indikatora sue koje
elimo da procenimo. Za poetak dovoljno je da tu bude i samo jedan indikator.
Odnosno da bismo testirali MEPIS dovoljno je da odaberemo, jedan, prvi indikator sue,
koji emo testirati.
Svaki indikator sue funkcija je odreenog broja dostupnih parametara (jednaina 3.1).
Da bismo proverili da li je odabrani indikator, za kojeg radimo procenu, baziran na
promenljivima za koje raspolaemo neophodnim istorijskim podacima, moramo
proveriti da li ti parametri uopte postoje u arhivi merenih i osmatranih podataka (slika
3.3). Arhiva merenih i osmatranih podataka je individualna jedinica i ne zavisi od samog
algoritma. U arhivi su navedene sve izmerene meteoroloke promenljive odreene
baznim koordinatama , , koje se odnose redom - na redni broj promenljive
(odnosno o kojoj je promenljivoj re), na vremenski kod (sat, dan, mesec, godina) i
koordinata - se odnosi na prostorno odreenje gde je podatak izmeren i u naem
sluaju identifikuje se rednim brojem meteoroloke stanice na kojoj je podatak izmeren.
Za sam algoritam sama organizacija arhive i njena struktura nisu od presudnog znaaja,
ali je veoma bitno da su parametri 1, 2, , sortirani istim redosledom kako se
javljaju mereni parametri u arhivi. Stoga se na samom poetku nakon indentifikacije
odabranog indikatora sue, identifikuju i sortiraju po zadatom redosledu u bazi. Sam
nain sortiranja podataka moe da se izmeni, jer nee uticati na samu organizaciju i
funkcionalnost MEPIS-a. Predlog algoritma za sortiranje je brzo sortirajui algoritam
koji koristi razdvoj i osvoji paradigmu. U prvom koraku sortiranja proveravamo da li
54

je postojei raspored 1, 2, , jednak zadatom rasporedu 1, 2, , . Ukoliko se

rasporedi ne poklapaju u ovom sluaju odabiramo nasumice jedan element, koji
nazivamo s, a podaci se dele u tri grupe:
1) A-elementi manji od s,
2) B-elementi jednaki s,
3) C-elementi vei od s.
Jednom kada su formirane ove tri potgrupe, sledei korak je rekurzivno sortiranje A i C,
i na kraju kombinovanje A, B, C ponovo zajedno. To znai da ako je u arhivi podataka
prva promenljiva 1 temperatura T, druga 2 padavine P, trea 3 evapotranspiracija ET
itd., tako i promenljive 1, 2, , moraju biti sortirane. Ovo je od velikog znaaja jer
pre nego to uopte uzmemo indeks u obzir za neko korienje neophodno je da
budemo sigurni da postoje podaci iz kojih se eljeni indeks moe izraunati. Moda se
ovaj korak ini suvinim ali je od izuzetnog znaaja i za proveru ta nama to zaista treba
da bismo mogli iskoristiti benefite svih eljenih indeksa. Isto tako, raspoloivost
podataka varira od regiona do regiona, nekad ak i od stanice do stanice, te u nekoj
prefinjenijoj pretrazi bi mogli proveravati da li postoji traeni element u svim
prostorno-vremenskim takama koje traimo. Ukoliko bismo to zahtevali, za algoritam
bi to znailo da osim poreenja po , vrio bi pretragu i po i po . No taj korak moemo
uraditi u potprogramu za proraun samog indeksa. U naem sluaju uredili smo da je
naa arhiva homogena za traene i , za svaki -ti parametar. Da bismo zapoeli
analizu odabiramo nasumino prvi indeks sa proizvoljno predefinisane liste indeksa od
znaaja kao to su, SPI, SPEI, EDI (AWRI), IDEA. Kriterijum da li je indeks od znaaja u
ovoj fazi je jedino zahtev korisnika da upotrebi neki indeks u svojim daljim analizama.
Nakon proizvoljno definisane liste indeksa koji su nam od znaaja (u naem sluaju SPI,
SPEI, EDI (AWRI) i IDEA) odabiramo prvi nasumino i definiemo njegovu funkcionalnu
zavisnost od merenih i izvedenih parametara i proveravamo njihovu dostupnost u
arhivi podataka. Nakon izvrene provere postojanja neophodnih podataka, pristupa se
proraunu samog indeksa na proceni. Svaki indeks zahteva odreenu metodu
prorauna koju definie korisnik MEPIS-a. Izlaz iz datog koraka je vremenski niz
indikatora I(j,k) za svaku k-tu stanicu.
Da bi pristupili daljoj proveri indeksa neophodno je da postoji arhiva (, )
istorijskih sua. Svaka sua koja se desila treba da u fizikom prostoru bude definisana
vremenom (datum/mesec kada se desila), stanica (prostorna koordinata), i po
mogunosti trajanje i ozbiljnost sue, no za samo ispitivanje indikatora uslov da
prepoznaje suu prostorno i vremenski je neophodan i dovoljan. Finija prepoznavanja
mogu se obaviti samo u sluaju da se istorijski zabeleene sue mogu adekvatno
kategorisati i katalogizirati u arhivi podataka. MEPIS za indeks od interesa iterativno
proverava da li za svako (, ) postoji odgovarajue (, ). U ovom koraku je
dovoljno da indeks pokazuje suu istovremeno kada je zabeleena sua u realnom
vremenu. Po mogunosti proveravamo finou indeksa i da li po intenzitetu indeks
pokazuje odgovarajui dogaaj. Njegov rezultat se ne uzima kao jedini kriterijum iz
razloga to istorijski sue nisu uniformno beleene i katalogizirane te se istorijske sue
odreuju na osnovu analize istorijskih meteorolokih podataka, ovako odreene
istorijske sue nisu dovoljno merilo tanosti samog indeksa. Ukoliko se nae za svako
(, ) poklapanje u vremenskom nizu sa (, ) MEPIS e propustiti (, ) u dalju
analizu, no ukoliko za neko , se desi odstupanje MEPIS belei svako odstupanje,
ukoliko se i vremenski i prostorno desi da vie od treine podataka nema podudaranje,
indeks se izuzima od dalje analize i prelazi se na sledei zadati indeks ili pak zavrava
55

analiza, sa zakljukom da razmatrani indeks nije odgovarajui za korienje pri ranoj

najavi i prognozi sue.

Slika 3.3 Prva faza MEPIS-a.

Prednost MEPIS-a u odnosu na prostu korelativnu analizu sa istorijskim suama je to

trai potvrdu na podudaranje kretanja indeksa sua i istorijski zabeleenih sua i
odreuje taan broj prepoznatih dogaaja i daje informaciju o ukupnom broju sunih
dogaaja koje indeks prepoznaje(slika 3.4). Vanost osvrta na istorijski zabeleene sue
je to se odmah vri i kalibracija indeksa, odnosno uoavamo koliko indeks sa
vremenom reaguje na regionalne i klimatske promene koje utiu na pojavu sue.
Dizajnom je predvieno da se arhiva DH vremenom aurira, kao i arhiva merenih
podataka. U eksperimentalnom delu doktorata dat je predlog informacija koje treba da
definiu istorijski zabeleenu suu u fizikom prostoru. Struktura podataka koja
potkrepljuje definisane informacije nije definisana usled nepostojanja dovoljnog broja
istorijskih sua po zadatim stanicama sistema monitoringa, koje se koriste u arhivi
ulaznih merenih podataka. Ovako struktuiran algoritam omoguava da ve u poetnim
56

koracima vidimo koliko je zadati indeks osetljiv na klimatske regione i prostorne

karakteristike i da li se moe koristiti van regiona za koji je projektovan.
Trea faza procene bazirana je na ideji da se postojei, i svaki novonastali indikator sue
klasifikuje u odnosu jedan na drugi, te vremenom dobijamo arhivu indikatora sua u
kojoj je odreeno koji je indikator najpogodniji za prognozu sue. MEPIS je predvien
da vremenom podie kriterijum tako to svaki indeks koji je ocenjen kao bolji od
polaznih sam postaje reperni, i u sledeoj proveri od indeksa koji se procenjuje se
oekuje da prevazie rezultate novoprihvaenog repernog indeksa. Prednost postojanja
ovakve arhive je to se vremenom svi indeksi prikupljaju na jedno mesto, i sloeni su po
rezultatima koje daju u prognozi i proceni sue, te korisnik moe svesno da odabere koji
mu je indeks od koristi, pri tom prihvatajui rizike ili nesavrenosti odabranog indeksa.
U realnom vremenu i prostoru ogranieni smo resursima i vremenom pa pojedini
indeksi nisu u mogunosti biti korieni operativno.
Funkcija tree faze MEPIS-a je da se proveri da li indeks, (, ) zadovoljava uslov da se
ponaa isto ili bolje od polaznih, repernih indeksa. U ovom uslovu prvi korak je grafiko
poreenje, odnosno vizuelno-numeriko poreenje. Zahteva se da indeks (, ) u
istom vremenskom intervalu predvia suu kao i reperni indeks (, ), pri
emu se poreenje vri za sve podatke vremenske serije ( , gde je h
ukupan broj podataka). Ovde se podrazumeva da su reperni indeksi ve zadovoljili
prethodni uslov provere. U ovoj fazi otvorena je i mogunost za finiju kategorizaciju
indeksa gde e se porediti slaganje indeksa po njihovim intervalima, odnosno ako je
(, ) u svom apsolutnom minimumu da li je i (, ) u svom apsolutnom minimumu i
ako nije koji interval sue (, ) odgovara kom intervalu sue (, ) u datom
vremenskom trenutku. Kada se proe ceo vremenski niz, proverava se konzistentnost
poklapanja intervala razliitih indeksa. to omoguava razvoj zajednike skale
intenziteta sue za razliite indekse. Slino kao i u prethodnom uslovu, i odstupanja su
nam od znaaja. Pri emu, ukoliko ispitivani indeks ne ukazuje na suu u intervalu kad
bazni indeks sue to pokazuje, mora zadovoljiti uslov da se 2/3 ili vie podataka ipak
poklapa da bi bio uzet u obzir za dalje razmatranje. Ovaj korak se moe raditi grafikom
analizom ili matematikom analizom preko ispitivanja funkcija. Razmotreno je da je
jednostavnije ipak prvo pristupiti grafikom poreenju, i onda ii u dublju analizu,
ukoliko postoje fina poklapanja. Predloen metod daje grafiko prepoznavanje odnosno
da u datom vremenskom interval t oba indeksa predviaju suu a u daljoj analizi
potprogramu 03 proveravamo sloenost preklapanja.
Na slikama 3.5 i 3.6 prikazana je razlika u strukturi samog MEPIS-a ukoliko taktiki
odaberemo da fina preklapanja obavljamo kao odvojeni korak. No, logiki MEPIS ne trpi
nikakvu promenu ako izaberemo jedan ili drugi metod.
Sutina MEPIS-a je da predvia koje izlaze moramo dobiti iz svakog koraka. Sam izbor
metoda koje e nas dovesti do izlaza je na korisniku MEPIS-a ukoliko nisu strogo
definisane samim MEPIS-om. Pojedine faze MEPIS-a zahtevaju korienje tano
odreenih metoda, koje obezbeuju standardizaciju procesa procene. Preduslov za
poreenje je da svaki indeks mora imati sposobnost da kategorie suu u sledee
kategorije: bez sue, srednja sua, ozbiljna sua i ekstremna sua. U samom sluaju
poreenja izlaza vremenskih funkcija indeksa, nije od krucijalne vanosti da li emo ih
prvo grubo porediti i traiti da se zadovolji uslov da indeksi istovremeno ukazuju na
suu, pa ih onda fino kategorisati i porediti da li ukazuju na isti ili slian intenzitet sue
(slika 3.5) ili emo sve uraditi u jednom koraku (slika 3.6).

57

Slika 3.4 Druga faza MEPIS-a.

Na kraju moramo biti sigurni da je bolji indeks pokazao suu istog ili jaeg intenziteta.
Ovo je neophodno jer u sluaju rane najave ukoliko indeks podbacuje vea je
verovatnoa da neemo uoiti suu nego ako indeks preteruje u svojoj proceni. Sve
vreme moramo imati na umu sutinu MEPIS-a, a to je da proceni koji je indeks pogodan
za prognozu sue i njeno rano upozorenje.
Nakon to izvrimo poreenje nizova odabranog sa repernim indeksima, u ovom koraku
nam je dovoljan odgovor da li indeks ide u dalju analizu ili ne. Cilj u ovoj fazi nije da
klasifikujemo indeks da li je reperni ili ne, ak i ako pokae odline rezultate u odnosu
na uslov da treba da se slae sa kretanjima ostalih repernih indeksa.
etvrta faza okarakterisana je odreivanjem stohastike zavisnosti indeksa i merenih
parametara, ukoliko indeks nije u njihovoj funkciji, odnosno ne koristimo ih direktno u
proraunu samog indeksa. U MEPIS je ukljueno osam meteorolokih parametara od
znaaja. To su pritisak, padavine, temperatura, relativna vlanost vazduha, vetar,
oblanost, duina sunevog sjaja i evapotranspiracija (slika 3.7). Funkcija ove faze je
nai mere slaganja varijacija procenjivanog indeksa sue i svakog merenog parametra
ponaosob. Korelaciona analiza za svaki parameter vri se u odgovarajuem
potprogramu (potprogrami 04-06). Potprogrami mogu biti zamenjeni odgovarajuim
softverom koji vri korelacionu analizu (XLSTAT) ili mogu biti programski kd (R).
MEPIS kae da bi indeks bio ocenjen kao validan neophodne je da indukuje suu u
momentima kada vrednosti merenih podataka na to ukazuju, bez obzira da li je indeks u
funkciji od istih ili ne. Drugim reima da bismo bili sigurni da je indeks reprezentativan
sa stvarnim kretanjima, poredimo ga sa kretanjima parametara ije stanje uzrokuje
suu. U sluaju padavina, pritiska, relativne vlanosti vazduha i temperature vrlo je
jednostavna procedura, jer se uradi korelaciona analiza sa merenim podacima. No, to
se tie evapotranspiracije moramo odabrati standardni metod za procenu
evapotranspiracije, jer u najveem broju sluajeva ne postoje kontinualna merenja
isparavanja i transpiracije na meteorolokim stanicama. I tek nakon generisanja niza
proraunatih vrednosti evapotranspiracije, vrimo korelacionu analizu.

58

Slika 3.5 MEPIS algoritam ako za izbor napravimo grafiko poreenje indikatora i njihovu kasniju
analitiku analizu.

Mera slaganja varijacija dve karakteristike je kovarijansa, odnosno kod jednovremenog

posmatranja dveju karakteristika to je mera pravilnosti u njihovim meusobnim
vezama. Tako za niz parova ( , , ) imamo:

: , ,, , ,
{

: , ,, , ,
gde je kovarijansa za niz prava definisana izrazom

59

(3.2)

Slika 3.6 MEPIS algoritam ako poreenje i klasifikaciju intervala indikatora radimo u istom koraku.

1 ( ) ( )

(3.3)

Posle mnoenja binoma i sabiranja dobija se:

1

=
1

(3.4)

Kovarijansa moe biti jednaka 0, tj. = 0, tada kaemo da su promenljive meusobno

nezavisne, odnosno, u varijacijama nizova vlada potpuno neslaganje. U sluajevima kada
je razliito od nule postoji izvesna meusobna zavisnost, odnosno slaganje meu
varijacijama. U sluajevima deliminog slaganja dveju promenljivih, kada je kovarijansa
razliita od 1, odnosno kada postoji izvesna labavija veza meu promenljivama,
kaemo da se radi o stohastikoj zavisnosti. Stohastika zavisnost moe se uoiti u masi,
kao tendencija, kao proseno ponaanje, a ne moe se uoiti za pojedinanu vrednost.
Ispitivanje stohastikih odnosa vri se izmeu ostalog korelacionom analizom.
Korelacionom analizom odreuje se kvantitativno slaganje meu sluajnim
60

promenljivama, odnosno ispituje se kakva je mera ili stepen slaganja meu njima. Cilj je
verifikacija pretpostavke o meusobnoj vezi, koja se ogleda u kvantitativnom slaganju
varijacija meu promenljivima. Stepen slaganja, odnosno, stepen stohastike zavisnosti
merimo koeficijentom korelacije. U sluaju slaganja indikatora sue sa kretanjima
vrednosti merenih promenljivih, traimo zavisnost linearnog tipa. Za merenje stepena
linearne zavisnosti meu dvema promenljavama koristi se Pearsonov koeficijent
korelacije definisan pomou kovarijanse

(3.5)

Za vrednosti u intervalu (0,1) kaemo da take vrednosti promenljivih i

ispoljavaju tendenciju linearnog tipa. Odnosno ukoliko je koeficijent korelacije blii nuli
take se vie rasipaju oko prave, a ukoliko je blii jedinici take se vie grupiu oko
prave linije. Isto vai i za vrednosti u intervalu (1,0). Ukoliko je konana vrednost
jednaka 0, onda meu takama promenljivih nema nikakve veze, odnosno nikakve
ispoljene tendencije. U tom sluaju ispitivani indeks sue i nije od znaaja jer je potpuno
nezavisan on kontrolne promenljive (temperature, padavina, evapotranspiracije), jer
nema ni stohastike ni funkcionalne zavisnosti, te taj i takav indeks nije reprezentativan
za praenje sue. U tom sluaju predvieno je da MEPIS prekida procenu indeksa i
preuzima sledei indeks ili zavrava procenu sa zakljukom da odabrani indeks nije
zadovoljio sve neophodne uslove.
Uslov da je indeks na proceni u stohastikoj zavisnosti od parametara sa kojima nije u
funkcionalnoj zavisnosti od velikog je praktinog znaaja. Ve smo napomenuli da je
sua u fizikom prostoru definisana sa velikim brojem parametara koji nisu svi
ukljueni u proraun samog indeksa. Ovakvom proverom i uslovljavanjem indeksa stie
se sigurnost da iako indeks ne obuhvata sve promenljive koje definiu suu ipak je
reprezentativan za definisanje i praenje njenog ponaanja. Pored tri kontrolna
parametra, u MEPIS mogu biti dodati drugi parametri od znaaja ukoliko ih korisnik
primeti, no ne preporuuje se uvoenje provere onih parametara koji su ve u sigurnoj
funkcionalnoj zavisnosti sa kontrolnim parametrima. Uvoenjem takvih parametara
samo bi se produavalo vreme procene, a ne bi se dobilo na kvalitetu, jer vai da ukoliko
je indeks sue na proceni u stohastikoj zavisnosti sa odabranim kontrolnim
parametrom, onda je u stohastikoj zavisnosti i sa svim ostalim parametrima koji
su funkcionalno zavisni od istog kontrolnog parametra.
Ukoliko indeks zadovolji da je u funkcionalnoj ili stohastikoj zavisnosti sa kontrolnim
parametrima, ulazi se u fazu provere njegovih prognostikih sposobnosti. Ova faza deli
se na tri podfaze. U ovim fazama od interesa je testirati osetljivost i preciznost indeksa u
sluaju primene statistikih metoda i numerikih metoda prognoze, kao i njegovu
osetljivost na izmenu poetnih uslova. U eksperimentalnom delu pri testiranju MEPIS-a
uraen je eksperimentalni primer testiranja indeksa sue, koji se u sledeim analizama
koriste kao reperi pri proceni drugih indeksa sue. U ovoj fazi vai isto pravilo kao i u
fazi 3, da ukoliko se procenjivani indeks pokae bolji i pouzdaniji od postavljenih
baznih, tj. repernih indeksa, u tom sluaju taj i takav indeks se postavlja kao novi
reperni indeks.
Mozak MEPIS-a koncentrisan je na sistematino testiranje indeksa i njegovih
prognostikih sposobnosti. Korienjem vie baznih metoda prognoze porede se
mogunosti prostorno vremenskog predvianja pojave i toka sue pomou indikatora.
Svaka metoda je kompleksan proces za sebe. Zadatak valjanog indikatora je da prilikom
prognoze daje podjednako dobre rezultate nezavisno od metode koja se koristi.
61

Konkretno MEPIS je projektovan da ispita tri metode prognoze, koje su prihvaene kao
reperne metode. Da bi se postigla standardizacija, a ukoliko korisnik uvidi ili predvia
neku drugaiju metodu prognoze od predvienih, neophodno je da preispita i oznai
ponaanje svih indeksa u bazi MEPIS-a pre nego to pristupi proveri novog. Ovakvim
pristupom se ini da MEPIS ujedno bude i algoritam koji ui, ali i obezbeuje jednakost
u rangiranju i poreenju indikatora. Opravdanost svake metode pri prognozi trebalo bi
da lei u dokazanoj njenoj tanosti, kao i primenjivosti na sistem monitoringa kao takav.

Slika 3.7 Ocena korelacije indeksa sue sa ponaanjem merenih parametara, redom, npr.
temperature, padavina i evapotranspiracije.

Poslednja faza algoritma vezana je za zakljuak da li je ispitivani indeks bolji ili u istom
rangu kao i reperni indeksi, a na osnovu njegove sposobnosti da se koristi u prognozi. U
ovom momentu algoritma podrazumeva se da je indeks zadovoljio sve uslove i proao
kroz sve prethodne faze. Znai potujui imperativni model, ne moemo doi do ovog
momenta bez da svi prethodni nisu zadovoljeni. U prvom koraku prognozu radimo u
prolom vremenu, odnosno odabiramo vremenski interval koji emo prognozirati a za
koji imamo izmerene istorijske podatke. Ovakav pristup omoguava validaciju dobijene
prognoze. Dobijeni vremenski niz prognoziranog indeksa poredimo sa vrednostima
indeksa dobijenih proraunom iz izmerenih vrednosti meteorolokih parametara, od
kojih je indeks sue u funkciji. Faza 5 pretpostavlja da je odabrana metoda prognoze
vrednosti indikatora sue adekvatna. Postoji znaajna verovatnoa da uspenost
metode prognoze zavisi od samog indikatora. Prednost MEPIS-a je u tom sluaju to
unapred definiemo metodu prognoze koja je dostupna i operativna.
62

Saetak. MEPIS se sastoji od pet logikih sekvenci koje prate jedna drugu. Priprema
MEPIS-a podrazumeva analizu vremenskih serija hidrometeorolokih faktora koji
definiu stanje i prirodu sue. Time se definiu pragovi i odrednice koje svaki indikator
sue mora da predvidi u svojim kretanjima, usvajanje istorijskih sunih dogaaja. Prva
logika sekvenca podrazumeva proraun samog indeksa, druga je njegovo poreenje sa
pragovima, odnosno usvojenim istorijskim sunim dogaajima. Trea logika sekvenca
podrazumeva poreenje referentnog indeksa sue sa novotestiranim. Da bi bio
reprezentativan pokazatelj stvarnih vremenskih kretanja indikator sue mora da bude u
koordinaciji sa ponaanjem vremenskih nizova meteorolokih i hidrolokih
promenljivih od znaaja. I to proveravamo u etvrtoj logikoj sekvenci. Peta logika
sekvenca MEPIS-a je definisanje metoda analize vremenskih serija kojima e svaki
indikator biti podvrgnut a koje su od efektivnog znaaja za prognozu sue, odnosno
ekstremnih vodnih perioda (suvih ili vlanih).
Slika 3.8 Algoritam poslednje faze procene indikatora sue sa faznim uslovom.

63

Slika 3..9 Algoritam poslednje faze procene indikatora sue sa faznim uslovom.

64

4. Analiza hidrometeorolokih parametara

Eksperimentalni deo raen je u etiri etape. Prva etapa podrazumevala je izuavanje
neophodnih ulaznih podataka i njihovu strukturu. Druga etapa podrazumevala je
proraun razmatranih tradicionalnih indeksa sue i odreivanje njihove osetljivosti na
promenu prorauna izvedene promenljive PET. U treoj etapi izvreno je testiranje
novog pristupa i proraun IDEA i poreenje sa razmatranim tradicionalnim pristupima.
etvrta etapa obuhvatila je diskusiju o mogunostima primene indeksa u prognozi
sue. Svaki korak eksperimentalnog dela u osnovi prati algoritam MEPIS.
4.1 Priprema podataka
Osnovni tipovi podataka korieni u analizi sue su vremenske serije meteorolokih
parametara. Na meteorolokim stanicama vri se osmatranje odreenih karakteristika
hidrolokog ciklusa (sumarne padavine, srednja maksimalna temperatura vazduha,
srednja minimalna temperatura vazduha, srednja temperature vazduha, srednja brzina
vetra iz svih pravaca, srednje trajanje sunevog sjaj u toku dana, srednja oblanost,
relativna vlanost vazduha, vazduni pritisak), koje se mere u tano odreenom
vremenskom intervalu na prostorno odreenoj lokaciji, meteorolokoj stanici.
Uzimajui u obzir karakter podataka, moemo zakljuiti da se radi o takastim
merenjima (prostorno diskontinualnim). Ukoliko postoji zadovoljavajua gustina
takastih podataka za odabranu povrinu, pomou interpolacije ili ekstrapolacije
moemo odrediti prostorne karakteristike merenih parametara. Prostorne vrednosti
ukljuene su u drugi set podataka. Ovi podaci su obino poznati kao tematski i uglavnom
su uskladiteni ili procesirani u okviru geografskog informacionog sistema (GIS). U ovu
grupu podataka takoe spadaju podaci koji su konstantni u vremenu, kao to su
geoloke karakteristike, morfoloke strukture itd. Tematski podaci su esto osnova
razliitih tipova modelovanja (npr. modelovanje proticaja podzemnih voda, transport
zagaenja i toplote, itd.) Poslednja grupa podataka obuhvata tzv. metapodatke.
Metapodaci imaju ulogu katalogiziranja i klasifikacije i predstavljaju u sutini podatke o
podacima. Njihova uloga je da opiu podatke iz prve dve grupe. Metapodaci daju
informaciju o koordinatama mernih taaka, nainima merenja, definiciji osmotrenih
vrednosti, kvalitetu i tanosti merenja i mernih jedinica.
Prva faza MEPIS-a ini sagledavanje podataka sa kojima se raspolae u praksi i koji se
mogu koristiti svakodnevno za potrebe procene stanja sistema i prognoze sue. Podaci
kojima u Srbiji raspolaemo su podaci iz javnog servisa Republikog
Hidrometeorolokog zavoda (RHMZ) Srbije. Baza prikupljenih podataka ukljuuje 7
meteorolokih stanica sa podacima o srednjoj mesenoj temperaturi vazduha i ukupnim
mesenim padavinama, srednjem mesenom vazdunom pritisku, srednjoj mesenoj
vrednosti relativne vlanosti vazduha i proraunatim vrednostima evapotranspiracije
po izloenim metodama za vremenski period od 1951 do 2012 (tabele 4.1 i 4.2). Sve
vremenske serije proverene su u cilju utvrivanja nedostajuih podataka. Generalno
gledano podaci sa mernih stanica tokom vremena gube na homogenosti usled gaenja ili
nekontinualnog rada stanica. Ne postoji konzistencija u izdavanju i dostupnosti podataka i
priroda mernih stanica (primarne, sekundarne , tercijalne) se menjala tokom vremena na
teritoriji bive SFRJ. Nedoslednost u izdavanju i publikovanju podataka, a jo vie u
njihovom merenju i beleenju uslovljava kvalitet podataka kao takvih. Usled toga postoji
svega sedam stanica u Vojvodini koje zadovoljavaju homogenost podataka i kontinuitet u
merenju (slika 4.1). Da bi se izbegao problem nedostatka ili problem kvaliteta podataka
uraena je analiza homogenosti vremenskih nizova. Hidrometeoroloki podaci
65

formiraju odgovarajue vremenske sekvence da se mogu prouavati metodama analize

vremenskih serija.
Tabela 4.1 Podaci stanica sa kojih su obraeni podaci
Ime stanice
Pali
Novi Sad Rimski anevi
Sombor
Zrenjanin
Kikinda
Vrac
Sremska Mitrovica

Akronim
PL
NS
SO
ZR
KI
V
SM

Geo. irina
46 06 N
45 20 N
45 46 N
45 24 N
45 51 N
45 09 N
45 06 N

Geo. duina
19 46 E
19 51 E
19 09 E
20 21 E
20 28 E
21 19 E
19 33 E

WMO ifra Nadmorska visina

stanice
(m.n.m)
130670
102
131680
84
131600
88
131730
80
131740
81
131830
84
132660
82

Tabela 4.2 Korieni podaci i vreme osmatranja sa hidrometeorolokih stanica RHMZ

Stanice obuhvaene
istraivanjem
Pali
Novi Sad Rimski anevi
Sombor
Zrenjanin
Kikinda
Vrac
Sremska Mitrovica
Ime stanice
Bezdan
Bogojevo
Novi Sad

Meteoroloki parametri uzeti

u razmatranje
Sumarne padavine
Srednja maksimalna
temperatura vazduha
Srednja minimalna temperatura
vazduha
Srednja temperature vazduha
Srednja brzina vetra iz svih
pravaca
Srednje trajanje sunevog sjaj u
toku dana
Srednja oblanost
Relativna vlanost vazduha
Pritisak
Hidroloke stanice
Relativan vodostaj
Apsolutni vodostaj

Vreme osmatranja

1951-2012

Vreme osmatranja
1951-2012

U matematikoj statistici postoji niz alata koji inenjerima omoguavaju da ree

problem odreivanja frekvencije deavanja odreenih hidrometeorolokih pojava
(Shaw, 1994). Klimatski podaci mogu se koristiti da se generie ogromna koliina
informacija o ponaanju atmosfere i prirodi vremenskih promena koje utiu na sve
aspekte ljudske delatnosti (Aguilar et al., 2003). Mnogi faktori utiu na kvalitet i
pouzdanost podataka prikupljenih na meteorolokim stanicama. Prilikom korienja
podataka od velikog znaaja je kako su oni prikupljeni (lokacija, uslovi merenja, sam
instrument, preciznost strune osobe prilikom oitavanja podataka itd.), ta fiziki
zaista znae (svaki izmeren podatak mora biti strogo fiziki odreen i tano definisan) i
kako se analizom, odnosno primenjenim tehnikama i metodama analize podataka menja
njihova struktura i fiziki znaaj. Konkretno vremenske serije padavina pod uticajem su
lokacije kiomera, nain i metod prikupljanja podataka kao i kvalitet oitanih vrednosti
utiu na homogenost strukture podataka (Dikbas et all., 2010). Iz tih razloga se
pouzdanost i kvalitet podataka korienih u analizama testiraju statistiki. Kada je
vremenska serija homogene strukture, tada moemo rei da je osmotrena vremenska
serija pouzdana klimatska serija. Homogena klimatska serija moe se definisati kao
vremenska serija podataka u kojoj su varijacije u samim podacima strogo i jedino
posledica varijacija u samim vremenskim uslovima i klimi (Keiser and Grieffiths, 1997).
66

Slika 4.1 Geografske lokacije meteorolokih stanica u Vojvodini i njihove koordinate.

