ALEKSANDRO STULGINSKIO UNIVERSITETAS

VANDENS ŪKIO IR ŢEMĖTVARKOS FAKULTETAS

VANDENS IŠTEKLIŲ INŢINERIJOS INSTITUTAS

Veronika Lukševičiūtė

VEGETACIJOS LAIKOTARPIO SAUSRINGUMO VERTINIMAS LIETUVOJE

Magistro baigiamasis darbas

Studijų sritis: Technologijos mokslai

Studijų kryptis: Statybos inţinerija

Studijų šaka: Vandens inţinerija

Studijų programa: Hidrotechnikos inţinerija

Akademija, 2015

2

Baigiamųjų darbų vertinimo komisija:

(Patvirtinta Rektoriaus įsakymu Nr. 157-PA, 2015 m. geguţės 20 d.)

Pirmininkas dr. Kazys Sivickis, Lietuvos melioracijos įmonių asociacijos pirmininkas.

Nariai:

1. Prof. dr. Arvydas Povilaitis, Aleksandro Stulginskio universitetas;

2. Doc. dr. Algirdas Radzevičius, Aleksandro Stulginskio universitetas;

3. Doc. dr. Rytis Skominas, Aleksandro Stulginskio universitetas;

4. Mag. Jonas Varkalys, UAB „Plungės Jonis“ valdybos pirmininkas.

Mokslinis vadovas docentė dr. Laima Taparauskienė, Aleksandro Stulginskio universitetas

Recenzentas profesorius dr. Petras Punys, Aleksandro Stulginskio universitetas

Instituto direktorius profesorius dr. Arvydas Povilaitis, Aleksandro Stulginskio universitetas

Oponentas docentas dr. Vincas Gurskis, Aleksandro Stulginskio universitetas

3

TURINYS

SANTRAUKA .................................................................................................................... 4

SUMMARY ........................................................................................................................ 5

ĮVADAS .............................................................................................................................. 6

1. LITERATŪROS APŢVALGA ....................................................................................... 8

1.1. Ţemės ūkio veikla klimato kaitos akivaizdoje ......................................................... 8

1.2. Pagrindiniai sausras lemiantys veiksniai .................................................................. 9

1.3. Sausrų vertinimo indeksai ...................................................................................... 11

1.4. Standartizuoto kritulių indekso pritaikymas globaliu mąstu .................................. 13

1.5. Sausrų tyrimai Lietuvoje pasitelkiant Standartizuotą kritulių indeksą ................... 15

2. TYRIMO TIKSLAS IR UŢDAVINIAI ........................................................................ 18

3. TYRIMO METODIKA IR ORGANIZAVIMAS ......................................................... 19

3.1. Tyrimo objektas ...................................................................................................... 19

3.2. Sausringumo vertinimas pasitelkiant SPI ir HTK .................................................. 20

3.3. Duomenų apdorojimas ............................................................................................ 23

4. TYRIMŲ REZULTATŲ ANALIZĖ IR JŲ APTARIMAS .......................................... 25

4.1. Meteorologinių reiškinių stebėsenos tinklas – Lietuvoje ir JAV ........................... 25

4.1.1. Sausrų stebėsenos sistema Jungtinėse Amerikos valstijose ................................ 25

4.1.2. Meteorologinių reiškinių stebėsenos sistema Lietuvoje ...................................... 29

4.2. Standartizuoto kritulių indekso taikymas sausrų identifikavimui .......................... 32

4.3. Tyrimų laikotarpio vertinimas pagal HTK .............................................................. 34

4.4. Sausrų vertinimo palyginamoji analizė pasitelkus SPI 1 ir HTK ........................... 38

4.5. Tikimybinis sausrų vertinimas pagal SPI 1 ............................................................ 42

4.6. Tikimybinis sausrų vertinimas pagal HTK .......................................................... 45

IŠVADOS .......................................................................................................................... 48

LITERATŪRA .................................................................................................................. 49

4

Lukševičiūtė V., Vegetacijos laikotarpio sausringumo vertinimas Lietuvoje: Statybos inţinerijos

magistro baigiamasis darbas / vadovas doc. dr. Laima Taparauskienė; Aleksandro Stulginskio

universitetas, Vandens ūkio ir ţemėtvarkos fakultetas, Vandens išteklių inţinerijos institutas. –

Akademija, 2015. – 50 p.

SANTRAUKA

Baigiamajame magistrantūros studijų darbe buvo analizuojamas sausringų laikotarpių

pasikartojimo daţnis dviejuose Lietuvos regionuose (Telšių ir Kauno). 1982-2014 m. vegetacijos

laikorarpio sausringumui apibūdinti buvo taikomi du skirtingi metodai – Standartizuotas kritulių

indeksas ir G. Selianinovo hidroterminis koeficientas. Standartizuotas kritulių indeksas (SPI) Europoje

taikomas kaip pagrindinis įrankis meteorologinei sausrai identifikuoti. Hidroterminis koeficientas

Lietuvoje yra patvirtintas (Ţinios…, 2006), kaip pagrindinis kriterijus stichinei sausrai skelbti. Norint

nustatyti skirtumus tarp šių dviejų indeksų ir juos palyginti tarpusavyje naudota koreliacinė analizė.

Darbo pabaigoje pasitelkiant SPI 1 įvertintas tikimybinis sausrų pasiskirstymas ir daţnis.

Pirmojoje tyrimo rezultatų dalyje apţvelgtos interaktyvios pasaulyje taikomos sausrų

stebėsenos sistemos. Jos palygintos su Lietuvoje esančia hidrometeorologinių stebėjimų sistema. Kitoje

rezultatų dalyje atliktas augalų vegetacijos laikotarpio sausringumo sąlygų vertinimas pagal Kauno ir

Telšių MS duomenis pasitelkus SPI 1 (1982 – 2014) ir HTK (1996-2014). Trečiojoje rezultatų dalyje

nustatytas sausrų intensyvumas ir pasikartojimų daţnumas. Vertinant pagal HTK daugiausiai buvo

šlapių metų (52%). Pagal SPI 1 daugiausiai artimų normaliam drėkinimui mėnesių (76 %). Atlikus

tikimybinį sausrų pasiskirstymo vertinimą nustatyta, kad ekstremaliai sausringo laikotarpio tikimybė

Telšių rajone 2,4 %, o Kauno rajone 3 %.

Prasminiai ţodţiai: vegetacijos laikotarpis, G. Selianinovo hidroterminis koeficientas,

metodas, sausringumo sąlygos.

5

SUMMARY

Veronika Lukševičiūtė

Evaluation of drought occurrence in Lithuania

Final work of Aleksandras Stulginskis University Master degree Studies. This final work

consists of 50 pages, 25 figures, 11 tables, 11 references in the Lithuanian language and 16 references

in English.

The final work provides the analysis of drought conditions of vegetation period in 1982-2014

year in two Lithuanian regions. To identify drought conditions there two diferent indexes –

Standartized Precipitation Index (SPI) and G. Selianinovas hydrothermal coefficient (HTK) were

applied. In the Europe environmental monitoring system the Standardized Precipitation index plays a

mojor role in identifying the drought. On the other hand the Hydothermal coefficient is the most

popular tool to identify the agricultural drought in Lithuania. In order to define the differences of the

two indexes and make a comprehensive comparison a correlation analysis is used. In the end of this

paper there the probabilistic prognoze using SPI 1 was performed.

The first part of this paper is interactive overview of the world applicable drought monitoring

system, which is compared with hydrometeorological monitoring system contained in Lithuania. The

next part of results there is accomplish drought conditions estimation by Kaunas and Telšiai MS data

according to SPI (1982-2014) and HTK (1996-2014). In the third part of this paper there was performed

comparison of different drought assessment methods. As measured by the HTK most of the months was

wet (52%). As measured by the SPI 1 most of the months was near normal (76%). After probabilistic

forecasting drought the results showed that the probability of extreme dry period in Telšiai is 2,4 % and

in Kaunas – 3 %.

Key words: vegetation period, G. Selianinovas hydrothermal coefficient, method, drought

conditions.

6

ĮVADAS

Sausra – natūralus meteorologinis reiškinys, kuris atsiranda dėl kritulių trūkumo, aukštos oro

temperatūros ir intensyvaus garavimo. Dėl sausrų sukeltų padarinių didţiulių nuostolių patiria ţemės

ūkio, energetikos, socialinis, gamtinis ir kiti sektoriai. Lietuvos teritorija, pagal savo fizines geografines

sąlygas priklauso perteklinės drėgmės zonai, t. y., per metus kritulių iškrinta daugiau negu išgaruoja ar

nuteka paviršiniu nuotėkiu bei infiltruojasi į gruntinius vandenis, tačiau kritulių kiekis augalų

vegetacijos laikotarpiu pasiskirsto labai netolygiai. Nepaisant šio netolygaus metinio kritulių

pasiskirstymo pastebima, jog sausringi laikotarpiai fiksuojami vis daţniau, todėl ypač aktualu ţinoti

tikslius ir aiškius sausrų identifikavimo ir prognozavimo metodus.

Ţinant, jog keičiantis klimatui reikšmingai didėja sausros pavojus ir siekiant išvengti neigiamų

padarinių šalies ūkiui, būtina nuosekliai stebėti ir prognozuoti gręsiančias sausras. Sausros stebėsena ir

prognozavimas atliekamas siekiant numatyti jos mastus bei kiek įmanoma išvengti neigiamų pasekmių

(A. Cancelliere et al. 2006). Sausros gali būti prognozuojamos skirtingiems laikotarpiams: nuo kelių

mėnesių iki kelių metų. Sausrų analizės metu didţiausią reikšmę turi kritulių duomenys, o atliekant

prognozę – sausros trukmė ir intensyvumas (M. T. Pham et al. 2013).

Įvairių uţsienio šalių patirtis rodo, jog remiantis geografinėmis, klimatinėmis bei kitomis

sąlygomis sausroms stėbėti ir prognozuoti taikomi skirtingi indeksai bei metodai.Pasaulinė

meteorologijos organizacija dar 2009 m. rekomendavo Lietuvos meteorologijos tarnybai kaip

universalų sausros indeksą taikyti. Standartizuotą kritulių indeksą (SPI) Tačiau universalaus

agrometeorologinės ir hidrologinės sausrų indeksų paieškos tebevyksta (Valiukas, 2011). Stichinės

sausros paskelbimui įstatymu reglamentuotas pagrindinis kriterijus G. Selianinovo hidroterminis

koeficientas HTK yra taikomas Respublikos mastu, neatsiţvelgiant į atskirų regionų klimatinius ir

dirvoţemio ypatumus. Pagal Lietuvos Respublikos Vyriausybės 2006 m. kovo 9 d. nutarimą „Dėl

ekstremalių įvykių kriterijų patvirtinimo” stichine sausra laikoma tuomet, kai drėgmės atsargos 0 † 10

cm ir 0 † 100 cm dirvos sluoksnyje yra ≤ 10 mm ir ≤ 60 mm, o hidroterminis koeficientas HTK yra

maţesnis nei 0,5 ir toks išsilaiko vieną mėnesį (Ţinios..., 2006).

Kaip rodo pasaulinė patirtis, svarbu ţinoti, kokiais būdais galima nustatyti sausros intensyvumą,

jos trukmę, poveikį šalies ţemės ūkiui. Tuo tikslu šiame darbe buvo analizuojamas 1982-2014 m.

laikotarpio SPI 1 reikšmės pagal Kauno ir Telšių meteorologijos stočių duomenis. Taip pat augalų

aprūpinimo vandeniu nustatymui pasitelkiamas G. Selianinovo hidroterminis koeficientas. Remiantis

7

Kauno ir Telšių hidrometeorologijos stoties duomenimis 1996–2014 m. laikotarpiu, siekiama palyginti

šių dviejų metodų pranašumus ir trūkumus Lietuvos teritorijoje bei nustatyti tikimybinį sausrų

pasikartojimą.

Šio magistrantūros baigiamojo darbo tikslas – įvertinti vegetacijos laikotarpio sausringumą ir jo

tikimybinį pasikartojimą Lietuvoje.

Tikslui pasiekti, iškelti uţdaviniai:

1. Apţvelgti interaktyvias pasaulyje taikomas sausrų stebėsenos sistemas bei palyginti su

Lietuvoje esančia hidrometeorologinių stebėjimų sistema;

2. Nustatyti augalų vegetacijos laikotarpio sausringumą skirtinguose Lietuvos klimatiniuose

rajonuose pasitelkiant SPI ir HTK;

3. Palyginti pagal HTK ir SPI nustatytų sausrų intensyvumą ir pasikartojimų daţnumą

Lietuvos klimatinėms sąlygoms;

4. Nustatyti tikimybinį sausrų pasikartojimą skirtinguose Lietuvos klimatiniuose rajonuose.

Pagal magistrantūros baigiamojo darbo sudarymo metodiką, darbą sudaro įvadas, 4 skyriai,

išvados bei naudotos literatūros sąrašas. Bibliografinį aprašą sudaro 27 šaltiniai. Darbo apimtis - 50

puslapių, grafinę dalį sudaro 11 lentelių, 25 paveikslai.

8

1. LITERATŪROS APŢVALGA

1.1. Ţemės ūkio veikla klimato kaitos akivaizdoje

Šiandien pripaţįstama, kad klimato kaita yra vienas iš didţiausių aplinkos, socialinių ir

ekonominių iššūkių pasauliui. Egzistuoja aiškūs moksliniai įrodymai, kad dėl ţmonių veiklos

susidariusios didelės šiltnamio dujų koncentracijos atmosferoje sustiprina natūralų šiltnamio efektą, dėl

kurio kyla Ţemes temperatūra. Nuo 1970 m. šiltnamio dujų (daugiausia anglies dioksido, CO2)

koncentracija išaugo 70% (ES ţemės ūkis…, 2008).

Klimato nepastovumas ir kaita tiesiogiai įtakoja pasauliniu mąstu vykdomą ţemės ūkio veiklą.

