Die digitale Berliner Luftkarte – so war Luftqualität an Ihrem Ort 2024 Wo ist die Luftbelastung am höchsten? Warum saubere Luft so wichtig ist Wie funktioniert die Luftkarte? Was bedeutet ein „Bedarf für Luftverbesserungen“ konkret? Wie werden die Werte berechnet? Dank der Unterstützung der Open Data Informationsstelle Berlin (ODIS) wurde die digitale Berliner Luftkarte entwickelt. Sie ermöglicht es den Bewohnerinnen und Bewohnern Berlins, schnell zu überprüfen, wie es um die Luftqualität in verschiedenen Teilen der Stadt bestellt ist. Durch die Eingabe einer Adresse oder einen Klick auf die Karte lässt sich der jeweilige Standort bestimmen. Jeder markierte Bereich umfasst eine Fläche von 50 × 50 Metern. Die Luftkarte basiert auf der Analyse der drei bedeutendsten Luftschadstoffe: Stickstoffdioxid (NO 2 ), grober Feinstaub (PM 10 ) und feiner Feinstaub (PM 2.5 ). Anhand dieser Daten wird bewertet, wie dringend Maßnahmen zur Verbesserung der Luftqualität erforderlich sind. Die Einstufung einer Fläche erfolgt nach dem Schadstoff mit dem höchsten Belastungswert, wobei sie in eine von fünf Kategorien eingeordnet wird: sehr niedriger, niedriger, mäßiger, erhöhter oder hoher Bedarf für Luftverbesserungen. Derzeit existiert in Berlin kein Bereich mit einem sehr niedrigen Bedarf für Luftverbesserungen. Ein solcher würde sich durch eine Schadstoffkonzentration auszeichnen, die nach Einschätzung der Weltgesundheitsorganisation (WHO) kaum Gesundheitsrisiken birgt. Die Berliner Senatsverwaltung setzt sich dafür ein, dass die WHO-Grenzwerte in Zukunft eingehalten werden können. Wichtige Hinweise: Die Karte zeigt die durchschnittlichen Werte für das gesamte Jahr 2024 (Jahresmittelwerte). Die Daten beziehen sich ausschließlich auf die Außenluft. Die angezeigten Werte sind unabhängig von kurzfristigen Verkehrsschwankungen, Windverhältnissen oder der Etage, in der man wohnt. Während Wetter-Apps oft aktuelle Momentaufnahmen basierend auf Messwerten und Modellierungen darstellen, bietet die Berliner Luftkarte eine durchschnittliche Bewertung der Luftqualität über ein ganzes Jahr. Ein Blick auf die Verteilung der Kategorien innerhalb Berlins zeigt, dass 48 % der Stadtfläche nur einen geringen Bedarf an Luftverbesserungen haben. Leider liegen diese Gebiete oft nicht dort, wo die Menschen wohnen – nur 15 % der Berliner Bevölkerung lebt in solchen Zonen. Besonders gute Luft findet sich vor allem in Regionen mit wenig Bebauung, wie am Müggelsee oder im Grunewald. Im Gegensatz dazu leben 74 % der Berlinerinnen und Berliner in Gebieten mit mäßigem Handlungsbedarf, obwohl diese nur 46 % der Stadtfläche ausmachen. Meist handelt es sich dabei um Wohngebiete in Straßennähe oder Regionen, in denen häufig mit Holz geheizt wird. 6 % der Stadtfläche weisen eine erhöhte Luftbelastung auf, was sich auf 11 % der Bevölkerung auswirkt. Diese Orte befinden sich oft an stark befahrenen Hauptstraßen oder Autobahnen. Die höchste Belastungskategorie („hoher Bedarf für Luftverbesserungen“) betrifft weniger als 0,3 % der Stadtfläche und Bevölkerung und wird daher in den Diagrammen nicht gesondert ausgewiesen. Ebenso gibt es keine Bereiche, in denen die WHO-Grenzwerte vollständig eingehalten werden. Luftverschmutzung hat nachweislich erhebliche Auswirkungen auf die Gesundheit von Mensch und Natur. Über die Atemwege gelangen Schadstoffe wie Feinstaub in