Machine Translated by Google

Acta hydrotechnica 27/47 (2014), Ljubljana Časopis otvorenog pristupa

ISSN 1581-0267 Časopis otvorenog pristupa

UDK/UDC: 519.2:556.166(497.4) Primljeno: 23.12.2015

Izvorni znanstveni rad - Izvorni znanstveni rad Prihvaćeno: 25.02.2016

HIDROLOŠKA REJIONALIZACIJA VJEROJATNOSTI ANALIZA

VISOKIH VODNIH VRHOVA U SLOVENIJI

HIDROLOŠKA REJONALIZACIJA UČESTALOSTI POPLAVA

ANALIZA U SLOVENIJI

Katarina Zabret1,* , Mitja Brilly1

1
Fakultet za graditeljstvo in geodeziju, Sveučilište u Ljubljani, Hajdrihova 28, 1000 Ljubljana
Ekstrakt

Poplave su u Sloveniji sve češća pojava i na trećem su mjestu po štetama uzrokovanim elementarnim nepogodama.
Osnova za učinkovito gospodarenje vodama i zaštitu od njihovog štetnog djelovanja su pouzdane probabilističke
analize, pomoću kojih se procjenjuje povratni period pojave. Nadogradnja klasičnih probabilističkih analiza vrhova
visokih voda je hidrološka regionalizacija probabilističkih analiza vrhova visokih voda.
vrhova, čija je glavna prednost to što možemo s većom točnošću predvidjeti tokove velikih povratnih vremena čak i
za lokacije gdje su skupovi izmjerenih podataka kratki ili gdje uopće nema mjerenja. Hidrološka regionalizacija
probabilističkih analiza zahtijeva četiri koraka: pregled podataka, kreiranje homogenih hidroloških regija, izbor
odgovarajuće distribucije vjerojatnosti te procjenu parametara i kvantila za nju. Najzahtjevniji dio analize je izrada
homogenih hidroloških regija, za što su u radu prikazane tri različite metode.
Za odabrane vodomjerne postaje u Sloveniji provedena je hidrološka regionalizacija vrhova visokih voda.

Ključne riječi: hidrološka rejonizacija, poplave, tokovi, probabilistička analiza, metode klasifikacije,
Slovenija

Sažetak

Poplave u Sloveniji sve su češće i uzrok su treće najveće štete od elementarnih nepogoda. Osnova učinkovitog upravljanja rizikom od
poplava je pouzdana analiza učestalosti koja se može koristiti za procjenu razdoblja ponavljanja događaja. Nadogradnja klasične
analize učestalosti je regionalna analiza učestalosti poplava. Njegova glavna prednost je što omogućuje veću točnost predviđanja
poplava iu područjima s kraćim mjerenjima ili bez njih. Analiza regionalne učestalosti poplava obuhvaća četiri koraka: provjeru
točnosti i neusklađenosti podataka, identifikaciju homogenih područja, izbor odgovarajuće distribucije učestalosti za regiju i kvantile
odabrane distribucije. Najzahtjevniji dio ove analize je identifikacija homogenih hidroloških područja. U ovom radu predstavljamo tri
metode koje se mogu koristiti za ovaj korak. Analiza učestalosti regionalnih poplava provedena je za odabrane vodomjerne postaje u
Sloveniji.

Ključne riječi: hidrološka regionalizacija, poplava, protok, analiza vjerojatnosti, klaster analiza, Slovenija

1
Kontakt / korespondencija: katarina.zabret@fgg.uni-lj.si

© Zabret K., Brilly M.; Sadržaj ovog članka može se koristiti pod uvjetima licence Creative Commons Attribution -
Nekomercijalno - Dijeli pod istim uvjetima 4.0.

© Zabret K., Brilly M.; Ovo je članak s otvorenim pristupom koji se distribuira pod uvjetima licence Creative Commons Attribution – Nekomercijalno – Dijeli pod istim
uvjetima 4.0.

139
Machine Translated by Google
Zabret K., Brilly M.: Hidrološka regionalizacija analiza učestalosti poplava u Sloveniji - Hidrološka regionalizacija
analize učestalosti poplava u Sloveniji
Acta hydrotechnica 27/47 (2014), 139-156, Ljubljana

1. Uvod odabrano razdoblje povrata ili vjerojatnost pojave, koja je

temelj za dimenzioniranje hidrotehničkih objekata, vodnog
Vodne katastrofe su prirodne katastrofe velikih razmjera
gospodarstva, određivanje poplavnih zona i dr. Kako se radi o
uzrokovane vodom u najširem smislu riječi. Tako u njih
mjerama koje izravno utječu na rizik određenog područja i
ubrajamo bujične, riječne nizinske i krške poplave, snijeg i
populacije (Đurović i Mikoš, 2004; Kobold i sur., 2005), potrebno
odrone.
je provoditi probabilističke analize sa što većom pouzdanošću.
Uzroci šteta od voda mogu biti meteorološke (oluje, oluje,
snježne oluje) ili hidrološke pojave (poplave, lavine) (Brilly i sur.,
1999.). Od navedenih vrsta šteta od voda, najbrojnije prirodne
katastrofe u svijetu su poplave, koje često odnose ljudske Vjerojatnost pojave velikih voda moguće je procijeniti

živote, pogađaju veliki broj ljudi i uzrokuju velike materijalne probabilističkim analizama samo ako imamo izmjerene podatke

štete. (Bezak i sur., 2014.b). Analiza vjerojatnosti je statistička metoda

koja se koristi za procjenu očekivane učestalosti pojavljivanja
događaja koji obično

U Sloveniji su prirodne katastrofe kao što su poplave, klizišta, potresi i

izražen povratnim rokom. U analizama možemo uzeti u obzir najviši
suše prilično česte (Mikoš i sur., 2004; Zorn i Komac, 2011; Šebenik i sur.,
vodostaj u svakoj godini ili sve vrhove visokih voda koji prelaze odabranu
2014). Po nanesenoj šteti poplave su na trećem mjestu među
granicu (Bezak i sur., 2014a; Šraj i sur., 2012). Podaci se zatim usklađuju
elementarnim nepogodama. U posljednja dva desetljeća (1995.–2010.)
s odabranom distribucijom i izračunava se karakteristika
prosječno 15% svih šteta uzrokovano je elementarnim nepogodama

(Zorn i Komac, 2011). Prema podacima Statističkog ureda Republike

Slovenije (2015.), štete od elementarnih nepogoda između 1994. i 2008.
iznosila u prosjeku 86 milijuna eura godišnje, a velik dio tih
sredstava (16%) bio je namijenjen za sanaciju posljedica
poplava. Godišnje poplave u našoj zemlji poplave oko 23 km2
zemljišta (Uprava Republike Slovenije za zaštitu in spašavanje,
2015.). Više od polovice poplavljenih područja nalazi se u slivu
za koji
brojevima (srednja vrijednost,
standardna devijacija, koeficijent asimetrije i koeficijent
varijacije). Najbolje procjene parametara omogućuje metoda
momenata L (Šraj et al., 2012), koja se pokazala najstabilnijom
i u slučaju probabilističke analize velikih voda za 300
vodomjernih postaja u Sloveniji (Kučić, 2007).
Hidrološka regionalizacija probabilističkih analiza proizlazi iz

Save, 42% u slivu Drave i 4% u slivu Soče i njezinih pritoka klasične probabilističke analize, koja povezuje hidrološke

