Intensität, raumzeitliche Variabilität und Ursachen der städtischen Hitzeinsel – Eine Untersuchung am Beispiel Berlins im Sommer 2015

ausgearbeitet von Julia Bartsch, Anjes Bloch, Tina Christmann

Abstract

Die Studie untersucht am Beispiel Berlins während einer außerordentlichen Hitzeanomalie im Sommer 2015 die intraurbane Variabilität der städtischen Hitzeinsel (engl. Urban Heat Island – UHI) einschließlich der quantitativen Erfassung ihrer Ursachen. Dabei wird primär auf die räumliche und zeitliche Verteilung des Auftretens der UHI eingegangen. Es werden zehn Standorte, an denen Klimadaten vom Deutschen Wetterdienst, sowie Klima- und Landbedeckungsdaten vom Fachgebiet Klimatologie, TU Berlin, erhoben wurden, ausgewählt. Neun Stationen liegen innerhalb der Stadt und werden daher als urban definiert. Eine Station liegt außerhalb und dient als rurale Referenzstation. Von den urbanen Stationen werden vier als unbebaut und fünf als bebaut klassifiziert. Die verwendeten Daten beziehen sich auf die erste Juliwoche 2015 mit autochthoner Wetterlage. Die Intensität der UHI im Untersuchungsgebiet wird mittels klassischer Berechnung der Differenz von Lufttemperaturwerten zwischen einer ländlichen oder bewaldeten Station und verschiedenen urbanen Stationen ermittelt. Die Intensität der UHI ist insbesondere in der Nacht am größten und auch am längsten. Des Weiteren werden Lufttemperaturen an den innerstädtischen Stationen auf Grundlage unterschiedlicher Landbedeckungen verglichen. Dabei wird eine große raumzeitliche Variabilität festgestellt. Die Ursachen der UHI (Vegetationsanteil, Versiegelung etc.) werden anhand statistischer Verfahren (Korrelation) untersucht. Es konnte keine einheitliche Gesamt-UHI ermittelt werden, was an der Einbeziehung unbebauter Flächen liegen kann.

Zunehmende Urbanisierung im Zusammenhang mit dem voranschreitenden Klimawandel führt in Städten zu erhöhten Lufttemperaturen im Vergleich zum Umland – dem so genannten Hitzeinsel-Effekt. Großstädte wie Berlin sind aufgrund der hohen und wachsenden Bevölkerungszahl besonders von humanbioklimatisch belastenden Situationen, wie dem Hitzestress, betroffen. Während der europaweiten Hitzewelle im Sommer 2003 starben ca. 70 000 Menschen (ROBINE et al. 2003). Die Hitzeinsel (urban heat island = UHI) kann klassisch als Lufttemperaturdifferenz zwischen Stadt (T_(Stadt)) und Umland (T_(Umland)) definiert werden (Gleichung 1) (OKE 1973). Den Wert, den sie annimmt, bezeichnen wir als UHI-Intensität. Ist sie negativ, so spricht man von einer Kälteinsel (urban cool island = UCI).

<m 16>UHI = T_(Stadt) – T_(Umland)</m> (1)

Erhöhte Absorption kurzwelliger Strahlung, erhöhte sensible Wärmespeicherung, anthropogene Wärmeemission, reduzierte langwellige Ausstrahlung, niedrige Evapotranspirationsraten und reduzierte sensible Wärmeverluste sind aufgrund von geringen Turbulenzen und Straßenschluchtgeometrien Ursachen der UHI (OKE 1987).

Die UHI wurde für verschiedene Städte schon mehrfach durch die Differenz urbaner und ruraler Lufttemperaturen quantifiziert. International liegen u.a. Untersuchungen für US-Metropolregionen (STONE 2007), Chicago (COSEO & LARSEN 2014), Rotterdam (HOVE et al. 2015) und auch für Berlin (SenStadtUm 2010; FENNER et al. 2014) vor. Der online geführte Umweltatlas der SENATSVERWALTUNG FÜR STADTENTWICKLUNG bietet auf Datengrundlage von 1953–2012 eine Beschreibung und Bewertung verschiedener Parameter der Berliner Umwelt. Es wird gezeigt, dass innerstädtische Stationen aufgrund des hohen Versiegelungsgrades und der Gebäudestrukturen höhere Lufttemperaturen aufweisen als Stationen am Stadtrand (SENATSVERWALTUNG FÜR STADTENTWICKLUNG 2016).