Drugim reima, ukoliko su vremenske serija padavina ili temperature homogene, to

znai da su sve promene i varijacije unutar serije posledica atmosferskih procesa. No,
veliki broj klimatskih serija nalazi se pod uticajem drugih brojnih ne-klimatskih faktora,
koji ine podatke nereprezentativnim za praenje klimatskih varijacija tokom vremena
(Aguilar et al., 2005). Pod ove faktore moemo navesti sve promene koje menjaju uslove
dobijanja podataka, pri emu je cilj tokom generisanja vremenske serija odrati uslove
istima. Pod istim uslovima moemo podrazumevati stalnost u sledeim osobinama:
regulativa merenja (termini osmatranja, postavljanje instrumenata), lokacija mernog
mesta, meteoroloke stanice (ekspozicija, poloaj, okolina i promene okoline), merni
instrumenti (princip rada instrumenata, fizike osobine, ispravnost, kalibracija),
osmatrai (pravilnost u radu, ostvareni kvalitet). Ako bilo ta od ovoga nije ispunjeno,
onda takva promena moe da izazove nehomogenost vremenskog niza klimatolokih
podataka. Neke promene mogu se iskazati primetnim diskontinuitetom u vrednostima
merenih parametara, dok se druge mogu lagano apsorbovati u podatke inei da oni
postepeno ugrauju greku u sebe. Ovakva oitavanja esto pogreno moemo osmotriti
kao trend ili klimatsku promenu. Iz tih i takvih razloga neophodno je utvrditi
homogenost i nedostatke vremenskih serija u upotrebi, i po mogunosti ustanoviti
mogue greke upotrebom sirovih neizmenjenih vremenskih serija. Na homogenost
nizova utie regulativa merenja koja je ustanovljavana meunarodnim konvencijama,
poev od Beke konferencije 1848. do postojeih pravila i preporuka koje propisuje
Svetska meteoroloka organizacija (WMO). Meutim, postoje razni uslovi rada neke
meteoroloke stanice, i oni se mogu menjati kroz istoriju. Promena neke regulative je
administrativni uzrok nehomogenosti, i on je sveden na minimum. Izuavajui
klimatoloke godinjake u nadlenosti RHMZ moemo uoiti brojne primere stanica
koje su menjale nadlenost ili nain rada, kao i nacionalne regulative. Metodi
prikupljanja podataka takoe su menjani tokom vremena tako da su termini osmatranja
jedan od tipinih problema, jer jedna stanica radi samo danju, druga 24 sata dnevno, ili
se u istoriji prelazilo sa recimo izraunavanja srednje temperature iz Tmax i Tmin na
izraunavanje iz tri klimatoloka termina, ili osam sinoptikih. Lokacija mernog mesta
nije uvek ista. Stanice se ponekad premetaju sa jedne lokacije na drugu iz tehnikih,
praktinih, pa ak i vlasnikih razloga. Okolina stanice se menja, poev od banalnih
uzroka u rastu i sei drvea i drugog rastinja, preko ogoljavanja ili zatravljivanja tla,
izgradnje ili ruenje nekog objekta u blizini stanice, pa do urbanizacije itavog mesta. Pri
tom je gotovo nemogue parametrisati i proceniti uticaj bilo kog od uzroka promene
67

okoline. Merni instrumenti se menjaju sa razvojem tehnologije. Krajnja instanca

nehomogenosti lei u ljudskom faktoru. Metapodaci sa svake stanice su dodatni podaci
koji nose informaciju o svim promenama tehnike prirode na lokaciji stanice. Voenje
tih beleki je propisano, pa ipak u praksi metapodaci nisu javno dostupni niti postoje
kontinualni zapisi. Sve navedene promene stvaraju nehomogenosti u vremenskim
serijama.
4.2 Analiza homogenosti
U statistikom pogledu pojam homogenosti uzoraka po pravilu pretpostavlja da se za
dva nezavisna uzorka (11, 21, 31, , , 1 ) i (12, 22, 32, , , 2 ) proverava da li
pripadaju istoj populaciji sa posmatranim obelejem X. U zavisnosti od kriterijuma
tanosti i svrhe ispitivanja testiraju se nulte hipoteze, protiv odgovarajuih
alternativnih. Testiranje hipoteze je svaki postupak verifikacije statistike hipoteze. Cilj
testiranja hipoteze je njeno prihvatanje ili odbacivanje pri emu se verifikacija obavlja
odabranom statistikom metodom. Polazna ili tzv. nulta hipoteza oznaava se sa 0 .
Druga hipoteza naziva se alternativna hipoteza i oznaava se sa . Pravilo za testiranje
hipoteze 0 je statistiki test. Statistika na osnovu koje se vri testiranje zove se test
statistika. Svaki realizovani uzorak obima n, definie jednu taku n-dimenzionalnog
prostora, . Pri testiranju statistikih hipoteza po pravilu se definie podskup skupa
skup C koji slui kao kriterijum za odbacivanje, odnosno prihvatanje nulte hipoteze i
to: ako je (1, 2, 3, , , ) , 0 se odbacuje, a ako je (1, 2, 3, , , ) nema
razloga da se 0 odbaci. Pri emu vai da je = . Skup svih vrednosti za koje je
za koje se 0 odbacuje je kritina oblast testa. Prilikom tumaenja rezultata
testa moemo doneti dve odluke, da odbacimo odnosno prihvatimo nultu hipotezu. Pri
toj odluci moemo nainiti dva tipa greke. Greka prve vrste je greka koju inimo ako
odbacimo moguu tanu hipotezu. Situacija pri kojoj se ini ova greka nastaje kada
realizovani uzorak upadne u kritinu oblast iako je 0 tana, pa se 0 odbaci. Greka
druge vrste ini se kada se nulta hipoteza prihvati, a zapravo nije tana. Najee pri
analizi izraavamo verovatnou (%) da uinimo greku prve vrste odbacivanjem
hipoteze 0 . Pored odreivanja tanosti hipoteze, odreujemo i prag znaajnosti testa.
Statistiki testovi kod kojih raspodela test statistike bitno zavisi od raspodele
posmatranog obeleja su parametarski testovi, a testovi kod kojih raspodela test
statistike ne zavisi od raspodele posmatranog obeleja su neparametarski testovi
(Popovi and Blagojevi, 1999). Takoe, testove homogenosti moemo podeliti i na
apsolutne i relativne. U prvoj grupi testova, statistiki test se primenjuje na skupove
podataka svake stanice zasebno. Kod drugog skupa testova, procedura testiranja zavisi
od referentne stanice (podaci sa susednih stanica) za koje pretpostavljamo da su
homogene. Oba pristupa imaju svoje prednosti i mane stoga je dobro uraditi testove iz
razliitih grupa. U radu smo koristili nekoliko tehnika testiranja homogenosti koje su
ukratko izloene.
Aleksandersonov test (SNHT Standard Normal Homogeneity Test) koristi se za
ispitivanje relativne homogenosti viegodinjih serija meteorolokih elemenata i
predstavlja jednu od esencijalnih metoda koje se koriste prilikom prouavanja
klimatskih promena (Alexandersson, 1986; Hanssen-Bauer et al., 1991; Toumenvirta
and Alexandersson, 1997; Kaliq and Ouarda, 2007). Poetnu formulaciju metoda
testiranja kreirao je Houkins (Hawkins, 1977), koja je kasnije razvijena u SNHT. SNHT
se zasniva na pretpostavci da je odnos izmeu vrednosti na testiranoj stanici (test
stanica) i vrednosti okolne stanice (referentna stanica) gotovo konstantan sa
vremenom. Nehomogenost u jednoj od serija se otkriva pomou sistematske promene
68

tog odnosa. Odnosno nulta hipoteza pretpostavlja normalnu distribuciju meusobno

nezavisnih podataka, a alternativna hipoteza pretpostavlja prekid u ponaanju podataka
u nizu. SNHT je sposoban da locira period (mesec ili godina) prekida i osetljiv je na
prekide na krajevima vremenskih serija, te ga je dobro kombinovati sa testovima koji su
osetljiviji na prekide u sredini serije poput Pettitovog ili Buishandovog testa
homogenosti. Buishandov Rang test (Buishand, 1982; Wijngaard et al., 2003) je
parametarski test koji pretpostavlja pod nultom hipotezom da vrednosti test
promenljivih su nezavisne i rasporeene po normalnoj raspodeli. Kao alternativna
hipoteza, stoji pretpostavka da postoji prekid u podacima u nekom vremenskom
koraku. Test je sposoban da locira period (mesec ili godinu) mogueg prekida, a
najosetljiviji je na prekide u sredini vremenske serije. R test (Buishand, 1982) je agregat
Buishandovog testa homogenosti. Pettit test homogenosti (Pettit, 1979; Wijngaard et al.,
2003) je neparametarski test koji otkriva prekid u ponaanju u vremenskom nizu
podataka. Nulta hipoteza pretpostavlja da su podaci nezavisni i sluajno kvantitativno
rasporeeni. Alternativna hipoteza je da postoji promena u podacima u nekom
vremenskom koraku. Ovaj test je blizak logici statistike Mann-Withni-ja. Najtaniji je u
centralnim delovima nizova i preciznost mu opada prema krajevima.
Dobri rezultati testova homogenosti odgovaraju i na kljuno pitanje pri analizi
vremenskih serija, da je posmatrana promenljiva u vremenu t, nezavisna u odnosu na
prethodna deavanja u vremenskom nizu.
4.2.1 Rezultati analiza homogenosti vremenskih serija padavina
Padavine na slivu su najznaajniji klimatski faktor kod odreivanja hidrolokog reima i
odreivanja sue. Padavine determiniu neophodne ulaze na sliv odnosno osmatrano
podruje. U disertaciji su obraene vremenske serije padavina za period 1951-2012. Da
bismo vremenske serije mogli uvrstiti u arhivu ulaznih podataka neophodno je bilo
proveriti njihovu homogenost. Rezultati odabranih testova homogenosti sa pragom
znaajnosti = 0,05, vremenskih serija sumarnih mesenih padavina za nizove u
celosti dati su u tabelama 4.3-4.5.
Tabela 4.3 Rezultati Pettittovog testa homogenosti
Stanica

Ho

Greka prve vrste

NS
SO
ZR
KI
V
SM
PL

12459,00
7942,00
8875,00
7760,00
9711,00
10077,00
11718,00

514
497
120
354
379
379
630

0,189
0,724
0,577
0,739
0,471
0,423
0,254

OK
OK
OK
OK
OK
OK
OK

18,86%
72,44%
57,68%
73,88%
47,07%
42,33%
25,44%

Tabela 4.4 Rezultati SNHT testa homogenosti

Stanica

T0

Ho

Greka prve vrste

NS
SO
ZR
KI
V
SM
PL

7,284
4,193
2,669
3,402
2,130
5,628
7,218

528
720
720
720
67
727
630

0,242
0,644
0,915
0,793
0,970
0,407
0,246

OK
OK
OK
OK
OK
OK
OK

24,16%
64,40%
91,51%
79,30%
96,99%
40,67%
24,63%

69

Na osnovu dobijenih rezultata homogenosti vremenskih serija ukupnih mesenih

padavina ustanovljeno je da su ovi podaci prihvatljivi i usvojeni su u bazu ulaznih
podataka kao takvi za proraun odgovarajuih indeksa sue.
Tabela 4.5 Rezultati Buishandovog testa homogenosti
Stanica

Ho

Greka prve vrste

NS
SO
ZR
KI
V
SM
PL

33,438
20,622
17,260
16,838
14,906
22,519
26,640

528
483
528
630
379
379
602

0,083
0,580
0,781
0,804
0,906
0,471
0,274

OK
OK
OK
OK
OK
OK
OK

8,30%
58,30%
78,10%
80,43%
90,56%
47,12%
27,37%

4.2.2 Rezultati analize homogenosti vremenskih serija temperatura vazduha

Analizirane su vremenske serije srednje mesene i maksimalne mesene temperature
vazduha za period 1951-2012. Rezultati testova homogenosti za vremenske serije
srednjih temperatura sa pragom znaajnosti 0,05 prikazani su u tabelama 4.6.
Tabela 4.6 Proraunate p-vrednosti.
Stanica

Pettit

SNHT

Buishand

NS

0,518

0,784

0,598

0,873

SO

0,347

0,821

0,444

0,722

PL

0,458

0,726

0,533

0,817

ZR

0,395

0,792

0,449

0,745

KI

0,424

0,847

0,514

0,807

0,521

0,702

0,626

0,846

SM

0,593

0,791

0,725

0,937

Vrednosti relevantnih parametara analize na osnovu kojih se moe zakljuiti da su

nizovi homogeni date su u tabeli 4.7.
Tabela 4.7 Vrednosti intervala poverenja i greke prve vrste.

Stanica
NS
SO
PL
ZR
KI
V
SM

Pettit
SNHT
99%
Greka
99%
interval
prve
interval
poverenja
vrste
poverenja
0,505-0,531 51,83 0,773-0,795
0,335-0,359 34,72 0,811-0,831
0,446-0,471 45,84 0,715-0,738
0,382-0,407 39,48 0,781-0,802
0,411-0,437 42,42 0,838-0,856
0,508-0,534 52,08 0,690-0,713
0,580-0,606 59,29 0,781-0,802

Greka
prve
vrste
78,40
82,08
72,63
79,17
84,71
70,15
79,13

Buishand
99%
Greka
interval
prve
poverenja vrste
0,586-0,611 59,82
0,432-0,457 44,43
0,520-0,545 53,25
0,436-0,462 44,90
0,501-0,526 51,35
0,614-0,639 62,63
0,713-0,736 72,49

R
99%
interval
poverenja
0,865-0,882
0,710-0,733
0,807-0,827
0,734-0,756
0,797-0,817
0,937-0,855
0,931-0,944

Greka
prve
vrste
87,33
72,18
81,67
74,50
80,71
84,59
93,74

Na osnovu dobijenih rezultata moemo zakljuiti da su analizirani vremenski nizovi

homogeni.

70

4.2.3 Rezultati analize homogenosti vremenskih serija PET

Analizirane su vremenske serije proraunate PET Hagreavesovom metodom na sedam
stanica u Vojvodini. Rezultati testova homogenosti za vremenske serije PET sa pragom
znaajnosti 0,05 dati su u tabelama 4.8 i 4.9
Tabela 4.8 Proraunate p-vrednosti.
Stanica

Pettit

SNHT

Buishand

NS
SO
PL
ZR
KI
V
SM

0,822
0,560
0,940
0,967
0,960
0,844
0,793

0,963
0,930
0,951
0,936
0,943
0,946
0,929

0,977
0,772
0,979
0,990
0,987
0,930
0,908

1,000
0,974
0,998
1,000
0,999
0,993
0,986

Tabela 4.9 Vrednosti intervala poverenja i greke prve vrste.

Pettit
Stanica

99% interval
poverenja

NS
SO
PL
ZR
KI
V
SM

0,812-0,832
0,547-0,572
0,934-0,946
0,962-0,972
0,955-0,965
0,835-0,853
0,782-0,803

SNHT
Buishand
Greka
Greka
Greka
99% interval
99% interval
prve
prve
prve
poverenja
poverenja
vrste
vrste
vrste
82,18
0,958-0,968
96,27 0,973-0,981 97,71
55,97
0,923-0,936
92,98 0,761-0,783 77,22
94,04
0,945-0,956
95,08 0,976-0,983 97,93
96,70
0,929-0,942
93,58 0,987-0,993 99.00
96,01
0,937-0,949
94,30 0,984-0,990 98,72
84,41
0,940-0,951
94,56 0,923-0,936 92,98
79,25
0,922-0,936
92,89 0,900-0,915 90,76

R
99% interval
poverenja
0,999-1,000
0,970-0,978
0,996-0,999
0,999-1,000
0,999-1,000
0,991-0,995
0,983-0,989

Greka
prve
vrste
99,98
97,41
99,75
99,98
99,94
99,28
98,59

Vremenske serije prihvaene su za dalju analizu bez korekcija.

4.3 Model strukture baze ulaznih podataka
Poznato je da od kvaliteta i obima podataka zavisi i kvalitet obrauna i analiza. Da bi
postojala standardizacija u pristupu procene indikatora predlaemo usvajanje jedne
baze ulaznih podataka koji bi na uniforman nain bili pripremljeni i uvreni u bazu.
Kako indikatori sue esto zavise od regiona za koji su projektovani neophodno je biti
siguran da su funkcionalni i za druge prostore. Ujedno od znaaja je da poredimo
razliite indikatore. Da bismo mogli imati ovaj pristup neophodni su provereni podaci
koji bi bili dostupni svakome ko eli da proveri, proceni i rangira svoj indikator. Sa tim
na umu formirana je arhiva ulaznih podataka gde su svi vremenski nizovi prethodno
provereni na isti nain. Svaka stanica u arhivi definisana je sa est parametra (ime,
akronim, geografska irina, geografska duina, WMO ifra stanice i nadmorska
visina)(tabela 4.1). Ovo je uniformni pristup opisa mesta odakle podatak potie. Svaka
stanica ima pripadajue homogene nizove vrednosti sumarnih mesenih padavina,
evapotranspiracije, srednjih mesenih temperatura vazduha, maksimalnih temperature
vazduha, pritiska i relativna vlanosti vazduha za odreeni vremenski period. Drugi cilj
baze ulaznih podataka je da se prilikom prorauna indikatora korisnik moe prikljuiti
na nju ne menjajui strukturu svog programa. Drugim reima, poznato je da se izvorni
kodovi piu u razliitim jezicima, to programskim to lingvistikim, te su oznake
promenljivih razliite. Da bi budui korisnik mogao koristiti bazu a da pri tom ne menja
njenu strukturu niti vri promene u svom kodu, predlae se meu korak, koji
podrazumeva upitnik i indentifikaciju promenljivih. U tom koraku korisnik se
71

obavetava o redosledu promenljivih i njihovim nazivima u bazi i trai se da identifikuje

svoje promenljive. Nakon toga, ne menjajui nikakve nazive u bazi niti podatke, za
traenu promenljivu baza e izlistati podatke koje je korisnik identifikovao pod svojim
imenom i moe ih direktno uvui u svoj kod za proraun.
4.4 Analiza ET0
Turkova metoda (TURC), daje standardno dobre proraune na svim podrujima koja su
uzeta u razmatranje. Daljom analizom uoeno je ne slaganje vrednosti isparavanja pri
vrednostima srednje temperature bliskim nuli (slika 4.2).
10.00
8.00

R = 0.9401

ET0 Hargreaves mm

6.00
4.00
2.00

-8.00

-6.00

-4.00

0.00
-2.00 -2.00 0.00

2.00

4.00

6.00

8.00

-4.00
-6.00
-8.00

ET0 Turk mm

Slika 4.2 Korelacija kretanja referentne evapotranspiracije izraunate po Hargreaves-ovoj metodi i

po Turkovoj metodi za Novi Sad, Vojvodina.

Na osnovu dobijenih rezultata usvojena je smena Turkove formule formulom Ivanova za

vrednosti evapotranspiracije kada je srednja mesena temperatura u intervalu [0,1).
Izmenjena formula omoguava pouzdan, jednostavan i brzi proraun evapotranspiracije
na veini lokacija na kojima postoje makar merenja temperature vazduha i vlanosti
vazduha. Analiza dobijenih vremenskih serija ukazala je na dobro slaganje dobijenih
vrednosti modifikovane Hargreavesove metode i modifikovane Turk-Ivanov metode
(slika 4.3).
Modifikovana referentna
evapotranspiracija Hargreaves
(mm)

2.50
R = 0.9857

2.00
1.50
1.00
0.50
0.00
0.00

1.00

2.00

3.00

4.00

5.00

Modifikovana referentna evapotranspiracija Turk-Ivanov (mm)

Slika 4.3 Korelacija kretanja referentne evapotranspiracije izraunate po modifikovanoj
Hargreaves-ovoj metodi i po modifikovanoj Turk-Ivanov metodi za Novi Sad, Vojvodina.

Za referentnu evapotranspiraciju u disertaciji je usvojena metoda Hargreaves-a.

72

4.5 Odreivanje prostorne korelacije

Korelacija (lat. con = sa, relatio = odnos) predstavlja odnos ili meusobnu povezanost
izmeu razliitih pojava predstavljenih vrednostima dveju promenljivih. Pri tome ova
povezanost znai da je vrednost jedne promenljive mogue sa odreenom
verovatnoom predvideti na osnovu saznanja o promenama druge promenljive.
Koeficijent korelacije je mera jaine linearne veze, ako je blia 1, onda se dve usko
povezane promenljive mogu predvideti jedna na osnovu druge korienjem linearne
jednaine. Ukoliko je mera pravca: pozitivna korelacija ukazuje da se promenljive X i Y
poveavaju ili smanjuju zajedno, a negativna korelacija ukazuje da dok jedna
promenljiva opada, druga raste. Korelaciona veza dve pojave naziva se prostom
korelacijom. U klasinom modelu proste korelacije obe posmatrane pojave su sluajne
promenljive, od kojih ni jednu nije nuno identifikovati kao zavisnu, odnosno nezavisnu
promenljivu. Kada nam je oigledno da korelacija izmeu posmatranih pojava postoji, a
pri tome ne moemo unapred odrediti nezavisno, odnosno zavisno promenljivu, tada
odreujemo meru njihovog meusobnog slaganja, odnosno stepen njihove korelacije.
Postojanje kvantitativnog slaganja (korelacione veze) dve pojave otkriva dijagram
rasprenosti. Take koje na dijagramu rasprenosti pokazuju prostu korelaciju pojava
bie locirane na povrini iji se oblik pribliava elipsi. Na slici 4.4 se vidi raspored taaka
na dijagramu rasprenosti u sluaju jake korelacije (funkcionalne zavisnosti), blage
korelacije, slabe korelacije i odsustva korelacije. U sluaju potpunog kvantitativnog
slaganja varijacija - savrene korelacije, take osmatranja e biti na istoj krivoj, a sasvim
rasprene kad je korelacija neznatna ili je uopte nema. Prema obliku rasporeda taaka
na dijagramu, prosta (blaga ili slaba) korelacija moe biti linearna ili krivolinijska i,
zavisno od smera slaganja, direktna ili inverzna. Kad obe posmatrane pojave pokazuju
tendenciju istog smera (obe rastu ili obe opadaju), imaemo direktnu korelacionu vezu,
a kad se njihove promene kreu u suprotnom smeru (jedna raste dok druga opada)
inverznu.

Slika 4.4 Rasprenost dijagrama i stepen korelacije.

73

Tabela 4.10 Vrednosti proticaja Q1 i Q2 na stanicama 1 i 2

Q1
1787,44
1924,99
2187,07
1986,11
2796,20
2212,77
1870,66
1793,34
1642,74
1541,65
1793,34
2613,57
1961,56
2641,32
2690,18
3058,00
3392,06
4469,53
3223,09
2290,62
1805,14
1464,82
1443,16
1858,68

Q2
1392,52
233,33
1162,78
1556,41
2894,31
1772,01
1659,68
1515,31
1336,57
1081,60
909,76
2019,49
1569,04
1990,39
1881,75
2967,65
1202,12
4182,79
2977,80
1938,27
1496,28
949,13
905,62
1553,52

Q1Q2
Q 12
Q 22
2489044,89 3194954,96 1939102,29
449159,14
3705567,79
54443,46
2543077,67 4783269,86 1352055,02
3091200,15 3944616,60 2422420,06
8093071,41 7818739,81 8377028,31
3921040,06 4896329,82 3140016,24
3104688,62 3499370,81 2754521,30
2717453,59 3216053,11 2296154,25
2195646,40 2698603,14 1786429,08
1667450,60 2376697,17 1169855,19
1631496,33 3216053,11
827654,32
5278086,12 6830762,94 4078342,83
3077763,81 3847723,83 2461878,88
5257250,01 6976557,78 3961649,64
5062230,32 7237060,45 3540964,73
9075070,12 9351360,95 8806942,45
4077663,86 11506049,27 1445095,72
18695116,46 19976721,31 17495732,85
9597713,07 10388321,83 8867274,02
4439844,65 5246951,49 3756890,18
2700991,79 3258544,36 2238839,14
1390308,97 2145702,88
900851,21
1306946,98 2082704,29
820140,63
2887497,18 3454677,96 2413434,79

Kao mera jaine proste linearne korelacione veze koriste se kovarijanse i koeficijent
proste linearne korelacije. Kovarijansu linearne korelacije definiemo po sledeoj
formuli:
(, ) = () ()()

(4.1)

gde je X npr. proticaj na stanici Q1 (Bezdan) uzvodno od stanice Q2 (Novi Sad), x km, a Y
je proticaj na stanici Q2. U tabeli 4.10 je dat primer proticaja na stanici 1 i na stanici 2 u
odreenom periodu, a u ostale tri kolone su izraunate vrednosti potrebne za
izraunavanje ocene kovarijanse.
Na slici 4.5 prikazan je dijagram rasprenosti za proticaje Q1 i Q2, a posebno je svojim
koordinatama obeleena taka koja predstavlja aritmetike sredine posmatranih pojava
Q1 i Q2. Ta taka se naziva centroidom podataka, a prosek proizvoda odstupanja
pojedinih vrednosti Q1 i Q2 od te take kovarijansom. Ocena kovarijanse skupa na
temelju podataka uzoraka dobija se po formuli:
= =

[( )( )]
1

Za x= Q1 i y=Q2, gde su n veliina uzorka, a n-1 broj stepeni slobode.

