Upload
others
View
32
Download
1
Embed Size (px)
Citation preview
0
Skripta II deo
PRIMENJENE METODE MODELOVANJA RIZIKA / PRIMENJENE METODE
MODELOVANJA EKSPERIMENTA
Visoka tehnička škola strukovnih studija
u Novom Sadu, 2018
1
SADRŢAJ
SADRŢAJ .............................................................................................................................. 1
1. PRIMERI MODELOVANJA RIZIKA ....................................................................... 3
1.1. Uticaj proizvoda ili procesa proizvodnje na ţivotnu sredinu .................................. 3
1.1.1. Analiza uticaja proizvoda na ţivotnu sredinu tokom njegovog ţivotnog
ciklusa LCA (Life Cycle Analysis) ................................................................. 3
1.1.2. WAR model za predviĊanje uticaja procesa proizvodnje na ţivotnu sredinu . 4
1.1.3. Procena uticaja projekata na ţivotnu sredinu .................................................. 5
1.1.4. PredviĊanje scenarija zagaĊenja i emisije štetnih materija u ţivotnu sredinu 7
1.2. Procena ekološkog rizika ...................................................................................... 10
1.3. Model procene ekoloških rizika uzrokovanih NATO bombardovanjem
Republike Srbije 1999. godine .............................................................................. 12
1.4. Upravljanje rizikom od šumskih poţara ................................................................ 17
1.5. Raĉunarsko modelovanje i simulacija širenja šumskih poţara ............................. 27
1.5.1. Faktori koji utiĉu na pojavu i širenje šumskog poţara .................................. 29
1.5.2. Frandsen-Rothermelov model za simulaciju širenja šumskog poţara .......... 33
1.5.3. MOPP 2D model širenja šumskih poţara - Hrvatska .................................... 39
1.5.4. FARISTE model širenja šumskog poţara ..................................................... 47
1.5.4.1. Širenje poţara ........................................................................................... 47
1.5.4.2. FARSITE model....................................................................................... 49
1.6. Primena GIS modela u izradi mape hazarda i rizika od poplava .......................... 53
1.6.1. Metodologija rada ......................................................................................... 54
1.6.2. GIS-MCDA ................................................................................................... 55
1.6.3. Ponderisanje kriterijuma (AHP) .................................................................... 57
1.6.4. Agregacija konaĉne mape ............................................................................. 58
1.6.5. Validacija rezultata ........................................................................................ 59
1.7. Modelovanje finansijskog rizika projekta vetroelektrane ..................................... 60
1.7.1. Zainteresovane strane i odnosi na trţištu vetroenergetike ............................ 60
1.7.2. Analiza rizika ................................................................................................ 61
1.7.3. Izbor metode analize rizika ........................................................................... 62
1.7.4. Kvalitativna analiza rizika ............................................................................. 63
1.7.4.1. Rizici u pripremnoj fazi projekta ............................................................. 64
1.7.4.2. Rizici u fazi izgradnje vetroelektrane ...................................................... 70
1.7.4.3. Rizici u fazi eksploatacije vetroelektrane ................................................ 70
1.7.5. Kvantitativna analiza rizika ........................................................................... 72
1.7.6. Evaluacija rizika ............................................................................................ 73
1.7.7. Model za kvantitativnu analizu rizika ........................................................... 73
1.7.7.1. Programski dodaci korišćeni pri razvoju modela ..................................... 74
1.7.7.2. Opis modela ............................................................................................. 74
1.7.7.3. Definisanje ulaznih varijabli .................................................................... 74
1.7.7.4. Definisanje izlaznih varijabli ................................................................... 76
2
1.7.7.5. OdreĊivanje korelacija ............................................................................. 76
1.7.7.6. Rezultati (izveštaj o analizi rizika) ........................................................... 77
2. LITERATURA .......................................................................................................... 83
3
1. PRIMERI MODELOVANJA RIZIKA
1.1. Uticaj proizvoda ili procesa proizvodnje na životnu sredinu
Postoji veliki broj negativnih efekata procesa proizvodnje na ţivotnu sredinu, kao što su:
emisije štetnih supstanci, stvaranje otpada, intenzivna potrošnja energije i sirovina, promena
normalnih uslova ţivotne sredine itd. Proces proizvodnje moţe negativno da utiĉu na oĉuvanje
ekosistema i biodiverziteta, prirodnih resursa, zdravlje stanovništva i društvene aspekte. Da bi se
negativni uticaji smanjili potrebno je poštovati odreĊene procedure i standarde prilikom
projektovanja. Sloţene uticaje procesa proizvodnje ili proizvoda na ţivotnu sredinu je teško
kvantifikovati.
1.1.1. Analiza uticaja proizvoda na životnu sredinu tokom njegovog životnog
ciklusa LCA (Life Cycle Analysis)
Postoji veliki broj metoda koje kvantifikuju uticaj proizvoda na ţivotnu sredinu jedna od
njih je i analiza uticaja proizvoda na ţivotnu sredinu tokom njegovog ţivotnog ciklusa. Ovaj
model danas dosta koriste kompanije prilikom projektovanja proizvoda u cilju dobijanja ekološki
prihvatljivog proizvoda.
Slika Analiza uticaja proizvoda na ţivotnu sredinu tokom njegovog ţivotnog ciklusa LCA
Procedura, koja je deo ISO 14000 standarda obuhvata:
Prikupljanje svih podataka o ulaznim materijama i energiji, kao i emisijama u ţivotnu
sredinu (vezanih za ţivotni ciklus proizvoda).
Ocenjivanje potencijalnih uticaja koji se odnose na ulaze i emisije.
Analiza rezultata.
Аnalizа uticaja proizvoda na ţivotnu sredinu tokom njegovog ţivotnog ciklusa definiše
kategorije uticaja, indikatore, ekvivalentne jedinice i teţinske udele. Modeli koji se koriste za
analizu uticaja proizvoda na ţivotnu sredinu tokom njegovog ţivotnog ciklusa su: SimaPro,
Gabi, Umberto, Sustainable Minds itd.
4
Slika Model SimaPro
1.1.2. WAR model za predviĎanje uticaja procesa proizvodnje na životnu sredinu
Osnovu kvantifikovanja uticaja procesa proizvodnje na ĉoveka i ţivotnu sredinu (npr.
humana toksiĉnost, zagaĊenost vode i tla, globalno zagrevanje, gubitak ozonskog omotaĉa itd.)
ĉine materijalni i energetski bilansi procesa proizvodnje i indeksi zagaĊenja. Pomoću modela se
postavljaju i izraĉunavaju bilansi, a korisnik unosi koeficijente znaĉaja za sve indekse zagaĊenja
za date sluĉajeve. Nakon toga, program redizajnira proces proizvodnje u pravcu smanjenja
indeksa zagaĊenja i ponovo raĉuna bilanse. Postupak je iterativan, ponavlja se dok se ne postigne
optimalan dizajn procesa proizvodnje po pitanju ekološkog uticaja na ţivotnu sredinu.
Slika WAR model za predviĊanje uticaja procesa proizvodnje na ţivotnu sredinu
Cilj WAR modela je da smanji negativne uticaje samo procesa proizvodnje, a ne da smanji
koliĉinu štetnih supstanci koje nastaju tokom ţivotnog ciklusa proizvoda.
Prednosti WAR model su:
Daje meru ekološki prihvatljivog procesa proizvodnje,
Mogu se vršiti modifikacije procesa proizvodnje po pitanju ekoloških uticaja.
5
Nedostaci WAR modela su:
Subjektivnost i arbitrarnost su prisutni u proraĉunu.
Ne prikazuje uzroke nastanka i naĉine za smanjenje otpada.
Bilansne jednaĉine su:
Pretpostavke:
1) Svi neţeljeni proizvodi (NP) su polutanti.
2) Ekološki uticaj svih proizvoda (P) je:
Indeksi zagaĊenja su:
Indeksi prvog reda, karakterišu potencijalne uticaje u samom procesu:
Indeksi drugog reda (izraĉunavaju se analognim jednaĉinama, kao i indeksi prvog
reda), karakterišu emisije potencijalnih uticaja iz procesa:
Manji indeksi znaĉe veću ekološku efikasnost procesa (cilj).
1.1.3. Procena uticaja projekata na životnu sredinu
Procena uticaja projekata na ţivotnu sredinu je obavezna za nove projekte iz razliĉitih
oblasti privrede (procesne, mašinske, prehrambene industrije, energetike, poljoprivrede,
infrastrukture itd.). Cilj je da se negativni uticaji na ţivotnu sredinu, spreĉe ili smanje (efikasan
preventivni mehanizam).
Proces procene uticaja projekata na ţivotnu sredinu, koje vrše struĉnjaci, obuhvata:
Detaljan opis projekta i lokacije (uţe i šire).
Identifikaciju uticaja projekta na ţivotnu sredinu.
6
Ocenjivanje uticaja.
Predlog mera za spreĉavanje i suzbijanje negativnih uticaja projekata na ţivotnu
sredinu.
Procenu uticaja projekata na ţivotnu sredinu vrše nadleţni organi koji odobravaju projekat,
zahtevaju njegovo poboljšanje ili ga odbijaju.
Envigo softver za procenu uticaja projekata na životnu sredinu
Jedinstven softver specijalizovan za procenu uticaja, razvijen od strane srpskih struĉnjaka.
Moţe se primeniti na sve tipove projekata iz privrede.
Envigo sadrţi:
Strukturu koja prati zakone i pomoć za struĉni unos.
Bazu potencijalnih uticaja za proces identifikacije.
Metod za kvantitaivno ocenjivanje svih uticaja.
Alate za analizu - grafike, tabele, statistiku itd.
Slika Envigo softver za procenu uticaja projekata na ţivotnu sredinu
Na osnovu odgovora struĉnjaka na 7 kriterijuma (na slici) pomoću formule se izraĉunava
ocena za svaki uticaj. Raspon ocena od -6 do +6 (od vrlo negativnih do jako pozitivnih). Uticaji
su grupisani po kategorijama ţivotne sredine i fazama projekta.
7
Slika Envigo softver za procenu uticaja projekata na ţivotnu sredinu
1.1.4. PredviĎanje scenarija zagaĎenja i emisije štetnih materija u životnu sredinu
Zakonom su propisane dozvoljene emisije štetnih materija u ţivotnu sredinu. Znaĉajno je
taĉno odrediti koliĉine koje se emituju iz procesa proizvodnje, kao i njihovu emisiju u atmosferu,
vodu i tlo.
Modeli pored operativnih podataka iz procesa proizvodnje, sadrţe podatke o konfiguraciji i
karakteristikama terena, rasporedu graĊevinskih objekata, atmosferskim uslovima i kretanjima
(vetru). Rezultati mogu posluţiti za optimalno projektovanje sistema za preĉišćavanje,
ispuštanje, kao i procenu uticaja. Model moţe predvideti emisije u akcidentnim situacijama za
razliĉite negativne scenarije.
Softveri za simulacije emisije štetnih materija u životnu sredinu
Za simulaciju emisije štetnih materija u ţivotnu srednu koriste se razliĉiti CFD modeli, kao
što su: Breeze, CERC, Lakes i dr.
Slika Breeze model za simulaciju emisije štetnih materija u vazduh, koristi model
AERMOD (US EPA), kao i dosta drugih softvera
1. CFD model za simulaciju emisije štetnog dima u atmosferu
Simulacija emisije štetnog dima u atmosferu u okolini objekata u cilju optimalnog
projektovanja dimnjaka i ventilacionih sistema.
8
Slika Simulacija širenje dimne zavese iz dimnjaka
Slika Simulacija strujnja vazduha (kretanje i zumiranje kamerom)
Slika Vektori strujanja vazduha
Slika Pogled odozgo na strujnice
9
2. CFD model za simulaciju zagaĎenja vodenih tokova
Slika Simulacija ispuštanja otpadne vode iz postrojenja za farbanje tekstila (predviĊanje
koncentracionog profila i razblaţivanja boje u reĉnom toku)
Slika Simulacija koncentracije zagaĊujuće materije u podzemnom prirodnom rezervoaru
vode
10
1.2. Procena ekološkog rizika
MeĊunarodni standard ISO 14000 spada u grupu generiĉkih standarda koji se mogu
primeniti u svim organizacijama, proizvodnim ili usluţnim, velikim, srednjim ili malim
preduzećima, kao i u svim zemljama bez obzira na stepen razvijenosti. Osnovni cilj standarda
ISO 14000 je smanjenje zagaĊenja, pri ĉemu standard ne propisuje nivo tog smanjenja, nego je
to propisano nacionalnom zakonskom regulativom. U Tabeli 1 dat je prikaz šta Indikatori mogu
da ukljuĉuju.
Tabela 1. Primeri mogućih Indikatora uĉinka zaštite ţivotne sredine
*Pod jediniĉnim odreĊenjem podrazumeva se jedinica posmatranja (tehnološka jedinica,
broj zaposlenih itd.)
Ovakav pristup omogućava organizacijama: da odrede sve mere potrebne za postizanje
postavljenih kriterijuma uĉinka zaštite ţivotne sredine, da identifikuju znaĉajne ekološke aspekte
uticaja svojih aktivnosti, da identifikuju trendove ekološkog uĉinka sistema, da povećaju
efektivnost i efikasnost organizacija, da identifikuju strateške šanse.
11
Upravo u ĉinjenici da moţemo dobiti znaĉajne informacije o trendu ponašanja sistema po
pitanju ţivotne sredine, leţi mogućnost integracije procesa procene ekološkog rizika tehnološkog
sistema po ţivotnu sredinu.
Selektovani parametri indikatora uĉinka zaštite ţivotne sredine, i poĉetna faza sakupljanja
podataka paralelno moţe da posluţi za inicijaciju uoĉavanja potencijalno riziĉnih situacija.
Prikupljeni podaci dalje se mogu tretirati kao ulazni parametri potrebni za simulaciju i
modelovanje razvoja potencijalnog hazarda. Time je uĉinjen poĉetni korak u proceni rizika.
Analiza prikupljenih informacija otkriva i “slabe taĉke” sistema po pitanju njegove osetljivosti i
gde se moţe oĉekivati razvoj riziĉnih situacija.
Pristupa se proraĉunu rizika koji je i završna faza procene i rezultati se publikuju u okviru
izveštavanja. Analize dobijenih rezultata ocene uĉinka zaštite ţivotne sredine i procene rizika,
pararelno dovode do sprovoĊenja mera poboljšanja, koje i za potrebe smanjenja potencijalnog
uticaja rizika ukljuĉuje: planove prevencije, procedure odgovora na hazard, monitoring
posthazardne situacije i mere sanacija posledica hazarda.
Studija o proceni uticaja objekata i projekata na ţivotnu sredinu, kao završni dokument
podrazumeva da su evidentirani svi njihovi mogući uticaji na ţivotnu sredinu i propisuje mere i
planove koji se mogu primeniti sa ciljem minimiziranja uticaja.
Sa druge strane Akt o proceni rizika podrazumeva: sistematsko evidentiranje i
procenjivanju svih faktora u procesu rada - mogućih vrsta opasnosti i štetnosti na radnom mestu i
u radnoj okolini i sagledavaju se organizacija rada, radni procesi, sredstva za rad, sirovine i
materijali koji se koriste u tehnološkim i radnim procesima, sredstva i oprema za liĉnu zaštitu na
radu, kao i drugi elementi koji mogu da izazovu rizik od povreda na radu, oštećenja zdravlja ili
oboljenja zaposlenih.
12
1.3. Model procene ekoloških rizika uzrokovanih NATO bombardovanjem
Republike Srbije 1999. godine
Srbija je vojno napadnuta od strane NATO pakta 24. marta 1999. godine. Bombardovanje
je zapoĉelo vazdušnim napadima avijacijom i krstarećim raketama na više podruĉja Republike
Srbije. Nakon 79 dana agresije izvršeno je 2.300 udara na 995 objekata širom teritorije SRJ
(Srbije i Crne Gore), a najvećim delom Republike Srbije. Specifiĉnost Bombardovanja bila je ta
što je NATO gaĊao civilne ciljeve, posebno u odmakloj fazi rata. U 1991. dejstvu meta su bili
sledeći objekti: industrija (89), privredni objekti (128), energetska postrojenja (120), objekti
infrastruktute (357), zdravstvene ustanove (48), obrazovne ustanove (101), verski i kulturni
objekti (183).
Procena je da su Nato bomardovanjem 1999. godine nanete nesagledive posledice po
ţivotnu sredinu Republike Srbije, kao što su:
izlivanje štetnih materija u vodotokove,
emisija štetnih gasova od sagorevanja opasnih materija (goriva, maziva, hemijski
opasne materije i sl.),
upotrebe municije i bombi sa osiromašenim uranijumom i sl.
Pretpostavlja se da su kao posledica Bombardovanja opasne materije dospele u vazduh,
vodu i zemljište. U procesu kruţenja istih kroz lance ishrane mnoge od njih su dospele i
dospevaju u organizme. Poznato je da veliki broj detektovanih štetnih materija imaju teratogeno,
kancerogeno i mutageno dejstvo.
Smatra se da će posledice ispoljavati na biljni i ţivotinjski svet i ekosisteme u celini na
razliĉite naĉine u dugom vremenskom periodu.
To zagaĊivanje prostora usled Bombardovanja ima vremensku kategoriju trenutnog i
naknadnog, odnosno razmatra se od trenutka izvedenog dejstva i ostvarenih posledica pa do
produţenih-odloţenih delovanja.
Smatra se da su ekosistemi, staništa i stanovništvo na teritoriji Republike Srbije pretrpeli
velike, a ĉesto i nenadoknadive, posledice. Posebno se istiĉe problem produţenog delovanja
izazvanih posledica i potreba šireg nauĉnog pristupa u proceni sadašnjeg stanja ţivotne sredine.
Da bi se uspešno pristupilo rešavanju ovih dilema, potrebno je koristiti se adekvatnom
metodologijom zasnovanom na nauĉnoj osnovi. U predmetnoj proceni koristio bi se model
procene ekološkog rizika koji je razvijen od strane Ameriĉke agencije za zaštitu ţivotne sredine.
Primenjena metodologija procene ekološkog rizika, koja je meĊunarodno potvrĊena kako u
teorijskom tako i u praktiĉnom pogledu, daje dobru osnovu za njenu implementaciju i u ovom
sluĉaju.
U ovom radu je dat predlog konceptualnog modela za procenu ekološkog rizika
uzrokovanog NATO bombardovanjem Republike Srbije 1999. godine. Model je prostorno
odreĊen teritorijom Republike Srbije, a vremenski obuhvata period od Bombardovanja do danas.
Primenom datog modela procene ekološkog rizika, dobili bi se precizni odgovori o stanju
ţivotne sredine, iskljuĉujući uticaj na ĉoveka-stanovništvo. Za procenu rizika Bombardovanja na
ĉoveka, odnosno stanovništvo, bilo bi neophodno primeniti neki od postojećih modela procene
rizika koji na nauĉan naĉin obraĊuju ovu problematiku.
Cilj rada je da se ponudi model, na nauĉno zasnovanom pristupu, pri proceni ekološkog
rizika, odnosno da se na osnovu datog modela ponudi naĉin utvrĊivanja ekološkog stanja na
teritoriji Republike Srbije kao posledica Bombardovanja. Analiza izazvanih efekata zagaĊenja,
13
procena aktuelnih rizika, ostvarenih i produţenih delovanja stresora zahteva potrebu
interdisciplinarnog nauĉnog pristupa u proceni sadašnjeg stanja ţivotne sredine.
PonuĊeni model procene je zasnovan na nauĉno potvrĊenoj metodologiji koji je razvila
Agencija za zaštitu ţivotne sredine US EPA. Njegova uspešnost i potvrĊenost, u sluĉaju
predmetne procene, zahtevala bi doslednu primenu i dobru organizaciju. To bi se odnosilo
prvenstveno na izbor: menadţmenta i eksperata – procenitelja i adekvatnu ekonomsku podršku.
Smatra se da bi dobijeni rezultati procene dali podatke za praćenje i poboljšanje ekološkog
stanja u Republici Srbiji, ali i da bi bili dobra osnova za dalja istraţivanja i ponovne procene.
Obzirom na kompleksnost predmetne problematike, a radi što boljeg razumevanja problema
istraţivanja ovaj rad daje samo uopšten pristup, tako da su faze procene obraĊivane u skraćenom
obliku. Konkretizacija rada bila bi proverena i primenjena na širim teorijsko-metodološkim
osnovama.
U tom smislu, primenom datog modela procene ekološkog rizika utvrdilo bi se trenutno
ekološko stanje i prisutni rizici sa ciljem njihovog smanjenja u budućnosti.
Uopšteno, procena ekološkog rizika moţe se definisati na naĉin da je to proces:
sakupljanja, organizovanja, analiziranja i prezentovanja nauĉnih podataka u cilju donošenja
odluka kojima se obezbeĊuje zaštita i poboljšanje ekološkog stanja nekog prostora. Ovako
definisana, procena ekološkog rizika predstavlja jedinstven oblik procene koji ukljuĉuje termin
rizik i kojim se pretpostavlja uzroĉno-poslediĉna veza (odnos) stresor - odgovor.
Pod pojmom ekološki rizik podrazumeva se funkcija verovatnoće pojave datog izvora
pretnje - stresora, koja koristi odreĊenu potencijalnu osetljivost nekog ekološkog sistema, i
odgovarajući odgovor istog na dati dogaĊaj. Pod pojmom stresor podrazumeva se bilo koji
fiziĉki, hemijski ili biološki entitet koji moţe da izazove, indukuje negativnu reakciju.
