Professional Documents
Culture Documents
PHD Projekt
PHD Projekt
PHD Projekt
2004
Prehľad metód skúmania dynamiky snehovej pokrývky vo
vysokohorských polohách Slovenska z hľadiska výskytu lavín
BRATISLAVA 2004
Zoznam použitých skratiek a symbolov
B1, B20, charakteristické dátumy prvého dňa so sneh. pokrývkou 1, 20, 30, 50 cm a
B30, B50 viac
E1, E20,
charakteristické dátumy posledného dňa so sneh. pokr. 1, 20, 30, 50 cm a viac
E30, E50
D1, D20,
najdlhšie neprerušené trvanie snehovej pokrývky 1, 20, 30, 50 cm a viac
D30, D50
NHS1,
NHS10,
NHS20,
priemerný počet dní so snehovou pokrývkou 1, 10, 20, 30, 50, 100 cm a viac
NHS30,
NHS50,
NHS100
NNS1,
NNS10,
NNS20,
priemerný počet dní s novým snehom 1, 10, 20, 30, 50, 100 cm a viac
NNS30,
NNS50,
NNS100
HS100D minimálna 100 dňová výška snehovej pokrývky, t.j. hodnota na 100. mieste,
ak zoradíme denné výšky snehovej pokrývky zostupne
ΣHS suma výšok snehovej pokrývky v cm
HSx maximálna výška snehovej pokrývky v cm
HS x priemerná maximálna výška snehovej pokrývky v cm
SH priemerná výška snehu v cm
X aritmetický priemer z veličiny X (napr. HS = priemerná výška snehovej
pokrývky)
Zimnú sezónu (napr. 1968/69) niekedy skrátene označujeme rokom (napr. 1969). Pod zimnou
sezónou rozumieme obdobie od 1.júla do 30.júna.
Obsah
Obsah.......................................................................................................................................... 1
Úvod ........................................................................................................................................... 3
1. Literárna rešerš ................................................................................................................. 5
1.1 Snehové pomery............................................................................................................ 5
1.1.1 Homogenizácia časových radov výšky snehovej pokrývky................................... 8
1.2 Lavíny ........................................................................................................................... 8
2. Zdroje údajov ................................................................................................................. 13
2.1 Geografické dáta ......................................................................................................... 13
2.1.1 Kategorizácia lavínových svahov......................................................................... 14
2.2 Meteorologické údaje.................................................................................................. 16
2.3 Merania v snehovej pokrývke a testy stability............................................................ 18
2.4 Lavínové dáta.............................................................................................................. 20
2.4.1 Výstupné premenné.............................................................................................. 21
3. Metódy............................................................................................................................ 23
3.1 Kontrola kvality a homogenita.................................................................................... 23
3.1.1 Alexanderssonov test............................................................................................ 24
3.1.2 Easterlingov – Petersonov test ............................................................................. 24
3.2 Analýza snehových pomerov ...................................................................................... 25
3.3 Predpovedné modely lavínového nebezpečenstva...................................................... 25
3.3.1 Konvenčná predpoveď lavín ................................................................................ 27
3.3.2 Metóda najbližších susedov.................................................................................. 29
3.3.3 Analýza hlavných komponentov (PCA) a diskriminačná analýza....................... 31
3.3.4 Postupná (kroková) regresia................................................................................. 31
4. Výsledky a diskusia........................................................................................................ 33
4.1 Testovanie homogenity ............................................................................................... 33
4.1.1 Testy homogenity bez referenčného časového radu............................................. 34
4.1.2 Testy homogenity s referenčným časovým radom............................................... 35
4.1.3 Úprava hodnôt po odhalení nehomogenít ............................................................ 35
4.1.4 Diskusia ................................................................................................................ 36
4.2 Trendy vybraných charakteristík snehových pomerov ............................................... 37
4.2.1 Diskusia ................................................................................................................ 39
4.3 Analýza lavínového nebezpečenstva .......................................................................... 40
5. Záver............................................................................................................................... 43
6. Projekt dizertačnej práce ................................................................................................ 45
6.1 Príprava údajov a kontrola kvality .............................................................................. 46
6.2 Analýza snehových pomerov ...................................................................................... 46
6.3 Modelovanie lavínového nebezpečenstva................................................................... 47
Bibliografia.................................................................................................................................. I
Príloha ...................................................................................................................................... IX
A. Zoznam meteorologických staníc ............................................................................... IX
B. Mapka vybraných meteorologických staníc ................................................................ X
C. Medzinárodná stupnica lavínového nebezpečenstva .................................................. XI
D. Lavínová karta „Stoj alebo choď“............................................................................... XI
E. Slovník anglických ekvivalentov ...............................................................................XII
F. Publikačná činnosť a odborné aktivity doktoranda....................................................XV
Úvod
Hukot padajúcej lavíny zmrazuje krv v žilách a privádza človeka do úžasu pri pohľade na silu
prírody. Masa snehu valiaca sa do údolia je fascinujúca, keď ju pozorujeme z bezpečnej
vzdialenosti, ale je aj nebezpečná a zničujúca, keď prekvapí človeka či kamzíka, keď zavalí
horskú chatu či hotel, zatarasí cestu či železnicu. História hôr je poznačená mnohými
smutnými nešťastiami. Krajiny, ktoré sú členmi združenia IKAR, evidujú za obdobie
1985/86-2002/03 spolu 2694 obetí lavín [1*]. Každý rok nájde „bielu smrť“ v lavíne asi 150
ľudí z celej Európy a Severnej Ameriky [17]. Počet známych obetí lavín v slovenských
pohoriach je od r. 1872 už vyše 200, pričom v II. svetovej vojne zahynulo zrejme oveľa viac
partizánov, ako je známe.
Lavíny sú od nepamäti javom spojeným s vysokohorskými polohami s dostatkom snehu.
Najviac nešťastí vzniká v horolezeckom teréne za 2. a 3. stupňa lavínového nebezpečia podľa
medzinárodnej stupnice (viď príloha C), keďže počas 4. a 5. stupňa je pohyb v horách silne
obmedzený a je odporúčaný len na zabezpečených a vyznačených lyžiarskych trasách.
Pravdepodobnosť prežitia úplne zasypanej obete je po 15 minútach 93%, už po 30 minútach
asi len 26%, a po 45 minútach už takmer nulová. [17]
Slovo „lavína“ pochádza z latinského labi, čo znamená kĺzať sa smerom nadol, a labina či
labinca znamená klzké či šmykľavé miesto. [79]
Na Slovensku máme celkovo 6 významných lavínových pohorí – Vysoké, Nízke, Belianske
a Západné Tatry, Malá a Veľká Fatra. V ostatných pohoriach (napr. Chočské vrchy, Oravská
Magura) sa lavíny vyskytujú len výnimočne a zriedkavo.
Tematicky môžeme túto prácu rozdeliť na dva celky. V prvej časti sa zaoberáme
klimatológiou snehových pomerov so zameraním na klimatické zmeny, čomu predchádza
technická časť kontroly kvality potrebných údajov o snehu a lavínach. Druhá časť rieši teóriu
modelovania lavínového nebezpečenstva pomocou rôznych štatistických metód a modelov.
Jedným z cieľov písomného projektu dizertačnej práce je ponúknuť rešerš preštudovanej
literatúry najmä z posledných troch desaťročí o spôsoboch riešenia predpovedania lavín v
horských oblastiach u nás i vo svete, s pomocou počítača a matematicko-fyzikálnych
modelov. Práca sa zaoberá aj klimatologickým študovaním snehových pomerov v stredných a
vysokohorských podmienkach (nad 700 m n.m.). Dynamika snehovej pokrývky je veľmi
dôležitá, nielen z hľadiska výskytu lavín. Veľká premenlivosť snehových pomerov
ovplyvňuje mnohé ľudské aktivity ako turizmus, poľnohospodárstvo, zásoby pitnej vody,
dopravu, architektúru, ...
3
Prvá kapitola ponúka rešerš slovenskej i zahraničnej literatúry zaoberajúcej sa štúdiom snehu
a lavín, so zameraním na štúdie klimatických zmien snehových pomerov, homogenizáciu
dlhých časových radov a prehľad metód modelovania lavínového nebezpečenstva.
Druhá kapitola opisuje najdôležitejšie zdroje údajov, ktoré sú potrebné pre dizertačnú prácu.
Metodika a matematický aparát sú vysvetlené v tretej kapitole. Je rozdelená na tri
podkapitoly, ktoré sa zaoberajú testami homogenity, charakteristikami snehových pomerov
a modelmi lavínového nebezpečenstva.
Zopár prvých príkladných výsledkov ponúka kapitola štvrtá, za ktorou už nasleduje záver
práce.
Najdôležitejšia je asi kapitola šiesta – projekt dizertačnej práce, kde sú podrobnejšie rozpísané
čiastkové úlohy dizertačnej práce, jej význam a podstatné ciele sú zhrnuté do niekoľkých
bodov.
V prílohe sú doplnkové informácie vzťahujúce sa k práci, slovník anglických ekvivalentov,
prehľad publikačnej činnosti a odborných aktivít doktoranda – autora projektu dizertačnej
práce.
4
1. Literárna rešerš
Pred samotným začiatkom sa oboznámime s literatúrou, ktorá sa zaoberá štúdiom snehu
a lavín. V súčasnosti je problematika snehu a lavín veľmi široká, preto sa zameriame najmä
na najnovšie štúdie klimatických zmien snehových pomerov a s tým spojenou
homogenizáciou dlhých časových radov výšky snehovej pokrývky. V druhej časti uvedieme
prehľad spôsobov a techník modelovania výskytu lavín. Prehľad rešpektuje chronologickú
následnosť jednotlivých prác, a rozlišuje medzi národnými a zahraničnými štúdiami.
5
Neskôr, v r. 1988 boli snehové pomery Slovenska pre 149 staníc za obdobie 1920/21 -
1979/80 publikované Šamajom a Valovičom [73], ktorí uvádzajú nové štatistické
charakteristiky snehových pomerov.
Po nežnej revolúcii sa variabilite charakteristík snehových pomerov v Karpatskej časti ČSFR
za dlhšie obdobie 1920/21 - 1984/85 venuje kolektív autorov v Zborníku prác SHMÚ [39].
Jednotlivé kapitoly sú venované štatistickému spracovaniu časových radov, charakteru zím vo
vzťahu k snehovým pomerom, dlhodobým zmenám a periodicite charakteristík snehových
pomerov.
1
čo súhlasí so štúdiou v Alpách od Laternsera [46] (pozn. autora)
6
Zahraničná literatúra
Od konca Malej doby ľadovej v polovici 19. storočia sa zaľadnenie európskych Álp znížilo
objemom o 50%, čo zodpovedá strate rozlohy o 30-40%. V posledných desaťročiach v
súvislosti s globálnym otepľovaním zaznamenávame všeobecný úbytok snehovej pokrývky.
Vzrast priemernej teploty o 1 °C v horských regiónoch Álp zodpovedá posunu snežnej čiary
asi o 150 m vyššie [24].
Brown [9] skúmal klimatickú zmenu a variabilitu snehovej pokrývky na severnej pologuli za
obdobie 1915-1997. Použil meteorologické stanice ležiace na území USA, Kanady, bývalého
Sovietskeho zväzu a Číny. Rekonštrukcia časových radov z 20. storočia ukázala vzrast
rozlohy snehovej pokrývky v Severnej Amerike spolu s významným vzrastom jej vodnej
hodnoty o 3,9% za desaťročie pre zimné mesiace (DJF). Podobný nárast výšky snehovej
pokrývky ako aj úhrnov zrážok počas zimného obdobia pozorovali na území bývalého
Sovietskeho zväzu. Rapídny pokles jarnej snehovej pokrývky pozorovali v Severnej Amerike
počas 80-tych a začiatkom 90-tych rokov spolu s dlhodobejším poklesom jej aprílovej vodnej
hodnoty o 4,4% za dekádu. Brown odhadol pre mierne zemepisné šírky severnej pologule
100-ročnú stratu rozlohy snehovej pokrývky na 3,1. 106 km2 spojenú s oteplením 1,26 °C. Od
r. 1950 sú významnejšie straty rozlohy snehovej pokrývky v marci ako v apríli. Marec je
spomedzi mesiacov november až apríl najrýchlejšie sa otepľujúcim mesiacom, v priemere po
r. 1950 o 4,1 °C / 100 rokov.
Laternser [46] vo svojej dizertačnej práci spracovával množstvo údajov snehovej pokrývky
a lavín zo staničných sietí Švajčiarskeho meteorologického ústavu (SMA) a Švajčiarskeho
spolkového ústavu pre výskum snehu a lavín (SLF). Prvýkrát publikoval dlhodobé trendy
rôznych charakteristík snehu za obdobie 1931-19992. V skúmanom období pozorovali vo
Švajčiarsku nárast s menšími prerušeniami až do 80-tych rokov, nasledovaný výrazným
poklesom až do konca 20. storočia. V ďalšej časti práce sa Laternser zaoberá optimálnym
navrhnutím staničnej siete, na základe frekvencie a priestorového rozloženia lokálnych
výrazne silných snežení postihujúcich územia menších rozmerov, ktoré ak nezachytíme, tak
obyčajne podhodnotíme aj lavínové nebezpečenstvo. Triangulárna sieť so vzdialenosťami 15
km zachytí najmenej 80% priestorovo spojitých snežení.
