Szélsőséges július, júliusi szélsőségek

Dr. Izsák Beatrix

Az éghajlati idősorok extrémumainak vizsgálata alatt egy adott éghajlati elemnek egy adott időszakra vonatkozó maximumát, illetve minimumát értjük. Egydimenzióban tehát az extrém érték definíciója adott, bekövetkezésének időpontja egyértelműen meghatározható. Ha nem maradunk egyetlen elemnél, azaz bizonyos éghajlati elemeket együttesen vizsgálunk, akkor egy többdimenziós idősornál van-e értelme szélsőértékről beszélni? Többdimenziós esetben a szélsőségesség már nem értelmezhető a maximális és minimális értékek fogalmaival, a többdimenziós szélsőérték fogalmára Szentimrey [1] vezette be a normamódszert. Ez annyit jelent, hogy a meteorológiai elemeket egy vektorváltozóba rendezzük és ennek a vektornak a mátrixnormáját számítjuk ki. Ahhoz, hogy egyik elem se legyen domináns (hiszen ekkor visszakapjuk az adott elem egydimenziós szélsőértékeit), az egyes változókat hasonló eloszlásúvá transzformáljuk és normáljuk őket [2]. Hőmérséklet esetén az úgynevezett STI (Standardized Temperature Index - Standardizált hőmérséklet index) értéket kapjuk meg, csapadék esetén az SPI-t (Standardized Precipitation Index - Standardizált csapadék index). Kétdimenzióban például egy vektorba rendezzük az SPI és STI értékeket. Ezután a normamódszerrel minden vektorhoz hozzárendelünk egy nemnegatív számot, ez lesz az SPTI (Standardized Precipitation and Temperature Index - Standardizált csapadék és hőmérséklet index) érték, amelynek a maximuma lesz az extrém esemény [3]. A hőmérséklet szélsőségességét tehát az STI indexszel, a csapadékét az SPI-vel, az együttes szélsőségességet pedig az SPTI-vel vizsgáljuk. Míg az egydimenziós STI és SPI pozitív és negatív értékeket is felvehet, az SPTI csak nemnegatív valós szám lehet. Mindhárom indexre igaz, hogy mértékegység nélküli szám és minél nagyobb az abszolút értéke, annál szélsőségesebb, extrémebb esemény következett be.

Júliusi szélsőértékek

Megvizsgáltuk a júliusi középhőmérséklet és csapadékösszeg országos átlag értékeket extrémitás szempontjából. Felhívnánk a figyelmet arra, hogy ezek nem a mérőállomások átlagai, hanem a MASH [4] szoftverrel homogenizált [5], pótolt és ellenőrzött állomási adatsorok szabályos (0,1°-os felbontású) rácsra -a MISH [6] szoftverrel- interpolált értékeinek átlagai [7]. Mivel a mérőállomások nem egyforma sűrűséggel helyezkednek el az ország területén, ráadásul időben is változott a mérőállomások száma, az állomási értékek átlaga nem tükrözi hűen a valós éghajlati viszonyokat [8].

Nézzük először az egydimenziós szélsőértékeket hőmérséklet és csapadék szempontjából. A legmelegebb az idei (2024) volt a maga 24,53 Celsius fokos értékével. A leghidegebb az 1913-as július csupán 17,26 Celsius fokos országos átlaggal. Ennek az okát pontosan tudjuk, hiszen egész Európában több évig tartó lehűlés következett be az alaszkai Novarupta-Katmai vulkánkitörés miatt (1912. június 6.). A legszárazabb július 1952-ben volt csupán 13,83 mm csapadékkal. (2024-ben ez 22,23-nak adódott.) A legcsapadékosabb júliusig a 19. századba kell visszanéznünk, ugyanis az 1878-as július 173,71 mm csapadékkal lett az első.

