Glossar

1 Zeitreihe

Eine Zeitreihe beschreibt eine geordnete Abfolge von Datenpunkten, die in gleichmäßigen Zeitabständen erfasst werden. Im Kontext von Klimadaten oder Satellitendaten dient sie dazu, langfristige Trends, Muster oder Anomalien wie Temperaturänderungen, Niederschlagsmengen oder Vegetationsindizes zu analysieren. Zeitreihen sind essenziell, um Klimaveränderungen oder Umweltprozesse über Jahre oder Jahrzehnte hinweg zu beobachten.

2 Schadstoffe

2.1 Stickstoffmonoxid

Stickstoffmonoxid (NO) ist ein farbloses Gas, das hauptsächlich durch Verbrennungsprozesse, wie in Kraftfahrzeugmotoren und industriellen Anlagen, emittiert wird. Es spielt eine wesentliche Rolle in der Bildung von bodennahem Ozon und Feinstaub. NO kann zu Stickstoffdioxid (NO₂) oxidieren, was die Luftqualität weiter verschlechtert. Hohe Konzentrationen von NO können die Atemwege reizen und tragen zur Bildung von saurem Regen bei. Es ist auch ein Vorläuferstoff für die Bildung von Treibhausgasen.

2.2 Stickstoffdioxid

Stickstoffdioxid (NO₂) ist ein rötlich-braunes Gas, das vorwiegend durch die Oxidation von NO in der Atmosphäre entsteht. Es ist stark reizend für die Atemwege und kann insbesondere bei Kindern und älteren Menschen Atemwegserkrankungen wie Asthma verschlimmern. NO₂ trägt zur Bildung von bodennahem Ozon und sekundären Feinstaubpartikeln bei. Hauptquellen für NO₂ sind der Straßenverkehr und industrielle Prozesse. Längerfristige Exposition gegenüber hohen NO₂-Konzentrationen kann das Risiko für Herz-Kreislauf-Erkrankungen erhöhen.

2.3 Ozon

Ozon (O₃) ist ein farbloses Gas, das in der Stratosphäre als Schutzschild gegen UV-Strahlen fungiert, in Bodennähe jedoch als Schadstoff gilt. Es entsteht durch photochemische Reaktionen von Vorläufersubstanzen wie NO₂ und flüchtigen organischen Verbindungen (VOCs) unter Sonneneinstrahlung. Ozon kann die Atemwege reizen, Lungengewebe schädigen und das Risiko für Atemwegserkrankungen erhöhen. Hauptemissionsquellen sind indirekt der Verkehr und industrielle Prozesse, die die Vorläuferstoffe freisetzen. Erhöhte Ozonkonzentrationen treten besonders in den Sommermonaten auf.

2.4 Feinstaub

PM₁₀ bezeichnet Feinstaubpartikel mit einem Durchmesser von weniger als 10 Mikrometern, die tief in die Lungen eindringen können. Diese Partikel entstehen durch mechanische Prozesse wie Abrieb von Bremsen und Reifen, aber auch durch Verbrennungsvorgänge in Kraftwerken und Fahrzeugen. Feinstaub kann Atemwegserkrankungen, Herz-Kreislauf-Probleme und Krebs verursachen. Besonders gefährdet sind Kinder, ältere Menschen und Personen mit bestehenden Atemwegserkrankungen. PM₁₀ trägt auch zur Verschlechterung der Sicht und zur Verschmutzung von Gebäuden bei.

Feinstaub (PM₁₀) besteht aus kleinsten Partikeln, die sich neben ihrer Größe auch durch ihre chemischen Eigenschaften unterscheiden. Zu Feinstaub zählen alle Partikel, deren Durchmesser kleiner als 10 Mikrometer (µm) ist. Häufig wird dafür das Kürzel PM₁₀ (PM = Particulate Matter) verwendet.

