METEOROLOGICKÉ ZPRÁVY METEOROLOGICAL BULLETIN

Transkript

1 METEOROLOGICKÉ ZPRÁVY METEOROLOGICAL BULLETIN Lucie Pokorná Romana Beranová Radan Huth: Vztahy mezi cirkulačními mody a klimatickými prvky v České republice a jejich časová proměnlivost Marek Kašpar Miloslav Müller: Aplikace modelu pro objektivní analýzu gust front Eva Černochová Jaroslava Kalvová: Změny délek období s charakteristickými teplotami vzduchu Informace Recenze ROČNÍK ČÍSLO 3

2 Lucie Pokorná Romana Beranová Radan Huth: The relationships betwen circulation modes and climatic elements in the Czech Republic and their time variations Marek Kašpar Miloslav Müller: Application of the model for the objective analysis of gust fronts Eva Černochová Jaroslava Kalvová: Changes of lenghts of periods with characteristic air temperatures Information Reviews Abstracting and Indexing: Current Contents/Physical Chemical and Earth Sciences Cambridge Scientific Abstracts (CSA) Meteorological and Geoastrophysical Abstracts Environmental Abstracts Meteorologické Zprávy, odborný časopis se zaměřením na meteorologii, klimatologii, čistotu ovzduší a hydrologii. Dvouměsíčník Meteorological Bulletin, Journal specialized in meteorology, climatology, air quality and hydrology. Bi-monthly Vedoucí redaktor Chief Editor L. Němec, Český hydrometeorologický ústav, Praha, Česká republika Redaktoři Assistant Editors Z. Horký, Český hydrometeorologický ústav, Praha, Česká republika O. Šuvarinová, Český hydrometeorologický ústav, Praha, Česká republika Redakční rada Editorial Board J. Bednář, Univerzita Karlova, Praha, Česká republika F. Hudec, Univerzita obrany, Brno, Česká republika K. Krška, Český hydrometeorologický ústav, Brno, Česká republika M. Lapin, Univerzita Komenského, Bratislava, Slovenská republika F. Neuwirth, Zentralanstalt für Meteorologie und Geodynamik, Wien, Austria V. Pastirčák, Slovenský hydrometeorologický ústav, Bratislava, Slovenská republika D. Řezáčová, Ústav fyziky atmosféry AV ĆR, Praha, Česká republika J. Strachota, Český hydrometeorologický ústav, Praha, Česká republika J. Sulan, Český hydrometeorologický ústav, Plzeň, Česká republika F. Šopko, Český hydrometeorologický ústav, Česká republika K. Vaníček, Český hydrometeorologický ústav, Hradec Králové, Česká republika H. Vondráčková, Český hydrometeorologický ústav, Praha, Česká republika Vydavatel (redakce) Publishers Český hydrometeorologický ústav, Na Šabatce 17, Praha 4-Komořany, telefon , , fax , horky@chmi.cz. Sazba a tisk: Studio 3P, spol. s r. o. Rozšiřuje a informace o předplatném podává a objednávky přijímá Český hydrometeorologický ústav, SIS, Na Šabatce 17, Praha 4-Komořany; Cena jednotlivého čísla 20, Kč, roční předplatné 180, Kč včetně poštovného. Reg. číslo MK ČR E Meteorologické Zprávy, Český hydrometeorologický ústav Czech Hydrometeorological Institute, Na Šabatce 17, Praha 4-Komořany, Phones: , , Fax: , horky@chmi.cz. Printed in the Studio 3P, l.l.c. Orders and enquiries: Please contact Czech Hydrometeorological Institute, SIS, Na Šabatce 17, Praha 4-Komořany, Czech Republic. Annual subscription: 42, EUR (6 issues) ISSN

3 METEOROLOGICKÉ ZPRÁVY Meteorological Bulletin ROČNÍK 60 (2007) V PRAZE DNE 28. ČERVNA 2007 ČÍSLO 3 VZTAHY MEZI CIRKULAČNÍMI MODY A KLIMATICKÝMI PRVKY V ČESKÉ REPUBLICE A JEJICH ČASOVÁ PROMĚNLIVOST Lucie Pokorná, Ústav fyziky atmosféry AV ČR, v. v. i., Boční II 1401/1a, Praha 4-Spořilov, pokorna@ufa.cas.cz Romana Beranová, Ústav fyziky atmosféry AV ČR, v. v. i., Boční II 1401/1a, Praha 4-Spořilov, rber@post.cz Radan Huth, Ústav fyziky atmosféry AV ČR, v. v. i., Boční II 1401/1a, Praha 4-Spořilov, huth@ufa.cas.cz The relationships between circulation modes and climatic elements in the Czech Republic and their time variations. Modes of circulation variability are identified in monthly mean 500 hpa heights for all seasons by rotated principal component analysis. Only four modes (NAO, EA, EU1 and EU2) significantly influence climatic elements in the Czech Republic. The relationships between the modes and 11 climatic elements at 21 Czech stations are examined for period Their influence on climate in the Czech Republic is documented by statistically significant correlations with temperature, precipitation and other climatic variables in all seasons. The relationships differ among seasons, modes, and elements. Positive correlations with temperature were found for the NAO and EA modes in all seasons and in spring for the EU2, negative correlations for the EU2 in winter and the EU1 in spring. High correlations with precipitation, cloudiness, and sunshine duration were identified for the NAO, EU1 and EU2 modes in different seasons. Well pronounced modes have strong influence on wind. Time variations of the relationships are investigated by running correlations with the 15-year window. At the majority of stations, the correlations with circulation modes vary considerably in time for most of the climatic elements. Time variations can be explained by changes in the intensity and position of the circulation modes. KLÍČOVÁ SLOVA: mody cirkulační vazby dálkové analýza hlavních složek prvky klimatické proměnlivost časová Česká republika KEY WORDS: circulation modes teleconnections principal component analysis climatic elements time variability Czech Republic 1. ÚVOD Jednou z možných příčin časových změn klimatických prvků mohou být dlouhodobé změny v cirkulaci nebo změny vztahů mezi cirkulací a přízemními prvky. O tom, že výkyvy v teplotě a srážkách jsou svázány se změnami v poli tlaku, byly napsány první práce již koncem 19. století. Autoři si všimli, že některé změny tlakového pole se v čase opakují, a tak začátkem minulého století začali používat pojmy, jako je Jižní oscilace či Severoatlantická oscilace (North Atlantic Oscillation, NAO) [34]. Síť meteorologických stanic se postupně zahušťovala a s přibývajícím množstvím dat přibývalo i autorů, kteří se zabývali hledáním dalších vzájemně korelovaných míst v poli přízemního tlaku, geopotenciálních výšek různých tlakových hladin nebo teploty a identifikací tzv. dálkových vazeb [18, 26, 17]. V 70. a 80. letech různí autoři identifikovali v měsíčních průměrech přízemního tlakového pole či polí geopotenciálních výšek různých hladin na severní polokouli několik stejných dálkových vazeb, přestože používali odlišné metody a soubory dat (různě dlouhé řady, různě husté sítě apod.) [35, 6, 2, 4]. V té době se také díky růstu výkonnosti a kapacity počítačů začaly ke zpracovávání velkých souborů dat (např. atmosférického tlaku) používat složitější statistické metody, jako je analýza hlavních složek. V 90. letech se objevilo mnoho prací, které zkoumaly vztahy mezi přízemními klimatickými prvky a atmosférickou cirkulací. V případě evropského kontinentu se ve většině případů jednalo o vliv NAO na teplotu a srážky (tedy prvky s dlouhými řadami měření a dostatečně hustou sítí) zejména v zimní sezoně, kdy je NAO nejlépe vyjádřená [8, 32, 33, 28]. Vliv dalších modů cirkulační proměnlivosti na klima v Evropě diskutovali ve svých pracích např. [25] a [36]; další autoři studovali vliv různých cirkulačních indexů včetně NAO na několik málo dlouhých teplotních a srážkových řad v Evropě začínajících v 18. století [11, 30, 12]. Z tohoto pohledu nejčastěji zkoumané oblasti jsou Pyrenejský poloostrov a Skandinávie [28, 16, 32, 33]. Jednou z mála prací zabývající se touto problematikou na území České republiky je [10], kte- Meteorologické zprávy, 60,

4 rá zkoumá vztahy mezi několika cirkulačními indexy a řadou přízemních klimatických prvků na Milešovce. Zjištěné vazby a korelace by se daly využít pro odhady budoucího vývoje klimatu. Bohužel tyto vazby se s časem mění nejen co do velikosti, ale i ve znaménku, jak bylo zjištěno např. v práci [3], která zkoumá změny korelací NAO s regionálními teplotami ve Švédsku, a dále v [11, 12], jež jsou zaměřeny na korelace NAO s několika dlouhými evropskými řadami teplot a srážek. Nestacionarity byly nalezeny i ve vztahu NAO se srážkami ve Španělsku [24, 23]. Cílem tohoto článku je zjistit, jak (a) mody proměnlivosti atmosférické cirkulace ovlivňují klimatické prvky na území České republiky v jednotlivých sezonách a (b) jak se vazby mezi cirkulací a klimatickými prvky mění v čase. 2. DÁLKOVÉ VAZBY, MODY CIRKULAČNÍ PROMĚNLIVOSTI A METODY JEJICH DETEKCE Dálkové vazby (angl. teleconnections nebo teleconnection patterns) je pojem používaný pro geograficky vzdálené oblasti, v nichž mají změny tlaku, geopotenciálních výšek, popř. i jiných klimatických prvků podobný časový průběh, tj. jsou spolu vysoce korelované. Takové vazby byly pozorovány již v 18. století, např. extrémně nízké teploty v zimě na pobřeží Labradorského moře a současně nezvykle vysoké teploty ve Skandinávii. Později byly tyto jevy potvrzeny meteorologickými měřeními a detekovány nejen u teplot, ale též v poli tlaku. V současné době se pojem dálkové vazby používá zejména pro nízkofrekvenční mody proměnlivosti tlakového pole velkých měřítek určované metodou korelací. Pro výstupy statistických metod pro analýzy polí meteorologických prvků se ustálil pojem patterns nebo mody, který v češtině nemá ekvivalent. K detekci dálkových vazeb se používá několik metod, více či méně objektivních. V současnosti nejběžněji používanou metodou jejich detekce je analýza hlavních složek (principal component analysis, PCA). Ta převádí soubor původních časových řad v jednotlivých bodech sítě do nového souboru časových řad neboli hlavních složek, které jsou lineární kombinací původních proměnných. Koeficienty těchto lineárních kombinací se nazývají váhy (anglicky loadings ). Přitom několik prvních hlavních složek vysvětluje značnou část rozptylu původního souboru dat. Nové proměnné (hlavní složky) jsou spolu nekorelované. První z nich vysvětluje největší možnou část rozptylu, druhá vysvětluje největší možnou část rozptylu v podprostoru nevysvětleném první složkou, atd. Hlavní složky přitom jsou (až na konstantu) vlastní vektory matice podobnosti odvozené z dat (nejčastěji korelační nebo kovarianční matice). Vlastní čísla této matice jsou rovna rozptylu vysvětlenému jednotlivými hlavními složkami. Pro hledání modů proměnlivosti se datová matice konstruuje tak, že její sloupce obsahují hodnoty v uzlových bodech sítě a jednotlivé řádky odpovídají časovým realizacím (v našem případě měsícům). Váhy (loadingy) potom lze prezentovat jako mapy a hlavní složky tvoří časové řady. Chceme-li použít PCA k popisu vztahů mezi prvky a časovými řadami v regionálním měřítku, musí řešení splňovat pravidla jednoduché struktury, definovaná v [5] nebo [22]. Hlavní složky získané výše uvedeným způsobem (původní, tzv. nerotované složky) však požadavky kladené na jednoduchou strukturu často nesplňují. Bývá proto výhodné podrobit hlavní složky tzv. rotaci, což je matematický postup, jehož cílem je zlepšení interpretace hlavních složek, avšak za tu cenu, že rezignujeme na požadavek maximalizace rozptylu (u kolmé rotace) nebo i vzájemné nekorelovanosti hlavních složek (u šikmé rotace). Důležité při hledání rotovaného řešení je určit správně počet složek, které mají být rotovány. Je-li počet malý, pak má řešení tendenci směšovat dohromady vzájemně oddělené mody (vazby), je-li naopak počet velký, vazby se tříští na jednotlivá centra a jejich dálkový charakter mizí. Pro výběr optimálního počtu se používá množství různých kritérií nebo grafických metod (viz např. [29]). V naší práci jsme se přiklonili k částečně subjektivnímu přístupu popsanému v [19]: Rotovat postupně různé počty vektorů a podle účelu práce pak posoudit, které řešení je nejvhodnější. Jako vodítko, kolem jakých počtů hlavních složek hledat, se nabízejí místa větších poklesů v grafu závislosti vlastních čísel na pořadí hlavní složky. 3. DATA A METODY Data použitá v této práci jsou geopotenciální výšky hladiny 500 hpa v síti uzlových bodů 5 x 5 stupňů. Zdrojem dat byly reanalýzy z centra NCEP-NCAR [14] pro období Sledovaná oblast pokrývá severní polokouli od 20 s. š. včetně. S rostoucí zeměpisnou šířkou se síť zahušťuje, proto jsme snížili počty bodů na každé rovnoběžce severně od 60 s. š. podobně jako v [2]: na 60. až 70. rovnoběžce jsme zachovali každý druhý bod, na 75. stupni každý třetí bod, každý čtvrtý na 80. a každý osmý na 85. rovnoběžce, přičemž hodnotu na pólu jsme do výpočtů nezahrnuli. Sloupce korelační matice použité pro PCA tvořily měsíční odchylky výšek hladiny 500 hpa od příslušných průměrů za celé období v jednotlivých bodech sítě (celkem 735 sloupců), řádky představovaly měsíce jednotlivých sezon, pro každou sezonu 3 měsíce (celkem tedy 123 řádků). Jako optimální počet hlavních složek pro rotaci bylo určeno 11 pro podzim a 9 pro ostatní sezony. Z rotovaných hlavních složek mají v každé sezoně pouze čtyři svá centra v oblasti severního Atlantiku a Evropy, tj. mají potenciál ovlivňovat klima střední Evropy, všechny ostatní byly soustředěny do pacificko-severoamerické, resp. severoasijské oblasti. Měsíční průměrné hodnoty 11 klimatických prvků z 21 stanic v ČR jsou z období Jedná se o maximální, minimální a průměrnou denní teplotu, úhrn srážek a jejich výskyt (podíl dní se srážkami 0.1 mm vzhledem k počtu dní v měsíci), délku slunečního svitu, a dále z termínu 14 hodin pokrytí oblačností, relativní vlhkost, rychlost větru, a konečně zonální a meridionální složku větru. Posledně jmenované jsou vypočteny z rychlosti a směru naměřených v uvedeném termínu, přičemž kladná zonální složka odpovídá západním směrům větru a kladná meridionální složka jižním směrům. Použité stanice jsou na území ČR rozloženy poměrně rovnoměrně. Jejich geografická poloha a nadmořská výška jsou uvedeny v tab.1. Ze stanic Praha-Ruzyně, Havlíčkův Brod a České Budějovice nebyly k dispozici řady měření slunečního svitu a ze stanice Svratouch údaje o relativní vlhkosti. Pro všechny prvky jsme testovali relativní homogenitu dat na jednotlivých stanicích, a to pomocí testů Alexanderssonova SNHT [1] a bivariačního [21], aplikovaných na časové řady měsíčních průměrů jednotlivých prvků. Jako referenční stanici jsme použili průměr ze čtyř stanic, které nejvíce korelovaly s testovanou stanicí. Pokud oba testy odhalily nehomogenitu na hladině významnosti 5 % ve stejném roce, a tato nehomogenita se vyskytla alespoň ve 3 měsících roku, byla daná stanice pro daný prvek prohlášena za nehomogenní a z dal- 66 Meteorologické zprávy, 60, 2007

