A globális éghajlati modellek finomított kimenetei, mint amilyen a NEX-GDDP adatbázis, lehetővé teszik a kutatók számára, hogy részletesebb térbeli és időbeli felbontásban vizsgálják az éghajlatváltozás helyi hatásait. Ezek az adatok rendkívül fontosak a hidrológiai modellezésben, mivel elősegítik a vízmozgások és azok változásainak pontosabb megértését a különböző tájakon és ökoszisztémákban, ami alapvető a megfelelő alkalmazkodási stratégiák kialakításához.

A geoadatok jelentősége a hidrológiában túlmutat a térképezésen: a felszín domborzati jellemzői, a talajhasználat és más felszíni tulajdonságok alapvetően befolyásolják a vízmozgást és az energiaáramlást a környezetben. A talajnedvesség adatainak beépítése a modellekbe kulcsfontosságú a talaj–növény–légkör kölcsönhatások megértéséhez, hiszen ezek az adatok meghatározzák az evapotranszspiráció, a felszíni lefolyás, beszivárgás és az energiaegyensúly dinamikáját. Ez az információ segíti a döntéshozókat abban, hogy hatékony vízgazdálkodási stratégiákat dolgozzanak ki és fenntartható módon használják fel a vízkészleteket. A talajnedvesség mérése általában helyszíni érzékelőkkel történik, de műholdas adatok is rendelkezésre állnak, amelyek megfelelő feldolgozással (downscaling) részletesebb térbeli képet adhatnak. Ezek a műholdas termékek különböző térbeli és időbeli felbontásúak, így alkalmazkodni lehet a különböző hidrológiai és klímaelemzési igényekhez.

Az evapotranszspiráció mérési adatai ugyancsak nélkülözhetetlenek, különösen a regionális víz- és energiaegyensúlyok feltérképezéséhez, valamint a talajvíz állapotának nyomon követéséhez. Az in situ mérési módszerek, mint a líziméterek használata, technikailag nehezen kivitelezhetők nagy területeken, ezért a műholdas eredetű becslések, mint például a MOD16 ET-adatbázis, alapvető eszközzé váltak. Ezek az adatok lehetővé teszik az evapotranszspiráció folyamatos és globális szintű nyomon követését, ezáltal hozzájárulva a változó éghajlat hatásainak kvantifikálásához, valamint az ökológiai és gazdasági hatások értékeléséhez.

A talajhasználat és földborítás (LULC) adatbázisok nélkülözhetetlenek a felszíni lefolyás és az evapotranszspiráció helyes becsléséhez, hiszen a különböző felszínborítási típusok eltérő hidrológiai tulajdonságokkal rendelkeznek. Az urbanizáció, erdőirtás vagy mezőgazdasági területek változásai jelentős mértékben módosíthatják a vízháztartást, ezért a LULC adatok segítségével modellezhető a felszíni vízmozgás, az erózió és a vízgyűjtő területek reakciója az időjárási eseményekre. Az ilyen térképek létrehozása általában távoli érzékelési technológiákon alapul, bár a globális méretű térképezés számításigénye jelentős. Emiatt számos intézmény tett elérhetővé különböző, már elkészített LULC termékeket, amelyek megkönnyítik a hidrológiai döntéshozatalt.

Fontos megérteni, hogy a hidrológiai modellek pontossága és megbízhatósága nagyban múlik a bemeneti adatok részletességén és hitelességén. Az integrált megközelítés, amely ötvözi a finomított éghajlati projekciókat, geoadatokat, talajnedvesség- és evapotranszspirációs méréseket, lehetővé teszi a komplex vízháztartási folyamatok valósághűbb modellezését. Ezzel párhuzamosan az adattudomány fejlődése és a műholdas technológiák fejlődése folyamatosan javítják ezen adatok elérhetőségét és minőségét, lehetővé téve az alkalmazkodó, hatékony és fenntartható vízgazdálkodási stratégiák kidolgozását.

A hidrológiai modellezés területén kulcsfontosságú a különböző adatforrások közötti összhang megteremtése, a skálázási problémák kezelése, valamint a helyszíni és műholdas adatok összevetése a modellek validálása érdekében. Csak így érhető el olyan modellpontosság, amely a valós vízforgalmi és energiaáramlási folyamatok megbízható előrejelzését teszi lehetővé, ezáltal támogatva a döntéshozókat a változó környezeti feltételek közepette. A fenntartható vízgazdálkodás megköveteli ezen komplex, multidiszciplináris adat- és modellrendszerek folyamatos fejlesztését és integrációját.

