Informace o projektu

Základní komponenty webové aplikace ClimRisk

Webová aplikace ClimRisk sestává z několika základních podstránek

• Úvodní stránka – slouží jako základní rozcestník na ostatní stránky a stručně popisuje projekt ClimRisk jako takový.
• Česká republika – prohlížečka klimatických dat pro Českou republiku ve formě mapové aplikace s možností výběru požadované charakteristiky, období a regionu. Pro vybranou oblast zobrazí konkrétní číselné hodnoty, graf vývoje hodnoty v čase od minulosti do budoucnosti a odkaz na přímé stažení dat pro region a zájmové charakteristiky
• Střední Evropa - prohlížečka klimatických dat pro region střední Evropy (zahrnuje Českou republiku a dále významné části Slovenské republiky, Německa, Rakouska, Maďarska a Polska) ve formě mapové aplikace s možností výběru požadované charakteristiky, období a regionu. Pro vybranou oblast zobrazí konkrétní číselné hodnoty, graf vývoje hodnoty v čase od minulosti do budoucnosti a odkaz na přímé stažení dat pro region a zájmovou charakteristiku.
• O datech – teoretické informace k metodice výpočtů. Zahrnuje popis výběru modelů, přípravy klimatických scénářů a informace o údajích klimatické změny prezentované v rámci ClimRisk.
• Klimatické prověřování - stručný návod postupu klimatického prověřování investičního záměru

Návod k používání

Mapové aplikace

Po načtení mapové aplikace se ve výchozím nastavení načtou hodnoty pro teplotu vzduchu a období současnosti. Vpravo nahoře je zeleně podbarvené menu, v rámci kterého lze vybírat charakteristiku, období a časovou agregaci dle zájmu.

Výběrové menu

• Charakteristika – umožňuje vybrat požadovanou charakteristiku, a to jak hodnotu konkrétní charakteristiky (např. teplota, vlhkost vzduchu, rychlost větru apod.), tak některé odvozené charakteristiky (např. počet tropických dní, počet dní se sněhovou pokrývkou nad 3 cm apod.).
• Období – umožňuje výběr období, pro které se hodnoty vztahují, a to vždy v 30letých intervalech. K dispozici je jak období z minulosti (1981-2010), současnosti (2009-2038), tak projekce do budoucna, a to až do 2061-2090.
• Časová agregace – umožňuje výběr, pro jaké časové období v rámci kalendářního roku se hodnoty vztahují. K dispozici jsou konkrétní měsíce roku (leden, únor atd.), meteorologická roční období (jaro = březen až květen, léto = červen až srpen, podzim = září až listopad, zima = prosinec až únor), půlroky (teplý půlrok = duben až září, studený půlrok = říjen až březen) a kalendářní rok jako celek.
• Region – tato položka umožňuje výběr zájmového regionu. Tento výběr lze provádět dvěma způsoby - buď zadáním podoblasti a následně ve výběrovém menu výběrem z regionů v rámci dané podoblasti, nebo zadáním konkrétních zeměpisných souřadnic. Výběr regionu lze také provést kliknutím přímo do mapy v místě zájmu.

Mapa

Mapa slouží jak pro zobrazení hodnot v jednotlivých oblastech (vyjádřených barevným podbarvením dle legendy uvedené v vpravo dole), tak pro možnost výběru zájmového regionu kliknutím přímo do mapy. Nad legendou je přepínání zobrazení škály legendy. Tím lze měnit, zda má být minimum/maximum rozsahu škály počítáno ze všech hodnot (vhodné například pro porovnávání napříč scénáři) nebo z aktuálně zobrazené mapy (vhodné pro srovnávání napříč regiony v rámci stejné mapy).

Mapa je interaktivní, tedy umožňuje například přibližování a posouvání v mapě.

Po výběru charakteristiky, období, časové agregace a konkrétního regionu se zobrazí detailní kvantitativní popis dle zadaných kritérií.

V horní části obrazovky se zobrazuje rozložení hodnoty pro vybrané období (průměr, medián, 5., 25., 75. a 95. percentil). Dále je k dispozici čárový graf, který ukazuje průběh vývoje hodnot pro všechna dostupná období (od minulosti až po budoucnost). Čára s body reprezentuje průměr dané hodnoty, v čárovém grafu je také vyznačen rozsah mezi 5. a 95. percentilem.

Pod grafem jsou k dispozici hodnoty pro všechna dostupná období, ze kterých je zkonstruován graf výše.

