Thema: Analyse des Einflusses des Untergrundes ... - Model & Data
Thema: Analyse des Einflusses des Untergrundes ... - Model & Data
Thema: Analyse des Einflusses des Untergrundes ... - Model & Data
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
<strong>Analyse</strong> <strong>des</strong> <strong>Einflusses</strong> <strong>des</strong> Untergrun<strong>des</strong> auf<br />
atmosphärische Größen im Regionalen Klimamodell REMO<br />
in der KLIMZUG- Nord Region<br />
Juliane Petersen<br />
Oktober 2009<br />
Geographisches Institut<br />
Humboldt- Universität zu Berlin
Gliederung:<br />
1 Einleitung 3<br />
2 Einführung in das Projekt KLIMZUG- Nord 3<br />
3 Das Klimamodell 4<br />
3.1 Allgemeine Einführung 4<br />
3.2 Das regionale Klimamodell REMO 5<br />
3.2.1 Entwicklung 5<br />
3.2.2 Eigenschaften 5<br />
3.2.3 Darstellung der Landoberflächen und Prozesse in REMO 6<br />
4 Hauptökosystemtypen im KLIMZUG- Nord Gebiet 8<br />
5 Stadtklima 11<br />
5.1 Allgemeine Einführung 11<br />
5.2 Stadtklima Hamburg 13<br />
5.3 Berücksichtigung der Prozesse in REMO 14<br />
6 Datenanalyse 15<br />
6.1 Wärmeinsel im Sommer und Winter im Vergleich 19<br />
6.2 Vergleich: Winter- und Sommertag in der Strahlungsbilanz 24<br />
6.3 Prüfung der Abhängigkeit der Wärmeinsel von Windgeschwindigkeit, 32<br />
Windrichtung, Niederschlag (<strong>Analyse</strong> <strong>des</strong> Zeitraumes 1.6.1960 - 1.7.1960)<br />
6.4 Vergleich: Wasserhaushalt an einem Winter- und an einem Sommertag 34<br />
7 Zusammenfassung und Ausblick 36<br />
8 Abbildungsverzeichnis 38<br />
9 Literatur- und Quellenangaben 40<br />
2
1. Einleitung<br />
Durch die Temperaturerhöhung bzw. die relative Zunahme von Extremereignissen in den letzten<br />
Jahren wie Hitzewellen (siehe Hitzesommer 2003) werden besondere Herausforderungen an<br />
Metropolregionen wie z.B. Hamburg mit ihrem besonderen Wärmehaushalt gestellt (vgl.<br />
JENDRITZKY 2007). Das Phänomen der städtischen Wärmeinsel wurde u.a. in der Diplomarbeit<br />
von Peter Hoffmann für Hamburg nachgewiesen (vgl. HOFFMANN 2009).<br />
In dem Projekt KLIMZUG- Nord sollen Anpassungsmöglichkeiten der Metropolregion Hamburg<br />
an den Klimawandel entwickelt werden. Um Aussagen globaler <strong>Model</strong>le auf regionale Ebene zu<br />
übertragen, ist die Anwendung regionaler Klimamodelle eine mögliche Methode. Das regionale<br />
Klimamodell REMO mit seiner kleinerskaligen Auflösung von 10 km x 10 km ist ein Beispiel.<br />
Inwiefern sich jetzt die Oberflächenparameter auf bodennahe atmosphärische Größen auswirken,<br />
also der Frage nach möglichen Ursachen einer Wärmeinsel, wird in dieser Arbeit nachgegangen.<br />
In Kapitel 2 wird eine kurze Einleitung über das KLIMZUG –Nord Projekt gegeben. Kapitel 3<br />
widmet sich den Klimamodellen, besonders dem regionalen Klimamodell REMO, das in dieser<br />
Arbeit ausschließlich verwendet wurde. Einige wichtige Prozesse, die im Hinblick auf die<br />
Fragestellung wichtig sind, werden kurz erläutert. Kapitel 4 beschäftigt sich mit den<br />
Hauptökosystemtypen in REMO, die für die KLIMZUG- Nord Region von Bedeutung sind.<br />
Kapitel 5 beschäftigt sich näher mit dem Stadtklima, geht kurz auf Hamburgs Besonderheiten ein<br />
und stellt die wichtigen Prozesse eines Stadtklimas vor. Es wird ein kleiner Einblick in die<br />
Prozesse, die in REMO simuliert werden, gegeben. Kapitel 6 ist der Datenanalyse gewidmet.<br />
Dabei wird auf folgende Fragen näher eingegangen: Kann man die Stadt Hamburg als städtische<br />
Wärmeinsel erkennen? Wie machen sich die Unterschiede von Elbe, Umland und Hamburg in<br />
der Strahlungsbilanz bzw. im Wasserhaushalt bemerkbar? Sind noch weitere stadttypische<br />
Effekte auf atmosphärische Größen zu erkennen?<br />
Eine kurze Zusammenfassung folgt in Kapitel 8.<br />
2. Einführung in das Projekt KLIMZUG Nord<br />
„KLIMZUG – Klimawandel in Regionen zukunftsfähig gestalten“ (www.klimzug.de) ist eine<br />
Fördermaßnahme <strong>des</strong> BMBFs (Bun<strong>des</strong>ministerium für Bildung und Forschung), das die<br />
Entwicklung innovativer Ansätze zur Anpassung an den Klimawandel fördert. Es ist Teil der<br />
Hightech- Strategie zum Klimaschutz der Bun<strong>des</strong>regierung, und soll die mit den<br />
Klimaänderungen verbundenen Herausforderungen in Planung und Entscheidungen von Politik<br />
und Wirtschaft langfristig integrieren.<br />
Dabei wird der regionale Ansatz der Klimaanpassungen in den Fokus gestellt.<br />
KLIMZUG -Nord ist zum 1. April 2009 gestartet und eins von sieben geförderten Projekten<br />
(Stand August 2009).<br />
Das Projekt soll bis zum Jahr 2014 Lösungsansätze finden, mit denen die Metropolregion<br />
Hamburg Folgen <strong>des</strong> Klimawandels begegnen kann. Denn der Klimawandel verstärkt die<br />
ohnehin schon bestehenden Spannungsfelder sowohl zwischen der wachsenden Metropole<br />
Hamburg und der sie umgebenden ländlichen Region als auch zwischen den Anforderungen<br />
einer dynamischen Wirtschaftsregion und den Erfordernissen <strong>des</strong> Naturschutzes. Wichtig für<br />
eine erfolgreiche Anpassung an den Klimawandel ist die Einbindung aller wichtigen Handlungs-<br />
und Entscheidungsträger der Region. Dabei strebt das Projekt eine Verbindung von<br />
naturwissenschaftlichem, ökonomischem und technologischem Fachwissen an.<br />
An KLIMZUG -Nord sind 6 Hochschulen, 6 Forschungseinrichtungen, 11 Behörden und<br />
behördennahe Einrichtungen und 10 Unternehmen beteiligt. Hinzu kommen zahlreiche weitere<br />
3
assoziierte Partner. Unterstützt wird das Projekt von allen 8 niedersächsischen Landkreisen und 6<br />
schleswig-holsteinischen Kreisen der Metropolregion. (vgl. www.klimzug.de, www.klimzugnord.de)<br />
Abb. 1 Metropolregion Hamburg mit dazugehörigen Landkreisen<br />
3. Das Klimamodell<br />
3.1 Allgemeine Einführung<br />
Klimamodelle erforschen die Zusammenhänge im Klimasystem Erde. Mit Hilfe der uns<br />
bekannten Gesetzmäßigkeiten und Rahmenbedingungen unseres Planeten wird ein Klima am<br />
Computer simuliert. Viele Vorgänge im Klimamodell basieren auf physikalischen Gesetzen, die<br />
neben dem ersten Hauptsatz der Thermodynamik weitere Grundgleichungen berücksichtigen,<br />
wie Strömungsvorgänge in der Atmosphäre und im Ozean und die daran gekoppelten<br />
Massenverlagerungen, die Veränderung der Temperatur, sowie die Phasenumwandlung <strong>des</strong><br />
Wassers. Das Gleichungssystem ermöglicht u.a. eine Beschreibung von zeitlichen Änderungen<br />
der atmosphärischen Zustandgrößen Druck, Temperatur und Feuchte. Diese können durch<br />
partielle Differentialgleichungen nur annäherungsweise gelöst werden. In der Praxis wird dieses<br />
hochkomplexe Gleichungssystem sowohl räumlich als auch zeitlich diskretisiert. Dabei werden<br />
Ozean und Atmosphäre in gleichgroße dreidimensionale Gitterzellen zerlegt und für jede<br />
Gitterbox die Gleichung annäherungsweise gelöst. Die Gitterbox enthält dann einen<br />
repräsentativen Wert. Die zeitliche Diskretisierung findet auf Minutenbasis statt. Viele<br />
kleinräumige Prozesse bleiben auf Grund der Maschenweite <strong>des</strong> Gitternetzes unberücksichtigt,<br />
v.a. Prozesse der Strahlungsübertragung in der Atmosphäre, Wolken und Niederschlagsbildung,<br />
sowie turbulente Austauschvorgänge nahe der Erdoberfläche. Sie können aber einen erheblichen<br />
Einfluss auf großskalige Prozesse im Klimamodell haben. Diese sogenannten unaufgelösten<br />
subskaligen Prozesse werden durch physikalische Parametrisierung berücksichtigt, d.h.<br />
kleinräumige klimatische Prozesse werden parametrisiert. Ihr Einfluss auf die Klimavariablen<br />
werden je Gitterbox einberechnet (vgl. PAETH 2007, RECHID 2001).<br />
4
3.2 Das regionale Klimamodell REMO<br />
3.2.1 Entwicklung<br />
Im letzten Jahrzehnt ist sowohl das wissenschaftliche als auch das öffentliche Interesse daran<br />
gestiegen, wie sich Aussagen globaler Klimamodelle auf regionaler Ebene ausprägen. Durch die<br />
grobe Auflösung globaler <strong>Model</strong>le können viele klimatisch wichtige Prozesse nicht entsprechend<br />
dargestellt werden. Für Mensch und Umwelt sind aber gerade regionale Auswirkungen der<br />
Klimaänderungen von Bedeutung (vgl. WERNER u. GERSTENGARBE 2007, PAETH 2007).<br />
Durch die Entwicklung regionaler Klimamodelle wird diesem Problem entgegengewirkt. Die<br />
Maschenweite der Gitterboxen wird so weit verkleinert, dass auch kleinerskalige Klimaprozesse<br />
erfasst werden. Ein regionales <strong>Model</strong>l wird durch statistisches oder dynamisches Downscaling in<br />
ein globales <strong>Model</strong>l eingebettet. Das regionale dynamische <strong>Model</strong>l hat demzufolge im Prinzip<br />
die gleiche <strong>Model</strong>lphysik und –struktur wie das globale <strong>Model</strong>l. Das Regional <strong>Model</strong>l REMO<br />
(JACOB 2001) nutzt die Methode <strong>des</strong> dynamischen Downscaling, d.h. es löst die<br />
Erhaltungsgleichungen der Atmosphäre für ein bestimmtes Zielgebiet. Angetrieben wird REMO<br />
durch ein globales Zirkulationsmodell, entweder durch eine Nestung in ein Globalmodell oder<br />
durch den Antrieb mit (Re-)<strong>Analyse</strong>daten. Die antreibenden Daten werden in einer Randzone<br />
von acht Gitterboxen angeglichen.<br />
REMO wurde Ende der 1990er Jahre im Rahmen <strong>des</strong> internationalen Baltic Sea Experiments<br />