Hogyan befolyásolják a társadalmi és kulturális tényezők a földhasználat változásait?

A földhasználati és földfedettségi változások (LULC) modellezése során fontos figyelembe venni a kulturális és társadalmi tényezőket, amelyek az emberek környezethez való viszonyát és a döntéshozatali folyamatokat alakítják. Az ilyen változások nem csupán gazdasági vagy ökológiai tényezők által motiváltak, hanem az egyéni motivációk, percepciók, attitűdök, hitrendszerek és értékek is szerepet játszanak (NRC 1999). A „kultúra” fogalmát úgy értelmezhetjük, mint egy közös, az emberek között megosztott rendszer, amely lehetővé teszi a világ értelmezését és a viselkedés irányítását (Geertz 1973). A földhasználati döntések szoros kapcsolatban állnak ezekkel a mentális és viselkedési modellekkel, amelyek segítenek megérteni, hogyan reagálnak a közösségek a különböző politikai vagy gazdasági intézkedésekre, hogyan tanulnak szociálisan, és hogyan alakítják az adaptív stratégiákat. A különböző szereplők (mint például a földművesek, döntéshozók vagy erdőgazdálkodók) mentális és viselkedési reakcióinak megértése fontos a források kezelésében és a társadalmi válaszok előrejelzésében, különösen a földhasználat és földfedettség változásainak összefüggésében (Waroux et al. 2021; Gaur és Singh 2023).

A LULC változások modellezésének egyik legjobb módszere a térbeli explicit modellezés. Ennek segítségével megismerhetjük a változások tér- és időbeli mintázatait, ami lehetővé teszi a környezetvédők, földhasználati tervezők és politikai döntéshozók számára, hogy hatékonyabban reagáljanak a változásokra, például az erdőirtás megelőzésére vagy a természetvédelem előmozdítására. A modellezési folyamat két alapvető lépésből áll: először is a régióban bekövetkezett változások felismerése, másodszor pedig ezek a változások egy sor tényezőhöz, magyarázó változóhoz történő rendelése (Pontius et al. 2004). A változások és az azokhoz kapcsolódó tényezők pontos feltárása érdekében különféle matematikai eszközöket alkalmaznak, mint például a Cramer’s V, a többváltozós regresszió vagy a logisztikus regresszió.

A LULC modellezésének négy fázisa van: kalibrálás, szimuláció, validálás és előrejelzés (Mas et al. 2014; Gaur et al. 2020). A kalibrálás során két különböző időpontban készült LULC térképeket és a megfelelő magyarázó változókat használunk a modell paraméterezéséhez, hogy meghatározzuk a változásokat előidéző tényezőket. A szimulációs fázisban az átmeneti valószínűségi térképek (TPM) kerülnek előállításra, amelyek a változások kedvezőbb területeit mutatják. A validálás során ellenőrizzük, hogy a modell mennyire pontosan képes előre jelezni a LULC változásokat. Végül az előrejelző fázisban a finomhangolt modellt használjuk a jövőbeli változások előrejelzésére.

A statisztikai és gépi tanulás (ML) alapú modellek közvetlen kapcsolatot alakítanak ki a magyarázó változók és a LULC változások között. Ezek a modellek előre jelzik a változásokat a statisztikai vagy matematikai összefüggések segítségével. A leggyakrabban alkalmazott statisztikai és gépi tanulás alapú modellek közé tartozik a logisztikus regresszió, a lineáris regresszió, a generalizált aditív modellek, Markov-láncok, mesterséges neurális hálózatok és genetikai algoritmusok. Ezek a modellek egyszerűen alkalmazhatók, és széles körben általánosíthatók, de nem mindig teljesítenek jól akkor, ha az emberi döntéshozatal is befolyásolja a modellezési folyamatot, például amikor a gazdálkodók vagy politikai döntéshozók véleményét is figyelembe kell venni. Ilyen esetekben a folyamat-alapú modellek jobban teljesítenek, mint a statisztikai modellek.