Nad grafem je oranžové tlačítko Stáhnout data. Kliknutím na toto tlačítko dojde k přesměrování na stránku formuláře Stahování dat s předvyplněním již zadaných kritérií dat, která chce uživatel stáhnout.

Stahování dat

Data lze stahovat skrze vyplnění formuláře Stahování dat. Ten je dostupný buď přímo z hlavního menu v horní části obrazovky, nebo skrze mapovou aplikaci po výběru konkrétní charakteristiky, období, časové agregace a regionu.

Pokud uživatel k formuláři přistupuje přímo z menu, je potřeba vyplnit oblast, podoblast, region, časovou agregaci, klimatickou projekci (období) a klimatickou charakteristiku. V případě, že na tento formulář uživatel přistupuje skrze mapu, jsou tato pole předvyplněná podle již provedeného výběru.

V rámci formuláře je možné měnit parametry dat ke stažení, například lze vybrat více možností v případě časové agregace, klimatické projekce a klimatické charakteristiky. Stažení se však vždy týká pouze jednoho konkrétního regionu. Stahovat současně data pro více než jeden region není možné.

Po odeslání žádosti přijde na zadanou emailovou adresu email, v rámci kterého jsou v příloze dva soubory

• Soubor s požadovanými daty ve formátu .xlsx
• Soubor s požadovanými daty ve formátu .pdf

Součástí obdrženého výpisu dat je i identifikační číslo (ID), podle kterého lze následně ověřit, zda byla data poskytnuta v rámci tohoto požadavku a s jakými parametry.

Jakou metodou byly připraveny klimatické scénáře?

Analýza budoucích klimatických podmínek je založena na simulacích klimatických modelů. V posledních desetiletích došlo k rychlému rozvoji odpovídajících metod vytváření klimatických scénářů, které vycházejí z hodnotících zpráv IPCC (Intergovernmental Panel on Climate Change). Primárními nástroji používanými pro tento účel jsou klimatické modely. Bohužel klimatické simulace s vysokým rozlišením stále nejsou výpočetně dostupné v případě globálních klimatických modelů (GCM). K získání informací o změně klimatu v regionálním až místním měřítku lze využít metody dynamického (viz zmíněné RCM) či statistického downscalingu, jako je např. přírůstková metoda, v rámci které lze pracovat přímo s výstupy z GCM.

Vzhledem k tomu, že výstupy klimatických modelů obsahují systematické chyby (v důsledku nutného zjednodušení složitých procesů v reálném světě), je nutné je opravit, aby byly získány smysluplné výsledky o simulovaných vlastnostech klimatického systému. Obecně platí, že při práci se středními hodnotami meteorologických prvků (jako jsou sezónní a roční) lze se změnami danými modely zacházet tak, jak jsou, bez úprav. Problém nastává při analýze denních dat a extrémních hodnot (jako jsou teplotní maxima a minima, hodnoty srážek nad dané prahové hodnoty atd.), právě v důsledku nízkého prostorového rozlišení modelů.

Dosavadní zkušenosti autorů této předkládané metodiky vedou k preferenci statisticky downscalovaných GCM oproti RCM. Důvodem jsou zejména systematické chyby (vlhčí a chladnější klima během kontrolního historického běhu RCM) a také skutečnost, že zatímco u GCM máme k disposici simulace z poslední generace klimatických modelů CMIP6 (použité v rámci poslední, AR6, zprávy IPCC), tak u RCM jsou pro Evropu k dispozici Euro-CORDEX simulace, řízené starší generací globálních klimatických modelů – CMIP5 (tedy modely z předešlé zprávy IPCC). To znamená, že dostupné RCM v tuto chvíli nezohledňují nejnovější vědecké poznatky.

V současnosti jsou dostupné nejnovější klimatické scénáře vycházejících z CMIP 6 simulací. Tyto simulace jsou dostupné v rozlišení 50 km (pouze pár simulací, většinou končících v polovině 21. století), dále jsou dostupné simulace ve 100 a 250 km rozlišení do konce 21. století.

Existují desítky modelových simulací poskytované renomovanými vědeckými institucemi a centry rozmístěnými po celém světě. Tyto simulace jsou dostupné pro celou planetu a zahrnují navzájem provázané procesy nejenom z atmosféry, ale rovněž z kryosféry, oceánů, půdy, vegetace atp. (tzv. Earth system models). Jelikož jsou tyto procesy velmi komplexní, pracujeme s různými úrovněmi zjednodušení, ke kterému se přidává nejistota ve zjištění stavu celého systému (např. v atmosféře je nutné popsat stav nejenom v přízemní vrstvě a v různých výškách). Zákonitě pak dochází k tomu, že se do určité míry rozchází skutečný stav s realitou. Ta je pro různé modely a různá místa na planetě různá (je logické, že centra ve východní Asii budou preferovat přesnější popis pro svá území). Jelikož nás zajímá území Evropy, nebo konkrétněji Střední Evropy, předmětem našeho zpracování jsou modely, které popisují co nejlépe procesy v této části Země (což neznamená, že jsou modely ostatní špatné, neboť mohou být zase lepší na druhé straně planety).