Procena ekološkog rizika od Bombardovanja je proces koji bi se sprovodio po fazama na
sledeći naĉin:
1. Planiranje procene ekološkog rizika
2. Formulacija problema obuhvata:
o uspostavljanje jasnih ciljeva i odrednica upravljanja
o odreĊivanje stresora izbor i definisanje kljuĉnih taĉaka procene
o izradu konceptualnog modela
o izradu plana analize
3. SprovoĊenje faze analize rizika obuhvata:
o procenu podataka i modela za analizu i
o karakterizaciju izloţenosti i ekoloških efekata
4. SprovoĊenje faze karakterizacije rizika obuhvata:
o ocenu rizika
o opis rizika
o povezivanje dobijenih informacija sa odlukama menadţmenta.
Imajući u vidu sloţenost i obimnost modela, u ovom radu se daje uopšten prikaz, sa
akcentom na definisanje faza procene i koncepualnog modela, kao jednog od vaţnijih elemenata
ukupnog procesa i osnove poĉetne faze nauĉnog dela procene.
14
1. Planiranje procene ekološkog rizika
Glavni cilj bi mogao biti: UtvrĊivanje kvaliteta ţivotne sredine na teritoriji Republike
Srbije usled izloţenosti Bombardovanju.
Zadaci procene ekološkog rizika su:
da se utvrdi trenutno stanje zagaĊujućih materija u ţivotnoj sredini, ukljuĉujući doze
zraĉenja i trenutne koliĉine za pojedine zagaĊujuće materije,
da se utvrdi stanje kvaliteta elemenata ţivotne sredine (vode, vazduha, zemljišta)
da se utvrdi stanje zdravlja biljaka, ţivotinja i drugih organizama, iskljuĉujući
ĉoveka.
da se uspostave/sprovedu mera za poboljšanje stanja ţivotne sredine.
2. Formulacija problema
Formulacija problema, kao prva od faza nauĉnog dela procene, bi bio proces stvaranja
preliminarnih hipoteza o tome kakvi su se ekološki efekti pojavili ili se mogu pojaviti u datoj
proceni. Ova faza bi dala osnovu za kompletnu ekološku procenu rizika od posledica
Bombardovanja. Iz prikupljenih (dostupnih) podataka, pripremile bi se informacije o:
definisanim stresorima i kljuĉnim taĉkama procene, izraĊenom konceptualnom modelu/lima i
definisanim hipotezama rizika i definisanom planu za analizu rizika.
Stresore bi trebalo rangirati prema potencijalnom riziku za sve resurse ţivotnog prostora
Republike Srbije, na bazi profesionalne procene od strana radne grupe. Rezultatima uporedne
analize mogle bi se prvo rangirati zagaĊujuće materije bombardovanih i širih prostora, radi
verifikacije pretpostavke da su iste najveći stresori za ţivotnu sredinu. Neophodno bi bilo ispitati
svaki stresor posebno, radi prouĉavanja inteziteta njihovog uticaja na ţivotnu sredinu i radi
utvrĊivanja njihovog trenutnog stanja i eventualog povećanja u budućem vremenu.
Potencijalni stresori mogli bi biti:
fiziĉki zagaĊivaĉi,
zagaĊujuće materije u vazduhu,
zagaĊujuće materije u zemljištu,
teratogene materije,
zagaĊujuće materije u vodi
Potencijalne kljuĉne taĉke procene mogle bi biti:
zdravlje biljaka, ţivotinja i drugih organizama,
kontaminiranost prostora,
% zastupljenost oboleljevanja organizama,
rasprostranjenost i brojnost organizama,
kvalitet podzemnih i tekućih voda i zemljišta i
kvalitet hrane u lancu ishrane.
Konceptualni model je u obliku dijagrama (Slika 1), koji se sastoji od jednostavnih
elemenata, i svaki element simulira odreĊenu fazu procesa. U ovom sluĉaju dijagram procene
prestavljao bi opis i vizuelnu prezentaciju predviĊenih odnosa izmeĊu ekoloških entiteta
(izabranih kljuĉnih taĉaka procene) i stresora kojima mogu biti izloţeni. Svaki od puteva u
15
dijagramu su i hipoteze rizika jer se tiĉu odreĊenih informacija vezanih za ovu procenu.
Kompleksnost konceptualnog modela zavisi od broja stresora, od broja kljuĉnih taĉaka, prirode
efekata i karakteristika ekosistema. Za sluĉaj ove procene, moţe se sa sigurnošću tvrditi da bi
konceptualni model bio kompleksan.
Slika 1. Dijagram konceptualnog modela
Hipoteze rizika su predloţeni odgovori na pitanja procenitelja rizika o tome kakve će
reakcije kljuĉne taĉke pokazati kada se izloţe delovanju stresora i kako će se ta izloţenost desiti.
Hipoteze rizika su specifiĉne pretpostavke o potencijalnom riziku kljuĉnih taĉaka. U
konceptualnom modelu hipoteze rizika prestavljaju veze i mogu biti iskorišćene i za postavljanje
pitanja vaţnih za istraţivanje a da bi se procenile logiĉke i empirijske posledice, u cilju stvaranja
osnove za procenu rizika.
Što se tiĉe uspostavljanja hipoteza rizika, u ovom sluĉaju mogle bi biti pokrenute: zaštitom
ekoloških vrednosti, uticajem stresora na organizme ili izazvanim ekološkim efektima
(obolevanje organizama, zagaĊenjem i gubitkom staništa i sl). Tako, neke od hipoteza bi mogle
glasiti: prekomerno zagaĊenje elemenata ţivotne sredine uzrokuje uĉestalost obolevanja
organizama.
Za definisanje i izradu plana analize bilo bi potrebno još jednom razmotriti postavljene
hipoteze rizika da bi se odredio naĉin procenjivanja, koristeći raspoloţive i novoprispele
podatke. U obavezi radne grupe bi bilo da napravi i komparativnu tj. uporednu analizu rizika,
radi pomoći pri definisanju, koji stresori i kljuĉne taĉke procene treba da budu predmet
ispitivanja.
16
3. SprovoĎenje faze analize rizika
Analiza rizika je strateška faza u proceni ekološkog rizika. U datom sluĉaju ova faza bi bila
najobimnija i najzahtevnija od svih faza procene, kako u kvantitativnom tako i u kvalitativnom
smislu. Analizom bi se ispitale dve osnovne komponente rizika, izloţenost i efekti, i njihova
meĊusobna veza.
Pre nego što bi se pristupilo realizaciji karakterizacije izloţenosti i karakterizacije
ekoloških efekata, bilo bi potrebno izvršiti procenu dostupnih podataka i definisanog modela
analize, što bi ukljuĉilo i ocenu mogućih neizvesnosti koje prate ovu fazu. To bi obuhvatalo
procenu mogućnosti i ograniĉenja razliĉitih tipova podataka, ocenu studije modelovanja, kao i
ocenu ukupne neizvesnosti u pogledu kvaliteta podataka i postavljenog modela.
Nakon sprovedenih ocena o dostupnim podacima i projektovanoj studiji modelovanja, kao
i eventualnih neizvesnosti i nedostataka u dotadašnjem toku procene, pristupilo bi se
karakterizaciji izloţenosti i karakterizaciji efekata, kao sledećim fazama analize.
Karakterizacija izloţenosti oslanjala bi se na postavljeni model analize. U zavisnosti od
vrste (karaktera) procene primenjuju se i adekvatni modeli (modeli koji su univerzalni ili se
prave posebni modeli). U ovoj proceni proces bi se zasnivao na analizi izloţenosti i opisu
stepena i obrasca kontakta ili istovremenog pojavljivanja definisanih stresora i receptora. Finalni
proizvod ove faze bio bi tzv. profil izloţenosti.
Karakterizacija ekoloških efekata kao sledeća faza analize obuhvatala bi rad procenitelja
koji analizira opisuje efekte ekološkog odgovora i povezuje ih sa izabranim kljuĉnim taĉkama
procene. Uopšteno, karakterizacija bi otpoĉela ocenom podataka o efektima izazvanim datim
stresorom/stresorima, a nastavila bi se analizom ekološkog odgovora, ĉime bi se ocenilo kako se
obim efekata menja sa variranjem nivoa stresora. Ovim postupkom procenitelj (procenitelji) bi
dokazali da su stresori izazvali odreĊeni efekat, što povezuje efekte sa kljuĉnim taĉkama procene
i definisanim konceptualnim modelom. Zakljuĉci bi se sumirali u profilu stresor-reakcija.
4. SprovoĎenje faze karakterizacije rizika
Cilj procenitelja rizika u ovom sluĉaju bio bi da steknu potpun uvid u veze izmeĊu
definisanih stresora, efekata i kljuĉnih taĉaka procene i da doĊu do zakljuĉaka koji se tiĉu
izloţenosti i štete uzrokovane postojećim ili predviĊenim ekološkim rizikom. Rezultati faze
analize procenitelji bi koristili da razviju ocenu rizika ekoloških entiteta, pre svega ukljuĉujući
kljuĉne taĉke identifikovane u formulaciji problema. TakoĊe dao bi se i opis rizika u kontekstu
vaţnosti bilo kog neţeljenog efekta, kao i dokaza koji podrţavaju njegovu verovatnost. Na kraju,
obaveza procenitelja bi bila da identifikuju i sumiraju neizvesnosti i pretpostavke u proceni
rizika, i da dostave izveštavaj menadţerima rizika o zakljuĉcima procene.
Zakljuĉci prezentovani u karakterizaciji rizika od posledica Bombardovanja treba da
obezbede jasnu informaciju menadţerima rizika kako bi se donela pravilna odluka vezana za dati
problem. Ukoliko rizici nebi bili dovoljno definisani i jasni da bi se donela odluka menadţmenta,
tada menadţeri rizika mogu odluĉiti da se ponove jedna ili više faza procene. Ponovna ocena
konceptualnog modela (i povezanih hipoteza rizika) ili sprovoĊenje dodatnih studija moţe
poboljšati ocenu rizika.
17
1.4. Upravljanje rizikom od šumskih požara
Poţar predstavlja nestacionarni proces gorenja koji se odvija u odreĊenom prostoru i
vremenu, za ĉiji nastanak je potrebno postojanje gorive materije, neprekidni dotok kiseonika i
potrebne energija za nastanak poţara.
Karakteristiĉne pojave do kojih moţe doći prilikom poţara su eksplozija, deformacije,
obrušavanje konstrukcije, kipljenje, a kao posledica moguć je gubitak ljudskih ţivota, povrede sa
trajnim posledicama, traume, trovanje otrovnim produktima, povrede usled panike, kao i direktna
i indirektna materijalna šteta i uticaj na ţivotnu sredinu.
Poţar rastinja je gorenje divlje vegetacije (trave, grmova, šiblja, šume), ali i
poljoprivrednih kultura ako se naĊu na putu takvog poţara.
Šumski poţar je po samom znaĉenju reĉi poţar u kojem gori šuma, dok je poţar otvorenog
prostora bilo koji poţar koji se ne dogaĊa u zatvorenom prostoru. Prema tome poţar otvorenog
prostora ukljuĉuje i poţare graĊevina i drugih struktura koje su se cele zapalile, pa nije potrebno
kod gašenja poţara ući u unutrašnji prostor. Fizikalna dogaĊanja kod poţara otvorenog prostora
vezana su sa sagorevanjem u slobodnoj atmosferi gde je dotok kiseonika neograniĉen, za razliku
od poţara zatvorenog prostora kada se izgaranje javlja u prostoru ograniĉenom površinama
(zidovima) što moţe rezultirati i posebnim pojavama (na primer povratni plameni udar).
Šumski poţari spadaju u prirodne katastrofe ĉesto sa vrlo teškim posledicama.
Opasnost od nastanka i nekontrolisanog širenja šumskog poţara zavisi od više stalnih i
promenljivih faktora. Stalni faktori su oni koji se ne menjaju znaĉajno tokom poţarne sezone, na
primer korišćenje zemljišta, tipovi vegetacije, topografija i neki klimatski elementi, dok su
promenljivi faktori uglavnom vezani s trenutnim meteorološkim uslovima i koliĉinom vlage u
gorivu, sušom, praţnjenjem atmosferskog elektriciteta, otvorenim plamenom itd.
Najveće opasnosti od šumskih poţara nastaju u letnjim mesecima kada su visoke
temperature vazduha a smanjen sadrţaj vlage u vazduhu. U letnjem periodu postoji vrlo velika
opasnost od izbijanja poţara, kako zbog karakteristika vegetacijskog pokrova i klimatskih
faktora tako i zbog povećanih socioloških rizika izbijanja poţara. Postoji veliki broj neţeljenih
(riziĉnih) dogaĊaja koji mogu uzrokovati poţar u šumi.
Poţari su ĉesti uzroci uništenja šuma pri ĉemu nastaju ogromne ekološke i ekonomske
štete, kao i gubitak ljudskih ţivota. Sve je veći uticaj ĉoveka na njihov nastanak, kao i kontrolu i
njihovo suzbijanje. Poslednjih godina broj šumskih poţara u svetu i u regionu je u stalnom
porastu.
Rizik od šumskog poţara predstavlja verovatnoću (mogućnost) nastanka neţeljenog
(opasnog) dogaĊaja (šumskog poţara) koji moţe uzrokovati razliĉite negativne posledice, kao
što su: opasnosti po ţivote i zdravlje ljudi, opasnosti po ţivi svet u šumi i samu ţivotnu sredinu,
opasnosti po šumsko bogatstvo itd. Drugim reĉima rizik nije isti u podruĉju posebno vrednog
prirodnog okruţenja kao što je nacionalni park i izvan njega, bez obzira da li se radi o istom
vegetacijskom pokrovu, ili rizik nije isti na podruĉjima gde moţe izgoreti neka spomeniĉka
baština i na podruĉjima gde nema niĉega.
Nivo rizika zavisi od:
verovatnoće nastanka neţeljenog dogaĊaja i
oĉekivane veliĉine gubitaka uzrokovanih nastankom neţeljenog dogaĊaja.
Кvantifikacija rizika za svaki riziĉni dogaĊaj, podrazumeva:
identifikaciju neţeljenog dogaĊaja,
18
odreĊivanje verovatnoće nastanka neţeljenog dogaĊaja,
odreĊivanje mogućih gubitaka koje bi ovaj riziĉni dogaĊaj proizveo,
odreĊivanje mera za spreĉavanje rizika.
OdreĊivanje verovatnoće nastanka riziĉnog dogaĊaja u šumi kao što je poţar, moţe se
izvršiti preko procene ugroţenosti šuma od poţara za odreĊeno podruĉje.
OdreĊivanje mogućeg gubitka moţe se izvršiti i izraĉunati i on predstavlja verovatnoću
materijalnih i nematerijalnnih gubitaka, koji mogu nastati na šumskom sistemu ako bi se riziĉni
dogaĊaj ostvario.
Oĉekivane veliĉine gubitaka nastale riziĉnim dogaĊajem mogu biti: zanemarljive, male,
znaĉajne, velike i veoma velike. Veliĉina gubitaka nastalih šumskim poţarima zavisi pre svega
od: ureĊenosti šuma, ureĊenosti izletišta, primene odgovarajućih mera zaštite, prisustva opreme i
sredstava za gašenje, organizacije delovanja na poţar, obuĉenosti ljudi za gašenje poţara itd.
OdreĊivanje mera za spreĉavanje rizika nastanka poţara u šumi moţe biti razliĉit, i to
najznaĉajniji deo kojim se bavi sistem upravljanja rizikom u zaštiti šuma od poţara.
Postoje razliĉite vrste rizika koje se meĊusobno razlikuju po mestu i vremenu nastanka,
broju i vrsti unutrašnjih i spoljašnjih faktora koji utiĉu na nivo rizika, po karakteru posledica, po
naĉinu opisivanja, metodama analiza i upravljanja i sl.
Po stepenu indentifikacije rizici mogu biti:
specifiĉni (parcijalni) rizici, koji mogu u potpunosti biti indentifikovani i ĉiji obim je
moguće utvrditi
generalni (globalni) rizici, koji se ne mogu u potpunosti indentifikovati i ĉiji obim
nije moguće taĉno utvrditi
Кada se radi o rizicima koji utiĉu u nastanak poţara na vegetaciji, oni spadaju u grupu
specifiĉnih rizika koje je moguće indentifikovati i koje je moguće taĉno utvrditi.
Prema dinamici razvoja postoje:
udesni rizici, koji imaju veliku brzinu razvoja i ako se ne preduzmu adekvatne mere
oni se progresivno šire
kumulativni rizici, koji se sporo razvijaju i tokom kojih se degradacione pojave
akumuliraju.
Rizici od šumskih poţara spadaju u grupu udesnih rizika koji imaju veću brzinu razvoja i
ĉiji se dogaĊaj nakon nastanka brzo širi i razvija.
Prema mogućnosti upravljanja, rizici mogu biti:
upravljivi rizici, rizici kojima je moguće upravljati
neupravljivi rizici, rizici kojima je nemoguće zadovoljavajuće upravljati.
Rizici od šumskih poţara su upravljivi rizici i njima se moţe adekvatno upravljati.
Pravilnim upravljanjem ovim rizicima zaštita šuma od poţara biće bolja a štete nastale poţarima
manje.
Prema nivou upravljanja, rizici mogu biti:
rizici planiranja, rizici koji se javljaju u fazi planiranja upravljanja
operativni rizici, rizici koji prate fazu operativnog upravljanja.
19
Neke definicije vezane za opasnosti i rizike od poţara:
Verovatnoća zapaljenja – Verovatnoća da će doći do zapaljenja goriva kada na njega
padne zapaljena materija. Sinonim ovog izraza je indeks zapaljenja.
Prihvatljiva šteta – Šteta koja neće znaĉajno uticati na degradaciju terena nakon
poţara ili na socio–ekonomske elemente.
Prihvatljiv rizik od šumskog poţara – Potencijalna poţarna šteta koju je zajednica
spremna prihvatiti radije nego da provede mere kojima bi smanjila mogućnost
izbijanja i širnja poţara.
Neprihvatljivi rizik od šumskog poţara – Nivo rizika od šumskog poţara nakon koga
je potrebno preduzeti mere kojima se mogućnost izbijanja i širenja poţara smanjuje.
Hazardno podruĉje u odnosu na šumske poţare – Podruĉje na kojem je kombinacija
vegetacije, topologije, vremenskih prilika i mogućih pretnji izbijanja poţara takva da
je gašenje poţara teţak ili opasan zadatak (kod nas na primer minirana podruĉja).
Smanjenje hazarda od šumskog poţara – svaka akcija povezana s tretiranjem
vegetacije kojom se smanjuje mogućnost zapaljenja ili širenja poţara (na primer
formiranje poţarnih prokopa).
Rizik od šumskih poţara uzrokovan ljudskim faktorom – Model kojim se predviĊa
proseĉni broj poţara kojima je uzrok ĉovek. Numeriĉki iznos ovog rizika koji se
naziva skalirajući faktor zasniva se na višegodišnjem beleţenju poţara kojima je
uzrok ĉovek (obiĉno od 3 do 5 godina) i meteorološkim prilikama u kojima se to
obiĉno dogaĊalo.
Rizik od šumskih poţara uzrokovan praţnjenjem atmosferskog elektriciteta – Model
kojim se predviĊa mogući broj praţnjenja atmosferskog elektriciteta i s njima
uzrokovanih šumskih poţara. Numeriĉki iznos ovog rizika koji se naziva skalirajući
faktor zasniva se na osetljivosti goriva na zapaljenje grmljavinskim izbojem,
kontinuitetu goriva, topografiji i regionalnim karakteristikama vezanim s mogućnošću
pojave grmljavina.
Cilj upravljanja rizikom je da se obezdedi bolje razumevanje i potpunija zaštita, ili
kontrola, u raznim nepredviĊenim situacijama. U tom cilju su razvijene brojne metode koje se
sve više usavršavaju. Metodologija za ocenu rizika od poţara se postavlja, ne samo da bi
odredila veliĉinu rizika, već da bi se pomoću ovog sistema odredio nivo preventive za buduće
rizike.
Ĉesto se za analizu i procenu rizika od poţara koriste razliĉiti programi i modeli kojima se
simulira:
razvoj poţara,
rasprostiranje plamena,
širenje dima,
poţarne situacije u objektima,
postupci ljudi u sluĉaju poţara,
evakuacija,
uspešnost gašenja poţara (tehniĉka opremljenost i osposobljenost ljudstva za gašenje
poţara)
20
UvoĊenje upravljanja rizikom od poţara je neophodno kako bi se:
smanjio broj poţara,
smanjio broj ljudskih ţrtava,
smanjile materijalne štete i
postigla ekonomiĉnost sistema zaštite.
Upravljanje rizikom u sebi inkorporira aktivnosti: identifikaciju opasnosti, odreĊivanja
rizika, procenjivanje rizika i analizu rizika.
Prvi korak upravljanja rizikom daje identifikaciju opasnosti, što upućuje na kvalitativnu
analizu rizika. Kvantitativna analiza rizika se vrši radi estimacije rizika, pri ĉemu se posledice,
verovatnoće i rizik kvantifikuju. Osnovno interesovanje PRA (Probabilistic risk analisys) je na
kritiĉnim dogaĊajima koji mogu dovesti do katastrofalnih posledica.
Cilj odreĊivanja rizika jeste da obezbedi potrebne informacije kao podršku upravljanju
rizikom u donošenju odluka. Ukoliko je rizik neprihvatljiv, redukcija rizika će biti razmatrana
dalje sa analiziranjem novog mogućeg neţeljenog dogaĊaja.
Kompletan opis rizika je iterativan proces, koji obiĉno poĉinje sa primenom kvalitativnih
metoda koje ako je potrebno prelaze u kvantitativne. Ukoliko se sprovedi kvantitativna analiza
rizika mora biti ustanovljen model sistema. Kada se odredi model i podaci, moţe se zapoĉeti sa
proraĉunom kako bi se procenio rizik i identifikovale se kritiĉne komponente i dogaĊaji. To se
najĉešće radi pomoću analitiĉkih metoda ili Monte Carlo simulacije.
