Numerische Simulation und Verifikation mikroklimatischer

Transcrição

Numerische Simulation und Verifikation
mikroklimatischer Wechselwirkungen
zur Detektierung abiotischer
Lebensbedingungen für Zecken
Masterarbeit
verfasst von
Ken Vollack
am
Institut für Meteorologie
Fachbereich Geowissenschaften
Freie Universität Berlin
Berlin, 25. März 2015
Gutachter:
Prof. Dr. Sahar Sodoudi
PD Dr. Peter Névir
Betreuer:
Prof. Dr. Sahar Sodoudi
PD Dr. Peter Névir
Dr. Klaus Müller
Dr. Dania Richter
Zusammenfassung
Diese Arbeit widmet sich der interdisziplinären Fragestellung, ob es einen Zusammenhang zwischen dem Mikroklima und der Aktivität des Gemeinen Holzbock, Ixodes ricinus, gibt und wie
dieser kleinskalig mit Hilfe von Mikroklima-Modellierung erfasst werden kann. Diese Fragestellung wurde auf verschiedenen raumzeitlichen Skalen untersucht, wofür über viereinhalb Jahre
wöchentliche bzw. zweiwöchentliche Daten zur Zeckendichte und meteorologische Beobachtungsdaten des Standortes Berlin Botanischer Garten räumlich differenziert zur Verfügung standen.
Um die Interaktion der Zecken in verschiedenen Vegetationsstrukturen zu untersuchen, wurde
zur Simulation von kleinskaligen Unterschieden atmosphärischer Bedingungen in Wechselwirkung
mit komplexen Vegetationsarten das Mikroklima-Modell ENVI-met eingesetzt.
Es zeigte sich, dass die mikroklimatischen Bedingungen der Vorwitterungszeit im Zeitraum November bis März in Form der relativen Luftfeuchtigkeit, der Erdbodentemperaturen und der
Schneedecke einen bedeutenden Einfluss auf die Wirtssuchaktivität der Zeckennymphen im Frühjahr haben. Insbesondere die Schneedecke diente als Isolator zwischen Atmosphäre und Erdboden
und hatte nicht nur einen Einfluss auf die Erdbodentemperaturen, sondern bat vermutlich auch
Schutz für die Nymphen vor dem Austrocknen und vor Kälte und Frost.
Im jährlichen Verlauf der Nymphenaktivität zeigte sich eine bimodale Struktur, für die mit Hilfe
eines konzeptionellen Modells die Gipfel mit einem linearen Anstieg (Onset der Nymphenaktivität) und einem exponentiellen Abfall (Offset der Nymphenaktivität) beschrieben werden konnten.
Der Onset war von März bis Anfang April, das Maximum im April und der Offset von April bis
Anfang Mai zu finden.
Die Untersuchung der räumlichen Verteilung wirtssuchender Zecken im Untersuchungsgebiet ergab, dass sich die Nymphenaktivität nordwestlich/südöstlich entlang einer Benjeshecke stark
unterschied. Das Mikroklima-Modell ENVI-met wurde zur räumlichen Simulation der 0.10 m
Lufttemperatur und 0.10 m spezifischen Luftfeuchtigkeit eingesetzt und mit meteorologischen
Punktmessungen im Zeckenhabitat validiert. Das Modell simulierte generell kühlere und trockenere Bedingungen als gemessen. Es zeigten sich im Tagesverlauf entlang der Benjeshecke zwei
atmosphärische Regime. In der ersten Tageshälfte bis 14 Uhr war es generell südöstlich der
Benjeshecke wärmer und feuchter als nordwestlich, während in der zweiten Tageshälfte ab 14
Uhr annähernd keine Differenzen auftraten. Eine höhere Evapotranspiration und resultierende
Taubildung könnte die höhere Aktivität der Nymphen südöstlich der Benjeshecke erklären.
Zusammenfassend zeigt sich in dieser Arbeit, dass der Einfluss abiotischer Lebensbedingungen
auf Zecken auf einer differenzierten raumzeitlichen Skala untersucht werden sollte.
Abstract
This study aimed at the interdisciplinary objective of whether the questing activity of nymphal
Ixodes ricinus ticks is related to particular microclimate conditions and whether it may be
predicted by microclimate modeling. Data on tick activity and meteorological parameters were
available at a small spatiotemporal scale for four and a half years for the location of the Berlin
Botanical Garden. To determine whether modeling the microclimate facilitates to predict tick
activity, the model ENVI-met was applied to simulate small-scale differences in atmospheric
conditions in relation to complex vegetation types.
Microclimatic conditions of relative humidity, soil temperatures and snow cover in the period from
November to March appear to influence the nymphal activity during the spring. The snow cover
may isolate between the atmosphere and soil and thus impact the soil temperatures, possibly
protecting nymphs from drying and frost.
Annual temporal nymphal activity was bimodal, and each peak followed a linear increase (onset
of nymphal activity) and an exponential decay (offset of nymphal activity) when using a conceptional model. The onset occurred in March to early April, the maximum in April and the offset
in April to early May.
Nymphal activity varied spatially between the northwestern/southeastern sides of a Benjes hedge.
The microclimate model ENVI-met was used for spatial simulation of 0.10 m air temperature
and 0.10 m specific humidity and validated by meteorological point measurements. The model
simulated generally cooler and drier conditions than were observed. Two different atmospheric
regimes during the course of the day were noted on either side of the Benjes hedge. During the first
half of the day until 14 o’clock, it was generally warmer and more humid at the southeastern side
of the Benjes hedge than at the northwestern side, whereas during the second half of the day from
14 o’clock, conditions did not seem to vary much on either side. A higher evapotranspiration and
resulting dew formation may explain the higher activity of the nymphs southeast of the Benjes
hedge.
In summary, in order to examine the influence of abiotic habitat conditions on ticks, parameters
should be observed on a well-differentiated spatiotemporal scale.
Inhaltsverzeichnis
1. Einleitung
1.1. Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2. Stand der Forschung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1. Lebenszyklus und -bedingungen von Ixodes ricinus . . . . . . . . . . . . .
1.2.2. Problemstellungen bei Zeckensammlungen . . . . . . . . . . . . . . . . . .
1.2.3. Beschreibung des Lebenszyklus und der Aktivität von Ixodes ricinus anhand von Modellen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.4. Charakteristische räumliche und zeitliche Skalenbereiche in der Meteorologie
1.2.5. Mikroklima-Modellierung mit dem dreidimensionalen Mikroklima-Modell
ENVI-met . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
1
3
3
5
6
8
9
2. Interdisziplinäre Methodik
13
3. Beobachtungsdaten
3.1. Standort Berlin Botanischer Garten . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2. Zeckenaktivitätsdaten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3. Meteorologisch klimatologische Messdaten . . . . . . . . . . . . . . . . . . . . . .
17
17
20
22
4. Raumzeitliche Analyse der meteorologischen Daten und Zeckenaktivität
4.1. Zeitlicher Verlauf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2. Räumliche Struktur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3. Transektbezogene Anwendung des konzeptionellen Modelles . . . . . . . . . . . .
25
25
30
34
5. Zusammenhang zwischen Messdaten und Zeckenaktivität
5.1. Zeitliche Variation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2. Räumliche Variation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
37
37
43
6. Modelldaten
6.1. Das ENVI-met Modellkonzept . . . . . . . . . . . . . . . . . . . . . . . . .
6.1.1. Aufbau des Modells . . . . . . . . . . . . . . . . . . . . . . . . . .
6.1.2. Die physikalischen Grundgleichungen . . . . . . . . . . . . . . . . .
6.1.3. Initialisierung des Modells . . . . . . . . . . . . . . . . . . . . . . .
6.2. Modellierung des Zeckenhabitates am Standort Berlin Botanischer Garten
6.3. Bestimmung der Simulationstage . . . . . . . . . . . . . . . . . . . . . . .
6.4. Raumzeitliche Entwicklung des mikroskaligen Modells ENVI-met . . . . .
47
47
47
48
53
55
57
59
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
7. Validierung des Mikroklima-Modells ENVI-met anhand einzelner meteorologischer
Parameter
67
8. Möglicher Einfluss meteorologischer Parameter auf die räumliche Variation der Zeckenaktivität
75
8.1. Räumliche Variation im Tagesmittel . . . . . . . . . . . . . . . . . . . . . . . . . 75
8.2. Räumliche Variation im Tagesgang . . . . . . . . . . . . . . . . . . . . . . . . . . 79
9. Zusammenfassung & Diskussion
85
10.Ausblick
91
Tabellenverzeichnis
I
Abbildungsverzeichnis
III
Literaturverzeichnis
IX
Anhang
A. Datenaufbereitung
XV
XVII
Danksagung
XXIII
Erklärung
XXIV
1. Einleitung
1.1. Motivation
Ixodes ricinus (Gemeiner Holzbock) ist eine europäische Zeckenart, deren Lebensraum sich zonal
von den Britischen Inseln ostwärts bis zum Ural und meridional von Finnland im Norden bis in
Teile Nordafrikas erstreckt (s. Abb. 1.1). Ihr Lebensraum beschränkt sich nicht nur auf das Ökoton (Übergangsbereich) am Wald [Anderson, 1989], sie kommt ebenso auch in innerstädtischen
Ökotonen, z. B. Grünanlagen, vor. Hierzu wurden im Rahmen des MILIEU-Projektes, welches
an der Freien Universität Berlin von 2009 bis 2012 gefördert wurde und sich interdisziplinär in
fünf Forschungsmodulen dem Stadtklima widmete, Zecken von Mitarbeitern des Instituts für
Pathologie (Abt. Parasitologie) der Charité Universitätsmedizin Berlin in verschiedenen Gebieten in Berlin gesammelt. Zu den Sammelgebieten gehörten die periurbanen Standorte Gatow,
Tegel-Forstamt und Wannsee sowie die urbanen Standorte Botanischer Garten, Moabit und Marzahn. Dazu wurden im Forschungsmodul 1: "Erregerübertragung durch Zecken in städtischer
Umgebung" verschiedene Umweltfaktoren, die die Lebensbedingungen der Zecken beeinflussen,
untersucht, insbesondere die des Mikroklimas [FU-Berlin, 2012].
Abbildung 1.1.: Approximierte geographische Verteilung von Ixodes ricinus sowie weitere wichtige der zur Familie Ixodidae zugehörige Zeckenarten [Brown et al., 2005].
Mit Auslaufen dieses Projektes wurde das Sammeln der Zecken nur am Standort Berlin Botanischer Garten weitergeführt. Dies hat zum Vorteil, dass zumindestens für einen Standort eine
längere Zeitreihe aufgebaut werden kann. Dass der Standort Berlin Botanischer Garten zur Weiterführung ausgewählt wurde, hat mehrere Gründe. Zum einen steht das Gebiet unter Denkmalschutz, sodass sich anthropogene Störungen für diesen Standort auf die Bewässerung und Pflege
der Vegetation beschränken, somit anthropogene Einflüsse auf das Habitat der Zecken möglichst
1
1. Einleitung
konstant gehalten werden können und zum anderen besteht in diesem Gebiet eine relativ hohe
Dichte an meteorologischen Messstationen, um gleichzeitig das Mikroklima messen zu können.
Da Zecken sich nur auf Wirtssuche begeben bzw. aktiv werden, wenn es die mikroklimatischen
Bedingungen zulassen, hat die Bestimmung dieser Bedingungen mit Hilfe von verschiedenen meteorologischen Parametern eine hohe Priorität. Aus diesem Grund beschäftigt sich ein Teil dieser
Arbeit mit der Frage, welche meteorologischen Parameter entscheidend sind und in welcher Höhe
bzw. Tiefe diese gemessen werden müssen sowie welche Zeitskala relevant ist. Es ist jedoch nicht
nur interessant, an welchem Standort, in welchem Zeitraum und wie viele wirtssuchende Zecken
auftreten, sondern auch, wie sich die wirtssuchenden Zecken innerhalb des Habitates eines Zeckensammelgebietes verteilen. Auf die Problematik der kleinskaligen räumlichen Verteilung der
Zecken am Standort Berlin Botanischer Garten wird in einem weiteren Teil dieser Arbeit eingegangen. Hier stellt sich die Frage, ob es eine unterschiedlich starke räumliche Verteilung der
Zecken gibt und inwieweit es möglich ist, das herrschende Mikroklima mit dem dreidimensionalen Mikroklima-Modell ENVI-met darstellen und anhand von meteorologischen Beobachtungen
validieren zu können. Schließlich ist es das Ziel dieser Arbeit, auf Grundlage kurzfristiger numerischer Simulationen mikroklimatische Wechselwirkungen erfassen und damit die langzeitlichen
Lebensbedingungen der Zecken bestimmen zu können.
Mit genauen Kenntnissen über die Anforderungen der Zecken an das Mikroklima könnten Rückschlüsse auf eventuelle Veränderungen der Zeckenaktivität durch den Klimawandel gewonnen
werden. So könnte eine Änderung des Klimas eine Ausdehnung des Verbreitungsgebietes der Zecken zonal nach Norden in höhere Breiten oder auch in höhere Gebirgslagen ermöglichen, währenddessen gleichzeitig ein Rückgang der Zeckenpopulation in den niedrigen Breiten entsteht,
da hier ein extremeres Klima herrschen würde. Da nicht nur eine räumliche Veränderung des
Verbreitungsgebietes denkbar wäre, könnte der Klimawandel auch Auswirkungen auf die Länge
der Aktivitätsphasen der Zecken haben, was zur Folge hätte, dass die Aktivität der Zecken z. B.
früher im Jahr beginnt und im Herbst länger andauert [Gray, 2008]. Gleichzeitig wäre eine Abnahme der Zeckenaktivität durch längere Hitze- und Dürreperioden denkbar [Oxer und Ricardo,
1942] (dies gilt auch für die engverwandte Zeckenart Ixodes scapularis Say, die in Nordamerika
vorkommt [Jones und Kitron, 2000]).
Da Zecken bei der Suche nach Wirtstieren den Menschen befallen können, auch in den innerstädtischen Grünanlagen der Stadtbevölkerung, wären genaue Kenntnisse der Zecken bezüglich ihrer
Anforderungen an das Mikroklima, vor allem im Hinblick auf das zukünftige Infektionsrisiko der
Bevölkerung und möglichen Interventionsmaßnahmen, wünschenswert.
Zu Beginn dieser Arbeit wird zunächst auf den Stand der Forschung bezüglich des Lebenszyklus,
der Lebensbedingungen und der Aktivität von Zecken sowie auf die sich ergebenden Probleme
bei Zeckensammlungen eingegangen. Ferner wird in diesem Abschnitt ein Überblick über charakteristische zeitliche und räumliche Skalenbereiche in der Meteorologie gegeben und einige Studien
zur Mikroklima-Modellierung mit dem Mikroklima-Modell ENVI-met vorgestellt. In Kapitel 2
wird die allgemeine Vorgehensweise bei der Bearbeitung des Themas und die für die Untersuchung verwendete interdisziplinäre Methodik sowie ein konzeptionelles Modell zur Beschreibung
der Zeckenaktivität erläutert. Anschließend werden die verwendeten meteorologischen Messdaten
und die Daten der Zeckenaktivität in Kapitel 3 vorgestellt und raumzeitlich analysiert (Kap. 4).
Im ersten Ergebnisteil (Kap. 5) wird ein Zusammenhang zwischen den Messdaten und der Zeckenaktivtät auf verschiedenen raumzeitlichen Skalen erfasst. Weiterhin werden in Kapitel 6 die
2
1.2. Stand der Forschung
Modelldaten und die Modellierung des Standortes Berlin Botansicher Garten sowie die raumzeitliche Entwicklung des Modells vorgestellt. Im zweiten Ergebnisteil (Kap. 7) wird eine zeitliche
Validierung des Mikroklima-Modells ENVI-met anhand der Lufttemperatur und der spezifischen
Luftfeuchtigkeit durchgeführt, um die Fähigkeiten des Modells zur Erfassung des Mikroklimas
des Zeckenhabitates darzustellen. Mit Hilfe dieser Validierung wird im letzten Ergebnisteil (Kap.
8) ein möglicher Einfluss meteorologischer Parameter auf die räumliche Zeckenaktivität untersucht. Schließlich werden die Ergebnisse in Kapitel 9 zusammengefasst und kritisch diskutiert,
bevor die Arbeit mit einem Ausblick zur möglichen Vertiefung der Thematik abschließt.
1.2.1. Lebenszyklus und -bedingungen von Ixodes ricinus
Ixodes ricinus durchläuft in seinem Lebenszyklus drei Stadien: Larve, Nymphe und Adulte (s.
Abb. 1.2, S. 4). Aus den Eiern schlüpfen sechsbeinige Larven. Sind sie aktiv, so lassen sie sich von
Wirtstieren, kleine Säugetiere, Vögel oder Eidechsen, abstreifen, um ihre erste Blutmahlzeit zu
nehmen, die drei bis fünf Tage andauert. Die Larven können ein Jahr oder länger ohne Blutmahlzeit auskommen, falls sie keinen Wirt finden. Sobald die erste Blutmahlzeit beendet ist, lassen sie
sich zu Boden fallen, um sich in eine geschützte, feuchte bodennahe Schicht zurückzuziehen und
in eine achtbeinige Nymphe zu entwickeln. Auch die Nymphe befällt einen Wirt (Säugetiere, Vögel oder Eidechsen), um Blut zu saugen und sich anschließend in eine geschlechtsreife Adulte zu
verwandeln. Ab diesem Zeitpunkt benötigen nur noch die weiblichen Adulte eine Blutmahlzeit,
um sich mit einem Männchen paaren und ihre bis zu 2000 Eier in einer bodennahen Schicht ablegen zu können. Die Dauer der Blutmahlzeit nimmt mit jedem Entwicklungsstadium zu, sodass
weibliche Adulte bis zu zwei Wochen an ihrem Wirtstier Blut saugen. Der komplette Lebenszyklus von Ixodes ricinus dauert damit mindestens drei Jahre, kann sich in nördlichen Breiten
auf bis zu sechs Jahre ausdehnen [Chandler, 1955; Gardiner und Gettinby, 1983; Donnelly, 1987;
Anderson, 1989; Eckert et al., 2008; Gray, 2008; Goddard, 2012].
