Interaktivní mapa tmavých míst pro pozorování oblohy v ČR

🌌 Interaktivní mapa je online

https://jarogumulec.github.io/perseidy/

Mapa představena v článku iROZHLAS.cz: Odkud sledovat Perseidy? Napoví mapa vyhlídkových míst s nejmenším světelným znečištěním (Petr Kočí, Michal Kašpárek)

---

Tento projekt vytváří interaktivní nástroj pro hledání optimálních lokalit v České republice pro pozorování Perseid a dalších meteorických rojů. Analýza kombinuje tři klíčové faktory:

• Světelné znečištění (Falchi et al. 2016 atlas) — jak světlá je obloha nad daným místem
• Výhledová místa z OpenStreetMap (rozhledny, vyhlídky, vrcholy) — kde skutečně vidíš na oblohu
• Dostupnost (izochrony dojezdu z krajských měst) — kam stihneš dojet za hodinu

Pro představu: v celé ČR existují stovky potenciálních lokalit, ale po filtrování podle světelného znečištění a dopravní dostupnosti zůstává každému regionu jen několik málo vhodných míst. Nejhorší situace je v okolí Prahy, kde se světlo ze města šíří desítky kilometrů a kvalitních lokalit je velmi omezený počet.

Proč právě Falchi atlas? (i když data jsou z roku 2015)

Při výběru datasetu pro světelné znečištění jsme narazili na modernější alternativy jako VIIRS Black Marble nebo WorldPop. Zásadní rozdíl:

Dataset	Co měří	Vhodné pro astronomy?
Falchi 2015	Jas noční oblohy (skyglow) po atmosférickém rozptylu	✅ ANO - přímo to, co vidíš nad hlavou
VIIRS / Black Marble	Světlo vycházející ze země směrem vzhůru	❌ NE - ukazuje města/ulice, ne kvalitu oblohy

Pro astronomii není podstatné kolik světla vychází ze zemského povrchu, ale jak světlá je obloha nad tebou. Mezi těmito dvěma veličinami leží atmosférický rozptyl - a právě ten Falchi modeluje.

I když jsou Falchi data z roku 2015, stále poskytují smysluplnější informaci pro výběr pozorovacích lokalit než aktuálnější VIIRS rastry. Relativní pořadí tmavých oblastí v ČR se za posledních 10 let významně nezměnilo.

Datové zdroje

Světelné znečištění

• Zdroj: Falchi et al., "The New World Atlas of Artificial Night Sky Brightness" (2016)
• DOI: 10.5880/GFZ.1.4.2016.001
• Jednotky: Poměr k přirozenému jasu oblohy (0 = žádná umělá složka, >1 = jasnější než přirozené pozadí)
• Citace: Původní článek: 10.1126/sciadv.1600377

Výhledová místa

• Zdroj: Michal Kašpárek / Data Rozhlas
• Originální CSV: divnovylety/vyhlidkova_mista_cr.csv
• Extrahováno z: OpenStreetMap přes Overpass API
• Kategorie (astronomy strict): Pouze tourism=viewpoint a natural=peak — rozhledny (man_made=observation_tower) jsou vyřazeny protože mají světla uvnitř objektu
• Čištění: Původní data jsou kontaminovaná surveillance kamerami, webkamerami a dopravním značením. Pipeline nejprve odstraní zjevné nesmysly (clean_viewpoints.py → 5395 z 17521), pak aplikuje astronomy strict filtr pro pozorování oblohy (clean_viewpoints_astronomy_strict.py → 993 bodů).

Izochrony

• Zdroj: OpenRouteService API
• Profil: Driving-car
• Časový interval: 1 hodina od každého krajského města

Interaktivní mapy

Po spuštění create_html_maps.py najdeš v output/ dvě hlavní varianty map:

Soubor	Popis
perseidy_regional.html	Mapa ČR s vrstvami - zaškrtávací menu vlevo, legenda vpravo dole
perseidy_full_cz.html	Celá ČR s výhledovými místy - "najdi si svoje místo"

Bonusové mapy pro konkrétní lokality (vytvořeny ručně přes create_custom_location_maps.py):

• perseidy_brno.html — Brno a okolí, s izochronami 15, 30, 45 a 60 minut

Vlastnosti všech map:

• Layer control: Zaškrtávací seznam vrstev (Světelné znečištění, Izochrony, Výhledová místa)
• Legenda: Kompaktní barevná škála Falchi vpravo dole

HTML mapy se generují současně do obou složek (output/ i docs/output/) přes save_html_for_pages():

Cíl	Popis
output/*.html	Pracovní verze po generování
docs/output/*.html	Verze pro GitHub Pages (https://jarogumulec.github.io/perseidy/)

Klasifikace tmy (Falchi et al.)

