Az Innovációs és Technológiai Minisztérium Új Nemzeti Kiválóság Programja (ÚNKP-20-4-SZTE-617)
2020. 09. 01. – 2021. 08. 31.
A projekt bemutatása
Az éghajlat a turizmus egyik kulcsfontosságú erőforrása, adott esetben vonzerőként is szolgálhat. Az éghajlat behatárolja, esetenként korlátozza a turisztikai tevékenységek körét, alakítja a turisztikai kínálatot. A turizmus rendkívül érzékeny a környezeti változásokra, így az éghajlati elemek megváltozására. A fenntartható turizmusfejlesztés, valamint a klímaváltozáshoz való alkalmazkodás céljából rendkívül fontos annak feltérképezése, hogy a turisztikai klimatikus viszonyok (feltételek) egy adott helyen és időszakban hogyan alakulnak és hogyan változhatnak a következő évtizedekben.
Egy adott földrajzi terület éghajlati elemeinek (feltételeinek) alakulását és ezek megváltozását a turizmus éghajlati viszonyoknak való ún. kitettsége (exposure) írja le. Kutatásomban ezt a kitettséget vizsgáltam, egy speciális turisztikai klimatikus index segítségével. A kitettség vizsgálata mért vagy megfigyelt meteorológiai adatokat, illetve globális vagy regionális klímamodellek (GCM vagy RCM) eredményeit igényli. A klímamodellekkel az éghajlati rendszer jövőbeli állapota becsülhető.
A klímamodell-projekciók bizonytalanságokkal terheltek, melyek oka az éghajlati rendszer természetes változékonysága, a klímamodellben foglalt fizikai folyamatok közelítő leírása, valamint az éghajlati rendszert befolyásoló társadalmi-gazdasági folyamatokból eredő bizonytalanságok. A jövőbeli klíma becsléséhez és a különböző ágazatokra gyakorolt hatások vizsgálatához rendkívül fontos a klímamodell-projekciók bizonytalanságainak figyelembevétele. Ehhez egyetlen klímamodellen és egyetlen kibocsátási szcenárión alapuló kísérlet nem elegendő, egy jól összeválogatott modellegyüttes (ensemble) szükséges, mely több RCM kísérletet tartalmaz, melyet több kibocsátási szcenáriót alkalmazva futtatnak le.
Kutatásomban a turizmus éghajlati kitettségét vizsgáltam Magyarország területére egy komplex turisztikai klimatológiai index segítségével. Először a jelenlegi viszonyokat elemeztem meteorológiai megfigyelési adatbázis felhasználásával, mely az alapját képezte a jövőbeli viszonyok értékelésének. Ezt követően a jövőben várható klimatikus viszonyokat térképeztem fel, melyhez regionális klímamodell eredményeket használtam. A bizonytalanságok pontosabb interpretálása érdekében két RCM-t alkalmaztam, melyek két kibocsátási szcenárión alapultak.
Adatbázisok és módszertan
A kitettség számszerűsítése a módosított Turisztikai Klíma Index (mTCI) segítségével történt. Ehhez a következő napi adatok havi átlagait (a csapadék esetén havi összegeit) használtam fel: maximum-hőmérséklet, átlaghőmérséklet, minimum relatív nedvesség, átlagos relatív nedvesség, átlagos szélsebesség, átlagos felhőborítottság, napi napfénytartam és napi csapadékösszeg. Az mTCI az éghajlati viszonyok általános szabadtéri tevékenységekre (pl. városnézés, kikapcsolódás, egyéb könnyű szabadtéri fizikai tevékenységek) gyakorolt hatását számszerűsíti. Az index –20 és +100 közötti értékeket vehet fel, ahol a magasabb értékek kedvezőbb viszonyokat jeleznek a szabadtéri turisztikai tevékenységek számára.
|
mTCI-érték
|
Leíró kategóriák
|
|
90 – 100
|
ideális
|
|
80 – 89
|
kitűnő
|
|
70 – 79
|
nagyon jó
|
|
60 – 69
|
jó
|
|
50 – 59
|
elfogadható
|
|
40 – 49
|
semleges
|
|
30 – 39
|
kedvezőtlen
|
|
20 – 29
|
nagyon kedvezőtlen
|
|
10 – 19
|
rendkívül kedvezőtlen
|
|
–20 – 9
|
alkalmatlan
|
A fenti éghajlati adatokból az mTCI-t először a jelenlegi klímát jellemző referencia-időszakra számoltam ki (1971–2000). Ehhez a CarpatClim-HU megfigyelési adatbázist használtam, melyet az Országos Meteorológiai Szolgálat (OMSZ) hozott létre. Az adatokat az OMSZ bocsátotta rendelkezésemre. Az adatbázis rácsponti meteorológiai adatokat tartalmaz, 0,1°×0,1°-os (kb. 10 km-es) horizontális térbeli felbontásban, Magyarország területére. E rácsponti adatokat ellenőrzött, homogenizált meteorológiai mérési adatokból, 0,1°-os rácsra történő interpolálással hozták létre.
A klímamodell adatokat az EURO-CORDEX adatbázis szolgáltatta, mely számos RCM kísérletet tartalmaz Európa területére. Ezek közül a 0,11°-os (kb. 12,5 km-es) felbontású szimulációkat használtam. Az elemzéshez egy jól meghatározott módszertan szerint két RCM kísérletet választottam ki, melyeket ugyanaz a GCM hajtott meg. A kibocsátási szcenáriókat tekintve mindkét esetben az RCP4.5 és RCP8.5 (Representative Concentration Pathways) kísérleteket használtam. Az így összeválogatott négyféle kísérletet az alábbi táblázat foglalja össze.
|
Meghajtó
globális klímamodell
|
Regionális klímamodell
|
Intézmény
|
Kibocsátási szcenárió
|
|
EC-EARTH
|
HIRHAM5
|
DMI
|
RCP4.5
RCP8.5
|
|
RACMO22E
|
KNMI
|
RCP4.5
RCP8.5
|
A jövőbeli viszonyok értékelésére a 2021–2050 és a 2071–2100-as időszakokat választottam, míg a modellkísérletek referencia-időszaka ugyanaz volt, mint a megfigyelési adatbázisé (1971–2000). A letöltött nyers rácsponti adatokból sokévi átlagokat képeztem, illetve a CarpatClim-HU rácsára interpoláltam őket.