Um ein Wirtstier zu finden, werden die Zecken aktiv, d. h. sie verlassen die bodennahe Schicht und
klettern an der Bodenvegetation (z. B. Gräser und Sträucher) in exponierte Lagen, um dort auf
ihre Wirte zu lauern. Von dort aus können sie mit Hilfe ihres sogenannten Hallerschen-Organs,
welches sich am ersten Tarsenglied ihres ersten Beinpaares (Vorderbeine) befindet, Wirtstiere
aufspüren [Eckert et al., 2008]. Sie strecken ihr vorderstes Beinpaar weit nach außen vor, krallen sich beim Vorbeistreifen des Wirtstieres an diesem fest und suchen eine Einstichstelle, um
Blut zu saugen. Während einer solchen Blutmahlzeit besteht das Risiko, dass sich Zeckenlarven
mit Krankheitserregern infizieren. Diese tragen sie dann in sich, ohne selbst zu erkranken, und
übertragen diese Krankheitserreger bei weiteren Blutmahlzeiten in späteren Stadien auf neue
Wirtstiere. So ist es möglich, dass sich auch der Mensch durch den Biss von Zecken mit Erregern
der Lyme-Borreliose oder der Frühsommer-Meningo-Enzephalitis (FSME) infizieren kann.
Ixodes ricinus ist angepasst an humide Habitate (> 75 % relative Luftfeuchtigkeit) und hält
sich typischerweise in einer dichten, permanent feuchten Detritusschicht (95 bis 100 % relative
Luftfeuchtigkeit) unter hohem Bewuchs auf, wie man sie vor allem in Laub- und Mischwäldern
mit einer Kraut- und Strauchzone unter der Kronenzone findet [Eckert et al., 2008]. Die Luft ist
3
1. Einleitung
Abbildung 1.2.: Der Lebenszyklus von Ixodes ricinus (Gemeiner Holzbock), beschrieben durch
drei Stadien: Larve, Nymphe und Adulte [LUH, 2014].
hier eher gesättigt als in höheren Luftschichten, die sie nur aufsuchen, wenn sie auf Wirtssuche
sind. Dieses Verhalten ist damit zu erklären, da den Zecken nur ein begrenztes Energiereservoir
in Form des Fettkörpers zur Verfügung steht. Dieser wird durch ihre Fortbewegung bei der aktiven Suche nach Wirtstieren und beim Ausgleich von vorangegangenen Wasserverlusten mit Hilfe
einer auf ihren Mundwerkzeugen sezernierten hygroskopischen Substanz, mit der sie Feuchtigkeit
aus der Luft entnehmen, verbraucht und kann nur durch eine Blutmahlzeit wieder aufgefüllt werden. Hierzu wurde untersucht, bei welchen Werten der relativen Luftfeuchtigkeit Zecken ihren
Wasserhaushalt auffüllen können und weiterhin aktiv bleiben. Lees [1946] gibt einen Wert von 92
% an (kritische Gleichgewichtsluftfeuchtigkeit [Knülle und Wharton, 1964]), bei der Zecken ihren Wasserhaushalt aktiv und somit vorher erlittende Wasserdefizite wieder ausgleichen können.
Dieser Vorgang ist jedoch energiekonsumierend und lebenszeitverkürzend. Für die engverwandte
Zeckenart Ixodes scapularis Say, die in Nordamerika vorkommt und unter ähnlichen Wetterbedingungen lebt, wird ein Schwellenwert von 93 % angenommen, in dem erlittene Wasserdefizite
durch aktive Aufnahme von Wasserdampf aus der Luft ausgegelichen werden können [Stafford,
1994]. Diese beiden Werte basieren auf Laborversuchen.
Auf jeden Fall steigen mit zunehmender Trockenheit die Zeiten an, in denen die Zecken nicht
aktiv sind, da sie sich in der feuchteren bodennahen Luftschicht zu regenerieren oder zumindest
vor verstärkter Austrocknung zu schützen versuchen. Liegen die Regenerationszeiten zu weit auseinander, führt dies unweigerlich zum Tod der Zecken, da sie keinen Wirt zur Energieaufnahme
finden oder die Wasserverluste so hoch sind, dass der aktive Ausgleich des Wasserdefizits nur
mit hohem Energieaufwand möglich ist, der dann wiederum die Lebenszeit verkürzt. Studien mit
Laborversuchen der engverwandten Zeckenart Ixodes scapularis Say lassen einen Grenzwert der
relativen Luftfeuchtigkeit von 85 % [Stafford, 1994] bzw. ≤ 82 % [Rodgers et al., 2007] vermuten,
bei dem die Mortalitätsrate der Zecken aufgrund der ausbleibenden Regenerationsmöglichkeiten
signifikant ansteigt. Ausführliche Untersuchungen in diesem Zusammenhang wurden in der Dissertation von Berger [2011] durchgeführt. So konnte ein signifikanter Zusammenhang zwischen
4
der Summe von Stunden mit einer relativen Luftfeuchtigkeit von unter 82 % in der Laubschicht
für einen Zeitraum von 7 Tagen vor dem Sammeltermin und der Zeckenaktivität gezeigt werden
[Berger et al., 2014]. Die Luftfeuchtigkeit spielt also eine große Rolle für die Verbreitung und
Aktivität von Zecken.
Neben der relativen Luftfeuchtigkeit ist jedoch auch die Lufttemperatur sowie das Vorkommen
von Wirtstieren von Bedeutung. Bei zu geringer Lufttemperatur sind die Zecken inaktiv und
ziehen sich in die bodennahe Laubschicht zurück. So verfallen sie z. B. im Winter in eine Art
Winterstarre. Ist die Winterperiode allerdings sehr mild, so können die Zecken auch weiterhin
aktiv und auf Wirtssuche bleiben [Dautel et al., 2008]. Auch für die Temperatur wurden Studien
durchgeführt, in welchen nach einem Schwellenwert gesucht wurde, ab der Zecken aktiv werden.
MacLeod [1936] hat einen Wert von 7 ◦ C (wöchentlich gemitteltes Tagesmaximum) erstmals in
den 1930er Jahren bestimmt, der auch heute noch in diversen Studien verwendet wird (z. B.
Perret et al. [2000]; Randolph et al. [2008]). Doch nicht nur die Lufttemperatur, sondern auch die
Erdbodentemperatur kann ein entscheidender Indikator für die Aktivität der Zecken darstellen.
Hier wird in einigen Studien behauptet, dass die Aktivität von Ixodes ricinus in Zentraleuropa
im Frühsommer beginnt, sobald die Erdbodentemperatur einen Schwellenwert von 5 bis 7 ◦ C
überschreitet (z. B. Pretzmann et al. [1964]). Dautel et al. [2008] konnte jedoch zeigen, dass einige
Zecken auch unter diesem Schwellenwert aktiv sind und sie auch einzelne Nächte mit leichtem
Frost nicht davon abhalten, sich auf Wirtssuche zu begeben.
Zudem gibt es die Überlegung, dass das Sättigungsdefizit, welches eine Kombination aus relativer
Luftfeuchtigkeit und Lufttemperatur darstellt, einen Einfluss auf die Aktivität der Zecken hat
[Perret et al., 2000; Gern et al., 2008; Knap et al., 2009]. Dabei wird davon ausgegangen, dass das
Sättigungsdefizit als ein Maß für den Feuchtigkeitsverlust angesehen werden kann. So konnte eine
negative Korrelation zwischen der Dichte wirtssuchender Nymphen, im Folgenden Nymphenaktivitätsdichte genannt, und dem Sättigungsdefizit gezeigt werden, d. h. eine hohe Zeckendichte,
wenn das Sättigungsdefizit gering ist sowie eine geringe Zeckendichte, wenn das Sättigungsdefizit
hoch ist [Perret et al., 2000].
In allen vorgestellten Studien ergibt sich jedoch die Problematik fehlender Metadaten von meteorologischen Messungen, da sich viele Schwellenwerte der relativen Luftfeuchtigkeit bzw. der
Luft- und Erdbodentemperatur auf Laborversuche beziehen oder auf meteorologische Messstationen, bei welchen keine Aussage über die Messhöhe bzw. -tiefe getätigt wurden. Desweiteren
mussten oft die meteorologischen Daten von zum Untersuchungsgebiet weit entfernten Messstationen herangezogen werden, die nicht unbedingt das Mikroklima im Zeckenhabitat wiedergeben
können. Zusätzlich kommt erschwerend hinzu, dass in fast allen Studien nicht erwähnt wird,
ob die festgestellten Schwellenwerte auf Stunden-, Tages- oder Wochenmittel beruhen oder es
(gemittelte) Minimal- oder Maximalwerte sind. Hieraus ergibt sich die Notwendigkeit, Untersuchungen durchzuführen, die valide meteorologische Messdaten nutzen und deren Messhöhe bzw.
-tiefe definiert ist, um so auch Ergebnisse vergleichbar zu machen.
1.2.2. Problemstellungen bei Zeckensammlungen
Bei den durchgeführten Studien wird in der Regel davon ausgegangen, dass den Zecken immer
genügend Wirtstiere zur Verfügung stehen, sodass die mikroklimatischen Bedingungen entscheidend sind. Ziel ist es deshalb, Untersuchungen an Orten durchzuführen, an denen es über einen
5
1. Einleitung
längeren Zeitraum keine signifikanten anthropogen induzierten Umweltveränderungen gibt. Es
ist zwar kein Problem, an hochaufgelöste meteorologische Daten zu gelangen, die Sammlungen
der Zecken können aber bei weitem nicht so oft durchgeführt werden, da dies zum einen per Hand
geschieht und sehr zeitaufwändig ist und zum anderen jede Sammlung ein Eingriff bedeutet, der
Einfluss auf die Zeckenaktivität haben kann (eine detailliertere Erklärung der in dieser Arbeit
verwendeten Messmethode erfolgt in Kapitel 3.2, s. S. 20). Zudem werden die meteorologischen
Daten oft nicht an den Sammelstandorten gemessen. Dafür werden vorhandene und in der Nähe
liegende Messstationen verwendet, die in einiger Entfernung zum Sammelgebiet liegen können
und an denen in der Regel nach WMO-Richtlinien gemessen wird. So kann es sein, dass das vor
Ort herrschende Mikroklima nicht repräsentativ ist, da sich die Zecken nicht unbedingt auf einer
mit Gras bedeckten freien Fläche befinden, sondern in bewachsenen Gebieten. Hierbei spielt auch
die Installationshöhe der Messgeräte eine Rolle, denn der Lebensraum der Zecken befindet sich in
den bodennahen Laubschichten, anstatt in 2.00 m Höhe einer standardmäßigen Wetterhütte.
Aufgrund der aufwändigen Messmethode der Zeckenaktivität und der häufig auf nur drei Jahre
befristeten Projektförderung gibt es im Prinzip keine langen Datenreihen, um Korrelationen
zwischen der Aktivität der Zecken und einer langfristigen Klimaänderung beobachten und von
Schwankungen abgrenzen zu können. Sehr selten gibt es Studien über längere Zeiträume (z. B. 14jährige Sammlungen in Rhode Island in Nordamerika [Berger et al., 2014]), die meisten basieren
auf der Anzahl von Inzidenzen von zecken-übertragenen Erkrankungen [Randolph et al., 2008].
Hierbei ist jedoch zu beachten, dass das Wetter nicht nur das Verhalten der Zecken, sondern
auch das Freizeitverhalten der Menschen beeinflusst. Denn dies hat einen direkten Einfluss auf
die Anzahl der Krankheitsfälle, was nicht unbedingt mit der Zeckenaktivität in Verbindung stehen
muss.
Desweiteren muss bei den Zeckensammlungen die zeitliche Auflösung beachtet werden. Diese ist
meist sehr gering, da oftmals die Zeckenaktivität nur alle vier Wochen bestimmt wird (z. B.
Perret et al. [2000]; Knap et al. [2009]), wobei die Zecken zumeist mitgenommen und im Labor
auf Krankheitserreger untersucht werden. Tälleklint-Eisen und Lane [2000] konnten allerdings
in diesem Zusammenhang zeigen, dass auch alle zwei Wochen Zecken gesammelt werden können, ohne dass die Population entscheidend beeinflusst wird. Dobson [2013] empfiehlt sogar, die
Sammlungen in einem Intervall von nicht mehr als drei Wochen einzuhalten, um an präzisere
und weniger fehlerbehaftete Daten zu gelangen. Außerdem ist es natürlich von großer Relevanz,
dass bei solchen Studien immer die gleichen Transektstrecken abgelaufen werden, um später die
auszuwertenden Daten miteinander vergleichen zu können.
1.2.3. Beschreibung des Lebenszyklus und der Aktivität von Ixodes ricinus
anhand von Modellen
Um die Epidemiologie der durch die Zecken übertragbaren Krankheitserreger besser verstehen
und ein Verfahren zur Kontrolle dieser Krankheiten entwickeln zu können, ist es von Bedeutung,
den Lebenszyklus und die saisonale Aktivität der Zecken zu studieren. Hierzu wurde versucht, das
saisonale Auftreten der Zeckenaktivität mit Modellen anhand von unterschiedlichen Parametern
vorherzusagen. Zum großen Teil bestimmen die klimatischen Bedingungen den Zeitpunkt des
Lebenszyklus und die Anzahl der überlebenden Zecken, denn MacLeod [1932, 1934, 1935a,b,
1936] hat gezeigt, dass die Entwicklungsdauer und die Aktivität von Ixodes ricinus zusammen
mit den Phasen vor und während der Eiablage im generellen von der Temperatur abhängig sind,
6
ohne dies vorerst anhand von Modellen zu beschreiben.
In der Dissertation von Campbell [1948] wurde dies weiterverfolgt und Versuche zur Entwicklungszeit jedes Stadiums der Zecke durchgeführt, wobei ein Zusammenhang zwischen der Temperatur und der Entwicklungsdauer der Zecken herausgefunden wurde. Dies wurde dann von
Gardiner et al. [1981] aufgegriffen, mit dem Ziel, die Entwicklungsperioden für verschiedene Entwicklungsphasen (vor der Eiablage, Eiablage, Ei, Larve und Nymphe) von im Frühling und Herbst
gesogenen Zecken vorherzusagen. Hier konnte gezeigt werden, dass die Vorhersagen mit Hilfe von
Minimal- und Maximaltemperaturen des Erdbodens sehr gut mit den tatsächlich beobachteten
Entwicklungszeitpunkten für die jeweilige Entwicklungsphase der Zecke übereinstimmen. Desweiteren wurde versucht, die Aktivitätsphasen der einzelnen Entwicklungsstadien der Zecken zu
bestimmen. Es hat den Anschein, dass die Aktivität der Larven und Adulte im Herbst größer
als im Frühling ist, wohingegen die Aktivität der Nymphen im Frühling größer als im Herbst ist
[Gardiner und Gettinby, 1983]. Diese Modelle wurden verbessert und weiterentwickelt [Gardiner
und Gray, 1986].
Randolph et al. [2002] haben einen einfachen quantitativen Entwurf für die Phänologie (d. h.
den saisonalen Entwicklungszyklus) von Ixodes ricinus als Basis für ein allgemeines Populationsmodell erstellt. Hierzu konnte auf langzeitliche Beobachtungen zurückgegriffen werden, die zum
einen aus der saisonalen Anzahl der Zecken sowie deren Fettkörpergehalt (Hinweis auf ihr physiologisches Alter) und zum anderen aus dem Mikroklima an drei Standorten in Großbritannien
bestanden. Dieses zeitlich hochaufgelöste Modell, welches durch Erdbodentemperaturen angetrieben wird und die geringe bis gar keine Zeckenaktivität in den Sommermonaten beinhaltet,
sagt die Häutung (d. h. die Entstehung aus dem vorherigem Stadium) einer einzelnen Kohorte
an Zecken, bestehend aus jedem Entwicklungsstadium, für jedes Jahr im Herbst vorher. Der
Zeitpunkt der vorhergesagten Entstehung stimmt exakt mit dem neuen Auftreten von Nymphen
und Adulten mit hohem Fettkörpergehalt im Herbst überein. Danach lässt der Fettkörpergehalt
innerhalb eines Jahres ab der Häutung stetig nach, bis ungesogene Zecken mit nur noch geringen
Energiereserven von der aktiven sich auf Wirtstiersuche befindlichen Population verschwinden.
Die grundlegende Phänologie der Zecken ist also sehr komplex und die Populationsdynamik aktiver Zecken wird durch das saisonale Verhaltensmuster, die Verfügbarkeit von Wirtstieren sowie
die Mortalitätsrate bestimmt.
Ein ähnliches Modell zur Populationsdynamik von Ixodes ricinus hat auch Hancock et al. [2011]
entwickelt, jedoch nicht mit dem Ziel, eine explizite Vorhersage für die Dynamik der Zecken und
der durch ihr übertragenen Krankheitserreger für einen bestimmten Ort und eine bestimmte
Zeit zu tätigen [Randolph et al., 2002], sondern vielmehr zu untersuchen, inwiefern sich das
saisonale Muster der Zeckenaktivität mit Hilfe von Mitteltemperaturen für Braemar (Schottland)
erklären lässt. Die Ergebnisse zeigen, dass sich bei verschiedenen Mitteltemperaturen über einen
kontinuierlichen Bereich ein systematisches Muster zu Zeiten hoher Zeckenaktivität ergibt, die
von der über das Jahr kumulierten Temperatur abhängig ist. Hierzu wird jedoch angemerkt,
dass diese Ergebnisse für andere Untersuchungsstandorte variieren können. Allerdings wird nicht
erläutert, ob es sich um Luft- oder Erdbodentemperaturen handelt, die in das Modell eingegangen
sind.
7
1. Einleitung
1.2.4. Charakteristische räumliche und zeitliche Skalenbereiche in der
Meteorologie
Um makro, meso- und mikroskalige Prozesse in der Atmosphäre beschreiben zu können, werden
diese in der Meteorologie in charakteristische räumliche und zeitliche Skalenbereiche eingeteilt
(s. Abb. 1.3). Zu den makroskaligen Prozessen gehören u. a. die Planetaren Wellen sowie die
Hoch- und Tiefdruckgebiete. Diese haben im Mittel eine große räumliche Ausdehung von 1.000
bis 10.000 Kilometern, dafür aber eine im Verhältnis relativ kleine Zeitskala von einigen Tagen bis
Wochen. Mesoskalige Prozesse, zu welchen die Konvektion bzw. einzelne Gewitterzellen, lokale
Windzirkulationen, Squall Lines, Cloud Cluster und Fronten zählen, haben eine horizontale Ausdehnung von 1 bis zu 1.000 Kilometern und dazu eine zeitliche Auflösung von mehreren Minuten
bis Tagen. Noch kleinere räumliche und zeitliche Skalenbereiche werden als mikroskalige Prozesse
bezeichnet, zu denen die atmosphärische Turbulenz, die molekulare Dissipation, die Strahlung
und die Mikrophysik zählen.
