s/solarthermisches-system/Solarthermisches System/gi
Dieser Datensatz bildet die ausgewerteten Solarpotenzialflächen ab. Diese Daten sind hinsichtlich ihrer Eignung für Photovoltaikanlagen klassifiziert und werden gemäß der Eignungsklasse farbig differenziert dargestellt. Die Klassifizierung wird in der Legende erläutert. Datengrundlage: Frühjahrsbefliegung 2022 Beschreibung der Attributtabelle: Layer "Gebäude" - Gebäude_ID: Eindeutige ID je Gebäude - Eignung_PV: Gesamteignungskategorie Photovoltaik der bestgeeigneten Dachseiten des Gebäudes - Eignung_ST: Durchschnittliche Gesamteignungskategorie Solarthermie der geeigneten Dachseiten des Gebäudes - Leistung: Insgesamt auf allen geeigneten Dachseiten des Gebäudes installierbare Leistung in kWp - Fläche_PV: Dachfläche in Quadratmetern, die sich für die Installation einer Photovoltaikanlage eignet (m²) - Anzahl_Module - Kalkulation_PV: Verlinkung zum Wirtschaftlichkeitsrechner (Photovoltaik) - Kalkulation_ST: Verlinkung zum Wirtschaftlichkeitsrechner (Solarthermie) - Adresse: Adresse bestehend aus Straße, Hausnummer und Ort Layer "Dachseiten" - Fläche_Dachseite: Fläche in Quadratmeter [m²] - Ausrichtung: Ausrichtung der Dachseite in Grad [°] - Aufständerung: Gibt an, ob eine Aufständerung empfohlen wird (0 = nein / 1 = ja) - Gebäude_ID: Eindeutige ID je Gebäude - Eignung_PV: Gesamteignungskategorie Photovoltaik - Eignung_ST: Gesamteignungskategorie Solarthermie - Ertrag_kWp_ohneAufstd: Ertrag der Anlage in Kilowattstunden pro Jahr pro installiertem Kilowatt peak Leistung (kWh/kWp/a) (diesen Wert verwenden, wenn Aufständerung = 0) - Ertrag_kWp_mitAufstd: Ertrag der Anlage in Kilowattstunden pro Jahr pro installiertem Kilowatt peak Leistung (kWh/kWp/a) (diesen Wert verwenden, wenn Aufständerung = 1) - Ertrag_kWh_ohneAufstd: Gesamtertrag der Anlage in Kilowattstunden pro Jahr ohne Nutzung einer Aufständerung (diesen Wert verwenden, wenn Aufständerung = 0) - Ertrag_kWh_mitAufstd: Gesamtertrag der Anlage in Kilowattstunden pro Jahr ohne Nutzung einer Aufständerung (diesen Wert verwenden, wenn Aufständerung = 1) - Anzahl_Module - Einstrahlung_ohneAufstd: Auf diese Dachseite durchschnittlich eintreffende Einstrahlung in Prozent vom lokal maximal möglichen Wert (diesen Wert verwenden, wenn Aufständerung = 0) - Einstrahlung_mitAufstd: Auf diese Dachseite durchschnittlich eintreffende Einstrahlung in Prozent vom lokal maximal möglichen Wert (diesen Wert verwenden, wenn Aufständerung = 1) - Power: Installierbare Leistung auf der Dachseite in Kilowatt peak (kWp). Hinweis: Die Leistung kann im Wirtschaftlichkeitsrechner modulgenau berechnet wird. - Fläche_PV: Dachfläche in Quadratmetern, die sich für die Installation einer Photovoltaikanlage eignet (m²) - Fläche_ST: Dachfläche in Quadratmetern, die sich für die Installation einer solarthermischen Anlage eignet (m²) - Dach_ID: Eindeutige ID je Dachseite innerhalb eines Gebäudes - Schatten_ohneAufstd: Reduzierung der auf die Dachfläche einfallenden Einstrahlung durch Verschattung in Prozent pro Jahr (diesen Wert verwenden, wenn Aufständerung=0) - Schatten_mitAufstd: Reduzierung der auf die Dachfläche einfallenden Einstrahlung durch Verschattung in Prozent pro Jahr (diesen Wert verwenden, wenn Aufständerung=1) - Neigung: Neigung der Dachseite in Grad (°)