Allerdings können Städte nicht als eine homogene UHI gesehen werden, sondern weisen durch heterogene Landbedeckung inselartige Unterschiede in der Intensität der UHI auf. Es kommt zur Ausbildung von Wärmearchipelen und kühlen Gebieten (KUTTLER 2010). Dies wird als intraurbane räumliche Variabilität bezeichnet.
Zudem ergibt sich ein zeitliches Muster der UHI – die sogenannte intraurbane temporale Variabilität. Im Sommer ist die UHI nachts am stärksten ausgeprägt (FENNER et al. 2014; KUTTLER 2010). Untersuchungen zu Städten in gemäßigten Klimaten zeigen eine beständige Variation der UHI-Intensitäten innerhalb von 24 Stunden (OKE 1982; RUNNALLS & OKE 2000). FENNER et al. (2014) führten eine Analyse der intraurbanen (zeitlichen und räumlichen) Variabilität der UHI Berlins mit Klimadaten von 2001–2010 und sechs Messstationen durch und zeigten, dass die innerstädtische Durchschnittstemperatur nachts bis zu 6 K höher als an der Referenzstation am westlichen bewaldeten Stadtrand Berlins ist.

OKE (1973) nennt als Hauptgrund zur Entstehung der UHI die geringere Abkühlung der Stadt und betont den Zusammenhang zu Landbedeckung und Einwohnerzahl (siehe auch KUTTLER 2010). Versiegelungsgrad, Vegetationsanteil, Gebäudehöhe, Albedo und der Himmelssichtfaktor (Sky View Factor – SVF) sind zusätzliche Parameter, die die städtische Lufttemperatur beeinflussen (FENNER et al. 2014; HOVE et al. 2015; OKE 1973; KUTTLER 2010; KETTERER 2015; SCHUBERT & GROSSMAN-CLARKE 2012; O’MALLEY 2015; BALLINAS 2015). Auch HEDQUIST et al. (2015) erkannten in ihrer auf Fernerkundung basierenden Analyse des Zusammenhangs von Landbedeckung und der UHI den kühlenden Effekt der Vegetation und den erwärmenden Effekt von Versiegelung.

Am Beispiel des Sommers 2015 soll die intraurbane Variabilität der UHI Berlins, einschließlich ihrer Ursachen, quantitativ erfasst werden, da dieser Sommer verglichen zur Klimaperiode 1961–1990 der zweitwärmste Sommer seit Wetteraufzeichnungen ist. Mit 10,9 °C war Berlin zudem das wärmste, mit rund 510 l/m² das trockenste und mit ungefähr 1 845 Stunden das sonnenscheinreichste Bundesland (DEUTSCHER WETTERDIENST 2016). Die Untersuchung der UHI Berlins gewinnt immer mehr an Bedeutung, da die durchschnittliche Lufttemperatur in den letzten Jahren gestiegen ist (SENATSVERWALTUNG FÜR STADTENTWICKLUNG 2016).

Folgende zwei Fragestellungen und dazugehörige Hypothesen stehen bei unserer Analyse im Vordergrund:

1. Zeitliche Variabilität: Gibt es eine intraurbane Variabilität der Lufttemperaturen und damit auch der UHI-Intensität in Berlin und wann ist diese am stärksten ausgeprägt?
   Hypothese: Es besteht eine UHI in Berlin, die in den Nachtstunden ihre maximale Ausprägung zeigt.
2. Räumliche Variabilität: Gibt es ein Muster in der räumlichen Verteilung von Wärmearchipelen und kühleren Orten in Berlin und wie steht dieses in Zusammenhang mit den Landbedeckungsparametern?
   Hypothese: Die Lufttemperaturen variieren im Berliner Stadtgebiet je nach Landbedeckungsparametern, sodass sich unterschiedliche UHI-Intensitäten ausprägen.

Beschreibung des Untersuchungsgebiets
Berlin liegt in Nord-Ostdeutschland (52° 31` 12`` n.Br, 13° 24` 36`` ö. L.) in gemäßigtem Klima mit einer Jahresdurchschnittstemperatur von 9,1 °C und ganzjährigen Niederschlägen von summiert 570 mm. Das Berliner Stadtgebiet umfasst eine Größe von 892 km² mit 3,5 Millionen Einwohnern (Stand 2012), was einer Dichte von 3 921 Einwohnern/km² entspricht. Ein hoher Anteil an Erholungs- (11,9 %), Wald- (18,3 %) und Wasserflächen (6,7 %), sowie 435 680 Straßenbäumen (Stand 2011) machen Berlin zu einer grünen Großstadt (BERLINONLINE STADTPORTAL GMBH & CO. KG 2016).
Bei der Flächennutzung dominieren mit einem Anteil von 41,4 % die größtenteils versiegelten Gebäude- und Freiflächen, sowie die Verkehrsflächen mit 14,9 %. Im Innenstadtbereich beträgt der Versiegelungsgrad 70–80 %, in den Randbereichen 30–40 % (SENATSVERWALTUNG FÜR STADTENTWICKLUNG UND UMWELT 2011).

