3.4 COPERNICUS-DATEN FÜR STADTKLIMASIMULATIONEN 39 
DARSTELLUNG VON STÄDTEN IM MODELL UND BISHERIGE DATENVORBE 
REITUNG 
Im Modell MUKLIMO_3 werden eine Stadt und ihr Umland durch einen Land 
nutzungsdatensatz beschrieben, der durch verschiedene Klassen realisiert wird. 
Je mehr verschiedene Klassen hierfür benutzt werden, desto genauer ist die Dar 
stellung der Stadt. Jede einzelne Klasse wiederum besitzt verschiedene physi 
kalische 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 städ 
tische 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 Klas 
sen 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 Landnutzungs 
datensätze 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 Notwen 
digkeit 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 flächendecken 
den Landnutzungsdatensatz zusammengeführt. Dieser Vektordatensatz 
ist für jede weitere Datenvorbereitung für verschiedene Auflösungen des 
Modellgebietes genutzt worden und wird auf dem Portal GDI-DE zur Ver 
fügung gestellt. 
• Aus den High Resolution Layer (HRL) Datensätzen „Imperviousness" und 
„Tree Cover Density" haben wir die beiden physikalischen Parameter „Ver 
siegelungsgrad" und „Baumbedeckungsgrad" gewonnen. 
• Aus dem Digital Elevation Model (EU-DEM) haben wir die Geländehöhen 
ermittelt. 
Weiterhin sind Informationen über den Gebäudegrundflächenanteil, die Gebäu 
dehöhe und den Wandflächenindex erforderlich. Da Copernicus die Gebäude 
höhe 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 phy 
sikalischen Parameter direkt als Rasterdaten in MUKLIMO_3 einiesen können. 
Damit haben wir die Mittelungen über Klassen vermieden, was letztlich zu