Thema: Analyse des Einflusses des Untergrundes ... - Model & Data

Analyse des Einflusses des Untergrundes auf
atmosphärische Größen im Regionalen Klimamodell REMO
in der KLIMZUG- Nord Region
Juliane Petersen
Oktober 2009
Geographisches Institut
Humboldt- Universität zu Berlin

Gliederung:
1 Einleitung 3
2 Einführung in das Projekt KLIMZUG- Nord 3
3 Das Klimamodell 4
3.1 Allgemeine Einführung 4
3.2 Das regionale Klimamodell REMO 5
3.2.1 Entwicklung 5
3.2.2 Eigenschaften 5
3.2.3 Darstellung der Landoberflächen und Prozesse in REMO 6
4 Hauptökosystemtypen im KLIMZUG- Nord Gebiet 8
5 Stadtklima 11
5.1 Allgemeine Einführung 11
5.2 Stadtklima Hamburg 13
5.3 Berücksichtigung der Prozesse in REMO 14
6 Datenanalyse 15
6.1 Wärmeinsel im Sommer und Winter im Vergleich 19
6.2 Vergleich: Winter- und Sommertag in der Strahlungsbilanz 24
6.3 Prüfung der Abhängigkeit der Wärmeinsel von Windgeschwindigkeit, 32
Windrichtung, Niederschlag (Analyse des Zeitraumes 1.6.1960 - 1.7.1960)
6.4 Vergleich: Wasserhaushalt an einem Winter- und an einem Sommertag 34
7 Zusammenfassung und Ausblick 36
8 Abbildungsverzeichnis 38
9 Literatur- und Quellenangaben 40
2

1. Einleitung
Durch die Temperaturerhöhung bzw. die relative Zunahme von Extremereignissen in den letzten
Jahren wie Hitzewellen (siehe Hitzesommer 2003) werden besondere Herausforderungen an
Metropolregionen wie z.B. Hamburg mit ihrem besonderen Wärmehaushalt gestellt (vgl.
JENDRITZKY 2007). Das Phänomen der städtischen Wärmeinsel wurde u.a. in der Diplomarbeit
von Peter Hoffmann für Hamburg nachgewiesen (vgl. HOFFMANN 2009).
In dem Projekt KLIMZUG- Nord sollen Anpassungsmöglichkeiten der Metropolregion Hamburg
an den Klimawandel entwickelt werden. Um Aussagen globaler Modelle auf regionale Ebene zu
übertragen, ist die Anwendung regionaler Klimamodelle eine mögliche Methode. Das regionale
Klimamodell REMO mit seiner kleinerskaligen Auflösung von 10 km x 10 km ist ein Beispiel.
Inwiefern sich jetzt die Oberflächenparameter auf bodennahe atmosphärische Größen auswirken,
also der Frage nach möglichen Ursachen einer Wärmeinsel, wird in dieser Arbeit nachgegangen.
In Kapitel 2 wird eine kurze Einleitung über das KLIMZUG –Nord Projekt gegeben. Kapitel 3
widmet sich den Klimamodellen, besonders dem regionalen Klimamodell REMO, das in dieser
Arbeit ausschließlich verwendet wurde. Einige wichtige Prozesse, die im Hinblick auf die
Fragestellung wichtig sind, werden kurz erläutert. Kapitel 4 beschäftigt sich mit den
Hauptökosystemtypen in REMO, die für die KLIMZUG- Nord Region von Bedeutung sind.
Kapitel 5 beschäftigt sich näher mit dem Stadtklima, geht kurz auf Hamburgs Besonderheiten ein
und stellt die wichtigen Prozesse eines Stadtklimas vor. Es wird ein kleiner Einblick in die
Prozesse, die in REMO simuliert werden, gegeben. Kapitel 6 ist der Datenanalyse gewidmet.
Dabei wird auf folgende Fragen näher eingegangen: Kann man die Stadt Hamburg als städtische
Wärmeinsel erkennen? Wie machen sich die Unterschiede von Elbe, Umland und Hamburg in
der Strahlungsbilanz bzw. im Wasserhaushalt bemerkbar? Sind noch weitere stadttypische
Effekte auf atmosphärische Größen zu erkennen?
Eine kurze Zusammenfassung folgt in Kapitel 8.
2. Einführung in das Projekt KLIMZUG Nord
„KLIMZUG – Klimawandel in Regionen zukunftsfähig gestalten“ (www.klimzug.de) ist eine
Fördermaßnahme des BMBFs (Bundesministerium für Bildung und Forschung), das die
Entwicklung innovativer Ansätze zur Anpassung an den Klimawandel fördert. Es ist Teil der
Hightech- Strategie zum Klimaschutz der Bundesregierung, und soll die mit den
Klimaänderungen verbundenen Herausforderungen in Planung und Entscheidungen von Politik
und Wirtschaft langfristig integrieren.
Dabei wird der regionale Ansatz der Klimaanpassungen in den Fokus gestellt.
KLIMZUG -Nord ist zum 1. April 2009 gestartet und eins von sieben geförderten Projekten
(Stand August 2009).
Das Projekt soll bis zum Jahr 2014 Lösungsansätze finden, mit denen die Metropolregion
Hamburg Folgen des Klimawandels begegnen kann. Denn der Klimawandel verstärkt die
ohnehin schon bestehenden Spannungsfelder sowohl zwischen der wachsenden Metropole
Hamburg und der sie umgebenden ländlichen Region als auch zwischen den Anforderungen
einer dynamischen Wirtschaftsregion und den Erfordernissen des Naturschutzes. Wichtig für
eine erfolgreiche Anpassung an den Klimawandel ist die Einbindung aller wichtigen Handlungs-
und Entscheidungsträger der Region. Dabei strebt das Projekt eine Verbindung von
naturwissenschaftlichem, ökonomischem und technologischem Fachwissen an.
An KLIMZUG -Nord sind 6 Hochschulen, 6 Forschungseinrichtungen, 11 Behörden und
behördennahe Einrichtungen und 10 Unternehmen beteiligt. Hinzu kommen zahlreiche weitere
3

assoziierte Partner. Unterstützt wird das Projekt von allen 8 niedersächsischen Landkreisen und 6
schleswig-holsteinischen Kreisen der Metropolregion. (vgl. www.klimzug.de, www.klimzugnord.de)
Abb. 1 Metropolregion Hamburg mit dazugehörigen Landkreisen
3. Das Klimamodell
3.1 Allgemeine Einführung
Klimamodelle erforschen die Zusammenhänge im Klimasystem Erde. Mit Hilfe der uns
bekannten Gesetzmäßigkeiten und Rahmenbedingungen unseres Planeten wird ein Klima am
Computer simuliert. Viele Vorgänge im Klimamodell basieren auf physikalischen Gesetzen, die
neben dem ersten Hauptsatz der Thermodynamik weitere Grundgleichungen berücksichtigen,
wie Strömungsvorgänge in der Atmosphäre und im Ozean und die daran gekoppelten
Massenverlagerungen, die Veränderung der Temperatur, sowie die Phasenumwandlung des
Wassers. Das Gleichungssystem ermöglicht u.a. eine Beschreibung von zeitlichen Änderungen
der atmosphärischen Zustandgrößen Druck, Temperatur und Feuchte. Diese können durch
partielle Differentialgleichungen nur annäherungsweise gelöst werden. In der Praxis wird dieses
hochkomplexe Gleichungssystem sowohl räumlich als auch zeitlich diskretisiert. Dabei werden
Ozean und Atmosphäre in gleichgroße dreidimensionale Gitterzellen zerlegt und für jede
Gitterbox die Gleichung annäherungsweise gelöst. Die Gitterbox enthält dann einen
repräsentativen Wert. Die zeitliche Diskretisierung findet auf Minutenbasis statt. Viele
kleinräumige Prozesse bleiben auf Grund der Maschenweite des Gitternetzes unberücksichtigt,
v.a. Prozesse der Strahlungsübertragung in der Atmosphäre, Wolken und Niederschlagsbildung,
sowie turbulente Austauschvorgänge nahe der Erdoberfläche. Sie können aber einen erheblichen
Einfluss auf großskalige Prozesse im Klimamodell haben. Diese sogenannten unaufgelösten
subskaligen Prozesse werden durch physikalische Parametrisierung berücksichtigt, d.h.
kleinräumige klimatische Prozesse werden parametrisiert. Ihr Einfluss auf die Klimavariablen
werden je Gitterbox einberechnet (vgl. PAETH 2007, RECHID 2001).
4