A klímamodellek bizonytalanságaiból eredő szisztematikus modellhibák részleges eliminálása céljából az ún. delta-módszert használtam. Ez azt jelenti, hogy a jövőbeli modelleredményeket nem önmagukban interpretáltam, hanem a modellek saját referencia-időszakához viszonyítva, a változásértékek meghatározása révén. Így tehát minden egyes rácspont és modelladat esetén meghatároztam a jövőbeli értékeik (2021–2050 és 2071–2100) és a referencia-időszakbeli értékeik (1971–2000) közötti különbségeket, majd ezt követően ezeket a változásértékeket hozzáadtam a referencia-időszak (1971–2000) megfigyelési adataihoz (CarpatClim-HU).
Az mTCI eredményeket havi bontásban (márciustól novemberig) és járási felbontásban prezentáltam. Ehhez minden egyes rácspontra kiszámoltam az mTCI havi értékeit, majd járási átlagértékeket képeztem belőlük, s végül az index így kapott térbeli eloszlását térképes formában ábrázoltam a vizsgált hónapokra.
Néhány eredmény
Az mTCI eredmények térképezése a fenti táblázat leíró kategóriái alapján történt. A 40 alatti értékek alacsony száma miatt ezen értékeket egy egyetlen „kedvezőtlen” elnevezésű kategóriába soroltam. Az 1971–2000-es időszak havi bontású eredményei a CarpatClim-HU adatbázis alapján az alábbiakban láthatóak.
Az eredmények alapján a legkedvezőtlenebb hónapnak a november mutatkozik, melyet a március követ. Áprilisban a turisztikai klimatikus viszonyok jelentős javulása figyelhető meg. Májusban hasonlóan kedvezők maradnak a körülmények, majd júniustól egy fokozatos csökkenés kezdődik, ami szeptemberig tart. Szeptemberben jelentősen javulnak a körülmények, s a májushoz hasonló kép bontakozik ki. Októberben mérsékelt, majd ezt követően novemberben jelentős visszaesés látható. Ez alapján az évi menet bimodálisnak tekinthető, ami azt jelenti, hogy tavasszal és ősszel kedvezőbbek a klimatikus viszonyok, mint nyáron.
A jövőben várható viszonyok kapcsán jelen bemutatóban a HIRHAM5 szimuláción alapuló eredményeket prezentálom az RCP4.5 és RCP8.5 szcenáriókra. Az alábbi ábra az RCP4.5 eredményeket szemlélteti.
A jelen időszakhoz hasonlóan az mTCI mintázata ismételten bimodális szerkezetet mutat, ugyanis a legkedvezőbb körülményeket áprilisban, májusban, szeptemberben és októberben találjuk. A jelen és jövőbeli viszonyokat összevetve márciusban és novemberben jelentős javulás valószínűsíthető a referencia-időszakhoz képest (1971–2000, CarpatClim-HU). Ezen kívül októberben mutatkozik még javulás az alföldi területeken. Május és szeptember között ugyanakkor az ország nagy részén egy kategóriányi visszaesés figyelhető meg. Összefoglalva, márciusban, áprilisban, októberben és novemberben egy kategóriányi javulás vagy néhány esetben változatlan viszonyok várhatók. Ugyanakkor május és szeptember között, mely időszak jelentős turisztikai forgalommal bír hazánkban, egy kategóriányi visszaesés, néhol esetleg stagnálás valószínűsíthető.
Az RCP8.5 szcenárión alapuló eredmények az alábbiakban láthatóak.
E kísérlet is általában javulást mutat márciusban, áprilisban, októberben és novemberben. Május és szeptember között ugyanakkor az ország csaknem egésze kedvezőtlenebbé válik, jellemzően egy kategóriával. Jelen szcenárió nagyobb mértékű vagy nagyobb területet érintő változásokat jelez mindkét (pozitív és negatív) irányban, mint az RCP4.5 szcenárió.
Az eredmények egyértelműen azt jelzik, hogy az éghajlat megváltozása hatással lesz a hazai turisztikai klímapotenciál alakulására. A hazai turisztikai stratégiaalkotásnak az eddigieknél jóval nagyobb mértékben figyelembe kell vennie azt a hatást, amit az éghajlat megváltozása az ágazatra kifejthet. A turisztikai kínálat és jövőkép formálásában megkerülhetetlen az adaptáció lehetőségeinek erősítése mind a kínálati, mind a keresleti oldalon, valamint a klímatudatos szemlélet bevezetése, a jó példák összegyűjtése és alkalmazása.
Köszönetnyilvánítás
A kutatás az Innovációs és Technológiai Minisztérium ÚNKP-20-4-SZTE-617 kódszámú Új Nemzeti Kiválóság Programjának a Nemzeti Kutatási, Fejlesztési és Innovációs Alapból finanszírozott szakmai támogatásával készült. A szerző köszönetét fejezi ki az EURO-CORDEX klímamodellező csoportoknak a nyers modelleredmények elkészítéséért és közzétételéért, valamint Király Andreának (OMSZ) a segítségéért.
