Mit dem Badeindex werden 10-minütige Wetterstationsdaten von MeteoSchweiz und diverse Geodaten vom Bundesamt für Umwelt (BAFU) sowie vom Bundesamt für Statistik (BFS) verwendet.
Der Index wird aus der gewichteten Summe von 6 Parametern berechnet.
Der Index basiert auf dem Ermessen der Autoren. Er dient hauptsächlich dem Zweck der Visualisierung und ist nicht wissenschaftlich abgesichert.
Der Badewetter-Index schliesst die folgenden Parameter mit ein:
Lufttemperatur (°C), Niederschlag (mm), Sonnenscheindauer (min), Globalstrahlung (W/m2), Luftfeuchtigkeit (%) und Windstärke (km/h)
Der Badewetter-Index wurde als gewichtete Summe der standardisierten Parameter berechnet. Die Gewichtung der einzelnen Parameter lagen im Ermessen der Autoren und wiederspiegeln nicht zwingend wissenschaftliche Kriterien.
Der Index wurde an jeder Wetterstation mit vollständigen Messdaten berechnet und anschliessend räumlich interpoliert (Inverse Distance Weighting).
Auf den Standardeinstellungen (Lufttemperatur 20°C) gilt ein Index-Wert von 68 als Badewetter.
Als Datengrundlagen für den Badewetter-Index und die Visualisierung dienten die folgenden Datensätze:
Die Daten sind erhältlich auf dem OpenData-Portal.
Die Daten sind erhältlich auf dem OpenData-Portal.
Die Daten sind erhältlich auf der Webseite des Bundesamts für Statistik.
Benjamin is applying Deep Neural Networks to geospatial data. His other interests mainly consist of handball and quality banter. He has been to India once.
Coding Languages: mainly Python.
Contact me here!
Follow me on GitHub!
Christoph is a geographer with a focus on meteorology and modeling. His other interests consist of table tennis and he has not been to India yet.
Coding Languages: mainly Python & R.
Contact me here!
Follow me on GitHub!
Impressum
This work is licenced under CC BY-SA.
Zuletzt aktualisiert am: 21.05.2019, 13:20
Die Autoren des Badewetter-Indexes haben das Augenmerk hauptsächlich auf die Visualisierung gelegt. Die flächenhafte Darstellung durch die simple räumliche Interpolation von Wetterstationsdaten ermöglicht dem Benutzer ein umfassenderes und lokaleres Bild der aktuellen Badewetter-Bedingungen. Sowohl die Berechnung als auch die Interpolationsmethode wurden im Erachten der Autoren sinnvoll gewählt. Die Gewichtung und die Interpolationsparameterwahl unterlag jedoch einer gewissen Willkür. In diesen Aspekten sehen die Autoren auch das grösste Verbesserungspotenzial. So müsste beispielsweise die Topographie der Schweiz anhand eines Höhenmodells zwingend in die Gewichtung mit einfliessen, um sich verändernden Bedingungen mit zu- bzw. abnehmender Höhe (m.ü.M) gerecht zu werden. Zudem ist eine Interpolation immer eine Annäherung an die Wirklichkeit und der lokal berechnete Badeindex muss nicht immer mit den realen Gegebenheiten übereinstimmen. Dies wird insbesondere ersichtlich in den krassen Abgrenzungen zwischen Wetterstationen mit eher hohen Index-Werten und solchen mit tieferen Index-Werten. Derartige Abgrenzungen entsprechen kaum der Realität. Entsprechend sollte ein wissenschaftlicher(er) Badewetter-Index mit technisch und wissenschaftlich ausgereifteren und an lokale Gegebenheiten angepassten Algorithmen angegangen werden.
