Im Rahmen des Forschungsprojekts "Klimaerlebnis Würzburg" am Zentrum Stadtnatur und Klimaanpassung (ZSK) wurden im Jahr 2018 acht Messstationen in Würzburg und Gerbrunn eingerichtet. Diese zeichnen seitdem an jedem Standort das Wetter und/oder die Leistungen der dortigen Bäume auf. Das Forschungsprojekt endete im Jahr 2022. Die Messstationen, durch orangefarbene Baumfässer erkennbar, werden seitdem aber weitergeführt.Das Projekt sollte aufzeigen,inwieweit sich das Klima und die Leistung der Bäume an verschiedenen Standorten in der Stadt unterscheiden undinwieweit sich Stadtbäume und Klima an einem Standort gegenseitig beeinflussen.Die bis heute weiter aufgezeichneten Messergebnisse sollen verdeutlichen, wie mit Hilfe von Bäumen und ihrer Ökosystemdienstleistungen die nachhaltige Stadt der Zukunft an die Folgen des Klimawandels angepasst werden kann. Zudem kann die Öffentlichkeit mit diesen Datenreihen für das Thema Stadtklima und Stadtgrün sensibilisiert werden. Um dies voranzutreiben, werden davon ausgewählte Datenspalten seit November 2024, unbereinigt und zu stündlichen Daten automatisiert zusammengefasst, hier auf dem Open Data Portal Würzburg veröffentlicht.An der Station in Rottendorf sind mehrere Bäume der Art Robinia mit Sensoren versehen. Die Daten eines dieser Bäume stehen in diesem Datensatz in der oben beschriebenen, verarbeiteten Form zur Verfügung.Allgemeines zu den Standorten wie der grobe Messaufbau, Hinweise zur Datennutzung und Verlinkungen zu weiterführenden Papern finden Sie im Folgenden.Messaufbau des Baumlabors und der WetterstationMithilfe des Saftflusssensors (1) kann der Wasserverbrauch des Baums bestimmt werden. Davon lässt sich die Kühlleistung durch Verdunstung ableiten und der Trockenstress abschätzen. Im Kronenraum wird die Temperatur für den Vergleich mit der Klimastation gemessen (2), um die Abkühlwirkung des Baumes zu bestimmen. Das Dendrometer (3) misst das Dickenwachstum des Stammes. Dadurch kann man berechnen, wieviel der gesamte Baum an Biomasse zunimmt und an CO2speichert. Der Bodenfeuchtesensor (4) misst den Wassergehalt im Wurzelraum. Damit kann auf die Wasserversorgung des Baumes geschlossen werden.Der Temperatur- und Feuchtesensor (6) misst die Lufttemperatur und die relative Luftfeuchtigkeit. Der Windsensor (7) erfasst Windrichtung und Windgeschwindigkeit. Mit diesen beiden Messgrößen kann der Frischlufteintrag, aber auch die Anströmungsrichtung festgestellt werden. Der Strahlungssensor (8) misst, wieviel Energie die Sonne am Erdboden freisetzt. Mit diesem Wert lässt sich feststellen, wie stark sich Flächen aufheizen. Ebenso lässt sich hiermit die photosynthetische Leistung des Baumes bestimmen. Aus Temperatur, Luftfeuchte, Windgeschwindigkeit und Solarstrahlung lässt sich die gefühlte Temperatur berechnen. Der Niederschlagssensor (9) erfasst Regen und Schnee.In den Datenloggern (10) werden die Messwerte gesammelt, gespeichert und alle 10 Minuten online versendet, um sie auf dem Smart City Hub Würzburg zu speichern und hier auf dem Open Data Portal stündlich aggregiert darzustellen. Bei einigen der Wetterstationen ist zudem ein Luftdruck-Barometer verbaut.Hinweis:Bei den zur Verfügung gestellten Daten handelt es sich um eine automatisiert abgeänderte Version der Rohdaten der einzelnen Stationen. Eine Qualitätskontrolle durch den Plattformbetreiber findet vorab nicht statt. Es ist daher punktuell mit Messfehlern und Messlücken zu rechnen. Für die Korrektheit der Daten wird keine Haftung übernommen. Quellenangabe:Quelle im Rohdatenformat: [Bis 13.11.2024 13 Uhr](https://opendata.smartandpublic.eu/datasets/9b901002-a1fd-47b0-89d4-eb12f9117233?locale=en#iss=https%3A%2F%2Fidp.smartcityhub.smartandpublic.eu%2Frealms%2Fsmartcityhub), [ab 23.11.2024 14 Uhr](https://opendata.smartandpublic.eu/datasets/713101d0-8137-4da5-9010-8281fadd8bff?locale=en#iss=https%3A%2F%2Fidp.smartcityhub.smartandpublic.eu%2Frealms%2Fsmartcityhub)Autor(en): Projekt