Analiza rizika je postupak kojim se vrši opis identifikovanih rizika i analizira njihov uticaj
na predmet delovanja, procenjuje verovatnoća i posledice realizacije rizika, ocenjuje i klasifikuje
rizik, formira lista prioritetnih rizika, predlaţu metode za delovanje na rizik i definišu metode
praćenja rizika.
Procena rizika se vrši kroz objedinjavanje procena verovatnoće i posledice za sve scenarije
rizika. Veliki obim informacija o uĉestalostima i posledicama opasnosti treba integrisati i
predstaviti u relativno jedinstvenoj formi za razumevanje i odluĉivanje. To moţe biti jedinstveni
brojni ideks, tabela, matrica, grafik ili karta opasnosti i rizika. Analiza rizika moţe se predstaviti
kvalitativno, polukvalitativno, kvantitativno i kombinovano.
Vrednovanje rizika podrazumeva poreĊenja nivoa rizika, sa kriterijumima rizika
definisanih u postupku utvrĊivanja konteksta upravljanja rizikom, kojim se utvrĊuje znaĉaj
rizika. Ako procenjeni rizik zadovoljava utvrĊene kriterijume smatra se prihvatljivim i ne
zahteva dodatne opcije kontrole u suprotnom utvrĊuje se lista prioriteta rizika, kao i naĉine
delovanja na ove rizike.
Tretiranje rizika je proces primene mera kojima se utiĉe na veliĉinu rizika. Osnovne opcije
tretiranja rizika mogu biti:
izbegavanje rizika,
zadrţavanje rizika,
prenos rizika,
smanjenje rizika.
Izbegavanje rizika se postiţe neangaţovanjem u aktivnostima, koje mogu dovesti do rizika.
U zaštiti šuma od poţara izbegavanje rizika je negativan pristup rešavanja rizika, jer je rizik
stalno prisutan i njegovo izbegavanje dovodi do pogoršanja sistema i vodi stvaranju gubitka.
21
Zadrţavanje rizika postoji kada se ne preduzimaju nikakve aktivnosti u vezi sa rizikom.
Zadrţavanje rizika moţe biti svesno ili nesvesno. Svesno zadrţavanje rizika postoji kada se on
proceni i dobrovoljno preuzmu oĉekivani gubici. Po pravilu zadrţavaju se rizici koji rezultiraju
malim gubicima, kao i rizici za koje ne postoje druge bolje alternative. U zaštiti šuma od poţara
zadrţavanje rizika se retko primenjuje samo onda kada se proceni da odreĊeni rizik ne moţe da
nanese veliki gubitak, ili kada delovanje na rizik iziskuje velike materijalne gubitke koji su veći
od nedelovanja na isti rizik.
Prenos rizika podrazumeva raspodelu ili prenošenje rizika na druge organizacije i subjekte.
Raspodela rizika postoji kada više subjekata uĉestvuju u zajedniĉkom rešavanju problema. Tada
svako preuzima deo rizika koji taj poduhvat sadrţi. U zaštiti šuma od poţara to je ĉest sluĉaj i
teţi se ukljuĉenju više subjekata u rešavanju problema kao što su: institucije koje se bave
šumarstvom, meteorološke sluţbe, razni drţavni organi i sl.
Smanjenje rizika je vezano za aktivnosti prevencije. Mnogi rizici se mogu smanjiti a mnogi
izbeći primenom preventivnih mera, kojima se smanjuje verovatnoća pojave neţeljenog
dogaĊaja ili potencijalnog gubitka. Neke od mera za smanjenje rizika od nastanka šumskih
poţara su: strateško planiranje, monitoring, primena sistema za otkrivanje i gašenje poţara,
primena biološko-tehniĉkih mera zaštite, odrţavanje puteva, protivpoţarnih pruga, obrazovanje,
edukacija i sl. U zaštiti šuma od poţara i upravljanju rizikom ovo je jedan od najvaţnijih procesa
i u delu spreĉavanja da riziĉni dogaĊaj ne nastane, a i u delu smanjenja efekata riziĉnog dogaĊaja
kad on nastane.
Da bi sistem upravljanja rizikom ostvario svoju funkciju, mora da bude projektovan za rad
u više reţima. Reţimi funkcionisanja sistema upravljanja rizikom mogu biti:
rad u stacionarnom reţimu,
rad u reţimu pripravnosti,
rad u reţimu riziĉnog dogaĊaja,
rad nakon rizika ili posriziĉni reţim.
Rad u stacionarnom reţimu je preventivno planiranje, koje se ostvaruje kroz:
praćenje stanja potencijalnih opasnosti i preduzimanje preventivnih mera za
spreĉavanje riziĉnog dogaĊaja,
prognozu mogućeg razvoja riziĉnog dogaĊaja i njegovih posledica,
obezbeĊenje resursa za delovanje u sluĉaju pojave riziĉnog dogaĊaja i
formiranje i primenu mehanizama za minimizaciju moguće štete.
Rad u reţimu pripravnosti podrazumeva razradu i primenu detaljnih planova za prevenciju
konkretnog riziĉnog dogaĊaja na osnovu ranije pripremljenih naĉna dejstva kroz program
preventivnog delovanja. Ovaj reţim rada se ostvaruje kroz sledeće funkcije:
formiranje operativnih grupa za otkrivanje uzroka pojave faktora opasnosti i
formiranje predloga za njegovu eliminaciju,
pojaĉano praćenje stanja potencijalnih opasnosti,
prognozu verovatnoće nastanka riziĉnog dogaĊaja i mogućih posledica,
preduzimanje mera za zaštitu potencijalno ugroţenih elemenata sistema,
operativno modelovanje procesa nastanka i razvoja riziĉnog dogaĊaja i formiranje
plana dejstva za njegovo spreĉavanje i otklanjanje eventualnih posledica i
22
pripremu sistema upravljanja za rad u uslovima oĉekivanog riziĉnog dogaĊaja.
Rad u reţimu riziĉnog dogaĊaja nastaje prilikom realizacije riziĉnog dogaĊaja. Osnovne
funkcije ovog reţima su:
koncentracija operativnih elemenata za neposredno rukovoĊenje akcijom za
smanjenje i eliminaciju posledica riziĉnog dogaĊaja,
operativna dejstva i radnje u cilju zaštite elemenata sistema od dejstva nepovoljnih
faktora,
konstantna pojĉana kontrola stanja okruţenja i potencijalno opasnih elemenata
sistema − kontrola i operativno upravljanje ekipama koje uĉestvuju u zaštiti sistema,
koncentracija resursa za smanjivanje i otklanjanje posledica i
organizacija obaveštavanja o nastalom dogaĊaju.
Upravljanje rizikom od šumskih poţara ima za cilj da se smanji broj poţara i opoţarena
površina, kao i posledice (štete) uzrokovane šumskim poţarom.
Upravljanje rizikom od šumskih poţara podrazumeva:
1. Indentifikaciju dogaĊaja koji mogu uzrokovati šumski poţar
2. Preduzimanje niza preventivnih mera, ĉiji je cilj da spreĉe nastanak šumskog poţara, a
ako i doĊe da se adekvatnim metodama gašenja smanje štete nastale poţarom.
3. Pripravnost svih subjekata koji uĉestvuju u zaštiti šuma od poţara.
4. Reagovanje kada šumski poţar nastane i
5. Sanacija terena posle poţara (otklanjanje posledica poţara).
1. Identifikacija rizika vrši se sa ciljem formiranja liste izvora i faktora rizika, kao i
dogaĊaje koji mogu uticati na ostvarenje ciljeva definisanih u konteksu upravljanja rizikom. Ovi
dogaĊaji mogu da onemoguće, umanje, uvećaju ili odloţe ostvarenje definisanih ciljeva. Кako se
identifikacioni dogaĊaji mogu realizovati na razliĉite naĉine, neophodno je formiranje scenarija
razvoja ovih dogaĊaja. Scenario povezuje faktore rizika na naĉin koji rezultira negativnom
posledicom.
2. Druga faza upravljanja rizikom od šumskih poţara (odgovara stacionarnom reţimu)
podrazumeva preduzimanje niza preventivnih mera ĉiji je cilj da spreĉe nastanak šumskog
poţara (prevencija poţara), kao što su:
odrţavanje šumskih površina tako da se verovatnoća nastanka poţara svede na
minimum (proreĊivanje, prosecanje, ĉišćenje šuma itd.).
korišćenje šuma tako da se smanji verovatnoća nastanka poţara i stvore prirodne
prepreke nekontrolisanom širenju šumskih poţara. Šume se mogu koristiti u
društveno-ekološke (turistiĉke, ekološke, protiverozijske, klimatske, apsorpcija CO2,
emisija O2, rekreacione, zdravstvene), privredne svrhe (trupci, celuloza, ogrev),
energetsko (posebno otpad i ogrevno drvo), sirovinske svrhe (za peletiranje,
briketiranje, proizvodnju drvenog uglja, pirolitiĉkog gasa itd.)
sagledavanje i klasifikacija vegetacije i gorivog materijala u šumi,
odreĊivanje kategorije ugroţenosti šuma od poţara,
izgradnja i odrţavanje protivpoţarnih pruga i proseka,
primena biološko-tehniĉkih mera zaštite,
23
izgradnja i ureĊenje puteva i prilaza za vozila,
izgradnja i ureĊenje vodozahvata i izvora vode,
uklanjanje mogućih izvora paljenja,
ureĊenja izletišta i rekreativnih centara,
borba protiv izazivaĉa poţara u šumi,
izgradnja i ureĊenje osmatraĉnica, slika 1. Najĉešće se koristi 24 ĉasovni
protivpoţarni ljudski nadzor na odreĊenoj lokaciji. Pravilnikom o zaštiti šuma od
poţara definisani su svi detalji uspostave nadzorno-dojavne sluţbe koja treba za
vreme velike i vrlo velike opasnosti od nastanka poţara šuma koje su svrstane u I
stepen opasnosti od poţara da radi danonoćno od 0 do 24 sata.
ureĊenje sluţbe osmatranja i obaveštavanja, slika 2. Savremeniji naĉin, umesto
ljudskog nadzora, je 24 ĉasovni protivpoţarni nadzor pomoću daljinski upravljanih
video kamera. Nadzornik sedi u nadzornom centru i istovremeno prati nekoliko
kamera. Daljinski video nadzor predstavlja podršku praćenju razvoja poţara i
rukovoĊenju akcijama gašenja poţara uz poznavanje meteoroloških uslova na terenu.
Ovakav sistem se uspešno koristi u protivpoţarnoj zaštiti nacionalnih parkova i
parkova prirode Hrvatske (Nacionalni park Paklenica, Makarska, Park prirode
Biokovo, Nacionalni park Mljet, Park prirode Vransko jezero). Stalno gledanje u
ekrane, pogotovo kada se koristi više kamera je zamorno i teško izvodljivo 24 ĉasa.
Sledeći nivo, tehniĉki najnapredniji, je 24 ĉasovni protivpoţarni nadzor video
kamerama u vidljivom (i bliskom infra-crvenom) delu spektra sa alarmnim sistemom
za ranu detekciju pojave šumskog poţara na osnovu prepoznavanja pojave dima i
vatre, uz mogućnost prenošenja i arhiviranja snimaka i alarma na centralnim
posluţiteljima. Ovakvi napredniji sistemi video nadzora sa automatskim
prepoznavanjem šumskih poţara u nastajanju se koriste u: Nemaĉkoj, Španiji,
Portugaliji, Hrvatskoj (Istra je jedino podruĉje u Hrvatskoj koje je pokriveno ovakvim
naprednim video sistemom, postavljeno je 29 kamera rasporeĊenih u 5 nadzornih
centara koje u potpunosti pokrivaju podruĉje Istre).
24 ĉasovni meteorološki nadzor na nivou mikrolokacije, koji se realizuje mreţom
mini meteoroloških stanica postavljenih uz nadzorne kamere.
ureĊenje odgovarajućeg informacionog sistema. Ako se pravilno organizuje
informacioni sistem se moţe koristi u svim fazama upravljanja rizikom od šumskih
poţara: u fazi preduzimanja preventivnih mera, u fazi gašenja poţara (kao sistem
podrške tokom gašenja poţara) ali i pri planiranju sanacije opoţarene površine.
Informacioni sistem se sastoji iz tri celine:
o 24 ĉasovni protivpoţarni video nadzor.
o Modelovanje i simulacija širenja šumskog poţara.
o Proraĉun mikrolokacijskog rizika od šumskog poţara.
izrada planova zaštite šuma od poţara i sl.
25
Cilj je da se ostvari preventivna zaštita od šumskih poţara uz maksimalno korišćenje
savremenih tehnologija. Ulaganja u preventivnu zaštitu od poţara danas su mnogo puta manja od
šteta koje poţari svake godine donesu. Trošak poţara nije samo trošak intervencije i sanacije
opoţarenog podruĉja već i gubitak biomase. Preventivna zaštita od poţara prema ovom pristupu
ne samo da bi direktno smanjila i broj poţara i poţarnu štetu, već bi mogla delovati i podsticajno
na privredu i razvoj energetike baziran na obnovljivim izvorima. Ove preventivne mere treba da
se sprovode na svim površinama pod šumom kako na onim kojima gazduju javna preduzeća,
tako i na privatnim šumama gde je preventivna zaštita najslabija.
U ovoj fazi se vrši procena rizika od šumskog poţara koja je osnova svakog sistema
upravljanja rizikom. U preventivnoj zaštiti, procena verovatnoće nastanka šumskih poţara je
veoma vaţna jer pokazuje kolika je opasnost od poţara za odreĊenu površinu pod šumom. Ove
procene treba da pokaţu koji faktori, koliko i na koji naĉin utiĉu na verovatnoću nastanka
šumskih poţara. Najznaĉajniji faktori koji utiĉu na verovatnoću nastanka šumskih poţara su:
vegetacija i gorivi materijal u šumi,
prirodne pojave,
ĉovek (antropogeni faktor),
klima i klimatski faktori,
podloga, matiĉni supstrat i tip zemljišta,
nagib terena,
ureĊenost šuma,
istorija poţara.
3. Treća faza upravljanja rizikom od šumskih poţara je pripravnost svih subjekata koji
uĉestvuju u zaštiti šuma od poţara. Ova faza odgovara reţimu pripravnosti. Pripravnost ima za
cilj formiranje i opremanje organizacionih jedinica na svim nivoima i njihovu meĊusobnu
povezanost i koordinirano delovanje u cilju upravljanja rizikom. U ovom reţimu pojaĉavaju se
aktivnosti na daljem praćenju potencijalno opasnih faktora koji utiĉu na nastanak šumskih
poţara. Nastavlja se sa prognoziranjem opasnosti od nastanka neţeljenog dogaĊaja i preduzimaju
se mere za zaštitu potencijalno ugroţenih elemenata šumskog sistema. To se pre svega odnosi na
zaštitu posebno ugroţenih površina pod šumom kao što su ĉetinarske šume, šume koje su
podloţne paljenju, šume pored izletišta i u kojima se obavljaju delatnosti koje mogu da izazovu
poţar. Modelovanje poţara se vrši za sve posebno ugroţene površine pod šumama, koje nam
daje sliku mogućeg nastanka poţara i model širenja poţara. U ovoj fazi ceo sistem zaštite šuma
od poţara priprema se za moguć rad u uslovima nastanka riziĉnog dogaĊaja (poţara).
4. Ĉetvrta faza u upravljanju rizikom u zaštiti šuma od poţara je reagovanje kada šumski
poţar nastane (gašenje poţara). Ova faza odgovara radu u reţimu rizika i u većoj meri je
povezan i zavisi od pripravnosti. Da bi se ova faza efikasno sprovela potrebno je obezbediti:
odgovarajuće naĉine osmatranja i uoĉavanja akcidentnih situacija,
odgovarajuće naĉine brzog i pravovremenog obaveštavanja,
taĉnu šemu organizacije i organizacionih jedinica koje će uĉestvovati i reagovati na
nastalu situaciju,
odgovarajuću vrstu i koliĉinu opreme koja će se upotrebiti u odgovoru na nastalu
situaciju,
odgovarajuću vrstu i koliĉinu sredstava za gašenje i naĉin logistiĉke pomoći,
26
odgovarajuće naĉine korišćenja podataka od znaĉaja za nastali dogaĊaj i
odgovarajuće informisanje o nastalom dogaĊaju.
Ova faza upravljanja rizikom u zaštiti šuma od poţara utiĉe na veliĉinu materijalne štete i
gubitaka i od nje dosta zavisi efikasnost celog sistema upravljanja rizikom.
5. Peta faza u upravljanju rizikom od šumskih poţara je sanacija opoţarenog zemljišta
posle poţara, odnosno preduzimanje mera i radnji posle gašenja šumskog poţara. Ova faza
odgovara posriziĉnom reţimu kada oštećeni sistem mora da se vrati u normalnu funkciju. Duţina
trajanja ovih aktivnosti zavisi od stepena oštećenja sistema i od mogućnosti sanacije. U šumi
posle poţara najĉešće se razvijaju dva uporedna negativna procesa:
ispiranje hranljivog supstrata sa površine zemljišta i
pojava štetnih insekata i bolesti.
Jedan od naĉina da se ovi negativni procesi spreĉe je uklanjanje izgorelih stabala sa
površine na kojoj se dogodio poţar i pošumljavanje.
27
1.5. Računarsko modelovanje i simulacija širenja šumskih požara
Raĉunarsko modelovanje i simulacija širenja šumskih poţara samo je jedan deo
kompleksnog modela ponašanja šumskog poţara. Modelovanje ponašanja šumskog poţara pored
modelovanja širenja ukljuĉuje i modelovanje zapaljenja šumskog poţara, modelovanje
intenziteta šumskog poţara i modelovanje širenja dima. MeĊutim na osnovu praktiĉnih iskustava
za operativni rad vezan s poţarnom preventivom i upravljanjem gašenjem poţara dovoljno je
raĉunarsko modelovanje i simulacija širenja šumskog poţara, pa se u ovom delu prvenstveno
njime i bavimo.
Nauĉnici su razvili ĉitav niz razliĉitih postupaka raĉunarskog modelоvanja i simulacije
ponašanja i širenja šumskih poţara, koji daju podatke o brzini i pravcu širenja poţara sa
prognozom pravca i naĉina lokalizacije, koji su potrebni vatrogasnim sluţbama.
Korišćenjem modela koji opisuju poţare moţemo dobiti odgovore na pitanje kako se oni
ponašaju, šta sve utiĉe na njihovo širenja i najvaţnije kako ih predvideti. Pravac širenja zavisi od
vegetacijskog pokrivaĉa, topografije, mikroklime i drugih faktora.
Simulacija širenja šumskog poţara se koristi:
pre poţara,
u toku poţara i
posle poţara.
Simulacija širenja šumskog poţara pre poţara pomaţe pri:
izraĉunavanju rizika i definisanju stepena ugroţenosti šumskog podruĉja,
planiranju preventivnih mera koje treba preduzeti,
planiranju preventivnog vatrogasnog delovanja,.
planiranju poloţaja šumskih prokopa,
planiranju rasporeda jedinica i sredstava za gašenje poţara,
uveţbavanju rukovodstva u voĊenju aktivnosti gašenja poţara,
planiranju razliĉitih postupaka gašenja u razliĉitim uslovima (pre svega vremenskim),
izradi operativnih karti sa scenarijima za obuku vatrogasnih sluţbi,
obuci vatrogasnih sluţbi po principu “Šta …ako …”, razmatra se pojava poţara na
razliĉitim lokacijama po razliĉitim meteorološkim uslovima. Model se koristi u tzv.
”Šta … ako …” naĉinu rada tako što mu se definišu odreĊeni meteorološki uslovi i
njihov razvoj, pretpostavi poĉetno mesto nastanka poţara, te posmatra šta se moţe
dogoditi (u kom smeru i kojim intenzitetom će se poţar nastaviti širiti). Meteorološki
podaci mogu biti neke saĉuvane srednje vrednosti za dato podruĉje, ili neke
ekstremne vrednosti koje su se na odreĊenom podruĉju pojavile. U svakom sluĉaju
osim samog modela širenja poţara vaţno je i arhiviranje lokalnih meteoroloških
vrednosti što omogućava informacioni sistem.
Simulacija širenja šumskog poţara u toku poţara pomaţe pri:
izboru strategije i sredstva za gašenje šumskog poţara u prirodi (u cilju minimiziranja
štete od poţara i bezbednosti svih uĉesnika u akciji gašenja), što se vrši na osnovu
adekvatne procene širenja i razvoja poţara tokom odreĊenog vremenskog perioda.
Koriste se trenutni hidrometeorološki podaci i pokušava se predvideti gde bi u
28
budućnosti mogao biti poţarni front, na primer za pola sata, za jedan sat ili za dva
sata. Za poţare površine 5÷10 ha prognoza se radi za 2 do 3 naredna ĉasa, a za veće
poţare za duţe vreme, u zavisnosti od realnih mogućnosti za njihovo neutralisanje.
prilikom donošenja odluka o gašenju poţara.
analizi pojave mogućih pogibeljnih situacija, te planiranju puteva evakuacije.
proveri efikasnosti pojedinih preduzetih akcija.
Simulacija širenja šumskog poţara posle poţara pomaţe pri:
analizi poţara koji su se dogodili sa ciljem detaljnijeg razumevanja i razjašnjenja
pojedinih poţara, naroĉito kada se radi o nesretnim dogaĊajima i velikoj materijalnoj
šteti,
analizi izvedenih intervencija sa ciljem unapreĊenja efikasnosti u budućnosti,
proveri validnosti novog modela poreĊenjem zabeleţenog širenja poţara i simulacije
širenja poţara.