1. ábra
Júliusi SPTI (fekete vonal), SPI (kék vonal) és STI (piros vonal) értékek, 1871-2024, országos átlag

A kétdimenziós vizsgálatainkhoz meghatároztuk a normamódszerrel a júliusi SPTI értékeket. A 154 éves időszakra az 1. ábrán mutatjuk meg fekete vonallal jelölve. Feltüntettük még a SPI értékeket kék vonallal, a negatív értékek az 1871–1900-as átlagnál szárazabb, a pozitív értékek pedig csapadékosabb hónapot jelölnek. Hasonlóan az STI értékek is (piros vonal) negatív értékei az 1871–1900-as klímanormálnál hűvösebb és a pozitív értékek melegebb júliusokat jelentenek. Térjünk vissza az SPTI értékre, hiszen a 2024-es érték a legmagasabb, ez azt jelenti, hogy kétdimenzióban is a legszélsőségesebb júliuson vagyunk túl.

Érdekesség, hogy a képzeletbeli dobogó második helyezettje az 1984-es július, mely egydimenzióban nem szerepel a szélsőértékek között, a havi átlaghőmérséklet 18,51 Celsius foknak, míg a csapadék 31,51 mm-nek adódott országos átlagban. Ugyanakkor egy nagyon hideg és nagyon száraz július együttesen már a második legszokatlanabb júliusi hónap. A többdimenziós vizsgálatainknak pont ez a célja. Vannak olyan szélsőségek, melyek egydimenzióban látszanak, de többdimenzióban nem és fordítva is.

Melyik a legszokatlanabb hónap?

A normamódszer lehetőséget ad arra, hogy az egyes hónapokat is összehasonlítsuk. Ez egydimenzióban nem tehetjük meg, hiszen mást jelent a januári csapadék minimum, mint mondjuk egy augusztusi, vagy akár egy márciusi hőmérsékletet kellene összevetnünk szélsőségesség szempontjából egy októberi szárazsággal. Ahogy a korábbi tanulmányunkban említettük, csak egyetlen hónap adódott melegebbnek, mint a 2024. júliusa, ez pedig 1992. augusztusa. Vajon ez a szokatlanabb, vagy az idei július? A normamódszerrel meg is kaphatjuk a választ, annak ellenére, hogy csupán egy századdal volt melegebb 1992 augusztusa, az STI értéke jóval magasabb. Ha együtt vizsgáljuk a két elemet, azaz az augusztusi SPTI értékeket nézzük, akkor sokkal szokatlanabb volt az 1992-es év augusztusa, ugyanis itt is rendkívüli szárazság kapcsolódott hozzá. De melyik hónap volt a 154 év alatt, mind a 12 hónapot vizsgálva a legszokatlanabb? A normamódszer alapján válaszunk az 1965-ös év októbere, mely a legszárazabb és az átlagnál sokkal hűvösebb október volt. Csak érdekességképpen említjük meg, hogy 1965-ben a legszárazabb október után a legcsapadékosabb november következett. Az is csak a normamódszerrel deríthető ki, hogy a 2011-es novemberi szárazságnak kisebb-e a valószínűsége, vagy pedig az 1965-ös októbernek. Azt az eredményt kaptuk, hogy 1871-1900-as időszakhoz viszonyítva kisebb a valószínűsége egy októberi 1,84 mm-es csapadéknak, mint egy novemberi 0,3 mm-esnek!

Az 1. táblázatban mutatjuk meg mely hónapok, mely években voltak kétdimenzióban szélsőségesek. Az utolsó oszlopban jelöljük, hogy a négy lehetséges kombinációból melyik jellemezte az adott év szélsőséges hónapját.
 

1.táblázat: Szélsőséges hónapok évei, SPTI értékei és jellemzői

2024. január-július

Megvizsgáltuk a 154 év januártól-júliusig számított csapadékösszeg és hőmérséklet értékeit, hogy lássuk, mennyire számít szélsőségesnek 2024 első hét hónapja. Csak a hőmérsékletet vizsgálva messze a legmelegebb első hét hónapon vagyunk túl. Példaként említem, hogy még az 1991–2020-as klímanormálhoz (10.75 Celsius fok) képest is 2,92 Celsius fokkal melegebb volt az idei 7 hónap átlaga, az 1871–1900-as normálhoz (9,26 Celsius fok) képest pedig több, mint 4,4 fokkal. Csapadék tekintetében elmondhatjuk, hogy átlagnál kevesebb az idei csapadékösszeg. A kétdimenziós vizsgálatunk alapján a legszokatlanabb 7 hónapon vagyunk túl (2. ábra). (Persze, ha nem januárban kezdjük a számítást, kaphatunk ennél extrémebbet, de az egy másik tanulmány lesz.) Az SPTI értéke 5,68-nak adódott, ha ezt összevetjük az 1. táblázattal, akkor látható, hogy ennek az eseménynek kisebb a valószínűsége, mint az 1965-ös év extrém októberének.
 