(Uprava Republike Slovenije za zaštitu in spašavanje, 2015.).
S obzirom na velike štete uzrokovane poplavama, jasno je da
se nastojimo što bolje zaštititi od njih, ili se barem na njih
adekvatno pripremiti. Prema Zakonu o vodama (2002.) zaštita
od štetnog djelovanja voda, koja uključuje i zaštitu od poplava,
obuhvaća provedbu mjera kojima se smanjuje ili sprječava
opasnost od štetnog djelovanja voda i otklanjanje posljedica
njihova štetnog djelovanja. . Bez obzira o kojoj se mjeri radi,
pojave različitog opsega i učestalosti.
Glavna prednost hidroloških regija je u tome što možemo
kombinirati sve već poznate podatke unutar regije i učinkovito
procijeniti potrebne parametre za pojedine lokacije gdje su
podaci nepoznati. Dakle, za ekstremne događaje možemo
procijeniti njihov povratni period, koji je duži od promatrane
vremenske serije (Hosking i Wallis, 1997; Robson i Read, 1999;
Burn i Goel, 2000).
Hidrološka regionalizacija probabilističkih analiza ima četiri

potrebno ju je prvo pažljivo isplanirati. Osnova za planiranje glavna koraka: pregled podataka, određivanje homogenih

protupoplavnih mjera je probabilistička analiza uz pomoć koje hidroloških regija, odabir najprikladnije distribucije vjerojatnosti

izračunavamo tok projekta z i procjena parametara i kvantila odabrane distribucije

vjerojatnosti za hidrološku regiju (Hosking i Wallis, 1997; Kavčič,
2013). Ispravnost podataka je vrlo

140
Machine Translated by Google
Zabret K., Brilly M.: Hidrološka regionalizacija analiza učestalosti poplava u Sloveniji - Hidrološka regionalizacija
analize učestalosti poplava u Sloveniji
Acta hydrotechnica 27/47 (2014), 139-156, Ljubljana
važni u svakoj statističkoj analizi jer se sav daljnji rad temelji na
njima. Stoga je na početku potrebno provjeriti imaju li
vrijednosti smislenost (npr. vrh visoke vode mora biti veći od
prosječnog godišnjeg protoka) te otkloniti nedosljednosti i
veće pogreške (npr. temperatura je upisana u polje za količina
oborine, koja može biti i negativna). Najzahtjevniji i
najdugotrajniji korak je drugi korak – određivanje homogenih
hidroloških hidroloških
regije odnosno
regionalizacija. Vodomjerne postaje su razvrstane prema
hidrološkim regijama koje su osnovne jedinice za
izvođenje analize i za koje se želi postići da budu
približno homogene, što se provjerava raznim testovima
homogenosti i heterogenosti. Postoji više načina
regionalizacije, ali oni ovise o podacima kojima
raspolažemo io broju postaja koje su razvrstane po
regijama. Odabir distribucije vjerojatnosti posljednji je
korak u specifikaciji statističkog modela. Riječ je o
statističkom problemu koji se obično rješava uz pomoć
statističkih testova ( test dobrote), ali uz uvažavanje dvije
pretpostavke: distribucija vjerojatnosti izmjerenih vrhova
visokih voda nije određena za slučajni uzorak
vodomjernih postaja. , ali za određenu skupinu postaja
koje čine hidrološku regiju, a odabrana distribucija
mora, osim fitovanja podataka, biti i robusna kako bi
omogućila procjenu kvantila odstupanja koja su moguća
u prirodnim pojavama. Na kraju se procjenjuje
prikladnost odabrane distribucije vjerojatnosti, a metoda
regionalnog algoritma je učinkovita
L-momenti.
Za područje Slovenije već je napravljeno mnogo različitih
regionalizacija, poput prirodnogeografske regionalizacije
(Kladnik, 1996.), regionalizacije prema hidrogeografskim
i gospodarsko-geografskim kriterijima (Plut, 1999.) te
određivanja ekoregija (Brilly et al., 2001.). i
ekohidrografske regije (Brilly et al., 2003). Međutim,
hidrološka regionalizacija probabilističkih analiza vrhova
velikih voda za slovensko područje još nije napravljena.
Svrha rada je prikazati metodologiju hidrološke
rejonizacije i njezine rezultate za vodomjerne postaje u
Sloveniji.
Rezultati istraživanja predstavljaju važan doprinos
predviđanju vjerojatnosti poplava.
141
2. Metodologija
2.1 Podaci
U analizi smo uzeli u obzir podatke o godišnjim vršnim
protokima vodomjernih postaja (VP) koje su radile u
Sloveniji 2013. godine (ARSO, 2013). U obzir su uzeti
podaci od 1950. godine naovamo. Pri odabiru postaja
vodili smo nekoliko kriterija: da se postaja ne nalazi na
izvoru, jezeru ili moru, da se mjerenje ne vrši samo
vodomjerom, da je razdoblje mjerenja dulje od 15 godina
te da nema više nedostajućih skupova podataka o
najvećim izmjerenim godišnjim protocima od 10%
vrijednosti.
Tako je od ukupno 192 funkcionalne vodomjerne stanice
u analizu uključeno 112 vodomjernih stanica (Slika 1).
Prosječna duljina razmatranih skupova podataka bila je
46 godina. Najduži je sadržavao podatke za razdoblje od
61 godine. Bilo je 28 takvih vodomjernih stanica.
Najkraća serija obuhvaćala je 15 godina, a imala je dvije
vodomjerne postaje.
2.2 Pregled i priprema podataka
Prvi korak u svakoj probabilističkoj analizi je provjera i
uređivanje podataka jer se sav daljnji rad temelji na
njima. Bez obzira na vrstu podataka, u statistici obično
provjeravamo podatke koji nedostaju, outliere,
normalnost i linearnost (Važna pitanja u pregledu
podataka, 2013.). U analizi smo uzeli u obzir godišnje
vrhove velikih voda.
Podaci mogu nedostajati zbog neispravnosti opreme,
kao posljedica ekstremnih vremenskih uvjeta,
nedovoljnog područja mjerenja u ekstremnim uvjetima
ili vandalizma ili kada odgovorna osoba ne očitava
izmjerene vrijednosti. Postupanje s podacima koji
nedostaju ovisi o tome koliko ih nedostaje. Ako nedostaje
vrlo mali postotak podataka (manje od 1%), ignoriramo
nedostajuće vrijednosti i nastavljamo rad bez njih. U
slučaju više podataka koji nedostaju, analiza se provodi
dva puta (sa i bez razmatranja podataka koji nedostaju,
te se rezultati međusobno uspoređuju), ali možemo
koristiti očekivane vrijednosti podataka ako ih znamo.
Machine Translated by Google
Zabret K., Brilly M.: Hidrološka regionalizacija analiza učestalosti poplava u Sloveniji - Hidrološka regionalizacija
analize učestalosti poplava u Sloveniji
Acta hydrotechnica 27/47 (2014), 139-156, Ljubljana

Pritom se možemo osloniti na vlastito znanje i ili parcela dvostruke mase. Hosking i Wallis (1997)
subjektivno prosuditi njihove vrijednosti ili im dodijeliti preporučuju da u slučaju regionalne analize vjerojatnosti
srednju vrijednost cijelog uzorka ili koristiti regresiju s momentima L koristimo tzv. mjeru diskordancije .
(Important issues in data screening, 2013).

Outlieri značajno odstupaju od ostalih vrijednosti,
iskrivljujući ukupnu statistiku. Te vrijednosti možemo
pronaći ispitivanjem vrijednosti podataka, njihovim
iscrtavanjem ili izračunavanjem razlike između njih.
Vrijednosti svake varijable možemo ispitati zasebno i
sve zajedno, jer su obično međusobno ovisne.
Normalnost podataka provjerava se kroz vrijednosti
koeficijenata asimetrije i spljoštenosti, a linearnost je
najlakše grafičkim prikazom (Important issues in data
screening, 2013).
Dostupno je nekoliko različitih metoda za usporedbu
podataka s pojedinačnih lokacija, kao što je QQ dijagram
Test nedosljednosti temelji se na usporedbi omjera
momenata L različitih lokacija. Svaka stanica je
predstavljena kao točka u prostoru definiranom
koordinatnim osima na kojima su prikazani omjeri
momenta L, a središnja točka je predstavljena
prosječnim vrijednostima omjera.
Stanica koja je predaleko od središnje točke označena
je kao nekonzistentna (Slika 2) (Hosking i
Wallis, 1997). Ovaj test također su koristili u analizama Hussain i
Pasha (2009) za provinciju Punjab u Pakistanu, Burn i Goel (2000)
za bazene u središnjoj Indiji, te Chavoshi Borujeni i Azmin Sulaiman
(2009) za sjeverni dio rijeke Karun bazen u Iranu.