Laternser použil zhlukovú analýzu, aby vytvoril nové hranice rešpektujúc klimatologickú
príbuznosť staníc z hľadiska snehových pomerov. Klimatologické štúdie opierajúce sa o
tradičné hranice na základe povodí či hrebeňov pohorí nemusia vystihnúť regionálne
osobitosti.
Nedávne regionálne štúdie zo švajčiarskych Álp na čele s Benistonom [5] poukazujú na
existenciu zvratu v negatívnom vývoji snehovej pokrývky. Mierny vzrast charakteristík
snehovej pokrývky je zreteľný až od určitej nadmorskej výšky. Vzrast teploty do r. 2050 sa tu
predpokladá aj viac ako o 3 °C, pričom zrážky v zime by mali mierne vzrásť a v lete
podstatne poklesnúť. Mierne zimy sú spojené s vyššími zrážkovými úhrnmi ako chladnejšie
zimy, avšak s väčším podielom tuhých zrážok vo výškach nad 1700 – 2000 m n. m., a naopak,
pod touto hranicou vyšším podielom kvapalných zrážok. Podobný vývoj je pozorovateľný aj
u nás [80]. Beniston a kolektív [5] zobrazili vzájomné súvislosti medzi minimálnou zimnou
teplotou vzduchu, zrážkami a trvaním snehovej pokrývky počas zimných mesiacov (DJF) do
jedného prehľadného diagramu.
Scherrer a Appenzeller [67] skúmali homogenizované časové rady nového snehu a účinok
rozsiahlych synoptických útvarov na variabilitu snehu. Variabilita je v prvom rade
zapríčinená medziročnou premenlivosťou, v druhom rade je to expozícia – orientácia voči
slnku (severné a južné svahy), a napokon variabilita závisí od nadmorskej výšky. Korelačná
analýza odhalila len slabý priamy vzťah NAOI s variabilitou snehu spôsobenou medziročnou
2
niektoré ďalšie charakteristiky a trendy sú na stránke http://www.slf.ch/research/snowtrends
7
variabilitou či expozíciou, ale korelácia s variabilitou spôsobenou nadmorskou výškou časom
mierne vzrastá.
Z prác našich západných susedov spomeňme Sandeva a Šedivku [66], ktorí porovnávali
zimné sezóny 1989-2001 s klimatologickým normálom 1961-1990 v Českej republike.
Odhadom vodnej hodnoty snehovej pokrývky (ďalej len vodnej hodnoty) z iných
meteorologických metaní sa zaoberali na ČHMÚ Němec a kolektív [58]. Keďže aj v Českej
republike sa vodná hodnota meria len raz do týždňa, navrhli iteračnú metódu, ktorou je možné
získať kompletné denné vodné hodnoty – dokonca aj pre stanice, kde sa vodná hodnota
priamo nemeria.
Z východnejších štátov spomeňme štúdiu rumunských autorov Stancalie a kolektív [72]
o vplyvoch geografických a meteorologických parametrov na vývoj snehovej pokrývky na
náhorných plošinách Rumunska. Spracovali vplyv polohy, reliéfu, morfológie, teploty
vzduchu, zrážok, smeru a rýchlosti vetra na výšku a rozlohu snehovej pokrývky, vodnej
hodnoty a hustoty snehovej pokrývky.
1.2 Lavíny
Vrba a Urbánek [81] sa zaoberali metamorfóznymi procesmi v snehovej pokrývke, čo malo
pre poznanie dovtedy málo preskúmaných premien snehu veľký význam aj z hľadiska
lavínovej problematiky.
Prvé záznamy výskytu lavín s niektorými parametrami sú podobne ako v prípade snehu tiež
len sporadické. Môžeme sa o nich dozvedieť z rôznych starých publikácii, ktoré však
pochádzajú z mnohých zdrojov. Našťastie, už v minulosti sa našli autori, ktorí tieto zdroje
preskúmali a zhromaždili. Napríklad príspevok Ivana Bohuša [7] v Sborníku prác o TANAPe
(1967) dopĺňa záznamy lavín, ktoré zverejnil Július Andráši [2] v roku 1965. O starších
lavínach nie je veľa záznamov, ale predsa jestvujú, najmä v ročenkách Uhorského
8
Karpatského spolku. Niektoré údaje poskytli turisti a horolezci. Menej údajov o lavínach je
zachovaných z rokov medzi dvoma svetovými vojnami. Údaje z rokov po II. svetovej vojne
poskytli mnohí horolezci a turisti na základe dotazníkov, hoci z osobných dôvodov
postihnutých úmyselne zamlčali niektoré bližšie údaje. Začiatkom 60-tych rokov začali
strážcovia TANAPu a Horská služba lavínové nešťastia systematicky evidovať. Vôbec
najstarší zachovaný záznam opisuje základovú lavínu zosunutú v r. 1850 vo Vysokých
Tatrách:
Nasledujúci záznam máme však až o lavíne, ktorá sa vyskytla takmer o štvrťstoročie neskôr:
Až piaty záznam v poradí určuje aj presný deň výskytu lavíny, ba dokonca jej dosah:
Vďaka tomu máme aspoň nejakú zmienku o lavínach, že na Slovensku vždy predstavovali
nezanedbateľný problém pre lesy, stavby, cesty, železnice a iné cenné objekty, a v poslednej
dobe najmä pre rekreačných návštevníkov hôr.
V druhej polovici šesťdesiatych rokov 20. storočia a najmä po vzniku SLP v Jasnej sa
lavínam venuje patričná pozornosť a vychádzajú praktické populárno-náučné publikácie od
viacerých autorov. Na čele s Ladislavom Kňazovickým sa v Jasnej vedie systematický
výskum – v činnosti bolo špeciálne laboratórium (komora) na mikrofotografické pozorovanie
rôznorodých tvarov snehových kryštálov v závislosti od teploty a relatívnej vlhkosti vzduchu.
Kategorizácii snehových kryštálov sa vo svete v tej dobe paralelne venovali viacerí autori.
Všeobecné poznatky o meteorologických a topografických podmienkach vzniku lavín sú
zhrnuté v knižke L. Kňazovického – Lavíny [33]. Praktickejšie orientovaná je publikácia L.
Milana [54], kde je dôraz na lavínovú prevenciu, spôsob záchrany pri nešťastiach, a sú tu
analyzované významné lavínové nehody na Slovensku. Kniha bola opakovane viackrát
vydaná.
Kňazovického Atlas lavínových dráh SSR [32] z r. 1980 obsahuje detailné spracovanie
topografických charakteristík lavinózneho terénu spolu s vymedzením lavinóznych plôch a
ich rozmerov. Kataster lavínových terénov v horstvách Slovenska rozšíril L. Milan [55] o
niektoré najvýznamnejšie topografické charakteristiky svahov (viac v odseku 2.1).
Dušan Holý [28] vo svojej kandidátskej dizertačnej práci rozoberá a spracováva vplyv
meteorologických a topografických podmienok na vznik lavín na modelovom území profilu
Chopka.
Martin Vyparina [82] pri riešení diplomovej práce zanalyzoval stav automatizácie
spracovania dát v SLP, ale vytvoriť jednotný databázový systém, ktorý by spravoval všetky
potrebné dáta, sa dosiaľ nepodarilo.
V diplomovej práci Barbory Kuchtovej [42] z r. 1998 sú príkladne analyzované najvážnejšie
lavínové situácie ako dôsledok meteorologických podmienok. Práca nastoľuje mnoho
otvorených otázok, na ktoré sčasti reaguje diplomová práca Meteorologické podmienky
9
vzniku lavín vo Vysokých Tatrách a ich modelovanie od Martina Vojteka [77] pod vedením
náčelníka SLP Jána Peťa. V práci je vyvinutý a overený prvý kvázi-lineárny3 regresný model
na predpovedanie lavínového nebezpečenstva vychádzajúci z dostupných dát zo šiestich
zimných sezón. Vychádzajúc zo systematických záznamov evidencie lavín sú tu tiež
zadefinované lavínové charakteristiky vhodné ako výstupy lavínových modelov (viac
v prílohe F).
Lavíny v Nízkych Tatrách a ich predpovedanie prilákali zo susedného Maďarska Annu Seres,
ktorá vo svojej bohato ilustrovanej práci [69] z r. 2002 štatisticky spracovala niektoré
lavínové a meteorologické charakteristiky pre kratšie obdobie. Sú tu porovnané všeobecné
poznatky vplyvu meteorologických prvkov na výskyt lavín (najmä z lavínovej príručky [51])
s niektorými zvláštnosťami Nízkych Tatier. Avšak spracované obdobie bolo zo štatistického
hľadiska pomerne krátke, aby sa mohli uzatvárať všeobecné závery. Taktiež sa pokúsila
vytvoriť lineárny regionálny model predpovedania lavín pre dve vybrané meteorologické
stanice: Chopok a Jasná, ku ktorým priradila lavínové svahy z blízkeho okolia. Váhové
koeficienty boli určené na základe viacnásobných korelácii.
Ďalšou širokou problematikou protilavínovej ochrany sa zaoberajú skôr lesnícke vedecké
štúdie, ktorými sa nebudeme zaoberať.
Zahraničná literatúra
Za prvotinu, kde badať prechod od opisovania lavín k skúmaniu príčin ich vzniku v súvislosti
s vývojom počasia (najmä tlakových útvarov), sa všeobecne považuje dielo J. Coaza z r. 1988
o lavínach vo Švajčiarskych Alpách [11]. Zamerali sme sa však najmä na literatúru od 70-tych
rokov 20. storočia, odkedy skúmanie lavín na Slovensku začalo výraznejšie zaostávať
v porovnaní so zahraničím. Bolo to spôsobené hlavne vďaka medzinárodnej izolácii od
alpských krajín, ktorú komunistickí ideológovia vnucovali aj na poli vedy a výskumu.
Väčšina predpovedných lavínových modelov, ktoré sa dajú aplikovať na dostupné údaje na
Slovensku, bola v Alpách vyvíjaná už v 70-tych až 80-tych rokoch, avšak s viacerými
zdokonaleniami sa používajú tie isté metódy dodnes. V súčasnosti sa lavínoví odborníci
opierajú o viacero rôznych modelov zlúčených v expertných systémoch, z ktorých má každý
svoje výhody i nevýhody. Budúce lavínové modely na Slovensku môžu slúžiť ako vhodný
doplnok ku konvenčnej predpovedi.
Využitím analýzy časových radov na lavínovú predpoveď sa zaoberali najmä Salway [64]
a Moyse [65]. Táto práca bola veľmi inšpirujúca pri vývoji regresného modelu pre Vysoké
Tatry [77].
Rozsiahla 271-stranová knižná publikácia – lavínová príručka od McClunga a Schaerera [51]
môže slúžiť ako základná učebnica pre lavínového odborníka. Sú v nej tiež dôležité
informácie pre návštevníkov zimných hôr. Jednotlivé kapitoly sa zaoberajú ničivými
účinkami lavín, meteorologickými prvkami meranými v horskom prostredí, typmi snehových
kryštálov, vznikom lavín, lavínovými svahmi, predpovedaním lavín a lavínovou prevenciou.
Diskriminačnú analýzu použili na predpoveď lavín už viacerí autori: [8] Bovis (1977), [13]
Drozdovskaya (1979), [59] Obled a Good (1980). Až 70-percentnú úspešnosť predpovedania
lavínových a nelavínových časových období dosiahli Floyer a McClung [20] použitím
jednosmernej analýzy rozptylu a kanonickej diskriminačnej analýzy. Úspešnosť predpovede sa
zvýšila, keď rozdelili celú oblasť na viac homogénnych podoblastí a sadu vhodných
premenných stanovili pre každú oblasť osobitne. V budúcnosti chcú autori model zdokonaliť
tak, že ho skombinujú s metódou najbližších susedov a vstupom budú hodinové (nie
poldenné) údaje. Diskriminačná analýza je podrobnejšie opísaná v odseku 3.3.3.
3
kvázi-lineárny, pretože vstupom boli aj niektoré vybrané nelineárne premenné.
10
Metódu najbližších susedov prvýkrát aplikoval na predpoveď lavín Buser [10]. Najnovšia
štúdia [63] aplikovaná v Škótsku hodnotí úspešnosť zdokonaleného modelu Cornice. Viac
o metóde možno nájsť v odseku 3.3.2.