3.2 Das regionale Klimamodell REMO
3.2.1 Entwicklung
Im letzten Jahrzehnt ist sowohl das wissenschaftliche als auch das öffentliche Interesse daran
gestiegen, wie sich Aussagen globaler Klimamodelle auf regionaler Ebene ausprägen. Durch die
grobe Auflösung globaler Modelle können viele klimatisch wichtige Prozesse nicht entsprechend
dargestellt werden. Für Mensch und Umwelt sind aber gerade regionale Auswirkungen der
Klimaänderungen von Bedeutung (vgl. WERNER u. GERSTENGARBE 2007, PAETH 2007).
Durch die Entwicklung regionaler Klimamodelle wird diesem Problem entgegengewirkt. Die
Maschenweite der Gitterboxen wird so weit verkleinert, dass auch kleinerskalige Klimaprozesse
erfasst werden. Ein regionales Modell wird durch statistisches oder dynamisches Downscaling in
ein globales Modell eingebettet. Das regionale dynamische Modell hat demzufolge im Prinzip
die gleiche Modellphysik und –struktur wie das globale Modell. Das Regional Modell REMO
(JACOB 2001) nutzt die Methode des dynamischen Downscaling, d.h. es löst die
Erhaltungsgleichungen der Atmosphäre für ein bestimmtes Zielgebiet. Angetrieben wird REMO
durch ein globales Zirkulationsmodell, entweder durch eine Nestung in ein Globalmodell oder
durch den Antrieb mit (Re-)Analysedaten. Die antreibenden Daten werden in einer Randzone
von acht Gitterboxen angeglichen.
REMO wurde Ende der 1990er Jahre im Rahmen des internationalen Baltic Sea Experiments
(BALTEX) auf Basis des Europa- Modells des Deutschen Wetterdienstes (DWD) am Max-
Planck Institut für Meteorologie (MPI- M) in Hamburg entwickelt in Zusammenarbeit mit dem
DWD, dem Deutschen Klimarechenzentrum und dem Forschungszentrum Geesthacht (vgl.
RECHID 2001, FRENGER 2008, JACOB o.J. a).
3.2.2 Eigenschaften
REMO ist ein dreidimensionales hydrostatisches Atmosphärenmodell. Die prognostischen
Variablen sind der Bodendruck, die horizontale Windkomponente, die Temperatur, die
spezifische Feuchte sowie Flüssigwassergehalt und das Wolkeneis. Der Berechnung der
prognostischen Variablen liegt die hydrostatische Approximation zugrunde (vgl. JACOB u.
PODZUN 1997, JACOB o.J. a ). Die räumliche Integration der Modellgleichungen in REMO
entspricht einem Arakawa-C-Gitter, d.h. alle Variablenwerte außer der Windkomponente sind
für das Zentrum der jeweiligen Gitterbox gültig. Durch eine Drehung des geographischen
Koordinatensystems befinden sich Gitterboxzentren auf einem rotierten sphärischen System, in
dem der Äquator durch das Modellgebiet verläuft. Dies erleichtert die Lösung der
Modellgleichungen, da die Gitterboxen nun einen einheitlichen Abstand in x und y Richtung
haben (je nach gewählter horizontaler Auflösung). Zur zeitlichen Diskretisierung wird ein
sogenanntes Leap- Frog Schema mit semi- impliziter Korrektur und Zeitfilterung nach Asselin
(1972) benutzt.
Die vertikale Struktur in REMO bildet ein Hybridsystem, bei dem die Modelllevel in Bodennähe
der Orographie folgen und sich mit zunehmender Höhe den Isobaren nähern. Die
Modelllevelhöhen sind eine Funktion des Bodendrucks, daher ändern sich ihre Höhen räumlich
und zeitlich.
Für die hier vorliegenden Untersuchungen wurde die physikalische Parametrisierung, die auf der
ECHAM 4 Version basiert, verwendet. Zur Dokumentation der Parametrisierung subskaliger
Prozesse sei auf das ECHAM4 Handbuch verwiesen (vgl. RECHID 2001, FRENGER 2008).
5

In einer Studie für das Umweltbundesamt (UBA) wurden in einem zweistufigen (doppelt
genesteten) Verfahren, basierend auf den Emissionsszenarien A1B, A2 und B1, regionale
Klimaszenarien für Deutschland in einer horizontalen Auflösung von 10 km x 10 km für den
Zeitraum 1950- 2100 erstellt (JACOB et al 2008).
Außerdem wurden ein Kontrolllauf, der das heutige Klima im Simulationsgebiet beschreibt, und
beobachtete Treibhausgaskonzentrationen eingesetzt.
Daten, die in dieser Arbeit verwendet wurden, sind dem C20 Klimalauf aus Datenstrom 3
entnommen. Datenstrom 3 ist entrotiert und interpoliert auf ein reguläres geographisches
Gitternetz mit einer horizontalen Auflösung von 0,1 Grad. Einige der Modellvariablen sind
erhältlich auf Tages-, Monats- oder Jahresbasis. Das Modell bedeckt Deutschland von 45,85 bis
54,95 ° nördliche Breite und 3,95 bis 17,25 ° Länge. Die Anzahl der Gitterboxen beträgt 92 für
die Breite und 134 für die Länge (vgl. JACOB u. MAHRENHOLZ 2006).
3.2.3 Darstellung der Landoberflächen und Prozesse in REMO
Die Austauschprozesse von Energie-, Masse-, und Impulsflüssen zwischen Boden und
Atmosphäre finden an der Erdoberfläche statt und spielen eine entscheidende Rolle für die
Dynamik und Thermodynamik der Atmosphäre. Sie können genau wie subskalige Prozesse im
Modell nicht direkt abgebildet werden. Die Eigenschaften der Landoberflächen werden durch
Parametrisierungen ins Modell eingebunden. Um die Prozesse an der Landoberfläche adäquat zu
modellieren, ist eine möglichst „exakte“ Darstellung der Landoberfläche notwendig. Mit einer
Auflösung von 1 km wurde eine Verteilung von Hauptökosystemtypen nach Olsen festgelegt-
erhältlich durch das U.S. Geological Survey (vgl. HAGEMANN 2002). Die 1 km Daten werden für
die jeweilige Auflösung des Modells aggregiert. Jede Gitterbox hat dementsprechend eine
prozentuale Bedeckung der verschiedenen Olson- Landcover- Klassen. Diese Klassen werden in
REMO nicht direkt verwendet, sondern nur deren aufintegrierte Eigenschaften. Dabei werden
folgende Parameter zur Charakterisierung der Klassen verwendet:
• Albedo as
Als Albedo bezeichnet man den Anteil der reflektierten zur einfallenden kurzwelligen
Strahlung. Sie bestimmt, wieviel Energie am Boden durch Sonneneinstrahlung zur
Verfügung steht. Die Bodenalbedo und Vegetationsalbedo ergeben zusammen die
Hintergrundalbedo. Ein klimatologischer Jahresgang (monatliches Mittel mit linearer
Interpolation dazwischen) wurde eingeführt. Die Albedo variiert in Abhängigkeit zu der
Variation der LAI.
• Rauhigkeitslänge z0
Die Rauhigkeitslänge ist eine Funktion des turbulenten Austauschs von Impuls, Energie
und Feuchte zwischen Erdoberfläche und Atmosphäre. In Gegenden mit einer niedrigen
Orographie bestimmt oft der Vegetationsanteil die Rauhigkeitslänge. Die
•
Gesamtrauhigkeitslänge setzt sich aus der Varianz der Orographie z 0,oro und einem
Beitrag der Vegetation z0,veg zusammen.
Abhängig von der Rauhigkeitslänge ist u.a. die Höhe der Grenzschicht und die
Windgeschwindigkeit in Bodennähe.
Vegetationsanteil cv
Der Vegetationsanteil ist der Flächenanteil der Pflanzen in einer Gitterbox, die
photosynthetisch aktiv sind, und zeigt damit den Einfluss der Vegetation auf den Prozess
der Evapotranspiration.
Für den Vegetationsanteil wurden jeweils Werte für Wachstumszeit (cν g) und Ruhephase
(cν d) abgeleitet.
6

• Blattflächenindex LAI
Der Blattflächenindex stellt die einseitige Gesamtfläche der Blätter über einer
Einheitsfläche dar. Außerdem bestimmt der LAI die Aufnahmefähigkeit des
Niederschlags und den stomatären Widerstand.
Auch für den Blattflächenindex werden jeweils Werte für Wachstumszeit (LAIg) und
Ruhephase (LAId) abgeleitet.
• Waldanteil cf für Schneealbedo
Der Anteil an Wald in jeder Gitterbox wird unabhängig von physiologischer Aktivität der
Bäume definiert, d.h. es ist möglich, dass cv im Winter kleiner ist als cf bei
laubabwerfenden Pflanzen. Im Sommer und für immergrüne Pflanzen gilt durchgehend cf
≤ cv .Es wurde darauf geachtet, dass der Wald- und Vegetationsanteil kongruent sind.
Der Waldanteil wurde den Ökosystemklassen von Claußen et al (1994), basierend auf
den Beschreibungen von Olsen et al. (1983) zugewiesen.
• Feldkapazität Wcap, Nutzbare Feldkapazität Wava, Permanenter Welkepunkt Wpwp
(in mm)
Die Feldkapazität Wcap bezeichnet den Wassergehalt eines Bodens, der sich nach einer
Sättigung nach etwa zwei Tagen als Folge natürlicher Entwässerung einstellt. Die
nutzbare Feldkapazität Wava (wird in REMO nicht verwendet) ist die für Pflanzen
maximal nutzbare Menge an Wasser, bevor sie zu welken anfangen. Die nutzbare
Feldkapazität bestimmt also die maximale Bodenfeuchte, die potentiell der Atmosphäre
durch die Transpiration der Pflanzen zur Verfügung steht. Die Differenz zwischen Wcap
und Wava heißt permanenter Welkepunkt Wpwp. Der permanente Welkepunkt bezogen auf
die Feldkapazität wird als volumetrischer permanenter Welkepunkt fpwp bezeichnet.
Jedem Hauptökosystemtyp werden ein volumetrischer Welkepunkt und eine nutzbare
Feldkapazität zugeordnet.
In REMO wurde für den Blattflächenindex, den Vegetationsanteil und die Albedo ein
klimatologischer Jahresgang als monatliches Mittel mit linearer Interpolation für die
Zwischenzeiten eingeführt Dabei variiert der Jahresgang der Albedo in Abhängigkeit zu der
Variation der LAI. (vgl. HAGEMANN 2002, RECHID 2008 a,b, FRENGER 2008).
Thermische Prozesse im Boden
Der Wärmehaushalt des Bodens wird sowohl durch die Energiebilanz der Erdoberfläche, als
auch durch den Wärmetransport im Boden bestimmt.
Strahlungs- und Wärmebilanz stellen zusammen die Energiebilanz dar.
Die Strahlungsbilanz Q* setzt sich aus folgenden Termen zusammen (zur Erdoberfläche
gerichtete Flüsse sind positv, in die Atmosphäre gerichtete Flüsse sind negativ):
Q*= +K↓+K↑ +L↑ +L↑refl. + L↓ [W/m²]
K↓ direkte und diffuse Globalstrahlungsflussdichte [W/m²]
K↑ kurzwellige Reflexion [W/m²]
L↑ langwellige Ausstrahlung [W/m²]
L↑refl. langwellige Reflexion [W/m²]
L↓ langwellige atmosphärische Gegenstrahlung [W/m²]
7

