Individualität und ökologisches Bewusstsein gewinnen in der gesellschaftlichen Wahrnehmung immer stärker an Bedeutung. Entsprechend dieser Treiber sind Menschen zunehmend interessiert, Informationen zu erhalten, die individuell auf die eigenen Bedürfnisse angepasst und auf die aktuelle Umgebungssituation abgestimmt sind. In der heutigen Wissensgesellschaft bilden Umweltinformationen dabei ein zentrales Element zur Bewertung ökologischer und ökonomischer Systemzusammenhänge. Zur Erfassung und wissenschaftlichen Beschreibung derartiger Informationen fehlen bislang geeignete Methoden, sodass sich die Dissertation diesem Thema nähert. Die vorliegende Arbeit beschreibt die Potentiale und Herausforderungen bei der Aggregation und Inwertsetzung individueller Umweltinformationen in urbanen Ökosystemen. Ziel dabei ist die Entwicklung und Evaluierung eines serviceorientierten Frameworks unter Nutzung einer modellgetriebenen Prozessintegration. Urbane Gebiete zeichnen sich insbesondere durch heterogene Strukturen und einer hohen zeitlichen Dynamik von Umweltkenngrößen aus und bilden somit sehr komplexe Ökosysteme. In diesen Punkten unterscheiden sich urbane Ökosysteme deutlich von Ökosystemen des ländlichen Raums. Charakteristische Merkmale wie intensive Flächennutzung, dichte Bebauung aber auch starke anthropogene Einflüsse haben Auswirkungen auf physikalische, chemische und biologische Prozesskreisläufe. Dadurch bilden sich in Städten gegenüber dem ländlichen Raum Besonderheiten aus, ein sog. Mesoklimaraum. Aufbauend auf einer allgemeinen Systemanalyse wird das Konzept des \textit{Raster Model Exposure Pattern} und des \textit{Exposure Data Service} eingeführt. Diese beiden Artefakte bilden eine Transformationsstrategie um ganzheitlich umwelt- und informationswissenschaftliche Betrachtungen durchzuführen, sowie individuelle Expositionen in urbanen Ökosystemen zu aggregieren.:1. Einleitung
1.1. Motivation
1.2. Forschungsgegenstand
1.3. Forschungsziel
1.4. Erwartete Ergebnisse
1.5. Forschungsmethode
1.6. Aufbau der Arbeit
2. Inwertsetzung individueller Umweltinformationen
2.1. Ein Blick in die Stadt der Zukunft
2.2. Anwendungsszenarien für individuelle Umweltinformationen
2.2.1. Individuelle Umweltinformationen zur Entscheidungsfindung
2.2.2. Individuelle Umweltinformationen zur Minimierung von Risiken
2.3. Exposom und Exposition
3. Systembeschreibung urbaner Ökosysteme
3.1. Hintergrund
3.2. Allgemeine Systemanalyse
3.3. Modelle im Kontext urbaner Ökosysteme
3.3.1. Konzeptionelles Modell
3.3.2. Technisches Modell
3.4. In situ Daten
3.5. Transformation
3.5.1. KDD Prozess
3.5.2. Wissensbasierte Systeme
3.5.3. Regelbasis - Regelbasierte Systeme
3.5.4. Regelbasis - Maschinelles Lernen
3.6. Systemmanagement
4. Urbanes Klima - ein komplexes Phänomen
4.1. Hintergrund
4.2. Das Phänomen von Wärmeinseln in urbanen Ökosystemen
4.3. Urbanisierung
4.4. Heterogenität urbaner Strukturen
4.5. Hohe Dynamik von Zustandsgrößen
4.6. Forschungskonzept zur Bestimmung individueller Expositionen in urbanen Ökosystemen
II. Konzeptionelles Vorgehensmodell zur Bestimmung individueller thermischer Expositionen in urbanen Ökosystemen
5. Raster Model Exposure Pattern
5.1. Analyse
5.2. Implementierung
5.2.1. Import der Rasterdaten und Bewegungsdaten
5.2.2. Zeitdiskretisierung der Bewegungsdaten
5.2.3. Georeferenzierung der Bewegungsdaten auf die Rasterelemente
5.2.4. Abfrage der Exposition
5.2.5. Berechnung der Individuellen Exposition
6. Exposure Data Services
6.1. Hintergrund
6.2. Vorgehensmodell
6.3. Die Transformation im Exposure Data Service
6.4. Die Durchführung der Systemanalyse im Exposure Data Service
6.5. Bestimmung der in situ Daten im Exposure Data Service
6.6. Das Systemmanagement im Exposure Data Service
7. Wärme in der Stadt - ein Fallbeispiel
7.1. Transformation
7.2. Systemanalyse
7.2.1. Definition der Zielkenngröße
7.2.2. Definition des Untersuchungsgebietes
7.2.3. A-priori Informationen über das Untersuchungsgebiet
7.2.4. Rasterung des Untersuchungsgebietes
7.2.5. Klassifizierung von Kontext und In situ Daten
7.2.6. Klassifizierung der Thermischen Exposition
7.2.7. Erarbeitung einer Monitoringstrategie
7.3. in situ Daten
7.3.1. Definition der Kenngrößen
7.3.2. Spezifikation der Datenquellen
7.3.3. Auswahl geeigneter Datenquellen
7.4. Systemmanagement
7.4.1. Entwicklung einer Systemarchitektur
7.4.2. Spezifikation der Komponenten
7.4.3. Erfassung der Datenflüsse
7.4.4. Inbetriebnahme der IT Infrastruktur
8. Thermische Charakterisierung 104
8.1. Material und Methode
8.2. Ergebnis und Auswertung
9. Instanziierung
9.1. Programmlogik
9.1.1. UI Rules Engine
9.1.2. Datenschnittstelle - API
9.1.3. Map Prozessierung
9.2. Prozessierung der Indikatoren
9.2.1. LST Prozessierung
9.2.2. NDVI Prozessierung
9.2.3. Landnutzung Prozessierung
9.2.4. Prozessierung der subjektiven Temperatur
9.2.5. Wärmeindex Prozessierung
9.3. Zusammenhängende Betrachtung der Indikatoren
10. Synthese und Diskussion
11. Schlussbetrachtung
11.1. Zusammenfassung
11.2. Forschungsbeitrag
11.3. Ausblick
Literaturverzeichnis
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:75262 |
| Date | 30 June 2021 |
| Creators | Goblirsch, Tobias |
| Contributors | Universität Leipzig |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | German |
| Detected Language | German |
| Type | info:eu-repo/semantics/publishedVersion, doc-type:doctoralThesis, info:eu-repo/semantics/doctoralThesis, doc-type:Text |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0178 seconds