Čoraz populárnejšie neurónové siete úspešne aplikovali na predpoveď švajčiarski študenti
Gregory a Philippe [22]. Použili meteorologické a lavínové dáta z mesiacov október až máj
z rokov 1968-95. Najlepšia neurónová sieť pozostávala zo štyroch vrstiev neurónov,
a výstupom z poslednej vrstvy bola pravdepodobnosť vzniku lavíny v okolí Weissfluhjochu.
Na trénovanie siete použili údaje len siedmich meteorologických prvkov: úhrn zrážok, výšku
nového snehu, hĺbka prieniku penetračnej sondy, teplotu snehu, maximálnu teplotu vzduchu,
oblačnosť a globálne žiarenie. Úspešnosť predpovedania lavínového, resp. nelavínového dňa
bola 90%.
Komplexný prehľad najčastejšie používaných metód na predpovedanie lavín ponúka
špecializovaná diplomová práca Patricka Nairza [57] z Tirolských Álp z r. 1997.
Problémy spojené s mierkou a rozlíšením modelov lavínovej predpovede analyzovali Hägeli
a McClung [26]. Poukázali na nedostatočné monitorovanie odnosu snehovej pokrývky
a vytvárania dutinovej inovate staničnou sieťou, ďalej na nedostatočné množstvo meraní
snehových profilov a testov stability vzhľadom k ich variabilite. Kritizovali aj logický rozpor
v niektorých regionálnych modeloch, ktoré interpretujú výstupy s neprimerane lepším
rozlíšením ako majú vstupy, z ktorých vznikajú.
Príkladnou verifikáciou lavínovej predpovede sa zaoberajú talianske práce [61] [71].
Z talianskych publikácii spomeňme ešte Bariffiho [3], ktorý ukážkovo využil GIS-y na
zahrnutie geografických parametrov do modelovania lavínového nebezpečenstva.
Mock a Birkeland [56] sa pokúsili nájsť súvis najlavinóznejších zimných sezón s fázami
fenoménu El Niño (ENSO indexu), ale bez výraznejšieho úspechu.
Vo Švajčiarsku používajú pre účely lavínovej prevencie komplexnejší model SNOWPACK
[4], ktorý okrem sadania snehovej pokrývky modeluje aj prenos tepla a vody, fázové zmeny
a celkovú metamorfózu mikroštruktúry snehovej pokrývky.
Laternser [46] sa okrem klimatológie snehu zaoberá aj kompletizáciou a prípravou 50-
ročných lavínových dát, aby určil regionálny index a rozloženie lavínovej aktivity pre sedem
klimatologických regiónov Švajčiarska.
Hebertson a Jenkins [27] sa v Utahu (USA) pokúsili datovať výskyt významných lavín na
základe dendroekologickej analýzy v období rokov 1928-1996. Dendroekologické metódy
využívajú analýzu letokruhov, hľadanie jaziev, tvorbu tzv. reakčného dreva, potlačenie rastu
a iné zvláštnosti na stromoch v lavínovej dráhe. Na preskúmanie vzťahov medzi klimatickými
prvkami a pravdepodobnosťou významných lavínových zimných sezón použili logistickú
regresiu a klasifikačné stromy. Priemerná výška nového snehu v januári sa ukázala ako
významná (aj keď korelácie boli malé) z hľadiska pravdepodobnosti výskytu veľkých lavín
v prechodnom pásme (medzi kontinentálnym a oceánskym typom klímy). Pravdepodobnosť,
že sa vyskytne významný lavínový rok, vzrastie o 0,028 s každým prírastkom priemernej
januárovej výšky nového snehu o 1 cm. Prieskum tiež ukázal, že 68% rokov s podpriemernou
výškou nového snehu malo tiež podpriemernú výšku za mesiac január. Z týchto
podpriemerných rokov malo 76% rokov podpriemernú výšku na začiatku zimy.
Maggioni a Gruber [48] zmapovali odtrhové zóny vo Švajčiarsku vychádzajúc z výsledkov
štatistickej analýzy frekvencie odtrhov na dobre zdokumentovaných lavínových svahoch
v blízkom okolí Davosu, kde majú kompletnú databázu lavín za posledných viac ako 50
rokov. Topografické parametre (sklon, zakrivenie, orientácia, ohraničenie, vzdialenosť ku
najbližšiemu hrebeňu) odtrhových zón v okolí Davosu tvorili základ objektívnej definície
odtrhových zón pre zvyšok Álp. Odtrhové zóny pre jednotlivé lavínové svahy boli následne
vykreslené na digitálnej mape reliéfu pomocou GISov.
11
Priestorovým rozložením lavínovej aktivity sa zaoberali v Jackson Hole (Wyoming, USA)
McCollister a kolektív [52]. Vypracovali pravdepodobnostnú metódu, ktorá umožňuje
lavínovým odborníkom lepšie využiť historické lavínové dáta pomocou GISov a upravenej
metódy najbližších susedov. Zistili tiež, že vďaka veľkej lokálnej variabilite veterných
pomerov nie je všeobecným pravidlom, že v daný deň po hojnej snehovej nádielke sú
ohrozené svahy s istou vymedzenou expozíciou v celom horstve. Smer vetra voči svahu má
skôr lokálny význam v mierke jednotlivých svahov a podoblastí, a nie všeobecne celého
pohoria.
Z najnovších prác stojí za zmienku úspešné úsilie nórskych výskumníkov [31] využiť radar na
lokalizáciu obetí lavín. Vzhľadom na náročnú prepravu, toto zariadenie nie je priamo určené
na záchranu ľudských životov, ale skôr pomôže pri hľadaní obetí aj v hrubšej vrstve snehu.
12
2. Zdroje údajov
V tejto kapitole si spomenieme najdôležitejšie zdroje údajov potrebných pre predpoveď
lavínového nebezpečenstva. Boli získané z dvoch hlavných zdrojov – SHMÚ a SLP.
Lavínové údaje a niektoré výsledky špeciálnych meraní stability a zvrstvenia snehovej
pokrývky boli získané priamo z databáz SLP. Počet databáz sa s postupom času v SLP
znižuje, pretože cieľom je postupne všetky zdroje dát spravovať jednotným databázovým
systémom. Meteorologické údaje boli získané z klimatologických a zrážkomerných staníc
SHMÚ – aj keď niektoré orientačné merania sa robia aj na horských staniciach, ktoré spravuje
SLP - iba niektoré sú však dostupné v elektronickej forme od sezóny 2001/02 a ich presnosť
je diskutabilná. V rámci dizertačnej práce preskúmame použiteľnosť meteorologických
údajov z horských staníc SLP zverejňovaných na stránke ski.sk, ktoré poskytne spoločnosť
MicroStep-MIS.
Automatická meteorologická horská stanica v Jasnej, ktorej údržbu a vývoj realizuje firma
MicroStep-MIS má zatiaľ krátke časové rady, ktoré sa dajú použiť napr. na prípadové štúdie
v okolí Chopka v Nízkych Tatrách. Od zimnej sezóny 2003/04 sa úspešne podarilo
sprevádzkovať ultrazvukový snímač na meranie výšky snehovej pokrývky. Výhodou
automatických staníc je nepretržitý prísun údajov, ktoré vystihujú aktuálny stav a sú potrebné
v operatívnej praxi.
Kvôli šírke celej problematiky sa geografickým parametrom venujeme len okrajovo.
Digitalizovanie lavínových svahov s využitím geografických informačných systémov (GIS-
ov) by umožnila do modelovania zahrnúť aj geografické prvky. To je však téma pre ďalšiu
štúdiu v odbore geografia – kartografia, resp. geoinformatika.
Kontrolou kvality meteorologických dát sa teoreticky i prakticky zaoberajú odseky 3.1 a 4.1.
Lavínové dáta boli kontrolované priebežne počas napĺňania do databáz. Spôsob vytvorenia
vhodných výstupných premenných predpovedného modelu je ukážkovo popísaný na
najvážnejšej lavínovej situácii v poslednom desaťročí v diplomovej práci [77].
Nasledovné tabuľky zhrňujú najdôležitejšie prvky vhodné pre lavínovú predpoveď podľa 4
kategórii:
1. Geografické dáta - často ich považujeme pre danú oblasť za nemenné parametre,
pretože sa menia v čase len veľmi pomaly
2. Meteorologické dáta – získané z pozorovaní a meraní na meteorologických staniciach
3. Údaje týkajúce sa snehovej pokrývky - špecializované merania
4. Údaje o stabilite snehovej pokrývky z rôznych testov stability
13
2.1.1 Kategorizácia lavínových svahov
Vymedzenie jednotlivých lavínových svahov sa zakladalo na:
• interpretácii leteckých fotografií (s mierkou 1:14 000)
• rekognoskácii terénu (letné a zimné pochôdzky)
• preskúmaní starších písomných záznamov, údajov a poznatkov miestnych obyvateľov,
horalov, znalcov a milovníkov hôr
Podľa početnosti výskytu lavín:
I. Veľmi častý výskyt lavín – najmenej raz za 6 rokov (žltá farba)
II. Častý výskyt lavín – lavína každých 6 – 30 rokov (červená farba)
III. Ojedinelý výskyt lavín – lavína spadne raz za 30 a viac rokov (čierna farba)
Podľa morfologických zvláštností:
α - svahy s bralovým reliéfom, so systémom gravitačných rýh, skalné steny, stupne,
osypy a sutinoviská so sklonom nad 30°
β - morfologicky výrazné strmé lavínové žľaby s homogénnym alebo s viac členitým
konkávnym územím s výraznou lavínovou dráhou
γ - menej strmé homogénne svahy, aj vypuklé, s drsnejším povrchom, bez stromovej
vegetácie
Podľa druhu ohrozenia a škôd:
A. Ohrozenie komunikácií, objektov, turistických ciest a priechodov, ... ohrozenie
ľudských životov a obydlí
B. Poškodenie lesných porastov, kosodreviny a vegetácie
C. Nad pásmom kosodreviny, bez poškodzovania vyššej vegetácie
Nad hranicou lesa sa za lavínovú lokalitu klasifikovali všetky celistvé, najmä však vertikálne
nerozčlenené hladké svahy so sklonom 25° a viac. Ohraničenie svahov sa zakresľovalo po
obvode obrazca plnou čiarou, pričom odtrhová časť sa vyznačila ešte šrafovaním v smere
spádnice. Svahy malej rozlohy, ktoré sa na mape nedali plošne vyznačiť, zakreslili sa šípkou.
Sklony odtrhového, transportného a akumulačného pásma lavínových svahov boli
vyhodnotené podľa vrstevníc. Nie sú však určené kompletne a preto by bolo výhodné na ich
presnejšie určenie využiť geografické informačné systémy (GIS-y), vďaka ktorým možno
z digitálnych modelov reliéfu (DEM) vypočítať aj prevládajúcu expozíciu svahu,
nadmorskú výšku, maximálnu dĺžku dráhy, maximálnu šírku odtrhu, a i. Je užitočné mať
informáciu aj o miestnej vegetácii, či drsnosti povrchu (viď Tab. 1).
Tab. 1: Významné geografické parametre a charakteristiky lavínových svahov. V poslednom stĺpci „GIS“ značí,
že parameter sa dá určiť z digitálnych máp; „SLPDB“ znamená, že parameter je v súčasnosti k dispozícii
v elektronickej databáze SLP; „M” je uvedené pri parametroch, ktoré určil L. Milan [55]. Určenie kritických
bodov má význam len pre typické modelové svahy, kde sa často robia testy stability a profily snehovej
pokrývky, čo vyžaduje najmä praktické skúsenosti.
Geografický prvok Zdroj
expozícia svahu M/SLPDB/GIS
morfológia (členitosť) M/SLPDB
typ ohrozenia M/SLPDB
sklon svahu M/GIS
nadmorská výška M/GIS
šírka pásma odtrhu M/GIS
dĺžka svahu GIS
drsnosť povrchu GIS
vegetácia (les, lúka, skalný povrch, voľné kamene a skaly) GIS
kritické body -
14
V súčasnosti sú v databáze SLPDB pre každé pohorie definované a očíslované doliny, v rámci
ktorých sú jednotlivé svahy očíslované, vzrastajúc smerom od ľavého brehu v ústí doliny, cez
jej záver až po pravý breh (Obr. 1). Niektoré novšie lavínové svahy túto číselnú postupnosť
narúšajú, keďže sa im priradí najmenšie nepoužité číslo z danej hlavnej doliny. Podrobnejšie
členenie v rámci samostatného lavínového svahu indexmi malej abecedy (a-z) existuje
v prípadoch, keď sa v ňom nachádzajú výrazné žľaby a lavínové dráhy, ktoré sú svojou
konfiguráciou odlišné od charakteru prevládajúcej plochy svahu a sú miestom s častejším
výskytom lavín.
Obr. 1: Ukážka mapy z lavínového katastra – Suchá dolina (ZT). Každý svah v rámci doliny je určený číslom,
a môže byť vnútorne rozčlenený indexmi malej abecedy. Podľa početnosti výskytu lavín sú na mapách svahy
farebne rozlíšené (čierna, červená, žltá). Prevzaté z [55] a upravené.