Feinstaub wird vor allem durch menschliches Handeln erzeugt: Primärer Feinstaub entsteht durch Emissionen aus Kraftfahrzeugen, Kraft- und Fernheizwerken, Öfen und Heizungen in Wohnhäusern, bei der Metall- und Stahlerzeugung oder auch beim Umschlagen von Schüttgütern.

Die gesundheitlichen Wirkungen von Feinstaub sind verschieden. Sie reichen von Schleimhautreizungen und lokalen Entzündungen in der Luftröhre und den Bronchien oder den Lungenalveolen bis zu verstärkter Plaquebildung in den Blutgefäßen, einer erhöhten Thromboseneigung oder Veränderungen der Regulierungsfunktion des vegetativen Nervensystems (Herzfrequenzvariabilität).

Laut Weltgesundheitsorganisation (WHO) sind bis zu 85 Prozent aller Stadtbewohner:innen in Europa zu hohen Feinstaubwerten ausgesetzt.

Rußpartikel, die einen Teil des Feinstaubs ausmachen, sind darüber hinaus auch noch schädlich für unser Klima. Durch die dunkle Färbung absorbieren sie das Sonnenlicht in der Atmosphäre und erwärmen so direkt die unmittelbare Umgebung.

2.5 Schwefeldioxid

Schwefeldioxid (SO₂) ist ein farbloses Gas mit stechendem Geruch, das hauptsächlich durch die Verbrennung von schwefelhaltigen fossilen Brennstoffen wie Kohle und Öl freigesetzt wird. Es wirkt stark reizend auf die Atemwege und kann Husten, Bronchitis sowie andere Atemwegsbeschwerden auslösen. SO₂ ist zudem ein Vorläufer von saurem Regen, der Ökosysteme und Bauwerke schädigt. Neben dem Straßenverkehr sind industrielle Prozesse und die Energieerzeugung bedeutende Emissionsquellen. Längere Exposition kann die Gesundheit erheblich beeinträchtigen, insbesondere bei empfindlichen Bevölkerungsgruppen.

3 Waldbrände

3.1 Oberflaechentemperatur

Die Oberflächentemperatur bezieht sich auf die Temperatur der Erdoberfläche, die durch Messungen von Satelliten oder Bodenstationen erfasst wird. Diese Temperatur variiert je nach geografischer Lage, Tageszeit und Jahreszeit. Satelliten erfassen die Infrarotstrahlung, die von der Erdoberfläche abgestrahlt wird, um die Temperatur präzise zu bestimmen. Oberflächentemperaturdaten sind entscheidend für das Verständnis des Klimawandels, da sie Informationen über Erwärmungstrends, Hitzewellen und andere klimatische Phänomene liefern.

3.2 NDVI

Der NDVI (Normalized Difference Vegetation Index) ist ein wichtiger Indikator zur Überwachung der Vegetation auf der Erde, der hauptsächlich aus Satellitendaten gewonnen wird. Er basiert auf der Reflexion von Licht im roten und nahinfraroten Spektralbereich. Gesunde Pflanzen reflektieren mehr nahinfrarotes und weniger rotes Licht, während gestresste oder dürregeplagte Vegetation weniger nahinfrarotes und mehr rotes Licht reflektiert.

Der NDVI wird durch die folgende Formel berechnet:

[ = ]

Dabei steht NIR für die reflektierte Strahlung im nahinfraroten Bereich und Red für die reflektierte Strahlung im roten Bereich. Der NDVI-Wert reicht von -1 bis +1, wobei höhere Werte auf eine dichtere und gesündere Vegetation hinweisen. NDVI-Daten sind essenziell für das Monitoring von Pflanzenwachstum, Landnutzungsänderungen und der globalen Kohlenstoffbilanz.