Slika 1: Vodomjerne stanice uključene u analizu.

Slika 1: Vodomjerne postaje uključene u analizu.

142
Machine Translated by Google
Zabret K., Brilly M.: Hidrološka regionalizacija analiza učestalosti poplava u Sloveniji - Hidrološka regionalizacija
analize učestalosti poplava u Sloveniji
Acta hydrotechnica 27/47 (2014), 139-156, Ljubljana

2.3 Hidrološka regionalizacija korištenje objektivne metode, u kojoj su stanice podijeljene u

korak hidrološki analiza vrhova velikih dvije ovisno o odabranom obilježju
Druga regionalizacija probabilističkih
voda je grupiranje postaja u homogene hidrološke regije. grupirati prema tome postižu li odabranu vrijednost ili ne.

Ovaj korak se može izostaviti kada se razmatra samo nekoliko Prema tom je principu Wiltshire (1985.) podijelio bazene

10 postaja, što je tipično za analizu manjih područja. Međutim, prema prosječnoj godišnjoj količini oborine u suhe i vlažne

ukoliko se postupak primjenjuje na području s gustom skupine. Slično, Pearson (1991.) je regionalizirao 117 malih

mrežom vodomjernih stanica potrebno ih je razvrstati u slivova na Novom Zelandu, uzimajući u obzir 24-satne oborine

skupine za koje želimo da budu homogene. Ovaj proces je s petogodišnjim povratnim periodom i pad terena. Postupak

obično najzahtjevniji od cijele analize i zahtijeva najsubjektivniji objektivne podjele se rijetko koristi, jer su rezultati slične

sud (Hosking i Wallis, 1997). metode klasifikacije ( klaster analiza) bolji. U slučaju velike
količine podataka, metoda klasifikacije je najpraktičnija za
formiranje regija i daje najbolje rezultate (Hosking i Wallis,
1997).
Regionalizacija podrazumijeva grupiranje vodomjernih stanica
u skupine (regije) na temelju njihove sličnosti. Tu sličnost
izračunavamo na temelju različitih svojstava vodomjernih
stanica, koja se u osnovi dijele na statistička i fizikalna svojstva

(Hosking i Wallis, 1997.). Kod podjele na regije najčešće se

koriste fizikalna svojstva, a kod provjere i osiguranja
homogenosti regija koriste se statistička svojstva. Konačna
homogena područja trebaju imati između 10 i 20 elemenata
(Hosking i
Wallis, 1997), ali se svakako preporučuje da broj ne bude manji
od pet.
Slika 2: Grafički prikaz testa nedosljednosti (prilagođeno
Najjednostavnija metoda regionalizacije, koja se u posljednje
prema Hosking i Wallis, 1997).
vrijeme više ne koristi, temelji se na geografskoj relevantnosti.
Beable i McKerchar (1982; citirano prema Hosking i Wallis, Slika 2: Grafički prikaz mjere nesklada (prilagođeno prema
1997) na ovaj su način formirali geografski povezane regije na Hosking i Wallis, 1997).
Novom Zelandu, ali je njihovu podjelu kasnije ispravio Mosley
(1982; citirano prema Roald, 1989), koji je pokazao da regije
Za hidrološku regionalizaciju vodomjernih postaja u Sloveniji
nisu pravilno raspoređeni prema sličnosti između karakteristika
koristili smo dvije metode klasifikacije
pripadajućih bazena.
(metoda lidera i hijerarhijska metoda) i
subjektivna metoda.
Roald (1989) je sjeverozapadnu Europu podijelio na regije
prema državama, ali samo je jedna od trinaest tako formiranih Za određivanje hidroloških regija najčešće se koriste dvije

regija bila homogena. Za regionalizaciju možemo koristiti i metode klasifikacije, Wardova metoda klasifikacije i metoda K-

subjektivnu metodu koja je prikladna za analize manjeg means (Hosking i Wallis, 1997). Wardova metoda jedna je od

prostornog mjerila. Grupiranjem lokacija sa sličnim srednjim metoda hijerarhijske klasifikacije čija je prednost što nije

godišnjim oborinama, Schaefer (1990.) definirao je regije u potrebno na početku definirati konačan broj skupina, već se

državi Washington, SAD, a za analizu godišnjih vrhunaca vode cijeli proces može vrlo pregledno prikazati dendrogramom

u Tanzaniji, Kachroo i dr. (2000.) stvorili su homogena (Slika 3).

hidrološka područja koristeći računalno obrađenu granicu

sliva podaci, izohipse i izohijete.

Voditeljska metoda je nehijerarhijska metoda sortiranja, za

koju je potrebno navesti broj konačnih grupa prije početka
podjele. Metoda se najčešće provodi iterativno, jer od početne
Određivanje hidroloških regija također se može odvijati s

143
Machine Translated by Google
Zabret K., Brilly M.: Hidrološka regionalizacija analiza učestalosti poplava u Sloveniji - Hidrološka regionalizacija
analize učestalosti poplava u Sloveniji
Acta hydrotechnica 27/47 (2014), 139-156, Ljubljana

raspodjelu prema propisanom broju skupina, premještamo
jedinice između skupina kako bismo postigli optimalan
raspored (Ferligoj, 1989; Košmelj i
Breskvar-Žaucer, 2006). Rezultati su prikazani deskriptivno, pa su manje
transparentni nego u slučaju Wardove metode.
Dakle, sljedeća faza regionalizacije je provjera već postignute
homogenosti ili njezino osiguranje uzimajući u obzir različite
prilagodbe. Uglavnomsse vodomjerne postaje premještaju
između hidroloških regija, čime se utječe na njihovu
homogenost, no regije se također mogu spojiti, rasformirati
ili nastaviti dijeliti (Robson i Read, 1999.).

Subjektivna metoda stvaranja hidroloških regija prikladna je

za studije manjeg opsega. Odvija se na način da prema vlastitoj
prosudbi odredimo kriterije prema kojima se stanice dijele u
skupine. Iako su ovi kriteriji podjele odabrani subjektivno,
formirane regije ipak se mogu objektivno provjeriti na
homogenost odgovarajućim testovima.
No, potrebno je voditi računa o kriteriju da odabrani kriteriji
za regionalizaciju proizlaze iz fizičkih svojstava postaja, a ne iz
statističkih, odnosno da nemaju veze s izmjerenim podacima
koje razmatramo. Na taj način utječemo na valjanost testova
koji se kasnije koriste za provjeru homogenosti (Hosking i
Wallis, 1997).
Za potpuno homogeno hidrološko područje smatra se da su
omjeri momenata L (Robson i Read, 1999; Bezak i sur., 2014a;
Šraj i sur., 2012) isti za svaku vodomjernu stanicu, što se ne
može postići u praksa. S obzirom na to, područja koja se
karakteriziraju kao homogena zapravo su samo prihvatljivo
homogena, a odgovarajućim testovima provjeravamo jesu li
razlike između vrijednosti omjera momenata L unutar područja
još uvijek prihvatljive (Hussain i Pasha, 2009. ; Kavčič, 2013).
Mjera heterogenosti H također se temelji na uračunavanju
dopuštenih odstupanja razlika.

Hidrološke regije dobivene klasifikacijom jednom od odabranih

metoda rijetko su homogene.

Slika 3: Primjer dendrograma za vodomjerne postaje u slivu Soče.

Slika 3: Primjer dendrograma za vodomjerne postaje u slivu rijeke Soče.