Der Bilanzwert geht mit seinem Vorzeichen in die Energiebilanz ein, die sich zusammensetzt aus
den turbulenten Gliedern des latenten und sensiblen Wärmestroms, sowie dem
Bodenwärmestrom:
Q* - Qh - Qe - Qb = 0
Q* Strahlungsbilanz [W/m²]
Qh turbulente fühlbare Wärmeflussdichte [W/m²]
Qe turbulente latente Wärmeflussdichte [W/m²]
Qb Bodenwärmeflussdichte [W/m²]
Der Wärmehaushalt des Bodens wird in REMO wie folgt berücksichtigt: Der Boden wird in fünf
diskrete Schichten eingeteilt, deren Schichtdicke mit der Tiefe zunehmen. An der untersten
Bodenschichtgrenze wird ein Wärmefluss von Null angenommen, damit die Energiebilanz des
Erde- Atmosphäre- Systems ausgeglichen ist. Die Wärmediffusionsgleichung wird für diese fünf
Schichten gelöst. In REMO werden den jeweiligen Bodenarten Wärmekapazitäten zugeordnet,
die von der Bodentextur und dem Wassergehalt abhängen. Die Bodentexturen beruhen auf einem
FAO (Food and Agriculture Organisation)- Datensatz.
Hydrologische Prozesse im Boden
Die Wasserbilanz setzt sich aus folgenden Termen zusammen:
N = EInt + EBod + T+ A + ∆S
N Niederschlag [mm]
EInt Interzeptionsevaporation [mm]
EBod Evaporation von der Bodenoberfläche [mm]
T Transpiration [mm]
A Abfluss [mm]
∆S Speicheränderung [mm]
Der Boden, der Interzeptionsspeicher und der Schnee sind als Wasserspeicher implementiert.
Verdunstung findet also sowohl über den vegetationslosen Anteil der Gitterbox statt, als auch
über den Interzeptionsspeicher und über die Transpiration der Pflanzen. Der Bodenwasseranteil
wird beschrieben durch eine Bodenfeuchte, die durch Niederschlag und Schneeschmelze
bestimmt wird. Diese Feuchte wird nur durch Verdunstung der ersten 10 cm- Schicht verändert.
Weiter unten kann Wasser nur durch Transpiration verdunsten. Die Evapotranspiration ist durch
die Speicherkapazität begrenzt. Diese Größe wird den Landoberflächenparametern der
Hauptökosystemtypen entnommen. Die Werte basieren auf dem Datensatz von Patterson (1990),
der indirekt die Tiefe der Pflanzenwurzeln berücksichtigt. Die Aufteilung des Niederschlags in
Infiltration und Abfluss wurde mit dem Arnoschema weiterentwickelt, das berücksichtigt, dass
es Abfluss geben kann obwohl der Boden in einer Box nicht gesättigt ist (vgl. HAGEMANN 2006).
Wenn der Boden gesättigt ist, entsteht Oberflächenabfluss. Das Abflussschema berücksichtigt
die subskaligen Variationen der Feldkapazität über inhomogenem Terrain (vgl. DÜMENIL u.
TODINI 1992).
4. Hauptökosystemtypen im KLIMZUG- Nord Gebiet
Für unsere Untersuchung können die Hauptökosystemtypen auf Norddeutschland bzw. auf die
Metropolregion Hamburg eingegrenzt werden. Bei einer visuellen Analyse der Daten bleiben
8

neun Hauptökosystemtypen übrig, die die Landoberflächenparameter des KLIMZUG- Nord
Gebietes bestimmen (siehe Tabelle 1, Abb. 2- 10).
Abb. 2 Urban Abb. 3 Inland water
Abb. 4 Sea water Abb. 5 Cool Crops and Towns
Abb. 6 Cool Fields and Woods Abb. 7 Small Leaf mixed Woods
9

Abb. 8 Crops and Towns Abb. 9 Grass Crops
Neben den beiden anteilig größten Klassen
Grass Crops und Cool Crops and Towns sind
die Stadt Hamburg als Urban und die Elbe als
Inland water, bzw. die Elbmündung als Sea
water gut auszumachen. Ein weiterer anteilig
prägender Landschaftsökotyp ist Cool Fields
and Woods, der sich nordwestlich von
Hamburg parallel zur Elbe hinzieht. Eher
vereinzelt treten die Typen Crops and Towns,
Small Leaf mixed Woods und Crops, Grass and
Shrups auf. Eine Boxgenaue Analyse der
Landschaftsoberflächenparameter ist nicht
Abb. 10 Crops, Grass, Shrups
möglich, da die Plots aus Datenstrom 2 erstellt
sind, der nicht entrotiert ist und eine
horizontale Auflösung von 0,088° hat. Durch
die deutlichen räumlichen Schwerpunkte der verschiedenen Typen (viele Bereiche haben einen
Anteil an einem Hauptökosystemtyp von > 70%) können jedoch Tendenzen der Eigenschaften
von den Landschaftsoberflächen aufgezeigt werden.
Auffällig und gut zu erkennen ist die Stadt Hamburg, die drei Boxen mit einem Anteil von
> 50% (davon sogar zwei > 70 %) des urbanen Hauptökosystemtyps zeigt.
Urban zeichnet sich durch eine relativ hohe Albedo von 0,2 und eine sehr hohe Rauhigkeitslänge
(im Vergleich zu den anderen Klassen mit Abstand die höchste) aus. Die Parameter
Vegetationsbedeckung, Blattflächenindex, Waldbedeckung und nutzbare Feldkapazität gibt es in
einer Stadt nicht und sie betragen folglich 0.
See- und Inlandwasser sind mit dem gleichen Parametersatz charakterisiert. Die Werte für die
Albedo sind mit Abstand die niedrigsten. Da sich die Parameter auf Landoberflächen beziehen
sind die übrigen Parameter für See- und Inlandwasser 0. Die Rauhigkeitslänge stellt eine
‚Hintergrund‘-Rauhigkeit dar. Sie wird während der Simulation berechnet.
10

Da Small Leaf Mixed Woods und Crops and Town einen nur sehr geringen Anteil an den
Hauptökosystemtypen in den Gitterboxen einnehmen, werden sie hier in der Beschreibung
vernachlässigt.
Cool Crops and Towns unterscheidet sich in der Albedo nicht allzusehr von Cool Fields and
Woods und Grass Crops. Die Rauhigkeitslänge wurde bei Grass Crops auf 0,1 festgesetzt,
welches der niedrigste Wert der drei Typen ist. Den höchsten Wert erreicht Cool Crops and
Towns mit 0,25. Der Vegetationsbedeckungsgrad unterscheidet sich in der Wachstumszeit bei
den drei Typen nur minimal um 0,01. In der Ruhephase kann eine deutlichere Unterscheidung
vorgenommen werden. Beim LAI ist für die Wachstumsphase der gleiche Wert für Cool Crops
and Towns und Grass Crops angegeben. Bei Cool Fields and Woods liegt er höher bei 3,0. In der
Ruhephase hingegen wurden für Cool Crops and Towns und Cool Fields and Woods Werte
festgesetzt, die relativ nah beieinander liegt. Bei Grass Crops liegt er mit 1,1 etwas höher. Der
Waldbedeckungsanteil ist bei dem Typ Cool Fields and Woods mit 0,3 am höchsten, die
nutzbare Feldkapazität hingegen zeigt den niedrigsten Wert. Der volumetrische Welkepunkt liegt
bei den drei Typen wieder ähnlich.
Type Global
Ecosytems
Legend
as z 0,veg cν g cν d LAIg LAId cf Wava fpwp
1 Urban 0,2 2,5 0 0 0 0 0 0 0,48
14 Inland Water 0,07 0,0002 0 0 0 0 0 0 0
15 Sea Water 0,07 0,0002 0 0 0 0 0 0 0
30 Cool Crops and
Towns
0,18 0,25 0,9 0,14 2,5 0,74 0,14 280 0,475
31 Crops and Town 0,18 0,25 0,85 0,16 4,4 1,1 0,16 430 0,5
55 Cool Fields and
Woods
0,18 0,17 0,9 0,3 3 0,76 0,3 180 0,45
60 Small Leaf Mixed
Woods
0,15 1 0,47 0 3,7 0,1 0,47 130 0,43
93 Grass Crops 0,185 0,1 0,91 0,2 2,5 1,1 0,2 240 0,47
94
Crops, Grass
Shrups
0,19 0,1 0,65 0,33 2,7 0,4 0 530 0,46
Tabelle 1 Ausgewählte Global Ecosystem types of Olsen nach Hagemann 2002, die Werte für Wava sind in
mm, die von z0,veg in m angegeben
Es ist zu vermuten, dass sich Hamburg auf Grund seiner Landschaftsoberflächenparameter von
seinem Umland hervorhebt. Auch die Elbe wird sich wohl abzeichnen.
5. Stadtklima
5.1 Allgemeine Einführung
„Jede Stadt stellt im klimatologischen Sinn eine Art künstliche, vom Menschen geschaffene
Orographie dar. Durch ihre Anhäufung von Beton, Asphalt und Stein unterscheiden sich ihre
Eigenschaften in mannigfacher Weise vom freien Umland, unterscheidet sich die dichtbebaute
11