Klimaerlebnis Würzburg (2018-2022), Stadt Würzburg (2023-jetzt)Hinweis: Es gelten keine zusätzlichen Bedingungen.Für weiterführende Informationen, lesen Sie die aus dem Projekt "Klimaerlebnis Würzburg" hervorgegangenen Paper:Hartmann, Christian, et al. "The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020; The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020." Meteorologische Zeitschrift 32.1 (2023): 49-65.Rahman, M.A., Franceschi, E., Pattnaik, N. et al. Spatial and temporal changes of outdoor thermal stress: influence of urban land cover types. Sci Rep 12, 671 (2022). [https://doi.org/10.1038/s41598-021-04669-8](https://doi.org/10.1038/s41598-021-04669-8)Rahman, Mohammad A., et al. "Tree cooling effects and human thermal comfort under contrasting species and sites." Agricultural and Forest Meteorology 287 (2020): 107947.Rötzer, T., et al. "Urban tree growth and ecosystem services under extreme drought." Agricultural and Forest Meteorology 308 (2021): 108532.Bildquelle und mehr Informationen zu den Messstationen: [Webarchiv: Klimaerlebnis Würzburg](https://webarchiv.it.ls.tum.de/klimaerlebnis.wzw.tum.de/das-projekt/index.html)
Die Bundesanstalt für Gewässerkunde (BfG) erstellt Abflussprojektionen für Pegel in den Einzugsgebieten von Donau, Elbe, Ems, Rhein und Weser und stellt diese als Beitrag und Grundlage zur Deutschen Anpassungsstrategie an den Klimawandel (DAS) über den DAS-Basisdienst "Klima und Wasser" bereit. Die Projektionen fußen auf den Szenarien und Daten, die auch den Berichten des Weltklimarates zugrunde liegen. Diese globalen Klimadaten werden durch Europäische Wetterdienste und Klimaforschungsinstitute für Europa regionalisiert. Für Deutschland und die internationalen Einzugsgebietsanteile werden diese Daten durch den Deutschen Wetterdienst (DWD) ebenfalls im Rahmen des DAS-Basisdienstes aufbereitet. Die BfG setzt die hydrometeorologischen Größen (Lufttemperatur, Niederschlag, Globalstrahlung, Wind, relative Luftfeuchte) und deren für die Zukunft projizierten Änderungen mittels eines Wasserhaushaltsmodells in Tageswerte hydrologischer Größen (u.a. Abfluss) um. Die hier bereitgestellten Daten basieren auf einem Klimadatenfundus, der im Kontext des 5. IPCC-Sachstandsberichts (IPCC, 2013) durch das globale Coupled Model Intercomparison Project Nr. 5 (CMIP5, Meehl und Bony, 2011) und den europäischen Teil des Coordinated Regional Climate Downscaling Experiment (EURO-CORDEX, Jacob et al., 2014) sowie nationale Modellaktivitäten (ReKliEs-De, Hübner et al., 2017) generiert wurden. Die rohen Klimamodelldaten wurden durch die BfG einer grundlegenden Prüfung unterzogen (Nilson, 2021; Nilson et al., 2014) um unplausible Projektionen auszuschließen. Auf Basis dieser Prüfung ergeben sich somit Ensembles von 16 Abflussprojektionen für das Hochemissionsszenario RCP8.5, 11 Projektionen für das mittlere Szenario RCP4.5 und 10 Simulationen für das bzgl. klimaschutzfortgeschritten optimistische RCP2.6-Szenario. Die verbliebenen Klimaprojektionen wurden durch den DWD aufbereitet. Zu den Aufbereitungsschritten gehört eine multivariate Biasadjustierung (Cannon, 2018) auf Basis des hydrometeorologischen Referenzdatensatzes HYRAS (Tageswerte; z.B. Rauthe et al., 2013) sowie eine räumliche Disaggregierung auf das ebenfalls von HYRAS vorgegebene Raster von 5 km x 5 km. Auf dieser Grundlage wurden durch die BfG Simulationen mit dem Wasserhaushaltsmodell LARSIM-ME (Version 2019; Fleischer et al., in Vorber.) durchgeführt und in die bereitgestellten 37 Abflussprojektionen generiert. Die Projektionen sind u.a. in Teile der Klimawirkungs- und Risikoanalyse des Bundes für Deutschland eingeflossen (KWRA 2021). Die Veröffentlichung der nächsten Risikoanalyse ist für 2028 geplant (KRA 2028). Die Pflege und Weiterentwicklung der Modelle und Daten erfolgt kontinuierlich u.a. im Rahmen der Ressortforschung der Bundesministerien für Verkehr und Umwelt.