3.3 Niederschlag

Niederschlag umfasst alle Formen von Wasser, die aus der Atmosphäre auf die Erdoberfläche gelangen, wie Regen, Schnee, Hagel oder Graupel. Niederschlagsdaten werden sowohl durch Bodenmessstationen als auch durch Satelliten erfasst. Satelliten nutzen dabei spezielle Sensoren, die Mikrowellenstrahlung durch Wolken hindurch messen können, um die Intensität und Verteilung des Niederschlags zu bestimmen.

Diese Daten sind entscheidend für das Verständnis des Wasserkreislaufs, die Vorhersage von Extremwetterereignissen wie Überschwemmungen oder Dürren und das Management von Wasserressourcen. Präzise Messungen und langfristige Aufzeichnungen von Niederschlagsmustern sind auch wichtig für die Erforschung des Klimawandels und seiner Auswirkungen auf lokale und globale Wettermuster.

3.4 Aktive Braende

Aktive Brände bezeichnen aktuell brennende Feuer, die durch Satellitensensoren erfasst werden. Diese Sensoren detektieren die Wärmestrahlung, die von Flammen und heißen Oberflächen ausgeht, wodurch die Lokalisierung und Überwachung von Waldbränden, landwirtschaftlichen Feuern und anderen Feuerquellen in Echtzeit möglich ist.

Die Daten zu aktiven Bränden sind von großer Bedeutung für den Katastrophenschutz, die Umweltüberwachung und die Klimaforschung. Sie ermöglichen es, die Ausbreitung von Bränden zu verfolgen, deren Intensität zu analysieren und Maßnahmen zur Brandbekämpfung besser zu koordinieren. Langfristig tragen sie auch zur Untersuchung der Auswirkungen von Bränden auf die Atmosphäre, die Vegetation und das globale Klima bei.

4 Visualisierungen

4.1 Liniendiagramm

Ein Liniendiagramm ist eine grafische Darstellung, die Datenpunkte durch Linien verbindet, um Trends oder Entwicklungen im Zeitverlauf sichtbar zu machen. In der Analyse von Klimadaten oder Satellitendaten wird es häufig verwendet, um Zeitreihen darzustellen, wie etwa Temperaturverläufe oder CO₂-Konzentrationen. Es ermöglicht eine intuitive Erkennung von Mustern, Spitzenwerten oder Anomalien in den Daten.

4.2 Boxplots

Boxplots sind eine grafische Darstellung, die statistische Daten visuell zusammenfasst und Einblicke in die Verteilung, zentrale Tendenz und Streuung eines Datensatzes bietet. Ein Boxplot, auch Kastendiagramm genannt, zeigt die wichtigsten Quartile eines Datensatzes und hebt Ausreißer hervor.

Die Darstellung umfasst:

Median (Q2): Der mittlere Wert des Datensatzes, dargestellt als Linie innerhalb der Box.
Unteres Quartil (Q1): Der Wert, unterhalb dessen 25% der Daten liegen, repräsentiert durch die Unterkante der Box.
Oberes Quartil (Q3): Der Wert, unterhalb dessen 75% der Daten liegen, dargestellt durch die Oberkante der Box.
Interquartilsabstand (IQR): Der Bereich zwischen Q1 und Q3, in dem die mittleren 50% der Daten liegen.
Whiskers: Linien, die von der Box zu den minimalen und maximalen Werten reichen, die keine Ausreißer sind.
Ausreißer: Einzelne Punkte außerhalb der Whiskers, die extreme Abweichungen darstellen.

4.3 Saeulendiagramm

Ein Säulendiagramm ist eine grafische Darstellungsform, die es ermöglicht, Daten durch vertikale oder horizontale Balken zu vergleichen. Jede Säule repräsentiert einen Datenpunkt oder eine Kategorie, und die Höhe (bei vertikalen Säulen) oder Länge (bei horizontalen Säulen) der Säulen entspricht dem Wert der jeweiligen Kategorie.