Informacioni sistem za pomoć prilikom donošenja odluka vezanih za gašenje poţara
obuhvata:
video nadzor,
prikupljanje meteoroloških podataka,
GIS prikaz terena,
raĉunanje poţarnog rizika i
modelovanje širenja poţara.
Kako će simulacija šumskog požara izgledati u budućnosti
FILM 1
FILM 2
FILM 3- Coupled Atmosphere-Fire Modeling
Modelovanje širenja šumskog požara
Modelovanje širenja šumskog poţara zasniva se na tri procesa:
Proizvodnji toplote od strane izvora toplote, uglavnom zbog sagorevanja gorivog
materijala.
Prenosu toplote sa izvora toplote na prijemnik toplote.
Apsorpciji toplote od strane prijemnika toplote koji nakon zapaljenja postaje novi
izvor toplote (okolni nezapaljeni materijal).
29
Modelovanje širenja šumskog poţara zasniva se na modelovanju sva tri procesa i
kombinovanju njihovih rezultata kako prostorno, tako i vremenski. Modelovanje širenja
šumskog poţara je prostorno-vremenski problem. Reĉeno na jednostavan naĉin, uzimajući u
obzir samo balans (ravnoteţu) energije, brzina širenja šumskog poţara moţe se shvatiti kao
odnos izmeĊu brzine grejanja goriva ispred poţara i koliĉine toplote potrebne da bi to gorivo
planulo. Kod najsloţenijih modela se zbog toga u obzir uzimaju i promene temperaturnog polja
uzrokovane gibanjem vrućih gasova u okolini taĉke gorenja.
Na slici 3. su prikazani osnovni naĉini širenja poţara
Slika 3. Osnovni naĉini širenja poţara
Na slici 4. je dat šematski prikaz širenja šumskog poţara.
Slika 4. Šematski prikaz širenja šumskog poţara
1.5.1. Faktori koji utiču na pojavu i širenje šumskog požara
Bez obzira koliko se šumski poţar ĉinio kompleksnim on se ipak ponaša po zakonima
fizike i to pre svega termodinamike i aerodinamike.
30
Prouĉavajući ponašanje poţara i uporeĊujući ih s poznatim zakonima fizike nauĉnici su
razvili ĉitav niz modela širenja šumskih poţara. Većina tih modela se slaţe da na širenje
šumskog poţara (brzinu i smer) utiĉe više faktora, kao što su:
šumsko gorivo (vegetacija), vrsta i vlaţnost vegetacijskog goriva (mrtvog i ţivog) na
putu širenja vatre,
meteorološki parametri koji utiĉu na vlaţnost goriva (mrtvog i ţivog), kao što su:
temperatura i vlaţnost vazduha,
vetar (smer i brzina vetra),
topografije terena, i to pre svega nagib i orijentacija terena,
mesto poĉetka vatre itd.
Modeli se razlikuju po jednaĉinama širenja poţara i naĉinima kako su i u kojoj meri
navedene ulazne veliĉine ukljuĉene u model.
Slika 2. detaljno prikazuje uticaj pojedinih ulaznih varijabli na modelovanje ponašanja
šumskog poţara.
Slika 2. Uticaj pojedinih ulaznih varijabli na modelovanje ponašanja šumskog poţara
1. Šumsko gorivo (vegetacija)
Šumsko gorivo je izvor toplote, prijemnik toplote, a u nekim sluĉajevima i sredstvo
prenosa toplote sa izvora na prijamnike. Šumsko gorivo je za zapaljenje, širenje i konsolidaciju
vatre u obliku krunske vatre u krošnjama. Šumsko gorivo se sastoji od ĉestica razliĉite veliĉine,
kombinacije mrtvog i ţivog goriva, sloţenih na naĉin da ĉine vrlo kompleksnu kombinaciju
sastavljenu od:
prizemnog gorivog sloja,
sloja otpadnog materijala,
31
poseĉenog materijala,
trave,
grmlja i
stabala (krošnje).
U odnosu na tip šumskog goriva razlikujemo:
fino mrtvo gorivo, ĉije su ĉestice manje ili jednake od 5 mm u preĉniku;
srednje mrtvo gorivo, ĉije su ĉestice od 5 mm do 2 cm u preĉniku;
veliko mrtvo gorivo, ĉije su ĉestice veće od 2 cm i
ţivo gorivo, koje sadrţi 50% do 300% više vode od mrtvog goriva, pa se zbog toga i
teţe pali i sporije gori.
Parametri koji se kod modelovanja širenja poţara uzimaju u obzir su:
Koliĉina goriva, izraţava se u kg/m2 ili t/ha i u direktnoj je vezi sa biomasom. Deo
goriva koji uĉestvuje u procesu gorenja naziva se aktivno poţarno gorivo.
Veliĉina gorivih ĉestica, direktno zavisi od ponašanja vatre.
Energetska vrednost goriva, izraţava koliĉinu toplote koju jediniĉna masa goriva
oslobaĊa.
Specifiĉna toplota goriva.
Temperatura paljenja, koja zavisi od vrste goriva.
Odnos površine i zapremine gorive ĉestice, mera je proporcionalnosti površine
izloţene prenosu toplote u odnosu na masu ĉestice.
Koliĉina goriva u jediniĉnoj zapremini prostora, ova veliĉina iskazuje odnos koliĉine
goriva i ukupne zapremine podruĉja na kojem je gorivo.
Koliĉina minirela, voskova i ulja, voskovi i ulja utiĉu na naĉin prenosa toplote i
deluju kao dobri prijemnici toplote.
2. Meteorološki parametri koji utiču na vlažnost goriva
Meteorološki faktori znatno utiĉu na ponašanje poţara. Vlaţnost vazduha i temperatura su
dva faktora koji su odgovorni za više od 90% ponašanja poţara, pa je njihovo poznavanje i
merenje na lokalnom nivou od izuzetnog znaĉaja za upravljanje gašenjem poţara i modelovanje
širenja poţara. Zapaljenje i širenje vatre direktno je vezano sa vlaţnošću goriva, a u odnosu na
vlaţnost gorivo grubo delimo u mrtvo gorivo kod kojega je iznos vlage mali i ţivo gorivo koje
ima veliki postotak vlage.
3. Vetar
Vetar je faktor koji moţda najviše utiĉe na ponašanje šumskog poţara, a posebno na brzinu
i smer njegovog širenja. Uzeti vetar u obzir i nije jednostavan zadatak. Lako je modelovati
strujanje vetra na visini od 100 metara, ali prizemni vetar zavisi od lokalne konfiguracije terena,
toplotnih razlika iznad izgorelog i neizgorelog terena što stvara turbulentna i nepredvidiva
lokalna kretanja vetra.
4. Topografija terena
I na kraju zadnji uticajni faktor. Dobro je poznato i to da se poţar brţe širi uzbrdo, nego
nizbrdo. Drugaĉija je sunĉeva radijacija na strmim i manje strmim terenima, drugaĉija je na
32
terenima okrenutim prema severu, a drugaĉija na terenima okrenutim prema jugu. Koliĉina
sunĉeve radijacije direktno utiĉe na koliĉinu vlage u gorivu, a to opet direktno utiĉe na naĉin
širenja poţara.
Slika Uticaj topografije terena na širenje šumskog poţara
Kako sve ovo povezati u model širenja šumskog požara?
Svi navedeni faktori skupa se povezuje u model širenja šumskog poţara, a modele delimo
na:
Analitičke ili fizikalne modele, zovu se tako zato što se zasnivaju na fizikalnim
zakonima ravnoteţe. Zbog svoje fundamentalnosti potencijalno su najtaĉniji a ujedno
i objašnjavaju fizikalne procese koji se na poţarištu dogaĊaju. Ovi modeli opisuju
procese prenosa i ravnoteţe toplote.
Empirijske modele (ĉesto se zovu i statistiĉki modeli), zasnivaju se na prikupljanju
podataka o širenju poţara te statistiĉkom proraĉunu brzine i smera širenja vatre za
date karakteristike goriva, terena i brzine vetra. Mana im je što ne objašnjavaju
fenomen, ali su s praktiĉne taĉke gledanja posebno znaĉajni.
Semi-empirijske modele su negde na pola puta. Zasnivaju se na prikupljenim
empirijskim podacima širenja poţara, ali se oni stavljaju u relaciju sa teorijskim
modelom. Jedan od naj popularnijih je Frandsen-Rothermelov model. On procenjuje
brzinu širenja poţara kroz homogeno podruĉje koje sadrţi gorive ĉestice razliĉite
veliĉine.
Svi ovi modeli kao izlaz daju parametre širenja poţara, kao što su:
Brzina širenja poţarnog fronta m/min.
Toplotna energija po jedinici površine u kJ/m2.
Intenzitet poţarnog fronta, toplotna energija koja se oslobodi u jedinici vremena
(toplotna snaga) po 1 m gorive materije na poĉetku poţarnog fronta u kW/m.
Duţina plamena u m.
Intenzitet reakcije, toplotna energija koja se oslobodi u jedinici vremena (toplotna
snaga) po jedinici horizontalne površine poţarnog fronta u kW/m2 - ne zavisi od
brzine i smera vetra i nagiba terena.
Udaljenost koju bi poţar prešao za 1 sat.
33
Na osnovu ovih parametara se kod dvodimenzionalnih (2D) i trodimenzionalnih (3D)
modela raĉuna širenje poţara u svim dimenzijama.
1.5.2. Frandsen-Rothermelov model za simulaciju širenja šumskog požara
U svetu se najviše koristi semi-empirijski Frandsen-Rothermelov model širenja šumskog
poţara, koji je realizovan u programu BehavePlus i moţe se besplatno preuzeti sa stranica
ameriĉkog The Missoula Fire Sciences Lab
http://www.firemodels.org/content/view/12/26/
Primer primene Frandsen-Rothermelov modela za simulaciju širenja požara na
ostrvu Kornati
Prvo treba odrediti ulazne parametre:
1. brzinu vetra,
2. tip vegetacije i njene parametre u odnosu na gorivost,
3. vlagu u mrtvom gorivu,
4. vlagu u ţivom gorivu i
5. nagib terena u smeru duvanja vetra.
34
1. Brzina vetra
Za model širenja poţara treba brzina vetra na polovini visine plamena na ravnoj površini, a
najĉešće je poznat meteorološki podatak. Preraĉunate vrednosti na polovini visine plamena su:
1,8 m/s, 2,7 m/s i 4 m/s.
2. Vegetacija
Za simulaciju trebaju parametri vegetacije u odnosu na karakteristike gorivosti i to pre
svega:
proseĉna koliĉina gorive materije po m2,
proseĉna brzina širenja poţara na ravnoj podlozi bez vetra u m/s,
proseĉna visina plamena u m,
vreme odgode zapaljenja,
trajanje gorenja,
koliĉina vlage u gorivu kod koje prestaje gorenje i
gornja i donja kaloriĉna moć goriva.
Temeljita istraţivanja vegetacije u odnosu na ove karakteristike nikada nisu raĊena. Ne
ostaje ništa drugo nego pronaći sliĉnosti sa već napravljenim istraţivanjima. Najdalje su otišli u
SAD-u gde su vrlo precizno kategorizirali gorivo u tzv. gorive kategorije. Na snazi su trenutno
dva modela:
stariji Albini-Anderson (13 kategorija)
noviji Scott-Burgan (40 kategorija).
Svo gorivo se deli u 4 grupe:
a) trave,
b) grmlje,
c) stabla i
d) poseĉeni materijal.
35
Prema Albini-Andersonovom modelu postoji ukupno 13 kategorija goriva:
Za trave postoje tri modela:
o kratka trava - ispod 0,3 m,
o stabljikasta trava i
o visoka trava - ispod 0,75 m.
Za grmlje i nisko drvlje postoje 4 modela:
o nisko drveće drvenaste strukture - ispod 1,8 m,
o grmovi - ispod 0,6 m,
o dominantni grmovi sa poseĉenim mat. i
o juţnjaĉki grmoviti teren.
Za stabla i otpatke od stabla postoje tri modela:
o mešani otpad,
o drvenasti otpad i
o stabla.
Za poseĉeni materijal postoje tri modela:
o retko nabacani materijal,
o srednje nabacani materijal i
o gusto nabacani materijal.
36
Slika Tipiĉna vegetacija ostrva Kornata od Vrulja do Šipnate
Slika Ispitivanje vegetacije uzorkovanjem
Analizirane su travnate vegetacije i tri drvenaste vegetacije (kadulje, tetivke, kupine).
Proseĉni udeo travnate vegetacije u ukupnoj masi vegetacije procenjen je od 55 – 65%. Proseĉna
pokrovnost vegetacije na terenu procenjena je od 45 – 55%. Na osnovu toga proseĉna koliĉina
goriva na mestu nesreće 6228 – 7612 kg/ha (0,6228 – 0,7612 kg/m2). Radi se o vrlo zapaljivoj
vegetaciji kod koje je odgoda zapaljenja bila vrlo kratka i za dominantnu travnatu vegetaciju
iznosila oko 2 sekunde, dok je trajanje gorenja iznosilo oko 12 sekundi.
Kornati izmereno 6228 – 7612 kg/ha (0,6228 –0,7612 kg/m2).
Albini-Anderson travnati modeli:
o Fuel model 1 (A-A M1) – 1,83 t/ha = 0,183 kg/m2
o Fuel model 3 (A-A M3) –7,44 t/ha = 0,744 kg/m2
Scott-Burganovi travnati modeli:
o GR1 – 0,988 t/ha = 0,0988 kg/m2
o GR2 – 2,72 t/ha = 0,272 kg/m2
o GR4 – 5,31 t/ha = 0,531 kg/m2
3. Izmerena količina vlage mrtvog goriva je 12% - 14%.
4. Izmerena količina vlage živog goriva je 30% - 60%.
5. Nagib terena
Zadnji potreban podatak je nagib terena, ali ne bilo kakav, već nagib terena u smeru
duvanja vetra. Nagib terena prividno deluje kao povećanje brzine vetra na polovini visine
plamena - korekcija (zavisi od vegetacije). Nagib terena se odreĊuje iz GIS podataka.
37
Konaĉni ulazni parametri za Kornate na dan 30.8.2007.
1. brzina vetra na polovini visine plamena na ravnoj površini 1,8 m/s; 2,7 m/s i 4 m/s,
2. vegetacijske kategorije:
o Albini-Anderson model 1 (A-A M1),
o Albini-Anderson model 3 (A-A M3),
o Scott-Burgan model GR2 (S-B GR2),
o Scott-Burgan model GR4 (S-B GR4),
3. vlaga u mrtvom gorivu od 12% - 14%,
4. vlaga u ţivom gorivu od 30% i
5. nagib terena 14%.
Rezultati simulacije
38
Vreme dolaska
Proraĉunato vreme dolaska prema Frendsel-Rothermelovom modelu od taĉke b ulaza u
drugi deo kanjona do mesta nesreće A je bilo izmeĊu 5,21 – 14,64 minuta za vegetacijske
kategorije A-A M.3 i S-B GR4 koje najbolje odgovaraju eksperimentalnom ispitivanju
vegetacije ostrva Kornata u podruĉju Šipnate.
39
1.5.3. MOPP 2D model širenja šumskih požara - Hrvatska
Ameriĉki model FARSITE je izvrstan simulacioni program vrlo koristan za detaljna
istraţivanja dogaĊaja vezanih za širenje šumskog poţara, meĊutim program previše kompleksan
za praktiĉnu primenu, te je razvojen MOPP 2D model širenja šumskih poţara. Pri tome se
pridrţavalo sledećih naĉala:
Model širenja šumskog poţara treba da bude usko povezan sa standardnim GIS
sistemom.
Model širenja poţara je direktno povezano s kartama vegetacijskog pokrova. Kako
bismo se mogli uklopiti u buduće programe EU-a potrebno je pratiti i primeniti
naĉine standardizacije vegetacijskog pokrova u odnosu na gorivost i što pre izraditi
GIS podloge sa karakteristikama vegetacijskog pokrova u odnosu na karakteristike
gorivosti.
Dobar model širenja šumskog poţara ne mora nuţno u potpunosti pratiti fizikalni i
matematiĉki model dogaĊanja unutar poţara. Model treba da bude konzervativan, što
znaĉi da je bolje proceniti brţe širenje nego sporije, ali greška treba biti unutar reda
veliĉine.
Grub, neprecizn, ali realan rezultat je bolji nego precizan, ali nerealan. Zbog toga je
prednost data empirijskim i semi-empirijskim modelima.
Model širenja šumskih poţara je projektovan kao Web informacioni sistem tako da je
jedino suĉelje korisnika standardni Web pregledaĉ. Modelovanje širenja poţara je posluţiteljski
program kod koga se svi proraĉuni odvijaju na posluţitelju, a raĉunar korisnika sluţi samo za
prikaz podataka. Na taj naĉin modelu širenja šumskog poţara mogu pristupiti korisnici sa bilo
koje lokacije koja ima širokopojasni prikljuĉak na Internet.
Meteorološki podaci treba da se podiţu automatski sa meteorološkog posluţitelja, ali treba
da postoji i mogućnost unošenja lokalnih meteoroloških podataka.
Korisniĉko suĉelje treba da bude jednostavno, funkcionalno i maksimalno prilagoĊeno
korisniku. Krajnji cilj je tzv. ''simulacija s jednim klikom'' (one-click simulation). U tom sluĉaju
jedini zadatak krajnjeg korisnika je da klikom na karti odrediti mesto gde je poţar poĉeo, a svi
parametri se automatski podiţu sa odgovarajućih posluţitelja i iz odgovarajućih baza.
Slika Primer simulacije širenja poţara
2. OdreĎivanje mikrolokacijskog rizika od šumskog požara
OdreĊivanje mikrolokacijskog rizika od šumskih poţara se zasniva na meteorološkim
podacima na nivou mikrolokacije, podacima o karakteristikama vegetacijskog pokrova,
sociološkim i iskustvenim parametrima.
40
Slika Primer procene rizika od poţara za odreĊenu mikrolokaciju
Slika Primer simulacije širenja poţara
3. Modelovanje i simulacija širenja šumskog požara
Modelovanje i simulacija širenja šumskog poţara se vrši na osnovu trenutnih lokalnih
meteoroloških uslova, karakteristika biljnog pokrova sa stanovišta gorivosti i konfiguracije
terena. Ovo modelovanje daje mogućnost analize koliko bi izgorelo da se nije pravovremeno
reagovalo (vrednovanje aktivnosti vatrogastva ne po tome koliko je izgorelo, već koliko je
moglo izgoreti).
41
Primeri rezultata simulacije širenja požara
Slika Primer simulacije širenja poţara
Slika Primer simulacije širenja poţara – suĉelje prema korisniku
Korisnik moţe uneti vlastite vrednosti vetra i vlage.
42
slika
Slika Jednaĉine koje se koriste u modelu
MOPP model se moţe koristiti samostalno ili kao modul sistema
43
Slika
Primer simulacije širenje požara na ostrvu Kornati od mesta izbijanja (Vrulje) do
mesta nesreće (Šipnati)
1. Unos ulaznih podataka za konfiguraciju terena
2. Unos ulaznih podataka za vegetaciju
3. Unos ulaznih podataka za vetar
Rezultati simulacije širenja požara
Zanimljivo je da su rezultati simulacije pokazali da se vatra brţe širila po severnoj strani
ostrva, tako da se pre pojavila iza vatrogasaca što je kasnijim rekonstrukcijama i dokazano. Isto
tako rezultati simulacije su pokazali da je vatra u klanac ušla preko jugoistoĉnog dela brda Veli
vrh.
Slika
44
2D modeli širenja šumskih požara
Na osnovu Frandsen-Rothermelovog modela izraĊeni su 2D modeli koji simuliraju širenje
poţara. Najpoznatiji su programi FARSITE i FlameMap koji se mogu besplatno preuzeti sa
adresa:
http://www.firemodels.org/content/view/112/143/ (FARSITE)
http://www.firemodels.org/content/view/14/28/ (FlameMap)
Slika FARSITE 2D modeli
Slika FlameMap 2D modeli
45
Ovo nisu jedini modeli koji simuliraju širenje poţara. Skoro svaka zemlja je razvila
najmanje jedan svoj model prilagoĊen njenim karakteristikama i njenoj vegetaciji.
Svi 2D modeli se zasnivaju na GIS podacima o:
terenu,
vegetaciji i
meteorologiji.
Slika Canada – Prometheus 2D modeli
Slika Španija – FocGest 2D modeli
46
Slika Portugalija – AirFire 2D modeli
Slika Portugalija – FireStation 2D modeli
Slika Portugalija – Spread 2D modeli
47
1.5.4. FARISTE model širenja šumskog požara
Ovde su prikazani osnovni principi i mehanizami FARSITE modela širenja šumskog
poţara koji se moţe koristiti kao podrška prilikom donošenja odluka vezanih za gašenje poţara.
FARSITE (Fire Area Simulator, Finney, 1994). Model je dizajniran za korišćenje na Windows
raĉunarima sa mogućnošću prikaza simuliranih rezultata u obliku mape. Zbog sloţenosti modela
samo korisnici sa adekvatnom obukom i potrebnim iskustvom mogu koristiti ovaj model i
predvideti širenje poţara. Loš odabir parametara modela moţe dovesti do nerealnih rezultata.
1.5.4.1. Širenje poţara
Kontura poţara moţe biti razliĉitog oblika: kruţnog, eliptiĉnog i nepravilnog. Oblici
poţara kontura poţara zavise od:
terena (ravan, strm, izlomljen)
gorivog materijala (homogen, heterogen, listopadni, ĉetinarni), i
vetra (slab, jak, bez vetra, u jednom pravcu, promenljiv).
