Tento článek vyšel v časopise SNOW 85 time (listopad 2015)



Zatímco kdysi jsme se soustředili na každé slovíčko v podání meteorologů v rádiu či televizi, protože jiné zdroje jednoduše nebyly, a snažili se vydedukovat, jak by mělo být právě u nás, teď je situace obrácená. Hned ráno – už při zazvonění budíku – nám na displeji chytrého telefonu naskočí nějaká počasová ikonka, vzápětí se na nás prakticky na každém zpravodajském serveru směje sluníčko či mračí mrak, teploměry se předhání, jakou hodnotu ukážou, jen aby byla dostatečně extrémní, novináři hýří titulky s přívlastky, za které by se nemusel stydět ani kdysi populární Kendy, když vylepšoval Štěpánkovi Šafránkovi jeho strohé texty. Ku prospěchu věci to ale na rozdíl od Kendyho hlášek není. A k smíchu už vůbec ne, když si uvědomíme, kolik lidí na horách je závislých právě na tom, jestli lyžaři do hor přijedou nebo ne. Jen si vzpomeňte, kolikrát jste díky titulkům typu: „Zima skončila…“ apod. aspoň trochu znejistěli, byť to bylo třeba v polovině února. Ale jsou tu i nezpochybnitelná pozitiva. Díky moderním technologiím máme k dispozici všechna data prakticky okamžitě. Je jen na nás, abychom si z toho dokázali vybrat to, co má hodnotu, a správně chápali, co nám nabízená data říkají…. Koho počasí zajímá, má jistě první setkání s numerickým modelem dávno za sebou. Co modely umí, co zvládnou časem a co nikdy umět nebudou?


Meteorologické stanice – víme, jak je a…

… taky díky nim jak bude! Přehled o aktuálním stavu počasí, to je základ všeho. Nejen, že se můžeme podívat, jak to právě teď vypadá tam, kde nás to zajímá, ale hlavně: data z meteorologických stanic vstupují do numerických modelů. Bez nich by modely nemohly počítat budoucí stav počasí. Fakt, že k předpovědi počasí je nezbytná znalost současného stav atmosféry, formuloval už na počátku 20. století Vilhelm Bjerknes, norský fyzik a meteorolog, zakladatel moderní školy synoptické meteorologie. Ale to je jen jedna část toho, čemu se říká „nutné podmínky pro sestavení předpovědi“. Druhou částí je znalost zákonů, podle kterých atmosféra funguje. Ty se dají vyjádřit rovnicemi, které spočítají na základě počasí stávajícího to budoucí. Tak vlastně Bjerknes položil základy numerické předpovědi počasí.


Numerický model – dobrý sluha a zlý pán

Historie modelování

Všechno, co nám internet nabízí – od někdy až pohříchu zjednodušených ikonek až po sofistikované mapy a grafy – je vždycky nějaká forma zobrazení výsledků výpočtu určitého numerického modelu. Numerický model je soustava složitých rovnic, které popisují chování atmosféry. Vzduch je v modelu směsí ideálních plynů, respektují se základní zákony zachování hmoty, hybnosti a energie i fakt, že se Země otáčí. A jen pro názornost: jedná se o soustavu nelineárních parciálních diferenciálních rovnic, z čehož jasně vyplývá, že výpočet je nesmírně náročný. Přesto se do prvních výpočtů pustili meteorologové ručně. Jako první se pokusil počítat v letech 1916 až 1922 Lewis Fry Richardson. Dopředu se ale všechno posunulo až v roce 1946, kdy John von Neumann postavil první počítač – slavný ENIAC. Díky Julovi Charneyovi se pak začal model na tomto počítači řešit. Dnem, kdy se tak stalo, byl 5. březen 1950. Zpočátku bylo chování atmosféry (tedy rovnice reprezentující model) hodně zjednodušené, aby počítače stihly v relativně rozumné době údaje spočítat. S postupem času ale došlo logicky k dalšímu rozvoji, vynechány byly některé zjednodušující předpoklady, kvůli kterým nebyl výpočet tak přesný. Některé procesy byly přesněji paramterizovány, výpočet modelu byl komplexnější a tím i přesnější. Rychlejší výpočetní technika umožnila počítat modely s větším rozlišením. A až po padesáti letech se tak potvrdilo, že původní předpoklady meteorologů z počátku století byly správné a že všechno v zásadě lze realizovat podle jejich představ.


