GUAMO Nutzung des GMES Urban Atlas für die ... · räumliche Auflösung MMU Kombinierte Karte:...

GUAMO

Nutzung des GMES Urban Atlas für die

Stadtklimamodellierung

Nationales Forum für Fernerkundung und Copernicus - 3/2017

Vera Heene

Deutscher Wetterdienst

E-Mail: [email protected]

Quelle: DLR Deutschland, Oberpfaffenhofen

Inhalt

Projekt Übersicht 1

2

3

Übersicht Stadtklimamodell MUKLIMO_3

4 Erste Ergebnisse

Fernerkundungsdaten als Eingangsdaten

5 Ausblick weitere Projektaufgaben


Das Gesamtziel des Vorhabens ist es die Daten des „Land Monitoring Service“ für

hochaufgelöste und deutschlandweit vergleichbare Stadtklimasimulationen mit dem Modell

MUKLIMO_3 nutzbar zu machen.

Projekt Ziele

1 Projekt Übersicht

Projekt Aufgaben

Geplante Projektlaufzeit: 01.08.2016 – 31.07.2018

gestartet am 01.10.2016

Die technischen Arbeitsziele umfassen die Verschneidung der Copernicus GMES Urban Atlas Daten

(inkl. vorhandener 3d Information) mit verfügbaren HRL Daten und die Entwicklung einer Software zur

Vorverarbeitung und Nutzung der GMES Urban Atlas Daten für das Modell MUKLIMO_3.

Die wissenschaftlichen Arbeitsziele umfassen den Vergleich von mikroskaligen

Stadtklimasimulationen die auf in-situ erhobenen Landnutzungsdaten der Städte basieren

mit Landnutzungsdaten und Parametern die auf Fernerkundungsprodukten basieren.


4

Meilensteine 1. Jahr 2. Jahr

Arbeitspaket AP1

M1: Erstellung eines flächendeckenden Landnutzungsdatensatzes für Deutschland

M2: Verschneidung von GMES Urban Atlas und HRL zur statistischen Ableitung der

physikalischen Parameter für jede Urban Atlas Landnutzungsklasse

M3: Analyse der Parameterspannbreiten auf räumliche Unterschiede in Deutschland

M4: Erstellung einer oder mehrerer Landnutzungstabellen

Arbeitspaket AP2

M5: Erstellung eines Fortran Programms zur Zuordnung der Landnutzungsklassen auf die

unterschiedlichen Modellgitter und benötigten Formate von MUKLIMO_3

M6: Erweiterung der Software um die Klassifikation der Local Climate Zones nach Stewart und

Oke (2012)

M7: Test der Softwarefunktionalität und Durchführung von MUKLIMO_3 Simulationen für vier

Teststädte

M8: Vergleich der MUKLIMO_3 Simulationsergebnisse der bisherigen Methode mit der neuen

Methode

M9: Abschlussbericht

1 Projekt Übersicht


Stadtklimamodellierung

Numerische Stadtklimamodell MUKLIMO_3 im DWD

Untersuchung von klimatischen Auswirkungen von Flächennutzungsänderungen

Klimaanalysen und Klimaprojektionen für Städte

5

Eingangsdaten

Geländehöhe

Landnutzung (Siedlung, Wald, Gewässer,…)

Physikalische Parametern (Höhe und Dichte der Bebauung /

Vegetation, Versiegelungsanteil,…)

Meteorologische Daten (Atm. Vertikalprofile, Bodentemp,…)

