GUAMO Nutzung des GMES Urban Atlas für die Stadtklimamodellierung

Transkript

1 GUAMO Nutzung des GMES Urban Atlas für die Stadtklimamodellierung Deutschland, Oberpfaffenhofen Vera Heene Deutscher Wetterdienst Quelle: DLR

2 Inhalt Projekt Übersicht Übersicht Stadtklimamodell MUKLIMO_3 Fernerkundungsdaten als Eingangsdaten 4 Erste Ergebnisse 5 Ausblick weitere Projektaufgaben

3 1 Projekt Übersicht Geplante Projektlaufzeit: gestartet am Projekt Ziele 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 Aufgaben 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 1 Projekt Übersicht 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 4

5 2 Übersicht Stadtklimamodell MUKLIMO_3 Stadtklimamodellierung Numerische Stadtklimamodell MUKLIMO_3 im DWD Untersuchung von klimatischen Auswirkungen von Flächennutzungsänderungen Klimaanalysen und Klimaprojektionen für Städte München Modell mit aufgelöster Bebauung Tmax Modell mit unaufgelöster Bebauung 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 5

6 2 Übersicht Stadtklimamodell MUKLIMO_3 Landnutzungsdaten und physikalische Parameter Hauptklassen der MUKLIMO_3 Stadtstrukturtypen Klassenbasiertes Modell Für jede Landnutzungsklasse müssen repräsentative (mittlere) physikalische Parameter vorgegeben werden Die Parameter werden über eine Eingabetabelle dem Stadtklimamodell vorgegeben 6

7 3 Fernerkundungsdaten als Eingangsdaten Copernicus Land Monitoring Service CORINE Land Cover High Resolution Layers Reference Data: EU-DEM Related Pan-European products Urban Atlas 7

8 3 Fernerkundungsdaten als Eingangsdaten Kombinierte Karte Urban Atlas 2012 und CLC 2012 Landnutzungsdaten 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 m) 8

9 3 Fernerkundungsdaten als Eingangsdaten Landnutzungsdaten Offenbach am Main 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 m). Urban Atlas 2012 Quelle: EEA 9

10 3 Fernerkundungsdaten als Eingangsdaten Physikalische Parameter 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) Imperviousness 2012 Quelle:EEA Tree cover density 2012 Quelle: EEA European Settlement Map 2012 Quelle:JRS, EEA 10

11 3 Fernerkundungsdaten als Eingangsdaten Physikalische Parameter 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 11

12 4 Erste Ergebnisse Wichtige Aspekte für Datenprozessierung 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 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 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) 12

13 Quelle: Google Maps 4 Erste Ergebnisse Airports: München Flughäfen Nutzungstyp mit vielen Gebäuden oder eher Freifläche? Klasseneinteilung notwendig Franz Josef Strauß Flughafen Quelle: Google Maps Urban Atlas 2012 Quelle: EEA 13

14 4 Erste Ergebnisse Entscheidungsbaum: Urban Atlas Klasseneinteilung Entscheidungsbaum: Klasseneinteilung 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 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. 14

15 4 Erste Ergebnisse München Beispiel Gebiet 38 km x 30 km Auflösung 50 m 74 Klassen davon 33 Bebauungsklassen Simulierter Tag: 16. Juli Regionale Tagemittewerte: Wind 0,7 m/s aus ONO Lufttemperatur 15 C Rel. Luftfeuchte 42% Urban Atlas 2012, klassenverfeinert, 50 m Raster Simulierte Lufttemperatur in 5 m Höhe um 15 Uhr 15

16 4 Erste Ergebnisse München Beispiel Klassenverfeinerung ermöglicht realistischere Klimasimulationen Quelle: Google Maps Temperaturdifferenz 15 Uhr: Sim. mit Klassenverfeinerung minus Original UA 16

17 5 Ausblick weitere Projektaufgaben 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

18 Vielen Dank für Ihre Aufmerksamkeit! DWD Klima und Umwelt 03/