Jak model funguje?

Numerický model je tedy soustava složitých rovnic, které co nejpřesněji popisují chování atmosféry. Představit si ho můžeme jako „černou skříňku“, do které na straně jedné vstupují data z meteorologických stanic, družic, radarů, meteorologických sond, bójí apod. a na druhé straně z něj vystupuje předpověď počasí ve formě údajů o základních meteorologických prvcích, jevech apod. Tyto údaje jsou vykreslovány buď do map nebo do meteogramů. Pokud nás zajímá jeden termín – například zítřejší poledne a počasí v celém Česku, volíme mapový výstup. Pokud chceme vědět, jak bude v konkrétním místě po několik následujících hodin či dnů, volíme meteogram.


Proč nebude nikdy předpověď přesná?

Jednoduše proto, že model se od skutečné atmosféry liší v mnoha ohledech. Zkusme aspoň trochu přiblížit ty nejpodstatnější.

1. Výpočetní síť

Model nepočítá budoucí počasí pro každý bod v prostoru, ale vždy jen pro jediný bod ležící v jednom ze sítě kvádrů, kterou jsme reálnou atmosférou proložili.


síť výpočtu numerického modelu


Každému takovému bodu je přiřazena jedna nadmořská výška – ať už jakási průměrná výška terénu v dané čtverci nebo výška nad zemí, pokud počítáme parametry počasí ve volné atmosféře.


síť výpočtu numerického modelu v reálném prostředí


Tenhle fakt vede ke dvěma základním odlišnostem modelové předpovědi od reality. Jednak skutečná nadmořská výška, pro kterou nás předpověď zajímá, nemusí nutně odpovídat té, pro kterou model počítá – zvlášť v členitém horském terénu. Například centrum Špindlerova Mlýna a vrchol Medvědína leží od sebe sotva 2,5 km a přitom je na výšku dělí asi 500 m. Je jasné, že ačkoli obě místa mohou spadat do jedné výpočetní oblasti a model pro ně tedy počítá jen jednu hodnotu, je počasí v nich odlišné. Pro správné pochopení a případnou „ruční“ úpravu předpovědi bychom tedy měli znát přesnou výšku, pro kterou model počasí počítá. A druhá odlišnost: i ve stejné nadmořské výšce se nemusí počasí na vzdálenosti desítky kilometrů podobat. Stačí například jen, aby byla někde větší koncentrace vodních ploch, díky kterým bude ve vzduchu víc vlhkosti, a můžou se vytvořit místní mlhy apod.


Logicky, čím hustější je síť oněch kvádrů, tím teoreticky lépe odpovídá výpočet realitě. Jednak má propracovanější a reálu víc odpovídající orografii a pak taky postihuje ony další změny lépe. Právě podle toho, jak hustá je síť výpočtu, rozlišujeme modely lokální (např. Aladin), které mají krok sítě řádově jednotky kilometrů a počítají pro určitou omezenou oblast na kratší dobu, a modely globální (např. GFS), jejichž krok sítě jsou řádově desítky kilometrů a počítají například pro celou polokouli na období až deseti dnů. Hledáme-li tedy prognózu na delší dobu, pak nezbývá, než sáhnout po modelu s větším krokem sítě a výpočet pak dodatečně upřesnit lokálním modelem až v okamžiku, kdy už začne počítat období, které nás zajímá.


síť výpočtu numerického modelu na mapě


2. Parametrizace některých procesů

Některé procesy, které se odehrávají v atmosféře, jsou ale natolik malé, že je ani ty nejdetailnější modely nedokážou zachytit. Například kupovité mraky, které mají rozměry od pár stovek metrů po maximálně jednotky kilometrů. Pro počasí jsou ale velmi důležité, a tak nezbývá, než je parametrizovat, tedy jejich výskyt podle jistých indicií předpokládat.


3. Zjednodušení dalších procesů

I samotné rovnice, které popisují základní atmosférické procesy, jsou do jisté míry zjednodušené. Meteorologové, kteří se modelováním zabývají, hledají vždycky ta nejlepší přiblížení, přesto se ale „idealizaci“ některých procesů vyhnout nemůžou. I tato zjednodušení přinášejí do výsledných předpovědí další chyby.


4. Nahodilost vstupních dat

K nesrovnalostem přispívá i fakt, že data vstupující do modelu nejsou naprosto přesná – mohou být částečně nahodilá. Čím kvalitnější data do modelu vstupují, tím přesnější výsledek můžeme očekávat.