Z čerstvejších zahraničných publikácii spomeňme Bariffiho [3], ktorý ukážkovo využil GIS-y
ako platformu pre zber, zobrazovanie a analyzovanie rôznych faktorov, ktoré vplývajú na
lavíny. GIS použil na zahrnutie geografických parametrov do modelovania lavínového
nebezpečenstva.
15
2.2 Meteorologické údaje
Zoznam použitých 39 meteorologických staníc je v prílohe A, a zobrazenie významnejších 30
staníc je na mapke v prílohe B. Na základe skúseností z lavínovej praxe ako aj zo štúdii
literatúry sme vybrali dostupné meteorologické prvky, ktoré významne vplývajú na výskyt
lavín, prípadne sú zaujímavé z hľadiska klimatickej zmeny snehových pomerov (viď Tab. 2).
Tab. 2: Významné meteorologické prvky – z hľadiska vplyvu na výskyt lavín – so zaužívanými jednotkami
merané na horských staniciach na Slovensku.
4
vodnú hodnotu je možné interpolovať a získať denné údaje (napr. podľa [58])
16
[RH 7 ]+[RH14 ]+[RH 21 ]
HSRRHTx : ≡ [HS] ⋅ [R] ⋅ ⋅ [Tx ]
3
Σi NS: ≡ ∑ [NS]t-i , kde i = 1, 2, 3, 4, 5
Smer vetra môže byť z hľadiska lavín významná veličina. Zmena smeru vetra sprevádza
zmenu synoptickej situácie, preto má smer vetra význam už niekoľko dní pred potenciálnym
pádom lavín. Hodnoty smeru vetra sa však nemenia spojito – napr. pri plynulom prechode zo
severozápadného smeru na severovýchodný sa hodnota zmení skokom z 360° na 0°. Preto je
lepšie v modeloch počítať s projekciou vektora rýchlosti vetra do vzájomne kolmých zložiek,
napr. do severného – WNproj a západného – WWproj smeru:
WNproj = Ws ⋅ cos(Wd ) WWproj = Ws ⋅ (− sin(Wd ))
Táto veličina čiastočne nahrádza index sfúkavania (odnosu) snehu, ktorý je v zahraničných
lavínových službách pravidelne stanovený alebo meraný.
Základná
Kód Popis
kategória
7 Iba sneženie
Tuhé
Zmiešané, alebo striedanie
1
tuhých a kvapalných
Prechod od tuhých ku
3
Zmiešané kvapalným
Prechod od kvapalných ku
4
tuhým
2 Mrznúce zrážky
Mrholenie, alebo mrholenie s
5
dažďom
Kvapalné 6 Iba dážď
Iba prehánky kvapalných alebo
8
tuhých zrážok
0 Zrážky v dohľade
< nezaradené >
9 Krúpy, alebo krúpy s dažďom
17
Medzi špeciálne meteorologické pozorovania lavínovej služby na Slovensku patrí povrch
snehovej pokrývky Tab. 4.
Tab. 4: Kategórie povrchu snehovej pokrývky určované na voľnej ploche v okolí horskej stanice SLP, resp. pri
lyžiarskych zjazdovkách (nie však na zjazdovkách).
Kód Popis
1 prachový (pri chôdzi na lyžiach sa lyže ľahko zabárajú)
2 spevnený mrazom a sadaním (sneh je nosný)
3 spevnený vetrom, doska (pri chôdzi počuť dutý zvuk)
s uc h ý
4 kôra, udaj hrúbku v cm (chôdza peši je možná aj bez mačiek, kôra sa prebára)
5 ľadová vrstva, poľadovica (chôdza na mačkách)
6 zmrznutý firn
7 povrchová inovať
8 krúpky
9 vlhký (pri stlačení snehovej gule nevyteká voda)
mokrý
Tab. 5: Významné prvky z merania snehovej pokrývky so zaužívanými jednotkami. Merania sa vykonávajú
príležitostne, podľa potreby.
Tab. 6: Vybrané testy stability používané na odhalenie lavínového nebezpečenstva priamo v teréne.
V talianskych Alpách vyvinuli novú metódu AINEVA [71] [61] na verifikáciu vydanej
predpovede. V rámci tejto metódy sa čiastkovo stanoví stupeň lavínového nebezpečenstva na
základe štyroch nezávislých postupov, a z nich sa stanoví výsledný stupeň LN. Jeden
18
z postupov sa zakladá na množstve snehu a type snehomerného profilu podľa klasifikácie
AINEVA (Tab. 7).
Tab. 7: Klasifikácia snehových profilov podľa AINEVA. Skratky označujú stupeň stability snehovej pokrývky:
DS – dobre spevnená, MS – mierne spevnená, SS – slabo spevnená, VS – veľmi slabo spevnená.
2 MS MS MS MS DS DS
3 DS DS DS DS MS MS
4 SS SS SS MS MS MS
5 DS DS MS MS SS SS
6 MS MS MS SS SS SS
7 DS DS MS MS SS SS
8 DS MS MS SS SS SS
9 MS SS SS SS SS SS
10 SS SS SS SS MS MS
11 MS SS VS SS MS MS
12 DS MS SS SS VS VS
13 MS SS VS SS SS MS
14 SS VS VS VS VS VS
15 MS SS VS VS VS VS
16 SS SS VS VS VS SS
19
2.4 Lavínové dáta
Dáta sme zo staršej databázy (FoxPro pre MS DOS) z r. 1991 previedli do novšej formy
(Microsoft Access 2000). Nevýhodou staršieho systému bolo nepohodlné grafické rozhranie
a neefektívny dátový model. V prípade, ak lavína zasiahla viac svahov, starší dátový model
neumožňoval priradiť tú istú lavínu ku viacerým lavinóznym svahom.
Novší dátový model obsahuje tri hlavné tabuľky: laviny, svahy a lavina_svah. Tabuľka
lavina_svah obsahuje len dva stĺpce: IDLavina, IDSvah, a dáva do súvisu časovú udalosť
(lavína v istom čase, príp. časovom intervale) s miestom (lavína na určitom svahu, svahoch).
Lavíny sú teda so svahmi vo vzťahu M:N („many to many“), t.j. jednej lavíne môžeme
priradiť viac svahov, a jednému svahu viac lavín.
Obr. 2: Relácie (vzťahy) medzi tabuľkami uchovávajúcich lavínové a geografické dáta v databáze SLPDB.
Tabuľka laviny obsahuje dátum, čas, prípadne časový interval výskytu lavíny a jej vlastnosti. Tabuľka svahy
obsahuje vlastnosti lavinóznych svahov jednotlivých dolín lavínových pohorí. Tabuľka lavina_svah dáva obe
tabuľky do súvisu. Na tabuľku svahy sa viaže ďalšia tabuľka obsahujúca zoznam názvov lavinóznych dolín.
Samozrejmou súčasťou databázy SLPDB sú rôzne formuláre pre pohodlné napĺňanie údajov
(Obr. 3).
20
Obr. 3: Formulár pre napĺňanie tabuľky laviny je previazaný s lavínovými svahmi. Obsahuje rôzne parametre
rozvrhnuté podľa jednotlivých pásiem lavínovej dráhy.
21
22
3. Metódy
Interpolácia údajov
Treba si dávať pozor na chýbajúce hodnoty. Staršie záznamy sú v databáze uložené v inej
forme ako novšie. Záznam s dátumom existuje len vtedy, keď hodnota snehovej pokrývky,
alebo nového snehu bola nenulová. Záznam však môže niekedy začínať až po prvom dni,
resp. končiť pred posledným dňom.
Ak je to vhodné a chýbajúcich údajov nie je príliš veľa (rádovo zopár týždňov), oplatí sa
časový rad interpolovať s časovými radmi zo susedných staníc, ktoré najviac s daným radom
korelujú. Bohužiaľ, dlhšie výpadky (niekoľko mesiacov) v meraní často prerušia dlhý časový
rad, takže môžeme z neho použiť už len určitú (najdlhšiu) časť bez prerušení.
Pri kontrole kvality údajov celkovej výšky snehovej pokrývky nám pomôžu hodnoty zo
susedných staníc. Namerané množstvo nového snehu alebo zrážok za predchádzajúci deň
v kombinácii s teplotou vzduchu naznačuje, ako by sa mala správať celková výška snehu. Ak
by sme chceli zájsť ešte ďalej, tak by sme siahli po modelovaní snehovej pokrývky, avšak na
Slovensku takýto model zatiaľ nemáme. Vo Švajčiarsku používajú komplexnejší model
SNOWPACK [4], ktorý okrem sadania snehovej pokrývky modeluje aj prenos tepla a vody,
fázové zmeny a celkovú metamorfózu mikroštruktúry snehovej pokrývky, najmä pre účely
lavínovej prevencie.
Metadáta
Niektoré potenciálne nehomogenity môžeme zistiť priamo z metadát (premiestnenie či
výmena prístrojov, pozorovateľov, zmena vyhodnocovacích metód – napr. počítania denných
priemerov, zmena pozorovacieho času, ...), prípadne na základe porovnaní s paralelnými
pozorovaniami z blízkeho okolia stanice. [14] Metadáta popisujúce históriu stanice sú však
obyčajne neúplné a nemusia v nich byť zachytené podstatné zmeny spôsobujúce
diskontinuitu. [15] Pri homogenizácii výšky snehovej pokrývky potrebujeme zo skúmanej
meteorologickej stanice predovšetkým záznamy o významnejšej zmene jej polohy, prípadne
metodiky merania. Všimli sme si na stanici Jasná pod Chopkom, že výroba technického snehu
(umelé zasnežovanie) môže zmeniť mikroklímu (najmä vlhkosť a teplotu), a navyše vietor
môže zaviať časť technického snehu zo snehových diel na snehomernú plôšku pozorovacej
stanice.
Testy homogenity
Ak nemáme metadáta, tak nám ostáva použiť niektoré štatistické testy na odhalenie
nehomogenít (napr. Alexanderssonov test [1], prípadne novšiu metódu Easterlinga
a Petersona [15]).
Testovať môžeme buď priamo časový rad zo skúmanej stanice, alebo využijeme merania z
okolitých staníc a použijeme časový rad, ktorý vznikne ako podiel časového radu zo skúmanej
stanice s referenčným časovým radom.
23
Referenčný časový rad
∑ xi a referenčného
i =1
∑y
i =1
i časového radu.
Pre každý rok, s výnimkou prvých a posledných piatich rokov, vypočítame štatistiku Tv .
Štatisticky významné extrémy Tv vymedzené napr. 95% konfidenčnými intervalmi potom
naznačujú možné nehomogenity. Prvá nehomogenita nastala v roku v , kedy Tv = T0 :
2 2
T0 = max {Tv } = max {vz1 + (n − v) z2 }
5≤ v ≤ n − 5 5≤ v ≤ n − 5
24
1. Najskôr jednoduchou lineárnou regresiou preložíme priamku cez celý časový rad
a vypočítame kvadratickú sumu rezíduí (RSS1).
2. Použijeme dvojfázovú regresiu: pre každý rok časový rad rozdelíme na dva úseky a pre
každý preložíme priamku a vypočítame opäť kvadratickú sumu rezíduí z oboch úsekov
(RSS2). Štatistickú významnosť dvojfázovej regresie otestujeme štatistikou U, ktorú
vystihuje Fischerove rozdelenie (F), s počtom stupňov voľnosti 3 a n − 4 :
U=
( RSS1 − RSS2 ) ⋅ ( n − 4 )
RSS2 3
3. Potenciálnou nehomogenitou označíme rok, kde RSS2 dosahuje minimum. Ten istý rok
rozdelí časový rad na 2 časti. Potenciálne nehomogenity hľadáme už pre každú časť
osobitne.
4. Test opakujeme, kým nie sú jednotlivé úseky časového radu homogénne, alebo kým nie sú
príliš malé (menej ako 10 členov) a nemôžeme preto použiť regresiu.
5. Všetky zistené potenciálne roky, kedy nehomogenita nastala, otestujeme multireakčnými
permutačnými procedúrami (multiresponse permutation procedures) podľa [53].
25
a jej rozmiestnenie, presnejšie určenie ohrozených miest (nadmorská výška, expozícia, žľaby,
...), typ očakávaných lavín a pod.
Lavínová sezóna začína prvým snežením, ale predpoveď obvykle býva vydávaná až od
začiatku novembra do začiatku mája. Niekedy sa však prvé lavíny vyskytnú už v septembri,
zatiaľ čo v októbri je útlm pri prevládajúcom vplyve anticyklóny (viď Tab. 12). Ak lavínové
nebezpečenstvo presahuje 4. stupeň medzinárodnej stupnice (veľké), SLP vydáva cez média
výstrahy pre verejnosť. V poslednej dobe sa diskutuje, či by sa výstrahy nemali vydávať už od
3. stupňa, ak je očakávaná tendencia stúpajúca.