144
Machine Translated by Google
Zabret K., Brilly M.: Hidrološka regionalizacija analiza učestalosti poplava u Sloveniji - Hidrološka regionalizacija
analize učestalosti poplava u Sloveniji
Acta hydrotechnica 27/47 (2014), 139-156, Ljubljana
Za određivanje mjere heterogenosti H za hidrološku regiju s N
stanica, za svaku stanicu i s duljinom skupa podataka, ne
izračunavamo omjer momenata L ( )
()
(() ,4 ) od njih, ovisno o duljini žica, 3
ponderirani prosjeci za regiju (, 3 , 4 ) (Hosking i
Wallis, 1997.). Ponderirana standardna devijacija
uzorka je:
2 1/2
�()
=1
. (1)
=� � =1 �
Na temelju omjera momenata L ( 1, 4 ) , 3 i
izračunavamo parametre Kappa distribucije, koja
je usvojena za distribuciju vjerojatnosti u slučaju
simulacije velikog broja postaja u regiji
Ja ne. Za svaku simuliranu regiju izračunavamo V i
na kraju, na temelju Nsim, njegovu srednju
i standardna devijacija
vrijednost (Hosking i Wallis
1997). Mjera heterogenosti je:
= .
Regija je prihvatljivo homogena za vrijednosti H
< 1, moguće heterogena za 1 H < 2, i definitivno
heterogena za H 2 (Hosking i Wallis, 1997).
2.4 Izbor distribucije vjerojatnosti za regije
Kada se formiraju homogene hidrološke regije,
one se uzimaju u obzir u svim daljnjim koracima
umjesto pojedinačnih postaja. Cilj je pronaći takvu
distribuciju koja će omogućiti procjenu kvantila za
svaku postaju s dovoljno visokom točnošću.
Preporuča se da distribucija bude što robusnija i
da ima nekoliko parametara (Hosking i Wallis, 1997).
Postoji mnogo distribucija vjerojatnosti koje bi
se mogle uzeti u obzir u testiranju, pa prvo
odabiremo najprikladnije prema svojstvima koja
distribucija treba imati. Ovdje se uzima u obzir
gornja granica distribucije, usklađenost gornjeg
i donjeg dijela krivulje distribucije s početnim
podacima, oblik središnjeg dijela krivulje s brojem
potrebnih vrhova za što bolju prilagodbu.
podataka, te donju granicu distribucije koja je
često poznata i iznosi nulu (Hosking i Wallis,
1997; Kavčič, 2013).
Je li odabrana distribucija prikladna može se
provjeriti raznim testovima dobrote prilagodbe
mjere). Takvi testovi su npr. regionalna mjera primjerenosti
distribucije Z (Hosking i Wallis, 1997.), QQ dijagram (Scott,
2015.), dijagram omjera momenata L (Millington i sur.,
2011.), Kolmogorov-Smirnov test (Brilly i Šraj, 2005),
testiranje s PPCC koeficijentom korelacije ( koeficijent
korelacije dijagrama vjerojatnosti) (Karim i
Chowdhury, 1995) i RMSE ( engl. root mean square error)
test (Brilly i Šraj, 2005). Neki od njih mogu se koristiti
izravno za provjeru cijelih regija, dok se drugi koriste za
svaku stanicu u regiji zasebno, a zatim se rezultati za
cijelu regiju kombiniraju.
2.5 Procjena parametara odabrane distribucije
vjerojatnosti regije
Posljednjim korakom hidrološke regionalizacije
probabilističkih analiza procjenjuju se parametri i kvantili
odabrane distribucije vjerojatnosti, što je i cilj
(2) cijelog postupka. Grupiranjem postaja u regije i
pronalaženjem jedinstvene distribucije za cijelu
regiju, osiguravamo da će vrijednosti procijenjene
za ovaj veći skup podataka biti točnije.
Postoje mnoge metode za ocjenu karakteristika
distribucije, ali u ovom slučaju, kada se parametri
i kvantili procjenjuju prema distribuciji cijele
regije, odnosno za veći broj vodomjernih stanica,
regionalni algoritam momenata L ( Hosking i
Wallis, 1997) posebno je prikladna metoda. Ova
metoda procjenjuje parametre izjednačavanjem
uzoraka L momenata distribucije s uzorkom L
momenata izračunatih iz podataka. S obzirom na
pretpostavku da je regija homogena, omjeri
trenutaka L izračunati iz podataka s različitih
lokacija mogu se kombinirati kako bi se dobili
njihovi prosjeci za regiju.
3. Rezultati i rasprava
U hidrološkoj regionalizaciji velikih voda u
Sloveniji uzeli smo u obzir podatke o vršnim
godišnjim protokima izmjerenim na 112
vodomjernih postaja u Sloveniji (Slika 1). Prvo
smo provjerili ovu informaciju. Ako je u skupu
nedostajalo više od 10% vrijednosti, stanica se
više nije uzimala u obzir. Nismo pronašli nikakve odstupanja.
Mjera nedosljednosti izračunata je za različite
145
Machine Translated by Google
Zabret K., Brilly M.: Hidrološka regionalizacija analiza učestalosti poplava u Sloveniji - Hidrološka regionalizacija
analize učestalosti poplava u Sloveniji
Acta hydrotechnica 27/47 (2014), 139-156, Ljubljana
grupe podataka: prema slivovima, prema površini
hidrometrijskog zaleđa i za sve postaje zajedno. Razina
nesukladnosti premašena je u 5
slučajeva (slika 4). Bio je najveći za kolodvor Orešje u skupini
svih kolodvora. Prema rezultatima, ova vodomjerna stanica
bila je i najnesukladnija, jer je stopa nesukladnosti premašila
gornju granicu u gotovo svakoj skupini. Ipak, nismo ga isključili
iz daljnje analize, već smo mu u nastavku posvetili posebnu
pozornost.
Slika 4: Mjera nedosljednosti za sve postaje uključene u analizu.
Slika 4: Mjera nesklada za sve vodomjerne postaje uključene u
analizu.
Formiranje hidroloških regija za tako veliki broj podataka, kao
u slučaju analize za Sloveniju, odvija se u nekoliko koraka.
Najprije smo odabranim postupkom (hijerarhijska metoda,
voditeljska metoda i subjektivna metoda) odredili početne
regije koje smo osmislili uz različite prilagodbe kako bismo
postigli što bolju homogenost. Regije su zatim finalizirane dok
se izračunavala mjera heterogenosti.
Na temelju momenata L, iz podataka o god
pri visokim vodostajima izračunali smo statistička svojstva
postaja (slika 5), potrebna za izračun mjere heterogenosti H.
Prosjek srednje vrijednosti uzorka l1 bio je 202, prosjek
koeficijenta varijacije t 0,22 , koeficijent asimetrije t3 0,17 i
koeficijent spljoštenosti t4 0,17.
3.1
Hidrološka rejonizacija
Kod rejonizacije metodom klasifikacije uzimamo u obzir
fizikalna svojstva vodomjernih stanica.
146
Zbog brojnih svojstava koja se mogu uzeti u obzir, vrlo brzo
može doći do prevelikog broja odabranih varijabli, a treba
koristiti samo one koje najbolje opisuju problem koji je u
pitanju (Ferligoj, 1989). S obzirom na to da je Slovenija iznimno
raznolika unatoč relativno malom području, odlučili smo uzeti
u obzir one značajke koje imaju najveći utjecaj na protok. Od
fizičkih svojstava vodomjernih stanica metodom klasifikacije
odabrali smo za rejonizaciju: područje zaleđa vodomjerne
stanice, kota "0" (nadmorska visina nulte kote vode). mjerni
stup), geografsku širinu i dužinu vodomjerne stanice te
prosječnu godišnju količinu oborine na području zaleđa
vodomjerne postaje (Bat i sur., 2008.). Vrijednosti atributa su
standardizirane, a površina pozadine je prethodno logaritmirana
zbog velikog raspona vrijednosti.
Budući da područje zaleđa ima velik utjecaj na protok,
vrijednosti smo pomnožili s tri kako bismo osigurali njegov
veći utjecaj na regionalizaciju. Hosking i Wallis (1997) također
su koristili sličnu metodu.
Podjela vodomjernih postaja na hidrološke regije, koje još nisu
nužno homogene, provedena je na tri različita načina, s dvije
metode klasifikacije (Wardova metoda i metoda voditelja) te
subjektivnom metodom.
U regionalizaciji korištenjem metoda klasifikacije
(Wardova metoda i metoda voditelja) svaku smo metodu
koristili tri puta, s različitim brojem varijabli. Najprije smo uzeli
u obzir sve varijable (zemljopisnu dužinu i širinu, kut "0",
godišnju količinu oborine, područje zaleđa), potom smo izbacili
oborine, a zatim i područje zaleđa.
Tako smo formirali hidrološke regije na temelju podataka s
pet, četiri i na kraju s još tri varijable (tablice 1 i 2).
Kombiniranje stanica je drugačije u svakom slučaju. Razlike u
sastavu hidroloških regija veće su u Wardovoj metodi, u kojoj
je, s različitim brojem uzetih varijabli, većina vodomjernih
postaja u pojedinim regijama potpuno izmiješana. Vodomjerne
postaje koje se, primjerice, razvrstavanjem po tri varijable
grupiraju u jednu regiju, svaka spadaju u drugu po četiri
varijable, a još samo nekoliko ostaje zajedno u istoj regiji. U
metodi voditelja uzimajući
pri razvrstavanju
u obzir različit
s broj
Machine Translated by Google
Zabret K., Brilly M.: Hidrološka regionalizacija analiza učestalosti poplava u Sloveniji - Hidrološka regionalizacija
analize učestalosti poplava u Sloveniji
Acta hydrotechnica 27/47 (2014), 139-156, Ljubljana