Merkmale eines Säulendiagramms:

Achsen: Die x-Achse zeigt die Kategorien oder Gruppen, während die y-Achse die Werte darstellt.
Säulen: Jede Säule steht für einen einzelnen Datenpunkt oder eine Kategorie und ermöglicht einen visuellen Vergleich der Werte.
Abstände: Zwischen den Säulen befinden sich in der Regel gleiche Abstände, um die Trennung der Kategorien klar zu machen.
Skalierung: Die Achsen sind oft gleichmäßig skaliert, um die Unterschiede zwischen den Kategorien deutlich darzustellen.

Säulendiagramme sind nützlich für die Darstellung von Zeitreihen, Vergleichen von Gruppen oder Kategorien und das Erkennen von Trends. In der Klimadatenanalyse werden sie häufig verwendet, um Veränderungen über Zeiträume hinweg zu veranschaulichen, wie z.B. jährliche Niederschlagsmengen, durchschnittliche monatliche Temperaturen oder Veränderungen in der Landnutzung.

5 Georeferenzsystem

5.1 WGS 84

Das World Geodetic System 1984 (WGS 84) ist ein Referenzsystem der Geodäsie als einheitliche Grundlage für Positionsangaben auf der Erde und im erdnahen Weltraum. Es löste das Europäische Datum 1950 (ED50) inklusive der Varianten ab.

6 Lokalisierung

Lokalisierung bedeutet, dass man herausfindet, an welchem genauen Ort auf der Erde bestimmte Daten oder Beobachtungen gemacht wurden. In der Fernerkundung, z. B. bei der Analyse von Klimadaten von Satelliten, ist die Lokalisierung wichtig, um die gemessenen Daten (z. B. Temperaturen, Vegetation oder Luftverschmutzung) einem bestimmten Punkt oder Gebiet auf der Erde zuzuordnen. Das funktioniert mit Hilfe von Koordinaten (z. B. Breite und Länge) und oft auch mit der Unterstützung von GPS-Systemen. So kann man z. B. genau sehen, wo es besonders heiß ist oder wo ein Wald brennt.

7 Bestrahlungsstaerke

Die Bestrahlungsstärke beschreibt, wie viel Sonnenenergie auf eine bestimmte Fläche trifft. Sie wird oft in Watt pro Quadratmeter (W/m²) gemessen. In der Klimaforschung und Fernerkundung wird die Bestrahlungsstärke genutzt, um zu verstehen, wie viel Energie von der Sonne auf die Erde fällt. Das ist wichtig, um das Wetter, den Klimawandel oder die Bedingungen für Pflanzenwachstum zu analysieren. Zum Beispiel zeigt eine hohe Bestrahlungsstärke an, dass viel Sonnenlicht eine Region erreicht – das passiert oft in Wüsten oder an sonnigen Tagen.

8 Ko-Konstruktion

Ko-Konstruktion im Lernkontext bezeichnet hier den dialogischen Prozess, bei dem Menschen gemeinsam mit generativer KI wie ChatGPT neues Wissen entwickeln, indem sie über bloßes Wissen-Wiedergeben hinausgehen und durch gezielte argumentative Interaktionen Wissen transformieren. Dabei entsteht Lernen nicht individuell, sondern sozial und kollaborativ im Zusammenspiel zwischen Mensch und KI, wobei beide Seiten Impulse liefern können. Trotz fehlenden Verständnisses der KI kann durch passende Prompts ein kooperativer Erkenntnisprozess angestoßen werden.

9 DataFrame

Ein DataFrame im Python-Paket pandas ist eine zweidimensionale, tabellarische Datenstruktur mit beschrifteten Zeilen und Spalten – ähnlich einer Excel-Tabelle. Er ermöglicht effiziente Datenmanipulation, -analyse und -visualisierung durch Funktionen wie Filtern, Gruppieren oder Berechnungen. Jede Spalte kann dabei unterschiedliche Datentypen enthalten, etwa Zahlen, Texte oder Zeitangaben.