Štatistické predpovedné modely, ktorými sa tu budeme zaoberať, vychádzajú obvykle
z veľkého množstva nameraných dát, kde zisťujeme pravdepodobnosť, či skúmaný jav
nastane alebo nenastane. Je nutné vychádzať z údajov, ktoré sú k dispozícii – v našom prípade
z denných meteorologických a lavínových dát.
Modely možno rozdeliť do skupín podľa niekoľkých hľadísk. Konvenčná predpoveď lavín
zaujíma vždy osobitné miesto, ba ukazuje sa ako najúspešnejšia, aj napriek veľkému pokroku
v predpovedaní lavín pomocou numerických modelov [57].
Celkovo teda môžeme metódy predpovedania lavín rozdeliť nasledovne:
1. konvenčná (synoptická) lavínová predpoveď
2. numerické (štatistické) metódy (založené na množstve kvalitných a systematických
dát):
- diskriminačná analýza
- metóda najbližších susedov
- analýza časových radov
- regresné metódy
- neurónové siete
- klasifikačné stromy
3. deterministické (fyzikálne) metódy (expertné systémy založené na pravidlách a
zákonitostiach)
Každý model má svoje modifikácie. Z výsledkov diplomovej práce [77] vyplynulo, že je treba
vypočítať parametre modelu zvlášť pre lavíny zo suchého a mokrého snehu. Prípade treba
rozlíšiť tretiu skupinu lavín z vlhkého snehu (kombinácia suchého a mokrého snehu).
Podobne je dobré rozdeliť pohorie na viac regiónov. Úspešnosť predpovede lavínových
a nelavínových období zvýšili Floyer a McClung [20], keď rozdelili celú oblasť na viac
homogénnych podoblastí a sadu vhodných premenných stanovili pre každú oblasť osobitne.
Výsledkom lavínovej predpovede je buď veľkosť lavíny (objem alebo dosah), počet alebo
pravdepodobnosť odtrhu. Potom sa z týchto veličín definuje lavínové nebezpečenstvo.
Problémom je však tiež stanoviť, ktorú premennú vlastne chceme predpovedať. Po
konzultáciach s náčelníkom SLP J. Peťom sme dospeli k záveru, že najvhodnejšie výstupné
premenné z modelu sú stupeň lavínového nebezpečenstva Y5 a dosah lavíny Ytx (definované
v odseku 2.4.1). Početnosť lavín YN je tiež užitočný údaj, ale mnoho malých splazov na jar
nepredstavuje veľké nebezpečenstvo v porovnaní s rekordne dlhými lavínami. Pre metódu
najbližších susedov je najvhodnejšia zase premenná YI/O. Preskúmame aj možnosti, či by
nebola vhodnejšia premenná, ktorá vznikne z oboch spomínaných nejakou matematickou
operáciou. Navrhli sme teda nasledovné premenné:
geometrické priemery: Y5 ⋅ Ytx , Y5 ⋅ Ytx ⋅ YN
suma dĺžok dosahu všetkých lavín: ∑Y tx
26
3.3.1 Konvenčná predpoveď lavín
Konvenčná lavínová predpoveď je expertnou syntézou všetkých dostupných údajov
a informácií o aktuálnej lavínovej situácii, pričom sa vychádza hlavne zo skúseností aspoň
dvoch vzájomne konzultujúcich lavínových expertov. Táto metóda je zo všetkých
najúspešnejšia, pretože expert zohľadňuje aj výstupy z existujúcich modelov. Matematicko-
fyzikálne predpovedné metódy či zložitejšie expertné systémy zrejme nikdy nenahradia
skutočného lavínového experta, ktorý má v pamäti všetky komplikované väzby a vzťahy
medzi najpodstatnejšími faktormi a vie sa správne rozhodovať aj v netypických situáciach
(napr. keď je neobvyklý vývoj snehovej pokrývky už od začiatku zimnej sezóny v rôznych
lokalitách pohoria).
Niektoré základné princípy konvenčnej predpovede lavín zhrnul už LaChapelle v r. 1970 -
[43] a tiež o pár rokov neskôr [44]. Rozlišuje aj rôzne časové škály predpovede: 1-3 dňová
predpoveď vychádza najmä z predpovede zrážok, dlhšia predpoveď sa opiera najmä
o predpokladaný teplotný vývoj, a orientačná predpoveď na 2 týždne až 3 mesiace sa opiera
o nestabilné štruktúry vytvorené v snehovej pokrývke (napr. dutinová inovať) na začiatku
zimy, ktoré môžu veľmi dlho pretrvávať. McClung a Schaerer [51] si všimli, že často práve
vďaka tenkej snehovej pokrývke na začiatku zimy a prudkému teplotnému gradientu v nej, sa
vytvára dutinová inovať, ktorá spôsobuje veľkú nestabilitu.
Naopak, samotné skúsenosti nestačia, pretože môžu byť skreslené, subjektívne a najmä
nedostatočné. Preto význam objektívnych, i keď nie vždy presných modelov nehodno
zatracovať. Nejeden skúsený horal už zaplatil aj vlastným životom, keď bol presvedčený, že
má „nos na lavíny“, a nepotrebuje nijaké merania a upozornenia.
Patrick Nairz [57] zozbieral v literatúre cenné skúsenosti z lavínovej praxe od rôznych
autorov. Tieto skúsenosti nemožno pri vytváraní predpovedného modelu obísť, preto si ich
uvedieme – doplnené o skúsenosti vplyvu geografických faktorov na vznik lavín v Západných
Karpatoch.
Vplyv vetra
„Dlhšie trvajúce kritické rýchlosti vetra sú 25 km/h pre západ a 40 km/h pre centrálnu
a východnú časť diaľnice v oblasti Rogers Pass.“
[68]
27
Vlhkosť vzduchu
„Vlhkosť vzduchu viac ako 85% umožňuje tvorbu snehových dosiek vplyvom silného vetra.”
(Seligman (1936): Snow structure and ski fields: being an account of snow and ice forms met
with in nature and study on avalanches and snowcraft. Macmillan, London)
„Z dát vyplýva, že za relatívnej vlhkosti 80% a viac za rýchlosti vetra 25 km/h vytvára
podmienky pre doskové lavíny.“
[68]
Geografické prvky
L. Milan vo svojej práci [55] vyzdvihol aj význam určenia geografických prvkov. Holý [28]
teoreticky analyzoval vplyv topografických podmienok na vznik lavín na modelovom území
profilu Chopka. Všeobecné poznatky sú zhrnuté v lavínovej príručke [51].
Expozícia svahu určuje exponovanosť svahu voči prevládajúcim vetrom, a zároveň voči
priamemu slnečnému žiareniu. Väčšia insolácia južných svahov má za následok častejší
výskyt lavín malých rozmerov s bodovým odtrhom a na jar základových lavín. Keďže
v Západných Karpatoch sú prevládajúce vetry väčšinou severozápadné, sneh je previevaný do
juhovýchodných žľabov. Aj vďaka týmto faktorom padá najviac lavín práve na južných
a východných expozíciach [79].
Nadmorská výška vplýva na množstvo snehových zrážok a v dôsledku teplotných pomerov sa
sneh vo vyšších polohách obvykle stabilizuje dlhšie.
Vďaka veľkej lokálnej variabilite veterných pomerov však nie je všeobecným pravidlom, že
v daný deň po hojnej snehovej nádielke sú ohrozené svahy s istou ohraničenou expozíciou
v celom horstve. Potvrdzuje to aj štúdia z Jackson Hole (Wyoming) [52], kde smer vetra voči
svahu má lokálny význam v mierke jednotlivých svahov a nie všeobecne celého pohoria.
U nás sme si všimli viac situácii, kedy sa najmä stanica Ždiar - Javorina a k nej priľahlá
oblasť vymyká množstvom snehu od ostatnej časti pohoria [77].
28
3.3.2 Metóda najbližších susedov
Predpovedanie lavín štatistickými metódami je často nejasné – unikajú nám procesy, na
základe ktorých model vyhotoví výsledok, pretože sa väčšinou pracuje s veľkým množstvom
dát.
„Metóda najbližších susedov je vhodná práve na zviditeľnenie výsledkov, napríklad tak, že
vyberieme desať dní z dvadsaťročného obdobia najpodobnejších danej situácii. Týchto desať
dní slúži ako základ rozhodovania sa v stanovení lavínového nebezpečenstva, ako aj
posúdenia presnosti podľa starších záznamov v evidencii lavín s prítomnosťou.“ [10]
Získame teda nielen pravdepodobnosť odtrhu lavíny, ale aj celkový prehľad o danej
meteorologickej situácii na základe záznamov z minulosti.
Základným predpokladom metódy najbližších susedov je, že ak môžeme pre „dnešný“ deň
nájsť v záznamoch z minulosti deň (alebo viac dní) k nemu najpodobnejší, tak lavínová
situácia bude pre „dnešný“ deň takmer taká istá ako v dni k nemu najpodobnejšom (prípadne
sa vypočíta napr. ako priemer z viacerých najpodobnejších dní).
Princíp metódy je skutočne jednoduchý, ale problémom je tu definícia „najpodobnejšieho“
dňa. Samozrejme, že táto definícia musí byť založená na parametroch vzťahujúcich sa
k lavínovým javom – v našom prípade sa jedná o skúmané meteorologické premenné.
Môžeme pri nej vychádzať z predošlých výsledkov analýz dát (napr. korelačná analýza,
regresné analýzy a pod.).
Tieto premenné vytvárajú k-ticu pre každý deň a sú nezávislé na ľubovoľný súradnicový
systém. To nás oprávňuje zvoliť si metriku, napr. euklidovskú (porovnaj s [10]). Vzdialenosť
medzi jednotlivými dňami teda bude:
∆d = ∑ ∆x j 2 .
j
Ak máme n dní „lavínových“ z celkového počtu N najbližších susedných dní, tak pomer n/N
bude prvotná (a priori) pravdepodobnosť lavínového javu. Po verifikácii však Buser odporučil
predpovedať lavínový deň, ak len 3 dni z desiatich najbližších susedov boli lavínové.
Metódu možno vylepšiť vstupom váhového vektora c j do definície vzdialenosti dvoch dní:
∆d = ∑ c j ∆x j 2
j
Váhový vektor možno podľa skúsenosti zmeniť a prispôsobiť, aby čo najviac zvýhodnil
významné premenné. Prvotný váhový vektor sme navrhli v tvare:
rj
cj = , alebo navyše veličiny ešte znormujeme
∑j j
r 2
rj 1 rj 1
maximom c j = . alebo priemerom c j = . .
∑r
j
j
2 max{x j } ∑r
j
j
2 xj
Je viac možností, aké veličiny a aký príslušný váhový vektor treba vybrať do definovania
euklidovskej vzdialenosti najbližších susedov. Navrhujeme vychádzať z hodnôt korelačných
koeficientov tých premenných, ktoré prejdú výberovým procesom krokovej regresie. Váhové
parametre vytvoríme zvlášť pre suché a mokré lavíny, a to zvlášť pre každý modelovaný
región. Purves a kolektív [63] použili genetické algoritmy na objektívne určenie váhových
koeficientov.
Niektoré premenné vykazujú významnú sezónnosť, čo by mohlo znevýhodniť výber
niektorých dní – najbližších susedov. Ak lavíny napr. padajú od istej minimálnej prahovej
hodnoty celkovej výšky snehovej pokrývky už rovnako, tak potom netreba robiť príliš veľký
29
rozdiel medzi dňom, kedy je výška sadnutého snehu 1m či 2m. Zo vzorky historických dát,
z ktorých model vyberá najbližších susedov, treba preto odstrániť dni, kedy je výška celkovej
snehovej pokrývky príliš malá (prípadne nesúvislá) na to, aby spôsobila odtrh lavíny.
Maximálnou hodnotou je vhodné normovať napr. slnečný svit, priemernou napr. výšku
celkovej snehovej pokrývky (porovnaj [10]). Vplyv sezónnosti môžeme eliminovať aj tak, že
vytvoríme model zvlášť pre mesiace november – február a zvlášť pre marec – apríl.
30
3.3.3 Analýza hlavných komponentov (PCA) a diskriminačná analýza
Analýza hlavných komponentov spočíva v hľadaní takej množiny lineárnych kombinácii (tzv.
hlavných komponentov) pôvodných premenných, ktorá zachová čo najviac informácii
obsiahnutých v údajoch. Počet týchto lineárnych kombinácii je nanajvýš rovný počtu
pôvodných premenných, avšak obvykle nám postačí podstatne menej hlavných komponentov
ako pôvodných premenných, pri prakticky rovnakej informačnej hodnote. Takto môžeme
problém študovať v podpriestore s menšou dimenziou. Metódu navrhol Pearson (1901)
a zovšeobecnil Hotelling (1933). Viac možno nájsť napríklad v [29].
PCA môže dobre poslúžiť pri vizualizácii najbližších susedov v osiach hlavných
komponentov, a tak odhaliť charakteristické skupiny dní s podobným vývojom počasia.
Farebne môžeme rozlíšiť napr. lavínové a nelavínové dni.