Ergebnisse

Zeitabhängige 3D Felder

Lufttemperatur

Luftfeuchtigkeit

Wind

Modell mit aufgelöster Bebauung

Modell mit unaufgelöster Bebauung

2 Übersicht Stadtklimamodell MUKLIMO_3

Tmax


München

Landnutzungsdaten und physikalische Parameter

• Klassenbasiertes Modell

• Für jede Landnutzungs-

klasse müssen

repräsentative (mittlere)

physikalische Parameter

vorgegeben werden

• Die Parameter werden

über eine Eingabetabelle

dem Stadtklimamodell

vorgegeben

6

2 Übersicht Stadtklimamodell MUKLIMO_3


Hauptklassen der MUKLIMO_3 Stadtstrukturtypen

Copernicus Land Monitoring Service

7

CORINE Land Cover

High Resolution Layers

Reference Data: EU-DEM

Related Pan-European products

Urban Atlas

3 Fernerkundungsdaten als Eingangsdaten


http://land.copernicus.eu/



8


Urban Atlas Vorteil:

feinere Detaillierung der Oberflächen in 17

städtische Klassen (7 Bebauungsklassen) mit

MMU 0,25 ha

Nachteil:

nicht flächendeckend verfügbar

CORINE Land Cover (CLC) Vorteil:

flächendeckend verfügbar

Nachteil:

wenige städtische Klassen verfügbar und geringere

räumliche Auflösung MMU

Kombinierte Karte: Urban Atlas für Urbane Gebiete

und CLC für Umland

- geplant über GDI-DE zur Verfügung zu stellen

- Anwendung im DWD für Stadtklimasimulationen mit

MUKLIMO_3 (räumliche Auflösung 50 – 100 m)

Kombinierte Karte Urban Atlas 2012 und CLC 2012

Landnutzungsdaten


Landnutzungsdaten

9


Urban Atlas bietet zusätzlich Street

Tree Layer Daten als ergänzende

Information zu Bäumen in Städten.

• eine zusammenhängende Reihen oder

Patches von Bäumen auf 500 m²

• Mindestbreite (MinMW) 10m

Verschneidung von Urban Atlas mit

Street Tree Layer generiert eine

zusätzlich Landnutzungsklasse.

Informationsgewinn bei Simulationen

mit hoher Auflösung (z.B. 20 m).

Für große Städte bisher meist nur

Anwendungen mit mittlerer Auflösung

(z.B. 50-100 m).

Offenbach am Main

Urban Atlas 2012 Quelle: EEA


High Resolution Layers (European Environment Agency):

• Imperviousness (Imd – 2012 aufl. 20 m)

• Tree Cover Density (Tcd – 2012 aufl. 20 m)

• Forest Type (Ft – 2012 aufl. 20 m)

Related Pan-European Products (Joint Research Centre):

• European Settlement Map (Esm – 2016 aufl. 10 m)

10


Imperviousness 2012 Quelle:EEA

Tree cover density 2012 Quelle: EEA European Settlement Map 2012 Quelle:JRS, EEA

Physikalische Parameter


11

Gitterzelle vg1 h1 wai1 vs hbm bf1 hst bf0 lai hca sigmb sigma

Gebäude +

Esm

+ + +

Imd

+

Bäume +

Imd

+ + + + + +

Tcd

+

Freifläche +

Imd + + +

Gewässer

const. T

vg1: mittlerer Gebäudegrundflächenanteil

vs: mittlerer Versiegelungsanteil

sigmb: Grundflächenanteil des Baumbewuchses

h1: mittlere Gebäudehöhe

hbm: mittlere Baumhöhe in m

wai1: mittlerer Wandflächenindex

bf1: Blattflächendichte in der Baumkrone in m²/m³

hst: mittlere Höhe des Stammraumes in m

bf0: Blattflächendichte im Stammraum in m²/m³

hca: Höhe der bodennahen Bewuchsschicht

lai: Blattflächenindex in der bodennahen Bewuchsschicht

sigma: Grundflächenanteil der bodennahen

Bewuchsschicht


Physikalische Parameter


Wichtige Aspekte für Datenprozessierung

12

Für städtische Klimaanwendungen mit Modell MUKLIMO_3 sind hochaufgelöste

Landnutzungsdaten erforderlich (hohe räumliche sowie feinere Klassifizierung).