A sejtautomaták (CA) modellek a LULC változásokat egyszerű szabályok alkalmazásával szimulálják, amelyeket minden egyes térbeli egységre szinkron módon alkalmaznak (Mas et al. 2014). A CA modellek egyszerűek, és könnyen alkalmazhatók a döntéshozatalban, azonban hátrányuk, hogy nem mindig képesek megragadni a változások időbeli dinamikáját, ezért gyakran kombinálják őket statisztikai modellekkel. Az ilyen típusú modellek hasznosak lehetnek a térbeli változások elemzésében, de korlátozott elméleti kapcsolatokkal rendelkeznek a valós döntéshozók döntései és a konverziós szabályok között.

Az egyes gazdasági modellek, amelyek a piac működését próbálják modellezni, két fő típusra oszlanak: szektor alapú és térben diszkrét gazdasági modellek. A szektor alapú modellek szélesebb, makroszintű döntéseket modelleznek, és az áruk keresletét és kínálatát elemzik a piaci egyensúly előrejelzésére. A térben diszkrét modellek az egyes területek, például a mezőgazdasági földek vagy helyi közösségek szintjén próbálják modellezni a döntéseket, figyelembe véve a különböző magyarázó tényezőket, amelyek a LULC változásokat előidézik.

Az ügynökalapú modellek (ABM) bonyolultabb LULC változásokat képesek modellezni, figyelembe véve az egyes döntéshozók, például földtulajdonosok, politikai döntéshozók és gazdálkodók kölcsönhatásait. Az ABM-ek alkalmazhatók a földhasználat komplex változásaiban, mivel képesek modellezni az ügynökök közötti különbségeket és viselkedéseket, és az egyes cselekvések hatásait az egész rendszerre. Az ilyen modellek lehetővé teszik az interakciók szimulálását a szereplők és a környezet között, és segíthetnek az összetett döntéshozatali folyamatok megértésében.

A LULC változások megértése és azok modellezése nem csupán a technikai aspektusokra korlátozódik. A társadalmi, gazdasági és politikai környezet figyelembevételével a modellek nemcsak a fizikai és gazdasági hatásokat képesek előre jelezni, hanem a társadalmi viselkedéseket és reakciókat is. A kultúra, a döntéshozatalban szereplő egyéni és csoportos attitűdök, valamint a társadalmi normák és értékek alapvető szerepet játszanak abban, hogy a modellek mennyire pontosan képesek előre jelezni a földhasználat változásait, és hogyan alakíthatják a jövőbeli földpolitikai döntéseket.

Milyen szerepet játszanak az integrált modellezési rendszerek a földhasználat és vízgyűjtő rendszerek modellezésében?

Az integrált modellezési rendszerek alkalmazása a földhasználati változások és a hidrológiai folyamatok közötti összefüggések pontosabb megértését célozza. A modern tudomány és technológia fejlődése lehetővé tette a különböző folyamatok összehangolását, és az integrált modellek egyre nagyobb szerepet kapnak a vízgyűjtő területek és földhasználati rendszerek komplex modellezésében. Az ilyen modellek képesek szimulálni a különböző földhasználati változások hatását a vízgyűjtő rendszerekre, figyelembe véve az egyes modellek közötti kölcsönhatásokat. A különböző szempontokat egyesítő modellezés lehetőséget ad arra, hogy a hidrológiai és földhasználati folyamatokat valósághűbben modellezzük, figyelembe véve a térbeli és időbeli dinamikákat.

A hidrológiai modelleket különböző kategóriákba sorolják, mint például a lumpált és elosztott modellek, attól függően, hogy a vízgyűjtő rendszert hogyan reprezentálják. A lumpált modellek az idő függvényében szimulálják a hidrológiai fluxusokat, míg az elosztott modellek a térbeli és időbeli változásokra egyaránt figyelnek. Az integrált modellek fontos szerepet kapnak, mivel képesek egyszerre kezelni a különböző típusú adatokat és szimulálni a komplex kölcsönhatásokat a különböző rendszerek között.

A komplex modellezés során az egyik legnagyobb kihívás a paraméterek meghatározása és azok helyes mérésének biztosítása. A folyamat-alapú modellek, más néven mechanikus modellek, a fizikai törvényeken alapulnak, és képesek a hidrológiai rendszerek mögötti alapvető folyamatok pontosabb leírására. A modellparaméterek meghatározása gyakran nem egyszerű, és sok esetben empirikus vagy kísérleti módszerekkel kell meghatározni őket, ami további nehézségeket okoz. Az integrált modellezési rendszerek képesek áthidalni ezt a problémát, mivel összekapcsolják a különböző modellekből származó adatokat, és így valósághűbb előrejelzéseket adhatnak.