5. Teorie chaosu

Opomenout nesmíme ani chaotické chování atmosféry, tzv. deterministický chaos. Už před více než padesáti lety jej popsal Edward Norton Lorenz.

Výsledné počasí je podle něj nesmírně citlivé právě na počáteční podmínky. A jakákoli drobná změna ve výchozím stavu může vést k odlišnostem v předpovědi počasí. Jinak řečeno: chyby, které do modelu vneseme spolu se vstupními daty, s časem narůstají. S nadsázkou používal pro popsání chaosu právě Lorenz tohle přirovnání: „Mávnutí křídel motýla v Brazílii způsobí vznik tornáda v Texasu.“


Řešení? Ansámblové předpovědi!

Současná meteorologie se umí s některými problémy aspoň částečně vypořádat díky tzv. ansámblovým předpovědím. Jejich princip je jednoduchý: do modelu vstupují nejen reálná naměřená data, ale taky další soubory dat, do kterých jsou uměle vkládány „chyby“. Model tedy spočítá celou řadu výsledků. Například model GFS zobrazuje 20 členů ansámblové předpovědi. A pokud jsou si výpočty podobné, je taková předpověď použitelná – tedy pravděpodobná. Z ansámblových předpovědí se tak dozvíme nejen nejpravděpodobnější vývoj počasí, ale i to, je-li taková předpověď spolehlivá, či nikoli, popř. i to, od jakého termínu si musíme dávat pozor – odkdy se může počasí zachovat svým způsobem nahodile. Konkrétní příklad použití ansámblů najdete na konci článku.


Modely počítající počasí v Evropě i na světě

V počátcích numerického modelu se o výpočty budoucího počasí snažily i malé povětrnostní služby. Postupně ale narůstal objem výpočtů tak, jak se modely zdokonalovaly. Docházelo proto k redukci počtu meteorologických modelů a začala se rozvíjet spolupráce mezi jednotlivými národními meteorologickými službami. V Evropě existují teď čtyři systémy. Prvním je IFS/ARPEGE/ALADIN – společný projekt Evropského centra pro střednědobou předpověď, francouzského Météo-France a dalších patnácti národních meteorologických služeb včetně Českého hydrometeorolo­gického ústavu. Druhým je systém UM (Unified Model), který vyvíjí britská služba Met Office. Němci spolu s dalšími šesti zeměmi pracují na systému jménem COSMO a severské státy spolu se Španělskem vyvíjí systém HIRLAM. Americké národní služby NCEP/NOAA provozují globální systém GFS a regionální WRF či starší MM5. Podobně kvalitní jsou systémy, které počítají v Japonsku, Kanadě, Rusku, Číně i Austrálii.



Numerické předpovědní modely

Lokální modely

Země   Název modelu   Přesnost   Počet hladin
Česko   Aladin   4,7 km   87 hladin
USA   WRF   10 km   50 hladin
Německo   LM   10 km    
severské země   HIRLAM   2,5 km    
Polsko   COAMPS   13 km    
Velká Británie   UM   4 km    

Globální modely

Země   Název modelu   Přesnost   Počet hladin
USA   GFS   40 až 100 km    
USA   GFS pro stř. Evropu   50 km   64 vrstev
sdružení zemí   ECMWF   50 km   60 vrstev
sdružení zemí   ECMWF   25 km   90 vrstev
Japonsko   JMA        
Německo   EDZW        
UKMO   Velká Británie        
GEM   Kanada        


Produkty pro uživatele

Zdá se vám, že je systémů málo ve srovnání s tím, kolik různých výstupů internet nabízí? Je to dáno tím, že výsledky výpočtu systému přebírají regionální služby, univerzity a další akademická pracoviště a na základě dat někdy vytváří jednotlivé více či méně povedené produkty. Musíme být opatrní, někdy s daty nakládají i kulantně řečeno méně zkušení a výsledky tomu pak odpovídají.


Reálný pohled na oblohu nad Medvědínem směrem ke Sněžce 3. 10. 2014. Srovnejte s meteogramem počítaným pro tuto oblast ze dne 2. 10. 2014.

Nároky na rychlost výpočtu

Co tedy stávající moderní modely umí? Nejdřív zpracují celou řadu meteorologických měření z meteorologických stanic, radiosond, družic, radarů, letadel apod., následně jsou schopny integrovat nelineární hydrodynamické rovnice, přičemž uvažují energetický i hydrologický cyklus atmosféry (pomocí parametrizací radiačního přenosu, turbulence, mikrofyziky oblačnosti a srážek, konvekce, vzájemného působení se zemským povrchem…). To všechno je velmi náročné na rychlost výpočtu.

Jen pro představu: model Aladin se počítá každých 6 hodin na 54 hodin, krok jeho sítě je 4,7 km, vertikálně rozlišuje 87 hladin. Počítač NEC SX9 musí zvládnout 1,6 bilionu operací za vteřinu. Přitom tak, jak se model zdokonaluje, narůstá tohle číslo každých deset let asi dvojnásobně.


Model Aladin se počítá na stroji NEC SX 9


Globální model GFS má ve střední Evropě krok sítě asi 50 km, počítá se pro 64 vrstev každých 6 hodin.


Proč zlý pán?

Celá řada problémů, které se v souvislosti s numerickou předpovědí počasí pořád objevují, už tu byla popsána. Schází ale ještě jedna věc, mám na mysli špatnou interpretaci dat, které modely nabízí. Kde děláme chyby nejčastěji?


Například u srážek. Jejich modelování je velmi obtížné. Detaily ve srážkovém poli menší než asi 50 km mají význam jen jako ukazatel prostorové proměnlivosti srážek – jinými slovy: nemusí pršet přesně tam a v ten okamžik, kdy to model počítá. Předpověď lokálních přeháněk je prakticky nemožná a pro několik následujících minut nebo hodin pomůže spíš série snímků z meteorologických radarů. Naopak dobře model počítá srážky související s přechody front apod. Kromě meteogramu se dívejme i na mapy zobrazující očekávané úhrny v určitém časovém intervalu. Získáme tak přehled o tom, jestli se právě jedná o frontální srážky, lokální přeháňky či možné bouřky. A nezapomínejme, že mapa ukazuje to, kolik celkem naprší během šesti hodin.


množství srážek za 6 hodin – model GFS


Neznamená to, že bude vždycky pršet pořád – déšť může přijít na začátku, uprostřed či na konci intervalu stejně tak, jako může někdy pršet celou dobu. A opatrně i při interpretaci malých srážkových úhrnů do 1 mm, někdy mohou znamenat mrholení, jindy jen velkou vlhkost vzduchu apod., záleží na celkové povětrnostní situaci.


Problém bývá i se skupenstvím srážek. To díky modelovému terénu. Už tu bylo psáno, že modelová orografie je shlazená a neodpovídá reálnému terénu. Jsme-li výš, než model počítá, může se stát, že namísto očekávaného deště sněží. A naopak, předpokládá-li model vyšší nadmořskou výšku, než je ve skutečnosti, může namísto očekávaného sněžení klidně pršet.


Právě modelová orografie je důležitá i při předpovědi teplot. Díváme-li se například na meteogram z Aladina, je teplotou míněna hodnota, kterou očekává model ve výšce 2 m nad zemí, zobrazena je po 1 hodině. A znovu: kvůli shlazené modelové orografii nemusí odpovídat skutečnosti. Stačí se ale podívat na nadmořskou výšku, kterou má model v uzlovém bodě (alt_model), a obě hodnoty srovnat. A pozor, tady neplatí pokaždé, že jsme-li výš, je chladněji. V případě inverzí to může být i naopak. Fakt, jestli se inverze vyskytují, můžeme prověřit pomocí dat z výstupu meteorologické sondy, která najdeme například na stránkách www.chmi.cz.


sondáž atmosféry ukazuje například polohu inverzí


Ze všeho nejhorší je, když se díváme na jakákoli data, aniž bychom znali jejich původ. Vždycky musíme vědět, jestli se jedná o lokální či globální model, jak velký krok sítě má, jaká je jeho orografie apod. Jinak kupujete zajíce v pytli…


Málem bych zapomněla, ještě jedna věc je horší než data bez zdroje, totiž fakt, že modelový výpočet nějak zprůměrujeme a pro pokrytí oblohy oblačností a srážky zároveň použijeme pro jeden den jednu ikonku. Vzpomeňte si, v kolika dnech je počasí po celý den stejné? Takové zjednodušení má smysl snad jedině v případě, že chceme mít velmi rychle přehled o počasí v dalších dnech a jednotlivosti pak budeme dál dohledávat.


Reálný pohled na oblohu nad Medvědínem směrem z Labské boudy 3. 10. 2014. Srovnejte s meteogramem počítaným pro tuto oblast ze dne 2. 10. 2014.

Kdy je předpověď spolehlivá?

Jednoduše řečeno v případě, máme-li k dispozici kvalitní data a umíme-li je dobře interpretovat. Hodně pomůže ansámblová předpověď. A taky porovnání výsledků jednoho modelu v několika po sobě jdoucích termínech. Pokud se výpočty neliší, je výsledek pravděpodobnější než v případě, že pokaždé model spočítá něco jiného. Podobně můžeme srovnávat i několik modelů, ale musíme mít na paměti, že tak relevantní už to srovnání není – záleží na kroku sítě, modelové orografii, způsobu parametrizace některých procesů apod. Přesto, máme-li možnost nahlédnout, jak se se situací pere víc modelů, je to jistě ku prospěchu věci.


Zpátky k úvodním hláškám

Prokousali jste se nudnou teorií až sem? Pak už si jistě můžete udělat svůj vlastní názor na hlášky, které jste četli v úvodu….


„Pršet bude pozítří až ve 2 hodiny odpoledne, psali Norové…“
Jaký model Norové (yr.no) používají? Regionální HIRLAM nebo globální ECMWF? Asi jak kdy a pro jak které místo, že…. Na první pohled to zřejmé není a těžko je to na stránkách i dohledat. A obecně: při předpovědi srážek opatrně – lokální přeháňky neumí model obvykle přesně předpovědět, líp se mu daří v případě, že se by se mělo jednat o frontu. Díváme-li se na meteogram, pak je časový údaj relativně přesný, díváme-li se na mapu s očekávanými úhrny za 6 hodin, může to znamenat, že bude pršet někdy od 2 hodin dál, třeba až v poslední hodině onoho například šestihodinového intervalu.


„Zase to tomu Aladinovi nevyšlo, předevčírem počítal, že bude dneska už od 8 ráno pršet…“
Opět problematická předpověď srážek. V zásadě platí to, co bylo napsáno pro předpověď z yr.no. Jen Aladin je model regionální, s relativně malým krokem sítě, obecně může tedy nabízet pro bližší termíny kvalitnější předpověď.


„V Peci napadne pozítří 5 cm sněhu, psali na netu…“
Záleží samozřejmě na tom, kdo kde psal. Jedná-li se o prostý výpočet modelu, je zase nutné vědět jakého… A je-li to předpověď meteorologů, kteří komplexně posoudili situaci a očekávají takové sněžení, pak to může být pravděpodobné. Vždycky ale platí, že množství sněhu či deště se počítá velmi těžko. V přeháňkách bývají rozdíly neobyčejně veliké, v horách při sněžení zase hraje velkou roli návětří a závětří. S takovými údaji je třeba nakládat nanejvýš opatrně.


„Vyšlo jim to naprosto přesně, už včera počítali, že tahle přeháňka přijde ve 4 odpoledne a bude trvat jen chvíli…“
V tomhle případě je správná předpověď spíš dílem náhody než reálného výpočtu. Lokální málo intenzivní přeháňky se nedají spolehlivě předpovědět na tak dlouhou dobu dopředu.


Jak na to? Hodně úsilí, které se vyplatí

Jak tedy vyloudit ze všech možných dat to, co nám skutečně může pomoct? Zkusme dvě modelové situace.

Bude zítra odpoledne ve Špindlu pršet?

1. Celková povětrnostní situace – www.chmi.cz


předpověď synoptické situace na zítra

Podle mapy budeme zítra ležet na zadní straně tlakové výše. Při suchém a relativně teplém proudění z kontinentu jsou srážky vzácné.


2. Globální numerický model – například www.wetteronline.de
Liší se nějak modelové výpočty pro zítřejší den? Resp. jsou si modely jisty tím, jaká zítra bude poloha tlakových útvarů? Poloha tlakové výše se podle výpočtu modelu GFS a NAVGEM prakticky neliší, což je jistým náznakem spolehlivosti prognózy.


model GFS na zítra a A22 model NAVGEM na zítra


3. Lokální numerický model Aladin – mapa
Podle mapy je vidět, že by se v Česku neměly vyskytovat intenzivní srážky nikde. Úhrny do 1 či 2 mm za 6 hodin jsou v podstatě zanedbatelné. Ovšem fakt, že je model ukazuje, naznačuje, že na nebe bez mráčků to rozhodně nevypadá.


předpověď srážek na odpoledne 3. 10. 2014 – model Aladin


4. Lokální numerický model Aladin – meteogram
V meteogramu pro Špindlerův Mlýn se nejdřív podíváme na nadmořskou výšku modelu – ta je 1008 m n. m., tedy asi o víc než 200 m menší než 1235 m vysoký Medvědín. V případě, že by nás zajímaly teploty, bychom museli s rozdílem počítat. V případě, že není inverze, bude na vrcholu o asi 2 st. C chladněji, než počítá model. Pokud se podíváme na srážky, zdá se, že úhrny řádově desetin mm za hodinu jsou zanedbatelné. Nízké oblačnosti by ale mělo být hodně – odpoledne oblačno.


meteogram pro Špindl na 3. 10. 2014


A resumé? Pravděpodobnost deště je minimální, zřejmě se jen přechodně zatáhne nízkou kupovitou oblačností.

Ostatně – podívejte se na záběry webových kamer na předchozích dvou stranách. Takhle nakonec ten druhý den bylo.


Vyplatí se jet příští týden na lyže na Tux?

1. Globální numerický model GFS – předpověď srážek Nejrychlejší a nejpřehlednější je při posuzování počasí pro delší období pohled na pole srážek spočítané modelem GFS. Na obrázku je vidět, že od úterý do soboty se pravděpodobně žádné výrazné srážky vyskytovat nebudou.


srážky podle modelu GFS


2. Globální numerický model GFS – předpověď teploty Teplota v hladině 850 hPa odpovídá nadmořské výšce asi 1500 m. Podle hodnot by mělo být relativně teplo.


teplota v hladině 850 hPa (1 500 m n. m.) podle modelu GFS


3. Globální numerická model GFS – další parametry Podobně můžeme sledovat pro období dalšího týdne i jiné parametry – vítr, oblačnost apod.


4. Ansámblová předpověď – mapa Jak je výpočet spolehlivý? Mapa ukazuje, jak spolehlivá je předpověď. Čím jsou si jednotlivé výpočty blíž (čáry se překrývají), tím spolehlivější je výpočet. V oblasti Zillertalských Alp se relativně shodují až do čtvrtka, pak už je situace méně jistá.


ansámblová předpověď modelu GFS


5. Ansámblová předpověď – meteogram Možná lepší přehled nabídne i meteogram s výsledky jednotlivých ansámblů. Pro období od neděle do úterý se můžou objevit nějaké srážky (což bylo ostatně vidět hned na prvním obrázku), pak je si model vcelku jistý tím, že pršet (ani sněžit) nebude. První výraznější srážky je zřejmě možné čekat až po 13. 10. A proč říkám zřejmě? Některé z 20 členů předpovědi se už kolem 11. 10. odchylují od ostatních – naznačují tak, že tam je určitá nejistota, kterou bude třeba dál sledovat.


ansámbly modelu GFS pro 47 ° s.š. a 12 ° v.d.


A resumé? Od úterka do konce týdne by mělo být relativně hezky. Ale opatrně, jsou to Alpy, při silném jižním proudění, které modely očekávají, by mohlo být na jižní straně kopců hodně mraků – tak jak to při klasickém fénu bývá.


Zdroje spolehlivých dat

Spolehlivá data poskytují národní meteorologické služby. U nás je to Český hydrometeorologický ústav – www.chmi.cz. Tam najdeme jak aktuální data ze stanic či snímky z webových kamer, tak i družicové a radarové obrázky. K dispozici jsou i výsledky výpočtu numerického modelu Aladin, a to jak ve formě map, tak i meteogramy. Najdeme tu rovněž i odkazy na národní meteorologické služby ostatních zemí na světě. Doporučit můžu taky německé stránky www.wetterzentrale.de, kde jsou k dispozici výpočty nejrůznějších modelů včetně ansámblových předpovědí. Stejně tak nabízí modelové předpovědi i další německé stránky www.wetteronline.de. Sami uvidíte, které vám budou příjemnější, záleží na vás.


Spolehlivé zdroje předpovědi počasí pro Alpy

www.meteoexploration.com
www.weatheronline.co.uk
www.nhc.noaa.gov
www.alpenverein.de
www.alpenverein.at
www.dwd.de
www.meteofrance.com
www.meteoschweiz.ch
www.zamg.ac.at