Dėl dirvoţemio derlingojo sluoksnio nykimo, miškų kirtimo bei nuolat didėjančio gyventojų skaičiaus

ţemės ūkio sektoriuje patiriami nuostoliai. Klimato nepastovumas, sausros bei potvyniai, skatina

naujausių technologijų paiešką ir jų taikymą ţemės ūkyje. Tradicinės ţemdirbystės atsisakymas ir

perėjimas prie strateginio ūkių valdymo, padeda apsisaugoti nuo nuolatinės sezoniškumo kaitos (Molly

E. Brown, 2013).

Europos komisijos duomenimis (ES ţemės ūkis..., 2008) klimatinės sąlygos tapo daug

įvairesnės. Šiaurės Europoje smarkiai padaugėjo liūčių ir pūgų, potvyniai tapo įprastu reiškiniu, tuo

tarpu pietų Europos šalyse daug maţiau lyja ir padaţnėjo sausros. Klimatinių sąlygų kaitos prognozės,

priklausomai nuo regiono, smarkiai skiriasi. Galima teigti, kad XXI a. galima tikėtis švelnesnių ir

drėgnesnių ţiemų, karštesnių ir sausesnių vasarų bei daţnesnių bei intensyvesnių su orais susijusių

gamtos reiškinių. Iki 2050 metų nenumatoma ypatingai ekstremalių klimato temperatūros pokyčių,

tačiau galima tikėtis ţenklaus neigiamo ekstremalių oro sąlygų poveikio, kaip antai daţnesnių ir

ilgesnių karšto oro laikotarpių, sausrų ir potvynių. Pasauliniame maisto politikos tyrimų institute

(International Food Policy Research Institute, Washington) atlikti tyrimai (2009) parodė, jog ţemės

ūkio veikla labai susijusi su klimato kaita. Dėl kritulių trūkumo kenčia pasėlių laukai, patiriami derlaisu

nuostoliai.. Didţiausia rizika juntama ekonomiškai stipriose šalyse, kuomet ţemės ūkio sektorius (pvz.:

ryţių auginimas Azijos šalyse) kenčia nuo neigiamų klimato kaitos padarinių. Jau 2005 m.

išsivysčiusiose šalyse daugiau nei pusė visuomenės (t. y. 2,5 milijardai ţmonių) vertėsi ţemės ūkio

veikla. 2009 m. (International..., 2009), beveik 75 proc. visuomenės silpnai išsivysčiusios ekonomikos

šalyse gyveno kaimiškose vietovėse. Norint susidoroti su iššūkiais ateityje, kuomet 2050 m. tikimasi

ţmonių visuomenės padidėjimo iki 9 milijardų, būtina investuoti į modernias ţemės ūkio technologijas,

9

jas pasitelkiant besikeičiančio klimato padariniams kontroliuoti (Impact on Agriculture..., 2009).

Neigiamą poveikį ţemės ūkio derliui dar labiau sustiprina vis daţnesni ekstremalių oro sąlygų

laikotarpiai (potvyniai, dideli karščiai ir sausros). Labiausiai tikėtina, kad tai ypač paveiks smulkius ir

natūrinius ūkius, nes jie turi maţiau galimybių prisitaikyti. Tai padidins bado pavojų, ypač Afrikos

ţemyne (ES ţemės ūkis…, 2008). Maisto politikos ataskaitoje (Food Policy Report, 2009) pagrindinis

dėmesys skiriamas idėjai, jog ryšys tarp ţmogaus ir ţemės ūkio veiklos tiesiogiai priklauso nuo klimato

kaitos, todėl norint šį ryšį išsaugoti turi būti dedamos pastangos kuriant strateginius planus, kaip

panaudojant finansines ir technologines priemones išlaikyti pusiausvyrą ţemės ūkio produkcijos srityje.

Siekiant strateginio poţiūrio į besikeičiančio klimato įtakos didėjimą ir pasekmių valdymą,

pasaulyje kuriamos organizacijos, kurių tikslas vienyti poţiūrį į ţemės ūkio ir maisto apsaugą, ţmonių

sveikatą bei tvarų gamtos išteklių valdymą. Viena tokių – pasaulinė partnerystė Consultative Group on

International Agricultural Research (2008). Ši partnerystė vienija 15 tyrimų centrų, kurie glaudţiai

bendradarbiauja su šimtais partnerių, įskaitant nacionalinių ir regioninių mokslinių tyrimų institutų,

pilietinės visuomenės organizacijų, akademinės bendruomenės, plėtros organizacijų ir privataus

sektoriaus. Šios partnerystės programa - Klimato kaita, Ţemės ūkis ir maisto apsauga (Climate Change,

Agriculture and Food Security (CCAFS)), kuria siekiama įveikti klimato kaitos keliamas grėsmes

ţemės ūkiui ir ieškoti naujų būdų kaip padėti kaimiškoms bendruomenėms prisitaikyti prie globalių

klimato pokyčių. Programoje dalyvauja geriausi pasaulio mokslininkai, dirbantys ţemės ūkio, klimato

tyrimų, aplinkosaugos ir socialinių mokslų srityse, kurie siekia nustatyti kompromisus tarp ţemės ūkio

ir besikeičiančio klimato (CGIAR Research..., 2008). CCAFS yra unikali ir inovatoriška programa,

kurios pagalba tiesiogiai ir operatyviai pritaikomos veiksmų programos ir planai kaip tinkamai reaguoti

į besikeičiantį klimatą ir jo įtaką ţemės ūkiui.

1.2. Pagrindiniai sausras lemiantys veiksniai

Krituliai yra tiesiogiai svarbūs ne tik ţemės ūkio, bet ir vandens išteklių srityje, nes būtent dėl

kritulių tūkumo, aukštos oro temperatūros ir intensyvaus garavimo atmosferoje bei dirvoje vyksta

sausros įtakojami procesai susiję su vandens balanso svyravimu, derliaus skurdumu ar net išnykimu.

Tropinio klimato kraštuose (Rytų Afrika, Malaizija), sausros taip pat tiesiogiai susiję su derliaus

nuostoliais. Netolygus kritulių pasiskirstymas tropikuose iššaukia atsitiktines sausras, kurios tiesiogiai

veikia ţemės ūkį (Nieuwolt S., 1985). Atsitiktinės ţemės ūkio sausros susiję su netolygiu metinio

kritulių kiekio pasiskirstymu. Skirtingais metais kritulių kiekis tropiniuose regionuose gali svyruoti nuo

10

1500 mm iki 250 mm kritulių per metus. Matyti, jog sausrų problematika globaliu mastu opi jau nuo

praeito amţiaus, nes knygos autorius (1985) pastebi, jog esant skirtingoms klimato sąlygoms būtina

numatyti atitinkamus tikimybinės prognozės metodus. Nors Lietuvos teritorija yra perteklinio

drėkinimo zonoje (kritulių iškrinta daugiau nei išgaruoja nuo ţemės paviršiaus), kritulių kiekis, ypač

augalų vegetacijos laikotarpiu pasiskirstęs labai netolygiai. Toks netolygumas yra labai nepalankus

ţemės ūkiui (Dirsė, 2001). Dėl šio proceso mūsų šalyje sausros nėra itin daţnas reiškinys, tačiau

pastaraisiais dešimtmečiais sausros Lietuvoje periodiškai kartojasi ir daţnėja, įvairaus intensyvumo ir

trukmės sausros Lietuvą aplanko beveik kasmet. 1961-1995 m. laikotarpiu vietinės reikšmės stichinės

sausros kartojosi vidutiniškai kas 9 metus (Buitkuvienė, 1998).

Per metus Lietuvoje išktenta apie 748 mm kritulių, išgaruoja – 68 % (apie 512 mm), o nuteka –

32 % (236 mm). Krituliai pasiskirstę labai netolygiai skirtinguose regionuose bei sezoniškumo prasme.

„Daugiausia kritulių iškrinta Vakarų Ţemaitijoje (daugiau nei 1000 mm), maţiausiai – uţ Ţemaičių

aukštumų (maţiau nei 600 mm). Suprantama, jog netolygumas pasireiškia sausrų atsiradimu. Įvairaus

intensyvumo ir trukmės sausros Lietuvą aplanko beveik kasmet (Valiukas D., 2011).

Pastaraisiais dešimtmečiais sausros Lietuvoje periodiškai kartojasi ir daţnėja. Buitkuvienė M.

S., savo staripsnyje „Sausros Lietuvoje – klimato kitimo rodiklis?“ (1999), pastebi, jog sausiausios

buvo 1992 ir 1994 metų vasaros, kuomet uţfiksuoti ypač sausi orai ir smarkus garavimas. Autorė

(1999) numatė, jog kitas sausringas laikotarpis turėjo būti 2008 m. bei 2013- 2015 m.

Vis aktualesnės tampa klimato kaitos problemos, šiuo atveju susijusios su kritulių netolygumu.

Keičiantis klimatui reikšmingai didėja sausros pavojus. Todėl svarbu ţinoti, kokiais būdais galima

nustatyti sausros intensyvumą, jos trukmę, poveikį šalies ţemės ūkiui. Pastebima, jog keičiantis

klimatui, kylant oro temperatūrai, maţėjant kritulių kiekiui ir dienų su lietumi skaičiui šiltuoju metų

laikotarpiu, apie sausras tenka kalbėti dabar ir dar daugiau teks kalbėti ateityje, nes manoma, kad

sausros tik daţnės ir intensyvės.

Daugelį metų buvo manoma, kad sausrų Lietuvoje nebūna arba jos labai retos, nors pagal

Lietuvos hidrometeorologijos tarnyboje patvirtintus sausrų kriterijus 1961−1995 m. aktyviosios augalų

vegetacijos laikotarpiu buvo uţregistruotos 4 stichinės sausros, kurių 3 buvo vietinės reikšmės, 1

stichinė sausra, apėmusi 1/3 Lietuvos teritorijos, ir 2 sausros, nepasiekusios stichinio reiškinio kriterijų,

bet padariusios didelę ţalą (Buitkuvienė, 1999). Nuo 1995 m. iki 2008 m. stichinė sausra uţregistruota

2006 m., o 2008 m. buvo netoli stichinės sausros ribos (Valstybės..., 2008). Sausra skiriasi nuo kitų

11

meteorologinių reiškinių tuo, kad ji yra padarinys suformuotas tam tikrų meteorologinių sąlygų ir

reiškinių. Pasak Valiuko (2011), nėra labai paprasta nustatyti sausrų pradţią ir trukmę, kadangi per

ilgesnį laiką šiomis sąlygomis padaromas vis didesnis poveikis. Be to sausra yra reiškinys, turintis

kompleksinį poveikį tiek ţemės ūkio, tiek vandens išteklių valdymo srityse. Svarbiausias veiksnys,

lemiantis sausrą, yra kritulių stoka, o kritulių kiekis priklauso nuo atmosferos cirkuliacijos. Nustatyta,

kad sausras gali nulemti: 1) arktiniai anticiklonai; 2) Azorų anticiklonai; 3) arktiniai ir Azorų

anticiklonai veikdami kartu (Buitkuvienė, 1999). Kaip jau minėta, Lietuvoje iškrinta maţdaug 650-850

mm kritulių, iš jų šiltuoju metų laiku – 390-580 mm. Apie 60% metinio kritulių kiekio tenka šiltajam

laikotarpiui. Šiltuoju metų laiku kritulių iškrinta du kartus daugiau negu šaltuoju. Per metus būna 160 -

175 dienos su krituliais. Lietingiausia Lietuvoje liepa ir rugpjūtis (79-77 mm), rytinėje respublikos

dalyje – birţelis, o pajūryje – rugsėjis. Maţiausiai kritulių iškrinta vasario, kovo (33-36 mm) mėnesiais

(Vandens reţimas..., 2008).

1.3. Sausrų vertinimo indeksai

Kriterijai sausrai identifikuoti integruoja įvairius duomenis: kritulius, sniego dangos storį,

paviršinį nuotėkį ir kitus vandens pajamų šaltinius į vieningą sistemą. Sausros indeksas paprastai

išreiškiamas vieno skaičiaus verte, kurio taikymas yra daug naudingesnis uţ daugelio duomenų eiles,

naudojamas sprendimų priėmimui, todėl sausrai, kaip sudėtingam klimato reiškiniui apibūdinti yra

sukurta įvairių indeksų.

Pasaulyje ir Europoje nėra vieningo sausros vertinimo indekso bei vienodo poţiūrio į sausros

stebėseną. Nuo 1995 metų stebėti sausros reiškinio pradţią ir plėtrą Kinijoje (Pekino Klimato centras)

naudoja Standartizuotą Kritulių indeksą (SPI) (Mannava V.K.,, 2010). Kenija, Tanzanija, Etiopija,

Uganda, Somalis, Pietų Afrikos Respublika, Nairobis ir kitos Afrikos šalys sausroms indefikuoti taip

pat daudumoje naudoja SPI (Omondi P.A., 2010). Portugalijoje sausroms nustatyti vartojamas

Palmerio rodiklis (Palmer Drought Severity Index (PDSI)) (Mannava V.K.,, 2010). Indekso

skaičiavimui reikalingi duomenys – mėnesinis kritulių kiekis, mėnesinė vidutinė temperatūra bei

dirvoţemio vandens kiekis. Šis indeksas maţiau taikytinas kalnuotoms vietovėms. Skaičiuojant šį

indeksą neįvertinama snygis, sniego danga bei įšalas. Indijoje sausroms stebėti ir vertinti yra

naudojamas ţemės ūkio sausrų anomalijos (drought aridity anomaly index) indeksas, (Sarkar J., ,

2010). Brazilijoje daugiausia naudojama iškritusių kritulių kiekio anomalijos (the rainfall anomaly)

(Sentelhas, 2010). Jungtinėse Amerikos Valstijose - Palmerio rodiklis (PDSI) ir augalų drėgmės

12

indeksas (Palmer Drought Severity Index and Crop Moisture Index) (Palmer 1965 ir 1968, Alley,

1984). Augalų drėgmės indeksui reikalingi duomenys – krituliai ir temperatūra, jis skaičiuojamas

savaitės laiko ţingsniui. Šis indeksas skirtas stebėti trumpalaikių drėgmės sąlygų įtaką besivystantiems

augalams. Tai nėra ilgalaikės sausros stebėjimo įrankis, tačiau gerai atspindi drėgmės atsargas

nedideliame laiko ţingsnyje visuose pagrindiniuose ţemės ūkio regionuose. PDSI sausroms nustatyti

JAV naudojamas nuo 1960 metų. JAV kiekvieną antradienį yra nustatoma prognozuojama sausros

teritorija ūkininkams patogiu GIS formatu, kad jie galėtų joms pasirengti (Raymond P., 2010).

Vokietijoje naudojama Martonne index, SPI ir vandens balanso modelis (the Martonne index,

Standardized Precipitation Index (SPI), and output from the water balance model in order to assess the

intensity of droughts) (Cloppet, 2010). Didţiojoje Britanijoje naudojama Meteorological Drought

Severity Index (DSI) (Cloppet, 2010) ir dienų skaičius be lietaus (Days without Rainfall) (Mannava

V.K. , 2010), Graikijoje - Drought Index (RDI) (Cloppet, 2010); Ispanijoje – Standartizuotą Kritulių

indeksą SPI (Antonio, 2010). Kaip pagrindiniai sausros indikatoriai SPI ir PDSI yra Slovėnijoje,

Albanijoje, Bosnijoje ir Hercogovinoje, Bulgarijoje, Kroatijoje, Makedonijoje, Graikijoje, Suomijoje,

Moldavijoje, Rumunijoje, Turkijoje, Serbijoje ir Montenegro (Cloppet, 2010).

