Aktuelles

08.05.2025

Deep Dive: Heat in the city

Wissenschaftliche Methoden und Erkenntnisse für eine verbesserte Klimaanpassung

3-D-Modell des Central Parc in New Yourk durch Lichterkennung und Entfernungsmessung | Foto: : University of Vermont Spatial Analysis Laboratory; MIT Sensable City Lab.

Die dreiteilige Reihe von Lerneinheiten zum Thema urbane Wärmeresilienz, die in Zusammenarbeit mit dem Potsdam-Institut für Klimafolgenforschung (PIK) organisiert wurde, bot einen überzeugenden und zeitgemäßen Einblick in die dringenden Herausforderungen, denen sich Stadtplaner bei der Entwicklung von Initiativen zur Wärmeminderung gegenübersehen. Die Sitzungen waren nach thematischen Schwerpunkten gegliedert, die von den Mitgliedern der Deep Dive-Gruppe ausgewählt worden waren, und boten so eine abgerundete Untersuchung der Frage, wie Städte die Auswirkungen steigender Temperaturen besser überwachen, abmildern und bewältigen können. Zu den Teilnehmenden gehörten Vertreter*innen von Kommunen, städtische Fachleute sowie Verantwortliche von Entwicklungsprogrammen, die in diesem Bereich tätig sind. Prof. Dr. Jürgen Kropp, stellvertretender Leiter der Abteilung „Klimaresilienz“ am PIK und Leiter der Forschungsgruppe „Urbane Transformation" teilte als Gastredner und Experte sein Wissen in allen drei Veranstaltungen.

Monitoring der städtischen Wärmeinsel (UHI): Schlüsselindikatoren und Messinstrumente

Mit dem Schwerpunkt auf relevanten Indikatoren für die Verfolgung der städtischen Hitze und wie diese in eine intelligente, klimaresistente Stadtplanung einfließen können, befasste sich die Sitzung mit Methoden zur Bewertung und Modellierung von UHI. Die beiden Ansätze Oberflächen-UHI und Überdachungs-UHI wurden verglichen, gefolgt von einer Erläuterung der UHI-Typologien, die aus der statistischen Modellierung und der Analyse der Saisonalität des Phänomens in mehr als 120.000 städtischen Ballungsräumen in Europa abgeleitet wurden.

Der Einfluss von Stadtgröße und -form (Gebäudehöhe und prozentualer Anteil der bebauten Fläche) auf die Verschärfung der UHI wurde erörtert, wobei Untersuchungen ergaben, dass polyzentrische Systeme besser mit Hitzestress zurechtkommen. Dennoch weist die Stadtform eine ausgeprägte regionale Heterogenität auf. Während dichte Städte weniger Treibhausgase ausstoßen, wird das Phänomen des UHI durch eine höhere städtische Dichte noch verschärft. Es wurde ein Index für die Bewertung des UHI diskutiert, der ergab, dass die Bodenbedeckung (Material) und der Anteil der Grünbedeckung das UHI mit einem Faktor von 50 % bestimmen, während die städtische Struktur und Form einen Einflussfaktor von 24 % haben. Der geringste Einflussfaktor wurde dem Hintergrundwetter mit 4 % zugeschrieben.

Darüber hinaus wurden Instrumente zur Simulation der Auswirkungen von Städten auf die Atmosphäre sowie Beispiele für ihre Anwendung vorgestellt. In einem Experiment wurde der Albedo-Effekt der Dachbeschichtung von Gebäuden in Berlin bewertet, wobei sich herausstellte, dass eine helle Farbe einen vernachlässigbaren Einfluss auf die Verringerung der UHI hat.  Es wurden verschiedene Datenquellen für die Überwachung von UHI vorgestellt, von denen einige frei zugänglich sind, wie z. B. NETATMO, das sich auf Temperaturdaten aus der Bevölkerung stützt.
Die Sitzung befasste sich auch mit den Auswirkungen der Hitzebelastung in Städten, indem die Ergebnisse einer Forschungsarbeit zur Modellierung von Veränderungen der Mindesttemperaturen für die Sterblichkeit in Abhängigkeit vom Klimawandel und vom sozioökonomischen Fortschritt in 3.820 Städten vorgestellt wurden. Die Sitzung befasste sich auch mit Lösungen zur Anpassung an die Hitze, wie z. B. dem Oaseneffekt, bei dem die Verdunstungskälte zur Abschwächung der städtischen Hitze genutzt wird.

Mehr Informationen: Presentation and Recording (for registered users) at the Connective Cities Community Platform

Strategien zur Eindämmung der Hitze: Erschwingliche und anpassungsfähige Lösungen

Die zweite Sitzung befasste sich mit den städtebaulichen Grundsätzen, die die UHI beeinflussen. Der kulturelle Wandel der antiken Stadtplanung und der traditionellen Architektur machte einige Regionen aufgrund von übermäßigem Hitzestress unbewohnbar. Es wurde ein vielseitiger Ansatz zur Eindämmung der städtischen Hitze erörtert, der Folgendes umfasst: städtische Begrünung, Bau von Beschattungsanlagen, Verbesserung der Stadtgestaltung für die Kühlung (Ausrichtung/Luftströmung, Bauvorschriften/Materialien), Verwendung reflektierender und kühlender Oberflächen, blau-grüne Infrastruktur sowie Rückgriff auf klimarelevante traditionelle Stadtgestaltung und Architektur. Tatsächlich werden uralte Kühltechniken für die Anwendung in der heutigen Zeit angepasst (z. B. kann eine Terrakotta-Klimaanlage die Umgebungstemperatur in Maharashtra, Indien, um bis zu 6° abkühlen).

