Green Oasis MA
finales Dashboard des heißen Tages

Dario Steininger

Green Oasis MA

Mannheim ist eine der wärmsten Städte Deutschlands und nach Ludwigshafen auch die am meisten versiegelte Stadt.

Grünflächen haben einen bekannten kühlenden Effekt, hauptsächlich durch die Verdunstung der in den Pflanzen gespeicherten Feuchtigkeit. Besonders deutlich wird der kühlende Effekt von Grünflächen, wenn sie mit versiegelten Flächen verglichen werden. Das liegt daran, dass diese, anders als die Grünflächen, durch ihre meist dunkleren Farben und Materialien wie Asphalt oder Betonplatten als ein gigantischer Wärmespeicher fungieren. Doch wie stark sind die Temperaturunterschiede der Luft wirklich und wie stark hängen diese mit der direkten Sonneneinstrahlung zusammen? Das sind die Fragen, mit denen sich das Projekt Green Oasis MA beschäftigen soll.

Dieses Projekt ist im Rahmen des Kurses “Grundlagen der Datenvisualisierung” im Sommersemester 2022 an der Hochschule Mannheim unter der Leitung von Prof. Dr. Till Nagel entstanden.

Einführung / Konzept

Um den Vergleich zwischen Umgebungstemperaturen von Grünflächen und versiegelten Flächen zu ziehen, wird ein Sensornetz benötigt, welches über Daten in einem großflächigen Bereich verfügt. Durch sMArt City Mannheim wird solch ein Netzwerk bereitgestellt und ermöglicht Sensordaten von den benötigten Standorten auszulesen. Die Messstationen erheben neben den Messungen der Temperatur auch Daten zur Intensität der Sonnenstrahlung. Deshalb stellte sich mir die Frage, inwiefern der kühlende Effekt von Grünflächen mit der direkten Sonneneinstrahlung zusammenhängt. Mit dem Vergleich der Umgebungstemperatur von Grünflächen und versiegelten Flächen im Hinblick auf die jeweilige Sonneneinstrahlung konnten 2 Thesen aufgestellt werden:

  1. Der kühlende Effekt von Grünflächen wird vor allem in den Nacht- und Abendstunden bemerkbar.
  2. Der kühlende Effekt von Grünflächen ist Tagsüber sehr gering, da er durch die direkte Sonneneinstrahlung kompensiert wird und die kühlende Wirkung der Evapotranspiration durch erhöhte Verdunstung vermindert wird.

Um die Thesen anschaulich zu belegen, wurde ein Dashboard konzipiert, das die relevanten Daten und Zusammenhänge visualisiert.

Daten / Auswertung

Daten

Für das Projekt wurden die Datensätze von sMArt City Mannheim gewählt, da diese Daten über die Temperatur, sowie die Sonnenstrahlung und die Geo-Koordinaten enthalten. Im Vergleich zu den alternativen Datensätze, welche online zur Verfügung stehen, bietet sMArt eine wesentlich größere Anzahl an Messstandorten über Mannheim verteilt, was eine bessere Grundlage für eine aussagekräftige Visualisierung darstellt. Die gewählten Tage zur Visualisierung wurden mit Hilfe von AccuWeather ausgewählt. Die Datensätze werden pro Tag für jeden Sensor einzeln erstellt. Um die Datensätze der Sensoren eines Tages in einer CSV-Datei zu vereinen, wurde ein zur verfügung gestelltes Jupyter Notebook genutzt.

Jupyter Notebook zum kombinieren der einzelnen CSV-Dateien

Geo-Koordinaten:

Neben den CSV-Dateien der einzelnen Tage wird der Metadatenkatalog des Klimanetzes in Form einer Excel-Datei genutzt um die Geo-Koordinaten mit einbeziehen zu können. Dazu musste zunächst eine neue Spalte erstellt werden, in der die Messnetz Nummer und die Stations-ID vereinigt wurden. Dies diente dazu die Excel-Datei über die neue Spalte (Stations-ID) mit den CSV-Dateien der einzelnen Tage in Tableau zu verknüpfen.

Visualisierungen:

Eine in Tableau erstellte Karte bietet eine räumliche Übersicht über die Standorte der einzelnen Sensoren. Es wurden jeweils elf Sensoren für grüne und versiegelte Flächen gewählt um eine gleichmäßige Verteilung zu gewährleisten. Die Auswahl erfolgte über ein Balkendiagramm (vom 20.03.2024), in dem die Maximaltemperatur der Sensoren um 18Uhr visualisiert wurde. Dieser spezielle Zeitpunkt wurde gewählt, da hier die beste Verteilung von kühleren Temperaturen bei Grünflächen und heißen Temperaturen bei versiegelten Flächen festgestellt werden konnte. Dadurch konnten die elf heißesten und kältesten Sensoren der beiden Gruppen identifiziert und über ihre Sensor-ID ihrem Standort auf der Karte zugewiesen werden.