Zeitskala
in sec
108
Planetare
Wellen
1 Jahr
107
Hoch-/Tiefdruckgebiete
10
6
105
1 Woche
Mesoskalige
Prozesse
1 Tag
104
Konvektion
1h
103
GME
102
Atmosphärische
Turbulenz
1 min
COSMO-EU
COSMO-DE
Molek. Dissipation,
Strahlung,
Mikrophysik
10-3
1 mm
10-2
Er
du
m
1
fa
ng
10
ENVI-met
10-1
1
1m
10
102
103
1 km
104
105
106
107
1000 km
108
horizontale
Abmessung
in m
Abbildung 1.3.: Charakteristische räumliche und zeitliche Skalenbereiche von verschiedenen Modellen zur Beschreibung von makro, meso- und mikroskaligen Prozessen [DWD,
2014].
In der Meteorologie werden für die verschiedenen Skalenbereiche unterschiedliche Modelle verwendet, die die makro-, meso- und mikroskaligen Prozesse erfassen und modellieren können. Zum
einen gibt es klassische Wettervorhersagemodelle, wie z. B. das GME (Global-Modell), COSMOEU (Regionalmodell Europa) oder COSMO-DE (Regionalmodell Deutschland) des Deutschen
Wetterdienstes, welche sich mit der kurzfristigen Vorhersage von Prozessen in der Atmosphäre bei
einer bestimmten räumlichen Auflösung beschäftigen. Zum anderen werden Klimamodelle, wie
z. B. das CCLM (COSMO Climate Local Model), REMO (REgional MOdell) oder WRF (Wea-
8
ther Research and Forecasting Model) zur Simulation des Klimas auf einer langzeitlichen Skala
eingesetzt, um eher räumliche Unterschiede darzustellen. Im Bereich der Mikroklimatologie bzw.
Stadtklimatologie werden vor allem extrem kleinräumige Unterschiede zu simulieren versucht,
zu denen u. a. die Modelle ENVI-met, RayMan ("radiation on the human body") und MUKLIMO_3 (Mikroskaliges Urbanes KLIma-MOdell) zählen. Aufgrund des Courant-Friedrichs-Lewy
(CFL) Kriteriums muss dazu parallel auch der Zeitschritt kleiner gewählt werden, um so numerische Instabilitäten aufgrund der Phasengeschwindigkeit von Wellen in der Atmosphäre zu
verhindern. So können mit Mikroklima-Modellen aufgrund der hohen Rechenzeit meistens nur
einzelne Tage simuliert werden und nicht, wie der Begriff Klimatologie vermuten lässt, langzeitliche Unterschiede. Um kleinräumige Divergenzen in der Zeckenaktivität untersuchen und mit
Modellen simulieren oder auch vorhersagen zu können, fällt dies zwangsläufig in den Bereich der
Stadt- bzw. Mikroklima-Modellierung.
1.2.5. Mikroklima-Modellierung mit dem dreidimensionalen Mikroklima-Modell
ENVI-met
In der Meteorologie ist die Art der kleinskaligen Simulation von unterschiedlichen klimatischen
Bedingungen auf engstem Raum noch relativ neu. Stadtklimamodelle bzw. das in dieser Arbeit
verwendete Programm ENVI-met unterscheiden sich fundamental von Modellen, die beispielsweise in der Wettervorhersage oder bei der Simulation von Klimaveränderungen eingesetzt werden.
Vor dem Hintergrund des immensen Rechenaufwandes und des benötigten Speicherplatzes ist es
nicht verwunderlich, dass komplexe Stadtklimamodelle erst in jüngster Zeit entwickelt wurden.
Seit den 70er und 80er Jahren des vergangenen Jahrhunderts wurden zwar schon Modelle entwickelt, die das Stadtklima im Vergleich zum Umland [Gutman und Torrance, 1975] oder die
Strahlungsbedingungen in Straßen zu simulieren versuchten [Terjung und O’Rourke, 1980], doch
waren diese nur ein- bzw. später zweidimensional ausgelegt. Das dreidimensionale Strömungsmodell MISKAM [Eichhorn, 1989] war Ende der 80er Jahre verfügbar, welches sich jedoch bei
der Simulation des Stadtklimas auf eine meteorologische Komponente, die des Windfeldes, beschränkte. Vor diesem Hintergrund wurde Ende der 90er Jahre das vollständige dreidimensionale
Computermodell ENVI-met entwickelt, mit dem Ziel, ein hochauflösendes Stadtklimamodell zu
erstellen [Bruse und Fleer, 1998; Bruse, 1999]. Das Programm wurde auch schon für verschiedene
kleinskalige stadtklimatologische Fragestellungen eingesetzt.
Das EU Forschungsprojekt "Benefits of Urban Green Space" (BUGS) untersuchte von 2001 bis
2004 unter anderem die Auswirkungen von urbaner Flora auf das Klima und die Luftqualität, in
welchen sowohl Messungen als auch Simulationen mit dem numerischen Modell ENVI-met zum
Einsatz kamen. Es zeigte sich, dass mehr Grün in Städten nicht unbedingt auch lokal zu einer
Verbesserung führen muss, wenn man die Betrachtung auf Einzelaspekte des Wirkungsgefüges
Stadtklima wie die Luftqualität konzentriert [Bruse, 2003]. Weiterhin wurden im Rahmen dieses Projektes die Auswirkungen des kleinen Stadtgartens, umgeben von einem dicht bebauten
Gebiet, auf das Mikroklima und die Luftqualität untersucht. Hierzu wurden Messungen (beobachtete Daten) mit den Simulationsläufen von ENVI-met verglichen. Es stellte sich heraus, dass
die simulierten Daten sehr gut mit den Beobachtungen übereinstimmten (im Bereich des dicht
bebauten Gebiets). Im Park wurden die Temperaturen zu hoch simuliert, was auf spezielle Windströmungen zurückgeführt wurde, die das Programm nicht berechnen kann [Lahme und Bruse,
2003].
9
1. Einleitung
Desweiteren wurde 2009 eine Untersuchung durchgeführt, die die thermische Wechselwirkung
eines Mehrfamilienhauses im Sommer in Kairo mit der Umwelt darstellt. Hierzu wurden Szenarien mit dem Programm ENVI-met und dem DesignBuilder mit zwei verschiedenen Baumarten
simuliert, die dann mit einem Lauf ohne Bäume verglichen wurden. Quantifiziert wurden die Ergebnisse anhand des PMV (Predicted Mean Vote), der Rückschlüsse auf das thermische Wohlbefinden des Menschen schließen lässt. Diese Studie hatte als Ergebnis, dass der beste Wohnkomfort
in Kairo mit dem 15 m hohen Baum “Ficus Elastica” erreicht wurde. Das wichtigste Ergebnis
dieser Untersuchung war, dass in der Planungsphase der Stadtentwicklung nicht nur einfach Bäume gepflanzt werden sollten, sondern dass es entscheidend ist, welche Art von Bäumen gepflanzt
werden [Fahmy et al., 2009].
In einem weiteren Beispiel wurde das Programm ENVI-met zur Planung und Realisierung eines
Bauprojektes in Dubai am Persischen Golf eingesetzt. Die als reine Fußgängerzone ausgelegte
Anlage mit 22 Gebäuden wurde hinsichtlich der klimatischen Situation und der Verschattung
auch auf den thermischen Komfort der Fußgänger hin untersucht. Die Simulation ergab, dass
durch die Eigenverschattung der Gebäude sowie durch den Einsatz von Bäumen, Wasserflächen
und Sonnensegeln das thermische Wohlbefinden der Passanten erhöht, demzufolge die Lufttemperatur von 44 ◦ C auf bis zu 35.5 ◦ C verringert werden konnte [Bruse und Schuster, 2008].
Außerdem befasste sich das Projekt KLIMES mit den Effekten der globalen Erwärmung auf den
Hitzestress der Menschen in einer fiktiven, typisch europäischen Stadt in Europa, um mögliche
Gegenmaßnahmen seitens der Städteplaner einzuleiten. Mit dem Programm ENVI-met wurde dazu ein Modell erstellt, welches typische Elemente mitteleuropäischer Städte beinhaltete.
Folglich führte man zwei Simulationen durch: eine Simulation eines typischen mitteleuropäischen
Sommertages, die andere Simulation mit einer extremen, anhaltenden Hitzewelle. Beim Vergleich
dieser zwei Simulationen kam heraus, dass das Modell ENVI-met für Aufgaben verwendet werden
kann, die den Effekt wechselnder klimatischer Bedingungen auf das thermische Wohlbefinden des
Menschen innerhalb von Städten schätzen können. Diese Studie zeigte, dass Grünflächen, welche
typische Elemente der Stadtplanung sind, die normalerweise dazu verwendet werden, das thermische Wohlbefinden des Menschen mit Blick auf die Reduzierung der Lufttemperatur und der
reflektierten Strahlung zu verbessern, genau das Gegenteil bewirken, wenn sie nicht bei solchen
Hitzeperioden regelmäßig bewässert werden. Die Ergebnisse zeigen auch, dass anhand des PETIndexes (physiological equivalent temperature) sich das thermische Wohlbefinden des Menschen
nicht überall im Modellgebiet zu jeder Zeit verschlechtert. Unter diesen sommerlichen Bedingungen kann der Rückgang des Wasserdampfdruckes einer höheren Luft- und mittleren Strahlungstemperatur entgegenwirken. Auf das gesamte Modellgebiet und den ganzen Tag betrachtet,
erhöht sich der Hitzestress aber deutlich [Huttner et al., 2008].
In einem weiteren Beispiel wurde das mikroskalige Programm ENVI-met dazu eingesetzt, das
städtische Mikroklima mit Hinblick auf das vertikale Temperaturprofil entlang eines bewachsenen Parks mit seiner bebauten Umgebung in Humlegården, Stockholm, Schweden an drei klaren
und relativ windstillen Sommertagen zu simulieren und diese mit Beobachtungen zu vergleichen.
Ergebnis war, dass ENVI-met die räumliche Variation der Lufttemperatur durchaus so simuliert, wie sie erwartet worden war, wie z. B., dass die warme und instabile Luft in den bebauten
Gebieten zu beobachten war. Außerdem hat das Modell die beobachteten Stabilitätsmuster der
Lufttemperatur wiedergegeben, d. h. dass die Lufttemperatur tagsüber unter den Baumkronen
stabiler war als über den Grasflächen. Allerdings wurde die Amplitude der täglichen Lufttemperatur nicht gut wiedergegeben. Gerade in den Mittagsstunden wurde sowohl im Park als auch im
10
bebauten Gebiet die größte Differenz zwischen dem Modell und den Beobachtungen ausgemacht,
die sich auf ungefähr 6 K belief [Jansson, 2006].
In einer Studie von Yang et al. [2013] wurde das Modell ENVI-met anhand des Temperaturverhaltens unterschiedlicher Oberflächenmaterialien, wie Beton, Steinplatten, Asphalt und Gras, validiert. Hierzu wurden die Beobachtungen mit den Modellsimulationen für die meteorologischen
Parameter Erdbodentemperatur (in verschiedenen Tiefen), Bodenwärmestrom an der Erdbodenoberfläche, Oberflächentemperatur sowie Lufttemperatur und -feuchtigkeit (in verschiedenen
Höhen) verglichen. Die Ergebnisse zeigen, dass das Modell ENVI-met in der Lage ist, den Tagesgang im Temperaturverhalten der verschiedenen Oberflächenmaterialien und deren Einfluss
auf die lokale Lufttemperatur und -feuchtigkeit einigermaßen gut darstellen zu können. Auch die
simulierte räumliche Verteilung der Lufttemperatur und -feuchtigkeit mit wärmeren/trockneren
und kälteren/feuchteren Gebieten war im Allgemeinen konsistent mit den Beobachtungen.
Das Modell ENVI-met wird stetig verbessert und technisch weiterentwickelt. So wurde ein verbessertes Modul zur Berechnung der Energie- und Temperaturflüsse an Fassaden und Dächern
implementiert und validiert. Das neue Modul erlaubt eine detailliertere und akkuratere Aussage
über den Einfluss verschiedener Fassadenmaterialien und -farben auf das Mikroklima in ihrer
Umgebung. Auch wurde eine neue Schnittstelle eingerichtet, die es nun erlaubt, Tagesgänge für
verschiedene meteorologische Parameter wie Windrichtung und -geschwindigkeit, Lufttemperatur, Luftfeuchtigkeit und Strahlung vorzugeben. So ist es nun möglich, einen Vergleich zwischen
simulierten und gemessenen Werten anzustellen [Huttner, 2012]. Leider war diese neuere Version
von ENVI-met bei der Erstellung dieser Arbeit noch nicht online verfügbar, sodass auf eine ältere
Version zurückgegriffen werden musste.
11
Diese Arbeit stellt den Versuch dar, die Wetterbeobachtung und Mikroklima-Modellierung in der
Meteorologie interdisziplinär mit der Biologie der Zecken in Verbindung zu setzen. Hierzu stehen
sich die abiotischen Aspekte der Meteorologie, wie verschiedene atmosphärische Bedingungen in
Form von meteorologischen Variablen in der Atmosphäre und im Erdboden, und die biotischen
Aspekte der Biologie, wie z. B. die Aktivität und die verschiedenen Entwicklungsphasen der
Zecken, gegenüber.
Der Skalenaspekt der Wechselwirkungen
Biologie
Zecken
zeitlicher
Aspekt
räumlicher
Aspekt
Meteorologie
räumlicher
Aspekt
Beobachtung
Mikroklima-Modell
Modell-Verifikation
Abbildung 2.1.: Beschreibung der interdisziplinären Methodik durch verschiedene raumzeitliche
Wechselwirkungen zwischen der Meteorologie und den Zecken.
Diese interdisziplinäre Fragestellung zwischen der Meteorologie und den Zecken soll auf verschiedenen raumzeitlichen Skalen untersucht werden. Die Zeckenaktivität wurde an mehreren
Standorten in Europa (u. a. England [Randolph et al., 2002], Irland [Gray, 2008], Schweiz [Perret
et al., 2000], Slowenien [Knap et al., 2009]) für einen Zeitraum von bis zu sechs Jahren erfasst. Es
stellte sich heraus, dass es zum einen Jahre mit hoher und niedriger Zeckenaktivität gibt [Gray,
2008], und zum anderen, dass es eine zeitliche Struktur im Verlauf der Zeckenaktivität pro Jahr
gibt und diese zusätzlich auch für jedes Entwicklungsstadium (Larve, Nymphe, Adulte) variiert. Je nach zeitlicher Auflösung der Zeckensammlungen ließen sich pro Jahr Phasen mit hoher
und niedriger Aktivität für die einzelnen Entwicklungsstadien feststellen, wobei dieser zeitliche
Verlauf größtenteils einer bimodalen Struktur mit zwei Gipfeln folgt. In diesem Zusammenhang
13
konnte Gardiner und Gettinby [1983] anhand eines Modells zeigen, dass es den Anschein hat,
dass die Aktivität der Larven und Adulte im Herbst größer als im Frühling ist, wohingegen
die Aktivität der Nymphen im Frühling größer als im Herbst ist. Die hohe Nymphenaktivität im
Frühling bestätigen auch die Ergebnisse von Randolph et al. [2002] und Perret et al. [2000], wobei
es in einigen Jahren auch noch eine hohe Nymphenaktivität im Herbst geben kann [Gray, 2008].
In diesem Zusammenhang sollen abiotische Aspekte in Form von Beobachtungen Aufschluss darüber geben, ob und welche meteorologischen Parameter Einfluss auf die Zeckenaktivität auf der
zeitlichen Skala haben (s. Abb. 2.1, S. 13, linker Ast). Dies geschieht zum einen saisonal, indem
großskalige atmosphärische Bedingungen in Form der Lufttemperatur, der relativen Luftfeuchtigkeit in unterschiedlichen Messhöhen und -tiefen sowie der Schneehöhe in Bezug zur jährlichen
Nymphenaktivität (Variabilität mehrerer Jahre) gesetzt werden. Somit könnten mit Hilfe dieser
meteorologischen Parameter Rückschlüsse auf Jahre mit besonders hoher oder niedriger Nymphenaktivität getätigt werden.
Zum anderen wurde auf der monatlichen Zeitskala die bimodale Struktur der Nymphenaktivität
pro Jahr untersucht, um Aussagen über die zeitliche Variabilität der Aktivität treffen zu können.
Hierzu wurde ein konzeptionelles Modell entwickelt, dass den zeitlichen Verlauf der Nymphenaktivität in idealisierter Form als eine bimodale Struktur beschreibt, in der sich zwei Gipfel
feststellen lassen, die jeweils aus einem linearen Anstieg (Onset der Nymphenaktivität) und einem exponentiellen Abfall (Offset der Nymphenaktivität [Plorin, 2014]) bestehen (s. Abb. 2.2).
Der Onset lässt sich mathematisch ausdrücken als:
N (t)an = Nmin + Ban · t
(2.1)
wobei N (t)an die aktuelle Nymphenaktivität und Nmin das Minimum der Nymphenaktivität des
Anstiegs ist. Ban gibt an, wie schnell die Aktivität der Nymphen ansteigt. Für den Offset der
Nymphenaktivität nach dem Maximum wurde von einem exponentiellen Abfall ausgegangen. Für
diesen Abfall wurde eine Größe bestimmt, die die Geschwindigkeit des Abfalls beschreibt. Dieser
lässt sich mathematisch ausdrücken als:
N (t)ab = Nmax · e−Bab ·t
(2.2)
wobei N (t)ab die aktuelle Nymphenaktivität und Nmax das Maximum der Nymphenaktivität des
Abfalls ist. Bab gibt an, wie schnell die Aktivität der Nymphen abnimmt. Durch Logarithmieren
lässt sich Gleichung 2.2 in eine lineare Form bringen, wodurch mittels linearer Regression die
Parameter Nmax und Bab bestimmt werden können. Aus Bab lässt sich eine Größe τab berechnen,
die anschaulich der Zeitspanne entspricht (angegeben in Tagen), in der die Aktivität der Nymphen
vom Maximum Nmax auf das 1e -fache abfällt. Dies entspricht etwa 37 % des Maximums:
!