Mini-Wälder oder Miyawaki-Wälder wurden als Beispiele für bewährte Verfahren vorgestellt, da sie die Verdunstungskälte erhöhen und die biologische Vielfalt schützen. Begrünte Fassaden und begrünte Dächer sind ebenfalls eine gute Lösung, da sie zu einer stärkeren Begrünung beitragen und die städtische Hitze abmildern. Es wurden Beispiele für Beschattungsstrategien in Sevilla, Chile und in der traditionellen islamischen Architektur diskutiert. Darüber hinaus lernten die Teilnehmer das HEAL-Projekt kennen, das Informationen und Anpassungskonzepte zum Thema Hitzestress im Allgemeinen bereitstellt und über eine App eine hitzeangepasste Mobilität für Stadtbewohner ermöglicht. Die Teilnehmer erfuhren auch, wie Stadtplanung und Bauwesen zur Kühlung städtischer Gebiete eingesetzt werden können, indem Baumaterialien mit geringer Wärmeleitfähigkeit verwendet, Frischluft-/Grünkorridore angelegt und reflektierende Beläge verwendet werden.

Zusammenfassend lässt sich sagen, dass die meisten Lösungen auf alten Erfahrungen beruhen, d.h. sie sind nicht neu, aber mit Hilfe der Physik könnten sie effizienter sein. Es gibt keine Patentlösung, aber lokal angepasste Lösungen sind die klimarelevantesten.

Mehr Informationen: Presentation and Recording (for registered users) at the Connective Cities Community Platform

Künstliche Intelligenz (KI) für den Klimaschutz: Forschung und innovative Lösungen vorantreiben

Die dritte Sitzung befasste sich mit dem maschinellen Lernen (ML) in der Stadt- und Klimawissenschaft. Nach einem Überblick über die Geschichte der künstlichen Intelligenz und Hinweisen auf die biologische Nachahmung wurden die am häufigsten verwendete Terminologie und die wichtigsten Arten des maschinellen Lernens erläutert.

Anschließend wurden reale Anwendungen von KI demonstriert. Ein Beispiel verglich die traditionelle Köppen-Geiger-Klimaklassifikation - die sich auf beobachtbare Klima-Vegetations-Beziehungen und grundlegende Temperatur-/Niederschlagsdaten stützt - mit der SOMTOP-Methode, einem ML-basierten Ansatz zur Klimaklassifikation. Während beide Methoden identische Ergebnisse lieferten, erzielte SOMTOP eine minimale Varianz, was auf mögliche Verbesserungen gegenüber herkömmlichen Systemen hindeutet.

Ein zweites Anwendungsbeispiel wurde vorgestellt, bei dem maschinelles Lernen zur Erkennung von UHI mittels Bildanalyse in Jeddah, Saudi-Arabien, eingesetzt wurde. Das Modell wurde für die Erkennung von UHI-Mustern trainiert und zeigte die Auswirkungen von Vegetation und Oberflächenmerkmalen auf UHI-Effekte auf.

In Heidelberg wurde ein von GEO-NET entwickeltes KI-Modell zur Mustererkennung eingesetzt, das vorhandene Datensätze ähnlich wie eine statistische Korrelationsanalyse analysiert. Allerdings sollten Stadtplaner bei der Interpretation solcher Ergebnisse Vorsicht walten lassen, da verzerrte oder fehlerhafte Trainingsdaten zu falschen Schlussfolgerungen führen können. Im Gegensatz zu dynamischen Modellen (z. B. Strömungsdynamik), bei denen die Zeit eine implizite Variable ist und sich die Vorhersagen auf zukünftige Zustände konzentrieren, stützen sich KI-Modelle auf Daten aus der Vergangenheit und können neu entstehende Muster nicht erkennen. Um Fehler zu reduzieren, ist eine empirische Validierung nach wie vor unerlässlich. Künstliche neuronale Netze (ANN) und KI-Methoden sind zwar wirksam bei der Erkennung von Mustern wie UHI, ihre Leistung hängt jedoch von regionsspezifischen Merkmalen ab, und ihre hohen Rechenkosten können eine Einschränkung darstellen.

Wichtigste Erkenntnis: Obwohl KI in Zukunft eine immer wichtigere Rolle spielen wird, ist es wichtig zu erkennen, dass KI-Modelle zwar reich an Daten, aber arm an Wissen sind, was eine sorgfältige Interpretation und Validierung erfordert.

Mehr Informationen: Presentation and Recording (for registered users) at the Connective Cities Community Platform


erstellt von:
Muna Shalan | Connective Cities


Top