Karte mit allen Sensorstandorten
Balkendiagram mit den Maximaltemperaturen zur Auswahlhilfe

Die gewählten Sensoren wurden verwendet um eine neue CSV-Datei zu erstellen. Dazu wurden die Sensoren über ihre Sensor-IDs in Tableau gruppiert. Anschließend wurden für die beiden Gruppen jeweils Diagramme erstellt, die als Grundlage der neuen CSV-Datei dienten. Dieses Vorgehen wurde für beide Gruppen an den jeweiligen Tagen wiederholt.

Diagramm mit den benötigten Werten der Grünflächen-Gruppe
Tabelle die sich aus dem erstellten Diagramm ergibt

Der Prototyp

Der erste Prototyp wurde mit Tableau erstellt und zeigt die Temperaturdifferenz der beiden Sensorgruppen über einen Tag verteilt.

Temperaturdiagramm mit allen Sensoren

Aufgrund der Vielzahl von Linien wurde der Durchschnitt der Maximaltemperatur zu jeder vollen Stunde gebildet und als Liniendiagramm mit einer Doppelachse visualisiert. Hierbei wurde der Durchschnitt und nicht der Median gewählt, da dieser durch einzelne Werte, welche von der Norm abweichen, stärker beeinflusst wird. So würde z.B. ein einzelner Sensor einer versieglten Fläche eine große Abweichung erzeugen, wenn er im Gegensatz zu den anderen im Schatten steht. Mit dem Durchschnittswert erzeugt solch eine Abweichung einen wesentlich geringeren “Fehler”.

Temperaturverteilung über einen Tag aus den Durschnittswerten der Sensoren

Um die einzelnen Zeitpunkte besser betrachten zu können und zu verdeutlichen, dass in den Morgen- und Abendstunden mehr Sensoren der versiegelten Gruppe höhere Temperaturen aufweisen, wurde ein weiteres Liniendiagramm erstellt. Dieses zeigt die einzelnen Sensoren zu einem gewählten Zeitpunkt.

Verteilung der Maximaltemperatur der Sensoren zu einem gewählten Zeitpunkt

Ein Liniendiagramm erwies sich als ungeeignet, da es die Identifikation der Messstationen erschwert und eine verfälschende Wirkung auf die Werte ausübt. Ein Balkendiagramm wurde als bessere Option gewählt, da es optimal dafür geeignet ist die Verteilung der Maximaltemperatur aufzuzeigen.

Verteilung der Maximltemperaturen zu einem gewählten Zeitpunkt als Balkendiagramm

Bei der Betrachtung der Daten wurde deutlich, dass die Temperaturdifferenz sehr stark von der Strahlungsintensität der Sonne abhängt. Deshalb wurde, zusätzlich zu den Temperaturen, ein Diagramm ergänzt, dass die durchschnittliche Maximalintensität der Strahlung pro Stunde zeigt. Der Durchschnittwert wurde, wie auch bei den Temperaturwerten, mit einer neu erstellten CSV-Datei realisiert.

Temperatur- und Strahlungsdifferenz in einem vereinten Doppeldiagramm

Visualisierung

Für die Visualisierung des Projekts wurden Ideen aus der Vorlesung und aus den Projekten der letzten Jahre gesammelt. Die Visualisierung konzentriert sich auf die Darsstellung der Temperatur- und Sonneneinstrahlungsdaten von Grünflächen und versieglten Flächen in Mannheim. Diese wurde in einem interaktiven Dashboard auf Tableau erstellt.

Um die Temperaturdifferenz der versieglten Flächen und Grünflächen gleichzeitig anzuzeigen, wurden 2 doppelte Liniendiagramme erstellt, welche jeweils die beiden Gruppen enthalten. Diese zeigen die Temperaturverläufe und Strahlungswerte der Sensorgruppen. Mit Hilfe eines kategorischen Farbschemas, Grau für versiegelte- und Grün für grüne Flächen, ergibt sich in den Diagrammen eine klare optische Trennung die es ermöglicht, die Gemeinsamkeiten und Unterschiede der Daten besser darzustellen.