den Körper und verteilen sich über den Blutkreislauf bis in die Organe. Dies kann zu vielfältigen gesundheitlichen Schäden führen: Rußpartikel erhöhen das Krebsrisiko. Schwermetalle können sich im Gehirn ablagern und neurologische Erkrankungen begünstigen. Atemwegsreizungen können chronischen Husten, Asthma oder verstärkte allergische Reaktionen hervorrufen. Ungeborene Kinder sind ebenfalls betroffen: Eine hohe Schadstoffbelastung erhöht das Risiko für geringes Geburtsgewicht und Frühgeburten. Es gibt keinen unbedenklichen Feinstaub Besonders kritisch ist Feinstaub: Je kleiner die Partikel, desto gefährlicher. Winzige Partikel können die natürlichen Schutzbarrieren des Körpers überwinden, tief in Organe eindringen und sich dort ablagern. Einige gelangen sogar über den Riechnerv direkt ins Gehirn. Wissenschaftliche Erkenntnisse belegen, dass selbst geringe Mengen Feinstaub gesundheitsschädlich sind – es gibt also keine unbedenkliche Feinstaubbelastung. Jede markierte Fläche (50 × 50 Meter) enthält folgende Basisinformationen: Zeitraum : Jahresdurchschnitt 2024 Luftschadstoffe : NO 2 , PM 10 und PM 2.5 in Mikrogramm pro Kubikmeter (µg/m³) Die Kategorisierung erfolgt auf Grundlage der WHO-Empfehlungen, die Grenzwerte für eine möglichst geringe Gesundheitsgefährdung definieren. Da diese Werte nur selten eingehalten werden, hat die WHO Zwischenstufen zur schrittweisen Annäherung an das Ziel festgelegt. Diese Zwischenwerte dienen als Basis für die Kategorisierung der Berliner Luftqualität. Die höchste Schadstoffkonzentration innerhalb einer Zelle bestimmt dabei deren Einordnung. Um die WHO-Grenzwerte für saubere Luft zu erreichen, sind Maßnahmen auf verschiedenen Ebenen notwendig – sowohl durch Behörden als auch durch individuelles Handeln. Beispiele für Handlungsbedarf: Verkehrsreiche Straßen : Maßnahmen wie Umweltzonen, Tempolimits oder der Ausbau umweltfreundlicher Verkehrsmittel können die Belastung durch Stickstoffdioxid (NO 2 ) und durch Feinstaub (PM 10 und PM 2.5 ) verringern. Dabei gilt: jeder vermiedene Autokilometer verbessert die Luftqualität. Auch E-Autos produzieren Feinstaub durch Abriebe. Heizungen : Der Einsatz moderner Filteranlagen oder emissionsarmer Heizsysteme reduziert Schadstoffe wie Feinstaub (PM). Auch Holzöfen können sauber betrieben werden, wie der Ofenführerschein zeigt. Industriegebiete & Überregionale Schadstoffquellen : Schadstoffe können in der Atmosphäre über weite Distanzen transportiert werden. Die Behörden haben die Aufgabe, europaweit für saubere Industrieanlagen zu sorgen. Zur Berechnung der Luftqualität kommt das statistische Modell „FAirQ“ der INWT Statistics GmbH zum Einsatz. Dieses System nutzt Methoden aus den Bereichen „Big Data“ und „Künstliche Intelligenz“, um auf Basis der folgenden Faktoren Prognosen zu erstellen: Messwerte der Berliner Luftgütemessstationen (BLUME) Verkehrsdaten von über 200 Messpunkten in der Stadt Wetterprognosen des Deutschen Wetterdienstes (DWD) Großräumige Schadstoffvorhersagen aus dem COPERNICUS-Programm (CAMS) Das Modell analysiert, wie sich diese Variablen auf die Luftqualität auswirken und nutzt sie zur Berechnung der stündlichen Belastungswerte. Diese werden über das Jahr gemittelt und auf das 50 × 50 Meter Raster übertragen. Da Modellwerte immer eine Annäherung an die Realität darstellen, gibt es kleinere Abweichungen. Besonders an Autobahnen kann die berechnete Schadstoffkonzentration höher ausfallen als in angrenzenden Wohngebieten, da sich Schadstoffe in der Atmosphäre verdünnen. Beispielsweise sinkt die Stickstoffdioxid-Belastung (NO 2 ) bereits innerhalb von 100 Metern von einer Verkehrsquelle erheblich ab. Eine detaillierte Beschreibung des Systems ist hier zu finden: Abschlussbericht zur Luftschadstoffprognose
