Extrémy a extremita

Termín extrém může být v různém kontextu používán v různém významu.

V klimatologii i hydrologii může být za extrém označena největší nebo nejmenší hodnota sledovaného prvku za určité období (ČMES, 2022). Například absolutním teplotním extrémem pro území České republiky je v tomto významu maximální teplota 40,4°C zaznamenaná 20. srpna 2012 v Dobřichovicích (Němec, 2012), a minimální teplota – 42,2 °C z 11. února 1929 naměřená v Litvínovicích (Krška, 2009). Extrémem roku 2021 byla teplota 36,5 °C naměřená 8. července 2021 ve Strážnici (Tolasz a kol, 2022).

Slovem extrém lze označit rovněž jev, který je svými vlastnostmi výrazně anomální, zejména pokud způsobuje významné dopady. Například povodně jsou extrém, s kterým musíme počítat v rámci plánů rozvoje území. Teplotu přesahující 35 °C lze pro naše území považovat za extrém. Stejně jako extrémem jsou odpolední teplotní maxima, která na Nový rok 2022 vyšplhala nad 10 °C.

Dalším možným významem je výskyt hodnoty či jevu nad (resp. pod) limitní hodnotou blízko hornímu (resp. dolnímu) konci rozptylu pozorovaných hodnot dané veličiny či charakteristiky jevu. Určení daného limitu, při jehož překročení označíme situaci za extrém, může být stanoveno různým způsobem. Statistické zpracování dat pro jevy s normálním rozložením často jako extrémní hodnoty definuje ty, ležící ve vzdálenosti více než 2s (směrodatné odchylky) od středové hodnoty. V klimatologii se často pro určení extremity používají vypočtené percentily dané časové řady. Za extrémní je poté označena hodnota větší než 90. nebo menší než 10. percentil (obr. 1).

Obr. 1 - Ilustrace způsobu vymezení extrémních hodnot veličiny s normálním rozložením a dvěma různými limity pro určení extrémních hodnot.

V hydrologii se ustálila praxe vymezití extrémy v oblasti minim obdobně jako u normálních jevů stanovením X procent nejmenších hodnot. V českém prostředí je historicky používán postup stanovení hodnot tzv. m-denních průtoků. Principem je seřazení pozorovaných hodnot denních průměrných průtoků za referenční období (aktuálně 1991-2020 pro pozorované profily) podle velikosti a odvození hodnot průtoků, které jsou dosaženy nebo překročeny v průměru po m-dnů v roce (ČSN 75 1400). Za limit sucha je přitom považován 355denní průtok (tedy ca 3 % nejnižších hodnot), za extrémní sucho pak označujeme většinou hodnoty na úrovni 364denního průtoku (tedy okolo 0,5 %). Vzhledem ke skutečnosti, že průtoková řada vykazuje autokorelaci (hodnota dnešního průtoku je závislá na hodnotě včerejšího průtoku), dochází většinou ke kumulaci výskytu extrémních hodnot do delších „souvislých“ období v některých letech, zatímco v jiných letech jejich výskyt zaznamenán není.

V případě maximálních průtoků hydrologie využívá pro určení extrému tzv. dobu opakování povodně (hodnoty N-letých průtoků). Hodnoty N-letých průtoků jsou odvozeny vždy na základě co nejdelší řady pozorování ročních průtokových maxim (případně všech hodnot nad zvolenou velikost průtoku v dané vodoměrné stanici – metoda peak over the threshold - POT). Následně je určena teoretická průměrná doba trvání mezi výskytem dvou povodňových kulminací s danou nebo větší hodnotou průtoku. Stoletá povodeň je tedy povodeň, jejíž kulminační průtok by v hypotetické tisícileté řadě pozorování byl dosažen či překročen celkem desetkrát. Doba opakování je převrácenou hodnotou pravděpodobnosti výskytu povodně dané velikosti v jednotlivém roce (ve světové literatuře je často použito právě vyjádření z hlediska pravděpodobnosti). V roce 2022 tedy z definice v každém vodoměrném profilu existuje 1% pravděpodobnost výskytu stoleté povodně.

Zajímavé však je určení pravděpodobnosti, že se vyskytne 100letá povodeň v průběhu např. deseti let, nebo sta let. Z čistě statistického pohledu je pravděpodobnost, že se v jednom roce stoletá povodeň nevyskytne 0,99 (tedy 99 %). Pravděpodobnost, že se nevyskytne ve dvou letech za sebou je tedy 0,99*0,99=0,98, zbývající 2 % udávají pravděpodobnost, že se v průběhu dvou za sebou jdoucích let vyskytne 100letá povodeň. Obecně lze takový vztah vyjádřit rovnicí:

\(p_{N,i}=1-(1-\frac{1}{N})^{i}\)
kde p je pravděpodobnost výskytu povodně doby opakování N let v řadě i let, N je doba opakování povodně v letech, i je délka řady pro níž je pravděpodobnost určena.

Na obr. 2 je vykreslena pravděpodobnost výskytu 100leté povodně v období různé délky. Za pozornost stojí skutečnost, že pravděpodobnost, že ve stoleté řadě průtoků máme zachycenu 100letou povodeň, je „pouze“ 63 %. Dostatečnou jistotu, že řada obsahuje skutečnou 100letou povodeň, máme až u řad o délce okolo 400 let a více. Naopak u třicetiletých řad, které jsou často používány pro hodnocení změny klimatu, je šance na to, že v jejím rámci je 100letá povodeň jen 26 %. To ukazuje nutnost uvážlivého a střízlivého hodnocení potenciálních změn extrémů v kratších řadách. Z principu totiž porovnání jedné modelované řady simulující minulé klimatické podmínky souborem budoucích klimatických scénářů bude zatížena rozdílnou pravděpodobností výskytu extrémů z prostého důvodu celkově delší časové řady obsažené v součtu všech členů ansámblu (zatímco v jedné řadě je pravděpodobnost výskytu 100leté povodně 26 %, zatímco v desetičlenném ansámblu je přirozená statistická šance, že obsahuje 100letou povodeň 96,4 %.