N (t)ab =
14
Nmax
= Nmax · e−Bab ·τab
e
−1 = −Bab · τab
1
τab =
Bab
(2.3)
(2.4)
(2.5)
Mit Hilfe der Lambert’schen W-Funktion kann nun der Schnittpunkt zwischen dem linearen Anstieg und dem exponentiellen Abfall berechnet werden, um den Tag des Maximums bestimmen
zu können. Mit dem errechneten Tag des Maximums kann ebenfalls für den Onset eine Zeitspanne τan berechnet werden, in der die Nymphenaktivität von dem 1e -fachen (ca. 37 %) auf das
Maximum ansteigt. Als Gütemaß für die Bestimmung von Nmin und Ban bzw. Nmax und Bab
wurde das Bestimmheitsmaß R2 verwendet, welches das Verhältnis von "erklärter Varianz" zu
"Gesamtvarianz" angibt. Es handelt sich hierbei um das Quadrat des zweidimensionalen linearen
Produkt-Moment-Korrelationskoeffizienten rab nach Pearson [Pearson und Hartley, 1972]. Dieser
berechnet sich aus der Kovarianz sab und den Standardabweichungen sa und sb der Stichproben:
sab
sa sb
rab =
(2.6)
1.0
Nymphenaktivität
0.8
0.6
0.4
0.2
0.0
J
F
M
A
M
J
J
A
S
O
N
D
Zeit [Monat]
Abbildung 2.2.: Idealisierter zeitlicher Verlauf der Nymphenaktivität bestehend aus zwei Gipfeln.
– Rot: linearer Anstieg, blau: exponentieller Abfall.
Zusätzlich zum zeitlichen Aspekt soll in dieser Arbeit auch der räumliche Aspekt untersucht
werden (s. Abb. 2.1, S. 13, rechter Ast). Hierzu wurden Transekte anhand der Struktur des Zeckenhabitates angelegt, um Messungen der Zeckenaktivität räumlich differenziert durchführen zu
können, d. h. wie interagieren Zecken in verschiedenen Habitatstrukturen (Vegetation, Boden,
usw.). Auch in diesem Zusammenhang sollen abiotische Aspekte Aufschluss darüber geben, wie
Zecken mit dem räumlich kleinskaligen Mikroklima wechselwirken (Temperatur- und Feuchteverteilung, Schattenwurf, usw.). Da die meteorologischen Messdaten jedoch räumlich kleinskalig
nicht so hoch aufgelöst sind, werden hierfür in der Meteorologie numerische Modelle eingesetzt.
Diese Mikroklima-Modelle haben die Eigenschaft, extrem kleinskalige räumliche Unterschiede
verschiedener meteorologischer Parameter simulieren zu können. Aus diesem Grund wird in dieser Arbeit die Möglichkeit und Fähigkeit des Mikroklima-Modells ENVI-met getestet, inwiefern
das Modell mit einer möglichst exakten Modellierung des Zeckenhabitates des Standortes Berlin
Botanischer Garten in der Lage ist, räumlich kleinskalige Unterschiede atmosphärischer Bedingungen in Wechselwirkung mit komplexen Vegetationsarten zu erfassen. Hierzu ist eine vorherige
15
Verifikation des Modells anhand meteorologischer Beobachtungsdaten sinnvoll (s. Abb. 2.1, S.
13, unterer Ast), um Aussagen über die Güte der Modellsimulationen tätigen zu können.
16
3.1. Standort Berlin Botanischer Garten
Der Botanische Garten in Berlin (im Mittel 51 m ü. NN) liegt im Stadtbezirk Steglitz, südwestlich
am Fuße des Fichtenberges (68 m ü. NN) und erstreckt sich über ein Fläche von mehr als 43
Hektar. Der Garten ist in verschiedene Bereiche bzw. Vegetationszonen aus unterschiedlichen
Breiten eingeteilt, wovon die Pflanzengeographie (PG) mit 13 Hektar und das Arboretum (AR)
mit 14 Hektar den größten Teil einnehmen (s. Abb. 3.1) [BGBM, 2014]. Die höchste Erhebung im
Botanischen Garten liegt bei ca. 58 m ü. NN im nördlichen Bereich der Pflanzengeographie (PG)
westlich des Italienischen Gartens (IG) und die tiefste Erhebung mit 42 m ü. NN im Bereich der
großen südlichen Teiche zwischen der Pflanzengeographie (PG) und dem Arboretum (AR).
Abbildung 3.1.: Karte des Standortes Berlin Botanischer Garten [BGBM, 2014]. Die rotmarkierte, eingenordete Box stellt das Untersuchungs- bzw. Sammelgebiet der
Zecken dar.
Das Sammelgebiet der Zecken befindet sich im Westen des Botanischen Gartens, im Bereich
des Arboretums (AR) (rot-markierte Box in Abb. 3.1). Um das Habitat herum befinden sich
größtenteils Wiesen, auf denen im Norden und Osten einige Bäume vorkommen. Im Untersuchungsgebiet selbst liegt der Höhenunterschied zwischen der tiefsten und höchsten Erhebung bei
ca. 2 m, wobei das Gefälle eine Nord-Süd-Achse aufweist.
17
Abbildung 3.2.: Vegetation im Zeckensammelgebiet am Standort Berlin Botanischer Garten.
Trampelpfade sind grau dargestellt. Oben: Kartographierung der Bäume A bis
J (s. Tab. 3.1). Unten: Kartographierung der Hecken a bis i sowie der Bodenvegetation 1 (Gebiet mit gelb-gestrichelter Linie) und 2 (s. Tab. 3.1).
Die Kartographierung der Bäume in diesem Gebiet konnte mit Hilfe einer Datenbank (Stand:
2004) des Botanischen Gartens von Berlin sehr detailliert erstellt werden. Alle weiteren Vegetationstypen, wie Hecken, Sträucher oder die Bodenvegetation einschließlich der Bodenart, wurden
selbst recherchiert. Die komplexe Vegetation im Habitat der Zecken besteht aus verschiedenen
Baumarten (A bis J, s. Abb. 3.2 oben) sowie diversen Hecken (a bis i, s. Abb. 3.2 unten) (für
detailliertere Informationen bezüglich der einzelnen Vegetationstypen s. Tab. 3.1). Es gibt zum
einen die offiziellen Sandwege des Botanischen Gartens und zum anderen Trampelpfade, die jedoch für Besucher nicht begehbar sind und u. a. zur Pflege und Bewässerung der Vegetation
18
3.1. Standort Berlin Botanischer Garten
Tabelle 3.1.: Vegetationstypen im Zeckensammelgebiet des Standortes Berlin Botanischer Garten.
Kennzeichen
Vegetationstyp
A
Baum
B
Baum
C
Baum
D
Baum
E
Baum
F
Baum
G
Baum
H
Baum
I
Baum
J
Baum
a-g
Hecke
h
Totholzhecke
i
Hecke
1
Bodenvegetation
2
Bodenvegetation
Bezeichnung
Abies concolor (Gordon & Glend.) Hildebr.
(Kolorado-Tanne)
Crataegus sp.
(Weißdorne)
Quercus sp.
(Eiche)
Morus Alba L.
(Weiße Maulbeere)
Maclura promifera
(Milchorangenbaum)
Pinus sylvestris L.
(Waldkiefer)
Quercus rubra L.
(Roteiche)
Ostrya virginiana (Mill.) K.Koch
(Virginische Hopfenbuche)
Celtis occidentalis L.
(Zürgelbaum)
Quercus
(Eiche)
Rhododendron L.
(Rhododendron)
Benjeshecke
(Benjeshecke)
Rhododendron L.
(Rhododendron)
Hedera helix
(Efeu)
Poaceae
(Gras)
Höhe [m]
20.00
10.00
20.00
15.00
15.00
15.00
25.00
15.00
15.00
20.00
2.50
0.80
1.00
0.30
0.10
benutzt werden. Die Trampelpfade sowie der Rest des Areals sind durch den Bodentyp Lehmboden gekennzeichnet. Auf diesem Boden wächst im Sammelgebiet der Zecken großflächig Efeu
(gelb-gestricheltes, umrandetes Gebiet mit der Kennzeichnung 1), ansonsten dominiert Rasen als
Bodenvegetation (2)(s. Abb. 3.2 unten).
Die Hecken in diesem Gebiet wachsen mit unterschiedlicher Dichte und Größe, wobei die Hecken
a und b die größten, breitesten und dichtesten sind. Die Hecken c bis g und i sind in ihrer Größe
und Dichte fast identisch, lediglich die horizontale Ausdehnung sowie die Ausrichung unterscheiden sich. Heckentyp i ist eine sogenannte Benjeshecke oder auch Totholzhecke genannt, welche
in der Hinsicht keine natürlich entstandene Vegetation darstellt, da diese hauptsächlich aus Gehölzschnitt wie Ästen und Zweigen als Wall aufgestapelt ist und somit vom Menschen erschaffen
wurde [Benjes, 1998]. Die Benjeshecke ist maßgeblich an einer von Nordost nach Südwest verlau-
19
fenden Baumreihe ausgerichtet, bestehend aus 20 noch relativ jungen Eichen, die ca. 20 m hoch
sind (s. Abb. 3.2 oben, S. 18). Weitere Laubbäume sind die Baumarten B bis I, wobei hier Typ
C und G ebenfalls Eichen sind, die sogar bis zu 25 m in die Höhe ragen. Baumtyp A sind zwei
Tannen, die eine Höhe von ca. 20 m erreicht haben.
3.2. Zeckenaktivitätsdaten
Die Erhebung der Zeckendaten erfolgte in dieser Arbeit über die sogenannte Flag-Methode.
Hierzu wird die Flagge, bestehend aus einem 1.0 x 1.5 m großem weißen Flanell-Tuch an einem
Stab befestigt, über die Vegetation gezogen. Dabei werden aktiv auf Wirtstiere wartende Zecken
mit dem Tuch abgestreift und können mit einer Pinzette abgesammelt werden. Die Zählung der
Zecken beschränkte sich hier ausschließlich auf die beiden Stadien Nymphe und Adulte.
Abbildung 3.3.: Die einzelnen Transekte im Zeckensammelgebiet des Standortes Berlin Botanischer Garten, die anhand der Habitatstruktur ausgerichtet sind. – Transekt 1
(rot), Transekt 2 (orange), Transekt 3 (grün), Transekt 4 (blau), Transekt 5-8
(violett) und Transekt 9 (gelb).
Das Untersuchungsgebiet der Zecken wurde in einzelne Transekte gegliedert, die anhand der
Habitatstrukturen ausgerichtet sind (s. Abb. 3.3). Transekt 1 (rot) und Transekt 9 (gelb) befinden
sich in direkter Nähe zur Benjeshecke und sind entlang dieser ausgerichtet. Transekt 2 (orange)
befindet sich parallel und durch einen Trampelpfad getrennt zu Transekt 1. Die Transekte 3
(grün) und 4 (blau) befinden sich ebenfalls an Trampelpfaden, wobei hier jeweils auf beiden Seiten
des Weges gesammelt wurde. Die restlichen Transekte 5-8 (violett) liegen verteilt zwischen Hecken
und Trampelpfaden. Da die Strecken der einzelnen Transekte unterschiedlich lang sind (s. Tab.
3.2), wurde in dieser Arbeit mit durchschnittlichen Zeckenaktivitätsdichten, d. h. der Anzahl
wirtssuchender Zecken pro Quadratmeter, gearbeitet, sodass pro Sammeltermin und Transekt
jeweils ein Wert für die Nymphen- und ein Wert für die Adultenaktivitätsdichte vorlag.
20
3.2. Zeckenaktivitätsdaten
Tabelle 3.2.: Streckenlänge [m] der einzelnen Transekte im Zeckensammelgebiet des Standortes
Berlin Botanischer Garten.
Transekt
1
2
3
4
5-8
9
Streckenlänge [m]
46.60
46.50
23.10
23.10
34.80
58.40
Das Bestimmen der Zeckenaktivitätsdichten im Sammelgebiet geschah in der Regel zweiwöchentlich (2010-2012) bzw. wöchentlich (2013-Juni 2014), jeweils im Zeitraum von Februar/März bis
November. Insbesondere der 14-tägige Rhythmus in den Jahren 2010 bis 2012 konnte nicht durchgehend eingehalten werden. Ursache hierfür ist, dass während bzw. kurz nach Niederschlägen kein
Sammeln der Zecken möglich ist. Dies liegt an der Messmethode, da mit einer nassen Flagge die
Zecken nicht gesammelt werden können. Nichtsdestotrotz müssen mögliche Fehlerquellen bei der
Messung der Zeckenaktivitätsdichte beachtet werden:
• Es wurde beim Sammeln der Zecken zwar darauf geachtet, dass die Messung nicht durch
Niederschläge beeinflusst wird, dadurch entstandene Fehler sind jedoch nicht gänzlich auszuschließen. Bei einer Schneedecke kann grundsätzlich nicht gesammelt werden.
• Desweiteren wurde in den Jahren 2010 bis 2012 zu unterschiedlichen Tageszeiten gesammelt, was in der späteren Auswertung nicht berücksichtigt wird. Ein möglicher Einfluss
des Tagesganges der Lufttemperatur und -feuchtigkeit auf die Aktivität der Zecken kann
nicht ausgeschlossen werden. Besonders Sammlungen, die recht früh morgens stattgefunden
haben, können durch Taubildung beeinflusst worden seien. Zudem wurden einige Sammlungen erst gegen 17 Uhr durchgeführt. Im Jahr 2013 und 2014 wurde konstant vormittags
bis mittags gesammelt.
In der gesamten Auswertung wurden nur die Aktivitätsdaten der Nymphen betrachtet. Dies liegt
daran, dass die in dieser Arbeit berechneten Dichten für die Adulten deutlich niedriger waren als
für die Nymphen, welches eine Auswertung dieser Daten erschwert. Die Bildung einer Summe aus
Nymphen- und Adultendichte ist nicht möglich, da die beiden Stadien verschiedene Anforderungen an das Mikroklima stellen. Für jeden Sammeltermin und jedes Transekt wurde die Anzahl
der gesammelten Nymphen aufsummiert und durch die Gesamtlänge des jeweiligen Transekts geteilt. So ergibt sich die Dichte wirtssuchender Zecken pro gelaufenem Meter, demzufolge bei den
verwendeten Zeckenaktivitätsdichten eine Einheit von Nymphen pro Quadratmeter. Damit die
Daten der viereinhalb Jahre sowie der einzelnen Transekte untereinander vergleichbar sind, wurden alle Zeckenaktivitätsdichten vor der Auswertung mit dem Maximalwert aller Sammlungen
(Zeitraum 2010 bis 2014) normiert.
21
3.3. Meteorologisch klimatologische Messdaten
Um die Zeckenaktivitätsdaten bezüglich ihrer Abhängigkeit vom Mikroklima auswerten zu können, wurde in dieser Arbeit auf verschiedene Messstationen, die im Zeckensammelgebiet aufgestellt sind, zurückgegriffen (s. Abb. 3.4). Hierzu zählen zum einen die Wetterhütte des Botanischen Gartens (BOT), eine mobile Messstation (Z_BOT), die im Zeckengebiet nördlich der
großen Eiche (Kennzeichen C, s. Abb. 3.2 oben, S. 18) aufgestellt wurde, und fünf Mikroklimastationen (MKS), die in einigen Transekten verteilt wurden. MKS_43 befindet sich in Transekt 7,
MKS_44 und 46 befinden sich in Transekt 1, MKS_45 befindet sich in Transekt 3 und MKS_47
wurde in Transekt 9 aufgestellt.
Tabelle 3.3.: Meteorologische Messdaten im Zeckensammelgebiet des Standortes Berlin Botanischer Garten, die in dieser Arbeit zur Verfügung standen.
Messstation
meteorologischer Parameter
Messhöhe
Datenverfügbarkeit
relative Luftfeuchtigkeit [%]
2.00 m
2.00 m
0.05 m
-0.02 m
-0.05 m
-0.10 m
-0.20 m
-0.30 m
-0.50 m
-1.00 m
ab Januar 2009
2.00 m
2.00 m
1.00 m
0.10 m
-0.02 m
1.00 m
0.10 m
ab April 2010
0.10 m
0.10 m
ab März 2011
Lufttemperatur [◦ C]
Wetterhütte
(BOT)
Erdbodentemperatur [◦ C]
Windrichtung [◦ ]
Windgeschwindigkeit [m/s]
Mobile Messstation
(Z_BOT)
Erdbodenfeuchtigkeit [%]
Mikroklimastation
(MKS)
Die meteorologischen Parameter der einzelnen Messstationen standen für diese Arbeit als Minutenwerte zur Verfügung (s. Tab. 3.3). Desweiteren wurde von der Messstation des Instituts für
Meteorologie der Freien Universität Berlin der minütliche absolute Luftdruck [hP a] sowie die
Tages-Schneehöhe [cm] bereit gestellt.