5 Tab. 1 Seznam stanic, jejich poloha a nadmořská výška. Table 1. List of stations, their location and elevation. Stanice zem. délka zem. šířka nadm. v. [ ] [ ] [m.n.m] Cheb Přimda Doksany Milešovka Praha-Karlov Praha-Ruzyně * Churáňov Vyšši Brod České Budějovice ** Liberec *** Hradec Králové Přibyslav Havlíčkův Brod Svratouch Kuchařovice Kostelní Myslová Holešov Brno-Tuřany Červená Ostrava Lysá Hora * do v 380 m n. m. ** do v 387 m n. m. *** do v 400 m n. m. ších analýz vyřazena. Pro testování jsme použili software AnClim [31]. Jako nejméně homogenní se projevilo měření minimální teploty, u níž jsme z dalších výpočtů museli vyřadit 6 stanic. Pro kvantifikaci vztahů mezi cirkulačními mody a klimatickými prvky jsme použili Pearsonův korelační koeficient (r). Celkové korelace byly spočítány pro řady odchylek klimatických prvků od jejich měsíčních průměrů, pro časo- vý průběh korelací jsme korelovali měsíční průměrné hodnoty jednotlivých prvků s časovými řadami modů. Časovou proměnlivost vztahů jsme analyzovali pomocí klouzavých korelací s 15letým oknem. Časové okno bylo posouváno s krokem 1 rok a výsledná korelace byla přiřazena do středu okna. Tato metoda byla použita např. v [30] při vyšetřování změn vlivu NAO. Pro určení statistické významnosti korelací, tj. testování hypotézy o nulovosti korelačního koeficientu, byl využit t-test. Dále jsme posuzovali statistickou významnost rozdílu mezi minimální a maximální klouzavou korelací pro daný prvek a cirkulační mod (v dalším textu uvádíme jako významnou změnu klouzavých korelací). Zde byla hladina významnosti počítána pomocí Fisherovy transformace z r-hodnoty na normální Z hodnotu [37]. 4. VÝSLEDKY Charakter jednotlivých modů se liší mezi sezonami. V rámci jedné sezony se během sledovaného období mění poloha center. Počty statisticky významných celkových korelací a statisticky významných změn klouzavých korelací mezi cirkulačními mody a přízemními klimatickými shrnuje tab. 2. Zvýrazněny jsou hodnoty odpovídající nadpolovičnímu počtu stanic. Výsledky pro každý mod diskutujeme odděleně pro jednotlivé sezony. Výsledky pro jednotlivé mody ilustrujeme mapami celkových korelací a průběhy jejich klouzavých korelací s vybranými prvky, a to ve všech sezonách. Hlavním kritériem pro výběr prvků byl výskyt statisticky významných korelací nebo významné změny klouzavých korelací na alespoň jedné polovině stanic nejméně v jedné sezoně. Vybraná stanice vždy reprezentuje typický průběh klouzavých korelací na většině zkoumaných stanic Severoatlantická oscilace (obr. 1 3) Již samo pojmenování tohoto modu vypovídá o jeho charakteru. Poloha jeho center i jeho vliv na teploty a srážky v Evropě byly v minulosti zkoumány zejména pro zimní sezonu [35, 8]. Tehdy se severní centrum Severoatlantické oscilace (NAO) nalézá mezi Grónskem a Islandem přibližně v oblasti islandské tlakové níže, a jeho protipólem je oblast s odchylkami tlaku opačného znaménka, jež je zonálně rozložena nad Atlantikem kolem 35 s. š., zčásti v oblasti azorské tlakové Tab. 2 Počty stanic se statisticky významnými celkovými korelacemi / změnami klouzavých korelací. Tučně jsou vyznačeny nadpoloviční počty stanic. Table 2. Numbers of stations with statistically significant correlation coefficients / changes of running correlation coefficients. Numbers for more stations than a half are in bold. Mod NAO EA EU1 EU2 období jaro léto podz. zima jaro léto podz. zima jaro léto podz. zima jaro léto podz. zima prům. teplota 2/18 18/0 16/0 18/12 18/18 18/18 16/17 18/16 17/5 0/0 0/3 0/5 14/0 0/18 2/18 4/3 max. teplota 1/18 18/0 18/0 18/18 18/18 18/18 18/10 18/15 18/5 0/0 5/8 0/11 14/0 0/13 1/18 4/8 min. teplota 1/15 14/12 6/0 15/3 15/15 15/12 15/14 15/13 2/12 6/1 0/1 1/2 1/0 0/13 3/14 6/1 vlhkost 4/14 15/1 7/1 7/11 0/12 1/15 5/4 6/6 3/2 10/2 13/11 6/10 0/4 4/7 5/12 3/6 oblačnost 1/12 16/3 13/4 1/7 2/5 16/15 8/3 0/11 14/12 5/0 14/11 3/7 0/8 5/5 15/13 5/6 sluneční svit 1/15 15/5 13/1 3/8 0/15 11/15 8/3 1/4 8/2 5/5 13/10 1/9 1/6 8/2 11/12 3/5 výskyt srážek 0/5 18/9 18/3 6/4 7/6 1/18 5/4 2/15 16/15 2/16 1/8 17/18 2/6 0/18 15/14 18/2 úhrn srážek 1/1 16/12 12/8 11/17 3/10 1/14 4/4 2/18 6/19 20/11 8/15 16/13 0/1 0/11 17/12 16/2 rychlost větru 4/13 9/14 2/10 13/10 4/14 0/12 1/7 3/12 7/7 3/12 7/11 9/13 3/12 2/12 4/12 10/12 zonální vítr 0/7 18/12 14/2 19/6 17/5 0/17 8/18 2/18 18/4 18/17 19/6 19/18 5/16 0/15 2/10 13/17 merid. vítr 0/12 17/11 12/3 8/17 13/7 3/19 19/11 18/5 9/4 7/3 6/17 15/14 18/13 0/6 17/14 2/13 Meteorologické zprávy, 60,

6 výše (obr. 1a). Silný severojižní gradient při kladné fázi NAO (definované zápornými / kladnými odchylkami v islandském / azorském centru) způsobuje zesílení západního proudění ve středních zeměpisných šířkách a zesílení a posun drah cyklon nad severní Evropu [7]. Příliv teplého a vlhkého vzduchu z oceánu se projevuje zvýšenými teplotami a srážkami nad západní a severní Evropou. Naopak nižší teploty zaznamenávají v Grónsku a v jižní a střední Evropě [35]. Z našich výsledků vyplývá, že vliv modu Severoatlantické oscilace je ve střední Evropě skutečně silný. Během zimních měsíců jsou vlivem proudění teplého a vlhkého vzduchu z Atlantiku na našem území pozorovány vyšší maximální, minimální i průměrné teploty než obvykle, srážky jsou při kladné fázi tohoto modu četnější a úhrny vyšší. Nadprůměrné hodnoty byly naměřeny u relativní vlhkosti a rychlosti větru, přičemž převládají západní až jihozápadní směry, viz obr. 2. Obr. 1 Severoatlantická oscilace (NAO) v hladině 500 hpa v sezonách: a) zima, b) jaro, c) léto, d) podzim. Izočáry zobrazují korelace mezi intenzitou NAO (tj. příslušnou hlavní složkou) a polem výšky hladiny 500 hpa a jsou vykresleny v intervalu 0,2. Kladné (záporné) korelace jsou znázorněny plně (čárkovaně), nulová izočára není vykreslena. Fig. 1. The North Atlantic Oscillation (NAO) at the 500 hpa level in a) winter, b) spring, c) summer and d) autumn, in terms of correlations of its intensity (i.e., the corresponding PC score) with the 500 hpa heights. The contour interval is 0.2. Positive (negative) values are indicated by solid (dashed) lines, zero correlation line is not shown. Obr. 2 Celkové korelace mezi NAO a vybranými prvky: maximální teplota, úhrn srážek, zonální a meridionální složka větru (řádky) po sezonách (sloupce). Červená/zelená barva označuje kladnou/zápornou korelaci, velikost korelace je vyjádřena velikostí značky. Černý střed značí statisticky významnou korelaci. Fig. 2. Correlations of the NAO with selected climatic elements: maximum temperature, precipitation amount, zonal wind, and meridional wind (in rows) for individual seasons (columns). The circle size corresponds to the value of correlation, red/green colour marks a positive/negative correlation, the statistically significant correlations are denoted by a black dot inside the circle. 68 Meteorologické zprávy, 60, 2007

7 Obr. 3 Průběhy 15letých klouzavých korelací pro NAO a a) maximální teplotu, b) úhrn srážek, c) zonální složku větru a d) meridionální složku větru. Plná vodorovná čára uprostřed grafu značí nulovou hodnotu, přerušované čáry označují 5% mez statistické významnosti (±0,29). Rozsah vertikální osy je od 1 do 1. Fig year running correlations between the NAO and a) maximum temperature, b) precipitation amount, c) zonal wind, and d) meridional wind. Solid horizontal line in the middle of graphs indicates zero value and dashed horizontal lines correspond to the 5% significance level (±0,29). The range of the vertical asis is from 1 to 1. Korelace NAO s teplotami, úhrnem srážek, rychlostí větru a meridionální složkou větru vykazují značnou časovou proměnlivost (obr. 3, modré čáry). Korelace s maximální teplotou byly až do poloviny 70. let konstantní nebo mírně klesaly, poté rostly (průběhy korelací s průměrnou a minimální teplotou se chovaly stejně). Korelace s úhrnem srážek klesaly do poloviny 80. let a pak začaly růst, přičemž asi do poloviny 70. let byly jejich hodnoty statisticky významné. Korelace s meridionální složkou větru prodělávají největší změny: nejprve do poloviny 70. let klesaly až na hranici statistické významnosti a poté nastal jejich výrazný růst až do kladných statisticky významných hodnot od poloviny 80. let. Na jaře se centra Severoatlantické oscilace posunují na západ, k břehům Severní Ameriky (obr. 1b). Nad Evropou se vytváří velmi slabé kladné centrum. Korelace vybraných prvků s NAO jsou až na zonální vítr velmi slabé. Významné změny korelací přitom byly nalezeny pro teploty, rychlost i složky větru. Korelace s maximální teplotou po celou dobu klesaly, původně kladné hodnoty se počátkem 80. let mění na záporné. Korelace se zonální složkou větru na počátku zkoumaného období rostly, pak klesaly a od 2. poloviny 70. let začaly opět růst. Korelace s meridionální složkou větru rostly do počátku 80. let, pak mírně klesaly a od poloviny 80. let opět rostly. V létě a na podzim ztrácí NAO svůj zonální charakter (obr. 1c,d). Západní kladné centrum slábne, zatímco centrum nad střední Evropou se výrazně zesiluje. Jeho kladná fáze, tj. kladná anomálie výšek nad ČR, je v teplých měsících spojena s nadprůměrnými teplotami a delším slunečním svitem. V obou sezonách jsou v kladné fázi NAO výskyt srážek a srážkové úhrny výrazně nižší, stejně tak byly pozorovány nižší hodnoty relativní vlhkosti a méně oblačnosti. Vane přitom slabší vítr z východních směrů, v létě i ze severovýchodních, na podzim se stáčí na jihovýchodní s tím, jak se kladné centrum modu posunuje k východu a jeho osa míří více na sever než na západ. V létě jsme nalezli významné změny klouzavých korelací s úhrny srážek a složkami větru (obr. 3, červené čáry). Záporná korelace s úhrny srážek do poloviny 80. let slábla a pak zesilovala (obr. 3b). Asi do poloviny 70. let byly klouzavé korelace statisticky významné. Klouzavé korelace se složkami větru mají podobný průběh: záporné korelace po celé sledované období mírně zesilovaly, případně se od počátku 80. let staly téměř konstantními; od poloviny 70. let přitom byly statisticky významné. Na podzim jsou korelace ve většině případů bez statisticky významných změn. Korelace s rychlostí větru nejsou stacionární v žádném ročním období. Nepodařilo se nám však najít žádnou stanici, která by reprezentovala typický průběh korelací. Rychlost větru velice závisí na okolní orografii. Přibližně na stejném počtu stanic korelace v daném období rostly, klesaly, byly konstantní nebo měly nejednoznačný komplikovaný průběh Východoatlantický mod (obr. 4 6) Zběžný pohled na Východoatlantický (East Atlantic, EA) mod naznačuje jeho podobu s NAO. Jeho centra jsou však oproti NAO posunuta jižněji. Severní centrum je situováno západně od Britských ostrovů, jižní centrum opačného znaménka se rozprostírá zonálně kolem 30 s. š., na východě se stáčí na severovýchod a v různých sezonách zasahuje více či méně nad Středomoří a východní Evropu (obr. 4). I zde nacházíme silný gradient ve směru severozápad-jihovýchod, jehož vliv se projevuje zejména v zimních měsících. Vliv EA na srážky na Pyrenejském poloostrově byl studován v práci [25], celé Evropy se týká práce [36]. V zimní a jarní sezoně se uplatňuje zonální charakter Východoatlantického modu. V kladné fázi EA přináší jihozápadní proudění do střední Evropy teplý vzduch, a jsou tak pozorovány nadprůměrné maximální, minimální i průměrné denní teploty a převládá vítr jižních směrů (obr. 5). Na jaře pozorujeme v kladné fázi EA četnější srážky, a rovněž poněkud zvýšené srážkové úhrny, je též více oblačnosti a převládají větry jihozápadních směrů. Naopak v zimě je v kladné fázi pozorován menší výskyt srážek a méně relativní vlhkosti, více slunečního svitu; příslušné korelace však nejsou statisticky významné. V zimě jsme zjistili významné změny korelací modu EA s teplotami, úhrnem srážek a zonální složkou větru. Korelace s průměrnou teplotou byly až do 2. poloviny 70. let téměř Meteorologické zprávy, 60,

8 stálé, pak nastal jejich růst a od poloviny 80. let byly statisticky významné. Záporné korelace s úhrnem srážek až do 80. let slábly a pak zůstaly blízko nuly téměř beze změn. Klouzavé korelace se zonální složkou větru po celé sledované období rostly. Na jaře jsme zjistili významné změny korelací také pro teploty, srážkové úhrny a sluneční svit. Korelace s průměrnou teplotou a slunečním svitem mají stejný průběh: klesaly po celé sledované období až na hranici statistické významnosti. Korelace s úhrnem srážek klesaly až do poloviny 80. let a pak rostly. V létě a na podzim se jižní centrum modu EA posouvá na severovýchod a počasí nad střední Evropou tak při jeho kladné fázi ovlivňuje více oblast kladných tlakových odchylek než jihozápadní proudění. Statisticky významné jsou nadprůměrné teploty a delší sluneční svit, méně oblačnosti a jihovýchodní směr větru na podzim. Korelace s ostatními prvky jsou velmi slabé. V létě jsme zjistili významné časové změny korelací pro teploty, úhrny srážek, sluneční svit a složky větru. Korelace s průměrnou teplotou a slunečním svitem klesaly do počátku 80. let Obr. 4 Jako obr. 1, ale pro Východoatlantický mod (EA). Fig. 4. As in Fig. 1, except for the East Atlantic pattern (EA). Obr. 5 Jako obr. 2, ale pro EA a průměrnou teplotu, úhrn srážek, délku slunečního svitu, zonální a meridionální složku větru. Fig. 5. As in Figure 2, except for the EA and mean temperature, precipitation amount, sunshine duration, zonal wind, and meridional wind. 70 Meteorologické zprávy, 60, 2007

9 Obr. 6 Jako obr. 3, ale pro EA a a) průměrnou teplotu, b) úhrn srážek, c) sluneční svit, d) zonální složku větru a e) meridionální složku větru. Fig. 6. As in Fig. 3, except for the EA and a) average temperature, b) precipitation amount, c) sunshine duration, d) zonal wind, and e) meridional wind. a pak rostly, naopak korelace s úhrnem srážek do poloviny 80. let rostly a pak klesaly, stejně jako korelace se zonální i meridionální složkou větru, u nichž se hodnoty korelací dostaly z významných záporných hodnot do významných kladných. Na podzim byly zjištěny změny ve vztahu EA s teplotami a složkami větru. Korelace s průměrnou teplotou téměř po celé období postupně klesaly. Korelace se zonální složkou větru do počátku 80. let klesaly a pak mírně rostly. Naopak s meridionální složkou do poloviny 80. let korelace rostly a pak nastal jejich pokles, přičemž po celé období zůstaly statisticky významné Euroasijský mod typu 1 (obr. 7 9) Euroasijský mod typu 1 (EU1) se řadí k modům s meridionálním charakterem, i když v letní sezoně se tvar jeho center mění natolik, že oblast severní Evropy je ovlivňována zonálním prouděním (západním prouděním v kladné fázi EU1). Výrazné centrum záporného znaménka má střed nad severním Finskem a severozápadním Ruskem (proto někteří autoři označují tento mod jako Skandinávský [27]), přičemž v zimních a jarních měsících dosahuje až k Černému moři. Vedlejší záporná centra se v jednotlivých ročních obdobích objevují, zesilují, zeslabují a opět zanikají nad subtropickým Atlantikem a Čínou. Centra s opačnou polaritou mají středy nad Pyrenejemi a nad Sibiří (obr. 7). Mod EU1 byl popsán v [2, 35, 6], později se jeho vlivem na srážky v severní a střední Evropě zabývala práce [36]. Meridionální mody v porovnání se zonálně orientovanými mody nemají úplně jednoznačný a snadno vysvětlitelný vliv na přízemní klimatické prvky. Jejich vliv značně závisí na přesné poloze center, a tedy na ročním období. Při kladné fázi, kdy má centrum nad Skandinávií záporné znaménko, proudí do střední Evropy ve vyšších hladinách vlhký a studený vzduch od severozápadu. Přináší s sebou zvýšenou četnost i úhrn srážek, vyjádřené statisticky významnými korelacemi v zimě a na jaře (obr. 8). U teplot ovšem není vliv tak zřejmý: korelace jsou slabé a statisticky nevýznamné s výjimkou jarních měsíců, kdy jsou za kladné fáze EU1 nižší teploty, než bývají obvykle, což může být způsobeno jarními vpády studeného arktického vzduchu. V zimě jsou změny korelací významné pro složky rychlosti větru, relativní vlhkost a výskyt srážek. Korelace se zonální složkou větru klesaly do poloviny 80. let a poté rostly, přitom po celé období zůstaly statisticky významné. Naopak korelace s meridionální složkou větru byly do počátku 80. let téměř konstantní a pak se jejich záporné korelace zeslabovaly. Korelace s relativní vlhkostí a výskytem srážek mají podobné chování: do poloviny 70. let rostly nebo byly téměř konstantní a pak klesaly, přičemž do poloviny 70. let byly statisticky významné. Na jaře jsme zjistili významné změny korelací s modem EU1 pouze pro výskyt srážek, kdy korelace do počátku 80. let klesaly a pak nastal jejich růst; od poloviny 80. let přitom byly klouzavé korelace statisticky významné. V létě se mění tvar pyrenejského i skandinávského centra, ačkoliv si jejich středy zachovávají stejnou polohu. Při kladné fázi EU1 se střední Evropa dostává pod anticyklonální vliv, což se projevuje sníženými úhrny i četnostmi výskytu Obr. 7 Jako obr. 1, ale pro Euroasijský mod typu 1 (EU1). Fig. 7. As in Fig. 1, except for the Eurasian pattern type 1 (EU1). Meteorologické zprávy, 60,

10 Obr. 8 Jako obr. 2, ale pro EU1 a výskyt srážek, relativní vlhkost, zonální a meridionální složku větru. Fig. 8. As in Figure 2, except for the EU1 and precipitation occurrence, relative humidity, zonal wind, and meridional wind. Obr. 9 Jako obr. 3, ale pro EU1 a a) zonální složku větru, b) meridionální složku větru, c) relativní vlhkost a d) výskyt srážek. Fig. 9. As in Fig. 3, except for the EU1 and a) zonal wind, b) meridional wind, c) relative humidity, and d) occurrence of precipitation. srážek, menší relativní vlhkostí i oblačností a delším slunečním svitem. Jasná obloha zvyšuje radiační ochlazování, minimální ranní teploty jsou proto nižší, než je obvyklé. Po severním okraji pyrenejského centra ale proudí chladnější vzduch od Atlantského oceánu, proto průměrné i maximální teploty korelují s intenzitou modu EU1 jen velmi slabě. Významné změny klouzavých korelací se v létě objevily jen pro zonální složku větru a výskyt srážek. V obou případech je průběh korelací podobný: do poloviny 70. let klesaly a pak rostly, přičemž pro zonální složku větru byly korelace od poloviny 80. let statisticky významné. Na podzim se charakter modu EU1 blíží opět k zimnímu, nicméně centrum kladných odchylek se udržuje nad střední Evropou a má obdobný vliv na počasí jako v létě. Výjimkou jsou teploty, které na podzim za slunečného počasí dosahují vyšších hodnot než obvykle. Změny korelací jsou na podzim významné jen pro meridionální složku větru a relativní vlhkost. Korelace s meridionální složkou větru do počátku 80. let klesaly a pak rostly, přitom v období od poloviny 70. let do poloviny let 80. let byly statisticky významné. S modem EU1 jsou spojeny významné korelace s rychlostí a oběma složkami větru: za jeho kladné fáze pozoruje- 72 Meteorologické zprávy, 60, 2007