Gorenje vegetacije u prirodi se širi na sve strane, najĉešće neravnomerno zbog uticaja
vazdušnog strujanja i razliĉite koliĉine zapaljivog materijala i njihove vlaţnosti. Poţari u prirodi
su najĉešće kruţnog oblika kada je teren ravan, vreme bez vetra a gorivi materijal homogen.
Eliptiĉni oblici nastaju kada je teren strm, vetar slabiji a gorivi materijal heterogen. Nepravilni
oblici poţara nastaju kada je teren izlomljen, vetar jaĉi a gorivi materijal heterogen.
Ruţe vetrova i trajanje poţara utiĉu na konture fronta poţara, koji će biti kruţni ili
eliptiĉni, slika 1. Ukoliko se blagovremeno otkrije poţar površina zahvaćena poţarom je
pribliţno oblika kruţnice. Nakon 10-15 minuta od poĉetka gorenja prisustvo vetra uticaće na
formiranje konture nepravilnog oblika, slika 2, sa jasno izraţenim glavnim pravcem
nekontrolisanog širenja u smeru duvanja vetra. Pored glavnog pravca širenja poţara, prisutno je i
boĉno širenje, kao i širenje suprotno od pravca duvanja vetra. Intenzitet i brzina gorenja gorivog
materijala zahvaćenog boĉnim širenjem i širenjem ka “unazad” zavisi od konfiguracije terena,
brzine vetra i sl.
Slika 1. Razvoj poţara bez vetra
48
Vetar
Slika 2. Razvoj poţara pod uticajem vetra
Smer vetra i nagib terena su vektorske veliĉine koje utiĉu na utvrĊivanje dominantnog
pravca širenja poţara. Nagib terena moţe smanjiti uticaj vetra ali ga, isto tako, moţe i povećati.
Pravac širenja poţara (R) u zavisnosti od dominantnog pravca vetra V i nagiba terena N je
grafiĉki prikazan na slici 3 i slici 4.
a) Dominantan uticaj vetra
b) Dominantan uticaj nagiba
Slika 3. Pravac širenja poţara kada vetar duva uz padinu: a) Dominantan uticaj vetra, b)
Dominantan uticaj nagiba
49
a) Dominantan uticaj vetra
b) Dominantan uticaj nagiba
Slika 4. Pravac širenja poţara kada vetar duva niz padinu: a) Dominantan uticaj vetra, b)
Dominantan uticaj nagiba
1.5.4.2. FARSITE model
FARSITE (Fire Area Simulator) je u širokoj upotrebi od strane mnogih nacionalnih
agencija za simulaciju širenja poţara. FARSITE verzija 2008. godine je dizajnirana za rad sa
Windows 2000 i više. FARSITE se zasniva na poluempirijskom modelu predviĊanja poţara sa
konturom poţara elipsastog oblika.
FARSITE simulacije zahtevaju skup prostornih informacija topografija, vegetacija i
meteorološki uslovi. Faktori koji utiĉu na ponašanje poţara (goriva materija, meteorološki
uslovi, topografija) su prostorno i vremenski konstantni za primenu ovog modela, iako takvi
uslovi retko realno postoje u prirodi.
Topografski faktor se zasniva na podacima nadmorske visine, nagiba i elevacije.
Faktor goriva daje detaljan opis fizike pejzaţa površine vegetacije, pomoću odgovarajuĊeg
standarda ili prilagoĊenih modela za gorivi materijal. Model goriva daje podatke za ţivo (zeljasta
vegetacija i šume) i neţivo gorivo.
Meteorološki uslovi se odreĊuju na osnovu temperature i vlaţnosti vazduha sa podacima o
brzini i pravcu vetra i oblaĉnošću. Podaci o vetru koji se koriste u FARSITE modelu su na 6,1 m
iznad vrha vegetacije.
FARSITE model se koristi za simulaciju kako prizemnoga tako i visokog (krunskog)
poţara. Ovaj model zahteva podršku GIS-a (Geografskog informacionog sistema) baze podataka
za upravljanje. FARSITE simulacioni model koristi Rotermelovu jednaĉinu za proraĉun brzine
širenja poţara i Huigenove principe za modelovanje konture poţara. Kod Huigenovih principa
svaka taĉka na konturi fronta poţara postaje izvor novog poţara koji se širi pod uticajem vetra,
konfiguracije terena i vegetacije. Prema ovom modelu, brzina širenja poţara se raĉuna na osnovu
brzine prenosa toplote sa materijala koji gori na materijal koji još nije izgoreo. Rotermelov
modela je zasnovan na Zakonu o odrţanju energije, prema kome je:
50
Brzina akumulacije toplotne energije = Brzina dotoka toplotne energije - Brzina gubljenja
toplotne energije
Brzina širenja prizemnog poţara se prema Rotermelovoj jednaĉini izraĉunava kao:
Ir (1+Фw + Фs)
R =--------------------------- (1)
ρb ε Qig
gde je:
R - brzina širenja površine fronta poţara u stacionarnim uslovima, m/min
Ir - intenzitet reakcije, tj. osloboĊena toplotna energija sa jediniĉne površine fronta
poţara, kJ/min m
2. Ne zavisi od vetra, nagiba terena kao ni od smera širenja poţara
- fluks širenja (bezdimenziona veliĉina), predstavlja deo energije gorenja koji utiĉe
na zagrevanje i paljenje novog gorivog materijala. Fluks širenja se odreĊuje prema
izrazu:
= (192+7,9095)-1
e(0,792+3,75970,5)(
β+0,1) (2)
ρb - gustina gorivog materijala, po jedinici zapremine, kg/m3
ε - efektivni faktor zagrevanja (bezdimenziona veliĉina), odnosno odnos mase
gustine i mase goriva koji su ukljuĉeni u proces paljenja
Qіg - toplotna energija pred-upaljenja, toplotna energija potrebna da bi se jediniĉno
gorivo dovelo do taĉke paljenja, kJ/kg. Za sve klase goriva u Rotermelovom modelu
iznosi 18,622 kJ/kg. Toplotna energija pred-upaljenje moţe se izraziti kao:
Qig = Cpd (Tig – Tf) + [Cpw(373-Tf) + V] kJ/kg (3)
gde je:
Cpd i Cpw - masena specifiĉna toplota suvog drveta (≈1,7 kJ/kgK) i vode
(≈ 4,187 kJ/kgK)
Tig i Tf - temperature paljenja drveta, K
V - latentna toplota isparavanja vode (≈ 2258 kЈ/kg)
Фw - koeficijent uticaja vetra, bezdimenzionalna veliĉina. Vetar pogoduje povećanju
brzine širenja vatre. Vetar menja ugao nagiba plamena i na taj naĉin povećava
koliĉinu energije koja dolazi do susednih polja. Koeficijenti vetra i nagiba, pomoću
jednaĉina Rotermela se izraĉunavaju kao
Фs = 5,275 β-0,3
tan ф2
(4)
Фs – koeficijent uticaja nagiba padine, bezdimenzionalna veliĉina. Padina deluje
sliĉno kao i vetar. Poţar se brţe širi uz padinu, nego niz padinu
β
Фw=C(3,281U)B(------)
-E (5)
βop
Vrednost izraza u zagradi (1+Фw + Фs), koji ukljuĉuje uticaj vetra i nagiba, uvek je veći ili
jednak 1.
51
Slika 3. prikazuje originalni Rotermelov zapis osnovnih jednaĉina matematiĉkog modela
širenja poţara.
Slika 3. Rotermelov zapis osnovnih jednaĉina širenja poţara korišćenih u njegovom
modelu
FARSITE model je testiran i proveren na velikom broju poţara. U osnovi FARSITE je
model širenja poţara ali ukljuĉuje i proraĉun intenziteta poţara preko visine plamena. Na slici 4.
dat je prikaz simulacije širenja poţara.
Slika 4. Simulacija širenja šumskog poţara pomoću programa FARSITE integrisanog u
GIS podlogu
52
U tabeli 1. je dat prikaz rezultata dobijenih primenom Rotermelovog modela koji se odnose
na osnovne parametre širenja poţara za razliĉite brzine vetra i travnatu vegetaciju. Dobijeni
rezultati prema ovom modelu su za proseĉnu koliĉinu travnate gorive materije po jedinici
površine od 0,744 kJ/m2. Za neku drugu vegetaciju i drugu brzinu vetra Rotermelov model bi
dao drugaĉije rezultate
Tabela 1. Rezultati dobijeni primenom Rotermelovog modela koji se odnose na osnovne
parametre širenja poţara za razliĉite brzine vetra i travnatu vegetaciju
Srednja
brzina
vetra
Brzina
širenja
ĉeonog
fronta
poţara
Toplota
po jedinici
površine
Intenzitet
fronta
poţara
Duţina
plamena
Intenzitet
reakcije
Udaljenost koju
bi vatra prešla
za 1 sat
km/h m/min kJ/m2 kW/m m kW/m m
6,4 23,9 7963 3168 3,2 518 1432,4
9,6 39,2 7963 5205 4,0 518 2353,1
14,4 65,3 7963 8670 5,0 518 3919,6
53
1.6. Primena GIS modela u izradi mape hazarda i rizika od poplava
Poplave spadaju u prirodne nepogode, koje ugroţavaju ţivote ljudi i uzrokuju materijalne
štete. Smanjenje rizika i upravljanje poplavama ima višestruki znaĉaj. Pored toga što se smanjuju
materijalni i ljudski gubici, smanjuje se nekontrolisana kontaminacija zagaĊivaĉa poznatog i
nepoznatog porekla na okolinu, a takoĊe se stvaraju uslovi za optimalno korišćenje zemljišta.
Savremeni trendovi integrisanog upravljanja i planiranja vodama podrazumevaju adekvatnu
procenu rizika i primenu niza tehniĉkih i preventivnih mera kojima se omogućava kontrola
kretanja voda u svim projektovanim hidrološkim reţimima. Upravljanje poplavama ne moţe
postati tehniĉki izvodljivo bez pravilne procene opasnosti od poplava i izrade mapa hazarda i
rizika od poplava.
Ĉlan 6. Direktive EFD 2007/60/EC zahteva od drţava ĉlanica i drţava koje nisu ĉlanice
(obavezno za internacionalne vodotokove) da pripreme mape (karte) hazarda (opasnosti) i rizika
od poplava. Kompletan proces mapiranja poplava se sastoji od izrade mapa hazarda i mapa rizika
od poplava (Ĉlanovi 6.3. i 6.5.).
Osnovne razlike izmeĊu mapa hazarda i mapa rizika su sledeće:
Mape hazarda pokazuje geografsko podruĉje koje moţe biti poplavljeno prema
razliĉitim scenarijima (Ĉlan 6.3), zajedno sa informacijama o opasnostima koje se
odnose na ugroţeno podruĉje,
Mape rizika pokazuju negativne posledice (po zdravlje ljudi, ekonomske aktivnosti,
ţivotnu sredinu, kulturno nasleĊe itd.) koje mogu uzrokovati odreĊeni scenariji
poplava (Ĉlan. 6.5).
Mapiranje hazarda i rizika od poplava predstavlja geografsku indentifikaciju i ilustraciju
podruĉja sa prikazanim razliĉitim nivoima hazarda i rizika od poplava. U odnosu na ovo,
poplavne mape je potrebno dizajnirati da odgovaraju potrebama krajnjih korisnika. Ovo je jako
vaţno s obzirom da je potrebno preneti kompleksnu poruku o hazardima i rizicima od poplava
što većem broju zainteresovanih.
U današnje vreme analiza rizika od prirodnih nepogoda je nezamisliva bez digitalnih
podloga i podrške Geografskih Informacionih Sistema (GIS). Prirodne nepogode su
multidimenzionalni fenomeni sa prostornom dimenzijom, što ĉini GIS veoma aplikativnim za
takve analize. Geoinformacioni sistemi su pogodni za ovu vrstu studija, jer kroz moćne
geostatistiĉke funkcije mogu efikasno da upravljaju velikim koliĉinama prostornih podataka.
Tokom poslednjih nekoliko decenija, kombinacija GIS i MCDA se pokazala uspešnom i u
velikom broju studija ĉesto je korišćena u proceni rizika i generisanju mapa rizika od poplava.
Veliki broj studija pokazuju da je AHP u GIS okruţenju najpopularniji i snaţan metod za
generisanje mape rizika od poplava, sa visokim stepenom taĉnosti i da je pogodan za razliĉite
hazardne studije.
Uĉestalost pojave poplave i veliĉina priĉinjenih šteta dosta zavisi od detaljno prouĉenih i
razraĊenih preventivih mera. Zaštita od poplava koncipirana je preko procene hazarda i rizika od
poplava.
U radu je prikazan GIS-AHP MCDA model s ciljem evaluacije i izrade mape hazarda od
poplava. PredviĊanje i izrada mape hazarda od poplava izvršeno je na osnovu šest definisanih
kriterijuma od strane eksperata. Standardizacija kriterijuma je izvedena primenom fuzzy logike.
U postupku odreĊivanja odnosa izmeĊu kriterijuma korišćen je AHP višekriterijumski metod.
Matrice poreĊenja zasnovane su na iskustvu eksperata, literaturi i dosadašnjoj praksi. Konaĉna
mapa hazarda od poplava je dobijena primenom WLC metode. Validacija dobijenih rezultata je
54
izvršena poreĊenjem istorijskih mesta poplava sa dobijenom mapom hazarda i ukazuje na visoku
doslednost primenjenog modela. Primenjenim modelom proširuje se teorijski okvir znanja iz
oblasti upravljanja rizicima. Postojeću metodologiju moguće je primeniti na razliĉita podruĉja sa
sliĉnim geografskim karakteristikama. TakoĊe, prikazani model je moguće unaprediti sa novim i
modifikovanim kriterijumima koji u dosadašnjim modelima nisu razmatrani, a koji su od znaĉaja
za ovu problematiku.
U ovom radu prikazan je GIS-AHP model za zoniranje hazarda od poplava u urbanim
sredinama. Model razmatra 6 kriterijuma: visinu, nagib, rastojanje do vodenih površina, dubinu
podzemnih voda, padavine i korišćenje zemljišta. Cilj primene GIS-AHP modela je izrada
konaĉne mape hazarda (opasnosti) od poplava, sa definisanim podruĉjima razliĉite verovatnoće
od pojave poplava. Takva mapa predstavlja prvi korak u izradi planova upravljanja rizicima od
poplava.
U radu je izvršeno mapiranje hazarda i rizika od pojave poplava sa ciljem predviĊanja i
smanjenja njihove uĉestalosti i ekološke štete koje izazivaju. Predloţeni model se zasniva na
kombinovanoj primeni Geografskih informacionih sistema (GIS) i višekriterijumskog
odluĉivanja (MCDA) korišćenjem fazi logike i analitiĉkog hijerarhijskog procesa (AHP).
Postupak je razvijen uz pomoć šest kriterijuma. Primenom Fuzzy logike izvršena je
standardizacija kriterijuma, dok su AHP-om izraĉunati teţinski koeficijenati u odnosu na njihovu
osetljivost na nastanak poplava. Konaĉna mapa hazarda od poplava klasifikovana je u 5
kategorija Indeksa hazarda (FHI), od veoma niskog do veoma visokog. Predloţena metoda i
rezultati ovog rada mogu se koristiti za politiku odrţivog razvoja na svim nivoima drţavne
uprave.
1.6.1. Metodologija rada
Metodološki predloţeni model je zasnovan na prostornoj GIS-MCDA strukturi. Sa
metodološke taĉke gledišta, predloţeni GIS-AHP MCDA model definisanja kriznih zona za
poplave obuhvata sledeće korake:
1. Definisanje cilja/problema i arhitekture modela:
o identifikacija glavnog cilja
o definisanje mreţne strukture modela
2. Identifikacija kriterijuma poplava
3. Prikupljanje podataka i izgradnja GIS prostorne baze kriterijuma
4. GIS-MCDA evaluacija:
o Individualno vrednovanje kriterijuma i unos u GIS
o Fuzzy standardizacija kriterijuma
o Formiranje matrice odluĉivanja i relativna procena teţine kriterijuma (AHP)
o Rezultati agregacije (WLC)
o Validacija rezultata
5. GIS vizuelizacija konaĉnog rešenja i preporuke
Izbor kriterijuma
Izbor kriterijuma za evaluaciju hazarda od poplava predstavlja vaţan korak analize. Na
osnovu prethodnih studija, struĉnih stavova eksperata i duţih opservacija sa terena u ovoj studiji
55
usvojeno je 6 kriterijuma koji su vaţan uzroĉnik poplava. Izabrani kriterijumi sa kratkim opisom
su:
Visina (C1) ima kljuĉnu ulogu u kontroli kretanja prelivnog pravca i u dubini nivoa
vode. Visinska predstava se dobija korišćenjem Digital Elevation Model (DEM).
Nagib (C2) je vaţan površinski indikator zona koje su visoko podloţne poplavama.
Nagib zemljišta je glavni faktor u odreĊivanje brzine i trajanja protoka vode. Na
ravnijim površinama voda se sporije kreće, sakuplja i duţe akumulira, time su ove
oblasti riziĉnije na pojavu poplava u odnosu na strmije površi. Podaci se dobijaju
koristeći DEM.
Rastojanje od vodenih površina (C3) ima znaĉajan uticaj na širenje i veliĉinu poplava
u posmatranom podruĉju. Reĉni prelivi su jedan od glavnih uzroĉnika za pokretanje
poplava. Ĉesto plavljenje poĉinje iz reĉnog ili kanalskog korita i širi se u okruţenju.
Podruĉja u blizini vodenih površina su veoma riziĉna podruĉja za pojavu poplava, a
efekat ovog kriterijuma se smanjuje sa povećanjem razdaljine.
Nivo podzemnih voda (C4) neposredno utiĉe na kapacitet infiltracije zemljišta. U
podruĉjima sa niskim nivoom podzemnih voda, površina zemljišta se sa pojavom
vode brzo zasiti i akumulira i širi na okolno podruĉje.
Koliĉina padavina (C5) je kriterijum koji ima uticaj na poplave, jer predstavlja
neposredni generator nastanka i koliĉine vodenih talasa. Podruĉja koja se karakterišu
sa većim izluĉivanjem padavina su riziĉnija na pojavu poplava.
Korišćenje zemljišta (C6) je takoĊe jedan od glavnih faktora koji doprinosi pojavi
poplava i ima vaţan uticaj na oticaj i sposobnost zemljišta da deluje kao skladište
vode. Urbane i industrijske površine su uglavnom napravljene od nepropusnih
površina (zgrade, putevi i parkinzi), ponašaju se kao prepreke, smanjuju kapacitet
infiltracije, zadrţavaju vodu i sklona su pojavi poplava. S druge strane podruĉja sa
travnatom i šumskom vegetacijom su manje sklona poplavama. Za potrebe ove
studije, korišćenje zemljišta je sistematizovano u osam kategorija: urbanizovana
podruĉja, industrijska podruĉja, poljoprivredno zemljište, zemljište pokriveno
oskudnom vegetacijom, travnate oblasti i parkovi, šume, moĉvarno podruĉje i vodene
površine.
Nakon što su kriterijumi odreĊeni, sledeći korak njihove evaluacije je izgradnja prostorne
baze podataka i unos u GIS. Na taj naĉin, svaki od kriterijuma je konvertovan u vidu prostorno
definisanih slojeva karata sa ćelijama rastera iste veliĉine koje predstavljaju jedinice koje se
procenjuju. Podaci korišćeni u ovoj studiji su sastavljeni iz razliĉitih izvora. Svi GIS procesi
transformacije i modelovanja podataka su izvedeni korišćenjem integrisanih alata ArcGIS 10.2
ESRI softvera. Karte kriterijuma visina i nagib dobijeni su korišćenjem 3D Analyst algoritma na
osnovu DEM, karte udaljenosti dobijene su na osnovu korišćenja Radial Distance alata, karta
dubine podzemnih voda je dobijena georeferenciranjem hidroloških podataka, dok je karta Land
cover use dobijena importovanjem OpenStreetMap (OSM) baze u okviru ArcGis softverskog
okruţenja.
1.6.2. GIS-MCDA
Prvi korak MCDA jeste da svi skupovi podataka budu standardizovani i u jedinicama koje
se mogu uporediti. U radu, svi kriterijumi su standardizovani korišćenjem fazi skupova. S
obzirom da ulazni podaci mogu imati diskretne ili kontinuirane vrednosti, korišćene su metode
diskretne i kontiuinirane fuzzy standardizacije.
56
Diskretna standardizacija, u kojoj eksperti neposredno dodeljuju vrednosti atributa na
definisanoj skali pripadnosti, je korišćena za fuzzy standardizaciju kategoriĉnog kriterijuma –
korišćenje zemljišta. U standardizaciji ostalih skupova podataka, kod kojih se vrednosti atributa
postepeno menjaju sa jedne lokacije na drugu, primenjena je kontinuirana standardizacija. Ovi
skupovi podataka su standardizovani primenom fuzzy koncepta na kontinuiranoj skali u
zavisnosti od izabrane funkcije pripadnosti. Za vrednovanje podobnost atributa korišćena je
kontiunirana skala u opsegu od 0 do 1 bajta, gde je 0 najmanje hazardna, a 1 najhazardnija
vrednost atributa u odnosu na mogućnost pojave poplava. Standardizovani kriterijumi za ocenu
sa fuzzy funkcijama i oblikom ĉlanstva prikazani su u Tabeli 1 i slici 1.