In dem Projekt DARING soll die Energieeffizienz von Wärmespeichern (z.B. Puffer- und Trinkwasserspeicher) im Bereich der Gebäudeenergieversorgung signifikant gesteigert werden. Dafür wird eine innovative Sensortechnologie (Sensorhaut) für die großflächige Erfassung des Temperaturprofils an den Speichern optimiert. Mit den generierten Daten lässt sich der exakte Beladungszustand bestimmen und die Energiezufuhr gezielter steuern. Durch eine bessere Steuerung von Wärmepumpensystemen kann eine Effizienzsteigerung um bis zu 10% erreicht werden. Für Solarthermie-Anlagen im Gebäudebereich sowie Fernwärme-Hausstationen werden äquivalente Werte prognostiziert. Bei der vorgelagerten Gebäudeversorgung über Wärmenetze besteht bei einer Integration in das übergeordnete Lastmanagement das Potenzial, vom kontinuierlichen in den Pulsbetrieb überzugehen, womit Trinkwasserspeicher gezielt beladen werden können. Die Technologie der Sensorhaut basiert auf druckbarer organischer Dünnschicht-Elektronik und erlaubt die zuverlässige Messung verschiedener Parameter (z.B. Temperatur) über große Flächen hinweg in Echtzeit. Durch den speziellen Herstellungsprozess (Flüssigprozessierung) sind die Sensorfolien in Form und Funktion nahezu beliebig konfigurierbar. Dabei entsteht nur ein minimaler Material- und Energieverbrauch, woraus sich im Vergleich zu herkömmlicher Sensorik Kostenvorteile sowie eine bessere CO2-Bilanz ergeben. DARING ist als Verbundprojekt konzipiert, in dem Experten aus Forschung und Praxis zusammenarbeiten. Dadurch wird gewährleistet, so nah an den realen Gegebenheiten und Bedürfnissen zu entwickeln wie möglich. Neben dem Institut für Angewandte Physik der TU Dresden sind die Professur für Gebäudeenergietechnik und Wärmeversorgung, die Firma Viessmann Climate Solutions SE sowie die Cupasol GmbH als direkte Projektpartner an der Umsetzung und Erprobung beteiligt. Darüber hinaus ist die Vonovia SE als Drittmittelgeber Teil des Konsortiums.
Beim Forschungsvorhaben Solarthermische Raumluftentfeuchtung in Wasserwerken und anderen Anwendungen (dx-Wasser) handelt es sich um ein Verbundvorhaben der Universität Kassel, Fachgebiet Solar- und Anlagentechnik als Koordinatorin in Zusammenarbeit mit den Projektpartnern Munters GmbH und Enertracting GmbH. Ziel des Forschungsvorhabens ist es, den Strombedarf von Luftentfeuchtungsanlagen mit Sorptionsrotoren durch die Einbindung von thermischen Solaranlagen zur Beheizung der Regenerationsluft deutlich zu reduzieren. Im Forschungsvorhabens erfolgt eine Bestandsaufnahme des Istzustandes von Wasserwerken in Deutschland. Im Zuge dessen sollen Energieeffizienzmaßnahmen bzgl. Betrieb und Regelung von Luftentfeuchtungsanlagen entwickelt und anschließend bewertet werden. Im Rahmen von Langzeitmessungen werden mehrere Gebäude von Wasserversorgern messtechnisch untersucht. Die Einbindung solarthermischer Wärme zur Regeneration von Sorptionsrotoren wird umfassend im Labor des Fachgebiets analysiert. Hierzu werden Sorptionsrotoren der Munters GmbH in eine teils bestehende Messumgebung integriert. Im Vorhaben sollen zwei Testanlagen an unterschiedlichen Standorten (Hochbehälter und eine Gasdruckregelanlage) geplant, errichtet und vermessen werden. Um das System abbilden zu können, wird zuerst ein Modell eines Sorptionsrotors in der Simulationsumgebung Dymola aufgebaut und mit den Messdaten validiert. Anschließend wird ein Systemmodel in TRNSYS bestehend aus Sorptionsrotor, Wärmeübertrager, Nachheizregister und thermischer Solaranlage erstellt. Dieses wird ebenfalls mit den Messergebnissen validiert. Durch das Modell soll die Übertragbarkeit der Ergebnisse auf andere Anwendungen gewährleistet sein. Zusätzlich dient das Modell zur Entwicklung eines Vor-Auslegungstools für die Dimensionierung von solarthermisch beheizten Sorptionsrotoren. Die Ergebnisse des Forschungsvorhabens werden in einem Leitfaden zusammengefasst und der interessierten Öffentlichkeit zugänglich gemacht.