(BALTEX) auf Basis <strong>des</strong> Europa- <strong>Model</strong>ls <strong>des</strong> Deutschen Wetterdienstes (DWD) am Max-<br />
Planck Institut für Meteorologie (MPI- M) in Hamburg entwickelt in Zusammenarbeit mit dem<br />
DWD, dem Deutschen Klimarechenzentrum und dem Forschungszentrum Geesthacht (vgl.<br />
RECHID 2001, FRENGER 2008, JACOB o.J. a).<br />
3.2.2 Eigenschaften<br />
REMO ist ein dreidimensionales hydrostatisches Atmosphärenmodell. Die prognostischen<br />
Variablen sind der Bodendruck, die horizontale Windkomponente, die Temperatur, die<br />
spezifische Feuchte sowie Flüssigwassergehalt und das Wolkeneis. Der Berechnung der<br />
prognostischen Variablen liegt die hydrostatische Approximation zugrunde (vgl. JACOB u.<br />
PODZUN 1997, JACOB o.J. a ). Die räumliche Integration der <strong>Model</strong>lgleichungen in REMO<br />
entspricht einem Arakawa-C-Gitter, d.h. alle Variablenwerte außer der Windkomponente sind<br />
für das Zentrum der jeweiligen Gitterbox gültig. Durch eine Drehung <strong>des</strong> geographischen<br />
Koordinatensystems befinden sich Gitterboxzentren auf einem rotierten sphärischen System, in<br />
dem der Äquator durch das <strong>Model</strong>lgebiet verläuft. Dies erleichtert die Lösung der<br />
<strong>Model</strong>lgleichungen, da die Gitterboxen nun einen einheitlichen Abstand in x und y Richtung<br />
haben (je nach gewählter horizontaler Auflösung). Zur zeitlichen Diskretisierung wird ein<br />
sogenanntes Leap- Frog Schema mit semi- impliziter Korrektur und Zeitfilterung nach Asselin<br />
(1972) benutzt.<br />
Die vertikale Struktur in REMO bildet ein Hybridsystem, bei dem die <strong>Model</strong>llevel in Bodennähe<br />
der Orographie folgen und sich mit zunehmender Höhe den Isobaren nähern. Die<br />
<strong>Model</strong>llevelhöhen sind eine Funktion <strong>des</strong> Bodendrucks, daher ändern sich ihre Höhen räumlich<br />
und zeitlich.<br />
Für die hier vorliegenden Untersuchungen wurde die physikalische Parametrisierung, die auf der<br />
ECHAM 4 Version basiert, verwendet. Zur Dokumentation der Parametrisierung subskaliger<br />
Prozesse sei auf das ECHAM4 Handbuch verwiesen (vgl. RECHID 2001, FRENGER 2008).<br />
5
In einer Studie für das Umweltbun<strong>des</strong>amt (UBA) wurden in einem zweistufigen (doppelt<br />
genesteten) Verfahren, basierend auf den Emissionsszenarien A1B, A2 und B1, regionale<br />
Klimaszenarien für Deutschland in einer horizontalen Auflösung von 10 km x 10 km für den<br />
Zeitraum 1950- 2100 erstellt (JACOB et al 2008).<br />
Außerdem wurden ein Kontrolllauf, der das heutige Klima im Simulationsgebiet beschreibt, und<br />
beobachtete Treibhausgaskonzentrationen eingesetzt.<br />
Daten, die in dieser Arbeit verwendet wurden, sind dem C20 Klimalauf aus Datenstrom 3<br />
entnommen. Datenstrom 3 ist entrotiert und interpoliert auf ein reguläres geographisches<br />
Gitternetz mit einer horizontalen Auflösung von 0,1 Grad. Einige der <strong>Model</strong>lvariablen sind<br />
erhältlich auf Tages-, Monats- oder Jahresbasis. Das <strong>Model</strong>l bedeckt Deutschland von 45,85 bis<br />
54,95 ° nördliche Breite und 3,95 bis 17,25 ° Länge. Die Anzahl der Gitterboxen beträgt 92 für<br />
die Breite und 134 für die Länge (vgl. JACOB u. MAHRENHOLZ 2006).<br />
3.2.3 Darstellung der Landoberflächen und Prozesse in REMO<br />
Die Austauschprozesse von Energie-, Masse-, und Impulsflüssen zwischen Boden und<br />
Atmosphäre finden an der Erdoberfläche statt und spielen eine entscheidende Rolle für die<br />
Dynamik und Thermodynamik der Atmosphäre. Sie können genau wie subskalige Prozesse im<br />
<strong>Model</strong>l nicht direkt abgebildet werden. Die Eigenschaften der Landoberflächen werden durch<br />
Parametrisierungen ins <strong>Model</strong>l eingebunden. Um die Prozesse an der Landoberfläche adäquat zu<br />
modellieren, ist eine möglichst „exakte“ Darstellung der Landoberfläche notwendig. Mit einer<br />
Auflösung von 1 km wurde eine Verteilung von Hauptökosystemtypen nach Olsen festgelegt-<br />
erhältlich durch das U.S. Geological Survey (vgl. HAGEMANN 2002). Die 1 km Daten werden für<br />
die jeweilige Auflösung <strong>des</strong> <strong>Model</strong>ls aggregiert. Jede Gitterbox hat dementsprechend eine<br />
prozentuale Bedeckung der verschiedenen Olson- Landcover- Klassen. Diese Klassen werden in<br />
REMO nicht direkt verwendet, sondern nur deren aufintegrierte Eigenschaften. Dabei werden<br />
folgende Parameter zur Charakterisierung der Klassen verwendet:<br />
• Albedo as<br />
Als Albedo bezeichnet man den Anteil der reflektierten zur einfallenden kurzwelligen<br />
Strahlung. Sie bestimmt, wieviel Energie am Boden durch Sonneneinstrahlung zur<br />
Verfügung steht. Die Bodenalbedo und Vegetationsalbedo ergeben zusammen die<br />
Hintergrundalbedo. Ein klimatologischer Jahresgang (monatliches Mittel mit linearer<br />
Interpolation dazwischen) wurde eingeführt. Die Albedo variiert in Abhängigkeit zu der<br />
Variation der LAI.<br />
• Rauhigkeitslänge z0<br />
Die Rauhigkeitslänge ist eine Funktion <strong>des</strong> turbulenten Austauschs von Impuls, Energie<br />
und Feuchte zwischen Erdoberfläche und Atmosphäre. In Gegenden mit einer niedrigen<br />
Orographie bestimmt oft der Vegetationsanteil die Rauhigkeitslänge. Die<br />
•<br />
Gesamtrauhigkeitslänge setzt sich aus der Varianz der Orographie z 0,oro und einem<br />
Beitrag der Vegetation z0,veg zusammen.<br />
Abhängig von der Rauhigkeitslänge ist u.a. die Höhe der Grenzschicht und die<br />
Windgeschwindigkeit in Bodennähe.<br />
Vegetationsanteil cv<br />
Der Vegetationsanteil ist der Flächenanteil der Pflanzen in einer Gitterbox, die<br />
photosynthetisch aktiv sind, und zeigt damit den Einfluss der Vegetation auf den Prozess<br />
der Evapotranspiration.<br />
Für den Vegetationsanteil wurden jeweils Werte für Wachstumszeit (cν g) und Ruhephase<br />
(cν d) abgeleitet.<br />
6
• Blattflächenindex LAI<br />
Der Blattflächenindex stellt die einseitige Gesamtfläche der Blätter über einer<br />
Einheitsfläche dar. Außerdem bestimmt der LAI die Aufnahmefähigkeit <strong>des</strong><br />
Niederschlags und den stomatären Widerstand.<br />
Auch für den Blattflächenindex werden jeweils Werte für Wachstumszeit (LAIg) und<br />
Ruhephase (LAId) abgeleitet.<br />
• Waldanteil cf für Schneealbedo<br />
Der Anteil an Wald in jeder Gitterbox wird unabhängig von physiologischer Aktivität der<br />
Bäume definiert, d.h. es ist möglich, dass cv im Winter kleiner ist als cf bei<br />
laubabwerfenden Pflanzen. Im Sommer und für immergrüne Pflanzen gilt durchgehend cf<br />
≤ cv .Es wurde darauf geachtet, dass der Wald- und Vegetationsanteil kongruent sind.<br />
Der Waldanteil wurde den Ökosystemklassen von Claußen et al (1994), basierend auf<br />
den Beschreibungen von Olsen et al. (1983) zugewiesen.<br />
• Feldkapazität Wcap, Nutzbare Feldkapazität Wava, Permanenter Welkepunkt Wpwp<br />
(in mm)<br />
Die Feldkapazität Wcap bezeichnet den Wassergehalt eines Bodens, der sich nach einer<br />
Sättigung nach etwa zwei Tagen als Folge natürlicher Entwässerung einstellt. Die<br />
nutzbare Feldkapazität Wava (wird in REMO nicht verwendet) ist die für Pflanzen<br />
maximal nutzbare Menge an Wasser, bevor sie zu welken anfangen. Die nutzbare<br />
Feldkapazität bestimmt also die maximale Bodenfeuchte, die potentiell der Atmosphäre<br />
durch die Transpiration der Pflanzen zur Verfügung steht. Die Differenz zwischen Wcap<br />
und Wava heißt permanenter Welkepunkt Wpwp. Der permanente Welkepunkt bezogen auf<br />
die Feldkapazität wird als volumetrischer permanenter Welkepunkt fpwp bezeichnet.<br />
Jedem Hauptökosystemtyp werden ein volumetrischer Welkepunkt und eine nutzbare<br />
Feldkapazität zugeordnet.<br />
In REMO wurde für den Blattflächenindex, den Vegetationsanteil und die Albedo ein<br />
klimatologischer Jahresgang als monatliches Mittel mit linearer Interpolation für die<br />
Zwischenzeiten eingeführt Dabei variiert der Jahresgang der Albedo in Abhängigkeit zu der<br />
Variation der LAI. (vgl. HAGEMANN 2002, RECHID 2008 a,b, FRENGER 2008).<br />
Thermische Prozesse im Boden<br />
Der Wärmehaushalt <strong>des</strong> Bodens wird sowohl durch die Energiebilanz der Erdoberfläche, als<br />
auch durch den Wärmetransport im Boden bestimmt.<br />
Strahlungs- und Wärmebilanz stellen zusammen die Energiebilanz dar.<br />
Die Strahlungsbilanz Q* setzt sich aus folgenden Termen zusammen (zur Erdoberfläche<br />
gerichtete Flüsse sind positv, in die Atmosphäre gerichtete Flüsse sind negativ):<br />
Q*= +K↓+K↑ +L↑ +L↑refl. + L↓ [W/m²]<br />
K↓ direkte und diffuse Globalstrahlungsflussdichte [W/m²]<br />
K↑ kurzwellige Reflexion [W/m²]<br />
L↑ langwellige Ausstrahlung [W/m²]<br />
L↑refl. langwellige Reflexion [W/m²]<br />
L↓ langwellige atmosphärische Gegenstrahlung [W/m²]<br />
7
Der Bilanzwert geht mit seinem Vorzeichen in die Energiebilanz ein, die sich zusammensetzt aus<br />
den turbulenten Gliedern <strong>des</strong> latenten und sensiblen Wärmestroms, sowie dem<br />
Bodenwärmestrom:<br />
Q* - Qh - Qe - Qb = 0<br />
Q* Strahlungsbilanz [W/m²]<br />
Qh turbulente fühlbare Wärmeflussdichte [W/m²]<br />
Qe turbulente latente Wärmeflussdichte [W/m²]<br />
Qb Bodenwärmeflussdichte [W/m²]<br />
Der Wärmehaushalt <strong>des</strong> Bodens wird in REMO wie folgt berücksichtigt: Der Boden wird in fünf<br />
diskrete Schichten eingeteilt, deren Schichtdicke mit der Tiefe zunehmen. An der untersten<br />