Tabela 1. Fuzzy standardizacija kriterijuma
57
Slika 1. Mape standardizovanih kriterijuma
1.6.3. Ponderisanje kriterijuma (AHP)
Za izraĉunavanje normalizovanih teţina kriterijuma iskorišćena je višekriterijumska
tehnika u vidu AHP metode. Metodološki posmatrano, AHP je višekriterijumska tehnika koja se
zasniva na meĊusobnom poreĊenju elemenata na datom hijerarhijskom nivou u odnosu na
elemente na višem nivou. Na vrhu je cilj, ispod su kriterijumi (podkriterijumi, ako postoje) i na
dnu su alternative. AHP zahteva da se prvo meĊusobno porede kriterijumi i izraĉunaju njihove
relativne teţine u odnosu na cilj. Alternative se zatim porede u parovima u odnosu na svaki
kriterijum i analognim postupkom odreĊuju se njihove relativne teţine u odnosu na kriterijume.
Posmatrajući definisani cilj za svaki par kriterijuma su unešene vrednosti znaĉaja jednog u
odnosu na drugi. Na taj naĉin polja po dijagonali matrice iznose 1. Nakon unošenja vrednosti iz
Satijeve skale u matricu poreĊenja, izraĉunavaju se teţinske vrednosti kriterijuma (wi). Matrica
poreĊenja na nivou klastera prikazana je u Tabeli 2.
58
Tabela 2. Matrica poreĊenja i teţine kriterijuma
1.6.4. Agregacija konačne mape
U agregaciji konaĉne mape hazarda od poplava koristi se Ponderisana linearna
kombinacija (Weighted Linear Combination, WLC) koja je integrisana u Spatial analyst tools,
prema formuli:
S = Σwi·xi
gde je:
S - indeks hazarda (opasnosti) od poplave
wi - normalizovana teţina kriterijuma i
xi - fuzzy vrednost hazarda (opasnosti) od poplave prema kriterijumu i
Na taj naĉin, mnoţe se teţine kriterijuma, dobijenih kao rezultat AHP-a, sa fuzzy skorom
ćelija svakog kriterijuma i kao rezultat se generiše konaĉna mapa hazarda od poplave. Na bazi
usvojenih kriterijuma, dobijena je konaĉna mapa hazarda (opasnosti), koja je predstavljena u
istom fazzy vrednosnom opsegu kao i kriterijumi od 0 do 1. Veće vrednosti ćelija karakterišu
prostor koji je više hazardan sa stanovišta pojave poplave. U sledećem koraku, primenom
metode standardne devijacije izvršena je defazifikacija na 5 klasa Indeksa Hazarda (FHI) od
poplava od veoma niskog do veoma visokog (Slika 2).
Slika 2. Konaĉna mapa hazarda od poplava sa mestima poplavnih dogaĊaja
59
Na osnovu analize rezultata iz tabele 3 moţe se zakljuĉiti da površina prostora sa veoma
visokim hazardom od poplava (FHI 5) iznosi 71,6 km2, što je 4,6% teritorije oblasti studije.
Pored toga još 329,8 km2 podruĉja se smatra visoko hazardnim od poplava (FHI 4). S druge
strane 118,4 km2 nema realne opasnosti od pojave poplave. Najugroţeniji su delovi u istoĉnom i
juţnom delu oblasti, koji se nalaze na niţim nadmorskim visinama, ravniĉarskom reljefu i u
neposrednoj blizini reĉnih tokova.
Tabela 3: Analiza Indeksa hazarda od poplave u oblasti studije
1.6.5. Validacija rezultata
Za validaciju konaĉnih rezultata dobijenih primenom GIS MCDA modela procene hazarda
od poplava, neophodno je odrediti prostornu vezu izmeĊu istorijskih mesta poplava i mape
hazarda od poplava. Validacija mapa rizika od poplava izvedena je na osnovu 112 dogaĊaja
istorijskih poplava koje su zabeleţene na podruĉju istraţivanja. Podaci o velikim vodama i
poplavama iz prošlosti prikupljeni su od svih nadleţnih subjekata koji uĉestvuju u zaštiti od
poplava, javnih vodoprivrednih preduzeća i lokalnog stanovništva.
Za potrebe ovakve analize korišćen je algoritam "Extract by Mask" integrisan u okviru
ArcGis10.2 softverskog okruţenja. Na osnovu ovog alata, ćelije rastera koje odgovaraju
istorijski poplavljenim mestima se, na osnovu prostornog poklapanja, ekstrahuju u jedan od pet
razliĉitih indeksa hazarda od poplava. Rezultati ove analize su prikazani u Tabeli 4.
Tabela 4. Prostorni odnos Indeksa hazarda od poplave i dogaĊaja poplave u oblasti studije
Na osnovu rezultata validacije iz tabele uoĉava se relativno visoka doslednost primenjenog
GIS-AHP modela. Sagledavanjem konaĉne mape hazarda od poplave (Tabela 4), uoĉava se da se
66 (58,9%) zabeleţenih mesta poplava poklapaju sa zonom veoma visokog rizika od poplava,
dok se od 33 mesta istorijskih poplava poklapa sa zonom visokog hazarda od poplava i 13 se
poklapa sa zonom umerenog hazarda od poplava. Na ovaj naĉin, pouzdanost predloţenog
modela je potvrĊena, ĉime je osigurana, izvesnost rezultata ove analize. Iz navedenog proizilazi
zakljuĉak o opravdanosti primene GIS-AHP modela u izradi mape hazarda od poplava.
60
1.7. Modelovanje finansijskog rizika projekta vetroelektrane
Povećanjem svesti stanovništva za oĉuvanjem okoline, ali i podsticanjem od strane drţave,
zapoĉinje i sve veća proizvodnja elektriĉne energije iz obnovljivih izvora. Sve više na znaĉaju
dobijaju do sada na neki naĉin zanemarivani ili ignorisani izvori energije. Vetar je jedan od
takvih takozvanih nekonvencionalnih izvora koji se naprimer u severnoj i srednjoj Evropi već
duţi niz godina koristi sve više kao izvor elektriĉne energije.
U skladu s trendovima u Evropi i obavezama evropskih drţava za proizvodnju dela
elektriĉne energije iz obnovljivih izvora i naša zemlja se ukljuĉuje u korišćenje vetropotencijala,
kupovinom i instaliranjem vetroagregata sa svetskog trţišta.
Ubrzano instaliranje vetroelektrana je dovelo do potrebe za tehnološkim napretkom u
korišćenju energije vetra. Nove tehnologije su dostigle visoki nivo kvaliteta, a time i visoku
raspoloţivost vetroelektrana. Iako je raspoloţivost današnjih vetroelektrana vrlo visoka
popriliĉan broj otkaza uzrokuju neplanirane prekide rada, a i time velike gubitke u proizvodnji i
novĉane gubitke.
U radu je prikazana metodologija modelovanja projektnih rizika u razvoju projekta
vetroelektrane. Primenjena metoda analize rizika pripada grupi probablistiĉkih metoda koje
koriste Monte Carlo simulacionu analizu. Detaljno su opisani identifikovani rizici i naĉin
sprovoĊenja kvalitativne i kvantitativne analize rizika. Na primeru analize rizika projekata
vetroelektrane 20 × 1 MW objašnjeni su i ugraĊeni u model ekonomski kriteriji za donošenje
odluka. Model za analizu rizika projekata vetroelektrana izraĊen je u Microsoft Excelu i
namenjen je donosiocima odluka i voĊama projekata.
Projekat izgradnje vetroelektrane od traţenja lokacije do proizvodnje elektriĉne energije je
višegodišnji, sloţeni projekat tokom koga su sve zainteresirane strane izloţene brojnim rizicima
od kojih su neki dovoljno znaĉajni da mogu upropastiti projekt. Procenjivati vreme trajanja faza
projekta i troškove na osnovu osećaja nije samo neprofesionalno, već i opasno. Analiza rizika je
potrebna da bi investitor i voĊa projekta što bolje predvideli i izbegli buduće probleme. S druge
strane, institucije koje daju kredite za projekte vetroelektrana i same vrše analizu rizika prema
savremenim naĉelima pa dobra priprema moţe znaĉiti razliku izmeĊu dobijanja i nedobijanja
kredita.
U radu su uporeĊene razliĉite metode analize rizika i navedeni nedostatci svake pojedine.
Numeriĉko modelovanje rizika je savremena metoda analize rizika koja daje lako merljive i
uporedive podatke, pošto se svaki rizik pretvara u funkciju raspodele verovatnoću mogućih
ishoda. Rezultat analize je grafik koji predstavlja egzaktnu informaciju o riziĉnosti projekta.
Najosetljiviji deo modela je odreĊivanje raspodele verovatnoće ulaznih varijabli. U ovom radu je
to uraĊeno korišćenjem postojećih iskustava u projektima vetroenergetike.
1.7.1. Zainteresovane strane i odnosi na tržištu vetroenergetike
S aspekta projekata vetroelektrana postoje tri kljuĉne kategorije aktivnosti. Zainteresovane
strane u projektu vetroelektrane ponekad su specijalizovane za pojedinu delatnost, a ponekad
objedinjuju nekoliko njih:
voĊa projekta, ima glavnu ulogu u projektu. To je poduzeće koje razvija projekte.
Njihova aktivnost obuhvata organizovanje projekta od traţenja i odabira lokacije te
merenja do puštanja u pogon i odrţavanja. Pošto je trţište vetroenergetike relativno
novo, voĊe projekata se najĉešće bave i traţenjem te privlaĉenjem investitora,
organizovanjem investicije (u smislu pokretanja kredita i sl.), a reĊe i eksploatacijom.
Na njima ujedno leţi i odluka o odabiru opreme (proizvoĊaĉa). VoĊa projekata u
61
Europi i svetu ima mnogo, a većina evropskih poduzeća je prisutna na našem trţištu
kroz agente ili preduzeća kćeri,
proizvoĊaĉi opreme, uglavnom su ukljuĉeni u projekte posredno, pošto se najĉešće
specijalizuju za proizvodnju. Ponekad se bave i delatnostima voĊa projekata, iako je
to većinom vezano uz testiranje opreme (prototipa koje niko neće kupiti pre nego što
se dokaţe u praksi). Ako se proizvodno poduzeće odluĉi za bavljenje projektima,
najĉešće uspostavlja partnerski odnos sa zasebnim poduzećem − voĊom projekta,
investitori, vetroenergetika većinom privlaĉi privatni kapital, što znaĉi da su
investitori razliĉiti i ne moraju biti vezani za energetiku. Uobiĉajeni vidovi
finansiranja, kao što su krediti poslovnih banaka, funkcionišu i u projektima
vetroelektrana, ali banke nisu uvek spremne pratiti ove projekte na odgovarajući
naĉin. U zemljama u kojima vetroenergetika nije nova delatnost postoje preduzeća
koja su se specijalizovala upravo za finansiranje projekata u vetroenergetici i nude
vrlo specifiĉne financijske proizvode prilagoĊene toj delatnosti. Većina projekata se
bar parcijalno finansira kreditima finansijskih institucija pa su one nezaobilazne kada
se govori o investitorima. Pošto se radi o projektima od politiĉkog i javnog interesa
(posebno u Evropi), a koji ne bi zaţiveli bez podsticaja, razliĉite drţavne i
meĊunarodne institucije su u velikoj meri ukljuĉene u finansiranje (Evropska banka
za obnovu i razvoj − EBRD, Evropska investiciona banka − EIB, Fond za globalnu
zaštitu okoline − GEF).
Osim navedenih kategorija, postoji velik broj poduzeća koja se bave delatnostima koje nisu
direktno vezane za projekat izgradnje vetroelektrane kao što su proizvodnja merne opreme,
merenje vetropotencijala, konsultantske aktivnosti, struĉne analize itd.
1.7.2. Analiza rizika
U poslednjih nekoliko decenija na trţištu je porasla potreba za upravljanjem rizicima. Za
razliku od teorije odluĉivanja, upravljanje rizicima usmereno je na prouĉavanje rizika kao
ulaznih podataka za proces donošenja odluke. Upravljanje rizicima je deo upravljanja projektom.
Upravljanje rizicima je korporativni i sistematski proces za procenu i uticanje na rizike i
njihove posledice na ekonomski najprihvatljiviji naĉin, što ukljuĉuje adekvatno obrazovane
zaposlene.
OdreĊena vrsta upravljanja rizicima odvija se u svakoj organizaciji, bez obzira na njenu
veliĉinu ili delokrug. Rizici su sastavni deo svakog poslovanja i projekta pa ih je nemoguće
zanemariti, ali u većini sluĉajeva s njima se ne postupa organizovano. Navedena definicija
podrazumeva metodiĉno upravljanje rizicima, nasuprot nasumiĉnom rešavanju problema i
upravljanju rizicima kada se oni već manifestuju. Organizovano upravljanje rizicima obiĉno se
sastoji od sledećih koraka:
identifikacija rizika,
analiza rizika,
odreĊivanje reakcija na rizike,
posmatranje rizika,
izveštavanje.
Navedeni popis nije konaĉan i pojedini se delovi manje ili više razlaţu u zvisnosti od
kvaliteta upravljanja rizicima i potreba organizacije. Ovaj se rad primarno bavi analizom rizika
pa su ostali delovi procesa zanemareni.
62
Analiza rizika moţe biti više ili manje sloţen postupak. Naĉelno moguće je podeliti na
kvalitativnu i kvantitativnu analizu, iako navedene etape variraju u detaljima u zavisnosti od
odabrane metode analize rizika.
1.7.3. Izbor metode analize rizika
Analiza rizika je sloţen proces koji je u zavisnosti od potreba, moguće organizovati na
razliĉite naĉine. Postoje brojne institucije koje se bave standardizacijom upravljanja i analize
rizika. Najraširenije metode analize rizika su:
1) testiranje ekstremnih dogaĊaja (stress testing),
2) testiranje scenarija,
3) metoda srednji-optimistiĉni-pesimistiĉni sluĉaj,
4) analiza osetljivosti,
5) Value at Risk (VaR metoda),
6) standard AS/NZS 4360 (Australija i Novi Zeland),
7) metoda PMBOK (Project Management Body of Knowledge, Project Management
Institute - PMI, SAD).
Navedene metode rangirane su od jednostavnih od 1) do 4) prema sloţenijima od 5) do 7).
Sloţene metode mogu sadrţati i neke jednostavne, kao fazu postupka analize rizika.
Cilj moderne analize rizika jeste da se donosiocu odluke da precizna informacija koja
sadrţi gustinu raspodele verovatnoće kriterijske varijable. Ovaj pristup je suprotan
tradicionalnim metodama kod kojih se odluka donosi na osnovu pojedinaĉne procene, kao što je
srednji-pesimistiĉni-optimistiĉki sluĉaj. Dalje, metoda analize rizika mora omogućiti proces
rigoroznog i logiĉkog raĉunarskog modelovanja procesa kako bi se dobila raspodela verovatnoće
kriterijske varijable.
Osnovni koraci odabranog procesa su:
1) identifikovati kriterijsku varijablu i relevantne varijable koje na nju utiĉu,
2) opisati odreĊivanje raspodele verovatnoće za relevantne varijable,
3) ispitati i ustanoviti veze (potencijalne zavisnosti) izmeĊu pojedinih varijabli,
4) oceniti raspodele verovatnoće za sve relevantne varijable koje utiĉu na kriterijsku
varijablu,
5) odrediti raspodelu verovatnoće kriterijske varijable koristeći Monte Carlo tehniku,
6) evaluirati projekat koristeći informacije sadrţane u raspodeli verovatnoće kriterijske
varijable.
Prema podeli analize rizika na kvalitativnu i kvantitativnu analizu, koraci od 1) do 3)
predstavljaju kvalitativnu analizu rizika, a 4) i 5) kvantitativnu.
Slika 1 daje šematski prikaz metode odabrane za analizu rizika projekata vetroelektrana.
63
Slika 1. Prikaz odabrane metode za analizu rizika
1.7.4. Kvalitativna analiza rizika
Kvalitativna analiza rizika ukljuĉuje razliĉite metode odreĊivanja vaţnosti identifikovanih
rizika i predstavlja pripremu za dalju analizu, koliko god detaljna ona bila. Sastavni delovi
kvalitativne analize su procena uticaja rizika na projekat i procena verovatnoće pojavljivanja
rizika, ali i tolerancija na rizik, troškovi itd.
Kvalitativna analiza moţe ukljuĉivati intervjuisanje struĉnjaka i procenu kvaliteta
dostupnih informacija o pojedinom riziku. Rezultate kvalitativne analize rizika potrebno je
revidirati tokom vremena pošto se oni menjaju kako projekat odmiĉe.
Rezultati kvalitativne analize rizika mogu ukljuĉivati:
64
lestvicu rizika poredanih po uticaju i verovatnoći pojavljivanja,
grupisanje rizika prema kategorijama, bilo da se radi o njihovim uzrocima ili
mogućim reakcijama na rizike,
listu rizika koji zahtevaju hitnu reakciju,
praćenje promena pojedinih rizika s vremenom.
Naĉini klasifikacije rizika su razliĉiti i mnogobrojni. Podele u prvom redu zavise od
stanovišta s kojeg se vrši analiza. Tako će se razvrstavanje i procenjeni uticaj rizika razlikovati
za finansijske institucije, voĊe projekata ili npr. drţavnu administraciju. U ovom je radu prednost
data stanovištu koje se u literaturi obiĉno dodeljuje voĊi projekta, ali se pojedini komercijalni
(investitorski) uticaji ne mogu zanemariti pa su ukljuĉeni.
Osnovna podela rizika u projektima vetroelektrana je:
projektni,
trţišni,
tehniĉki,
politiĉki,
administrativni.
Uticaj većine navedenih rizika zavisi od specifiĉnosti projekta pa je ovde data dovoljno
uopšena analiza. Ipak treba napomenuti da su projektni i tehniĉki rizici većinom zajedniĉki svim
projektima vetroenergije, pošto ne zavise od politiĉke situacije ili ureĊenju trţišta. S druge
strane, trţišni i politiĉki rizici se bitno razlikuju za pojedine zemlje.
Tehniĉki rizici se mogu podeliti u tri kategorije:
- rizici vezani za vetar i opremu za merenje vetropotencijala,
- rizici vezani za opremu za proizvodnju elektriĉne energije i
- rizici vezani za integrisanje vetroelektrana u elektroenergetski sistem.
Naĉin podele nije toliko vaţan koliko pravilno razmeštanje rizika s obzirom na njihovo
pojavljivanje u projektu. Projekt vetroelektrane moţe se podeliti u ĉetiri faze:
pripremna faza,
faza gradnje,
faza eksploatacije,
faza razgradnje vetroelektrane.
Prihod nastaje samo u fazi eksploatacije vetroelektrane. Ostale faze ne donose prihod, već
naprotiv, samo troškove i rizike.
1.7.4.1. Rizici u pripremnoj fazi projekta
Rizike je moguće izbeći samo ako se od poĉetka uzmu u obzir i analiziraju. U pripremnoj
fazi se pojavljuje najveći broj rizika. Merenje vetropotencijala je verovatno najkompleksniji deo
projekta. Rizici u pripremnoj fazi projekta prikazani su u tabela 1.
66
1. Rizici vezani za vetar i opremu za merenje vetropotencijala
Rizik vetra je, uopšteno gledano, rizik vezan za nedostatak vetra. Kod klasiĉnih tehnologija
proizvodnje energije radilo bi se o dostupnosti nafte, plina, uglja i sl., a kod vetroelektrana je to
vetar. Pošto je on besplatan, eventualna cena nema znaĉaj, ali zato postoje druge specifiĉnosti.
Meteorološki podaci mogu biti od neke pomoći pri odreĊivanju potencijalnih lokacija.
Ovde se ne misli samo na atlas vetra koji je definitivno bitan za prvi izbor lokacije, već i na
dugogodišnja merenja koja u našoj zemlji vrši hidrometeorološki zavod. PoreĊenje vlastitih
merenja s postojećim podacima potrebno je za procenu kvaliteta merenja i korekciju dobijenih
podataka. Naţalost, takva su merenja u principu udaljena od planirane lokacije vetroelektrane pa
su za ozbiljnija predviĊanja proizvodnje praktiĉno neupotrebljiva. Najtaĉnije je merenje na
samoj lokaciji vetroelektrane, i to najmanje 1 godinu, a preporuka je 3 godine.
Merenje vetropotencijala sastoji se od dva dela. Prvo se odreĊuju potencijalne lokacije na
kojima će se pokrenuti merenje, a zatim se na odabranim lokacijama vrši merenje. Potencijal
vetra neke lokacije odreĊuje se preliminarno i uopšteno iz postojećih podataka, a konaĉno i
precizno merenjem na konkretnoj lokaciji. Spoljašnji podaci su podaci dostupni na trţištu i oni
nisu vezani uz samo merenje. Vetar kao energent ima vrlo nepovoljna svojstva zbog svoje
nestabilnosti. Kvalitetno predviĊanje proizvodnje najviše zavisi od kvaliteta merenja.
Kvalitetno merenje vetra je jedan od vaţnih faktora za projekat vetroenergije. U razvijenim
zemljama praktikuje se dugogodišnje merenje brzine vetra s odgovarajućom industrijskom
podrškom na tom podruĉju (merna oprema, programska podrška za modelovanje karakteristika i
sl.). U našoj zemlji se meri na razliĉite naĉine koji variraju od sertifikovanih mernih ureĊaja
(stubova) do vešanja neizbaţdarenih anemometara na dalekovodne stubove.
67
Pri merenju vetropotencijala ne meri se samo „brzina“ vetra, već i druge karakteristike koje
mogu biti vaţne za izradu modela strujanja (vertikalna brzina vetra, temperatura i sl.). TakoĊe je
vaţno merne ureĊaje postaviti dovoljno visoko kako bi se odreĊivanje modela strujanja vazduha
na visini agregata što manje oslanjalo na raĉunarsku simulaciju, a što više na merene vrednosti.
Idealno bi bilo postaviti merni stub visine jednake onoj koja se planira za agregat, što je u
svakom sluĉaju iznad 50 m.