Die Klimakrise verändert zunehmend die räumliche und zeitliche Verfügbarkeit von Grundwasser, der wichtigsten globalen Süßwasserressource. Das quantitative Verständnis der Interaktion von Grundwasser und Klima, vor allem auf nationaler und kontinentaler Skala, ist wichtig für ein optimal angepasstes Grundwassermanagement. Bisher ist das Wissen über die großskalige Sensitivität der Grundwasserressourcen auf den Klimawandel jedoch sehr limitiert. Das Ziel des hier vorgestellten Projektes ist die Erforschung der Auswirkungen des Klimawandels und der damit einhergehenden Umweltveränderungen auf den quantitativen Zustand von Grundwasserressourcen auf national-kontinentaler Skala. Etablierte prozessbasierte Modelle (PBMs) zur hydro(geo)logischen Modellierung auf großer Skala (meist „Global Hydrological Models“ - GHMs) sind starke Vereinfachungen der Realität und unterliegen daher deutlichen Limitationen und Unsicherheiten. Im Gegensatz zu anderen PBMs, weisen GHMs daher begrenzte physikalische Konsistenz und Interpretierbarkeit auf und ihre Anwendung kann zu irreführenden Schlussfolgerungen über die Verfügbarkeit von Grundwasser vor dem Hintergrund des Klimawandels führen. Vor allem die Übertragbarkeit auf datenarme Regionen ist nur eingeschränkt möglich. In den letzten Jahren haben sich Deep Learning (DL) Modelle als präziser und leicht übertragbarer alternativer Ansatz in der Modellierung von Wasserressourcen etabliert. Für die Modellierung von Oberflächengewässern wurde zudem gezeigt, dass DL auch spezialisierte PBMs übertreffen kann. Das vorgeschlagene Projekt möchte sich die gewonnenen Erkenntnisse zunutze machen und ein DL-Modell zur Untersuchung der Sensitivität von Grundwasser auf den Klimawandel auf kontinentaler Skala aufbauen. Hierfür wird ein „big data“ Ansatz gewählt, der Daten von >2200 Einzugsgebieten in Nordamerika nutzt (Erweiterung denkbar). Ein solches Modell kann lernen, Wissen über verschiedene Regionen zu transferieren, gewinnt somit stark an Generalisierungsfähigkeit (z.B. auf datenarme Regionen) und schlussendlich an Vertrauenswürdigkeit. Weiterhin soll das Problem von fehlenden, interpretierbaren und physikalisch konsistenten Modellen im nationalen Maßstab angegangen werden, indem physikalisches Wissen und Prozesse in die DL-Modelle eingebaut werden. Durch diese Ansätze soll ein plausibles, interpretierbares und vor allem vertrauenswürdiges Modell entstehen, welches sich zur Untersuchung von Klimawandelszenarien eignet. Die genannten Aspekte sind hierbei besonders kritisch, da für Zeiträume in der Zukunft keine Validierung möglich ist. Das entwickelte Modell dient anschließend der Beantwortung der übergeordneten Fragestellung, und die Auswirkungen des Klimawandels auf die Grundwasserressourcen werden anhand der Daten von Klimamodellen auf Basis von RCP bzw. SSP Szenarien untersucht. Weiterhin werden spezialisierte Untersuchungen (Szenarien) zum Einfluss einzelner Einflussfaktoren (z.B. Landnutzung) durchgeführt.