Zlínský kraj podpoří vývoj modelu pro přesnější a včasnější předpověď povodní

Přesněji a s větším předstihem rozpoznat hrozící přívalové povodně má nový predikční model RAINCAST-ZK, který plánuje vyvinout Univerzita Tomáše Bati ve Zlíně. Rada Zlínského kraje doporučila krajskému zastupitelstvu, aby univerzitě na realizaci projektu poskytlo dotaci téměř 2 miliony korun. Nový systém má propojit meteorologická, hydrologická a prostorová data a pomoci povodňovým komisím rychleji a lépe reagovat na nebezpečí.

„Přívalové povodně vznikají rychle a často zasahují jen omezené území, proto je obtížné jejich příchod včas a přesně předpovědět. Každá minuta navíc přitom může pomoci ochránit lidské životy, majetek i infrastrukturu. Díky spolupráci s Univerzitou Tomáše Bati chceme využít moderní technologie a dostupná data k tomu, aby povodňové komise dostávaly co nejpřesnější informace a mohly rychleji rozhodovat,“ uvedl Radim Holiš, hejtman Zlínského kraje.

Součástí projektu bude samotný predikční model, webové prostředí RAINCAST-ZK a také metodika pro vytvoření aktivního harmonogramu činností povodňových komisí. Informace o aktuálním i očekávaném vývoji situace budou dostupné přehledně a na jednom místě. Systém využije také lokální meteorologické radarové technologie, které mají přispět ke zpřesnění předpovědi.

Nový předpovědní model naváže na ten stávající, který už v kraji funguje a osvědčil se. Nabídne více informací, komplexnější data. Náklady projektu dosahují 2,846 milionu korun. Jeho realizace se plánuje od října 2026 do září 2028.

/tz/

Napsat komentář

Napsat komentář

deník / newsletter

Odesláním souhlasíte se zpracováním osobních údajů za účelem zasílání obchodních sdělení.
Copyright © 2026 Profi Press s.r.o.
crossmenuchevron-down
Přehled ochrany osobních údajů

Tento web používá soubory cookie, abychom vám mohli poskytnout tu nejlepší možnou uživatelskou zkušenost. Informace o souborech cookie se ukládají ve vašem prohlížeči a plní funkce, jako je rozpoznání vás, když se vrátíte na naši webovou stránku, a pomáhají našemu týmu pochopit, které části webu jsou pro vás nejzajímavější a nejužitečnější.