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.

24

Slika Ljudski nadzor

Slika Nadzor video kamerama

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.

65

Tabela 1. Rizici u pripremnoj fazi

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.