The Eurasian Modern Pollen Database (EMPD) contains modern pollen data (raw counts) for the entire Eurasian continent. Derived from the European Modern Pollen Database, the dataset contains many more samples West of the Ural Mountains. We propose this dataset in three different format: 1/ an Excel spreadsheet, 2/ a PostgreSQL dump and 3/ a SQLite3 portable database format. All three datasets are strictly equivalent. For download see "Original Version".
BfG MapService 'CC_GAR_Prec_2000_2100', OGC:WMS 1.3.0; The maps and data sets summarise climate change information resulting from a well defined ensemble of 14 regional climate simulations (mainly based on EU-ENSEMBLES) for periods 2021 to 2050 and 2071 to 2100. The information are expressed as change of air temperature and precipitation with respect to the simulated present (1971-2000) averaged over meteorological seasons and 50km grid boxes. Based on the ensemble, a high, central and low estimate of the possible future development is given.
BfG MapService 'CC_GAR_Temp_2000_2100', OGC:WMS 1.3.0; The maps and data sets summarise climate change information resulting from a well defined ensemble of 14 regional climate simulations (mainly based on EU-ENSEMBLES) for periods 2021 to 2050 and 2071 to 2100. The information are expressed as change of air temperature and precipitation with respect to the simulated present (1971-2000) averaged over meteorological seasons and 50km grid boxes. Based on the ensemble, a high, central and low estimate of the possible future development is given.
Die Bewertungskarten unterscheiden in den sogenannten Wirkraum (Siedlungsraum) und Ausgleichsraum (Grünflächen, landwirtschaftliche Flächen, Wald). Abhängig davon, ob die Situation am Tage oder in der Nacht betrachtet wird, sind für die Bewertung unterschiedliche Parameter relevant und unterschiedliche Vorgehensweisen wurden gewählt. In der Nacht ist für die Bewertung des Wirkraums die bodennahe Lufttemperatur maßgebend. Für die Bewertung des Ausgleichsraums in der Nacht wird der Kaltluftvolumenstrom herangezogen sowie die räumliche Lage der zu bewertenden Flächen. Die Bewertung hat hier für die nahe Zukunft mit moderatem Klimaschutz (RCP 4.5) stattgefunden. -------------------------------------------------------------------- Wirkraum (Siedlungsflächen, Plätze und Straßenraum): Bei den Rasterergebnissen der nächtlichen Lufttemperatur, die den wertgebenden Parameter darstellt, handelt es sich zunächst um absolute Werte. Daher ein methodischer Standard zur statistischen Normalisierung der modellierten Werte definiert. Bei dieser sog. z-Transformation wird die Abweichung eines Klimaparameters von den mittleren Verhältnissen im Untersuchungsraum als Bewertungsmaßstab herangezogen. Mathematisch bedeutet dies, dass von jedem Ausgangswert der Variablen das arithmetische Gebietsmittel abgezogen und durch die Standardabweichung aller Werte geteilt wird. Die resultierenden z-Werte (dimensionslos, ohne Einheit) werden gemäß definiertem Standard mithilfe von statistischen Lagemaßen in Bewertungskategorien eingestuft. Die Ableitung der Bewertungsklassen und die Einstufung einer Siedlungsfläche in eine „ungünstige“ bioklimatische Situation nicht automatisch bedeutet, dass hier unerträglich hohe Temperaturen zu erwarten sind, sondern dass diese Fläche im Vergleich zu anderen Flächen in der Stadt mit einer beispielsweise „günstigen“ oder „mittleren“ bioklimatischen Situation schlechter abschneidet. Die einzelnen Kategorien von einer „sehr günstigen“ bis „sehr ungünstigen“ bioklimatischen Situation beschreiben somit keine absoluten Einstufungen mehr, sondern bilden lediglich das Spektrum der in Bremen vorhandenen Bandbreiten an klimatischen Unterschieden ab. 1 - Sehr günstig 2 - Günstig 3 - Mittel 4 - Eher ungünstig 5 - Ungünstig -------------------------------------------------------------------- Ausgleichsraum (Grünflächen, Landwirtschaftliche Flächen und Wald): Während der Nacht steht im Ausgleichsraum vornehmlich die Bildung kühlerer und frischerer Luft im Fokus, die über Austauschbeziehungen humanbioklimatische Belastungen im Wirkraum vermindern kann. Ziel der Bewertungsmethodik ist es, den Grün-, Wald- und landwirtschaftlichen Flächen verschiedene Bedeutungsstufen zuzuordnen. So erhielten diejenigen Ausgleichsflächen eine „sehr hohe Bedeutung“ zugewiesen, wenn sie sich direkt mit einer Kaltluftleitbahn, einem flächenhaften Kaltluftabfluss oder einem Parkwind überlagern oder in deren Einzugsbereich liegen. Liegen sie im weiteren Einflussbereich der Kaltluftströmung oder sind sie angrenzend an thermisch belasteten Wohnraum, wurde ihnen eine „hohe Bedeutung“ zugewiesen. Grenzen sie an Wohnraum, der nicht thermisch belastet ist, sind sie einer „mittleren Bedeutung“ zuzuordnen, liegen sich nicht in Nähe von Wohngebieten, aber wurden als Kaltluftentstehungsgebiete mit überdurchschnittlich hoher Kaltluftproduktion ausgewiesen oder bestehen aus Waldflächen, besitzen sie eine „geringe Bedeutung“. 1 - Sehr geringe Bedeutung 2 - Geringe Bedeutung 3 - Mittlere Bedeutung 4 - Hohe Bedeutung 5 - Sehr hohe Bedeutung -------------------------------------------------------------------- Weitere Informationen in der Bewertungskarte aus den Klimaanalysekarten: - Kaltluftleitbahnen - Windfeld - Kaltlufteinwirkbereich - Kaltluftentstehungsgebiete -------------------------------------------------------------------- Generelle Modellierungsinformationen: Für die Modellierung wurde das Modell FITNAH-3D in einer Auflösung von 5 m genutzt. Als meteorologische Rahmenbedingung wird ein autochthoner Sommertag (wolkenloser Himmel, nur sehr schwach überlagernder Wind) angenommen. Bei dem Szenario der nahen Zukunft mit moderatem Klimaschutz (RCP 4.5) wird als Starttemperatur eine Lufttemperatur von 22,8 °C und eine Wassertemperatur von 21,5 °C angenommen unter Berücksichtigung der Stadtentwicklung mit Stadtentwicklungsflächen. Weiterführende Informationen und eine detaillierte Beschreibung der Methodik finden Sie in folgenden Berichten: 1. Stadtklimaanalyse Bremen - Teil A - Ergebnisse und Planungshinweise 2. Stadtklimaanalyse Bremen - Teil B - Fachliche Grundlagen und Analysemethodik
Mischphasenwolken, in denen unterkühltes Flüssigwasser und Eiskristalle gleichzeitig auftreten, sind bisher nur unzureichend beschrieben, denn die akkurate Messung von Mischphasenwolken stellt eine Herausforderung dar. Besonders das Fehlen der vollständigen vertikalen Charakterisierung der Flüssigwasserkomponente ist ein Problem der derzeitig angewendeten Beobachtungsmethoden. Im Rahmen des vorgeschlagenen Projekts soll diese Beobachtungslücke durch Entwicklung neuer Methoden und den Einsatz neuer Modelle geschlossen werden. Mischphasenwolken werden mit modernsten Fernerkundungsinstrumenten wie Doppler-Wolkenradar sowie Doppler- und Polarisationslidar beobachtet werden. Die derzeitig zur Erfassung von unterkühlten Flüssigwasserschichten angewendete synergistische Beobachtung mit Wolkenradar und Lidar ist normalerweise bis zur Höhe limitiert, in der das Signal des Lidars vollständig ausgelöscht ist, was bei