Für die spätere Auswertung wird zusätzlich die spezifische Luftfeuchtigkeit [g/kg] benötigt, die
im Gegensatz zu den anderen Größen nicht direkt gemessen wird und die Masse des Wassers
angibt, die sich in einer bestimmten Masse feuchter Luft befindet. Diese Größe kann mit Hilfe
der relativen Luftfeuchtigkeit [%] und der Lufttemperatur [◦ C] berechnet werden. Hierzu muss
zuerst der Sättigungsdampfdruck ew (t) [hP a] über Wasser in reiner Phase, der sich aus der
Magnusformel ergibt, berechnet werden. Dieser hängt nur von der Lufttemperatur T ab:
22
3.3. Meteorologisch klimatologische Messdaten
Abbildung 3.4.: Verfügbare Messstationen im Zeckensammelgebiet am Standort Berlin Botanischer Garten. – BOT: Wetterhütte des Botanischen Gartens, Z_BOT: mobile
Messstation, MKS: Mikroklimastationen.
ln(ew (t)) = −6096.9385 · T −1 + 16.635794 − 2.711193 · 10−2 · T +
+1.673952 · 10
−5
(3.1)
2
· T + 2.433502 · ln(T )
mit
T
= 273.15 + t
(3.2)
Dabei ist t die Lufttemperatur in [◦ C] und T die Lufttemperatur in [K]. Es handelt sich beim
Sättigungsdampfdruck über Wasser in reiner Phase um den maximalen Druck des Wasserdampfes über einer ebenen Wasseroberfläche, wobei kein anderes Gas vorhanden sein darf. Da die
Atmosphäre jedoch aus einem Gasgemisch besteht, muss dies durch den Faktor von 1.0047 bei
der Berechnung des aktuellen Dampfdruckes e [hP a] in Gleichung 3.3 berücksichtigt werden, der
sich mit Hilfe der relativen Luftfeuchtigkeit U [%] ergibt zu:
e = 1.0047 ·
U
· ew (t)
100
(3.3)
Zur weiteren Berechnung wird nun zuerst der Luftdruck im Zeckengebiet des Standortes Berlin
Botanischer Garten benötigt. Dieser wird jedoch nur an der Messstation des Instituts für Meteorologie gemessen. Aufgrund des Höhenunterschiedes zwischen der Messstation (67 m ü. NN) und
23
des Untersuchungsgebietes im Botanischen Garten (51 m ü. NN), muss der absolute Luftdruck
[hP a] mit Gleichung 3.4 reduziert werden:
pred = pabs · 1 −
a · r · HS
(HS + r) · (T T + T0 )
n
(3.4)
wobei
pred
pabs
a
r
HS
TT
T0
n
reduzierter Luftdruck [hPa]
absoluter Luftdruck [hPa] in Stationshöhe
-0.0065 [K/m]
6356766 [m]
Höhendifferenz zwischen der Messstation und des Botanischen
Gartens (=16 m)
273.15 [K]
5.2558797
Horizontale Druckunterschiede werden hierbei vernachlässigt. Als zweites wird nun mit dem
Dampfdruck feuchter Luft e aus Gleichung 3.3 und dem reduzierten Luftdruck pred aus Gleichung
3.4 das Mischungsverhältnis feuchter Luft r [g/kg] berechnet:
r =
0.62198 · 103 · e
pred − e
(3.5)
Zu guter Letzt kann der Masseanteil des Wasserdampfes feuchter Luft (spezifische Luftfeuchtigkeit) q [g/kg] mit dem Mischungsverhältnis r berechnet werden:
q =
103 · r
103 + r
(3.6)
Alle in diesem Abschnitt gezeigten Gleichungen stammen aus den Aspirations-PsychrometerTafeln des DWD [1998], deren Berechnungsgrundlage auf Sonntag [1990] beruhen.
24
4. Raumzeitliche Analyse der
meteorologischen Daten und
Zeckenaktivität
In diesem Kapitel wird versucht, eine erste Einordnung der meteorologischen Daten sowie der
Nymphenaktivität anhand eines zeitlichen Verlaufes und der räumlichen Struktur für die Sammeljahre 2010 bis Juni 2014 herzustellen.
4.1. Zeitlicher Verlauf
Um eine klimatologische Einordnung des Zeckensammelzeitraumes vorzunehmen, wurden Monatsmittel der Station Berlin Botanischer Garten (BOT, s. Abb. 3.4, S. 23) und des Instituts für
Meteorologie (IfM) für die meteorologischen Variablen relative Luftfeuchtigkeit, Lufttemperatur
und Schneehöhe berechnet und mit der Klimatologie der Referenzperiode (1961-1990) der Station Berlin-Dahlem [IfM, 2013] (damals noch in der Podbielskiallee gelegen) in Bezug gesetzt.
Bei der Betrachtung des klimatologischen Mittelwertes (Referenz, schwarz-punktiert-gestrichelte
Linie) der relativen Luftfeuchtigkeit in 2.00 m Höhe fällt ein für die mittleren Breiten typischer
Jahresgang auf (s. Abb. 4.1, S. 26). Die höchsten Werte von ca. 85 % werden in den Wintermonaten erreicht. Danach fällt die relative Luftfeuchtigkeit in den Folgemonaten bis zum Sommer
auf unter 70 %, um zu den Wintermonaten hin wieder anzusteigen. Bei der Betrachtung der
Abweichungen der Monatsmittel vom Normalwert fällt auf, dass vor allem der Mai 2010 über 10
% feuchter war. Die beiden folgenden Monate waren trockener, der Juli lag im Mittel nur bei 62
%. Im Weiteren zeigt sich für das Jahr 2011 für den Zeitraum von Februar (-12 %) bis Juni (-3
%) eine deutlich negative Abweichung vom Normalwert. Im Jahr 2012 war der zeitliche Verlauf
der Abweichungen ähnlich dem des Jahres 2011. Auch hier war das erste Halbjahr teilweise deutlich trockener, wobei hier die größte Abweichung im Mai mit bis zu 9 % zu finden ist. Im Jahr
2013 zeigen sich kaum nennenswerte Abweichungen vom Normalwert, lediglich der Mai war 5 %
feuchter und der Juli 5 % trockener. Im Jahr 2014 ist eine feuchtere Periode mit Abweichungen
bis zu 7 % von April bis Juni zu erkennen.
Für die Referenzperiode der 2.00 m Lufttemperatur zeigt sich ebenfalls ein für die mittleren
Breiten typischer Verlauf bzw. Jahresgang, der dem Verlauf der relativen Luftfeuchtigkeit antikorreliert ist (s. Abb. 4.2, S. 27). Das Minimum der Lufttemperatur wird in den Wintermonaten
mit knapp unter 0 ◦ C erreicht, steigt in den Frühlingsmonaten bis zum Sommer hin auf bis zu
18 ◦ C an, um in den Folgemonaten bis zum Winter wieder abzufallen. Beim Blick auf die Abweichungen vom langjährigen Monatsmittel zeigt sich, dass der Winter 2009/10 mit bis zu 5 K
Differenz im Januar 2010 kälter war. Deweiteren fällt der etwas kühlere Mai und der mit über 4
25
Absolute Werte der Monatsmittel
rel. Luftfeuchtigkeit [%]
100
Monatsmittel Referenz (1961−1990)
Monatsmittel BOT von Nov 2009 bis Jun 2014
90
80
70
60
10
5
0
−5
−10
4
14
3
r1
Ap
Ja
n
3
13
kt
1
O
Ju
l
13
2
r1
Ap
Ja
n
12
kt
1
O
2
Ju
l
12
1
r1
Ap
Ja
n
11
O
kt
1
1
11
0
r1
Ju
l
Ap
Ja
n
0
10
kt
1
O
Ju
l
r1
Ja
n
10
−15
Ap
Diff. d. rel. Luftfeuchtigkeit [%]
Abweichungen der Monatsmittel vom Normalwert (1961−1990)
15
Zeit [Monat]
Abbildung 4.1.: Vergleich der 2.00 m relativen Luftfeuchtigkeit [%] zwischen dem Monatsmittel
der Station Berlin Botanischen Garten (BOT) von November 2009 bis Juni 2014
und der Klimatologie der Station Berlin-Dahlem (Referenzperiode: 1961-1990). –
Oben: Absolute Werte der Monatsmittel (orange-durchgezogen: BOT, schwarzpunktiert-gestrichelt: Referenz). Unten: Differenz der Monatsmittel BOT minus
Referenz (grün: positive Abweichungen (feuchter als normal), braun: negative
Abweichungen (trockener als normal)).
K wärmere Juli auf. Der Winter 2010/11 war im Dezember mit bis zu 6 K Differenz zum Normalwert deutlich kälter. Die folgenden Frühlings- bis Spätsommermonate waren allesamt etwas
wärmer, wobei sich hier der April 2011 mit über 4 K Differenz hervorhebt. Der Winter 2011/12
ist im Gegensatz zu den vorherigen beiden Winterperioden im Mittel mit 3 K wärmer, bis auf
den etwas kühleren Februar. Keine großen Schwankungen sind in den folgenden Monaten des
Jahres 2012 festzustellen. Im März 2013 war es deutlich kälter im Vergleich zur Referenzperiode,
da Differenzen von ca. 5 K zu erkennen sind. Der Zeitraum von Mai 2013 bis April 2014 zeigt
durchgängig positive Abweichungen vom Normalwert, womit es in diesen Monaten mit bis zu 5
K wärmer war.
Im zeitlichen Verlauf des klimatologischen Monatsmittels der Schneehöhe zeigt sich, dass im
November Schneehöhen von ca. 3 bis 4 cm erreicht werden, diese im Laufe der Wintermonate
Dezember/Januar/Februar (DJF) weiter ansteigen, mit höchsten Schneehöhen von fast 10 cm
im Februar, um in den Frühlingsmonaten wieder auf Null abzufallen (s. Abb. 4.3, 28). Bei der
Betrachtung der Abweichungen der Monatsmittel vom Normalwert der Referenzperiode fällt auf,
dass im Januar und Februar des Winters 2009/10 die Schneehöhe deutlich höher war, was in
positiven Abweichungen von bis zu 20 cm resultierte. Die Monate November, Dezember, März
und April zeigen leicht negative Abweichungen. Im Dezember 2010 war die Schneehöhe ca. 15
26
Lufttemperatur [°C]
30
Monatsmittel BOT von Nov 2009 bis Jun 2014
25
20
15
10
5
0
−5
Diff. d. Lufttemperatur [K]
6
4
2
0
−2
−4
4
14
3
r1
Ap
Ja
n
3
13
kt
1
O
Ju
l
13
2
r1
Ap
Ja
n
12
kt
1
O
2
Ju
l
12
1
r1
Ap
Ja
n
11
O
kt
1
1
11
0
r1
Ju
l
Ap
Ja
n
0
10
kt
1
O
Ju
l
r1
Ap
Ja
n
10
−6
Zeit [Monat]
Abbildung 4.2.: Vergleich der Monatsmittel der 2.00 m Lufttemperatur [◦ C] zwischen der Wetterhütte des Botanischen Gartens (BOT) und der Station Berlin-Dahlem (Referenz)
für den Zeitraum November 2009 bis Juni 2014. – Oben: Absolute Werte der
Monatsmittel (orange-durchgezogen: BOT, schwarz-punktiert-gestrichelt: Referenz). Unten: Differenz der Monatsmittel BOT minus Referenz (rot: positive
Abweichungen (wärmer als normal), blau: negative Abweichungen (kälter als
normal)).
cm höher als im Vergleich zur Referenzperiode, während in den Folgemonaten Februar bis April
kein Schnee gefallen war. Die Winter 2011/12 bis 2013/14 zeigen durchgehend negative Abweichungen vom Normalwert, lediglich in den Monaten März und April 2013 ist der Normalwert der
Schneehöhe erreicht worden.
Um Aussagen über die Aktivität von wirtssuchenden Nymphen tätigen zu können, wurden normierte Nymphenaktivitätsdichten verglichen und mit dem Tag der Sammlung in Bezug gesetzt.
Im zeitlichen Verlauf der normierten Nymphenaktivitätsdichte fällt eine bimodale Struktur auf
(s. Abb. 4.4, S. 29). Es gibt zwei Gipfel, in denen die normierte Nymphenaktivitätsdichte am
höchsten war, zum einen in den Frühlingsmonaten März bis Mai/Juni und zum anderen in den
Spätsommer- bzw. Herbstmonaten August bis Oktober, wobei dieser zweite Gipfel nur noch auf
ca. die Hälfte des ersten Gipfels anstieg. In den Sommermonaten Juni/Juli und zum Teil August
herrschte nur eine niedrige bzw. gar keine Aktivität. Diese bimodale Struktur war jedoch von
2010 bis 2014 unterschiedlich stark ausgeprägt sowie zeitlich versetzt. Generell lässt sich der erste
Teil dieses zeitlichen Verlaufes damit erklären, dass Nymphen im Winter aufgrund der niedrigen
Temperaturen im Normalfall inaktiv sind. Erst nachdem die Temperatur eine gewisse Zeit lang
eine bestimmte Grenze überschritten hat, werden die Nymphen aktiv. Laut MacLeod [1936] liegt
diese Grenze bei einer Mitteltemperatur von mindestens 7 ◦ C über einen Zeitraum von einer
27
Schneehöhe [cm]
30
Monatsmittel IfM von Nov 2009 bis Jun 2014
25
20
15
10
5
0
Diff. d. Schneehöhe [cm]
25
20
15
10
5
0
−5
−10
4
14
3
r1
Ap
Ja
n
3
13
kt
1
O
Ju
l
13
2
r1
Ap
Ja
n
12
kt
1
O
2
Ju
l
12
1
r1
Ap
Ja
n
11
O
kt
1
1
11
0
r1
Ju
l
Ap
Ja
n
0
10
kt
1
O
Ju
l
r1
Ap
Ja
n
10
−15
Zeit [Monat]
Abbildung 4.3.: Vergleich der Monatsmittel der Schneehöhe [cm] zwischen der Messstation des
Instituts für Meteorologie (IfM) und der Station Berlin-Dahlem (Referenz) für
den Zeitraum November 2009 bis Juni 2014. – Oben: Absolute Werte der Monatsmittel (orange-durchgezogen: IfM, schwarz-punktiert-gestrichelt: Referenz).
Unten: Differenz der Monatsmittel IfM minus Referenz (hellgrau: positive Abweichungen (höher als normal), hellblau: negative Abweichungen (niedriger als
normal)).
Woche. Die relative Luftfeuchtigkeit liegt im Frühjahr im klimatologischen Mittel bei über 80 %
(s. Abb. 4.1, S. 26), demzufolge ein limitierender Einfluss der Feuchte auf die Nymphenaktivität
in diesem Zeitraum für Berlin nicht in Betracht zu ziehen ist. Es folgt ein kurzer Zeitraum, in
dem die klimatischen Bedingungen für die Nymphen am besten scheinen, da hier die Aktivität
am stärksten ist. Der folgende Abfall in der Nymphenaktivität ist in der Theorie dadurch zu
erklären, dass es im Sommer wärmer und trockener wird, somit sich die Zecken nach und nach
in die feuchtere Detritusschicht zurückziehen und dort Schutz vor dem Vertrocknen suchen. Dies
kann sogar dazu führen, dass im Hochsommer keine aktiven Nymphen mehr gefunden werden
können. Der zweite Anstieg der Aktivität der Nymphen lässt sich durch einen Anstieg der relativen Luftfeuchtigkeit und einen Abfall der Lufttemperatur im klimatologischen Mittel erklären.
Der sich wiederholende Abfall der Nymphenaktivität auf Null könnte durch kühlere Temperaturen erklärt werden (s. Abb. 4.2, S. 27). Die relative Luftfeuchtigkeit scheint in diesem Zeitraum
keinen entscheidenen Einfluss zu haben, da sie bis zu 86 % im klimatologischen Mittel ansteigt
(s. Abb. 4.1, S. 26).
In vielen Studien wurden nur alle vier Wochen Zecken gesammelt, somit konnte meistens nur
ein Anstieg der Nymphenaktivität im Frühjahr und ein Rückgang im Herbst verzeichnet werden
[Knap et al., 2009; Perret et al., 2000]. Dadurch, dass in dieser Arbeit in den Jahren 2010 bis
28
Transekt 1−9
Normierte Nymphenaktivitätsdichte
0.30
2010
2011
2012
2013
2014
0.25
0.20
0.15
0.10
0.05
0.00
J
F
M
A
M
J
J
A
S
O
N
D
Zeit [Monat]
Abbildung 4.4.: Zeitlicher Verlauf der normierten Nymphenaktivitätsdichte aller Transekte für
die Jahre 2010 (blau, Kreis), 2011 (schwarz, Dreieck), 2012 (violett, Kreuz), 2013
(rot, Quadrat) und 2014 (grün, Raute).
2012 zweiwöchentlich und in den Jahren 2013 und 2014 wöchentlich gesammelt wurde, ist es
möglich, einen detaillierteren zeitlichen Verlauf der Aktivität der Nymphen festzustellen. In diesem Zusammenhang haben Tälleklint-Eisen und Lane [2000] gezeigt, dass auch alle zwei Wochen
Zecken gesammelt werden können, ohne dass die Population entscheidend beeinflusst wird. Dobson [2013] empfiehlt sogar, die Sammlungen in einem Intervall von nicht mehr als drei Wochen
einzuhalten, um an präzisere und weniger fehlerbehaftete Daten zu gelangen. Dies wird auch
für die wöchentlichen Sammlungen in dieser Arbeit angenommen. Der Effekt des Wegsammelns
fällt bei diesen Zeitabständen also nicht entscheidend ins Gewicht und kann in der Auswertung
vernachlässigt werden.