11 me vyšší rychlosti větru ve všech sezonách, převládají větry západních až severozápadních směrů, a to kromě letních měsíců, kdy v důsledku změny polohy center převládá směr jihozápadní. 4.4 Euroasijský mod typu 2 (obr ) Euroasijský mod typu 2 (EU2) má z pohledu střední Evropy také spíše meridionální charakter. Jeho hlavní centrum s kladným znaménkem, stálé ve všech sezonách, leží nad Sibiří a Arabským poloostrovem se středem severně až severovýchodně od Kaspického moře (obr. 10). Centrum opačného znaménka se nachází poblíž Dánska či Britských ostrovů (proto je v některých studiích tento mod označován jako Východoatlantický, resp. Západoruský [15]). Druhé takové centrum se v zimních a podzimních měsících objevuje nad Korejským poloostrovem. V teplých měsících se centrum kladných odchylek protahuje nad Středozemní moře a Dálný východ a zatlačuje východní záporné centrum až nad severní Tichý oceán. V létě značně slábne evropské záporné centrum. Po většinu roku je při kladné fázi modu EU2 střední Evropa ovlivněna oblastí nízkého tlaku. Tlaková brázda ve vyšších hladinách s sebou přináší zvýšený výskyt i úhrny srážek, vyšší relativní vlhkost, více oblačnosti a méně slunečního svitu (obr. 11). Kromě letních měsíců je s modem EU2 spojen silnější vítr jižních směrů, přitom statisticky významný je tento vztah jen na jaře a na podzim. V létě a na podzim jsme zjistili významné změny korela- Obr. 10 Jako obr. 1, ale pro Euroasijský mod typu 2 (EU2). Fig. 10. As in Figure 1, except for the Eurasian pattern type 2 (EU2). Obr. 11 Jako obr. 2, ale pro EU2 a úhrn srážek, zonální a meridionální složku větru. Fig.11. As in Figure 2, except for the EU2 and precipitation totals, zonal wind, and meridional wind. Obr. 12 Jako obr. 3, ale pro EU2 a a) zonální složku větru, b) meridionální složku větru a c) úhrn srážek. Fig.12. As in Fig. 3, except for the EU2 and a) zonal wind, b) meridional wind, and c) precipitation amount. Meteorologické zprávy, 60,

12 cí s úhrnem srážek. V létě korelace po celé období rostly, na podzim byly téměř konstantní až do poloviny 70. let a pak klesaly, přičemž až do poloviny 80. let byly kladné, statisticky významné (obr. 12c). Ve všech sezonách kromě léta jsme také zjistili významné změny korelací s meridionální složkou větru. Na jaře korelace po celé sledované období mírně rostly stejně jako v zimě, na jaře byly hodnoty po celou dobu kladné a významné. Na podzim korelace nejprve klesaly a od počátku 80. let rostly (obr. 12b). Ve všech ročních obdobích byly zjištěny významné změny korelací modu EU2 se zonální složkou větru. Korelace na jaře nejprve rostly, od poloviny 70. let do poloviny 80. let dosáhly statistické významnosti a téměř se neměnily, pak začaly klesat. V létě korelace rostly do počátku 80. let a po zbytek sledovaného období zůstaly beze změny. Korelace na podzim byly naopak nejprve téměř beze změny a až od poloviny 80. let začaly růst. V zimním období korelace až do počátku 80. let prodělávaly jen malé změny, pak klesaly a od poloviny 80. let nastal jejich opětný růst. 5. DISKUSE ČASOVÁ PROMĚNLIVOST KORELACÍ Nestacionarity vztahů mezi cirkulačními mody a klimatickými prvky mohou být způsobeny jak změnou cirkulačního indexu, tj. změnou intenzity příslušného modu, tak změnou tvaru a polohy jeho akčních center. Abychom zjistili, jak se mody měnily v čase, vypočetli a znázornili jsme korelace cirkulačních indexů s geopotenciálními výškami hladiny 500 hpa pro tři 12letá období ( , a ). Pro ilustraci podrobněji probereme změny NAO v zimním a letním období, kdy jsou vztahy s klimatickými prvky nejsilnější. V zimě prodělává NAO dvojí změnu: NAO index roste ze záporných hodnot v období na kladné v letech (obr. 13). Přitom jsou akční centra NAO během posledního období ( ) posunuta na východ v porovnání s počátečním obdobím [13, 20]. Vysoký NAO index spolu s posunem akčních center na východ v období vede k silnějšímu západnímu proudění, a tedy i silnějšímu vlivu NAO na klimatické prvky. Tím lze dobře vysvětlit růst korelací mezi NAO a maximální teplotou, zonálním větrem nebo úhrnem srážek v tomto období. Posun a zesilování akčních center vede ke zvýšení cyklonality proudění nad severní a západní Evropou a k silnému meridionálnímu proudění, které zasahuje až do střední Evropy. To částečně vysvětluje změnu korelací mezi NAO a meridionální složkou větru ze záporných hodnot do kladných na začátku 80. let. V létě jsou časové změny NAO indexu zanedbatelné. V 60. letech (období ) je jižní centrum protaženo až nad Asii, zatímco v období je jižní centrum omezeno pouze na Evropu s centrem nad Baltským mořem a severní centrum má dvě jádra, jedno nad Grónskem a druhé nad západní Asií. To znamená, že při kladné fázi NAO převládal nad Evropou v období spíše anticyklonální charakter cirkulace, čemuž odpovídá záporná korelace s úhrnem srážek. V období se tento anticyklonální vliv omezoval spíše jen na západní Evropu, v důsledku čehož pozorujeme v ČR zeslabení záporných korelací se srážkovými úhrny. Postavení akčních center také ovlivnilo zonální a meridionální složku větru. Změny vztahů mezi ostatními cirkulačními mody a klimatickými prvky lze rovněž do značné míry vysvětlit změnami intenzity modů proměnlivosti a změnami polohy a intenzity akčních center. 6. ZÁVĚR Pomocí analýzy hlavních složek použité na měsíční průměry geopotenciálních výšek hladiny 500 hpa jsme nalezli čtyři cirkulační mody v oblasti severního Atlantiku a Evropy, které silně korelují s měsíčními průměry klimatických prvků na území ČR. S ohledem na výsledky předchozích studií byly tyto mody označeny jako Severoatlantická oscilace, Východoatlantický mod a Euroasijské mody typu 1 a 2. Mody cirkulační proměnlivosti byly identifikovány ve všech sezonách, stejně tak i statisticky významné korelace s vybranými klimatickými prvky. Charakter modů se však v průběhu roku mění, a tím se mění i vliv modů na jednotlivé klimatické prvky. Severoatlantická oscilace má v zimě zonální charakter, v létě však nad střední Evropou leží její centrum kladných odchylek. Proto jsou korelace s teplotami v zimních i v letních měsících kladné. Obecně lze říci, že mody se zonálním charakterem (např. EA a NAO v zimě) korelují více s teplotami než s ostatními prvky. Meridionální mody vykazují silnější korelace se srážkami. Významné korelace s rychlostí a se směry větru nalezneme u dobře vyjádřených modů se silnými akčními centry. Pokud se nad ČR nalézá střed kladných či záporných odchylek v poli geopotenciální výšky 500 hpa, nacházíme silné korelace s oblačností a délkou slunečního svitu. Velikost Obr. 13 Korelace mezi časovou řadou NAO a geopotenciálními výškami hladiny 500 hpa v létě a v zimě pro tři 12letá období, zleva do prava: , a ; interval mezi izočarami je 0,2, záporné izočáry jsou čárkovaně. Vpravo jsou časové řady NAO, tučnou čarou jsou zobrazeny 15leté klouzavé průměry. Fig. 13. Correlations of the NAO time series with 500 hpa heights for summer and winter in three 12-yr periods, from left to right: , , ; contour interval is 0.2, negative contours are dashed. The time series of NAO are in the rightmost panels, the bold line representing 15-year running average. 74 Meteorologické zprávy, 60, 2007

13 a polaritu korelací lze ve většině případů vysvětlit synoptickým charakterem příslušného modu. Po vyloučení stanic s nehomogenitami měření se všechny stanice na našem území chovají podobně, v některých případech se odlišují pouze horské stanice (např. u oblačnosti nebo rychlosti větru). Časová proměnlivost korelací byla zkoumána pomocí klouzavých korelací s 15letým oknem. Vztahy mezi klimatickými prvky a cirkulačními mody se mění v čase i prostoru. Průběh korelací s daným prvkem se liší mezi stanicemi, většinou pozorujeme jiný průběh na vysoko položených stanicích (Lysá Hora, Churáňov) a ve středních Čechách (Doksany, Praha-Karlov a Praha-Ruzyně). Často mají svůj specifický průběh korelací stanice na Moravě, zejména Holešov a Červená, a také stanice Vyšší Brod. Značnou část nestacionarity vztahů mezi cirkulačními mody a klimatickými prvky lze vysvětlit změnami cirkulačních indexů (tedy intenzity modů) a pohybem akčních center cirkulačních modů. Poděkování Tato studie byla podpořena Grantovou agenturou ČR, projekt 205/05/2282, a Grantovou agenturou Akademie věd ČR, projekt IAA Literatura [1] ALEXANDERSSON, A., A homogeneity test applied to precipitation data. Journal of Climate, Vol. 6, s [2] BARNSTON, A.G. LIVEZEY, R.E., Classification, seasonality and persistence of low-frequency atmospheric circulation patterns. Monthly Weather Review, Vol. 115, s [3] CHEN, D. HELLSTRÖM, C., The influence of the North Atlantic Oscillation on the regional temperature variability in Sweden: spatial and temporal variations. Tellus, Vol. 51A, s [4] CLINET, S. MARTIN, S., hPa geopotential height anomalies from a statistical analysis of the French Hemis data set. International Journal of Climatology, Vol. 12, s [5] HARMAN, H.H., Modern Factor Analysis. University of Chicago press, s ISBN: [6] HOREL, J.D., A rotated principal component analysis of the interannual variability of the Northern Hemisphere 500 mb height field. Monthly Weather Review, Vol. 109, s [7] HURRELL, J. W., Decadal trends in the North Atlantic Oscillation: regional temperatures and precipitation. Science, Vol. 269, s [8] HURRELL, J.W. VAN LOON, H., Decadal variations in climate associated with the North Atlantic Oscillation. Climate Change, Vol. 36, s [9] HUTH, R., An intercomparison of computer-assisted circulation classification methods. International Journal of Climatology, Vol. 16, s [10] HUTH, R., Potential of continental-scale circulation for the determination of local daily surface variables. Theoretical and Applied Climatology, Vol. 56, s [11] JACOBEIT, J. JÖNSSON, P. BÄRRING, I. BECK, C. - EKSTRÖM, M., Zonal indices for Europe and running correlations with temperature. Climate Change, Vol. 48, s [12] JONES, P.D. OSBORN, T.J. BRIFFA, K.R., Pressure-based measures of the North Atlantic Oscillation (NAO): A comparison and an assessment of changes in the strength of the NAO and in its influence on surface climate parameters. In: The North Atlantic Oscillation: Climatic Significance and Environmental Impact, Hurrel, J.W. Kushnir, Y. Ottersen, G. Visbeck, M. (eds). Geophysical Monograph Series, 134. American Geophysical Union; s ISBN: [13] JUNG, T. et al., Characteristics of the recent eastward shift of interannual NAO variability. Journal of Climate, Vol. 16, s [14] KALNAY, E. et al., The NCEP/NCAR 40-Year Reanalysis Project. Bulletin of the American Meteorological Society, Vol. 77, s [15] KRICHAK, S. O. KISHCHA, P. ALPERT, P., Decadal trends of main Eurasian oscillations and the Eastern Mediterranean precipitation. Theoretical and Applied Climatology, Vol. 72, s [16] MUÑOZ-DÍAZ, D. RODRIGO, F.S., Impacts of the North Atlantic Oscillation on the probability of dry and wet winters in Spain. Climate Research, Vol. 27, s [17] NAMIAS, J., Teleconections of 700 mb height anomalies for the Northern Hemisphere. Calcofi Atlas, No. 29. [18] O CONNOR, J.F., Hemispheric teleconnections of mean circulation anomalies at 700 millibars. Environmental Science Services Administration Technical Report WB 10, 103 s. [19] O LENIC, E.A. LIVEZEY, R.E., Practical considerations in the use of rotated principal component analysis (RPCA) in diagnostic studies of upper-air height fields. Monthly Weather Review, Vol. 116, s [20] PETERSON, K.A. LU, J. GREATBATCH, R.J., Evidence of nonlinear dynamics in the eastward shift of the NAO. Geophysical Research Letters, Vol. 30, [21] POTTER, K.W., Illustration of a new test for detecting a shift in mean in precipitation series. Monthly Weather Review, Vol. 109, s [22] RICHMAN, M., Rotation of principal components. Journal of Climatology, Vol. 6, s [23] ROCHA, A., Low-frequency variability of seasonal rainfall over the Iberian Peninsula and ENSO. International Journal of Climatology, Vol. 19, s [24] RODÓ, X. BAERT, E. COMIN, F.A., Variations in seasonal rainfall in southern Europe during the present century: relationships with the North Atlantic Oscillation and El Niño-Southern Oscillation. Climate Dynamics, Vol. 13, s [25] RODRIGUEZ-PUEBLA, C. ENCINAS, A.H. NIETO, S. GARMENDIA, J., Spatial and temporal patterns of annual precipitation variability over the Iberian Peninsula. International Journal of Climatology, Vol. 18, s [26] ROGERS, J.C. VAN LOON, H., The seesaw in winter temperatures between Greenland and Northern Europe. Part II: Some oceanic and Atmospheric effects in middle and high latitudes. Monthly Weather Review, Vol. 107, s [27] ROGERS, J.C., Paterns of low-frequency monthly sea level pressure variability ( ) and associated wave cyclone frequencies. Journal of Climate, Vol. 3, s [28] SÁENZ, J. ZUBILLAGA, J. RODRIGUEZ-PUEBLA, C., Interannual variability of winter precipitation in northern Iberian Peninsula. International Journal of Climatology, Vol. 21, s Meteorologické zprávy, 60,

14 [29] SERRANO, A. GARCÍA, J.A. MATEOS, V.L. CANCILLO, M.L. GARRIDO, J., Monthly modes of variation of precipitation over the Iberian Peninsula. Journal of Climate, Vol. 12, s [30] SLONOSKY, V.C. JONES, P.D. DAVIES, T.D., Atmospheric circulation and surface temperature in Europe from the 18th century to International Journal of Climatology, Vol. 21, s [31] ŠTĚPÁNEK, P., AnClim Software for time series analysis (for Windows). Geografický ústav PřF MU, Brno. [32] TRIGO, R.M. et al., North Atlantic oscillation influence on precipitation, river flow and water resources in the Iberian Peninsula. International Journal of Climatology, Vol. 24, s [33] UVO, C.B., Analysis and regionalization of Northern European winter precipitation based on its relationship with the North Atlantic Oscillation. International Journal of Climatology, Vol. 23, s [34] WALKER, G. T. BLISS, E. W., World Weather V. Memoirs of the Royal Meteorological Society, Vol. IV, No. 36, s [35] WALLACE, J.M. GUTZLER, D.S., Teleconnections in the geopotential height field during the northern Hemisphere winter. Monthly Weather Review, Vol. 109, s [36] WIBIG, J., Precipitation in Europe in relation to circulation patterns at the 500 hpa level. International Journal of Climatology, Vol. 19, s [37] WILKS, D.S., Statistical methods in the Atmospheric Science. San Diego: Academic Press. 464 s. ISBN: Lektor (Reviewer) RNDr. L. Metelka. TŘETÍ ČÁST NOVÉ HODNOTÍCÍ ZPRÁVY IPCC 2007 Ve dnech 30. dubna 4. května 2007 se konalo v Bangkoku 9. zasedání pracovní skupiny WG III Mezivládního panelu ke klimatické změně, které projednalo třetí část Čtvrté hodnotící zprávy IPCC Climate Change 2007: Mitigation of Climate Change. Pracovní verze Shrnutí pro politiky (SPM) je uveřejněna na pracovní verze textu celé zprávy na AR4-chapters.html. Během období 1970 až 2004 se světové emise skleníkových plynů zvýšily o 70 % (z toho od roku 1990 o 24 %) na celkovou současnou úroveň 49 Gt CO 2 ekv.. Nárůst emisí v rozvojových státech se stále zrychluje a již dnes jejich emise převážily příspěvek ekonomicky vyspělých států a činí 54 %. Nejvýrazněji rostly emise z energetiky (navýšení o 145 % stavu v roce 1970) a dopravy (120 %). Za předpokladu, že v nejbližších letech nedojde k výraznému posunu stávajícího energetického mixu, zvýší se do roku 2030 globální emise v závislosti na typu scénáře SRES o 25 až 90 % oproti stavu v roce 2000 a dvě třetiny až tři čtvrtiny tohoto nárůstu připadnou na vrub rozvojových států. Výsledky zprávy naznačují, že při zohlednění reálné diskontní sazby existuje do roku 2030 přijatelný ekonomický potenciál snížení emisí. Podle top-down modelů charakterizujících ekonomické vazby mezi jednotlivými sektory dosahuje celosvětový potenciál při nákladech do 20 USD/t CO 2 ekv. přibližně 14 Gt CO 2 ekv., což by umožnilo snížit očekávané emise v roce 2030 při středním scénáři SRES (A1B) přibližně o 20 %. Při nákladech do 50 USD/t CO 2 ekv. může snížení dosáhnout přibližně 25 %, při nákladech do 100 USD/ t CO 2 ekv. asi 30 %. Ve zprávě lze nalézt i základní odpověď na otázku, které sektory nabízejí pro dosažení úspor největší prostor, a i zde rozhoduje výše vynaložených nákladů. Jsou-li náklady nižší než 20 USD/ t CO 2 ekv., pak je největší redukční potenciál v opatřeních, směrovaných do obytné a komerční zástavby (snížení emisí o 13 %) a dále v energetice, dopravě a zemědělství (vždy kolem 4 %). Navýšíme-li modelové investiční náklady na 100 USD/ t CO 2 ekv., pak se redukční potenciál v obytné a komerční zástavbě zvýší na 14 %, v zemědělství na 10 %, průmyslu na 9 % a energetice na 8 %; nejnižší zůstává v odpadovém hospodářství (méně než 2 %) a dopravě (5 %). Mezi krátkodobá úsporná opatření v nejnadějnějším sektoru (obytná a komerční zástavba) zpráva zařazuje např. účinné osvětlovací systémy, využívání denního světla, provozování účinnějších elektrických spotřebičů, topných či chladicích systémů, zlepšení izolací, využívání pasivních či aktivních slunečních kolektorů, používání moderních chladících zařízení a jejich pravidelnou údržbu. Ve střednědobém horizontu je třeba počítat navíc se zahrnutím energetických úspor již do procesu územního plánování a celkového designu navrhovaných objektů či zástavby. Z hlediska dlouhodobých opatření je třeba vycházet z potřeby výraznějšího poklesu emisí po roce 2030, kdy by emise měly kulminovat. Redukční opatření je třeba zaměřit na rychlé rozšiřování portfolia moderních technologií, které jsou v současné době k dispozici a dále na nové technologie, u nichž lze předpokládat rychlé komerční rozšiřování. To vše ale předpokládá výrazné zvýšení podpory výzkumu, vývoje, propagace, nákupu a šíření nových technologií a odstraňování stávajících překážek. Zajímavé poznatky lze odvodit z modelových výsledků, které se zabývají odhadem emisních úspor do roku 2030 ve využívání jednotlivých primárních energetických zdrojů. V ekonomicky vyspělých státech (se současnými redukčními závazky dle Kjótského protokolu) mohou při středním scénáři SRES A1B dosáhnout celkové emisní úspory přibližně 15 % předpokládaného stavu v roce 2030, v rozvojových státech kolem 9 %. Na úsporách se ve vyspělých ekonomikách může nejvíce podílet další využívání jaderné energetiky (5,7 %), zavádění nových spalovacích technologií a záměna pevných paliv za plynná (2,1 %), vodní energie (1,9 %), větrná energie (1,5 %), atd.; v rozvojových státech je největší potenciál ve využívání biomasy (2 %), jádru (1,5 %) a záměně paliv (1,3 %). Pokud jde o náklady na snížení emisí, pak ve vyspělých ekonomikách má při nejnižších nákladech (do 20 USD/t CO 2 ekv. ) opět nejvyšší potenciál jádro (28 % podílu na výsledném snížení), dále využívání plynu (24 %) a obnovitelných zdrojů energie (biomasa, vítr, slunce, geotermální energie, atd.) s 18 %. Obnovitelné zdroje a ukládání oxidu uhličitého do země získávají převahu až při zvýšení nákladů na 100 USD/ t CO 2 ekv.. Právě při diskusích o možnostech dosažení emisních úspor a výše orientačních nákladů se projevila odlišnost názorů zástupců USA a Kanady a delegace EU. Avšak ani v rámci EU nepanovala shoda a snahu o umírněné formulace v SPM ohledně možností jaderné energetiky ke konci jednání prosazovaly již téměř výhradně zástupci Rakouska a Německa Jan Pretel 76 Meteorologické zprávy, 60, 2007

15 APLIKACE MODELU PRO OBJEKTIVNÍ ANALÝZU GUST FRONT Marek Kašpar, Ústav fyziky atmosféry AV ČR, v. v. i., Boční II, 1401/1a, Praha 4-Spořilov, Miloslav Müller, Ústav fyziky atmosféry AV ČR, v. v. i., Boční II, 1401/1a, Praha 4-Spořilov, Application of the model for the objective analysis of gust fronts. This paper is devoted to the testing experiment of a postprocessing model aimed at the objective analysis of propagating gust fronts in a given convective environment. This diagnostic model is being developed to be applicable by utilizing non-hydrostatic NWP model outputs with the horizontal resolution of the order of 1 km. The model enables to determine the position of gust fronts and to assess their speed of movement and the potential to initiate convection according to the properties of ambient vertical shear and stability as well as humidity conditions ahead of the downdraft outflows. Thus, it may represent the potential for improving the operational very short-range forecasting of hazardous convective phenomena. The model procedures were applied in the case study from 2 July 2000 which was simulated by the LM COSMO with the horizontal resolution 2.8 km. The tests confirmed the applicability of the model in the evaluation of the role which downdraft outflows played in the prolongation of convection lifetime. The objective gust fronts moved on downshear. In addition to this favourable dynamical organisation for triggering convection, the potential instability and low lifting condensation level was identified in the area of forced upward motions. KLÍČOVÁ SLOVA: předpověď krátkodobá post-processing konvekce analýza objektivní gust front KEY WORDS: short-range forecasting post-processing convection objective analysis gust front 1. ÚVOD Uvnitř sestupných proudů konvekčních bouří dochází k částečnému výparu srážek a transportu horizontální hybnosti z vyšších do nižších hladin. Po dosažení přízemních hladin se relativně chladnější vzduch sestupného proudu rozlévá podél zemského povrchu. Přední stranu rozhraní mezi chladným vzduchem vytékajícím z konvekční bouře a okolním relativně teplejším vzduchem spodních hladin označujeme pojmem gust front [15]. Tento termín bude dále v textu nahrazen zkratkou GF. Základní struktura výtoku studeného vzduchu z bouře je znázorněna na obr. 1. Pro oblast rozhraní jsou charakteristické velké horizontální gradienty meteorologických veličin. Přechod GF je často doprovázen prudkou změnou meteorologických podmínek, mimo jiné rychlým poklesem teploty a stáčením větru spojeným s mimořádně silnými nárazy a turbulencí. Výsledky studií šíření GF jsou proto důležité zejména pro předpověď silné konvekce. Chování vzduchu, který vytéká z bouře a šíří se podél zemského povrchu, má podstatný vliv na délku životní doby mnohobuněčného systému. Přechod GF může způsobit, že výstupný proud mateřské buňky je odříznut od zdroje teplého a vlhkého vzduchu, čímž vývoj této buňky končí. V těsné blízkostí GF nicméně dochází k silné konvergenci proudění. V pásmu konvergence mohou v závislosti na vlastnostech okolního prostředí vznikat nové výstupné proudy a tedy i nové konvekční buňky, které se tak stávají dynamickou součástí systému [18]. Následkem interakce GF, které pocházejí z původních i nově vzniklých buněk, se může vytvořit výrazné rozhraní mohutného výtoku, které má potenciál vyvolat konvekci i ve značné vzdálenosti od mateřské bouře [3]. Vertikální střih horizontálních složek proudění je již dlouhou dobu považován za jeden z nejdůležitějších parametrů v teorii dynamiky konvekč- ních bouří [16]. Numerické studie morfologie a šíření výtoků [7] zdůrazňují důležitost vertikálního střihu větru pro generování konvekce podél postupujících GF. Na základě řady těchto numerických i laboratorních experimentů [20] a analytických studií, zahrnujících vlivy teplotního zvrstvení, uvolňování latentního tepla kondenzace a tření o zemský povrch, bylo odvozeno několik dvourozměrných analytických modelů, které vymezují režim chování výtoku a popisují strukturu vynucených výstupných pohybů na jeho přední straně v závislosti na vlastnostech okolního pole proudění [13, 14]. Předkládaný článek si klade za cíl shrnout nejdůležitější výsledky grantového projektu GA AV ČR B Projekt je zaměřen na vývoj diagnostického modelu pro objektivní popis chování postupujících GF a jejich vlivu na dané konvekční prostředí. Model je aplikovatelný na výstupy z nehydrostatických numerických předpovědních modelů (dále jen NWP modely) a může být jedním z užitečných nástrojů tzv. post-processingu, využitelný jako součást postupů nowcastingu a velmi krátkodobé předpovědi. Model umožňuje automaticky a v relativně krátkém časovém intervalu řádu desítky sekund určit polohu dostatečně teplotně výrazné GF uvnitř Obr. 1 Schematický řez výtokem studeného vzduchu z konvekční bouře s GF. Upraveno podle [7]. Fig. 1. Schematic cross-section through a cold outflow from a convective storm with the gust front ahead of the system. After [7]. Meteorologické zprávy, 60,

16 modelové domény, odhadnout výšku čela výtoku a rychlost jeho šíření podél zemského povrchu. Tím spolu s vyhodnocením vlastností konvekčního prostředí hodnotí potenciál ke generování nových konvekčních buněk. Nutno poznamenat, že při aplikaci na prognostická pole meteorologických veličin závisí přesnost objektivní analýzy přímo na kvalitě předpovědi a identifikovatelnost rozhraní na horizontálním rozlišení NWP modelu. Současné nehydrostatické NWP modely aplikované při předpovědi význačných konvekčních událostí používají horizontální rozlišení řádu 1 km. Některé dílčí výsledky projektu již byly publikovány [12]. Obr. 2 Základní struktura modelu pro objektivní analýzu gust front OAGF. Vstupem do modelu jsou termodynamické veličiny vystupující z NWP modelu LM COSMO. Vlevo obsahuje diagram jednotlivé význačné procedury OAGF a vpravo odpovídající výstupy. VKH značí výstupnou kondenzační hladinu a Gi veličinu pro odhad potenciálu GF iniciovat konvekci. Fig. 2. Basic structure of the model for the objective analysis of gust fronts OAGF. The inputs are the thermodynamic quantities provided by NWP model LM COSMO. The diagram contains the important procedures on the left and corresponding outputs on the right. VKH is the lifting condensation level and Gi is the quantity for the assessment of the potential of objective gust fronts to initiate convection. Obr. 3 Schéma proudění v souřadném systému, který se pohybuje s výtokem z konvekční bouře. Příklady idealizovaného koncepčního modelu. Nahoře: režim šíření GF proti vertikálnímu střihu větru. Dole: režim šíření s řídící hladinou, tzv. částečně blokovaný režim šíření ve směru střihu větru a s přetočeným výstupným proudem. Výška řídící hladiny je označena jako h s, rychlost postupu výtoku relativně k zemskému povrchu je označena jako c 0. Proudnice zakreslená tenkou čárou ukazuje nerozdělené proudění v blízkosti horní hranice uvažované oblasti. Fig. 3. Schematic of the relative flow in a reference frame moving along with the outflow from convection. Examples of an idealized conceptual model. Top: Propagating regime of the gust front with upshear-moving outflow. Bottom: Steering-level regime, so called partly blocked jump regime with downshear-moving outflow and with overturning updraft. The height of the steering level is marked by h s. The thick arrow denotes the velocity c 0 of propagation of the outflow in ground-relative coordinates. The thin streamline indicates non-separating flow near the upper boundary. 2. MODEL PRO OBJEKTIVNÍ ANALÝZU GF Diagnostický model pro objektivní analýzu GF, pracovně označovaný jako OAGF (Objektivní analýza gust front), byl vyvíjen na výstupních gridových datech z experimentální verze nehydrostatického NWP modelu na omezené oblasti LM COSMO [5], který využívá Ústav fyziky atmosféry AV ČR pro výzkumné účely. Základní strukturu modelu OAGF popisuje obr. 2. Vstupem do modelu jsou prognostické veličiny charakterizující pole proudění, teplotní a vlhkostní charakteristiky v okolí simulovaných konvekčních bouří. Jednotlivé procedury OAGF kombinují matematické a grafické algoritmy, které určují polohu GF ve spodních modelových hladinách. Ze znalosti třídimenzionální polohy a tím i morfologie rozhraní je odhadnuta výška čela příslušného výtoku a následně na základě porovnání termodynamických charakteristik uvnitř a vně jezer chladného vzduchu spojených s výtokem i rychlost šíření rozhraní podél zemského povrchu. Model je dále doplněn o proceduru, která prostřednictvím analýzy vertikálního střihu větru, stabilitních a vlhkostních podmínek kvantifikuje potenciál k zesílení konvekčních procesů v blízkosti již existujících buněk. 2.1 Lokalizace GF Model OAGF definuje GF jako linii podél teplého okraje pásma oddělující jezero relativně chladnějšího vzduchu spojeného s výtokem od teplejšího okolního prostředí. Tato kvalitativní definice je v principu totožná s definicí polohy teplotních rozhraní synoptického měřítka (např. atmosférických front). Objektivně analyzované GF nemohou být nicméně zaměněny s rozhraními tohoto typu vlivem odlišného měřítka a přítomnosti intenzivních konvekčních procesů. Používané tvary matematického vyjádření definice pro rozhraní synoptického měřítka shrnuje např. [8]. Algoritmus objektivní lokalizace GF vychází z matematického vyjádření a numerického řešení pro rozhraní synoptického měřítka navrženého v práci [9] pro potřeby meteorologických služeb. Poloha objektivně analyzovaných GF je modelem určena pomocí jedné lokalizační rovnice a dvou maskovacích nerovností kritérií [12]. Kromě zde nastíněné metody lokalizace, která je založena pouze na teplotní definici rozhraní, byly provedeny experimenty s objektivní lokalizací GF na základě využití parametrů souvisejících s polem proudění, tj. konvergence, vorticity a horizontálního střihu větru. Ukázalo se, že zahrnutím těchto parametrů do lokalizační procedury nedochází k zásadnímu zlepšení výsledků, a to ani ve sporných případech, kdy teplotní definice GF neumožňuje jednoznačnou lokalizaci rozhraní. Prostorové změny v poli proudění v blízkosti GF jsou často velmi nehomogenní. Řešení lokalizační rovnice a maskovacích nerovnic pro parametry odvozené z pole proudění je navíc výpočetně náročnější a je zatíženo větší chybou. 78 Meteorologické zprávy, 60, 2007

17 2.2 Rychlost postupu a výška čela výtoků z konvekčních buněk Další modul modelu OAGF obsahuje procedury pro odhad rychlosti postupu objektivně lokalizovaných GF a výšku přední strany příslušného výtoku z konvekční buňky. Vektor rychlosti postupu v konkrétním bodě GF má směr kolmý k rozhraní a jeho velikost je v první řadě určena rychlostí okolního proudění, velikostí horizontálního tlakového gradientu a výškou čela výtoku. V daném vertikálním řezu je výška čela definována jako výška nejvyšší hladiny NWP modelu nad zemským povrchem, kde lze rozhraní objektivně lokalizovat. Řešením Boussinesquovy pohybové rovnice a aplikováním empirických výsledků laboratorních experimentů [20] můžeme pro rychlost šíření výtoku psát [2]. (1) Ve vztahu (4) označuje K Freudovo číslo, g velikost tíhového zrychlení, H výšku čela výtoku a u průměrnou velikost horizontální složky rychlosti větru kolmé k rozhraní, a to v nejnižší vrstvě vymezené výškou H. Pro účely studie je u uvažována v těsné blízkosti (dáno horizontálním rozlišením NWP modelu) a na přední straně rozhraní. Konečně Θ w a Θ c označují postupně potenciální teplotu pro vlhký vzduch na přední (teplé) a zadní (studené) straně rozhraní. Kromě výše zmíněných parametrů je rychlost šíření výtoku v reálné atmosféře významně ovlivněna také gradientem vztlakových sil, který souvisí s podmínkami zvrstvení atmosféry, popř. s přítomností neadiabatických dějů. Vliv posledně jmenovaných faktorů je zohledněn prostřednictvím specifických hodnot Freudova čísla, což zpřesňuje výpočet oproti klasickému vztahu odvozenému v laboratorních podmínkách [17]. Na základě několika experimentů jsme v případě stabilního teplotního zvrstvení použili hodnotu Freudova čísla 1,5, tzn. o něco větší, než je teoretická hodnota 2 [1]. Naopak v případě uvolňování latentního tepla při kondenzaci ve výstupném proudu nad postupujícími objektivně analyzovanými GF jsme použili hodnotu výrazně menší, a to 0,75. Uvedený způsob specifikace Freudova čísla je ve shodě s doporučeními publikovanými v odborné literatuře [13]. 2.3 Analýza vertikálního střihu, zvrstvení atmosféry a vlhkostních podmínek Vznik konvekce vlivem postupujících GF je v první řadě dán horizontální konvergencí za určitého zvrstvení atmosféry a vlhkostních podmínek. Důležitým činitelem, který ovlivňuje horizontální konvergenci, je vertikální střih větru, který sice ve spodních hladinách obecně snižuje velikost vynucených výstupných pohybů, ale zároveň má nezanedbatelný vliv na organizaci pole proudění. Za účelem odhadu potenciálu k zesílení konvekčních procesů v blízkosti již existujících buněk obsahuje model OAGF několik zásadních procedur, které objektivně hodnotí teplotní zvrstvení a vlhkostní podmínky konvekčního prostředí, charakterizovaného specifickým vertikálním střihem větru. Objektivně analyzovaným GF je nejprve přiřazen jeden z předdefinovaných režimů šíření, který vychází z porovnání vektoru rychlosti postupu a pole proudění v souřadné soustavě pevně spojené s postupujícím výtokem. Na obr. 3 jsou schematicky znázorněny dva uvažované dvourozměrné analytické modely, které vymezují základní morfologické vlastnosti výtoku a strukturu vynucených výstupných pohybů v oblasti konvergence na přední straně rozhraní. Podrobný popis modelů lze nalézt např. v [13, 14]. Horní schéma na obr. 3 odpovídá klasickému režimu šíření, kdy relativní vtok vzduchu z oblasti před GF probíhá ve všech hladinách. Podle tohoto klasického režimu šíření se pak chovají všechny výtoky s GF, které se pohybují proti směru vektoru vertikálního střihu větru, a výtoky s GF pohybující se ve směru střihu větru, jež mají vyšší rychlost postupu než okolní proudění nad vrstvou střihu. Dolní schéma na obr. 3 zobrazuje režim šíření, kdy v souřadné soustavě pevně spojené s postupujícím výtokem dochází ke vtoku vzduchu pod a k výtoku nad určitou hladinou, kterou označujeme jako řídící hladina. Tento režim bude nazýván režimem s řídící hladinou. Oba režimy popisují pouze výtoky s GF pohybující se ve směru vertikálního střihu větru, jejichž rychlost postupu odpovídá rychlosti proudění okolního vzduchu v řídící hladině. Typický režim s řídící hladinou se někdy označuje jako blokovaný. Vzduch před GF nemůže protékat nad výtokem, je blokován a v určité výšce se obrací a proudí zpět. Znalost režimu šíření umožňuje odhadnout strukturu a vertikální rozsah vynucených výstupných pohybů a předpovědět prostorové uspořádání nově vzniklých konvekčních buněk. Po přiřazení režimu šíření identifikuje model přítomnost potenciální instability ve spodní troposféře a stanovuje výšku výstupné kondenzační hladiny (dále jen VKH) na přední straně objektivně analyzovaných GF. Vrstva vzduchu je uvažová- Obr. 4 Metoda extrapolace polohy elementů A, B a C objektivně lokalizovaných GF v čase. Fialovou barvou je vyznačena poloha elementů v počátečním čase t 0. Červenou barvou je vyznačena extrapolovaná poloha elementů v čase t 0 + t (t > 0). Barevně zvýrazněné uzlové body určují místa, která jsou ovlivněna přechodem elementů v časovém intervalu t 0, t 0 + t. Fig. 4. Extrapolation of the position of objective gust front elements A, B and C in time. Violet colour marks the position of the elements in initial time t 0. Red colour marks the extrapolated position of the elements in time t 0 + t (t>0). The coloured grid points determine the locations that are affected by the passage of the elements within time interval t 0, t 0 + t. Meteorologické zprávy, 60,

18 Obr. 5 Rozložení maximální radarové odrazivosti detekované radarem Skalky ve 13, 14 a 15 UTC. Černé šipky označují rozpadající se a červené šipky regenerující konvekční buňku. Fig. 5. Distribution of maximum radar reflectivity as detected by the radar Skalky on 2 July 2000 at 13, 14 and 15 UTC. The black and red arrows depict the decaying and regenerating convective cell, respectively. na jako potenciálně instabilní, pokud vertikální gradient adiabatické ekvivalentní potenciální teploty v z- systému je záporný. Potenciální instabilita může být uvolněna vynuceným výstupem vrstvy k nasycení do VKH na přední straně GF. GF pohybující se ve směru vertikálního střihu jsou pro iniciaci konvekce nejvíce účinné, neboť nově vzniklé konvekční buňky zůstávají téměř bez pohybu vzhledem k oblasti organizovaného a vertikálně mohutného vyzdvihování. Naopak v případě pohybu proti směru střihu jsou buňky díky silnému relativnímu proudění velmi rychle neseny k zadní části systému. Za předpokladu nízko položené VKH a přítomnosti potenciální instability ve spodních hladinách mohou vyvolat konvekci GF pohybující se ve směru i proti směru vertikálního střihu. Pokud se v relativních souřadnicích vyskytne přetočený výstupný proud znázorněný na obr. 3, může dojít k iniciaci konvekce i za předpokladu vysoko položené VKH a potenciálně stabilních spodních vrstev. 2.4 Potenciál ke generování konvekce Poslední důležitou součástí modelu OAGF, při níž jsou využívány poznatky a výstupy diskutované v předchozí části 2.3, je procedura odhadu potenciálu postupujících objektivně analyzovaných GF a konvekčního prostředí k iniciaci či zesílení konvekčních buněk. Potenciál je kvantifikován prostřednictvím souhrnné veličiny Gi, která v daném místě domény vyjadřuje míru nebezpečí zintenzivnění konvekčních procesů, přičemž monitoruje několik vybraných rozhodovacích kritérií. Veličina Gi se určuje z výstupu NWP modelu k termínu t 0 pro obecný termín t 0 + t, kde t>0. Jednotlivé elementy objektivně analyzovanýh GF jsou na základě zjištěné rychlosti postupu v čase t 0 lineárně extrapolovány do polohy, která odpovídá termínu t 0 + t. Hodnoty Gi (t 0, t) jsou stanoveny pouze v zasažených uzlových bodech, jak je schematicky znázorněno na obr. 4. Gi zde nabývá hodnot celých čísel od 0 do 5, přičemž vyšší hodnota vyjadřuje vyšší riziko zesílení konvekce. Pokud je daný uzlový bod v časovém intervalu t 0, t 0 + t zasažen více elementy různých objektivně analyzovaných GF, je hodnota Gi spočtena pouze pro ten element, který přejde přes uzlový bod jako první. Při výpočtu Gi je použito několik rozhodovacích kritérií, která berou v úvahu následující informace o objektivně analyzovaných GF a vlastnostech konvekčního prostředí na přední straně rozhraní: polohu a výšku čela výtoku; rychlost a směr postupu; režim šířeni; výšku VKH a výskyt potenciální instability ve spodních hladinách. Z celkového počtu šesti kritérií je pět pozitivních a jedno negativní. Obecně platí, že splnění pozitivního kritéria zvyšu- Obr. 6 Objektivně analyzované GF (modré silné čáry) a přízemní prognostická pole potenciální teploty [K]. Zleva: 10, 11 a 12hodinová předpověď s počátkem integrace v 03 UTC. Fig. 6. Objective gust fronts (blue thick lines) and the prognostic potential temperature fields [K] at the surface. From the left: 10-, 11-, and 12-h forecast with the start of integration at 03 UTC on July 2, Meteorologické zprávy, 60, 2007

19 Obr. 7 Objektivně analyzované GF a prognostická pole výstupných rychlostí v hladině 1 km nad povrchem. Fig. 7. Objective gust fronts and prognostic fields of vertical velocities at the height of 1 km above surface. je hodnotu Gi o 1, splnění negativního kritéria ji snižuje o 1. Pořadí aplikování kritérií je následující: 1. konvergence proudění na přední straně rozhraní (nutná podmínka); 2. režim šíření ve směru vertikálního střihu větru; 3. režim šíření s řídící hladinou; 4. potenciální instabilita v přízemní vrstvě do výšky H; 5. výška VKH < 2H; 6. výrazné zeslabení (divergence) objektivně analyzovaných GF s časem (negativní kritérium). Pokud není splněna podmínka konvergence proudění, je výsledná hodnota Gi rovna nule bez ohledu na další kritéria. Za výrazné zeslabení objektivně analyzovaných GF s časem je považována skutečnost, kdy se délka daného elementu v průběhu extrapolace minimálně zdvojnásobí. 3. APLIKACE MODELU OAGF PŘI SIMULACI KONVEKČNÍCH UDÁLOSTÍ Následující kapitola obsahuje testovací studii s vybraným příkladem využití modelu OAGF pro území ČR. Testována byla událost z , kdy došlo k vývoji spíše izolovaných, rychle se pohybujících konvekčních bouří. Cílem těchto experimentů bylo ukázat, že model OAGF je schopný spolu s výstupy NWP modelu s vysokým rozlišením zhodnotit význam šířících se chladných výtoků v daném konvekčním prostředí při prodlužování doby trvání konvekčních bouří. 3.1 Struktura výpočtu Vybrané události byly numericky simulovány nehydrostatickým NWP modelem na omezené oblasti LM ( Lokall Modell ) konsorcia COSMO. Detailní popis modelu lze Obr. 8 (a) Objektivně analyzované GF a přízemní prognostická pole okamžitých srážkových intenzit. Černé šipky označují rozpadající se a červené šipky regenerující simulované konvekční buňky. (b) Hodnoty veličiny Gi pro odhad potenciálu GF iniciovat konvekci během následující hodiny. Fig. 8. (a) Objective gust fronts and the prognostic fields of actual precipitation rates at the surface. The black and red arrows depict the decaying and regenerating simulated convective cells respectively. (b) The values of the quantity Gi that asses the potential of gust fronts to initiate convection in the next 1 h. Meteorologické zprávy, 60,

20 nalézt v dokumentaci [5]. V testovacích studiích jsme použili model LM COSMO ve verzi 2.12 s horizontálním rozlišením 2.8 km. Způsob integrace modelu LM COSMO ve verzi 2.12 včetně výsledků verifikace simulovaných srážek pro zde prezentovanou událost lze nalézt v [19]. Prostorové a časové rozlišení modelu LM COSMO je hrubší než u mezoměřítkových modelů používaných k třídimenzionální simulaci oblačných procesů, které mohou velmi dobře postihnout jevy související s výtoky z konvekčních buněk [4]. Tyto modely však nejsou vhodné pro předpověď konvekce v reálném čase zejména vzhledem k vysokým nárokům na výpočetní čas a problémům souvisejícím s definicí dostatečně přesných počátečních a okrajových podmínek. V předpovědní praxi používané nehydrostatické modely nemohou vzhledem k horizontálnímu rozlišení řádu 1 km simulovat detailní strukturu konvekčních bouří. Aplikace modelu OAGF jako nástroje post-processingu výstupů z takového modelu umožní odhlédnout od této nepřesnosti a zhodnotit očekávanou míru konvekční aktivity, což může přispět ke zpřesnění nowcastingu, resp. velmi krátkodobé předpovědi počasí. Předmětem zájmu jsou proto pouze výraznější a zpravidla aktivnější teplotní rozhraní, která jsou identifikovatelná v síti uzlových bodů s horizontálním rozlišením řádu 1 km. Vstupy do modelu OAGF tvoří simulovaná třídimenzionální pole proudění, potenciální teploty pro vlhký vzduch, tlaku a směšovacího poměru. Numerické řešení lokalizační rovnice a maskovacích nerovnic a způsob zakreslení objektivně lokalizovaných GF uvnitř modelové domény jsou analogické matematickým a grafickým metodám pro analýzu termodynamických rozhraní v atmosféře, popsaným v [10]. Jakmile je určena třídimenzionální poloha objektivně analyzovaných GF, jsou aplikovány zbylé procedury modelu OAGF způsobem, který je naznačen na obr Studie případu z Krátce po poledni přecházela přes ČR dále k východu přízemní mělká brázda nízkého tlaku vzduchu se studenou frontou. Synoptické podmínky ve střední troposféře byly charakterizovány nevýrazným hřebenem vysokého tlaku a západním prouděním [6]. V odpoledních hodinách se v blízkosti frontálního rozhraní vyskytly izolované přeháňky a bouřky, doprovázené silným nárazovitým větrem a krupobitím. Naměřené denní úhrny srážek byly prostorově velmi nehomogenní a pohybovaly se v průměru kolem 10 mm s maximem 17 mm. Rozložení maximální radarové odrazivosti v průběhu odpoledne, tak jak ji detekoval radar Skalky, je na obr. 5. Na obrázku můžeme vidět dvě poměrně rozsáhlé konvekční buňky, které se velmi rychle pohybují k jihovýchodu. Severněji položená buňka, označená černou šipkou, se postupně rozpadá. Naopak jižněji položená buňka, označená červenou šipkou, zesiluje. Počátek integrace modelu LM COSMO byl stanoven na 03 UTC. Model OAGF byl aplikován na předpovědní pole veličin pro 13, 14 a 15 UTC. Nejprve zmíníme výsledky několika validačních testů procedury pro objektivní lokalizaci GF. Obrázek 6 obsahuje objektivně lokalizované GF v nejnižší modelové hladině zhruba 20 m nad terénem a pole potenciální teploty pro vlhký vzduch. GF jsou správně lokalizovány podél teplých okrajů oblastí se zvýšeným horizontálním gradientem potenciální teploty. Jezera chladného vzduchu se postupně rozšiřují a navzájem spolu kolidují. Obrázek 7 ukazuje, že se poloha GF kryje ve většině případů s polohou lokálních maxim výstupných pohybů ve spodních hladinách, což je v souladu s obvyklým pozorováním vynucených výstupů na přední straně výtoků z konvekčních bouří. Jak je vidět dále z obr. 8a, GF uzavírají oblasti lokálních maxim okamžitých srážkových intenzit při zemském povrchu, což potvrzuje původ chladného vzduchu v sestupných proudech konvekčních buněk. Z porovnání z obr. 5 plyne, že LM COSMO simulace v použité konfiguraci je schopná postihnout vývoj pozorované konvekce. Lokální maxima srážkových intenzit se zhruba kryjí s maximy radarové odrazivosti, jejich počet je však mírně nadhodnocen. Na obr. 8a jsou podobně jako na obr. 5 označeny rozpadající se, resp. regenerované konvekční buňky černou, resp. červenou šipkou. Obrázek 8 ukazuje hodnoty souhrnné veličiny Gi pro odhad potenciálu konvekčního prostředí a postupujících objektivně analyzovaných GF k iniciaci a zesílení konvekčních buněk v uzlových bodech modelu LM COSMO ve sledované oblasti. Hodnota Gi je spočtena pro časový krok t = 1 h. Na přední straně GF postupující od rozpadající se buňky, v místech, kde dochází k zesílení druhé z obou sledovaných buněk, dosahuje Gi poměrně vysokých hodnot od 2 do 4. Níže Obr. 9 Vertikální řez podél úsečky AB na obr. 8. Bílé čáry schematicky naznačují přízemní polohu a výšku čela objektivně analyzovaných GF pohybujících se ve směru šipek v horní části obrázku. GF jsou kombinovány s polem simulované radarové odrazivosti detekované hypotetickým radarem v bodě A. Fig. 9. Vertical cross-sections along the abscissa AB in Fig. 8. White lines schematically depict the head heights and surface position of the objective gust fronts that move in the direction of the arrows above. The gust fronts are combined with the field of the simulated radar reflectivity measured by a hypothetic radar at the point A. 82 Meteorologické zprávy, 60, 2007

21 provedená analýza ve vertikálních řezech podél úsečky AB skrz tyto buňky naznačuje, která kritéria uvedená v části 2.4 jsou zde splněna. Časová sekvence vertikálních řezů na obr. 9 obsahuje schematicky naznačenou přízemní polohu a výšku čela odpovídajících výtoků společně s rozložením simulované radarové odrazivosti, jak by ji naměřil hypotetický meteorologický radar s parametry radaru Skalky umístěný v bodě A [11]. Na obrázku je vidět, že se simulovaná buňka bližší k bodu B postupně rozpadá. Naopak buňka vlevo na přední straně výtoku z rozpadající se buňky zesiluje. Řez na obr. 10 ukazuje objektivně lokalizované čelo výtoku, které se šíří směrem k zesilující buňce, společně s polem relativního proudění na počátku monitorování situace ve 13 UTC. Čelo výtoku postupuje v režimu šíření ve směru vertikálního střihu větru bez přítomnosti přetočeného výstupného proudu. Informace o výšce čela, rychlosti postupu a režimu šíření výtoků pocházejících z rozpadající se buňky shrnuje tab. 1. Tab. 1 Režim šíření, výška čela a rychlost postupu objektivně lokalizovaných GF, které souvisejí s výtoky z rozpadající se buňky na obr. 9. Table 1. Regime of propagation, head height and the speed of movement of the objective gust fronts that associate with the outflows from the decaying cell in Fig. 9. Čas předpovědi Režim šíření Výška čela [m] Rychlost postupu [m.s 1 ] 13 UTC Ve směru střihu bez řídící hladiny UTC Ve směru střihu bez řídící hladiny UTC Ve směru střihu bez řídící hladiny Obrázek 11 znázorňuje, jak se vertikální gradient adiabatické ekvivalentní potenciální teploty a výška VKH mění s výškou nad zemským povrchem v prvním uzlovém bodě na přední straně GF na počátku monitorování situace ve 13 UTC (viz obr. 9). Graf odhaluje přítomnost potenciální instability a relativně nízkou VKH ve spodních hladinách. Režim šíření ve směru vertikálního střihu větru kombinovaný s příhodným zvrstvením atmosféry a vlhkostními podmínkami potvrzuje, že oblast na přední straně sledovaných konvekčních buněk je příhodná pro další vývoj konvekce. Podobným způsobem jako ve zde publikovaném případu byla provedena objektivní analýza GF i pro jiné situace, které souvisely s výskytem organizovanějších a déle trvajících konvekčních systémů. Příkladem může být studie události spojené s přívalovou povodní v podhůří Orlických hor z 22. až [21]. Studie naznačila, že chladné výtoky z konvekční bouře mohly sehrát důležitou roli v prodlužování doby existence systému, neboť objektivně identifikovala GF, které postupovaly v prostředí s příhodným vertikálním střihem větru [12]. Ne u všech situací však byly výsledky takto jednoznačně interpretovatelné. 4. ZÁVĚR Řada studií, které se zabývají dynamikou chladných výtoků z konvekčních bouří, potvrzuje, že GF hrají klíčovou roli při iniciaci a organizování konvekčních buněk v případě, že postupují do prostředí s termodynamicky příznivými vlastnostmi. Výsledky grantového projektu GA AV ČR B , které shrnuje tento článek, ukazují, že vyvinutý diagnostický model pro objektivní analýzu GF OAGF je aplikovatelný na výstupy z nehydrostatických numerických předpovědních modelů s horizontálním rozlišením řádu 1 km. Testovací Obr. 10 Vertikální řez podél úsečky AB na obr. 8 pro počátek monitorování situace. Černá čára schematicky naznačuje přízemní polohu a výšku čela objektivně lokalizované GF pohybující se ve směru šipky na pozadí prognostického pole relativního proudění. Fig. 10. Vertical cross-section along the abscissa AB in Fig. 8 valid at the beginning of the monitoring of the situation. It depicts the prognostic relative wind field and the head height with surface position of the objective gust front (black line) that moves in the direction of the arrow. experimenty naznačily možnost využití modelu OAGF jako součásti postupů nowcastingu a velmi krátkodobé předpovědi konvekce na území ČR. Model OAGF definuje GF jako linii podél teplého okraje rozhraní v poli potenciální teploty pro vlhký vzduch. Odhaduje výšku čela příslušného výtoku a rychlost jeho šíření v okolním prostředí. Na základě objektivní analýzy vertikálního střihu, zvrstvení atmosféry a vlhkostních podmínek kvantitativně Obr. 11 Změna vertikálního gradientu adiabatické ekvivalentní potenciální teploty a výšky VKH s výškou h nad zemským povrchem na přední straně objektivně lokalizované GF na obr. 10. Fig.11. Variation of the vertical gradient of equivalent potential temperature and the height of the lifting condensation level VKH with the height h above surface ahead of the objective gust front in Fig. 10. Meteorologické zprávy, 60,