Bodenschichtgrenze wird ein Wärmefluss von Null angenommen, damit die Energiebilanz <strong>des</strong><br />
Erde- Atmosphäre- Systems ausgeglichen ist. Die Wärmediffusionsgleichung wird für diese fünf<br />
Schichten gelöst. In REMO werden den jeweiligen Bodenarten Wärmekapazitäten zugeordnet,<br />
die von der Bodentextur und dem Wassergehalt abhängen. Die Bodentexturen beruhen auf einem<br />
FAO (Food and Agriculture Organisation)- Datensatz.<br />
Hydrologische Prozesse im Boden<br />
Die Wasserbilanz setzt sich aus folgenden Termen zusammen:<br />
N = EInt + EBod + T+ A + ∆S<br />
N Niederschlag [mm]<br />
EInt Interzeptionsevaporation [mm]<br />
EBod Evaporation von der Bodenoberfläche [mm]<br />
T Transpiration [mm]<br />
A Abfluss [mm]<br />
∆S Speicheränderung [mm]<br />
Der Boden, der Interzeptionsspeicher und der Schnee sind als Wasserspeicher implementiert.<br />
Verdunstung findet also sowohl über den vegetationslosen Anteil der Gitterbox statt, als auch<br />
über den Interzeptionsspeicher und über die Transpiration der Pflanzen. Der Bodenwasseranteil<br />
wird beschrieben durch eine Bodenfeuchte, die durch Niederschlag und Schneeschmelze<br />
bestimmt wird. Diese Feuchte wird nur durch Verdunstung der ersten 10 cm- Schicht verändert.<br />
Weiter unten kann Wasser nur durch Transpiration verdunsten. Die Evapotranspiration ist durch<br />
die Speicherkapazität begrenzt. Diese Größe wird den Landoberflächenparametern der<br />
Hauptökosystemtypen entnommen. Die Werte basieren auf dem Datensatz von Patterson (1990),<br />
der indirekt die Tiefe der Pflanzenwurzeln berücksichtigt. Die Aufteilung <strong>des</strong> Niederschlags in<br />
Infiltration und Abfluss wurde mit dem Arnoschema weiterentwickelt, das berücksichtigt, dass<br />
es Abfluss geben kann obwohl der Boden in einer Box nicht gesättigt ist (vgl. HAGEMANN 2006).<br />
Wenn der Boden gesättigt ist, entsteht Oberflächenabfluss. Das Abflussschema berücksichtigt<br />
die subskaligen Variationen der Feldkapazität über inhomogenem Terrain (vgl. DÜMENIL u.<br />
TODINI 1992).<br />
4. Hauptökosystemtypen im KLIMZUG- Nord Gebiet<br />
Für unsere Untersuchung können die Hauptökosystemtypen auf Norddeutschland bzw. auf die<br />
Metropolregion Hamburg eingegrenzt werden. Bei einer visuellen <strong>Analyse</strong> der Daten bleiben<br />
8
neun Hauptökosystemtypen übrig, die die Landoberflächenparameter <strong>des</strong> KLIMZUG- Nord<br />
Gebietes bestimmen (siehe Tabelle 1, Abb. 2- 10).<br />
Abb. 2 Urban Abb. 3 Inland water<br />
Abb. 4 Sea water Abb. 5 Cool Crops and Towns<br />
Abb. 6 Cool Fields and Woods Abb. 7 Small Leaf mixed Woods<br />
9
Abb. 8 Crops and Towns Abb. 9 Grass Crops<br />
Neben den beiden anteilig größten Klassen<br />
Grass Crops und Cool Crops and Towns sind<br />
die Stadt Hamburg als Urban und die Elbe als<br />
Inland water, bzw. die Elbmündung als Sea<br />
water gut auszumachen. Ein weiterer anteilig<br />
prägender Landschaftsökotyp ist Cool Fields<br />
and Woods, der sich nordwestlich von<br />
Hamburg parallel zur Elbe hinzieht. Eher<br />
vereinzelt treten die Typen Crops and Towns,<br />
Small Leaf mixed Woods und Crops, Grass and<br />
Shrups auf. Eine Boxgenaue <strong>Analyse</strong> der<br />
Landschaftsoberflächenparameter ist nicht<br />
Abb. 10 Crops, Grass, Shrups<br />
möglich, da die Plots aus Datenstrom 2 erstellt<br />
sind, der nicht entrotiert ist und eine<br />
horizontale Auflösung von 0,088° hat. Durch<br />
die deutlichen räumlichen Schwerpunkte der verschiedenen Typen (viele Bereiche haben einen<br />
Anteil an einem Hauptökosystemtyp von > 70%) können jedoch Tendenzen der Eigenschaften<br />
von den Landschaftsoberflächen aufgezeigt werden.<br />
Auffällig und gut zu erkennen ist die Stadt Hamburg, die drei Boxen mit einem Anteil von<br />
> 50% (davon sogar zwei > 70 %) <strong>des</strong> urbanen Hauptökosystemtyps zeigt.<br />
Urban zeichnet sich durch eine relativ hohe Albedo von 0,2 und eine sehr hohe Rauhigkeitslänge<br />
(im Vergleich zu den anderen Klassen mit Abstand die höchste) aus. Die Parameter<br />
Vegetationsbedeckung, Blattflächenindex, Waldbedeckung und nutzbare Feldkapazität gibt es in<br />
einer Stadt nicht und sie betragen folglich 0.<br />
See- und Inlandwasser sind mit dem gleichen Parametersatz charakterisiert. Die Werte für die<br />
Albedo sind mit Abstand die niedrigsten. Da sich die Parameter auf Landoberflächen beziehen<br />
sind die übrigen Parameter für See- und Inlandwasser 0. Die Rauhigkeitslänge stellt eine<br />
‚Hintergrund‘-Rauhigkeit dar. Sie wird während der Simulation berechnet.<br />
10
Da Small Leaf Mixed Woods und Crops and Town einen nur sehr geringen Anteil an den<br />
Hauptökosystemtypen in den Gitterboxen einnehmen, werden sie hier in der Beschreibung<br />
vernachlässigt.<br />
Cool Crops and Towns unterscheidet sich in der Albedo nicht allzusehr von Cool Fields and<br />
Woods und Grass Crops. Die Rauhigkeitslänge wurde bei Grass Crops auf 0,1 festgesetzt,<br />
welches der niedrigste Wert der drei Typen ist. Den höchsten Wert erreicht Cool Crops and<br />
Towns mit 0,25. Der Vegetationsbedeckungsgrad unterscheidet sich in der Wachstumszeit bei<br />
den drei Typen nur minimal um 0,01. In der Ruhephase kann eine deutlichere Unterscheidung<br />
vorgenommen werden. Beim LAI ist für die Wachstumsphase der gleiche Wert für Cool Crops<br />
and Towns und Grass Crops angegeben. Bei Cool Fields and Woods liegt er höher bei 3,0. In der<br />
Ruhephase hingegen wurden für Cool Crops and Towns und Cool Fields and Woods Werte<br />
festgesetzt, die relativ nah beieinander liegt. Bei Grass Crops liegt er mit 1,1 etwas höher. Der<br />
Waldbedeckungsanteil ist bei dem Typ Cool Fields and Woods mit 0,3 am höchsten, die<br />
nutzbare Feldkapazität hingegen zeigt den niedrigsten Wert. Der volumetrische Welkepunkt liegt<br />
bei den drei Typen wieder ähnlich.<br />
Type Global<br />
Ecosytems<br />
Legend<br />
as z 0,veg cν g cν d LAIg LAId cf Wava fpwp<br />
1 Urban 0,2 2,5 0 0 0 0 0 0 0,48<br />
14 Inland Water 0,07 0,0002 0 0 0 0 0 0 0<br />
15 Sea Water 0,07 0,0002 0 0 0 0 0 0 0<br />
30 Cool Crops and<br />
Towns<br />
0,18 0,25 0,9 0,14 2,5 0,74 0,14 280 0,475<br />
31 Crops and Town 0,18 0,25 0,85 0,16 4,4 1,1 0,16 430 0,5<br />
55 Cool Fields and<br />
Woods<br />
0,18 0,17 0,9 0,3 3 0,76 0,3 180 0,45<br />
60 Small Leaf Mixed<br />
Woods<br />
0,15 1 0,47 0 3,7 0,1 0,47 130 0,43<br />
93 Grass Crops 0,185 0,1 0,91 0,2 2,5 1,1 0,2 240 0,47<br />
94<br />
Crops, Grass<br />
Shrups<br />
0,19 0,1 0,65 0,33 2,7 0,4 0 530 0,46<br />
Tabelle 1 Ausgewählte Global Ecosystem types of Olsen nach Hagemann 2002, die Werte für Wava sind in<br />
mm, die von z0,veg in m angegeben<br />
Es ist zu vermuten, dass sich Hamburg auf Grund seiner Landschaftsoberflächenparameter von<br />
seinem Umland hervorhebt. Auch die Elbe wird sich wohl abzeichnen.<br />
5. Stadtklima<br />
5.1 Allgemeine Einführung<br />
„Jede Stadt stellt im klimatologischen Sinn eine Art künstliche, vom Menschen geschaffene<br />
Orographie dar. Durch ihre Anhäufung von Beton, Asphalt und Stein unterscheiden sich ihre<br />
Eigenschaften in mannigfacher Weise vom freien Umland, unterscheidet sich die dichtbebaute<br />
11
Innenstadt von den nur locker bebauten Außenbezirken“ (MAHLBERG 2007, S. 354). Städte<br />
unterscheiden sich in Bezug auf ihre klimatischen und lufthygienischen Bedingungen von ihrem<br />
Umland. Beeinflusst werden sowohl Wasser- als auch Strahlungs- und Wärmehaushalt. In der<br />
Region KLIMZUG- Nord ist Hamburg als wachsende Metropole vorhanden, ebenso ein großer<br />
Bereich ländlicher Räume. Die folgende Tabelle gibt einen Überblick über die verschiedenen<br />
Einflussgrößen und ihre Veränderungen gegenüber dem nicht bebauten Umland.<br />
Einflussgrößen Veränderungen<br />
gegenüber dem nicht<br />
bebauten Umland<br />
Globalstrahlung (horizontale Fläche) Bis – 10 %<br />
Albedo +/-<br />
Gegenstrahlung Bis +10 %<br />
Sonnenscheindauer<br />
im Sommer<br />
im Winter<br />
Bis –8%<br />
Bis – 10%<br />
Sensibler Wärmestrom Bis +50%<br />
Wärmespeicherung im Untergrund und<br />
in Bauwerken<br />
Lufttemperatur<br />
Bis +40%<br />
- Jahresmittel<br />
~ +2K<br />
- Winterminima<br />
Bis +10 K<br />
-<br />
Wind<br />
In Einzelfällen<br />
Bis +15 K<br />
- Geschwindigkeit<br />
Bis – 20 %<br />
- Richtungsböigkeit<br />
Stark variierend<br />
- Geschwindigkeitsböigkeit Erhöht<br />
Luftfeuchtigkeit<br />
Niederschlag<br />
+/-<br />
- Regen<br />
Mehr (leeseitig)<br />
- Schnee<br />
Weniger<br />
- Tauabsatz<br />
Weniger<br />
Bioklima, Vegetationsperiode Bis zu 10 Tage länger<br />
Dauer der Frostperiode Bis – 30%<br />
Tabelle 2 Ausgewählte Charakteristika <strong>des</strong> Stadtklimas einer<br />
westeuropäischen Großstadt nach Kuttler 2009, verändert<br />
auch eine erhöhte Absorption kurzwelliger Strahlung<br />
Die mittlere Temperatur der Stadt ist<br />
höher als die <strong>des</strong> umgebenden freien<br />
Lan<strong>des</strong> (städtische Wärmeinsel). Die<br />
räumlichen Temperaturunterschiede<br />
zwischen Stadt und Umland sind im<br />
Einzelfall recht komplex und hängen<br />
stark von der jeweiligen Wetterlage<br />
ab. Allgemein lässt sich sagen, dass<br />
sie umso ausgeprägter sind, je<br />
wolkenärmer und schwachwindiger<br />
es ist und je stabiler die bodennahe<br />
atmosphärische Schichtung ist.<br />
Der Aufbau einer städtischen<br />
