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).

Ukázka stránky s mapou s výběrovým menu vpravo nahoře a legendou vpravo dole.

Ukázka stránky s mapou pro střední Evropu.

Relativní škála (minimum a maximum nastavené podle aktuálně zobrazených hodnot v mapě)

Absolutní škála (fixní minimum a maximum napříč mapami se stejnou časovou agregací)

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.

Ukázka dialogu výběru oblasti, který lze provést i prostým kliknutím do mapy v oblasti zájmu.

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.

Ukázka výběru oblasti. V pravé části obrazovky jsou detailní informace pro vybranou oblast včetně grafu vývoje.

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?

Data lze stahovat prostřednictvím vyplnění formuláře Stahování dat. Ten je dostupný buď přímo z hlavního menu v horní části obrazovky, nebo prostřednictvím mapové aplikaci po zvolení 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 uživatel přistupuje k tomuto formuláři skrze interaktivní mapu, jsou tato pole již předvyplněná podle dříve provedeného výběru.

Po odeslání žádosti přijde na zadanou e-mailovou adresu e-mail, v jehož příloze budou 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. Klimatické simulace s vysokým rozlišením však 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 jejímž rámci 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 bylo možné získat spolehlivé výsledky o simulovaných vlastnostech klimatického systému. Obecně platí, že při práci se středními hodnotami meteorologických prvků (například sezónními a ročními) lze se změnami ve výsledcích klimatických modelů zacházet tak, jak jsou, bez úprav. Problém nastává při analýze denních dat a extrémních hodnot (jako jsou teplotní maxima a minima nebo úhrny srážek nad danými prahovými hodnotami 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 dispozici simulace z poslední generace klimatických modelů CMIP6 (použité v rámci poslední, tedy AR6 zprávy IPCC), tak u RCM jsou pro Evropu k dispozici simulace projektu Euro-CORDEX, řízené starší generací globálních klimatických modelů – CMIP5 (tedy modely z předchozí, již neaktuální zprávy IPCC). To znamená, že dostupné RCM v současnosti už nezohledňují nejnovější vědecké poznatky (stav ke květnu 2026). Dále jsou však pro území České republiky k disposici výstupy z modelu ALADIN-Climate/CZ, což je pokročilý regionální klimatický model schopný přímo rozlišovat konvektivní procesy v atmosféře (convection permitting model, – CM–RCM) řízený vybranými globálními modely z CMIP6.

V současnosti jsou dostupné nejnovější klimatické scénáře vycházející z CMIP6 simulací. Tyto simulace jsou pro globální modely dostupné v rozlišení 50 km (jde ovšem pouze o omezené množství simulací, které většinou končí v polovině 21. století a neobsahují tedy informace z druhé poloviny 21. století); dále jsou dostupné simulace v rozlišení 100 a 250 km, a to až do konce 21. století.

Existují desítky globálních modelových simulací poskytovaných renomovanými vědeckými institucemi a centry z celého světa. Tyto simulace jsou dostupné pro celou planetu a zahrnují navzájem provázané procesy nejen z atmosféry, ale rovněž z kryosféry (mořské i pevninské ledovce), světového oceánu, půdy, vegetace atp. (jedná se o tzv. Earth System Models: modely pracující se složkami klimatického systému Země jako celku). Jelikož jsou tyto procesy velmi komplexní, pracují tyto modely s různými úrovněmi zjednodušení, ke kterému se navíc přidává nejistota v nutnosti zjišťování stavu celého systému (např. v atmosféře je nutné popsat stav nejenom v přízemní vrstvě ale také v různých výškách nad zemským povrchem). Zákonitě pak dochází k tomu, že se v časových a prostorových detailech do určité míry rozchází simulovaný stav se skutečností. Ta je pro různé modely a různá místa na planetě různá (je logické, že vědecká centra ve východní Asii budou preferovat přesnější popis pro svá území). Vzhledem k tomu, že nás zajímá území Evropy, nebo konkrétněji Střední Evropy, předmětem našeho zpracování jsou modely, které popisují co nejlépe procesy v našem, evropském regionu (což neznamená, že jsou ostatní modely obecně špatné: mohou být lepší jiných, mimoevropských regionech).

Bylo tedy zapotřebí vyřešit otázku výběru globálních modelů vhodných pro naše území. Dále bylo potřeba pro dopadové studie, které vyžadují na vstupu údaje z konkrétních modelů (nestačí mít střední odhad za delší období, jak je prezentováno na tomto webu), připravit menší ansámbl, který však stále svými charakteristikami reprezentuje původní, příliš rozsáhlou, množinu modelů.

Za tímto účelem byla naším týmem připravena a aplikována metodika, která tyto dva kroky popisuje na příkladu simulací projektu Euro-CORDEX (které byly řízeny CMIP5 simulacemi globálních klimatických modelů), ale byla rovněž aplikována na nyní aktuální CMIP6 simulace, tak, jak jsou prezentovány na tomto webu. Podrobnosti k této metodice jsou popsány v práci Meitnera et al., (2023) zde.

V souladu s uvedenou metodikou byly ze zhruba 30 simulací CMIP6 na základě validace vyloučeny ty, které nejsou vhodné pro oblast střední Evropy. Ze zbylého „širšího“ ensemblu bylo posléze vybráno 7 modelů tak, aby tento užší výběr statistickými vlastnostmi reprezentoval celý ensemble ale při nižším množství zpracovaných dat. V některých aplikacích se musí výstupy modelů používat jednotlivě, např. v případě navazujících simulací hydrologických modelů, kde jsou nutná denní data., V takovém případě by použití původního rozsáhlého ansámblu bylo výpočetně neřešitelné (velmi náročné). Výběr modelů byl proveden s ohledem na dostupnost a validaci všech základních meteorologických prvků, neboť ty jsou následně použity pro výpočet referenční evapotranspirace a půdní vlhkosti modelem SoilClim, který byl pro podmínky České republiky kalibrován a validován Hlavinkou et al. (2011). Konkrétní výběr modelů spolu s dostupnými emisními scénáři je uveden v následující tabulce. Preferovali jsme modely s jemnějším prostorovým rozlišením (tedy 100 km oproti hrubšímu rozlišení 250 km) a přidali i český ALADIN-Climate/CZ z rodiny CP-RCM.

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
ALADIN-Climate/CZ	SSP245, SSP585	2,3

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 přírodních zdrojů a využívání šetrnějších způsobů výroby energie
SSP3-7.0: „regionální rivalita“ a konflikty umožňující jen malý ekonomický rozvoj
SSP5-8.5: vývoj založený na fosilních palivech

Výstupy klimatických modelů nelze – pokud nás nezajímají pouze relativní změny – zpravidla přímo použít. Modelové simulace je proto nutné buď korigovat odstraněním jejich systematických chyb, nebo transformovat pozorované meteorologické řady tak, aby změnový signál mezi referenčním a scénářovým obdobím odpovídal změnám simulovaným klimatickými modely.

Druhý uvedený přístup se označuje jako „přírůstková metoda“ („delta change“) nebo „přímá modifikace“. V ČR je tradičně využíván zejména při hodnocení dopadů klimatické změny na hydrologickou bilanci. Výhodou tohoto postupu je, že hydrologické modely pracují s reálně pozorovanou časovou strukturou meteorologických veličin, zatímco klimatický model poskytuje pouze informaci o očekávané změně klimatu. Výsledné simulace hydrologické bilance jsou tak obvykle robustnější a méně citlivé na systematické chyby klimatických modelů než simulace založené přímo na korigovaných modelových datech.

Pro aplikace v denním kroku je vhodné používat transformace, které zohledňují nejen změny průměrných hodnot, ale také změny variability. To umožňuje například pokročilá přírůstková metoda („Advanced Delta Change“ – ADC). ADC metoda zahrnuje do transformace i změny variability, což znamená, že extrémy klimatických veličin se mohou měnit odlišně než jejich průměrné hodnoty. Tento přístup lépe odpovídá pozorovaným i simulovaným změnám chování klimatických prvků.

Při odvozování změn srážek z klimatických modelů ADC metoda zároveň zohledňuje skutečnost, že systematické chyby modelových simulací nemusí mít lineární charakter. Další podrobnosti uvádí van Pelt et al. (2012).

Hodnoty jsou zpracovány v týdenním kroku tak, aby byl zachován jejich ročních chod a zahrnují i 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 využívána ve formě tzv. technických řad, tedy časových řad bez zjevných chyb, homogenizovaných a s doplněnými mezerami v měření (Štěpánek et al., 2011, 2013). Data ze stanic ČHMÚ jsou před aplikací metody ADC interpolována do podoby pravidelných gridových polí. Na tento referenční datový podklad jsou následně aplikovány klimatické změnové signály odvozené z klimatických modelů. Díky tomu lze informace o budoucích klimatických změnách poskytovat ve stejné prostorové struktuře a rozlišení jako data odvozená z měření.

V aktuální verzi projektu ClimRisk byly připraveny mapy v prostorovém rozlišení 500m a denním časovém kroku pro všechny zpracovávané meteorologické proměnné. V případě zpracování pro střední Evropu byl využita CERRA re-analýza dostupná zde.

S ohledem na interpretaci výsledků je potřeba si uvědomit, že vedle referenčního období 1985–2014 pracujeme s 30letými časovými intervaly pro budoucí klima: např. 2016–2045 (v aplikačním rozhraní označováno jako „2030”), 2036–2065 („2050”), 2056–2085 („2070”) a 2071–2100 („2085”). Období se tedy navzájem překrývají. V rámci těchto intervalů lze vyhodnocovat statistické charakteristiky (vč. extrémů) pro dané období. Obdobně jako u simulací klimatických modelů zde totiž nedává smysl analyzovat a prezentovat jednotlivé dny nebo roky, ale pouze statistiky za celé období. Dlouhodobé trendy pak lze vyhodnocovat propojením jednotlivých (klouzavých) časových intervalů v budoucím klimatu.

Jak již bylo uvedeno, výstupy prezentované na tomto webu jsou mapy v rozlišení 500 m v případě ČR a gridové vrstvy v prostorovém rozlišení CERRA re-analýzy (5.5 km rozlišení pro celou Evropu). K dispozici jsou 4 scénáře SSP popisující předpokládaný budoucí vývoj, ansámbl 7 modelů věrně reprezentující původní větší ansámbl (cca 20 modelů). Jsou k dispozici denní údaje základních meteorologických veličin (teplota vzduchu, srážkové úhrny, rychlost větru, vlhkost vzduchu, globální radiace), ze kterých jsou dopočteny rovněž další potřebné charakteristiky, a to včetně těch, které popisují klimatické extrémy.

S ohledem na podrobné časové (denní data) i prostorové rozlišení (500 m pro Českou republiku, resp. 5.5 km pro Střední Evropu) byly údaje prostorově i časově agregovány a v této zjednodušené podobě zde prezentovány. Cílem této prezentace je poskytnout uživatelům relevantní informace o potenciálním klimatickém riziku, na které mohou narazit při realizaci svého projektu. V případě požadavků na konkrétní lokalitu a podrobnější časové rozlišení je náš ústav připraven poskytnout detailnější informace, než jsou dostupné na webových stránkách aplikace.

Údaje o klimatické změně jsou dále agregovány ve formě dlouhodobých charakteristik, kdy se použily všechny vybrané modely a všechny scénáře SPP. Z ensemblu modelových simulací byl vytvořen výstup, kdy vedle nejpravděpodobnějšího budoucího vývoje klimatu jsou formou předem definovaných horních i dolních percentilů vyhodnocena také nejistota, ve kterých se může vývoj budoucího klimatu pohybovat. Toto zpracování proběhlo pro jednotlivé územní administrativní jednotky tak, jak popisujeme dále.

Základní zpracování proběhlo pro 30letí 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 30letá období, jejichž středem jsou současné roky, např. 2025).

Potřebujete více než zpřístupněná data?

V případě že dostupná klimatická data svou podrobností nevyhovují a potřebujete získat data jiného typu, kontaktujte nás prostřednictvím kontaktních údajů uvedených na webové stránce projektu ClimRiskPRO.

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 vývojovým a odborným týmem provozujícím portál Climrisk. Případná výše finanční kompenzace závisí na čase odborných pracovníků a řídí se Ceníkem odborných prací Ústavu výzkumu globální změny AV ČR.

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.