Wiederverwendung

CC BY-SA 4.0

--- title: Glossar format: html aliases: - /nutshell.html --- ## Zeitreihe Eine **Zeitreihe** beschreibt eine geordnete Abfolge von Datenpunkten, die in gleichmäßigen Zeitabständen erfasst werden. Im Kontext von Klimadaten oder Satellitendaten dient sie dazu, langfristige Trends, Muster oder Anomalien wie Temperaturänderungen, Niederschlagsmengen oder Vegetationsindizes zu analysieren. Zeitreihen sind essenziell, um Klimaveränderungen oder Umweltprozesse über Jahre oder Jahrzehnte hinweg zu beobachten. ## Schadstoffe ### Stickstoffmonoxid Stickstoffmonoxid (NO) ist ein farbloses Gas, das hauptsächlich durch Verbrennungsprozesse, wie in Kraftfahrzeugmotoren und industriellen Anlagen, emittiert wird. Es spielt eine wesentliche Rolle in der Bildung von bodennahem Ozon und Feinstaub. NO kann zu Stickstoffdioxid (NO2) oxidieren, was die Luftqualität weiter verschlechtert. Hohe Konzentrationen von NO können die Atemwege reizen und tragen zur Bildung von saurem Regen bei. Es ist auch ein Vorläuferstoff für die Bildung von Treibhausgasen. ### Stickstoffdioxid Stickstoffdioxid (NO2) ist ein rötlich-braunes Gas, das vorwiegend durch die Oxidation von NO in der Atmosphäre entsteht. Es ist stark reizend für die Atemwege und kann insbesondere bei Kindern und älteren Menschen Atemwegserkrankungen wie Asthma verschlimmern. NO2 trägt zur Bildung von bodennahem Ozon und sekundären Feinstaubpartikeln bei. Hauptquellen für NO2 sind der Straßenverkehr und industrielle Prozesse. Längerfristige Exposition gegenüber hohen NO2-Konzentrationen kann das Risiko für Herz-Kreislauf-Erkrankungen erhöhen. ### Ozon Ozon (O3) ist ein farbloses Gas, das in der Stratosphäre als Schutzschild gegen UV-Strahlen fungiert, in Bodennähe jedoch als Schadstoff gilt. Es entsteht durch photochemische Reaktionen von Vorläufersubstanzen wie NO 2 und flüchtigen organischen Verbindungen (VOCs) unter Sonneneinstrahlung. Ozon kann die Atemwege reizen, Lungengewebe schädigen und das Risiko für Atemwegserkrankungen erhöhen. Hauptemissionsquellen sind indirekt der Verkehr und industrielle Prozesse, die die Vorläuferstoffe freisetzen. Erhöhte Ozonkonzentrationen treten besonders in den Sommermonaten auf. ### Feinstaub PM10 bezeichnet Feinstaubpartikel mit einem Durchmesser von weniger als 10 Mikrometern, die tief in die Lungen eindringen können. Diese Partikel entstehen durch mechanische Prozesse wie Abrieb von Bremsen und Reifen, aber auch durch Verbrennungsvorgänge in Kraftwerken und Fahrzeugen. Feinstaub kann Atemwegserkrankungen, Herz-Kreislauf-Probleme und Krebs verursachen. Besonders gefährdet sind Kinder, ältere Menschen und Personen mit bestehenden Atemwegserkrankungen. PM10 trägt auch zur Verschlechterung der Sicht und zur Verschmutzung von Gebäuden bei. Feinstaub (PM10) besteht aus kleinsten Partikeln, die sich neben ihrer Größe auch durch ihre chemischen Eigenschaften unterscheiden. Zu Feinstaub zählen alle Partikel, deren Durchmesser kleiner als 10 Mikrometer (µm) ist. Häufig wird dafür das Kürzel PM10 (**PM** = **P**articulate **M**atter) verwendet. Feinstaub wird vor allem durch menschliches Handeln erzeugt: Primärer Feinstaub entsteht durch Emissionen aus Kraftfahrzeugen, Kraft- und Fernheizwerken, Öfen