Wärmeinsel oder Urban Heat Island<br />
(UHI) ist direkt mit dem Aufbau<br />
einer urbanen Grenzschicht und der<br />
darunter liegenden urbanen<br />
Hindernisschicht verbunden. Diese<br />
kann bis zu 100 m mächtig sein und<br />
ist zum Großteil für UHI<br />
verantwortlich.<br />
Die städtische Wärmeinsel hat<br />
folgende Ursachen:<br />
- erhöhte Flächen- und<br />
Mehrfachreflexion durch<br />
hohe Gebäude und damit<br />
- erhöhte Luftverschmutzung führt zu einer erhöhten langwelligen Gegenstrahlung, aber<br />
auch zu einer verminderten Einstrahlung, Aerosole wirken abkühlend<br />
- hohe Gebäude reduzieren den „Sky View“ Faktor, die langwellige Ausstrahlung wird<br />
reduziert<br />
- Verkehr und Gebäude stellen anthropogene Wärmequellen dar<br />
- im Städtebau werden Materialen benutzt, die eine hohe Wärmkapazität besitzen und so<br />
den fühlbaren Wärmefluss erhöhen<br />
- die Versiegelung verringert die Verdunstung<br />
- die abgeschwächte Windgeschwindigkeit verringert den turbulenten Wärmetransport<br />
Diese Übertemperatur kann weiter ausdifferenziert werden hinsichtlich ihrer räumlichen,<br />
tageszeitlichen und jahreszeitlichen Intensität. Im Jahresmittel liegt die Klimamitteltemperatur in<br />
der Innenstadt bis zu 1,5 K über den Werten der Außenbezirke. Die größten<br />
Temperaturunterschiede sind vor allem in der warmen Jahreszeit 3 bis 5 Stunden nach<br />
Sonnenuntergang auszumachen. Eine UHI ist, wie schon erwähnt, nicht konstant- sie hat im<br />
12
Gegenteil einen ausgeprägten Tagesgang. Kurz nach Sonnenaufgang führt eine stärkere<br />
Erwärmung der ländlichen Umgebung zu einer Urban Cool Island (UCI). Im Laufe <strong>des</strong> Tages<br />
kommt es zu einem Ausgleich der Temperaturen, d.h. die Unterschiede der Maximumtemperatur<br />
sind eher gering im Gegensatz zur Minimumtemperatur.<br />
Am Nachmittag folgt eine schnellere Abkühlung der ländlichen Umgebung, die nach<br />
Sonnenuntergang nochmals ihre Abkühlung beschleunigt. Die Stadt hingegen gibt die Wärme<br />
nur sehr langsam ab. Die Intensität einer städtischen Wärmeinsel ist proportional zum<br />
Logarithmus der Einwohnerzahl und nimmt mit zunehmender Windgeschwindigkeit ab.<br />
Bei einer Aufstellung der Wärmebilanz von der Stadt im Vergleich zum Umland fällt auf, dass<br />
im Umland am Tag der Verdunstungswärmestrom über dem fühlbaren turbulenten Wärmestrom<br />
dominiert. In der Stadt ist dieser Zusammenhang genau umgekehrt. Hinzu kommt bei der Stadt<br />
ein nicht unerheblicher Anteil an anthropogener Wärme, der im Umland fehlt. (vgl. HOFFMANN<br />
2009, MAHLBERG 2007)<br />
Im Kerngebiet der Städte sind i.d.R. 70- 80% der vorhandenen Fläche bebaut. Nur 10-30% sind<br />
Freiflächen, die am Versickerungsprozess beteiligt sind und den Grundwasserspiegel regulieren.<br />
Von versiegelten Flächen gelangt das Wasser dagegen direkt in die Kanalisation und verlässt<br />
durch die Einleitung in Flüsse rasch das Gebiet. Weitere Unterschiede sind bei der Verdunstung<br />
auszumachen: auf versiegelten Flächen findet eine beschränkte Verdunstung statt. Auf freien<br />
Flächen läuft auf Grund der natürlichen Bodenfeuchte die Verdunstung kontinuierlich ab. Im<br />
Sommer sind hier ausgeprägtere Unterschiede als im Winter festzustellen. Die Innenstadt zeigt<br />
sich als ein ausnehmen<strong>des</strong> Trockengebiet- die relative Feuchte steigt in den Außenbezirken<br />
wieder an. Die Stadt hat eine erheblich größere Bodenrauhigkeit im Vergleich zum Umland:<br />
Durch eine erhöhte Reibung wird die Windgeschwindigkeit abgeschwächt, außerdem hat die<br />
Stadt einen Effekt auf die Vertikalkomponente der Luft: sie wird bei dem Überströmen der<br />
Baukörper zum Aufsteigen gezwungen. Ein weiterer kleinerskaliger Effekt ist die erhöhte<br />
Turbulenz durch die vielen Strömungshindernisse in der Stadt. Hieraus wird ersichtlich, welch<br />
ein komplexes Wirkungsgefüge ein Stadtklima ausmacht (vgl. KUTTLER 2009, HUPFER u.<br />
KUTTLER 2006).<br />
Die Intensität der Klimaveränderungen in einer Stadt hängt von den baulichen Eigenarten der<br />
Stadt und vom übergeordneten Klima ab (vgl. MALBERG 2007).<br />
5.2 Stadtklima Hamburg<br />
Hamburg ist mit rund 1,8 Mio. Einwohnern und einer Fläche von 775 km 2 die zweitgrößte Stadt<br />
Deutschlands. Hamburg liegt im Norden Deutschlands und ist ca. 80 km von der Ostsee und 100<br />
km von der Nordsee entfernt. Der maritime Einfluss führt zu einem gemäßigten Jahresgang der<br />
Temperatur: die Winter sind mild mit wenig Schnee, die Sommer moderat warm. Kältester<br />
Monat ist der Januar, der wärmste Monat Juli.<br />
Hamburg ist als Stadt auffällig grün mit vielen Parks und Straßenbäumen.<br />
Das im Folgenden vorgestellte Stadtklima von Hamburg ist u.a. in Schlünzen (2009), Hoffmann<br />
(2009) und Schlünzen et al (2009) beschrieben. Als Wärmeinsel zeigt Hamburg im Vergleich<br />
zum Umland in der Minimumtemperatur wesentlich größere Differenzen als in der<br />
Maximumtemperatur. Dies ist wie schon erwähnt auf eine bessere Wärmespeicherung der<br />
Gebäude zurückzuführen. Der größte Stadteinfluss auf das Klima ist in den Monaten April bis<br />
Oktober mit bis zu 3 K höherer Minimumtemperatur festzustellen.<br />
13
In den Wintermonaten ist die solare Strahlung gering- eine UHI kann zumin<strong>des</strong>t durch<br />
anthropogene Wärme entstehen. Die Minimumtemperatur ist bis > 1.5 K und die Maximumtemperatur<br />
~0,5 K höher als in der ruralen Umgebung.<br />
Das Muster der Temperaturunterschiede ist nur wenig von der Windgeschwindigkeit beeinflusst.<br />
Jedoch ist festzuhalten, dass, je höher die Windgeschwindigkeit ist, <strong>des</strong>to niedriger sind die<br />
Temperaturdifferenzen <strong>des</strong> urbanen Effektes. Sie bleiben unter 0.6 K für Windgeschwindigkeiten<br />
> 6 m/s.<br />
5.3 Prozesse in einer Stadt und deren Berücksichtigung in REMO<br />
Bei der Betrachtung der Energiebilanz einer Stadt fällt auf, dass ein wichtiger Term, nämlich der<br />
anthropogene Wärmefluss, in REMO nicht implementiert ist. Dies dürfte vor allem<br />
Auswirkungen auf Temperaturunterschiede zwischen Stadt und Umland im Winter haben. Auch<br />
nachts dürfte die Erwärmung der Stadt nicht allzu sehr auffallen. Die besonderen Eigenschaften<br />
einer Stadt verändern auch andere Terme der Energiebilanz.<br />
In REMO werden den jeweiligen Bodenarten (Sand, lehmiger Sand, Lehm, lehmiger Ton, Ton,<br />
Torf), die als feste untere Randbedingungen im <strong>Model</strong>l vorhanden sind, bestimmte<br />
Wärmekapazitäten zugeordnet, die abhängig vom Wassergehalt sind. Anthropogene Materialen,<br />
wie z.B. Beton oder Asphalt, unterscheiden sich in ihren thermischen Eigenschaften von<br />
natürlichen Flächen (siehe Tabelle 3).<br />
Material Anmerkungen Wärmeleitfähigkeit<br />
W/m*K<br />
Wärmespeicherzahl<br />
(Wärmekapazität)<br />
J/(m³*K)*10 6<br />
Asphalt 0,75 1,94 1205<br />
Beton Gasbeton 0,08<br />
0,28<br />
150<br />
Schwerbeton 1,15<br />
2,11<br />
1785<br />
Backstein durchschnittl. 0,83 1,37 1065<br />
Sandboden<br />
trocken 0,3<br />
1,28<br />
620<br />
(40%Porenvolumen) gesättigt 2,2<br />
2,96<br />
2550<br />
Lehmboden trocken 0,25<br />
1,42<br />
595<br />
(40%Porenvolumen) gesättigt 1,58<br />
3,10<br />
2215<br />
Wasser 4°C unbewegt 0,57 4,2 1545<br />
Tabelle 3 Thermische Eigenschaften künstlicher und natürlicher Materialien nach Kuttler 2009<br />
Wärmeeindringkoeffiziet<br />
J/m²*s 0.5 *K<br />
Ein wichtiger Punkt ist dabei die Bodenfeuchte, die die thermischen Eigenschaften der Böden<br />
verändert (siehe Tabelle 3). Bei einem feuchten Boden stellen sich an der Oberfläche durch<br />
Evaporation (latente Wärme) niedrigere Temperaturen ein. Es wird also weniger Energie über<br />
die Wärmestrahlung und den turbulenten Wärmestrom an die Atmosphäre abgegeben.<br />
Asphalt ist eine typische urbane Flächenversiegelung. Wenn man Asphalt mit einem trockenen<br />
Lehmboden vergleicht, sind die Wärmeleitfähigkeit und der Wärmeeindringkoeffizient von<br />
Asphalt (mehr als) dreifach erhöht. Das hat folgende Gründe: Asphalt absorbiert aufgrund seiner<br />
überwiegend dunklen Farbe viel kurzwellige Strahlungsenergie und gibt diese sowohl über die<br />
langwellige Ausstrahlung als auch über den turbulenten sensiblen Wärmestrom in die Luft ab.<br />
Auch der Bodenwärmestrom ist erhöht. Im Gegensatz zu natürlichen Flächen erfolgt bei Asphalt<br />
kein Energietransport über Verdunstung, dem zufolge sind natürliche Oberflächen, die meistens<br />
Feuchte enthalten, in der Regel kühler.<br />
14
Zusammenfassend kann man sagen, dass folgende Terme die Energiebilanz einer Stadt im<br />
Gegensatz zum Umland ändern: Die reflektierte kurzwellige Strahlung, die ausgehende<br />
langwellige Strahlung, die latente Wärme, der Bodenwärmestrom, die fühlbare Wärme und<br />
hinzukommend der anthropogene Wärmestrom.<br />
Die Einbeziehung der besonderen Eigenschaften anthropogener Materialen als „Stadtboden“<br />
würde womöglich einer verbesserten Darstellung von Stadtklimaten dienen.<br />
Der hydrologische Prozess ist ein weiterer wichtiger Prozess, der sich auf urbanen Oberflächen<br />
verändert. Ein besonders wichtiges Merkmal einer Stadt ist die Versiegelung. Sie bestimmt u.a.<br />
Evaporation (und damit eine weitere Beeinflussung auf den Wärmehaushalt), oberirdischen und<br />
unterirdischen Abfluss und Vegetationsanteil. In REMO ist die Versiegelung durch die<br />