Sausrų indeksų sudėtingumas priklauso nuo parametrų, į kuriuos atsiţvelgiama, skaičių ir pačių

parametrų sudėtingumą. 1.1 lentelėje matyti pasaulyje taikomų ţemės ūkio sausrų identifikavimo

indeksų santrauka, kurioje nurodyti reikalingi kriterijai sausroms identifikuoti.

1.1 lentelė. Ţemės ūkio sausros indeksai ir duomenų poreikis jiems (Mannava V.K. 2010)

Ţemės ūkio sausro indeksas

Kri

tuli

ai

Oro

tem

per

atūra

Fak

tinė

dir

vo

ţem

io

drė

gm

ė

Augm

enij

os

indek

sas

Tėk

mės

sra

uta

s

(nuotė

kis

)

Gar

ingum

as

Dir

voţe

mio

tipas

Palmerio sausros indeksas / Palmer Drought Severity

index PDSI X X

Decilių indeksas / Deciles X

Hutchninson„o indeksas X

Sausringumo anomalijų indeksas / Aridity Anomaly Index X X X

Dviejų rezervuarų vandens modelis / Two reservoir

water balance model X X

Dirvoţemio vandens indeksas / Soil Water Index X X X

Sausros stiprumo indeksas / Drought Severity Index X

Šilto laikotarpio trukmės indeksas / Warm-spell duration X

13

Index

Šalto laikotarpio trukmės indeksas / Cold-spell duration

Index X

Paprastasis dienos intensyvumo indeksas / Simple Daily

Intensity Index X

Santykinė dirvoţemio drėgmės indeksas / Relative Soil

Moisture X X X X

Santykinis vandens deficito indeksas / Relative Water

Deficit X X X X

Sukaupto vandens trūkumo indeksas / Accumulated

Water Deficieny X X X X

Kaupiamasis sausros indeksas / Accumulated Drought

Index X X X

Augalų drėgmės indeksas / Crop Moisture Index (CMI) X X

Dienų be lietaus indeksas / Days without rainfall X

Dirvoţemio drėgmės indeksas / Soil Moisture Index X

Augalų drėgmės indeksas Palmerio pagrindu / CMI-

Palmer based X X

Augalų suminio išgaravimo indeksas / Crop Specific ET X X

Sausros stebėsenos indeksas / Drought Monitor X X X X X X

Standartizuotas kritulių indeksas / Standardized

Precipitation Index (SPI) X

Normos procentas / Percent Normal X

Dirvoţemio drėgmės anomalija / Soil Moisture Anomaly X X

Kaupiamieji krituliai / Cumulative rainfall X

Kaip matyti lentelėje, beveik visų indeksų taikyme reikalingi kritulių duomenys, daugeliui iš jų

informatyvumo teikia ir temperatūra, kuri daugeliu atveju atspindi išgaravimo potencialą. Siekiant

tikslingo ţemės ūkio sausrų vertinimo, tyrėjai prieš priimdami sprendimus daţniausiai taiko keletą

metodų ir tik tada teikia išvadas.

1.4. Standartizuoto kritulių indekso pritaikymas globaliu mąstu

SPI skaičiavimo metodika paremta kritulių duomenų sekos pritaikymu normaliam skirstiniui ir

tolesnio jos normalizavimu į skirtingus laiko intervalius (pavyzdţiui, vieno trijų mėnnesių, pusės metų

ir t.t.). Šio sausros identifikavimo indekso pritaikymas paremtas kritulių pasiskirstymo duomenimis.

SPI reikšmės klasifikuojamos pagal neigiamas ir teigiamas skaitines reikšmes, kurios atitinkamai

reiškia sausringus ir drėgnus laikotarpius (Broek J., ir kt., 2014). SPI skaičiavimais gauti duomenys

pasiskirstę pagal normaliojo skirstinio dėsnį, kas leidţia interpratuoti indekso reikšmių tikimybinį

pasiskirstymą. SPI yra universalus ir plačiai pritaikomas sausros identifikavimo indeksas, kurio pagalba

galima identifikuoti sausras skirtingų klimatinių sąlygų regionuose (Cancelliere ir kt., 2006). Autoriai

14

(2006), remdamiesi Standartizuotu kritulių indeksu, vertinant ir prognozuojant sausrą taiko dvi

metodologijas. Taikant pirmąją metodologiją ir remiantis SPI reikšmėmis analitiškai gaunama

autokovariacijos matrica, kurios pagrindu priartėjimo būdu apskaičiuojama būsimos sausros tikimybė

ateityje. Prognozės patikslinimui taip pat atliekama Markovo grandinės modelio analizė, kurios metu

išaiškinamos reikšmingos klaidos, turinčios įtakos prognozės tikslumui. Taikant antrąją metodologiją

SPI reikšmės prognozuojamos patikimumo intervalo ribose. Gauti rezultatai rodo pakankamai stiprų

ryšį tarp išmatuotų ir prognozuojamų reikšmių esant trumpai ir vidutinio laikotarpio prognozei. Tyrimo

autoriai (2006) pastebi, jog nuolat atliekami tyrinėjimai leidţia išaiškinti išorinius faktorius, kurie gali

įtakoti prognozės tikslumą. Ţvelgiant globaliai, SPI, kaip sausros stebėsenos įrankis, jau 1994 metais

buvo pradėtas naudoti Kolorado valstijose (JAV) (Mckee ir kt., 1993). Ţinant, jog sausrų

identifikavimas pagal SPI teisiškai reglamentuotas 1993 metais, galima spręsti – ši sausrų nustatymo

metodika gana greitai tapo prieinamu įrankiu plačiajai visuomenei. Standartizuotas kritulių indeksas

taip pat plačiai pritaikomas klimato ţemėlapių sudaryme, juos rengia vieni didţiausi pasaulyje klimato

stebėjimo centrai – Nacionalinis sausrų maţinimo centras (National Drought Mitigation Center),

Vakarų regiono klimato centras (Western Regional Climate Center) ir kt.

Standartizuoto kritulių indekso pritaikymas identifikuojant sausras globaliu mąstu akivaizdţiai

juntamas nagrinėjant uţsienio šalių literatūrą. Vijendra K. Boken ir kt.(2005) knygoje Ţemės ūkio

sausrų stebėjimas ir prognozavimas (Monitoring and Predicting Agricultural Drought). Meksikos

sausrų tyrimo centras (The Mexican Drought Research Center) šį indeksą plačiai pritaiko ţemės ūkio

sausrų stebėsenoje. SPI3 indekso reikšmės aktualios sausringų vietovių ūkininkavime, kuomet derlius

labai priklauso nuo sezoninio kritulių svyravimo. SPI12 duomenys aktualūs valstijų agentūroms, kurios

kontroliuoja vandens išteklių valdymą. Platus SPI pritaikymas sausrų valdyme patogus ir tuo, jog

reikšmės gali būti apdorojamos GIS programomis, kuriomis galima pateikti erdvinį duomenų

atvaizdavimą bei aiškiai diferencijuoti skirtingo laipsnio sausrų pasiskirstymą. GIS analizė atliekama

siekiant įvertinti ţalą ţemės ūkio srityse, kitiems gamtiniams ištekliams bei visuomenei. Meksikoje

atlikti tyrimai (Vijedra K. Boken et. al., 2005) parodė, jog Standartizuotas kritulių indeksas,

priklausantis tik nuo kritulių kiekio, gali būti pritaikomas kaip kiekybinis rodiklis sausrų tyrimuose,

tačiau šis indeksas nėra tinkamas ţemės ūkio saurų kiekybiniam įvertinimui, skaičiuojant maţų laiko

ţingsnių SPI.

15

Jakimavičiūtė ir Stankūnavičius (2008) paţymi, jog Europoje SPI taip pat kaip ir uţ Atlanto yra

vienas pagrindinių įrankių sausrų identifikacijai: A. Loukas ir L. Vasiliades (2004) analizavo Graikijos

sausras, P Spasovas su bendraautoriais SPI pritaikė sausrų tyrimams Serbijoje bei R. Faratas ir M.

Kepinska – Kasprzak (1998) tyrinėjo Lenkijos sausras. M. Trnka su bendraautoriais (2003)

meteorologines sausras analizavo pietryčių Čekijoje bei šiaurės rytinėje Austrijos dalyje pagal SPI ir

Palmer sausrų stiprumo indeksą. S. Vicente – Serrano ir bendraautoriai (2004) analizavo Valencijos

sausras, 1951–2000 metais. A. U. Komuscu (2001) nagrinėjo drėgmės sąlygas bei jų priklausomybę

nuo atmosferos cirkuliacijos, sausras Turkijoje.

1.5. Sausrų tyrimai Lietuvoje pasitelkiant Standartizuotą kritulių indeksą

Sausringus laikotarpius Vilniuje apibendrino Donatas Valiukas (2011), straipsnyje „Sausringi

laikotarpiai Vilniuje 1891–2010”. Tyrimui pasitelkta 120 metų stebėjimų duomenys, kas leidţia teigti,

kad buvo išanalizuotas viso XX amţiaus sausrų pasiskirstymas bei daţnumas. Tyrimui naudotos 1891–

2010 m. laikotarpio visų mėnesių kritulių sumos. Pradţioje buvo atlikti du SPI skaičiavimo SPI1, SPI3,

SPI6, SPI9, SPI12, SPI24, SPI48, SPI60 laiko ţingsniais variantai: su rekonstruotomis duomenų

sekomis ir nerekonstruotomis duomenų sekomis. Tuomet autorius atliko analizę, kaip skiriasi dviem

būdais gauti rezultatai visoje SPI apskaičiuotoje duomenų sekoje. Analizės metu nustatyta, jog tų pačių

mėnesių rezultatai iš esmės nesikeičia, koreliacijos koeficientas išlieka labai panašus. Pasak autoriaus

(2011), kadangi skirtumai yra labai nedideli ir didesnės įtakos bendriems rezultatams neturi, vis dėl to,

patogiau naudoti rekonstruotas duomenų sekas, kuomet ištisa duomenų seka, kai laikotarpiai be

metereologinių matavimų interpoliacijos būdu yra uţpildomi artimiausių stočių duomenimis.

Bakalauro studijų metu buvo analizuojamas Standartizuotas kritulių indeksas ir jo galimas

pritaikymas ţemės ūkio sausroms identifikuoti. Tyrimui buvo pasitelkti 1982-2012 m Kauno MS

mėnesiniai kritulių duomenys. Tyrimo metu atlikta analizė pasitelkiant penkis laiko ţingsnius, nes tai

teikia ţinių ne tik apie sausros intensyvumą bet ir apie sausringo laikotarpio trukmę. Atliekant SPI

indekso analizę, skaičiavimams pasirinkti 1, 3, 6, 12 ir 24 mėnesių ţingsniai. Išryškėjo tendencija, kad

kuo didesnis laiko ţingsnis, tuo maţesni kreivių pokyčiai.

Tiriamuoju laikotarpiu daţniausiai kartojosi SPI reikšmės, kurios reiškia, jog drėkinimas

artimas normaliam. Nustatant SPI1 tokių reikšmių pasikartojimas – 66 %, SPI3 – 69 %, SPI6 – 67 %,

16

SPI12 bei SPI24 – 68 %. Ekstremaliai sausų laikotarpių reikšmės visais skaičiavimo ţingsniais labai

panašios: SPI6 bei SPI24 – 2 %, SPI1, SPI3, SPI12 – 3 %,

Tyrimo autorius Valiukas (2011), pateikdamas sausų ir drėgnų laikotarpių vertinimo rezultatus,

padarė išvadą, jog kuo didesnis laiko ţingsnis, tuo sausringų laikotarpių daugiau, tačiau jie būna

trumpesni. Kadangi SPI skaičiavimuose buvo lyginami rezultatai tarp atskirų laiko ţingsnių, autorius

(2011) pastebi, kad kuo SPI ţingsnis maţesnis, tuo daugiau trumpesnių sausrų fiksuojama. Ir

atvirkščiai, kuo SPI ţingsnis didesnis, tuo sausrų maţiau, bet jos ilgesnės. Atitinkami rezultatai buvo

gauti analizuojant Kauno MS duomenis bakalauro studijų metu (2013).

Kadangi sausringų atvejų tyrime uţfiksuota nemaţa dalis nuo tiriamojo laikotarpio, todėl

autorius (2011) teigia, jog reikėtų daugiau dėmesio skirti ekstremaliam SPI sausros kriterijui, kai sausra

įgyja pavojingiausią lygį. Valiukas (2011) pastebi, jog norint fiksuoti labai sausringus mėnesius

trumpais SPI ţingsniais, netinka apibrėţimas, kuomet sausros pradţia laikoma SPI reikšmei perţengus

-1 ir objektyviau būtų naudoti maţesnes SPI reikšmes, pritaikant jas mūsų klimatinėms sąlygoms.

Taigi, atliekant sausros identifikavimą mūsų regiono sąlygomis, reikėtų atkreipti dėmesį į tai, kad SPI

reikšmių skalė turėtų būti koreguojama, ją labiau pritaikant konkretiems rezultatams.

Kaip jau minėta pradţioje, autorius (2011) maţo ţingsnio SPI reikšmes lygino su HTK

reikšmėmis. Buvo pasirinkti vasaros mėnesiai, nes tuomet sausros būna pavojingiausios, o ir HTK

skaičiuojamas tik vegetacijos laikotarpiu. Kadangi per tiriamąjį laikotarpį fiksuoti 23 ektremaliai sausi

mėnesiai, kai HTK < 0,5, o tokių ekstremaliai sausų mėnesių su SPI1 reikšmėmis buvo fiksuota vos 10

t.y. daugiau nei dvigubai maţesnis skaičius, tai autorius pabrėţia, jog SPI identifikuoja ne visas HTK

indeksu apskaičiuotas sausras. Taigi, išryškėja vienas iš tų atvejų, kuomet SPI visapusiškai neatitinka

mūsų vietos sąlygų bei kas kart turi būti pritaikomas konkrečiai sąlygai. Autoriaus teigimu,

ekstremaliausią sausrą SPI identifikuoja, tačiau jis paremtas ne mėnesio kritulių kiekiu, o HTK

kasdieniais duomenimis, todėl SPI negali identifikuoti laikotarpio, jei jis prasideda ne nuo mėnesio

pradţios, o nuo vidurio.