A hidrológiai modellek fejlődése nem csupán a számítástechnika fejlődésének köszönhető. A tudományos közösség egyre inkább felismeri, hogy a különböző rendszerek közötti kölcsönhatások nem modellezhetők önállóan, hanem egy integrált megközelítést igényelnek. A holisztikus szemlélet segít abban, hogy a különböző folyamatok, mint a földhasználat, a vízgazdálkodás és a környezeti tényezők, egyetlen modell keretében egyesíthetők legyenek. Az integrált modellek nemcsak a különböző szakterületek közötti határokat lépik át, hanem lehetőséget adnak arra, hogy a változó környezeti feltételek mellett is pontosabb előrejelzéseket készíthessünk.

A térbeli mintázatok orientált értékelésének alkalmazása segít abban, hogy a modellek teljesítménye ne csupán a mérőállomásoknál végzett kalibrálás alapján történjen, hanem a vízgyűjtő terület egészére kiterjedő értékelést kapjunk. Ez a módszer különösen hasznos abban, hogy a modellezés során felmerülő egyenértékűségi és bizonytalansági problémák kezelésére is lehetőséget adjon. A változások térbeli és időbeli dinamikájának szimulálása és azok hatásainak előrejelzése érdekében az integrált modellek segítséget nyújtanak az optimális döntéshozatali folyamatokban is, különösen az olyan komplex rendszerekben, mint a vízgyűjtők vagy az intenzív mezőgazdasági területek.

Az integrált modellek alkalmazása különösen fontos a globális éghajlatváltozással kapcsolatos kutatásokban, mivel lehetőséget ad arra, hogy jobban megértsük, hogyan reagálnak a különböző földhasználati és vízgazdálkodási gyakorlatok a globális környezeti változásokra. A különböző szimulációk, amelyek az éghajlatváltozás hatásait és a földhasználati változásokat kombinálják, segíthetnek abban, hogy jobb döntéseket hozzunk az agrár- és környezetvédelmi politikák terén, amelyek hosszú távú fenntarthatóságot biztosítanak.

Milyen hatásai vannak a földhasználat-változásoknak és a klímaváltozásnak a vízminőségre és -mennyiségre?

A vízjogi és vízminőségi modellezés alapvető szerepet játszik a vízgazdálkodásban, mivel az emberi tevékenységek és a természeti változások hatásai összefonódnak a víz elérhetősége és minősége szempontjából. A földhasználat-változások (LULC) és a klímaváltozás együttese komoly kihívásokat jelent a jövőbeli vízforrások előrejelzésében, mivel mindkét tényező alapvetően befolyásolja a vízkészletek eloszlását és minőségét. A LULC előrejelzések és a klímamodellek kombinált használata lehetőséget ad arra, hogy komplex rendszerekben értsük meg és előre jelezzük ezeket a változásokat.

A földhasználati és földlefedettségi előrejelzések statikus modellként való alkalmazása a víz elérhetőségének jövőbeli előrejelzésében, figyelmen kívül hagyva az emberi tényezők dinamikus szerepét, jelentős korlátozásokkal bír. Az antropogén hatások, mint az ipari fejlődés, mezőgazdasági termelés és urbanizáció, nemcsak közvetlenül befolyásolják a vízkészletek állapotát, hanem hozzájárulnak a klímaváltozás gyorsulásához is. A modern integrált modellezési rendszerek alkalmazása, amelyek kombinálják a klímamodelleket és a földhasználat-változásokat, képesek jobban leképezni az emberi hatásokat a természetes vízforrásokra. Ez a megközelítés lehetőséget ad arra, hogy a jövőbeli vízhiányt és vízminőségi problémákat pontosabban modellezzük és kezeljük.