Feldkapazität dargestellt. Für urbane Flächen ist die Feldkapazität 0. Desweitern ist auch keine<br />
Pflanzenbedeckung vorhanden. Damit sind sowohl der Abfluss, die Versickerung als auch die<br />
Evaporation bestimmt, d.h. eine urbane Fläche hat eine geringere Evaporation und geringeren<br />
unterirdischer Abfluss, einen hohen Oberflächenabfluss nach Regen und einen geringen<br />
Bodenwassergehalt.<br />
Mit der Rauhigkeitslänge in den Landschaftsoberflächenparametern der Hauptökosystemtypen<br />
wird eine Veränderung der Windgeschwindigkeit erzeugt. Die Rauhigkeitslänge für den<br />
Ökosystemtyp Urban ist mit 2,5 m festgesetzt. Allerdings besteht eine Landschaftsoberfläche<br />
meist nicht zu 100% aus dem Typ Urban sondern wird, wie schon in Kapitel 4 beschrieben,<br />
aggregiert. Dennoch ist die Variabilität einer Stadt, die Höhe betreffend, nicht abgebildet. Eine<br />
subskalige Einbeziehung der Variabilität der Rauhigkeitslängen urbaner Flächen wäre<br />
wünschenswert.<br />
6. Datenanalyse 1<br />
Um Aussagen über den Einfluss der Landschaftsoberflächenparameter auf atmosphärische<br />
Größen zu treffen, wurden Plots verschiedener Parameter qualitativ ausgewertet. Eine besonders<br />
interessante Frage in der Metropolregion Hamburg ist die Frage nach den Auswirkungen der<br />
Stadt auf atmosphärische Größen: Kann man z.B. die Stadt Hamburg als städtische Wärmeinsel<br />
überhaupt erkennen? Und darauffolgend: Wie machen sich die Unterschiede von Elbe, Umland<br />
und Hamburg in der Strahlungsbilanz bzw. im Wasserhaushalt bemerkbar? Sind noch weitere<br />
stadttypische Effekte auf atmosphärische Größen zu erkennen?<br />
Als erstes habe ich mich auf die Frage konzentriert, ob Hamburg als städtische Wärmeinsel in<br />
den Plots zu erkennen ist.<br />
1 Anmerkung: Die Daten, die verwendet wurden, stimmen nicht mit Beobachtungsdaten der angegebenen Jahre<br />
überein. Auch der C20 Klimalauf ist eine Projektion, d.h. er stellt das Klima nur im Mittel dar. Es kann nicht<br />
tagesgenau mit Beobachtungsdaten verglichen werden.<br />
Die <strong>Analyse</strong> beschränkt sich auf den Versuch, an Hand von ausgewählten Tagen (bzw. Zeitabschnitten) den Einfluss<br />
der Oberfläche auf die atmosphärischen Größen darzustellen.<br />
Durch die Wahl der qualitativen <strong>Analyse</strong> ist die Aussagekraft der <strong>Analyse</strong> begrenzt. Um allgemein gültige Aussagen<br />
über Tendenzen zu treffen, wäre eine statistische <strong>Analyse</strong> notwendig.<br />
Die Gebietsbeschränkungen, die im Kapitel noch erläutert werden, sind begründet ausgewählt (siehe<br />
Auswahlkriterien). Sie stellen aber auch das räumliche Mittel einer Gitterbox dar, bzw. für meine Gebietsauswahl<br />
„Wiese“, „Elbe“ und „Hamburg“ das räumliche Mittel der jeweils vier Gitterboxen.<br />
Die Uhrzeit ist immer in UTC.<br />
Alle Daten stammen aus der CERA Datenbank (JACOB u. MAHRENHOLZ 2006).<br />
15
Da städtische Wärmeinseln im Sommer stärker ausgeprägt sind, habe ich bei der Datenauswahl<br />
zuerst einen besonderen Schwerpunkt auf das Sommerhalbjahr (April bis Oktober) gelegt. Eine<br />
weitere Einschränkung hinsichtlich der Datenauswahl war mittels Zeitreihenplots <strong>des</strong><br />
kumulierten Tagesniederschlags zu treffen, um eine Beeinflussung von Prozessen durch<br />
Niederschlag auszuschließen. Ein zweiter Schritt war die Auswahl von schwachwindigen Tagen<br />
(bis zu einer Windstärke von 3,3 m/s bzw. bis Beaufort 2).<br />
Beaufortgrad<br />
Bezeichnung Mittlere Windgeschwindigkeit<br />
in 10m<br />
Höhe über freiem Gelände<br />
in m/s<br />
0 Windstille 0- 0,2<br />
1 leiser Zug 0,3- 1,5<br />
2 leichte Brise 1,6- 3,3<br />
3 schwache Brise,<br />
schwacher Wind<br />
3,4- 5,4<br />
4 mäßige Brise,<br />
mäßiger Wind<br />
5,5- 7,9<br />
5 frische Brise,<br />
frischer Wind<br />
8,0 – 10,7<br />
6 starker Wind 10,8- 13,8<br />
7 steifer Wind 13,9- 17,1<br />
8 stürmischer Wind 17,2- 20,7<br />
9 Sturm 20,8- 24,4<br />
10 schwerer Sturm 24,5- 28,4<br />
11 orkanartiger Sturm 28,5- 32,6<br />
12 Orkan ab 32,7<br />
Tabelle 4 Beaufort- Skala, verändert nach DWD 1996- 2009<br />
ausgemacht (z.B. 6.10.1960, genauere <strong>Analyse</strong> notwendig).<br />
Ich erstellte zuerst Plots mit dem<br />
Tagesmittel der 2m Temperatur.<br />
Nach der Auswahl eines<br />
Sommertages (1.8.1978), bei dem<br />
die Wärmeinsel gut sichtbar ist,<br />
wurden die Daten nach Wärmeinseln<br />
im Winter analysiert. Dabei wurde<br />
die Mitteltemperatur der 2m<br />
Temperatur auf Wärmeinseln in der<br />
Periode 1960 –1970 durchsucht,<br />
zunächst ohne Berücksichtigung der<br />
Windgeschwindigkeit und <strong>des</strong><br />
Niederschlags. Nach einer visuellen<br />
<strong>Analyse</strong> wurden keine Wärmeinseln<br />
gefunden (sehr selten Kälteinseln,<br />
auf die ich nicht näher eingehe). Das<br />
erste Auftreten einer UHI fand Ende<br />
April statt (z.B. 26.4.1968, genauere<br />
<strong>Analyse</strong> notwendig) das späteste<br />
Auftreten wurde Anfang Oktober<br />
Um eine mögliche Ursache für das Ausbleiben einer Wärmeinsel im Winter festzustellen, wurde<br />
ein relativ kalter schwachwindiger Wintertag ohne Niederschlag über Hamburg ausgesucht<br />
(20.12.1961).<br />
(Plots der 2m Temperatur, <strong>des</strong> Niederschlags, der Windrichtung und der Windgeschwindigkeit<br />
jeweils Tagesmittelwerte/ Tagessummen vom 1.8.1978 vom 20.12.1961 im Vergleich siehe Abb.<br />
11-18)<br />
Abb. 11 2m Temperatur am 1.8.1978 Abb. 12 2m Temperatur am 20.12.1961<br />
16
Abb. 13 Niederschlag am 1.8.1978 in kg/m² Abb. 14 Niederschlag am 20.12.1961 in kg/m²<br />
Abb. 15 Windgeschwindigkeit am 1.8.1978 Abb. 16 Windgeschwindigkeit am 20.12.1961<br />
Abb. 17 Windrichtung am 1.8.1978 (O) in Grad Abb. 18 Windrichtung am 20.12.1961 (SO) in Grad<br />
17
Um Unterschiede in Bezug auf die Temperatur und den Strahlungshaushalt im Tagesverlauf<br />
festzustellen, wurden jeweils 4 Boxen (Min<strong>des</strong>tanzahl, die bei REMO analysiert werden soll) mit<br />
jeweils großem Stadtanteil, großem Wasseranteil und großem Wiesenanteil herausgesucht. Die<br />
Boxen für Hamburg wurden nach visueller <strong>Analyse</strong> der Rauhigkeitslänge, sowie der Land-<br />
Wasser- Verteilung und dem Vegetationsanteil ausgesucht.<br />
Der Flussanteil wurde nach der Land- Wasser- Verteilung ausgesucht. Bei den Wiesen- Boxen<br />
Längengrad Breitengrad<br />
Hamburg 9.95,10.05 53.55,53.65<br />
Elbe 8.95, 9.05, 53.85,53,95<br />
Wiese 9.55, 9.65 53.95,54.05<br />
Tabelle 5 Gitterboxen Elbe, Wiese, Hamburg<br />
Elbe<br />
Wiese<br />
Abb. 19 Waldanteil<br />
Hamburg<br />
(bzw. Umland) wurden die vier Boxen nach<br />
möglichst wenig Waldanteil, geringer<br />
Rauhigkeitslänge und der Land- Wasser- Verteilung<br />
ausgewählt (siehe Abb. 19-22, Tabelle 4).<br />
Abb. 20 Vegetationsanteil (Juli)<br />
Abb. 21 Rauhigkeitslänge Abb. 22 Land- Wasser Verteilung<br />
18
Eine genauere Untersuchung der Wärmeinsel im Sommer bzw. die Frage, ob nicht doch eine<br />
Wärmeinsel im Winter vorhanden ist, wird durch eine <strong>Analyse</strong> der Maximum- und<br />
Minimumtemperatur in den Sommer- und Winterperioden der ausgewählten Tage, also<br />
Juli/August 1978 und Dezember 1961, durchgeführt.<br />
Um eine eventuell bestehende Abhängigkeit der Wärmeinsel von Niederschlag, Windrichtung<br />
und Windgeschwindigkeit festzustellen, wird zusätzlich eine Zeitreihe über die Periode von<br />
einem Monat (1.6.1960- 30.6.1960) analysiert.<br />
Zum Abschluss wird eine Momentaufnahme <strong>des</strong> Wasserhaushaltes an einem Sommer- und<br />
Wintertag analysiert.<br />
6.1 Wärmeinsel im Sommer im Vergleich zum Winter<br />
Im Sommer 1978 sieht man sehr deutlich Wärmeinseln (siehe Abb. 23). Wenn man sich einen<br />
Tag genauer anschaut, in diesem Fall den 1.8.1978 (siehe Abb. 24), kann man gut erkennen, dass<br />
die Stadt sowohl tagsüber als auch nachts wärmer als ihre Umgebung ist. Dabei zeigt sie eine<br />
ähnliche Verlaufskurve wie das Umland. Die Elbe hat eine deutlich niedrigere Temperatur und<br />
auch eine kleinere Amplitude. Man kann also sagen, dass die Wärmeinsel, die man sieht, nicht<br />
den für sie typischen Tagesverlauf hat, wie in der Literatur beschrieben und empirisch<br />
beobachtet. Um dies nicht nur für einen Tag zu belegen, sondern für einen längeren Zeitraum,<br />
habe ich mir die Minimum- und Maximumtemperaturen in der Periode vom 15.7.- 15.8.1978<br />
angesehen (siehe Abb. 25, 26). Bei typischen Tagesverläufen müssten die<br />
Minimumtemperaturen deutlich mehr voneinander abweichen als die Maximumtemperatur. Dies<br />
ist aber nicht der Fall.<br />
Abb. 19 2m Temperatur 15.7. - 15.8.1978<br />
19
Abb. 20 2m Temperatur 1.8.1978<br />
Abb. 21 2m Minimumtemperatur 15.7. - 15.8.1978<br />
20
Abb. 22 2m Maximumtemperatur 15.7. - 15.8.1978<br />
Im Winter konnte ich auf dem Plot der Tagesmitteltemperatur keine Wärmeinsel ausmachen.<br />
Wenn man sich die Werte in dem Zeitraum vom 1.12.1961 bis 31.12.1961 anschaut (siehe Abb.<br />
27), ist ebenfalls keine Wärmeinsel auszumachen. Auffällig ist allerdings die Elbe, die mit einer<br />
höheren Temperatur meist gut zu erkennen ist.<br />
Abb. 23 2m Temperatur 1.12. - 31.12.1961<br />
21
Untersucht man einen Tag im Dezember (ohne Niederschlag und mit hoher<br />
Windgeschwindigkeit), wird ein typischer Tagesverlauf einer Wärmeinsel sichtbar, allerdings<br />
mit sehr geringen Temperaturunterschieden (z.T.
