Seitenhistorie

VerantwortlichMentor: HS Mainz / Markus Schaffert Hossein Arefi 

In dieser Challenge steht die Identifikation städtischer Hitzeinseln und die Berechnung lokaler Klimazonen im Fokus. Die Auswahl der Methoden ist flexibel und kann beispielsweise auf der Nutzung frei verfügbarer Satellitendaten basieren (unter Berücksichtigung der durch diese Daten bestimmten Auflösungen). Sofern verfügbar, lassen sich auch terrestrische Daten wie Niederschlags- und Temperaturmessungen integrieren, um die Ergebnisse zu verfeinern und zu erweitern.

Für zielgerichtete städtische Massnahmen ist es wichtig, nicht nur das Phänomen der städtischen Hitzeinseln zu verstehen, sondern auch die Vulnerabilität einer Stadt gegenüber solchen Erscheinungen zu erfassen. Zu diesem Zwecke kann/soll anschließend im Rahmen eines GIS-Ansatzes nützliches Stadtmobiliar in Form von "Erfrischungsorten" visualisiert werden. Dazu zählen beispielsweise grüne und blaue Infrastrukturen, Verschattungen sowie bestimmte Stadtmöbel, wie Trinkwasserbrunnen oder Bänke. Diese sollen können gemeinsam mit den Informationen zu den Hitzeinseln analysiert werden, um Optimierungsvorschläge für die Stadtentwicklung zu unterbreiten.

...

Tutorials

• Berechnung der Landoberflächentemperatur mit Landsat 8-Satellitenbildern: https://giscrack.com/how-to-calculate-land-surface-temperature-with-landsat-8-images/
• LCZ Generator: A Web Application to Create Local Climate Zone Maps: https://lcz-generator.rub.de/
• Demuzere, M., Kittner, J., Bechtel, B. (2021). LCZ Generator: a web application to create Local Climate Zone maps. Frontiers in Environmental Science 9:637455: https://www.frontiersin.org/articles/10.3389/fenvs.2021.637455/full
• Routing mit QGIS: https://wheregroup.com/blog/details/erreichbarkeitsanalysen-mit-qgis-und-osm-daten/ ; QNEAT3 (Routing Erweiterung von QGIS) Tutorial: https://www.youtube.com/watch?v=4dG_jTKcrEo&pp=ygULUU5FQVQzIFFnaXM%3D

  
  

• UHI/LST Analyse

• LST schätzen

• QGIS2Web (Online Mapping Tutorial, HS Mainz: Übung Modul Geodateninfrastrukturen)
• Einbinden von Daten/Diensten in QGIS

Daten und Datenquellen

• GIS (Hitze-Resilienz) - nachfolgend eine Auswahl themenrelevanter Datenquellen:
  
  • kühle Orte (z.B. Museen, Kirchen): Open Data BKG, Digitales Landschaftsmodell 250, Gebäude (Objektart 31001), https://sgx.geodatenzentrum.de/wfs_dlm250?REQUEST=GetCapabilities&SERVICE=WFS 
  • Stadtmobiliar (z.B. Trinkwasserbrunnen, Sitzbänke; Freibäder, Biergärten): OpenStreetMap (OSM): https://wiki.openstreetmap.org/wiki/Map_features
  • kühlende Vegetation (z.B. Grünanlagen, Straßenbäume):
    • Open Data BKG, Digitales Landschaftsmodell 250, https://www.bkg.bund.de/SharedDocs/Produktinformationen/BKG/DE/P-2022/220309_ATKISDLM.html, siehe Objektartenkatalog
    • Urban Atlas: https://land.copernicus.eu/en/products/urban-atlas
      
  • Verwaltungsgrenzen (z.B. Stadt x, Landkreis y): https://gdz.bkg.bund.de; Ortsteile: https://wiki.openstreetmap.org/wiki/Map_features
  • Hintergrund, z.B. Open Data BKG, https://sgx.geodatenzentrum.de/wmts_topplus_open/1.0.0/WMTSCapabilities.xml, Sentinel_WMS: https://sgx.geodatenzentrum.de/wms_sen2europe?request=GetCapabilities&service=wms
  • 3D-Gebäude, Luftbilder, ... Open Data Portale der Länder, z.B. https://geoshop.rlp.de/opendata-geb3dlo.html
  • Semantische Anreicherung (z.B. Fotos der Kirchen, Grünanlagen): Wiki Data SPARQL Endpoint, https://query.wikidata.org/
  • Vulnerable Bevölkerungsgruppen: Zensus2022, z.B. https://www.zensus2022.de/DE/Ergebnisse-des-Zensus/_inhalt.html#_nzjolabfw
  • Meteorologie (z.B. Oberflächen-Temperatur), Deutscher Wetter Dienst, z.B. für Rheinland Pfalz https://www.geoportal.rlp.de/spatial-objects/560
  • https://geoportal.wiesbaden.de/kartenwerk/application/kuehlekarte

• • nicht beachtet wurden Geodaten der Kommunen oder ergänzenden Fachportalen. Auch hier können sich interessante Datenschätze heben lassen.

• Fernerkundung
  • Satellitenbilder, Landsat oder Sentinel, können an den jeweiligen Stellen im Internet bezogen werden.
  • LiDAR Daten: Für genauere, optional-weiterführende Analysen lassen sich LiDAR-Daten in die Hitzeinsel-Detektion integrieren. Solche Daten stehen testweise für die Stadt Hamburg zur Verfügung:

• Orientierungsbeispiele für gemeinsame Darstellung von Hitzekarten (auf Basis Fernerkundung) und von kühlen Orten und Stadtmobiliar (GIS-Arbeiten) sind u.a. Orientierungsbeispiele für Einbindung Stadtmobiliar: https://erfrischungskarte.odis-berlin.de; https://www.karlsruhe.de/umwelt-klima/klimaschutz-klimaanpassung/hitze-in-karlsruhe/stadtplan-fuer-heisse-tage
  

...

• ; https://geoportal.wiesbaden.de/kartenwerk/application/kuehlekarte. In technisch vergleichbarer Hinsicht könnten auch auf dem Hackathon die Resultate präsentiert werden. Bei der Wahl des Ortes sind die Gruppen frei. Idealerweise wählt man eine Stadt, ohne entsprechendes Angebot. Aber auch bei der Schwerpunktsetzung sind die Gruppen frei: Man könnte als Gruppe Fernerkundung und GIS-Teile zusammenführen, wie es z.B. die Hitzeinsel Berlin tut. Man kann aber auch einen thematischen Schwerpunkt legen: So ließe sich mit LiDAR-Daten bei der Hitzeinsel-Detektion "in die Tiefe gehen".