Compendium voor de Leefomgeving
460 feiten en cijfers over milieu, natuur en ruimte
Klimaatverandering

Temperatuurextremen in Nederland, 1907-2019

Temperaturen in Nederland zijn de afgelopen eeuw sterk toegenomen. Dit heeft ook invloed op het vóorkomen van extreme temperaturen. Uit de analyse van een viertal indicatoren voor hoge temperaturen en een drietal indicatoren voor lage temperaturen is gebleken dat extreme hitte in de zomer toeneemt, en extreme koude in de winter juist afneemt. De trendmatige verandering in deze indicatoren vindt vooral plaats in de laatste vijf decennia, dus vanaf circa 1970. In alle gevallen vertonen temperatuur-extremen een oost-west gradiënt, dit door de invloed van de Noordzee.

 

Warmte extremen

Veranderingen in temperatuurextremen zijn vooral sterk in de zomer. Zo is het aantal zomerse dagen opgelopen van gemiddeld 9 dagen in 1907 naar gemiddeld 25 dagen in 2019. Dat is bijna een verdrievoudiging. De maximum temperatuur per jaar is toegenomen met 4,2 ºC. Voor de koude-extremen valt vooral op de trendmatige daling in het aantal ijsdagen, dat zijn dagen met een maximum temperatuur onder het vriespunt. Dit aantal is gedaald van 8 ijsdagen in 1907 naar 2 ijsdagen in 2020, een afname met een factor vier.

In absolute zin braken warmte-extremen in juli 2019 alle records sinds het begin van de metingen in 1907. Op sommige plaatsen liepen maximum temperaturen op tot boven de 40 graden Celsius, een tot dan toe onmogelijk geachte waarde voor Nederland. Extreem hoge temperaturen in de zomer kunnen gevolgen hebben voor de volksgezondheid wat onder andere tot uiting komt in hogere sterftecijfers.

Bij de berekening van extremen is steeds gebruik gemaakt van de vijf KNMI-hoofdstations. Dat zijn Den Helder (later vliegveld De Kooy), Groningen (later vliegveld Eelde), De Bilt, Vlissingen en Maastricht (later vliegveld Beek). Voor deze stations zijn dagminima, dagmaxima en daggemiddeldes beschikbaar vanaf 1906. Deze reeksen zijn recentelijk door het KNMI gehomogeniseerd, dat wil zeggen gecorrigeerd voor verplaatsingen of veranderingen in meethut-type. Hierna gaan we vooral in op het landelijk gemiddelde over de vijf hoofdstations. Details per station zijn gegeven in de Technisch toelichting.

Maximum temperatuur

De maximum temperatuur per jaar is gedefinieerd als het gemiddelde van de maximum temperaturen zoals gemeten op elk van de vijf hoofdstations. Daarbij staat zo'n maximum per station gelijk aan de hoogst gemeten temperatuur in een jaar of anders gezegd het warmste moment dat op een station gemeten is. De maxima per jaar zijn gegeven in de eerste figuur over de meetperiode 1907-2019.

De figuur laat zien dat de maximum temperatuur - gemiddeld over de vijf hoofdstations -sterk kan variëren van jaar op jaar. Zo was de laagste maximum temperatuur 26,4 ºC (in 1965) en de hoogste temperatuur 37,2 ºC (in 2019).

De geschatte trend in de jaarlijks gemiddelde maximum temperaturen vertoont temperaturen die opgelopen van gemiddeld 29,7 ºC in 1906 naar gemiddeld 33,9 ºC in 2019. De statistische analyse laat zien dat deze toename in 114 jaar sterk significant is, namelijk van 4,2 ± 1,6 ºC (95% betrouwbaarheidsinterval). Verder heeft de toename van 4,2 ºC geheel plaatsgevonden in de laatste 50 jaar. Over de periode 1907-1970 is de trend redelijk stabiel in de tijd.

De trends voor de individuele KNMI-hoofdstations wijken iets af van het landelijk gemiddelde. Zie daarvoor de Technische toelichting.

Aantal zomerse dagen

Een zomerse dag is gedefinieerd als een dag met een maximum temperatuur van 25 ºC of hoger. Per KNMI-hoofdstation is het aantal zomerse dagen per jaar berekend en vervolgens gemiddeld over de vijf hoofdstations. De gemiddelde reeks met zomerse dagen is weergegeven in de tweede figuur.