Wenn man sich die Minimumtemperaturen für den Zeitraum ansieht (Maximumtemperaturen<br />
haben den gleichen Kurvenverlauf), kann man an den unregelmäßigen Kurven erkennen, dass im<br />
Winter sehr stark Wetterlagen die Temperaturen bestimmen (siehe Abb. 30). Bei einer genaueren<br />
Betrachtung der Minimumtemperatur in dem Zeitabschnitt vom 15.12 bis 23.12.1960 ist zu<br />
erkennen, dass die Stadt tagsüber z.T. höhere Minimumtemperaturen als das Umland hat,<br />
allerdings mit äußerst geringen Differenzen (z.T. < 0,25°C). Desöfteren sind die<br />
Minimumtemperaturen der Stadt auch niedriger als die <strong>des</strong> Umlands. Auch nachts zeigt sich<br />
keine Regelmäßigkeit (siehe Abb. 31).<br />
Zusammenfassend kann man sagen: Im Winter überdecken Wetterlagen in großem Maße den<br />
Einfluss <strong>des</strong> Untergrun<strong>des</strong>, besonders bei einem Vergleich von Stadt und Umland. Auch die<br />
geringe Einstrahlung (siehe Abb. 32) im Winter ist ein Grund dafür, dass sich keine Wärmeinsel<br />
ausbildet.<br />
Abb. 26 2m Minimumtemperatur 1.12. - 31.12.1961<br />
23
Abb. 27 2m Minimumtemperatur 15.12. - 23.12.1961<br />
6.2 Vergleich: Winter- und Sommertag in der Strahlungsbilanz 2<br />
Die Abbildungen 32- 41 zeigen den Tagesverlauf der Energiebilanzterme für Hamburg, Umland<br />
(Wiese) und Elbe im Vergleich. Abgebildet wurden jeweils die Bilanz der langwelligen<br />
Strahlung sowie der kurzwelligen Strahlung, der latente Wärmestrom, der fühlbare Wärmestrom<br />
und der Bodenwärmestrom (bzw. das Residuum).<br />
Bilanz der kurzwelligen Strahlung (siehe Abb. 32, 33)<br />
Im Tagesverlauf <strong>des</strong> 1.8. 1978 fällt im Gegensatz zum Tagesverlauf <strong>des</strong> 20.12.1961 das hohe<br />
Maximum von rund 698 W/m² auf. Der Maximalwert vom Wintertag liegt hingegen nur<br />
bei rund 135 W/m².Auf Grund <strong>des</strong> Sommerhalbjahres dauert die kurzwellige Strahlung ca.<br />
21 Stunden an, im Winter hingegen nur acht Stunden. Der höchste Wert wird jeweils um 12<br />
UTC erreicht. Die Differenzen bei den Kurven im Winter liegen an dem verschiedenen<br />
Auftreffen der Globalstrahlung: In Hamburg trifft mehr kurzwellige Strahlung auf. (Diese<br />
Erkenntnis wurde aus einer anderen Grafik gezogen, die hier nicht abgebildet wurde.)<br />
Am 1.8.1978 trifft an allen drei Orten gleichviel Strahlung auf. Deutlich zu sehen ist, dass die<br />
Strahlungsbilanz für das Umland geringer ist als für die Elbe und Hamburg, die den gleichen<br />
Kurvenverlauf haben. Ursache hierfür ist die Albedo.<br />
Bilanz der langwelligen Strahlung (siehe Abb. 34, 35)<br />
Bei der langwelligen Nettostrahlung sieht man im Winter (Abb. 34) einen großen<br />
Unterschied beim Vergleich der Kurven von der Elbe zu den Kurven von Wiese und Stadt.<br />
Sie erreicht bei rund -93 W/m² den Minimumwert und hat eine geringere Amplitude als die<br />
2 Alle Strahlung, die von der Atmosphäre auf den Boden trifft, hat ein positives Vorzeichen. Die Strahlung, die gen<br />
Atmosphäre gerichtet ist, hat ein negatives Vorzeichen. Der Bodenwärmestrom hat ebenfalls ein negatives<br />
Vorzeichen.<br />
24
Kurven von Wiese und Stadt. Die Elbe gibt also am meisten langwellige Strahlung an die<br />
Atmosphäre ab.<br />
Im Tagesverlauf <strong>des</strong> 1.8. 1978 erreicht die Stadt Hamburg einen Minimumwert von rund<br />
–112 W/m². Die Kurve der Elbe zeigt wiederum eine geringere Amplitude und die höchsten<br />
Werte, d.h. hier dreht sich das Verhältnis um und Hamburg gibt am meisten langwellige<br />
Strahlung an die Atmosphäre ab. Wasser wirkt also, wie zu erwarten, als ausgleichen<strong>des</strong><br />
Element auf Grund seiner spezifischen Eigenschaften (Wärmeleitfähigkeit und<br />
Wärmekapazität).<br />
Latenter Wärmefluss (siehe Abb. 36, 37)<br />
Im Tagesverlauf vom 20.12.1961 hat die Elbe eine Kurve mit dem höchsten latenten<br />
Wärmefluss. Die Kurve weist ebenfalls eine geringere Amplitude auf als die Kurven der<br />
Stadt und <strong>des</strong> Umlands.<br />
Die höchsten Werte erreichen die Kurven um 12 Uhr. Zu diesem Zeitpunkt können Hamburg<br />
und Elbe den höchsten latenten Wärmefluss aufweisen. Insgesamt ähnelt sich der Verlauf der<br />
Kurven von Wiese und Stadt, nur dass Hamburg einen höheren latenten Wärmefluss zeigt als<br />
das Umland.<br />
Im Tagesverlauf vom 1.8.1978 fällt sofort auf, dass das Umland mittags einen größeren<br />
latenten Wärmefluss hat als die Elbe. Der Grund dafür ist die, im Verhältnis zu Hamburg und<br />
Umland, relativ niedrige Temperatur der Elbe (siehe Abb. 24). Bei einem geringen<br />
Sättigungsdefizit in der Luft kann diese weniger Feuchte aufnehmen. Die Wiese hat mit<br />
Abstand die größte Amplitude. Der latente Wärmestrom von Hamburg ist, wie zu erwarten,<br />
am geringsten und das auch trotz höchster Oberflächentemperatur. Nachts liegen die Kurven<br />
etwa alle auf gleichem Niveau (um 0 W/m²).<br />
Fühlbarer Wärmefluss (siehe Abb. 38, 39)<br />
Der Tagesverlauf vom 20.12.1961 zeigt den größten fühlbaren Wärmestrom für die Elbe.<br />
Auffällig ist hier der unregelmäßige Verlauf der Kurve mit keinem eindeutig niedrigsten<br />
Wert. Die Amplitude ist bei allen Kurven gering. Eine weitere Auffälligkeit ist, dass die<br />
Kurven für Stadt und Umland im positiven Wertebereich liegen. Das liegt an der, im<br />
Vergleich zur Landoberfläche, wärmeren Atmosphäre.<br />
Am 1.8. 1978 erkennt man, dass Hamburg eindeutig die größte Amplitude und die höchsten<br />
Werte hat, d.h. am meisten Energie in fühlbare Wärme umwandelt. Dies hängt sicher mit<br />
dem Landschaftsoberflächenparameter der Vegetation zusammen, da der Hauptökosystemtyp<br />
Urban (mit Vegetationsparametern =0) keine Vegetation hat, die durch Transpiration Energie<br />
in latente Wärme umwandeln kann (siehe Latenter Wärmefluss). Obwohl Hamburg nicht nur<br />
durch den Ökosystemtyp Urban gekennzeichnet ist, weist die Stadt im Vergleich zum<br />
Umland einen geringeren Vegetationsanteil auf (siehe Abb. 20).<br />
Die Elbe hingegen wandelt am wenigsten Energie in fühlbare Wärme um.<br />
Bodenwärmestrom 3 bzw. Residuum (siehe Abb. 40, 41)<br />
Der Tagesverlauf vom 20.12.1961 zeigt, dass die Kurve der Elbe insgesamt im positiven<br />
Bereich liegt, d.h. die Elbe gibt permanent Wärme ab. Die Kurven für Hamburg und das<br />
Umland liegen sehr nah beieinander. Allerdings sind ihre Kurven ab ungefähr 10 Uhr ca. vier<br />
Stunden im negativen Bereich, d.h. die Wärme fließt in den Boden.<br />
Am Tagesverlauf <strong>des</strong> 1.8. 1978 erkennt man einen besonders hohen Bodenwärmestrom der<br />
Elbe, der hier die größte Amplitude hat. Dies erklärt vielleicht den relativ geringen Anteil an<br />
latentem Wärmefluss.<br />
3 Der Bodenwärmestrom bzw. das Residuum wurde aus den Termen der Energiebilanz errechnet (siehe Kapitel<br />
3.2.3). Hinzuzufügen ist außerdem, dass, von wissenschaftlicher Seite aus gesehen, der Bodenwärmestrom immer<br />
über einen längeren Zeitraum betrachtet werden muss.<br />
25
Die Stadt hat eine Kurve mit einer etwas größeren Amplitude als das Umland. Alle Kurven<br />
zeigen an, dass nachts eine leichte Abgabe von Wärme vorhanden ist (Wert liegt bei 40<br />
W/m²).<br />
26
Abb. 28 Bilanz der kurzwelligen Strahlung 20.12.1961<br />
Abb. 29 Bilanz der kurzwelligen Strahlung 1.8.1978<br />
27
Abb. 30 Bilanz der langwelligen Strahlung 20.12.1961<br />
Abb. 31 Bilanz der langwelligen Strahlung 1.8.1978<br />
28
Abb. 32 Latenter Wärmefluss 20.12.1961<br />
Abb. 33 Latenter Wärmefluss 1.8.1978<br />
29
Abb. 34 Fühlbarer Wärmefluss 20.12.1961<br />
Abb. 35 Fühlbarer Wärmefluss 1.8.1978<br />
30
Residuum<br />
Abb. 36 “Bodenwärmestrom” bzw. Residuum 20.12.1961<br />
Residuum<br />
Abb. 37 “Bodenwärmestrom” bzw. Residuum 1.8.1978<br />
31
6.3 Prüfung der Abhängigkeit der Wärmeinsel von Windgeschwindigkeit,<br />
Windrichtung und Niederschlag (<strong>Analyse</strong> <strong>des</strong> Zeitraumes 1.6.1960 -<br />
1.7.1960)<br />
Um eine Abhängigkeit der Wärmeinsel von Windrichtung, Windgeschwindigkeit und<br />
Niederschlag zu belegen oder auszuschließen, habe ich eine Sommerperiode dargestellt (einen<br />
