Stadtwärme in Marburg modellieren

Von der Erwartung über die räumliche Struktur zum Hotspot-Abgleich

KlimaResilienzSchule

2026-10-22

Ziel

Eine einfache GIS-Modellierung für Marburg:

Luftbild → begründete Erwartung → räumliche Struktur → Landsat-Wärmebild

Zwei Rasterbilder. Eine selbst gezeichnete Erwartung. Ein sichtbarer Abgleich.

Leitfrage

Wo erwarten wir in Marburg warme Oberflächen – und was zeigt der Satellit?

Wir modellieren keine Lufttemperatur und keine vollständige Wärmebelastung. Wir prüfen eine begründete Erwartung mit einem thermischen Satellitenbild.

Teil 1 · Das konzeptionelle Modell

1. Erwartung aus Oberflächen ableiten

Vor dem Wärmebild fragen wir: Welche Oberfläche nimmt viel Energie auf, speichert sie oder kann wenig über Verdunstung kühlen?

Sichtbare Oberfläche Erwartung für einen sonnigen Sommertag
Asphalt, große Dächer, Parkplatz, Platz eher warm
Baumkronen, schattiger Park, feuchte Vegetation eher kühl
Lahn oder Teich häufig kühlere Tagesoberfläche, thermisch träge
trockene Wiese, Schotter, Baustelle offen: möglicher Grenzfall

Die Oberflächenklassen bündeln sichtbare Stadtflächen zu einem einfachen Arbeitsmodell.

2. Stadtstruktur lesen

Es geht nicht nur darum, welche Oberfläche vorliegt. Wir betrachten auch, wie sie im Raum angeordnet ist:

  • bilden Dächer, Straßen und Parkplätze einen zusammenhängenden warmen Block?
  • verlaufen Grünzüge als kühlere Achsen durch die Bebauung?
  • liegt ein großer Platz direkt neben Schatten oder Wasser?
  • werden warme Bereiche am Stadtrand durch offene Landschaft unterbrochen?

Für Marburg können Innenstadt und Lahn, Bahnhofsumfeld, größere Parkplätze, Gewerbegebiete, Lahnberge und bewaldete Hänge als unterschiedliche Vergleichsräume dienen.

3. Tatsächliche Hotspots abgleichen

Erst jetzt kommt die LST-Karte hinzu. Wir prüfen dieselben Flächen erneut:

  1. Treffer: Erwarteter warmer Bereich ist im Satellitenbild warm.
  2. Abweichung: Eine erwartete warme Fläche erscheint weniger warm oder umgekehrt.
  3. Erklärung: Schatten, Feuchte, Material, Aufnahmezeit, Wolkenrest oder Mischpixel könnten eine Rolle spielen.

Vom sichtbaren Muster zum thermischen Test.

Modellbeziehung

\[ \text{Oberfläche} + \text{Schatten / Feuchte} + \text{räumliche Nachbarschaft} \;\longrightarrow\; \text{erwartete Oberflächentemperatur} \;\longrightarrow\; \text{Abgleich mit Landsat} \]

Das ist ein Erklärungsmodell. Es sagt, wo wir genauer hinschauen sollten. Es garantiert nicht, dass jedes Dach oder jeder Parkplatz heiß ist.

Was heißt „wirklich“ heiß?

„Tatsächlich“ heißt hier: im gewählten Landsat-Aufnahmetermin mit hoher Oberflächentemperatur abgebildet.

LST = Land Surface Temperature. Sie beschreibt die Temperatur der Oberfläche, nicht die Lufttemperatur in zwei Metern Höhe. Die thermischen Landsat-Pixel sind grob: Bei Landsat 8/9 wird die Thermalaufnahme mit 100 m erfasst und auf ein 30-m-Raster gebracht.

Teil 2 · Der manuelle QGIS-Weg

Zwei Daten, ein Projekt

Raster 1 – Luftbild: Hessisches DOP RGB, zur Oberflächeninterpretation.

Raster 2 – Wärmebild: Landsat Collection 2 Level-2 ST_B10, in QGIS nach °C umgerechnet.