Kiti autoriai, Jakimavičiūtė N. ir Stankūnavičius G. (2008) savo tyrime „Sausrų Lietuvoje

diagnozė naudojant skirtingus kritulių rodiklius ir klasifikacijos metodus“ pabrėţia, jog ţiemos metu,

kai nevyksta vegetacija, SPI indeksas Lietuvos atţvilgiu tampa neinformatyvus, todėl darbe

skaičiuojamas ne visas metų periodas, o pateikiama tik 4–10 mėnesių analizė. Šio tyrimo tikslas –

išskirti indeksų, kurių skaičiavimui naudojami tik mėnesių kritulių kiekio duomenys. Taip pat šie

17

autoriai (2008) didelį dėmesį skiria savo atliktos analizės palyginimą, su anksčiau Lietuvoje vykdytais

sausrų tyrimais.

Jakimavičiūtė N. ir Stankūnavičius G. (2008), vieną pagrindinių sausrų tyrimų Lietuvoje

išskiria straipsnį „Sausros Lietuvoje – klimato kitimo rodiklis?“ (Buitkuvienė, 1999), kuriame pagal

maţas produktyviosios drėgmės atsargas diagnozuojama 13 sausringų sezonų. Tiriamas 1961–1996

m.laikotarpis. Šio tyrimo metu šiltojo laikotarpio sausroms įvertinti (balandţio – spalio mėn.) pasirinkti

du kritulių indeksai: Standartizuotas kritulių indeksas (SPI) bei Procentinio nuokrypio nuo normos

indeksas (PNP). Autoriai (2008) išanalizavę 1961-2000 metų laikotarpio septynių Lietuvos

meteorologijos stočių (Kauno, Kalipėdos, Lazdijų, Paneveţio, Šiaulių, Utenos ir Varėnos) mėnesio

kritulių kiekio duomenis, pagal skirtingą SPI ţingsnį, nustatė, kad sausringumo laikotarpiai sutampa su

ankstesniuose sausrų tyrimuose taikytų metodų rezultatais. Autoriai tyrimo metu pastebi, jog tikslingiau

pasitelkti maţiausius SPI laiko ţingsnius (1, 3, 6 mėn.), o šių laiko ţingsnių dėka daugiausiai

ekstremaliai sausringų mėnesių uţfiksuota Klaipėdos, Utenos bei Varėnos regionuose. Kauno bei

Panevėţio regionuose sausra uţfiksuota tik pasitelkus ilgus laiko ţingsnius (12, 24, 48 mėn.)

(Jakimavičiūtė ir Stankūnavičius, 2008). Šių autorių atlikto tyrimo rezultatai taip pat rodo, jog

remiantis Procentinio nuokrypio nuo normos indeksu diagnozuojama tik apie 44 % ankstesniuose

tyrimuose nustatytų sausrų, o klasterinės analizės metu nustatyta, kad virš Lietuvos teritorijos

egzistuoja teigiama geopotencialaus aukščio anomalija, kuri tiesiogiai susijusi su kritulių deficitu

(Jakimavičiūtė ir Stankūnavičius, 2008).

18

2. TYRIMO TIKSLAS IR UŢDAVINIAI

Šio darbo tikslas – įvertinti vegetacijos laikotarpio sausringumą ir jo tikimybinį pasikartojimą

Lietuvoje.

Tikslui pasiekti, iškelti uţdaviniai:

1. Apţvelgti interaktyvias pasaulyje taikomas sausrų stebėsenos sistemas bei palyginti su

Lietuvoje esančia hidrometeorologinių stebėjimų sistema;

2. Nustatyti augalų vegetacijos laikotarpio sausringumą skirtinguose Lietuvos

klimatiniuose rajonuose pasitelkiant SPI ir HTK;

3. Palyginti pagal HTK ir SPI nustatytų sausrų intensyvumą ir pasikartojimų daţnumą

Lietuvos klimatinėms sąlygoms;

4. Nustatyti tikimybinį sausrų pasikartojimą skirtinguose Lietuvos klimatiniuose

rajonuose.

19

3. TYRIMO METODIKA IR ORGANIZAVIMAS

3.1. Tyrimo objektas

Baigiamojo darbo pagrindinis tyrimų objektas Kauno ir Telšių rajonų sausringumo sąlygos.

Tyrimų objekto vietos pasirinkimui pagrindinis kriterijus – Lietuvos klimato rajonavimas,

vyraujantys dirvoţemiai, agrometeorologijos ir meteorologijos stočių tinkas, teritorijos panaudojimo

funkciniai prioritetai ir kiti veiksniai. Nors Lietuvos teritorija santykinai nėra didelė, tačiau skirtingos

sausringumo sąlygos atskiruose regionuose įtakoja gaunamus rezultatus. Kuomet vidurio Lietuvoje

identifikuojama sausra, Ţemaitijos teritorijoje gali būti fiksuojami šlapi laikotarpiai.

Visos Lietuvos teritorijoje įrengtas meteorologinių stebėjimų tinklas, kurio dėka, šiuo metu

galima vertinti pagrindinę meteorologinę informaciją ir klimato kaitą (3.1 pav.). Tikslios ir kokybiškos

trumpalaikės prognozės padeda pasirengti nepalankioms orų sąlygoms, išvengti materialinių nuostolių,

kurie turi įtakos šalies ūkiui.

3.1 pav. Meteorologinių stočių tinklo ţemėlapis (LHMT, 2015)

Lietuvos hidrometeorologijos tarnyboje (LHMT) įdiegta atmosferos radiozondavimo įranga,

kuri suteikia galimybę operatyviai gauti, apdoroti ir pateikti patikimą informaciją apie oro sąlygas,

tiksliau prognozuoti orus. Kad tarnyba galėtų įvertinti aplinkos oro kokybę bei prognozuoti stichinius

bei katastrofinius reiškinius, reikalingi kokybiški, didesnio daţnumo meteorologiniai duomenys

realiuoju laiku. Atmosferos radiozondavimas yra vienintelis būdas, kaip galima tiesiogiai ir tiksliai

pamatuoti meteorologinius duomenis Ţemės atmosferos sluoksniuose.

20

3.2. Sausringumo vertinimas pasitelkiant SPI ir HTK

Siekiant nustatyti ţemės ūkio sausrų intensyvumą ir daţnį pasitelkiant SPI ir HTK bei įvertinti

pasikartojimo tikimybę Kauno bei Telšių teritorijoms, šiame darbe naudotos 1982–2014 m. vegetacijos

laikotarpio mėnesių kritulių sumos. Reikalingi duomenys vertinimui ir prognozavimui, buvo išrinkti iš

Meteorologinių metraščių, kurie parengti pagal Kauno ir Telšių teritorijų meteorologijos stočių

duomenis.

Sausringumui veritinti buvo taikytas Standartizuotas kritulių indeksas (SPI). Jo skaičiavimui

buvo pasirinkti tik vegetacijos laikotarpio mėnesiai (geguţė, birţelis, liepa, rugpjūtis, rugsėjis), nes

tuomet sausrų prognozavimas Lietuvoje aktualiausias. SPI skaičiavimo metodika pagrįsta kritulių

duomenų sekos pritaikymu normaliam skirstiniui ir tolesniu jos normalizavimu į skirtingus laiko

intervalus (pvz., vieno, trijų mėnesių, pusės metų ir t. t.). Ši metodika pateikta sausrų Europoje

klimatologiją nagrinėjančiame B. Lloyd – Hughes‟o ir M. A. Sauderso (2002) darbe. SPI skaičiuoklės

veikimas pagrįstas kritulių duomenų pritaikymu Gama skirstiniui (1 formulė).

x

x dxexxG0

/1

)(

1)(

, (1)

čia G(x) – skaičiuojamoji tikimybė;

β – laiko intervalo parametras;

α – formos parametras;

x – mėnesio kritulių kiekis

Г(α) – gama funkcija.

Parametrai α ir β yra nustatomi:

3

411

4

1 A

A ; (2)

x ; (3)

čia

n

xxA

))(ln()ln( ; (4)

n – tiriamų metų skaičius.

21

SPI skaičiuojamas specialia programine įranga, kurią galima rasti Nacionalinio sausrų

maţinimo centro tinklapyje (National ..., 2013). Programos pradinis langas ir skaičiavimo rezultatai

pateikti 3.2 pav.

3.2 pav. SPI_SL_6.exe skaičiuoklės langas ir skaičiavimo rezultatai

Skaičiavimai pasitelkus SPI_SL_6.exe programą gali būti aprašomi keliais pagrindiniais

etapais:

1. Visų pirma, suvedami ilgamečiai stebėjimų duomenys. Tam gali būti taikomos programos

Notepad arba Excel.

2. Vadovaujantis programos aprašymu, surašomi pagrindiniai duomenys: skaičiuojamasis

laiko ţingsnis, duomenų išsaugoto failo pavadinimas ir norimų rezultatų failo pavadinimas.

3. Gauti rezultatai gali būti apdorojami bet kokia teksto redagavimui tinkančia programa.

Tyrimo metu skaičiavimai atlikti pagal 1 mėnesio laiko ţingsnį, kuris tekste įvardijamas kaip

SPI 1. Apskaičiavus SPI reikšmes, naudojamasi reikšmių interpretacijų lentele (3.1 lentelė).

3.1 lentelė. SPI reikšmių interpretacija (National Drought..., 2006)

Reikšmė Interpretacija

≥2,0 Ekstremaliai drėgna

1,5 – 1,99 Labai drėgna

1,0 – 1,49 Vidutiniškai drėgna

-0,99 – 0,99 Artima normaliam

-1 – (-1,49) Vidutiniškai sausa

-1, 5 – (-1,99) Labai sausa

≤-2,0 Ekstremaliai sausa

22

Vienas iš SPI kūrėjų McKee siūlo sausros pradţia laikyti tada, kai SPI skaitinė reikšmė yra

maţiau kaip -1, o sausros pabaiga tada, kai indeksas pasiekia teigiamą reikšmę. Ir šį sausros sausros

apibūdinimo bei trukmės vertinimo apibrėţimą taikyti visiems laiko ţingsniams.

Pagrindinis kriterijus vegetacijos laikotarpio drėgmingumui vertinti Lietuvoje yra – G.

Selianinovo hidroterminis koeficientas (HTK). HTK yra priskiriamas prie sausringumo vertinimo

kriterijų, pagrįstų vandens balanso lygtimi. Jeigu HTK maţesnis nei 0,5 nenutrūkstamai išsilaiko vieną

mėnesį, konstatuojama stichinė sausra. G. Selianinovas, vertindamas sausringumą, vartojo vegetacijos

laikotarpio kritulių ir temperatūros duomenis. Parų vidutinės oro temperatūros sumą, sumaţinęs 10

kartų, prilygina garingumui ir laikotarpio drėgnumą – sausumą siūlo vertinti pagal hidroterminį

koeficientą (Valiukas D. 2011):

;1,0 10T

HHTK (5)

čia H – skaičiuojamo laikotarpio kritulių suma mm;

T10 – paros vidutinės oro temperatūros, didesnės nei 10 °C, suma per tą patį laikotarpį.

Vegetacijos laikotarpio (kai oro temperatūra >10 oC) HTK reikšmės pateiktos 3.2 lentelėje. Šis

reikšmių vertinimas naudojamas vienam mėnesiui, vienai sausrai, kuri trunka ilgiau nei mėnesį, ar

vienam vegetacijos laikotarpiui apibūdinti.

3.2 lentelė. HTK reikšmių interpretacija (Dirsė, 2001)

Vertinant Lietuvos klimatą pagal šį rodiklį, daugiausia lemia kritulių kiekio skirtumai: Vidurio

Lietuvos ţemumoje drėgnumas optimalus, o Ţemaičių aukštumoje – perteklinis. Reikia atkreipti

dėmesį, jog pagal HTK įvertinami tik kritulių ištekliai ir garavimo intensyvumas, o į dirvoţemio tipą,

paviršinio nuotėkio sąlygas ar augalo rūšį neatsiţvelgiama. Todėl konkrečioje vietovėje gradacijų ribos

gali skirtis ±0,2.

Reikšmė Interpretacija

>1,5 Šlapia

1,0 – 1,5 Pakankamai drėgna

0,8 – 1,0 Nepakankamai drėgna

0,6 – 0,7 Sausringa

0,4 – 0,5 Sausa

<0,3 Labai sausa

23

Tyrime skaičiuotos HTK reikšmės dviejuose objektuose – Telšių regionui (2009-2014 m.) ir

Kauno regionui (1996-2014 m.).

3.3. Duomenų apdorojimas

Nagrinėjant, kaip atitinka SPI 1 ir HTK reikšmės, vertinamas korialiacijos koeficientas.

Koreliacijos koeficientas yra tiesinės priklausomybės tarp dviejų dydţių x, y matas. Nagrinėjamu

atveju x matas atitinka SPI 1 reikšmes, o y matas – HTK reikšmės. Taigi, norint nustatyti ar šie du

dydţiai tarpusavyje susiję, jie pavaizduojami grafiškai ir vizualiai nustatoma, ar egzistuoja taškų

erdvinio išsidėstymo atitinkama tendencija, ar stebima tiktai atsitiktinė taškų variacija. Priklausomai

nuo koreliacijos koeficiento reikšmės nustatomas koreliacijos teigiamas ar neigiamas tiesinis ryšys.

Koreliacijos koeficiento reikšmių skalė pateikiama 3.3 lentelėje.

3.3 lentelė. Koreliacijos koeficiento reikšmių skalė (Sakalauskas, 2003)

labai

stipri stipri vidutinė silpna

labai

silpna

nėra

ryšio

labai

silpna silpna vidutinė stipri

labai

stipri

-1 nuo -1

iki -0,7

nuo -0,7

iki -0,5

nuo -0,5

iki -0,2

nuo -0,2

iki 0 0

nuo 0

iki 0,2

nuo 0,2

iki 0,5

nuo 0,5 iki

0,7

nuo 0,7

iki 1 1

Kuo koreliacijos koeficiento reikšmė arčiau 1 – tuo stipresnis tiesinis ryšys ir atvikščiai, kuo

koreliacijos keoficiento reikšmė arčiau -1, tuo stipresnis neigiamas ryšys. Taigi, jei koreliacija yra

teigiama, tai du dydţius (SPI 1 ir HTK) sieja tiesioginis ryšys, o jei koreliacija neigiama – atvirkštinis

ryšys. Jeigu dviejų kintamųjų koreliacijos koeficientas lygus nuliui, tai kintamieji yra statistiškai

nepriklausomi.

Tikimybinis sausrų pasiskirstymas ir daţnis įvertintas pasitelkiant MS Excel skaičiuoklę ir

statistinės analizės programą EasyFit (3.3 pav.). Taikant šią programą pagal turimų duomenų eiles

tiesiogiai parenkamas tinkamiausias reikšmių pasiskirstymo dėsnis.