Monat), in der eine Wärmeinsel auftritt und dazu sowohl Niederschlag als auch Windrichtung<br />
und Windgeschwindigkeit betrachtet. Wenn man sich im Juni 1960 z.B. die Zeit vom 22. Juni bis<br />
25.Juni anschaut, so ist trotz eines Min<strong>des</strong>tniederschlags von 2 mm eine Wärmeinsel vorhanden<br />
(siehe Abb. 42, 43). Um auszuschließen, dass der Niederschlag nicht über Hamburg niederging,<br />
habe ich einen Plot vom 24.6.1960 mit einem Tagesmittelwert <strong>des</strong> Niederschlags erstellt, auf<br />
dem gut erkennbar ist, dass es auch in Hamburg zu einem Niederschlagsereignis kam (siehe Abb.<br />
44).<br />
Allerdings scheint es ab einer bestimmten Höhe <strong>des</strong> Niederschlags doch Auswirkungen auf die<br />
Wärmeinsel zu geben: Wenn man die Tage mit den Niederschlagsspitzen betrachtet (14.6. und<br />
19./20.6.1960), sind im Temperaturverlauf keine Wärmeinseln zu sehen.<br />
Die Wärmeinsel ist unabhängig von der Windrichtung (siehe Abb. 45). Bei einer Betrachtung<br />
von zwei Beispieltagen (am 12.6.1960 weht der Wind aus SO und am 17.6.1960 aus WNW) ist<br />
an beiden Tagen eine Wärmeinsel erkennbar. Die Windgeschwindigkeit liegt bei beiden Tagen<br />
um 3,5 m/s.<br />
Die Windgeschwindigkeit (siehe Abb. 46) scheint, wie der Niederschlag, ab einer bestimmten<br />
Höhe Auswirkungen auf die Wärmeinsel zu haben. Wenn man sich wieder die Tage mit den<br />
Windspitzen anschaut (21.6. und 28.6.1960), sind keine Wärmeinseln auszumachen. Allerdings<br />
ist z.B. am 4.6.1960 (mit einer Windgeschwindigkeit von immerhin 5,6 m/s) eine Wärmeinsel<br />
vorhanden.<br />
Abb. 38 2m Temperatur vom 1.6.- 30.6.1960<br />
32
Abb. 39 Niederschlag vom 1.6.- 30.6.1960 in kg/m² Abb. 40 Niederschlag am 24.6.1960 [kg/m²]<br />
Abb. 41 Windrichtung vom 1.6.- 30.6.1960 in Grad<br />
33
Abb. 42 Windgeschwindigkeit vom 1.6.- 30.6.1960 in m/s<br />
6.4 Vergleich: Wasserhaushalt an einem Winter- und an einem Sommertag<br />
Bei einer Betrachtung <strong>des</strong> Wasserhaushaltes vom 20.12.1961 und vom 1.8.1978 muss<br />
berücksichtigt werden, dass es an diesen Tagen nicht geregnet hat (siehe Abb. 13, 14).<br />
Die ersten Abbildungen zeigen den unterirdischen Abfluss (siehe Abb. 47,48). Der 20.12.1960<br />
zeigt keinen unterirdischen Abfluss (Minimum- und Maximumwerte betragen jeweils 0), der<br />
Grund dafür ist der Bodenfrost. Am 1.8.1978 sieht man deutlich, dass Hamburg im Vergleich zu<br />
seiner Umgebung in wenigstens einer Gitterbox weniger unterirdischen Abfluss zeigt. Der<br />
Oberflächenabfluss ist in weiten Teilen <strong>des</strong> Gebietes nicht vorhanden (siehe Abb. 49, 50). Am<br />
1.8.1978 weisen die höchsten Werte Zahlen im Bereich von 10 –7 kg/m² auf. Ähnlich sieht es<br />
beim Interzeptionsspeicher aus (siehe Abb. 51,52). Die Werte liegen sowohl am 20.12.1962 als<br />
auch am 1.8.1978 in sehr niedrigen Bereichen und sind zu vernachlässigen. Bei den beiden Plots,<br />
die den Bodenwassergehalt zeigen (siehe Abb. 53,54), kann man sowohl am 20.12.1961 als auch<br />
am 1.8.1978 wieder sehr deutlich die Stadt Hamburg mit niedrigem Wassergehalt erkennen. Die<br />
Evaporation zeigt für den Wintertag deutlich niedrigere Werte als für den Sommertag. Hamburg<br />
hat im Winter etwas höhere Werte für bei der Evaporation als das Umland. Ganz deutlich sieht<br />
man die Elbe mit einer hohen Evaporation hervortreten (siehe Abb. 55). Am 1.8.1978 zeigt<br />
Hamburg eine deutlich niedrigere Evaporation als seine Umgebung (siehe Abb. 56). Auch die<br />
Elbe tritt deutlich hervor; interessant ist, dass sie eine niedrigere Evaporation als das Umland hat,<br />
was vermutlich an der niedrigeren Oberflächentemperatur liegt und mit dem Plot vom latenten<br />
Wärmefluss der Elbe (siehe Abb. 37) im Vergleich zum Umland passt.<br />
34
Abb. 43 Unterirdischer Abfluss am 20.12.1961 in kg/m² Abb. 44 Unterirdischer Abfluss am 1.8.1978 in kg/m²<br />
Abb. 45 Oberflächenabfluss am 20.12.19 in kg/m² Abb. 46 Oberflächenabfluss am 1.8.1978in kg/m²<br />
Abb. 47 Interzeptionsspeicher am 20.12.1961 in m Abb. 48 Interzeptionsspeicher am 1.8.1978 in m<br />
35
Abb. 49 Bodenwassergehalt 20.12.1961 in m Abb. 50 Bodenwassergehalt 1.8.1978 in m<br />
Abb. 51 Evaporation am 20.12.1961 in kg/m² Abb. 52 Evaporation am 1.8.1978 in kg/m²<br />
7. Zusammenfassung und Ausblick<br />
Die Frage, ob in REMO ein Einfluss <strong>des</strong> Untergrun<strong>des</strong> auf atmosphärische Größen zu sehen ist,<br />
kann eindeutig bejaht werden. Die Stadt Hamburg ist bei der Untersuchung von mehreren<br />
Parametern auf vielen Plots zu erkennen (2m Temperatur, Windgeschwindigkeit, Evaporation).<br />
Im Vergleich von Stadt, Umland und Elbe konnten eindeutige Unterschiede festgehalten werden,<br />
deren Ursachen die unterschiedlichen Oberflächenparameter sein müssen. Allerdings muss<br />
festgehalten werden, dass z.B. eine Stadt nicht mit all ihren Prozessen implementiert ist. In der<br />
Energiebilanz wurde der Term anthropogene Wärme nicht berücksichtigt. Auch eine<br />
stadtspezifische Wärmekapazität und die Wärmeleitung von künstlichen Materialen, wie Asphalt<br />
oder Beton, wurden nicht weiter aufgenommen. Dies hat Auswirkungen auf den Wärmehaushalt<br />
der Stadt. So ist z.B. zwar eine Wärmeinsel zu sehen, sie hat aber keinen typischen Tagesverlauf.<br />
Auch im Winter ist durch das Fehlen von anthropogenen Wärmeflüssen keine Wärmeinsel zu<br />
sehen. Auch in anderen Parametern ist die Stadt im Winter eher unauffällig. Die Ursache hierfür<br />
36
liegt wahrscheinlich in den wetterbedingten advektiven Einflüssen, die die Einflüsse <strong>des</strong><br />
Untergrun<strong>des</strong> der Stadt überdecken.<br />
Auch bei einer Betrachtung der Windgeschwindigkeit kann man die Stadt Hamburg durchaus<br />
erkennen. Sie ist in der Rauhigkeitslänge berücksichtigt. Allerdings liegt eine einheitliche<br />
Rauhigkeitslänge für den Typ Stadt vor, eine genauere Darstellung der unterschiedlichen Höhen<br />
einer Stadt im subskaligen Bereich wäre wünschenswert.<br />
Insgesamt muss bei dieser Arbeit berücksichtigt werden, dass es sich um eine rein qualitative<br />
<strong>Analyse</strong> handelt. Sie kann nur Auffälligkeiten aufzeigen. Um gesicherte Aussagen zu treffen,<br />
müsste eine statistische <strong>Analyse</strong> eines umfangreicheren Datensatzes angeschlossen werden.<br />
37
Abbildungsverzeichnis:<br />
Abb. 1 Metropolregion Hamburg mit dazugehörigen Landkreisen 4<br />
Abb. 2 Urban 9<br />
Abb. 3 Inland water 9<br />
Abb. 4 Sea water 9<br />
Abb. 5 Cool Crops and Towns 9<br />
Abb. 6 Crops and Towns 9<br />
Abb. 7 Small Leaf mixed Woods 9<br />
Abb. 8 Crops and Towns 10<br />
Abb. 9 Grass Crops 10<br />
Abb. 10 Crops, Grass, Shrups 10<br />
Abb. 11 2m Temperatur am 1.8.1978 16<br />
Abb. 12 2m Temperatur am 20.12.1961 16<br />
Abb. 13 Niederschlag am 1.8.1978 17<br />
Abb. 14 Niederschlag am 20.12.1961 17<br />
Abb. 15 Windgeschwindigkeit am 1.8.1978 17<br />
Abb. 16 Windgeschwindigkeit am 20.12.1961 17<br />
Abb. 17 Windrichtung am 1.8.1978 17<br />
Abb. 18 Windrichtung am 20.12.1961 17<br />
Abb. 19 Waldanteil 18<br />
Abb. 20 Vegetationsanteil (Juli) 18<br />
Abb. 21 Rauhigkeitslänge 18<br />
Abb. 22 Land- Wasser- Verteilung 18<br />
Abb. 23 2m Temperatur 15.7.- 15.8.1978 19<br />
Abb. 24 2m Temperatur am 1.8.1978 20<br />
Abb. 25 2m Minimumtemperatur 15.7.- 15.8.1978 20<br />
Abb. 26 2m Maximumtemperatur 15.7.- 15.8.1978 21<br />
Abb. 27 2m Temperatur 1.12.-31.12.1961 21<br />
Abb. 28 2m Temperatur am 20.12.1961 22<br />
Abb. 29 2m Temperatur am 20.12.1961 um 14:00h 22<br />
Abb. 30 2m Minimumtemperatur 1.12.-31.12.1961 23<br />
Abb. 31 2m Minimumtemperatur 15.12.-23.12.1961 24<br />
Abb. 32 Bilanz der kurzwelligen Strahlung am 20.12.1961 27<br />
Abb. 33 Bilanz der kurzwelligen Strahlung am 1.8.1978 27<br />
Abb. 34 Bilanz der langwelligen Strahlung am 20.12.1961 28<br />
Abb. 35 Bilanz der langwelligen Strahlung am 1.8.1978 28<br />
Abb. 36 Latenter Wärmefluss am 20.12.1961 29<br />
Abb. 37 Latenter Wärmefluss am 1.8.1978 29<br />
Abb. 38 Fühlbarer Wärmefluss am 20.12.1961 30<br />