Die VDI-Richtlinie 3785 empfiehlt eine ausreichende Anzahl an Messstationen und deren repräsentativer Verteilung (VEREIN DEUTSCHER INGENIEURE 2008).
Aus diesem Grund haben wir insgesamt zehn Messstationen ausgewählt, fünf des Messnetzes vom Fachgebiet Klimatologie der TU Berlin (FG) und fünf des Deutschen Wetterdienstes (DWD), davon neun innerstädtische Stationen und eine rurale Referenzstation (s. Abb. 1). Die Stationen unterscheiden sich hinsichtlich ihrer Entfernung zum Stadtzentrum und ihren Landbedeckungseigenschaften (s. Tab. 2). Die zentralste Station, nahe dem Potsdamer Platz, ist die Dessauer Straße (DESS). In der Berliner Innenstadt befinden sich außerdem die durch Bebauung dominierte Station Swinemünder Straße (SWIN), die parkartig bewaldete Station Tiergarten (TIER) und die auf der Freifläche eines ehemaligen Flughafens gelegene Station Tempelhof (TEMP). In den äußeren Bezirken wurden die bebauten Standorte Buch (BUCH), Marzahn (MARZ) und Rothenburgstraße (ROTH), sowie die im Wald gelegenen Stationen Grunewald (GRUN) und Kaniswall (KANI) gewählt. Die rurale Referenzstation Lindenberg (LIND) liegt etwa 60 km südöstlich vom Berliner Stadtzentrum entfernt. Die Stationen im Berliner Stadtgebiet wurden auf Grundlage der Gebäudeanteile in „bebaut“ und „unbebaut“ eingeteilt (s. Abb. 1 und Tab. 2). Die bebauten Flächen DESS, ROTH, MARZ, BUCH, SWIN besitzen alle einen Gebäudeanteil von über 14 %, bei den unbebauten Flächen GRUN, TIER, KANI, TEMP liegt der Gebäudeanteil unter 2 %.

In der Analyse werden Lufttemperaturdaten aus der städtischen Hindernisschicht verwendet, welche mit der Gebäudehöhe abschließt. Es wurden Daten zu Lufttemperaturen, Windgeschwindigkeiten und Sonnenscheindauer erfasst. Die Messgenauigkeiten der Lufttemperaturen (Sensor: Campbell Scientific CS215) liegen bei den FG-Stationen bei ±0,2 K bei 20 °C. Bei den DWD-Daten sind uns die Messgenauigkeiten nicht bekannt. Die stündlichen Lufttemperaturdaten sind entsprechend der SYNOP-Konvention abgelegt (dabei wird einer Stunde der Messwert von 10 min zuvor zugeordnet) und werden in 2m Höhe gemessen.

Es müssen autochthone Bedingungen vorliegen, um die maximale UHI-Intensität zu messen, da Wind und Bewölkung die Messwerte beeinflussen (OKE 1973; KUTTLER 2010; STEWART 2011). Auf dieser Grundlage wird als Untersuchungszeitraum die erste Juliwoche (01.07. bis 05.07.) des Sommers 2015 gewählt, da an der innerstädtischen Station TEMP und der ruralen LIND in diesem Zeitraum geringe Windgeschwindigkeiten und Bewölkung herrschten (s. Tab. 1). Die Niederschlagshöhe betrug an TEMP und LIND im gesamten Zeitraum 0,0 mm (Ausnahme 05.07. 22 Uhr 6 mm). Da die Daten in unterschiedlicher Auflösung vorliegen, werden die Lufttemperaturdaten aller Stationen auf stündliche Werte aggregiert.

Tab. 1 – Sonnenstunden (Lindenberg – LIND und Tempelhof – TEMP) und Windgeschwindigkeiten (Tempelhof – TEMP) im Untersuchungszeitraum (DWD 2016)

Für die Datenanalyse und -präsentation wird das Statistikprogramm R mit der Oberfläche R Studio verwendet. Die Abstände zwischen den Stationen werden mit Google Earth berechnet. Die Landbedeckungsdaten im Umkreis von 200 m der Stationen werden vom Fachgebiet Klimatologie der TU Berlin (2016, unveröffentlicht) entnommen. Eine Korrelationsanalyse mit den Parametern Abstand zu DESS, Versiegelungsgrad, Vegetationsanteil, Gebäudeanteil und SVF_{Vegetation & Gebäude} ermöglicht eine Analyse der UHI-Ursachen.

Tab. 2 – Überblick über die Stationen und Landbedeckungsparameter im 200 m-Umkreis (SenStadtUm 2014; Abstandsmessungen nach GOOGLE EARTH 2016)

Die Ergebnisse werden anhand der formulierten Hypothesen vorgestellt.

Hypothese 1: Es besteht eine UHI in Berlin, die in den Nachtstunden ihre maximale Ausprägung zeigt.