Aufgrund der unterschiedlichen zeitlichen Auflösung zwischen den einzelnen Sammelterminen
sowie der unterschiedlichen Anzahl von Sammelterminen pro Jahr, wurden die absoluten Zahlen
aktiver Nymphen verwendet, um Aussagen über die mittlere Anzahl wirtssuchender Nymphen
pro Jahr und pro Gipfel tätigen zu können. Es fällt auf, dass die absolute Anzahl wirtssuchender
Nymphen von Jahr zu Jahr stark variierte (s. Tab. 4.1, S. 30). Es wurden viele Zecken in den
Jahren 2010 und 2013 und wenige in den Jahren 2011 und 2012 gefunden. Beim Vergleich der
mittleren Nymphenaktivitätsanzahl (absolute Anzahl wirtssuchender Nymphen dividiert durch
Anzahl der Sammeltermine) pro Jahr lässt sich feststellen, dass das Jahr 2010 das Jahr mit den
meisten wirtssuchenden Nymphen mit einem Durchschnitt von 13.7 Nymphen pro Sammeltermin
war, gefolgt vom Jahr 2013 mit einem Durchschnitt von 8.2 Nymphen pro Sammeltermin. Die
niedrigsten Aktivitäten der Nymphen konnten in den Jahren 2011 und 2012 mit jeweils einem
Durchschnitt von 5.6 bzw 4.9 ausgemacht werden. Vergleicht man den Durchschnitt der wirtssuchenden Nymphen pro Sammeltermin im Bereich des ersten Gipfels (Januar bis Juni) mit dem
des zweiten Gipfels (Juli bis Dezember), so wird ersichtlich, dass prinzipiell im ersten Halbjahr
jeden Jahres (2010 bis 2013) eine höhere Nymphenaktivität beobachtet wurde als im zweiten
Halbjahr (s. Tab. 4.1, S. 30). Dies deckt sich auch mit dem zeitlichen Verlauf der normierten
Nymphenaktivitätsdichte. Desweiteren fällt auf, dass die Aktivität der Nymphen im zweiten
Halbjahr abnahm und zum Teil weniger als ein Drittel des ersten Halbjahres betrug. 2012 waren
29
im zweiten Gipfel noch deutlich mehr Nymphen aktiv als 2011, wohingegen dies im Bereich des
ersten Gipfels entgegengesetzt der Fall war. Es zeigt sich auch, dass die Reihenfolge der mittleren
Nymphenaktivitätsanzahl pro Jahr mit der im Bereich des ersten Gipfels identisch war (absteigend sortiert von hoch zu gering: 2010, 2013, 2011 und 2012). Dies legt die Vermutung nahe, dass
die Winterperiode vor dem ersten Gipfel entscheidend für die mittlere Nymphenaktivitätsanzahl
pro Jahr und für den Bereich des ersten Gipfels (Januar bis Juni) ist. Dies wird in Kapitel 5.1
(s. S. 37 ff.) erarbeitet, indem die mittlere Nymphenaktivitätsanzahl des ersten Gipfels mit den
Wetterbeobachtungen im vorangegangenden Winter in Verbindung gesetzt wird.
Tabelle 4.1.: Ganzjährige und halbjährige absolute Anzahl wirtssuchender Nymphen aller Transekte im Zeckensammelgebiet des Standortes Berlin Botanischer Garten.
Jahr
2010
2011
2012
2013
2014
Jahr
2010
2011
2012
2013
2014
Ganzjährig
(Januar - Dezember)
Absolute Anzahl
Anzahl der
der Nymphen
Sammeltermine
206
15
89
16
73
15
271
33
-
Halbjährig - Bereich 1. Gipfel
(Januar - Juni)
Absolute Anzahl
Anzahl der
Ø
der Nymphen
Sammeltermine
137
7
19.6
67
8
8.4
37
7
5.3
163
13
12.5
303
19
15.9
Ø
13.7
5.6
4.9
8.2
-
Halbjährig - Bereich 2. Gipfel
(Juli - Dezember)
Absolute Anzahl
Anzahl der
der Nymphen
Sammeltermine
69
8
22
8
36
8
108
20
-
Ø
8.6
2.8
4.5
5.4
-
4.2. Räumliche Struktur
Um kleinskalige Unterschiede im Mikroklima des Zeckenhabitates zu erfassen, wurden saisonale mittlere Tagesgänge sowie saisonale mittlere Tagesminima und -maxima der Lufttemperatur
und -feuchtigkeit zwischen der Wetterhütte (BOT) und der mobilen Messstation (Z_BOT) verglichen. Zu beachten ist, dass die Messhöhe der Wetterhütte bei 2.00 m und die der mobilen
Messstation bei 1.00 m liegt. Es zeigte sich an beiden Stationen für die Lufttemperatur ein typischer Tagesgang, d. h. in den Nacht- bis Morgenstunden sank die Temperatur auf ein Minimum,
um im Tagesverlauf ihr Maximum zu erreichen (s. Abb. 4.5). Dieses Minimum und Maximum
verschob sich zeitlich mit den Jahreszeiten. So wurde die Minimumtemperatur im Sommer um
ca. 4 bis 5 Uhr [MEZ], im Winter dagegen erst um ca. 7 bis 8 Uhr erreicht, während die Maximaltemperatur im Winter um ca. 14 Uhr, im Sommer dagegen erst um ca. 15 bis 16 Uhr erreicht
wurde. Beim Vergleich der Stationen im Winter und Frühling fällt auf, dass sowohl der mittlere
Tagesgang als auch die mittleren Tagesminima und -maxima der Lufttemperatur der mobilen
Messstation generell höher waren, als die der Wetterhütte. Der mittlere Tagesgang im Sommer
30
Winter (DJF)
Frühling (MAM)
Sommer (JJA)
Herbst (SON)
25
20
15
10
5
0
−5
25
20
15
10
5
0
−5
0
3
6
9
12
15
18
21
Zeit [MEZ]
mittlerer Tagesgang (2010−2013) [BOT, 2m]
mittleres Tagesminimum (2010−2013) [BOT, 2m]
mittleres Tagesmaximum (2010−2013) [BOT, 2m]
24
0
3
6
9
12
15
18
21
24
Zeit [MEZ]
mittlerer Tagesgang (2010−2013) [Z_BOT, 1m]
mittleres Tagesminimum (2010−2013) [Z_BOT, 1m]
mittleres Tagesmaximum (2010−2013) [Z_BOT, 1m]
Abbildung 4.5.: Saisonaler mittlerer Tagesgang (durchgezogen), saisonales mittleres Tagesminimum (gestrichelt) sowie -maximum (punktiert-gestrichelt) der Lufttemperatur
[◦ C] gemittelt über die Jahre 2010 bis 2013 für die Wetterhütte (BOT, blau) und
die mobile Messstation (Z_BOT, rot). – Zu beachten ist, dass die Messhöhe der
Wetterhütte bei 2.00 m und die der mobilen Messstation bei 1.00 m liegt.
war an der mobilen Messstation in der Nacht bis zu den Morgenstunden höher als an der Wetterhütte, wohingegen am Tag die Lufttemperatur über der Wiese höher als im Zeckenhabitat
war. Im Herbst war dieser Effekt auch noch zu erkennen, allerdings mit schwächerer Amplitude.
Für die relative Luftfeuchtigkeit zeigte sich ebenfalls ein typischer Tagesgang, der dem mittleren Tagesgang der Lufttemperatur entgegengesetzt war (s. Abb. 4.6, S. 32). Die höchsten Werte
wurden in den Nacht- bis Morgenstunden erreicht, wohingegen die Feuchte im Tagesverlauf auf
ein Minimum fiel, um in den Abendstunden wieder anzusteigen. Auffällig ist, dass in allen Jahreszeiten sowohl der mittlere Tagesgang als auch das mittlere Tagesminimum bzw. -maximum an
der mobilen Messstation generell höher war als an der Wetterhütte. Desweiteren war im Frühling
und Sommer ein starker Anstieg der relativen Luftfeuchigkeit in den Nacht- bis Morgenstunden
zu erkennen. Für die Differenzen der Lufttemperatur und -feuchtigkeit zwischen den Stationen
31
Winter (DJF)
Frühling (MAM)
Sommer (JJA)
Herbst (SON)
100
90
80
70
60
50
100
90
80
70
60
50
0
3
6
9
12
15
18
21
Zeit [MEZ]
mittlerer Tagesgang (2010−2013) [BOT, 2m]
mittleres Tagesminimum (2010−2013) [BOT, 2m]
mittleres Tagesmaximum (2010−2013) [BOT, 2m]
24
0
3
6
9
12
15
18
21
24
Zeit [MEZ]
mittlerer Tagesgang (2010−2013) [Z_BOT, 1m]
mittleres Tagesminimum (2010−2013) [Z_BOT, 1m]
mittleres Tagesmaximum (2010−2013) [Z_BOT, 1m]
Abbildung 4.6.: Saisonaler mittlerer Tagesgang (durchgezogen), saisonales mittleres Tagesminimum (gestrichelt) sowie -maximum (punktiert-gestrichelt) der relativen Luftfeuchtigkeit [%] gemittelt über die Jahre 2010 bis 2013 für die Wetterhütte
(BOT, blau) und die mobile Messstation (Z_BOT, rot). – Zu beachten ist, dass
die Messhöhe der Wetterhütte bei 2.00 m und die der mobilen Messstation bei
1.00 m liegt.
der Wetterhütte (BOT) und der mobilen Messstation (Z_BOT) scheint der Standort der Messstationen von Bedeutung zu sein. Während die Wetterhütte auf einer Messwiese frei von weiterer
Vegetation liegt, ist die mobile Messstation im Zeckenhabitat von Bäumen, Hecken und Sträuchern umgeben. So kühlen sich die Luftschichten in der Nacht auf der Messwiese im Gegensatz zu
denen im Zeckenhabitat stärker ab und erwärmen sich am Tage auf der Messwiese stärker als im
Zeckenhabitat. Dieser Effekt ist aufgrund des Sonnenstandes sowohl vom Jahres- als auch Tagesgang abhängig. Desweiteren sind die Luftschichten im Zeckenhabitat generell zu jeder Jahreszeit
feuchter als auf der Messwiese, wodurch insbesondere die Taubildung begünstigt wird.
Um kleinräumige Unterschiede in der Zeckenverteilung zu erfassen, wurde die normierte Nym-
32
2013
Transekt 1
Transekt 2
Transekt 3
Transekt 4
Transekt 5−8
Transekt 9
2012
2011
2010
0
20
40
60
80
100
Transektbezogener relativer Anteil der normierten Nymphenaktivitätsdichte [%]
Abbildung 4.7.: Transektbezogener relativer Anteil der normierten Nymphenaktivitätsdichte [%]
für das komplette Jahr 2010 bis 2013. – Farbgebung der einzelnen Transekte sind
identisch mit Abbildung 3.3 (s. S. 20).
Transekt 9
1.0
2010
2011
2012
2013
2014
0.8
0.6
0.4
0.2
0.0
J
F
M
A
M
J
J
A
S
O
N
D
Zeit [Monat]
Abbildung 4.8.: Zeitlicher Verlauf der normierten Nymphenaktivitätsdichte auf Transekt 9 für die
Jahre 2010 (blau, Kreis), 2011 (schwarz, Dreieck), 2012 (violett, Kreuz), 2013
(rot, Quadrat) und 2014 (grün, Raute).
phenaktivitätsdichte als transektbezogener relativer Anteil verglichen und mit dem zeitlichen
Verlauf des jeweiligen Transektes in Bezug gesetzt. Es zeigte sich für die Jahre 2010 bis 2013,
dass der relative Anteil der normierten Nymphenaktivitätsdichte zum einen in den einzelnen
Transekten unterschiedlich stark war und zum anderen sich diese Verteilung in den vier Jahren
änderte (s. Abb. 4.7). Es fällt prinzipiell auf, dass die stärkste Nymphenaktivität auf Transekt 9
zu finden war, das sich südöstlich der Benjeshecke befindet (s. Abb. 3.3, S. 20). Besonders ausgeprägt war dies in den Jahren 2010 und 2012 mit über 60 % relativem Anteil aller Transekte,
gefolgt vom Jahr 2013 mit knapp 20 % und 2011 mit unter 20 %. Die Transekte 1 und 2, die
sich nordwestlich der Benjeshecke und damit parallel zu Transekt 9 im Vegetationsgebiet befinden, stellten einen deutlich kleineren Anteil. In den Jahren 2010 bis 2012 lag dieser bei ≤ 20 %,
lediglich im Jahr 2013 war der relative Anteil ca. 40 % der gesamten Nymphenaktivitätsdichte.
33
Das Verhältnis zwischen den beiden Transekten 1 und 2 variierte pro Jahr, wobei generell etwas
mehr Nymphenaktivität auf Transekt 2 zu finden war. Auf den Transekten 3 und 4 wurden sehr
wenige Nymphen gefunden, wobei der relative Anteil von Transekt 3 im Mittel bei lediglich 2 %
liegt und im Jahr 2012 keine Aktivität festgestellt werden konnte. Der Anteil von Transekt 4 ist
etwas höher als auf Transekt 3, liegt jedoch bei unter 5 %. Etwas mehr wirtssuchende Nymphen
wurden auf Transekt 5 bis 8 gesammelt, welche im Mittel bei ca. 15 % der gesamten Aktivität
lag, wobei jedoch im Jahr 2011 der Anteil fast identisch mit dem von Transekt 9 ist. Im zeitlichen Verlauf der transektbezogenen normierten Nymphenaktivitätsdichte zeigt sich, dass die in
Kapitel 4.1 festgestellte bimodale Struktur nur in Transekt 9 eindeutig und kontinuierlich für
alle Jahre zu finden war (s. Abb. 4.8, S. 33). Auf allen anderen Transekten zeigte sich entweder
keine bimodale Struktur oder eine bimodale Struktur für nur ein Jahr (s. Anh., Abb. A.1 bis
A.2, S. XVII bis XVIII). Dies legt die Vermutung nahe, dass abiotische Faktoren für die unterschiedliche Verteilung der Nymphenaktivität verantwortlich sind. Dies wird in Kapitel 5.2 (s. S.
43 ff.) erarbeitet, indem die normierte Nymphenaktivitätsdichte von Transekt 1 und 9 mit den
Wetterbeobachtungen in Verbindung gesetzt wird.
4.3. Transektbezogene Anwendung des konzeptionellen Modelles
In Kapitel 2 wurde ein konzeptionelles Modell vorgestellt, welches den zeitlichen Verlauf der
Nymphenaktivität in idealisierter Form als eine bimodale Struktur beschreibt, wobei die Gipfel
jeweils aus einem linearen Anstieg und einem exponentiellen Abfall bestehen. Dieses Modell soll
hier auf den zeitlichen Verlauf der normierten Nymphenaktivitätsdichte auf Transekt 9 angewendet werden, da sich die bimodale Struktur nur auf diesem Transekt eindeutig und kontinuierlich
für alle Jahre zeigt (s. Abb. 4.8, S. 33) und auch gleichzeitig der größte relative Anteil aller
Nymphen aufgetreten ist (s. Abb. 4.7, S. 33).
Tabelle 4.2.: Berechnete Zeitspanne [Tage] für den Onset τan (Anstieg von 37 % auf das Maximum) und den Offset τab (Abfall vom Maximum auf 37 %) der normierten Nymphenaktivitätsdichte auf Transekt 9 mit dazugehörigem Bestimmtheitsmaß R2 des
jeweils ersten Gipfels der Jahre 2010 bis 2014. – Der Mittelwert (Ø) wurde mit
der durchschnittlichen Nymphenanzahl des ersten Gipfels aus Tabelle 4.1 (s. S. 30)
gewichtet.
Jahr
2010
2011
2012
2013
2014
Ø
Onset τan (R2 )
19 (1.00)
23 (0.96)
16 (1.00)
9 (0.96)
29 (0.85)
20
Offset τab (R2 )
16 (0.96)
8 (1.00)
18 (0.93)
10 (0.86)
10 (0.96)
12
Um den zeitlichen Verlauf der Nymphenaktivität zu beschreiben, wurde eine Zeitspanne für den
Anstieg (Onset) und den Abfall (Offset) der normierten Nymphenaktivitätsdichte des ersten Gipfels von Transekt 9 mit Hilfe eines Regressionsmodells berechnet und mit dem jeweiligen Tag des
Jahres in Bezug gesetzt. Für den Onset bis zum Maximum des ersten Gipfels in der normierten
Nymphenaktivität wurde nur ein einfaches lineares Regressionsmodell angewendet (s. Gl. 2.1,
34
4.3. Transektbezogene Anwendung des konzeptionellen Modelles
2010
2011
2012
1.0
●
0.8
0.6
●
0.4
●
●
0.2
●
●
0.0
●
2013
2014
1.0
●
●
0.8
●
●
Onset (linearer Anstieg)
Offset (exponentieller Abfall)
●
0.6
●
0.4
●
0.2
●
●
0.0
●
J
F
M
A
M
J
Zeit [Monat]
J
F
M
A
M
J
Zeit [Monat]
Abbildung 4.9.: Beschreibung des Verlaufes der normierten Nymphenaktivitätsdichte von Transekt 9 für den ersten Gipfel (Bereich Januar bis Juni) für die Jahre 2010 bis 2014
mit Hilfe eines linearen Regressionsmodells für den Onset (linearer Anstieg, rot)
und den Offset (exponentieller Abfall, blau). – Die farbigen Punkte/Rauten geben an, welche Messwerte in die jeweilige Regressionsrechnung eingegangen sind,
wohingegen die farbigen Linien die dazugehörige Regressionsgerade/-kurve darstellen.
Tabelle 4.3.: Berechneter Tag des Jahres für den Onset (37 % vom Maximum), das Maximum
und den Offset (37 % vom Maximum) der normierten Nymphenaktivitätsdichte auf
Transekt 9 des jeweils ersten Gipfels der Jahre 2010 bis 2014.
Jahr
2010
2011
2012
2013
2014
83
78
91
106
65
Onset
(24. März)
(19. März)
(31. März)
(16. April)
(06. März)
Maximum
102 (12. April)
101 (11. April)
107 (16. April)
115 (25. April)
94 (04. April)
118
109
125
125
104
Offset
(28. April)
(19. April)
(04. Mai)
(05. Mai)
(14. April)
S. 14), da die Anzahl der Sammeltermine vor dem ersten Maximum sehr gering war (s. Abb.
4.9). Aus diesem Grund wurden hier die Messwerte von der kleinsten verfügbaren Nymphenaktivitätsdichte bis zum Maximum verwendet, wobei der Tag mit der höchsten Nymphenaktivitätsdichte als Tag des Maximums angesehen werden muss, auch wenn dies nicht unbedingt der
Realität entspricht. Der erste Messwert 2013 wurde nicht betrachtet, da die zeitliche Auflösung
zum nächsten Messwert aufgrund einer Schneedecke bei über einem Monat lag. Für den Offset
nach dem Maximum des ersten Gipfels in der normierten Nymphenaktivität wurde ebenfalls ein
35
lineares Regressionsmodell angewendet (s. Gl. 2.2, S. 14). Hierfür wurden die Messwerte von
der maximalen Nymphenaktivitätsdichte bis zum ersten Messwert mit der niedrigsten Aktivität
verwendet. Es ist jedoch zu beachten, dass es bei der Bestimmung des Onsets und des Offsets
auch einen Messfehler gibt. Zudem gibt Schönwiese [2006] an, dass für die Regressionsrechnung
keine zu kleinen Stichproben vorliegen dürfen. Als Richtwert ist ein Stichprobenumfang von ≥
30 angegeben. Dieser kann in der hier vorgenommenen Auswertung für den Anstieg bzw. Abfall
in keinem Jahr auch nur annähernd erfüllt werden. Ein hohes Bestimmtheitsmaß muss nicht
unbedingt bedeuten, dass der reale Anstieg bzw. Abfall gut erfasst wurde bzw. durch das lineare
Regressionmodell auch gut beschrieben wird. Anhand der Zeitkonstante τan des Onsets ist zu
erkennen, dass es eine starke Variabilität zwischen den einzelnen Jahren gab (s. Tab. 4.2, S. 34).