einer durchquerten optischen Dicke von etwa 3 geschieht. Das erlaubt meist die Detektion von nur einer Flüssigwasserschicht. Im Gegensatz dazu können Wolkenradare die gesamte Mischphasenwolke auch beim Auftreten mehrerer Flüssigwasserschichten durchdringen. Sie können daher genutzt werden, um die Verteilung der Wolkenphase in der gesamten vertikalen Säule zu bestimmen, wenn geeignete Algorithmen zur Identifikation von Flüssigwasser aus Radarmessungen entwickelt werden. Dafür soll das komplette Radardopplerspektrum analysiert werden, dessen Struktur durch die Mikrophysik und die Dynamik der Wolke bestimmt ist. Zudem soll das Radardopplerspektrum genutzt werden, um Vertikalwinde abzuleiten. Der Fokus des Projekts wird auf der vollständigen Charakterisierung von Fallstudien liegen. Dabei wird insbesondere untersucht werden, wie Vertikalwinde und Lufttemperatur die zeitliche Entwicklung der Partitionierung der Wolkenphasen beeinflussen, um so Einblick in den Lebenszyklus von Mischphasenwolken zu erhalten. In diesem Zusammenhang wird auch der Einfluss von Aerosolpartikeln auf die Wolkenphasenpartitionierung bestimmt werden. Die beobachteten Wolken werden dabei durch Rückwärtstrajektorien in Luftmassenherkunftsklassen unterteilt und es werden Modellvorhersagen sowie eine lidarbasierte Charakterisierung der Aerosoleigenschaften durchgeführt. Das vorgeschlagene Projekt geht über die Entwicklung von Fernerkundungstechniken in Mischphasenwolken hinaus. Ergebnisse eines auf den Messungen basierenden 1D-Mikrophysikmodells sollen als Eingabewerte für einen Vorwärtssimulator für Radardopplerspektren genutzt werden. Dessen Ausgabewerte wiederrum werden mit den beobachteten Dopplerspektren verglichen werden. Dadurch ergibt sich ein geschlossener Kreislauf aus Beobachtung und Modellierung, der es uns möglich machen wird, bestimmte mikrophysikalische Prozesse in Mischphasenwolken, wie z.B. Reif- und Graupelbildung, genauer zu verstehen.
Mit Hilfe dieser Daten wird die wahrgenommene thermische Belastung sichtbar. Somit wird nicht nur deutlich „Wie heiß ist es?“, sondern „Wie belastend fühlt sich das Klima an?“. Es wird ersichtlich welche Orte sich für ein angenehmes thermisches Klima z.B. zum Erholen und Pause machen, eignen. Das Modell zur Berechnung der Physiological Äquivalenten Temperatur (Physiological Equivalent Temperature, PET) ist ein umfassendes Konzept zur Bewertung der thermischen Umgebung im Freien und beschreibt näherungsweise die gefühlte Temperatur. Es berücksichtigt wichtige meteorologische Einflussfaktoren wie Lufttemperatur, Luftfeuchtigkeit, Windgeschwindigkeit und Strahlung, um den thermischen Komfort für den menschlichen Körper realistisch abzubilden. Die PET repräsentiert eine Temperatur, die den Wärmehaushalt des menschlichen Körpers in einer typischen Innenraumumgebung bei gleichbleibender Körperkern- und Hauttemperatur wiedergibt. Auf diese Weise bietet das Konzept eine intuitive Möglichkeit, die komplexen thermischen Bedingungen im Freien mit den eigenen Erfahrungen im Innenbereich zu vergleichen und verständlich einzuordnen. In den vorliegenden Karten mit PET-Werten für einen typischen Hitzetag werden die thermischen Bedingungen zu verschiedenen Tageszeiten (6 Uhr, 12 Uhr, 16 Uhr, 18 Uhr) anschaulich dargestellt. Die PET-Werte werden in Grad Celsius angezeigt. Es ist zu beachten, dass PET-Berechnungen Näherungswerte sind. Aufgrund der Komplexität der thermischen Umweltbedingungen und der individuellen Unterschiede im Wärmeempfinden kann es in der Realität zu Abweichungen kommen.