Zur Ermittlung der UHI-Intensität im Tagesgang wird die urbane Referenzstation DESS einmal durch Differenz der Lufttemperatur zur ruralen Referenzstation LIND und einmal durch Differenz zur bewaldeten und am Stadtrand liegenden Station GRUN beschrieben (Abb. 2). Hierdurch soll aufgezeigt werden, dass auch schon im kleineren Radius um das Berliner Stadtzentrum herum – also bis zum 11,2 km entfernten Grunewald – eine UHI sichtbar wird. Im Tagesverlauf werden an DESS ganztägig höhere Lufttemperaturen als an GRUN gemessen, wodurch eine UHI bewiesen wird. Bei DESS–LIND sind die Lufttemperaturen bis auf die Morgenstunden zwischen 7 und 8 Uhr ebenfalls positiv. Die höchsten UHI-Intensitäten treten in der Nacht mit Maximalwerten von 3,2 K bei DESS–LIND und 5 K bei DESS–GRUN auf, die geringsten bei DESS–LIND am frühen Morgen mit Minimalwerten von –0,7 K und bei DESS–GRUN zur Mittagszeit mit 0,3 K.

Eine Gesamt-UHI Berlins, ermittelt durch die Differenz der Stundenmittel aller urbanen Stationen und LIND, besteht zwischen 3 und 6 Uhr, sowie 9 und 24 Uhr (s. Abb. 2). Nachts und zwischen 6 und 9 Uhr ist die gesamte Stadt im Mittel kälter als LIND. Dieses Phänomen der UCI lässt sich auch beim Vergleich DESS–LIND zwischen 7 und 8 Uhr erkennen. Darauf soll in der Diskussion eingegangen werden.

Die Hypothese bestätigt sich teilweise. Beim Vergleich DESS–LIND besteht eine UHI von 1,9 K mit maximalen Ausprägungen in der Nacht. Für die gesamte Stadt beträgt die UHI nur 0,6 K, weist aber nachts entgegen der Hypothese die geringste Ausprägung auf.

Hypothese 2: Die Lufttemperaturen variieren im Berliner Stadtgebiet je nach Landbedeckungsparametern, sodass sich kühlere und heißere Ausprägungen finden.

Für diese Hypothese werden die UHI-Intensitäten im Tagesgang für jede der neun Stationen im Berliner Stadtgebiet (s. Abb. 3), sowie die statistischen Daten zur Lufttemperatur (s. Abb. 5, Appendix 1) betrachtet. Außerdem werden gemittelte Tagesgänge für bebaute und unbebaute Stationen verglichen (s. Abb. 5).

Die UHI-Intensitäten aller Stationen weisen im Tagesverlauf verschiedene Muster auf. Bei den unbebauten Stationen GRUN und KANI bilden sich in der Nacht und am frühen Morgen UCIs aus, während bei den bebauten und zentralen Stationen DESS und SWIN nachts positive Differenzen und damit stark ausgeprägte UHIs ersichtlich werden. Bei allen Stationen liegen die Lufttemperaturen tagsüber höher als an der Referenzstation LIND, die UHI-Intensität schwankt von Station zu Station.

Höchste Maximaltemperaturen werden im Zeitraum vom 01.–05.07.2015 mit 37,3 °C an SWIN gemessen, niedrigste Minimaltemperaturen mit 9,9 °C in KANI (s. Abb. 4; Appendix 1). Der höchste Mittelwert ist 26,9 °C an der zentralen Station DESS. Die größten Lufttemperaturschwankungen weist KANI mit 27,3 K auf, während die geringsten Schwankungen 17,7 K an Referenzstation DESS betragen(s. Varianz in Appendix 1). Im Folgenden wird untersucht, wie sich die Landbedeckungsparameter Vegetationsanteil, Versiegelungsgrad, Gebäudeanteil und SVF_{Vegetation & Gebäude}, welche sich in den von uns definierten Klassen bebaut und unbebaut implizit wiederfinden, auf den Tagesgang der Lufttemperatur auswirken.

In Abb. 5 wird erkennbar, dass die unbebauten Flächen eine kühlende Komponente darstellen. Nachts ist die Differenz zwischen den bebauten und unbebauten Stationen mit bis zu 3 K am höchsten. Es wird ebenfalls ersichtlich, dass die unbebauten Flächen im Tagesverlauf nicht immer kühler als die bebauten Flächen sind. Dies ist am frühen Nachmittag zwischen 14 und 16 Uhr der Fall, sowie morgens zwischen 8 und 10 Uhr, wo beide Lufttemperaturkurven gleich verlaufen. Für die durchschnittliche Lufttemperatur im Tagesverlauf ergibt der t-Test keinen signifikanten Unterschied zwischen bebauten und unbebauten Stationen (p= 0,25).

Die Hypothese wurde insofern bestätigt, als dass sich die Lufttemperaturen in ihren Maximal- sowie Durchschnittswerten an den einzelnen Stationen unterscheiden. Die UHI-Intensitäten im Tagesgang zeigen verschiedene, teils gegenläufige Ausprägungen je nach Standort und Einteilung, sodass eine räumliche Variabilität bewiesen ist. In der Diskussion wird untersucht, ob die Landbedeckungsparameter, die hinter der Einteilung in „bebaut“ und „unbebaut“ stehen, Einflüsse auf die Lufttemperatur an den Stationen haben.