Hodnota	Kategorie	Popis
≤0.01	Černá	Přirozená tma
0.01-0.02	Tmavě šedá	Velmi tmavá
0.02-0.04	Šedá	Téměř přirozená
0.04-0.08	Tmavě modrá	Slabé znečištění
0.08-0.16	Modrá	Mírné znečištění
>0.16	Světle modrá+	Střední až silné znečištění

Doporučený prah pro pozorování meteorů: < 0.16

Struktura repozitáře

perseidy/
├── data/
│   └── cesko_tma.tif          # Oříznutý Falchi rastr pro ČR (~1 MB)
├── isochrones/
│   ├── isochrone_Praha.geojson
│   ├── isochrone_Brno.geojson
│   └── ...                      # Isochrony pro všech 14 krajů + bonusové lokality
├── output/
│   ├── viewpoints_with_darkness.csv    # Všechna výhledová místa s hodnotou tmy
│   ├── best_sites_per_city.csv         # Nejtemnější místo per kraj
│   ├── reachable_dark_sites.csv        # Průnik: tmavá místa + dojezd < 1h
│   ├── perseidy_regional.html          # Mapa: výběr kraje + izochrona
│   └── perseidy_full_cz.html           # Mapa: celá ČR manuální hledání
├── vyhlidkova_mista_cr.csv     # Zdrojová data výhledových míst (od Michala, kontaminovaná)
├── vyhlidkova_mista_cr_clean.csv       # Vyčištěná data (pouze skutečné vyhlídky)
├── vyhlidkova_mista_cr_astronomystrict.csv       # Přísná varianta pro pozorování oblohy
├── krajska_mista.csv           # Krajská města pro izochrony
├── clean_viewpoints.py         # Čištění vstupních dat (odstraní surveillance kamery atd.)
├── clean_viewpoints_astronomy_strict.py # Přísnější filtrování pro astronomy
├── generate_isochrones.py      # Generování izochron přes ORS API
├── analyze_dark_sites.py       # Hlavní analýza a průniky
├── create_html_maps.py         # Generování HTML map
├── pyproject.toml              # Python dependencies (uv)
└── README.md

Rychlý start

Pokud jsou k dispozici všechna vstupní data, spustit:

uv run python create_html_maps.py

Tím se vygenerují obě hlavní HTML mapy v output/.

Postup krok za krokem

1. (Volitelné) Oříznutí GeoTIFF pro ČR

Ořez Česka data/cesko_tma.tif z celosvětového GEOTIFFUz původního Falchi rastru:

uv run python crop_falchi_to_cz.py

Výsledek: data/cesko_tma.tif (~1 MB). Poznámka: Skript potřebuje vstupní World_Atlas_2015.tif který není v repozitáři — stáhnout samostatně ze 10.5880/GFZ.1.4.2016.001.

2. Vyčistit vstupní data (astronomy strict varianta)

Aktivní pipeline používá astronomy strict dataset — přísnější filtrování které odstraní rozhledny a věže (nevhodné pro pozorování oblohy kvůli světlu uvnitř objektu):

uv run python clean_viewpoints_astronomy_strict.py

Výstup:

• vyhlidkova_mista_cr_astronomystrict.csv — 993 bodů (proti 5395 v clean variantě)
• output/astronomystrict_filter_report.csv — detailní report co a proč vypadlo

3. Generování izochron

uv run python generate_isochrones.py

Tento krok volá OpenRouteService API 14× (jednou pro každé krajské město).
Poznámka: Free tier má denní limit. Pokud narazíš na limit, buď počkej 24h, nebo použij API key s vyšším limitem.

4. Analýza a průniky

uv run python analyze_dark_sites.py \
    --viewpoints-csv vyhlidkova_mista_cr_astronomystrict.csv \
    --output-suffix _astronomystrict

Výstup:

• output/viewpoints_with_darkness_astronomystrict.csv
• output/reachable_dark_sites_astronomystrict.csv
• output/best_sites_per_city_astronomystrict.csv

5. Vytvoření HTML map

uv run python create_html_maps.py

Výstup:

• output/perseidy_regional.html
• output/perseidy_full_cz.html

Výstupy

Soubor	Použití
best_sites_per_city.csv	Statická tabulka: top místo pro každý kraj
perseidy_regional.html	Interaktivní mapa: uživatel vybere kraj, vidí izochronu a tmavá místa
perseidy_full_cz.html	Interaktivní mapa: prozkoumat celou ČR a najít vlastní místo