Beim Forschungsvorhaben Solarthermische Raumluftentfeuchtung in Wasserwerken und anderen Anwendungen (dx-Wasser) handelt es sich um ein Verbundvorhaben der Universität Kassel, Fachgebiet Solar- und Anlagentechnik als Koordinatorin in Zusammenarbeit mit den Projektpartnern Munters GmbH und Enertracting GmbH. Ziel des Forschungsvorhabens ist es, den Strombedarf von Luftentfeuchtungsanlagen mit Sorptionsrotoren durch die Einbindung von thermischen Solaranlagen zur Beheizung der Regenerationsluft deutlich zu reduzieren. Im Forschungsvorhabens erfolgt eine Bestandsaufnahme des Istzustandes von Wasserwerken in Deutschland. Im Zuge dessen sollen Energieeffizienzmaßnahmen bzgl. Betrieb und Regelung von Luftentfeuchtungsanlagen entwickelt und anschließend bewertet werden. Im Rahmen von Langzeitmessungen werden mehrere Gebäude von Wasserversorgern messtechnisch untersucht. Die Einbindung solarthermischer Wärme zur Regeneration von Sorptionsrotoren wird umfassend im Labor des Fachgebiets analysiert. Hierzu werden Sorptionsrotoren der Munters GmbH in eine teils bestehende Messumgebung integriert. Im Vorhaben sollen zwei Testanlagen an unterschiedlichen Standorten (Hochbehälter und eine Gasdruckregelanlage) geplant, errichtet und vermessen werden. Um das System abbilden zu können, wird zuerst ein Modell eines Sorptionsrotors in der Simulationsumgebung Dymola aufgebaut und mit den Messdaten validiert. Anschließend wird ein Systemmodel in TRNSYS bestehend aus Sorptionsrotor, Wärmeübertrager, Nachheizregister und thermischer Solaranlage erstellt. Dieses wird ebenfalls mit den Messergebnissen validiert. Durch das Modell soll die Übertragbarkeit der Ergebnisse auf andere Anwendungen gewährleistet sein. Zusätzlich dient das Modell zur Entwicklung eines Vor-Auslegungstools für die Dimensionierung von solarthermisch beheizten Sorptionsrotoren. Die Ergebnisse des Forschungsvorhabens werden in einem Leitfaden zusammengefasst und der interessierten Öffentlichkeit zugänglich gemacht.