24

3.3 pav. EasyFit programos pradinis langas ir skaičiavimų rezultatai (http://www.mathwave.com/easyfitxl-distribution-fitting-excel.html)

Pasirinkus tinkamiausią duomenų pasiskirstymo dėsnį galima apskaičiuoti tikimybinį jų

pasiskirstymą, grafiškai pateikti duomenys padeda interpretuoti gautus rezultatus ir priimti atitinkamas

išvadas.

25

4. TYRIMŲ REZULTATŲ ANALIZĖ IR JŲ APTARIMAS

4.1. Meteorologinių reiškinių stebėsenos tinklas – Lietuvoje ir JAV

4.1.1. Sausrų stebėsenos sistema Jungtinėse Amerikos valstijose

Sukurtas Nacionalinio sausros prevencijos centro (National Drought Mitigation Center), prie

Nebraskos-Linkolno universiteto, bei JAV taikomas interaktyvus įrankis, kurio paskirtis ‒ kaupti,

vertinti ir sudaryti sausros įtakos erdvinius ţemėlapius. Įrankis įdiegtas atsiţvelgus į poreikį duomenų

bazei valdyti, sausrų rizikai prognozuoti ir fiksuoti. Informacija renkama iš visuomenės informavimo ir

kitų viešai prieinamų šaltinių, savanoriškos veiklos pagrindu, vykdoma savanorių, federalinių ir šalies

agentūrų.

Interaktyvus įrankis (4.1 pav.) įdiegtas 2005 m. birţelio mėn. kaip pirmoji nacionalinė, labai

išsami duomenų bazė. 2011 m. rudenį ši sistema atnaujinta ir šiuo metu kaupia detalią informaciją,

prieinamą ne tik mokslininkams bet ir suinteresuotiems visuomenės nariams. Informacija gali būti

apibendrinta, taip pat suteikiamos atskiros detalės.

4.1. pav. Sausrų vertinimo interaktyvus ţemėlapis JAV (Nacionalinis sausrų maţinimo

centras, JAV, 2015) (http://droughtreporter.unl.edu/)

Interaktyviuose ţemėlapiuose informacija renkama ir apibendrinama vertinant šiuos kriterijus:

26

1. Augalų atsparumą sausrai (vegetation drought response index). Ţemėlapiai sudaromi kas dvi

savaites ištisus metus ir atsipinti augalų augimo sąlygas bei jų būklę visoje JAV teritorijoje

2. Nacionalinės meteorologinės tarnybos registruojamų kritulių suvestinių (analizės);

3. Ilgalaikės / trumpalaikės sausros indeksų derinio (4.2 pav.). Trumpalaikės sausros procentilių

ţemėlapis apibendrina su sausra susijusią riziką, kurie pirmiausiai pasireiškia dėl kritulių stygiaus.

Sausros trukmė svyruoja nuo kelių dienų iki kelių mėnesių, yra siejama su gaisrų pavojumi, ţemės ūkio

augalų augimo sąlygomis nedrėkinamose teritorijose, dirvoţemio drėgmės reţimu, nereguliuojamų

vandens tėkmių srautais. Ilgalaikės sausros procentilės atspindi sausros poveikius susijusius su

ilgalaikiais nuokrypiais nuo kritulių normos (pvz, nuo kelių mėnesių iki kelerių metų).

4.2 pav. Skirtingos trukmės sausros indeksų ţemėlapiai

(http://www.cpc.ncep.noaa.gov/products/predictions/tools/edb/droughtblends.php)

4. Savaitinio orų ir augalų biuletenio.

5. Palmerio sausros atšiaurumo indekso (PSDI) (4.3 pav.). Atnaujinamas kiekvieną savaitę

Klimato prognozavimo centro (Climate Prediction Center). Pagrįstas kritulių, oro tempeaturūros ir

daugiamečių stebėjimų. Skaičiuojamas pagal W. C. Palmer„io formulę (1965). Kaip privalumas

išskiriama tai, kad tai skaitmeninė išraiška, skaičiavimai gali būti atliekami praeities laikotarpiui (pagal

stebėjimų eilę). Trūkumas – nespėja „sureaguoti“ į staiga prasidėjusią sausrą, neįvertina sniego dangos.

PSDI – buvo pagrindinis kriterijus sausrai identifikuoti iki sukuriant sausrų prevencijos interaktyvų

įrankį.

27

4.3 pav. Palmerio sausros atšiaurumo indeksas

(http://www.cpc.ncep.noaa.gov/products/analysis_monitoring/regional_monitoring/palmer.gif)

6. Augalų drėgmingumo indeksas. Atnaujinamas kiekvieną savaitę klimato prognozavimo

centre (Climate Prediction Center), yra PSDI išvestinė, sukurtas atspindėti besikeičiančias dirvoţemio

drėgmės sąlygas.

7. Standartizuotas kritulių indeksas (SPI) (4.4 pav.). Gali būti skaičiuojamas skirtingais laiko

ţingsniais, tai sutiekia lanksčios informacijos identifikuojant ilgalaikes (hidrologines) ir trumpalaikes

(ţemės ūkio) sausras.

4.4 pav. 60-ties dienų SPI

8. Procentinis kritulių nuokrypis. Skaičiuojamas 30 ir 90 praėjusio laikotarpio dienų trukmei,

atnaujinamas kasdien.

9. Hidrologiniai stebėjimai (4.5 pav.). JAV geologijos tarnyba kasdien atnaujina hidrologinius

(nuotėkio) ţemėlapius, pagal atliekamus matavimus stebėjimų stotyse. Spalviškai išskiriamas

nuokrypis nuo normos. Skaičiavimai atliekami tik remiantis duomenimis tų stočių, kuriose duomenų

eilė ne trumpesnė negu 30 metų.

28

4.5 pav. Hidrologinių stebėjimų informacijos portalas (http://waterwatch.usgs.gov/)

10. Nuotėkio pritekėjimas iš kalnuotų vietovių (dėl sniego dangos). Kiekvieną mėnesį

skirtingos tarnybos atnaujina informaciją susijusią su padidėjusiu nuotėkiu iš kalvotų vietovių dėl

sniego dangos tirpsmo.

11. Viršutinio (15 cm) dirvos sluoksnio drėgmė. Pateikiami trys ţemėlapiai – faktinis,

palyginamasis faktinis bei 5 ir 10 metų vidurkiai (4.6 pav.).

4.6 pav. Viršutinio dirvos sluoksnio drėgmė

(http://www.cpc.ncep.noaa.gov/products/monitoring_and_data/5yrcomp.gif)

12. JAV ir pasaulio dirvoţemio drėgmės atsargos.

13. Duomenys atspindintys augalų būklę (STAR ‒ Global Vegetation Health Products).

Interaktyvus portalas kuriame talpinami duomenys susiję su augalų dangos būkle ir kt. informacija

29

susijusia su augalų augimo būkle pasaulyje. Yra informacijos langai su Lietuvos teritorija ir jos

auglinės dangos būklės pokyčiais (4.7 pav.).

4.7 pav. Augalų būklės informacinė sistema (Mokslinių tyrimų ir palydovų mokslinis

centas) (http://www.star.nesdis.noaa.gov/smcd/emb/vci/VH/vh_gmap4km.php )

14. Gaisringumo ţemėlapiai. Taikomi norint įvertinti gaisrų rizikos pavojų. Ţemėlapiai

sudaromi įvertinant praėjusio laikotarpio orų sąlygas.

JAV taikoma išsami/ aprėpianti daugelį meteorologinių, dirvoţemio drėgmės, augalų būklės

stebėjimo sistema leidţianti operatyviai reaguoti į esamą situaciją bei prognozuoti galimus sausros

įvykius. Į šią stebėjimo sistemą tiesiogiai įsitraukia šalies ūkininkai, kuomet savo pasėlių laukuose stebi

esančią situaciją ir elektroniniu būdu teikia duomenis apie pasėlių būklę, kritulių kiekį, dirvoţemio

drėgmę, nuostolių dydţius, kuriuos jie patiria dėl susiklosčiusių meteorologinių reiškinių.

1.4.2. Meteorologinių reiškinių stebėsenos sistema Lietuvoje

Centrinio meteorologinių duomenų valdymo centro funkciją Lietuvoje teikia Lietuvos

hidrometeorologijos tarnyba prie Aplinkos ministerijos. Jos tikslas – teikti patikimą meteorologinę ir

hidrologinę informaciją, reikalingą Lietuvos nacionalinėms reikmėms ir valstybės tarptautiniams

įsipareigojimams vykdyti maţinant neigiamą nepalankių hidrometeorologinių sąlygų poveikį aplinkai

ir ţmogui (Tarnybos..., 2015).

Hidrometeorologijos tarnyba teikia šias paslaugas:

1. Kasdieninės orų prognozės. Prognozės sudaromos kiekvieną penktadienį remiantis

Europos vidutinės trukmės orų prognozių centro (ECMWF) duomenimis. Šie duomenys apima

kritulius, temperatūrą, debesuotumą, vėjo ir gūsių duomenis bei matomumą (4.8 pav).

30

2. Pavojingų reiškinių duomenų sisteminimas ir ţemėlapis. Sistema sukurta įgyvendinant

projektą „Stichinių gamtos reiškinių išankstinės perspėjimo sistemos sukūrimas ir įdiegimas“,

finansuojamą Norvegijos finansinio mechanizmo ir Lietuvos Respublikos valstybės biudţeto lėšomis.

3. Radarų informacija. Meteorologinis radaras yra skirtas krituliams stebėti, jų fazės,

kiekio, judėjimo greičio apskaičiavimui bei labai maţos trukmės orų prognozėms sudaryti (4.9 pav.).

4. Palydovo informacijos pateikimo ţemėlapiai.

4.8 pav. Skaitmeninės orų prognozės ţemėlapis. LHMT, 2015

(http://meteo.lt/skaitmenine_prog_lt_zem.php)

5. Ţaibų išlydţių informacija. Antţeminė ţaibų aptikimo sistema registruoja ţaibų sukeltas

ţemo daţnio elektromagnetines (radio) bangas ir remiantis trianguliacijos principu nustato ţaibo

išlydţio vietą ir laiką.

4.9 pav. Meteorologinių radarų informacija. LHMT, 2015 (http://meteo.lt/radaro_inf.php)

31

6. Hidrologinės informacijos teikimas.

7. Miškų gaisringumo ţemėlapiai.

8. UVI prognozės sudarymas. UV indeksas – tai paprasta ir lengvai suprantama priemonė UV

spinduliuotės intensyvumui įvertinti. UV Indekso reikšmės grupuojamos į kategorijas ir lemia apsaugos

nuo saulės reikalingumo laipsnį (LHMT, 2015).

Meteorologinių stebėjimų sistemos Lietuvoje ir sausrų stebėsenos sistemos JAV palyginimas

pateiktas 4.1 lentelėje.

4.1 lentelė. Stebėjimų sistemų Lietuvoje ir JAV palyginimas.

LIETUVA

JAV

Ka

sdie

nin

ės

orų

pro

gn

ozė

s.

Pa

vo

jin

gų

reiš

kin

ių

du

om

enų

sist

emin

ima

s

Ra

da

rų

info

rma

cija

Pa

lyd

ov

o

info

rma

cijo

s

pa

teik

imo

ţem

ėla

pia

i.

Ţa

ibų

išl

yd

ţių

info

rma

cija

Hid

rolo

gin

ės

info

rma

cijo

s

teik

ima

s

Miš

kų

ga

isri

ng

um

o

ţem

ėla

pia

i

UV

I p

rog

no

zės

sud

ary

ma

s

Augalų atsparumas sausrai

Kritulių suvestinių analizė

Ilgalaikės/ trumpalaikės sausros

indeksų derinio ţemėlapiai

Savaitiniai orai

Palmerio sausros atšiaurumo

indeksas

Klimato prognozavimas

Augalų drėgmingumo indeksas

Standartizuotas kritulių

indeksas

Procentinis kritulių nuokrypis

Hidrologiniai stebėjimai

Nuotėkio pritekėjimas iš

kalnuotų vietovių

Viršutinio dirvos sluoksnio

drėgmė

JAV ir pasaulio dirvoţemio

drėgmės atsargos

Duomenys apie augalų būklė

Gaisringumo ţemėlapiai

Pastaba: žalia – taikoma tik LT, rausva – JAV, raudona iš dalies sutampantys stebėjimo rodikliai.

Lyginant duomenis akivaizdţiai pastebimi skirtumai ir panašumai tarp dviejų skirtingų šalių

stebėsenos sistemos pavyzdţių. Uţ Atlanto sausrų stebėsenos sistema plačiai pritaikoma, yra sukurta

interaktyvių ţemėlapių, kurie vizualiai perteikia nuolat kintančius stebėjimų duomenis. Augalų būklės

informacinėje sistemoje talpinama susijusi su augalų augimo būkle pasaulyje. Šioje sistemoje yra

LIETUVA

JAV

32

informacijos langai susiję su Lietuvos teritorija ir jos augalinės dangos būklės pokyčiais, todėl galima

sakyti, kad Lietuva pamaţu įsitraukia į vieningą stebėsenos tinklą.

Aptartos meteorologinių reiškinių stebėjimo sistemos turi ir panašumų ir skirtumų. Interaktyvūs

ţemėlapiai daţnai teikia informaciją apie kritulius temperatūrą, hidrologinę informaciją ir kitus

kasdieninius reiškinius. JAV pavyzdys parodė, jog šios šalies duomenų bazė sėkmingai išplėtota, turinti

vieningą reiškinių vertinimo sistemą, pasitelkianti atitinkamus indeksus. Lietuvoje trūksta informacijos

apie laisvai prieinamus dirvoţemio drėgmės duomenis, tokių duomenų atvaizdavimą interaktyviuose

ţemėlapiuose. Nors Lietuva turi teritoriškai pritaikytą drėgmingumo įvertinimo indeksą HTK, tačiau

šių duomenų vizualizacijos skaitmeniniuose ţemėlapiuose nėra. Nors Lietuva perteklinio patenką į

perteklinio dirvoţemio drėkinimo zoną, daugiamečių stebėjimų duomenys rodo, jog sausros artimu

laiku taps neišvengiamos.

4.2. Standartizuoto kritulių indekso taikymas sausrų identifikavimui

Nuo SPI laiko ţingsnio labai priklauso gauti rezultatai bei jų interpretacija. Atliekant SPI

duomenų analizę skaičiavimuose taikytas 1 mėn. trukmės laiko ţingsnis, kaip geriausiai atspindintis

vegetacijos laikotarpio sausringumą. Skaičiavimai atlikti pagal Kauno ir Telšių MS 1982-2014

vegetacijos laikotarpio mėnesių kritulių duomenis.