Unterhalb der beiden Liniendiagramme wurde zusätzlich ein Balkendiagramm positioniert, um die Verteilung der Maximaltemperaturen zu einem bestimmten gewählten Zeitpunkt übersichtlich darzustellen. Ausgewählt wird der jeweilige Zeitpunkt über einen Schieberegler, der auch die Möglichkeit bietet den gesamten Tagesdurchschnitt auszuwählen.

Als Vergleich kann über die Symbole am rechten Bildschirmrand zwischen einem heißen, einem kalten und einem mittleren Vergleichstag ausgewählt werden. Hierbei handelt es sich um den kältesten Tag der vorliegenden Datensätze, ebenso wie es sich um den heißesten Tag in den vorliegenden Datensätzen handelt. Als mittlerer Vergleichstag wurde ein Tag gewählt, dessen Temperatur zwischen den beiden anderen Tagen liegt und dessen Strahlungswerte für grüne und versiegelte Flächen nur geringe Unterschiede und allgemein niedrige Werte aufweisen.

Implementierung

Ich entschied mich Tableau für die Implementierung zu verwenden, da wir im Rahmen der Vorlesung bereits umfassende Kenntnisse im Umgang damit erworben hatten und es eine sehr benutzerfreundliche Oberfläche bietet, um komplexe Datensätze einfach zu visualisieren.

Da für die Auswahl der Sensoren eine Karte mit den Standorten der Sensoren benötigt wurde, mussten zuerst die Geo-Koordinaten eingebunden werden. Um diese nutzen zu können, wurde zunächst die Excel-Tabelle des Metadatenkatalogs in Tableau integriert. Die gewählten Tage wurden über die Sensor-ID mit der Tabelle verknüpft. Für die einzelnen Tage wurden jeweils zwei CSV-Dateien (eine für die Grünflächen und eine für die versiegelten Flächen) für die Durchschnittstemperatur und zwei CSV-Dateien für die durchschnittliche Strahlung generiert. Diese CSV-Dateien wurden über die Zeit mit ihrem jeweiligen Tag verknüpft.

Die finale Visualisierung wurde mithilfe von drei Dashboards umgesetzt. Hierbei enthält jedes Dashboard die Visualisierung für einen anderen Tag mit den jeweiligen Angaben über Sonnenauf- und Sonnenuntergang sowie dem Schieberegler, um das Balkendiagramm zu steuern. Über die graphischen Steuerelemente welche symbolisch den heißen bzw. kalten oder mittleren (Vergleichs-) Tag darstellen, kann mit einem Klick durch die Dashboards navigiert werden.

Dashboard mit den verscheidenen Interaktionsmöglichkeiten

Erkenntnisse

Mit Hilfe des Dashboards lassen sich die Zusammenhänge der Temperaturdifferenz mit der allgemeinen Maximaltemperatur und der Strahlungsintensität der Sonne gut erkennen.

Wird der heiße Tag betrachtet ist deutlich zu erkennen, dass die Temperaturdifferenz nachts am höchsten ist und Tagsüber hingegen fast überhaupt nicht vorhanden ist. Woran das liegt, ist zu erkennen, wenn der zugehörige Graph der Strahlungswerte betrachtet wird. In der Nacht liegen die Werte der Strahlung auf null was dazu führt, dass die Grünflächen sich schneller abkühlen als die versiegelten Flächen, welche die Wärme des Vorherigen Tages gespeichert haben. Nehmen die Strahlungswerte zu, steigen auch die Temperaturen und die Durchschnittswerte der beiden Temperaturgraphen beginnen leicht zeitverzögert zu der Strahlung zu steigen und sich einander anzunähern. Erst wenn die Werte der Strahlung beginnen zu sinken, entfernen sich die Graphen der Durchschnittstemperatur, ebenfalls leicht zeitversetzt zu den Strahlungswerten, wieder voneinander. Was hierbei auch beachtet werden muss, ist, dass die Strahlungswerte der Grünflächen grundlegend geringer sind, da diese mehr Schattenflächen bieten und durch ihre höhere Albedo das Sonnenlicht reflektieren.