Besonders langsam war der Anstieg der Aktivität der Nymphen im Jahr 2014 mit 29 Tagen, besonders schnell im Jahr 2013 mit nur 9 Tagen. Im Jahr 2013 muss beachtet werden, dass die ersten
zwei Sammeltermine wegen einer Schneedecke über einen Monat auseinanderlagen. Es zeigt sich,
dass im gewichteten Mittel die Zeitkonstante τan des Onset bei rund 20 Tagen liegt und damit
länger als der Offset mit rund 12 Tagen ist. Der Anstieg bis zum Maximum und der folgende
Abfall in der normierten Nymphenaktivitätsdichte für Transekt 9 für den ersten Gipfel ist in
dem Zeitraum von Anfang März bis Anfang Mai zu finden (s. Tab. 4.3, S. 35). Es scheint, dass
der Onset der normierten Nymphenaktivitätsdichte des ersten Gipfels prinzipiell länger andauert
als der folgende Offset. Außerdem ist festzuhalten, dass eine zeitliche Variabilität im Verlauf der
Aktivität der Nymphen zu finden ist, wobei der Beginn des Onsets im März bis Anfang April,
das Maximum im April und das Ende des Offsets im April bis Anfang Mai zu liegen scheint.
36
5. Zusammenhang zwischen Messdaten und
Zeckenaktivität
In diesem Kapitel werden die gewonnenen Erkenntnisse über den zeitlichen Verlauf und der
räumlichen Struktur der Messdaten sowie der Nymphenaktivität aus Kapitel 4 zusammengeführt
und der Frage nachgegangen, inwieweit es einen Zusammenhang zwischen der Aktivität der
Nymphen und den meteorologischen Messdaten gibt.
5.1. Zeitliche Variation
Die Ergebnisse der mittleren Nymphenaktivitätsanzahl (Januar bis Juni, Bereich 1. Gipfel) für
das gesamte Zeckenhabitat (s. Tab. 4.1, S. 30) aus Kapitel 4.1 werfen die Frage auf, welche
Ursachen für die Variabilität zwischen den fünf Jahren verantwortlich sind. Aus diesem Grund
wurden für die relative Luftfeuchtigkeit sowie für die Luft- und Erdbodentemperaturen Stundensummen gebildet, d. h. es wurden die Stunden kumuliert, in denen sich die stündlich gemittelten
Messwerte unter einem bestimmten Schwellenwert befinden. Hier wurden bewusst keine Tagesmittel verwendet, wie es normalweise üblich ist, um feinere Unterschiede in den Daten erkennen
zu können.
Für die relative Luftfeuchtigkeit liegt in der Literatur ein Wert für die unter ähnlichen Wetterbedingungen in Nordamerika lebende und engverwandte Zeckenart Ixodes scapularis Say vor. Die
Mortalität dieser Zecken steigt bei einem Wert unter 82 % relativer Luftfeuchtigkeit in der Laubschicht für einen bestimmten Zeitraum signifikant [Berger, 2011; Berger et al., 2014], aufgrund der
ausbleibenden Regenerationsmöglichkeiten trocknen sie aus bzw. sterben. Um den Einfluss der
relativen Luftfeuchtigkeit mit Hilfe dieses Schwellenwertes auf die Nymphenaktivität zu erfassen,
wurden Stundensummen [102 Std] der 2.00 m relativen Luftfeuchtigkeit für den Winterperiodenzeitraum von November bis März verglichen und mit der mittleren Nymphenaktivitätsanzahl
(Januar bis Juni, Bereich 1. Gipfel) in Bezug gesetzt. Im Winter 2011/12 (violett) wurde die
größte Summe von 1857 Stunden unter 82 % Luftfeuchtigkeit erreicht (s. Abb. 5.1(a), S. 38).
Dieser Winterperiodenzeitraum war besonders trocken, da das Monatsmittel für diese Periode
bis zu 5 % unter dem Normalwert der Referenzperiode lag, sowie die Abweichungen in dieser
Periode mit fortlaufenden Monaten immer größer wurden (s. Abb. 4.1, S. 26). Im Gegensatz dazu
waren die Stundensummen der restlichen Jahre geringer, wobei im Jahr 2010/11 (schwarz) die
zweitgrößte Stundensumme mit 1544 Stunden zu finden war, mit einem relativ geringen Anstieg
der Stundensumme in den Monaten November bis Januar und einem deutlichen Anstieg in den
Monaten Februar bis März. Dieser Zeitraum ist durch positive Abweichung vom Normalwert in
den Monaten November bis Januar und durch negative Abweichung in den Monaten Februar und
März gekennzeichnet (s. Abb. 4.1, S. 26). Die Winter der Jahre 2012/13 (rot), 2013/14 (grün)
37
(a) 2.00m rel. Luftfeuchtigkeit < 82%
2009/10
2010/11
2011/12
2012/13
2013/14
15
(b) Regressionsmodell zu Abb. (a)
20
linear (R²: 0.68)
exponentiell (R²: 0.70)
18.57
15.44
15.16
14.81
14.52
10
5
Stundensumme [10² Std]
20
●
18
16
●
●
●
●
0
14
N
D
J
F
M
Zeit [Monat]
4
8
12
16
20
Mittlere Nymphenaktivitätsanzahl (1.Gipfel)
Abbildung 5.1.: (a) Stundensumme [102 Std] der 2.00 m relativen Luftfeuchtigkeit < 82 % der
Wetterhütte des Botanischen Gartens (BOT) für den Zeitraum November bis
März für die Jahre 2009/10 (blau), 2010/11 (schwarz), 2011/12 (violett), 2012/13
(rot) und 2013/14 (grün). – (b) Regressionsmodell bestehend aus der Stundensumme aus Abbildung (a) in Abhängigkeit der mittleren Nymphenaktivitätsanzahl im Bereich des ersten Gipfels (Januar bis Juni) (s. Tab. 4.1, S. 30).
und 2009/10 (blau) mit jeweils 1516, 1481 bzw. 1452 Stunden zeigen keine Auffälligkeiten, d. h.
einen relativ linearen Anstieg der Stundensumme. Beim Vergleich der Stundensumme mit der
mittleren Nymphenaktivitätsanzahl in Form eines einfachen Regressionsmodells fällt auf, dass
je geringer die Stundensumme war, desto höher war die mittlere Nymphenaktivitätsanzahl im
Bereich des ersten Gipfels bzw. je höher die Stundensumme war, desto geringer war die mittlere
Nymphenaktivitätsanzahl (s. Abb. 5.1(b)). Aufgrund der wenigen Datenpunkte kann sowohl von
einem linearen (R2 = 0.68, grau-durchgezogene Linie) als auch exponentiellen (R2 = 0.70, graugestrichelte Linie) Zusammenhang ausgegangen werden. Die Stundensumme der 2.00 m relativen
Luftfeuchtigkeit < 82 % scheint eine meteorologische Variable, die für die unterschiedliche mittlere Nymphenaktivitätsanzahl im Bereich des ersten Gipfels (Januar bis Juni) verantwortlich ist.
Je feuchter (geringe Stundensumme) der Winterperiodenzeitraum von November bis März ist,
desto höher ist die mittlere Nymphenaktivitätsanzahl im Bereich des ersten Gipfels (Januar bis
Juni) bzw. je trockener (hohe Stundensumme) der Winterperiodenzeitraum ist, desto geringer
ist die mittlere Nymphenaktivitätsanzahl.
Für die Luft- und Erdbodentemperatur liegen in der Literatur keine Schwellenwerte ähnlich zur
relativen Luftfeuchtigkeit vor, die einen Einfluss auf die Mortalitätsrate der Zecken beschreiben
würden. Deshalb wurde untersucht, ob sich die Dauer von Kälte bzw. Frost auf die Aktivität
der Nymphen auswirkt. Um den Einfluss von Luft- und Erdbodentemperaturen auf die folgende
Nymphenaktivität zu erfassen, wurden Stundensummen [102 Std] der 2.00 m und 0.05 m Lufttemperatur und der 0.02 m und 0.05 m Erdbodentemperatur anhand von Schwellenwerten von
< 0 ◦ C bis < -10 ◦ C verglichen und mit der mittleren Nymphenaktivitätsanzahl (Januar bis
Juni, Bereich 1. Gipfel) in Bezug gesetzt. Für die 2.00 m und 0.05 m Lufttemperatur wurden die
höchsten Stundensummen in den Jahren 2009/10 (blau), 2010/11 (schwarz) und 2012/13 (rot)
und die geringsten Stundensummen in den Jahren 2011/12 (violett) und 2013/14 (grün) erreicht
38
(a) 2.00m Lufttemperatur
20
2009/10
2010/11
2011/12
2012/13
2013/14
15
10
5
0
< 0°C
< −1°C
< −2°C
< −3°C
< −4°C
< −5°C
< −6°C
< −7°C
< −8°C
< −9°C < −10°C
< −8°C
< −9°C < −10°C
< −8°C
< −9°C < −10°C
< −8°C
< −9°C < −10°C
(b) 0.05m Lufttemperatur
20
15
10
5
0
< 0°C
< −1°C
< −2°C
< −3°C
< −4°C
< −5°C
< −6°C
< −7°C
(c) 0.02m Erdbodentemperatur
20
15
10
5
0
< 0°C
< −1°C
< −2°C
< −3°C
< −4°C
< −5°C
< −6°C
< −7°C
(d) 0.05m Erdbodentemperatur
20
15
10
5
0
< 0°C
< −1°C
< −2°C
< −3°C
< −4°C
< −5°C
< −6°C
< −7°C
Abbildung 5.2.: Stundensumme [102 Std] des Zeitraums November bis März der (a) 2.00 m Lufttemperatur, (b) 0.05 m Lufttemperatur, (c) 0.02 m Erdbodentemperatur und (d)
0.05 m Erdbodentemperatur der Wetterhütte des Botanischen Gartens (BOT)
der Jahre 2009/10 (blau), 2010/11 (schwarz), 2011/12 (violett), 2012/13 (rot)
und 2013/14 (grün) für die Schwellenwerte < 0 ◦ C bis < -10 ◦ C.
(s. Abb. 5.2). Die Winter 2009/10, 2010/11 und 2012/13 waren durch besonders niedrige Temperaturen charakterisiert, da für mindestens einen Monat deutlich negative Abweichungen vom
Normalwert der Referenzperiode zu verzeichnen waren (s. Abb. 4.2, S. 27). Ab einem Schwellenwert von ca. < -5 ◦ C bis < -6 ◦ C herrschten in den Jahren 2009/10 bis 2011/12 die höchsten
Stundensummen und in den Jahren 2012/13 und 2013/14 die geringsten Stundensummen. Beim
39
Tabelle 5.1.: Bestimmtheitsmaß R2 des linearen Regressionsmodells (bestehend aus der Stundensumme [102 Std] (s. Abb. 5.2, S. 39) in Abhängigkeit der mittleren Nymphenaktivitätsanzahl im Bereich des ersten Gipfels (s. Tab. 4.1, S. 30)) für die 2.00 m und
0.05 m Lufttemperatur sowie die 0.02 m und 0.05 m Erdbodentemperatur. – NaN
bedeutet, dass in diesem Fall in allen Jahren die Stundensumme gleich Null war.
Schwellenwert
< 0 ◦C
< -1 ◦ C
< -2 ◦ C
< -3 ◦ C
< -4 ◦ C
< -5 ◦ C
< -6 ◦ C
< -7 ◦ C
< -8 ◦ C
< -9 ◦ C
< -10 ◦ C
Lufttemperatur
2.00 m
0.05 m
0.03
0.04
0.03
0.03
0.02
0.01
0.00
0.00
0.00
0.00
0.03
0.02
0.04
0.03
0.06
0.11
0.05
0.13
0.01
0.09
0.00
0.04
Erdbodentemperatur
0.02 m
0.05 m
0.07
0.03
0.70
0.50
0.65
0.58
0.63
0.75
0.60
0.80
0.47
0.59
0.25
0.71
0.19
NaN
0.15
NaN
0.15
NaN
0.15
NaN
(a) 0.02m Erdbodentemp. < −1 °C (R²: 0.70) (b) 0.05m Erdbodentemp. < −4 °C (R²: 0.80)
8
●
●
●
●
6
●
●
●
2009/10
2010/11
2011/12
2012/13
2013/14
lin. Reg.
4
2
●
●
●
●
●
0
●
0
4
8
12
16
20
0
4
8
12
●
●
16
20
Mittlere Nymphenaktivitätsanzahl (1.Gipfel)
Abbildung 5.3.: Regressionsmodell bestehend aus der Stundensumme [102 Std] (s. Abb. 5.2, S.
39) in Abhängigkeit der mittleren Nymphenaktivitätsanzahl im Bereich des ersten Gipfels (Januar bis Juni) (s. Tab. 4.1, S. 30) für die (a) 0.02 m Erdbodentemperatur < -1 ◦ C und (b) 0.05 m Erdbodentemperatur < -4 ◦ C.
Vergleich der Stundensumme der Lufttemperaturen mit der der Erdbodentemperaturen fällt auf,
dass der Übergang von der Atmosphäre zum Erdboden nicht linear verlief. Zum einen verringerten sich die Stundensummen im Erdboden deutlich, ab Schwellenwerten von < -5 ◦ C bis <
-6 ◦ C sogar auf annähernd Null, und zum anderen wurden die höchsten Stundensummen in
0.02 m Tiefe bei allen Schwellenwerten im Jahr 2010/11, in 0.05 m Tiefe im Jahr 2011/12 (mit
Außnahme des Schwellenwertes < 0 ◦ C) erreicht. Beim Vergleich der Stundensumme der Luftund Erdbodentemperaturen mit der mittleren Nymphenaktivitätsanzahl in Form eines einfachen
40
(a) 2.00m Lufttemperatur < 0°C
20
2009/10
2010/11
2011/12
2012/13
2013/14
15
(b) 0.05m Lufttemperatur < 0°C
18.87
18.53
18.07
15.96
15.91
15.88
10
9.72
8.87
7.27
5
4.65
0
(c) 0.02m Erdbodentemperatur < 0°C
(d) 0.05m Erdbodentemperatur < 0°C
20
16.8
16.43
15
10
9.59
8.44
7.07
8.76
8.69
7.05
5
3.29
2.47
0
N
D
J
F
M
Zeit [Monat]
N
D
J
F
M
Zeit [Monat]
Abbildung 5.4.: Stundensumme [102 Std] des Zeitraums November bis März der (a) 2.00 m Lufttemperatur, (b) 0.05 m Lufttemperatur, (c) 0.02 m Erdbodentemperatur und (d)
und 2013/14 (grün) für den Schwellenwert < 0 ◦ C.
Regressionsmodells zeigen sich lineare Zusammenhänge für die 0.02 m und 0.05 m Erdbodentemperatur mit einer Güte von R2 = 0.70 (< -1 ◦ C) bzw. R2 = 0.80 (< -4 ◦ C) (s. Tab. 5.1
und Abb. 5.3). Das bedeutet, je geringer die Stundensumme war, desto höher war die mittlere
Nymphenaktivitätsanzahl im Bereich des ersten Gipfels bzw. je höher die Stundensumme war,
desto geringer war die mittlere Nymphenaktivitätsanzahl. Für die 2.00 m und 0.05 m Lufttemperatur ergaben sich keine Zusammenhänge, da die höchste Güte bei lediglich R2 = 0.06 (< -7
◦ C) bzw. R2 = 0.13 (< -8 ◦ C) lag. Die Stundensumme der 0.02 m Erdbodentemperatur < -1
◦ C und die Stundensumme der 0.05 m Erdbodentemperatur < -4 ◦ C scheinen weitere meteorologische Variablen, die für die unterschiedliche mittlere Nymphenaktivitätsanzahl im Bereich
des ersten Gipfels (Januar bis Juni) verantwortlich sind. Je wärmer (geringe Stundensumme) der
Winterperiodenzeitraum von November bis März war, desto höher war die mittlere Nymphenaktivitätsanzahl im Bereich des ersten Gipfels (Januar bis Juni) bzw. je kälter (hohe Stundensumme)
der Winterperiodenzeitraum war, desto geringer war die mittlere Nymphenaktivitätsanzahl.
Um die unterschiedlichen Stundensummen zwischen den Luft- und Erdbodentemperaturen erklären zu können, wurde der zeitliche Verlauf der Stundensumme der 2.00 m und 0.05 m Lufttemperatur und der 0.02 m und 0.05 m Erdbodentemperatur für den Schwellenwert < 0 ◦ C verglichen
41
2009/10
2010/11
2011/12
2012/13
2013/14
Tages−Schneehöhe [cm]
40
30
20
10
0
N
D
J
F
M
Zeit [Monat]
Abbildung 5.5.: Tages-Schneehöhe [cm] der Messstation des Instituts für Meteorologie der Freien
Universität Berlin für den Zeitraum November bis März für die Jahre 2009/10
(blau), 2010/11 (schwarz), 2011/12 (violett), 2012/13 (rot) und 2013/14 (grün).
und mit dem Zeitpunkt und der Dauer einer Schneedecke in Bezug gesetzt. Im Winter 2009/10
(blau) halbierte sich die Stundensumme von 1807 Stunden bei der 0.05 m Lufttemperatur auf
959 Stunden bei der 0.02 m Erdbodentemperatur (s. Abb. 5.4, S. 41). Bei Erweiterung des Kälteprofils bis 0.05 m Tiefe ist für das Jahr 2012/13 (rot) zu erkennen, dass hohen Stundensummen
in 2.00 m bzw. 0.05 m Höhe von 1591 bzw. 1887 Stunden und einer hohen Stundensumme von
1643 Stunden in 0.02 m Tiefe eine niedrige Stundensumme von 329 Stunden in 0.05 m Tiefe
gegenübersteht. Die Stundensumme in 0.02 m Tiefe war ca. fünfmal höher als in 0.05 m Tiefe.