Je tedy potřeba vyřešit v první řadě otázku výběru modelů vhodných pro naše území, a za další, pro impaktové studie, které vyžadují na vstup konkrétní modely (nestačí mít nějaký střední odhad za delší období, jak je prezentováno na tomto webu), tak z relativně velkého počtu modelů (enseblu) je potřeba udělat menší ensemble, který však stále reprezentuje původní větší skupinu.

Za tímto účelem byla naším týmem vyladěná a aplikována metodika, která tyto dva kroky popisuje na příkladu Euro-CORDEX simulací (řízených CMIP5 simulacemi), ale byla rovněž aplikována na novější CMIP6 simulace, které jsou prezentovány na tomto webu. Podrobnosti k metodice jsou popsané v této práci:
Meitner, J., Štěpánek, P., Skalák, P., Dubrovský, M., Lhotka, O., Penčevová, R., Zahradníček, P., Farda, A., Trnka, M. (2023): Validation and Selection of a Representative Subset from the Ensemble of EURO-CORDEX EUR11 Regional Climate Model Outputs for the Czech Republic. Atmosphere 2023, 14, 1442. https://doi.org/10.3390/ atmos14091442

V souladu s uvedenou metodikou byly ze zhruba 20 CMIP6 simulací na základě validace vyloučeny ty, které nejsou v hodné pro oblast Střední Evropy. Ze zbylého „širšího“ ensemblu potom bylo vybráno 7 modelů tak, aby tento užší výběr statistickými vlastnostmi reprezentoval celý ensemble ale při menším počtu údajů. Jsou situace, kdy se modely používají jednotlivě, např. jako vstup do hydrologických modelů (denní data), kde by použití celého ensemblu bylo výpočetně neřešitelné (velmi náročné). Výběr modelů byl proveden s ohledem na všechny základní meteorologické prvky, neboť ty jsou následně použity pro výpočet referenční evapotranpisrace a půdní vlhkosti modelem SoilClim. Výběr modelů spolu s dostupnými emisními scénáři je uveden v následující tabulce. Byly preferovány modely s jemnějším prostorovým rozlišením (tedy 100 km oproti hrubšímu rozlišení 250 km).

Vybrané GCM modely (CMIP6 simulace)

Model	Dostupné scénáře klimatické změny	Prostorové rozlišení modelu v km
CNRM-CM6-1-HR	SSP126, SSP585	50
CMCC-ESM2	SSP126, SSP245, SSP370, SSP585	100
EC-EARTH3	SSP126, SSP245, SSP370, SSP585	100
GFDL-ESM4	SSP126, SSP245, SSP370, SSP585	100
MPI-ESM1-2-HR	SSP126, SSP245, SSP370, SSP585	100
MRI-ESM2-0	SSP126, SSP245, SSP370, SSP585	100
TAIESM1	SSP126, SSP245, SSP370, SSP585	100

Poslední šestá hodnotící zpráva IPCC (AR6), ve které lze nalézt další podrobnosti, zavedla pojem scénářů socioekonomického vývoje (SSP)

Scénáře změny klimatu lze interpretovat takto

• SSP1-2.6: udržitelná cesta
• SSP2-4.5: “střední cesta”: degradace environmentálních systémů, ale některá zlepšení týkající se využívání zdrojů a energie
• SSP3-7.0: „regionální rivalita“ a konflikty umožňující jen malý ekonomický rozvoj
• SSP5-8.5: vývoj založený na fosilních palivech

Výstupy klimatických modelů, pokud se nezabýváme pouze relativní změnou, nelze přímo použít, ale tyto výstupy je nutné nejprve korigovat za účelem odstranění systematické chyby nebo transformovat pozorované řady tak, aby změny mezi pozorovanou a transformovanou řadou odpovídaly změnám v simulaci klimatických modelů. Druhý uvedený přístup se označuje jako “přírůstková metoda” nebo “přímá modifikace” a je v ČR tradičně používán pro modelování dopadů klimatické změny např. na hydrologickou bilanci, jelikož je modelovaná hydrologická bilance robustnější ve srovnání s využitím korigovaných simulací. Pro využití v denním kroku je vhodné aplikovat transformace, které uvažují nejen změny průměrů ale i variability. To umožňuje například pokročilá přírůstková (“Advanced Delta Change” – ADC) metoda. ADC metoda umožňuje zahrnout do transformace i změnu variability. To zjednodušeně znamená, že extrémy se mohou měnit jinak než průměr (což správně reflektuje situaci, jak ji zaznamenáváme ve skutečném světě). Při odvození změn srážek z klimatického modelu ADC metoda uvažuje i systematické chyby simulace, které nemusí být lineární. Další podrobnosti lze nalézt v práci van Pelt et al. (2012).