Das Ziel dieses Vorhabens ist die Entwicklung und Erprobung eines neuartigen, auf Maschinellem Lernen basierenden Regelprinzips, mit dem die Regelung zentraler und dezentraler Einspeisestationen für Wärmeerzeugungsanlagen mit fluktuierenden Quellen durch Optimierung der Parametrierung in Abhängigkeit der äußeren Einflüsse zum Lernen befähigt wird. Im Forschungsvorhaben wird die Solarthermie als eine der am stärksten fluktuierenden Quellen bearbeitet. Das Vorhaben wird durch die SAMSON AG koordiniert und zusammen mit dem Verbundpartner Solites als Teil der Steinbeis Innovation gGmbH durchgeführt. Basis der Arbeiten sind im Wärmenetzbereich typische PID-Regler. Es wird eine künstliche Intelligenz (KI) zur stetigen Optimierung der Regelparameter entwickelt, die in einer Netzeinspeisestation einer Solarthermieanlage getestet wird. Die KI basiert hierbei auf Algorithmen zum maschinellen Lernen. Diese werden trainiert, in dem sie an einen virtuellen Zwilling einer Realanlage gekoppelt und variierende Betriebszustände simuliert werden. Solites führt im seinem wissenschaftlichen Teilvorhaben die allgemeinen Vorausentwicklungen durch, um die notwendigen Programme zum Maschinellen Lernen sowie die erforderlichen Simulationsmodelle zu erstellen. Solites erprobt und validiert diese. Die SAMSON AG überführt die erzielten wissenschaftlichen Ergebnisse in deren eigene Produktwelt und entwickelt eine erste Anwendung für eine selbstlernende PID-Regelung einer Netzeinspeisestation. Der Realtest erfolgt in der solarthermischen Wärmenetzeinspeisung der Stadtwerke Düsseldorf AG (SWD.SOL-Vorhaben).
Das Ziel dieses Vorhabens ist die Entwicklung und Erprobung eines neuartigen, auf Maschinellem Lernen basierenden Regelprinzips, mit dem die Regelung zentraler und dezentraler Einspeisestationen für Wärmeerzeugungsanlagen mit fluktuierenden Quellen durch Optimierung der Parametrierung in Abhängigkeit der äußeren Einflüsse zum Lernen befähigt wird. Im Forschungsvorhaben wird die Solarthermie als eine der am stärksten fluktuierenden Quellen bearbeitet. Das Vorhaben wird durch die SAMSON AG koordiniert und zusammen mit dem Verbundpartner Solites als Teil der Steinbeis Innovation gGmbH durchgeführt. Basis der Arbeiten sind im Wärmenetzbereich typische PID-Regler. Es wird eine künstliche Intelligenz (KI) zur stetigen Optimierung der Regelparameter entwickelt, die in einer Netzeinspeisestation einer Solarthermieanlage getestet wird. Die KI basiert hierbei auf Algorithmen zum maschinellen Lernen. Diese werden trainiert, in dem sie an einen virtuellen Zwilling einer Realanlage gekoppelt und variierende Betriebszustände simuliert werden. Solites führt im seinem wissenschaftlichen Teilvorhaben die allgemeinen Vorausentwicklungen durch, um die notwendigen Programme zum Maschinellen Lernen sowie die erforderlichen Simulationsmodelle zu erstellen. Solites erprobt und validiert diese. Die SAMSON AG überführt die erzielten wissenschaftlichen Ergebnisse in deren eigene Produktwelt und entwickelt eine erste Anwendung für eine selbstlernende PID-Regelung einer Netzeinspeisestation. Der Realtest erfolgt in der solarthermischen Wärmenetzeinspeisung der Stadtwerke Düsseldorf AG (SWD.SOL-Vorhaben).