Citace dat

Data světelného znečištění: Falchi, F., Cinzano, P., Duriscoe, D., et al. (2016).
The New World Atlas of Artificial Night Sky Brightness. GFZ Data Services.
https://doi.org/10.5880/GFZ.1.4.2016.001

Original scientific article: Falchi, F., et al. (2016).
The new world atlas of artificial night sky brightness.
Science Advances, 2(6), e1600377.
https://doi.org/10.1126/sciadv.1600377

Data výhledových míst: Michal Kašpárek / Český rozhlas
https://github.com/DataRozhlas/divnovylety

Podkladová mapa: openfreemap-dark (switch 24.9.2026 protože původní CARTO dark_matter potřebovala API key při větším provozu). 
nastaveno podle https://madewithmaplibre.com/basemaps/styles/openfreemap-dark/

Autoři

• Jaromír Gumulec (analýza, skripty)
• Michal Kašpárek (data výhledových míst)

---

Budoucí inspirace

Oblačnost

Idee jak v budoucnu přidat vrstvu oblačnosti:

Přístup	Problém
Open-Meteo API (direct)	5395 bodů × API call = rate limit po ~600 requestech
YR.no WMS	Server neodpovídá / blokuje přístup
CHMI Aladin WMS	Veřejný endpoint nedostupný
NASA GIBS WMS	Blokováno CORS / vyžaduje autentizaci
Meteoblue WMS	Nereaguje na GetCapabilities

Možná řešení:

• Self-hostovaný backend (Node.js/Python) který cachejuje weather data každých 30 minut
• Použití statických forecast obrázků (např. stáhnout PNG z YR.no každý den)
• Integrace s CHMI pokud poskytnou veřejný endpoint

---

Changelog - Čištění dat vyhlídkových míst (2025-08-02)

Problém

Původní dataset vyhlidkova_mista_cr.csv (17 521 záznamů) byl silně kontaminovaný nesmyslnými záznamy z OSM:

Typ kontaminace	Počet	Příklad
Surveillance kamery	11 757	Městské bezpečnostní kamery
Webkamery	20	Online webkamery
Dopravní značení	49	Rychlostní kamery, semafory
Jiné nesmysly	~300	Budovy bez výhledu, strážnice

Řešení

Vytvořen skript clean_viewpoints.py s následujícími filtry:

Zachováno (skutečná vyhlídková místa):

• tourism=viewpoint — vyhlídková místa
• man_made=observation_tower, tower, windmill — rozhledny, větrné mlýny s vyhlídkou
• tower:type=observation/watchtower/lookout — věže s výhledem

Odstraněno:

• man_made=surveillance — všechny typy kamer
• surveillance=camera/webcam/traffic/average_speed/red_light — specifické typy monitoringu

Výsledek

Soubor	Počet	Popis
vyhlidkova_mista_cr_clean.csv	5 395	Všechna vyhlídková místa
vyhlidkova_mista_cr_clean_named.csv	1 438	Pouze pojmenovaná místa

Odebráno: 12 126 neplatných záznamů (69 % původního datasetu)

Poznámka k kvalitě dat

Vyčištěná data stále mohou obsahovat některé problematické záznamy které nelze automaticky filtrovat:

1. Nízké objekty (3–5 m) — 5 bodů s výškou pod 5m může být malé vyhlídkové plošiny nebo chybně tagované body
2. "Vrcholy hor" v lese — Některá místa tagovaná jako tourism=viewpoint mohou být v lese bez skutečného výhledu (např. "Branžovský les")
3. Unnamed POI — 3 957 bodů bez názvu (zůstaly zachovány, mohou být validní vyhlídky)

Tyto body jsou tagované v OSM jako viewpoint což předpokládá výhled, ale manuální ověření každé lokality není možné. Data jsou tedy doporučena s poznámkou že některé lokality mohou vyžadovat ověření.

Poznámka k filtraci astronomy strict

Přísná varianta (clean_viewpoints_astronomy_strict.py) dále redukuje data oproti clean variantě:

Měření	Hodnota
clean reference	5395 bodů
astronomy strict	993 bodů
vypadlo proti clean	4402 bodů (81.59 %)
Pořád dost	cca 5 bodů v izochroně Praha

Proč vyřadit rozhledny? Rozhledny a věže mají světla uvnitř objektu pro noční návštěvníky, což je dělá nevhodnými pro pozorování oblohy navzdory jejich nadmořské výšce.