3.4  COPERNICUS-DATEN  FÜR  STADTKLIMASIMULATIONEN  39

DARSTELLUNG  VON  STÄDTEN  IM  MODELL  UND  BISHERIGE  DATENVORBEREITUNG ­

Im  Modell  MUKLIMO_3  werden  eine  Stadt  und  ihr  Umland  durch  einen  Landnutzungsdatensatz ­
  beschrieben,  der  durch  verschiedene  Klassen  realisiert  wird.
Je  mehr  verschiedene  Klassen  hierfür  benutzt  werden,  desto  genauer  ist  die  Darstellung ­
  der  Stadt.  Jede  einzelne  Klasse  wiederum  besitzt  verschiedene  physikalische ­
  Parameter  zur  Beschreibung  der  städtischen  Eigenschaften,  wie  z.  B.
den  Versiegelungsgrad  zwischen  den  Gebäuden,  den  Grundflächenanteil  der
Gebäude,  die  mittlere  Gebäudehöhe,  die  Albedo  der  Dachflächen  oder  die  städtische ­
  Vegetation.  Für  letztere  sind  z.  B.  Baumhöhen  und  Baumbedeckungsgrad
relevant.  Insgesamt  benötigt  das  Modell  mehr  als  20  verschiedene  physikalische
Parameter,  um  eine  Stadt  darstellen  zu  können.
Die  Bereitstellung  dieser  Landnutzungsdaten  erfolgte  bislang  auf  der  Basis
von  Kartierungen  (z.  B.  Liegenschafts-  oder  Biotopkartierungen),  aus  welchen
mit  großem  zeitlichen  Aufwand  für  jede  Stadt  individuell  verschiedene  Klassen ­
  definiert  wurden,  die  danach  in  ein  einheitliches  Format  gebracht  werden
mussten.  Zusätzlich  mussten  die  physikalischen  Parameter  für  die  Klassen  von
Landnutzungsdaten  aus  der  Literatur  abgeleitet  werden.
AUTOMATISIERUNG  DER  DATEN  VORBEREITUNG  MIT  CLMS-PRODUKTEN
Die  frei  verfügbaren  Produkte  des  Copernicus  Land  Monitoring  Services  (CLMS)
bieten  nun  jedoch  die  Möglichkeit,  die  Vorbereitung  der  Eingangsdaten  für  das
Modell  zu  automatisieren,  da  die  CLMS-Produkte  bereits  fertige  Landnutzungsdatensätze ­
  inklusive  einiger  wichtiger  physikalischer  Parameter  enthalten.
Dies  haben  wir  uns  im  Projekt  GUAMO  zunutze  gemacht  und  eine  Methode
für  die  Automatisierung  der  Datenvorbereitung  entwickelt,  sodass  die  Notwendigkeit ­
  entfällt,  die  über  CLMS  bereits  verfügbaren  Parameter  aufwendig  aus
der  Literatur  zu  bestimmen.  Folgend  genannte  Produkte  des  CLMS  haben  wir
genutzt:
•  Urban  Atlas  und  CORINE  Land  Cover  haben  wir  zu  einem  flächendeckenden ­
  Landnutzungsdatensatz  zusammengeführt.  Dieser  Vektordatensatz
ist  für  jede  weitere  Datenvorbereitung  für  verschiedene  Auflösungen  des
Modellgebietes  genutzt  worden  und  wird  auf  dem  Portal  GDI-DE  zur  Verfügung ­
  gestellt.
•  Aus  den  High  Resolution  Layer  (HRL)  Datensätzen  „Imperviousness"  und
„Tree  Cover  Density"  haben  wir  die  beiden  physikalischen  Parameter  „Versiegelungsgrad" ­
  und  „Baumbedeckungsgrad"  gewonnen.
•  Aus  dem  Digital  Elevation  Model  (EU-DEM)  haben  wir  die  Geländehöhen
ermittelt.
Weiterhin  sind  Informationen  über  den  Gebäudegrundflächenanteil,  die  Gebäudehöhe ­
  und  den  Wandflächenindex  erforderlich.  Da  Copernicus  die  Gebäudehöhe ­
  bisher  jedoch  nur  für  europäische  Hauptstädte  anbietet,  haben  wir  diese
Parameter  aus  dem  3D-Gebäudemodell  L0D1  abgeleitet.
Zudem  haben  wir  eine  neue  Methode  entwickelt,  mit  welcher  wir  die  physikalischen ­
  Parameter  direkt  als  Rasterdaten  in  MUKLIMO_3  einiesen  können.
Damit  haben  wir  die  Mittelungen  über  Klassen  vermieden,  was  letztlich  zu