Abb. 39 Fühlbarer Wärmefluss am 1.8.1978 30<br />
Abb. 40 „Bodenwärmestrom“ bzw. Residuum am 20.12.1961 31<br />
Abb. 41 „Bodenwärmestrom“ bzw. Residuum am 1.8.1978 31<br />
Abb. 42 2m Temperatur 1.6.-30.6.1960 32<br />
Abb. 43 Niederschlag 1.6.-30.6.1960 33<br />
Abb. 44 Niederschlag 24.6.1960 33<br />
Abb. 45 Windrichtung 1.6.-30.6.1960 33<br />
Abb. 46 Windgeschwindigkeit 1.6.-30.6.1960 34<br />
38
Abb. 47 Unterirdischer Abfluss am 20.12.1961 35<br />
Abb. 48 Unterirdischer Abfluss am 1.8.1978 35<br />
Abb. 49 Oberflächenabfluss am 20.12.1961 35<br />
Abb. 50 Oberflächenabfluss am 1.8.1978 35<br />
Abb. 51 Interzeptionsspeicher am 20.12.1961 35<br />
Abb. 52 Interzeptionsspeicher am 1.8.1978 35<br />
Abb. 53 Bodenwassergehalt am 20.12.1961 36<br />
Abb. 54 Bodenwassergehalt am 1.8.1978 36<br />
Abb. 55 Evaporation am 20.12.1961 36<br />
Abb. 56 Evaporation am 1.8.1978 36<br />
39
8. Literatur- und Quellenangaben:<br />
- ASSELIN, R. (1972): Frequency filter for time integrations. Monthly Weather Review,<br />
100: 487-490.<br />
- BMBF (2008): BMBF unterstützt Regionen bei der Anpassung an den Klimawandel<br />
[Pressemitteilung 194/2008]. Download unter www.bmbf.de/press/2406.php (letzter<br />
Zugriff 28.9.2009)<br />
- CLAUSSEN, M. et al (1994): A global dataset of land surface parameters. MPI Report 135.<br />
Max Planck Institut für Meteorologie.<br />
- DÜMENIL, L und E. TODINI (1992): A rainfall- runoff scheme for use in the Hamburg<br />
climate model. In: Kane JP (ed) Advances in the theoretical hydrology- a tribute to James<br />
Dooge. European Geophysical Society Series on Hydrological Sciences,1, Elvesevier,<br />
Amsterdam:129-157.<br />
- DWD (1996- 2009): Beaufort- Skala. www.deutscherwetterdienst.de/lexikon/index.htm?ID=B&DAT=Beaufort-Skala<br />
(letzter Zugriff<br />
15.9.2009)<br />
- FRENGER, I. (2008): Untersuchung der Auswirkungen von Landoberflächenänderungen in<br />
Westafrika auf das regionale Klima. Fachbereich Geowissenschaften. Universität<br />
Hannover. Diplomarbeit.<br />
- HAGEMANN, S. (2002): An improved land surface parameter dataset for global and<br />
regional climate models. MPI Report 336. Max Planck Institut für Meteorologie.<br />
- HAGEMANN, S. et al (1999): Derivation of global GCM boundary conditions from 1 km<br />
land use satellite data. MPI Report 289. Max Planck Institut für Meteorologie.<br />
- HAGEMAN S. und L.D. GATES (2003): Improving a subgrid runoff parameterization<br />
scheme for climate models by the use of high resolution data derived from satellite<br />
observations. Climate Dynamics, 21: 349-359.<br />
- HOFFMANN, PETER (2009): Modifikation von Starkniederschlägen durch urbane Gebiete.<br />
Dept. Geowissenschaften. Universität Hamburg. Diplomarbeit.<br />
- HUPFER, P. und W. KUTTLER (Hrsg.) (2006): Witterung und Klima. Eine Einführung in<br />
die Meteorologie und Klimatologie. 12 Auflage. Teubner Verlag/GWV Fachverlage<br />
GmbH, Wiesbaden: 371-432.<br />
- JACOB, D. (o.J. a): The Regional <strong>Model</strong>- REMO unter<br />
www.mpimet.mpg.de/wissenschaft/ueberblick/atmosphaere-im-erdsystem/regionaleklimamodellierung/the-remo-model/the-regional-model-remo.html<br />
(letzter Zugriff<br />
15.09.2009)<br />
- JACOB, D. (o.J. b): Remo <strong>Model</strong> Characteristics unter<br />
www.mpimet.mpg.de/wissenschaft/ueberblick/atmosphaere-im-erdsystem/regionaleklimamodellierung/the-remo-model/remo-model-charcteristics.html<br />
(letzter Zugriff<br />
15.09.2009)<br />
- JACOB, D. und R. PODZUN (1997): Sensitivity studies with the regionale climate model<br />
REMO. Meterology and Atmospheric Physics, 63: 119-129.<br />
- JACOB, D. (2001): A note to the simulation of the annual and inter-annual variability of<br />
the water budget over the baltic sea drainage basin. Meterology and Atmospheric<br />
Physics, 77: 61-73.<br />
- JACOB, D. und P. MAHRENHOLZ (2006): REMO climate of the 20 th century run , UBA<br />
project, datastream 3. World <strong>Data</strong> Center for Climate. CERA-DB.<br />
"REMO_UBA_C20_D3"<br />
40
cera-www.dkrz.de/WDCC/ui/Compact.jsp?acronym=REMO_UBA_C20_D3 (letzter<br />
Zugriff. 28.09.2009)<br />
- JACOB, D. et al (2008): Klimaauswirkungen und Anpassungen in Deutschland- Phase 1 :<br />
Erstellung regionaler Klimaszenarien für Deutschland. Abschlussbericht zum<br />
UFOPLAN- Vorhaben 204 41 138. Umweltbun<strong>des</strong>amt, Dessau- Roßlau. Download unter<br />
www.umweltdaten.de/publikationen/fpdf-l/3513.pdf (letzter Zugriff. 28.09.2009)<br />
- JENDRITZKY, G. (2007): Die Folgen <strong>des</strong> Klimawandels. In: Der Klimawandel - Einblicke,<br />
Rückblicke und Ausblicke. Berlin u. Potsdam. Download unter<br />
edoc.hu-berlin.de/miscellanies/klimawandel-28044/108/PDF/108.pdf (letzter Zugriff.<br />
28.09.2009)<br />
- KLIMZUG-NORD (2009): Newsletter. Ausgabe 1|2009. Download unter /klimzugnord.de/index.php/page/2009-04-15-Download<br />
(letzter Zugriff 15.9.2009)<br />
- KUTTLER, W. (2009): Klimatologie. (=UTB Grundriss Allgemeine Geographie). Verlag<br />
Ferdinand Schöningh, Paderborn.<br />
- MALBERG, H. (2007) Meteorologie und Klimatologie. Eine Einführung. 5. Auflage.<br />
Springer- Verlag Berlin Heidelberg: 354- 365.<br />
- OLSON, J.S. et al (1983): Carbon in live vegetation of major world ecosystems. Oak<br />
Ridge National Laboratory. ORNL-5862. Oak Ridge TN.<br />
- PATTERSON, K. A. (1990): Global distributions of total and total- available soil water-<br />
holding capacities. Master’s thesis. University of Delaware. Newark. DE.<br />
- PAETH, H. (2007): Klimamodellsimulationen. In: Der Klimawandel - Einblicke,<br />
Rückblicke und Ausblicke. Berlin u. Potsdam. Download unter<br />
edoc.hu-berlin.de/miscellanies/klimawandel-28044/44/PDF/44.pdf (letzer Zugriff.<br />
28.09.2009)<br />
- RECHID, D. (2001): Untersuchung zur Parametrisierung von Landoberflächen im<br />
Klimamodell REMO. Geographisches Institut. Universität Hannover. Diplomarbeit.<br />
- RECHID D., RADDATZ T. J., JACOB D. (2008 a): Parameterization of snow-free land<br />
surface albedo as a function of vegetation phenology based on MODIS data and applied<br />
in climate modelling. Theor Appl Climatol. DOI: 10.1007/s00704-008-0003-y.<br />
- RECHID D., HAGEMAN S., JACOB D. (2008 b): Sensitivity of climate models to seasonal<br />
variability of snow-free land surface albedo. Theor Appl Climatol. DOI:<br />
10.1007/s00704-007-0371-8.<br />
- SCHLÜNZEN, K. H. (2007): Temperaturänderungen in der Metropolregion Hamburg.<br />
Vortrag, Fachkonferenz <strong>des</strong> Bun<strong>des</strong>ministeriums für Bildung und Forschung "Globaler<br />
Klimawandel und regionale Auswirkungen in Norddeutschland", Hamburg (12. März<br />
2007). Download unter<br />
www.gkss.de/imperia/md/content/gkss/presse/news/schluenzen.pdf (letzer Zugriff.<br />
28.09.2009)<br />
- SCHLÜNZEN K.H., HOFFMANN P., ROSENHAGEN G., RIECKE W. (2009): Long-term<br />
changes and regional differences in temperature and precipitation in the metropolitan area<br />
of Hamburg. International Journal of Climatology. DOI: 10.1002/joc.1968.<br />
- WALKENHORST, O. und M. STOCK (2009): Regionale Klimaszenarien für Deutschland.<br />
Eine Leseanleitung. E-Paper der ARL, Nr. 6. Hannover. Download unter arlnet.org/pdf/publik/e-paper-der-arl-nr6.pdf<br />
(letzter Zugriff 15.9.2009)<br />
- WERNER, P. und F.-W. GERSTENGARBE (2007):Welche Klimaänderungen sind in<br />
Deutschland zu erwarten? In: Der Klimawandel - Einblicke, Rückblicke und Ausblicke.<br />
Berlin u. Potsdam. Download unter<br />
edoc.hu-berlin.de/miscellanies/klimawandel-28044/56/PDF/56.pdf (letzer Zugriff.<br />
28.09.2009)<br />
41
- www.klimzug.de/ (letzter Zugriff 28.9.2009)<br />
- www.klimzug-nord.de/ (letzter Zugriff 28.9.2009)<br />
42
Danksagungen<br />
Mein besonderer Dank gilt an dieser Stelle Frau Dr. Barbara Hennemuth und Frau Dr. Diana<br />
Rechid für die gute Betreuung und uneingeschränkte Unterstützung während meines Praktikums.<br />
Ein großer Dank geht auch an die Mitarbeiter der Gruppe <strong>Model</strong>le und Daten, die mir bei allen<br />
meinen Fragen immer weitergeholfen haben.<br />
43