Für die Visualisierung des Badewetter-Indexes werden einerseits prinzipiell unveränderliche Daten (Basisgeometrien der Schweiz) sowie veränderliche Daten (aktuelle Messwerte der automatischen Wetterstationen, Flusstemperaturen) verwendet. Damit die veränderlichen Daten möglichst einfach aktualisiert werden können wurde ein R-Skript erstellt, welches sowohl die Wetterstationsdaten von MeteoSchweiz als auch die Flusstemperaturen des Bundesamts für Umwelt (BAFU) direkt per URL liest. Nach anschliessender Bereinigung und Prozessierung der Datensätze werden diese in lokalen Files abgespeichert bzw. werden diese überschrieben.
Die Prozessierung der Daten enthält folgende Schritte:
Die Spalten der Originaldaten enthielten in vielen Fällen codierte bzw. abgekürzte Spaltennamen. Diese werden im Skript automatisch angepasst.
Die Koordinaten in den Metadaten der automatischen Wetterstationen waren im Format "600000/200000" und mussten entsprechend separiert werden.
Nach dem Aufbereiten der Metadaten werden diese mit den Messwerten zu einer einzigen Tabelle zusammengefügt.
Anschliessend erfolgt die Berechnung des Badewetter-Indexes. Dieser schliesst die Parameter Temperatur (°C), Niederschlag (mm), Sonnenscheindauer (min), Globalstrahlung (W/m2), Luftfeuchtigkeit (%) und Windstärke (km/h) ein.
Die Berechnung des Index erfolgt mithilfe von Helferfunktionen welche (meistens) einen aktuellen Messwert, eine Gewichtung und ein (sinnvoll gewählter) parameterspezifischen Maximalwert für die Schweiz. Die aktuellen Messwerte werden anschliessend standardisiert und mit der Gewichtung verrechnet. Der Index ist die Summe der einzelnen Parameter-Gewichtungs-Produkten.
Das R-Skript speichert insgesamt 3 Files: 2 Files für den Badewetter-Index (.csv & .csvt). Das csvt-File spezifiziert den Datentyp der jeweiligen Spalte im CSV-File (e.g. String, Real, ...). Dieses ist notwendig, damit die Spalten korrekt ins Quantum GIS eingelesen werden können (siehe nächster Abschnitt).
In diesem Schritt wird auch das aktuelle JSON-File mit den Flusstemperatur-Klassen per URL eingelesen und lokal als JSON gespeichert.
Um den Badewetter-Index flächendeckend für die Schweiz darstellen zu können wurden die vorhandenen Punktdaten (Automatische Wetterstationen) mithilfe von Quantum GIS 2.18 "Las Palmas" interpoliert. Verwendet wurde ein simpler "Inverse Distance Weighting"-Algoritmus (IDW). Als Interpolationsvariable wurde der zuvor berechnete Badewetter-Index verwendet. Für die in der Visualisierung möglichen Genauigkeitseinstellungen wurden 3 Rasterinterpolationen durchgeführt. Durch die Variierung der Potenz innerhalb des IDW-Algorithmus wurde die Distanz zu den Stationen jeweils unterschiedlich stark gewichtet. Weiter Informationen zu IDW finden Sie hier.
Die Raster wurden anschliessend mit dem Shapefile der Schweizer-Landesgrenze zugeschnitten, vektorisiert und schliesslich als GeoJSON im WGS84 exportiert.
Mit Hilfe des MapShaper in ein TopoJSON konvertiert.
Alle Koordinaten der verwendeten Daten waren auf das Schweizer Koordinatensystem angepasst (CH1903/LV03 oder CH1903+/LV95). Beim Export ins GeoJSON-Format wurden diese entsprechend ins D3-kompatible WGS84 reprojiziert.
Open Data umfassen grundsätzlich nicht personenbezogene und nicht sicherheitsrelevante Daten. Des weiteren müssen sie die Prinzipien von Open Data erfüllen. Anhand der folgenen Auflistung lässt sich zeigen, wie gut die hier verwendeten Datenquellen diese Anforderungen erfüllen:
Impressum
This work is licenced under CC BY-SA.
Zuletzt aktualisiert am: 21.05.2019, 13:20