Im Rahmen des Forschungsprojekts "Klimaerlebnis Würzburg" am Zentrum Stadtnatur und Klimaanpassung (ZSK) wurden im Jahr 2018 acht Messstationen in Würzburg und Gerbrunn eingerichtet. Diese zeichnen seitdem an jedem Standort das Wetter und/oder die Leistungen der dortigen Bäume auf. Das Forschungsprojekt endete im Jahr 2022. Die Messstationen, durch orangefarbene Baumfässer erkennbar, werden seitdem aber weitergeführt.Das Projekt sollte aufzeigen,inwieweit sich das Klima und die Leistung der Bäume an verschiedenen Standorten in der Stadt unterscheiden undinwieweit sich Stadtbäume und Klima an einem Standort gegenseitig beeinflussen.Die bis heute weiter aufgezeichneten Messergebnisse sollen verdeutlichen, wie mit Hilfe von Bäumen und ihrer Ökosystemdienstleistungen die nachhaltige Stadt der Zukunft an die Folgen des Klimawandels angepasst werden kann. Zudem kann die Öffentlichkeit mit diesen Datenreihen für das Thema Stadtklima und Stadtgrün sensibilisiert werden. Um dies voranzutreiben, werden davon ausgewählte Datenspalten seit November 2024, unbereinigt und zu stündlichen Daten automatisiert zusammengefasst, hier auf dem Open Data Portal Würzburg veröffentlicht.An der Station am Ludwigkai sind mehrere Linden der Art Tilia mit Sensoren versehen. Die Daten eines dieser Bäume stehen in diesem Datensatz in der oben beschriebenen, verarbeiteten Form zur Verfügung.Allgemeines zu den Standorten wie der grobe Messaufbau, Hinweise zur Datennutzung und Verlinkungen zu weiterführenden Papern finden Sie im Folgenden.Messaufbau des Baumlabors und der WetterstationMithilfe des Saftflusssensors (1) kann der Wasserverbrauch des Baums bestimmt werden. Davon lässt sich die Kühlleistung durch Verdunstung ableiten und der Trockenstress abschätzen. Im Kronenraum wird die Temperatur für den Vergleich mit der Klimastation gemessen (2), um die Abkühlwirkung des Baumes zu bestimmen. Das Dendrometer (3) misst das Dickenwachstum des Stammes. Dadurch kann man berechnen, wieviel der gesamte Baum an Biomasse zunimmt und an CO2speichert. Der Bodenfeuchtesensor (4) misst den Wassergehalt im Wurzelraum. Damit kann auf die Wasserversorgung des Baumes geschlossen werden.Der Temperatur- und Feuchtesensor (6) misst die Lufttemperatur und die relative Luftfeuchtigkeit. Der Windsensor (7) erfasst Windrichtung und Windgeschwindigkeit. Mit diesen beiden Messgrößen kann der Frischlufteintrag, aber auch die Anströmungsrichtung festgestellt werden. Der Strahlungssensor (8) misst, wieviel Energie die Sonne am Erdboden freisetzt. Mit diesem Wert lässt sich feststellen, wie stark sich Flächen aufheizen. Ebenso lässt sich hiermit die photosynthetische Leistung des Baumes bestimmen. Aus Temperatur, Luftfeuchte, Windgeschwindigkeit und Solarstrahlung lässt sich die gefühlte Temperatur berechnen. Der Niederschlagssensor (9) erfasst Regen und Schnee.In den Datenloggern (10) werden die Messwerte gesammelt, gespeichert und alle 10 Minuten online versendet, um sie auf dem Smart City Hub Würzburg zu speichern und hier auf dem Open Data Portal stündlich aggregiert darzustellen. Bei einigen der Wetterstationen ist zudem ein Luftdruck-Barometer verbaut.Hinweis:Bei den zur Verfügung gestellten Daten handelt es sich um eine automatisiert abgeänderte Version der Rohdaten der einzelnen Stationen. Eine Qualitätskontrolle durch den Plattformbetreiber findet vorab nicht statt. Es ist daher punktuell mit Messfehlern und Messlücken zu rechnen. Für die Korrektheit der Daten wird keine Haftung übernommen. Quellenangabe:Quelle im Rohdatenformat: [Bis 13.11.2024 13 Uhr](https://opendata.smartandpublic.eu/datasets/a879dea4-b157-4cac-9144-ce3d3e65e862?locale=en), [ab 