Das Lufttemperaturmittel aller Berliner Stationen beträgt 25,6 °C innerhalb des Untersuchungszeitraumes. Dieser Wert entspricht dem Durchschnittswert der Station LIND und lässt keinen Schluss auf eine Gesamt-UHI ganz Berlins zu. Typisch urbane Stationen wie DESS oder SWIN liegen allerdings signifikant über diesem Mittelwert, andere Stationen, die auf unbebauten Flächen positioniert sind (GRUN und KANI), unterhalb. Das nächtliche Auftreten der maximalen UHI-Intensität wurde bestätigt und findet sich auch in der Literatur wieder (KUTTLER 2010).
Die innerstädtischen unbebauten Flächen, die in die Berechnung der Gesamt-UHI miteinbezogen werden sind ebenfalls kühler als die bebauten Stationen und senken somit den Wert der Gesamt-UHI. Berlin ist von der Stadtstruktur heterogen, weswegen eine hohe Anzahl von Wärmearchipelen, aber auch kühlenden Bereichen in der Stadt auftreten. Es zeigt sich vor allem eine Heterogenität der Minimal-, Mittel- und Maximalwerte aller Berliner Stationen. Diese Ausbildung verschiedener Mikroklimate in Großstädten wurde auch von KUTTLER (2010) und PARECE et al. (2016) beobachtet. Zwischen 7 und 8 Uhr ist mit –0,7 K die Lufttemperatur an DESS geringer als an LIND, was eine UCI vermuten lässt. Auch das gesamtstädtische Temperaturmittel ist von 0 bis 3 Uhr und 6 bis 9 Uhr geringer als die Temperaturen in LIND. Da die Referenzstation LIND auf einer offenen Freifläche ohne Bäume liegt, könnte der UCI-Effekt in den Morgenstunden wie folgt erklärt werden: Der durch Vegetation und Gebäude reduzierte SVF_{Vegetation & Gebäude} an DESS und vielen urbanen Stationen (bis auf TEMP und KANI ist an allen urbanen Stationen der SVF_{Vegetation & Gebäude} kleiner als 0,63) begünstigt während der Morgenstunden bei schräg einfallenden Sonnenstrahlen die Beschattung der Station, während in LIND um diese Zeit die Messstation unbeschattet ist. FENNER et al. (2014) beobachteten beim Vergleich von ROTH und TIER mit ihrer ruralen Referenzstation Dahlemer Feld einen ähnlichen UCI-Effekt in den Morgen- und Abendstunden, vor allem im April. Begründet wird dies mit der Blattbildung bei ROTH und TIER, die einen Beschattungseffekt hervorruft, während am Dahlemer Feld aufgrund der offenen Fläche und mangelnder Beschattung höhere Temperaturen herrschen. Um dieses Phänomen zu untersuchen, führen wir eine analoge Analyse mit GRUN als ruraler Referenzstation durch und beobachten das Ausbleiben des UCI-Effekts beim Vergleich DESS–GRUN (Abb. 2), aufgrund der geringen Lufttemperaturen dort. Dies unterstreicht den kühlenden Effekt der dort vorhandenen dichten Vegetation mit Höhen von über 15 m.
Somit ist das Auftreten der UCI maßgeblich auf hohe Temperaturen aufgrund der offenen Exposition an LIND zurückzuführen. Beschattungseffekte erklären die niedrigeren Mittelwerte der bewaldeten Stationen TIER, GRUN und KANI im Vergleich zu LIND. Ein hoher SVF_{Vegetation & Gebäude} kann sowohl wegen der Beschattung beider Komponenten, als auch wegen der Transpirationskühlung der Vegetation zu reduzierten Lufttemperaturen führen. SHASHUA-BAR UND HOFFMAN (2000) beobachteten bei bewaldeten Stationen innerhalb der Stadt Kühlungseffekte, die zu 80 % der Beschattung zuzuschreiben sind. Somit kommt der Pflanzung und Erhaltung von beschattender Vegetation zur UHI-Mitigation und zur Hitzestress-Reduktion eine wichtige Rolle zu. ROSENFELD et al. (1998), TONG et al. (2005) und CA et al. (1998) messen maximale Temperaturreduktionen durch Vegetationspflanzungen von 1,5–3 K.

