Hidrológiai Közlöny 1969 (49. évfolyam)
7. szám - Dr. V. Nagy Imre: A hidrológia helyzete a műszaki tudományos forradalom korszakában
Hidrológia a területi vízgazdálkodás gyakorlatában I. Hidrológiai Közlöny 1969. 7. sz. 303 tudjuk oldani s főleg könnyebben tudjuk kívánságainkat megfogalmazni a matematikusok felé. Ezen célkitűzés felé közelítve, az alapvetően szükséges statisztikai fogalmak bevezetését először nem a viszonylag közismert játékelmélet alapján kezdjük el, hanem erre a célra D. V. Anderson javaslatának megfelelően a légköri csapadékok fizikai példáját használjuk fel. Vizsgáljuk tehát az esőcseppeket, mint viszonylag egyszerű Ví 1 eseményeket, amelyek a Vi 1 természeti jelenségek, azaz a csapadékképződés szélesebb körének csupán egy részét képezik. Ezen utóbbi folyamat főleg halmazállapot változási (termodinamikai) és áramlástani (hidrodinamikai és aerodinamikai) törvényszerűségekké] jellemezhető. Nyilvánvaló, hogy a Vu jelenségek igen nagyszámú Vk\ részeseményekből tevődnek össze, amely utóbbiak eredő hatását (esőcsöppek) észlelve jutnak a V^ eseményekhez, az egyes mért V n, V 2 l..., V 3 1. . . értékeken (pl. az esőcseppek átmérőjén) keresztül. Az esőcseppek átmérőjét ismételt mérésekkel meghatározva, eredményeinket lépcsős idom vagy folytonos görbe alakjában ábrázolhatjuk s ezen ábra egyben képet nyújt az éppen vizsgált jelenség változásának jellegéről. Korábbi tanulmányok alapján ismeretes, hogy a La.place-tétel szerint, a nagyszámú (saját sűrűség függvényekkel rendelkező) kicsiny hatások összegének megfelelő sűrűségfüggvény általános alakban kifejezhető. Ilv módon az í(x) függvény [a Gaussféle normál eloszlás függvénye] a statisztikában alap vető [jóllehet sokszor a fizikai, hidrológiai adottságok miatt korlátozott] szerepet tölt be. A Laplace-tétel szimbolikus értelemben tartalmazza a hidrológia négy alapvető gyakorlati vizsgálati módszerét: a megfigyelést, a kísérletet, az elméleti általánosítást, valamint a hidrológiai statisztikát. Az első három módszer általános jellemzője az, hogy a Vi 1 értékeket olyan további alosztályokra bontja, amelyekben a fizikai törvények már tisztában jutnak kifejezésre, s amelyek megjelenési formáit ugyanakkor még a speciális, lokális körülmények is befolyásolják. A negyedik módszer tárgya a mérésekből nyert adatok leghatékonyabb felhasználási lehetőségeinek meghatározása. Már a bevezetőben is meg kell állapítanunk azonban, hogy a hidrológiai jelenségek általában nem követik a Gauss-féle eloszlást. Éppen ezen tény miatt viszont reális veszély az, hogy sokan hajlandók feltétel nélkül elfogadni a hibatörvényt, a mérnökök azért, mert azt matematikai tételnek tartják, a matematikusok pedig azért, mert azt tapasztalati tényként tekintik. Alapvetően fontos tehát nemcsak a példaként említett tételnél, de továbbmenőleg, minden egyéb statisztikai eljárás esetén tisztázni fizikai-hidrológiai szempontból azt, hogy az adott eljárás gyakorleti eredményeiben mit nyújthat, vagy alkalmazása [gépi számítás esetén] az elérhető eredmény szempontjából gazdaságos-e. Ami a példaként említett esőcsepp esetét illeti, fizikailag itt a legbonyolultabb folyamatok sokasága testesül meg: így a kondenzáció, fagyás, olvadás, a különböző típusú és irányú mozgások, elektromos hatások, nyomásviszonyok hatásai, a csepp belsejében végbemenő cirkulációs és hőmozgások stb. Mindezen mikro- és makroszkopikus hatások összegzett eredménye képezi végülis az említett méréseink közvetlen tárgyát (pl. esőcseppátmérőt), amelv ezek szerint előttünk még egyáltalán nem tisztázott fizikai törvényszerűségek és kölcsönhatások eredőjeként jelenik meg. Igen lényeges tehát a megfelelő statisztikai eljájárások, valamint észlelési módszerek kiválasztása az egyes hidrológiai jelenségekre, figvelembevéve azokat a lényeges különbségeket, amelyek az általánosan ismert fizikai, mechanikai kutatások és a hidrológiai kutatások körülményeiben fennállnak. A fizikában és a mechanikában az esetek túlnyomó többségében Vkt típusú egyszerű jelenségekkel dolgozunk, míg a hidrológiában általában a lényegesen bonyolultabb Vu jelenségekkel találkozunk. A fizikában a körülmények általában jól leírhatók és ellenőrizhetők. A fizikai jelenségek sűrűségfüggvényei viszonylag eléggé szűk tartományt ölelnek fel s ezeket általában arra használják, hogy a mérések szisztematikus hibáit jellemezzék. Ezek a hibák vagy a körülmények nem kellő figyelembevételével, vagy az elmélet elhanyagolásából, vagy pedig egyszerűen a gyakorisági görbe nem megfelelő ábrázolásából s feldolgozásából származnak, s azokat a véletlen jellegű hibáknál nagyobbaknak tételezik fel. A hidrológiában a szisztematikus jellegű hibák talán még tartósabbak, mint a fizikában, azonban azok tényleges hatását a mérési pontatlanságok miatt nem tudjuk tisztán megállapítani, véletlen jellegű hibáink az előbbihez hasonlóak vagy még nagyobbak lesznek. A hidrológiai tudománya — mint minden tudomány — mindig arra törekszik, hogy a Víj jelenséaeket Vu jelenségekre redukálja. Ugyanakkor mind tudományos, mind gyakorlati érdek az, hogy megkíséreljük a hidrológiai rendszerek törvényeit megfogalmazni, a Vij típusú jelenségek vonatkozásában is (az alapjelenségek sokszor nem ismert törvényszerűségeinek figyelembevétele nélkül). A megfogalmazásra azonban leggyakrabban úgy kerül sor, hogy erre a célra az alapjelenségek (ismert, vagy feltételezett) törvényszerűségeit használják fel. Figyelembe véve viszont az így definiálni óhajtott természeti jelenségek dimenzióit, az így nyert mesterséges állapotok nehezen, vagy egyáltalában nem lesznek reprodukálhatók a valóságban, s ilyenkor nem tudjuk, hogy hogyan járjunk el a továbbiakban [pl. a turbulens energia térbeli diffúziójának helyettesítése molekuláris diffúzióval]. Éppen itt kapnak jelentős szerepet a statisztikai eljárások, amelyek tehát elsősorban az összetett jelenségek leírása s elemzése során válnak lényegesebbé, míg szerepük az egyszerűbb jelenségeknél már nem annyira jelentős. A természetes hidrológiai rendszerek statisztikai leírására vonatkozó erőfeszítéseink viszont lényeges mértékben függvényei a mérési adatok számának s azok minőségének. Állítható, hogy egyetlen jól mért s valóban jellemző adat többet ér, mint száz pontatlan (vagy feltételezett) eredmény, azaz