In den Karten werden Solarthermieanlagen und PV-Anlagen dargestellt. Bei den Solarthermie-Anlagen handelt es sich ausschließlich um solche Anlagen, die bei den verschiedenen Förderinstitutionen bekannt sind. Einen eigenen, hier nicht erfassten Datenbestand bilden die sogenannten PV-Inselanlagen, also z. B. solarbetriebene Parkautomaten oder Beleuchtungsanlagen und ähnliche netzferne Systeme. In Berlin sind mit Stand 31.12.2024 41.723 PV-Anlagen registriert, wovon der Großteil Kleinanlagen unter 30 kWp sind (40.234) und nur 329 größere Anlagen (> 100 kWp) sind. Sie haben eine installierte Leistung von insgesamt etwa 380,64 MWp, wovon auf die genannten größeren Anlagen etwa 22 % (84,75 MWp) der Gesamtleistung in Berlin fallen. Mit Abstand die meisten Anlagen und die größte Gesamtleistung befinden sich in den drei Bezirken Marzahn-Hellersdorf, Treptow-Köpenick und Pankow. Hinsichtlich der installierten Leistung fällt auch der Bezirk Lichtenberg mit 35,4 MWp auf, hier wird die deutlich geringere absolute Anlagenzahl durch einzelne Anlagen mit hoher installierter Leistung ausgeglichen. Bei Betrachtung der feinräumigeren Ebene der Postleitzahlbereiche zeigt sich, dass die randstädtischen Einzelhaussiedlungen mit ihrer hohen absoluten Anlagenzahl die meisten PLZ-Bereiche mit Leistungen über 1.000 kWp aufweisen. Auf den Gebäuden der öffentlichen Hand waren zum Datenstand 31.03.2024 insgesamt 1.021 PV-Anlagen mit einer Leistung von 61,94 MWp installiert. Mit 190 Anlagen sind im Bezirk Lichtenberg die meisten PV-Anlagen auf öffentlichen Gebäuden zu finden, gefolgt von Marzahn-Hellersdorf (158) und Pankow (138). Die höchste installierte Leistung erzielt der Bezirk Lichtenberg mit 11,32 MWp, dicht gefolgt von Charlottenburg-Wilmersdorf (8,76 MWp) und Marzahn-Hellersdorf (8,39 MWp). Die öffentliche Hand unterhält auch Gebäude außerhalb Berlins, auf denen vier PV-Anlagen installiert sind, die eine Leistung von 1,14 MWp haben. Tab. 1: Anzahl der PV-Anlagen und die installierte Anlagenleistung in den Bezirken Berlins (Erfassungsstand Anlagenentwicklung PV-Anlagen 06.03.2025, Anlagen auf öffentlichen Gebäuden je Bezirk 31.03.2024, Stand der Stromeinspeisung 17.01.2024), Datenquelle: Energieatlas Berlin , basierend auf Daten des Marktstammdatenregisters der Bundesnetzagentur Da die Anlagen oft mehr Strom produzieren als zur Eigenversorgung benötigt wird, wird der überschüssige Strom ins Stromnetz eingespeist. Dabei hat sich die eingespeiste Menge seit 2012 kontinuierlich von ca. 43 GWh in 2012 auf den Wert von 78,402 GWh in 2023 gesteigert (siehe Abb. 5). Die absolut höchsten Mengen an Strom speisen entsprechend dem aktuellen Datenstand die Bezirke Marzahn-Hellersdorf (13.836,8 MWh) und Treptow-Köpenick (10.278,8 MWh) ein (vgl. Tab. 3). Deutlich ist ein Schwerpunkt der Stromeinspeisung in den nördlichen und östlichen Bezirken zu erkennen. In Friedrichshain-Kreuzberg wird am wenigsten Strom in das Netz eingespeist, dort befinden sich aber auch die wenigsten Anlagen mit einer geringen Gesamtleistung. Auf der kleinteiligeren Ebene der Postleitzahlenbereiche heben sich, wie bereits bei der installierten Leistung der Anlagen, erwartungsgemäß wieder deutlich die durch Einzelhausbebauung geprägten Wohngebiete hervor. Abb. 5: Stromeinspeisung der Photovoltaikanlagen auf der Ebene der Bezirke Berlins (Erfassungsstand 01.07.2024), Datenquelle: Energieatlas Berlin , basierend auf Daten des Marktstammdatenregisters