Innenstadt von den nur locker bebauten Außenbezirken“ (MAHLBERG 2007, S. 354). Städte
unterscheiden sich in Bezug auf ihre klimatischen und lufthygienischen Bedingungen von ihrem
Umland. Beeinflusst werden sowohl Wasser- als auch Strahlungs- und Wärmehaushalt. In der
Region KLIMZUG- Nord ist Hamburg als wachsende Metropole vorhanden, ebenso ein großer
Bereich ländlicher Räume. Die folgende Tabelle gibt einen Überblick über die verschiedenen
Einflussgrößen und ihre Veränderungen gegenüber dem nicht bebauten Umland.
Einflussgrößen Veränderungen
gegenüber dem nicht
bebauten Umland
Globalstrahlung (horizontale Fläche) Bis – 10 %
Albedo +/-
Gegenstrahlung Bis +10 %
Sonnenscheindauer
im Sommer
im Winter
Bis –8%
Bis – 10%
Sensibler Wärmestrom Bis +50%
Wärmespeicherung im Untergrund und
in Bauwerken
Lufttemperatur
Bis +40%
- Jahresmittel
~ +2K
- Winterminima
Bis +10 K
-
Wind
In Einzelfällen
Bis +15 K
- Geschwindigkeit
Bis – 20 %
- Richtungsböigkeit
Stark variierend
- Geschwindigkeitsböigkeit Erhöht
Luftfeuchtigkeit
Niederschlag
+/-
- Regen
Mehr (leeseitig)
- Schnee
Weniger
- Tauabsatz
Weniger
Bioklima, Vegetationsperiode Bis zu 10 Tage länger
Dauer der Frostperiode Bis – 30%
Tabelle 2 Ausgewählte Charakteristika des Stadtklimas einer
westeuropäischen Großstadt nach Kuttler 2009, verändert
auch eine erhöhte Absorption kurzwelliger Strahlung
Die mittlere Temperatur der Stadt ist
höher als die des umgebenden freien
Landes (städtische Wärmeinsel). Die
räumlichen Temperaturunterschiede
zwischen Stadt und Umland sind im
Einzelfall recht komplex und hängen
stark von der jeweiligen Wetterlage
ab. Allgemein lässt sich sagen, dass
sie umso ausgeprägter sind, je
wolkenärmer und schwachwindiger
es ist und je stabiler die bodennahe
atmosphärische Schichtung ist.
Der Aufbau einer städtischen
Wärmeinsel oder Urban Heat Island
(UHI) ist direkt mit dem Aufbau
einer urbanen Grenzschicht und der
darunter liegenden urbanen
Hindernisschicht verbunden. Diese
kann bis zu 100 m mächtig sein und
ist zum Großteil für UHI
verantwortlich.
Die städtische Wärmeinsel hat
folgende Ursachen:
- erhöhte Flächen- und
Mehrfachreflexion durch
hohe Gebäude und damit
- erhöhte Luftverschmutzung führt zu einer erhöhten langwelligen Gegenstrahlung, aber
auch zu einer verminderten Einstrahlung, Aerosole wirken abkühlend
- hohe Gebäude reduzieren den „Sky View“ Faktor, die langwellige Ausstrahlung wird
reduziert
- Verkehr und Gebäude stellen anthropogene Wärmequellen dar
- im Städtebau werden Materialen benutzt, die eine hohe Wärmkapazität besitzen und so
den fühlbaren Wärmefluss erhöhen
- die Versiegelung verringert die Verdunstung
- die abgeschwächte Windgeschwindigkeit verringert den turbulenten Wärmetransport
Diese Übertemperatur kann weiter ausdifferenziert werden hinsichtlich ihrer räumlichen,
tageszeitlichen und jahreszeitlichen Intensität. Im Jahresmittel liegt die Klimamitteltemperatur in
der Innenstadt bis zu 1,5 K über den Werten der Außenbezirke. Die größten
Temperaturunterschiede sind vor allem in der warmen Jahreszeit 3 bis 5 Stunden nach
Sonnenuntergang auszumachen. Eine UHI ist, wie schon erwähnt, nicht konstant- sie hat im
12

Gegenteil einen ausgeprägten Tagesgang. Kurz nach Sonnenaufgang führt eine stärkere
Erwärmung der ländlichen Umgebung zu einer Urban Cool Island (UCI). Im Laufe des Tages
kommt es zu einem Ausgleich der Temperaturen, d.h. die Unterschiede der Maximumtemperatur
sind eher gering im Gegensatz zur Minimumtemperatur.
Am Nachmittag folgt eine schnellere Abkühlung der ländlichen Umgebung, die nach
Sonnenuntergang nochmals ihre Abkühlung beschleunigt. Die Stadt hingegen gibt die Wärme
nur sehr langsam ab. Die Intensität einer städtischen Wärmeinsel ist proportional zum
Logarithmus der Einwohnerzahl und nimmt mit zunehmender Windgeschwindigkeit ab.
Bei einer Aufstellung der Wärmebilanz von der Stadt im Vergleich zum Umland fällt auf, dass
im Umland am Tag der Verdunstungswärmestrom über dem fühlbaren turbulenten Wärmestrom
dominiert. In der Stadt ist dieser Zusammenhang genau umgekehrt. Hinzu kommt bei der Stadt
ein nicht unerheblicher Anteil an anthropogener Wärme, der im Umland fehlt. (vgl. HOFFMANN
2009, MAHLBERG 2007)
Im Kerngebiet der Städte sind i.d.R. 70- 80% der vorhandenen Fläche bebaut. Nur 10-30% sind
Freiflächen, die am Versickerungsprozess beteiligt sind und den Grundwasserspiegel regulieren.
Von versiegelten Flächen gelangt das Wasser dagegen direkt in die Kanalisation und verlässt
durch die Einleitung in Flüsse rasch das Gebiet. Weitere Unterschiede sind bei der Verdunstung
auszumachen: auf versiegelten Flächen findet eine beschränkte Verdunstung statt. Auf freien
Flächen läuft auf Grund der natürlichen Bodenfeuchte die Verdunstung kontinuierlich ab. Im
Sommer sind hier ausgeprägtere Unterschiede als im Winter festzustellen. Die Innenstadt zeigt
sich als ein ausnehmendes Trockengebiet- die relative Feuchte steigt in den Außenbezirken
wieder an. Die Stadt hat eine erheblich größere Bodenrauhigkeit im Vergleich zum Umland:
Durch eine erhöhte Reibung wird die Windgeschwindigkeit abgeschwächt, außerdem hat die
Stadt einen Effekt auf die Vertikalkomponente der Luft: sie wird bei dem Überströmen der
Baukörper zum Aufsteigen gezwungen. Ein weiterer kleinerskaliger Effekt ist die erhöhte
Turbulenz durch die vielen Strömungshindernisse in der Stadt. Hieraus wird ersichtlich, welch
ein komplexes Wirkungsgefüge ein Stadtklima ausmacht (vgl. KUTTLER 2009, HUPFER u.
KUTTLER 2006).
Die Intensität der Klimaveränderungen in einer Stadt hängt von den baulichen Eigenarten der
Stadt und vom übergeordneten Klima ab (vgl. MALBERG 2007).
5.2 Stadtklima Hamburg
Hamburg ist mit rund 1,8 Mio. Einwohnern und einer Fläche von 775 km 2 die zweitgrößte Stadt
Deutschlands. Hamburg liegt im Norden Deutschlands und ist ca. 80 km von der Ostsee und 100
km von der Nordsee entfernt. Der maritime Einfluss führt zu einem gemäßigten Jahresgang der
Temperatur: die Winter sind mild mit wenig Schnee, die Sommer moderat warm. Kältester
Monat ist der Januar, der wärmste Monat Juli.
Hamburg ist als Stadt auffällig grün mit vielen Parks und Straßenbäumen.
Das im Folgenden vorgestellte Stadtklima von Hamburg ist u.a. in Schlünzen (2009), Hoffmann
(2009) und Schlünzen et al (2009) beschrieben. Als Wärmeinsel zeigt Hamburg im Vergleich
zum Umland in der Minimumtemperatur wesentlich größere Differenzen als in der
Maximumtemperatur. Dies ist wie schon erwähnt auf eine bessere Wärmespeicherung der
Gebäude zurückzuführen. Der größte Stadteinfluss auf das Klima ist in den Monaten April bis
Oktober mit bis zu 3 K höherer Minimumtemperatur festzustellen.
13

In den Wintermonaten ist die solare Strahlung gering- eine UHI kann zumindest durch
anthropogene Wärme entstehen. Die Minimumtemperatur ist bis > 1.5 K und die Maximumtemperatur
~0,5 K höher als in der ruralen Umgebung.
Das Muster der Temperaturunterschiede ist nur wenig von der Windgeschwindigkeit beeinflusst.
Jedoch ist festzuhalten, dass, je höher die Windgeschwindigkeit ist, desto niedriger sind die
Temperaturdifferenzen des urbanen Effektes. Sie bleiben unter 0.6 K für Windgeschwindigkeiten
> 6 m/s.
5.3 Prozesse in einer Stadt und deren Berücksichtigung in REMO
Bei der Betrachtung der Energiebilanz einer Stadt fällt auf, dass ein wichtiger Term, nämlich der
anthropogene Wärmefluss, in REMO nicht implementiert ist. Dies dürfte vor allem
Auswirkungen auf Temperaturunterschiede zwischen Stadt und Umland im Winter haben. Auch
nachts dürfte die Erwärmung der Stadt nicht allzu sehr auffallen. Die besonderen Eigenschaften
einer Stadt verändern auch andere Terme der Energiebilanz.
In REMO werden den jeweiligen Bodenarten (Sand, lehmiger Sand, Lehm, lehmiger Ton, Ton,
Torf), die als feste untere Randbedingungen im Modell vorhanden sind, bestimmte
Wärmekapazitäten zugeordnet, die abhängig vom Wassergehalt sind. Anthropogene Materialen,
wie z.B. Beton oder Asphalt, unterscheiden sich in ihren thermischen Eigenschaften von
natürlichen Flächen (siehe Tabelle 3).
Material Anmerkungen Wärmeleitfähigkeit
W/m*K
Wärmespeicherzahl
(Wärmekapazität)
J/(m³*K)*10 6
Asphalt 0,75 1,94 1205
Beton Gasbeton 0,08
0,28
150
Schwerbeton 1,15
2,11
1785
Backstein durchschnittl. 0,83 1,37 1065
Sandboden
trocken 0,3
1,28
620
(40%Porenvolumen) gesättigt 2,2
2,96
2550
Lehmboden trocken 0,25
1,42
595
(40%Porenvolumen) gesättigt 1,58
3,10
2215
Wasser 4°C unbewegt 0,57 4,2 1545
Tabelle 3 Thermische Eigenschaften künstlicher und natürlicher Materialien nach Kuttler 2009
Wärmeeindringkoeffiziet
J/m²*s 0.5 *K
Ein wichtiger Punkt ist dabei die Bodenfeuchte, die die thermischen Eigenschaften der Böden
verändert (siehe Tabelle 3). Bei einem feuchten Boden stellen sich an der Oberfläche durch
Evaporation (latente Wärme) niedrigere Temperaturen ein. Es wird also weniger Energie über
die Wärmestrahlung und den turbulenten Wärmestrom an die Atmosphäre abgegeben.
Asphalt ist eine typische urbane Flächenversiegelung. Wenn man Asphalt mit einem trockenen
Lehmboden vergleicht, sind die Wärmeleitfähigkeit und der Wärmeeindringkoeffizient von
Asphalt (mehr als) dreifach erhöht. Das hat folgende Gründe: Asphalt absorbiert aufgrund seiner
überwiegend dunklen Farbe viel kurzwellige Strahlungsenergie und gibt diese sowohl über die
langwellige Ausstrahlung als auch über den turbulenten sensiblen Wärmestrom in die Luft ab.
Auch der Bodenwärmestrom ist erhöht. Im Gegensatz zu natürlichen Flächen erfolgt bei Asphalt
kein Energietransport über Verdunstung, dem zufolge sind natürliche Oberflächen, die meistens
Feuchte enthalten, in der Regel kühler.
14