A klímamodellek hosszú távú előrejelzéseket kínálnak, amelyek az évszázadra előre mutatnak, míg a földhasználati modellek megbízhatóbb előrejelzéseket biztosítanak a következő két-három évtizedre. Az integrált modellezési rendszerek kombinálják a különböző előrejelzéseket, így lehetőség nyílik a legjobb jövőbeli vízgazdálkodási stratégiák kialakítására. A szocioökonómiai modellek, mint például a társadalmi-gazdasági forgatókönyvek (SSP-k), hosszú távú előrejelzéseket adhatnak a gazdasági tényezők hatásairól, és ezeket beépíthetjük az integrált rendszerekbe.

Bár az integrált modellezési rendszerek sokféle tényezőt figyelembe vesznek, az ilyen modellek jelentős mértékben érzékenyek az adatok bizonytalanságára. A legnagyobb forrást a hidrológiai modellek, klímamodellek, kibocsátási forgatókönyvek és az ezek közötti kölcsönhatások okozzák. Az egyes modellvariációk közötti bizonytalanságok kölcsönhatása további bonyolultságot adhat a predikciós eredményekhez. Az ilyen bizonytalanságok figyelembevételével az integrált modellek többdimenziós képet alkothatnak a jövőbeli vízforrások állapotáról, ugyanakkor segítenek az optimális vízgazdálkodási döntések meghozatalában.

A vízminőség-modellezés az egyik legfontosabb terület, amely az emberi tevékenységeket és a természetes folyamatokat integrált módon figyelembe véve próbálja meg előre jelezni a szennyeződési folyamatokat. A vízszennyező anyagok mennyisége közvetlenül összefügg a gazdasági és népességi növekedéssel. A szennyező anyagok vízbe juttatása jelentős károkat okozhat a felszíni és felszín alatti víztestekben. A mezőgazdaság, mint az egyik legnagyobb vízfelhasználó ágazat, jelentős hatással van a víz minőségére. Az öntözés, mint az alapvető mezőgazdasági tevékenység, nemcsak a vízmennyiség csökkenését, hanem a vízszennyezést is okozhat. Az integrált modellezési megközelítés segít megérteni a mezőgazdasági termelés, a vízszennyezés és a tápanyagok szállítása közötti komplex kapcsolatokat.

A vízminőség-modellezés egyik legnagyobb kihívása a különböző változók, mint például az éghajlatváltozás, a gazdasági változások és a földhasználat-változások hatásainak integrálása a modellekbe. A vízminőség előrejelzésére használt modellek közül a MIKE SHE és a HAWQS a legismertebbek, melyek az ökológiai és gazdasági szempontokat is figyelembe véve próbálják modellezni a vízminőséget. Az integrált modellek, mint a Zessner et al. (2017) által javasolt modellkeretrendszer, segítenek abban, hogy a vízminőségi és -mennyiségi problémákat holisztikusan értékeljük, figyelembe véve a politikai, gazdasági és környezeti interakciókat.

Az újabb hidrológiai kutatásokban a hibrid modellezési megközelítések, melyek a gépi tanulás és a folyamat-alapú modellezés kombinációjára építenek, lehetőséget adnak a vízgazdálkodásban rejlő bonyolult folyamatok mélyebb megértésére. Az ilyen típusú modellek segítségével javítható a fizikai inkonzisztenciák kiküszöbölése, miközben a modellek alkalmazkodóképessége is fokozódik. A hibrid modellezés előnyei közé tartozik, hogy a gépi tanulás segítségével javíthatóak az előrejelzések, ugyanakkor a fizikai modellek érvényessége is megőrződik. Az ilyen modellezési módszerek hatékonyan alkalmazhatók az ökológiai folyamatok és a vízgazdálkodási döntések jobb tervezésére.

Hogyan befolyásolja a LULC változás a vízforrások kezelését és a klímaváltozás hatásait?

A vízforrások fenntartható fejlődése és kezelése globális kihívás, amelyet számos tényező befolyásol, beleértve a földhasználat- és földborítás-változást (LULC), az aszályokat, a klímaváltozást, valamint a hidrológiai modellek szimulációs bizonytalanságait. A vízgazdálkodók számára ezen tényezők komplex interakciója és a hatások pontos előrejelzése különösen fontos, hiszen mindegyik közvetlenül hat a mezőgazdasági termelésre, a nemzeti gazdaság fejlődésére és a lakosság élelmiszer-biztonságára, életszínvonalára. Az alábbiakban három esettanulmányt ismertetünk, amelyek segítenek a LULC változások, a klímaváltozás okozta aszályok hatásainak és a hidrológiai modellek bizonytalanságának megértésében.