und Heizungen in Wohnhäusern, bei der Metall- und Stahlerzeugung oder auch beim Umschlagen von Schüttgütern. Die gesundheitlichen Wirkungen von Feinstaub sind verschieden. Sie reichen von Schleimhautreizungen und lokalen Entzündungen in der Luftröhre und den Bronchien oder den Lungenalveolen bis zu verstärkter Plaquebildung in den Blutgefäßen, einer erhöhten Thromboseneigung oder Veränderungen der Regulierungsfunktion des vegetativen Nervensystems (Herzfrequenzvariabilität). Laut Weltgesundheitsorganisation (WHO) sind bis zu 85 Prozent aller Stadtbewohner:innen in Europa zu hohen Feinstaubwerten ausgesetzt. Rußpartikel, die einen Teil des Feinstaubs ausmachen, sind darüber hinaus auch noch **schädlich für unser Klima**. Durch die dunkle Färbung absorbieren sie das Sonnenlicht in der Atmosphäre und erwärmen so direkt die unmittelbare Umgebung. ### Schwefeldioxid Schwefeldioxid (SO2) ist ein farbloses Gas mit stechendem Geruch, das hauptsächlich durch die Verbrennung von schwefelhaltigen fossilen Brennstoffen wie Kohle und Öl freigesetzt wird. Es wirkt stark reizend auf die Atemwege und kann Husten, Bronchitis sowie andere Atemwegsbeschwerden auslösen. SO2 ist zudem ein Vorläufer von saurem Regen, der Ökosysteme und Bauwerke schädigt. Neben dem Straßenverkehr sind industrielle Prozesse und die Energieerzeugung bedeutende Emissionsquellen. Längere Exposition kann die Gesundheit erheblich beeinträchtigen, insbesondere bei empfindlichen Bevölkerungsgruppen. ## Waldbrände ### Oberflaechentemperatur {#oberflaechentemperatur} Die **Oberflächentemperatur** bezieht sich auf die Temperatur der Erdoberfläche, die durch Messungen von Satelliten oder Bodenstationen erfasst wird. Diese Temperatur variiert je nach geografischer Lage, Tageszeit und Jahreszeit. Satelliten erfassen die Infrarotstrahlung, die von der Erdoberfläche abgestrahlt wird, um die Temperatur präzise zu bestimmen. Oberflächentemperaturdaten sind entscheidend für das Verständnis des Klimawandels, da sie Informationen über Erwärmungstrends, Hitzewellen und andere klimatische Phänomene liefern. ### NDVI Der **NDVI (Normalized Difference Vegetation Index)** ist ein wichtiger Indikator zur Überwachung der Vegetation auf der Erde, der hauptsächlich aus Satellitendaten gewonnen wird. Er basiert auf der Reflexion von Licht im roten und nahinfraroten Spektralbereich. Gesunde Pflanzen reflektieren mehr nahinfrarotes und weniger rotes Licht, während gestresste oder dürregeplagte Vegetation weniger nahinfrarotes und mehr rotes Licht reflektiert. Der NDVI wird durch die folgende Formel berechnet: \[ \text{NDVI} = \frac{(\text{NIR} - \text{Red})}{(\text{NIR} + \text{Red})} \] Dabei steht **NIR** für die reflektierte Strahlung im nahinfraroten Bereich und **Red** für die reflektierte Strahlung im roten Bereich. Der NDVI-Wert reicht von -1 bis +1, wobei höhere Werte auf eine dichtere und gesündere Vegetation hinweisen. NDVI-Daten sind essenziell für das Monitoring von Pflanzenwachstum, Landnutzungsänderungen und der globalen Kohlenstoffbilanz. ### Niederschlag {#sec-niederschlag} **Niederschlag** umfasst alle Formen von Wasser, die aus der Atmosphäre auf die Erdoberfläche gelangen, wie Regen, Schnee, Hagel oder Graupel. Niederschlagsdaten