Unterschiedliche Landbedeckungen beeinflussen die sich darüber befindlichen Luftmassen, sodass verschiedene Lufttemperaturen resultieren (SEKERTEKIN et al. 2016). Deswegen werden in der linearen Korrelationsanalyse (s. Appendix 2) die Durchschnittstemperaturen aller innerstädtischen Stationen jeweils einem Einflussfaktor (Abstand zu DESS, Versiegelungsgrad, Vegetationsanteil, SVFVegetation & Gebäude) gegenübergestellt. Bei allen Korrelationen ist eine große Varianz zu erkennen, weswegen die Bestimmtheitsmaße gering sind (s. Tab. 3). Beim Abstand und Vegetationsanteil sind negative Zusammenhänge erkennbar, dies findet sich auch in anderen Studien wieder (FENNER et al. 2014; KUTTLER 2010; COSEO & LARSEN 2014; OKE 1973; SCHUBERT & GROSSMAN-CLARKE 2012; O’MALLEY et al. 2015; BALLINAS & BARRADAS 2016). Positive Zusammenhänge sind beim Gebäudeanteil, Versiegelungsanteil und SVF_{Vegetation & Gebäude} erkennbar. Diese Auswirkungen auf die Lufttemperatur finden sich ebenfalls in der Literatur wieder (KUTTLER 2004; KUTTLER 2010; COSEO & LARSEN 2014; HEADQUIST et al. 2015; HOVE et al. 2015). Allerdings kann nur bei der Korrelation des Gebäudeanteils zur Lufttemperatur der Zusammenhang durch ein lineares Modell mittlerer Güte mit p = 0,06 beschrieben werden. Für die anderen Einflussfaktoren kann der Zusammenhang nicht durch eine lineare Funktion beschrieben werden.

Tab. 3 – Signifikanz (p-Wert) und Korrelationskoeffizient ® der Landbedeckungsparameter der Korrelationsanalyse mit der Lufttemperatur aller Stationen (eigene Darstellung).

Das Berliner Stadtgebiet wird durch die gewählten Messstationen weitestgehend abgedeckt; sie sind gekennzeichnet durch verschiedene Entfernungen zum Stadtzentrum und urbane Landbedeckungen. DESS befindet sich nahe am Stadtzentrum und liegt im dicht bebauten Gebiet, wodurch diese zu unserer zentralen urbanen Station gewählt wurde. Allerdings liegen die ermittelten Versiegelungswerte mit 34,1 % für eine urbane Station vergleichsweise niedrig.
Unsere Einstufung der Messstationen als bebaut und unbebaut erfolgte auf Grundlage des Gebäudeanteils, da sich Vegetationsanteil und Versiegelungsgrad von bebauten und unbebauten Stationen oft überschneiden und somit keine Kategorisierung zulassen.
In der Studie wurden die Stationen aus dem Messnetz des FG Klimatologie der TU Berlin sowie des DWDs gewählt. Zu beachten ist, dass sich die beiden Messreihen in ihrer Datenerfassung, beispielsweise in den Messintervallen unterscheiden. Die Lufttemperaturen wurden zur Vergleichbarkeit auf die in den Ausgangsdaten vorliegende geringste Auflösung von einer Stunde aggregiert. Dadurch kann es zu Ungenauigkeiten und Abweichungen, vor allem bei der Abbildung der Extrema kommen, welche durch stündliche Mittelwerte nicht abgebildet werden können. Zudem handelt es sich hier um einen Zeitraum von fünf Tagen. Die Wahl eines anderen Zeitraums kann dabei zu anderen Ergebnissen führen.
Die urbanen Landbedeckungen wurden in einem 200 m Radius untersucht. Es wird empfohlen, aufgrund der hohen Heterogenität in Städten, einen Radius von nicht mehr als ein paar hundert Meter zu wählen (CHANDLER 1964; OKE 2004; RUNNALLS & OKE 2006).

Die Studie hat keine signifikante Gesamt-UHI ergeben, sondern eine stark ausdifferenzierte raumzeitliche Variabilität innerhalb des Stadtgebiets und hohe Varianz der Lufttemperaturen der Stationen. Auch die maximale nächtliche UHI ist für bebaute Flächen bewiesen worden. Zudem haben wir den gegenteiligen Effekt einer Gesamt-UCI zwischen 8 und 10 Uhr beobachtet. Die Differenz der nächtlichen Minimalwerte zwischen unbebauten und bebauten Stationen kann bis zu 7 K betragen und die Lufttemperaturamplituden im Tagesgang sind an den bebauten Stationen deutlich geringer als an den unbebauten. Dies unterstreicht, ebenso wie die negative lineare Korrelationen von Vegetationsanteil und Lufttemperatur und positive Korrelationen von Gebäudeanteil mit Lufttemperatur, den kühlenden und damit UHI-reduzierenden Effekt von Vegetation. Berlin besitzt einen sehr hohen Grün- und Freiflächenanteil, der sich auch in der Auswahl unserer Messstationen wiederspiegelt. Dieser geht auf innerstädtische Parks und in den Randbereichen liegende Wälder zurück. Potenzial besteht somit in der Integration von Vegetationsflächen in dicht bebaute Gebiete, um den Effekt der städtischen Wärmeinsel zu verringern.