Analizuojamojo laikotarpio SPI 1 skaičiavimų rezultatai Kauno MS duomenimis pateikti 4.10

paveiksle

4.10 pav. SPI 1 reikšmių kaita Kaune, 1982 – 2014 m.

-3,5

-3

-2,5

-2

-1,5

-1

-0,5

0

0,5

1

1,5

2

2,5

3

198

2

198

4

198

6

198

8

199

0

199

2

199

4

199

6

199

8

200

0

200

2

200

4

200

6

200

8

201

0

201

2

201

4

SP

I 1

Metai

Kaunas

33

Atlikus SPI 1 duomenų analizę Kaune, nustatyta, jog analizuojamu 32 metų laikotarpiu

skirtingo laipsnio sausringi laikotarpiai sudarė 14,54 % (ekstremaliai sausi – 2,42 %, labai sausi – 6,06

%, vidutiniškai sausi – 6,06 %) viso nagrinėjamo laikotarpio trukmės, o skirtingo laipsnio drėgni

laikotarpiai sudarė 85,46 % (ekstremaliai drėgni – 0,7 %, labai drėgni – 4,25 %, vidutiniškai drėgni –

10,9 %, artimi normalioms drėkinimo sąlygoms – 69,7 %) nuo viso nagrinėjamo laikotarpio trukmės.

Ekstremaliai sausų laikotarpių buvo 4 kartus daugiau negu ekstremaliai drėgnų. 1982-2014 metais

uţfiksuota 4 ekstremaliai sausi mėnesiai. Didţiausia reikšmė apskaičiuota 1992 m. birţelio mėnesį, kai

SPI 1= -3,19. Ekstremaliai drėgnų atvejų, tiriamuoju laikotarpiu, nustatytas tik 1 atvejis. Drėgniausias

mėnuo apskaičiuotas1993 m. liepos mėnesį, kai SPI 1 = 2,25.

Analogiškai atliktais skaičiavimais gauname SPI 1 skaičiavimų rezultatus Telšių MS

duomenimis (4.11 pav.).

Telšių tyrimų objekte gauti rezultatai rodo, jog analizuojamu 32 metų laikotarpiu skirtingo

laipsnio sausringi laikotarpiai sudarė 15,76 % (ekstremaliai sausi – 3,03 %, labai sausi – 3,64 %,

vidutiniškai sausi – 9,09 %) viso nagrinėjamo laikotarpio trukmės, o skirtingo laipsnio drėgni

laikotarpiai sudarė 84,23 % (ekstremaliai drėgni – 1,21 %, labai drėgni – 5,45 %, vidutiniškai drėgni –

12,12 %, artimi normalioms drėkinimo sąlygoms – 65,45 %).

4.11 pav. SPI 1 reikšmių kaita Telšiuose, 1982 – 2014 m.

Ekstremaliai sausų laikotarpių buvo 5, t. y. vienu mėnesiu daugiau nei Kaune. Didţiausia SPI

reikšmė, rodanti ekstremaliai sausą laikotarpį, nustatyta 2002 m. rugpjūčio mėnesį – SPI = -3,38.

-3,5

-3

-2,5

-2

-1,5

-1

-0,5

0

0,5

1

1,5

2

2,5

3

198

2

198

4

198

6

198

8

199

0

199

2

199

4

199

6

199

8

200

0

200

2

200

4

200

6

200

8

201

0

201

2

201

4

SP

I1

Metai

Telšiai

34

Ekstremaliai drėgnų atvejų tiriamuoju laikotarpiu nustatyta 2 mėn., t.y. vienu drėgnu mėnesiu daugiau

nei Kauno tyrimų objekte. Drėgniausias mėnesis identifikuotas 2001 birţelio mėnesį.

Lyginant gautus rezultatus dviejuose skirtinguose tyrimų objektuose matyti, jog sausi ir drėgni

laikotarpiai fiksuojami skirtigais laikotarpiais. Galima daryti prielaidą, jog net ir tokioje maţoje

teritorijoje kaip Lietuva skirtingos klimatinės sąlygos atskiruose regionuose įtakoja nevienodą

duomenų pasiskirstymą ir interpretavimą.

Skirtingų (Kauno ir Telšių) Lietuvos agroklimatinių rajonų SPI 1 apibendrinimas pateiktas 4.2

lentelėje.

4.2 lentelė. Kauno ir Telšių teritorijoje apskaičiuotų SPI 1 reikšmių apibendrinimas

SPI 1 Kaunas Telšiai

≥ 2, 0 1 2

1,5 – 1,99 7 9

1,0 – 1,49 18 20

- 0,99 - + 0.99 115 108

-1,0 – (-1,49) 10 15

-1,5 – (-1,99) 10 6

≤- 2,0 4 5

Abiejuose nagrinėjamose teritorijose 1982 – 2014 metų laikotarpiu vyravo artimos normaliam

drėkinimui sąlygos (-0,99 – 0,99). Įvairaus intensyvumo drėgni ir sausi mėnesiai pasiskirstę skirtingai,

dėl netolygaus kritulių pasiskirstymo Telšių ir Kauno klimatiniuose rajonuose.

4.3. Tyrimų laikotarpio vertinimas pagal HTK

Taikant G. Selianinovo hidroterminį koeficientą sausrų identifikavimui 1996-2014 metais,

nustatytos vegetacijos laikotarpio (geguţės – rugsėjo mėn.) HTK reikšmės Telšių ir Kauno MS

duomenimis. Vasaros mėnesiai pasirinkti dėl to, kad tuomet sausros yra pavojingiausios, be to HTK,

kaip jau minėta, gali būti apskaičiuojamas tik tiems mėnesiams, kai oro temperatūra didesnė kaip 10

oC.

HTK koeficiento dinamika ir tendencijos Telšiuose (2009-2014m.) pavieniais metais

pavaizduoti 4.12 pav. HTK reikšmės kinta nuo 1,54 (2012 m.) iki 2,05 (2011 m.). Bendra tendencija

yra ţemėjanti, kas rodo, jog nagrinėjamu 5 metų laikotarpiu šlapius metus keitė pakankamai drėgni

metai. Vertinant pavienių metų drėgmingumo pasiskirstymą pagal HTK nustatyta, jog pakankamai

drėgnų metų buvo 33, 3 %, o šlapių metų 66,7 % viso tiriamojo laikotarpio. Pakankamai drėgni buvo

2013 m. ir 2014 m., šlapi buvo 2009, 2010, 2011 bei 2012 m. (4.12 pav.).

35

4.12 pav. Hidroterminio koeficiento (HTK) reikšmės, Telšių MS 2009–2014 m.

HTK koeficiento dinamika ir tendencijos Kaune (1996-2012 m.) pavieniais metais pavaizduoti

4.13 pav. HTK reikšmės kinta nuo 0,90 (1999 m.) iki 1,98 (2010 m.). Bendra tendencija yra kylanti, kas

rodo, jog nagrinėjamu 17 metų laikotarpiu šlapių metų daugėjo. Vertinant pavienių metų sausringumą

nustatyta, jog nepakankamai drėgnų metų buvo 11,76 %, pakankamai drėgnų – 47,06 %, šlapių – 41,18

%.

4.13 pav. Hidroterminio koeficiento (HTK) reikšmės, Kauno MS 1996–2014 m.

1,63 1,63

2,05

1,54 1,43 1,5

y = -0,05x + 1,8045

R² = 0,1812

0,00

0,50

1,00

1,50

2,00

2,50

2009 2010 2011 2012 2013 2014

HTK Labai sausa Šlapia Tendencija

1,35 1,48 1,48

0,90

1,57 1,67

0,91

1,30

1,62

1,88

1,74 1,87

1,19

1,50

1,98

1,74

1,56

1,40 1,50

0,00

0,50

1,00

1,50

2,00

2,50

1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

HT

K r

eik

šmė

Metai

HTK Labai sausa Šlapia Slankiojo penkmečio vidurkis

36

Pakankamai drėgni buvo 1996-1998 m., 2003, 2008, 2009, 2013, 2014 m., šlapi buvo 2000-

2001 m., 2004-2007 m., 2010-2012 m., (4.13 pav.). Nepakankamai drėgna buvo 1999 ir 2002 m.

Norint įvertinti augalų aprūpinimą vandeniu neuţtenka įvertinti viso laikotarpio metinio

sausringumo, nes dėl netolygaus kritulių pasiskirstymo, drėgnumo laipsnis atskirais mėnesiais labai

kinta. Todėl tolimesnių skaičiavimų metu nustatytos Kauno MS HTK reikšmės atskiriems mėnesiams

(4.14 pav.).

4.14 paveiksle pavaizduota atskirų vegetacijos laikotarpio mėnesių HTK kaita akivaizdţiai

patvirtina didelę svyravimų amplitudę. HTK reikšmės Kauno MS duomenis kinta nuo 0,22 (2002 m. 08

mėn.) iki 3,03 (2004 m. 05 mėn.) Vertinant atskirų mėnesių HTK tendencijas, pastebimas

drėgmingumo didėjimas birţelio, liepos ir rugpjūčio mėnesiais, o geguţės ir rugsėjų mėnesių HTK

reikšmių tendencija maţėjanti. Atskirais metais (priklausomai nuo iškritusių kritulių ir oro

temperatūros) HTK didţiausi svyravimai buvo rugpjūčio mėn., o maţiausi– rugsėjo mėn. Labai sausų ir

sausų mėnesių Kauno MS uţfiksuota 4, o sausringi mėnesiai nustatyti 3. Nepakankamai drėgnų

mėnesių buvo 8. Penkerių metų vidurkis geguţės ir rugpjūčio mėnesiais buvo didesnis nei 1,5, kas

parodo, jog nagrinėjamu laikotarpiu vyravo perteklinio drėkinimo sąlygos.

Nagrinėjant procentinį mėnesių pasiskirstymą, įvairaus atšiaurumo sausringi mėnesiai sudaro

32,8 % ( labai sausų mėnesi – 2,1 %, sausi – 2,1 %, sausringi – 6,32 %, nepakankamai dregni - 10,53

%). Drėgnų mėnesių, visu nagrinėjamu laikotarpiu nustatyta 78,95 % (pakankamai drėgni – 28,42 %,

šlapi – 50,53 %) nuo viso nagrinėjamų mėnesių skaičiaus.

1,96 2,60

1,02 1,41

2,68

1,76

0,66 1,22

3,03 3,03

2,17 2,80

0,93 1,10

2,30

1,00 1,00 1

1,7

0,00

2,00

4,00

1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014HT

K r

eik

šmė

Gegužė

1,42 1,56 1,18

0,68

2,36

1,11

1,85

1,23 1,52

1,77

0,37

1,32 1,72

2,20 2,60

0,80

1,80 1,4 1,5

0,00

1,00

2,00

3,00

1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014HT

K r

eik

šmė Birželis

37

4.14 pav. Koeficiento HTK kaita geguţės − rugsėjo mėn. per 1996-2014 m. laikotarpį Kauno MS

Apibendrinus visus šiuos mėnesius (4.14 pav.), matome, kad net ir metais, kurių visas

vegetacijos laikotarpis (4.13 pav.) apibūdinamas kaip šlapias (2000 m., 2001 m., 2004-2005 m., 2007

m., 2009-2012 m, 2014 m.) buvo nepakankamai drėgnų mėnesių, tačiau tvirtinti, kad šiais laikotarpiais

augalams trūko drėgmės negalima, nes būtina atsiţvelgti į prieš tai buvusio mėnesio drėgnumo laipsnį.

Jeigu mėnuo prieš sausringą mėnesį buvo šlapias, tai labai didelė tikimybė, kad sunkesnės

granuliometrinės sudėties dirvoţemiuose yra sukauptos gana didelės drėgmės atsargos, kurios

skaičiuojant HTK nėra vertinamos. Pavasarį dirvoţemio drėgmės atsargos sudaro nuo 80 mm

(priesmėlio dirvoţemiuose) iki 130 mm (molio dirvoţemiuose) (Dirsė, 2001).

1999 metai pagal HTK vertinami kaip nepakankamai drėgni metai, tačiau ţiūrint mėnesinių

reikšmių pasiskirstymą matyti, jog šių metų geguţę buvo pakankamai drėgna, birţelį ir rugsėjį –

sausringa, liepą – sausa, o rugpjūtį - šlapia. 2008 metai vertinami kaip pakankamai drėgni, tačiau

1,83

1,10

2,34

0,49

1,16

2,21

0,84

1,90 1,53

0,77 1,09

2,80

0,77

1,50 1,60

2,20 2,30

1,2 1,6

0,00

1,00

2,00

3,00

1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

HT

K r

eik

šmė

Liepa

0,30 0,76

1,83 1,65

0,73 0,99

0,22

1,01

1,76

2,70 3,00

1,37 1,79

0,90

1,70

2,80

1,60 1,9

1,2

0,00

1,00

2,00

3,00

4,00

1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

HT

K r

eik

šmė

Rugpjūtis

2,37 2,59

0,66 0,69 0,90

2,37

1,34

0,83

1,79

1,14

2,05

1,08 0,74

1,80 1,70 1,90

1,10 1,40

1,60

0,00

1,00

2,00

3,00

1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014HT

K r

eik

šmė

Metai

Rugsėjis

HTK Labai sausa Šlapia Slankiojo penkmečio vidurkis

38

mėnesinių reikšmių pasiskirstymas nevienodas: geguţę, liepą ir rugsėjį – nepakankamai drėgna, birţelį

ir rugpjūtį – šlapia.

4.4. Sausrų vertinimo palyginamoji analizė pasitelkus SPI 1 ir HTK

Ţinant, jog Lietuvoje vegetacijos metu pagrindinis drėgmės šaltinis yra atmosferos krituliai,

galima teigti, jog pagal jų kiekį sprendţiama apie vieno ar kito laikotarpio sausringumą. SPI

skaičiavimas pagrįstas kritulių kiekiu, todėl pagrindinis klausimas yra ar šio indekso taikymas pagrįstas

ţemės ūkio sausrai identifikuoti.

Nagrinėjant, kaip tarpusavyje koreliuoja SPI 1 ir HTK apskaičiuotos reikšmės, nustatoma ar šios

abi skaičiavimo metodikos turi tarpusavio ryšį ir gali būti viena kitai prilyginamos. Reikia paţymėti,

kad palyginimą apsunkina skirtinga sausringumo vertinimo skalė. SPI vertinamas pagal septynias

reikšmių interpretavimo skales, o HTK – pagal šešias. Taip pat SPI neįvertina aktyviosios vegetacijos

laikotarpio pradţios. Nustatyta, jog tiriamuoju laikotarpiu Kaune anksčiausiai vegetacijos laikotarpis

prasidėjo 2008 m. kovo paskutiniosiomis dienomis, o tai bent 5 – 10 dienų anksčiau negu vidutiniais

daugiamečiais terminais. Renkant duomenis iš meteorologinių biuletenių nustatyta, kad iki 2005 m.

pastebima vegetacijos laikotarpio pradţia – balandţio mėnesio antrajame dešimtadienyje. Ankstyvosios

vegetacijos pradţios metai taip pat buvo 2004, 2005 bei 2009 m., kai vegetacijos pradţia uţfiksuota

balandţio pirmajame dešimtadienyje. Kitais tiriamojo laikotarpio metais vegetacijos laikotarpio pradţia

atitiko vidutines daugiametes datas.