Visina stuba na koji će se postaviti vetroagregat ne zavisi samo od snage ureĊaja. Iz mernih
rezultata bi se moralo moći odrediti optimalna visina, odnosno uspostaviti kriva odnosa
proizvodnje i troškova s visinom. Neki proizvoĊaĉi takoĊe daju na izbor preĉnike rotora za isti
generator.
Kvalitetno merenje podrazumeva i kvalitetnu obradu podataka. PodizvoĊaĉ bi u okviru
merenja trebao ponuditi i odreĊivanje razmeštaja agregata na lokaciji.
Osim kvaliteta za merenje vetropotencijala bitno je i trajanje. Osnovni ciklus vetro prilika
podrazumeva jednu godinu merenja, ali će većina voĊa projekata navesti da je potrebno meriti
bar dve godine kako bi se dobili pouzdani rezultati. TakoĊe se preporuĉuje nastavak merenja i za
vreme eksploatacije elektrane. Ovi podaci su potrebni za sluĉaj eventualnog proširenja
(uglavnom se vetroelektrana gradi u fazama zbog raspodele troškova), ali i za kontrolu vetro
prilika lokacije.
Posledice rizika dobijanja nekvalitetnih rezultata obrnuto su proporcionalne kvalitetu
lokacije. Eventualna je posledica ostvarenja tog rizika ulazak u projekt izgradnje vetroelektrane
koja će imati lošu karakteristiku proizvodnje. Verovatnoća da se zanemari neka kvalitetna
lokacija zbog lošeg merenja je manja, kao i posledice takve greške.
Merenje vetra povezano je s uslovima za dobijanje kredita. U većini sluĉajeva se u
projektima vetroelektrana primenjuje projektno finansiranje, što znaĉi da se kredit vraća iz
prihoda od prodaje energije. Banka (ili sliĉna institucija koja se bavi kreditiranjem) se za
odobrenje kredita oslanja na predviĊenu proizvodnju, a dokaz za to je merenje. Ako merenje ne
zadovoljava standarde postavljene od strane banke, teško je dobiti kredit. Većina banaka traţi da
merna oprema bude izbaţdarena po nekom standardu i da merenje bude reprezentativno. TakoĊe,
se traţi redovno baţdarenje opreme od strane referentne institucije te ponovno baţdarenje nakon
otkaza. Sluĉajevi odbijanja zahteva za kreditom zbog nekvalitetnog merenja nisu retki.
Brzina vetra se obiĉno meri sa anemometrom sa poluloptastim ĉašicama. Takav tip
anemometra sastoji se od vertikalne osovine na kojoj se na vrhu nalaze tri poluloptaste ĉašice
koje se okreću u smeru vetra. Broj obrtaja u minuti registruje se elektronskim putem. Uz
anemometar se obiĉno postavlja vetrulja, odnosno mehanizam za utvrĊivanje smera vetra. Drugi
tipovi, ukljuĉujući ultrazvuĉni ili laserski anemometar, utvrĊuju fazni pomak zvuka ili
koherentnu svetlost reflektovanu molekulama vazduha, ĉime precizno odreĊuju brzinu vetra na
raznim visinama.
Na osnovu prikupljenih podataka o brzinama i pravcima vetrova, mogu se izraditi
dijagrami ruţa vetrova za neku lokaciju. Dijagram ruţa vetrova prikazuje se u obliku kruga koji
je, kao kompas, podeljen na 12 jednakih delova, svaki od 30 stepeni horizonta, što se uzima kao
standard za evropski atlas vetrova (slika 5.5).
Karakteristike vetrova na nekoj lokaciji mogu se razlikovati iz godine u godinu, tako da se
energetski potencijal vetra moţe razlikovati od godine do godine i do 10%, pa je preporuĉljivo
osigurati višegodišnja merenja karakteristika vetrova na nekoj lokaciji. U primenjenoj
vetroenergetici vaţno je taĉno odrediti promenljivost brzine vetra na potencijalnoj lokaciji kako
bi projektanti smanjili proizvodne troškove elektriĉne energije.
68
Na karakteristike vetropotencijala neke lokacije utiĉe konfiguracija terena, odnosno
hrapavost terena, prepreke na tlu i sliĉno. Šumska prostranstva, livade obrasle niskim grmljem i
drvećem smanjuju brzine vetra, dok vodene površine gotovo da i ne utiĉu na smanjenje brzine
vetra. Stoga se tereni klasifikuju prema hrapavosti. Teren sa više stabala ili visokih objekata ima
visoku klasu hrapavosti, naprimer 3 do 4. Suprotno tome, morska površina ima nisku klasu
hrapavosti, najĉešće 0.
Slika 5.5 Primer dijagrama ruţe vetrova za brzine, smerova i frekvencije vetrova [26]
Detaljan prikaz vetropotencijala za neku lokaciju, ili šire, daje atlas ili karta vetrova. Izrada
atlasa vetrova skup je i komplikovan postupak koji obuhvata unos svih mogućih komponenti
koje utiĉu na ponašanje vetra. Topografija terena se ucrtava pomoću satelita i raĉunarskih
programa. Detaljan atlas vetrova prikazan slikom 5.6., izraĊen je za podruĉje zapadne Evrope,
gde postoji višegodišnja tradicija merenja brzina vetrova, smera i sliĉno.
Slika 5. 6. Evropska karta vetrova, podaci o vetru na 50 m iznad zemlje
Snaga vetra
Lopatice rotora vetroagregata okreću se zbog strujanja vazdušne mase. Koliĉina energije
koju vetar prenosi na rotor direktno zavisi od gustine vazduha, površine rotora i brzine vetra.
Kinetiĉka energija tela u pokretu proporcionalna je njegovoj masi, tako da kinetiĉka energija
vetra zavisi od gustine vazduha. Taĉnije reĉeno, što je vazduh teţi, dobije se više energije na
vetroturbini. Gustina vazduha odnosi se na koliĉinu molekula po jedinici zapremine vazduha. Pri
normalnom atmosferskom pritisku i temperaturi vazduha od 15ºC teţina vazduha je 1,225 kg/m3,
ali sa povećanjem vlaţnosti vazduha opada i njegova gustina. Hladniji vazduh gušći je od
toplijeg, zato će vetroagregat pri istoj brzini vetra proizvesti više elektriĉne energije tokom zime
nego tokom leta. Atmosferski pritisak opada sa povećanjem nadmorske visine, zato je na većim
nadmorskim visinama (planine) pritisak niţi, a vazduh je reĊi.
69
Vetroagregat dobija svoju ulaznu sagu pretvaranjem snage vetra u okretanje lopatica
rotora. Nameće se logiĉan zakljuĉak da od površine rotora zavisi koliĉina energije koju
vetroagregat moţe proizvesti iz vetra. Pošto se površina rotora povećava sa kvadratom preĉnika
rotora, dvostruko veća turbina dobija ĉetiri puta veću koliĉinu energije. Povećanje površine
rotora nije toliko jednostavno kao postavljenje duţih lopatica, pošto se povećanjem površina
rotora povećava naprezanje celog sistema, nezavisno od brzine vetra. Kako bi se kompenzovalo
naprezanje potrebno je ojaĉati celi mehaniĉki sistem.
Drugi faktor koji utiĉe na izlaznu snagu vetroagregata je ĉinjenica da vetroagregat utiĉe na
skretanje vetra, ĉak pre nego što vetar bude obuhvaćen lopaticama rotora. Dakle, rotor usporava
brzinu vetra, tako da je brzina vetra manja ispred nego iza rotora, što znaĉi da vetroagregat ne
moţe iskoristiti celokupnu energiju vetra.
Povećanjem brzine vetra raste koliĉina vazdušne mase koja prolazi kroz rotor, odnosno
dolazi do porasta izlazne snage vetroagregata. Teoretska izlazna snaga vetroagregata zavisi od
kuba brzine vetra prema formuli:
(5.1)
gde je:
P - specifiĉna snaga vetra, W/m2
ρ- gustina vazduha, kg/m3
v- proseĉna brzina vetra, m/s
Efektivna snaga koju daje vetrogenerator zavisi od mnogo faktora, a samo u jednom uskom
rasponu zavisi od brzine vetra na kub. Maksimalna snaga koja se moţe dobiti pomoću
vetroagregata raĉuna se pomoću Betzovog zakona, prema kome se samo deo raspoloţive
energije vetra (59%) moţe iskoristiti zato što vetar mora nastaviti duvati u svom smeru kako bi
ostavio slobodan prostor za nadolazeći vazduh. Zato se celokupna kinetiĉka energija vetra ne
moţe isporuĉiti na vetroagregat, što je prikazano na slici 5.4.
Slika 5.4 Zavisnost specifiĉne snage od brzine vetra
70
1.7.4.2. Rizici u fazi izgradnje vetroelektrane
Ako je pripremna faza dobro uraĊena, onda u fazi izgradnje ne treba oĉekivati nikakve
posebne rizike u odnosu na bilo koji graĊevinski projekt. Statistike za EU govore da se vreme
graĊenja kopnene vetroelektrane kreće izmeĊu pola godine i godinu dana. U tabeli 2 su navedeni
rizici u fazi izgradnje vetroelektrane.
Tabela 2. Rizici u fazi izgradnje vetroelektrane
1.7.4.3. Rizici u fazi eksploatacije vetroelektrane
U fazi eksploatacije (rada) vetroelektrane javljaju se većinom tehniĉki i trţišni rizici. Svi
rizici u ovoj fazi vezani su za rizike u proizvodnji i isporuci elektriĉne energije. Problemi nastaju
kada vetroelektrana ne radi ili kada proizvodnja elektriĉne energije ne ostvaruje zaradu. U tabeli
3 su prikazani rizici u fazi eksploatacije vetroelektrane.
Tabela 3. Rizici u fazi eksploatacije vetroelektrane
1. Rizici vezani za opremu za proizvodnju električne energije
Tehnologija korišćenja vetra nije više tako nova, ali je proizvodnja elektriĉne energije s
postojećom tehnologijom još uvek riziĉnija nego eksploatacija fosilnih goriva ili vodotokova.
Jedan od uzroka povećanog rizika u odnosu na poznate tehnologije je i brzi razvoj, te stalne
inovacije opreme za korišćenje vetra.
Problem je što predviĊanje mogućeg otkazivanja komponenata zahteva dugogodišnje
praćenje i analiziranje podataka koje je kod opreme za korišćenje vetra još u zaĉetku. VoĊe
projekata (i investitori) ne moraju biti upućeni u detalje vezane za opremu, jer je to deo koji se
kupuje na trţištu i svi potencijalni problemi i poslovi se prenose na dobavljaĉa. Oprema se sa
aspekta voĊa projekata moţe posmatrati kao „crna kutija“ pa se svi rizici svode na rizik izbora
pouzdanog i kvalitetnog dobavljaĉa (podizvoĊaĉa). Ovde se mogu pojaviti dve situacije.
U prvom sluĉaju dolazi do nepredviĊenih problema vezanih za opremu, jer voĊa projekta
nije analizirao podizvedbeni deo poslova, a dobavljaĉ ih nije dovoljno kvalitetno obavio.
Najĉešće će dobavljaĉ upotrebiti tipske ugovore koje inaĉe koristi na drugim trţištima i u
klimatsko-geološkim uslovima koji mogu biti vrlo razliĉiti od konkretnih. Tako ugovaranje ga
71
oslobaĊa od rešavanja novih problema, odnosno svaki rizik zbog specifiĉnosti lokacije se
prebacuje na voĊu projekta.
Drugi sluĉaj je prenošenje svih predviĊenih i nepredviĊenih rizika od voĊe projekta na
druge. Tako ureĊenje poslova opet zahteva detaljniju analizu rizika kako bi se predvideli svi
potencijalni problemi, a u svakom sluĉaju skupo je i teško sprovesti u našim uslovima. Za razliku
od zemalja u kojima su projekti vetroenergije svakodnevica, osiguravajuće kuće u našoj zemlji
nemaju relevantna znanja pa odreĊuju visoke premije.
Vetroagregat
Razvoj savremenih vetroagregata namenjenih proizvodnji elektriĉne energije iz vetra traje
već nekoliko desetina godina, a ubrzan je podsticanjem vetroenergetike. Tehniĉko rešenje koje
dominira meĊu vetroagregatima većih snaga (od 1 MW i više) zasniva se na konceptu sa tri
lopatice. Okretanjem lopatica pokreće se generator koji proizvodi elektriĉnu energiju.
Lopatice i generator mogu biti spojeni direktno ili indirektno. Indirektni pogon
podrazumeva upotrebu multiplikatora koji brzinu okretanja lopatica mehaniĉki prilagoĊava
generatoru. U ovom se sluĉaju obiĉno radi o asinhronom generatoru koji mora imati konstantnu
brzinu obrtanja. Rešenje s multiplikatorom je starije, ali još uvek najĉešće meĊu proizvoĊaĉima.
Direktni pogon je novije rešenje i kvalitetnije. Vetroagregat s direktnim pogonom koristi
sinhroni generator koji se obrće promenljivom brzinom, a na mreţu se spaja preko frekventnog
pretvaraĉa da bi izlazni napon imao mreţnu frekvenciju.
VoĊe projekata vrlo ĉesto odgaĊaju odluku o proizvoĊaĉu do zadnjeg trenutka, a promena
dobavljaĉa neposredno pre poĉetka radova na terenu takoĊe nije redak sluĉaj. Iako dobavljaĉ
daje garancije za svoju opremu i preuzima odgovornost za rešavanje mogućih tehniĉkih
problema, postoje neke odluke koje nije dobro u potpunosti prepustiti dobavljaĉu opreme, pošto
je njegov interes za projekt ograniĉen.
Još uvek postoji znaĉajan rizik od otkazivanja komponenti. Najbolji naĉin smanjenja ovog
rizika je insistiranje na sertifikovanim proizvodima i garancijama.
Sistem upravljanja
NeprilagoĊen sistem upravljanja moţe uzrokovati ĉesta iskljuĉenja agregata i smanjen broj
radnih sati. U principu sistem upravljanja dolazi sa izborom dobavljaĉa opreme, ali treba voditi
raĉuna i o lokaciji. Sliĉno kao kod merenja, sistemi upravljanja razvijeni za prilike konstantnog
vetra ne moraju biti dobri za naše prilike, a to je rizik koji dobavljaĉ najĉešće neće uzeti u obzir.
Kao primer rizika vezanog za sistem upravljanja moţe posluţiti vremensko podruĉje u kojem
upravljanje reaguje. Ako sistem upravljanja radi u minutnom podruĉju, parametriran je tako da
reaguje na promene brzine vetra koje nisu ĉešće od npr. 10 min. Takav sistem će raditi loše u
uslovima vrlo promenljivog vetra (kakav je na brojnim lokacijama u našoj zemlji). Ako je
automatsko ponovno ukljuĉenje vetroagregata podešeno na 10 min, a sluĉaj iskljuĉenja zbog
udara vetra se dogaĊa uĉestalo, elektrana neće raditi koliko bi trebala. Sledeći problem je u tome
što se mehaniĉke komponente upravljanja (motori, koĉnice) biraju u zavisnosti od sistema
upravljanja pa će troškovi naknadnog poboljšanja sistema biti znatno veći od promene
parametara programa. NeprilagoĊen sistem upravljanja moţe uzrokovati brţe starenje
komponenti i smanjenje ţivotnog veka elektrane.
2. Rizici vezani za integrisanje vetroelektrana u elektroenergetski sistem
Rizici koji se ovde pojavljuju vezani su uz moguće nametanje visokih troškova od strane
operatora prenosnog i distributivnog sistema da bi se opravdali troškovi nastali zbog uticaja
vetroelektrana na elektroenergetski sistem. U našoj zemlji je situacija nepovoljna zbog velikog
uticaja EPS-a koji bi mogao jednostrano proceniti ove troškove.
72
Najznaĉajniji uticaji vetroelektrana na elektroenergetski sistem je nadogradnja mreţe zbog
vetroelektrane. Potrebe za nadogradnjom prenosne i distributivne elektroenergetske mreţe
uzrokovane povećanjem udela vetroelektrana u elektroenergetskom sistemu uzrok su brojnih
nesporazuma. Operatori sistema optuţuju vetroelektrane zbog unošenja velikih troškova koje
pokušavaju nametnuti vlasnicima vetroelektrana. Troškovi nadogradnje prenosne i distributivne
mreţe uzrokovane vetroelektranama zavise od njihovog udela, a za udeo vetroelektrana od 10%
iznose 1 €/MWh.
1.7.5. Kvantitativna analiza rizika
Kvantitativna analiza rizika se vrši na rizicima koji su odabrani kvalitativnom analizom
kao najznaĉajniji za projekat. U ovom delu postupka detaljno se analiziraju ti rizici i svakom se
dodeljuju numeriĉke vrednosti. Kvantitativna analiza koristi tehnike poput Monte Carlo analize
ili analize stabla dogaĊaja.
U matematiĉkim proraĉunima, nesigurnosti su predstavljene sluĉajnim varijablama
(varijablama koje poprimaju nepredvidive vrednosti). Sluĉajne varijable je moguće odrediti samo
verovatnoćama kojima one poprimaju neku vrednost. Rizici se pojavljuju upravo zbog
nesigurnosti pa je zbog toga veliĉina nekog rizika povezana sa nekoliko sluĉajnih varijabli.
Koristeći tehnike iz teorije verovatnoće, moguće je odrediti raspodelu verovatnoće nekog rizika,
pod uslovima da su poznate raspodele verovatnoće nesigurnih varijabli koje taj rizik uzrokuje.
Eventualne meĊuodnose spomenutih nesigurnosti takoĊe treba uzeti u obzir.
Raspodele verovatnoće neke varijable mogu biti razliĉite, ali se u analizi rizika koristi tek
ograniĉen broj najpoznatijih. Naravno, na trţištu se mogu naći skupi i kompleksni modeli koji
nude korisniku izbor iz gotovo neograniĉenog spektra funkcija, ali za razumljivu i preglednu
analizu dovoljno je poznavati nekoliko osnovnih (Poissonovu, eksponencijalnu, Gaussovu itd.).
Rizik koji postoji u nekom projektu meri se verovatnoćom pojave neţeljenog dogaĊaja.
Dakle, potrebno je odabrati neţeljeni dogaĊaj koji će u analizi biti kriterij za procenu riziĉnosti
projekta. Matematiĉki gledano, radi se o jednoj varijabli koja će u konaĉnici predstavljati meru
riziĉnosti. Ta kljuĉna varijabla (kriterijska varijabla) funkcija je pojedinih rizika (relevantnih
varijabli) koji su u matematiĉkom modelu predstavljeni svojim raspodelama verovatnoća [9].
Potrebno je izvršiti sumilaciju ili agregaciju funkcija verovatnoće riziĉnih varijabli. Taj
postupak je jednostavan ako su funkcije jednake i ako imaju osobinu reproduktivnosti, to jest ako
je zbir dve ili više funkcija nekog tipa opet funkcija tog istog tipa. To svojstvo imaju normalna,
binomna i poissonova raspodela, ali npr. eksponencijalna nema. Pošto je mala verovatnoća da
sve varijable u modelu budu istog tipa, za agregaciju funkcija se koriste kompleksne raĉunarske
metode od kojih je najsavremenija i u zadnje vreme najviše korišćena Monte Carlo metoda.
Slika 2 prikazuje kvantitativnu analizu rizika kako je definiše standard AS/NZS 4360 u
taĉki 3.
73
Slika 2. Kvantitativna analiza rizika
1.7.6. Evaluacija rizika
Procena rizika i predviĊanje njihove raspodele verovatnoće nije dovoljna za modelovanje.
Rizike je potrebno vrednovati prema nekom kriteriju. Za sluĉaj projekata kao što su projekti u
vetroenergetici, najĉešće se primenjuje ekonomski kriterij. Dakle, odluke se donose na osnovu
ekonomske isplativosti predviĊenih rezultata. Uticaj pojedinog rizika potrebno je izraziti preko
uticaja na neku od veliĉina ekonomskog vrednovanja projekta i zatim analizirati njihovu
zavisnost.
Razvojem menadţerskog pristupa finansiranju i projektima razvio se celi niz metoda
finansijskog odluĉivanja. Pri odabiru metode za evaluaciju projekta s gledišta analize rizika treba
voditi raĉuna o potencijalnim korisnicima modela. Donosioci odluka ne moraju biti i vrlo ĉesto
nisu struĉnjaci za ekonomska pitanja. Tako su u ovom radu odabrane tri osnovne metode
finansijskog odluĉivanja.
Suština ocene rentabilnosti (ekonomska ocena za investitora) je u proceni da li se povećava
materijalna osnova projekta ili smanjuje kada se uzme u obzir celi vek projekta. U dinamiĉkom
pristupu oceni ekonomskog doprinosa projekta korišćene su sledeće metode:
metoda perioda povratka investicionih ulaganja,
metode diskontnih tokova novca, i to nakon oporezivanja:
o interna stopa povrata i
o ĉista sadašnja vrednost.
1.7.7. Model za kvantitativnu analizu rizika
Model za analizu rizika projekata vetroelektrana izraĊen je u Microsoft Excel-u. Odabir
programskog paketa uslovljen je njegovom rasprostranjenošću. Model je namenjen donosiocima
odluka i voĊama projekata pa je zato kljuĉno da bude što jednostavniji za korišćenje. Excel je
vrlo raširen i korišćen programski alat i većina je ljudi dobro upoznata s njegovim osnovnim
funkcijama i mogućnostima. Korišćenje ovog modela ne zahteva napredno korišćenje Excel-a,
iako je preporuĉljivo upoznati se s elementima programskog alata koji su opisani u daljem
tekstu. Za detaljno prilagoĊavanje i menjanje modela ipak je potrebno obrazovanje u vidu nekog
od dostupnih kurseva za napredno korišćenje Excel-a u trajanju od nekoliko sedmica.