Zusammenfassend kann man sagen, dass folgende Terme die Energiebilanz einer Stadt im
Gegensatz zum Umland ändern: Die reflektierte kurzwellige Strahlung, die ausgehende
langwellige Strahlung, die latente Wärme, der Bodenwärmestrom, die fühlbare Wärme und
hinzukommend der anthropogene Wärmestrom.
Die Einbeziehung der besonderen Eigenschaften anthropogener Materialen als „Stadtboden“
würde womöglich einer verbesserten Darstellung von Stadtklimaten dienen.
Der hydrologische Prozess ist ein weiterer wichtiger Prozess, der sich auf urbanen Oberflächen
verändert. Ein besonders wichtiges Merkmal einer Stadt ist die Versiegelung. Sie bestimmt u.a.
Evaporation (und damit eine weitere Beeinflussung auf den Wärmehaushalt), oberirdischen und
unterirdischen Abfluss und Vegetationsanteil. In REMO ist die Versiegelung durch die
Feldkapazität dargestellt. Für urbane Flächen ist die Feldkapazität 0. Desweitern ist auch keine
Pflanzenbedeckung vorhanden. Damit sind sowohl der Abfluss, die Versickerung als auch die
Evaporation bestimmt, d.h. eine urbane Fläche hat eine geringere Evaporation und geringeren
unterirdischer Abfluss, einen hohen Oberflächenabfluss nach Regen und einen geringen
Bodenwassergehalt.
Mit der Rauhigkeitslänge in den Landschaftsoberflächenparametern der Hauptökosystemtypen
wird eine Veränderung der Windgeschwindigkeit erzeugt. Die Rauhigkeitslänge für den
Ökosystemtyp Urban ist mit 2,5 m festgesetzt. Allerdings besteht eine Landschaftsoberfläche
meist nicht zu 100% aus dem Typ Urban sondern wird, wie schon in Kapitel 4 beschrieben,
aggregiert. Dennoch ist die Variabilität einer Stadt, die Höhe betreffend, nicht abgebildet. Eine
subskalige Einbeziehung der Variabilität der Rauhigkeitslängen urbaner Flächen wäre
wünschenswert.
6. Datenanalyse 1
Um Aussagen über den Einfluss der Landschaftsoberflächenparameter auf atmosphärische
Größen zu treffen, wurden Plots verschiedener Parameter qualitativ ausgewertet. Eine besonders
interessante Frage in der Metropolregion Hamburg ist die Frage nach den Auswirkungen der
Stadt auf atmosphärische Größen: Kann man z.B. die Stadt Hamburg als städtische Wärmeinsel
überhaupt erkennen? Und darauffolgend: Wie machen sich die Unterschiede von Elbe, Umland
und Hamburg in der Strahlungsbilanz bzw. im Wasserhaushalt bemerkbar? Sind noch weitere
stadttypische Effekte auf atmosphärische Größen zu erkennen?
Als erstes habe ich mich auf die Frage konzentriert, ob Hamburg als städtische Wärmeinsel in
den Plots zu erkennen ist.
1 Anmerkung: Die Daten, die verwendet wurden, stimmen nicht mit Beobachtungsdaten der angegebenen Jahre
überein. Auch der C20 Klimalauf ist eine Projektion, d.h. er stellt das Klima nur im Mittel dar. Es kann nicht
tagesgenau mit Beobachtungsdaten verglichen werden.
Die Analyse beschränkt sich auf den Versuch, an Hand von ausgewählten Tagen (bzw. Zeitabschnitten) den Einfluss
der Oberfläche auf die atmosphärischen Größen darzustellen.
Durch die Wahl der qualitativen Analyse ist die Aussagekraft der Analyse begrenzt. Um allgemein gültige Aussagen
über Tendenzen zu treffen, wäre eine statistische Analyse notwendig.
Die Gebietsbeschränkungen, die im Kapitel noch erläutert werden, sind begründet ausgewählt (siehe
Auswahlkriterien). Sie stellen aber auch das räumliche Mittel einer Gitterbox dar, bzw. für meine Gebietsauswahl
„Wiese“, „Elbe“ und „Hamburg“ das räumliche Mittel der jeweils vier Gitterboxen.
Die Uhrzeit ist immer in UTC.
Alle Daten stammen aus der CERA Datenbank (JACOB u. MAHRENHOLZ 2006).
15

Da städtische Wärmeinseln im Sommer stärker ausgeprägt sind, habe ich bei der Datenauswahl
zuerst einen besonderen Schwerpunkt auf das Sommerhalbjahr (April bis Oktober) gelegt. Eine
weitere Einschränkung hinsichtlich der Datenauswahl war mittels Zeitreihenplots des
kumulierten Tagesniederschlags zu treffen, um eine Beeinflussung von Prozessen durch
Niederschlag auszuschließen. Ein zweiter Schritt war die Auswahl von schwachwindigen Tagen
(bis zu einer Windstärke von 3,3 m/s bzw. bis Beaufort 2).
Beaufortgrad
Bezeichnung Mittlere Windgeschwindigkeit
in 10m
Höhe über freiem Gelände
in m/s
0 Windstille 0- 0,2
1 leiser Zug 0,3- 1,5
2 leichte Brise 1,6- 3,3
3 schwache Brise,
schwacher Wind
3,4- 5,4
4 mäßige Brise,
mäßiger Wind
5,5- 7,9
5 frische Brise,
frischer Wind
8,0 – 10,7
6 starker Wind 10,8- 13,8
7 steifer Wind 13,9- 17,1
8 stürmischer Wind 17,2- 20,7
9 Sturm 20,8- 24,4
10 schwerer Sturm 24,5- 28,4
11 orkanartiger Sturm 28,5- 32,6
12 Orkan ab 32,7
Tabelle 4 Beaufort- Skala, verändert nach DWD 1996- 2009
ausgemacht (z.B. 6.10.1960, genauere Analyse notwendig).
Ich erstellte zuerst Plots mit dem
Tagesmittel der 2m Temperatur.
Nach der Auswahl eines
Sommertages (1.8.1978), bei dem
die Wärmeinsel gut sichtbar ist,
wurden die Daten nach Wärmeinseln
im Winter analysiert. Dabei wurde
die Mitteltemperatur der 2m
Temperatur auf Wärmeinseln in der
Periode 1960 –1970 durchsucht,
zunächst ohne Berücksichtigung der
Windgeschwindigkeit und des
Niederschlags. Nach einer visuellen
Analyse wurden keine Wärmeinseln
gefunden (sehr selten Kälteinseln,
auf die ich nicht näher eingehe). Das
erste Auftreten einer UHI fand Ende
April statt (z.B. 26.4.1968, genauere
Analyse notwendig) das späteste
Auftreten wurde Anfang Oktober
Um eine mögliche Ursache für das Ausbleiben einer Wärmeinsel im Winter festzustellen, wurde
ein relativ kalter schwachwindiger Wintertag ohne Niederschlag über Hamburg ausgesucht
(20.12.1961).
(Plots der 2m Temperatur, des Niederschlags, der Windrichtung und der Windgeschwindigkeit
jeweils Tagesmittelwerte/ Tagessummen vom 1.8.1978 vom 20.12.1961 im Vergleich siehe Abb.
11-18)
Abb. 11 2m Temperatur am 1.8.1978 Abb. 12 2m Temperatur am 20.12.1961
16

Abb. 13 Niederschlag am 1.8.1978 in kg/m² Abb. 14 Niederschlag am 20.12.1961 in kg/m²
Abb. 15 Windgeschwindigkeit am 1.8.1978 Abb. 16 Windgeschwindigkeit am 20.12.1961
Abb. 17 Windrichtung am 1.8.1978 (O) in Grad Abb. 18 Windrichtung am 20.12.1961 (SO) in Grad
17

Um Unterschiede in Bezug auf die Temperatur und den Strahlungshaushalt im Tagesverlauf
festzustellen, wurden jeweils 4 Boxen (Mindestanzahl, die bei REMO analysiert werden soll) mit
jeweils großem Stadtanteil, großem Wasseranteil und großem Wiesenanteil herausgesucht. Die
Boxen für Hamburg wurden nach visueller Analyse der Rauhigkeitslänge, sowie der Land-
Wasser- Verteilung und dem Vegetationsanteil ausgesucht.
Der Flussanteil wurde nach der Land- Wasser- Verteilung ausgesucht. Bei den Wiesen- Boxen
Längengrad Breitengrad
Hamburg 9.95,10.05 53.55,53.65
Elbe 8.95, 9.05, 53.85,53,95
Wiese 9.55, 9.65 53.95,54.05
Tabelle 5 Gitterboxen Elbe, Wiese, Hamburg
Elbe
Wiese
Abb. 19 Waldanteil
Hamburg
(bzw. Umland) wurden die vier Boxen nach
möglichst wenig Waldanteil, geringer
Rauhigkeitslänge und der Land- Wasser- Verteilung
ausgewählt (siehe Abb. 19-22, Tabelle 4).
Abb. 20 Vegetationsanteil (Juli)
Abb. 21 Rauhigkeitslänge Abb. 22 Land- Wasser Verteilung
18

Eine genauere Untersuchung der Wärmeinsel im Sommer bzw. die Frage, ob nicht doch eine
Wärmeinsel im Winter vorhanden ist, wird durch eine Analyse der Maximum- und
Minimumtemperatur in den Sommer- und Winterperioden der ausgewählten Tage, also
Juli/August 1978 und Dezember 1961, durchgeführt.
Um eine eventuell bestehende Abhängigkeit der Wärmeinsel von Niederschlag, Windrichtung
und Windgeschwindigkeit festzustellen, wird zusätzlich eine Zeitreihe über die Periode von
einem Monat (1.6.1960- 30.6.1960) analysiert.
Zum Abschluss wird eine Momentaufnahme des Wasserhaushaltes an einem Sommer- und
Wintertag analysiert.
6.1 Wärmeinsel im Sommer im Vergleich zum Winter
Im Sommer 1978 sieht man sehr deutlich Wärmeinseln (siehe Abb. 23). Wenn man sich einen
Tag genauer anschaut, in diesem Fall den 1.8.1978 (siehe Abb. 24), kann man gut erkennen, dass
die Stadt sowohl tagsüber als auch nachts wärmer als ihre Umgebung ist. Dabei zeigt sie eine
ähnliche Verlaufskurve wie das Umland. Die Elbe hat eine deutlich niedrigere Temperatur und
auch eine kleinere Amplitude. Man kann also sagen, dass die Wärmeinsel, die man sieht, nicht
den für sie typischen Tagesverlauf hat, wie in der Literatur beschrieben und empirisch
beobachtet. Um dies nicht nur für einen Tag zu belegen, sondern für einen längeren Zeitraum,
habe ich mir die Minimum- und Maximumtemperaturen in der Periode vom 15.7.- 15.8.1978
angesehen (siehe Abb. 25, 26). Bei typischen Tagesverläufen müssten die
Minimumtemperaturen deutlich mehr voneinander abweichen als die Maximumtemperatur. Dies
ist aber nicht der Fall.
Abb. 19 2m Temperatur 15.7. - 15.8.1978
19