SPI ir HTK 1996-2014 m. reikšmių (Kauno stotis) sugretinimas pateiktas lentelėje (4.3 lent.).

4.3 lentelė. Metinės sausringumo koeficientų reikšmės analizuojamu (1996-2014 m.) laikotarpiu

Kauno MS

Metai Sausringumo koeficientas (geguţė – rugsėjis)

SPI 1 HTK

1996 -0,25 Artima normaliam 1,35 Pakankamai drėgna

1997 0,15 Artima normaliam 1,48 Pakankamai drėgna

1998 -0,18 Artima normaliam 1,48 Pakankamai drėgna

1999 -0,66 Artima normaliam 0,90 Nepakankamai drėgna

2000 -0,38 Artima normaliam 1,57 Šlapia

2001 -0,14 Artima normaliam 1,67 Šlapia

2002 -0,67 Artima normaliam 0,91 Nepakankamai drėgna

2003 0,11 Artima normaliam 1,30 Pakankamai drėgna

2004 -0,15 Artima normaliam 1,73 Šlapia

2005 0,29 Artima normaliam 1,87 Šlapia

2006 0,25 Artima normaliam 1,78 Šlapia

2007 0,64 Artima normaliam 1,90 Šlapia

39

2008 -0,34 Artima normaliam 1,21 Pakankamai drėgna

2009 0,07 Artima normaliam 1,50 Pakankamai drėgna

2010 1,12 Vidutiniškai drėgna 1,98 Šlapia

2011 0,56 Artima normaliam 1,74 Šlapia

2012 0,44 Artima normaliam 1,56 Šlapia

2013 0,42 Artima normaliam 1,4 Pakankamai drėgna

2014 0,06 Artima normaliam 1,5 Pakankamai drėgna

Apibendrinus lentelės duomenis, matyti, jog tų pačių metų vegetacijos laikotarpio sausringumo

vertinimas daugeliu atvejų nesutampa. Pagal SPI 1 daugiausiai buvo artimų normaliam drėkinimui

metų, o pagal HTK – šlapių metų (4.15 pav.). Pastebima tendencija, jog tais metais kuomet SPI 1

identifikuoja artimus normaliam(optimaliam) sausringumui metus, HTK – nurodo, jog tai šlapi metai.

4.15 pav. Geguţės – rugsėjo sausringumo vertinimo pagal HTK ir SPI 1 procentinis

pasiskirstymas

Nagrinėjant augalų aprūpinimą vandeniu, pravartu įvertinti mėnesio drėgmės sąlygas, nes pagal

tai galima spręsti apie drėgmės trūkumą ar jos perteklių augalams. Tam tikslui palygintos atskirų

mėnesių Kauno vietovės sausringumo sąlygos, įvertinant jas pagal SPI 1 ir HTK.

Apibendrinus 85 mėnesių sausringumo vertinimo duomenis, didţioji dalis mėnesių vertinama

skirtingai. Pagal HTK, sausų ir nepakankamai drėgnų mėnesių buvo 20, pakankamai drėgnų – 21,

šlapių – 44, o pagal SPI 1 – ekstremaliai sausų, labai sausų ir vidutiniškai sausų mėnesių buvo 7, artimų

normaliam drėkinimui mėnesių – 65, vidutiniškai drėgnų ir labai drėgnų mėnesių – 12. Galima daryti

prielaidą, jog dalis tų mėnesių, kurie pagal SPI 1 buvo vertinami kaip artimi normaliam drėgmingumui,

pagal HTK jau vertinami kaip šlapi. Tokių atvejų nustatyta 28. Dar 20 atvejų gaunamas toks atitikimas:

kai SPI 1 mėnesį vertina kaip artimą normaliam drėkinimui, HTK – kaip pakankamai (vidutiniškai)

drėgną. Rezultatų procentinis pasiskirstymas pagal abu koeficientus matomas 4.16 paveiksle.

40

4.16 pav. Pagal SPI 1 ir HTK vertintų šlapių, sausų, vidutinio drėgnumo, artimo normaliam

drėkinimui mėnesių pasiskirstymas (%)

Detaliau išanalizavus gautus duomenis net 67 atvejais iš 85 (79 %) tų pačių laikotarpių

vertinimo koeficientai nesutampa. Neatsiţvelgiant į aktyviosios vegetacijos pradţią kiekvienais metais,

sudėtinga nustatyti, kuris koeficientas yra tikslesnis, tačiau palyginus su mėnesio krituliais pastebima

tendencija, kad HTK koeficientas yra linkęs pervertinti šlapius laikotarpius, kurie kai kuriais mėnesiais

galėtų būti vertinami kaip pakankamai (vidutiniškai) drėgni mėnesiai. SPI taikymas agrometerologinei

sausrai identifikuoti Lietuvoje šiuo laikotarpiu nėra naudojamas, nes įstatyminiuose aktuose numatyta,

jog tinkamiausias mūsų Respublikos klimatinėms sąlygoms iki šiol yra HTK. SPI labiau tinkamas

meteorologinei sausrai identifikuoti, nes agrometeorologinė sausra gali prasidėti mėnesio viduryje ar

pabaigoje, be to jis fiksuoja maţiausiai mėnesio laikotarpio sausros trukmę bei neįvertina aktyviosios

vegetacijos laikotarpio pradţios. Vegetacijos laikotarpis prasideda kuomet vidutinė paros oro

temperatūra būna aukštesnė nei 5 oC ir tai trunka daugiau kaip tris paras iš eilės. Dėl šių prieţaščių,

vegetacijos laikotarpio sausroms identifikuoti, daţniausiai taikomas HTK koeficientas.

Norint įvertinti rezultatų statistinę priklausomybę ir skalės atitikimą nustatyta SPI 1 ir HTK

reikšmių koreliacija. Kaip matyti iš 4.17 pav. tarp nagrinėjamų indeksų koreliacija yra stipri, tačiau

sausringumo įvertinimas pagal HTK skriasi nuo vertinimo pagal SPI 1. Pagal priklausomybę matyti,

kad pagal SPI 1 esant drėgnam mėnesiui, pagal HTK jis daţnai vertinamas kaip šlapias.

41

4.17 pav. SPI 1 ir HTK priklausomybiniai ryšiai atskirų mėnesių laikotarpiais Kauno MS 1996 –

2014 m.

Diagramoje atsispindi aiški tendencija, jog tankiausiai taškai išsidėstę ties tomis reikšmėmis,

kurios apibūdinamos kaip šlapiasis ar vidutiniškai drėgnas laikotarpis, o didėjant reikšmių skalei, taškų

diapazonas retėja. Nagrinėjant koreliacinę priklausomybę galima išskirti SPI ir HTK skalės nesutapimą

drėgnuoju vegetacijos laikotarpiu, kadangi SPI 1 reikšmė didesnė uţ 1 ir HTK reikšmė nuo didesnė uţ

1,5 atspindi vidutiniškai drėgną laikotarpį, tad jos turėtų aptpindėti tą patį sausringumo vertinimą, t.y.

duomenų masyvą. Tačiau pagal tiesinę regresinę lygtį SPI 1 reikšmės nuo 1,0 iki 1,5 pagal HTK

atitinka 2 – 2,3. Ir atvirkščiai HTK reikšmės nuo 1 iki 1,5 (šlapia) atitinka SPI reikšmes nuo -1 iki 0,

kurios pagal SPI 1 yra priskiriamos artimoms normaliam drėgmingumui. Analogiška situacija yra su

šlapių laikotarpių vertinimu, kai pagal HTK esant reikšmei didesnei uţ 1,5 vegetacijos laikotarpis yra

šlapias, ir pagal teisinės regresijos lygtį gaunama SPI 1 reikšmė lygi 0 (artima normaliam).

Rezultatai pateikti lentelėje (4.4 lent.) parodo, jog SPI labiau tinkamas meteorologinei sausrai

identifikuoti.

y = 0,5871x + 1,5349

R² = 0,5372

r=0,73

0,00

0,50

1,00

1,50

2,00

2,50

3,00

3,50

-2,5 -2 -1,5 -1 -0,5 0 0,5 1 1,5 2 2,5

HT

K

SPI 1

Kaunas

42

4.4 lentelė. SPI 1 ir HTK reikšmių atitikimas

SPI HTK SPI HTK SPI HTK SPI HTK SPI HTK

-3 - -2 0,45 -1 0,9 0 1,53 1 2,2

-2,9 0 -1,9 0,47 -0,9 0,92 0,1 1,54 1,1 2,25

-2,8 0,1 -1,8 0,49 -0,8 0,98 0,2 1,55 1,2 2,3

-2,7 0,15 -1,7 0,51 -0,7 1 0,3 1,56 1,3 2,35

-2,6 0,2 -1,6 0,53 -0,6 1,3 0,4 1,57 1,4 2,2

-2,5 0,25 -1,5 0,55 -0,5 1,35 0,5 1,58 1,5 2,45

-2,4 0,3 -1,4 0,57 -0,4 1,4 0,6 1,59 1,6 2,5

-2,3 0,35 -1,3 0,59 -0,3 1,45 0,7 1,82 1,7 2,55

-2,2 0,4 -1,2 0,68 -0,2 1,5 0,8 2 1,8 2,6

-2,1 0,43 -1,1 0,7 -0,1 1,52 0,9 2,15 1,9 2,65

2 2,7

Pastabos:

Ekstremaliai/labai sausa

Labai sausa/sausa

Vidutiniškai sausa/sausringa

Artima normaliam/nepakankamai drėgna

Vidutiniškai drėgna/pakankamai drėgna

Labai drėgna/šlapia

Svarbu lyginant šiuos du indeksus – skaičiavimų sudėtingumas. Hidroterminio koeficiento

taikymas nesudėtingas, tačiau bet koks skaičiavimo proceso supaprastinimas iškreipia gaunamus

rezultatus, t.y. gaunamos didesnės paklaidos. Šių dviejų indeksų reikšmių skalės skiriasi, dėl to tenka

interpretuoti konkrečių reikšmių atitikimą pagal vieną ar kitą kriterijų. Nustatyta, kad pagal HTK-0,3

(labai sausa) atitinka SPI – -2,4 (ekstremaliai sausa); HTK-0,6-0,7 (sausringa atitinka SPI – -1,2

(vidutiniškai sausa); HTK-0,8-1,0 (nepakankamai drėgna) SPI - -1,0 (vidutiniškai sausa). Galima teigti,

kad sausringojo laikotarpio vertimas sutampa.

4.5. Tikimybinis sausrų vertinimas pagal SPI 1

Atlikus SPI 1 analizę Kauno MS duomenimis, analizuojamu laikotarpiu (1982 – 2014 m),

nustatyta, jog pagal SPI 1 laiko ţingsnį, buvo fiksuota 2,5 % viso laikotarpio kaip ekstremaliai sausi,

6,3 % labai sausi, 5,6 % vidutiniškai sausi. Apibendrintai pagal SPI 1 nustatyta, kad analizuojamu 32

metų laikotarpį skirtingo laipsnio sausringi laikotarpiai sudarė 14,4 % viso nagrinėjamo laikotarpio

trukmės. Ekstremaliai drėgnų reikšmių nustatyta tik 0,6 %, labai drėgni mėnesiai sudarė 4,4 %,

vidutiniško drėgnumo mėnesių nustatyta 10,6 % arba apibendrinus 32 metų laikotarpį skirtingo laipsnio

43

drėgni laikotarpiai sudarė 15,6 % viso nagrinėjamo laikotarpio trukmės. Artima normaliam drėkinimui

nustatyta 70 % atvejų.

Pasitelkus EasyFit programą gaunamas toks tikimybinis reikšmių pasiskirstymo grafikas (4.18

pav.).

4.18 pav. SPI 1 reikšmių pasiskirstymo grafikas pagal Kauno MS duomenis 1982-2014 m.

Kaip matyti 4.18 paveiksle, SPI 1 reikšmių kreivė yra simetriška, duomenys pasiskirstę pagal

normalųjį skirstinį. Pasitelkus MS Excel skaičiuoklę ir taikant statistinės analizės metodus gaunama

tikimybinė SPI 1 kreivė (4.19 pav.).

4.19 pav. Tikimybinė SPI 1 kreivė pagal Kauno MS.

-3,5

-3

-2,5

-2

-1,5

-1

-0,5

0

0,5

1

1,5

2

2,5

3

0,00 10,00 20,00 30,00 40,00 50,00 60,00 70,00 80,00 90,00 100,00

SP

I1

Įvykio pasikartojimo tikimybė, %

44

Atlikus tikimybinę sausrų pasiskirstymo analizę gauti šie parametrai: T – įvykių pasikartojimų

skaičiaus tiriamuoju laikotarpiu parametras, P – įvykio tikimybinis parametras, esant 95 %

patikimumui bei SPI 1 reikšmės (4.5 lentelė).

4.5 lentelė. SPI 1 reikšmės esant skirtingoms tikimybėms Kauno MS duomenimis

P, % 5 10 25 50 75 95 99

SPI 1 -1,84 -1,35 -0,62 0,05 0,76 1,53 2,25

P, % 3,0 7,8 14,5 47,6 83,7 95,18 96,4

SPI -2,0 -1,5 -1,0 0 1,0 1,5 2,0

Kaip matyti 4.5 lentelėje esant skirtingam sausros laipsniui yra skirtinga tikimybė. Pagal SPI 1

tikimybė vidutiniškai sausam laikotarpiui – 14,5%, labai sausam laikotarpiui – 7,8 %, ekstremaliai

sausringam – 3 %.

Atlikus SPI 1 analizę Telšių MS duomenimis, analizuojamu laikotarpiu (1982 – 2014 m), buvo

nustatyta, jog pagal SPI 1 laiko ţingsnį, buvo fiksuota 3,03 % viso laikotarpio kaip ekstremaliai sausi,

3,03 % labai sausi, 9,69 % vidutiniškai sausi. Apibendrintai pagal SPI 1 nustatyta, kad analizuojamu 32

metų laikotarpį skirtingo laipsnio sausringi laikotarpiai sudarė 15,75 % viso nagrinėjamo laikotarpio

trukmės. Ekstremaliai drėgnų reikšmių nustatyta tik 1,21 %, labai drėgni mėnesiai sudarė 4,84 %,

vidutiniško drėgnumo mėnesių nustatyta 12,72 % arba apibendrinus 32 metų laikotarpį skirtingo

laipsnio drėgni laikotarpiai sudarė 18,77 % viso nagrinėjamo laikotarpio trukmės. Artima normaliam

drėkinimui nustatyta 65,45 % atvejų.