A három esettanulmány középpontjában a következő témák állnak: 1) az aszály jellemzése dinamikus éghajlati viszonyok között, 2) a LULC változások hatása a hidrológiai jellemzőkre, és 3) a hidrológiai modellek szimulációs bizonytalanságának elemzése. Ezek a témák azért kerültek kiemelésre, mert a vízforrások kezelése egyre nagyobb kihívást jelent a globális szinten tapasztalható változások következtében. Mivel minden említett tényező közvetlenül befolyásolja a vízkészletek elérhetőségét, alapvető, hogy megértsük az ezekhez kapcsolódó modellezési technikákat és azok alkalmazási lehetőségeit.

Az aszály karakterizálása, amely az első esettanulmány központjában áll, különös figyelmet igényel, mivel az éghajlatváltozás következtében az aszályok intenzitása, időtartama és elterjedtsége egyre kiszámíthatatlanabbá válik. A vizsgálat célja, hogy meghatározza a hőmérséklet alapú aszályindexek, különösen a Standardizált Csapadék-Evapotranszpirációs Index (SPEI)-3 térbeli és időbeli változásait Indiában. A SPEI-3 használata különösen fontos, mivel a legtöbb mezőgazdasági növénynek 3–4 hónapnyi időre van szüksége a fejlődéshez, így ez az időszak ideális a növényzetet érintő aszály hatások mérésére.

A második esettanulmány a LULC változások vízforrásokra gyakorolt hatását elemzi. A vízfolyások termelésében és a vízforrások elérhetőségében bekövetkező változások az egyes területek földhasználati módjainak változásaival párhuzamosan erőteljes hatást gyakorolnak a vízgazdálkodásra. A kutatás célja annak megértése, hogyan változnak meg a hidrológiai aláírások, ha a terület földhasználati jellemzői – mint például az erdőirtás, az urbanizáció vagy az agrárterületek növekedése – megváltoznak. A vízgyűjtőkben végzett változásfigyelés és a földhasználat-alapú modellezés lehetőséget biztosít arra, hogy a jövőbeli vízgazdálkodás során figyelembe vegyük a LULC-tényezőket.

A harmadik esettanulmány a hidrológiai modellek szimulációs bizonytalanságát elemzi. Az ilyen típusú elemzés szükséges ahhoz, hogy pontos előrejelzéseket készíthessünk a vízforrások kezelésére, különösen a várható változások figyelembevételével. A modellek hibáit és a különböző szimulációs technikák közötti eltéréseket figyelembe véve, a kutatás segít a bizonytalanságok minimalizálásában és a legjobb gyakorlatok alkalmazásában.

Az aszályok, a LULC változások és a modellezési bizonytalanságok közötti összefüggések megértése elengedhetetlen a fenntartható vízgazdálkodás kialakításához. Fontos, hogy a vízforrások menedzselésére vonatkozó döntéseket nem csupán a jelenlegi állapot alapján hozzuk, hanem figyelembe kell venni a jövőbeli klímaváltozást és a földhasználat várható alakulását is. A modell- és adatbázis-elemzés, valamint a különböző szimulációs technikák segíthetnek abban, hogy a vízgazdálkodás alkalmazkodni tudjon a folyamatosan változó környezeti körülményekhez.

A fent említett esettanulmányok és elméleti háttér áttekintése arra mutat, hogy a vízgazdálkodás jövője szoros kapcsolatban áll a tudományos elemzések és modellek folyamatos fejlődésével. Ezen ismeretek nélkülözhetetlenek ahhoz, hogy sikeresen reagálhassunk a globális vízválságokra és biztosíthassuk a fenntartható vízkészlet- és mezőgazdasági termelést a jövő generációi számára.

Hogyan válhatunk sikeres technikai vezetővé vagy architektussá?
Miért vált a Babadook a trauma és a szexuális identitás elnyomásának szimbólumává a Trump-éra politikai kontextusában?
Hogyan befolyásolja a lágy szövetek vastagsága a képek minőségét és a testhelyzetek elemzését?
Hogyan alakulnak a sűrűségfluktuációk az L-T modellekben?
Milyen indikációk és ellenjavallatok jellemzik a transjugularis intrahepatikus portosystemicus shunt (TIPS) eljárást, és miként követhető a patencia?