74
1.7.7.1. Programski dodaci korišćeni pri razvoju modela
Pri izradi modela korišćeni su programski dodaci (add-in) koji su deo potpune instalacije
programskog paketa Excel. TakoĊe je izvršena nadogradnja pomoću shareware programskih
dodataka i jednog emailware. Svi navedeni programski dodaci dostupni su na Internet stranicama
vezanim za Excel.
Add-in je program koji dodaje proizvoljne funkcije i proširuje mogućnosti Excela. Add-in
sadrţi set funkcija i oruĊa koji omogućavaju skraćivanje koraka pri razvoju kompleksnih analiza.
Excel podrţava tri tipa dodataka: Excel add-in, COM (Component Object Model) add-in i
automatski add-in. Model razvijen u ovom radu podrazumeva ugradnju Excel i COM dodataka.
Excel add-in ima ekstenziju *.xla, COM add-in ima ekstenziju *.dll ili *.exe. Za ispravno
funkcionisanje predmetnog modela potrebno je instalaciju Excel programa upotpuniti sledećim
dodacima:
Analysis ToolPak add-in, je paket finansijskih, statistiĉkih i inţenjerskih funkcija koji
je deo potpune instalacije Excela.
VBA add-in, omogućuje izradu vlastitih macro potprograma u Visual Basic
programskom jeziku koji se ponašaju kao obiĉne Excel funkcije. Ovaj dodatak nije
deo standardne instalacije Excela pa ga je potrebno dodati.
Solver add-in, raĉuna rešenja u šta-ako analizi. TakoĊe nije deo standardne instalacije
Excela pa ga je potrebno dodati.
Microsoft Office Web Components (OWC), je kolekcija COM add-in dodataka koji
omogućuju objavljivanje Excel stranica i tablica na internetu.
SimulAr add-in, je dodatak koji omogućava Monte Carlo analizu.
1.7.7.2. Opis modela
Model analize rizika za projekte vetroelektrana koristi Monte Carlo analizu kao osnovni
postupak pri proraĉunu gustine verovatnoće pojedinih varijabli. Ova metoda podrazumeva
dodeljivanje raspodele verovatnoće varijablama modela koje predstavljaju rizike te zatim
generisanje sluĉajnih brojeva u okviru odabranih raspodela verovatnoće kako bi se simulirali
budući dogaĊaji.
Koraci pri simuliranju su sledeći:
definisanje ulaznih varijabli,
definisanje izlaznih (posmatranih) varijabli,
unošenje korelacionih koeficijenata (proizvoljan korak),
simulacija,
prikaz rezultata.
Model je testiran na primeru 20 vetroagregata jediniĉne snage 1 MW sa ţivotnim vekom
od 25 godina.
1.7.7.3. Definisanje ulaznih varijabli
Ulazne varijable modela su rizici za koje se veruje da će u budućnosti imati uticaj na
projekat. Svi rizici su pretvoreni u novĉane jedinice kako bi se njihov uticaj mogao prikazati
promenama finansijskih pokazatelja projekta. Svakom od navedenih rizika pridruţena je
raspodela verovatnoće. Model nudi mogućnost za unošenje 500 ulaznih varijabli i pridruţivanje
20 razliĉitih raspodela verovatnoće.
75
Raspoloţive raspodele verovatnoće su: normalna, trogaona, uniformna, beta, kvadratna,
lognormalna, lognormalna kvadratna, gama, logistiĉka, eksponencijalna, studentova, usporedna,
weibullova, rayleigheva, binomna, negativna binomna, geometrijska, poissonova, diskretna i
diskretno uniformna.
Ulazne varijable modela su kako sledi:
godišnja proizvodnja elektriĉne energije,
merenje vetropotencijala,
promena prostornog plana,
geodetski snimak,
lokacijska dozvola,
graĊevinski radovi,
prikljuĉak na mreţu,
prikljuĉak na TS.
Kao primer matematiĉkog prikazivanja rizika posluţit će varijabla godišnja proizvodnja
elektriĉne energije po jedinici (MWh) koja se kasnije mnoţi sa cenom MWh i brojem
instalisanih agregata kako bi u proraĉunu bila izraţena kroz novĉane jedinice. Ostale ulazne
varijable modelovane su na isti naĉin.
Za godišnju proizvodnju odabrani su sledeći parametri: normalna raspodela, s intervalom
od 1 900 MWh do 2 600 MWh, srednja vrednost µ=2 250, standardna devijacija σ=250.
Pretpostavljena je godišnja proizvodnja izmeĊu 1 900 MWh i 2 600 MWh, što su odlike
priliĉno dobre lokacije. Svetska praksa raĉuna lokaciju sa preko 2 000 sati nazivnog rada kao
vrlo dobru, ali ovde treba uzeti u obzir povoljne i sigurne uslove otkupa energije koji u
inostranstvu omogućavaju isplativost i lošijih lokacija. Za naše prilike ovakva lokacija je prosek
ispod koga verovatno nije isplativo investirati.
Slika 3 prikazuje raspodelu verovatnoće varijable godišnja proizvodnja prema
primenjenom modelu na osnovu 10 000 pokušaja. Ovde je bitno napomenuti da su na apscisi
prikazane kljuĉne frekventne taĉke oko kojih se grupišu rezultati, a ne stvarne vrednosti
iteracijskih koraka. Zato vrednost prikazana na apscisi moţda u stvarnosti nije ni jednom
dobijena.
Slika 3 Raspodela verovatnoće varijable godišnja proizvodnja elektriĉne energije
76
1.7.7.4. Definisanje izlaznih varijabli
Izlazne varijable su rezultat simulacije u kojoj se 10 000 puta odabiru sluĉajne vrednosti
ulaznih varijabli te se prema modelu proraĉunavaju izlazne varijable. Rezultati simulacija sluţe
da bi se Monte Carlo metodom odredile raspodele verovatnoće izlaznih varijabli. Odabrane su
sledeće izlazne varijable:
ukupna investicija (UI),
period povratka investicije (RPI),
ĉista sadašnja vrednost (ĈSV),
interna stopa rentabilnosti (ISR).
Ukupna investicija dobija se sabrajanjem svih troškova. Ovo ustvari nije kriterijska
varijabla koja bi sluţila za evaluaciju projekta, ali je u svakom sluĉaju interesantna pa je zbog
toga i razmotrena.
Period povratka investicije (RPI) raĉuna se kombinacijom ugraĊenih funkcija lookup i if.
Model dopušta proglašavanje bilo koje varijable izlaznom varijablom.
Ĉista sadašnja vrednost (ĈSV) se raĉuna pomoću Excel ugraĊene funkcije NPV, a na
osnovu novĉanih tokova nakon 25 godina rada elektrane. Pretpostavljena diskontna stopa d je
10%. Korišćena formula je:
gde su:
ĈSV − ĉista sadašnja vrednost
nt − novĉani tokovi za period efektuiranja
d − diskontna stopa (u modelu 10%)
Interna stopa rentabilnosti (ISR) raĉuna se pomoću Excel ugraĊene funkcije irr. Excel
raĉuna ISR iterativnim postupkom traţenja stope povratka za nultu vrednost ĉiste sadašnje
vrednosti. Proraĉun se vrši sve dok odstupanje nije unutar 0,000 01%, što je svakako dovoljno
precizno za potrebe ovog modela.
1.7.7.5. Određivanje korelacija
Ponekad su ulazne varijable meĊusobno zavisne pa je te zavisnosti potrebno uneti u model,
potrebno je odrediti matricu korelacija. Ovaj model omogućava odreĊivanje korelacijskog
koeficijenta izmeĊu -1 i 1 za bilo koje dve varijable. Ako je korelacijski koeficijent 1 (savršeno
pozitivan odnos), dve se varijable kreću zajedno, što znaĉi da ako se jedna poveća za 10%, isto
će uĉiniti i druga. Ako je korelacijski koeficijent -1 (savršeno negativan odnos), varijable se
kreću suprotno, što znaĉi da ako se jedna poveća za 10%, druga će se smanjiti za isti postotak.
Svi koeficijenti koji su izmeĊu -1 i 1 daju adekvatne korelacije.
U modelu su korelirana dva para varijabli:
godišnja proizvodnja elektriĉne energije i merenje vetropotencijala stavljeni su u
korelaciju s koeficijentom 0,8. Dakle, matematiĉki gledano, ako se troškovi merenja
vetropotencijala povećaju 10%, godišnja proizvodnja elektriĉne energije će porasti
8%. Naravno, ovde se radi o varijablama, a ne o stvarnoj situaciji. U stvarnosti će
veće ulaganje u merenje vetropotencijala rezultirati taĉnijim odreĊivanjem
77
najpovoljnijeg broja i veliĉine vetroagregata, što znaĉi manjom verovatnoćom
pogrešne procene proizvodnje,
geodetski snimak i graĊevinski radovi korelirani su s koeficijentom 0,5. Do veze
izmeĊu ovih rizika dolazi zbog terenskih radova. Ako je geodetski snimak skup,
lokacija je velika ili nepristupaĉna, što znaĉi da se mogu oĉekivati povećani troškovi
izgradnje.
1.7.7.6. Rezultati (izveštaj o analizi rizika)
1. Ukupna investicija
Slika 4 prikazuje raspodelu verovatnoće varijable ukupna investicija.
Slika 4. Raspodela verovatnoće varijable ukupna investicija
Iz raspodele verovatnoće moguće je oĉitati sledeće podatke (tabela 4):
Tabela 4. Kljuĉni podaci raspodele verovatnoće varijable ukupna investicija
Ukupna investicija je varijabla s normalnom raspodelom verovatnoće i parametrima:
srednja vrednost µ=145,94 milio kuna, standardna devijacija σ=2,69 miliona kuna. Rasipanje ove
varijable je malo, a uzrok tome je preteţni udeo troška opreme koji je fiksan u ukupnoj
investiciji.
Verovatnoća se raĉuna integrisanjem po funkciji gustine verovatnoće, to jest integral za
bilo koju vrednost daje verovatnoću da konaĉna vrednost projekta bude manja od zadate. Ovaj je
podatak kljuĉan za analizu rizika. Rezultujuća funkcija je kumulativna funkcija verovatnoće
78
varijable (u ovom sluĉaju vrednosti projekta). Slika 5 prikazuje kumulativnu raspodelu
verovatnoće varijable ukupna investicija.
Slika 5. Kumulativna raspodela verovatnoće varijable ukupna investicija
Uobiĉajeni podatak koji za analizu rizika daje kumulativna raspodela verovatnoće je 80%-
tna granica pouzdanosti koja je u ovom sluĉaju: 142 560 000 kuna < ukupna investicija < 149
609 000 kuna.
2. Period povratka investicije
Slika 6 prikazuje raspodelu verovatnoće varijable period povratka investicije.
Slika 6. Raspodela verovatnoća varijable period povratka investicije
Iz raspodele verovatnoće moguće je oĉitati sledeće podatke (tablica 5):
Tabela 5. Kljuĉni podaci raspodele verovatnoće varijable period povratka investicije
79
Raspodela verovatnoće perioda povratka investicije ne odgovara nekoj poznatoj funkciji.
Naprotiv, period povratka investicije je diskretna varijabla koja poprima 18 vrednosti u periodu
od 17 godina. To je logiĉno pošto je model postavljen tako da period povratka investicije uvek
bude celobrojna varijabla izraţena u godinama. Iz numeriĉkih podataka moţe se videti da je
vrednost 23 godine u 10 000 pokušaja dobijena samo 2 puta (0,02 %), što se ne vidi iz grafiĉkog
prikaza.
Slika 7. prikazuje kumulativnu raspodelu verovatnoće varijable period povratka investicije.
Slika 7. Kumulativna raspodela verovatnoće varijable period povratka investicije
80%-tna granica pouzdanosti je: 8 godina < period povratka investicije < 20 godina. Dakle,
s 80%-tnom pouzdanošću se moţe utvrditi da će se period povratka investicije kretati u tom
intervalu. To i nije loše ako se uzme u obzir srednja vrednost raspodele verovatnoće koja je oko
15 godina, ali ne predstavlja mamac za ulagaĉe.
3. Čista sadašnja vrijednost
Slika 8. prikazuje raspodelu verovatnoće varijable ĉista sadašnja vrednost.
80
Slika 8. Raspodela verovatnoće varijable ĉista sadašnja vrednost
Iz raspodele verovatnoće moguće je oĉitati sledeće podatke (tabela 6):
Tabela 6. Kljuĉni podaci raspodele verovatnoće varijable ĉista sadašnja vrednost
Ĉista sadašnja vrednost je varijabla s normalnom raspodelom verovatnoće i parametrima
srednja vrednost µ=2,32 miliona kuna, standardna devijacija σ=11,74 miliona kuna. Rasipanje je
znatno veće nego kod npr. ukupne investicije, što se vidi i iz grafika. Slika 9 prikazuje
kumulativnu raspodelu verovatnoće varijable ĉista sadašnja vrednost.
Slika 9 Kumulativna raspodela verovatnoće varijable ĉista sadašnja vrednost
80%-tna granica pouzdanosti je: -13 780 460 kuna < ĉista sadašnja vrednost < 18 919 730
kuna. Dakle, s 80%-tnom pouzdanošću se ne moţe utvrditi da će ĉista sadašnja vrednost biti
pozitivna. Kriterij procene projekta na osnovu ĉiste sadašnje vrednosti traţi da ona bude
81
pozitivna, što se po kumulativnoj krivoj dešava na iznosu verovatnoće od 43%. To znaĉi da je
verovatnoća uspešnog projekta 57%.
4. Interna stopa rentabilnosti
Slika 10 prikazuje raspodelu verovatnoće varijable interna stopa rentabilnosti.
Slika 10. Raspodela verovatnoće varijable interna stopa rentabilnosti
Iz raspodela verovatnoće moguće je oĉitati sledeće podatke (tabela 7):
Tabela 7. Kljuĉni podaci raspodele verovatnoće varijable interna stopa rentabilnosti
Interna stopa rentabilnosti je varijabla s normalnom raspodelom verovatnoće i parametrima
srednja vrednost µ=10,7%, standardna devijacija σ=3,35%. Kumulativna raspodela verovatnoće
interne stope rentabilnosti prikazana je na slici 11.
Slika 11. Kumulativna raspodela verovatnoće varijable interna stope rentabilnosti
82
80%-tna granica pouzdanosti je: 0,06 < interna stopa rentabilnosti < 0,15. Kriterij procene
projekta na osnovu interne stope rentabilnosti zahteva da interna stopa rentabilnosti bude veća ili
jednaka zadatoj diskontnoj stopi (10%). Taj je kriterij zadovoljen verovatnoćom od 49 %, što je
blizu vrednosti dobijene za ĉistu sadašnju vrednost (43%).
Zaključak
Na osnovu sprovedene analize rizika moţe se zakljuĉiti sledeće:
projekti vetroelektrana kod nas su isplativi, ali uz umerene finansijske pokazatelje.
Radi se o relativno sigurnoj investiciji koja se isplaćuje nakon 12 do 15 godina,
najuticajniji rizici su vezani uz merenje vetropotencijala, pošto od o toga zavisi
proizvodnja elektriĉne energije (zarada vetroelektrane). Merenje vetropotencijala je
osnovni pokazatelj isplativosti projekta pa ga i finansijske institucije vrlo ozbiljno
shvataju, tako da od kvaliteta merenja zavisi dobijanje kredita za izgradnju
vetroelektrane,
kod nas su prilike još uvek nesigurne s aspekta administrativnih rizika (dozvole,
saglasnosti), što moţe znatno povećati vreme potrebno za pripremne radove (pre
poĉetka gradnje). Ova situacija će se u budućnosti poboljšavati, ali to naţalost neće
biti dovoljno brzo za projekte koji su danas u fazi merenja.
Iako je referentni sluĉaj u modelu projekat vetroelektrane u našim uslovima, moguće ga je
prilagoditi za bilo koje trţište. Glavne razlike izmeĊu naše i zemalja Europske unije ogledaju se
u rizicima vezanim uz administrativne procedure, podsticanje korišćenja obnovljivih izvora
energije i imovinsko-pravna pitanja. Promene u izgledu funkcija raspodele verovatnoće
pojedinih rizika mogu se lako uneti u model, a moguće je dodati i nove varijable. U uslovima
ureĊenog trţišta rezultati analize rizika bili bi pouzdaniji (manje rasipanje), pošto bi npr. ulazna
varijabla Prikljuĉna TS bila odreĊena za pojedinu lokaciju.
Ovaj model se moţe primeniti i na projekte drugih obnovljivih izvora energije, kao što su
male hidroelektrane ili solarne elektrane. Pošto se model zasniva na numeriĉkoj analizi rizika,
moţe se, uz proširenja, primeniti na gotovo svaki investicioni projekat. Monte Carlo metoda ima
najrazliĉitije primene, od finansijskog trţišta, do socioloških analiza.
83
2. LITERATURA
[1] Darko Stipaniĉev; Suvremene raĉunalne metode simuliranja širenja poţara raslinja i njihova
mogu ća primjena za prostor hrvatskog priobalja, Seminar “Poţari otvorenog prostora”,
Trogir 29.4.2008.
[2] Darko Stipaniĉev, Holistiĉki model integralne zaštite od poţara raslinja splitsko-dalmatinske
ţupanije, Makarska 10.1.2008.
[3] Stanimir Ţivanović, Modelovanje pravca širenja šumskog poţara u cilju predikcije.
[4] Goran ĐorĊević, Rizik i sistemsko upravljanje rizikom u zaštiti šuma od poţara.
[5] Aleksandra Kokić Arsić, Milan Mišić, Model upravljanja rizikom od poţara.
[6] Saša T. Bakraĉ, Nato bombardovanje Republike Srbije 1999. godine - model procene
ekološkog rizika, XL VI Simpozijum o operacionim istraţivanjima, Zlatibor, 25 - 28.
septembar, 201 .7
[7] Ljubomir Gigović, Miodrag Regodić, Siniša Drobnjak, Primena GIS modela u izradi mape
hazarda od poplava, XL VI Simpozijum o operacionim istraţivanjima, Zlatibor, 25 - 28.
septembar, 201 .7
[8] Davor Škrlec, Filip Muţinić, Modeliranje rizika u projektima vjetroelektrana, 8. savjetovanje
HRO CIGRE, Cavtat, 4. - 8. studenoga 2007.
[9] Davor Škrlec, Filip Muţinić, Modeliranje projektnih rizika u razvoju projekta
vjetroelektrane, Energija, vol. 56(2007), No. 4, pp. 490-517
[10] Nikola Nikaĉević, Modelovanje i simulacija procesa, Tehnološko-metalurški fakultet
Univerzitet u Beogradu.2012.
[11] Primena ekološkog modelovanja, skripta, Fakultet za primenjenu ekologiju, Univerzitet u
Beogradu,
[12] SrĊan Glišović, Uvod u analizu ţivotnog ciklusa, Industrijska ekologija,
[13] Simendić, B.: Primenjene metode modelovanja eksperimenta, predavanja, Visoka
tehniĉka škola strukovnih studija u Novom Sadu, 2017.
[14] Adamović, Ţ., Ilić, B., Nauka o odrţavanju tehniĉkih sistema, Srpski akademski centar,
Novi Sad, 2013.
[15] Segedinac, T.: Teorija inţenjerskog eksperimenta, 1.deo, Metodologija pripreme, izrade i
odbrane završnog rada, Visoka tehniĉka škola strukovnih studija u Novom Sadu, 2012.
[16] Petrić, M.: Statistika, Visoka tehniĉka škola strukovnih studija u Novom Sadu, 2015.
[17] Ivana Kovaĉević, Verovatnoća i statistika sa zbirkom zadataka, Univerzitet Snigidunum,
Beograd, 2018.
[18] Dolević V.,Primenjena statistika, Nauĉna knjiga, Beograd 1993.
[19] Bakraĉ, S., Milanović, M., Marić, M., Marković, S. (2012). Procena ekološkog rizika u
funkciji zaštite ţivotne sredine. Vojnotehniĉki glasnik, broj 4, godina LX, oktobar-decembar,
165-178.
[20] Ćirović, M., Petrović, N., Makajić-Nikolić, D. (2016). Procena rizika u ekološkom
menadzmentu. Zbornik radova sa konferencije Symopis-2016. 49-52.
84
[21] Mišović, M., Đurović, B. (2000). Glavna ekološka ţarišta - osnovni podaci. Zbornik
radova sa struĉnog skupa "Ekološki aspekti radioaktivne i hemijske kontaminacije tokom
agresije NATO pakta na SRJ". 19- 26.
[22] Pavlović, V. (2012). Ekologija i rat, Izveštaj nezavisnih eksperata o NATO
bombardovanju SRJ. Beograd: CEPOR, FPN.
[23] Suter, GW. 2006. Ecological risk assessment, Second Edition. Boca Raton-Florida: CRC
Pres.
[24] T. Rinne, J. Hietaniemi, S. Hostikka, Experimental Validation of the FDS Simulations of
Smoke and Toxsic Gas Concentrations, VTT Finland, 2007.
[25] J. D. Motorigin, Matematiĉskoe modelirovanie procesov vozniknovenija i razvitija
poţarov, Sankt Peterburg 2011.
[26] Špoljarić, M., Raspoloţivost i rizik rada vjetroelektrana, Fakultet elektrotehnike i
raĉunarstva, Zagreb, 2011.
[27] Le Fox R., Ziegler J. A., "Reworking the Swiss Chesse Model", Human Dimensions of
Wildland Fire conference in Fort Collins, Colorado, October, 2007
[28] Leath S., "Fire Safety Guedilines", Department of Environmental Health and Safety,
Iowa State University, 2012.
[29] Pravilnik о naĉinu i postupku procene riziku na radnom mestu i u radnoj okolini,
Sluţbeni glasnik RS br. 72/2006 оd 29.8.2006. godine.