• Urban Atlas bietet gute räumliche Auflösung aber die Klassifizierung von

Bebauungsstrukturen ist noch nicht genügend detailliert, z.B. Klasse 12100 „Industrial

commercial, public, military and private units“.

• Mittels HRL und ESM ist es möglich Urban Atlas Klassen in mehr Klassen zu unterteilen.

Zuordnung der Urban Atlas Klassen zu MUKLIMO_3 Hauptklassen.

• z.B. Klasse 14200 “Sports and leisure facilities” kann Hauptklasse „Gebäude“, „Bäume“

oder „Freiland“ sein.

• Mittels HRL und ESM ist es möglich Urban Atlas Klassen räumlich differenziert mehreren

MUKLIMO_3 Hauptklassen zuzuordnen.

Benötigt: 3D Daten (Vegetation, Gebäude)

4 Erste Ergebnisse


12400 Airports: München Flughäfen

13

Nutzungstyp mit vielen Gebäuden oder eher Freifläche?

Urban Atlas 2012 Quelle: EEA

“Franz Josef Strauß” Flughafen Quelle: Google Maps

Quelle

: G

oogle

Maps

4 Erste Ergebnisse

Klasseneinteilung

notwendig


Entscheidungsbaum: Urban Atlas Klasseneinteilung

14

Entscheidungsbaum: Klasseneinteilung

4 Erste Ergebnisse


• Zuordnung der Urban Atlas Klassen in eine

von vier MUKLIMO_3 Hauptklassen:

Gebäude, Bäume, Freiland und Gewässer.

• Manche Klassen können als Gebäude,

Freifläche oder Bäume aufgenommen

werden. 14200 Sports and leisure facilities

• Z.B. Einteilung der Gebäudeklasse mittels

ESM Layer auf 4 Sub-Klassen: ohne

Gebäude, Bebauung lockere Dichte,

Bebauung mittlere Dichte und Bebauung

hohe Dichte

• Bestimmung der physikalischen

Parametern mittels ESM, TCD, IMD durch

zonale Statistiken.

München Beispiel

15

4 Erste Ergebnisse

Simulierter Tag: 16. Juli

Regionale Tagemittewerte:

• Wind 0,7 m/s aus ONO

• Lufttemperatur 15°C

• Rel. Luftfeuchte 42%

Simulierte Lufttemperatur in 5 m Höhe um 15 Uhr Urban Atlas 2012, klassenverfeinert, 50 m Raster

• Gebiet 38 km x 30 km

• Auflösung 50 m

• 74 Klassen davon 33 Bebauungsklassen


Temperaturdifferenz 15 Uhr: Sim. mit Klassenverfeinerung minus Original UA

16

Quelle: Google Maps

4 Erste Ergebnisse

München Beispiel Klassenverfeinerung ermöglicht realistischere

Klimasimulationen


Weitere Projektaufgaben

• Erstellung eines Fortran Programms als Vorverarbeitungswerkzeug zur

Zuordnung der Landnutzungsklassen auf die vielfältig konfigurierbaren

Modellgitter und das benötigte Eingangsformat von MUKLIMO_3.

• Test der Softwarefunktionalität und Durchführung von MUKLIMO_3

Simulationen für vier Teststädte unterschiedlicher Bebauungsstruktur.

• Vergleich der MUKLIMO_3 Simulationsergebnisse der bisherigen Methode mit

der neuen Methode

17

5 Ausblick weitere Projektaufgaben


DWD Klima und Umwelt – 03/2017 18

Vielen Dank für Ihre

Aufmerksamkeit!

GUAMO Nutzung des GMES Urban Atlas für die ... · räumliche Auflösung MMU Kombinierte Karte:...

Documents

Transcript of GUAMO Nutzung des GMES Urban Atlas für die ... · räumliche Auflösung MMU Kombinierte Karte:...