De figuur laat zien dat het aantal zomerse dagen per jaar sterk varieert over de hele meetperiode 1907-2019. Zo was het kleinst aantal zomerse dagen 3 (in 1956) en het hoogste aantal dagen 47 (in 2018).

De geschatte trend in het aantal zomerse dagen is opgelopen van 9 dagen in 1907 naar 25 dagen in 2019. Statistische analyse laat zien dat deze toename met bijna een factor drie in 114 jaar significant is. Ook deze toename vindt vooral plaats in de laatste 50 jaar van de reeks.

De trendwaarden van de individuele hoofdstations vertonen een duidelijke oost-west gradiënt. Details zijn gegeven in de Technische toelichting.

Maximum lengte van periode met zomerse dagen

Een maat voor de duur van hoge temperaturen is de lengte van een periode waarin het elke dag 25 graden wordt of warmer. Voor elk hoofdstation hebben we per jaar de maximale lengte berekend van zo'n periode met aaneensluitende zomerse dagen en vervolgens gemiddeld over de vijf hoofdstations om een landelijk cijfer te krijgen.

De trend in de lengte van de maximum aaneengesloten periode met zomerse dagen is opgelopen van 4 dagen in 1907 naar 6 dagen in 2019. Deze toename met een factor anderhalf is statistisch significant, ondanks de sterke jaar-op-jaar variabiliteit in de lengte van warme perioden. Zo duurde de gemiddeld kortste periode 1 dag in 1965 en de langste periode 15 dagen in 2018. De figuur laat zien dat -- net als bij de vorige twee indicatoren - de toename plaatsvindt in de laatste 50 jaar van de reeks.

We merken op dat het vóorkomen van een warmte-periode vaak uitgedrukt wordt met de term 'hittegolf'. Een hittegolf is een periode van minstens vijf zomerse dagen waarvan er drie of meer een maximum hebben boven de 30 graden Celsius. Een nadeel van het begrip hittegolf is dat het geen informatie geeft over de lengte van de periode. Zo laat een tabel van het KNMI zien dat de lengte van een hittegolf kan variëren van 5 dagen tot 18 dagen (periode 1901 - 2019). Daarom is hier gekozen voor de maximum lengte van een periode met zomerse dagen.

Aantal tropische nachten

Een tropische nacht is in Nederland een nacht waarvoor de minimum temperatuur 20 ºC of hoger is. Nachtelijke hitte speelt een belangrijk rol bij het wel of niet draaglijk zijn van warme perioden voor kwetsbare groepen. Omdat jaren met één of meer tropische nachten zeldzaam zijn, geven we hier een kwalitatieve beschrijving van het patroon in de tijd.

We hebben voor de vijf hoofdstations het aantal nachten per jaar berekend en vervolgens gemiddeld. Het blijkt dat in de periode 1907-1970 het vóorkomen van tropische nachten een zeldzaamheid is. Over deze periode gebeurde dat landelijk gemiddeld slechts vijfmaal. Over de periode 1970-2019 gebeurde dat 17 maal waarvan twee maal in 2018 en twee maal in 2019. Een sterke toename dus.
Informatie per station is gegeven in de Technische toelichting.

Koude extremen

Minimum temperatuur

De minimum temperatuur voor een station is gedefinieerd als het laagst gemeten dagminimum over een heel jaar, en geeft dus de temperatuur van het koudste moment dat op een station gemeten is. De minimum temperatuur voor Nederland is berekend voor alle vijf KNMI-hoofdstations en vervolgens per jaar gemiddeld om zo een landelijk gemiddelde waarde te krijgen. De minimum waarden zijn steeds berekend over het winterhalfjaar waarbij de gevonden minimum temperatuur is toegekend aan het jaar waarin de maanden januari tot en met april vallen. De gemiddelde waarden zijn gegeven in de eerste figuur over de meetperiode 1907-2020.