Abb. 20 2m Temperatur 1.8.1978
Abb. 21 2m Minimumtemperatur 15.7. - 15.8.1978
20

Abb. 22 2m Maximumtemperatur 15.7. - 15.8.1978
Im Winter konnte ich auf dem Plot der Tagesmitteltemperatur keine Wärmeinsel ausmachen.
Wenn man sich die Werte in dem Zeitraum vom 1.12.1961 bis 31.12.1961 anschaut (siehe Abb.
27), ist ebenfalls keine Wärmeinsel auszumachen. Auffällig ist allerdings die Elbe, die mit einer
höheren Temperatur meist gut zu erkennen ist.
Abb. 23 2m Temperatur 1.12. - 31.12.1961
21

Untersucht man einen Tag im Dezember (ohne Niederschlag und mit hoher
Windgeschwindigkeit), wird ein typischer Tagesverlauf einer Wärmeinsel sichtbar, allerdings
mit sehr geringen Temperaturunterschieden (z.T.

Wenn man sich die Minimumtemperaturen für den Zeitraum ansieht (Maximumtemperaturen
haben den gleichen Kurvenverlauf), kann man an den unregelmäßigen Kurven erkennen, dass im
Winter sehr stark Wetterlagen die Temperaturen bestimmen (siehe Abb. 30). Bei einer genaueren
Betrachtung der Minimumtemperatur in dem Zeitabschnitt vom 15.12 bis 23.12.1960 ist zu
erkennen, dass die Stadt tagsüber z.T. höhere Minimumtemperaturen als das Umland hat,
allerdings mit äußerst geringen Differenzen (z.T. < 0,25°C). Desöfteren sind die
Minimumtemperaturen der Stadt auch niedriger als die des Umlands. Auch nachts zeigt sich
keine Regelmäßigkeit (siehe Abb. 31).
Zusammenfassend kann man sagen: Im Winter überdecken Wetterlagen in großem Maße den
Einfluss des Untergrundes, besonders bei einem Vergleich von Stadt und Umland. Auch die
geringe Einstrahlung (siehe Abb. 32) im Winter ist ein Grund dafür, dass sich keine Wärmeinsel
ausbildet.
Abb. 26 2m Minimumtemperatur 1.12. - 31.12.1961
23

Abb. 27 2m Minimumtemperatur 15.12. - 23.12.1961
6.2 Vergleich: Winter- und Sommertag in der Strahlungsbilanz 2
Die Abbildungen 32- 41 zeigen den Tagesverlauf der Energiebilanzterme für Hamburg, Umland
(Wiese) und Elbe im Vergleich. Abgebildet wurden jeweils die Bilanz der langwelligen
Strahlung sowie der kurzwelligen Strahlung, der latente Wärmestrom, der fühlbare Wärmestrom
und der Bodenwärmestrom (bzw. das Residuum).
Bilanz der kurzwelligen Strahlung (siehe Abb. 32, 33)
Im Tagesverlauf des 1.8. 1978 fällt im Gegensatz zum Tagesverlauf des 20.12.1961 das hohe
Maximum von rund 698 W/m² auf. Der Maximalwert vom Wintertag liegt hingegen nur
bei rund 135 W/m².Auf Grund des Sommerhalbjahres dauert die kurzwellige Strahlung ca.
21 Stunden an, im Winter hingegen nur acht Stunden. Der höchste Wert wird jeweils um 12
UTC erreicht. Die Differenzen bei den Kurven im Winter liegen an dem verschiedenen
Auftreffen der Globalstrahlung: In Hamburg trifft mehr kurzwellige Strahlung auf. (Diese
Erkenntnis wurde aus einer anderen Grafik gezogen, die hier nicht abgebildet wurde.)
Am 1.8.1978 trifft an allen drei Orten gleichviel Strahlung auf. Deutlich zu sehen ist, dass die
Strahlungsbilanz für das Umland geringer ist als für die Elbe und Hamburg, die den gleichen
Kurvenverlauf haben. Ursache hierfür ist die Albedo.
Bilanz der langwelligen Strahlung (siehe Abb. 34, 35)
Bei der langwelligen Nettostrahlung sieht man im Winter (Abb. 34) einen großen
Unterschied beim Vergleich der Kurven von der Elbe zu den Kurven von Wiese und Stadt.
Sie erreicht bei rund -93 W/m² den Minimumwert und hat eine geringere Amplitude als die
2 Alle Strahlung, die von der Atmosphäre auf den Boden trifft, hat ein positives Vorzeichen. Die Strahlung, die gen
Atmosphäre gerichtet ist, hat ein negatives Vorzeichen. Der Bodenwärmestrom hat ebenfalls ein negatives
Vorzeichen.
24

Kurven von Wiese und Stadt. Die Elbe gibt also am meisten langwellige Strahlung an die
Atmosphäre ab.
Im Tagesverlauf des 1.8. 1978 erreicht die Stadt Hamburg einen Minimumwert von rund
–112 W/m². Die Kurve der Elbe zeigt wiederum eine geringere Amplitude und die höchsten
Werte, d.h. hier dreht sich das Verhältnis um und Hamburg gibt am meisten langwellige
Strahlung an die Atmosphäre ab. Wasser wirkt also, wie zu erwarten, als ausgleichendes
Element auf Grund seiner spezifischen Eigenschaften (Wärmeleitfähigkeit und
Wärmekapazität).
Latenter Wärmefluss (siehe Abb. 36, 37)
Im Tagesverlauf vom 20.12.1961 hat die Elbe eine Kurve mit dem höchsten latenten
Wärmefluss. Die Kurve weist ebenfalls eine geringere Amplitude auf als die Kurven der
Stadt und des Umlands.
Die höchsten Werte erreichen die Kurven um 12 Uhr. Zu diesem Zeitpunkt können Hamburg
und Elbe den höchsten latenten Wärmefluss aufweisen. Insgesamt ähnelt sich der Verlauf der
Kurven von Wiese und Stadt, nur dass Hamburg einen höheren latenten Wärmefluss zeigt als
das Umland.
Im Tagesverlauf vom 1.8.1978 fällt sofort auf, dass das Umland mittags einen größeren
latenten Wärmefluss hat als die Elbe. Der Grund dafür ist die, im Verhältnis zu Hamburg und
Umland, relativ niedrige Temperatur der Elbe (siehe Abb. 24). Bei einem geringen
Sättigungsdefizit in der Luft kann diese weniger Feuchte aufnehmen. Die Wiese hat mit
Abstand die größte Amplitude. Der latente Wärmestrom von Hamburg ist, wie zu erwarten,
am geringsten und das auch trotz höchster Oberflächentemperatur. Nachts liegen die Kurven
etwa alle auf gleichem Niveau (um 0 W/m²).
Fühlbarer Wärmefluss (siehe Abb. 38, 39)
Der Tagesverlauf vom 20.12.1961 zeigt den größten fühlbaren Wärmestrom für die Elbe.
Auffällig ist hier der unregelmäßige Verlauf der Kurve mit keinem eindeutig niedrigsten
Wert. Die Amplitude ist bei allen Kurven gering. Eine weitere Auffälligkeit ist, dass die
Kurven für Stadt und Umland im positiven Wertebereich liegen. Das liegt an der, im
Vergleich zur Landoberfläche, wärmeren Atmosphäre.
Am 1.8. 1978 erkennt man, dass Hamburg eindeutig die größte Amplitude und die höchsten
Werte hat, d.h. am meisten Energie in fühlbare Wärme umwandelt. Dies hängt sicher mit
dem Landschaftsoberflächenparameter der Vegetation zusammen, da der Hauptökosystemtyp
Urban (mit Vegetationsparametern =0) keine Vegetation hat, die durch Transpiration Energie
in latente Wärme umwandeln kann (siehe Latenter Wärmefluss). Obwohl Hamburg nicht nur
durch den Ökosystemtyp Urban gekennzeichnet ist, weist die Stadt im Vergleich zum
Umland einen geringeren Vegetationsanteil auf (siehe Abb. 20).
Die Elbe hingegen wandelt am wenigsten Energie in fühlbare Wärme um.
Bodenwärmestrom 3 bzw. Residuum (siehe Abb. 40, 41)
Der Tagesverlauf vom 20.12.1961 zeigt, dass die Kurve der Elbe insgesamt im positiven
Bereich liegt, d.h. die Elbe gibt permanent Wärme ab. Die Kurven für Hamburg und das
Umland liegen sehr nah beieinander. Allerdings sind ihre Kurven ab ungefähr 10 Uhr ca. vier
Stunden im negativen Bereich, d.h. die Wärme fließt in den Boden.
Am Tagesverlauf des 1.8. 1978 erkennt man einen besonders hohen Bodenwärmestrom der
Elbe, der hier die größte Amplitude hat. Dies erklärt vielleicht den relativ geringen Anteil an
latentem Wärmefluss.
3 Der Bodenwärmestrom bzw. das Residuum wurde aus den Termen der Energiebilanz errechnet (siehe Kapitel
3.2.3). Hinzuzufügen ist außerdem, dass, von wissenschaftlicher Seite aus gesehen, der Bodenwärmestrom immer
über einen längeren Zeitraum betrachtet werden muss.
25

Die Stadt hat eine Kurve mit einer etwas größeren Amplitude als das Umland. Alle Kurven
zeigen an, dass nachts eine leichte Abgabe von Wärme vorhanden ist (Wert liegt bei 40
W/m²).
26

Abb. 28 Bilanz der kurzwelligen Strahlung 20.12.1961
Abb. 29 Bilanz der kurzwelligen Strahlung 1.8.1978
27