werden sowohl durch Bodenmessstationen als auch durch Satelliten erfasst. Satelliten nutzen dabei spezielle Sensoren, die Mikrowellenstrahlung durch Wolken hindurch messen können, um die Intensität und Verteilung des Niederschlags zu bestimmen. Diese Daten sind entscheidend für das Verständnis des Wasserkreislaufs, die Vorhersage von Extremwetterereignissen wie Überschwemmungen oder Dürren und das Management von Wasserressourcen. Präzise Messungen und langfristige Aufzeichnungen von Niederschlagsmustern sind auch wichtig für die Erforschung des Klimawandels und seiner Auswirkungen auf lokale und globale Wettermuster. ### Aktive Braende **Aktive Brände** bezeichnen aktuell brennende Feuer, die durch Satellitensensoren erfasst werden. Diese Sensoren detektieren die Wärmestrahlung, die von Flammen und heißen Oberflächen ausgeht, wodurch die Lokalisierung und Überwachung von Waldbränden, landwirtschaftlichen Feuern und anderen Feuerquellen in Echtzeit möglich ist. Die Daten zu aktiven Bränden sind von großer Bedeutung für den Katastrophenschutz, die Umweltüberwachung und die Klimaforschung. Sie ermöglichen es, die Ausbreitung von Bränden zu verfolgen, deren Intensität zu analysieren und Maßnahmen zur Brandbekämpfung besser zu koordinieren. Langfristig tragen sie auch zur Untersuchung der Auswirkungen von Bränden auf die Atmosphäre, die Vegetation und das globale Klima bei. ## Visualisierungen ### Liniendiagramm Ein **Liniendiagramm** ist eine grafische Darstellung, die Datenpunkte durch Linien verbindet, um Trends oder Entwicklungen im Zeitverlauf sichtbar zu machen. In der Analyse von Klimadaten oder Satellitendaten wird es häufig verwendet, um Zeitreihen darzustellen, wie etwa Temperaturverläufe oder CO₂-Konzentrationen. Es ermöglicht eine intuitive Erkennung von Mustern, Spitzenwerten oder Anomalien in den Daten. ### Boxplots **Boxplots** sind eine grafische Darstellung, die statistische Daten visuell zusammenfasst und Einblicke in die Verteilung, zentrale Tendenz und Streuung eines Datensatzes bietet. Ein Boxplot, auch Kastendiagramm genannt, zeigt die wichtigsten Quartile eines Datensatzes und hebt Ausreißer hervor. Die Darstellung umfasst: - **Median (Q2):** Der mittlere Wert des Datensatzes, dargestellt als Linie innerhalb der Box. - **Unteres Quartil (Q1):** Der Wert, unterhalb dessen 25% der Daten liegen, repräsentiert durch die Unterkante der Box. - **Oberes Quartil (Q3):** Der Wert, unterhalb dessen 75% der Daten liegen, dargestellt durch die Oberkante der Box. - **Interquartilsabstand (IQR):** Der Bereich zwischen Q1 und Q3, in dem die mittleren 50% der Daten liegen. - **Whiskers:** Linien, die von der Box zu den minimalen und maximalen Werten reichen, die keine Ausreißer sind. - **Ausreißer:** Einzelne Punkte außerhalb der Whiskers, die extreme Abweichungen darstellen. ### Saeulendiagramm Ein **Säulendiagramm** ist eine grafische Darstellungsform, die es ermöglicht, Daten durch vertikale oder horizontale Balken zu vergleichen. Jede Säule repräsentiert einen Datenpunkt oder eine Kategorie, und die Höhe (bei vertikalen Säulen) oder Länge (bei horizontalen Säulen) der Säulen entspricht dem Wert der jeweiligen Kategorie. Merkmale eines Säulendiagramms: - **Achsen:** Die x-Achse zeigt