De figuur laat zien dat minimum temperaturen zeer sterk variëren van jaar op jaar. Zo was de laagste minimum temperatuur -20,4 ºC (in 1956) en de hoogste temperatuur -2,7 ºC (in 2014), direct gevolgd door de warme winter van 2020 met -3,1 °C.
De trend in de jaarlijks gemiddelde minimum temperatuur is opgelopen van gemiddeld -10,2 ºC in 1907 naar gemiddeld -6,6 ºC in 2020. De statistische analyse laat zien dat deze toename van 3,6 ºC in 114 jaar significant is, ondanks de zeer sterke jaar-op-jaar variabiliteit. Verder laat de trend zien dat de toename van 3,6 ºC geheel heeft plaatsgevonden in de laatste 50 jaar. Over de periode 1907-1970 is de trend redelijk stabiel in de tijd. Dit patroon is dus gelijk aan dat voor extreem hoge temperaturen waar de opwarming ook plaats vindt in de laatste 50 jaar.

Informatie per station is gegeven in de Technische toelichting.

Aantal vorstdagen

Een vorstdag is gedefinieerd als een dag met een minimum temperatuur van 0,0 ºC of lager. Per KNMI-hoofdstation is het aantal vorstdagen per winter-halfjaar berekend en daarna gemiddeld over de vijf hoofdstations.

De figuur laat zien dat het aantal vorstdagen per jaar sterk varieert over de hele meetperiode
1907-2019. Zo was het laagste aantal vorstdagen 15 (in 2007) en het hoogste aantal dagen 105 (in 1929). Deze laatste winter was zo extreem dat de grote rivieren grotendeels bevroren waren en men de Zuiderzee over kon steken van Enkhuizen naar Urk.

De geschatte trend in het aantal vorstdagen is afgenomen van 66 dagen in 1907 naar 39 dagen in 2019. De statistische analyse laat zien dat deze afname met een factor 0,6 in 113 jaar sterk significant is. Verder vindt de afname in de trend geleidelijk plaats tot circa 1970 en vertoont daarna een lichte versnelling.

Aantal ijsdagen

Een ijsdag is gedefinieerd als een dag waarbij de temperatuur het gehele etmaal niet boven de 0,0 ºC komt. Per KNMI-hoofdstation is het aantal ijsdagen per winter-halfjaar berekend en daarna gemiddeld over de vijf hoofdstations.

De figuur laat zien dat het aantal ijsdagen per jaar sterk varieert over de hele meetperiode 1907-2020. Zo waren er drie jaren zonder ijsdagen, namelijk in 1975, 2000 en 2020. Het hoogste aantal dagen zien we in de jaren 1947 (51 dagen) en in 1963 (49 dagen). In beide winters werd een Elfstedentocht verreden.

De geschatte trend in het aantal ijsdagen is afgenomen van 8 dagen in 1907 naar 2 dagen in 2020. De statistische analyse laat zien dat deze afname met een factor vier in 114 jaar sterk significant is. Verder vindt de afname in de trend plaats over de tweede helft van de meetreeks.

Extremen, klimaatverandering en gevolgen

De belangrijkste reden voor de trendmatige veranderingen in de extreme temperatuur op aarde in de laatste 50 jaar is zeer waarschijnlijk het door de mens veroorzaakte versterkte broeikaseffect. Dit versterkte broeikaseffect is een gevolg van de uitstoot van broeikasgassen in de atmosfeer.

Daarnaast zijn er ook natuurlijke processen die vooral de jaarlijkse fluctuaties in de gemiddelde jaarlijkse temperatuur op aarde verklaren. Dit zijn bijvoorbeeld variaties in de sterkte van de zonnestraling, het optreden van vulkaanuitbarstingen, El Nino's en chaotische fluctuaties in het klimaat (IPCC, 2013 en 2018).

Veel natuurlijke factoren die van invloed zijn op de mondiale temperatuur, zoals El Nino en La Nina, hebben geen of zeer beperkte invloed op de temperatuur in Nederland. Die wordt veel meer bepaald door veranderingen in de luchtstromen in onze omgeving en door de temperatuur van de Noordzee.

Voor de relatie tussen temperatuurextremen, klimaatverandering en gevolgen verwijzen we naar IPCC (2012, hoofdstuk 3), IPCC (2013) en IPCC (2018). Recentelijk zijn een aantal studies verschenen die een directe relatie leggen tussen individuele extreme gebeurtenissen en klimaatveranderingen. We noemen de analyse van de hittegolf in 2018 in Europa (Leach et al., 2010) en de hittegolf in juli 2019 in West Europa (Vautard et al., 2019). Meer studies zijn gegeven op de volgende website .

De afname in koude-extremen zoals hier gevonden voor Nederland, komt overeen met de resultaten van Oldenborgh et al. (2019) die vergelijkbare resultaten vinden voor land op noordelijke breedtegraden (30-60N).