22 vyjadřuje, do jaké míry může interakce GF a okolního prostředí přispět ke vzniku nových konvekčních buněk nebo k prodloužení trvání existujících buněk. Součástí testovacích experimentů byla aplikace modelu OAGF při analýzách význačných letních konvekčních událostí, z nichž jedna je prezentována v tomto článku. Události byly simulovány nehydrostatickým numerickým předpovědním modelem na omezené oblasti LM COSMO s horizontálním rozlišením 2.8 km. Výsledky verifikačních testů lokalizace GF lze shrnout následovně: GF jsou správně lokalizovány podél teplých okrajů oblastí se zvýšeným horizontálním gradientem potenciální teploty. Poloha GF se kryje ve většině případů s polohou lokálních maxim výstupných pohybů ve spodních hladinách. GF uzavírají oblasti lokálních maxim okamžitých srážkových intenzit při zemském povrchu. Prezentovaná analýza události z ukázala, že v daném konvekčním prostředí měly GF potenciál pro regeneraci konvekčních buněk. Sledované GF postupovaly ve směru vertikálního střihu větru. Příznivé uspořádání pole proudění bylo dále podpořeno nízko položenou výstupnou kondenzační hladinou a přítomností potenciálně instabilních vrstev v oblasti vynucených výstupných pohybů na přední straně odpovídajících výtoků. Dosavadní testy probíhaly na vybraných událostech, kdy NWP model přijatelně vystihl rámcovou strukturu simulovaných bouří. V budoucnu hodláme pomocí OAGF studovat i další události, simulované s využitím metod asimilace naměřených radarových dat, a sledovat možné odlišnosti mezi simulovaným vývojem bouří a vývojem očekávaným na základě prostorového rozdělení veličiny Gi. Vzhledem k tomu, že předpověď vlastností konvekčního prostředí je obecně zatížena menší neurčitostí než detailní simulace samotné konvekce, by zhodnocení tohoto prostředí pomocí veličiny Gi mohlo poskytnout zpřesňující informaci o dalším vývoji události. Poděkování: Příspěvek vznikl s podporou grantu GA AVČR B Naše poděkování dále patří Německé povětrnostní službě DWD za poskytnutí LM COSMO modelu a RSM kódu a ČHMÚ za poskytnutí radarových dat. Seznam význačných konvekčních událostí zpracovala Doc. RNDr. Daniela Řezáčová, CSc. Simulace LM COSMO modelem připravil RNDr. Z. Sokol, CSc. v ÚFA AVČR. Literatura [1] BENJAMIN, T. B., Gravity currents and related phenomena. Journal of Fluid Mechanics, Vol.. 31, s ISSN [2] BLUESTEIN, H. B., Synoptic-dynamic meteorology in midlatitudes. Vol vyd. New York: Oxford University Press. 594 s. ISBN X. [3] CARBONE, R. E. CONWAY, J. W. CROOK, N. A. MONCRIEFF, M. W., The generation and propagation of a nocturnal squall line. Part I: Observations and implications for mesoscale predictability. Monthly Weather Review, Vol. 118, s ISSN [4] CURIC, M. JANC, D. VUJOVIC, D. VUCKOVIC, V., The effects of a river valley on an isolated cumulonimbus cloud development. Atmospheric Research, Vol. 66, s ISSN [5] DOMS, G. SCHAETTLER, U The Nonhydrostatic Limited Area Model LM of DWD, Part I: Scientific Documentation. 1. Aufl. Offenbach : Deutsche Wetterdienst. 172 s. [6] Denní přehled počasí. Periodická publikace. Praha: ČHMÚ. [7] DROEGEMEIER, K. K. WILHELMSON, R. B., Three-dimensional numerical modeling of convection produced by interacting thunderstorm outflows. Part II: Variations in vertical wind shear. Journal of Atmospheric Science, Vol. 42, s ISSN [8] HEWSON, T. D., Objective fronts. Meteorological Applications, Vol. 5, s ISSN [9] HEWSON, T. D., Objective identification of frontal wave cyclones. Meteorological Applications, Vol. 4, s ISSN [10] KAŠPAR, M., Vývoj oblačných a srážkových pásů v atmosféře. [Doktorská disertační práce.] Praha: MFF UK. 94 s. [11] KAŠPAR, M. HAASE, G., Application of Radar Simulation Model to LM DWD forecasts. Pracovní dokument k projektu COST717 STSM_03_200206_1. 7 s. (Dostupné na [12] KAŠPAR, M. MÜLLER, M., Diagnostic analyses of convective events the effect of propagating gust fronts. Atmospheric Research, Vol. 83, s ISSN [13] LIU, C. MONCRIEFF, M. W., An analytical study of density currents in sheared, stratified fluids including the effects of latent heating. Journal of Atmospheric Science, Vol. 53, s ISSN [14] MONCRIEFF, M. W. LIU, C., Convection initiation by density currents: role of convergence, shear, and dynamical organization. Monthly Weather Review, Vol. 127, s ISSN [15] MUELLER, C. K. CARBONE, R. E., Dynamics of a thunderstorm outflow. Journal of Atmospheric Science, Vol. 44, s ISSN [16] NEWTON, C. W. NEWTON, H. R., Dynamical interactions between large convective clouds and environment with vertical shear. Journal of Applied Meteorology, Vol. 16, s ISSN [17] NICHOLLS, M. E. JOHNSON, R. H. COTTON, W.R., The sensitivity of two-dimensional simulations of tropical squall lines to environmental profiles. Journal of Atmospheric Science, Vol. 45, s ISSN [18] ROTUNNO, R. KLEMP, J. B. WEISMAN, M. L., A theory for strong, long-lived squall lines. Journal of Atmospheric Science, Vol. 45, s ISSN [19] ŘEZÁČOVÁ, D. SOKOL, Z. KAŠPAR, M. PEŠICE, P., Event-oriented radar verification of convective precipitation simulated by NWP model. ERAD02 series 1. European Conference on Radar Meteorology. Delft University of Technology, November 2002, s ISBN [20] SIMPSON, J. E. BRITTER, R. E., A laboratory model of an atmospheric mesofront. Quarterly Journal of the Royal Meteorological Society, Vol. 106, s ISSN [21] ŠÁLEK, M., Přívalové srážky v podhůří Orlických hor 22. až z hlediska metod dálkové detekce a výsledků numerických modelů. Meteorologické Zprávy, roč. 53, č. 1, s ISSN Lektoři (Reviewers) RNDr. R. Brožková, CSc., RNDr. J. Sulan, RNDr. J. Strachota. 84 Meteorologické zprávy, 60, 2007

23 ZMĚNY DÉLEK OBDOBÍ S CHARAKTERISTICKÝMI TEPLOTAMI VZDUCHU Eva Černochová, Matematicko-fyzikální fakulta Univerzity. Karlovy, V Holešovičkách 2, Praha 8-Holešovice, cernochova@chmi.cz Jaroslava Kalvová, Matematicko-fyzikální fakulta Univerzity. Karlovy, V Holešovičkách 2, Praha 8-Holešovice, jaroslava.kalvova@mff.cuni.cz Changes of lengths of periods with characteristic air temperatures. According to the World Meteorological Organization the global average surface temperature has increased by about 0,7 C since the beginning of the twentieth century [14]. The impacts of increasing air temperature can be quite extensive, especially when accompanied by higher variability. Periods with characteristic air temperatures, their length, dates of beginning and ending, affect much of living organisms and plants on the Earth. The article intends to show how the lengths of chosen periods have changed during the twentieth century. The lengths of periods with characteristic air temperatures 5, 10, 15 C were derived using two different methods (linear interpolation, robust locally weighted regression) for 10 stations in the Czech Republic. Averages for a forty-year period ( ) were computed as well as averages for every decade. Considerable attention was also paid to the analysis of methods used in the research; results of both methods were analyzed and compared. Average lengths of periods with characteristic air temperatures for a forty-year period ( ) were compared to average lengths in the first half of the twentieth century. Most stations showed lengthening of growing season and summer. Concerning decennary average lengths of growing seasons (characteristic temperatures of 5 and 10 C) in the period of , shortening in years was detected. No significant increase between decades and could be seen. As to decennary average lengths of summer period (characterized by mean temperatures 15 C), relatively large increase of 8-25 days between the first and fourth decade has been shown. KLÍČOVÁ SLOVA: regrese robustní lokálně vážená teploty vzduchu charakteristické období vegetační KEYWORDS: robust locally weighted regression characteristic air temperatures growing season 1. ÚVOD Podle předběžné zprávy Světové meteorologické organizace [14] byl globální roční průměr teploty vzduchu při zemském povrchu v roce 2006 o 0,42 C vyšší než průměr za období a od počátku 20. století vzrostl o 0,7 C. Růst teploty vzduchu byl v průběhu 20. století několikrát přerušen, od roku 1976 pozorujeme prudký růst globálního ročního průměru teploty vzduchu (0,18 C za desetiletí). I na území České republiky měla 90. léta velmi teplý charakter, viz např. [4, 5, 6, 7]. Růst teploty vzduchu, zejména bude-li doprovázen zvýšenou variabilitou, může mít značný praktický dopad na různá odvětví lidské činnosti a na přirozené ekosystémy. Citlivost na výkyvy počasí se trvale zvyšuje jak u lidí a domestikovaných zvířat, tak u moderních kultivarů pěstovaných rostlin [8]. Při sledování dopadů klimatické změny na biosféru se často věnuje pozornost vegetačnímu období. Vegetačním obdobím se obvykle rozumí období, v němž jsou příznivé podmínky pro růst rostlinstva [10]. Kritéria pro vymezení vegetačního období nejsou ve světě jednotná. V předkládaném článku jsou pojednány průměrné délky širšího a užšího vegetačního období a letního období, tedy období vymezená daty nástupu a ukončení teplot vzduchu 5, 10 a 15 C. Stejných definic bylo použito např. v [9] a [12]. Výpočet délek období s charakteristickými teplotami vzduchu 5, 10 a 15 C byl proveden např. v [12] a nověji v Atlasu podnebí Česka. Změny délek těchto období pak byly v nedávné době studovány zejména v [9]. Podle těchto výsledků bylo třicetiletí teplejší než období Rozdíly průměrných délek období s charakteristickými teplotami vzduchu v obdobích a činí asi 2,9 dne pro teploty vzduchu 0 C a 5 C, pro teplotu vzduchu 10 C asi 1,5 dne a pro teplotu vzduchu 15 C asi 2,8 dne. O desetiletí se uvádí, že průměrná doba trvání denní průměrné teploty vzduchu 0 C je v tomto období delší o téměř 17 dní než v normálovém období , trvání teploty 5 C je delší o 3 dny, trvání teploty 10 C je delší o necelý 1 den a trvání teploty 15 C se prodloužilo o 11 dní. Uvedené výsledky byly založeny na výpočtech provedených metodou lineární interpolace. V tomto příspěvku se zaměříme na možnost využití metody robustní lokálně vážené regrese pro sledování průměrných délek období s charakteristickými teplotami vzduchu. Tento přístup bude porovnán se staršími přístupy, aby se zjistilo, do jaké míry se výsledky liší. Dále bude sledován časový vývoj období s charakteristickými teplotami vzduchu v průběhu 20. století. 2. METODY VÝPOČTU PRŮMĚRNÉHO ROČNÍHO CHODU TEPLOTY VZDUCHU Pro výpočet průměrných délek období s průměrnou denní teplotou rovnou nebo vyšší než zadaná teplota je třeba určit průměrný roční chod průměrné denní teploty vzduchu za zvolené období. K tomuto účelu byly použity dvě metody metoda lineární interpolace a metoda robustní lokálně vážené regrese. 2.1 Metoda lineární interpolace Metoda lineární interpolace (dále jako MLI) je svou podstatou numerická obdoba grafické metody, používané k odvozování průměrných délek období s charakteristickými teplotami vzduchu dříve, viz např. [12]. Stejně jako při grafické metodě, i při výpočtu průměrného ročního chodu teploty přiřadíme hodnoty měsíčních průměrných teplot vzduchu vždy k patnáctému dni daného měsíce. Teplotu T i příslušející i-tému dni v roce určíme podle vztahu :, (1) kde T N je hodnota nejbližšího následujícího měsíčního průměru teploty vzduchu, Meteorologické zprávy, 60,

24 T P je hodnota nejbližšího předcházejícího měsíčního průměru teploty vzduchu, x N je pořadové číslo prostředního dne následujícího měsíce, x P je pořadové číslo prostředního dne předcházejícího měsíce. 2.2 Metoda robustní lokálně vážené regrese Nechť Y t, t = t 1 t n je časová řada, pro kterou platí: Y t = M t + e t, (2) kde M t je systematická komponenta a e t je náhodná část se střední hodnotou nula a rozptylem V t. Robustní lokálně vážená regrese (dále jako RLWR) je robustní neparametrická metoda odhadu systematické komponenty ˆM t časové řady Y t. Detailní popis metody RLWR lze nalézt v [3], [11] nebo [13]. Hlavní myšlenkou RLWR je, že systematická komponenta M t časové řady Y t je odhadnuta polynomem stupně m na lokálním intervalu t h, t + h, nikoli tedy na celém intervalu t 1, t n. Parametr h se nazývá šířka vyhlazovacího okénka a interval t h, t + h se nazývá vyhlazovací okénko. K nalezení regresního polynomu je použito metody vážených nejmenších čtverců. RLWR má tři důležité vlastnosti: 1. RLWR je robustní v tom smyslu, že vliv odlehlých hodnot na odhad ˆM t je potlačen. 2. Jako při použití podobných metod, založených na jádrových odhadech, i odhad ˆM t pomocí RLWR zachycuje lokální chování časové řady Y t, a nevyžaduje zadání modelu pro odhad systematické komponenty ˆM t, který by byl platný na celém intervalu t = t 1 t n. 3. Výhodný je iterativní přístup k použití RLWR. Rezidua z aktuálního odhadu ˆM t jsou využita k odhadu rozptylu ˆV t. Tento odhad ˆV t je následně použit pro zpřesnění odhadu ˆM t. Modifikace algoritmu dovoluje uvažovat rozptyl V t nekonstantní v čase t, přičemž se předpokládá, že se mění hladce s časem (v chování V t nenastávají skoky). Při popisu algoritmu budeme nejdříve předpokládat konstantní rozptyl V t pro všechna t = t 1 t n. Poté přidáme modifikaci pro časově proměnnou hodnotu V t. 1. krok: Spočteme odhad systematické komponenty ˆM t, t = t 1 t n, pomocí metody vážených nejmenších čtverců; váha přiřazená pozorování (t',y t' ) v bodě t je dána výrazem d t w(t,t'), kde d t je robustní váha, jejíž hodnota je v první iteraci rovna jedné, a w(t,t') je lokalizační váha. Hodnota w(t,t') je definována jako nula pro ty dvojice (t,t'), pro které platí t t' h. Tvar w(t,t') pro (t,t') takové, že platí t t' < h může být zvolen (viz níže). Právě použití lokalizačních vah w(t,t') dovoluje odhadu ˆM t vystihnout lokální změny v chování časové řady Y t. 2. krok Pro t = t 1 t n definujeme rezidua r t : r t = Y t ˆM t (3) a medián absolutních hodnot reziduí r t označíme jako s. Robustní váhy d t, které omezují vliv odlehlých hodnot na odhad ˆM t, pak definujeme takto: Algoritmus dále pokračuje rekurentním opakováním 1. a 2. kro ku, až do stanoveného počtu iterací K. (4) V popsaném algoritmu narážíme na několik problémů: 1) Jaký zvolit počet iterací K? 2) Jakou zvolit velikost šířky vyhlazovacího okénka h? 3) Rozptyl V t byl zatím uvažován jako konstantní během času. Jak algoritmus modifikovat, aby zahrnul případnou nekonstantnost V t? Ad 1) V praxi se ukazuje, že K=2 je obvykle dostatečné [13]. Ad 2) Výběr velikosti šířky vyhlazovacího okénka h je důležitější (a obtížnější). Čím je h menší, tím je systematická komponenta M t méně hlazená. Ad 3) V případě časově proměnné hodnoty V t je medián s ve výpočtu robustních vah d t nahrazen časově závislou veličinou u t. Potom se na konci každé iterace přidá třetí krok. 3. krok Aplikujeme RLWR na řadu absolutních hodnot reziduí r t, t = t 1 t n při použití aktuálních hodnot vah a velikosti šířky vyhlazovacího okénka h. Pak nechť u t je odhad systematické komponenty řady absolutních hodnot reziduí r t. Při výpočtu robustních vah d t v druhém kroku nahradíme medián s časově proměnnou veličinou u t. V práci byl pro aplikaci RLWR použit program ROLOWER [3]. 2.3 Program ROLOWER Program ROLOWER byl vyvinut pro aplikaci RLWR v jazyce Turbo Pascal v.7 [3]. Tento program nabízí množství funkcí a volitelných parametrů, z nichž níže jsou vyjmenovány ty, u nichž bylo třeba navrhnout vhodné nastavení pro výpočet průměrného ročního chodu teploty vzduchu. I. Počet iterací K. II. Typ lokalizačních vah w(t,t' ): k dispozici jsou čtyři typy lokalizačních vah: nechť, (5) potom pro x 1 platí w(x) = 0, a pro x <1 jsou k dispozici následující čtyři možnosti 1. w(x) = (1 x 3 ) 3 (6) 2. w(x) = 15 / 16 (1 2x 2 + x 4 ) (7) 3. w(x) = 35 / 32 (1 3x 2 + 3x 4 x 6 ) (8) 3. w(x) = 1. (9) První typ lokalizačních vah (6) byl navržen v [1], později byl použit např. v [13]. Druhý a třetí typ vznikly na základě srovnání výsledků RLWR s jádrovými odhady [11]. Čtvrtý typ je v programu zabudován pro možnost experimentu. III. Velikost šířky vyhlazovacího okénka h. 3. DATA Výsledky metod lineární interpolace a robustní lokálně vážené regrese byly analyzovány a vzájemně porovnány na čtyřicetiletých řadách ( ) průměrné denní teploty vzduchu (dále jako TPRUM) ze čtyř stanic na území České republiky (Semčice, Doksany, Třeboň, Husinec). Časový vývoj průměrných délek období s charakteristickými teplotami vzduchu pak byl analyzován na datech z deseti stanic na území České republiky (viz tab. 1). Data poskytl Český hydrometeorologický ústav pro diplomovou práci [2]. 86 Meteorologické zprávy, 60, 2007

25 Tab. 1 Seznam stanic a údaje o jejich zeměpisné poloze. Table 1. List of the stations and information about their geographical location. Název stanice Zeměpisná šířka Zeměpisná délka Nadmořská výška [m] Název stanice Zeměpisná šířka Zeměpisná délka Nadmořská výška [m] Doksany Tábor Žatec Velké Meziříčí Semčice Kralovice Kuchařovice Cheb Třeboň Husinec VÝBĚR PARAMETRŮ METODY RLWR Z porovnání průměrných ročních chodů TPRUM spočtených metodou RLWR s různým nastavením jejích parametrů vyplynul následující výběr těchto parametrů. Počet iterací K = 2 se ukázal být zcela dostatečným. Výsledky s různými typy lokalizačních vah se od sebe téměř nelišily (podrobněji viz [2]). Zvolili jsme tedy 1. typ lokalizačních vah (viz vztah 6), který je doporučen rovněž v [13]. Pokud se týká velikosti šířky vyhlazovacího okénka h, byly analyzovány průměrné roční chody TPRUM spočtené se šířkami h = 10, 15, 20 a 30. S rostoucí velikostí šířky vyhlazovacího okénka h je spočtený odhad systematické komponenty ˆM t časové řady Y t pochopitelně hladší, což ilustruje obr. 1. Vzhledem k tomu, že metoda lineární interpolace odvozuje křivky průměrných ročních chodů na základě měsíčních průměrů denních průměrných teplot vzduchu, přicházely v úvahu především dvě velikosti šířky vyhlazovacího okénka, a sice h = 15 a h = 30. Na obr. 1 je patrné, že na vzestupné části křivky průměrného ročního chodu TPRUM za desetiletí získané RLWR se šířkou vyhlazovacího okénka h = 15 se vyskytují časové úseky, ve kterých dochází k zastavení růstu teploty nebo dokonce poklesu teploty pod určitou mez. Ani u jedné ze čtyř stanic se sice pokles teploty nevyskytl v okolí zkoumaných charakteristických teplot vzduchu, při odvozování desetiletých průměrů délek období metodou RLWR s h = 15 však bude nutno tomuto jevu věnovat zvýšenou pozornost. Podrobněji je tento jev diskutován v [2]. Křivky průměrných ročních chodů TPRUM pro jednotlivá desetiletí spočtené metodami MLI a RLWR se od sebe liší více než pro čtyřicetileté období. Výraznější rozdíly se objevují nejen v oblasti maxima ročního chodu, ale i v průběhu celého roku, a činí až 1,5 C [2]. Poznatky o desetiletých průměrech délek období s charakteristickými teplotami vzduchu lze shrnout následovně. Na stanicích Doksany a Třeboň byla lepší shoda mezi výsledky metod MLI a RLWR h = 30 než mezi výsledky metod MLI a RLWR s h = 15. U stanic Husinec a Semčice se ve většině případů buď výsledky metody RLWR se šířkami vyhlazovacího okénka h = 15 a h = 30 shodovaly, anebo byl rozdíl mezi výsledky metod MLI a RLWR s h = 15 menší než rozdíl mezi výsledky metod MLI a RLWR s h = 30. Největší zjištěný rozdíl mezi průměrnými délkami období spočtenými metodou MLI a metodou RLWR byl 6 dní pro šířku vyhlazovacího okénka h = 30 a 10 dní pro h = 15. Délky období odvozené pro jednotlivá desetiletí tedy již značně závisí na použité metodě. 6. POROVNÁNÍ PRŮMĚRNÝCH DÉLEK ODBOBÍ S CHARAKTERISTICKÝMI TEPLOTAMI VZDUCHU V LETECH A Údaje o průměrných délkách období s charakteristickými teplotami vzduchu 5, 10 a 15 C za padesátiletí převzaté z publikace [12] byly porovnány s průměrnými dél- 5. POROVNÁNÍ VÝSLEDKŮ METODY LINEÁRNÍ INTERPOLACE A ROBUSTNÍ LOKÁLNĚ VÁŽENÉ REGRESE Křivky průměrných ročních chodů TPRUM za období spočtené metodou MLI a metodou RLWR se šířkami vyhlazovacího okénka h = 15, 30 se od sebe liší velmi málo [2]. Největší rozdíl se objevil u všech čtyř stanic v oblasti maxima ročního chodu, kde dosahoval 1 C. U některých stanic se rozdíly vyskytly i v jiných částech křivky ročního chodu. Vždy šlo o místa, kde nastává nějaký výkyv v průběhu řady denních průměrů průměrné denní teploty vzduchu. Čtyřicetileté průměry délek období odvozené metodou MLI a metodou RLWR s h = 30 se dobře shodují, rozdíly nečiní více než 2 dny. Rozdíly mezi výsledky metody RLWR s h = 15 a metody MLI jsou o něco větší, největší rozdíl činil 3 dny. Obr. 1 Průměrné roční chody průměrné denní teploty vzduchu za období na stanici Semčice hlazené metodou RLWR se šířkou vyhlazovacího okénka h = 15 a h = 30. Body jsou vyznačeny desetileté průměry průměrných denních teplot vzduchu (TPRUM 61 70). Fig. 1. Mean annual cycles of the mean daily air temperature in at the station Semčice derived with the robust locally weighted regression with halfspan h = 15 and 30. The dots show ten year averages of mean daily air temperature (TPRUM 61 70). Meteorologické zprávy, 60,

26 6.1 Průměrná délka širšího vegetačního období Průměrná délka širšího vegetačního období zjištěná pro čtyřicetiletí je na většině stanic větší než průměrná délka tohoto období v první polovině 20. století (tab. 2). Jedinou výjimkou je stanice Třeboň, kde došlo ke zkrácení širšího vegetačního období. Toto zkrácení činí ale jen 2 dny, což může být v rámci neurčitosti spojené s metodou vyhodnocování délky období. K největšímu prodloužení širšího vegetačního období došlo na stanicích Semčice a Žatec. Změna zde činí asi 3 % průměru za čtyřicetiletí , tj. 6 7 dní. Prodloužení větší než 2 % byla zjištěna i na stanicích Tábor, Cheb a Velké Meziříčí. 6.2 Průměrná délka užšího vegetačního období Na většině stanic nastalo prodloužení užšího vegetačního období (viz tab. 2). Výjimkou je opět stanice Třeboň, kde došlo ke zkrácení o 2 dny. K největšímu prodloužení užšího vegetačního období došlo na stanicích Semčice a Cheb, a to o více než 3 % čtyřicetiletého průměru, tj. 5 6 dní. Následují stanice Tábor a Žatec se změnou větší než 2 % (4 dny). Obr. 2 Odchylky desetiletých průměrů délky širšího vegetačního období od čtyřicetiletého průměru za období v procentech čtyřicetiletého průměru. Nahoře jsou stanice s nadmořskou výškou pod 400 m, dole stanice s nadmořskou výškou nad 400 m. Průměrné délky byly spočteny metodou RLWR s h = 30. Fig. 2. The deviations of decennary average lengths of period with air temperature 5 C from the average lenghts in in percentage of their forty year mean. The graphs represent stations with elevation less than 400 m (top) and also stations with elevation more than 400 m (bottom). The average lenghts were derived with the robust locally weighted regression with h = 30. kami za čtyřicetiletí spočtenými metodou MLI. Metoda MLI byla vybrána, protože výsledky uvedené v [12] byly získány podobným postupem. Srovnání bylo provedeno pro sedm stanic, pro které byly v publikaci [12] k dispozici údaje o průměrných délkách období s charakteristickými teplotami vzduchu. Byly to stanice Husinec, Cheb, Semčice, Tábor, Třeboň, Velké Meziříčí a Žatec. 6.3 Průměrná délka letního období U většiny stanic (s výjimkou Třeboně) došlo v průběhu 20. století k prodloužení průměrné délky letního období. Největší prodloužení letního období nastalo na stanici Cheb, a to dokonce o 18 % průměru za čtyřicetiletí , tj. 13 dní. Následují stanice Velké Meziříčí, Tábor a Husinec s prodloužením o více než 10 % (8 10 dní). Je tedy zřejmé, že průměrná délka letního období se změnila v průběhu 20. století více než průměrné délky širšího a užšího vegetační období. 6.4 Možné příčiny nalezených rozdílů průměrných délek období Poloha většiny vybraných stanic se během 20. století změnila. Pokusili jsme se zjistit, zda změna polohy stanic může vysvětlit alespoň část zjištěných rozdílů průměrných délek období v první polovině 20. století a ve čtyřicetiletí Závislosti průměrných délek období s charakteristickými teplotami vzduchu na zeměpisné šířce, zeměpisné délce a nadmořské výšce byly převzaty z [9]. Tyto závislosti byly odvozeny pro 30 stanic na území České republiky pro normálové období Z porovnání změn zeměpisné polohy stanic a jejich nadmořské výšky ale vyplynulo, že na základě těchto závislostí lze vysvětlit jen malou část zjištěných rozdílů průměrných délek období s charakteristickými teplotami v první a druhé polovině 20. století [2]. Na druhé straně, citované závislosti byly zjištěny pro obdo- Tab. 2 Průměrné délky širšího a užšího vegetačního období. Údaje z let byly převzaty z [12]. Údaje pro období byly spočteny metodou MLI. Table 2. Mean lengths of periods with characteristic air temperatures 5 and 10 C. The lenghts in were taken from [12]. The lenghts in were derived with the linear interpolation method (MLI). Název stanice Délka [počet dní] Širší vegetační období Délka [počet dní] rozdíl [61-00]-[01-50] [rozdíl] / [61-00] [%] Délka [počet dní] Délka [počet dní] Užší vegetační období rozdíl [61-00]-[01-50] [rozdíl] / [61-00] [%] Žatec , ,35 Semčice , ,51 Třeboň , ,29 Tábor , ,56 Velké Meziříčí , ,97 Cheb , ,33 Husinec , ,34 88 Meteorologické zprávy, 60, 2007

27 bí , v první polovině 20. století mohly být poněkud jiné. Mezi další možné příčiny změn průměrných délek období s charakteristickými teplotami vzduchu může patřit např. doplňování chybějících údajů, opravy naměřených teplotních řad apod. Část neurčitosti je jistě způsobená užitím konkrétní metody výpočtu průměrných délek období. I když detailní posouzení těchto vlivů nebylo na základě dostupných informací možné, přikláníme se k závěru, že ve druhé polovině 20. století došlo k prodloužení délek období s charakteristickými teplotami vzduchu. 7. ZMĚNA PRŮMĚRNÝCH DÉLEK OBDOBÍ S CHARAKTERISTICKÝMI TEPLOTAMI V PRŮBĚHU LET Časové změny průměrných délek širšího a užšího vegetačního období a letního období byly sledovány na základě čtyř desetiletých hodnot pro po sobě následující desetiletí. K výpočtům byly použity tři postupy: metoda lineární interpolace (MLI), metoda robustní lokálně vážené regrese se šířkou vyhlazovacího okénka h = 30 (RLWR s h = 30) a metoda robustní lokálně vážené regrese se šířkou vyhlazovacího okénka h = 15 (RLWR s h = 15). 7.1 Širší vegetační období Podle charakteru časového průběhu desetiletých průměrů délky širšího vegetačního období je možno sledované stanice rozdělit do dvou skupin: na stanice s nadmořskou výškou do 400 m a stanice s nadmořskou výškou nad 400 m. Vývoj průměrných délek širšího vegetačního období na stanicích Semčice a Kuchařovice je dosti nevýrazný. Na stanicích Doksany a Žatec se průměrné délky širšího vegetačního období během čtyřicetiletí prodloužily, změna mezi prvním a čtvrtým desetiletím činí v závislosti na použité metodě výpočtu 2 3 %, tj. 5 8 dní na stanici Doksany a 4 6 % (10 13 dní) na stanici Žatec (viz obr. 2 nahoře). U stanic s nadmořskou výškou nad 400 m došlo ve druhém desetiletí ke zkrácení širšího vegetačního období. K největšímu poklesu došlo na stanicích Husinec (5 9 %, tj dní v závislosti na použité metodě výpočtu) a Třeboň (4 6 %, tj dní), následují stanice Cheb (2 4 %, tj. 5 9 dní) a Kralovice (2 3 %, tj. 4 7 dní). Tyto změny již lze považovat za významné, a to s ohledem na shodu výsledků všech použitých metod a velikost změn (viz obr. 2 dole). Dále, výsledky metod RLWR s h = 30 a RLWR s h = 15 se shodují v tom, že průměrná délka širšího vegetačního období na pěti ze šesti výše položených stanic poklesla ve čtvrtém desetiletí oproti desetiletí třetímu. Na stanicích Kralovice, Cheb a Velké Meziříčí je tento pokles poměrně nevýrazný (1 2 dny), na stanicích Husinec a Tábor je výraznější (5 8 dní). Pokud se týká změny průměrné délky mezi prvním a čtvrtým desetiletím, platí podobné závěry jako o změně mezi třetím a čtvrtým desetiletím. K největšímu poklesu mezi prvním a čtvrtým desetiletím došlo na stanicích Tábor a Velké Meziříčí (5 8 dní). Na základě dat ze sledovaných deseti stanic se tedy nepotvrdilo očekávané prodlužování průměrných délek širšího vegetačního období během čtyřicetiletí Obr. 3 Odchylky desetiletých průměrů délky užšího vegetačního období od čtyřicetiletého průměru za období v procentech čtyřicetiletého průměru. Průměrné délky byly spočteny metodou RLWR se šířkou vyhlazovacího okénka h = 15. Fig. 3. The deviations of decennary average lengths of period with air temperature 10 C from the average lenghts in in percentage of their forty year mean. The average lenghts were derived with the robust locally weighted regression with h = Užší vegetační období V případě užšího vegetačního období nenastal odlišný vývoj průměrných délek na stanicích výše a níže položených [2]. Na všech deseti stanicích došlo k poklesu průměrné délky užšího vegetačního období ve druhém desetiletí. Velikost tohoto poklesu nebyla na žádné stanici menší než 4 % (6 dní), u většiny naopak překročila hodnotu 5 % (8 dní) (viz obr. 3). Změny průměrné délky užšího vegetačního období mezi třetím a čtvrtým desetiletím se liší podle stanice i použité metody. Podobně jako u širšího vegetačního období nepozorujeme výraznější změny průměrné délky užšího vegetačního období mezi prvním a čtvrtým desetiletím. 7.3 Letní období Desetileté průměry délky letního období spočtené metodami MLI a RLWR s h = 30 se chovají navzájem velmi podobně. V druhém desetiletí došlo na většině stanic k mírnému prodloužení průměrné délky léta, na některých stanicích naopak k jejímu poklesu. Od druhého desetiletí pak na všech stanicích podle obou zmíněných metod nastalo postupné prodlužování letního období (viz obr. 4). Celkové prodloužení mezi prvním a čtvrtým desetiletím se podle výsledků metody MLI pohybuje mezi 4 a 24 % (tj dní), podle metody RLWR s h = 30 mezi 8 a 30 %, tj. asi 9 25 dní. Obr. 4 Odchylky desetiletých průměrů délky letního období od čtyřicetiletého průměru za období v procentech čtyřicetiletého průměru. Průměrné délky byly spočteny metodou lineární interpolace (MLI). Fig. 4. The deviations of decennary average lengths of period with air temperature 15 C from the average lenghts in in percentage of their forty year mean. The average lenghts were derived with the linear interpolation method (MLI). Meteorologické zprávy, 60,

28 Chování průměrných délek letního období spočtených metodou RLWR s h = 15 je odlišné od výsledků obou zbývajících metod. S přihlédnutím k důvodům této odlišnosti popsaným v [2] se nezdá být tato metoda vhodná pro analýzu časového vývoje desetiletých průměrů délky letního období. 8. ZÁVĚR K odvozování průměrných délek období s charakteristickými teplotami vzduchu 5, 10 a 15 C byla použita metoda lineární interpolace (MLI) a metoda robustní lokálně vážené regrese (RLWR) se dvěma různými šířkami vyhlazovacího okénka h = 30 a h = 15. Metoda MLI je numerickou obdobou metody, která byla k odvozování průměrných délek období s charakteristickými teplotami vzduchu užívána již dříve. Metoda RLWR k tomuto účelu doposud použita nebyla. Z analýzy výsledků obou metod vyplynulo, že metoda RLWR je vhodná pro vyhodnocování průměrných délek období s charakteristickými teplotami vzduchu. Bylo zjištěno, že velikost šířky vyhlazovacího okénka h = 15 je vhodnější pro určování třicetiletých a čtyřicetiletých průměrů délek období, velikost h = 30 je vhodná pro výpočet desetiletých průměrů. Na základě analýzy výsledků použitých metod byl učiněn odhad ne určitosti průměrných délek období spojený s užitím konkrétní metody výpočtu, tento odhad je 6 dní. Průměrné délky období s charakteristickými teplotami vzduchu za čtyřicetiletí spočtené metodou MLI byly porovnány s údaji o průměrných délkách uvedenými v [12] pro padesátileté období Na většině stanic došlo během 20. století k prodloužení širšího i užšího vegetačního období a letního období. Dále byly výše zmíněnými metodami spočteny desetileté průměry délek období s charakteristickými teplotami vzduchu za čtyři desetiletí Vývoj průměrné délky širšího vegetačního období na stanicích s nadmořskou výškou do 400 m byl poměrně nevýrazný. U stanic s nadmořskou výškou větší než 400 m došlo v druhém desetiletí ke zkrácení širšího vegetačního období. Výrazný nárůst průměrné délky širšího vegetačního období mezi prvním a čtvrtým desetiletím nebyl pozorován, u některých stanic naopak došlo k jejímu zkrácení. Pokud se týká průměrné délky užšího vegetačního období, na všech stanicích nastalo zkrácení ve druhém desetiletí. Velikost poklesu mezi prvním a druhým desetiletím není na žádné stanici menší než 6 dní, u většiny překračuje hodnotu 8 dní. Podobně jako u širšího vegetačního období nepozorujeme významnější nárůst průměrné délky užšího vegetačního období mezi prvním a čtvrtým desetiletím. Desetileté průměry délky letního období spočtené metodami MLI a RLWR s h = 30 se chovají navzájem velmi podobně. V druhém desetiletí došlo na většině stanic k mírnému prodloužení průměrné délky letního období, na některých stanicích naopak k jejímu zkrácení. Od druhého desetiletí pak na všech stanicích nastalo postupné prodlužování průměrné délky letního období. Celkové prodloužení mezi prvním a čtvrtým desetiletím přesahuje na některých stanicích 25 dní. Výsledky této průřezové studie naznačují, že během posledních desetiletí dochází k výrazným změnám délek období s charakteristickými teplotami vzduchu, zejména délky letního období. Pro získání podrobnějšího pohledu na změny probíhající na území ČR je žádoucí vyhodnotit tyto změny na co největším počtu stanic. Poděkování: Naše poděkování patří ČHMÚ za poskytnutí dat, bez kterých by práce nemohla být provedena. Literatura [1] CLEVELAND, W. S., Robust locally weighted regression and smoothing scatterplots. Journal of the American Statistical Association, Vol. 74, s [2] ČERNOCHOVÁ, E., Změny délek období s charakteristickými teplotami vzduchu. [Diplomová práce.] Praha: MFF UK. 71 s. [3] DUBROVSKÝ, M., Robust locally weighted regression: algorithm, programming and application to radiation data. Praha: Ústav fyziky atmosféry AV ČR. [4] HUTH, R. POKORNÁ, L., Trendy jedenácti klimatických prvků v období v České republice. Meteorologické Zprávy, roč. 57, s [5] HUTH, R. POKORNÁ, L., Simultaneous analysis of climatic trends in multiple variables: an example of application of multivariate statistical methods. International Journal of Climatology, Vol. 25, s [6] CHLÁDOVÁ, Z. KALVOVÁ, J.: Změny vybraných teplotních kvantilů v období , Meteorologické Zprávy, roč. 58, s [7] KALVOVÁ, J. METELKA, L. KVĚTOŇ, V., Výzkum dopadů klimatické změny vyvolané zesílením skleníkového efektu na Českou republiku. Závěrečná zpráva za DP01 projektu VaV/740/1/00. MFF UK, NKP, MŽP. [8] KOŽNAROVÁ, V. KLABZUBA, J Aplikovaná meteorologie a klimatologie. I. díl. Historie a současnost, čas a kalendáře. Praha: Česká zemědělská univerzita v Praze. 40 s. [9] KVĚTOŇOVÁ, H., Charakteristické denní teploty vzduchu v České republice. [Bakalářská práce.] Praha: MFF UK. 23 s. [10] Meteorologický slovník výkladový a terminologický, Praha: Academia a MŽP ČR. 594 s. [11] MICHÁLEK, J. BUDÍKOVÁ, M. BRÁZDIL, R., Metody odhadu trendu časové řady na příkladu středoevropských teplotních řad. Praha: ČHMÚ. 53 s. NKP, sv. 31. [12] Podnebí Československé socialistické republiky , Tabulky, Praha: Hydrometeorologický ústav. 379 s. [13] SOLOW, A.R., Detecting changes through time in the variance of a long-term hemispheric temperature record: an application of robust locally weighted regression, Journal of Climate, Vol. 1, [14] WMO Statement on the status of the global climate in WMO-No 768. WMO Lektor (Reviewer) RNDr. J. Pavlík. ZEMŘEL RNDr. LADISLAV KŘIVSKÝ, CSc. V nedožitých 82 letech zemřel významný astronom RNDr. Ladislav Křivský, CSc. (nar ). Zejména v 50. a 60. letech minulého století, kdy se věnoval meteorologii, publikoval v Meteorologických Zprávách téměř třicet článků. I v dalších letech, kdy působil jako vědecký pracovník na Astronomickém ústavu AV ČR v Ondřejově, spolupracoval s Meteorologickými Zprávami jako lektor. Byl také členem České (dříve Československé) meteorologické společnosti. Redakce 90 Meteorologické zprávy, 60, 2007

29 INFORMACE RECENZE MĚŘENÍ DRÁHOVÉ DOHLEDNOSTI NA LETIŠTI KARLOVY VARY Na letišti Karlovy Vary (LKKV) byly od uvedeny do zkušebního provozu dva měřiče dráhové dohlednosti (RVR Runway Visual Range) transmisometry firmy Vaisala, typ LT31. Přístroje mají Osvědčení technické způsobilosti (OTZ 72-05) pro použití v civilním letectví udělené Úřadem pro civilní letectví (ÚCL). Umístění transmisometrů je následující: (TDZ touchdown zone bod dotyku, TWY taxiway pojezdová dráha, RWY runway vzletová a přistávací dráha, THR threshold práh dráhy) TDZ RWY 29: V prostoru mezi TWY A a RWY 29, 300 m od THR RWY 29, 80 m od osy RWY 29 MID RWY 29: V prostoru mezi TWY A a RWY 29, m od THR RWY 29, 80 m od osy RWY 29. Výška, v níž jsou transmisometry umístěny, je v souladu s ustanovením , Doplněk 3, předpisu L3-Meteorologie pro měření RVR, tj. 2,5 m (7,5 FT). Oba transmisometry byly do rutinního provozu uvedeny dne , což bylo řádně publikováno v Letecké informační příručce (AIP-Aeronautical Information Publication, VOL I, kapitola GEN. 3.5 a VOL II, LKKV AD). Zároveň byla změněna frekvence vydávání zpráv METAR z původní 1 x 1 hodinu na 1 x půl hodiny, a to v denní provozní době letiště mezi UTC (stejně jako je tomu u letišť Praha/Ruzyně, Brno/Tuřany a Ostrava/Mošnov, kde jsou tyto zprávy vydávány s půlhodinovou frekvencí H24). Transmisometr LT31 před stavuje ve výrobním programu firmy Vaisala měřič RVR nové generace a přináší ve srovnání s předchozím typem MITRAS několik inovací, které přispívají k vyšší přesnosti a spolehlivosti měření. Transmisometr MITRAS byl (a dosud stále je) produkován ve dvou verzích jako jednobázový, tj. s jednou měřicí základnou (single base) a dvoubázový (double base). Jednobázové transmisometry s měřicí základnou, tj. vzdáleností mezi vysílačem a přijímačem 75 m, jsou určeny pro letiště 1. kategorie (ICAO CAT I), dvoubázové pak pro letiště 2. a 3. kategorie (ICAO CAT II, ICAO CAT III A, B) se dvěma měřicími základnami (jeden vysílač a dva přijímače ve vzdálenostech 10 a 75 m od vysílače). Jednobázové transmisometry MITRAS jsou v současné době umístěny na regi- Obr. 1 Vysílač LTT111 transmisometru LT31 s PWD22 v poloze TDZ RWY29. onálních letištích Brno/Tuřany (LKTB) a Ostrava/Mošnov (LKMT), dvoubázové pak na letišti Praha/Ruzyně (LKPR). Naměřená data vyhodnocuje na letištích LKTB a LKMT RVR computer LC12, na letišti LKPR pak systém AWOS MIDAS IV. Vyhodnocován je jak výsledek měření RVR se základnou 10 m, tak se základnou 75 m., přičemž vyhodnocení je prováděno následovně: Pokud je naměřená RVR vyšší než 150 m, je jako platná hodnota RVR vyhodnoceno měření s delší základnou, v rozmezí RVR m je to vážený průměr z obou měření, a pod 75 m je jako platná hodnota RVR vyhodnoceno měření na kratší základně. Obr. 2 Nové řešení hlavy transmisometru ve tvaru V. Transmisometry LT31 jsou koncipovány jako jednobázové s doporučenou základnou mezi vysílačem a přijímačem 30 m. Ušetří se tedy jak na budování betonových bloků, které tvoří podstavce transmisometrů, tak na rozvodu elektřiny a datové sítě. Vyhodnocení měření z transmisometrů LT31 na letišti Karlovy Vary je prováděno systémem MIDAS IV RVR (Osvědčení provozní způsobilosti OPZ ), který integruje také data dohlednosti (VIS) a současného počasí (WX) předávaná forward scatterometrem PWD22 (senzor dopředného rozptylu, OTZ 74-05), umístěným na vysílači. Tento senzor má autokalibrační funkci. Systém MIDAS IV RVR dále po vyhodnocení dat provádí kompenzaci znečištění skel optiky přijímače a vysílače, která je umožněna novým uspořádáním oken přijímače (LTR111) a vysílače (LTT111) ve tvaru V (obr. 2). Zároveň je transmisometr LT31 opatřen výkonným větrákem, který generuje vzdušný proud vytvářející před okny vysílače a příjímače vzduchovou clonu, čímž snižuje rozsah znečistění okna v důsledku vypadávajících srážek. Pro účely měření RVR je na přijímači dále nainstalován senzor jasu pozadí (background luminance sensor), který umožňuje měření úrovně jasu okolního prostředí nebo jasu pozadí (využívá pro měření pozadí proti kterému pozoruje pilot přistávací světla nebo značení dráhy). Měřená data jsou přenášena po modemové lince do vyhodnocovacího PC MIDAS IV RVR, umístěného na letecké meteorologické stanici letiště Karlovy Vary. Po vyhodnocení jsou data předávána do systému MONITWIN (OPZ 70-06) a letištního monitorovacího systému AMS, kde jsou zobrazována v tzv. meteorologické liště (MET-strip). Vyhodnocovaná data, krok měření a přesnosti měření jsou následující: Okamžité hodnoty (INS)-měření je prováděno každých 15 sekund. 1, 2, 10 průměr (AVG). Variace: minimum a maximum jednominutových průměrů. Tendence (U, N, D = vzestupná, beze změny, sestupná). Krok měření je 25 m do 400 m a 50 m do 2000 m, přičemž nad 2000 m se hodnoty RVR zobrazují jako PS. Meteorologické zprávy, 60,

30 Přesnost měření je do 400 m +/-10 m, do 800 m +/-25 m a nad 800 m +/-10 %. Hodnoty RVR jsou zařazovány do zpráv METAR a MET- REPORT. Instalace transmisometrů spolu s implementaci ILS pro přesné přiblížení I.CAT významně zvýší kapacitu letiště Karlovy Vary. Bohumil Techlovský ZNEČIŠTĚNÍ OVZDUŠÍ SUSPENDOVANÝMI ČÁSTICEMI NAD ÚZEMÍM ČESKÉ REPUBLIKY DNE 24. BŘEZNA 2007 Dne 24 března 2007 se na území České republiky, zejména v její východní polovině, vyskytlo nápadné znečištění zemského povrchu tenkou vrstvou prachu či jemného bláta, což vyvolalo značný zájem veřejnosti i některých organizací, mj. Hasičského a záchranného sboru (dále HZS) a České inspekce životního prostředí. První informace o těchto jevech se objevily v sobotu 24. března v poledních a odpoledních hodinách na Vyškovsku, Blanensku a Zlínsku, posléze i na dalších místech České republiky. Asi nejvýraznějším projevem byl výskyt deště obsahujícího značné množství pevných částic, které se usazovaly na povrchu. Jemná vrstva bláta byla nejnápadnější na automobilech, kde byla schopna podstatně zhoršit průhlednost oken. Na mnoha stanicích monitoringu čistoty ovzduší byl též zaznamenán extrémní nárůst koncentrace prachových částic v ovzduší, a to až na desetinásobek běžných hodnot (viz obr. 1). Z těchto důvodů se znepokojení občané dotazovali HZS i Českého hydrometeorologického ústavu. V tomto článku podáváme stručný popis situace a nejpravděpodobnější vysvětlení uvedeného jevu na základě informace z družice Meteosat-8 a trajektorií prachových částic pomocí modelu Trajek Celkovou povětrnostní situaci v přízemních hladinách ve dnech 23. a 24. března ilustruje obrázek 2, na kterém je zřetelná tlaková níže nad Balkánem, jež se v následujících dvaceti čtyřech hodinách částečně vyplňovala a postupovala na západ nad Itálii. Důležitý je též poměrně výrazný tlakový gra- Obr. 1 Koncentrace prachových částic v ovzduší na stanicích Brno-Tuřany, Jihlava a Zlín. Zkratka PM 25, resp. PM 10 značí obsah částic o průměru 25 μm, resp. 10 μm a menších, jednotkou jsou mikrogramy na krychlový metr. Hodnoty v tabulce se vztahují k 11. hodině UTC, kdy stanice Zlín naměřila nejvyšší koncentraci PM 10, a to 887 μg/m 3. Obr. 2 Analýzy pole tlaku vzduchu přepočteného na hladinu moře ve , 12 UTC. Zdroj: ECMWF. dient mezi uvedenou cyklonou a oblastí vysokého tlaku nad evropskou částí Ruska a Skandinávií. Pro vysvětlení uvedeného jevu jsou však podstatnější měření družice Meteosat-8 (MSG-1), především RGB (Red- Green-Blue) kombinace nazvaná 24-H MF, neboli celodenní mikrofyzikální produkt. Tato kombinace byla svým autorem, Danielem Rosenfeldem z Hebrejské univerzity v Jeruzalémě původně nazvána Dust ( Prach ), především pro svou schopnost detekovat významné koncentrace prachových či písečných částic v ovzduší. Byl to i původní účel tohoto produktu, ale při zkoumání jeho vlastností byly objeveny mnohé další výhody, které jej předurčily pro širší použití. Jednak má podobné vlastnosti jako noční mikrofyzikální produkt, jednak je použitelný po celých 24 hodin, neboť kombinace barev, která je základem příslušných obrázků, využívá informace pouze z termálních (IR) kanálů. Analýza produktu 24-h MF družice Meteosat-8 ze dne ukazovala, že v oblasti severovýchodní Libye se vyskytovala písečná či prachová bouře. Poněkud nezvyklou však byla informace o výrazné koncentraci prachu nad jižní a východní Ukrajinou (obr. 3). Následujícího dne, tj. 24. března v poledních hodinách, se objevil výše zmíněný poprašek, přičemž v prvních okamžicích nebyl jasný jeho původ. Navíc přišlo hlášení o žlutém sněhu na Klínovci, což není jev ve střední Evropě úplně neznámý, nicméně doposud připisovaný téměř výhradně písečným bouřím přinášejícím jemný písek z oblasti severní Afriky. Ihned se však objevila hypotéza, dávající do souvislosti prach ve střední Evropě s prachovou bouří nad Ukrajinou, i když oslabovaná detekovaným výskytem písečné bouře nad Libyí. Po zpětné analýze, především produktu 24h MF družice Meteosat, je však nutné konstatovat, že africká písečná bouře měla dosah pouze nad východní Středomoří a jenom částečně nad Sýrii a Turecko, přičemž severně od tureckého vnitrozemí nebylo její působení zna- 92 Meteorologické zprávy, 60, 2007

31 telné. Naproti tomu ukrajinská prachová bouře byla velmi zřetelná (obr. 3) a byla potvrzena i pozemními měřeními. Navíc se nad střední Evropou v uvedených dnech (23. a 24. března) projevovalo silné východní proudění, tedy od místa jejích projevů. Prach v ovzduší byl nad střední Evropou velmi nápadný i na družicových obrázcích z 24. března (obr. 4), přestože byla detekce prachu omezována výskytem oblačnosti. Dalším potvrzením hypotézy o ukrajinském původu prachového spadu může být i výpočet trajektorií prachových částic pomocí modelu Trajek (obr. 5). Tento model byl vyvinut v Meteo France pro operativní výpočet trojrozměrné prognostické trajektorie vzdušných částic (používá se hlavně v případě havarijního úniku škodlivých látek do atmosféry) a v ČHMÚ pracuje se vstupními meteorologickými daty z britského Readingu. Je schopen provést předpověď trajektorií až na pět dní dopředu. Na horní části obrázku je geografická mapa, na které jsou zakresleny tři vypočítané trajektorie, vycházející ze stejného místa (48. severní šířky a 33. východní délky), ale z různé výšky nad terénem (100, 300 a m). Jako startovní čas trajektorií byl zvolen 23. březen 2007 v 10 UTC, tedy v době, kdy byla na jižní Ukrajině prachová bouře již ve značně rozvinutém stádiu (podle odhadu ze snímků z družice Meteosat-8 zaujímal prachový oblak plochu nejméně km 2 ). Počáteční čas: , 10 UTC. Trajektorie: modrá: startovní výška 100 m, červená: 300 m, žlutá: m nad zemským povrchem. Značky: *, o, + na trajektoriích znázorňují dráhu, kterou částice urazí za 6 hodin. Na svislé ose v horní části obrázku jsou stupně zeměpisné šířky, na vodorovné ose stupně zeměpisné délky. Na spodní části obrázku je na svislé ose atmosférický tlak v hpa, na vodorovné ose datum a čas v UTC. Na spodní části obrázku jsou znázorněny tytéž trajektorie, ale ve vertikálním profilu, kde na svislé ose je atmosférický tlak v hpa a na vodorovné ose kalendářní čas. Z obrázku je patrné, že prachové částice, které byly kolem poledne 23. března na jižní Ukrajině vyzdviženy silným větrem do výšky kolem sta metrů nad zemský povrch, dorazily již 24. března dopoledne nad Moravu a do Slezska a v poledne nad Čechy. U částic, kterým se povedlo na Ukrajině vystoupat do výšek kolem 300 m nad zemí, byl Obr. 3 Měření z družice Meteosat-8 (MSG-1), RGB produkt zvaný 24h MF, počítaný jako kombinace z termálních kanálů. Červenou složkou je rozdíl IR12,0-IR10,8 (vyjadřuje mocnost oblačné vrstvy), v zelené je rozdíl IR10,8 IR8,7 (největší příspěvek je pro nízkou oblačnost tvořenou vodními kapičkami, modrou složkou je kanál IR10,8 (příspěvek modré barvy je přímo úměrný teplotě). Vertikálně mohutná oblačnost je zobrazena tmavě červeně, řídké cirry tmavě modře, střední a nízká oblačnost okrově, u nejnižší oblačnosti je patrná převaha zelené barvy. Terén je v závislosti na teplotě narůžovělý či namodralý, mořská hladina většinou modrá. Prachové a písečné bouře v bezoblačných oblastech jsou nápadné výrazně růžovou barvou. Obrázek je z 23. března 2007, 13 UTC. Na snímku je patrná písečná bouře nad severovýchodní Libyí a prach v ovzduší nad východní Ukrajinou (na který ukazuje černá šipka). Přenos prachu do střední Evropy je schematicky naznačen bílou šipkou. Obr. 4 Stejný RGB produkt jako v obr. 3, ale v podrobnějším měřítku střední Evropy z UTC. Prach v ovzduší je nápadný v méně oblačné oblasti jižního Polska a východního Německa. Pod vrstvou oblačnosti se zřejmě vyskytuje i u nás, částečně patrný je i na severozápadě Slovenska u hranic s Českou republikou. Meteorologické zprávy, 60,