Abb. – Abbildung

BUCH – Messstation Buch

DESS – Messstation Dessauer Straße

DWD – Deutscher Wetterdienst

FG – Fachgebiet

GRUN – Messstation Grunewald

KANI – Messstation Kaniswall

LIND – Messstation Lindenberg

MARZ – Messstation Marzahn

ROTH – Messstation Rothenburgstraße

SVF – Sky View Factor

SWIN – Messstation Swinemünder Straße

Tab. – Tabelle

TEMP – Messstation Tempelhofer Feld

TIER – Messstation Tiergarten

UCI – Urban Cool Island

UHI – Urban Heat Island

Abbildung 1 – Stationsübersicht in Berlin und Umland (verändert nach GOOGLE MAPS 2016. Online in Internet: URL: https://www.google.de/maps/place/Berlin/@52.5072111,13.1449641,10z/data=!3m1!4b1!4m5!3m4!1s0x47a84e373f035901:0x42120465b5e3b70!8m2!3d52.5200066!4d13.404954 [Stand 06.06.16])

Abbildung 2 – Differenz der Lufttemperaturen im Tagesverlauf Dessauer Straße – Lindenberg (-) und Dessauer Straße – Grunewald (- -) am 02.07.2015 Abb.3 – Differenz der Lufttemperaturen aller urbanen Stationen zu Lindenberg am 02.07.2015 = Gesamt-UHI (eigene Darstellung).

Abbildung 3 – Differenz der Lufttemperaturen aller urbanen Stationen zu Lindenberg am 02.07.2015 = Gesamt-UHI (eigene Darstellung).

Abbildung 4 – UHI-Intensität, abgebildet durch die Lufttemperaturdifferenz der jeweiligen Station zu LIND am 02.07.2015 (eigene Darstellung).

Abbildung 5 – Boxplots der Lufttemperaturen aller Stationen vom 01.–05.07.2015 (eigene Darstellung).

Abbildung 6 – Vergleich des durchschnittlichen Lufttemperaturtagesverlaufs am 02.07.2015 von unbebauten Flächen und bebauten Flächen (eigene Darstellung).

Tabelle 1 – Sonnenstunden (Lindenberg – LIND und Tempelhof – TEMP) und Windgeschwindigkeiten (Tempelhof – TEMP) im Untersuchungszeitraum (DEUTSCHER WETTERDIENST, DWD Stationen Berlin-Buch, Berlin-Grunewald, Berlin-Kaniswall, Berlin-Marzahn, Berlin-Tempelhof (ftp://ftp-cdc.dwd.de/pub/CDC/observations_germany/climate/hourly/air_temperature/recent/[Stand 06.06.16 12:00])).

Tabelle 2 – Überblick über die Stationen und Landbedeckungsparameter im 200 m-Umkreis (FENNER, D. (2014): Vegetations- und Gebäude-DSM, 1m Gitterauflösung, unveröffentlicht, Google Earth 2016).

Tabelle 3 – p-Wert und r der Landbedeckungsparameter der Korrelationsanalyse mit der Lufttemperatur aller Stationen (eigene Darstellung).

BALLINAS, M., BARRADAS, V., 2016: The Urban Tree as a Tool to Mitigate the Urban Heat island in Mexico City: A Simple Phenomenological Model., Journal of environmental quality, Volume 45, Issue 1, 157–166

CA, V., ASAEDA, T., ABU, E., 1998: Reductions in air-conditioning energy caused by a nearby park. Energy and Buildings, 29: 83–92.

CHANDLER, T., 1964: City growth and urban climates, Weather 19, 170–171

COSEO, P., LARSEN, L., 2014: How factors of land use/land cover, building configuration, and adjacent heat sources and sinks explain Urban Heat Islands in Chicago., Landscape and Urban Planning 125

FENNER et al., 2014: Spatial and temporal air temperature variability in Berlin, Germany, during the years 2001–2010., Urban Climate

HEDQUIST, B., SU, H., HERRERA, D., BYERLY, J., 2015: Remote sensing image-based analysis of the relationship between the urban heat island and recent land use/cover change in San Antonio, Texas, Proceedings of the Association of American Geographers Annual Conference, Chicago, Ill

HOVE, L. VAN, JACOBSC, C., HEUSINKVELDA, B., ELBERSC, J., DRIELA, B. VAN, HOLTSLAGA, A., 2015: Temporal and spatial variability of urban heat island and thermal comfort within the Rotterdam agglomeration., Building and Environment

HUPFER, P., KUTTLER, W. (Hrsg.), 2006: Witterung und Klima – Eine Einführung in die Meteorologie und Klimatologie. 12. Auflage, Teubner: Wiesbaden, 389–399

KUTTLER, W., 2004: Beitragsserie Klimaänderung und Klimaschutz. Stadtklima 1&2. Umweltwissenschaften und Schadstoff-Forschung, September 2004, Volume 16, Issue 3, 187–199