13.11.2024 14 Uhr](https://opendata.smartandpublic.eu/datasets/338fe900-beac-4406-bdb8-b32c0e058cdb?locale=en)Autor(en): Projekt Klimaerlebnis Würzburg (2018-2022), Stadt Würzburg (2023-jetzt)Hinweis: Es gelten keine zusätzlichen Bedingungen.Für weiterführende Informationen, lesen Sie die aus dem Projekt "Klimaerlebnis Würzburg" hervorgegangenen Paper:Hartmann, Christian, et al. "The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020; The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020." Meteorologische Zeitschrift 32.1 (2023): 49-65.Rahman, M.A., Franceschi, E., Pattnaik, N. et al. Spatial and temporal changes of outdoor thermal stress: influence of urban land cover types. Sci Rep 12, 671 (2022). [https://doi.org/10.1038/s41598-021-04669-8](https://doi.org/10.1038/s41598-021-04669-8)Rahman, Mohammad A., et al. "Tree cooling effects and human thermal comfort under contrasting species and sites." Agricultural and Forest Meteorology 287 (2020): 107947.Rötzer, T., et al. "Urban tree growth and ecosystem services under extreme drought." Agricultural and Forest Meteorology 308 (2021): 108532.Bildquelle und mehr Informationen zu den Messstationen: [Webarchiv: Klimaerlebnis Würzburg](https://webarchiv.it.ls.tum.de/klimaerlebnis.wzw.tum.de/das-projekt/index.html)
Im Rahmen des Forschungsprojekts "Klimaerlebnis Würzburg" am Zentrum Stadtnatur und Klimaanpassung (ZSK) wurden im Jahr 2018 acht Messstationen in Würzburg und Gerbrunn eingerichtet. Diese zeichnen seitdem an jedem Standort das Wetter und/oder die Leistungen der dortigen Bäume auf. Das Forschungsprojekt endete im Jahr 2022. Die Messstationen, durch orangefarbene Baumfässer erkennbar, werden seitdem aber weitergeführt.Das Projekt sollte aufzeigen,inwieweit sich das Klima und die Leistung der Bäume an verschiedenen Standorten in der Stadt unterscheiden undinwieweit sich Stadtbäume und Klima an einem Standort gegenseitig beeinflussen.Die bis heute weiter aufgezeichneten Messergebnisse sollen verdeutlichen, wie mit Hilfe von Bäumen und ihrer Ökosystemdienstleistungen die nachhaltige Stadt der Zukunft an die Folgen des Klimawandels angepasst werden kann. Zudem kann die Öffentlichkeit mit diesen Datenreihen für das Thema Stadtklima und Stadtgrün sensibilisiert werden. Um dies voranzutreiben, werden davon ausgewählte Datenspalten seit November 2024, unbereinigt und zu stündlichen Daten automatisiert zusammengefasst, hier auf dem Open Data Portal Würzburg veröffentlicht.An der Station in der Zu Rheinstraße sind mehrere Bäume der Art Robinia und Linde Tilia mit Sensoren versehen. Die Daten einer der Linden stehen in diesem Datensatz in der oben beschriebenen, verarbeiteten Form zur Verfügung.Allgemeines zu den Standorten wie der grobe Messaufbau, Hinweise zur Datennutzung und Verlinkungen zu weiterführenden Papern finden Sie im Folgenden.Messaufbau des Baumlabors und der WetterstationMithilfe des Saftflusssensors (1) kann der Wasserverbrauch des Baums bestimmt werden. Davon lässt sich die Kühlleistung durch Verdunstung ableiten und der Trockenstress abschätzen. Im Kronenraum wird die Temperatur für den Vergleich mit der Klimastation gemessen (2), um die Abkühlwirkung des Baumes zu bestimmen. Das Dendrometer (3) misst das Dickenwachstum des Stammes. Dadurch kann man berechnen, wieviel der gesamte Baum an Biomasse zunimmt und an CO2speichert. Der Bodenfeuchtesensor (4) misst den Wassergehalt im Wurzelraum. Damit kann auf die Wasserversorgung des Baumes geschlossen werden.Der Temperatur- und Feuchtesensor (6) misst die Lufttemperatur und die relative Luftfeuchtigkeit. Der Windsensor (7) erfasst Windrichtung und Windgeschwindigkeit. Mit