Následne možno preložiť jednotlivými skupinami (grupami) vhodné pravdepodobnostné
rozdelenia (najjednoduchšie Gaussove), ktoré takto po „orezaní“ s istou hladinou významnosti
(napr. 5%) vytvoria viacrozmerné elipsoidy v priestore hlavných komponentov. Ak potom
zobrazíme aktuálny („dnešný“) deň v tomto grafe, zaujíma nás, do ktorého elipsoidu bude
patriť, prípadne ku ktorému elipsoidu je daný bod bližšie. Na tomto základe vydáme
predpoveď, na koľko percent hrozí v daný deň zosunutie lavín. Toto je hlavný princíp
diskriminačnej analýzy. Viac o tejto metóde aplikovanej na predpovedanie lavín možno nájsť
v [8][13][21][59].
7
metódu formulovali F R I E D M A N J . H . , S T U E T Z L E W . (1981): Projection pursuit regression. Journal of
the American Statistical Association 76. (p.817-823).
31
4. Výsledky a diskusia
2000
1500
1000
500
Vitanová - Oravice
Zuberec-Zverovka
Demänovská Dolina - Jasná
Partiz. Ľupča - Magurka
Liptovská Teplička
Tatranská Lomnica
Oravská Lesná
Partiz. Ľupča - Železnô
Štrbské Pleso
Liptovská Lužná
Skalnaté pleso
Lomnický štít
Vernár
Podbanské
Mútne
Luková pod Chopkom
Telgárt
Jarabá
Štrba
Vyšná Boca
Ždiar
Podspády
Šumiac
Suchá Hora
Žiar
Lom nad Rimavicou
Súľova
Važec
Huty
Chopok
Krížna
Dubnik
Obr. 4: Meteorologické stanice uložené podľa nadmorskej výšky sú rozdelené do 3 skupín podľa roku, kedy
začali pozorovania: od r. 1981 (horizontálne šrafovanie); od r. 1961 (šachovnicové šrafovanie); a
najdlhšie časové rady od r. 1921 .
Tab. 8: Meteorologické stanice nad 700 m n.m. V Tab. 8 sú meteorologické stanice, ktoré majú
s najdlhšími časovými radmi výšky snehovej najdlhšie časové rady výšky snehovej
pokrývky (1921 -2004).
pokrývky od zimnej sezóny 1921/22.
Nadmorská výška Homogenizáciu výšky snehovej pokrývky sme
Stanica
[m] príkladne spravili pre stanicu Štrbské Pleso.
Štrbské Pleso 1354
Záznamy o výške snehovej pokrývky sú
Partiz. Ľupča - Magurka 1045
v databáze KMIS od 30.10.1921. Výšku
Ždiar - Javorina 1030
nového snehu pozorujú na Štrbskom Plese od
Podbanské 972
1.1.1927. Počas dní so súvislou snehovou
Vyšná Boca 930
pokrývkou sa meria raz týždenne vodná
Liptovská Teplička 900
hodnota snehu.
Mútne 835
Tatranská Lomnica 827 Z Tab. 9 vidíme, že najväčší korelačný
Oravská Polhora - Hlina 794 koeficient s dennými výškami snehovej
Suchá Hora 789 pokrývky na stanici Štrbské Pleso má časový
Oravská Lesná 780 rad, ktorý vznikne lineárnou kombináciou
štyroch meteorologických staníc: Podbanské,
Partiz. Ľupča - Magurka, Oravská Lesná a Ždiar - Javorina. Keďže všetky vybrané stanice
majú v priemere menej snehu ako Štrbské Pleso, je vhodné do lineárneho regresného modelu
zaradiť aj konštantu, ktorá však spôsobí nenulovú hodnotu, aj keď na ostatných staniciach
33
bude 0 cm snehu. Takto vzniknutý časový rad môže byť vhodnou interpoláciou chýbajúcich
meraní. Údaje výšky snehovej pokrývky zo Štrbského Plesa získané z SHMÚ však boli
kompletné a nebolo treba ich interpolovať.
Tab. 9: Najväčšie korelačné koeficienty medzi referenčnými časovými radmi, vytvorenými aritmetickým
priemerom denných výšok snehovej pokrývky z vybraných meteorologických staníc, a časovým radom stanice
Štrbské Pleso. Lineárny model s konštantou (LM+) a bez konštanty (LM) vznikol najvhodnejšou lineárnou
kombináciou denných časových radov z najvhodnejších staníc, aby korelačný koeficient bol maximálny (použili
sme krokovú regresiu).
Korelačný Korelačný
koeficient koeficient
Referenčný časový rad
(denné (ročné
sumy) sumy)
Lineárny model s konštantou (LM+):
5.4024 + 0.2252*Ždiar - Javorina + 0.7215*Podbanské + 0.2452*Partiz. 90,2 73,5
Ľupča-Magurka + 0.2149*Oravská Lesná
Lineárny model (LM):
0.3048*Ždiar - Javorina + 0.7367*Podbanské + 0.2649*Partiz. Ľupča- 90,2 75,7
Magurka + 0.2038*Oravská Lesná
Podbanské, Partiz. Ľupča - Magurka, Oravská Lesná, Ždiar - Javorina 89,8 80,3
Podbanské, Partiz. Ľupča - Magurka, Oravská Lesná 89,6 82,4
Podbanské, Partiz. Ľupča - Magurka, Ždiar - Javorina 89,1 75,8
Podbanské, Oravská Lesná, Ždiar - Javorina 89,0 80,2
Podbanské, Ždiar - Javorina 88,9 77,0
Podbanské 88,6 81,1
Podbanské, Oravská Lesná 88,4 82,9
Podbanské, Partiz. Ľupča - Magurka 88,2 76,1
Podbanské, Liptovská Teplička 87,3 81,7
Oravská Lesná 84,0 78,3
Ždiar – Javorina 83,3 61,6
Partiz. Ľupča - Magurka 80,7 56,7
34
4.1.2 Testy homogenity s referenčným časovým radom
Pre zaujímavosť uvádzame graf z Craddockovho testu s referenčným časovým radom
lineárneho modelu s konštantou (LM+), z ktorého vidíme, ako je snehová pokrývka
variabilná. Najväčšie maximum pozorujeme v 50-tych rokoch, minimum môžeme dať do
súvisu s premiestnením stanice v decembri 1992.
Obr. 5: Craddockov test ročnej sumy výšky snehovej pokrývky na Štrbskom Plese s referenčným časovým radom
LM+.
Pri použití referenčného časového radu LM+ odhalil Alexanderssonov test opäť množstvo
nehomogenít, avšak spoločne s metódou Easterlinga a Petersona sa ako významná ukázala iba
sezóna 1951/52. Keby sme nemali metadáta, oprávnene by sme nadobudli silné presvedčenie,
že nehomogenita v tomto roku nastala. Naznačuje ju dokonca aj Craddockov test. Z metadát
však vyplýva, že nie je dôvod nehomogenitu uznať.
Pri použití ďalších referenčných radov sme zriedka zaznamenali zhodu so skutočnou
nehomogenitou. Alexanderssonov test zachytil hneď ako prvú nehomogenitu sezónu 1992/93
pri použití referenčného radu zo staníc Podbanské, Partiz. Ľupča - Magurka a Oravská Lesná.
Easterling a Peterson však označili iné sezóny 1933/34 a 1971/72.
35
Obr. 6: Časový priebeh ročných súm výšky snehovej pokrývky na stanici Štrbské Pleso, spolu s 11-ročnými
kĺzavými priemermi: Štrbské Pleso - hrubšia krivka. Hodnoty predstavujú odchýlky od dlhodobého normálu
1960/61-1989/90 z nehomogenizovaného časového radu. Čiarkovaná krivka zobrazuje odchýlky
homogenizovaného časového radu od svojho homogenizovaného dlhodobého normálu 1960/61-1989/90.
4.1.4 Diskusia
Metadáta pre Štrbské Pleso boli v pomerne dobrom stave, keďže stanica bola od počiatku
dôležitou horskou stanicou. Preto sme úpravy vykonali len na základe premiestnenia polohy
stanice, ktoré malo vplyv na výšku snehovej pokrývky. Zmeny vo výške snehovej pokrývky
v dôsledku premiestnenia stanice sú v porovnaní s prirodzenou klimatickou variabilitou malé.
Z navrhovaných úprav vyplýva, že pri horárni bývalo trochu menej snehu ako pri liečebnom
ústave Hviezdoslav. Dalo sa to očakávať, keďže horáreň leží asi o 25 m nižšie, pričom obe
lokality sa nachádzajú na svahu s tou istou expozíciou.
Na najnovšej lokalite – pri Heliose býva celkovo snehu viac ako pri Hviezdoslave.
Nadmorská výška sa v tomto prípade takmer nemenila, ale sneh je tu viac chránený pred
teplým južným prúdom, vetrom a slnkom.
Hodnota koeficienta, ktorým sa odstráni nehomogenita je však dosť citlivá od počtu rokov,
z ktorých sa počíta. Priemer ľubovoľných dvoch 10-ročných období je príliš rozkolísaný
a preto 10 rokov je pomerne krátke obdobie na výpočet koeficienta. Z priebehu 11-ročných
priemerov výšky snehovej pokrývky (Obr. 6) vidíme, že sa kvázi-periodicky striedajú obdobia
bohatšie na sneh s chudobnejšími. Zrovna v kritickej sezóne 1992/93 dosahuje 11-ročný
kĺzavý priemer globálne minimum. Do výpočtu koeficienta zmeny takto môže vstúpiť 10
slabších zím pred nehomogénnym rokom a 10 lepších zím po tomto roku, a potom je
koeficient prehnane veľký alebo malý.
Roky, ktoré vychádzali z testov ako nehomogénne treba veľmi kriticky posúdiť a vychádzať
hlavne zo štatistickej významnosti označeného roku. Snehová pokrývka vykazuje ešte väčšiu
priestorovú variabilitu ako zrážky. Preto je veľmi ťažké rozlíšiť medzi prirodzenými
36
klimatickými fluktuáciami a nehomogenitami spôsobenými najčastejšie zmenou polohy
stanice, najmä ak z metadát presne nevieme, kedy zmena nastala.
Ak sa vykonávali súbežné merania na dvoch staniciach s podobným názvom (napr. Štrbské
Pleso – horáreň a Štrbské Pleso – Hviezdoslav), tak je tu riziko, že v databáze sú pomiešané
dva rôzne časové rady.
Na záver môžeme konštatovať, že v prípade homogenizácie výšky snehovej pokrývky dávajú
všetky testy homogenity často zavádzajúce výsledky, ktoré nutne musíme konfrontovať
s metadátami. Ak metadáta nemáme, musíme byť schopní rozlíšiť prirodzené „klimatické
nehomogenity“ od skutočných. Napr. zimná sezóna 1951/52 bola pomerne bohatá na sneh,
predchádzalo jej klimaticky vyrovnané obdobie a po nej nasledoval prudší pokles.
V porovnaní s celým 80-ročným obdobím však takýto jav nie je ničím výnimočným.
Napokon musíme zdôrazniť aj závislosť odhalených nehomogenít od voľby referenčných
staníc. Od r. 1921 bolo málo meteorologických staníc v blízkosti Štrbského Plesa, a všetky
boli nižšie položené. Až po r. 1961 je možné vybrať viac vhodnejších referenčných staníc.
Bolo by vhodné nezávisle vykonať homogenizáciu štyroch staníc, z ktorých referenčný rad
pre Štrbské Pleso vznikol, a potom proces homogenizácie zopakovať.
Klimatické trendy homogenizovaných časových radov môžu často prekvapiť svojou
rozdielnosťou od pôvodných údajov. Na kĺzavých priemeroch Obr. 6 vidíme, že
zhomogenizovaný časový rad vykazuje väčšie extrémy, ale najmä rapídnejší pokles.
200 150
150
100
100
50
50
0 0
1920/21 1930/31 1940/41 1950/51 1960/61 1970/71 1980/81 1990/91 2000/01 1920/21 1930/31 1940/41 1950/51 1960/61 1970/71 1980/81 1990/91 2000/01
Obr. 7: Časové rady počtu dní so snehovou pokrývkou ≥ 1 cm a ≥ 50 cm a ich 9-ročné kĺzavé priemery pre
vybrané stanice (zhora nadol): Lomnický štít (2635 m), Chopok (2008 m), Skalnaté pleso (1783 m), Ždiar-
Javorina (1030 m) a Liptovská Teplička (900 m)..
37
Klesajúci trend v podiele tuhých zrážok je výrazný najmä v nadmorských výškach 1000-1500
m n.m, a častejšie sa tu namiesto tuhých zrážok objavujú zmiešané, a pod 1000 m n.m. zase
kvapalné. Nad 1000 m už neboli pozorované výrazné klesajúce trendy.
DJF
2700
Nadmorská výška [m]
2200
1700
1200
700
-1.6 -1.2 -0.8 -0.4 0 0.4 0.8 1.2
Trend [% za rok]
Obr. 8: Ročné trendy podielov tuhých , zmiešaných a kvapalných zrážok na ich celkovom úhrne za
zimné mesiace DJF (1981/82 – 2002/03).