Hodnoty jsou zpracovány v týdenním kroku, aby byl zachován jejich ročních chod a je provedeno vyhlazení parametrů transformace. Teplota vzduchu je na rozdíl od srážek transformována lineárně. Další meteorologické proměnné (globální záření, relativní vlhkost a rychlost větru) jsou modifikovány vynásobením poměrem průměrů za období kontrolního běhu a období scénářových simulací. Parametry transformace jsou opět vyhlazeny.

Vstupní data staničních měření jsou v případě České republiky aplikována ve formě technických řad, tj. časové řady bez chyb, homogenizované a s doplněnými mezerami v měření (Štěpánek et al., 2011, 2013). Data ze stanic ČHMÚ jsou před aplikací metody ADC interpolována, stejně jako data z klimatických modelů, a tak jsou ve formě map poskytovány i informace o budoucích klimatických změnách. V tomto případě byly připraveny mapy v prostorovém rozlišení 500 m a denním časovém kroku pro všechny potřebné meteorologické proměnné.

V případě zpracování pro Střední Evropu byl využit gridovaný dataset E-OBS (https://cds.climate.copernicus.eu/cdsapp#!/dataset/insitu-gridded-observations-europe?tab=overview), který vychází ze staničních dat soustředěných v datasetu ECAD (https://www.ecad.eu/).

S ohledem na interpretaci výsledků je potřeba si uvědomit, že vedle referenčního období 1981–2010 pracujeme s 30tiletými časovými okny pro budoucí klima: 2015–2044 (označováno jako “2030”), 2035–2064 (“2050”), 2055–2084 (“2070”) a 2070–2099 (“2085”). Období se navzájem překrývají. V rámci těchto časových oken lze vyhodnocovat statistické charakteristiky (vč. extrémů) za dané období. Obdobně jako u simulací klimatických modelů zde nedává smysl analyzovat a prezentovat jednotlivé dny nebo roky, ale pouze statistiky za celé období. Dlouhodobé trendy pak lze vyhodnocovat tak, že se na sebe napojí jednotlivá (klouzavá) období v budoucím klimatu.

Jak je uvedeno výše, podklady pro výstupy prezentované na tomto webu jsou mapy v rozlišení 0,5 km v případě ČR a gridové vrstvy v prostorovém rozlišení E-OBS databáze (cca 10 km) pro oblast Střední Evropy. K disposici jsou 4 scénáře SSP popisující předpokládaný budoucí vývoj, ensemble 7 modelů věrně reprezentující původní větší ensemble modelů (cca 20 modelů). Jsou k disposici denní údaje základních meteorologických veličin (teplota vzduchu, srážkové úhrny, rychlost větru, vlhkost vzduchu, globální radiace), ze kterých se dají spočítat potřebné charakteristiky vč. těch popisující extrémy.

S ohledem na podrobné časové (denní data) i prostorové rozlišení (0.5 km pro Českou republiku, resp. 10 km pro Střední Evropu) byly údaje agregovány, jak časově tak prostorově, a jsou zde v této zjednodušené podobě prezentovány. Cílem této prezentace je poskytnout uživatelům relevantní informace o potenciálním problému, který pro ně může s ohledem na klimatickou změnu vyvstat. V případě požadavků na konkrétní lokalitu a podrobnější časové rozlišení je náš ústav připraven poskytnout detailnější informace, než jsou zde uváděny.

Údaje o klimatické změně jsou dále agregovány ve formě dlouhodobých charakteristik, kdy se použily všechny připravené modely a všechny scénáře SPP. Z ensemblu modelových simulací byl vytvořen výstup, kdy vedle nejpravděpodobnějšího budoucího vývoje klimatu jsou vyhodnoceny také meze (okraje), ve kterých se může vývoj ubírat. Toto zpracování proběhlo pro jednotlivé administrativní jednotky, jak je uvedeno dále.