diesen beiden Messgrößen kann der Frischlufteintrag, aber auch die Anströmungsrichtung festgestellt werden. Der Strahlungssensor (8) misst, wieviel Energie die Sonne am Erdboden freisetzt. Mit diesem Wert lässt sich feststellen, wie stark sich Flächen aufheizen. Ebenso lässt sich hiermit die photosynthetische Leistung des Baumes bestimmen. Aus Temperatur, Luftfeuchte, Windgeschwindigkeit und Solarstrahlung lässt sich die gefühlte Temperatur berechnen. Der Niederschlagssensor (9) erfasst Regen und Schnee.In den Datenloggern (10) werden die Messwerte gesammelt, gespeichert und alle 10 Minuten online versendet, um sie auf dem Smart City Hub Würzburg zu speichern und hier auf dem Open Data Portal stündlich aggregiert darzustellen. Bei einigen der Wetterstationen ist zudem ein Luftdruck-Barometer verbaut.Hinweis:Bei den zur Verfügung gestellten Daten handelt es sich um eine automatisiert abgeänderte Version der Rohdaten der einzelnen Stationen. Eine Qualitätskontrolle durch den Plattformbetreiber findet vorab nicht statt. Es ist daher punktuell mit Messfehlern und Messlücken zu rechnen. Für die Korrektheit der Daten wird keine Haftung übernommen. Quellenangabe:Quelle im Rohdatenformat: [Bis 13.11.2024 13 Uhr](https://opendata.smartandpublic.eu/datasets/74e7c788-0882-4ffe-b0dc-74cb0e0fb782), [ab 13.11.2024 14 Uhr](https://opendata.smartandpublic.eu/datasets/b976e56e-9fbf-42dd-86db-1677c2a5dc91?locale=en#iss=https%3A%2F%2Fidp.smartcityhub.smartandpublic.eu%2Frealms%2Fsmartcityhub)Autor(en): Projekt Klimaerlebnis Würzburg (2018-2022), Stadt Würzburg (2023-jetzt)Hinweis: Es gelten keine zusätzlichen Bedingungen.Für weiterführende Informationen, lesen Sie die aus dem Projekt "Klimaerlebnis Würzburg" hervorgegangenen Paper:Hartmann, Christian, et al. "The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020; The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020." Meteorologische Zeitschrift 32.1 (2023): 49-65.Rahman, M.A., Franceschi, E., Pattnaik, N. et al. Spatial and temporal changes of outdoor thermal stress: influence of urban land cover types. Sci Rep 12, 671 (2022). [https://doi.org/10.1038/s41598-021-04669-8](https://doi.org/10.1038/s41598-021-04669-8)Rahman, Mohammad A., et al. "Tree cooling effects and human thermal comfort under contrasting species and sites." Agricultural and Forest Meteorology 287 (2020): 107947.Rötzer, T., et al. "Urban tree growth and ecosystem services under extreme drought." Agricultural and Forest Meteorology 308 (2021): 108532.Bildquelle und mehr Informationen zu den Messstationen: [Webarchiv: Klimaerlebnis Würzburg](https://webarchiv.it.ls.tum.de/klimaerlebnis.wzw.tum.de/das-projekt/index.html)
| Origin | Count |
|---|---|
| Bund | 988 |
| Europa | 14 |
| Global | 30 |
| Kommune | 92 |
| Land | 7356 |
| Wirtschaft | 28 |
| Wissenschaft | 201 |
| Zivilgesellschaft | 89 |
| Type | Count |
|---|---|
| Agrarwirtschaft | 1 |
| Chemische Verbindung | 2 |
| Daten und Messstellen | 6888 |
| Ereignis | 14 |
| Förderprogramm | 448 |
| Gesetzestext | 2 |
| Kartendienst | 14 |
| Repositorium | 1 |
| Text | 229 |
| Umweltprüfung | 13 |
| unbekannt | 547 |
| License | Count |
|---|---|
| geschlossen | 646 |
| offen | 5817 |
| unbekannt | 1694 |
| Language | Count |
|---|---|
| Deutsch | 7776 |
| Englisch | 2193 |
| andere | 1 |
| Resource type | Count |
|---|---|
| Archiv | 3111 |
| Bild | 28 |
| Datei | 1112 |
| Dokument | 1586 |
| Keine | 1976 |
| Unbekannt | 7 |
| Webdienst | 25 |
| Webseite | 5013 |
| Topic | Count |
|---|---|
| Boden | 6346 |
| Lebewesen und Lebensräume | 7523 |
| Luft | 8157 |
| Mensch und Umwelt | 8157 |
| Wasser | 7304 |
| Weitere | 8108 |