Abb. 30 Bilanz der langwelligen Strahlung 20.12.1961
Abb. 31 Bilanz der langwelligen Strahlung 1.8.1978
28

Abb. 32 Latenter Wärmefluss 20.12.1961
Abb. 33 Latenter Wärmefluss 1.8.1978
29

Abb. 34 Fühlbarer Wärmefluss 20.12.1961
Abb. 35 Fühlbarer Wärmefluss 1.8.1978
30

Residuum
Abb. 36 “Bodenwärmestrom” bzw. Residuum 20.12.1961
Residuum
Abb. 37 “Bodenwärmestrom” bzw. Residuum 1.8.1978
31

6.3 Prüfung der Abhängigkeit der Wärmeinsel von Windgeschwindigkeit,
Windrichtung und Niederschlag (Analyse des Zeitraumes 1.6.1960 -
1.7.1960)
Um eine Abhängigkeit der Wärmeinsel von Windrichtung, Windgeschwindigkeit und
Niederschlag zu belegen oder auszuschließen, habe ich eine Sommerperiode dargestellt (einen
Monat), in der eine Wärmeinsel auftritt und dazu sowohl Niederschlag als auch Windrichtung
und Windgeschwindigkeit betrachtet. Wenn man sich im Juni 1960 z.B. die Zeit vom 22. Juni bis
25.Juni anschaut, so ist trotz eines Mindestniederschlags von 2 mm eine Wärmeinsel vorhanden
(siehe Abb. 42, 43). Um auszuschließen, dass der Niederschlag nicht über Hamburg niederging,
habe ich einen Plot vom 24.6.1960 mit einem Tagesmittelwert des Niederschlags erstellt, auf
dem gut erkennbar ist, dass es auch in Hamburg zu einem Niederschlagsereignis kam (siehe Abb.
44).
Allerdings scheint es ab einer bestimmten Höhe des Niederschlags doch Auswirkungen auf die
Wärmeinsel zu geben: Wenn man die Tage mit den Niederschlagsspitzen betrachtet (14.6. und
19./20.6.1960), sind im Temperaturverlauf keine Wärmeinseln zu sehen.
Die Wärmeinsel ist unabhängig von der Windrichtung (siehe Abb. 45). Bei einer Betrachtung
von zwei Beispieltagen (am 12.6.1960 weht der Wind aus SO und am 17.6.1960 aus WNW) ist
an beiden Tagen eine Wärmeinsel erkennbar. Die Windgeschwindigkeit liegt bei beiden Tagen
um 3,5 m/s.
Die Windgeschwindigkeit (siehe Abb. 46) scheint, wie der Niederschlag, ab einer bestimmten
Höhe Auswirkungen auf die Wärmeinsel zu haben. Wenn man sich wieder die Tage mit den
Windspitzen anschaut (21.6. und 28.6.1960), sind keine Wärmeinseln auszumachen. Allerdings
ist z.B. am 4.6.1960 (mit einer Windgeschwindigkeit von immerhin 5,6 m/s) eine Wärmeinsel
vorhanden.
Abb. 38 2m Temperatur vom 1.6.- 30.6.1960
32

Abb. 39 Niederschlag vom 1.6.- 30.6.1960 in kg/m² Abb. 40 Niederschlag am 24.6.1960 [kg/m²]
Abb. 41 Windrichtung vom 1.6.- 30.6.1960 in Grad
33

Abb. 42 Windgeschwindigkeit vom 1.6.- 30.6.1960 in m/s
6.4 Vergleich: Wasserhaushalt an einem Winter- und an einem Sommertag
Bei einer Betrachtung des Wasserhaushaltes vom 20.12.1961 und vom 1.8.1978 muss
berücksichtigt werden, dass es an diesen Tagen nicht geregnet hat (siehe Abb. 13, 14).
Die ersten Abbildungen zeigen den unterirdischen Abfluss (siehe Abb. 47,48). Der 20.12.1960
zeigt keinen unterirdischen Abfluss (Minimum- und Maximumwerte betragen jeweils 0), der
Grund dafür ist der Bodenfrost. Am 1.8.1978 sieht man deutlich, dass Hamburg im Vergleich zu
seiner Umgebung in wenigstens einer Gitterbox weniger unterirdischen Abfluss zeigt. Der
Oberflächenabfluss ist in weiten Teilen des Gebietes nicht vorhanden (siehe Abb. 49, 50). Am
1.8.1978 weisen die höchsten Werte Zahlen im Bereich von 10 –7 kg/m² auf. Ähnlich sieht es
beim Interzeptionsspeicher aus (siehe Abb. 51,52). Die Werte liegen sowohl am 20.12.1962 als
auch am 1.8.1978 in sehr niedrigen Bereichen und sind zu vernachlässigen. Bei den beiden Plots,
die den Bodenwassergehalt zeigen (siehe Abb. 53,54), kann man sowohl am 20.12.1961 als auch
am 1.8.1978 wieder sehr deutlich die Stadt Hamburg mit niedrigem Wassergehalt erkennen. Die
Evaporation zeigt für den Wintertag deutlich niedrigere Werte als für den Sommertag. Hamburg
hat im Winter etwas höhere Werte für bei der Evaporation als das Umland. Ganz deutlich sieht
man die Elbe mit einer hohen Evaporation hervortreten (siehe Abb. 55). Am 1.8.1978 zeigt
Hamburg eine deutlich niedrigere Evaporation als seine Umgebung (siehe Abb. 56). Auch die
Elbe tritt deutlich hervor; interessant ist, dass sie eine niedrigere Evaporation als das Umland hat,
was vermutlich an der niedrigeren Oberflächentemperatur liegt und mit dem Plot vom latenten
Wärmefluss der Elbe (siehe Abb. 37) im Vergleich zum Umland passt.
34

Abb. 43 Unterirdischer Abfluss am 20.12.1961 in kg/m² Abb. 44 Unterirdischer Abfluss am 1.8.1978 in kg/m²
Abb. 45 Oberflächenabfluss am 20.12.19 in kg/m² Abb. 46 Oberflächenabfluss am 1.8.1978in kg/m²
Abb. 47 Interzeptionsspeicher am 20.12.1961 in m Abb. 48 Interzeptionsspeicher am 1.8.1978 in m
35

Abb. 49 Bodenwassergehalt 20.12.1961 in m Abb. 50 Bodenwassergehalt 1.8.1978 in m
Abb. 51 Evaporation am 20.12.1961 in kg/m² Abb. 52 Evaporation am 1.8.1978 in kg/m²
7. Zusammenfassung und Ausblick
Die Frage, ob in REMO ein Einfluss des Untergrundes auf atmosphärische Größen zu sehen ist,
kann eindeutig bejaht werden. Die Stadt Hamburg ist bei der Untersuchung von mehreren
Parametern auf vielen Plots zu erkennen (2m Temperatur, Windgeschwindigkeit, Evaporation).
Im Vergleich von Stadt, Umland und Elbe konnten eindeutige Unterschiede festgehalten werden,
deren Ursachen die unterschiedlichen Oberflächenparameter sein müssen. Allerdings muss
festgehalten werden, dass z.B. eine Stadt nicht mit all ihren Prozessen implementiert ist. In der
Energiebilanz wurde der Term anthropogene Wärme nicht berücksichtigt. Auch eine
stadtspezifische Wärmekapazität und die Wärmeleitung von künstlichen Materialen, wie Asphalt
oder Beton, wurden nicht weiter aufgenommen. Dies hat Auswirkungen auf den Wärmehaushalt
der Stadt. So ist z.B. zwar eine Wärmeinsel zu sehen, sie hat aber keinen typischen Tagesverlauf.
Auch im Winter ist durch das Fehlen von anthropogenen Wärmeflüssen keine Wärmeinsel zu
sehen. Auch in anderen Parametern ist die Stadt im Winter eher unauffällig. Die Ursache hierfür
36

liegt wahrscheinlich in den wetterbedingten advektiven Einflüssen, die die Einflüsse des
Untergrundes der Stadt überdecken.
Auch bei einer Betrachtung der Windgeschwindigkeit kann man die Stadt Hamburg durchaus
erkennen. Sie ist in der Rauhigkeitslänge berücksichtigt. Allerdings liegt eine einheitliche
Rauhigkeitslänge für den Typ Stadt vor, eine genauere Darstellung der unterschiedlichen Höhen
einer Stadt im subskaligen Bereich wäre wünschenswert.
Insgesamt muss bei dieser Arbeit berücksichtigt werden, dass es sich um eine rein qualitative
Analyse handelt. Sie kann nur Auffälligkeiten aufzeigen. Um gesicherte Aussagen zu treffen,
müsste eine statistische Analyse eines umfangreicheren Datensatzes angeschlossen werden.
37

Abbildungsverzeichnis:
Abb. 1 Metropolregion Hamburg mit dazugehörigen Landkreisen 4
Abb. 2 Urban 9
Abb. 3 Inland water 9
Abb. 4 Sea water 9
Abb. 5 Cool Crops and Towns 9
Abb. 6 Crops and Towns 9
Abb. 7 Small Leaf mixed Woods 9
Abb. 8 Crops and Towns 10
Abb. 9 Grass Crops 10
Abb. 10 Crops, Grass, Shrups 10
Abb. 11 2m Temperatur am 1.8.1978 16
Abb. 12 2m Temperatur am 20.12.1961 16
Abb. 13 Niederschlag am 1.8.1978 17
Abb. 14 Niederschlag am 20.12.1961 17
Abb. 15 Windgeschwindigkeit am 1.8.1978 17
Abb. 16 Windgeschwindigkeit am 20.12.1961 17
Abb. 17 Windrichtung am 1.8.1978 17
Abb. 18 Windrichtung am 20.12.1961 17
Abb. 19 Waldanteil 18
Abb. 20 Vegetationsanteil (Juli) 18
Abb. 21 Rauhigkeitslänge 18
Abb. 22 Land- Wasser- Verteilung 18
Abb. 23 2m Temperatur 15.7.- 15.8.1978 19
Abb. 24 2m Temperatur am 1.8.1978 20
Abb. 25 2m Minimumtemperatur 15.7.- 15.8.1978 20
Abb. 26 2m Maximumtemperatur 15.7.- 15.8.1978 21
Abb. 27 2m Temperatur 1.12.-31.12.1961 21
Abb. 28 2m Temperatur am 20.12.1961 22
Abb. 29 2m Temperatur am 20.12.1961 um 14:00h 22
Abb. 30 2m Minimumtemperatur 1.12.-31.12.1961 23
Abb. 31 2m Minimumtemperatur 15.12.-23.12.1961 24
Abb. 32 Bilanz der kurzwelligen Strahlung am 20.12.1961 27
Abb. 33 Bilanz der kurzwelligen Strahlung am 1.8.1978 27
Abb. 34 Bilanz der langwelligen Strahlung am 20.12.1961 28
Abb. 35 Bilanz der langwelligen Strahlung am 1.8.1978 28
Abb. 36 Latenter Wärmefluss am 20.12.1961 29
Abb. 37 Latenter Wärmefluss am 1.8.1978 29
Abb. 38 Fühlbarer Wärmefluss am 20.12.1961 30
Abb. 39 Fühlbarer Wärmefluss am 1.8.1978 30
Abb. 40 „Bodenwärmestrom“ bzw. Residuum am 20.12.1961 31
Abb. 41 „Bodenwärmestrom“ bzw. Residuum am 1.8.1978 31
Abb. 42 2m Temperatur 1.6.-30.6.1960 32
Abb. 43 Niederschlag 1.6.-30.6.1960 33
Abb. 44 Niederschlag 24.6.1960 33
Abb. 45 Windrichtung 1.6.-30.6.1960 33
Abb. 46 Windgeschwindigkeit 1.6.-30.6.1960 34
38