Wird nun der kalte Tag betrachtet, fällt ebenfalls auf, dass die Grünflächen die Umgebungstemperatur kühlen wenn wenig bis gar keine Strahlung vorhanden ist. Es fällt jedoch ebenfalls auf, dass die Grünflächen tagsüber sogar wärmer sind als die versiegelten Flächen. Dies liegt daran, dass die Pflanzen in den kalten Jahreszeiten wesentlich weniger begrünt sind, wodurch ihr Verdunstungseffekt, welcher einen Großteil des kühlenden Effekts verursacht, nur noch sehr bedingt eintritt und sie weniger Schatten bieten. Auch der niedrigere Stand der Sonne ist hier von Bedeutung, da durch diesen ein großer Schattenwurf durch Gebäude auf den versiegelten Flächen verursacht wird und somit die Temperatur dieser erheblich verringert wird. Den größten Einfluss hat alleridings erneut die Speicherkapazität von versiegelten Flächen. Da die Strahlung zu gering ist die versiegelten Flächen stark zu erwärmen geben diese die gespeicherten kalten Temperaturen aus den Nächten wieder ab und kühlen tagsüber somit die Umgebungstemperatur.

Der Tag mit der mittleren Temperatur dient hier vor allem dem vergleich, da dieser eine maximale Temperatur hat, welche zwischen dem heißen und dem kalten liegt und annähernd gleiche Strahlungswerte von den Grünflächen und versiegelten Flächen aufweist. Wird zum Beispiel der Beginn der Messung betrachtet, so fällt auf, dass die Temperaturen stark voneinander abweichen, da die versiegelten Flächen noch vom vorherigen Tag aufgeheizt sind. Erst ab dem Zeitpunkt, ab dem die Strahlungswerte steigen und einen Wert von 100 w/m^2 erreichen, nähern sich die Temperaturen einander an. Im Gegensatz zu den anderen beiden Tagen bleiben die durchschnittlichen Temperaturwerte allerdings annähernd gleich. Dies ist darauf zurückzuführen, dass die Strahlungswerte mit Ausnahme eines zwei Stunden Zeitraumes im Allgemeinen sehr gering sind und daher nicht in der Lage sind, starke Unterschiede in der Absorption der versiegelten und in der Reflexion der grünen Flächen zu erzeugen. Auch die Kühlung, welche durch Verdunstung hervorgerufen wird, fällt durch die niedrigen Temperaturen nur gering aus.

Allgemein geben die jeweiligen Balkendiagramme einen klaren und schnellen Überblick über die Verteilung der Maximaltemperaturen pro Sensor zu einer bestimmten Zeit. Durch die Möglichkeit den Zeitpunkt zu wählen der betrachtet werden soll, wird ermöglicht die Aufgestellte These, dass die Temperaturdifferenz nachts bzw. in den Morgen- und Abendstunden am stärksten ist, vereinfacht dargestellt zu belegen. Auch die zweite These, dass die kühlende Wirkung der Grünflächen durch die hohe Sonneneinstrahlung kompensiert wird kann bewiesen werden. Dies ist vor allem durch den Vergleichstag gut zu beobachten, da annähernd gleiche Strahlungswerte hier auch zu annähernd gleichen Durchschnittstemperaturen bei grüen und versiegelten Flächen führen.

Fazit

Mit Hilfe der Visualisierungen lassen sich die komplexen Zusammenhänge von Temperatur und Strahlung auf versiegelten und begrünten Flächen übersichtlich darstellen so wie über mehrere Tage betrachten.

Durch das Dashboard ist es möglich, die beiden Thesen zu belegen und darüber hinaus ist zu erkennen, was die Bedingungen für das Eintreten dieser sind. Es kann auch festgestellt werden, dass es Ausnahmen gibt, auf die die Thesen nur bedingt zutreffen wie anhand des mittleren Tages zu erkennen ist. Das Balkendiagramm ergänzt die Übersicht über die durchschnittliche Tagestemperatur, um die Möglichkeit die Maximaltemperatur der einzelnen Sensoren zu betrachten. Das Ermöglicht es auch Ausreißer in den Werten auszumachen. Ausreißer sind hier z.B. einzelne Sensoren, die gegensätzlich zu den anderen ihrer Gruppe in der Sonne oder dem Schatten stehen und dadurch wesentlich höhere bzw. niedrigere Temperaturen messen. Zusammengefasst gewährt das Dashboard eine Übersicht über die Zusammenhänge der einzelnen Parameter und zeigt, wie diese sich auf die Temperatur der beiden Gruppen auswirken.

Ausblick

Als weitere Ideen für das Projekt habe ich mir im Laufe der Entwicklung folgendes überlegt:

  1. Aufnehmen weiterer Tage
  2. Ergänzung der Wetterlage der einzelnen Tage (Regen, Sonnig, bewölkt)
  3. Ergänzung der Luftfeuchtigkeit

Quellen

https://opendata.smartmannheim.de/dataset/metadaten-stadtklimamessnetze-mannheim