De gevolgen van hitte in de zomer zijn divers, zeker ook in combinatie met droogte. De relatie met sterfte in Nederland tijdens hittegolven zoals die in 2003, 2006, 2018 en 2019, is onderzocht door het CBS. We verwijzen naar Huynen et al. (2001), Garssen et al. (2005) en Harmsen (2019).

Referenties

  • Bosatlas van het Klimaat (2011). Zie: http://www.klimaatatlas.nl/
  • Brandsma, T. (2016a). Homogenization of daily temperature data of the five principal stations in the Netherlands. KNMI Technical Report TR-356.
  • Brandsma, T. (2016b). Homogenisatie van dagelijkse temperaturen van de KNMI hoofdstations. Meteorologica 2, 4-8.
  • Garssen, M.J., C. Harmsen and J. de Beer, 2005. The effect of the summer 2003 heat wave on mortality in the Netherlands. Eurosurveillance.
  • Harmsen, C., 2019. Onderzoek hitte-gerelateerde sterfte. CBS-rapport 305657.
  • Huynen M.M.T.E., P. Martens, D. Schram, M.P. Weijenberg and A.E. Kunst, 2001. The impact of heat waves and cold spells on mortality rates in de Dutch population. Environmental Health Perspectives 109, 463-470.
  • IPCC, 2012. Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation. Special report SREX .Special Report of the Intergovernmental Panel on Climate Change
  • IPCC, 2013. Climate change 2013. The physical science basis. Working group I contribution to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change (Eds. S. Solomon et al.). Cambridge University Press.
  • IPCC, 2018. Global warming of 1,5 °C. IPCC special report SR15 .
  • KNMI (2014). KNMI'14. Klimaatscenario's voor Nederland. Brochure KNMI14_NL.
  • Leach, N.J., S. Sihan, S. Sparrow, G.J. van Oldenborgh, F.C. Lott, A. Weisheimer and M.R. Allen, 2020. Anthropogenic influence on the 2018 summer warm spell in Europe: the impact of different spatio-temporal scales. BAMS, special supplement on extreme events of 2018 from a climate perspective, January 2020.
  • Oldenborgh, G.J., E. Mitchell-Larson, G.A. Vecchi, H. de Vries, R. Vautard and F. Otto, 2019. Cold waves are getting milder in the northern midlatitudes. Environmental Research Letters, 14, 114004.
  • PBL/KNMI (2015). Klimaatverandering: Samenvatting van het vijfde IPCC-assessment en een vertaling naar Nederland. Uitgave PBL en KNMI, PBL-publicatienummer 1405.
  • Vautard, r., O. Boucher, G.J. van Oldenborgh, F. Otto, K. Haustein, M.M. Vogel, S.I. Seneviratne, J-M Soubeyroux, M. Schneider, A. Drouin, A. Ribes, F. Kreienkamp, P. Stott and M. van Aalst, 2019. Human contribution to the record-breaking July 2019 heat wave in Western Europe.
  • Visser, H. (2004). Estimation and detection of flexible trends. Atmospheric Environment, 38, 4135-4145.
  • Visser, H. en A.C. Petersen (2012). Inferences on weather extremes and weather-related disasters: a review of statistical methods. Climate of the Past, 8, 1-22.

Relevante informatie

Technische toelichting

Naam van het gegeven

Temperatuurextremen in Nederland

Verantwoordelijk instituut

Planbureau voor de Leefomgeving (PBL), data van KNMI. Auteurs: Hans Visser en Jelle van Minnen

Berekeningswijze

De temperatuurreeksen voor Nederland zijn gebaseerd op dagelijkse temperatuurmetingen van het KNMI voor vijf gehomogeniseerde temperatuurstations vanaf 1907. Deze stations zijn De Bilt, De Kooy (reeks begonnen in Den Helder tot 1972), Eelde (reeks begonnen in Groningen tot 1951), Vlissingen en Beek (reeks begonnen in Maastricht tot 1951). Het homogenisatie-proces is beschreven in Brandsma (2016a,b). Per dag is gegeven het daggemiddelde TG, het dagminimum TN en het dagmaximum TX. Alle indicatoren zijn hieruit berekend en gedownload vanaf de KNMI-website 'Climate Explorer'.

