Crowdsourcing von Lufttemperaturmessdaten zur kleinräumigen Modellierung von städtischen Temperaturverteilungen

Die Bereitstellung von atmosphärischen Messdaten über lange Zeiträume mit hoher räumlicher Auflö­sung und Abdeckung stellt eine große Herausforderung in der Klimatologie dar. Dies gilt insbesondere für Städte, da sich Klimamessstationen typischerweise im Außenbereich befinden, sodass das hetero­gene Stadtklima nicht erfasst werden kann. In den letzten Jahren haben sich private Heimwetterstationen (CWS), deren Daten über das Internet abgerufen werden können, weltweit stark verbreitet. Diese Stationen befinden sich vor allem in Städten und können so traditionelle Messnetze ergänzen. CWS, vor allem der Firma "Netatmo", ermöglichen eine räumlich und zeitlich hohe Auflö­sung, jedoch führen inkorrekte Metadaten, ungeeignete Messstandorte und nicht erfasste Positions­änderungen zu fehlerhaften Daten. Während deshalb Daten einzelner Stationen für wissen­schaftliche Analysen ungeeignet sind, erlaubt die ist die große Menge an Daten nach umfänglicher Qualitäts­kontrolle die Beantwortung stadtklimatologischer Fragestellungen.

In dieser Bachelorarbeit wurde ein System entwickelt, welches kontinuierlich die Netatmo-Daten für 200 Städte der Welt sammelt. Zur Sicherung der Datenqualität wurde eine Methodik entwickelt, die Positionsänderungen z.B. durch Umzug oder Verkauf erkennt und markiert sowie neue Stationen der Datenbank hinzufügt. Messdaten aktiver Stationen werden monatlich in stündlicher Auflösung mit Extremwerten für die Parameter der Lufttemperatur und -feuchte abgerufen.

Für den Großraum Rhein-Ruhr wurden exemplarisch die Daten einer Nacht mit austauscharmer Wetterlage qualitätsgeprüft und mit Verfahren unterschiedlicher Komplexität analysiert. Dazu wurde neben einfachen Interpolationsverfahren auch ein Random Forest Modell trainiert, das auf Basis thermaler und multispektraler Fernerkundungsdaten, eines digitalen Höhenmodells und stadtklimato­logisch relevanter Parametern wie dem Sky View Factor, die Lufttemperatur in 100 m Auflösung modelliert. Solche hochauflösenden Karten der Lufttemperatur könnten beispielsweise dazu verwendet werden, geeignete Orte für wirksame Klimaanpassungsmaßnahmen zu identifizieren. Die Datenbank bietet zudem eine Grundlage für weitere Untersuchungen und kann unmittelbar größere Mengen auf crowdsourcing basierender Daten mit gesicherten Metadaten bereitstellen.