74

(4.2)

Slika 4.5 Dijagram rasprenosti za primer proticaja na stanicama Q1 i Q2

Kovarijansa zavisi u velikoj meri od veliine vrednosti posmatranih pojava. Te ukoliko

bi se nivo proticaja promenio za red veliine, kovarijansa bi se isto promenila za red
veliine, iako bi relacije njihovih odstupanja od centroida ostale nepromenjene. Ostao bi
nepromenjen i stepen njihovog meusobnog slaganja. Ovo ograniava primenu
kovarijanse kao mere korelacije (Brown et al., 1977). Za sagledavanje veze izmeu dve
linearno meuzavisne promenljive najee se upotrebljava koeficijent korelacije. U
korelacionoj analizi se po pravilu koristi relativna mera korelacije, zasnovana na
standardizovanim odstupanjima od centroida, koja se naziva Pirsonovim koeficijentom
proste linearne korelacije. Pirsonov koeficijent korelacije (r) koristi se u sluajevima
kada izmeu promenljivih posmatranog modela postoji linearna povezanost i
neprekidna normalna distribucija. Vrednost Pirsonovog koeficijenta korelacije kree se
od +1 do -1. Predznak koeficijenta ukazuje na smer korelacije. Ovako definisan
koeficijent korelacije bazira se na uporeivanju stvarnog uticaja posmatranih
promenljivih, jedne na drugu u odnosu na maksimalni mogui uticaj dve promenljive. Za
izraunavanje koeficijenta korelacije potrebne su tri razliite sume kvadrata: suma
kvadrata promenljive X, suma kvadrata promenljive Y i suma mnoilaca promenljivih X i
Y. Ocenu ovog koeficijenta u skupu, , predstavlja koeficijent proste linearne
korelacije uzorka :

= =

(4.3)

gde predstavlja ocenu kovarijanse a,

( )2

( )2

75

(4.4)

ocene standardnih devijacija promenljivih X i Y, respektivno. Jednostavnije, koeficijent

proste linearne korelacije uzorka, koji predstavlja ocenu koeficijenta korelacije skupa,
izraunava se (sa uproenom simbolikom) po formuli:
=

(4.5)

( ) ( )

Ova formula predstavlja samo drugi oblik formule za ocenu kovarijanse. Obe su
simetrine u odnosu na promenjive X i Y, pa rezultat ne zavisi od toga koju smo od
posmatranih pojava obeleili sa X, a koju sa Y, odnosno koju tretiramo kao nezavisnu, a
koju kao zavisnu promenljivu. Obe formule, dakle, vode rauna o reverzibilnosti relacije
izmeu promenljivih X i Y. Treba primetiti da je pristrasna ocena, izuzev kada je
= 0. Koeficijent proste linearne korelacije varira od -1 do 1 i oznaava sve vru
korelacionu vezu - to je blie jedinici, i to od -1 do 0 negativnu ili inverznu, a od 0 do 1
pozitivnu ili direktnu. Ako izmeu posmatranih pojava postoji potpuna (savrena)
korelaciona veza, koeficijent korelacije iznosi -1 ili 1, a kada izmeu njih uopte nema
linearne korelacije, koeficijent korelacije se izjednaava sa nulom. Nula, dakle, ne znai
odsustvo bilo kakve korelacione veze, nego odsustvo linearne korelacione veze. esto se
izraunava koeficijent determinacije koji predstavlja koeficijent korelacije dignut na
kvadrat. Putem njega se sagledava koliki je udeo promenljive X u ukupnom varijabilitetu
promenljive Y. Tako, na primer, ako je r = 0.9, onda je r2 = 0.81. Znai od 100%, uzet kao
ukupan varijabilitet promenljive Y, 81% se objanjava vezom sa promenljivom X.
Pirsonov koeficijent korelacije je otkrio naunik Bravais 1846. godine, ali ga je Karl
Pirson prvi opisao 1896. godine, kao i standardne metode za izraunavanje, pokazujui
da je to najbolji mogui koeficijent korelacije. Bitna pretpostavka u Pearsonovom radu
iz 1896. godine je normalnost analiziranih promenljivih, koja moe biti ostvarena samo
za kvantitativne promenljive. Pirsonov koeficijent korelacije je mera jaine linearne
veze izmeu dve takve promenljive. Zato je 1904. godine Kopljanik usvojio Pirsonov
koeficijent korelacije kao meru jaine veze izmeu dve promenljive koje se ne mogu
meriti kvantitativno. Pored Pirsonovog koeficijenta korelacije esto se koristi i
Spermanov koeficijent korelacije (). Spermanov koeficijent korelacije (McDonald,
2014)(produkt rang korelacije) koristi se za merenje povezanosti izmeu varijabli u
sluajevima kada nije mogue primeniti Pirsonov koeficijent korelacije. Bazira se na
tome da se izmeri doslednost povezanosti izmeu poreanih varijabli, a oblik
povezanosti (npr. linearni oblik koji je preduslov za korienje Pirsonovog koeficijenta)
nije bitan. Spermanov koeficijent korelacije kao rezultat daje priblinu vrednost
koeficijenta korelacije koji se tretira kao njegova dovoljno dobra aproksimacija.
Prilikom korienja Spermanovog koeficijenta, vrednosti promenljivih potrebno je
rangirati i na takav nain svesti na zajedniku meru. Najjednostavniji nain rangiranja je
da se najmanjoj vrednosti svake promenljive dodeli rang 1, sledeoj po veliini rang 2 i
tako sve do poslednje kojoj se dodeljuje maksimalni rang. Izraunavanje koeficijenta
radi se korienjem vrednosti dodeljenih rangova. Spermanov koeficijent oznaavaemo
sa . Formula za izraunavanje Spermanovog koeficijenta korelacije je:
2

= 1 6 =1 (21)

(4.6)

gde je d razlika vrednosti rangova dve posmatrane varijable, a n je broj razliitih serija.
Spermanov koeficijent korelacije je neparametarski rang statistike, predstavljen kao
mera jaine povezanosti dveju varijabli. To je mera monotone povezanosti koja se
koristi kada se distribucija podataka uz pomo Pirsonovog koeficijenta korelacije ini
76

nepoeljnom ili obmanjujuom. Spermanov koeficijent nije merilo linearnog odnosa

izmeu dveju varijabli. On procenjuje koliko dobro proizvoljna monotona funkcija moe
opisati odnos izmeu dve varijable, bez donoenja bilo kakve pretpostavke o uestalosti
distribucije varijabli. Za razliku od Pirsonovog koeficijenta korelacije, on ne zahteva
pretpostavku da je odnos izmeu varijabli linearna veza, niti zahteva da varijable budu
merene na intervalnim skalama; on se moe koristiti za varijable merene na nominalnoj
skali. Kendalov koeficijent () je od strane Kendala uveden 1938. godine (Kendell,
1938). Ovaj koeficijent korelacije se lako moe koristiti kao alternativa za Spermanov koeficijent, za podatke prikazane u obliku redova. To je funkcija koja odraava
minimalni broj susednih razmena potrebnih za nastanak jednog reda podataka iz
drugog. Glavna prednost korienja Kendalovog koeficijenta su injenica da njegova
distribucija ima neto bolja statistika svojstva, te da postoji direktno tumaenje ovih
svojstava u skladu sa mogunostima posmatranja saglasnosti i nesaglasnosti tih parova.
Ipak, koeficijent nije tako esto upotrebljavan u prolosti (u zadnjih ezdesetak
godina), kao to je bio Spermanov koeficijent u merenju stepena korelacije, uglavnom
zbog toga to je bio teak za izraunavanje. Kendalov -koeficijent je ekvivalent
Spermanovom koeficijentu u smislu osnovnih pretpostavki, ali oni nisu identini u
veliini, budui da su njihova osnovna logika i formule za izraunavanje sasvim
drugaije. Spermanov koeficijent se smatra slinim Pirsonovim r-koeficijentom
korelacije, u sluaju udela varijabilnosti koja se rauna, a Kendalov -koeficijent
predstavlja verovatnou, odnosno, razliku izmeu verovatnoa da su posmatrani podaci
u istom redosledu naspram verovatnoe da posmatrani podaci nisu u istom redosledu.
Jainu korelacione veze definie apsolutna vrednost korelacionog koeficijenta (tabela
4.11).
Tabela 4.11 Tabela jaine korelacione veze.

r
Jaina korelacije
0
nema
0-0,5
slaba
0,5-0,8
srednja
0,8-1
jaka
1
potpuna
Korienje Pirsonovog koeficijenta i Spermanovog koeficijenta u analizi prostorne
korelacije prvi je koristio Hajning (1991). Analiza prostorne korelacije je od znaaja za
predvianje kretanja vremenskih sistema i promena kroz prostor. Prostorna
distribucija sue ima limitiran prostorni doseg (km). Ustanovljavanjem trajektorije
pojave, odnosno polja njenog uticaja omoguava lake planiranje mera odbrane od iste
ili pak bolju preraspodelu resursa i ranu najavu. Odreivanje prostorne korelacije
takastih merenja je od velikog znaaja za praenje stanja sistema na lokacijama ili u
regijama gde ne postoje ili nisu adekvatna terenska merenja stanja sredine.
4.6 Rezultati ocene prostorne korelacije i linearne regresije parametara od
znaaja
U tabelama 4.12-4.14 prikazani su rezultati analize prostorne korelacije vremenskih
serija padavina 7 stanica za period osmatranja 1951-2012 u celosti. Korelaciona matrica
prostorne korelacije data je na slici 4.6.

77

Tabela 4.12 Korelaciona matrica izmeu stanica po Pirsonu.

Stanica
NS
SO
NS
1
SO
0,745
1
ZR
0,859 0,720
KI
0,815 0,762
V
0,716 0,606
SM
0,837 0,715
PL
0,730 0,786
Nivo znaajnosti =0,05

ZR

KI

SM

PL

1
0,823
1
0,784 0,710
1
0,788 0,742 0,691
1
0,688 0,760 0,591 0,663

Tabela 4.13 Korelaciona matrica izmeu stanica po Spearmanu.

Stanica
NS
SO
NS
1
SO
0,767
1
ZR
0,888 0,732
KI
0,827 0,766
V
0,747 0,647
SM
0,850 0,741
PL
0,747 0,795
Nivo znaajnosti =0,05

ZR

KI

SM

PL

1
0,854
1
0,804 0,759
1
0,815 0,751 0,729
1
0,722 0,787 0,634 0,695

Tabela 4.14 Koeficijent determinacije po Pirsonu.

Stanica
NS
SO
ZR
KI
V
SM
PL

NS
1
0,555
0,738
0,664
0,512
0,701
0,533

SO

ZR

KI

1
0,518
0,580
0,368
0,512
0,617

1
0,677
1
0,615 0,504
0,621 0,551
0,474 0,578

SM

1
0,477
0,349

1
0,439

Slika 4.6 Korelaciona matrica prostorne uslovljenosti padavina u Vojvodini.

78

PL

Koeficijent determinacije Pirsona ukazuje na udeo promena na stanici X u ukupnom

varijabilitetu stanice Y. to u odnosi na udaljenost stanica moemo videti da sa
distancom i uticaj stanica opada. Pri emu je trend opadanja koeficijenta determinacije
srazmeran kvadratnoj funkciji. Prikaz trenda koeficijenta determinacije dat je na slici
4.7. U tabeli 4.15 date su vrednosti udaljenosti stanica jedne od druge u km.

Novi Sad
1.2

Udaljenost u km

120

V, 115

100

PL, 95

80

1
0.8

SO, 82

KI, 80

0.6
60
40

0.4

ZR, 43

SM, 35

0.2

20
0

NS, 0
0

Koeficijent determinacije

140

Stanica
Slika 4.7 Prikazuje prostornu uslovljenost promena na stanicama u odnosu na promene na stanici
Novi Sad, iskazanu u vrednostima Pirsonovog koeficijenta determinacije.
Tabela 4.15 Vazduna udaljenost stanica u km.
Stanica
NS
SO
ZR
KI
V
SM
PL

NS

SO

0
82
43
80
115
35
95

ZR

0
107
103
186
97
61

KI

0
51
79
74
93

0
104
115
61

0
133
163

SM

0
125

PL

U tabelama 4.16 4.18 prikazani su rezultati analize prostorne korelacije vremenskih

serija PET na 7 stanica za period osmatranja 1951-2012 u celosti. Usled uslovljenosti
PET temperaturom koja ukazuje na homogenu raspodelu na prostoru Vojvodine
korelacioni odnos transponovan je na PET (slika 4.8).
Tabela 4.16 Korelaciona matrica izmeu stanica po Pirsonu.
Stanica

NS
1
0,991
0,992
0,992
0,991
0,992
0,975

SO

NS
1
SO
0,998
ZR
0,999
KI
0,998
V
0,999
SM
0,983
PL
Nivo znaajnosti =0,05

ZR

KI

SM

PL

1
0,999
0,999
0,999
0,984

1
0,998
0,998
0,984

1
0,998
0,982

1
0,982

79

Tabela 4.17 Korelaciona matrica izmeu stanica po Spearmanu.

Stanica
NS
SO
1
NS
0,983 1
SO
0,984 0,997
ZR
0,985 0,998
KI
0,984 0,996
V
0,984 0,997
SM
0,963 0,979
PL
Nivo znaajnosti =0,05

ZR

1
0,999
0,997
0,998
0,981

KI

1
0,997
0,997
0,980

1
0,997
0,978

SM

1
0,979

PL

Tabela 4.18 Koeficijent determinacije po Pirsonu.

Stanica
NS
SO
ZR
KI
V
SM
PL

NS
1
0,982
0,983
0,984
0,982
0,983
0,951

SO

ZR

KI

SM

PL

1
0,997
0,998
0,995
0,997
0,966

1
0,999
0,997
0,997
0,968

1
0,997
0,997
0,967

1
0,996
0,964

1
0,965

Slika 4.8 Korelaciona matrica prostorne uslovljenosti PET po Hargreves-u u Vojvodini

Tabela 4.19 Korelaciona matrica izmeu stanica po Pirsonu.
Stanica
NS
SO
ZR
KI
V
SM
PL

NS
1
0,999
0,987
0,999
0,999
0,997
0,999

SO

ZR

KI

SM

PL

1
0,987
0,998
0,999
0,995
0,998

1
0,988
0,987
0,983
0,987

1
0,999
0,998
0,999

1
0,997
0,999

1
0,996

Nivo znaajnosti =0,05

80

Kako smo ve napomenuli prostorna uslovljenost polja srednjih mesenih temperatura

na stanicama je velika te su korelacioni odnosi veoma bliski linearnoj funkcionalnoj
zavisnosti (tabela 4.19). Kao to je bilo i za oekivati vrednosti koeficijenta
determinacije za korelacioni odnos izmeu hidrolokih stanica Bezdan-Novi Sad na
Dunavu je visoke vrednosti 0,949 za period osmatranja 1951-2012 u celosti (tabela
4.20).
Tabela 4.20 Koeficijent determinacije po Pirsonu.
Stanica
NS
SO
ZR
KI
V
SM
PL

NS
1
0,997
0,975
0,999
0,998
0,994
0,998

SO

ZR

KI

SM

1
0,974
0,997
0,997
0,989
0,997

1
0,975
0,975
0,966
0,973

1
0,999
0,995
0,998

1
0,994
0,997

1
0,993

PL

Na osnovu dobijenih rezultata korelacione i regresione analize meteorolokih

parametara na sedam stanica u Vojvodini moemo zakljuiti da postoji znaajna
prostorna zavisnost meu pojavama.
4.7 Definisanje vremenskog niza istorijskih sua
U cilju odreivanja istorijskih sua, obraeni su podaci sa sedam meteorolokih stanica
u Vojvodini i medijski izvetaji. Usled ne postojanja zvanine metodologije i s obzirom
da jedini zvanini pristup proklamovanja sue nije baziran na proraunima ve na
odluci drave, u odnosu na prijavljene oekivane gubitke u datom periodu, te ne
postojanju definisanih pragova sue, uraeno je nekoliko pristupa analizi istorijskih
podataka o sunim dogaajima. Pri analizi vremenska varijacija padavina izraava se
radi lake analize preko srednjih godinjih suma padavina, odnosno preko mesenih
suma. Da bi se moglo izvriti poreenje i izraziti komplementarnost hidrolokih i
meteorolokih parametara utvreni su njihovi linearni trendovi (Pavlovi, 2009.).
Sprovedena analiza trendova hidrolokih i meteorolokih parametara u Vojvodini
(Pavlovi, 2009) dovela je do zakljuka da su trendovi kretanja proticaja i padavina
dobijeni analizom podataka sa hidrolokih i meteorolokih stanica u Vojvodini
usklaeni jedni sa drugima i da je vrednost intenziteta trenda umerena, bez znaajnih
skokova. Stoga je zakljueno da se padavine mogu koristiti kao relevantan parametar za
procenu klimatoloke sue i razvoja sue ka hidrolokoj. Pretpostavka je da e se
klimatoloke sue jakog intenziteta odraziti i u deficitu vode u povrinskim i
podzemnim tokovima. Ova pretpostavka se rukovodi idejom da su klimatoloke sue
velikog intenziteta u korelaciji sa pojavom hidrolokih sua 1:1. Jedini skok uoen je u
poveanoj koliini padavina tokom leta, koju prati jak rastui trend, nasuprot tome u
istom periodu javlja se opadajui trend oticaja. Ovakvo ponaanje moe biti uzrokovano
prirodom povrinskih tokova u Vojvodini, koji su tranzitni i pod uticajem uzvodnih
deavanja. Drugi uzrok moe biti poveana evapotranspiracija u tom periodu koja bi
anulirala uticaj poveanih padavina. Trei razlog moe leati u vremenskoj raspodeli
padavina na satnom nivou, koja moe ukazati na to da vea koliina kie pada u kraim
vremenskim intervalima to uzrokuje jak povrinski oticaj i pala voda ne uestvuje u
vodnom bilansu same prostorne lokacije ve brzo bude transportovana u nie delove
vodotoka. Pored svega toga moramo uzeti prirodnu zakasnelu reakciju usled razliite
81

vremenske skale razvoja procesa oticanja i padavina kao i geografski poloaj stanica
(Pavlovi et al, 2012).
4.8 Odreivanje markera sunih perioda na osnovu prostorno vremenske
analize odstupanja mesenih padavina od normale, HDN
Dragovi S., je na osnovu merenih padavina u Vojvodini proraunao i zakljuio da u
period od sto godina, samo 17 godina su zabeleile normalnu koliinu padavina, 37 je
beleilo veu prosenu visinu padavina, a ak 51 godina beleila je koliinu padavina
ispod proseka (Dragovi et al., 2013). Po ugledu na metodu Dragovia, uraena je
statistika analiza podataka sa meteoroloke stanice Rimski anevi (Novi Sad), koja je
locirana 15 km od Novog Sada, u periodu od 89 godina (1924-2012) za mesece jul i
avgust je pokazala da je 84,27% u julu i 84,27% godina u avgustu bile sune (tabela
4.21). Analiza se zasniva na baznom osmatranju vrednosti kie u odreenom opsegu.
Mera neophodnog minimum padavina je koliina padavina potrebna da zadovolji
potrebe biljaka za vodom, u Vojvodini usvojeni minimum neophodne kie je 100 mm
pale kie u letnjim mesecima, pri emu taj minimum je mnogo vei za pojedine biljne
vrste.
Tabela 4.21 Procenat sunih godina u odnosu na ukupne padavine u mesecima jul i avgust u
periodu od 1924 do 2012, u Vojvodini hidrometeoroloka stanica Novi Sad.
Padavine
mm
0-25
26-50
51-75
75-100
101-125
>126
Ukupno

Jul
broj godina
13
33
19
10
75
7
7
89

Avgust
broj godina
%
21
23,60
24
26,97
19
21,35
11
12,36
75
84,27
10
11,24
4
4,49
89
100,00

%
14,61
37,08
21,35
11,24
84,27
7,87
7,87
100,00

Kategorija sue
Ekstremno suno
Veoma suno
Sua
Blaga sua
UKUPNO
blago kiovito
kiovito

Izraeni podaci u tabelama 4.22 4.24 ukazuju koliko je sua prostorno homogena.
Zastupljenost od 100% ukazuje da se sua javila na svim mernim stanicama. No ovakav
metod jo uvek nije dovoljno precizan za praenje sunih godina (meseci).
Tabela 4.22 Procenat sunih godina u odnosu na ukupne padavine u mesecima jul i avgust u
periodu od 1951 do 2012, u Vojvodini, (padavine ispod 100 mm).
Vojvodina

Jul

Avgust

Zastupljenost %

broj godina

broj godina

100
85
70
55
Ukupno
<50

35
13
4
3
55
7

56,45
20,95
6,5
4,8
88,7
11,3

39
9
6
5
59
3

63
14,5
9,6
8,1
95,2
4,8

82

Tabela 4.23 Procenat sunih godina u odnosu na ukupne padavine u mesecima jul i avgust u
periodu od 1951 do 2012, u Vojvodini, (padavine ispod 50 mm).
Vojvodina
Zastupljenost %
100
85
70
55
Ukupno
<50

Jul
broj godina
7
4
8
14
33
29

%
11.29
6.45
12.91
22.58
53.23
46.77

Avgust
broj godina
14
12
3
8
37
25

%
22.58
19.35
4.84
12.91
59.68
40.32

Tabela 4.24 Procenat sunih godina u odnosu na ukupne padavine u mesecima jul i avgust u
periodu od 1951 do 2012, u Vojvodini, (padavine ispod 25 mm).
Vojvodina
Zastupljenost %
100
85
70
55
Ukupno
<50

Jul
broj godina
0
2
2
0
4
58

%
0
3.225
3.225
0
6.45
93.55

Avgust
broj godina
3
4
3
4
14
48

%
4.84
6.45
4.84
6.45
22.58
77.42

Kao prvi korak u definisanju metode za odreivanje markera sunih godina uzete su
godine u kojima se sua homogeno (na svim ili na 85% stanica) javila sa najveim
intenzitetom, odnosno visina padavina za dati mesec nije prelazila 25 mm (tabela 4.25).
Tabela 4.25 Detektovane ekstremne sune godine (padavine ispod 25 mm) u Vojvodini po
prostornoj homogenosti.
Vojvodina
Zastupljenost %
100
85
70
55

Jul
godine

Avgust
godine
1967, 2000, 2012
1952, 1961, 1992, 2011
1962, 1988, 2008
1973, 1984, 1990, 2003

1952, 1988
1989, 2000

Na osnovu dobijenih rezultata definisana je metoda za prvi marker istorijskih sua za

prostor Vojvodine. U ovoj metodi krenulo se od pretpostavke da se pik sue javlja u
letnjim mesecima. Prag od 25 mm odreen je na osnovu normala za mesece jul i avgust
u Vojvodini, i predstavlja koliinu kie ispod 50% od normale, odnosno manje od pola
oekivane koliine kie za dati mesec. Normale meteorolokih parametara definiu se
kao srednja vrednost 30 godinjeg vremenskog niza. Svaki mesec je okarakterisan
svojom normalom. U tabelama 4.26 i 4.27 predstavljeni su pragovi sue na osnovu
normala za visinu padavina za periode 1961-1990 i 1981-2010. Pragovi sue izvedeni
su po analogiji da se sua moe oekivati u sluaju da je deficit pale kie u odnosu na
normalu 50% i vei, a da blagu suu oekujemo u sluajevima kada imamo 33% deficita.
Veoma suni period oekujemo kada deficit pree 70%, a ekstremnu suu oekujemo za
periode kada je deficit u rangu 85% ili vie (tabela 4.28). Na osnovu usvojenih pragova
definisani su markeri ekstremnih sua, koje se homogeno javljaju na teritoriji Vojvodine
u periodu 1951-2012 (tabela 4.29).

83

Tabela 4.26 Normale visine padavina i pragovi sue po mesecima za Vojvodinu izraene u mm.
1961-1990
Srednja ekstremno veoma
blaga
sua
normala suno
suno
sua
JAN
36,63
9,16
12,21
20,20
24,42
FEB
33,33
8,33
11,11
18,65
22,22
MAR
37,23
9,31
12,41
20,40
24,82
APR
47,38
11,85
15,79
25,55
31,59
MAJ
56,00
14,00
18,67
29,10
37,33
JUN
80,40
20,10
26,80
42,15
53,60
JUL
59,63
14,91 19,88 32,30 39,76
AVG
52,13
13,03 17,38 27,10 34,76
SEP
38,53
9,63
12,84
22,05
25,69
OKT
34,33
8,58
11,44
19,10
22,89
NOV
46,80
11,70
15,60
26,00
31,20
DEC
44,50
11,13
14,83
24,70
29,67
suma 566,92 141,73 188,97 307,30 377,94
Tabela 4.27 Normale visine padavina i pragovi sue po mesecima za Vojvodinu izraene u mm.

JAN
FEB
MAR
APR
MAJ
JUN
JUL
AVG
SEP
OKT
NOV
DEC
suma

srednja
normala
36,32
29,60
37,25
45,63
57,33
83,68
60,93
51,77
51,47
46,53
50,23
46,68
597,42

1981-2010
ekstremno veoma
blaga
sua
suno
suno
sua
9,08
12,11
18,95
24,21
7,40
9,87
14,60
19,73
9,31
12,42
20,20
24,83
11,41
15,21
24,20
30,42
14,33
19,11
28,10
38,22
20,92
27,89
42,20
55,79
15,23
20,31 30,80 40,62
12,94
17,26 26,40 34,51
12,87
17,16
25,15
34,31
11,63
15,51
27,30
31,02
12,56
16,74
26,40
33,49
11,67
15,56
22,80
31,12
149,35
199,14 307,10 398,28

Tabela 4.28 Usvojeni pragovi sue na osnovu visine padavina po mesecima za Vojvodinu izraene
u mm kie.

JAN
FEB
MAR
APR
MAJ
JUN
JUL
AVG
SEP
OKT
NOV
DEC
suma

USVOJENI PRAGOVI SUE za HDN

srednja ekstremno veoma
blaga
normala
suno
suno sua
sua
36
9
12
15
24
30
7
10
15
20
37
9
12
20
25
46
11
15
20
30
57
14
19
25
38
84
21
28
40
56
61
15
20
25
41
52
13
17
25
35
51
13
17
25
34
47
12
16
25
31
50
13
17
25
33
47
12
16
20
31
597
149
199
280
398

84

Naznaeni marker (tabela 4.29) potvreni su i izvodima iz medija i novina i zvanino su

proklamovane sue na teritoriji Vojvodine. Dobijeni markeri oznaavaju mesece kada se
oekuje da se vrednosti indikatora sue kreu u intervalu u kom indikator ukazuje na
ekstremnu suu. Homogenost markera oznaava da prostorno gledano indikator treba
da identifikuje ekstremnu suu na svim stanicama koje su uzete u razmatranje prilikom
odreivanja pragova.
Tabela 4.29 Markeri ekstremnih sua u Vojvodini u periodu 1951-2012
Markeri veoma sunih meseci u Vojvodini
u periodu 1951-2012
mar.53
-3,0 maj.62 -3,0
okt.88
sep.53
-3,0
okt.67 -3,0
feb.89
okt.53
-3,0
okt.68 -3,0
feb.93
nov.53
-3,0
dec.71 -3,0
feb.00
nov.57
-3,0
jan.72 -3,0
jun.00
maj.58
-3,0
jan.73 -3,0
jan.02
sep.58
-3,0
okt.77 -3,0
mar.02
jan.61
-3,0
okt.85 -3,0
sep.09
avg.61
-3,0
sep.87 -3,0
apr.11

-3,0
-3,0
-3,0
-3,0
-3,0
-3,0
-3,0
-3,0
-3,0

Tabela 4.30 Markeri istorijskih sua, veoma sunih meseci u Vojvodini u periodu 1951-2012,
naznaeni markeri potvreni su i izvodima iz medija i novina i zvanino su proklamovane sue na
teritoriji Vojvodine.
Markeri ekstremnih sua u Vojvodini u periodu 1951-2012
okt.51
-4,0
dec.72
-4,0
avg.92
-4,0
jul.52
-4,0
feb.75
-4,0
okt.95
-4,0
sep.56
-4,0
dec.75
-4,0
feb.98
-4,0
mar.57
-4,0
feb.76
-4,0
avg.00
-4,0
feb.59
-4,0
okt.78
-4,0
okt.00
-4,0
okt.59
-4,0
nov.78
-4,0
okt.01
-4,0
mar.61
-4,0
sep.85
-4,0
mar.03
-4,0
sep.61
-4,0
sep.86
-4,0
okt.05
-4,0
okt.61
-4,0
nov.86
-4,0
apr.07
-4,0
okt.62
-4,0
feb.87
-4,0
feb.08
-4,0
okt.63
-4,0
okt.87
-4,0
apr.09
-4,0
jan.64
-4,0
jan.89
-4,0
avg.11
-4,0
avg.67
-4,0
jan.90
-4,0
nov.11
-4,0
okt.69
-4,0
jan.92
-4,0
mar.12
-4,0
mar.72
-4,0
mar.92
-4,0
avg.12
-4,0

Prikazani markeri definiu pojavu ekstremne sue i po intenzitetu i po prostornoj

disperziji, odnosno ukoliko regionalni marker uzima ekstremnu vrednost to znai da se
sua javila na svim stanicama u datom mesecu sa deficitom 85% ili veim. Izvedeni
markeri sue vae na nivou cele Vojvodine i u skladu su sa pojavom sue na
pojedinanim stanicama. Pored regionalnih markera uraeni su i stanini markeri koji
mogu da variraju u vremenu i intenzitetu u odnosu na regionalne, koji zahtevaju
prostorno razvijeniju suu. Regionalni markeri mogu uzeti blau vrednost sue ukoliko
ona nije prostorno obuhvatila sve stanice te stoga pojedine stanice pokazuju jai
intenzitet sue u odreenom mesecu nego regionalni markeri. Obe grupe markera,
regionalni i stanini su od velikog znaaja za procenu indikatora. Ukoliko se radi o
staninim vrednostima indikatora koristimo stanine markere, a u sluaju prorauna
indikatora po grid-u koristimo regionalne markere, koji obuhvataju ceo grid. Vrednosti
po gridu dobijamo kao izlaz iz numerikog modela, te su nam stoga od velikog znaaja
85

regionalni markeri. Markeri istorijskih sua na osnovu deficita padavina od normale

izraunati su za sedam meteorolokih stanica u sklopu RHMZ-a u Vojvodini: Novi Sad,
Sombor, Pali, Zrenjanin, Kikinda, Vrac i Sremska Mitrovica i prikazani su u tabelama
4.31 4.33. Na slici 4.9 dat je prikaz vremenskih serija markera sue markera sunih
perioda na osnovu prostorno vremenske analize odstupanja mesenih padavina od
normale za stanice u Vojvodini, HDN (Historical Drought based on the Normal).
Tabela 4.31

Markeri istorijskih sua, sunih meseci u Vojvodini u periodu 1951-2012.

sep.51
avg.52
dec.53
okt.56
jan.57
jun.57
jul.58
mar.60
jun.62
avg.62
nov.67

Markeri sua u Vojvodini u periodu 1951-2012

-2,0 mar.68 -2,0 okt.83 -2,0 maj.93 -2,0 jun.03
-2,0 apr.68 -2,0 nov.83 -2,0 nov.94 -2,0 avg.03
-2,0 sep.69 -2,0 jul.88 -2,0 mar.97 -2,0 nov.05
-2,0 feb.71 -2,0 avg.88 -2,0 mar.98 -2,0 sep.06
-2,0 okt.71 -2,0 nov.88 -2,0 mar.99 -2,0 okt.06
-2,0 mar.73 -2,0 dec.89 -2,0 jan.00 -2,0 nov.06
-2,0 jan.75 -2,0 maj.90 -2,0 jul.00 -2,0 okt.08
-2,0 sep.79 -2,0 jan.91 -2,0 sep.00 -2,0 jun.12
-2,0 sep.80 -2,0 dec.91 -2,0 nov.00 -2,0 sep.12
-2,0 sep.82 -2,0 maj.92 -2,0 dec.01 -2,0
-2,0 nov.82 -2,0 jan.93 -2,0 apr.03 -2,0

-2,0
-2,0
-2,0
-2,0
-2,0
-2,0
-2,0
-2,0
-2,0

Tabela 4.32 Markeri istorijskih sua, blago suni meseci u Vojvodini u periodu 1951-2012.
Markeri blagih sua u Vojvodini u periodu 1951-2012
jan.51
feb.52
mar.52
apr.52
jul.54
sep.54
maj.55
avg.56
sep.59
avg.60
feb.61
jun.61
jul.61

-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0

apr.69
maj.69
sep.70
apr.71
maj.73
sep.73
jan.74
feb.74
mar.74
mar.75
nov.75
mar.76
maj.76

-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0

jan.62 -1,0 jan.78 -1,0

sep.62 -1,0

jul.78

feb.81
maj.81
jul.81
jan.82
feb.82
maj.82
feb.83
mar.83
apr.83
avg.83
dec.83
avg.84
dec.84
jul.85

-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0

dec.86
jul.87
dec.87
maj.88
dec.88
jul.89
okt.89
avg.90
feb.91
sep.91
jul.92
sep.92
okt.93

-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0

sep.97
nov.97
dec.98
maj.00
feb.01
apr.02
nov.02
feb.03
maj.03
dec.03
dec.06
jul.07
maj.08

-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0
-1,0

-1,0 mar.94 -1,0 avg.08 -1,0

-1,0 dec.85 -1,0 okt.96 -1,0 sep.11 -1,0

mar.63 -1,0 avg.78 -1,0 maj.86 -1,0 maj.97 -1,0 nov.12 -1,0
jun.63 -1,0 jul.63 -1,0 mar.65 -1,0 sep.66 -1,0 mar.69 -1,0

86

Tabela 4.33 Izvod iz baze istorijskih sua na stanici Novi Sad dobijenih na osnovu analize deficita
kie u odnosu na normal.
Markeri za ekstremnu suu za meteoroloku stanicu Novi Sad
okt.51

-4,0

jan.64

-4,0

jan.89 -4,0

apr.07

-4,0

jul.52

-4,0

okt.65

-4,0

jan.90 -4,0

feb.08

-4,0

mar.53

-4,0 avg.67

-4,0

jan.92 -4,0

apr.09

-4,0

nov.53

-4,0

okt.69

-4,0

mar.92 -4,0

sep.09

-4,0

sep.56

-4,0 mar.72

-4,0

avg.92 -4,0

avg.11

-4,0

mar.57

-4,0 dec.72

-4,0

feb.93 -4,0

nov.11

-4,0

jul.58

-4,0

jan.73

-4,0

okt.95 -4,0

mar.12

-4,0

feb.59

-4,0

feb.75

-4,0

feb.98 -4,0

avg.12

-4,0

okt.59

-4,0 dec.75

-4,0

feb.00 -4,0

sep.12

-4,0

jan.61

-4,0

feb.76

-4,0

avg.00 -4,0

mar.61

-4,0

okt.78

-4,0

okt.00 -4,0

sep.61

-4,0 sep.86

-4,0

jan.02 -4,0

okt.61

-4,0 nov.86

-4,0

mar.03 -4,0

okt.62
okt.63

-4,0 feb.87
-4,0 sep.87

-4,0
-4,0

apr.03 -4,0
okt.05 -4,0

Slika 4.9 Vremenska raspodela istorijskih sua, identifikovanih preko odstupanja padavina od
normale, HDN.