Alles Weitere – Erwartungsflächen, Notizen und Kartenlayout – wird in QGIS von Hand erstellt.

Schritt 1 · Luftbild von Marburg

  1. Hessischen RGB-Orthofoto-WMS in QGIS verbinden.
  2. Ausschnitt wählen: z. B. Innenstadt und Lahn oder ein Schulumfeld.
  3. Sichtbaren Ausschnitt als GeoTIFF speichern.
  4. Quellenangabe ergänzen: © HVBG – Hessische Verwaltung für Bodenmanagement und Geoinformation.

WMS: https://www.gds-srv.hessen.de/cgi-bin/lika-services/ogc-free-images.ows

Layer: he_dop20_rgb · Projekt-KBS: EPSG:25832

Schritt 2 · Landsat-Szene auswählen

Auf USGS EarthExplorer Marburg suchen und einen möglichst wolkenarmen Sommertermin auswählen:

  • Datensatz: Landsat 8-9 OLI/TIRS C2 L2
  • Produkt: Surface Temperature (ST_B10)
  • Datum, Szenen-ID und gemeldeten Wolkenanteil notieren

Nur das ST-Band ist für die Minimalübung nötig. Es ist ein Einzeltermin, kein Mehrjahres- oder Zehn-Szenen-Komposit.

Schritt 3 · In Grad Celsius umrechnen

Im QGIS-Rasterrechner aus ST_B10 ein Float-Raster erzeugen:

\[ T_{°C} = DN \times 0{,}00341802 + 149{,}0 - 273{,}15 \]

Mit dem tatsächlichen Aufnahmedatum speichern, zum Beispiel marburg_lst_[Datum]_celsius.tif.

if("ST_B10@1" = 0, 0 / 0,
   "ST_B10@1" * 0.00341802 + 149.0 - 273.15)

Den vollständigen Bandnamen aus der Rasterrechner-Liste einsetzen. 0 / 0 markiert Fill-Werte (DN = 0) als NoData. Danach mit Einkanal-Pseudofarbe und beschrifteter °C-Legende darstellen.

Schritt 4 · Erwartungsflächen digitalisieren

Auf dem Luftbild zunächst die Wärmekarte ausblenden. In QGIS einen GeoPackage-Polygonlayer erstellen und diese Felder anlegen:

Feld Inhalt
erwartung warm / mittel / kühl
oberflaeche Dach, Straße, Grün, Wasser, Mischfläche …
grund Versiegelung, Schatten, Verdunstung, Feuchte …

Zeichne etwa fünf größere Vergleichsflächen. Folge den sichtbaren Oberflächen und zeichne keine Grenzen genauer, als das 100-m-Thermalbild es sinnvoll hergibt.

Schritt 5 · Muster testen

Wärmebild wieder einschalten und die digitalisierten Flächen transparent darüberlegen.

Notiere pro Fläche: Erwartung · Beobachtung · mögliche Erklärung der Abweichung.

Fragen für die Auswertung:

  • Sind erwartete warme Flächen Teil zusammenhängender Hotspot-Zonen?
  • Unterbrechen Lahn und Grünräume diese Zonen?
  • Welche Abweichung ist überraschend?
  • Was lässt sich aus dem einzelnen Aufnahmetermin nicht ableiten?

Was wurde gegenüber der Automatik reduziert?

Automatisiertes Lehrkräftepaket Manueller Einstieg
Suche und Auswahl von zehn heißen Landsat-Szenen Auswahl eines einzelnen klaren Sommertermins
LST-Berechnung und pixelweises q90-Komposit eine LST-Szene aus ST_B10 in °C
automatische DOP-CIR-Klassifikation sichtbare Interpretation des RGB-Luftbilds
automatisch erzeugtes QGIS-Projekt und Printlayouts ein Projekt, manuell digitalisierte Erwartungsflächen

Wichtig: Ein einzelner Landsat-Termin bildet nicht dasselbe ab wie das automatisierte Hot-q90-Komposit. Er macht aber den Modellgedanken, die Datenumrechnung und den GIS-Vergleich direkt nachvollziehbar.