Einfluß meteorologischer Parameter auf das Mantrailing¶
(c) 2025 Technische Hochschule Augsburg - Fakultät für Informatik - Prof.Dr.Nik Klever - Impressum
Inhalt¶
- Quantitative Erfassung des Windes
- Lokale Datenerfassung und Vergleich von berechneten Winddaten zu gemessenen Winddaten
- Mikrometeorologie
- Beispiele deutlicher Schwachwindphänome
- Beispiele für den Einfluß räumlich und zeitlich unterschiedlicher Winde auf das Mantrailing
- Fazit
Quantitative Erfassung des Windes¶
Die Fragestellung - wie weit VOCs, Aerosole und Korneocyten aufgrund der Windverhältnisse an einer Kreuzung in die einzelnen Richtungen vertragen werden - war der Ausgangspunkt für meine Untersuchungen zum Windeinfluß und der Frage, ob der Windeinfluß irgendwie quantitativ erfasst werden kann.¶
In meinem Vortrag Nutzung offener Windmessdaten für Ausbildung und Einsätze beim Mantrailing auf der 3. Fachkonferenz des Rettungshundewesens im Katastrophenschutz und in der Vermisstensuche im vergangenen Jahr habe ich versucht, aus den offenen Daten des Deutschen Wetterdienstes Windrichtung und Windgeschwindigkeiten für jeden Ort in Deutschland statisch aufbereitet zu berechnen.¶
Lokale Datenerfassung¶
Aus den ersten Vergleichen zwischen den berechneten Ergebnissen und eigenen gemessenen Daten mit meteorologischen Messgeräten musste ich damals in einer ersten Analyse feststellen:¶
Die deutlichsten Unterschiede in den berechneten und gemessenen Daten ergeben sich bei schwachen Windverhältnissen. Hierfür sind die Berechnungen nicht aussagekräftig für lokale Windverhältnisse. Die deutlichsten Gemeinsamkeiten in den berechneten und gemessenen Daten ergeben sich bei stärkeren Windverhältnissen.¶
In [2]:
Beispiel eines Trails mit nicht erkennbarem Windeinfluß (Waldrand) - aufsummiert¶
DWD_berechneter_Wind WindG: Max=3.63 Median=1.71 Std=0.69 WindR: Median=230.93 Std=21.28
In [3]:
Beispiel desselben Trails mit gemessenen Winddaten vor Ort (Waldrand) - aufsummiert¶
Lokal_gemessener_Wind WindG: Max=2.00 Median=0.20 Std=0.30 WindR: Median=58.20 Std=125.72
In [4]:
Trails (VP blau - Hund rot) zu diesen gemessenen Windverhältnissen¶
In [5]:
Beispiel Stadt - Parkplatz - DWD berechnet und aufsummiert¶
DWD_berechneter_Wind WindG: Max=2.84 Median=2.02 Std=0.35 WindR: Median=199.16 Std=19.37
In [6]:
Beispiel Stadt - Parkplatz - gemessen und aufsummiert¶
Lokal_gemessener_Wind WindG: Max=4.60 Median=1.10 Std=0.61 WindR: Median=256.40 Std=112.58
In [7]:
Beispiel Wald - Parkplatz und Waldweg - DWD berechnet und aufsummiert¶
DWD_berechneter_Wind WindG: Max=4.07 Median=3.69 WindR: Median=282.82
In [8]:
Beispiel Wald - Parkplatz und Waldweg - gemessen und aufsummiert¶
- Lokal_gemessener_Wind - Parkplatz - WindG: Max=5.00 Median=1.30 WindR: Median=63.10
- Lokal_gemessener_Wind - Waldweg - WindG: Max=4.20 Median=0.60 WindR: Median=245.30
Mikrometeorologie¶
Meteorologische Skalen und Mikrometeorologische Submeso-Effekte¶
Quelle: Christoph K. Thomas, Introduction to submeso-scale motions, Lecture 02 at UNIS, Longyearbyen, AGF350_850, Feb 2022, http://www.bayceer.uni-bayreuth.de/meteo/
Schwachwind¶
Schwachwind wird in der Regel ein Wind mit Windgeschwindigkeiten unter 1,5 m/s bezeichnet.¶
Schwachwind-Phänomene sind der Gegenstand aktueller Forschung¶
Während Schwachwind-Phasen erfolgt die Ausbreitung von Umweltschadstoffen und Spurengasen nicht dem allgemein vorherrschendem Denken¶
State-of-the-art Modelle scheitern hierfür¶