Obr. 2 - Závislost pravděpodobnosti výskytu 100leté povodně v časové řadě na její délce.

Statistická rozložení z pohledu extrémních hodnot

V běžném životě naši pozornost poutají častěji extrémní jevy a situace nežli „průměr“, protože extrémy jsou často spojeny s dopadem na náš život. I v meteorologii, klimatologii a hydrologii platí, že pro některé jevy a prvky je důležité hlavně to, jak se chovají v oblasti extrémních hodnot. Zatímco některé prvky vykazují normální rozložení svých hodnot, pro jiné to neplatí – například pro maximální denní srážky, průtoky aj. V literatuře se hovoří o rozloženích typu fat tail. Jedná se o rozložení, která mají větší hodnoty šikmosti a špičatosti a proto mají větší pravděpodobnost výskytu velmi odlehlých hodnot – extrémů.

V případě takových rozložení nevystačíme se zkušenostmi z chování normálního (Gaussova) rozdělení. Kvůli nim totiž máme tendenci podceňovat pravděpodobnost výskytu extrémů velmi odlehlých hodnot. Pokud má veličina či jev fat tail rozložení přináší to s sebou řadu konsekvencí pro život, neboť se mohou vyskytovat události někdy označované jako „černé labutě“ (black swan). Jedná se o události, které jsou na základě našich dosavadních znalostí a informací (třeba v podobě pravděpodobnostního rozložení veličiny v minulosti) nepředpověditelné, současně přinášejí extrémní dopady (kolaps burzy, válečné konflikty, revoluce, megatsunami, aj.) a v retrospektivě máme tendenci najít zdůvodnění (příběh), který na jejich nebezpečí ukazoval.

Extremita a její změny

Ve vědeckých studiích zabývajících se studiem změny klimatu se objevují závěry předpokládající změnu extremity výskytu některých jevů. Tyto závěry znamenají, že je předpoklad změny charakteristiky statistického rozložení hodnot určité veličiny, či charakteristik určitého jevu, a to ve srovnání s rozložením pozorovaným v průběhu referenčního období před změnou. Při změně statistického rozložení hodnot se při použití statistické definice extrému mění hodnota, která je považována za extrémní (dřívější extrém se stává hodnotou „běžnou“ – viz obr. 4). Proto je nutné porovnání provádět vůči původním limitům extrémů před změnou.

Obr. 3 - Posun statistického rozložení posouvá hranice statisticky určených hodnot limitů toho, co je extrém.

Změna četnosti výskytu extrémů přitom nemusí být vždy výsledkem změny střední hodnoty sledovaného prvku. Zatímco v případě teploty vzduchu dochází k celkovému oteplení, jehož důsledkem je i častější výskyt extrémních teplotních maxim a naopak méně častá teplotní minima, v případě srážek se změna extrémů na hodnotu průměrné hodnoty srážek v předpokladech budoucího vývoje neváže.

Obr. 4 - Změna extremity může být výsledkem různých změn charakteristik statistického rozložení hodnot prvku či jevu: a) posun střední hodnoty se zachováním tvaru rozložení, b) změna variability (tvaru) rozložení při zachování střední hodnoty, c) změna šikmosti a špičatosti rozložení.

Závěr

Z výše uvedeného vyplývají některá doporučení pro používání a hodnocení extrémů a extremity.

  • Vždy je nutné jasně definovat, co je v rámci konkrétního dokumentu považováno za extrém pro konkrétní jevy/veličiny.
  • Pro hodnocení výskytu extrémů a jejich změn je nutné používat dostatečně dlouhé časové řady odpovídající době opakování hodnocených extrémů a jejich povaze.
  • Korektně diskutovat výsledky získané z vyhodnocení extremity a jejich změn, a to v kontextu zvolených metodik a jejich limitů.

Literatura

ČMeS. 2022. Elektronický meteorologický slovník (eMS). Česká meteorologická společnost [online 2022-01-15]. Dostupné z: http://slovnik.cmes.cz
ČSN 75 1400 - Hydrologické údaje povrchových vod. Česká technická norma. ICS 13.060.10 Leden 2014.
Gregor, A. 1931. Hiver arctique dans le sud et le centre de l’Europe en février 1929. Extrait de La Météorologie, No. 70-72, Janvier-Mars, 1-5.
Krška, K. 2009. Zima 1928/1929 v Česku se zřetelem k povaze extrémů a dobové literatuře. Meteorologické Zprávy, 62 (1). 5-9.
Němec, L. 2012. Český teplotní rekord – Dobřichovice 20. 8. 2012. Meteorologické Zprávy, 65 (5), 145-148
Taleb, N.N. 2020. Statistical Consequences of Fat Tails: Real World Preasymptotics, Epistemology, and Applications (The Technical Incerto Collection). STEM Academic Press, ISBN 978-1-5445-0805-4
Tolasz, R., Čekal, R., Lamačová, A., Škáchová, H., 2022. Rok 2021 v Česku. Meteorologické zprávy, 75, 1, s. 1 - XXX. ISSN 0026-1173. Dostupné online: xxxx