2.ábra
Januártól júliusig terjedő időszakok SPTI értékei, 1871-2024, országos átlag

Összefoglalás

Összefoglalva eredményeinket, megállapíthatjuk, hogy nem csak 2024 júliusa volt extrém hónap a hőmérsékletet és csapadékot együttesen vizsgálva, hanem az első hét hónap átlaghőmérséklete és csapadékösszege is. Mindkét esetben az extrémitást a kiugróan magas hőmérséklet és az alacsony csapadékösszeg okozza. Azonban megállapítottuk, hogy a normamódszer szerint továbbra is 1965 októbere a legszokatlanabb, ráadásul ha sorba állítjuk a 154 év minden hónapját, akkor csak a 17. legszokatlanabb hónap az idei év júliusa. Persze az idei nyárból még hiányzik az augusztus, de mindenképpen érdemes lesz megvizsgálni többdimenziós extrémitás szempontjából a normamódszerrel.

Habár most csak kétdimenzióban mutattuk be a normamódszert, lehet alkalmazni magasabb dimenziószám esetén is. Nyolc dimenzióban például a négy évszak hőmérséklet és csapadék értékeit vizsgálhatjuk együtt. Korábbi eredményeink alapján [9] egy teljesen átlagos év is szokatlannak adódott, ilyen például az 1920-as év, melyben 2-2 évszak az átlagnál hidegebb, illetve melegebb volt, és ugyanígy 2-2 száraz és csapadékos évszak volt.

A tanulmány elkészítését az MTA Fenntartható Fejlődés és Technológiák Nemzeti Program (FFT NP FTA) támogatta.

Hivatkozások:

[1] Szentimrey T., 1999a: Többdimenziós éghajlati idősorok “extrémumainak” vizsgálata. Meteorológiai Tudományos Napok’99 Kiadványa, 77–88.

[2] Izsák B., Szentimrey T, Pongrácz R., és Lakatos M., 2020b: Többdimenziós éghajlati idősorok extrémumainak vizsgálata. Egyetemi Meteorológiai Füzetek 33., Jelenlegi PhD kutatások a 75 éves Meteorológiai Tanszéken (szerk. Pongrácz R., Mészáros R., Kis A.) ELTE Meteorológiai Tanszék, Budapest. 48–54. doi.org/10.31852/EMF.33.2020.048.054

[3] Szentimrey, T. and Izsák, B., 2022: Joint examination of climate time series based on a statistical definition of multidimensional extreme. Időjárás 126, 159–184. doi.org/10.28974/idojaras.2022.2.1

[4] Szentimrey, T., 2017: Manual of homogenization software MASHv3.03. Hungarian Meteorological Service, Budapest, Hungary.

[5] Izsák, B. and Szentimrey, T, 2020: To what extent does the detection of climate change in Hungary depend on the choice of statistical methods? GEM Int. J. Geomath. 11, 17. doi.org/10.1007/s13137-020-00154-y

[6] Szentimrey, T. and Bihari, Z., 2014: Manual of Interpolation Software MISHv1.03. Hungarian Meteorological Service: Budapest, Hungary

[7] Izsák, B., Szentimrey, T., Lakatos, M., Pongrácz, R., and Szentes, O., 2022a: Creation of a representative climatological database for Hungary from 1870 to 2020. Időjárás 126, 1–26. doi.org/10.28974/idojaras.2022.1.1

[8] Izsák B., Bihari Z. és Szentes O., 2021: Éghajlatváltozás: homogenizált vagy nyers adatsorokat vizsgáljak? Légkör 66(3), 12–15.

[9] Izsák, B., Szentimrey, T., Lakatos, M., and Pongrácz, R., 2022b: Extreme Months: Multidimensional Studies in the Carpathian Basin. Atmosphere 13, 1908. doi.org/10.3390/atmos13111908