V hydrologii a klimatologii najdeme celou škálu indexů, které se využívaji ve spojení s historickými řadami k detekci vlhkých a suchým period. Poslední dobou se hojně využívaji pro detekci a kategorizaci sucha. Jejich výhodou je, že jejich hodnoty jsou porovnatelné, a to díky tomu, že jsou založeny na standardním Gaussově rozdělení, na které jsou původní rozdělení veličin transformována. Důležité je vybrat spávné teoretické rozdělení vystihující pozorované hodnoty. Dalším důležitým parametrem je volba klouzavého okna. Cílem práce je nalézt optimální nastavení těchto parametrů pro vybrané hydrologické a klimatologické veličiny na území Česka. V případě nutnosti bude vhodné určit rgiony Česka, na které musíme celé území dělit, pokud chceme dobře vystihnout charakter pozorovaných řad. Notoricky známým indexem tohoto pojetí je standardizovaný srážkový index (SPI), který byl časem rozšířen i na jiné veličiny. Základním časovým krokem zpracovávaných řad je měsíc.
Předběžná náplň práce v anglickém jazyce
In hydrology and climatology, we can find a whole range of indexes that are used in conjunction with historical series to detect wet and dry periods. Recently, they have been widely used for detection and categorization of drought. Their advantage is that their values are comparable, thanks to the fact that they are based on the standard Gaussian distribution, to which the original distributions are transformed. It is important to select the correct theoretical distribution that captures the observed values. Another important parameter is the selection of the sliding window. The aim of the work is to find the optimal setting of these parameters for selected hydrological and climatological variables in the Czech Republic. If necessary, it will be useful to determine the regions of Czechia, into which we have to divide the whole territory if we want to capture the character of the observed series well. A notorious index of this concept is the Standardized Precipitation Index (SPI), which has been extended to other variables over time. The basic time step of the processed series is the month.