Quelle: Christoph K. Thomas, Introduction to submeso-scale motions, Lecture 02 at UNIS, Longyearbyen, AGF350_850, Feb 2022, http://www.bayceer.uni-bayreuth.de/meteo/
In [9]:
Mäandrierende Windbewegungen¶
Das Phänomen des Mäanderns in atmosphärischen Windströmungen wird als niederfrequente horizontale Windrichtungsänderung oder -oszillation definiert, die von mehreren zehn Grad bis zur vollständigen Windrichtungsumkehr reichen kann. DIe Zeitskalen liegen hierbei in der Größenordnung von mehreren zehn Minuten.¶
Quelle: www.submeso.org
Mäandrierende Windbewegungen - Definition Constancy (C $\lessapprox$ 0.8)¶
Quelle: Christoph K. Thomas, Introduction to submeso-scale motions, Lecture 02 at UNIS, Longyearbyen, AGF350_850, Feb 2022, http://www.bayceer.uni-bayreuth.de/meteo/
Constancy des Beispiels des Trails mit nicht erkennbarem Windeinfluß (Waldrand)¶
Constancy des Beispiels Stadt - Parkplatz¶
Constancy des Beispiels Wald - Parkplatz¶
Beispiele für den Einfluß räumlich und zeitlich unterschiedlicher Winde auf das Mantrailing¶
In [10]:
- Lokal_gemessener_Wind (12) WindG: Max=4.80 Median=2.90 Std=0.80 WindR: Median=32.20 Std=120.11
- Lokal_gemessener_Wind (13) WindG: Max=4.00 Median=2.80 Std=0.61 WindR: Median=57.70 Std=119.05
- Lokal_gemessener_Wind (14) WindG: Max=6.10 Median=3.20 Std=1.21 WindR: Median=42.50 Std=150.91
- Lokal_gemessener_Wind (15) WindG: Max=4.80 Median=3.40 Std=0.75 WindR: Median=300.90 Std=17.22
29.5. - Constancy dieses Beispiels von Gerät 13¶
In [11]:
29.5. - Ablenkungen durch Windeinfluss aus unterschiedlichen Richtungen¶
In [12]:
- Lokal_gemessener_Wind (12) WindG: Max=3.40 Median=1.90 Std=0.71 WindR: Median=271.70 Std=53.63
- Lokal_gemessener_Wind (13) WindG: Max=3.70 Median=2.20 Std=1.05 WindR: Median=275.70 Std=78.24
- Lokal_gemessener_Wind (14) WindG: Max=1.70 Median=1.00 Std=0.36 WindR: Median=41.40 Std=82.32
- Lokal_gemessener_Wind (15) WindG: Max=4.30 Median=1.90 Std=0.91 WindR: Median=315.00 Std=60.75
- Lokal_gemessener_Wind (16) WindG: Max=3.20 Median=1.10 Std=0.73 WindR: Median=262.20 Std=107.93
27.6. - Constancy dieses Beispiels von Gerät 14¶
27.6. - Constancy dieses Beispiels von Gerät 15¶
In [13]:
27.6. - Ablenkungen durch Windeinfluss und Kfz¶
In [14]:
- Lokal_gemessener_Wind (12) WindG: Max=1.30 Median=0.60 Std=0.27 WindR: Median=208.40 Std=105.61
- Lokal_gemessener_Wind (13) WindG: Max=1.80 Median=1.20 Std=0.28 WindR: Median=254.50 Std=11.03
- Lokal_gemessener_Wind (14) WindG: Max=1.00 Median=0.60 Std=0.13 WindR: Median=303.40 Std=38.68
- Lokal_gemessener_Wind (15) WindG: Max=1.20 Median=0.60 Std=0.16 WindR: Median=289.30 Std=71.49
- Lokal_gemessener_Wind (16) WindG: Max=2.20 Median=0.90 Std=0.44 WindR: Median=240.40 Std=92.37
22.7. - Constancy dieses Beispiels von Gerät 12¶
In [15]:
22.7. - Trailverfolgung mit vermutlichem Windeinflu߶
DWD_berechneter_Wind WindG: Max=6.82 Median=3.34 Std=1.76 WindR: Median=221.18 Std=20.10**
In [16]:
- Lokal_gemessener_Wind (12) WindG: Max=3.10 Median=2.10 Std=0.74 WindR: Median=253.10 Std=58.37
- Lokal_gemessener_Wind (14) WindG: Max=1.30 Median=0.80 Std=0.20 WindR: Median=184.40 Std=71.37
- Lokal_gemessener_Wind (15) WindG: Max=2.60 Median=1.10 Std=0.53 WindR: Median=306.60 Std=116.82
- Lokal_gemessener_Wind (16) WindG: Max=1.90 Median=1.00 Std=0.31 WindR: Median=232.80 Std=39.81
In [17]:
17.7. - dieselbe Windsituation der lokal gemessenen Daten von Gerät 16¶
- Lokal_gemessener_Wind (16) WindG: Max=1.90 Median=1.00 Std=0.31 WindR: Median=232.80 Std=39.81
17.7. - Constancy dieses Beispiels von Gerät 16¶
In [18]:
