Planeta se otepluje. Víme to už celá desetiletí díky soustavnému měření na povrchu a od druhé poloviny 20. století i pomocí družicového dálkového průzkumu Země. Nebylo tedy žádným překvapením, když nám klimatologové v lednu postupně oznámili, že rok 2024 byl ten historicky nejteplejší jak v Česku, tak Evropě a na celém světě.
Oživeno v 21 h | Ve spodní části tohoto prvního listu najdete výsledky pro celé Česko, nejen pro Prahu.
Zvýšení průměrné teploty o nějaký ten zlomek stupně Celsia je ale pro běžného člověka poměrně abstraktní a zamlžený údaj, a tak jsme se podívali do historických čísel pražského Klementina a spočítali tropické dny, kterých si už všimne naprosto každý.
Napřed pouze Praha, Klementinum
Tvrdá data v plné nahotě potvrzují, že novodobé rčení „taková vedra za našich mladých let nebývala,“ není jen vzpomínkový sentiment, ale empirické zhodnocení reality.
| Období |
Tropických dnů za rok |
Podíl tropických dnů |
Pouze červenec až srpen |
| 1800–1900 |
4,7 |
1 % |
5 % |
| 1900–1950 |
6,4 |
2 % |
6 % |
| 1950–1980 |
8,0 |
2 % |
8 % |
| 1980–1990 |
8,6 |
2 % |
9 % |
| 1990–2000 |
12,7 |
3 % |
13 % |
| 2000–2010 |
17,7 |
5 % |
18 % |
| 2010–2025 |
20,4 |
6 % |
21 % |
Metodika: Použili jsme historická data z meteorologických měření ve stanici Praha Klementinum. Loňský rok jsme k tabulce doplnili z denních CSV, které ČHMÚ zveřejňuje pro každou svoji stanici. Spočítali jsme počet tropických dnů – to je meteorologický termín označující den, kdy maximální teplota dosáhne alespoň 30 °C.
Většinu tropických dnů pochopitelně zaznamenáváme v druhé polovině jara a v létě. Na druhém grafu jsme tedy rozsah zúžili právě na tyto měsíce. Není proto divu, že i tento obrázek kopíruje jasný trend.
Více nakonec napoví kalendářová heatmapa tropických dnů od Jáchyma Brzeziny z ČHMÚ s širším rozsahem od dubna do září a pro roky 1961-2024.
Jáchym zároveň zpracoval data ze všech dostupných měřících stanic, a proto odpadne případný vliv tepelného ostrova Prahy, v jehož centru se Klementinum nachází.
Tady jsou data za celé Česko
V diskuzi se objevily výhrady, že ukazujeme pouze měření z pražského Klementina. Že takové výsledky jsou ovlivněné tzv. tepelným ostrovem, kolem je hodně betonu, asfaltu, dopravy a jiných vlivů.
Lidem asi může být jedno, jestli je jim horko vinou klimatické změny nebo jiných okolností, jsou to ale relevantní připomínky. Proto jsme na to šli ještě jednou a jinak.
Sáhli jsme na exporty historických měření ČHMÚ ze všech meteostanic. Dali jsme pryč ty, kde chyběla data od roku 1970, které neměly měření až do konce loňského roku a které neměřily celé toto období. Zůstalo nám 97 stanic rozmístěných po celém území Česka. Leží v nadmořských výškách od 197 m nad mořem (Doksany) až po 1118 m (Churáňov), průměr je 409 m.
Stanice ČHMÚ, ze kterých počítáme tropické dny
Ne, tak horko za našich mladých let opravdu nebývalo:
| Období |
Tropických dnů za rok |
Podíl tropických dnů |
Pouze červenec až srpen |
| 1970–1979 |
4,8 |
1,3 % |
5,2 % |
| 1980–1989 |
4,9 |
1,3 % |
5,3 % |
| 1990–1999 |
9,1 |
2,5 % |
9,9 % |
| 2000–2009 |
10,8 |
3,0 % |
11,8 % |
| 2010–2019 |
14,5 |
4,0 % |
15,8 % |
| 2020–2024 |
13,5 |
3,7 % |
14,7 % |
Upozorňujeme, že v této tabulce pro celé Česko máme jiná období než v tabulce nahoře. Aby nám zůstal dostatek meteostanic, začali jsme tady až rokem 1970 a od něj srovnáváme jednotlivá desetiletí.
Oživeno 2. července | Tématu lidské zapomnětlivosti se aktuálně věnuje také Český hydrometeorologický ústav. Jeho text najdete na následujícím listu.