KUTTLER, W., 2010: Urbanes Klima. Gefahrstoffe- Reinhaltung der Luft., Volume 70, Nr. 7&8, 329–382

O'MALLEY, C., PIROOZFAR, P., FARR, E. et al., 2015: Urban Heat Island (UHI) mitigating strategies: A case-based comparative analysis, Sustainable cities and society, Volume 19, 222–235

OKE, T., 1973: City Size and the Urban Heat Island, Atmospheric Environment, 7, 769–779

OKE, T., 1982: The energetic basis of the urban heat island, Quarterly Journal of the Royal Meteorological Society

OKE T., 2004: Initial Guidance to Obtain Representative Meteorological Observations at Urban Sites, IOM Report 81, World Meteorological Organization: Geneva.

PARECE, T., LI, J., CAMPBELL, J., CARROLL, D., 2016: Assessing Urban Landscape, Variables’ Contributions to Microclimates, Hindawi Publishing Corporation, Advances in Meteorology Volume 2016

ROBINE, J., CHEUNG, S., LE ROY, S., VAN OYEN, H., HERRMANN, F., 2003: Report on excess mortality in Europe in Summer 2003, Heat Wave Project. EU Community Action Programme for Public Health, Grant Agreement 2005 114 S.

ROSENFELD, A., AKBARI, H., ROMM, J., 1998: Cool communities: Strategies for heat island mitigation and smog reduction. Energy and Buildings, 28: 51–62.

RUNNALLS, K. OKE, T., 2006: A technique to detect microclimatic inhomogeneities in historical records of screen-level air temperature, Journal of Climate 19: 959–97

SCHUBERT, S., GROSSMAN-CLARKE, S., 2012:The influence of green areas and roof albedos on air tempertaures during extreme heat events in Berlin, Germany., Potsdamer Institut für Klimafolgenforschung, Meteorologische Zeitschrift, Vol. 22, No. 2, 131–143

SEKERTEKIN, A., KUTOGLU, S., KAYA, 2016: Evaluation of spatio-temporal variability in Land Surface Temperature: A case study of Zonguldak, Turkey, Environmental monitoring and assessmnent, Volume 188, Issue 1

SenStadtUm – SENATSVERWALTUNG FÜR STADTENTWICKLUNG UND UMWELT, 2010: 04.12 Klimawandel und Wärmebelastung der Zukunft

SenStadtUm – SENATSVERWALTUNG FÜR STADTENTWICKLUNG UND UMWELT, 2014: Gebäude- und Vegetationshöhen (2009/2010), Umweltatlas Berlin, Berlin

SHASHUA-BAR, L., HOFFMAN, M., 2000: Vegetation as a climatic component in the design of an urban street: an empirical model for predicting the cooling effect of urban green areas with trees, Energy Build 31 (3), 221–235

STEWART, I., 2011: A systematic review and scientific critique of methodology in modern urban heat island literature, International Journal of Climatology 31: 200–217

TONG, H., WALTON, A., SANG, J., CHAN, J., 2005: Numerical simulation of the urban boundary layer over the complex terrain of Hong Kong. Atmospheric Environment, 39: 3549– 3563

VEREIN DEUTSCHER INGENIEURE (Hrsg.), 2008: VDI-Richtlinie 3785, Umweltmeteorologie Methodik und Ergebnisdarstellung von Untersuchungen zum planungsrelevanten Stadtklima., VDI/DIN-Handbuch Reinhaltung der Luft, Band 1b: Umweltmeteorologie

BERLINONLINE STADTPORTAL GMBH & CO. KG (Hrsg.), 2016: Zahlen und Fakten. Online im Internet: URL: http://www.berlin.de/berlin-im-ueberblick/zahlenfakten/, [05.04.16 14:00]

DEUTSCHER WETTERDIENST (Hrsg.), 2016: Deutschlandwetter im Jahr 2015. Online im Internet: URL: http://www.dwd.de/DE/presse/pressemitteilungen/DE/2015/20151230_deutschlandwetter_jahr2015_news.html?nn=344870), [Stand 06.06.16, 12:00]

SENATSVERWALTUNG FÜR STADTENTWICKLUNG UND UMWELT (Hrsg.), 2016: Umweltatlas. Online im Internet: URL: http://www.stadtentwicklung.berlin.de/umwelt/umweltatlas/, [Stand 06.06.16 12:30]

Appendix 1 – Zusammenfassung der Lufttemperaturdaten (°C) aller Stationen für den 01.– 05.07.2015.

Appendix 2 – Korrelationen von Lufttemperatur und a) Abstand zur Dessauer Straße in km b) Gebäudeanteil in % c) Versiegelungsgrad in % d) Vegetationsanteil in % e) SVF Vegetation und Gebäude jeweils im 200 m-Umkreis um die Station.