Základní zpracování proběhlo pro 30tiletí jak pro současnost (1981-2010, označené ve výstupech jako 1995, resp. 1991-2020 označené jako 2005) tak pro budoucí klima. Protože po korekci modelových výstupů statistické vlastnosti těchto výstupů odpovídají současným staničním měřením (popř. hodnotám v databázi E-OBS, která ze staničních měření vychází), je možné kombinovat výstupy ze stanic i z modelů (např. pro 30tiletá období, jejichž středem jsou současné roky, např. 2023 a 2025).

Potřebujete více než zpřístupněná data?

V případě že dostupná klimatická data svou podrobností nevyhovují a potřebujete získat data jiného typu, kontaktujte nás (KONTAKT). Jsme schopni podle potřeby připravit data pro další meteorologické prvky i odvozené charakteristiky, připravit denní řady dat a v odůvodněných případech i data hodinová. V rámci spolupráce je možné vyhovět specifickým potřebám zájemců. Při poskytování dat pro vědecké účely preferujeme zapojení do konkrétní studie a pak jsou data k dispozici bezúplatně. Pro komerční účely či poskytování většího souboru dat je nezbytná dohoda s týmem ClimRisku a případná finanční kompenzace závisí na čase odborných pracovníků a řídí se ceníkem Ústavu výzkumu globální změny AV ČR.

Postup klimatickeho posuzovaní

Průvodce

Kontakty na posouzeni

Kompletní přehled poskytovaných prvků

1. Průměrná teplota vzduchu

Vstupní data: průměrná denní teplota vzduchu (°C), průměr za dané období.

Základní meteorologický ukazatel, který hodnotí komplexně teplotní poměry daného území. Počítá se jako průměr měření v termínu 07, 14 a 21 hodin, kdy večerní termín je počítán do rovnice dvakrát. Slouží hlavně pro porovnání různých lokalit.

2. Minimální teplota vzduchu

Vstupní data: minimální denní teplota vzduchu (°C), průměr za dané období.

Minimální teplota vzduchu je nejnižší denní teplota vzduchu zaznamenána za uplynulých 24 hodin měřená ve 21 hodin. Ve většině případů se jedná o údaj zaznamenaný v nočních či brzkých ranních hodinách. Slouží k charakterizování extremity území s ohledem na nízké teploty.

3. Maximální teplota vzduchu

Vstupní data: maximální denní teplota vzduchu (°C), průměr za dané období.

Maximální teplota vzduchu je nejvyšší denní teplota vzduchu zaznamenána za uplynulých 24 hodin měřená ve 21 hodin. Ve většině případů se jedná o údaj zaznamenaný po obědě. Slouží k charakterizování extremity území s ohledem na vysoké teploty.

4. Srážkový úhrn

Vstupní data: suma srážek za dané období (část roku), průměr za dané období

Srážkový úhrn je suma denních srážek v dané lokalitě. Denní suma je zaznamenána za uplynulých 24 hodin měřená v 7 hodin ráno a vztahující se k předešlému dni. Srážkové úhrny charakterizují vlhkostní poměry dané lokality i s ohledem na roční chod. Jsou důležitým ukazatelem pro nakládání s vodními zdroji.

5. Průměrná rychlost větru

Vstupní data: průměrná denní rychlost větru (m/s), průměr za dané období

Počítá se jako průměr měření v termínu 07, 14 a 21 hodin. Tento údaj je vhodný hlavně k porovnání větrných podmínek v rámci různých lokalit a zjištění, jestli na daném území se vítr dlouhodobě bude zvyšovat či naopak. Tato charakteristika je také důležitá pro výpočet rizika sucha či vzniku a šíření přírodních požárů.

6. Relativní vlhkost vzduchu

Vstupní data: průměrná denní relativní vlhkost vzduchu (%), průměr za dané období

Počítá se jako průměr měření v termínu 07, 14 a 21 hodin. Relativní vlhkost vzduchu vyjadřuje stupeň nasycení vzduchu vodní párou. Je definována jako poměr skutečné hustoty vodní páry a hustoty vodní páry ve vzduchu nasyceném vodní párou při dané teplotě. Tato charakteristika je také důležitá pro výpočet rizika sucha či vzniku a šíření přírodních požárů. V kombinaci s teplotou vzduchu ji lze použít pro výpočet pocitové teploty nebo dusného dne, což je důležité hlavně pro riziko horkých vln.

7. Délka slunečního svitu

Vstupní data: suma délky slunečního svitu za dané období (část roku), průměr za dané období

Sluneční svit je měřen jako délka (hodiny) přímého slunečního svitu a vychází se zde z denních sum za 24 hodin (00-24 hod). Je to opět veličina důležitá pro výpočet rizika sucha či vzniku a šíření přírodních požárů. Dále množství slunečního svitu má také zásadní vliv na vývoj rostlin (fenofáze).

8. Globální radiace

Vstupní data: suma globální radiace za dané období (část roku), průměr za dané období

Je to opět veličina důležitá pro výpočet rizika sucha či vzniku a šíření přírodních požárů. Dále množství globální radiace má také zásadní vliv na vývoj rostlin (fenofáze).Tento prvek je důležitý v oblasti energetiky a to pro výpočet výroby elektrické energie z fotovoltaických elektráren nebo se také často používá v teplárenství dohromady s teplotou vzduchu pro stanovení spotřeby tepla.

9. Počet tropických dní

Tropický den je takový, kdy maximální denní teplota vzduchu je aspoň 30 °C. Klimatická změna se projevuje hodně v nárůstu těchto dnů s vysokou teplotou. To je rizikem pro lidské zdraví, ale také pro přírodu, jelikož dochází k vyššímu výparu. To má za následek tendenci k suchu či častějším přírodním požárům. Proto tento index lze použít pro hodnocení rizika suchem, požárů a dopadů na lidské zdraví.

10. Počet tropických nocí

Tropická noc nastává, kdy teplota vzduchu v nočních hodinách neklesne pod 20 °C. V tomto případě se jako výchozí meteorologický prvek uvažuje minimální teplota vzduchu za posledních 24 hodin odečítána ve 21 hodin. V drtivé většině případu spadá tento údaj na noční či ranní hodiny, ale mohou být zde výjimky, kdy minimum nastalo mimo noc. Vzhledem k tomu, že v klimatických modelech jsou většinou k dispozici denní data, tak nelze tropickou noc počítat pouze z nočních hodin. Tropická noc se používá pro hodnocení rizika dopadů na lidské zdraví či v energetice. Horké noci nepřispívají ke zdravému spánku a zvyšují riziko kardiovaskulárních incidentů. Zvýšené riziko výskytu tropické noci je v centru měst, které díky rozehřátému povrchu a horší ventilace během noci mají vyšší noční teploty. Projevuje se zde tedy navíc efekt tepelného ostrova města. V energetice je to důležitý index pro nastavení velikosti chladících soustav (klimatizace atd.)

11. Počet dní s extrémně vysokými teplotami

Je charakterizován jako počet dní s maximální denní teplotou vzduchu > 35 °C (průměr za dané období). Tyto dny jsou rizikem pro lidské zdraví (výrazně narůstá riziko kardiovaskulárních incidentů), ale také pro přírodu, jelikož dochází k vyššímu výparu. To má za následek tendenci k suchu či častějším přírodním požárům. Proto tento index lze použít pro hodnocení rizika suchem, požárů a dopadů na lidské zdraví.

12. Počet dní v horké vlně

Horká vlna je definovaná jako minimálně 3 po sobě jdoucí dny s maximální denní teplotou >=30°C, kdy alespoň jednou je překročeno 35°C a minimální teplota neklesne i pod 20°C. Tyto dny jsou rizikem pro lidské zdraví (výrazně narůstá riziko kardiovaskulárních incidentů), ale také pro přírodu, jelikož dochází k vyššímu výparu. To má za následek tendenci k suchu či častějším přírodním požárům. Proto tento index lze použít pro hodnocení rizika suchem, požárů a hlavně dopadů na lidské zdraví. Využit lze tohoto indexu i v energetice při plánování dimenzování chladicích soustav a také stability distribuční sítě s ohledem na vyšší nároky na spotřebu.

13. Počet mrazových dní

Mrazový den je takový, kdy minimální teplota vzduchu klesne pod 0 °C. Tento prvek charakterizuje hlavně délku chladného půlroku. Je důležitým ukazatelem i pro množství sněhové pokrývky. Za teplot pod bodem mrazu, aspoň během části dne, je větší šance, že se sníh udrží nebo bude odtávat pomaleji. Během jarních měsíců je tento počet mrazových dnů důležitý pro riziko škod způsobených mrazem na plodinách, převážně na ovoci. Dále lze tento index využít i v oborech jako je doprava (údržba komunikací), energetika (náklady na spotřebu elektrické energie a plynu) či stavebnictví (délka technologických přestávek).

14. Počet ledových dní

Ledový den je takový, kdy teplota vzduchu během dne nepřesáhne 0 °C. Tento prvek charakterizuje hlavně délku a také tuhost zimní sezóny. Je důležitým ukazatelem i pro množství sněhové pokrývky. Za teplot pod bodem mrazu se sníh udrží a naopak díky srážkám může přibývat. Tento index lze využít i v oborech jako je doprava (údržba komunikací), energetika (náklady na spotřebu elektrické energie a plynu) či stavebnictví (délka technologických přestávek). Počet ledových dnů má také vliv na lidské zdraví a může růst úmrtnost spojena s umrznutím.

15. Počet dní ve studené vlně

Studená vlna je definovaná jako minimálně 3 po sobě jdoucí dny kdy teplota vzduchu nepřesáhne bod mrazu. Tento index lze využít i v oborech jako je doprava (údržba komunikací), energetika (náklady na spotřebu elektrické energie a plynu) či stavebnictví (délka technologických přestávek). Počet dnů ve studené vlně má také vliv na lidské zdraví a roste úmrtnost spojena s umrznutím.

16. Počet dní ve velmi studené vlně

Velmi studená vlna je definovaná jako minimálně 3 po sobě jdoucí dny kdy nevystoupá teplota vzduchu nad bod mrazu a aspoň jednou klesne minimální teplota vzduchu pod -10°C. Tento index lze využít i v oborech jako je doprava (údržba komunikací), energetika (náklady na spotřebu elektrické energie a plynu) či stavebnictví (délka technologických přestávek). Počet dnů ve velmi studené vlně má velký vliv na lidské zdraví a roste úmrtnost spojena s umrznutím.

17. Počet srážkových dní

Je charakterizován jako počet dní s denním úhrnem srážek ≥ 0.1 mm. Počet dnů, kdy padají srážky poukazují na vlhkostní poměry dané lokality i s ohledem na roční chod či charakter srážek. Změny ve vlhkostních poměrech je nutné zkoumat nejen na základě srážkových úhrnů, ale také na základě toho jak často a jak intenzivně prší. Proto je nutné využití více srážkových indexů. Klimatický index lze využít pro rizika spjatá se suchem (např. závlahy) a přírodními požáry. Je důležitá pro různé aspekty vodního hospodářství, zemědělství a lesnictví.

18. Počet dní s denním úhrnem srážek ≥ 10 mm

Změny ve vlhkostních poměrech je nutné zkoumat nejen na základě srážkových úhrnů, ale také na základě toho jak často a jak intenzivně prší. Proto je nutné využití více srážkových indexů. Tento poukazuje na počet dnů, kdy je již vyšší intenzita či úhrn srážek. To může sloužit na posuzování rizika spjatými s povodněmi. Dále lze využívat pro výpočty související s dimenzování kanalizačních sítí, retenčních nádrží na zadržování dešťové vody či problémy s erozí půdy.

19. Počet dní s denním úhrnem srážek ≥ 20 mm

Změny ve vlhkostních poměrech je nutné zkoumat nejen na základě srážkových úhrnů, ale také na základě toho jak často a jak intenzivně prší. Proto je nutné využití více srážkových indexů. Tento poukazuje na počet dnů, kdy je již vysoká intenzita či úhrn srážek. To může sloužit na posuzování rizika spojenými s povodněmi, a to i těmi bleskovými většinou vzniklých z bouřek. Dále lze využívat pro výpočty související s dimenzování kanalizačních sítí, retenčních nádrží na zadržování dešťové vody či problémy s erozí půdy.

20. Počet dní s nízkou vlhkostí půdy do 40 cm

Je charakterizován jako den s nízkou vlhkostí půdy do 40 cm, kdy AWR (relativní vlhkost půdy - vody dostupné pro rostliny) je pod 30%. Tento index slouží pro posouzení rizik spojenými se suchem a přírodními požáry. Lze využít pro různé aspekty v zemědělství, lesnictví i vodního hospodářství. Například vyšší počet dnů s nízkou půdní vláhou do 40 cm znamená vyšší nároky na závlahy.

21. Počet dní s extrémně nízkou vlhkostí půdy do 40 cm

Je charakterizován jako den s nízkou vlhkostí půdy do 40 cm, kdy AWR (relativní vlhkost půdy - vody dostupné pro rostliny) je pod 15%. Tento index slouží pro posouzení rizik spjatými se suchem, povodněmi a přírodními požáry. Lze využít pro různé aspekty v zemědělství, lesnictví i vodního hospodářství. Například vyšší počet dnů s velmi nízkou půdní vláhou do 40 cm znamená mnohonásobně vyšší nároky na závlahy a i na vhodně zvolené odrůdy na pěstování, které jsou vůči suchu více odolné.

22. Počet dní s nízkou vlhkostí půdy do 100 cm

Je charakterizován jako den s nízkou vlhkostí půdy do 100 cm, kdy AWR (relativní vlhkost půdy - vody dostupné pro rostliny) je pod 30%. Tento index slouží pro posouzení rizik spjatými se suchem. Lze využít pro různé aspekty v zemědělství, lesnictví i vodního hospodářství. Vyšší počet těchto dnů poukazuje na dlouhodobější problém se suchem v dané oblasti a může se odrážet až do zásob podzemních vod.

23. Počet dní s extrémně nízkou vlhkostí půdy do 100 cm

Je charakterizován jako den s nízkou vlhkostí půdy do 100 cm, kdy AWR (relativní vlhkost půdy - vody dostupné pro rostliny) je pod 15%. Tento index slouží pro posouzení rizik spojenými se suchem, povodněmi a přírodními požáry. Lze využít pro různé aspekty v zemědělství, lesnictví i vodního hospodářství. Vyšší počet těchto dnů poukazuje na dlouhodobější problém se suchem v dané oblasti a může se odrážet až do zásob podzemních vod.

24. Počet dní se sněhovou pokrývkou nad 3 cm

Data o výšce sněhové pokrývky jsou získána modelovým odhadem modelem SnowMAUS. Ten na základě dat o maximální a minimální teplotě, denním úhrnu srážek a slunečním záření odhaduje podíl pevné, smíšené a kapalné podoby srážek a výslednou sněhovou pokrývku. Model byl testován na více než 100 lokalit ve střední Evropě s nadmořskou výškou 100 - 3300 m.m.m. Sněhová pokrývka je velmi důležitá pro krajinu v České republice. Pomáhá vegetaci lépe přežít velmi nízké teploty vzduchu a také slouží jako zdroj půdní vláhy hlavně během začátku jara. Skrz sněhovou pokrývku dochází také k doplňování zásob podzemních vod. Tento index najde využití jak v aplikacích spojených s vodním hospodářstvím, tak i dopravou (údržba komunikací), energetikou (bezpečnost distribuční soustavy), stavebnictví (zatížení sněhem) či turistice. Vzhledem k stanovenému limitu sněhové pokrývky 3 cm a více je index vhodný hlavně pro nižší a střední nadmořské výšky.

25. Počet dní se sněhovou pokrývkou nad 10 cm

Data o výšce sněhové pokrývky jsou získána modelovým odhadem modelem SnowMAUS. Ten na základě dat o maximální a minimální teplotě, denním úhrnu a slunečním záření odhaduje podíl pevné, smíšené a kapalné podoby srážek a výslednou sněhovou pokrývku. Model byl testován na více než 100 lokalit ve střední Evropě s nadmořskou výškou 100 - 3300 m.m.m. Sněhová pokrývka je velmi důležitá pro krajinu v České republice. Pomáhá vegetaci lépe přežít velmi nízké teploty vzduchu a také slouží jako zdroj půdní vláhy hlavně během začátku jara. Skrz sněhovou pokrývku dochází také k doplňování zásob podzemních vod. Tento index najde využití jak v aplikacích spojených s vodním hospodářstvím, tak i dopravou (údržba komunikací), energetikou (bezpečnost distribuční soustavy), stavebnictví (zatížení sněhem) či turistice. Vzhledem k stanovenému limitu sněhové pokrývky 10 cm a více je index vhodný hlavně pro všechny nadmořské výšky.

26. Počet dní se sněhovou pokrývkou nad 30 cm

Data o výšce sněhové pokrývky jsou získána modelovým odhadem modelem SnowMAUS. Ten na základě dat o maximální a minimální teplotě, denním úhrnu a slunečním záření odhaduje podíl pevné, smíšené a kapalné podoby srážek a výslednou sněhovou pokrývku. Model byl testován na více než 100 lokalit ve střední Evropě s nadmořskou výškou 100 - 3300 m.m.m. Sněhová pokrývka je velmi důležitá pro krajinu v České republice. Pomáhá vegetaci lépe přežít velmi nízké teploty vzduchu a také slouží jako zdroj půdní vláhy hlavně během začátku jara. Skrz sněhovou pokrývku dochází také k doplňování zásob podzemních vod. Tento index najde využití jak v aplikacích spojených s vodním hospodářstvím, tak i dopravou (údržba komunikací), energetikou (bezpečnost distribuční soustavy), stavebnictví (zatížení sněhem) či turistice. Vzhledem k stanovenému limitu sněhové pokrývky 30 cm a více je index vhodný hlavně pro vyšší nadmořské výšky.