Environmental Monitoring, Data Analysis and Visualization

In diesem Modul werden Grundlagen für die Erfassung, Bearbeitung und Verarbeitung von Raum-Zeit-Daten vermittelt, damit sie in einer geeigneten Form für eine spätere Modellierung vorliegen. Dabei werden folgende Themen im Fokus stehen:

• Zeitreihenanalysen (Trendanalyse, Autokorrelation, Dekomposition, Extremwertanalyse)
• Räumliche Statistik (Variogramm); Geostatistik (räumliche Interpolation, z.B. Kriging)
  
  

Das Rahmenthema sind Daten der Lufttemperatur in Raum und Zeit mit einem Fokus auf der experimentellen Beschreibung der „urbanen Wärmeinsel“ in der Stadt Freiburg. Der Kurs verwendete eine GitHub-Umgebung, um in Gruppenarbeit an zwei verschiedenen Themen zu arbeiten und mit eigenen Daten Übungen zu absolvieren.

Zeitreihendaten: Es werden analoge und digitale Methoden zur Datenerfassung im Feld vorgestellt und diskutiert. Dies reicht von den Grundelementen analoger Feldprotokolle (Feldbuch) bis hin zur komplexen Datenerfassung. Die Studierenden programmieren eigenhändig Temperaturdatenlogger, installieren sie an ihrem Wohnort, lesen die aufgezeichneten Daten aus und überprüfen diese kritisch auf ihre Richtigkeit. Zum Vergleich werden Zeitreihendaten aus dem Internet heruntergeladen. Alle Zeitreihen werden in R einem umfassenden Qualitätskontrollverfahren unterzogen. Fehler in den Zeitreihen werden gelöscht und die daraus resultierenden Datenlücken mit verschiedenen Methoden gefüllt. Dadurch können charakteristische Parameter für das Temperaturverhalten ermittelt werden. Eine wichtige Komponente des Kurses ist die Datenvisualisierung (z. B. mittels Karten und als Zeitreihen). Studierende erlernen verschiedene Datentypen, die Theorie der Datenvisualisierung und effektive Möglichkeiten der Visualisierung in R und GIS (Best Practice Guide). Sie arbeiten auch mit Klimadaten und Klimaindizes in größerem Maßstab (Baden-Württemberg), um zeitliche und räumliche Datenanalysen zu kombinieren.

Datenbanken mit räumlichen Daten: Mit R werden die ermittelten Parameter räumlich interpoliert und mit vorhandenen Metadaten der Stadt (z. B. Gebäudedichte) verglichen. Darauf folgt eine Einführung in SQL und gängige Datenbanksysteme. Eine einfache Speicherlösung wird vorgestellt und verwendet, um Daten zu speichern, eine Analyse der gesammelten Daten durchzuführen und mit den Daten der Vorjahre zu vergleichen.

Lehrformen

• Vorlesungen
• Geländearbeit
• Praktische Übungen am Rechner