varijable, promjene u sastavu hidroloških regija nisu tako
velike. Klasifikacija vodomjernih postaja po hidrološkim
regijama primjenom obje metode vrlo je slična kada se
uzme u obzir isti broj varijabli, posebno kada se uzme u
obzir četiri varijable, kada se u oba slučaja dobije 6 regija.
utjecaj, ali istodobno ovise i o drugim varijablama
(uglavnom o nadmorskoj visini s kojom rastu i dužini, jer
općenito rastu od istoka prema zapadu).
Tako smo na kraju formirali 9 homogenih hidroloških
regija (Slika 6).

Za regionalizaciju smo, osim metoda klasifikacije, koristili

Na temelju rezultata klasifikacijskih metoda odlučili smo
konačne homogene hidrološke regije formirati metodom
voditelja, uzimajući u obzir četiri varijable. Metoda lidera
je iterativna i svakim ponavljanjem daje nešto drugačije
rezultate, pa smo zaključili da će odgovor regija na
promjene biti bolji. Četiri varijable (zemljopisna širina i
dužina, kut 0 i područje zaleđa) odabrane su jer oborina
ima relativno mali
i subjektivnu metodu. Kao polazište, pretpostavili smo da
želimo što je moguće zatvorenije hidrološke regije.
Tijekom dijeljenja kontinuirano se provjeravala postignuta
homogenost. Tako smo formirali deset hidroloških regija
(Slika 7.), od kojih je svaka sadržavala između 6 i 20
vodomjernih postaja. Uspjeli smo postići homogenost za
osam regija, regija 1 je bila moguće heterogena, a regija
10 je definitivno heterogena.

Slika 5: Statistička i fizikalna svojstva razmatranih vodomjernih postaja.

Slika 5: Statistička i fizikalna svojstva odabranih vodomjernih postaja.

147
Machine Translated by Google
Zabret K., Brilly M.: Hidrološka regionalizacija analiza učestalosti poplava u Sloveniji - Hidrološka regionalizacija
analize učestalosti poplava u Sloveniji
Acta hydrotechnica 27/47 (2014), 139-156, Ljubljana

Tablica 1: Rezultati Wardove metode klasifikacije.

Tablica 1: Rezultati hijerarhijskog klasteriranja.

Regija 3 varijable 4 varijable 5 varijabli

Regija 3 varijable 4 varijable 5 varijabli

Ne. VP u regiji Ne. VP u regiji Ne. VP u regiji

H H H
Ne. stanica Ne. stanica Ne. stanica

1 15 9.36 16 13,10 14 12:30 sati

2 9 9.59 19 4.38 15 2.10

3 11 2.44 10 8.03 12 9.19

4 16 10.39 13 6.23 18 10.02

5 18 10.91 23 6.87 18 5.93

6 18 4.78 26 3.54 14 3.55

7 25 19.96 7 1.05

Prosjek
16 9.63 17.83 7.03 14 6.31
Prosjek

Tablica 2: Rezultati rangiranja metodom lidera.

Tablica 2: Rezultati K-srednjih vrijednosti.

Regija 3 varijable 4 varijable 5 varijabli

Regija 3 varijable 4 varijable 5 varijabli

Ne. VP u regiji Ne. VP u regiji Ne. VP u regiji

H H H
Ne. stanica Ne. stanica Ne. stanica

1 18 1.11 25 11.41 15 11.78

2 16 12,12 15 15.33 14 8.56

3 15 9.47 17 8.55 19 2.12

4 14 11.40 6 0,87 22 6.23

5 28 18.85 30 4.30 19 4.49

6 21 7.40 11 2.64 9 3.41

Prosjek
18.67 10.06 17.33 7.18 16.33 6.10
Prosjek

148
Machine Translated by Google
Zabret K., Brilly M.: Hidrološka regionalizacija analiza učestalosti poplava u Sloveniji - Hidrološka regionalizacija
analize učestalosti poplava u Sloveniji
Acta hydrotechnica 27/47 (2014), 139-156, Ljubljana

Slika 6: Homogene hidrološke regije formirane na temelju rezultata leader metode i razmatranja
četiriju varijabli.

Slika 6: Homogena hidrološka područja formirana prema rezultatima K-srednjih vrijednosti i

uzimajući u obzir četiri varijable.

Slika 7: Hidrološke regije formirane subjektivnom metodom.

Slika 7: Hidrološke regije formirane subjektivnom particijom.

149
Machine Translated by Google
Zabret K., Brilly M.: Hidrološka regionalizacija analiza učestalosti poplava u Sloveniji - Hidrološka regionalizacija
analize učestalosti poplava u Sloveniji
Acta hydrotechnica 27/47 (2014), 139-156, Ljubljana

Tablica 3: Svojstva homogenih hidroloških područja prema odabranoj metodi klasifikacije.

Tablica 3: Svojstva homogenih hidroloških područja prema odabranoj metodi podjele.

Regija Metoda vođa Subjektivna metoda

Regija K-znači Subjektivna particija

Ne. VP u regiji Ne. VP u regiji

H H
Ne. stanica Ne. stanica

1 15 0,45 11 1.65

2 14 0,66 11 0,80

3 19 0,80 14 0,07

4 14 0,10 20 0,17

5 16 0,05 8 0,10

6 15 0,13 6 0,13

7 11 0,51 8 0,79

8 5 0,79 17 0,91

9 3 -1.21 9 0,10

10 8 6.25

Prosjek / Prosjek 12.4 0,25 11.2 1.10

Metodom lidera odredili smo devet homogenih
hidroloških rejona koji objedinjuju od 3 do 19
vodomjernih postaja. U dvije regije (regije 8 i 9) broj
stanica bio je manji od preporučene vrijednosti, jer je
iznosio samo 3 ili 5 (Tablica 3).
Prema ovom kriteriju prikladniji su rezultati subjektivne
metode. Međutim, ako kao kriterij uzmemo mjeru
heterogenosti H, vidimo da su kod metode lidera sve
metoda voditelja, koja rješava problem triju kritičnih
postaja stvaranjem neovisne regije 9.
3.2 Odabir najprikladnije vjerojatnosti
Distribucije
Za svaku homogenu hidrološku regiju definiranu
metodom voditelja, u sljedećem smo koraku odabrali

H vrijednosti manje od jedan, što znači da je postignuta najprikladniju distribuciju vjerojatnosti. Pritom smo

homogenost za sve regije (tablica 3). Najveća vrijednost uzeli u obzir nova svojstva hidrološke regije koja su

H je 0,79, a prosječna 0,25. Korištenjem subjektivne definirana svojstvima pojedinca

metode, u dva slučaja (regije 1 i 10), vrijednost H je vodomjerne stanice grupirane u ovoj regiji. Uzimajući

veća od 1, posebno za regiju 10, ova granica je uvelike u obzir regionalne vrijednosti momenata L i njihove

premašena (tablica 3). omjere, odredili smo najprikladnije distribucije

kombinirajući dvije metode koje su se pokazale
Razlog tako velikoj nehomogenosti ovog hidrološkog najkorisnijima (Chavoshi Borujeni i Azmin Sulaiman,
područja su tri "kritične" vodomjerne postaje (Vrhnika, 2009; Haile, 2011; Millington et al., 2011) : regionalna

Verd i Bistra), koje imaju specifičnosti zbog krškog mjera relevantnost Z i graf omjera L-momenata.

zaleđa. Prema vrijednostima mjere heterogenosti H

bolji rezultati se postižu sa

150
Machine Translated by Google
Zabret K., Brilly M.: Hidrološka regionalizacija analiza učestalosti poplava u Sloveniji - Hidrološka regionalizacija
analize učestalosti poplava u Sloveniji
Acta hydrotechnica 27/47 (2014), 139-156, Ljubljana
Za svaku regiju izračunali smo vrijednost mjere regionalne
prikladnosti Z za sljedeće distribucije: generaliziranu logističku
distribuciju (GLO), generaliziranu distribuciju ekstremnih
vrijednosti (GEV), logaritamsku normalnu distribuciju (LN3),
Pearson III distribuciju (PE3) i generaliziranu Pareto distribuciju
raspodjela (Pareto).
Distribucija je odabrana kao odgovarajuća ako je apsolutna
vrijednost Z manja od 1,64 (Tablica 4) (Hosking i Wallis, 1997).
Najprikladnija raspodjela prema dijagramu omjera L-
momenata određena je dodavanjem točaka s koordinatama
jednakim prosječnim regionalnim omjerima L-momenata
pojedinih regija na dijagram s već nacrtanim teorijskim
krivuljama troparametarskih razdioba (slika 8).
Odabrana je najprikladnija raspodjela čija je krivulja najbliža
točki regije (tablica 4).
3.3 Procjena parametara i kvantila odabrane distribucije
vjerojatnosti
korak hidrološki
Posljednja regionalizacija vrhova visokih voda je procjena
parametara i kvantila. Procjenjuju se za cijele regije i zapravo
su standardizirani kvantili vrhova visoke vode na vodomjernim
postajama (Parida et al., 1998).
Procjena kvantila temelji se na poznavanju parametara
distribucije vjerojatnosti. Stoga smo prvo izračunali njegove
parametre za svaku od odabranih distribucija, polazeći od
vrijednosti momenata L i omjera momenata L za regije.
Procijenjeni parametri odabranih distribucija zatim su
korišteni za procjenu kvantila (Tablica 5).
Vrijednosti kvantila, prema rezultatima analiza drugih autora,
kreću se unutar očekivanih vrijednosti. Jedino što čudi je da
se ne ističu vrijednosti osme ili devete regije, koje imaju vrlo
malo elemenata, već sedme. U slučaju povratnih razdoblja od
jedne i dvije godine, vrijednosti procijenjenih kvantila sedme
regije su najmanje, a za ostala povratna razdoblja najviše.
151
3.4 Usporedba rezultate drugačiji
regionalizacija za Sloveniju
Kao rezultat toga, subjektivna podjela hidroloških regija (Slika
7) rezultirala je prilično zatvorenim regijama, koje se mogu
usporediti s drugim regionalizacijama napravljenim za
Sloveniju.
U usporedbi s ekohidrografskim regijama tipa B u Sloveniji
(Brilly et al., 2003.), 6 od 10 hidroloških regija može se smjestiti
u jednu ekohidrografsku regiju. Tako se hidrološka regija 2
podudara s ravničarskim i brežuljkastim ekohidrografskim
područjem, hidrološka regija 3 i 8 s alpskim ekohidrografskim
područjem, hidrološka regija 7 s krškim ekohidrografskim
područjem dunavskog sliva i hidrološkim regijama 5 i 6 s
obalnim ekohidrografskim područjem.
Hidrološka regija 1, koja se sastoji od dva područja, također
je razvrstana u dvije ekohidrografske regije: subalpsku i
ravničarsku i brežuljkastu. Ostale hidrološke regije (4, 9 i 10)
raspoređene su u nekoliko ekohidrografskih regija, jer se
protežu u smjeru zapad-istok, dok prevladava oblik
ekohidrografskih regija u smjeru sjever-jug, osobito u zapadni
dio zemlje.
Bez obzira na to, možemo zaključiti da se hidrološke regije
dobro podudaraju s ekohidrografskim regijama u Sloveniji.
To također ima smisla, budući da su ekohidrografske regije
formirane na temelju prirodnih uvjeta, uzimajući u obzir
nadmorsku visinu u planinskim područjima i geološku
formaciju u područjima s izrazitim krškim pojavama (Brilly et
al., 2003).
Usporedba s klimatskim tipovima u Sloveniji (Ogrin, 1996.) ne
daje tako dobre i očite rezultate.
Submediteranska klima proteže se uskim pojasom uz zapadnu
granicu Slovenije s Italijom, u kojoj postoji samo deset
vodomjernih postaja, od kojih je većina svrstana u 5. i 6.
hidrološku regiju. Slično se uz sjeverozapadnu granicu
Slovenije proteže uzak pojas planinske klime, gdje se nalazi
petnaest vodomjernih postaja iz hidroloških regija 3, 4 i 8.
Preostalih 80% vodomjernih postaja uključenih u analizu
nalazi se u područje umjereno-kontinentalne klime.
Machine Translated by Google
Zabret K., Brilly M.: Hidrološka regionalizacija analiza učestalosti poplava u Sloveniji - Hidrološka regionalizacija
analize učestalosti poplava u Sloveniji
Acta hydrotechnica 27/47 (2014), 139-156, Ljubljana

Slika 8: Korištenje dijagrama omjera L momenta za odabir odgovarajuće distribucije.

Slika 8: Upotreba dijagrama omjera L-momenata za odabir najprikladnije distribucije vjerojatnosti.

Tablica 4: Najprikladnije distribucije za regije s obzirom na ukupne regionalne podatke.

Tablica 4: Najprikladnija distribucija vjerojatnosti za hidrološka područja.

Mjera regionalne Dijagram omjera Odabrana distribucija

primjerenosti Z momenata L Odabrana distribucija
Mjera prilagodbe Z Dijagram omjera L-momenata vjerojatnosti

Regija 1 / Regija 1 PE3 PE3 PE3

PE3
Regija 2 / Regija 2 GEV PE3 PE3
LN3

PE3
GEV
Regija 3 / Regija 3 GEV LN3
LN3
LN3

GLO
Regija 4 / Regija 4 GLO GLO
GEV

GEV
Regija 5 / Regija 5 GEV GEV
LN3

Regija 6 / Regija 6 / GLO GLO

GEV
LN3
Regija 7 / Regija 7 PE3 PE3
PE3
Pareto

Regija 8 / Regija 8 / GLO GLO

Regija 9 / Regija 9 / GLO GLO

152
Machine Translated by Google
Zabret K., Brilly M.: Hidrološka regionalizacija analiza učestalosti poplava u Sloveniji - Hidrološka regionalizacija
analize učestalosti poplava u Sloveniji
Acta hydrotechnica 27/47 (2014), 139-156, Ljubljana

Tablica 5: Procijenjeni kvantili prema općim podacima regija.

Tablica 5: Procijenjeni kvantili za opće regionalne podatke.

Vjerojatnost
0,1 0,5 0.9 0,98 0,99 0,999
Vjerojatnost

Regija 1 / Regija 1 0,5877 0,9573 1,4674 1.8492 1,9980 2.4552

Regija 2 / Regija 2 0,4617 0,8953 1.6751 2.3406 2.6131 3,4854

Regija 3 / Regija 3 0,5452 0,9371 1.5363 2.0099 2,1986 2.7889

Regija 4 / Regija 4 0,4817 0,8887 1.6640 2.3421 2.6222 3.5246

Regija 5 / Regija 5 0,5672 0,9409 1.5095 1,9579 2.1363 2.6942

Regija 6 / Regija 6 0,7019 0,9752 1.3300 1,5863 1,6848 1,9834

Regija 7 / Regija 7 0,2849 0,7965 1,9841 3.1056 3,5805 5.1389

Regija 8 / Regija 8 0,8177 0,9907 1,1943 1.3326 1.3843 1.5374

Regija 9 / Regija 9 0,9078 0,9907 1.1042 1.1888 1.2217 1.3226

Kod podjele Slovenije na hidrološke regije veći utjecaj
od klime imaju fizikalna svojstva vodotoka i njihovih
slivova. Ta su svojstva uzeta u obzir i kod podjele na
ekohidrografske
regije koje se prilično dobro slažu s hidrološkim regijama
dobivenim subjektivnom metodom.
raštrkani. U slučaju hidrološke regionalizacije nije nužno
da su regije zatvorene i da čine zatvoreno područje, kao
što je to tipično za geografske regije. Hosking i Wallis
(1997) čak predlažu da hidrološke regije treba projektirati
tako da nisu zatvorene, jer se na taj način izbjegava
mogućnost da podaci pojedinih postaja budu ovisni
jedni o drugima.

4. Zaključak Varijable koje smo koristili u klasifikaciji dobro opisuju

Hidrološka regionalizacija probabilističkih analiza vrhova
velikih voda provodi se u četiri koraka (Hosking i Wallis,
1997; Kavčič, 2013). Za svaku od njih dostupno je
nekoliko različitih metoda, no koju ćemo odabrati ovisi
prvenstveno o cilju analize. U sklopu hidrološke
regionalizacije, cilj nam je bio usporediti najčešće metode
regionalizacije koje se već koriste za takve analize u
svijetu i odabrati najprikladniju za slovensko područje.
najosnovnije karakteristike vodomjernih stanica. Pri
odabiru varijabli za klasifikaciju treba paziti da nisu
međusobno ovisne (kao što su oborine i zemljopisna
dužina u Sloveniji) i da dobro opisuju predmetni slučaj.
Za daljnje analize predlažemo i uzimanje u obzir sastava
stijena tla, nagiba riječnog korita ili zaleđa postaje te
udjela zaleđa prekrivenog šumom.

Iako smo željeli odabrati i predložiti najprikladniji način

Pri regionalizaciji subjektivnom metodom dobili smo
prilično zatvorene regije s boljim omjerom postaja i
lošijim stupnjem heterogenosti nego u slučaju klasifikacije
metodom voditelja, kada je regija s inače boljim stupnjem
heterogenosti bilo puno više
regionalizacije, ustanovili smo da je za to potrebno
postaviti određene smjernice i ciljeve, kojih se i
pridržavamo u klasifikaciji. Ako je cilj stvoriti što je
moguće zatvorenije hidrološke regije, predlažemo
korištenje subjektivne metode koja se dobro slaže s
ekohidrografskim regijama,