der Bundesnetzagentur. Die relativen Deckungsraten der Photovoltaik schwanken in den Bezirken zwischen 2,4 % in Mitte und 12 % in Marzahn-Hellersdorf (vgl. Tab. 4). Die ermittelten relativen Deckungsraten zwischen Potenzial und Bestand für die Bezirke und Postleitzahlengebiete fallen auf den ersten Blick verhältnismäßig niedrig aus. Die Gründe dafür liegen jedoch in der Abweichung des theoretisch berechneten vom technisch realisierbaren Potenzial, die, um verlässliche Aussagen treffen zu können, im Einzelnen durch weitere Untersuchungen und Berechnungen konkretisiert werden müssten. Tab. 2: Relative Deckungsrate PV-Leistung in den Bezirken Berlins , Datenquelle: Solarcity Monitoringbericht, basierend auf Daten des Marktstammdatenregisters der Bundesnetzagentur, Stand 06.03.2024 Die aktuellsten Informationen über Photovoltaikanlagen in Berlin, wie beispielsweise ihre Standorte oder statistische Auswertungen zum Ausbau in den Bezirken, sind im Energieatlas Berlin in Form von Karten und Diagrammen abrufbar: https://energieatlas.berlin.de/ . Eine detaillierte Analyse des Solarausbaus in Berlin wird jährlich im Rahmen des Monitorings zum Masterplan Solarcity in einem gesonderten Bericht veröffentlicht: https://www.berlin.de/solarcity/solarcity-berlin/was-ist-der-masterplan-und-wo-stehen-wir/monitoring/ . Von den knapp 536.000 untersuchten Gebäuden eignen sich rund 421.000 Gebäude für die solare PV-Nutzung. Wenn die 45,7 km² theoretisch geeigneter Modulfläche für die Stromerzeugung mittels PV genutzt würden, könnten über PV-Anlagen mit 19,5 % Wirkungsgrad 7.929 GWh/a Strom erzeugt und 4,3 Mio. t CO2 eingespart werden. Tab. 3: Ergebnisse der Solarpotenzialanalyse für Photovoltaik auf Dachflächen in Berlin (Flachdächer werden mit einer aufgeständerten Installation gen Süden berücksichtigt) (IP SYSCON 2022) Da kein zentrales Register existiert, steht derzeit kein umfassender Datensatz zur Anzahl der solarthermischen Anlagen in Berlin zur Verfügung. Im Rahmen des Monitorings des Masterplans Solarcity werden daher unterschiedliche Methoden entwickelt, um die Datenbasis zu verbessern. Auf Grundlage dieser methodischen Ansätze wird die Zahl der Solarthermieanlagen im Jahr 2024 auf etwa 8.900 geschätzt, bei einer gesamten Kollektorfläche von rund 94.300 m². Sowohl die kleinräumige Darstellung der Einzelanlagen als auch die Aggregation auf die Raumbezüge Postleitzahl- und Bezirksebene verdeutlichen, dass die größte Anzahl der Anlagen im Außenbereich der Stadt installiert sind. Auf Bezirksebene ist zu sehen, dass Schwerpunkte in den Bezirken Steglitz-Zehlendorf (1.224), Treptow-Köpenick (1.155), Marzahn-Hellersdorf (1.133) und Reinickendorf (1.122 ) in vorliegen (vgl. Tab. 6), hierbei handelt es sich vergleichbar zu der Situation im PV-Anlagenbereich um kleinere Objekte auf Ein- und Zweifamilienhäusern in privater Nutzung. Im Innenstadtbereich, in den Bezirken Friedrichshain-Kreuzberg (76 Anlagen), Mitte (104 Anlagen) und Charlottenburg-Wilmersdorf (209 Anlagen) sind dagegen deutlich weniger Anlagen installiert, dafür jedoch auch solche mit großem elektrischen Leistungs- bzw. Wärmegewinnungspotenzial (Kollektorfläche im Mittel 15-37 m²). Diese befinden sich auf Gebäuden mit öffentlicher oder industriell-gewerblicher Nutzung. Tab. 4: Anzahl der Solarthermie-Anlagen in den Bezirken Berlins (Erfassungsstand 31.03.2024) sowie der Solarthermie-Anlagen der öffentlichen Hand (Erfassungsstand 20.02.2024) im