We merken op dat de homogenisatie van de vijf hoofdstations - uitgevoerd door het KNMI in 2016 - aangevochten is wat betreft de correcties voor station De Bilt rond 1950, toen een zogenaamde pagode-hut werd vervangen door een Stephenson-hut met iets andere ventilatie-karakteristieken, naast een kleine verplaatsing van de hut op het meetveld van het KNMI (Dijkstra et al, 2019). Hierop is overtuigend gereageerd door het KNMI (Brandsma, 2019)

Uit de dagminima en dagmaxima zijn de besproken indicatoren berekend. Het warmste moment in een jaar is het maximum van alle dagmaxima in een jaar en wordt in de literatuur aangeduid met TXX. Evenzo wordt het koudste moment in een jaar aangeduid met TNN. Het aantal zomerse dagen en de langste aaneengesloten periode met zomerse dagen worden aangeduid met SU25 en CSU25, respectievelijk. Vorstdagen (FD0) zijn dagen met een minimum temperatuur van 0.0 ºC of lager en ijsdagen (ID) zijn dagen met een maximumtemperatuur van 0.0 ºC of lager.

De waarden van TXX voor de individuele hoofdstations zijn als volgt. De hoogste trendwaarde voor 2019 vinden we voor station Maastricht/Beek, namelijk 36,1 ºC. De laagste waarde geeft station Vlissingen, namelijk 32,5 ºC. Dat geeft een ruimtelijk verschil in 2019 van 3,6 graden. Voor de toename sinds 1906 vinden we ook aanmerkelijke verschillen. De sterkste en geringste toename vinden we voor dezelfde stations: Maastricht/Beek geeft een toename van 5,0 °C en station Vlissingen een toename van 3,5 °C. Voor beide stations vindt deze toename plaats over de laatste 50 jaar

De waarden van SU25 voor de individuele hoofdstations zijn als volgt. Het hoogste aantal zomerse dagen voor 2019 zien we voor station Maastricht/Beek: een trendwaarde van 40 dagen. Het laagste aantal zien we voor Den Helder/De Kooy: een trendwaarde van 11 dagen. Een ruimtelijk verschil dus van 29 dagen. Voor de trendmatige toename sinds 1906 vinden we ook aanmerkelijke verschillen. De sterkste en geringste toename vinden we voor dezelfde stations: Maastricht/Beek vertoont een toename van 19 dagen in 1906 naar 40 dagen in 2019, en Den Helder/De Kooy van 3 dagen in 1906 naar 11 dagen in 2019.

Voor alle stations is het aantal tropische nachten toegenomen, met als grootste verandering het aantal tropische nachten voor station Groningen/Eelde: géen in de periode 1907-2017, en twee daarna. Dit is ook het KNMI-hoofdstation met het minst aantal tropische nachten De meeste tropische nachten vinden we voor station Vlissingen: 8 nachten in de periode 1907-1970, 27 nachten in de periode 1971-2017, en vier daarna.

De waarden van TNN voor de individuele hoofdstations zijn als volgt. De laagste trendwaarde voor 2020 vinden we voor station Groningen/Eelde, namelijk -8,6 ºC. De hoogste waarde geeft station Vlissingen, namelijk -2,4 ºC. Dat geeft een ruimtelijk verschil van ruim 6 graden.

Voor de trendmatige toename sinds 1907 vinden we ook aanmerkelijke verschillen. De kleinste toename vinden we voor station Groningen/Eelde, namelijk 2,8 ºC. De grootste toename vinden we voor de stations Vlissingen en Maastricht/Beek, namelijk een toename van respectievelijk 4,4 ºC en 6,5 °C. Voor alle individuele hoofdstations vindt de opwarming plaats over de laatste 50 jaar van de meetreeks, net als voor de indicatoren voor hitte.

Voor een beschrijving van historische extremen en hun maatschappelijke consequenties verwijzen we naar Otten et al. (2001) en Buisman (2011).

Voor de koude-indicatoren zijn de extremen steeds berekend over het winter-halfjaar waarbij de gevonden extreem toegekend is aan het jaar waarin de maanden januari tot en met april vallen. Het koudste moment van 2017 valt dus in de periode november 2016 tot en met april 2017.

Voor definities van indicatoren voor extreme temperaturen verwijzen we naar Zhang et al. (2011, tabel 1). Voor de analyse van ruimtelijke patronen over Nederland verwijzen we hoofdstuk 2 in de Bosatlas van het Klimaat (2011).