4.9 Odreivanje markera sunih perioda na osnovu prostorno vremenske

analize kumulativne razlike od srednje vrednosti, HDK
Kumulativna razlika od srednje vrednosti ukazuje na stanje sistema. Odnosno, odreuje
koliko vode sistemu treba da bi izaao iz deficita. Ovaj odnos je od velikog znaaja za
prognozu jer ukazuje da li e projektovana/prognozirana kia nadomestiti postojei
deficit. U planiranju proizvodnje u poljoprivredi od izuzetnog je znaaja da znamo
koliko e vode biti na raspolaganju usevima, i sa koliko vode e rezervoari doekati
proizvodnu sezonu, ako govorimo o hidroenergiji. Ova mera moe se istovremeno
87

koristiti i za praenje uticaja poplavnih, odnosno veoma vlanih perioda. Problem ove
metode je usvajanje referentne srednje vrednosti koja bi bila odgovarajua za praenje
deficita (suficita). U naem sluaju za referentnu srednju vrednost uzeli smo srednju
vrednost celog vremenskog niza (tabela 4.32).
Tabela 4.34 Usvojene referentne srednje vrednosti

Novi Sad
Sombor
Pali
Zrenjanin
Kikinda
Vrac
Sr. Mitrovica
Vojvodina

Referentna srednja vrednost, mm, za period 1951-2012

jan feb mar apr maj jun jul avg sep okt
38 37
37
48
62
86 66 56
44
45
36 34
33
47
59
78 67 52
45
44
33 32
32
42
56
74 60 49
43
36
36 36
35
45
59
82 60 47
44
40
34 33
32
46
54
75 57 51
43
38
41 40
35
55
67
86 75 62
50
43
40 37
38
49
60
83 64 53
47
47
37 35
35
48
59
81 64 53
45
42

nov
51
52
48
47
46
48
53
49

dec
51
49
48
50
48
54
52
50

sum
622
597
553
579
557
658
623
598

Drugim reima, gledano po mesecima referentna srednja vrednost za mesec je:

1
= 2012
=1951

(4.7)

Za svaki mesec se rauna kumulativna razlika od usvojene srednje vrednosti:

= 1 +
(4.8)
gde je 1 kumulativni deficit iz prethodnog meseca. Fiziki to znai da na osnovu
sumarnih mesenih padavina imamo meru ulaza u sistem. Na osnovu razlike od mere
oekivane (potrebne) vrednosti da sistem ne bi bio u deficitu, odreujemo deficit. Kako
su mesene vrednosti samo kalendarska odrednica, u prirodi stvari u pitanju je
kontinualna bilansna jednaina koja se oslanja na stanje iz prethodnog meseca. Na taj
nain dobijamo meru koliko je na godinjem, sezonskom ili mesenom nivou sistem u
deficitu u odnosu na neki vremenski interval osmatranja. Mana ovakvog odreivanja
nalazi se u poetnom uslovu gde koliinu padavina u prvom mesecu osmatranja
uzimamo kao poetno stanje sistema. Ovako odreeno poetno stanje moe zanemariti
deficite i suficite iz vremena osmatranja pre razmatranog. Usvojena pretpostavka je da
se sistem pre osmatranog perioda nalazio u ravnotei. U skladu sa iznetim izvren je
proraun kumulativne razlike od srednje vrednosti padavina na svih sedam stanica u
Vojvodini. Nakon toga je po istom principu, kao i za marker odstupanja od normalne
vrednosti, odreen marker HDK (Historical Drought marker based on Cumulative
deficit) u skladu sa procentom odstupanja. Tako da za negativno odstupanje od 33% do
50% kumulativne razlike od usvojene srednje vrednosti, usvajamo da se radi o prvoj
kategoriji klimatoloke sue (-1), za sve vrednosti uoenog deficita padavina do 33%
vrednosti pretpostavlja se da ne uzrokuju suu i da se sistem moe nositi sa tim bez
posledica. Vrednostima deficita od 50% do 70% dodeljuje se teinski faktor -2, od 70%
do 85% teinski faktor -3, i vrednostima deficita veim od 85% teinski faktor -4. Fiziki
objanjeno, ukoliko se u toku vremena akumulirao na mesenom nivou deficit od 33% i
vei smatramo da nedostatak vode u sistemu je sua. Ovako odreeni markeri, dodelom
teinskih faktora veoma su jasni i fiziki precizni, no i dalje ne daju jednostavnost u
predvianju sue, ili njenoj ranoj najavi, ali su veoma korisni u klasifikovanju istorijskih
podataka.

88

Slika 4.9 Vremenska raspodela istorijskih sua, identifikovanih na osnovu kumulativne razlike od
srednje vrednosti, HDK

4.10 Rezultati analize prostorne korelacije istorijskih sua

Koeficijent korelacije izmeu HDN i HDK i i broj prepoznatih sunih meseci u period
1951-2012 dati su u tabeli 4.35.
Tabela 4.35 Mera saglasnosti istorijskih sunih dogaaja odreenih na osnovu HDK i HDN.
NS
SO
PL
ZR
KI
V
SM

r
0.95
0.95
0.96
0.96
0.96
0.95
0.96

HDK
254
253
254
261
269
250
244

HDN
233
232
276
271
294
225
232

Dobijene vrednosti markera sua pokazuju dobro slaganje po obe metode, to potvruje
i dijagram rasprivanja (slika 4.10).

Slika 4.10 Dijagram rasprivanja vrednosti markera istorijskih sua HDN - MarkerN i HDK
MarkerK.

89

4.11 Analiza ciklinosti pomou sumarnih krivih modulnih odstupanja

Modifikovanom metodom Ocokoljia (Ocokolji, 1994) analizirana je ciklinost
mesenih padavina na sedam meteorolokih stanica u Vojvodini odreivanjem
modulnih koeficijenata (K) koji se dobijaju odnosom padavina svakog lana niza sa
prosenom viegodinjom vrednou. Oduzimanjem jedinice od K i sumiranjem ovih
vrednosti u kumulativnom odnosu i podelom svakog takvog zbira sa koeficijentom
varijacije dobijena je raunska sumarna kriva modulnih odstupanja od prosene
vrednosti. Dobijene raunske vrednosti su nanete na dijagram (slika 4.11), gde je na
ordinati 1 , a na apscisi godine perioda 1951-2012. Dobijene vremenske serije
pokazuju hronoloku promenljivost mesenih vrednosti padavina, ili naizmenino
smenjivanje sunih i vlanih perioda.

Slika 4.11 Vremenske serije hronoloke promenljivosti mesenih vrednosti padavina po

Ocokoljievoj metodi odreivanja ciklinosti hidrometeorolokih parametara.

Vremenski periodi u toku kojih su intenziteti prirasta sumarne krive pozitivni

odgovaraju vlanom periodu, i obrnuto, vremenski periodi u toku kojih su takvi prirasti
negativni, sunom periodu. Period vremena koji obuhvata jedan vlaan i jedan suan
period predstavlja hidroloki ciklus. Na dijagramima sa slike 4.14 mogu da se izdvoje
vie ciklusa i u okviru njih mikrociklusi. Svaki ciklus ima svoje karakteristike: trajanje,
suni i vodni period i prosenu vrednost. Kada se govori o ciklinosti vlanih i sunih
perioda mora se istai da u svakom sunom ili vlanom periodu nisu zastupljene uvek
sune odnosno vlane godine, odnosno da se u svakom sunom odnosno vlanom
periodu mogu zapaziti vlane odnosno sune godine. Redosled pojavljivanja hidrolokih
ciklusa i mikrociklusa u okviru njih karakteristian je za svaku stanicu ponaosob.
Moemo zapaziti da po broju ciklusa stanice moemo podeliti u tri grupe.
90

Slika 4.12 Tri karakteristine grupe hronoloke promenljivosti padavina u Vojvodini, I grupu ine
stanice Novi Sad, Sombor i Pali, II grupu ine stanice Zrenjanin, Vrac i Kikinda i III grupu ini
stanica Sremska Mitrovica.

91

Prikazana podela stanica (slika 4.13) poklapa se sa klimatskom i hidrolokom analizom

hidrometeorolokih parametara u Vojvodini (Pavlovi, 2009). Od znaaja za analizu
sue jesu ciklusi koji na makro i mikro nivou predstavljaju sune periode. Jedan
hidroloki ciklus sainjen je od jednog kontinuma pozitivnih vrednosti i jednog
kontinuma negativnih vrednosti. Ukupna duina broj meseci u ciklusu predstavlja
trajanje ciklusa, broj osenenih meseci u ciklusu predstavlja duinu sunog perioda u
tom ciklusu. Makro ciklusi su predstavljeni u odnosu na pozitivne i negativne vrednosti
sumarne krive (Prilog 1 tabela A.1.), dok su mikro ciklusi bazirani na mesenim
vrednostima sumarnih padavina (Prilog 2. tabela B.1.). Ono to uoavamo je da unutar
vlanog (suvog) makro ciklusa beleimo mesece sa deficitom (surplusom) padavina.
Meutim pojedinani meseci nisu dovoljni da uvedu ceo sistem u suu. Akumulacija
deficita nakon izvesnog vremena rezultuje suom. Mesec u kom se kumulativna kriva
spusti ispod 0 beleimo kao poetak sue. Za rano upozorenje lokalni trend kretanja
sumarne krive deficita, koji ukazuje na ulaz makro ciklusa u negativne vrednosti, je
pokazatelj razvoja sue.

92

5. Analiza prorauna indeksa sue

Na osnovu izmerenih podataka sa sedam meteorolokih stanica u Vojvodini u periodu
1951-2012, izvren je proraun odabranih indikatora sue SPI, EDI i AWRI. Prva
iteracija MEPIS-a podrazumevala je usvajanje prvog baznog/repernog indeksa. Usled
opte primene i prihvaenosti kao univerzalnog indikatora kao polazni indikator
usvojen je SPI3. SPI3 karakterie pojavu klimatoloke sue, gde u sluaju potrebe
sagledavanja svih razmera sue neophodno je razmatrati ceo skup SPI indeksa (3, 12,
18, 24). Testiranje je vreno samo za SPI3 indeks, usvajajui ga kao referentni za
istraivanje na osnovu poreenja sa SPI12 i SPI24 rezultatima. Drugi razlog usvajanja
SPI3 je to ga koristi i javni servis RHMZ Srbije u cilju praenja kretanja sue u Srbiji. Za
potrebe prorauna vrednosti SPI indeksa na osnovu 100-godinje vremenske serije
padavina generisane pomou GCM ECHAM5 formirane su vremenske serije
kumulativnih tromesenih, dvanaestomesenih i dvadesetetvoromesenih padavina.
Izlaz iz modela nalazi se u vidu grb.txt fajle i uz upotrebu RStudio-a svi fajlovi su
prepakovani u format pogodan za korienje u R-u i Excellu u kojima su generisani
grafici

Slika 5.1 Izvod iz FORTRAN programa za proraun SPI3

93

5.1 Analiza SPI3

Indikator sue SPI3 definisan je jednim meteorolokim parametrom, ukupnom
mesenom visinom kie:
3 = {}
(5.1)
Time je zadovoljio prvi uslov postojanja neophodnih podataka u arhivi podataka i
uraen je njegov proraun. Proraunom je generisano sedam vremenskih serija za
period od 1951 do 2012 godine za svih navedenih sedam stanica u Vojvodini. Proraun
je raen u programu FORTRAN, a obrada i analiza dobijenih vrednosti u R-u.

Slika 5.2 Vremenske serije SPI3

Slika 5.3 Korelacioni odnos SPI3 i HDN.

94

Druga logika sekvenca MEPIS-a je podrazumevala analizu slaganja indeksa sue SPI3 sa
istorijski zabeleenim suama. Uporedili smo SPI3 sa obe metode odreivanja
istorijskih sua. U tu svrhu kreiran je R programski kod koji je transponovan i na analizu
drugih indeksa sue, ime se obezbedila standardizacija u pristupu analizi poklapanja
istorijskih sua sa vrednostima odabranih indikatora sue.Analize slaganja SPI3 sa
istorijskim suama nisu bile ohrabrujue, i nije se ukazala nikakva linearna sprega SPI3 i
markera istorijskih sua. Korelaciona analiza nije ukazala na postojanje usaglaenosti
SPI3 i HDN. Sa prikazanih grafika (slike 5.1 i 5.2) moemo zapaziti i da se vrednosti
SPI3 koji ukazuju na normalno ili ekstremno vlano vreme javljaju kada su istorijski
podaci ukazivali na ekstremne sue. Da bi potvrdili nalaze, vrednostima SPI3 dodelili
smo teinske faktore u skladu sa znaenjem vrednosti SPI-ja (tabela 5.1).
Tabela 5.1 Dodeljeni teinski faktori vrednostima SPI3.

Kategorija
Ekstremno vlano
Veoma vlano
Umereno vlano
Normalno
Blaga sua
Sua
Jaka sua
Ekstremna sua

vrednosti SPI
>+2
od 1,50 do 1,99
od 1,00 do 1,49
od 0,99 do 0
Od 0 do -0,99
od -1,0 do -1,49
od -1,5 do -1,99
< -2

Slika 5.4 Slaganje pojave sue odreene metodom HDN i SPI3

95

Teinski faktor
0
0
0
0
-1
-2
-3
-4

Kako korelacija dva metoda nije znaajna, uporedili smo slaganje vremenske pojave
sua i slaganje pojave sua po intenzitetu u odnosu na ukupan broj sunih dogaaja.
Time smo eliminisali veliki um koji prave godine bez sue, jer sua jeste relativno retka
pojava. Da bi utvrdili slaganje metoda i van sunog perioda traili smo vremensko
slaganje pojave teinskog koeficijenta 0 (tabela 5.2).
Tabela 5.2 Broj poklopljenih dogaaja

SPI3
HDN po pojavi sue

HDN po intenzitetu sue

Slaganje perioda bez sue
HDK po pojavi sue
HDK po intenzitetu sue
Slaganje perioda bez sue

NS
68

SO
55

PL
75

KI
72

V
67

ZR
77

SM
65

29,2%

23,7%

27,2%

24,5%

29,8%

28,4%

28,0%

19
8,2%
401
78,8%
NS
77
30,3%
21
8,3%
401
82,2%

19
8,2%
373
73,1%
SO
57
22,5%
22
8,7%
392
80,2%

18
6,5%
406
87,1%
PA
72
28,3%
17
6,7%
387
79,3%

25
8,5%
350
78,1%
KI
69
25,7%
19
7,1%
371
78,4%

21
9,4%
405
78,3%
VR
71
28,4%
25
10,0%
383
77,8%

22
8,1%
367
77,9%
ZR
71
27,2%
23
8,8%
370
76,9%

18
7,8%
406
79,6%
SM
67
27,5%
20
8,2%
395
79,3%

Dobijeni rezultati ukazuju da je preciznost za SPI3 oko 30%, dok je njegova osetljivost
dosta niska odnosno svega oko 8% dogaaja se poklopilo po intenzitetu. U skladu sa
analizom prostorne korelacije meteorolokih parametara, uraena je i analiza prostorne
korelacije SPI3 indeksa, koja ukazuje na znaajnu linearnu prostornu korelaciju.
A)

96

B)

C)
Slika 5.5 A, B, C Korelacioni odnosi meu meteorolokim stanicama i regresioni linearni model

Uoeno je da postoji znaajno prostorno slaganje u intenzitetu SPI3 u Vojvodini.

Prostorna uslovljenost sunih dogaaja je od podjednakog znaaja kao i njihova
vremenska uslovljenost. Na osnovu prostornih slaganja pojavu sue bi mogli oekivati
na prostoru izmeu osmatrakih stanica sa prosenom pouzdanou od oko 85%. Prag
97

od 85% za indeks sue je dosta visok i zadovoljavajui kao polazni za dalja istraivanja.
Drugim reima, u 85% sluajeva ukoliko bi se samo oslonili na dogaaje na osmatranim
stanicama bili bi u pravu kad bismo predvideli iste dogaaje na prostoru izmeu njih.
etvrta logika sekvenca MEPIS algoritma okarakterisana je odreivanjem stohastike
zavisnosti indeksa i merenih parametara. U MEPIS je ukljueno osam meteorolokih
parametra od znaaja: pritisak, padavine, temperatura, vlanost vazduha, brzina vetra,
oblanost, trajanje sunevog sjaja i evapotranspiracija.

Slika 5.6 Asocijativni odnosi meu SPI3 i padavina i regresioni linearni model

Funkcija ove faze je nai mere slaganja varijacija procenjivanog indeksa sue i svakog
merenog parametra ponaosob.SPI3 je u funkciji padavina, koja po svojoj prirodi nije
linearna te rezultati linearne regresije su bili oekivani (slika 5.6). No ipak moemo
primetiti da sprega SPI3 i padavina varira po prostoru, te moemo zakljuiti da SPI3 nije
prostorno homogeno precizan kao to se oekivalo, i da postoji osetljivost SPI3 na
prostorne uslove. Po stanicama je testiran korelacioni odnos SPI3 sa drugim
meteorolokim parametrima u skladu sa etvrtom logikom sekvencom MEPIS-a i to
redom: srednja mesena temperatura TMED, srednja mesena brzina vetra -AWND,
srednje trajanje sunevog sjaja u toku dana za dati mesec - TSUN, srednja mesena
oblanost - ACSH, srednja mesena vlanost vazduha - RHUM, srednji meseni pritisak
PRESS. Na slikama 5.7 5.13 moemo uoiti da ne postoji znaajna linearna zavisnost
izmeu ponaanja SPI3 i meteorolokih parametara od znaaja za identifikovanje sunih
uslova. Iako stepen korelacije nije od statistikog znaaja, smer uoene korelacije
(tabela 5.2) nam ukazuje da li indikator fiziki ima logiku vezu sa parametrima od
98

znaaja za formiranje sue. Osenena polja oznaavaju meteoroloke parametre sa

kojima indikator nije ostvario odgovarajuu fiziku uzrono-posledinu vezu.

Slika 5.7 Asocijativni odnos SPI3 i meteorolokih parametara za stanicu Novi Sad

Slika 5.8 Asocijativni odnos SPI3 i meteorolokih parametara za stanicu Sombor

99

Slika 5.9 Asocijativni odnos SPI3 i meteorolokih parametara za stanicu Pali

Slika 5.10 Asocijativni odnos SPI3 i meteorolokih parametara za stanicu Kikinda

100

Slika 5.11 Asocijativni odnos SPI3 i meteorolokih parametara za stanicu Vrac

Slika 5.12 Asocijativni odnos SPI3 i meteorolokih parametara za stanicu Zrenjanin

101

Slika 5.13 Asocijativni odnos SPI3 i meteorolokih parametara za stanicu Sremska Mitrovica

Moemo uoiti da SPI3 nema znaajne linearne korelacije ni sa jednim drugim

meteorolokim parametrom od znaaja za definisanje sunog stanja. No iako ne postoji
oigledna finkcijska veza, smer korelacionog odnosa je isto od velikog znaaja.
Tabela5.3 Smer korelacije SPI3 i meteorolokih parametara od znaaja

SPI3
P
ET
TMED
AWND
TSUN
ACSH
RHUM
PRESS

NS
+
+
+
+
+
-

SO
+
+
+
+
+
-

PL
+
+
+
+
+
-

KI
+
+
+
+
+
-

V
+
+
+
+
+
-

ZR
+
+
+
+
+
-

SM
+
+
+
+
+
-

Smer korelacije (tabela 5.3) SPI3 sa osenenim meteorolokim parametrima od znaaja

je obrnut od oekivanog i potrebnog. Da bi pravilno reprezentovao uslove sue
neophodno je da vrednost indikatora sue bude u skladu sa stanjem koji meteoroloki
parametri indikuju. To znai, u sluaju SPI3, da je za oekivati bilo da je u negativnoj
korelaciji sa temperaturom, evapotranspiracijom i trajanjem sunevog sjaja, jer sa
porastom vrednosti ovih parametara raste verovatnoa razvoja sunih uslova, i
vrednost SPI3 bi trebalo da opada. Po reciprocitetu odnos sa srednjom oblanou,
padavinama i vlanou bi trebao da bude pozitivan. Jedino odnos SPI3 i pritiska je u
dobrom oekivanom smeru, jer sa porastom pritiska stvaraju se povoljni uslovi za
razvoj sue. to se tie smera korelacije sa vetrom, iako je za oekivati da vea brzina
vetra utie na razvoj sunih uslova, u zavisnosti od pravca vetra to moe varirati. Po
prirodi stvari, vetar moe da donosi vlaan vazduh ili pak da iznosi vlagu iz osmatrane
oblasti. Iz tog razloga smer korelacije sa vetrom bie uzet samo kao konstantacija.
102

Analiza SPI3 po MEPIS-u je ovde zavrena. Treu logiku sekvencu MEPIS-a nije mogue
sprovesti na prvom testiranom indeksu jer nemamo reperne vrednosti. U ovom koraku
usvojili smo da su karakteristike koje SPI3 poseduje korektne i dovoljne za indeks sue,
i dalje emo korigovati ove nalaze u skladu sa rezultatima analize drugih indeksa.
5.2 Analiza SPEI
SPEI kao indeks je agregat SPI-ja, odnosno njegova modifikacija.

Slika 5.14 Prikaz varijacije vrednosti SPEI3 u odnosu na izbor distribucije (a) Gamma, b) Pearson III,
c) Log-Logistic) u proraunu na primeru stanice Novi Sad, za vrednost evapotranspiracije
proraunate po metodi Hargreaves

Uvoenjem vrednosti razlike padavina i evapotranspiracije umesto iskljuivo padavina

oekivalo se poboljanje SPI metode. U osnovi, funkcija standardizuje varijablu koja
prati log-logistic, Gamma ili Pearson III raspodelu. U samom R paketu SPEI (VicenteSerrano, et al., 2010), modifikovanom za na proraun, mogue je izmeniti funkciju
raspodele i testirati osetljivost indeksa na specifinu primenjenu funkciju. Izbor funkcije
raspodele zavisi od prirode podataka i za razliku od SPI gde je Gamma raspodela
reprezentativna, u sluaju SPEI log-logistic raspodela daje najpouzdanije rezultate
(Beguera & Vicente-Serrano, 2013). Mogu se uoiti manje varijacije u odreivanju
intenziteta SPEI u zavisnosti od odabrane raspodele. Na preciznost SPEI indeksa u
mnogome utie i izbor funkcije prorauna evapotranspiracije. U daljoj analizi prikazana
je osetljivost SPEI-ja na izmenu PET funkcije.
5.2.1 MEPIS logika sekvenca 1: Proraun SPEI - testiranje osetljivosti SPEI na izmenu
PET prorauna
Cilj eksperimenta bio je ukazati na osetljivost SPEI indeksa na odabir metode prorauna
evapotranspiracije, kao i na njegove karakteristike u odnosu na SPI indeks bez
modifikacija usled velike sprege evapotranspiracije sa uslovima koji pogoduju sui.
Testiranje osetljivosti SPEI na odabir PET metode uraen je u R studiju.
103

Na slikama 5.15 5.17 moemo zapaziti znaajnu varijaciju u kretanju i intenzitetu

vrednosti SPEI12 u zavisnosti od odabira metoda za proraun evapotranspiracije. Po
istom principu izvren je proraun SPEI3 u 9 varijacija i generisali smo 63 vremenske
serije za teritoriju Vojvodine.
Slika 5.15 Prikaz varijacije vrednosti SPEI12 u odnosu na izbor PET prorauna na primeru stanice
Novi Sad, u proraunu koriena Gamma distribucija

Slika 5.16 Prikaz varijacije vrednosti SPEI12 u odnosu na izbor PET prorauna na primeru stanice
Novi Sad, u proraunu koriena Pearson III distribucija

104

Slika 5.17 Prikaz varijacije vrednosti SPEI12 u odnosu na izbor PET prorauna na primeru stanice
Novi Sad, u proraunu koriena log-Logistic distribucija

U prvom koraku eksperimenta proraun SPEI uraen je na tromesenom nivou, i SPEI je

proraunat za tri navedene varijacije funkcije raspodele i za tri razliite metode
prorauna evapotranspiracije, po Hargreavesu, Penman-Monteith-u i Thornthwaite-u.
Thornthvaite izraunava mesenu potencijalnu evapotranspiraciju (PET) prema
Thornthwaite (1948) jednaini. To je najjednostavnija od tri metode, a moe se koristiti
kada su dostupni samo podaci o srednjoj temperaturi. Hargreaves izraunava mesenu
referentnu evapotranspiraciju (ET0) sa trave na osnovu originalne Hargreaves
jednaine (1985). Metoda Hargreaves zahteva podatke o srednjoj koliini zraenja na
gornjoj granici atmosfere, Ra. Ako takvi podaci nisu dostupni moe se proceniti na
osnovu geografske irine i meseca u godini. Penman izraunava mesenu referentnu
evapotranspiraciju (ET0) hipotetikog referentnog useva prema FAO-56 PenmanMonteith jednaini. Koriena je originalna parametrizacija Allen et al. (1994), kojoj
odgovara niski referentni usev od 0,12 m visine. Moe se koristiti i parametrizacija za
visoki referentni usev od 0,5 m visine po Valter et al. (2002) , postavljanjem parametra
useva na 'Tall'. Metoda zahteva podatke o dolaznom sunevom zracenja, Rs; posto su ovi
retko dostupni, proracun se moze izvrsiti na osnovu podataka za trajanje suncevog sjaja
Tsun, ili alternativno na osnovu podataka o oblacnosti CC. Slicno tome, ako podaci o
pritisku vodene pare zasic enja nisu dostupni, moguc e ih je proceniti na osnovu
temperature take rose Tdev, relativne vlanosti RH ili ak minimalne temperature
Tmin (potrebni podaci su sortirani od najmanje do najvie neizvesnog metoda procene).
Kod (prilog 3) c e proizvoditi poruku o gresci ako se ne obezbedi vazec a kombinacija
ulaznih parametara. Ako je glavni ulaz objekat (Tsr, Tmin, Tmax) vektor ili matrica,
podaci c e biti tretirani kao niz mesecnih vrednosti od januara. Ako je ulazni objekat
vremenska serija onda funkcija ciklus c e se koristiti za utvrivanje polozaja svakog
posmatranja u toku godine (mesec), omoguc avajuc i da niz pocne mesecom drugacijim
od januara.
105

5.2.2 MEPIS logika sekvenca 2 Slaganje SPEI3 sa istorijskim suama

Vremenske serije SPEI vrednosti, proraunatih uz upotrebu Gamma i Pearson III
raspodele, generiu veliki broj nedostajuih podataka (NA) i stoga nisu bile dovoljno
pouzdane za dalju analizu. Vremenske serije SPEI3, poraunate na bazi Log-Logistic
raspodele ukazale su na dobru konzistenciju i homogenost podataka.

Slika 5.18 Prikaz usvojenih vremenskih serija SPEI3_THO za sedam meteorolokih stanica, u
proraunu koritena log-Logistic distribucija i Thorntwaitova metoda procene evapotranspiracije.

Uporedili smo tri vremenske serije SPEI3 sa obe metode odreivanja istorijskih sua.
Vremenske serije SPEI3 razlikovale su se po metodi odreivanja evapotranspiracije
primenjene u proraunu. Analize slaganja SPEI3 sa istorijskim suama su pokazale isto
ponaanje kao i SPI3 i nisu bile ohrabrujue, i nije se ukazala nikakva linearna sprega
SPEI3 i markera istorijskih sua. Kao i kod SPI-ja, korelaciona analiza nije ukazala na
postojanje usaglaenosti SPEI3 i HDN. Sa prikazanih grafika moemo zapaziti i da se
vrednosti SPEI3 koji ukazuju na normalno ili ekstremno vlano vreme javljaju, kao i kod
SPI3, kada su istorijski podaci ukazivali na ekstremne sue. Da bi potvrdili nalaze,
vrednostima SPEI3 dodelili smo teinske faktore u skladu sa znaenjem vrednosti SPEIja, po istoj metodi kao i za SPI.

106

Slika 5.19 Korelacioni odnos SPEI3_THO i HDN

Slika 5.20 Poreenje vremenskih serija HDN i SPEI3_THO, nakon dodavanja teinskog faktora
vrednosti SPEI3.

107

Tabela 5.4 Broj i odnos poklopljenih dogaaja.

HDN po pojavi sue

SPEI3_THO
NS
SO
PL
114
138 115

KI
140

V
97

ZR
137

SM
110

48,9% 59,5% 41,7% 47,6% 43,1% 50,6% 47,4%

30
12,9%
266
Slaganje perioda bez sue
52,3%
NS
HDK po pojavi sue
119
46,9%
39
HDK po intenzitetu sue
15,4%
266
Slaganje perioda bez sue
54,5%
HDN po intenzitetu sue

39
50
42
30
45
49
16,8% 18,1% 14,3% 13,3% 16,6% 21,1%
270 249 235 269 256 264
52,9% 53,4% 52,5% 52,0% 54,4% 51,8%
SO
PL
KI
V
ZR
SM
118 127 125 109 120 118
46,6% 50,0% 46,5% 43,6% 46,0% 48,4%
22
17
19
25
23
20
8,7% 6,7% 7,1% 10,0% 8,8% 8,2%
252 260 244 256 248 259
51,5% 53,3% 51,6% 52,0% 51,6% 52,0%

Dobijeni rezultati ukazuju da je preciznosti SPEI3_THO oko 47,65%, dok je njegova

osetljivost bolja od SPI3 i iznosi u proseku oko 12,75%, no varira u opsegu od 6,7% do
21,1% u zavisnosti od stanice i metode odreivanja istorijske sue, to ukazuje na
osetljivost u prostornim karakteristikama same metode odreivanja evapotranspiracije.