Jahr 2023 Datenquelle: Energieatlas Berlin . Die aktuellsten Informationen über Solarthermieanlagen in Berlin, wie beispielsweise ihre Standorte oder statistische Auswertungen zum Ausbau in den Bezirken, sind im Energieatlas Berlin in Form von Karten und Diagrammen abrufbar: https://energieatlas.berlin.de/ . Eine detaillierte Analyse des Solarausbaus in Berlin wird jährlich im Rahmen des Monitorings zum Masterplan Solarcity in einem gesonderten Bericht veröffentlicht: https://www.berlin.de/solarcity/solarcity-berlin/was-ist-der-masterplan-und-wo-stehen-wir/monitoring/ . Ergebnisse der Potenzialstudie zur Solarthermie Von den knapp 536.000 untersuchten Gebäuden eignen sich mehr als 464.000 Gebäude für die solare Thermie-Nutzung mit einer Modulfläche von insgesamt 66,2 km². Tab. 5: Ergebnisse der Solarpotenzialanalyse für Solarthermie zur Warmwasserbereitung auf Dachflächen in Berlin (Flachdächer werden mit einer gen Süden aufgeständerten Installation berücksichtigt) (IP SYSCON 2022). Die berechneten Werte der globalen Einstrahlung als Jahressummenwerte streuen in Berlin – betrachtet über alle Oberflächen der Stadt – zwischen einem Maximum von etwa 1220 kWh/(m²/a) und einem Minimum um 246 kWh/(m²/a). Die vom Deutschen Wetterdienst DWD angesetzte mittlere Jahressumme für Berlin beträgt 1032 kWh/(m²/a). Sehr niedrige Werte werden auf Dachflächen nur dann ermittelt, wenn Überdeckungen durch Bäume oder Verschattungen aus anderen Gründen vorliegen (vgl. Abb. 6). Abb. 6: Einfluss von Überdeckungseffekten durch Bäume sowie durch die Dachausrichtung auf die berechneten solaren Einstrahlungswerte von Gebäudedächern (Werte als mittlere Jahressummen in kWh/(m²/a)). Oben: berechnete Einstrahlungswerte der Oberflächenraster in der Auflösung 0,5 * 0,5 m², schwarz: Gebäudeumringe. Unten: links: Luftbildausschnitt Februar 2021, rechts: Luftbildauschnitt August 2020. Bilder: Luftbilder: Geoportal Berlin, DOP20RGBI (unten links); TrueDOP20RGB – Sommerbefliegung (unten rechts) Die höchsten Werte erreichen dagegen unbeschattete bzw. nicht überdeckte und nach südlichen Himmelsrichtungen ausgerichtete geneigte Dachflächen. Offene und unbeschattete vegetationsbedeckte Flächen wie das Tempelhofer Feld erreichen ebenfalls hohe Werte um 1000 kWh/(m²/a). Waldgebiete und baumbestandene Areale dagegen vermindern durch ihre Struktur und Schattenwurf die Einstrahlungswerte beträchtlich bis in den Bereich der niedrigsten Einstrahlungen um 250-300 kWh/(m²/a). HHier ist eine direkte Beziehung zu stadtklimatischen Effekten zu sehen, wie sie zum Beispiel in den Analysekarten der Klimamodellierung gezeigt werden (vgl. Umweltatlaskarte Klimaanalysekarten: Oberflächentemperatur 2022 ). Insofern deckt die Karte „Solarpotenzial – Einstrahlung“ (08.09.3) ein breites Anwendungsspektrum ab.
| Origin | Count |
|---|---|
| Bund | 726 |
| Kommune | 5 |
| Land | 39 |
| Zivilgesellschaft | 1 |
| Type | Count |
|---|---|
| Ereignis | 2 |
| Förderprogramm | 696 |
| Text | 43 |
| Umweltprüfung | 4 |
| unbekannt | 13 |
| License | Count |
|---|---|
| geschlossen | 47 |
| offen | 711 |
| Language | Count |
|---|---|
| Deutsch | 728 |
| Englisch | 75 |
| Resource type | Count |
|---|---|
| Archiv | 4 |
| Datei | 9 |
| Dokument | 22 |
| Keine | 496 |
| Webdienst | 2 |
| Webseite | 254 |
| Topic | Count |
|---|---|
| Boden | 362 |
| Lebewesen und Lebensräume | 293 |
| Luft | 168 |
| Mensch und Umwelt | 758 |
| Wasser | 334 |
| Weitere | 752 |