Nov-Apr
2700
Nadmorská výška [m]
2200
1700
1200
700
-1.8 -1.4 -1 -0.6 -0.2 0.2 0.6 1
Trend [% za rok]
Obr. 9: Ročné trendy podielov tuhých , zmiešaných a kvapalných zrážok na ich celkovom úhrne za
zimné mesiace november až apríl (1981/82 – 2002/03).
38
Kritická nadmorská výška, nad ktorou vzrastajú počty dní so snehom a vzrastá tu podiel
tuhých zrážok počas zimného obdobia sa nachádza približne v 1800 m pre severné svahy
a v 2300 m pre južné svahy8.
DJF Nov-Apr
2700
Nadmorská výška [m]
2200
1700
1200
700
-1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 3 3.5
Trend [mm za rok]
Obr. 10: Časové rady počtu dní so snehovou pokrývkou ≥ 1 cm a ≥ 50 cm a ich 9-ročné kĺzavé priemery pre
vybrané stanice (zhora nadol): Lomnický štít (2635 m), Chopok (2008 m), Skalnaté pleso (1783 m), Ždiar-
Javorina (1030 m) a Liptovská Teplička (900 m)..
4.2.1 Diskusia
Kľúčový význam na vývoj snehovej pokrývky v stredných a vysokých horských polohách
Slovenska v budúcnosti bude mať vývoj (momentálne pozorovaný nárast) teploty ako aj
zrážok (Obr. 10). Pri vyšších teplotách dokáže atmosféra prijať viac vody, preto sú aj úhrny
zrážok vyššie. Ak je pri vyšších úhrnoch zrážok teplota dlhý čas pod bodom mrazu (čo
najvyššie polohy na Slovensku ešte stále spĺňajú), tak je aj snehu viac.
Dôveryhodnosť údajov snehovej pokrývky a zrážok z najvyššej stanice je otázna, avšak dosť
výrazná zmena je pomerne plynulá, čo sa ťažko dá pripísať náhlej zmene metodiky určovania
úhrnov zrážok. Štúdie z Álp poukazujú na podobné výsledky. Žiaľ, v polohách nad 1500 m
máme na Slovensku v súčasnosti z použiteľných profesionálnych staníc len Lomnický štít
(2635 m), Chopok (2008 m), Skalnaté Pleso (1783 m) a Lukovú (1661 m). Užitočné by bolo
použiť údaje z poľskej stanice Kasprov vrch (1980 m).
8
výšky sú odhadnuté expertne; na objektívne stanovenie treba viac meteorologických staníc vo výškach nad
1500 m n.m.
39
4.3 Analýza lavínového nebezpečenstva
V tomto odseku ponúkame prvé zaujímavé štatistické výsledky, ktoré sme vybrali z databázy
SLPDB, po skompletizovaní obdobia 1991/92-2000/01. Pri konvenčnej predpovedi nám
môžu pomôcť orientačné hodnoty dôležitých meteorologických prvkov, ktoré najviac
vplývajú na výskyt lavín. V Tab. 10 sú odvodené veličiny zo zrážok, nového snehu a vetra,
s typickými hodnotami pri jednotlivých stupňoch lavínového nebezpečenstva.
Tab. 10: Typické hodnoty významných meteorologických prvkov pri rôznych stupňoch lavínového
nebezpečenstva. Vychádzali sme z interkvartilového rozsahu pre vybrané stanice.
Tab. 11 dáva do súvisu vzťah medzi typickým očakávaným maximálnym dosahom lavín pri
jednotlivých stupňoch lavínového nebezpečenstva. Je treba zdôrazniť, že hodnoty sú typické
pre Vysoké Tatry, pretože dĺžka lavínovej dráhy veľmi závisí od topografických parametrov.
Najdlhšie lavíny vo Vysokých Tatrách majú dĺžku okolo 1400 m, ale v Západných Tatrách
(Žiarska, Jamnická dolina) či vo Veľkej Fatre (Turecká, Suchá dolina) dosahujú najdlhšie
lavíny aj 2300 m.
Tab. 11: Typické maximálne dosahy lavín pri jednotlivých stupňoch lavínového nebezpečenstva pre Vysoké
Tatry.
9
Priemerná kvadratická rýchlosť vetra sa vypočíta z troch hodnôt rýchlosti vetra meraných v klimatických
2
w + w14 + w21
termínoch o 7 , 14 a 21 nasledovne: w = 7
00 00 00 2
3
40
Nasledujúca Tab. 12 uvádza počty zaregistrovaných lavín za 10-ročné obdobie koncom 20.
storočia po jednotlivých mesiacoch pre jednotlivé pohoria. Je zaujímavé, že lavíny padajú
niekedy už v septembri, ale v októbri nie, pretože vtedy prevláda u nás pomerne suché
a slnečné počasie v dôsledku vplyvu anticyklóny.
Tab. 12: Počet lavín po jednotlivých mesiacoch zimnej sezóny v jednotlivých pohoriach (1991/92-2000/01).
Počet lavín
Mesiac
VT % ZT % NT % MF % VF % BT % spolu %
IX. 1 0.2 16 4.1 7 2.7 0 0 0 0 0 0 24 1.6
X. 0 0 0 0 0 0 0 0 0 0 0 0 0 0
XI. 4 0.8 11 2.8 13 5.1 2 1.0 0 0 0 0 30 2.0
XII. 39 7.7 25 6.4 14 5.4 1 0.5 1 0.7 0 0 80 5.3
I. 64 12.6 108 27.6 29 11.3 46 23.2 29 20.7 13 72.2 289 19.1
II. 132 26.0 56 14.3 61 23.7 19 9.6 42 30 0 0 310 20.5
III. 120 23.7 61 15.6 47 18.3 83 41.9 47 33.6 1 5.6 359 23.8
IV. 138 27.2 113 28.9 86 33.5 47 23.7 21 15.0 4 22.2 409 27.1
V. 9 1.8 1 0.3 0 0 0 0 0 0 0 0 10 0.7
Spolu 507 100 391 100 257 100 198 100 140 100 18 100 1511 100
Sumárny prehľad lavínových svahov bol publikovaný v r. 1981 v práci Ladislava Milana [55],
a keďže odvtedy v SLP zaevidovali 34 nových lavinóznych svahov, uvádzame novší prehľad
v Tab. 13.
Tab. 13: Sumárny prehľad lavínových svahov v Západných Karpatoch na území Slovenska.
Najväčšiu rozlohu lavínových terénov, ako aj percentuálny podiel z celkovej svojej výmery
majú Západné Tatry [32][55]. Najviac lavínových dráh je vo Vysokých Tatrách.
41
5. Záver
Predložený projekt dizertačnej práce ponúka najmä literárnu rešerš a základnú metodiku,
ktorá bude použitá v dizertačnej práci. Metodika čerpá najčastejšie zo skúseností iných
autorov uplynulých desaťročí, ale pri aplikovaní na slovenské pomery sme použili vlastné
modifikácie a vylepšenia zaužívaných metód. Dizertačná práca bude rozvíjať dve základné
vetvy:
• klimatologické spracovanie snehových pomerov
• modelovanie lavínového nebezpečenstva
Keďže definícia stupňa lavínového nebezpečenstva sa formovala počas 90-tych rokov, bolo
nutné stupeň (spolu s ďalšími pomocnými indexmi) stanoviť spätne až do r. 1991, na základe
vývoja počasia a lavínových záznamov, aby sme predĺžili skúmané obdobie. V rámci
diplomovej práce [77] boli stanovené vlastne navrhnuté indexy a stupne lavínového
nebezpečenstva pre zimné sezóny 1994/95 – 1999/2000. Teraz už sú indexy skompletizované
od sezóny 1991/92 a dopĺňajú a verifikujú sa vždy po skončení zimnej sezóny.
Vypracovaná technika pre oblasť Vysokých Tatier môže byť použitá na regionálne
modifikácie modelu na predpovedanie lavínového nebezpečenstva pre ostatné lavinózne
pohoria na Slovensku.
43
6. Projekt dizertačnej práce
Dizertačná práca je voľným pokračovaním diplomovej práce [77], kde bol vyvinutý
a otestovaný prvý regresný model na predpovedanie stupňa lavínového nebezpečenstva
použiteľný v praxi. Parametre modelu boli vypočítané z piatich zimných sezón 1995/96 –
1999/00. Žiaľ, kvôli technickým problémom s dostupnosťou potrebných dát dosiaľ model nie
je používaný v operatívnej praxi. Jedným z cieľov dizertačnej práce je v spolupráci s SHMÚ
model „spojazdniť“ ako procedúru nad databázou KMIS a po následnom zdokonalení
a testovaní pracovníkmi SLP prípadne zverejňovať jeho výstupy.
Niektoré čiastkové úlohy dizertačnej práce uvedené v predošlých kapitolách už boli
vypracované:
1. Výber staníc, metodika kontroly údajov o snehovej pokrývke a úhrnoch zrážok na
zrážkomerných staniciach od nadmorskej výšky 700 m pre dostupné obdobie.
Metodika dopĺňania chýbajúcich údajov.
2. Ako sa mení podiel tuhých, kvapalných a zmiešaných zrážok na ich celkovom úhrne,
a závislosť tejto zmeny od nadmorskej výšky.
3. Vývoj počtu dní so snehovou pokrývkou 1, 10, 20, 50, 100 cm a viac v závislosti od
nadmorskej výšky.
4. Výber meteorologických staníc a zodpovedajúcich prvkov k zdokonaleniu a
regionálnej interpretácii modelu na predpoveď stupňov lavínového nebezpečenstva vo
Vysokých Tatrách.
5. Príprava modelového riešenia, rešerš literatúry, teoretické rozpracovanie, návrhy na
zdokonalenie existujúceho modelu na predpoveď lavínového nebezpečenstva pre
Vysoké Tatry.
Zostávajúce úlohy a ciele dizertačnej práce by sme mohli zhrnúť do nasledovných bodov:
1. Doplniť zostávajúce historické údaje, previesť kontrolu kvality a predprípravu pre
následné výpočty. Preveriť použiteľnosť meteorologických meraní na
špecializovaných staniciach spravovaných SLP.
2. Podľa navrhnutej metodiky homogenizovať najdlhšie časové rady výšky snehovej
pokrývky (10 vybraných staníc od sezóny 1921/22 s kvalitnými metadátami),
v prípade potreby interpolovať chýbajúce hodnoty.
3. Vypracovať navrhnuté charakteristiky snehových pomerov a sledovať ich vývoj
v poslednom období v závislosti od nadmorskej výšky.
4. Nájsť najlavinóznejšie zimné sezóny z historických údajov a ich charakteristické
znaky (napr. súvis so zimami bohatými na množstvo nového snehu, súvis so
synoptickými situáciami, ...)
5. Aplikovať metódu najbližších susedov pre oblasť Vysokých Tatier na predpoveď
lavínového nebezpečenstva a vylepšiť súčasný kvázi-lineárny regresný model.
6. Regionálna modifikácia modelu na predpoveď lavínového nebezpečenstva pre Vysoké
Tatry. Priradiť lavínové svahy ku vhodným meteorologickým staniciam.
45
7. Overiť úspešnosť modelov na experimentálnych údajoch, porovnať ich a stanoviť ich
spoľahlivosť.
8. Vytvoriť zjednodušené pravidlá (napr. Tab. 10, Tab. 11) a navrhnúť praktické pomôcky
(viď príloha D), ktoré by tlmočili hlavné výsledky najnovšieho výskumu a zásady pri
pohybe v ohrozenom teréne verejnosti.
46
6.3 Modelovanie lavínového nebezpečenstva
Po preštudovaní množstva literatúry z posledných 3 desaťročí sme sa užšie zamerali na
konkrétnejšie ciele. Podobne, ako v diplomovej práci [77], budú metódou postupnej regresie
(odsek 3.3.4) vybrané do modelu na predpovedanie lavín najvhodnejšie meteorologické prvky
pozorované a merané na vhodných meteorologických staniciach nad 700 m n.m. Na výpočet
parametrov modelu použijeme 10 zimných sezón, 1991/92 – 2000/01, pričom za nimi
nasledujúce (3 až 4) zimné sezóny budú použité na obojstrannú verifikáciu.
Model bude rozlišovať medzi lavínami zo suchého a mokrého snehu.
Pokúsime sa pohorie rozdeliť na viac homogénnych podoblastí a sadu najvhodnejších
premenných stanoviť pre každú podoblasť osobitne.
Preskúmame, ktorá z navrhovaných výstupných premenných (definovaných v odseku 2.4.1 a
3.3) je modelom najlepšie predpovedateľná.
