Multitemporal Local Climate Zones: Berechnung eines multitemporalen LCZ-Datensatzes für die Städte Europas

Vortrag
Sitzungstermin
Donnerstag (21. September 2023), 16:30–18:00
Sitzungsraum
SH 3.101
Autor*innen
Anna Hellings (BBSR)
Matthias Demuzere (Ruhr-Universität Bochum)
Andreas Rienow (Ruhr-Universität Bochum)
Benjamin Bechtel (Ruhr-Universität Bochum)
Kurz­be­schreib­ung
Der Vortrag behandelt die Berechnung eines multitemporalen Local Climate Zone-Datensatzes für die Stadtregionen Europas.
Schlag­wörter
Urbane Fernerkundung, Local Climate Zones, Mashine Learning, Stadtklima, Zeitreihe

Abstract

Um die kombinierte Wirkung des Stadtklimas und des Klimawandels auf Städte zu untersuchen und die Verwundbarkeit der Stadtbevölkerung zu beurteilen, werden Klassifikationsschemata zur Beschreibung und Charakterisierung der physischen Beschaffenheit von Städten für stadtklimatologische Untersuchungen benötigt.

Die Identifizierung von Local Climate Zones (LCZ) sowie deren Entstehung und Veränderungen können dabei helfen, die Auswirkungen des städtischen Klimawandels auf die Bevölkerung und die Umwelt zu verstehen. Das LCZ-Klassifizierungsschema wurde entwickelt, um Landschaften (städtisch, natürlich) zu beschreiben, die aufgrund ihrer Oberflächeneigenschaften ein unterschiedliches thermisches Klima aufweisen. Die physikalischen Eigenschaften aller Zonen sind messbar und nicht orts- oder zeitabhängig. LCZ sind insbesondere dazu gedacht, objektive Messungen des Urban Heat Island-Ausmaßes weltweit zu erleichtern. Zeitreihen, aus denen Veränderungen des städtischen Klimas, der Landnutzung und -bedeckung und der LCZ hervorgehen sind aktuell noch nicht existent.

In dieser Studie wird ein multitemporaler LCZ-Datensatz für Europa berechnet, der die LCZ-Klassifikation mehrerer Zeitpunkte bis 2020 umfasst. Zur Identifizierung der verschiedenen LCZ werden ihre jeweiligen Eigenschaften bestimmt und automatisiert berechnet, dabei bieten Landsat-Bilder das größte Archiv an Multispektraldaten höherer Auflösung aus einem Zeitraum von mehr als 40 Jahren. Als Trainingsdaten dienen Satellitenaufnahmen von Google Earth. Die Berechnung der LCZ erfolgt über einen überwachten pixelbasierten Ansatz, der gute Ergebnisse der Gesamtklassifikationsgenauigkeiten zeigt und als vergleichsweise robust gilt. Als Klassifikationsalgorithmus wird Random Forest als Kompromiss zwischen der erreichten Genauigkeit und der Rechenleistung gewählt. Während nackter Boden und Sand im nahen und kurzwelligen Infrarot gut unterschieden werden können, lassen sich die kompakte und die offene LCZ am besten durch ihren Vegetationsanteil unter Verwendung vom Normalized Difference Vegetation Index (NDVI) oder Fractional Cover unterscheiden, zudem hängen höhere Landsurface Temperatures (LST) und ein hoher Versiegelungsgrad zusammen, sodass Thermal Infrared (TIR) hier zur Unterscheidung verwendet werden kann. Darüber hinaus werden zusätzliche Indikatoren, wie beispielsweise die Bevölkerungsdichte, zur Berechnung hinzugezogen und evaluiert.

Als Ergebnis steht ein europaweiter Datensatz der die LCZ und ihre Veränderungen in 5 Jahresschritten abbildet und damit eine standardisierte Methode zur Klassifikation und zur Analyse von städtischen Gebieten in großem Maßstab im zeitlichen Verlauf darstellt. Dieser Datensatz ermöglicht eine umfassende und vergleichbare Bewertung sowie ein besseres Verständnis der Klimaauswirkungen auf städtische Gebiete in Europa. Dadurch können geeignete städtebauliche Maßnahmen zur Anpassung an diesen geplant und umgesetzt werden und kann somit als wertvolles Werkzeug dienen.