Het hier toegepaste trendmodel is het zogenaamde Integrated Random Walk (IRW) trendmodel. Dit model heeft als voordeel dat trendwaarden tussen verschillende jaren statistisch getoetst kunnen worden op significantie. Zie voor meer informatie: Visser (2004), Visser en Petersen (2012), en Visser et al. (2015, 2018).

Opgemerkt zij dat trends in datasets die extreme waarden bevatten, vaak geschat worden met trendmethodes uit de extreme-waarden-theorie (Visser en Petersen, 2012). Een voorbeeld is het schatten van Generalized Extreme Value (GEV) verdelingen rond een trend. Zie bijvoorbeeld Oldenborgh et al. (2017) en de website van World Weather Attribution.

Voor de reeksen die hier behandeld zijn, geven IRW-trends - in combinatie met een logaritmische transformatie vooraf - een goede fit waarbij de residuen in goede benadering een normale verdeling volgen. Het voordeel van de hier gekozen benadering is dat onzekerheidsinformatie beschikbaar is voor trendwaarden in een willekeurig jaar en ook voor trendverschillen over de jaren. Zie ook Visser (2007) die deze methode toepaste op TXX-waarden voor Nederland over de periode 1950-2006.

De logaritmische transformatie is toegepast voor de variabelen SU25, CSU25, FD0 en ID. Omdat waarden voor de variabele TNN scheef verdeeld zijn naar zeer lage temperaturen toe, zijn TNN-waarden getransformeerd met de transformatie zt = log(-yt). Na transformatie voldoen de residuen van het IRW-trendmodel aan de voorwaarden van onafhankelijkheid en een normale kansverdeling.

Basistabel

http://climexp.knmi.nl/ , onder 'daily climate indices'

Geografisch verdeling

Totaal Nederland

Verschijningsfrequentie

Eens per jaar

Achtergrondliteratuur

Brandsma, T., 2019. Pagodemetingen in De Bilt. Meteorologica 1, 12-16. Buisman, J. (2011). Extreem weer! Een canon van weergaloze winters en zinderende zomers, hagel en hozen, stormen en watersnoden. Uitgeverij Van Wijnen, Franeker. Dijkstra, F., J. Ruis, R. de Vos en M. Crok, 2019. Het raadsel van de verdwenen hittegolven. Rapport Stichting Clintel. Oldenborgh, G.J. van, S. Philip, S. Kew, M. van Weele, P. Uhe, F. Otto, R. Singh, I. Pai and K. AchutaRao (2017). Extreme heat in India and anthropogenic climate change. Natural Hazards Earth System Science, doi:10.5194/nhess-2017-107. Otten, H., J. Kuiper en T. van der Spek (2000). Weer een eeuw. Het weer in Nederland van 1900 tot 2000. Tirion Uitgevers B.V., Baarn. Visser, H. (2007). Kans op extreem warme dagen in Nederland. MNP-rapport 550032010. Visser, H., S. Dangendorf and A.C. Petersen (2015). A review of trend models applied to sea level data with reference to the "acceleration-deceleration debate". Journal of Geophysical Research: Oceans, 120, 3873-3895. Visser, H., S. Dangendorf, D.P. van Vuuren, B. Bregman and A.C. Petersen (2018). Signal detection in global mean temperatures after "Paris": an uncertainty and sensitivity analysis. Climate of the Past, 14, 139-155. Zhang, X., Alexander, L., et al. (2011). Indices for monitoring changes in extremes based on daily temperature and precipitation data. WIREs Climate Change, doi:10.1002/wcc.147.

Betrouwbaarheidscodering

Schatting gebaseerd op een groot aantal (zeer accurate) metingen, waarbij representativiteit van de gegevens vrijwel volledig is.

Archief van deze indicator

Referentie van deze webpagina

CBS, PBL, RIVM, WUR (2020). Temperatuurextremen in Nederland, 1907-2019 (indicator 0589, versie 02 , 4 juni 2020 ). www.clo.nl. Centraal Bureau voor de Statistiek (CBS), Den Haag; PBL Planbureau voor de Leefomgeving, Den Haag; RIVM Rijksinstituut voor Volksgezondheid en Milieu, Bilthoven; en Wageningen University and Research, Wageningen.

Het CLO is een samenwerkingsverband van CBS, PBL, RIVM en WUR.