Slika 5.21 Prikaz usvojenih vremenskih serija SPEI3_HA za sedam meteorolokih stanica, u
proraunu koriena log-Logistic distribucija i Hargreavesova metoda procene evapotranspiracije.

108

Slika 5.22 Korelacioni odnos SPEI3_HA i HDN

Slika 5.23 Poreenje vremenskih serija HDN i SPEI3_HA, nakon dodavanja teinskog faktora
vrednosti SPEI3

109

Tabela 5.5 Broj i odnos poklopljenih dogaaja

NS
111
48%
42
HDN po intenzitetu sue
18%
264
Slaganje perioda bez
sue
52%
NS
HDK po pojavi sue
122
48%
41
HDK po intenzitetu sue
16%
254
Slaganje perioda bez
sue
52%
HDN po pojavi sue

SPEI3_HA
SO
PL
110
127
47%
46%
30
36
13%
13%
267
247
52%
53%
SO
PL
121
113
48%
44%
37
38
15%
15%
257
255
53%
52%

KI
142
48%
42
14%
231
52%
KI
138
51%
44
16%
251
53%

V
109
48%
30
13%
271
52%
V
115
46%
39
16%
252
51%

ZR
122
45%
33
12%
243
52%
ZR
123
47%
40
15%
253
53%

SM
107
46%
35
15%
263
52%
SM
114
47%
35
14%
257
52%

Dobijeni rezultati ukazuju da je preciznosti SPEI3_HA je 47%, dok njegova osetljivost

iznosi u proseku 14,5%, i ne varira previe, tek u opsegu od 12% do 18% u zavisnosti od
stanice i metode odreivanja istorijske sue.

Slika 5.24 Prikaz usvojenih vremenskih serija SPEI3_PEM za sedam meteorolokih stanica, u
proraunu koriena log-Logistic distribucija i Hargreavesova metoda procene evapotranspiracije.

110

Slika 5.25 Korelacioni odnos SPEI3_HA i HDN

Slika 5.26 Poreenje vremenskih serija HDN i SPEI3_PEM, nakon dodavanja teinskog faktora
vrednosti SPEI3.

111

Tabela 5.6 Broj i odnos poklopljenih dogaaja

HDN po pojavi sue

HDN po intenzitetu sue
Slaganje perioda bez sue
HDK po pojavi sue
HDK po intenzitetu sue
Slaganje perioda bez sue

SPEI3_PEM
NS
SO
108 105
46% 45%
34
32
15% 14%
256 244
50% 48%
NS
SO
114 113
45% 45%
37
39
15% 15%
241 231
49% 47%

PL
130
47%
43
16%
220
47%
PL
129
51%
36
14%
241
49%

KI
119
40%
36
12%
242
54%
KI
112
42%
33
12%
259
55%

V
108
48%
31
14%
256
50%
V
121
48%
36
14%
244
50%

ZR
118
44%
35
13%
245
52%
ZR
116
44%
47
18%
252
52%

SM
79
34%
24
10%
293
57%
SM
92
38%
32
13%
293
59%

Dobijeni rezultati ukazuju da je preciznosti SPEI3_PEM je 44,5%, dok njegova osetljivost

iznosi u proseku 14%, i varira u opsegu od 10% do 18% u zavisnosti od stanice i metode
odreivanja istorijske sue. Pri proraunu SPEI vremenskih serija samo vremenski niz
prorauna evapotranspiracije za stanice Novi Sad, Sombor i Pali nisu zahtevali proces
homogenizacije. Na osnovu saglasnosti sa pojavom istorijskih sua za dalju
komparativnu analizu dva indeksa odabrali smo SPEI3_HA.
5.2.3 MEPIS logika sekvenca 3 Komparativna analiza SPEI3 i SPI3
Programski deo komparativne analize dva indeksa sue uraen je kao R program koji se
moe izvriti nakon generisanih ulaznih fajlova izvravanjem prethodnih R programa.

Slika 5.27 Deo koda Sekvence 3 MEPIS algoritma

112

Ovako planirani programi zadovoljavaju osnovnu postavku MEPISA o sekvencijalnom

izvravanju pojedinih koraka. Prva etapa Sekvence 3 podrazumeva uitavanje
generisanih fajlova i dodeljivanje vrednosti programskim promenljivima. Programsku
strukturu ne moramo menjati jer samom promenom ulaznih fajlova generiemo sve to
nam treba za analizu te sam kd nije potrebno dodatno podeavati pri promeni indeksa
koje analiziramo. Savetodavno je da se izmeni ime izlazne datoteke, jer u suprotnom e
prethodne analize biti prebrisane i preko njih e biti upisani novi podaci. Program
generie tri izlazne datoteke i jedan grafik. Ono to je izrazito interesantno kod analize
ponaanja ova dva indeksa je da samo uvoenje evapotranspiracije u proraun totalno
menja ponaanje indeksa.
Tabela 5.7 Broj poklopljenih dogaaja SPI3 i SPEI3

po pojavi sue
SPEI3

po intenzitetu sue
Slaganje perioda bez
sue
SPI3
SPEI_HA
SPI3
SPEI_HA

NS
86
38

SPI3
SO
79
40

PA
85
40

KI
91
45

VR
90
51

ZR
93
40

SM
81
48

295

308

312

302

302

297

299

171
360

180
351

182
355

170
354

571
382

560
391

562
387

572
388

BROJ SUNIH DOGAAJA

176
159
168
357
354
347
BROJ BEZ SUA DOGAAJA
566
583
574
385
388
395

Tabela 5.8 Broj detektovanih istorijskih sunih dogaaja prema dve metode

HDN
HDK

NS
233
254

SO
232
253

BROJ SUNIH DOGAAJA

PA
KI
276
294
254
269

VR
225
250

ZR
271
261

SM
232
244

Iako SPEI prati istu metodologiju kao SPI na dijagramima (slika 5.28) moemo uoiti da
ne postoji korelacija u pojavi dogaaja i iz tabele 5.6 moemo uoiti kvantitativnu
razliku u broju vrednosti parametra koje su ispod 0 i ukazuju na neku od sunih
epizoda. Po broju iskazanih sunih dogaaja moemo zakljuiti da je SPEI osetljiviji
indeks nego SPI, to je bilo za oekivati s obzirom na uvoenje parametra
evapotranspiracije u proraun. Moemo uoiti da broj sunih perioda SPEI premauje
ukupan broj zapaenih istorijskih sua, no istovremeno moemo zapaziti da SPI
podbacuje u broju opaenih sunih perioda (tabela 5.7). SPEI3 u odnosu na broj sunih
dogaaja koje SPI3 uoava, podudara se sa 48% sluajeva sue sa SPI3, no svega 22%
sluajeva od ukupnog broja pojave sue po SPI3 se poklapaju po intenzitetu. U odnosu
na SPEI3 u pitanju su manji procenti poklapanja jer u startu SPEI3 ukazuje na vei broj
vrednosti koje ukazuju na suu.
Po dobijenim analizama moemo zakljuiti da je SPEI3 pouzdaniji od SPI3 za prognozu i
ranu najavu sue po preliminarnim pokazateljima.

113

Slika 5.28 Odnos SPI i SPEI indeksa, M1 parametar predstavlja SPEI3 vrednost, a M2 SPI3 vrednost za
datu stanicu

5.2.4 MEPIS logika sekvenca 4 slaganje SPEI3 sa odabranim meteorolokim

parametrima od znaaja
Da bismo potvrdili veu pouzdanost SPEI indeksa bilo je neophodno izvriti etvrtu
logiku sekvencu i uporediti je sa meteorolokim parametrima od znaaja za definisanje
stanja sue. Asocijacija izmeu SPI3 i meteorolokih parametara je vrlo slaba, drugim
reima ponaanja su u potpunosti nevezana i ne sinhronizovana. Uvoenjem razlike
padavina i evapotranspiracije u proraun uviamo da se poremetila i sinhronizacija
odnosa sa padavinama u odnosu na SPI3, te SPEI3 ne daje oekivan asocijativni odnos
sa meteorolokim parametrima od znaaja (tabela 5.9).
Tabela 5.9 Smer korelacije SPEI3 i meteorolokih parametara od znaaja redom.

SPEI3
P
ET
TMED
AWND
TSUN
ACSH
RHUM
PRESS

NS
+
+
-

SO
+
+
+

PL
+
+

KI
+
+
+

114

V
+
+
+

ZR
+
+
+
+

SM
+
+
+
+

U sluaju padavina vidimo da SPEI3 opada kad koliina padavina raste, to je u

suprotnosti sa fizikom sue, gde suu oekujemo sa smanjenom koliinom padavina
(slika 5.29). Isti se problem javlja i kod ostalih meteorolokih parametara. Iako SPEI3
pokazuje bolje poklapanje sa istorijskim suama nego SPI3, mere asocijacije su mu
zanemarljive.

Slika 5.29 Korelacioni odnosi meu SPEI3 i padavina i regresioni linearni model.

Slika 5.30 Asocijativni odnos SPI3 i meteorolokih parametara za stanicu Kikinda.

115

Slika 5.31 Asocijativni odnos SPI3 i meteorolokih parametara za stanicu Novi Sad

Slika 5.32 Asocijativni odnos SPI3 i meteorolokih parametara za stanicu Sombor

116

Slika 5.33 Asocijativni odnos SPI3 i meteorolokih parametara za stanicu Pali

Slika 5.34 Asocijativni odnos SPI3 i meteorolokih parametara za stanicu Zrenjanin

117

Slika 5.35 Asocijativni odnos SPI3 i meteorolokih parametara za stanicu Vrac

Slika 5.36 Asocijativni odnos SPEI3 i meteorolokih parametara za stanicu Sremska Mitrovica

118

5.3 Analiza EDI

Slika 5.37 Vremenske serije EDI-ja.

EDI se zasniva na efektivnim padavinama. Efektivne padavine smo dobili preko

ukupnih padavina kada se od njih odbije gubitak tokom vremena, koji moe da bude
posledica infiltracije u zemljite, zadravanja na vegetaciji (intercepcije) i stvarnog
isparavanja. Proraunom je generisano sedam vremenskih serija za period od 1952 do
2012 godine za svih navedenih sedam stanica u Vojvodini (slika 5.37). Proraun je
raen u programu FORTRAN, a obrada i analiza dobijenih vrednosti u R-u.
Prostorna uslovljenost sunih dogaaja je zadovoljavajua. Na osnovu prostornih
slaganja u sluaju EDI indeksa (slika 5.38 A i B) pojavu sue bi mogli oekivati na
prostoru izmeu osmatrakih stanica sa prosenom pouzdanou od oko 74%. Ova
vrednost je dosta nia od praga koji je postavio SPI3, 85%, no bolja od vrednosti SPEI3
koja iznosi 70 %. Ve smo naznaili da je prostorna korelacija znaajna za ranu najavu i
prognozu, no nije eliminaciona karakteristika za indeks, te u ovom momentu jo nismo
mogli doneti zakljuak o efikasnosti i pouzdanosti EDI indeksa u odnosu na SPI i SPEI.

119

A)

B)

120

C)

Slika 5.38 A, B), C) Korelacioni odnosi meu stanicama i regresioni linearni model

Uporedili smo slaganje vremenske pojave sua i slaganje pojave sua po intenzitetu u
odnosu na ukupan broj istorijskih sunih dogaaja. Moemo uoiti znaajno poboljanje
u odnosu na SPI i SPEI. Iako EDI premauje ukupan broj registrovanih istorijskih sunih
dogaaja, dobijeni rezultati ukazuju da je preciznosti EDI po HDN metodi 53%, a po
HDK metodi 78%, dok je njegova osetljivost znaajno skoila u odnosu na SPI i SPEI na
prosenih 26,5%, pri emu je interval varijacije od 20 do 31% (tabela 5.10). Logika
sekvenca 3 MEPISA podrazumeva komparativnu analizu razmatranog indeksa sa
prethodno ustanovljenim repernim indeksom. Analize SPI3 i SPEI3 nisu eksplicitno
izdvojile jedan od dva indikatora kao bolji, no SPEI3 je imao povoljnije rezultate po
slaganju sa istorijskim suama i imao je povoljniji broj registrovanih sunih dogaaja, iz
tog razloga uporedili smo ga u ovom koraku sa EDI indeksom (tabela 5.11).
Primenjena formula Byun i Wilhite (Byun et al., 1999) jednaina 2.44, pokazala se kao
mnogo tanija pri odreivanju efektivnih padavina, nego samo jednostavno oduzimanje
121

vrednosti isparavanja od padavina. EDI indeks je pokazao zavidno poboljanje u odnosu

na SPEI no neoekivan rezultat je bio negativan asocijativni odnos dva indeksa (slika
5.39). Ovo bi se moglo jedino objasniti injenicom da je SPEI pod mnogo veim uticajem
uvoenja evapotranspiracije, te da prosto oduzimanje vrednosti evapotranspiracije od
padavina nije efektivan metod za prezentovanje uslova sue. Ovo je potvreno i u
etvrtom koraku MEPIS-a, u kom je EDI pokazao izuzetan asocijativni odnos sa
meteorolokim parametrima od znaaja (tabele 5.11 i 5.12).
Tabela 5.10 Broj poklopljenih dogaaja sa istorijskim suama

HDN po pojavi sue

HDN po intenzitetu
sue
Slaganje perioda bez
sue
HDK po pojavi sue
HDK po intenzitetu
sue
Slaganje perioda bez
sue

NS
142
61%
72
31%
270
53%
NS
200
79%
78
31%
270
55%

EDI
SO
PL
134
154
58% 56%
69
56
30% 20%
273
283
54% 61%
SO
PL
199
201
79% 79%
68
67
27% 26%
280
279
57% 57%

KI
153
52%
67
23%
302
67%
KI
208
77%
73
27%
313
66%

V
100
44%
61
27%
335
65%
V
195
78%
64
26%
328
67%

ZR
144
53%
75
28%
302
64%
ZR
204
78%
72
28%
304
63%

SM
104
45%
61
26%
348
68%
SM
181
74%
61
25%
345
69%

Slika 5.39 Odnos EDI i SPEI indeksa, M1 parametar predstavlja SPEI3 vrednost, a M2 EDI vrednost za
posmatrane stanice

122

Tabela 5.11 Broj poklopljenih dogaaja SPI3 i SPEI3

EDI
NS
SO
PL
po pojavi sue
SPEI3
103
105
99
po intenzitetu sue
80
69
86
Slaganje perioda bez sue 60
81
80
BROJ SUNIH DOGAAJA
EDI
418
403
403
SPEI_HA
357
354
347

KI
85
69
95

V
72
54
94

ZR
91
75
96

SM
63
52
113

362
360

350
351

374
355

326
354

Tabela 5.12 Smer korelacije EDI i meteorolokih parametara od znaaja

EDI
P
ET
TMED
AWND
TSUN
ACSH
RHUM
PRESS

NS
+
+
+
-

SO
+
+
+
+
-

PL
+
+
+
+
-

KI
+
+
+
+
-

V
+
+
+
-

ZR
+
+
+
-

SM
+
+
+
-

Tabela 5.13 Mera korelacije EDI i meteorolokih parametara od znaaja

EDI
P
ET
TMED
AWND
TSUN
ACSH
RHUM
PRESS

NS
0,5624
-0,0277
-0,0586
-0,0639
-0,1107
0,1506
0,2173
-0,0454

SO
0,5704
-0,0367
-0,0271
0,0016
-0,1199
0,1779
0,2348
-0,1015

PL
0,5771
-0,0296
-0,0281
0,0993
-0,1181
0,2164
0,2476
-0,1485

KI
0,5846
-0,0592
-0,0618
0,0090
-0,1288
0,2355
0,3249
-0,1726

V
0,5801
-0,0612
-0,0659
-0,0695
-0,1503
0,2694
0,3017
-0,0629

ZR
0,5879
-0,0838
-0,0625
-0,0708
-0,1379
0,2651
0,3769
-0,0694

SM
0,5797
-0,0719
-0,0786
-0,0593
-0,2404
0,2867
0,3179
-0,1018

Analizom EDI-ja dobili smo znaajan referentni indeks. Iako prebacuje broj uoenih
sunih dogaaja, to ga ne ini ne adekvatnim. Njegovo ponaanje je u skladu sa
oekivanim za indeks sue. Najjai adut EDI-ja pored poklapanja sa znaajnim brojem
istorijskih sunih dogaaja, jeste njegova sprega i asocijativni odnos sa parametrima od
znaaja za definisanje stanje sue. Iako mera linearne korelacije nije jaka, moemo
izdvojiti da postoji znaajna tendencija ka funkcionalnom odnosu sa parametrima poput
vlanosti vazduha i oblanosti.
Osnovna razlika u pristupu prorauna tradicionalnih indeksa je to su SPEI i SPI
bazirani na statistikom principu, i u sutini predstavljaju statistiki produkt a ne fiziki.
EDI nasuprot njima u svojoj osnovi prezentuje vodni bilans i predstavlja statistikofiziki proizvod. U odnosu SPI i SPEI vidimo da uvoenje bilansa u analizu donekle
poboljava sam proizvod, no statistiki pristupi uvode u proraun veliku meru
nepouzdanosti i nesigurnosti. Na osnovu uoenog napravili smo korak napred i
definisali indeks striktno baziran na fizici dogaaja sa namerom da uoimo da li
izmenom metode a zadravanjem i manipulisanjem vodnim bilansom moemo
poboljati prepoznavanje sunih epizoda.
123

5.4 Rezultati simulacija EDI, SPI3, SPI6 i SPI12

atmosferskog cirkulacionog modela ECHAM5

pomou

generalnog

Na slikama su prikazani rezultat simulacija stogodinjih kretanja vrednosti indikatora.

Slika 5.40 Pregled rezultata simulacije tri IPCC scenarija na osnovu podataka o padavinama
generisanim iz GCM ECHAM5 EDI indeks.

Osenena oblast slike 5.40 izdvaja period od 2002 do 2016 godine. Na slici 5.41
moemo jasnije uoiti predviena kretanja vrednosti EDIja u navedenom period.
Iskustveno smo upoznati sa injenicama da su 2003 i 2011 bile veoma sune godine,
kao da su 2012 i 2013 imale sune mesece. Scenario A1B najvie se poklapa sa realnim
kretanjima u sluaju simulacije EDIja za Vojvodinu. Na slici 5.40 uoljivo je poveanje
amplitude kolebanja vrednosti indeksa EDI. Ujedno moemo uoiti predvianje
poveane uestalosti i intenziteta ekstremnih dogaaja, ekstremno vlanih i suvih
perioda.

Slika 5.41 Rezultati simulacije kretanja EDIja na osnovu izlaza iz GCM ECHAM5 za period 2002-2016.

124

Slika 5.42 Pregled rezultata simulacije tri IPCC scenarija na osnovu podataka o padavinama
generisanim iz GCM ECHAM5 SPI3 indeks.

Simulacijom smo dobili da po sva tri scenarija SPI3 indeks uveava svoju aplitudu i
uestalost pojave sunih perioda (slika 5.42). Ovakvi rezultati ukazuju na neophodnost
istraivanja u smeru rane najave sue i njenog jasnog definisanja kao pojave.

Slika 5.43 Rezultati simulacije kretanja SPI3 na osnovu izlaza iz GCM ECHAM5 za period 2001-2016.

Na osnovu iskustvenih znanja moemo zakljuiti da je i u sluaju SPI3 scenario A1B

najblii istorijski zabeleenim sunim dogaajima (slika 5.43). SPI3 ukazuje na
postojanje deficita kie u periodu od tri meseca i omoguava praenje uticaja deficita na
dinamike procese koji se deavaju u periodu od tri osmotrena meseca. Ova
karakteristika je od znaaja za poljoprivrednu proizvodnju i navodnjavanje. SPI3 je
pogodan za ranu najavu poremeaja u reimu padavina koji mogu indukovati pojavu i
razvoj sue. Bez obzira to je vrednost varijable za proraun SPI3 suma od 3 meseca
125

sumarnih padavina, a ne dueg vremenskog perioda, vrednosti SPI3 mogu biti od koristi
i za upozorenje na uticaje irih vremesnkih razmera, kao to su procesi u povrinskim i
podzemnim vodnim resursima. Ako nam je od marta do avgusta SPI3 negativan to znai
da nam sua traje od januara do avgusta, odnosno 8 meseci. Duina trajanja negativnog
SPI3 indikuje uticaje i na povrinske i podzemne resurse, odnosno na procese ija se
geneza i razvoj deava u okviru tih 8 meseci. Da bi smo potvrdili ovu karakteristiku SPI3
uradjena je uporedna analiza sa vrednostima SPI12 i SPI24 indeksa. Po svojoj prirodi
SPI12 i SPI24 pogoduju razmatranju dugorone sua (sua koja traje vie izmena
vremenskih sistema ciklona i anticiklona), koja ima uticaja i na atmosferske padavina i
na povrinske i podzemne vode. U sluaju koritenja SPI3 kao pokazatelja dugorone
sue vrednost koja nam je od znaaja u tom sluaju su vrednosti SPI3 nakon dva meseca
od pika, ako su opet u minusu govore da postojei pik nije izlazak iz sunog perioda. Te
nalaze moemo potvrditi odreivanjem vrednosti SPI12 i SPI24 jer oni uzimaju u obzir
bilans za 12 odnosno 24 meseca koliine padavina i ukazuju na to da li je pik koji je
uoio SPI3 bio dovoljan da dovede sistem u normalu ili surplus ili nije. Simulkacije sve
tri varijacije SPI indeksa date su na slikama 5.44 -5.48.

Slika 5.44 Pregled rezultata simulacije tri IPCC scenarija na osnovu podataka o padavinama
generisanim iz GCM ECHAM5 SPI3 indeks.

Slika 5.45 Rezultati simulacije kretanja SPI12 na osnovu izlaza iz GCM ECHAM5 za period 2001-2016.

126

Slika 5.46 Pregled rezultata simulacije tri IPCC scenarija na osnovu podataka o padavinama
generisanim iz GCM ECHAM5 SPI24 indeks.

Slika 5.47 Rezultati simulacije kretanja SPI24 na osnovu izlaza iz GCM ECHAM5 za period 2001-2016.

Slika 5.48 Pregled rezultata simulacije A1B IPCC scenarija na osnovu podataka o padavinama
generisanim iz GCM ECHAM5 SPI3, SPI12 i SPI24 indeks.

Dobijeni rezultati ukazuju na osnovni problem definisanja ta je sua. Moemo uoiti

zakasnelost reakcije harmonizovanih SPI indeksa. Razmatrajui kretanja SPI3, SPI12 i
SPI24 (slika 5.49), i uzimajui u obzir iskustvena saznanja, SPI3 nam je najvalidniji za
rano upozorenje i shvatanje sue kao fizike pojave jer se najvie poklapa sa realni
dogaajim sue u razmatranoj oblasti, dok SPI12 i SPI24 mogu ukazati na ozbiljnost
delovanja i uticaja sue na vodne resurse; ali ne mogu biti mera ranog upozorenja i
predikcije.
127

Slika 5.49 Rezultati simulacije A1B scenarija i kretanja SPI3, SPI12 I SPI24 na osnovu izlaza iz GCM
ECHAM5 za period 2001-2016.

Drugim reima, SPI12 i SPI24 su samo mera jaine sue, i dopuna za SPI3. U poreenju
sa drugim prirodnim hazardima, korienje SPI12 i SPI24 kao mere pojave sue, bilo bi
isto kao kad bi zemljotresima zvali one koji su reda veliine 10 merkalija, ili pak kad bi
olujom nazivali samo one reda veliine 4 ili 5 kategorije. Zauzimajui ovakav stav
analiza dobijenih rezultata bi nam rekla sledee: u julu 2003. moemo zapaziti jaku
suu, koja se razvijala od jula 2002 do avgusta 2003. Sledei suni period poeo je 2004
u maju i sua je trajala do jeseni 2006, i zatim superponirala sa suom koja je zapoela
2007 i trajala sve do jeseni 2012. Jun 2014 je poetak novog sunog razdoblja koje e
eskalirati i doiveti svoj vrhunac 2017. Rezultati stogodinje simulacije SPI indeksa
ukazuju da nakon 2019 na teritoriji Vojvodine e se javljati ekstremni meteoroloki
uslovi koji e pogodovati razvoju sue, no to e biti izlazna putanja. Period posle 2030. je
u deklinaciji i ukazuje na razvoj 15-togodinjeg sunog perioda, jakog intenziteta.
Sredinom stolea moemo oekivati blago poboljanje u trajanju od 5 do 10 godina,
nakon ega simulacije ukazuju na razvoj 20 godinjeg sunog perioda, iji pik moemo
oekivati 2060tih, sa ekstremnim sunim dogaajima koji e se odraziti na nivoe vodnih
resursa sredinom 2060tih. Ovakve predikcije su vie nego dovoljne da se posveti panja
sui kao fizikoj pojavi i razmotri preciznost i suvislost postojeih metoda. Da bismo
uvrstili svoje nalaze rezultate simulacije A1B scenarija SPI indeksa poredili smo sa
rezultatima drugog relevatnog indeksa sue EDI (slike 5.50-5.55)

Slika 5.50 Pregled rezultata simulacije A1B IPCC scenarija na osnovu podataka o padavinama
generisanim iz GCM ECHAM5 SPI3 i EDI indeks.

128

Slika 5.51 Pregled rezultata simulacije A1B IPCC scenarija na osnovu podataka o padavinama
generisanim iz GCM ECHAM5 SPI12 i EDI indeks.

Slika 5.52 Pregled rezultata simulacije A1B IPCC scenarija na osnovu podataka o padavinama
generisanim iz GCM ECHAM5 SPI24 i EDI indeks.

Po malo iznenaujui nalazi ukazali su da se EDI najbolje slae sa SPI24 kretanjima; to

ne pogoduje za rano upozorenje sobzirom tromost indeksa koju ovakvi nalazi pokazuju.
Meutim generalno ponaanje EDI indeksa ukazuje da sa smanjenom preciznou ipak
hvata sune dogaaje, ali ne u njihovoj punoj amplitude, niti vremenskom opsegu.

Slika 5.53 Rezultati simulacije A1B scenarija i kretanja SPI3 i EDI na osnovu izlaza iz GCM ECHAM5
za period 2001-2016.

129

Razliitost rezultata simulacja za etiri indeksa sue rezultat su i ne usaglaenosti same

definicije sue kao fizike veliine. Dobijeni rezultati simulacionih analiza, ukazuju da je
sua vie nego neminovnost i da je neophodno njena analiza i razvijanje proravnosti na
nju. Ujedno studija opravdava istraivanje na temu definisanja sue kao pojave u ovoj
disertaciji. Pregled istraivanja u poglavlju 1.4 daje nam i uvid u pravac i smer kretanja
istraivanja iz oblasti rane najave, prepoznavanja i prognoze sue. Ujedno, potvrdie
stanovite da definicija same pojave, odnosno ustanovljavanje njene fizike jo nije
utvreno na meunarodnom nivou i da je istraivanje koje je predmet disertacije
aktuelno i od naunog znaaja za oblast.

Slika 5.54 Rezultati simulacije A1B scenarija i kretanja SPI12 i EDI na osnovu izlaza iz GCM ECHAM5
za period 2001-2016.

Slika 5.55 Rezultati simulacije A1B scenarija i kretanja SPI24 i EDI na osnovu izlaza iz GCM ECHAM5
za period 2001-2016.

130

6. Analiza rezultata pristupa modelovanju sui po analogiji sa

procesom suenja vazduhom
Za proraun IDEA indeksa od ulaznih podataka neophodni su meseni podaci o
vrednostima kumulativnog deficita, baziranog na mesenim padavinama i odstupanjima
od normale, srednja mesena temperatura vazduha, relativna vlanost vazduha i srednji
meseni vazduni pritisak. Proraun kumulativnog deficita i proraun IDEA uraeni su u
programskom jeziku R i R-STUDIO okruenju (PRILOG 3).
6.1 MEPIS logika sekvenca 1 - Proraun indeksa efikasnosti suenja

vazduhom
Proraun indeksa efikasnosti suenja vazduhom IDEA, za razliku od prethodno
analiziranih indeksa, zahtevao je neto kompleksniju arhivu ulaznih podataka. U odnosu
na SPI i EDI koji zavise samo od izmerenih vrednosti padavina, i na SPEI koji zavisi od
merenih vrednosti padavina i procenjenih (proraunatih) vrednosti evapotranspiracije,
i samim tim ga ini zavisnim od temperature, podataka o sunevom zraenju i drugim
parametrima u zavisnosti od izbora metode prorauna evapotranspiracije, IDEA se
zasniva na etiri merena meteoroloka parametra: sumarnim mesenim padavinama PRCP, srednjoj temperature vazduha - TMED, relativnoj vlanosti vazduha - RHUM i
srednjem mesenom vazdunom pritisku PRESS (slika 6.1).

Slika 6.1 Izvod iz arhive merenih podataka preuzetih od RHMZ-a

131

Za potrebe prorauna IDEA indeksa, pored ve korienih parametara temperature i

padavina, bilo je neophodno upotpuniti arhivu ulaznih podataka sa podacima o
mesenom pritisku i vlanosti vazduha. Za razliku od temperature i podataka o
padavina, podaci o pritisku i vlanosti vazduha, iako mereni na svim stanicama nisu
imali kontinualne vremenske serije u razmatranom periodu od 1951 do 2012. Iz tog
razloga, izvrena je homogenizacija vremenskih serija podataka o pritisku i vlanosti
vazduha. Za potrebe homogenizacije napravljena je R skripta. U skripti se svaka stanica
razmatra zasebno i koriguje se njena zavisnost u odnosu na druge najblie stanice i vri
dopuna nedostajueg podatka u datom vremenu. Ovako homogenizovanje podataka je
primenjeno po ugledu na hidroloke metode prorauna nedostajuih hidrolokih
parametara (Ryberg & Vecchia, 2012) (slika 6.2).