47
Bibliografia
II
International Snow Science Workshop in Big Sky Montana, October, 2000. (p.66-
73). http://www.geog.ubc.ca/avalanche/Publications/issw2000_paper.pdf
III
[42] K U C H T O V Á B. (1998): Analýza vplyvu meteorologických podmienok na
vznik lavín v horstvách Slovenska. [Diploma thesis], FMFI Comenius
University, , Bratislava.
IV
[54] M I L A N L. , Šramka Š. (1977, 1988). Nebezpečenstvo lavín. Šport,
Bratislava, 1. vydanie 1977, 2. vydanie 1988.
V
[66] S A N D E V M., Š E D I V K A J. (2002): Comparison of the 1989-2001 winters
with the climatological normal 1961-1990 in the Czech republic.
Meteorological Bulletin, No. 5, ČHMÚ, Praha.
VI
[79] V O J T E K M. , 2004. Lavíny a ich nebezpečenstvo. Quark, No.1, Vol. 101,
Perfect, Bratislava, p.16-18.
Zdroje dát:
VII
Príloha
Nadm. výška
Indikátor Meno stanice Zem. šírka Zem. dĺžka
[m]
12100 Lomnický štít 49° 11' 43" N 20° 12' 54" E 2635
21080 Chopok 48° 56' 38" N 19° 35' 32" E 2008
12120 Skalnaté pleso 49° 11' 22" N 20° 14' 04" E 1783
21100 Luková pod Chopkom 48° 57' 00" N 19° 35' 00" E 1661
34200 Krížna 48° 52' 38" N 19° 04' 45" E 1570
20080 Štrbské Pleso 49° 07' 18" N 20° 03' 38" E 1354
21120 Demänovská Dolina - Jasná 48° 58' 00" N 19° 35' 00" E 1196
21240 Partizánska Ľupča - Magurka 48° 56' 35" N 19° 26' 04" E 1045
11020 Javorina 49° 16' 19" N 20° 08' 05" E 1030
23120 Zuberec - Zverovka 49° 14' 58" N 19° 42' 44" E 1027
54120 Lom nad Rimavicou 48° 38' 39" N 19° 39' 03" E 1018
21260 Partizánska Ľupča - Železnô 48° 57' 00" N 19° 24' 00" E 1000
34170 Donovaly 48° 52' 46" N 19° 13' 35" E 992
12050 Tatranská Polianka 49° 07' 19" N 20° 11' 15" E 975
20220 Podbanské 49° 08' 24" N 19° 54' 38" E 972
20160 Vyšná Boca 48° 55' 51" N 19° 45' 25" E 930
11040 Podspády 49° 15' 55" N 20° 10' 37" E 910
13060 Ždiar 49° 16' 21" N 20° 15' 30" E 905
33020 Telgárt 48° 50' 55" N 20° 11' 21" E 901
20020 Liptovská Teplička 48° 57' 05" N 20° 05' 30" E 900
52080 Súľova 48° 48' 45" N 20° 28' 54" E 900
34020 Jarabá 48° 53' 43" N 19° 42' 09" E 892
12190 Kežmarok-Dvorce 49° 04' 36" N 20° 32' 49" E 888
33040 Šumiac 48° 50' 32" N 20° 07' 36" E 887
57020 Dobšinská ľadová jaskyňa 48° 52' 38" N 20° 17' 38" E 875
60020 Dubnik 48° 55' 22" N 21° 27' 46" E 875
23060 Vitanová - Oravice 49° 16' 59" N 19° 45' 29" E 853
22080 Mútne 49° 28' 00" N 19° 18' 00" E 835
12020 Štrba 49° 03' 28" N 20° 04' 20" E 829
12140 Tatranská Lomnica 49° 09' 52" N 20° 17' 17" E 827
IX
20100 Važec 49° 03' 21" N 19° 59' 09" E 814
21380 Liptovská Lužná 48° 56' 00" N 19° 21' 00" E 810
12090 Stará Lesná 49° 09' 10" N 20° 17' 28" E 808
21180 Huty 49° 13' 00" N 19° 34' 00" E 795
22160 Oravská Polhora - Hlina 49° 33' 00" N 19° 22' 00" E 794
22240 Suchá Hora 49° 22' 00" N 19° 47' 00" E 789
56040 Vernár 48° 55' 04" N 20° 16' 07" E 783
22020 Oravská Lesná 49° 22' 06" N 19° 10' 59" E 780
21040 Žiar 49° 07' 03" N 19° 39' 47" E 747
X
C. Medzinárodná stupnica lavínového nebezpečenstva
XI
E. Slovník anglických ekvivalentov
XII
precipitation intensity
intenzita zrážok
precipitation rate
precipitation form forma zrážok
precipitation type druh zrážok
rime
námraza
icing
rimed crystals zmrznuté kryštáliky námrazy
rock outcrops skalné výčnelky
runout zone
pásmo nánosu
zone of deposition
rutschblock test test sklzu skokom lyžiara
screened box
meteorologická búdka (so žalúziami)
meteorological shelter
settling of snow cover sadanie snehovej pokrývky
shovel shear test test sklzu lopatkou
zatavenie
sintering
vytváranie väzieb medzi snehovými kryštálmi
slab avalanche dosková lavína
slab layer snehová doska
slope angle sklon svahu
slope length dĺžka svahu
slope orientation
expozícia svahu
slope aspect
slope width šírka pásma odtrhu
sluff
slough splaz, malá lavínka
slush flows
snow cover extent rozloha snehovej pokrývky
snow depth (height) výška snehovej pokrývky
snow surface condition povrch snehu
snow surface temperature teplota povrchu snehu
snowfall intensity
intenzita sneženia
snowfall rate
snowshoe snežnice
global solar radiation globálne žiarenie
starting zone
pásmo odtrhu
zone of origin
step-wise regression postupná (kroková) regresia
stiffness tuhosť, tvrdosť
striation ryha, pruhovanie (napr. na kruňyštáli)
stuffblock test test spustením závažia
stump peň, výčnelok, pahýľ
sunshine duration trvanie slnečného svitu
surface hoar povrchová inovať
surface-layer avalanche povrchová lavína
terminus
dosah, dráha, dĺžka lavíny
track length
terrain roughness
drsnosť povrchu
terrain condition
tilt board test test naklonením doštičky
plošná lavína
unconfined avalanche
(podľa tvaru dráhy v transportnom pásme)
XIII
vegetácia
vegetation
(les, lúka, skalný povrch, volné kamene a skaly)
water equivalent of snow cover
vodná hodnota snehovej pokrývky
snow water equivalent
mazanie (medzi snehovými vrstvami) spôsobené
water lubrication
stekajúcou vodou
wet-snow avalanche lavína z mokrého snehu
wind direction smer vetra
wind gust náraz vetra
wind loading zavievanie snehu vetrom
wind speed, velocity rýchlosť vetra
wind vane veterná lopatka (ružica)
zone of transition
prechodové pásmo, pásmo (dráha) prechodu
track zone
XIV
F. Publikačná činnosť a odborné aktivity doktoranda
Publikácie:
V O J T E K M. (2002): Meteorologické podmienky vzniku lavín vo Vysokých Tatrách a
ich modelovanie. [Diplomová práca] FMFI UK Bratislava.
Účasť na konferenciách:
23.-25.9.2002 TECO 2002, (Technická konferencia o meteorologických
a environmentálnych prístrojoch a metódach pozorovania), Incheba,
Bratislava
8.11.2002 5. Konferencia mladých meteorológov a klimatológov, SHMÚ Bratislava
27.-28.5.2003 European Avalanche Forecasting Services Meeting 2003, Mníchov
(Nemecko)
2. - 4.9.2003 Bioklimatologické pracovné dni 2003, Račková dolina
5.11.2003 6. Konferencia mladých meteorológov a klimatológov, SHMÚ Bratislava
XV
Stručne o obsahu publikácií:
Apríl 2002
Diplomová práca Meteorologické podmienky vzniku lavín vo Vysokých Tatrách a ich
modelovanie bola motiváciou a výzvou pre vznik projektu dizertačnej práce. Hlavným
cieľom práce bolo vylepšiť a skvalitniť konvenčnú predpoveď lavínového nebezpečenstva v
našom snáď najreprezentatívnejšom pohorí - vo Vysokých Tatrách. Je tu rozpracovaná teória
predpovedných modelov vhodných pre lavíny na Slovensku. Najcennejším výsledkom práce
je kvázi-lineárny regresný model na predpovedanie stupňa lavínového nebezpečenstva pre
Vysoké Tatry. Vstupné premenné boli vybrané postupnou (krokovou) regresiou z veľkého
množstva meteorologických premenných zo siedmych profesionálnych klimatologických
staníc SHMÚ (Podbanské, Štrbské Pleso, Poprad, Tatranská Lomnica, Skalnaté pleso,
Lomnický štít, Ždiar-Javorina). V závere práce „vyskočilo“ množstvo nezodpovedaných
otázok a problémov ohľadom lavínovej problematiky na Slovensku, ktoré boli v rámci
projektu dizertačnej práce prehodnotené a sčasti vyriešené. Najväčším problémom bola
technická realizácia regresného modelu, ktorý sa momentálne nepoužíva, pretože v SLP nie je
dosiaľ vyriešené zhromažďovanie, rozkódovanie a ukladanie potrebných vstupných údajov do
jednotného databázového systému.
Podstatné závery z diplomovej práce boli spolu s novšími výsledkami prezentované
v anglickom jazyku na medzinárodnej konferencii lavínových služieb v Mníchove 28.mája
2003, ako aj na 5. konferencii mladých meteorológov a klimatológov v SHMÚ dňa 8.11.2002,
kde bola práca vybraná medzi tri najlepšie príspevky.
November 2002
Článok Meteorological conditions and avalanche formation in the High Tatra
Mountains, ktorý vyšiel v Meteorologickom časopise v anglickom jazyku je zhrnutím
najdôležitejších výsledkov z diplomovej práce, s dôrazom na verifikáciu modelu a navrhnutím
ďalších zlepšujúcich opatrení.
Marec 2003
V rádiu „Radio Slovakia International“, ktoré vysiela v anglickom jazyku odznelo interview
o lavínach na Slovensku. Populárno-náučnou formou odzneli najnovšie zaujímavé fakty
a štatistiky z oblasti výskumu predpovedania výskytu lavín a ich vzájomnom súvise
s vývojom počasia.
September 2003
Na Bioklimatologických pracovných dňoch 2003 v Račkovej doline boli v príspevku
Dynamika snehovej pokrývky v stredných a vysokých horských polohách Slovenska
prezentované aktuálne trendy počtov dní so snehovou pokrývkou 1, 10, 20 a 50 cm a viac, a
podielu tuhých, kvapalných a zmiešaných zrážok v horských polohách nad 700 m z 35
vybraných meteorologických staníc SHMÚ. Všeobecne sa pozoruje pokles počtov dní so
snehovou pokrývkou, ako aj podielu tuhých zrážok na celkovom úhrne, ale od istej
nadmorskej výšky sa tento trend mení na pozitívny.
November 2003
Na 6. konferencii mladých meteorológov a klimatológov bol príspevok s názvom Snow
climate trends in medium and alpine elevations of Slovakia prezentovaný v anglickom
jazyku vybraný medzi tri najlepšie.
XVI
December 2003
Článok Some selected snow climate trends in Slovakia with respect to altitude, ktorý
vyšiel v anglickom jazyku v univerzitnom časopise Acta Meteorologica Universitatis
Comenianae vydávanom raz ročne sa zaoberá závislosťou trendov vybraných charakteristík
od nadmorskej výšky. Boli skúmané počty dní so snehovou pokrývkou 1, 10, 20, 50, 100 cm
a viac, podiely tuhých, kvapalných a zmiešaných zrážok na celkovom úhrne, celkový úhrn
zrážok za kratšie (DJF) a dlhšie (november - apríl) zimné obdobie z 35 vybraných
meteorologických staníc. Je tu zdôvodnené, prečo existuje od istej nadmorskej výšky zvrat v
trendoch charakteristík snehovej pokrývky.
Január 2004
V populárno-náučnom časopise QUARK vyšiel článok s názvom Lavíny a ich
nebezpečenstvo, kde sú spomenuté najdôležitejšie meteorologické prvky, ktoré vplývajú na
výskyt rôznych typov lavín, zopár rekordov vybraných z databázy lavín, spôsoby merania
a testovania stability snehovej pokrývky, zaujímavé historické fakty, lavínová karta ako
praktická pomôcka pri pohybe v ohrozenom teréne, medzinárodná stupnica lavínového
nebezpečenstva, a hlavné princípy predpovedania lavín.
Február 2004
V populárno-náučnom časopise QUARK bol uverejnený test Čo viete a neviete o lavínach.
Každý návštevník zimných hôr by mal ovládať väčšinu odpovedí na otázky rôznej náročnosti.
XVII
Kontakt:
Martin Vojtek
mvojtek@fmph.uniba.sk
www.dmc.fmph.uniba.sk/vojtek
SLP Jasná
FMFI UK Bratislava – knižnica
FMFI UK Bratislava – katedra meteorológie a klimatológie
SHMÚ Bratislava
XIX