die Kategorien oder Gruppen, während die y-Achse die Werte darstellt. - **Säulen:** Jede Säule steht für einen einzelnen Datenpunkt oder eine Kategorie und ermöglicht einen visuellen Vergleich der Werte. - **Abstände:** Zwischen den Säulen befinden sich in der Regel gleiche Abstände, um die Trennung der Kategorien klar zu machen. - **Skalierung:** Die Achsen sind oft gleichmäßig skaliert, um die Unterschiede zwischen den Kategorien deutlich darzustellen. Säulendiagramme sind nützlich für die Darstellung von Zeitreihen, Vergleichen von Gruppen oder Kategorien und das Erkennen von Trends. In der Klimadatenanalyse werden sie häufig verwendet, um Veränderungen über Zeiträume hinweg zu veranschaulichen, wie z.B. jährliche Niederschlagsmengen, durchschnittliche monatliche Temperaturen oder Veränderungen in der Landnutzung. ## Georeferenzsystem ### WGS 84 Das World Geodetic System 1984 (WGS 84) ist ein Referenzsystem der Geodäsie als einheitliche Grundlage für Positionsangaben auf der Erde und im erdnahen Weltraum. Es löste das Europäische Datum 1950 (ED50) inklusive der Varianten ab. ## Lokalisierung Lokalisierung bedeutet, dass man herausfindet, an welchem genauen Ort auf der Erde bestimmte Daten oder Beobachtungen gemacht wurden. In der Fernerkundung, z. B. bei der Analyse von Klimadaten von Satelliten, ist die Lokalisierung wichtig, um die gemessenen Daten (z. B. Temperaturen, Vegetation oder Luftverschmutzung) einem bestimmten Punkt oder Gebiet auf der Erde zuzuordnen. Das funktioniert mit Hilfe von Koordinaten (z. B. Breite und Länge) und oft auch mit der Unterstützung von GPS-Systemen. So kann man z. B. genau sehen, wo es besonders heiß ist oder wo ein Wald brennt. ## Bestrahlungsstaerke Die Bestrahlungsstärke beschreibt, wie viel Sonnenenergie auf eine bestimmte Fläche trifft. Sie wird oft in Watt pro Quadratmeter (W/m²) gemessen. In der Klimaforschung und Fernerkundung wird die Bestrahlungsstärke genutzt, um zu verstehen, wie viel Energie von der Sonne auf die Erde fällt. Das ist wichtig, um das Wetter, den Klimawandel oder die Bedingungen für Pflanzenwachstum zu analysieren. Zum Beispiel zeigt eine hohe Bestrahlungsstärke an, dass viel Sonnenlicht eine Region erreicht – das passiert oft in Wüsten oder an sonnigen Tagen. ## Ko-Konstruktion Ko-Konstruktion im Lernkontext bezeichnet hier den dialogischen Prozess, bei dem Menschen gemeinsam mit generativer KI wie ChatGPT neues Wissen entwickeln, indem sie über bloßes Wissen-Wiedergeben hinausgehen und durch gezielte argumentative Interaktionen Wissen transformieren. Dabei entsteht Lernen nicht individuell, sondern sozial und kollaborativ im Zusammenspiel zwischen Mensch und KI, wobei beide Seiten Impulse liefern können. Trotz fehlenden Verständnisses der KI kann durch passende Prompts ein kooperativer Erkenntnisprozess angestoßen werden. ## DataFrame Ein DataFrame im Python-Paket `pandas` ist eine zweidimensionale, tabellarische Datenstruktur mit beschrifteten Zeilen und Spalten – ähnlich einer Excel-Tabelle. Er ermöglicht effiziente Datenmanipulation, -analyse und -visualisierung durch Funktionen wie Filtern, Gruppieren oder Berechnungen. Jede Spalte kann dabei unterschiedliche Datentypen enthalten, etwa Zahlen, Texte oder Zeitangaben.