Slika 6.2 Izvod iz arhive ureenih podataka za potrebe prorauna IDEA indeksa

Potpune vremenske serije merenih parametara jedino je zabeleila stanica Novi Sad, te
nam je ona sluila kao kontrolna za rezultate IDEA indeksa. Ponaanje IDEA indeksa
razmotreno je za svih sedam stanica. Kontrolni eksperimenti izvreni su sa skraenim
vremesnkim serijama koje su sadrale samo originalne izmerene meteoroloke
parametre. Primena teorije suenja vazduhom odgovara cilju determinisanja fizikih
uslova koji pogoduju razvoju sue, indikuju njen poetak i/ili prolongiraju njeno
trajanje. IDEA u svojoj osnovi rauna koliko vode moemo izvui iz sistema pri zadatim
132

uslovima. Bilo je neophodno konstantovati koliinu uklonjene vlage. Po principu suare

koliinu uklonjene vlage, koji mi razmatramo kao gubitak iz sistema, dobijamo
mnoenjem masenog protoka suvog vazduha razlikom vlanosti vazduha na poslednjem
stepenu suenja i na ulaznom stepenu. Da bismo to uradili prethodno je neophodno
odrediti maseni protok suvog vazduha, deljenjem zapreminskog protoka vlanog
vazduha (m3/s) na izlaznim uslovima, zapreminom vlanog vazduha, koja na tim
uslovima sadri 1kg suvog vazduha (humid volume, m3/kg). Drugim reima, primenjeno
na prethodno definisan sistem proraun primenjen na realne uslove za poetni i krajni
stepen razmatra promenu na poetku i kraju vremenskog intervala, u kom je dolo do
izlaska vlage iz sistema, u vidu zapreminskog protoka vlanog vazduha, F. Za na
proraun F predstavlja deficit padavina u posmatranom vremenu. Proraun vremenskih
serija IDEA indeksa izvren je za svih sedam pomenutih meteorolokih stanica. Uraene
su ukupno tri varijacije prorauna u dve dimenzije i generisane su 84 vremenske serije.
Prve dve varijacije odnosile su se na odreivanje ulaznog parametra F:
1) U prvom sluaju #PRORAUN DEFICITA F je predstavljao meseno odstupanje
padavina od oekivane vrednosti
for(i in 1:12) srednje[i]<-mean(enterdata$PRCP[ which(enterdata$MONTH==i)])
for(i in 1:744) prcp1[i]<-enterdata$PRCP[i]-srednje[enterdata$MONTH[i]]
2) dok je u drugom sluaju u proraun uvrtavan #KUMULATIVNI DEFICIT
#PRORAUN KUMULATIVNOG DEFICITA
for(i in 1:744) kummm[i]<-sum(prcp1[1:i],na.rm = FALSE)
for(i in 1:744) kumm3s[i]<-kummm[i]*34.7/brDanMesec[enterdata$MONTH[i]]
Eksperiment je imao za cilj utvrditi ispravnost uvoenja kumulativnih vrednosti
odstupanja od srednje vrednosti u proraun u odnosu na mesene vrednosti odstupanja.
Uvoenjem kumulativnih vrednosti deficita oekivalo se poveanje osetljivosti i
preciznosti indeksa, jer kumulativni deficit reflektuje stanje sistema u realnom
vremenu. Sa druge strane predvideli smo mogunost uvoenja greke u proraun jer
kumulativni deficit se mogao multiplikovati, ako krenemo od polazita da je F
generisani gubitak u razmatranom vremenu, odnosno u naem sluaju za mesec dana, a
ne za ceo vremenski period do momenta prorauna. Trea varijacija eksperimenta
odnosila se na uvoenje parametra , odnosno razlike vlanosti na poetku i kraju
intervala. Bilo je neophodno definisati reprezentativni analogni realni parametar,
parametru vlanosti u metodi suenja vazduhom u suari. U prvoj varijaciji ulazne
vrednosti padavina reprezentovane su preko odstupanja od srednje vrednosti padavina
za dati mesec. Od svih izvrenih eksperimentalnih prorauna u cilju determinisanja
naina prorauna IDEA indeksa, prva varijacija pokazala je najbolje i najodrivije
rezultate (slika 6.3). Sa fizike take, razmatranje mesenog deficita koji se stvorio u
toku meseca, i jeste voda izala iz sistema. Pretpostavka da bi se mogao uvesti
kumulativni deficit, gde se na deficit razmatranog meseca dodaje odstupanje od srednje
vrednosti prethodnog meseca dala je isto rezultate od znaaja (slika 6.4). Oba metoda
prorauna IDEA indeksa uvrtena su u MEPIS analizu indeksa sue radi utvrivanja
konane metode prorauna IDEA indeksa sue.

133

Slika 6.3 Vremenske serije IDEA indeksa dobijene kao rezultat prve varijacije

Slika 6.4 Vremenske serije IDEA indeksa dobijene kao rezultat druge varijacije

134

6.2 MEPIS logika sekvenca 2 Slaganje IDEA indeksa sa istorijskim suama

Karakteristika IDEA indeksa koja se mogla uoiti ve u ovom koraku analize, a koja se
dosta razlikuje od rezultata drugih razmatranih indeksa, jeste mnogo bolja korelacija sa
istorijskim suama (tabela 6.1). Kao to se sa slika 6.5 i 6.6 moe primetiti, negativne
vrednosti IDEA indeksa koje ukazuju na suu kreu se samo u opsegu negativnih
vrednosti HDN, koje su vezane za sune dogaaje. Ve ovde moemo zakljuiti da IDEA
indeks je veoma precizan, sa prostorom za poboljanje njegove osetljivosti, odnosno
odreivanja pragova intenziteta sue.
Tabela 6.1 Mere korelacije IDEA indeksa sa istorijskim suama

IDEA_1
HDN
HDK

NS
0,48
0,51

SO
0,49
0,51

PL
0,54
0,54

KI
0,55
0,54

Slika 6.5 Korelacioni odnos IDEA indeks prve varijacije i HDN

135

V
0,50
0,53

ZR
0,45
0,45

SM
0,46
0,47

Slika 6.6 Poreenje vremenskih serija HDN i IDEA PRVA VARIJACIJA, nakon dodavanja teinskog
faktora vrednosti IDEA indeksa

Dobijeni rezultati poklapanja sa istorijskim suama bili su oekivani jer su i istorijske

sue odreene u odnosu na deficit padavina. Sa fizikog aspekta, ovako poklapanje je i
neophodno jer sua jeste odraz nedostatka padavina u odnosu na normalu za
posmatrano podruje, odnosno srednju vrednost padavina u posmatranom periodu.
Korienjem odstupanja umesto cele vrednosti padavina, reava se problem razliitosti
prirode padavina po regionima, jer se sama razliitost definie kroz normalu, odnosno
srednju vrednost u proraunu. Time omoguavamo da IDEA bude uporediva meu
razliitim stanicama, jer njena krajnja mera je standardizovana, a ulazne promenljive
uzimaju u obzir razliitost u raspodeli padavina po stanicama.
Tabela 6.2 Broj poklopljenih dogaaja prve varijacije prorauna IDEA indeksa i zabeleenih
istorijskih sunih dogaaja

HDN po pojavi sue

HDN po intenzitetu sue
Slaganje perioda bez sue
HDK po pojavi sue
HDK po intenzitetu sue
Slaganje perioda bez sue

IDEA_V1
NS
SO
209 195
90% 84%
72
75
31% 32%
401 404
79% 79%
NS
SO
242 215
95% 85%
97
88
38% 35%
370 403
76% 82%

136

PL
233
84%
86
31%
409
88%
PL
215
85%
89
35%
417
85%

KI
257
87%
105
36%
398
89%
KI
239
89%
93
35%
404
85%

V
203
90%
59
26%
397
77%
V
203
81%
56
22%
390
79%

ZR
209
77%
59
22%
373
79%
ZR
222
85%
77
30%
376
78%

SM
199
86%
64
28%
417
82%
SM
209
86%
84
34%
414
83%

U daljoj analizi, uporedili smo slaganje vremenske pojave sua i slaganje pojave sua po
intenzitetu u odnosu na ukupan broj sunih dogaaja. Napredak u detektovanju sunih
dogaaja ukazuje na znaaj determinacije ulaznog parametra. Uticaj ulazne varijable
testirali smo izmenom ulaznog parametra sa deficitom padavina na vrednost
kumulativnog deficita padavina u varijaciji 2 IDEA indeksa. Sa slike 6.7 moemo uoiti
tok kretanja vremenske serije i znaajnu razliku u detektovanju sue razliite duine. Po
svom izgledu vremenska serija IDEA_V2 vie podsea na Ocokoljieva modulna
odstupanja (Ocokolji, 1994) i na dugoroni uticaj deficita padavina na vodni sistem. Po
obliku krive vremenske serije dalo se za naslutiti da e korelacija sunih dogaaja biti
veoma mala, no jo nam je od znaaja bilo koji e se broj dogaaja ipak poklopiti.
Tabela 6.3 Broj poklopljenih dogaaja prve varijacije prorauna IDEA indeksa i zabeleenih
istorijskih sunih dogaaja

HDN po pojavi sue

HDN po intenzitetu sue
Slaganje perioda bez sue
HDK po pojavi sue
HDK po intenzitetu sue
Slaganje perioda bez sue

IDEA_V2
NS SO
70
45
30% 19%
20
24
9% 10%
317 324
62% 64%
NS SO
75
45
30% 18%
17
24
7% 9%
348 329
71% 67%

PL
100
36%
11
4%
318
68%
PL
91
36%
18
7%
407
83%

KI
V
24
8
8%
4%
5
2
2%
1%
328 319
73% 62%
KI
V
20
9
7%
4%
6
2
2%
1%
403 498
85% 101%

ZR
SM
24
0
9%
0%
9
0
3%
0%
307 340
65% 67%
ZR
SM
24
0
9%
0%
7
0
3%
0%
426 512
89% 103%

Slika 6.7
Prikaz kretanja godinjih vrednosti IDEA_V2 indeksa i godinje sumarne krive
modulnih odstupanja po Ocokoljiu.

137

U odnosu na prvu varijaciju prorauna IDEA indeksa zapaamo da IDEA_V2 pokazuje

znatno slabija poklapanja sa usvojenim istorijskim suama. Vremenske serije indeksa
IDEA_V2 najvie podseaju na vremenske serije modularnih odstupanja, odnosno
reflektuju makro hidroloka kretanja.
6.3 MEPIS logika sekvenca 3 - Poreenje tradicionalnih pristupa i IDEA
U skladu sa ideologijom MEPIS algoritma u ovoj sekvenci uporeene su vremenske
serije EDI indeksa i IDEA indeksa (tabela 6.4). Iz prethodnih analiza bilo je za oekivati
da e postojati znaajna odstupanja IDEA indeksa od SPI i SPEI. Kako je EDI indeks
zadovoljio sve karakteristike potrebne za indeks sue na dovoljnom nivou smatrali smo
ga kao kompatibilnim da bude referentni indeks.
Tabela 6.4 Mere korelacije IDEA indeksa sa kretanjima EDI indeksa.

IDEA_1
EDI

NS
0,52

SO
0,51

PL
0,50

KI
0,52

V
0,52

ZR
0,49

SM
0,49

IDEA_V1 indeks pokazao je zadovoljavajui nivo slaganja sa referentnim indeksom

(slika 6.8). IDEA_V2 indeks se smatra kao pomoni i izuzet je iz dalje analize.

Slika 6.8 Odnos EDI i IDEA_V1 indeksa, M1 parametar predstavlja IDEA_V1 vrednost, a M2 EDI
vrednost za datu stanicu

138

6.4 MEPIS logika sekvenca 4 - slaganje IDEA indeksa sa odabranim

meteorolokim parametrima od znaaja
U skladu sa MEPIS-om ostalo je jo uraditi asocijativnu, odnosno korelacionu analizu
IDEA_V1 indeksa sa meteorolokim parametrima od znaaja za formiranje sue (slika
6.9). U odnosu na EDI indeks primeujemo da IDEA indeks varira u kvalitetu slaganja sa
meteorolokim parametrima (tabele 6.5 - 6.6). No, iz primera IDEA indeksa vidimo da
pristup oceni korelacionog asocijativnog odnosa ne moe biti jednoznaan, ve se
mora uzeti u obzir priroda samog indeksa i njegovo fiziko znaenje.

Slika 6.9 Korelacioni odnosi meu IDEA_V1 i padavina i regresioni linearni model
Tabela 6.5 Smer korelacije SPEI3 i meteorolokih parametara od znaaja.

IDEA_V1
P
ET
TMED
AWND
TSUN
ACSH
RHUM
PRESS

NS
+
+
+
+
-

SO
+
+
+
+
-

PL
+
+
+
+
-

KI
+
+
+
+
+
+
-

139

V
+
+
+
+
+
-

ZR
+
+
+
+
-

SM
+
+
+
-

Tabela 6.6 Mera korelacije IDEA_V1 i meteorolokih parametara od znaaja

IDEA_V1
P
ET
TMED
AWND
TSUN
ACSH
RHUM
PRESS

NS

SO

PL

KI

ZR

SM

0,8021
0,0209
-0,0204
-0,0325
-0,1004
0,1950
0,2157
-0,1324

0,8213
-0,0118
-0,0118
0,0393
-0,0865
0,2051
0,1732
-0,2541

0,8115
-0,0033
-0,0009
0,1156
-0,1059
0,1965
0,1269
-0,0043

0,8242
0,0027
0,0084
0,0207
-0,0995
0,2317
0,2100
-0,3098

0,6430
0,0015
-0,0293
0,0011
-0,1086
0,2580
0,2394
-0,1745

0,7818
-0,0487
0,0085
-0,0329
-0,0765
0,2382
0,2281
-0,2931

0,7784
-0,0187
-0,0167
-0,0150
-0,1689
0,2034
0,1656
-0,2151

Ako se osvrnemo na znaenje vrednosti IDEA indeksa, krajnja vrednost u minusu

ukazuje na izvlaenje vode iz sistema, dok pozitivne vrednosti ukazuju na vlagu u
vazduhu i potencijal dodavanja vode sistemu. Razmatrajui fiziki proces
evapotranspiracije i znaenje IDEA indeksa doli smo do sledee konstatacije. Poto
evapotranspiracija poveava koliinu vlage u vazduhu time umanjuje sposobnost
vazduha da izvlai dalje vlagu iz sistema, odnosno vrednost IDEA indeksa e rasti ka
pozitivnoj ukoliko usled evapotranspiracije dolazi do akumulacije vlage iznad povrine.
Drugim reima, ako je evapotranspiracija dovoljno velika, a ostali uslovi mirni (ne
postoji horizontalna i vertikalna razmena, odnosno odnoenje vlage iz pogranine zone
od znaaja) IDEA indeks e biti pozitivan, odnosno vazduh e sadrati veliku koliinu
vlage i umanjie svoju sposobnost izvlaenja vode iz sistema usled saturacije. Ovakva
situacija nam govori da uticaj evapotranspiracije nije u linearnom negativnom odnosu,
ve potvruje da postoji gornja granica kod isparavanje dovodi do zasienja i formiranja
padavina ili prestanka daljeg isparavanja.
Vremenski nizovi ulaznih parametara neophodnih za proraun IDEA indeksa su bili
modifikovani od originalnih u procesu homogenizacije, te da bismo proverili
verodostojnost dobijenih nalaza uzeli smo duinu niza za koju smo imali sve merene
vrednosti neophodnih parametara. Dobijeni rezultati pokazali su isto ponaanje kao i
homogenizovane vremenske serije po svim sekvencama MEPIS algoritma, te su rezultati
homogenizovanih vremenskih serija usvojeni kao verodostojni.

140

7. Zakljuna razmatranja i predlozi za dalja istraivanja

Cilj disertacije bio je razvoj metodologije ocene i selekcije metoda za prepoznavanje,
praenje, ranu najavu i prognozu sue. Za potrebe ostvarenja ovog cilja dizajniran je
MEPIS algoritam, odnosno definisana je metodologija za procenu indikatora sue.
Razvoj MEPIS-a podrazumevao je kompleksnu analizu pojave sue kao
hidrometeorolokog fenomena. MEPIS se sastoji od pet logikih sekvenci, koje moraju
linearno biti reavane odnosno jedna za drugom. Tokom kreiranja MEPIS-a bilo je
neophodno reiti niz tehnikih i logikih problema.
Prvi tehniki problemi bili su podaci neophodni za modelovanje i proraun indeksa
sue. U tu svrhu formirana je arhiva ulaznih podataka na nivou Vojvodine. Sama arhiva
moe biti globalnog karaktera, te je prednost MEPIS-a i u tome to nije ni regionalno ni
vremenski ogranien. Ogranienje provere lei u raspoloivim istorijskim podacima kao
i u raspoloivim merenim podacima. Ovo su realna, stvarna ogranienja sistema
monitoringa i rane najave, te moemo zakljuiti da je MEPIS dizajniran da radi sa svim
raspoloivim kapacitetima. Upotreba MEPIS-a inter-regionalno, ili globalno,
podrazumevalo bi univerzalne baze podataka, koje se mogu regionalno razvijati i
aurirati i reiti problem razmene podataka. Gustina i poloaj mree mernih stanica u
mnogome utiu na efektivnost i preciznost praenja i metoda prognoza sue i drugoh
prirodnih hazarada te se stoga predlae dalje istraivanje i diskusija o potrebi
proguavanja mree merenja u cilju boljeg prostornog praenja prirodnih hazarda.
Prvi logiki problem koji je prepoznat i reen bilo je definisanje sue na njenom
elementarnom fizikom nivou, odnosno ta je uzrokuje i utie na nju. Reavanje
problema zapoeto je sa razmatranjem promenljivih koje osmatramo u Sistemu i kojima
definiemo njegovo stanje. U skladu sa promenljivom koja se uzima u razmatranje
najrasprostranjenija podela sue je na: meteoroloku (klimatoloku), hidroloku suu
prvog i drugog reda i poljoprivrednu suu. No, prilikom definisanja sue, uoeno je da
nije savetodavno tako strogo razgraniiti delovanje odreenih parametara. Deficit
padavina vodi ka sui i njihov deficit ukazuje na rani stadijum sue, isto tako produeno
vreme trajanja deficita padavina direktno utie na povrinske i podzemne vode i time je
dobar indikator rane najave sue drugog ili treeg reda, ako za prvi usvojimo da je sua
ograniena samo na manju koliinu padavina od oekivane. S druge strane poetak
novih padavina ne znai nuno i izlazak iz sunog perioda, jer pridola koliina
padavina, u velikom broju sluajeva ne nadoknauje gubitak. Za prognozu i analizu sue
drugog reda indikator nam je nedostatak vode u rekama i rezervoarima povrinskim
vodama, a za suu treeg reda stanje podzemnih voda. Sue drugog i treeg reda vezane
su strogo za hidrosferu. Kako je sua poremeaj u razvoju procesa u hidrolokom
ciklusu, definisali smo suu kao jedan jedinstven suni dogaaja koji ima etiri stepena,
odnosno faze:
1. Suu prvog reda - sua koja utie samo na atmosferske procese i moemo je
dovesti u 1:1 korelaciju sa tradicionalno definisanom meteorolokom
(klimatolokom) suom,
2. Suu drugog reda sue koje utiu na stanje i odvijanje procesa u atmosferi i
hidrosferi,
3. Suu treeg reda za analizu i prognozu poljoprivredne sue, odnosno sua koja
svojim delovanjem proima sve etiri sfere atmosferu, hidrosferu, litosferu i
utie na procese i stanje biljaka i ivotinja (biosfera),
4. Suu etvrtog reda sue koje utiu na stanje i procese u atmosferi, hidrosferi i
litosferi nepovratno remetei bioloki ciklus biljaka i ivotinja.
141

Ovako klasifikovanu suu mnogo je lake pratiti prostorno i vremenenski. U ovom

sluaju nama je sua jedinstven dogaaj razliitog stepena delovanja, a ne vie
nezavisnih dogaaja, a do sada klasifikovane sue su samo mera ozbiljnosti
dogaaja odnosno mera uticaja sunog dogaaja. Sua prelazi iz jednog reda u drugi
u momentu kada ne postoji ni jedan prirodni ili antropogeni regulator koji bi umanjio
efekat nastalih deficit vode. Unutar svakog reda moemo izvriti finu gradaciju.
Istraivanje metoda praenja sue obuhvatilo je tri tradicionalna indikatora i jedan novo
formirani. Sve ukupno analizirano je 16 varijacija etiri odabrana indeksa sue. Period
istraivanja obuhvatio je 62 godine, od 1951 do 2012. Analize indikatora ukazale su na
opravdanost menjaja pristupa problematici sue i odstupanja od stohastikog
razmatranja njene pojave i pristupanja termodinamikim osnovama sue. Modelovanje
sue po analogiji sa procesom suenja vazduhom pokazalo je zadovoljavajue rezultate i
kao agregat ovog pristupa dobili smo IDEA indeks za praenje uslova koji pogoduju sui.
Istraivanje je izmeu ostalog imalo za cilj i da utvrdi neophodnost uvoenja
evapotranspiracije u proraune indikatora sue. Iako se prilikom prorauna IDEA-je
evapotranspiracija ne koristi eksplicitno, za to nema ni potrebe jer sama IDEA
predstavlja fiziku sposobnost vazduha da dovede do evapotranspiracije, te je ujedno
pogodnija za praenje sue od PET. PET u mnogome zavisi od prirode podloge, koja se
drastino menja u sunim uslovima, dok IDEA se fokusira na vazduh iznad podloge i
upravlja se kapacitetom i sposobnou vazduha da iscrpi vodu iz podloge. IDEA sama po
sebi nee odrediti koliko je vode iz kog izvora izvueno zasebno, ve govori o sumarnoj
koliini vode koja se izvlai iz osmatrane oblasti, te je stoga pogodna za razmatranje
klimatskih uslova koji generiu suu. Za dalja istraivanja predlae se testiranje
preciznosti IDEA metoda i njegove primene na praenje moguih posledica sue, kao to
je stepen sputanja nivo voda u vodnim resursima ili pak praenje vrednosti IDEA koji
indikuju odreene posledice po poljoprivrednu proizvodnju.
Napredak u detektovanju sunih dogaaja IDEA indeksa ukazuje i na znaaj
determinacije ulaznog parametra. Ulazni parametri moraju biti parametri od znaaja za
definisanje stanje sue. Kod SPEI moemo uoiti da prosti odnos, razmatran kroz
statistiku analizu nije dovoljno adekvatan za analizu i predvianje sue. Uvideli smo da
poveanjem broja parametara u malom broju, kao to je SPEI, generiemo greku, dok
uvoenjem veeg broja parametara, kao kod IDEA indeksa ulazimo u problem
nedostatka adekvatnih vremenskih serija. Sa druge strane IDEA indeks ne zahteva duge
vremenske serije za svoj proraun, te upotreba veeg broja u modernim osmatranjima
lako dostupnih varijabli, ne bi trebalo da pretsavlja problem na globalnom nivou.
Definicija sue kao stanja atmosfere koje uzrokuje povean izlaz iz Sistema, podudara se
i sa osnovnom postavkom ideje o sui kao remeenju bilansne jednaine Sistema.
Ocokoljieva metoda razmatranja ciklinosti vodnih i sunih perioda, najbolje
reprezentuje kompleksnost osmatranja sue, koja podrazumeva razmatranje uticaja
deficita na mikro i makro nivou, gde jedan suni dogaaj makro nivoa moe da sadri
vodne periode, no ti periodi nisu na makro nivou dovoljni za izlazak sue, iako na mikro
nivou mogu odavati utisak oporavka Sistema. IDEA indeks objedinjuje gubitke kroz
osmatranje medijuma koji najvie transportuje gubitke u okolinu, a to je atmosfera.
Ujedno uvoenjem dodatnih parametara pored padavina i evapotranspiracije, dobija
bolju simulaciju vremenskih uslova. Pritisak vazduha, temperatura i vlanost su osnovni
element ii pokretai atmosferskih procesa. Determinisanjem IDEA indeksa i primenom
kreiranog MEPIS algoritma za procenu indikatora klimatoloke sue dobili smo potvrdu
da je suu mogue fiziki definisati kao pojavu i pristupiti joj kao takvoj. Pri emu se
njen intenzitet, poetak i kraj mogu definisati preko kumulativnih vrednosti deficita u
142

osmatranom periodu, sa uslovom da poetak osmatranog perioda belei siguran surplus

i da se Sistem moe smatrati u ravnotei. Usvajanjem ove pretpostavke umanjujemo
greske aproksimacija i prorauna. IDEA indeks pokazao je znaajan napredak u
indentifikovanju meteorolokih uslova koji pogoduju razvoju sue. Kao indeks
sue koji se striktno bazira na simulaciji fizikih procesa ukazuje na mogunost
definisanja fizikih stanja atmosfere koji odgovaraju stanju sue i samim tim je
korak ka uniformnoj fizikoj definiciji sue na osnovu uslova koji je uzrokuju a ne
na osnovu posledica.
MEPIS u svojoj punoj formi bi dao dovoljno argumenata da se odreeni indeksi koriste
operativno i mogao bi opravdati neophodne investicije u tehnike i ljudske resurse.
7.1 Predlozi za dalja istraivanja
Nakon definisanja koji indeks najvie zadovoljava zadate kriterijume, pristupa se
definisanju metode prognoze. Pokazalo se kroz preliminarna istraivanja da MEPIS
logika sekvenca 5 predstavlja problematiku irokog spektra koja zahteva zasebno
istraivanje. Prognoza i najava sue konvencionalno se vri uz pomo indikatora sue.
Indikatori sami po sebi ne rade prognozu sue, ve na osnovu tipa podataka koji se
koriste rade istorijsku analizu (ako su u pitanju istorijski podaci) ili prognozu (ako su u
pitanju podaci dobijeni iz prognostikog modela). Homogenizacijom nizova mogue je
redukovati greku usled nedostajuih podataka. Prognoza preko prognostikog modela
uklanja greku nedostajuih podataka ali uvodi greku samog modela. Predvianje
buduih sunih perioda je prvi korak za pronalaenje odrivih institucionalnih i
tehnikih reenja pri upravljanju vodama i pri proceni rizika od sue kao hazarda.
Sutina dobrog predvianja je sposobnost da se poveu prethodna merenja i
distribucije sa trenutno osmotrenim podacima prikupljenim na mernim stanicama.
Analiza podataka moe da se zasniva na dva pristupa: statistikom i numerikom. Oba
pristupa imaju svoje prednosti i mane. Statistiki metodi zasnivaju se na obradi
osmotrenih vremenskih nizova, i prognozi na osnovu uoenih korelacija i trendova
izmeu promenljivih. Prednosti ovakvog pristupa su to mogu biti generiki i globalno
promenjivi i ne zahtevaju komplikovane fizike modele. Meutim, ako pokuamo da
poveemo vie promenljivih, to je i sluaj u prirodi gde sve promenljive meusobno
utiu jedne na druge, prognoza je tada veoma oteana ili praktino nemogua za due
vremenske periode, ak i za jednu promenljivu iz razloga to u proraune nije mogue
uvesti dovoljan broj promenljivih koje bi opisale klimatske promene i lokalne promene
koje utiu na vremenska deavanja. Uz pomo funkcije verovatnoe i informacije o
prethodnoj distribuciji, analiziraju se izmereni podaci i dobija se nova distribucija koja
govori o ponaanju promenljive. Kod dobre prognoze nije samo re o kopiranju
istorijske distribucije na nove podatke ve e analizom dobijena distribucija biti razliita
od prethodne ali e obuhvatiti istorijsko ponaanje i karakteristike. Usled nepobitnosti
klimatskih promena pri prognozi mora da se uzme u obzir da je re o nestacionarnim
distribucijama. Na kraju premise dobre statistike prognoze jesu kvalitetne vremenske
serije bez nedostajuih podataka. Istraivanje je ukazalo na veliki problem
kontinualnosti i rasprostranjenosti merenja na nivou Vojvodine, no nita manji problem
iste prirode se moe detektovati globalno. Kako je priroda sue stohastika, statistika
analiza fenomena je atraktivan pristup za planiranje i upravljanje vodnim resursima. S
druge strane, usled stohastike prirode sue, praktino je nemogue sprovesti apsolutno
tanu prognozu. U praktinim uslovima prihvata se pretpostavka da su stohastike i
teorije verovatnoe pravi alat za opisivanje karakteristika sue i evaluaciju njene
neizvesnosti. Da bi se mogla primeniti statistika analiza pravi se jo jedna
143

pretpostavka, da su sune epizode nezavisne jedna od druge i imaju identinu

distribuciju. Ovakva pretpostavka u startu se sukobi sa fizikom realnou gde su
intenzitet i ozbiljnost sue uslovljeni prethodnim pojavama, kao i uslovljenost
distribucije sue njenom zavisnou od klimatskih promena i drugih veoma
promenljivih faktora. Iako su sue kao kompleksni procesi zavisne jedne od druge,
iznesenu pretpostavku moemo primeniti na meteoroloke promenljive i indikatore
sue. Drugim reima, ukoliko osmatramo samo padavine i od njih zavisne indikatore
onda moemo zakljuiti da su dva osmotrena dogaaja nezavisna. Isto tako
pretpostavljamo da je u samoj prirodi padavina i od njih zavisnih indikatora uraunat
uticaj promenljivih faktora klimatskih promena i drugi faktori. Drugi korak je usvajanje
pragova na osnovu kojih imenujemo suu, i odreivanje intervala ponavljanja
klimatoloke sue odreenog intenziteta ili veeg globalno, sve vreme pretpostavljajui
da se radi o stohastikom procesu. Korienjem indikatora sue unapred odreujemo
pragove rangiranja sunih perioda, te samo ostaje utvrditi periodinost i ciklinost
kretanja zadatih indikatora. Kako se radi o vremenski zavisnim promenljivima nije
mogue raditi klasinu statistiku analizu ve je neophodno primeniti metode analize
vremenskih serija. Analiza vremenskih serija podrazumeva pre svega analizu
meusobno zavisnih opservacija jer se mora uzeti u obzir njihov vremenski poredak.
Opravdanost za razmatranje niza vrednosti indikatora sue i padavina kao vremensku
seriju lei u fizikoj prirodi pojave, gde iako smo u prvoj pretpostavci iskljuili
meusobnu zavisnost dva dogaaja, ovako ukljuujemo njihovu vremensku zavisnost
koja nam je od znaaja. Korienjem razliitih modela analize vremenskih serija cilj je
opisati suu, po mogunosti doi do objanjenja kako i zato je do nje dolo, zatim
predvideti njeno kretanje u narednom periodu i na kraju, manipulacijom inioca koji
uslovljavaju pojavu sue, istu drati pod kontrolom.
Vremenske serije moemo klasifikovati korienjem razliitih kriterijuma. Za budue
istraivanje bitne karakteristike vremenskih serija su njihova neprekidnost,
periodinost, tip procesa (ciklini ili ne), sezonalitet (sezonske varijacije). irina
mogunosti primene vremenskih serija lei u irini statistikih modela koji se na njih
mogu primeniti. Statistiki modeli u hidrologiji mogu biti modeli verovatnoe pojave
hidrolokih ekstrema i regresioni modeli veze izmeu dve ili vie promenljivih. Odabir
odgovarajueg modela zavisi od karakteristika vremenske serije.
Predvianje pojave putem analize vremenskih serija zapoinje se izvoenjem prognoze
koja ima minimalnu srednju kvadratnu greku. Pri tome polazimo od opservacija
vremenske serije (1 , 2 , 3 , , ). Cilj je prognozirati + , tj. budue vrednosti
vremenske serije za h vremenskih perioda unapred. Prirodan broj h naziva se duina
horizonta prognoziranja. Uslovljavajui buduu vrednost vremenske serije prolim,
raspoloivim opservacijama dolazimo do prognoze sa minimalnom srednjom
kvadratnom grekom.
Jedno od polazita istraivanja moe biti da vremenske serije indeksa sue moemo
predstaviti preko strukturnog modela vremenskih serija. Ova pretpostavka
podrazumeva da je odabrana serija okarakterisana trendom (postoji dugorono
kretanje u seriji) i sezonom (sezonalitet ukazuje na periodine fluktuacije konstantne
duine unutar, a krae od godine).
Strukturni modeli baziraju se na dekompoziciji vremenske serije. Komponentni ili
strukturni modeli (Harvey 1990) pretpostavljaju odreenu vrednost (model) za svaku
komponentu zasebno i procenjuju dalje parametre metodom najvee verovatnoe.
Meusobna veza izdvojenih komponenti moe biti aditivna (opservacija vremenske
serije jednaka je zbiru komponenti) ili multiplikativna (opservacija vremenske serije
144

jednaka je proizvodu komponenti). Druga polazina osnova za primenu strukturnog

modela moe biti da vremenske serije indikatora sue spadaju u sezonske vremenske
serije. U cilju izdvajanja sezonske komponente vremenske serije moe se koristiti
tradicionalni pristup upotrebe metode pokretnih preseka. Nakon utvrivanja osnovnog
toka vremenske serije neophodno je iz opservacija vremenske serije eliminisati
jednostavnim postupkom oduzimanja kod aditivnog modela, odnosno podele kod
multiplikovanog modela, dobijajui na taj nain eljenu sezonsku komponentu.
Desezonizacija pretpostavlja da je sezonska komponenta nezavisna od ostalih ne
sezonskih komponenti. Hipoteza za budue istraivanje je da korienje statistikih
metoda pri proraunu indeksa sue u mnogome onemoguava korienje indeksa u
prognozi, jer se multiplikuje greka samog statistikog pristupa. Indeks sue bi trebalo
da ouva to vie mogue svoje fiziko znaenje i da sam proraun reprezentuje fiziki
proces. U tom sluaju bi se mogle koristiti statistike metode prognoze. U suprotnom,
svi indeksi mogu da se zasnivaju samo na numerikoj prognozi osnovnih parametara od
kojih su oni sami zavisni. Numeriki metodi prognoze zasnivaju se na korienju fizikih
jednaina koje realno opisuju vezu izmeu varijabli, dok se primenom velikog broja
simulacija u modelu obezbeuje probabilistiki pristup. No i numeriki modeli imaju
problem sa velikim brojem varijabli i haotinim ponaanjem atmosfere, te oteanim
predvianjem deavanja i kretanja unutar nje. Oba pristupa se jo vie komplikuju
ukoliko se analiziraju sloene varijable ili pokuaju povezati sfere (atmosfera,
hidrosfera, litosfera i biosfera). Usled meusobne sprege izmeu procesa koji indukuju
suu (padavine, temperatura, vetar, stanje rezervoara, stanje zemljita, tip i vrsta biljnog
pokrivaa, zahtevi za vodom itd.) prognoza sama ne moe da predvidi kretanje svakog
od njih, moemo se samo ograniiti na definisanje fizikih uslova koji sa sigurnou
indikuju suu i pratiti njihovu pojavu.
Pri izradi disertacije izvrena su preliminarna istraivanja i eksperimenti i testirano je
nekoliko metoda statistikog i numerikog pristupa. Kako se prognoza sue zasniva se
na prognozi parametara koji definiu suu kao hazard analizirane su padavine kao
najee korieni parametar iz dva razloga: direktno govore o ulaznom faktoru kod
bilansne jednaine, imamo li priliva ili ne, za krae vremenske intervale njihov deficit
ukazuje na klimatoloku suu, a nedostatak na duim vremenskim skalama ukazuje na
hidroloku suu. Padavine su pogodne jo i zbog prirode svoje pojave. Dve uzastopne
kie nisu meusobno povezane i odnos izmeu vrednosti padavina odnosi se na
sezonsku karakteristiku istih. Pored razloga vezanih za fiziku prirodu padavina kao
promenljive, u obzir je uzeta i tehnika karakteristika, odnosno mogunost pronalaenja
merenih podataka. Da bi se mogla izvriti validacija i verifikacija modela neophodno je
odrediti realne uslove i obraditi merene podatke koji bi dali sliku klimatske situacije
odabranog podruja. Validacija i verifikacija su postupci kojim ispitujemo koliko verno i
precizno jedan model predstavlja realni sistem. One se konceptualno razlikuju ali se
najee simultano sprovode, odnosno nalaze se u dinamikoj povratnoj sprezi.
Verifikacija se odnosi na proveru da li je simulacioni program ( raunarski kod, u ovom
sluaju algoritam) bez greaka i konzistentan sa modelom (koncepcijom). Validacija se
odnosi na proveru da li je model precizna reprezentacija realnog sistema.
Praktian pristup procesu validacije se sastoji od tri faze:
1. faza: je odreivanje modela koji verno predstavlja(ju) realni sistem. Za proveru
validnosti oslanjamo se na analizu osetljivosti (testiranje na razliite ulazne
veliine)
2. faza: je potvrda pretpostavki modela, gde razlikujemo dve kategorije
a. pretpostavke o podacima (gde se testira pouzdanost podataka)
145

b. pretpostavke o strukturi (gde proveravamo uvedena pojednostavljenja i

apstrakcije)
3. faza: poreenje (validacija) ulazno izlaznih transformacija modela i realnog
sistema. Najobjektivniji test modela je provera sposobnosti modela da predvidi
budue ponaanje realnog sistema
U svakom momentu rada neophodno je zadrati pravu sutinu modela, u naem sluaju
indeksa, a to je da oni predstavljaju uproenu reprezentaciju realnog procesa, u ovom
sluaju, sue. Prilagoavanje istorijskih podataka moe esto dovesti do nastanka
jednostavnog prognostikog modela. Za setove meteorolokih podataka, koji se izmeu
ostalog koriste i u prognozi sue, najjednostavniji prognostiki modeli mogu biti
zasnovani na matematikim transformacijama ili kalendarskim prilagoavanjima.
Ukoliko podaci varijaju, pri emu se varijacije deavaju na nivou cele serije, u tom
sluaju matematika transformacija moe biti od koristi. To bi u sluaju promenljive
koja predstavlja originalnu obzervaciju (merenje), znailo da delovanjem funkcije na nju
moemo dobiti promenljivu koja je transformisana promenljiva. Dalji proces
prognoze obavlja se sa transformisanom promenljivom. Indeksi sue predstavljaju
model matematike transformacije. No nije svaka transformacije podobna za prognozu
niti prognostika. Iz tog razloga predlae se testiranje sposobnosti transformisane
veliine (indikatora sue) da adekvatno predstavi budua kretanja i
standardizovanje metode ocene metodologije prognoze vremenskih serija
indikatora sue.

146

8. Literatura
Abramowitz, M. & Stegun, I. A. (1964). Handbook of Mathematical Functions with
Formulas, Graphs and Mathematical Tables. Washington D.C.: United States Department
of Commerce, National Bureau of Standards Applied Mathematics Series 55.
Aguilar E., Auer I., Brunet M., Peterson, T. C. and Wieringa J. (2003). Guidelines on
Climate Metadata and Homogenization, Geneva, Switzerland, WMO/TD No. 1186.
Aguilar, E., et al. (2005), Changes in precipitation and temperature extremes in Central
America and northern South America, 19612003, J. Geophys. Res., 110, D23107
Agwata, J.F. (2014). A Review of Some Indices used for Drought Studies. Civil and
Environmental Research, 6(2), 15-21.
Alexandersson, H. (1986). A homogeneity test applied to precipitation data. Journal of
Climate 6: 661675.
Allen, R. G. (1997). Self-calibrating method for estimating solar radiation from air
temperature. J. Hydrologic Eng., 2(2), 5667.
Allen, R. G., and Pruitt, W. O.(1986). Rational use of the FAO Blaney-Criddle formula. J.
Irrig. Drain. Eng., 112(2), 39155.
Allen, R. G., and Pruitt, W. O. (1988). Rational Use of the FAO Blaney-Criddle Formula,
Closure, J. Irrig. and Drain. Engrg., ASCE, 114(3), 375-380"
Allen, R. G., Pereira, L. S., Raes, D. & Smith, M. (1998). Crop evapotranspiration:
guidelines for computing crop water requirements, Rome, Italy: Food and Agriculture
Organization of the United Nations.
Alley, W. M. (1984): The Palmer Drought Severity Index: Limitations and assumptions.
J. Climate Appl. Meteor., 23, 11001109.
Anderson, J. & Lucas, K. (2006). Agriculture Investment Sourcebook Module 11:
Managing Agricultural Risk, Vulnerability: The World Bank.
Andrews, D. G. (2010). In: An Introduction to Atmospheric Physics, second edition.
New York: Cambridge University Press, 237 pp.
Anyamba, A. C., Tucker, C. J., and Eastman, J. R. (2001). NDVI anomaly patterns over
Africa during the 1997/98 ENSO warm event. International Journal of Remote Sensing,
22 (10): 18471859.
Bayarjargal, Y., Karnieli, A., Bayasgalan, M., Khudulmur, S., Gandush, C. and
Tucker, C. J. (2006). A comparative studz of NOAA-AVHRR derived drought indices
using change vector analysis. Remote Sensing of Environment 105, 9 22.
Berengena, J. and Gavilan . P. (2005). Reference Evapotranspiration Estimation in a
Highly Advective Semiarid Environment. Journal of Irrigation and Drainage Engineering,
131(2), 147-163.
Beyazgul, M., Kayam, Y., and Engelsman, F. (2000) Estimation methods for crop
water requirements in the Gediz Basin of western Turkey, Journal of Hydrology, 229 (12), 19-26.
Bhalme, H. N., and D. A. Mooley (1980). Large-scale drought/floods and monsoon
circulation. Mon. Wea. Rev., 108, 11971211.
Brown, J. H., and A. Kodric-Brown. (1977). Turnover rates in insular biogeography:
effect of immigration on extinction. Ecology 58:445449.
Brown, A. and Matlock, M. D., (2011). A Review of Water Scarcity Indicies and
Methodologies. White Paper No. 106. Sustainability Consortium.
Bryant, S., Arnell, N.W., and Law, F.M. (1992). The long-term context for the current
hydrological drought. Institute of Water and Environmental Management (IWEM)
147

Conference on the management of scarce water resources. 1314 October 1992. white
paper#106
Buishand, T.A., (1982). Some methods for testing the homogeneity of rainfall records.
J. Hydrol., 58: 11--27.
Burke, E.J., S.J. Brown, and N. Christidis, (2006). Modelling the recent evolution of
global drought and projections for the 21 st century with the Hadley Centre climate
model. J. Hydrometeorol., 7, 11131125.
Byun, H. R. & Kim, D. W., (2010). Comparing the Effective Drought Index and the
Standardized Precipitation Index. In: Economics of drought and drought preparedness
in a climate change context. Zaragoza: CIHEAM/FAO/ICARDA/GDAR/CEIGRAM/MARM,
pp. 85-89.
Byun, H.-R. & Lee, D.-K., (2002). Defining Three Rainy Seasons and the Hydrological
Summer Monsoon in Korea using Available Water Resources Index. Journal of the
Meteorological Sociaty of Japan, Volume 80 No.1 pp. 33-44.
Byun, H.R., and Wilhite, D.A. (1999). Objective quantification of drought severity and
duration. J. Clim. 12 (9): 27472756.
doi:10.1175/1520-0442(1999)012<2747:OQODSA>2.0.CO;2.
Cancelliere, A., Di Mauro, G., Bonaccorso, B. & Rossi, G., (2007). Drought Forecasting
using the Standardized Precipitation Index. Water Resorces Management, Volume 21,
pp. 801-819.
Dave, P. H. & Dave, H. B., (2008). Computation Models and Design by Refinement. In:
Design and Analysis of Algorithms. Delhi: Dorling Kindersley (India) Pvt. Ltd..
Dikbas, F., Firat, M., Koc, A.C. and Gungor, M., (2010). Homogeneity Test for Turkish
Temperature Series, BALWOIS 2010, Ohrid, Republic of Macedonia.
Droogers, P., and Allen, R. G. (2002). Estimating reference evapotranspiration under
inaccurate data conditions. Irrig. Drain. Syst. 16, 33-45
Eshghabad, S.M., Omidivar, E. and Solaimani K. (2014). Efficiency of Some
Meteorological Drought Indices in Different Time Scales (Case Study: Tajan Basin, Iran).
Ecopersia, 2014, 2 (1), 441-453 .
Fuchs, B. (2012) Drought Indices and Indicators in use around the World. Caribbean
Drought Workshop. National Drought Mittigation Center.
Gavilan, P., Lorite, I. J., Tornero, S. and Berengena, J. (2006). Regional calibration of
Hargreaves equation for estimating reference ET in a semiarid environment,
Agricultural Water Management, 81, 257-281.
Gavilan, P., Berengena, J., and Allen, R.G. (2007). Measuring versus estimating net
radiation and soil heat flux: Impact on Penman-Monteith reference ET estimates in
semiarid regions. Agricultural Water Management, 89, 275-286.
Gibbs, W. and Maher, J. (1967). Rainfall deciles as drought indicators. Bur. Meteorol.
Bull. 48, 117.
Gosling, R.D., Zaidman, M., Wann, M. and Rodgers, P.J. (2012). How low can you go?
Using drought indices to protect environmental flows in Scottish rivers. BHS Eleventh
National Symposium, Hydrology for a changing world, Dundee 2012.
doi:10.7558/bhs.2012.ns23
Gocic, M., Trajkovic, S. (2014), Drought characterisation based on Water Surplus
Variability Index, Water Resources Management 28(10), 3179-3191. DOI:
10.1007/s11269-014-0665-4
Gutman, G. (1990). Review of the workshop on the ""Use of satellite-derived
vegetation indices on weather and climate prediction models,"" Bull. Am. Met. Soc. 71
(10), 1458-1463."
148

Guttman, N.B. (1998). Comparing the Palmer drought index and the standardized
precipitation index, Journal of American Water Resources Association 34 (1998), pp.
113121.
Hanssen-Bauer, I., Frland, E. and Nordli, P. . (1991). Homogeneity Test of
Precipitation Data, Descriptions of the Methods used at DNMI, DNMI Report 13/91
KLIMA, Norwegian Meteorological Institute, 28 pp.
Hao, Z. and AghaKouchak A. (2013). Multivariate Standardized Drought
Index:Aparametric multi-index model. Advances in Water Resources 57(2013)1218.
Hargreaves, G. H. (1975). Moisture availability and crop production.Trans. ASAE,
18(5), 980984.
Hargreaves, G. H. (1988). Discussion of Rational Use of the FAO Blaney-Criddle
Formula by Allen and Pruitt, Journal of Irrigation and Drainage Engineering, 114(3),
373-375.
Hargreaves, G. H. (1989). Accuracy of Estimated Reference Crop Evapotranspiration,
Journal of Irrigation and Drainage Engineering, 115(6), 1000-1007.
Hargreaves, G. H. (1993). Minimum climatic data for irrigation and drainage planning
and design, Proc. XV Congress ICID, Q. 44, R. 14, 157-167, The Hague, The Netherlands.
Hargreaves, G. H. (1994) Defining and Using Reference Evapotranspiration, Journal of
Irrigation and Drainage Engineering, 120(6), 1132-1139.
Hargreaves, G. H. and Allen, R. G. (2003). History and Evaluation of Hargreaves
Evapotranspiration Equation. J. Irrig. Drain Eng., 2003, 129(1): 53-63.
Harvey, A. (1990) The econometric analyses of time series (2nd ed.). Cambridge. MIT
Press.
Hayes M (2003). Drought Indexes. National Drought Mitigation Center, University of
NebraskaLincoln, (available from University of NebraskaLincoln, 239 LW Chase Hall,
Lincoln, NE 68583).
Hawkins PM. (1977). Testing a sequence of observations for a shift in location. Journal
of American Statistical Association 72: 180186.
Heim, R.R. (2002). A review of twentieth-century drought indices used in the United
States. Bull. Am. Meteorol. Soc.83 (8): 11491165.
Hollinger, S. E., S. A. Isard, and M. R. Welford (1993). A new soil moisture drought
index for predicting crop yields. Preprints, Eighth Conf. on Applied Climatology,
Anaheim, CA, Amer. Meteor. Soc., 187190.
Hrelja, H., (2007). Inenjerska hidrologija. Sarajevo: Univerzitet u Sarajevu Graevinski fakultet.
Hussein, A.S.A. (1999). Grass ET Estimates Using Penman-Type Equations in Central
Sudan, Journal of Irrigation and Drainage Engineering, 125(6), 324-329.
Insitute of Hydrology (1980). Low flow studies, Wallingford, UK, Instutute of
Hydrology, Research Report 1.
IPCC SRES, (2000). Section 1.5: Why New IPCC Emissions Scenarios?. In: Special Report
on Emissions Scenarios: A special report of Working Group III of the Intergovernmental
Panel on Climate Change. Cambridge University Press.
IPCC Working Group III, (2000). Emissions Scenarios - Summary for Policymakers.
Intergovernmental Panel on Climate Change.
IPCC (Intergovernmental Panel on Climate Change), (2013). Summary for
Policymakers. In: Climate Change 2013: The Physical Science Basis. Contribution of
Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on
Climate Change, Cambridge, United Kingdom and New York, NY, USA.: Cambridge
University Press.
149

Jain, V.K., Pandey, R.P., Jain, M.K: and Byun, H. (2015). Comparison of drought
indicies for appraisal of drought characteristics in the Ken River Basin. Weather and
Climate Extremes 8 ,111.
Jensen, M. E. (1966). Discussion of Irrigation water requirements of lawns. J. Irrig.
Drain. Div., 92, 95100.
Jensen, D. T., Hargreaves, G. H., Temesgen, B., and Allen, R. G. (1997).Computation
of ETo under non-ideal conditions. J. Irrig. Drain.Div., 123(5), 394400.
Jensen, M. E., Burman, R. D., and Allen, R. G. (1990). Evapotranspiration and
irrigation water requirements. ASCE Manuals and Reports on Engineering Practice, No
70, 360.
Jovanovi, S. (1974). Parametarska hidrologija: predavanja odrana na seminarima o
obradi hidrolokih podataka. Beograd, Jugoslovensko drutvo za hidrologiju.
Khaliq, M.N. and Ouarda, T.B.M.J. (2007). Short Communication On the critical
values of the standard normal homogeneity test (SNHT). International Journal of
Climatology 27, 681-687.
Kang, K.A., Byun, H.R. (2004). On the developing processes of the climatological
drought over the East Asia in 1982. Journal of Korean Meteorological Society 40, 467
483.
Karamouz, M., Torabi, S., Araghi-Nejad, Sh., and D. Asgharzadeh (2002). Analysis of
droughts: application to isfahan region in Iran, Proc. 2002 EWRI Conference on Water
Resources Planning and Management, Roanoke, VA.
Katz, R.W. and Glantz, M.H. (1984). Anatomy of a rainfall index. Mon.Wea.Rev.,
117(764-771).
Keiser, D.T. and Grieffiths, J.F. (1997). Problems Associated with Homogeneity
Testing in Climate Variation Studies: A Case Study of Temperature in the Northern Great
Plains, USA. International Journal of Climatology, 17: pp. 497-510.
Kendall, M. (1938). A New Measure of Rank Correlation. Biometrika 30 (12): 8189.
Keyantash, J.A., and Dracup, J.A. (2004). An aggregate drought index: Assessing
drought severity based on fluctuations in the hydrologic cycle and surface water
storage. Water Resour. Res. 40 (9): W09304. doi:10.1029/2003WR002610.
Khoob, A. R. (2009). Artificial neural network estimation of reference
evapotranspiration from pan evaporation in a semi-arid environment. Irrigation
Science, 27 (1):35-39.
Kim, Y.W., Byun, H.R., (2006). On the causes of summer droughts in Korea and their
return to normal. Journal of Korean Meteorological Society 42, 237251.
Kogan, F.N. (1990). Remote sensing of weather impacts on vegetation in nonhomogeneous
areas.
Int.
J.
Remote
Sens.
11
(8):
14051419.
doi:10.1080/01431169008955102.
Kogan, F.N. (1995). Application of vegetation index and brightness temperature for
drought detection. Adv. Space Res. 15 (11): 91100. doi:10.1016/0273-1177(95)00079T.
Kogan, F.N. (1997). Global Drought Watch From Space. - Bull. Am. Met. Soc., 78, 621636.
Kogan, F.N. (2000). Contribution of remote sensing to drought early warning. In Early
Warning Systems for Drought Preparedness and Drought Management, Proceedings of
an expert group meeting held on Warning Systems for Drought Preparedness and
Drought Management. Edited by D.A. Wilhite, M.V.K. Sivakumar, and D.A. Wood. Lisbon,
Portugal. pp. 7587.

150

Landeras, G., Ortiz-Barredo, A., and Lpez, J.J. (2008). Comparison of artificial neural
network models and empirical and semi-empirical equations for daily reference
evapotranspiration estimation in the Basque Country (Northern Spain),
Agricultural Water Management, 95 (5), 553-565."
Lazi L. and Pavi, D. (2003). Klima Banata. Novi Sad. Univerzitet u Novom Sadu,
Prirodno-matematiki fakultet, Departma za geografiju, turizam i hotelijerstvo.
Lecina, S., Martinez-Cob, A., Perez, P. J., Villalobos, F. J., and Baselga, J. J. (2003).
Fixed versus variable bulk canopy resistance for reference evapotranspiration
estimation using the Penman-Monteith equation under semiarid conditions,
Agricultural Water Management, 60 (3), 181-198.
Linsley, R., Kohler, M. A. and Paulhus, J. H., (1940). Applied Hydrology. New York: Mc
Graw-Hill.
Lopez-Urrea, R., de Santa Olalla, F. M., Fabeiro, C., and Moratalla, A. (2006a).
Testing evapotranspiration equations using lysimeter observations in a semiarid
climate, Agricultural Water Management 85(1), 15-26.
Lopez-Urrea, R., de Santa Olalla, F. M., Fabeiro, C., and Moratalla, A. (2006b). An
evaluation of two hourly reference evapotranspiration equations for semiarid
conditions, Agricultural Water Management, 86 (3), 277-282.
Maracchi, G. (2000). Agricultural drought a practical approach to definition,
assessment, and mitigation strategies. In: J. Vogt & F. Somma, eds. Drought and Drought
Mitigation in Europe. Kluwer Academic Publishers, pp. 63-75.
Marletto, Zinoni F, Criscuolo L, Fontana G, Marchesi S, Morgillo A, Van Soetendael
M.R.M, Ceotto E, Anderson U. (2005) Evaluation of downscaled DEMETER multimodel ensemble seasonal hindcasts in Northern Italy by means of a model of wheat
growth and soil water balance. Tellus A. 2005;57:488497. doi:10.1111/j.16000870.2005.00109.x
Martinez-Cob, A. and Tejero-Juste, M. (2004). A wind-based qualitative calibration of
the Hargreaves ETo estimation equation in semiarid regions, Agricultural Water
Management, 64, 251-264.
Mavromatis, T. (2007). Drought index evaluation for assessing future wheat
production in Greece. Int. J. Climatol. 27, 911924.
McDonald, J.H. (2014). Handbook of Biological Statistics, 3rd ed. Sparky House
Publishing, Baltimore, Maryland.
McKee, T.B., Doesken, N.J., and Kleist, J. (1993). The relationship of drought
frequency and duration to time scales. In Proceedings of the 8th Conference on Applied
Climatology, Anaheim, Calif. 1722 January 1993. American Meterological Society. 6pp.
Meyer, S.J., and Hubbard, K.G. (1995). Extending the crop-specific drought index to
soybean. Preprints, Ninth Conference on Applied Climatology, American Meteorological
Society, Dallas, TX. pp.258259.
Meyer, S.J., Hubbard, K.G., and Wilhite, D.A. (1993). A crop-specific drought index for
corn. I: Model development and validation. Agron. J. 85 (2): 388395.
Mishra, A. K. & Singh, V. P., (2010). A review of drought concepts. Journal of
Hydrology, Volume 391, pp. 202-216.
Mishra, A.K. and Singh, V.P. (2011). Drought modeling: a review. J. Hzdrol 403(12):157-175.
Morid, S., Smakhtin, V. & Bagherzadeh, K., (2007). Drought forecasting using
artificial neural networks and time series of drought indices. International Journal of
Climatology, Volume 27, pp. 2103-2111.

151

Nauman, G., Dutra, E., Barbosa, P., Pappenberger, F., Wetterhall, F. and Vogt, J.V.
(2014). Comparison of drought indicators derived from multiple data sets over Africa.
Hydrol. Earth Syst. Sci., 18, 16251640. doi:10.5194/hess-18-1625-2014
Niemeyer, S., (2008). New drought indices. Zaragoza, CIHEAM-IAMZ, pp. 267-274.
Nouri A.Z:, Farsani, I.F., Faryaneh, M.R. (2015). Assesment on Multi-index
agricultural drought vulnerability and spatial characteristics analyses. IJBPAS,
December, 2015, 4(12), Special Issue: 440-452
Ocokolji, M. (1994). Ciklinost sunih i vodnih perioda u Srbiji. Srpska akademija
nauka i umetnosti Beograd, geografski institut "Jovan Cviji", posebna izdanja, knjiga 41.
Ortega-Farias, S. O., Barrias-Sanzana, R. and Cuenca, R. H. (1998a) Reference
evapotranspiration by using the residual energy balance method, Proc. of Water
Resources Engineering, ASCE, 1812-1817.
Ortega-Farias, S. O., and Cuenca, R. H. (1998b) Estimation of crop evapotranspiration
by using the Penman-Monteith method with a variable canopy resistance, Proc. Of
Water Resources Engineering, ASCE, 1806-1811.
Plfai, I. (1991). Az 1990 vi aszly Magyarorszgon. Vzgyi Kzlemnyek, 2: 117
132.
Palmer, W.C. (1965). Meteorological drought. Weather Bureau Research Paper No. 45,
US Deptartment of Commerce, Washington, DC. 58 pp.
Palmer, W.C. (1968). Keeping track of crop moisture conditions, nationwide: The new
crop moisture index. Weatherwise, 21 (4): 156161.
Paunovi, R., (2010). 7. Modelovanje suenja vazduhom. In: Matematiko modelovanje
u prehrabenom inenjerstvu. Novi Sad: Tehnoloki fakultet u Novom Sadu.
Pavlov, A. V. (1979). Teplofizikala ndshafto(Thermophysioc of L andscapes). Nauka,
Moscow, 285 pp.
Pavlovi, A., osi, ., Popov, S. and Kolakovi, S. (2012). Indikatori praenja
hazardnih pojava poplave i sue u cilju poboljanja planiranja melioracija.
Poljoprivredni fakultet Univerziteta u Novom Sadu.Tematski zbornik radova
"Melioracije 07 - stanje i perspektive", 136-146.
Pavlovi, A., (2009). Trendovi promene izabranih klimatolokih i hidrolokih
parametara u Vojvodini. Novi Sad: Authors reprint - University library.
Peters, A., Walter-Shea, E., Ji, L., Vina, A., Hayes, M.J., and Svoboda, M.D. (2002).
Drought monitoring with NDVI-based standardized vegetation index. Photogramm. Eng.
Remote Sensing, 68 (1): 7175.
Pettit,A.N.,(1979). A non-parametric approach to the change point problem. Journal of
the Royal Statistical Society Series C, Applied Statistics 28, 126-135.
Pidwirny, M., (2006). Physical Behavior of the Atmosphere and the Gas Laws. In:
Fundamentals of Physical Geography, 2nd Edition.
Popovi, . B. and Blagojevi B. (1999). Mathematical Statistics with Applications in
Hydrotechnique (in Serbian), University of Ni, Ni, pp. 275.
Poti, O. and Trajkovi, S. (2007). Analiza mogunosti navodnjavanja korienjem
vode iz akumulacije Zavoj, Vodoprivreda, 39 (229-230), 391-396.
Rao, R. A. & Voeller, T. L., (1997). Development and Testing of Drought Indicators.
Water Resources Management 11, pp. 119-136.
Rendall, D., (2013). Chapter 1. Introduction. In: An Introduction to Atmospheric
Modeling. Department of Atmospheric Science Colorade State University
Roeckner, E. et al., (2003). Report No.349 The Atmospheric General Circulation Model
ECHAM5 Part I - Model description, Bundesstrasse 55 D - 20146 Hamburg Germany:
Max-Planck-Institut fr Meteorologie.
152

Ruman, A., (2009). The impact of nesting method on weather prediction. Orfu-Pecs
Hungary: Meteorological notes.
Sakan, M., (2006). Metodologija vojnih nauka. Beograd: Vojnoizdavaki zavod.
Sam Lake, P., (2011). Drought and Aquatic Ecosystems:Effects and Responses. 1st ed.
Oxford: Blackwell.
Sandholt, I., Rasmussen, K. and Andersen, J. (2002). A simple interpretation of the
surface temperature/vegetation index space for assessment of surface moisture status.
In: Remote Sensing of Environment, 79 (2-3), p. 213-224.
Seager, R., Neelin,D. ,Simpson, I.,Liu, H., Henderson, N., Shaw, T., Kushnir, Y., Ting,
M. and Cook, B. (2014). Dynamical and thermodynamical causes of large-scale
changes in the hydrological cycle over North America in response to global warming. J.
Climate, 27, no. 20, 7921-7948, doi:10.1175/JCLI-D-14-00153.1.
Shafer, B., and Dezman, L. (1982). Development of a Surface Water Supply Index
(SWSI) to assess the severity of drought conditions in snowpack runoff areas.
Proceedings of the Western Snow Conference, pp. 164175.
Shaw, E.M. (1994). Hydrology in Practice. Chapman & Hall, 2-6 Boundary Row, London
SE1 8HN, UK.
Simmons, A., Burridge, D.M., Jarraud, M., Girard, C. and Wergen, W. (1989). The
ECMWF medium-range prediction models: development of the numerical formulations
and the impact of increased resolution. Meteorol. Atmos. Phys, Volume 40, pp. 28-60.
Smakhtin, V.U. and Hughes,D.A. (2004). Review, Automated Estimation and Analyses
of Drought Indices in South Asia. Working Paper 83,International Water Man-agement
Institute,Colombo,Sri Lanka.
Smith, M. et al., (1992). Report on the expert consultation on procedures for revision
of FAO guidelines for prediction of crop water requirements, Rome, Italy: Land and
Water Development Division, United Nations Food and Agriculture Service.
Stahl, K. (2001). Hydrological drought-a study across Europe. Universittsbibliothek
Freiburg.
Steduto, P., Hsiao, T. C., Raes, D. & Fereres, E., (2009). AquaCrop - The FAO Crop
MOdel to Simulate Zield Response to Water: I. Concepts and Underlzing Principles.
Volume 101, pp. 426-437.
Steinemann, A.C. (2003). Drought indicators and triggers: a stochastic approach to
evaluation. J. Am. Water Resour. Assoc. 39 (5): 12171233. doi:10.1111/j.17521688.2003.tb03704.x.
Tallaksen, L. M. and van Lanen, H. A. J., (2004). Hydrological Drought: Processes and
Estimation Methods for Streamflow and Groundwater. Gulf Professional Publishing.
Tate, E. and Gustard, A., (2000). Drought definition: A hydrological perspective.
s.l.:Drought and Drought Mitigation in Europe. Advances in Natural and Technological
Hazards Research.
Taylor, S. A. and Ashcroft, G. M. (1972). Physical Edaphology. The Physics of irrigated
and non-irrigated soils. Freeman, San Francisco, CA, 563 pp.
Thom, H., 1966. Some methodes of Climatological Analyses. WMO Tehnical Note, Issue
16-22.
Thornthwaite, C.W. (1948). An approach toward a rational classification of climate.
Geog. Rev. 38 (1): 5594.
Tigkas, D., Vangelis, H., Tsakiris, G., (2015). DrinC: a software for drought analysis
based on drought indices. Earth Science Informatics, 8(3):697-709, doi:
10.1007/s12145-014-0178-y

153

Todorovic, M. (1999). Single-Layer Evapotranspiration Model with Variable Canopy

Resistance, Journal of Irrigation and Drainage Engineering, 125(5), 235-245.
Toumenvirta, H., Alexandersson, H., (1997). Review on the methodology of the
Standard Normal Homogeneity Test (SNHT), Proceedings of the First Seminar for
Homogenization of Surface Climatological Data, Budapest, Hungary, 6-12 October 1996,
35-45.
Trajkovic, S. and Kolakovic, S. (2009a). Wind-adjusted Turc equation for estimating
reference evapotranspiration, Hydrology Research, 40(1), 45-52.
Trajkovic, S. and Kolakovic, S. (2009b). Estimating Reference Evapotranspiration
Using Limited Weather Data, Journal of Irrigation and Drainage Engineering, 135(4),
doi: 10.1061/(ASCE)IR.1943-4774.0000094
Trajkovic, S. and Kolakovic, S. (2009c). Evaluation of Reference Evapotranspiration
Equations under Humid Conditions, Water Resources Management, doi:
10.1007/s11269-009-9423-4
Trajkovic, S., and Stojnic, V. (2008). Simple daily ET0 estimation techniques, Facta
Universitatis, Series: Architecture and Civil Engineering, 6(2), 187-192.
Trajkovic, S. (2002). Estimation of Reference Evapotranspiration in Humid Regions,
2nd International workshop on Research on Irrigation and Drainage, Macedonian
national ICID committee on irrigation and drainage, 95-100, Skopje, Macedonia, March
19.
Trajkovi, S., (2007a). Hagreaves versus Penman-Monteith under Humid Conditions.
Journal of Irrigation and DReainage Engineering, Volume 133(1), pp. 38-42.
Trajkovi, S., (2007b). Jednostavna empirijska formula za proraun referentne
evapotranspiracije, Vodoprivreda 39(229-230), 397-400.
Trajkovi, S., (2009). Metode prorauna potreba za vodom u navodnjavanju. Ni:
Graevinsko-ahitektonski fakultet Univerziteta u Niu.
Tsakiris, G., Loukas, A., Pangalou, D., Vangelis, H., Tigkas, D., Rossi, G., and
Cancelliere, A. (2007). Drought characterization. Chapter 7. Options
Mditerranennes, 58: 85102.
Tucker, C. J. and Choudhury, B.J. (1987). Satellite remote sensing of drought
conditions. Remote sensing of Environment, 23:pp. 243-251.
Tucker, C. J. (1979). Red and photographic infrared linear combinations for monitoring
vegetation. Remote Sens. Environ. 8(2): 127150.
Udovii M., Badari K., Bili-Zulle L. i Petroveki M.,Z (2007). to treba znati kada
izraunavamo koeficijent korelacije? Biochemia Medica 2007;17(1):10-5.
Valent, J., (2001). Suenje u procesnoj industriji. Beograd: Tehnoloko metalurki
fakultet.
Van-Rooy, M.P. (1965). A rainfall anomaly index (RAI) independent of time and space.
Notos, 14: 4348.
Vanderlinden, K., Giraldez, J. V. and Van Meirvenne, M. (2004) Assessing Reference
Evapotranspiration by the Hargreaves Method in Southern Spain, Journal of Irrigation
and Drainage Engineering, 130(3), 184-191.
Ventura, F., Spano, D., Duce, P. and Snyder, R. L. (1999). An evaluation of common
evapotranspiration equations, Irrigation Science, 18, 163-170.
Vicente-Serrano S.M., Santiago Beguera, Juan I. Lpez-Moreno, (2010) A Multiscalar drought index sensitive to global warming: The Standardized Precipitation
Evapotranspiration Index SPEI. Journal of Climate 23: 1696-1718.

154

Wan, Z., Wang, P. and Li, X. (2004). Using MODIS land surface temperature and
normalized difference vegetation index products for monitoring drought in the
southern Great Plains, USA. Int. J. Remote Sens. 25(1): 6172.
Ward, A. D. and Trimble, S., (2004). Environmental hydrology. 2nd ed.:CRC Press LLC.
Weghorst, K. (1996). The reclamation drought index: guidelines and practical
applications. cedb.asce.org, ASCE, Denver, Colo.
Wells, N., Goddard, S., and Hayes, M.J. (2004). A Self-Calibrating Palmer Drought
Severity Index. J. Clim. 17 (12): 23352351.
doi:10.1175/1520-0442(2004)017<2335:ASPDSI>2.0.CO;2.
Wendling, I. and Mller, J. (1984) Entwicklung eines Verfahrens zur rechnerischen
Abschatyung der Verdunstung im Winter (Treatise of a method for numerical
estimation of the evapotranspiration in winter)
Wijngaard, J. B., Klein Tank, A. M. G. and Knnen, G. P. (2003). Homogeneity of 20th
century European daily temperature and precipitation series. Int. J. Climatol., 23: 679
692.
Wilhite, D.A., and Glantz, M. (1985). Understandingg the drought phenomenon: the
role of definitions. Water Int. 10 (3): 111120. doi:10.1080/02508068508686328.
World Meteorological Organization, (2012). Standardized Precipitation Index - User
Guide WMO-No. 1090. Geneva: World Meteorological Organization (WMO) .
Yevjevich, V. 1967. An objective approach to definitions and investigations of
continental hydrologic droughts. Colorado State University, Fort Collins, Colo..
Zargar A., Sadiq R., Naser B. and Khan F.I. (2011). A review of drought indicies.
Environ.Rev. 19:333-349.
Zelenhasi, E. and Ruski, M., (1991). Inenjerska hidrologija. Beograd: Nauna knjiga.
Zotarelli, L., Dukes, M.D., Romero, C.C., Migliaccio, K.W. and Morgan, K.T. (2009).
Step by step calculation of the Penman-Monteith Evapotranspiration (FAO-56 Method).
Institute of Food and Agriculural Science, University of Florida.

155

9. Prilog 1 Makro ciklusi

Tabela A.1 Deklarisonost meseca kao sunog osenena povrina, odnosno vlanog unutar makro
hidrolokog ciklusa
MAKRO CIKLUSI ( oseneni suni meseci)
NS

SO

PL

KI

ZR

SM

NS

Jan-51

Jan-82

Feb-51

Feb-82

Mar-51

Mar-82

Apr-51

Apr-82

May-51

May-82

Jun-51

Jun-82

Jul-51

Jul-82

Aug-51

Aug-82

Sep-51

Sep-82

Oct-51

Oct-82

Nov-51

Nov-82

Dec-51

Dec-82

Jan-52

Jan-83

Feb-52

Feb-83

Mar-52

Mar-83

Apr-52

Apr-83

May-52

May-83

Jun-52

Jun-83

Jul-52

Jul-83

Aug-52

Aug-83

Sep-52

Sep-83

Oct-52

Oct-83

Nov-52

Nov-83

Dec-52

Dec-83

Jan-53

Jan-84

Feb-53

Feb-84

Mar-53

Mar-84

Apr-53

Apr-84

May-53

May-84

Jun-53

Jun-84

Jul-53

Jul-84

Aug-53

Aug-84

Sep-53

Sep-84

Oct-53

Oct-84

Nov-53

Nov-84

Dec-53

Dec-84

Jan-54

Jan-85

Feb-54

Feb-85

Mar-54

Mar-85

156

SO

PL

KI

ZR

SM

Apr-54

Apr-85

May-54

May-85

Jun-54

Jun-85

Jul-54

Jul-85

Aug-54

Aug-85

Sep-54

Sep-85

Oct-54

Oct-85

Nov-54

Nov-85

Dec-54

Dec-85

Jan-55

Jan-86

Feb-55

Feb-86

Mar-55

Mar-86

Apr-55

Apr-86

May-55

May-86

Jun-55

Jun-86

Jul-55

Jul-86

Aug-55

Aug-86

Sep-55

Sep-86

Oct-55

Oct-86

Nov-55

Nov-86

Dec-55

Dec-86

Jan-56

Jan-87

Feb-56

Feb-87

Mar-56

Mar-87

Apr-56

Apr-87

May-56

May-87

Jun-56

Jun-87

Jul-56

Jul-87

Aug-56

Aug-87

Sep-56

Sep-87

Oct-56

Oct-87

Nov-56

Nov-87

Dec-56

Dec-87

Jan-57

Jan-88

Feb-57

Feb-88

Mar-57

Mar-88

Apr-57

Apr-88

May-57

May-88

Jun-57

Jun-88

Jul-57

Jul-88

Aug-57

Aug-88

Sep-57

Sep-88

Oct-57

Oct-88

Nov-57

Nov-88

Dec-57

Dec-88

157

Jan-58

Jan-89

Feb-58

Feb-89

Mar-58

Mar-89

Apr-58

Apr-89

May-58

May-89

Jun-58

Jun-89

Jul-58

Jul-89

Aug-58

Aug-89

Sep-58

Sep-89

Oct-58

Oct-89

Nov-58

Nov-89

Dec-58

Dec-89

Jan-59

Jan-90

Feb-59

Feb-90

Mar-59

Mar-90

Apr-59

Apr-90

May-59

May-90

Jun-59

Jun-90

Jul-59

Jul-90

Aug-59

Aug-90

Sep-59

Sep-90

Oct-59

Oct-90

Nov-59

Nov-90

Dec-59

Dec-90

Jan-60

Jan-91

Feb-60

Feb-91

Mar-60

Mar-91

Apr-60

Apr-91

May-60

May-91

Jun-60

Jun-91

Jul-60

Jul-91

Aug-60

Aug-91

Sep-60

Sep-91

Oct-60

Oct-91

Nov-60

Nov-91

Dec-60

Dec-91

Jan-61

Jan-92

Feb-61

Feb-92

Mar-61

Mar-92

Apr-61

Apr-92

May-61

May-92

Jun-61

Jun-92

Jul-61

Jul-92

Aug-61

Aug-92

Sep-61

Sep-92

158

Oct-61

Oct-92

Nov-61

Nov-92

Dec-61

Dec-92

Jan-62

Jan-93

Feb-62

Feb-93

Mar-62

Mar-93

Apr-62

Apr-93

May-62

May-93

Jun-62

Jun-93

Jul-62

Jul-93

Aug-62

Aug-93

Sep-62

Sep-93

Oct-62

Oct-93

Nov-62

Nov-93

Dec-62

Dec-93

Jan-63

Jan-94

Feb-63

Feb-94

Mar-63

Mar-94

Apr-63

Apr-94

May-63

May-94

Jun-63

Jun-94

Jul-63

Jul-94

Aug-63

Aug-94

Sep-63

Sep-94

Oct-63

Oct-94

Nov-63

Nov-94

Dec-63

Dec-94

Jan-64

Jan-95

Feb-64

Feb-95

Mar-64

Mar-95

Apr-64

Apr-95

May-64

May-95

Jun-64

Jun-95

Jul-64

Jul-95

Aug-64

Aug-95

Sep-64

Sep-95

Oct-64

Oct-95

Nov-64

Nov-95

Dec-64

Dec-95

Jan-65

Jan-96

Feb-65

Feb-96

Mar-65

Mar-96

Apr-65

Apr-96

May-65

May-96

Jun-65

Jun-96

159

Jul-65

Jul-96

Aug-65

Aug-96

Sep-65

Sep-96

Oct-65

Oct-96

Nov-65

Nov-96

Dec-65

Dec-96

Jan-66

Jan-97

Feb-66

Feb-97

Mar-66

Mar-97

Apr-66

Apr-97

May-66

May-97

Jun-66

Jun-97

Jul-66

Jul-97

Aug-66

Aug-97

Sep-66

Sep-97

Oct-66

Oct-97

Nov-66

Nov-97

Dec-66

Dec-97

Jan-67

Jan-98

Feb-67

Feb-98

Mar-67

Mar-98

Apr-67

Apr-98

May-67

May-98

Jun-67

Jun-98

Jul-67

Jul-98

Aug-67

Aug-98

Sep-67

Sep-98

Oct-67

Oct-98

Nov-67

Nov-98

Dec-67

Dec-98

Jan-68

Jan-99

Feb-68

Feb-99

Mar-68

Mar-99

Apr-68

Apr-99

May-68

May-99

Jun-68

Jun-99

Jul-68

Jul-99

Aug-68

Aug-99

Sep-68

Sep-99

Oct-68

Oct-99

Nov-68

Nov-99

Dec-68

Dec-99

Jan-69

Jan-00

Feb-69

Feb-00

Mar-69

Mar-00

160

Apr-69

Apr-00

May-69

May-00

Jun-69

Jun-00

Jul-69

Jul-00

Aug-69

Aug-00

Sep-69

Sep-00

Oct-69

Oct-00

Nov-69

Nov-00

Dec-69

Dec-00

Jan-70

Jan-01

Feb-70

Feb-01

Mar-70

Mar-01

Apr-70

Apr-01

May-70

May-01

Jun-70

Jun-01

Jul-70

Jul-01

Aug-70

Aug-01

Sep-70

Sep-01

Oct-70

Oct-01

Nov-70

Nov-01

Dec-70

Dec-01

Jan-71

Jan-02

Feb-71

Feb-02

Mar-71

Mar-02

Apr-71

Apr-02

May-71

May-02

Jun-71

Jun-02

Jul-71

Jul-02

Aug-71

Aug-02

Sep-71

Sep-02

Oct-71

Oct-02

Nov-71

Nov-02

Dec-71

Dec-02

Jan-72

Jan-03

Feb-72

Feb-03

Mar-72

Mar-03

Apr-72

Apr-03

May-72

May-03

Jun-72

Jun-03

Jul-72

Jul-03

Aug-72

Aug-03

Sep-72

Sep-03

Oct-72

Oct-03

Nov-72

Nov-03

Dec-72

Dec-03

161

Jan-73

Jan-04

Feb-73

Feb-04

Mar-73

Mar-04

Apr-73

Apr-04

May-73

May-04

Jun-73

Jun-04

Jul-73

Jul-04

Aug-73

Aug-04

Sep-73

Sep-04

Oct-73

Oct-04

Nov-73

Nov-04

Dec-73

Dec-04

Jan-74

Jan-05

Feb-74

Feb-05

Mar-74

Mar-05

Apr-74

Apr-05

May-74

May-05

Jun-74

Jun-05

Jul-74

Jul-05

Aug-74

Aug-05

Sep-74

Sep-05

Oct-74

Oct-05

Nov-74

Nov-05

Dec-74

Dec-05

Jan-75

Jan-06

Feb-75

Feb-06

Mar-75

Mar-06

Apr-75

Apr-06

May-75

May-06

Jun-75

Jun-06

Jul-75

Jul-06

Aug-75

Aug-06

Sep-75

Sep-06

Oct-75

Oct-06

Nov-75

Nov-06

Dec-75

Dec-06

Jan-76

Jan-07

Feb-76

Feb-07

Mar-76

Mar-07

Apr-76

Apr-07

May-76

May-07

Jun-76

Jun-07

Jul-76

Jul-07

Aug-76

Aug-07

Sep-76

Sep-07

162

Oct-76

Oct-07

Nov-76

Nov-07

Dec-76

Dec-07

Jan-77

Jan-08

Feb-77

Feb-08

Mar-77

Mar-08

Apr-77

Apr-08

May-77

May-08

Jun-77

Jun-08

Jul-77

Jul-08

Aug-77

Aug-08

Sep-77

Sep-08

Oct-77

Oct-08

Nov-77

Nov-08

Dec-77

Dec-08

Jan-78

Jan-09

Feb-78

Feb-09

Mar-78

Mar-09

Apr-78

Apr-09

May-78

May-09

Jun-78

Jun-09

Jul-78

Jul-09

Aug-78

Aug-09

Sep-78

Sep-09

Oct-78

Oct-09

Nov-78

Nov-09

Dec-78

Dec-09

Jan-79

Jan-10

Feb-79

Feb-10

Mar-79

Mar-10

Apr-79

Apr-10

May-79

May-10

Jun-79

Jun-10

Jul-79

Jul-10

Aug-79

Aug-10

Sep-79

Sep-10

Oct-79

Oct-10

Nov-79

Nov-10

Dec-79

Dec-10

Jan-80

Jan-11

Feb-80

Feb-11

Mar-80

Mar-11

Apr-80

Apr-11

May-80

May-11

Jun-80

Jun-11

163

Jul-80

Jul-11

Aug-80

Aug-11

Sep-80

Sep-11

Oct-80

Oct-11

Nov-80

Nov-11

Dec-80

Dec-11

Jan-81

Jan-12

Feb-81

Feb-12

Mar-81

Mar-12

Apr-81

Apr-12

May-81

May-12

Jun-81

Jun-12

Jul-81

Jul-12

Aug-81

Aug-12

Sep-81

Sep-12

Oct-81

Oct-12

Nov-81

Nov-12

Dec-81

Dec-12

164

10. P r i l ot gM 2i k r o

c ik lu s i

Tabela B.10.1 D k l a r i s o n o s t m t o ss cna knaao psouv rn oi gn a

m ik r o h id r o lo k o g c ik lu s a

Jan-51
Feb-51
Mar-51
Apr-51
May51
Jun-51
Jul-51
Aug-51
Sep-51
Oct-51
Nov-51
Dec-51
Jan-52
Feb-52
Mar-52
Apr-52
May52
Jun-52
Jul-52
Aug-52
Sep-52
Oct-52
Nov-52
Dec-52
Jan-53
Feb-53
Mar-53
Apr-53
May53
Jun-53
Jul-53

M I K R O C I K L Ut sS u
I x(
n oi s m n
s cn ii)
NS SO PL KI Vh ZR SM
NS SO PL KI Vh ZR SM
Jan-82
Feb-82
Mar82
Apr-82
May82
Jun-82
Jul-82
Aug-82
Sep-82
Oct-82
Nov82
Dec-82
Jan-83
Feb-83
Mar83
Apr-83
May83
Jun-83
Jul-83
Aug-83
Sep-83
Oct-83
Nov83
Dec-83
Jan-84
Feb-84
Mar84
Apr-84
May84
Jun-84
Jul-84
165

o d n o s n

Aug-53
Sep-53
Oct-53
Nov-53
Dec-53
Jan-54
Feb-54
Mar-54
Apr-54
May54
Jun-54
Jul-54
Aug-54
Sep-54
Oct-54
Nov-54
Dec-54
Jan-55
Feb-55
Mar-55
Apr-55
May55
Jun-55
Jul-55
Aug-55
Sep-55
Oct-55
Nov-55
Dec-55
Jan-56
Feb-56
Mar-56
Apr-56
May56
Jun-56
Jul-56
Aug-56

Aug-84
Sep-84
Oct-84
Nov84
Dec-84
Jan-85
Feb-85
Mar85
Apr-85
May85
Jun-85
Jul-85
Aug-85
Sep-85
Oct-85
Nov85
Dec-85
Jan-86
Feb-86
Mar86
Apr-86
May86
Jun-86
Jul-86
Aug-86
Sep-86
Oct-86
Nov86
Dec-86
Jan-87
Feb-87
Mar87
Apr-87
May87
Jun-87
Jul-87
Aug-87
166

Sep-56
Oct-56
Nov-56
Dec-56
Jan-57
Feb-57
Mar-57
Apr-57
May57
Jun-57
Jul-57
Aug-57
Sep-57
Oct-57
Nov-57
Dec-57
Jan-58
Feb-58
Mar-58
Apr-58
May58
Jun-58
Jul-58
Aug-58
Sep-58
Oct-58
Nov-58
Dec-58
Jan-59
Feb-59
Mar-59
Apr-59
May59
Jun-59
Jul-59
Aug-59
Sep-59

Sep-87
Oct-87
Nov87
Dec-87
Jan-88
Feb-88
Mar88
Apr-88
May88
Jun-88
Jul-88
Aug-88
Sep-88
Oct-88
Nov88
Dec-88
Jan-89
Feb-89
Mar89
Apr-89
May89
Jun-89
Jul-89
Aug-89
Sep-89
Oct-89
Nov89
Dec-89
Jan-90
Feb-90
Mar90
Apr-90
May90
Jun-90
Jul-90
Aug-90
Sep-90
167

Oct-59
Nov-59
Dec-59
Jan-60
Feb-60
Mar-60
Apr-60
May60
Jun-60
Jul-60
Aug-60
Sep-60
Oct-60
Nov-60
Dec-60
Jan-61
Feb-61
Mar-61
Apr-61
May61
Jun-61
Jul-61
Aug-61
Sep-61
Oct-61
Nov-61
Dec-61
Jan-62
Feb-62
Mar-62
Apr-62
May62
Jun-62
Jul-62
Aug-62
Sep-62
Oct-62

Oct-90
Nov90
Dec-90
Jan-91
Feb-91
Mar91
Apr-91
May91
Jun-91
Jul-91
Aug-91
Sep-91
Oct-91
Nov91
Dec-91
Jan-92
Feb-92
Mar92
Apr-92
May92
Jun-92
Jul-92
Aug-92
Sep-92
Oct-92
Nov92
Dec-92
Jan-93
Feb-93
Mar93
Apr-93
May93
Jun-93
Jul-93
Aug-93
Sep-93
Oct-93
168

Nov-62
Dec-62
Jan-63
Feb-63
Mar-63
Apr-63
May63
Jun-63
Jul-63
Aug-63
Sep-63
Oct-63
Nov-63
Dec-63
Jan-64
Feb-64
Mar-64
Apr-64
May64
Jun-64
Jul-64
Aug-64
Sep-64
Oct-64
Nov-64
Dec-64
Jan-65
Feb-65
Mar-65
Apr-65
May65
Jun-65
Jul-65
Aug-65
Sep-65
Oct-65
Nov-65

Nov93
Dec-93
Jan-94
Feb-94
Mar94
Apr-94
May94
Jun-94
Jul-94
Aug-94
Sep-94
Oct-94
Nov94
Dec-94
Jan-95
Feb-95
Mar95
Apr-95
May95
Jun-95
Jul-95
Aug-95
Sep-95
Oct-95
Nov95
Dec-95
Jan-96
Feb-96
Mar96
Apr-96
May96
Jun-96
Jul-96
Aug-96
Sep-96
Oct-96
Nov169

Dec-65
Jan-66
Feb-66
Mar-66
Apr-66
May66
Jun-66
Jul-66
Aug-66
Sep-66
Oct-66
Nov-66
Dec-66
Jan-67
Feb-67
Mar-67
Apr-67
May67
Jun-67
Jul-67
Aug-67
Sep-67
Oct-67
Nov-67
Dec-67
Jan-68
Feb-68
Mar-68
Apr-68
May68
Jun-68
Jul-68
Aug-68
Sep-68
Oct-68
Nov-68

96
Dec-96
Jan-97
Feb-97
Mar97
Apr-97
May97
Jun-97
Jul-97
Aug-97
Sep-97
Oct-97
Nov97
Dec-97
Jan-98
Feb-98
Mar98
Apr-98
May98
Jun-98
Jul-98
Aug-98
Sep-98
Oct-98
Nov98
Dec-98
Jan-99
Feb-99
Mar99
Apr-99
May99
Jun-99
Jul-99
Aug-99
Sep-99
Oct-99
Nov99
170

Dec-68
Jan-69
Feb-69
Mar-69
Apr-69
May69
Jun-69
Jul-69
Aug-69
Sep-69
Oct-69
Nov-69
Dec-69
Jan-70
Feb-70
Mar-70
Apr-70
May70
Jun-70
Jul-70
Aug-70
Sep-70
Oct-70
Nov-70
Dec-70
Jan-71
Feb-71
Mar-71
Apr-71
May71
Jun-71
Jul-71
Aug-71
Sep-71
Oct-71
Nov-71
Dec-71

Dec-99
Jan-00
Feb-00
Mar00
Apr-00
May00
Jun-00
Jul-00
Aug-00
Sep-00
Oct-00
Nov00
Dec-00
Jan-01
Feb-01
Mar01
Apr-01
May01
Jun-01
Jul-01
Aug-01
Sep-01
Oct-01
Nov01
Dec-01
Jan-02
Feb-02
Mar02
Apr-02
May02
Jun-02
Jul-02
Aug-02
Sep-02
Oct-02
Nov02
Dec-02
171

Jan-72
Feb-72
Mar-72
Apr-72
May72
Jun-72
Jul-72
Aug-72
Sep-72
Oct-72
Nov-72
Dec-72
Jan-73
Feb-73
Mar-73
Apr-73
May73
Jun-73
Jul-73
Aug-73
Sep-73
Oct-73
Nov-73
Dec-73
Jan-74
Feb-74
Mar-74
Apr-74
May74
Jun-74
Jul-74
Aug-74
Sep-74
Oct-74
Nov-74
Dec-74
Jan-75

Jan-03
Feb-03
Mar03
Apr-03
May03
Jun-03
Jul-03
Aug-03
Sep-03
Oct-03
Nov03
Dec-03
Jan-04
Feb-04
Mar04
Apr-04
May04
Jun-04
Jul-04
Aug-04
Sep-04
Oct-04
Nov04
Dec-04
Jan-05
Feb-05
Mar05
Apr-05
May05
Jun-05
Jul-05
Aug-05
Sep-05
Oct-05
Nov05
Dec-05
Jan-06
172

Feb-75
Mar-75
Apr-75
May75
Jun-75
Jul-75
Aug-75
Sep-75
Oct-75
Nov-75
Dec-75
Jan-76
Feb-76
Mar-76
Apr-76
May76
Jun-76
Jul-76
Aug-76
Sep-76
Oct-76
Nov-76
Dec-76
Jan-77
Feb-77
Mar-77
Apr-77
May77
Jun-77
Jul-77
Aug-77
Sep-77
Oct-77
Nov-77
Dec-77
Jan-78
Feb-78

Feb-06
Mar06
Apr-06
May06
Jun-06
Jul-06
Aug-06
Sep-06
Oct-06
Nov06
Dec-06
Jan-07
Feb-07
Mar07
Apr-07
May07
Jun-07
Jul-07
Aug-07
Sep-07
Oct-07
Nov07
Dec-07
Jan-08
Feb-08
Mar08
Apr-08
May08
Jun-08
Jul-08
Aug-08
Sep-08
Oct-08
Nov08
Dec-08
Jan-09
Feb-09
173

Mar-78
Apr-78
May78
Jun-78
Jul-78
Aug-78
Sep-78
Oct-78
Nov-78
Dec-78
Jan-79
Feb-79
Mar-79
Apr-79
May79
Jun-79
Jul-79
Aug-79
Sep-79
Oct-79
Nov-79
Dec-79
Jan-80
Feb-80
Mar-80
Apr-80
May80
Jun-80
Jul-80
Aug-80
Sep-80
Oct-80
Nov-80
Dec-80
Jan-81
Feb-81
Mar-81

Mar09
Apr-09
May09
Jun-09
Jul-09
Aug-09
Sep-09
Oct-09
Nov09
Dec-09
Jan-10
Feb-10
Mar10
Apr-10
May10
Jun-10
Jul-10
Aug-10
Sep-10
Oct-10
Nov10
Dec-10
Jan-11
Feb-11
Mar11
Apr-11
May11
Jun-11
Jul-11
Aug-11
Sep-11
Oct-11
Nov11
Dec-11
Jan-12
Feb-12
Mar174

Apr-81
May81
Jun-81
Jul-81
Aug-81
Sep-81
Oct-81
Nov-81
Dec-81

12
Apr-12
May12
Jun-12
Jul-12
Aug-12
Sep-12
Oct-12
Nov12
Dec-12

175