153
Machine Translated by Google
Zabret K., Brilly M.: Hidrološka regionalizacija analiza učestalosti poplava u Sloveniji - Hidrološka regionalizacija analize učestalosti
poplava u Sloveniji
Acta hydrotechnica 27/47 (2014), 139-156, Ljubljana
metode klasifikacije prikladnije su za postizanje
dobre homogenosti hidroloških regija.
Preostala dva koraka hidrološke rejonizacije
provedena su za slučaj hidroloških rejona
definiranih metodom lidera. Metode koje se koriste
za odabir najprikladnije distribucije vjerojatnosti
prilično su jednostavne i relativno brze u usporedbi
s ostalima, ali dopuštaju samo razmatranje
troparametarskih distribucija, što je, prema
preporukama o korištenju distribucija s više od
dva parametra, zbog veće robusnosti (Hosking i
Wallis, 1997) prihvatljivo. Također, ovaj korak ima
više smisla provesti za cijelu regiju nego razmatrati
pojedinačne postaje, budući da je zbog velike
količine podataka mogućnost pogrešaka znatno
veća (Kavčič, 2013).
U radu smo prikazali primjer hidrološke rejonizacije
vrhova visokih voda za vodomjerne postaje u
Sloveniji. Budući da je ovo bila prva primjena ove
analize u našoj zemlji, pri izboru metoda oslanjali
smo se uglavnom na strana iskustva, koja u
budućnosti možemo nadopuniti iskustvima ove studije.
Prednost hidrološke regionalizacije probabilističkih
analiza je u tome što se kombiniranjem podataka
u određenim slučajevima mogu postići bolji
rezultati. Možemo predvidjeti protoke s vrlo dugim
povratnim razdobljima s većom točnošću čak i za
postaje s kratkim skupovima podataka od samo
nekoliko godina. Za takve lokacije s kratkim
skupovima podataka ili čak bez mjerenja, znamo
fizička svojstva koja smo uzeli u obzir tijekom
regionalizacije (npr. nadmorska visina, zemljopisna
širina i dužina, područje doprinosnog područja) i,
na temelju tih svojstava, možemo klasificirati u
određeno područje, za što smo odredili
najprikladniju distribuciju vjerojatnosti, kojom
procjenjujemo očekivane protoke na tom mjestu.
Tako možemo kasnije dodavati nove postaje koje
su tek počele s radom u regije. Zbog zajedničkih
podataka, i za njih već sada možemo predvidjeti
tokove s duljim povratnim razdobljima.
Izvori
ARSO. (2013).
http://www.arso.gov.si/vode/podatki/arhiv/hidroloski_ar
hiv.html (Preuzeto 04.03.2013.).
154
Bat, M., Dolinar, M., Frantur, P., Hrvatin, M., Kobold, M., Kurnik,
B., Nadbath, M., Ožura, V., Uhan, J., Ulaga, F. ( 2008). Vodna
bilanca Slovenije 1971-2000.
Ministarstvo za okolje i prostor, Agencija Republike Slovenije za
okolje, Ljubljana, 119 str. (i slovenski)
Bezak, N., Brilly, M., Šraj, M. (2014a). Usporedba između metode
vršnih vrijednosti iznad praga i metode godišnjeg maksimuma
za analizu učestalosti poplava, Hydrological Sciences Journal
59(5), 959–977.
Bezak, N., Brilly, M., Šraj, M. (2014b). Analize učestalosti poplava,
statistički trendovi i analize sezonalnosti podataka o protoku:
studija slučaja postaje Litija na rijeci Savi, Časopis upravljanja
rizikom od poplava, u tisku. DOI: 10.1111/jfr3.12118
Brilly, M., Mikoš, M., Šraj, M. (1999). Zamke za vodu, Zaštita od
poplava, erozije i klizišta. Sveučilište u Ljubljani, Fakulteta za
graditeljstvo in geodeziju, Ljubljana, 186 str. (i slovenski).
Brilly, M., Urbanc-Berčič, O., Tome, D., Vidmar, A., Globevnik, L.,
Šraj, M. (2001). Utvrđivanje ekoregija u Sloveniji kao osnove za
upravljanje vodama = Differentiation of ecoregions in Slovenia
as a starting point for water management). Neobjavljeno
izvješće, Sveučilište u Ljubljani, Fakulteta za gradbeništvo in
geodeziju, Ljubljana (na slovenskom).
Brilly, M., Globevnik, L., Vidmar, A. (2003). Određivanje
ekohidrografskih regija u Sloveniji, Acta hydrotechnica 21(34),
23–36.
Brilly, M., Šraj, M. (2005). Osnove hidrologije.
Sveučilišni udžbenik. Sveučilište u Ljubljani, Fakulteta za
graditeljstvo in geodeziju, Ljubljana, 309 str.
Burn, DH, Goel, NK (2000). Formiranje grupa za regionalnu
analizu učestalosti poplava, Hydrological Sciences Journal 45(1),
97–112.
Chavoshi Borujeni, S., Azmin Sulaiman, WN (2009).
Razvoj modela baziranih na L-trenutku za ekstremne poplave,
Malaysian Journal of Mathematical Sciences 3(2), 281–296.
Đurović, B., Mikoš, M. (2004). Preventivno upravljanje rizikom
od prirodnih opasnosti -
postupci u alpskim zemljama i Sloveniji = Preventivno upravljanje
rizicima zbog prirodnih opasnosti –
Postupci u alpskim zemljama i Sloveniji, Acta hydrotechnica
22(36), 17–35.
Ferligoj, A. (1989). Grupiranje, teorija i primjena u društvenim
znanostima. Jugoslavensko društvo za sociologiju, Sekcija za
metodologiju i statistiku, Ljubljana, 182 str.
Machine Translated by Google
Zabret K., Brilly M.: Hidrološka regionalizacija analiza učestalosti poplava u Sloveniji - Hidrološka regionalizacija analize učestalosti
poplava u Sloveniji
Acta hydrotechnica 27/47 (2014), 139-156, Ljubljana
Haile, AT (2011). Regionalna analiza učestalosti poplava u južnoj
Africi. Neobjavljeni magistarski rad, Sveučilište u Oslu, Fakultet
matematike i prirodnih znanosti, 113 str.
Hosking, JRM, Wallis, JR (1997). Analiza regionalnih frekvencija:
pristup temeljen na L-momentima.
Cambridge University Press, Cambridge, 224 str.
Hussain, Z., Pasha, GR (2009). Regionalna analiza učestalosti
poplava na sedam lokacija u Punjabu, Pakistan, korištenjem L-
momenata, Upravljanje vodnim resursima 23(10), 1917.–1933.
Važna pitanja u provjeri podataka. (2013).
www.geography.unt.edu/.../week2handout-
datascreening.doc (Preuzeto 5.3.2013.).
Kachroo, RK, Mkhandi, SH, Parida, BP (2000.).
Analiza učestalosti poplava južne Afrike: I.
Delineacija homogenih regija, Hydrological Sciences Journal
45(3), 437–447.
Karim, A., Chowdhury, JU (1995). Usporedba četiriju distribucija
korištenih u analizi učestalosti poplava u Bangladešu,
Hydrological Sciences Journal 40, 55–66.
Kavčič, K. (2013): Hidrološka regionalizacija probabilističkih
analiza vrhova visokih voda u Sloveniji.
Neobjavljeni diplomski rad, Sveučilište u Ljubljani, Fakulteta za
graditeljstvo in geodeziju, 113 str. (i slovenski).
Kladnik, D. (1996). Prirodno-geografska podjela Slovenije,
Geografski vestnik 68, 123–159. (i slovenski).
Kobold, M., Zgonc, A., Sušnik, M. (2005).
Nesigurnost mjerenja i predviđanja oborine u modeliranju
bujičnih poplava = Uncertainty of precipitation measurements
and redictions in bujične poplave
modeliranje, Acta hydrotechnica 23(39), 79–98.
Košmelj, K. Breskvar Žaucer L. (2006). Metode razvrstavanja
jedinica u skupine; osnove i primjer, Acta agriculturae Slovenica
87(2), 299–310.
Kučić, K. (2007). Metoda momenata u probabilističkoj analizi
velikih voda. Neobjavljeni diplomski rad, Sveučilište u Ljubljani,
Fakulteta za graditeljstvo in geodeziju, 85 str. (i slovenski).
Mikoš, M., Brilly, M., Ribičič, M. (2004). Poplave i klizišta u
Sloveniji, Acta hydrotechnica 22(37), 113–133.
Millington, N., Das, S., Simonović, S. P. (2011). Usporedba GEV,
Log-Pearson tipa 3 i Gumbelove distribucije u gornjem dijelu
rijeke Temze prema globalnim klimatskim modelima. London,
Ontario, Kanada, Sveučilište Zapadnog Ontarija,
155
Odjel za građevinarstvo i inženjerstvo okoliša: 52
str.
Ogrin, D. (1996). Klimatski tipovi Slovenije, Geografski vestnik
68, 39–56. (i slovenski).
Parida, BP, Kachroo, RK, Shrestha, DB (1998).
Regionalna analiza učestalosti poplava u slivu Mahi-Sabarmati
(podzona 3-a) korištenjem Index Flood Procedure s L-
momentima, Upravljanje vodnim resursima 12, 1–12.
Pearson, CP (1991). Regionalna analiza učestalosti poplava za
male slivove Novog Zelanda 2. Grupe učestalosti poplava,
Journal of Hydrology (Novi Zeland) 30, 77–92.
Cork, D. (1999). Regionalizacija Slovenije prema sonarnim
kriterijima, Geografski vestnik 71, 9–25. (i slovenski).
Roald, LA (1989). Primjena regionalne analize učestalosti poplava na
slivove u sjeverozapadnoj Europi. U: Roald, L. (ur.), Nordseth, K. (ur.),
Anker Hassel, K. (ur.). U: FRIENDS in Hydrology: zbornik radova
međunarodne konferencije u Bolkesjøu, Norveška, 1.-6. travnja 1989.
IAHS Publikacija 187. Oxfordshire.
Robson, AJ, Reed, DW (1999). Statistički postupci za procjenu
učestalosti poplava, svezak 3 Priručnika za procjenu poplava.
Centar za ekologiju i hidrologiju. Wallingford, 338 str.
Schaefer, MG (1990). Regionalne analize godišnjih maksimuma
padalina u državi Washington, Water Resources Research 26,
119–131.
Scott. (2015).
http://onlinestatbook.com/2/advanced_graphs/q-
q_plots.html (Preuzeto 22.12.2015.).
Statistički zavod Republike Slovenije. (2015). http://pxweb.stat.si/
pxweb/Dialog/varval.asp?ma=27089
01S&ti=&path=../Baza/Okolje/27_okolje/05_Nesre
ce/27089_evaluated_skoda/&lang=2 (Preuzeto 21.12.2015.).
Šebenik, U., Brilly, M., Šraj, M. (2014). Analiza uvjeta suše
korištenjem standardiziranog indeksa oborine (SPI), Acta
Geographica Slovenica (prihvaćen 7.
10. 2014.).
Šraj, M., Bezak, N., Brilly, M. (2012). Utjecaj izbora metode na
rezultate probabilističkih analiza vršnih volumena i trajanja
savskih valova u Litiji, Acta hydrotechnica 25(42), 41–58. (i
slovenski).
Uprava Republike Slovenije za zaštitu i spašavanje. (2015). http://
www.sos112.si/slo/page.php?src=og12.htm
(Preuzeto 21.12.2015.).
Machine Translated by Google
Zabret K., Brilly M.: Hidrološka regionalizacija analiza učestalosti poplava u Sloveniji - Hidrološka regionalizacija analize učestalosti
poplava u Sloveniji
Acta hydrotechnica 27/47 (2014), 139-156, Ljubljana

Wiltshire, SE (1985). Grupiranje bazena za regionalnu analizu Zorn, M., Komac, B. (2011). Štete uzrokovane prirodnim
učestalosti poplava, Hydrological Sciences Journal 30(1), 151– katastrofama u Sloveniji iu svijetu između 1995. i 2010., Acta
159. Geographica Slovenica 51(1), 7–41.

Zakon o vodama (ZV-1). Službeni list Republike Slovenije 67/2002.

Ljubljana.

156