Lyginant su Kauno teritorijoje gautais rezultatais, Telšių duomenimis buvo fiksuota tiek drėgnų

tiek sausringų mėnesių daugiau, atitinkamai artimų normalioms drėkinimo sąlygoms mėnesių fiksuota

4,5 % maţiau viso nagrinėjamo laikotarpio.

Telšių teritorijoje apskaičiuota SPI 1 tikimybinė kreivė pateikta 4.20 paveiksle.

45

4.20 pav. Tikimybinė SPI 1 kreivė Telšių MS.

Susisteminant paveiksle pateiktus duomenis, 4.6 lentelėje nurodytos SPI 1 reikšmės esant

skirtingoms tikimybėms.

4.6 lentelė. SPI 1 reikšmės esant skirtingoms tikimybėms pagal Telšių MS duomenis

P, % 5 10 25 50 75 95 99

SPI 1 -1,62 -1,26 -0,49 0,01 0,82 1,6 -2,13

P, % 2,4 6,6 14,5 46,4 80,7 93,4 98,7

SPI -2,0 -1,5 -1,0 0 1,0 1,5 2,0

Kaip matyti 4.6 lentelėje analogiškai kaip ir Kauno MS duomenimis, esant skirtingam sausros

laipsniui yra skirtinga tikimybė. Pagal SPI 1 tikimybė vidutiniškai sausam laikotarpiui – 14,5 %, labai

sausam laikotarpiui – 6,6 %, ekstremaliai sausringam – 2,4 %.

4.6. Tikimybinis sausrų vertinimas pagal HTK

Pasitelkus programą EasyFit ir HTK duomenis statistiškai pateikiant pagal normaliojo

skirstinio dėsnį, gaunamas įvykių pasikartojimo daţnių grafikai (4.21 ir 4.22 pav.)

-4

-3

-2

-1

0

1

2

3

0,00 10,00 20,00 30,00 40,00 50,00 60,00 70,00 80,00 90,00 100,00

SP

I 1

Įvykio pasikartojimo tikimybė, %

46

4.21 pav. HTK reikšmių pasiskirstymo daţnių grafikas, Telšiai (2009-2014 m.)

Kaip matyti 4.21 paveiksle, esant skirtingai HTK reikšmei yra skirtingas įvykių pasikartojimo

daţnis. HTK Telšių MS duomenimis tikimybė sausringam laikotarpiui – 5,2 %, sausam laikotarpiui –

3,4 %, labai sausam – 2,2 %. Tikėtino įvykio tikimybė šlapiam periodui 53 % (4.7 lent.).

Analogiškai Telšių rajone 4.22 pav. pateikiama įvykių pasikartojimo daţnių grafikas pagal

Kauno MS apskaičiuotas HTK reikšmes.

4.22 pav. . HTK reikšmių pasiskirstymo daţnių grafikas, Kaunas (1996-2014 m.)

47

Kaip matyti 4.22 paveikse, didţiausia įvykio pasikartojimo tikimybė šlapiam laikotarpiui (kai

HTK>1,5). Tokioms drėgmingumo sąlygoms tikimybė 56,6 %. HTK Kauno MS duomenimis tikimybė

sausringam laikotarpiui – 6,8 %, sausam laikotarpiui –4,1 %, labai sausam – 3,8 % (4.7 lent.).

4.7 lentelė. SPI 1 reikšmės esant skirtingoms tikimybėms pagal Kauno ir Telšių MS duomenis

HTK 0,3 0,4 0,6 0,8 1,0 1,5

P %

(Kaunas) 3,8 4,1 6,8 14,2 18,1 53,0

P %

(Telšiai) 2,2 3,4 5,2 13,6 19,0 56,6

Galima daryti išvadą, jog tiek vertinant tikimybinį reikšmių pasiskirstymą pagal SPI 1 tiek

pagal HTK Telšių rajone tikėtina rečiau sulaukti sausros ir daţniau stebėti perteklinio drėkinimo atvejus

nei Kauno rajone.

48

IŠVADOS

1. Meteorologinių reiškinių, sausrų stebėjimo sistemos JAV ir Lietuvoje turi ir panašumų

ir skirtumų. JAV pavyzdys parodė, jog šios šalies duomenų bazė sėkmingai išplėtota, turinti vieningą

reiškinių vertinimo sistemą, pasitelkianti atitinkamus indeksus. Lietuvoje trūksta informacijos

atvaizdavimo interaktyviuose ţemėlapiuose.

2. Pagal SPI 1 Kauno MS nustatyta, jog analizuojamu 32 metų laikotarpiu skirtingo

laipsnio sausringi laikotarpiai sudarė 14,54 % viso nagrinėjamo laikotarpio trukmės, o skirtingo

laipsnio drėgni laikotarpiai sudarė 85,46 %. Telšių tyrimų objekte gauti rezultatai rodo, jog

analizuojamu 32 metų laikotarpiu skirtingo laipsnio sausringi laikotarpiai sudarė 15,76 % viso

nagrinėjamo laikotarpio trukmės, o skirtingo laipsnio drėgni laikotarpiai sudarė 84,23 %.

3. Nustatyta, kad nepriklausomai nuo nagrinėjamo objekto meteorologinių sąlygų SPI 1 ir

HTK sausringumo laipsnį vertina skirtingai:

- Sausringumo laipsnis pagal SPI 1 ir HTK nesutampa 79 % vertinant visą geguţės –

rugsėjo mėn.

- Geguţės – rugsėjo mėn. laikotarpiu pagal HTK daugiausia buvo šlapių metų (52%),

maţiausiai - sausų ir nepakankamai dėgnų (2 %). Pagal SPI 1 daugiausiai buvo artimamų normaliam

drėkinimui mėnesių (76 %), maţiausiai – vidutiniškai sausų mėnesių (8 %).

4. Pagal SPI 1 Kauno MS duomenimis tikimybė, kad laikotarpis bus vidutiniškai

sausringas – 14,5 %, labai sausringas – 7,8 %, ekstremaliai sausringas – 3 %. Pagal SPI 1 Telšių MS

duomenimis tikimybė,kad laikotarpis bus vidutiniškai sausringas – 14,5 %, labai sausringas – 6,6 %,

ekstremaliai sausringas – 2,4 %. Lyginant Kauno ir Telšių MS gautus rezultatus, Telšių duomenimis

drėgnų mėnesių nustatyta 2,3 % daugiau, atitinkamai artimų normalioms drėkinimo sąlygoms 1,2 %

maţiau per visą nagrinėjamą laikotarpį.

49

LITERATŪRA

1. A GLOBAL AGRICULTURAL RESEARCH PARTNERSHIP, 2008. CGIAR Research

Program on Climate Change, Agriculture and Food Security (CCAFS) [interaktyvus],[ţiūrėta 2015-03-

20]. Prieiga per internetą: <http://www.cgiar.org/our-research/cgiar-research-programs/cgiar-research-

program-on-climate-change-agriculture-and-food-security-ccafs/ >.

2. BUITKUVIENĖ M. S., 1999.Sausros Lietuvoje – klimato kitimo rodiklis? Mokslas ir

gyvenimas. Nr.10. [interaktyvus], [ţiūrėta 2015-01-09]. Prieiga per internetą:

<http://ausis.gf.vu.lt/mg/nr/99/10/index.html>.

3. CANCELLIERE A., MAURO G. DI, BONACCORSO B., ROSSI G., Drought forecasting

using the Standardized Precipitation Index. Catania, Italy. 2006, Water Resour Manage, DOI

10.1007/s11269-006-9062-y.

4. CLOPPET E. Aricultural Drought Indices in France and Europe: Strengths, Weaknesses, and

Limitations. 83-94 psl., Agricultural Drought Indices. Proceedings of an expert meeting. 2–4 June

2010, Murcia, Spain. 205 psl. Editors: Mannava V.K. Sivakumar, Raymond P. Motha, Donald A.

Wilhite, Deborah A. Wood

5. DIRSĖ A. Žemės ūkio augalų vegetacijos laikotarpių drėgmingumas // Ţemės ūkio mokslai.

Nr.3., 2001. − 51−55p.

6. EUROPOS BENDRIJOS, 2008. ES žemės ūkis priima klimato kaitos iššūkį. [interaktyvus],

[ţiūrėta 2015-04-05]. Prieiga per internetą: <

http://ec.europa.eu/agriculture/publi/fact/climate_change/leaflet_lt.pdf >.

7. EUROPOS KOMISIJA, 2006. Klimato kaita – kas tai? [interaktyvus], [ţiūrėta 2015- 04-15].

Prieiga per internetą: < http://ec.europa.eu/clima/sites/campaign/pdf/climate_change_youth_lt.pdf >.

8. JAKIMAVIČIŪTĖ N., STANKŪNAVIČIUS G. 2008. Sausrų Lietuvoje diagnozė naudojant

skirtingus kritulių rodiklius ir klasifikacijos metodus // Geografija. Nr. 2., 50 – 57 p.

9. JAYANTA SARKAR. 2010. Monitoring Drought Risks in India with Emphasis on Agricultural

Drought. 50-59 psl. Agricultural Drought Indices. Proceedings of an expert meeting. 2–4 June 2010,

Murcia, Spain. 205 psl. Editors: Mannava V.K. Sivakumar, Raymond P. Motha, Donald A. Wilhite,

Deborah A. Wood.

10. Jurriaan ten Broek. Comparison of drought indices for the province of Gelderland, The

Netherlands.2014. [interaktyvus], [ţiūrėta 2015-05-02]. Prieiga per internetą: <

https://www.wageningenur.nl/en/show/Thesis-colloquium-Jurriaan-ten-Broek.htm>.

11. LHMTI, 2015. Tarnybos misija. [interaktyvus], [ţiūrėta 2015-05-06]. Prieiga per internetą: <

http://meteo.lt/vkl_misija.php >.

12. LLOYD-HUGHES B., SAUNDERS M. A. 2002. A drought climatology for Europe,

International Journal of Climatology, 22, 1571-1592.

13. Maisto ţaliavų ir agrarinės aplinkos studijų tobulinimas (MAST), Vandens režimas žemės ūkyje.

2008. [interaktyvus], [ţiūrėta 2015-04-20]. Prieiga per internetą: < http://www.asu.lt/nm/l-

projektas/paseliai/16.htm>.

14. MANNAVA V.K. Sivakumar. 2010. Agricultural Drought—WMO Perspectives. 22-34 psl.

Agricultural Drought Indices. Proceedings of an expert meeting. 2–4 June 2010, Murcia, Spain. 205

psl. Editors: Mannava V.K. Sivakumar, Raymond P. Motha, Donald A. Wilhite, Deborah A.

15. Meteorologijos stočių stebėjimo tinklo ţemėlapis. Lietuvos hidrometeorologijos tarnyba prie

Aplinkos ministerijos. [interaktyvus] [ţiūrėta 2015–03–20]. Prieiga per internetą:

<http://www.meteo.lt/stebejimu_tinklas.php >

50

16. MOLLY E. BROWN, 2014. Food Security, Food Prices and Climate Variability. Earthscan

Food and Agriculture. [interaktyvus], [ ţiūrėta 2015-04-16]. Prieiga per internetą:

<https://books.google.lt/books?id=LJzAAwAAQBAJ&pg=PA67&lpg=PA67&dq=assessing+drought+

probability+rojas&source=bl&ots=E71p8OQ5XC&sig=RL5KII_ZORqW-

msh1gNOLQGCbpk&hl=lt&sa=X&ei=eIwqVYaLFoPyapufgLAK&ved=0CD4Q6AEwBQ#v=onepag

e&q&f=false>.

17. NATIONAL DROUGHT MITIGATION CENTER. 2006.Monitoring tools.[interaktyvus],

[ţiūrėta 2015 – 03 – 15]. Prieiga per internetą: <http://drought.unl.edu/MonitoringTools.aspx>.

18. Nieuwolt S. Agricultural droughts in the tropics. Theoretical and Applied Climatology, 1986,

Volume 37, Issue 1-2, pp 29-38 [interaktyvus], [ţiūrėta 2015-03-04]. Prieiga per internetą: <

http://link.springer.com/article/10.1007%2FBF00866102#page-1 >.

19. SAKALAUSKAS V., 2003. Duomenų analizė su statistika: skiriama aukštųjų mokyklų

studentams: vadovėlis / Vilnius: Margi raštai.

20. PALMER W. C. 1968. Keeping track of crop moisture conditions, nationwide: The new crop

moisture index. Weatherwise 21(4):156-61.

21. PALMER W.C. 1965. Meteorological drought. Research Paper No. 45. U.S. Weather Bureau,

Washington, D.C.

22. PAULO CESAR SENTELHAS. 2010. Agricultural Drought Indices in Current Use in Brazil.

60-71 psl. Agricultural Drought Indices. Proceedings of an expert meeting. 2–4 June 2010, Murcia,

Spain. 205 psl. Editors: Mannava V.K. Sivakumar, Raymond P. Motha, Donald A. Wilhite, Deborah A.

Wood

23. PHAM M. T., VANHAUTE W. J., VANDENBERGHE S., DE BAETS B., VERHOEST N. E.

C., 2013.An assessment of the ability of Bertlett – Lewis type of rainfall models to reproduce drought

statistics. Hydrol. Earth Syst. Sci., 17, 5167-5183.

24. ROGER C. STONE. 2010. Agricultural Drought Indices in Current Use in Australia:

Strengths, Weaknesses, and Limitations. 72-82 psl. Agricultural Drought Indices. Proceedings of an

expert meeting. 2–4 June 2010, Murcia, Spain. 205 psl. Editors: Mannava V.K. Sivakumar, Raymond

P. Motha, Donald A. Wilhite, Deborah A. Wood.

25. VALIUKAS D. 2011. Sausringi laikotarpiai Vilniuje 1891 – 2010 m. // Geografija. Nr. 1., 9–18

p.

26. VIJENDRA K., BOKEN I., 2005. Monitoring and predicting agricultural drought / Oxford

University Press. New York.

27. TAPARAUSKIENĖ L. 2013,.Žemės ūkio sausros įvertinimo kriterijų pagrindimas ir metodikos

Lietuvos klimatinėmis sąlygomis parengimas: 2013 baigiamoji ataskaita; tyrimo vadovas Kaunas –

Akademija.