Pokračování 2 / 3
Český hydrometeorologický ústav publikoval 2. července na síti X příspěvek na podobné téma:
„Konečně normální léto!” „Takové teploty byly za mého mládí normální, hlavně strašit!“ „Výstrahy když je 32 °C? Vždyť jsou to normální a příjemné teploty!”
Výše jen pár hodnocení, která se mohou v prostředí sociálních sítí vyskytovat. Kde ale končí lidská selektivní a velmi nedokonalá pamět, měla by nastoupit tvrdá data z dlouhodobého měření desítek stanic. Níže je příkládáme.
Jsou tropické teploty v létě normální?
Samozřejmě, tropické dny se vyskytovaly i před desítkami let. Jak ale ukazuje graf na první infografice, jejich četnost a pravděpodobnost výskytu se za posledních 30 let výrazně zvýšila. V rámci 52 stanic ČHMÚ s dlouhodobým měřením jsme například mezi lety 1961 a 1970 zaznamenávali kolem 2500 dní s teplotou 30 °C a vyšší. V posledních několika desetiletích je to minimálně dvojnásobek a období, kdy se v rámci roku vyskytují, se rozšiřuje.
Teploty nad 35 °C byly kdysi normální, stejně jako dnes.
Pohled na data tento fakt vyvrací. Mezi roky 1961 a 1990 se takto vysoké teploty vyskytovaly opravdu velmi vzácně. Například od roku 1961 do 1970 se takových dní v rámci všech 52 stanic vyskytlo jen 17. V posledních desetiletích je tomu ale zcela jinak. V období 2011 a 2020 jsme zaznamenali takových dní 610. Četnost takovýchto teplot tedy výrazně narostla a narůstá.
A jak to bylo s teplotami ještě vyššími, tedy výrazně nad 35 °C?
Teploty 36 °C, 37 °C nebo dokonce 38 °C se u nás před rokem 1980/1985 víceméně vůbec nevyskytovaly. Výrazný nárůst četnosti těchto dní přichází hlavně po roce 2000.
Dnes budou teploty v Čechách stoupat na některých místech výjimečně až na 37 °C. Zítra na jižní Moravě až 36 °C.
Výše prezentovaná data tedy jasně ukazují narůstající trend v případě tropických a extrémních teplot v posledních desetiletích. Jedná se samozřejmě o důsledek klimatické změny a vyhlídky do budoucna nejsou o nic lepší, ba naopak.
A co ty vaše výstrahy? Jen strašení...!
Zatímco klima se za posledních několik desítek let výrazně změnilo (a mění), citlivost člověka na vysoké až extrémní teploty se nezměnila (vzpomeňme hlavně na ty nejstarší z nás). I proto je úlohou národních meteorologických služeb všude na světě na tyto extrémy počasí upozorňovat prostřednictvím výstražné služby a výstrah různé intenzity.
Infografika zmiňovaná v textu se odkazuje na kalendářovou heatmapu tropických dnů od Jáchyma Brzeziny z ČHMÚ, na kterou jsme také upozorňovali.
Kdyby vás zajímalo, jak jsme s AI „psali“ skript pro stahování dat, můžete se podívat na další list.
Pokračování 3 / 3
Tohle už se samotnými výsledky nesouvisí, ale někoho by mohlo zaujmout, jakým způsobem jsme získali kód pro stahování a zpracování souborů s daty z webu ČHMÚ. Skript v Pythonu nám připravilo AI Gemini 2.5 Pro, které od nás dostalo následující české zadání. Na první pokus jsme dostali funkční kód, který stačilo vyzkoušet, vymyslet si nějaké drobné úpravy a bylo hotovo.
V tomto případě jsme také využili vlastního Asistenta (Gem), který je připravený pro psaní kódu. V něm používáme personalizaci (Chovej se jako profesionální vývojář s velkou zkušeností s frontendovým i backendovým vývojem) a specifikujeme různé detaily: že uživatel zadá v úvodu zadání programovací jazyk, že má být výstupem jen kód bez vysvětlování a jiných textů, ať si s námi píše česky, ale komentáře do kódu anglicky…
Bez použití Asistenta by bylo vhodné přidat toto upřesnění přímo do promptu.
Vytvoř Python skript.
Ve stejné složce, v jaké ho budu spouštět, načte soubor stations.csv. Má tuto strukturu, ukazuji prvních pár řádků. Jsou to meteorologické stanice - jejich id, název, dva sloupce se souřadnicemi a nadmořská výška.
WSI,FULL_NAME,GEOGR1,GEOGR2,ELEVATION
0-20000-0-11406,Cheb,12.362892,50.076212,458.0
0-20000-0-11414,Karlovy Vary Olšová Vrata,12.9131,50.2019,603.0
0-20000-0-11423,Přimda,12.6794,49.6694,742.0
0-20000-0-11433,Kopisty,13.6233,50.5442,240.0
Ve stejné složce načti také soubor files.csv. Má tuto strukturu, ukazují jen prvních pár řádků. Jsou to názvy souborů, které skript bude následně stahovat.
File
dly-0-20000-0-11406-TMA.csv
dly-0-20000-0-11414-TMA.csv
dly-0-20000-0-11423-TMA.csv
dly-0-20000-0-11433-TMA.csv
Skript každý z těchto souborů stáhne na adrese např. https://opendata.chmi.cz/meteorology/climate/historical_csv/data/daily/temperature/dly-0-20000-0-11406-TMA.csv - všimni si, tohle je příklad hned pro první řádek ve files.csv. Obecně půjde o adresu https://opendata.chmi.cz/meteorology/climate/historical_csv/data/daily/temperature/[nazevsouboru].
V souborech jsou denní hodnoty s nejvyšší naměřenou teplotou v dané meteostanici. Prvních pár řádků vypadá například takto:
WSI,EG_EL_ABBREVIATION,TIME,DT,VALUE,FLAG1,QUALITY,
0-20000-0-11406,TMA,20:00,1865-06-01T20:00Z,21.0,,0.0,
0-20000-0-11406,TMA,20:00,1865-06-02T20:00Z,23.8,,0.0,
0-20000-0-11406,TMA,20:00,1865-06-03T20:00Z,22.3,,0.0,
0-20000-0-11406,TMA,20:00,1865-06-04T20:00Z,23.3,,0.0,
0-20000-0-11406,TMA,20:00,1865-06-05T20:00Z,15.0,,0.0,
S každým stáhnutým souborem nyní potřebuji udělat:
- V tabulce nech jen sloupce WSI,DT,VALUE
- Sloupec DT je datum.
- Pokud v tabulce nejsou hodnoty od 1. ledna 1970, soubor zahoď a pokračuj s dalším.
- Stejně tak zahoď soubory, kde nejsou hodnoty až do 31. prosince 2024.
- Vypiš si u každé stanice všechny roky a zkontroluj, že žádný nechybí. Pokud ano, stanici také vyhoď.
- Odstraň všechny řádky před 1. lednem 1970 (toto datum bude potom v tabulce první).
- Přidej sloupec YEAR s číslem integer odpovídajícím roku.
- Přidej sloupec MONTH s číslem integer odpovídajícím měsíci. Např. červen bude 6.
- Odstraň všechny řádky, ve kterých je VALUE < 30.
- Na první místo tabulky přidej sloupec STATION. Podle WSI najdi název stanice v tabulce ze souboru stations.csv. I v ní je sloupec WSI, podle něj to spáruj. Ze stations použij jen FULL_NAME, ne ostatní sloupce.
- Tabulku agreguj podle sloupců STATION, WSI, YEAR, MONTH. Přidej sloupec TROPICAL_DAYS, který bude odpovídat počtu řádků. Počítáme takhle počet tropických dnů v měsících.
Tabulku ulož do soubor tropical_days.csv.
Nyní pokračuj s dalším souborem z tabulky Files.
Nová data vždycky přidej na konec souboru tropical_days.csv.
Při běhu skriptu vypisuj, kolikátý soubor z kolika stahuješ a zpracováváš. Jakmile spáruješ název stanice, vypiš ho také.
Když soubor zahodíš, napiš to do výpisu také. Tady ještě zapiš název stanice do nové tabulky a na konci do souboru missing.csv. Potřebuji vidět, kolik a které stanice takto vypadly. Do missing přidávej také důvod vyřazení: Chybí starší, Chybí nové, Chybí některé roky.
Výsledkem bylo CSV v této podobě. Načetli jsme ho do Tabulek Google a výpočty provedli v nich. Šlo by to samozřejmě také rovnou skriptem v Pythonu, ale v tabulkovém editoru je to víc pod kontrolou.
CSV, se kterým jsme dál pracovali
Pro zobrazení pozic meteostanic na mapě jsme využili službu Google My Maps. Načetli jsme do ní CSV s názvy a souřadnicemi stanic, které vyhověly podmínkám.