Abb. 47 Unterirdischer Abfluss am 20.12.1961 35
Abb. 48 Unterirdischer Abfluss am 1.8.1978 35
Abb. 49 Oberflächenabfluss am 20.12.1961 35
Abb. 50 Oberflächenabfluss am 1.8.1978 35
Abb. 51 Interzeptionsspeicher am 20.12.1961 35
Abb. 52 Interzeptionsspeicher am 1.8.1978 35
Abb. 53 Bodenwassergehalt am 20.12.1961 36
Abb. 54 Bodenwassergehalt am 1.8.1978 36
Abb. 55 Evaporation am 20.12.1961 36
Abb. 56 Evaporation am 1.8.1978 36
39

8. Literatur- und Quellenangaben:
- ASSELIN, R. (1972): Frequency filter for time integrations. Monthly Weather Review,
100: 487-490.
- BMBF (2008): BMBF unterstützt Regionen bei der Anpassung an den Klimawandel
[Pressemitteilung 194/2008]. Download unter www.bmbf.de/press/2406.php (letzter
Zugriff 28.9.2009)
- CLAUSSEN, M. et al (1994): A global dataset of land surface parameters. MPI Report 135.
Max Planck Institut für Meteorologie.
- DÜMENIL, L und E. TODINI (1992): A rainfall- runoff scheme for use in the Hamburg
climate model. In: Kane JP (ed) Advances in the theoretical hydrology- a tribute to James
Dooge. European Geophysical Society Series on Hydrological Sciences,1, Elvesevier,
Amsterdam:129-157.
- DWD (1996- 2009): Beaufort- Skala. www.deutscherwetterdienst.de/lexikon/index.htm?ID=B&DAT=Beaufort-Skala
(letzter Zugriff
15.9.2009)
- FRENGER, I. (2008): Untersuchung der Auswirkungen von Landoberflächenänderungen in
Westafrika auf das regionale Klima. Fachbereich Geowissenschaften. Universität
Hannover. Diplomarbeit.
- HAGEMANN, S. (2002): An improved land surface parameter dataset for global and
regional climate models. MPI Report 336. Max Planck Institut für Meteorologie.
- HAGEMANN, S. et al (1999): Derivation of global GCM boundary conditions from 1 km
land use satellite data. MPI Report 289. Max Planck Institut für Meteorologie.
- HAGEMAN S. und L.D. GATES (2003): Improving a subgrid runoff parameterization
scheme for climate models by the use of high resolution data derived from satellite
observations. Climate Dynamics, 21: 349-359.
- HOFFMANN, PETER (2009): Modifikation von Starkniederschlägen durch urbane Gebiete.
Dept. Geowissenschaften. Universität Hamburg. Diplomarbeit.
- HUPFER, P. und W. KUTTLER (Hrsg.) (2006): Witterung und Klima. Eine Einführung in
die Meteorologie und Klimatologie. 12 Auflage. Teubner Verlag/GWV Fachverlage
GmbH, Wiesbaden: 371-432.
- JACOB, D. (o.J. a): The Regional Model- REMO unter
www.mpimet.mpg.de/wissenschaft/ueberblick/atmosphaere-im-erdsystem/regionaleklimamodellierung/the-remo-model/the-regional-model-remo.html
(letzter Zugriff
15.09.2009)
- JACOB, D. (o.J. b): Remo Model Characteristics unter
www.mpimet.mpg.de/wissenschaft/ueberblick/atmosphaere-im-erdsystem/regionaleklimamodellierung/the-remo-model/remo-model-charcteristics.html
(letzter Zugriff
15.09.2009)
- JACOB, D. und R. PODZUN (1997): Sensitivity studies with the regionale climate model
REMO. Meterology and Atmospheric Physics, 63: 119-129.
- JACOB, D. (2001): A note to the simulation of the annual and inter-annual variability of
the water budget over the baltic sea drainage basin. Meterology and Atmospheric
Physics, 77: 61-73.
- JACOB, D. und P. MAHRENHOLZ (2006): REMO climate of the 20 th century run , UBA
project, datastream 3. World Data Center for Climate. CERA-DB.
"REMO_UBA_C20_D3"
40

cera-www.dkrz.de/WDCC/ui/Compact.jsp?acronym=REMO_UBA_C20_D3 (letzter
Zugriff. 28.09.2009)
- JACOB, D. et al (2008): Klimaauswirkungen und Anpassungen in Deutschland- Phase 1 :
Erstellung regionaler Klimaszenarien für Deutschland. Abschlussbericht zum
UFOPLAN- Vorhaben 204 41 138. Umweltbundesamt, Dessau- Roßlau. Download unter
www.umweltdaten.de/publikationen/fpdf-l/3513.pdf (letzter Zugriff. 28.09.2009)
- JENDRITZKY, G. (2007): Die Folgen des Klimawandels. In: Der Klimawandel - Einblicke,
Rückblicke und Ausblicke. Berlin u. Potsdam. Download unter
edoc.hu-berlin.de/miscellanies/klimawandel-28044/108/PDF/108.pdf (letzter Zugriff.
28.09.2009)
- KLIMZUG-NORD (2009): Newsletter. Ausgabe 1|2009. Download unter /klimzugnord.de/index.php/page/2009-04-15-Download
(letzter Zugriff 15.9.2009)
- KUTTLER, W. (2009): Klimatologie. (=UTB Grundriss Allgemeine Geographie). Verlag
Ferdinand Schöningh, Paderborn.
- MALBERG, H. (2007) Meteorologie und Klimatologie. Eine Einführung. 5. Auflage.
Springer- Verlag Berlin Heidelberg: 354- 365.
- OLSON, J.S. et al (1983): Carbon in live vegetation of major world ecosystems. Oak
Ridge National Laboratory. ORNL-5862. Oak Ridge TN.
- PATTERSON, K. A. (1990): Global distributions of total and total- available soil water-
holding capacities. Master’s thesis. University of Delaware. Newark. DE.
- PAETH, H. (2007): Klimamodellsimulationen. In: Der Klimawandel - Einblicke,
Rückblicke und Ausblicke. Berlin u. Potsdam. Download unter
edoc.hu-berlin.de/miscellanies/klimawandel-28044/44/PDF/44.pdf (letzer Zugriff.
28.09.2009)
- RECHID, D. (2001): Untersuchung zur Parametrisierung von Landoberflächen im
Klimamodell REMO. Geographisches Institut. Universität Hannover. Diplomarbeit.
- RECHID D., RADDATZ T. J., JACOB D. (2008 a): Parameterization of snow-free land
surface albedo as a function of vegetation phenology based on MODIS data and applied
in climate modelling. Theor Appl Climatol. DOI: 10.1007/s00704-008-0003-y.
- RECHID D., HAGEMAN S., JACOB D. (2008 b): Sensitivity of climate models to seasonal
variability of snow-free land surface albedo. Theor Appl Climatol. DOI:
10.1007/s00704-007-0371-8.
- SCHLÜNZEN, K. H. (2007): Temperaturänderungen in der Metropolregion Hamburg.
Vortrag, Fachkonferenz des Bundesministeriums für Bildung und Forschung "Globaler
Klimawandel und regionale Auswirkungen in Norddeutschland", Hamburg (12. März
2007). Download unter
www.gkss.de/imperia/md/content/gkss/presse/news/schluenzen.pdf (letzer Zugriff.
28.09.2009)
- SCHLÜNZEN K.H., HOFFMANN P., ROSENHAGEN G., RIECKE W. (2009): Long-term
changes and regional differences in temperature and precipitation in the metropolitan area
of Hamburg. International Journal of Climatology. DOI: 10.1002/joc.1968.
- WALKENHORST, O. und M. STOCK (2009): Regionale Klimaszenarien für Deutschland.
Eine Leseanleitung. E-Paper der ARL, Nr. 6. Hannover. Download unter arlnet.org/pdf/publik/e-paper-der-arl-nr6.pdf
(letzter Zugriff 15.9.2009)
- WERNER, P. und F.-W. GERSTENGARBE (2007):Welche Klimaänderungen sind in
Deutschland zu erwarten? In: Der Klimawandel - Einblicke, Rückblicke und Ausblicke.
Berlin u. Potsdam. Download unter
edoc.hu-berlin.de/miscellanies/klimawandel-28044/56/PDF/56.pdf (letzer Zugriff.
28.09.2009)
41

- www.klimzug.de/ (letzter Zugriff 28.9.2009)
- www.klimzug-nord.de/ (letzter Zugriff 28.9.2009)
42

Danksagungen
Mein besonderer Dank gilt an dieser Stelle Frau Dr. Barbara Hennemuth und Frau Dr. Diana
Rechid für die gute Betreuung und uneingeschränkte Unterstützung während meines Praktikums.
Ein großer Dank geht auch an die Mitarbeiter der Gruppe Modelle und Daten, die mir bei allen
meinen Fragen immer weitergeholfen haben.
43