Im Gegensatz dazu wurden im Jahr 2011/12 (violett) ähnliche Stundensummen in der Atmosphäre (2.00 m: 727 Stunden, 0.05 m: 972 Stunden) und im Erdboden (0.02 m: 844 Stunden,
0.05 m: 705 Stunden) erreicht. Die Winter 2009/10 und 2010/11 waren durch besonders hohe
Schneedecken charakterisiert, die weit über dem Normalwert der Referenzperiode lagen, während
im Jahr 2012/13 der Normalwert nur im März erreicht wurde und in den Jahren 2011/12 und
2013/14 keine nennenswerten Schneemengen gefallen sind (s. Abb. 4.3, S. 28). Im Jahr 2009/10
war die Schneedecke durchgehend in den Monaten Januar und Februar vorhanden (s. Abb. 5.5)
und trotz einer zu diesem Zeitpunkt steigenden Stundensumme der Lufttemperaturen sind die
Stundensummen der Erdbodentemperaturen nur von Ende Januar bis Anfang Februar gestiegen
(s. Abb. 5.4, S. 41). Ähnlich war im Jahr 2010/11 (schwarz) eine Schneedecke von Dezember bis
Mitte Januar vorhanden, währenddessen die Stundensumme in 0.05 m Tiefe im Gegensatz zu den
Stundensummen der 2.00 m und 0.05 m Lufttemperatur sowie der 0.02 m Erdbodentemperatur
nicht anstieg. Bei fehlender Schneedecke ab Mitte Januar war ein Anstieg der Stundensumme in
0.05 m Tiefe zu verzeichnen. Im schneefreien Jahr 2011/12 hingegen wurden ähnliche Stundensummen in den Luft- und Erdbodentemperaturen erreicht. Die Schneedecke scheint als Isolator
zwischen der Atmosphäre und dem Erdboden zu dienen und somit für die unterschiedlichen
Stundensummen der Erdbodentemperaturen verantwortlich zu sein. Je geringer die Schneedecke
in dem Winterperiodenzeitraum von November bis März war bzw. je öfter sie durchbrochen war,
desto mehr Kälte bzw. Frost konnte in den Erdboden eindringen und desto mehr konnte der
Erdboden in der Nacht ausstrahlen.
42
5.2. Räumliche Variation
2013
2012
Transekt 1
Transekt 9
2011
2010
0
20
40
60
80
100
Transektbezogener relativer Anteil der normierten Nymphenaktivitätsdichte [%]
Abbildung 5.6.: Transektbezogener relativer Anteil der normierten Nymphenaktivitätsdichte [%]
identisch mit Abbildung 3.3 (s. S. 20).
In Kapitel 4.2 wurde gezeigt, dass sich die transektbezogene normierte Nymphenaktivitätsdichte stark im Zeckenhabitat unterscheidet, und es Bereiche mit hohen und niedrigen Aktivitäten
gibt. Der Grund hierfür könnten abiotische Faktoren sein, zu denen u. a. die solare Einstrahlung,
der Niederschlag, die Luft-/Erdbodentemperatur, die Luft-/Erdbodenfeuchtigkeit, die Windgeschwindigkeit sowie die Beschaffenheit des Erdbodens (z. B. Körnung, pH-Wert) zählen. Um den
Einfluss einiger dieser abiotischer Faktoren auf die normierte Nymphenaktivitätsdichte zu untersuchen, wurden die normierten Nymphenaktivitätsdichten der streckenparallelen Transekte 1
und 9 verglichen und mit mittleren Tagesgängen der 0.10 m Lufttemperatur und der 0.10 m spezifischen Luftfeuchtigkeit der Mikroklimastationen MKS_44 und MKS_47 für die Monate März
bis Oktober in Bezug gesetzt. Beim Vergleich des relativen Anteils der normierten Nymphenaktivitätsdichte zwischen Transekt 1 und 9 zeigt sich, dass südöstlich der Benjeshecke (Transekt 9)
eine höhere Aktivität der Nymphen erreicht wurde, als nordwestlich der Benjeshecke (Transekt
1). Dies war in den Jahren 2010 bis 2012 besonders stark ausgeprägt. Die 0.10 m Lufttemperatur
war generell in den Monaten März bis Oktober während der Morgen- bis Mittagsstunden auf
Transekt 9 höher als auf Transekt 1, wohingegen es in den Nachmittags- bis Nachtstunden auf
Transekt 1 wärmer war (s. Abb. 5.7, S. 44). Diese Differenzen sind in einigen Monaten stärker
ausgeprägt (z. B. April, Mai, Juli, August), als in anderen (z. B. September, Oktober). Dies legt
die Vermutung nahe, dass die Positionen der Mikroklimastationen und somit die solare Einstrahlung bzw. der Sonnenwinkel eine entscheidene Rolle spielen. Die Mikroklimastation MKS_47 in
Transekt 9 stand südöstlich der Benjeshecke auf einer relativ freien Rasenfläche und wurde kaum
von umliegenden Bäumen im Laufe der ersten Tageshälfte beschattet, während sich die Mikroklimastation MKS_44 in Transekt 1, die nordwestlich der Benjeshecke stand, zu dieser Zeit im
Schattenwurf der umliegenden Bäume bzw. der Benjeshecke befand. Somit stieg die Lufttemperatur auf Transekt 9 stärker als auf Transekt 1 an. In der zweiten Tageshälfte kehrte sich dieser
Prozess in der Zeit von ca. 12 bis 15 Uhr [MEZ] um, sodass nun der Schattenwurf der Bäume
und der Benjeshecke auf Transekt 9 fiel und die solare Einstrahlung in der Zeit von 15 bis 18
Uhr auf die Mikroklimastation in Transekt 1 traf. D. h. die Lufttemperatur auf Transekt 9 stieg
nicht mehr an bzw. fiel in den Nachmittagsstunden, während sie auf Transekt 1 noch einmal
anstieg. Je nach Sonnenstand und -winkel war dieser Anstieg unterschiedlich stark ausgeprägt,
43
März
April
3
gl.−Std.−Mit.
2
1
0
−1
−2
−3
Mai
Juni
Juli
August
September
Oktober
3
2
Differenz der Lufttemperatur [°C]
1
0
−1
−2
−3
3
2
1
0
−1
−2
−3
3
2
1
0
−1
−2
−3
0
3
6
9
12
15
Zeit [MEZ]
18
21
24
0
3
6
9
12
15
18
21
24
Zeit [MEZ]
Abbildung 5.7.: Differenz des mittleren Tagesganges der 0.10 m Lufttemperatur [◦ C] zwischen der
Mikroklimastation MKS_44 minus MKS_47 für die Monate März bis Oktober,
gemittelt über die Jahre 2011 bis 2013. – Rote/blaue Flächen: positive/negative
Differenzen, schwarz-durchgezogene Linie: gleitendes Stundenmittel.
am größten jedoch in den Monaten Juli und August. Bedingt durch die Ausstrahlung in der
Nacht war die Lufttemperatur auf Transekt 9 generell niedriger als nordwestlich der Benjeshecke. Anhand dieser meteorologischen Größe kann jedoch keine Aussage getroffen werden, wieso
die Nymphenaktivität generell auf Transekt 9 höher als auf Transekt 1 war.
44
März
April
1.0
gl.−Std.−Mit.
0.5
0.0
−0.5
−1.0
Mai
Juni
Juli
August
September
Oktober
Differenz der spezifischen Luftfeuchtigkeit [g/kg]
1.0
0.5
0.0
−0.5
−1.0
1.0
0.5
0.0
−0.5
−1.0
1.0
0.5
0.0
−0.5
−1.0
0
3
6
9
12
15
Zeit [MEZ]
18
21
24
0
3
6
9
12
15
18
21
24
Zeit [MEZ]
Abbildung 5.8.: Differenz des mittleren Tagesganges der 0.10 m spezifischen Luftfeuchtigkeit
[g/kg] zwischen der Mikroklimastation MKS_44 minus MKS_47 für die Monate März bis Oktober, gemittelt über die Jahre 2011 bis 2013. – Rote/blaue
Flächen: positive/negative Differenzen, schwarz-durchgezogene Linie: gleitendes
Stundenmittel.
Für die spezifische Luftfeuchtigkeit fällt im Allgemeinen auf, dass die Differenzen zwischen den
beiden Mikroklimastationen gering waren. Jedoch lässt sich feststellen, dass im mittleren Tagesgang die spezifische Luftfeuchtigkeit auf Transekt 9 höher als auf Transekt 1 war, mit Ausnahme
der Abend- und Nachtstunden der Monate März und Oktober sowie des Zeitraums von 15 bis
45
18 Uhr in den Monaten Juli und August (s. Abb. 5.8). Eine mögliche Erklärung hierfür wäre die Evapotranspiration, denn während die Evaporation von der Globalstrahlung abhängig
ist, werden die Transpiration und der Photosyntheseapparat über die Stomata in den Blättern
der Pflanzen gesteuert. Während der Nacht sind die Blattporen geschlossen, erst mit Zunahme
der solaren Einstrahlung werden diese in den Morgenstunden geöffnet. Die Pflanzen stellen ihre
Transpiration ein bzw. schließen ihre Stomata, wenn die Blattoberflächentemperatur wegen Hitzestress einen kritischen Schwellenwert erreicht oder die Lichtstärke zu gering wird. Je größer die
Lichtstärke ist, desto höher ist die Photosyntheserate einer Pflanze. Dabei wird eine große Menge
an Wasserdampf in die Atmosphäre freigesetzt, die, wie anhand der spezifischen Luftfeuchtigkeit
zu erkennen ist, auf Transekt 9 generell höher ist, als auf Transekt 1. Dies unterstützen auch die
Maxima der spezifischen Luftfeuchtigkeit zwischen 6 bis 12 Uhr auf Transekt 9, die sehr gut mit
denen der Lufttemperatur korrelieren, da zu diesem Zeitpunkt eine offensichtlich größere solare
Einstrahlung zu verzeichnen war. Es scheinen die mikroklimatischen Bedingungen südöstlich der
Benjeshecke prinzipell für die Nymphen besser geeignet zu sein, als nordwestlich der Hecke, so
dass sie weniger stark austrocknen bzw. ihr Wasserdefizit aufgrund der größeren Wassermenge
in der Luft vermutlich auf Transekt 9 besser ausgleichen können.
46
6. Modelldaten
Um das Zeckenhabitat des Standortes Berlin Botanischer Garten auf mikroklimatische Unterschiede hin zu untersuchen, wurde zur Simulation das dreidimensionale Mikroklima-Modell
ENVI-met verwendet, welches ein nicht-hydrostatisches gekoppeltes Strömungs-Energiebilanzmodell ist [Bruse, 2000]. Seine physikalischen Grundlagen basieren auf den Gesetzen der Strömungsmechanik (Windfeld), der Thermodynamik (Temperaturberechnungen) und der allgemeinen Atmosphärenphysik (zum Beispiel Parametrisierungen der Strahlung und Turbulenz) [Bruse,
2003]. Das in dieser Arbeit verwendete Programm ENVI-met lag in der Version 4.0 (Build
3.99.2.8) vor. Die Beschreibung des Modellkonzepts von ENVI-met orientiert sich an der Zusammenfassung der Dissertation von Bruse [1999].
6.1. Das ENVI-met Modellkonzept
6.1.1. Aufbau des Modells
Das zu untersuchende Gebiet wird als ein dreidimensionaler Raum mit der Dimension Ω =
X × Y × Z beschrieben. Die Aufteilung von Ω erfolgt in äquidistante Gitter (Gitterzellen) mit
der Dimension ∆x × ∆y × ∆z, wobei die unterste Gitterbox in vertikaler Erstreckung noch
mal in fünf einzelne Teilzellen zur besseren Erfassung der bodennahen Prozesse unterteilt ist.
Der momentane Modellzustand innerhalb eines Quaders mit den kartesischen Koordinaten i, j, k
wird durch verschiedene Variablen, den sogenannten Prognosegrößen Φ beschrieben. Diese sind
innerhalb der Gitterzellen definiert und beschreiben in der Form Φi,j,k den mittleren zeitlichen
und räumlichen Zustand des zugeordneten Modellteilgebietes. Zu den wichtigsten Prognosegrößen gehören die potentielle Temperatur, die relative und spezifische Luftfeuchtigkeit und die
Windgeschwindigkeit.
Neben dem dreidimensionalen Kernmodell mit der Höhe Z zur Simulation der Prozesse innerhalb des Untersuchungsgebietes gibt es ein eindimensionales Randmodell mit einer wesentlich
größeren vertikalen Erstreckung H zur Simulation der gesamten atmosphärischen Grenzschicht
(s. Abb. 6.1, S. 48). Außerdem wird das eindimensionale Randmodell zur Definition der verschiedenen Randbedingungen und als Referenzprofil verwendet. In diesem Randmodell gibt es
nur den stationären Modus in der in dieser Arbeit verwendeten Version von ENVI-met, d. h. es
wird nur zur Anfangszeit der Simulation ein Startwert für alle Variablen vorgegeben. Zusätzlich
wird das eigentliche Kernmodell an den Modellrändern um weitere Zellreihen, den sogenannten Nesting-Zellen, ergänzt, deren Gitterweite sich nach außen hin mit jeder Zelle vergrößert.
Dies hat einerseits zur Folge, dass numerische Randeffekte im Modell verhindert werden, da
die Modellränder einen größeren Abstand zu eventuellen Hindernissen bekommen, andererseits
wird die Erzeugung eines ungestörten, repräsentativen Vertikalprofils der Prognosegrößen an den
47
6. Modelldaten
Abbildung 6.1.: Schematischer Aufbau des Modells ENVI-met [Bruse, 1999].
Einströmrändern unterstützt, da im Nestingbereich bereits eine vollständige dreidimensionale
Berechnung der Austauschvorgänge stattfindet. Desweiteren sind auf ihnen zwei unterschiedliche
Bodentypen im Schachbrettmuster angeordnet. Das Kernmodell gliedert sich noch einmal in ein
Atmosphären-, Vegetations- und Erdbodenmodell.
6.1.2. Die physikalischen Grundgleichungen
Das Strömungsmodell
Die zeitliche und räumliche Entwicklung des Windfeldes wird durch die modifizierten NavierStokes-Gleichungen unter Berücksichtigung des geostrophischen Windes als Grundzustand in
nicht-hydrostatischer Form beschrieben:
∂u
∂u
∂u
∂u
+u
+v
+w
∂t
∂x
∂y
∂z
∂u
∂
∂u
∂
∂u
1 ∂p′
∂
Km
+
Km
+
Km
= −
+
ρ ∂x
∂x
∂x
∂y
∂y
∂z
∂z
+f (v − vg ) − Su (x, y, z)
(6.1)
∂v
∂v
∂v
∂v
+u
+v
+w
∂t
∂x
∂y
∂z
∂v
∂
∂v
∂
∂v
1 ∂p′
∂
Km
+
Km
+
Km
= −
+
ρ ∂y
∂x
∂x
∂y
∂y
∂z
∂z
−f (u − ug ) − Sv (x, y, z)
(6.2)
∂w
∂w
∂w
∂w
+u
+v
+w
∂t
∂x
∂y
∂z
48
∂w
∂
∂w
∂
∂w
1 ∂p′
∂
Km
+
Km
+
Km
+
ρ ∂z
∂x
∂x
∂y
∂y
∂z
∂z
′
θ
(6.3)
+g − Sw (x, y, z)
θ̂
= −
mit
t
u, v, w
u g , vg
ρ
p′
Km
f
g
θ′
θ̂
Zeit
x-, y-, z-Komponente des Windes
horizontale Komponente des geostrophischen Windes in x- bzw. yRichtung
Dichte der Luft
Dynamischer Stördruck
turbulenter Diffusionskoeffizient des Impulses
Coriolisparameter
Gravitationsbeschleunigung
vertikale potentielle Temperaturfluktuation am betrachteten Punkt
Potentielle Referenztemperatur in der Höhe z aus dem 1D-Randmodell
Durch den Gradienten des dynamischen Stördruckes p′ wird die Variation des Windfeldes bestimmt
p = p′ + p0
(6.4)
wobei p0 in der geostrophischen Windgeschwindigkeit vh,g enthalten ist
~vh,g =
1~ ~
k × ∇ h p0
ρf
(6.5)
Die Corioliskraft wird aufgrund der geringen Ausdehnung des Untersuchungsareals vernachlässigt. Auch die Dichte der Luft ρ wird durch einen konstanten Wert approximiert (ρ ≈ ρ0 = 1.20
kgm−3 ). Durch die Senkterme Su , Sv und Sw wird zusätzlich bei allen Strömungskomponenten
der Impulsverlust der Windgeschwindigkeit an porösen Hindernissen (wie z. B. der Vegetation)
berücksichtigt (s. Gl. 6.16, S. 53).
Das Temperatur- und Feuchtemodell
Das Temperatur- und Feuchtefeld wird über eine kombinierte Diffusions-Advektionsgleichung mit
internen Quellen und Senken Q für die potentielle Temperatur θ und die spezifische Feuchte q
beschrieben:
∂θ
∂θ
∂θ
∂θ
+u
+v
+w
∂t
∂x
∂y
∂z
=
∂
∂x
∂θ
Kh
∂x
∂
+
∂y
∂θ
Kh
∂y
∂
+
∂z
∂θ
Kh
∂z
1
∇Rlw (x, y, z) − Qθ (x, y, z)
cp ρ
∂q
∂
∂q
∂
∂q
∂
Kv
+
Kv
+
Kv
=
∂x
∂x
∂y
∂y
∂z
∂z
+Qq (x, y, z)
+
∂q
∂q
∂q
∂q
+u
+v
+w
∂t
∂x
∂y
∂z
(6.6)
(6.7)
49
6. Modelldaten
mit
t
u, v, w
θ
q
ρ
cp
Kh
Kv
Rlw
Zeit
potentielle Temperatur
spezifische Feuchte
Dichte der Luft
spezifische Wärmekapazität der Luft bei konstantem Druck (1006
Jkg −1 K −1 bei 20 ◦ C Lufttemperatur)
turbulenter Austauschkoeffizient für Wärme
turbulenter Austauschkoeffizient für Wasserdampf
langwellige eingehende Strahlung
Die Veränderung der Lufttemperatur durch der Divergenz langwelliger Strahlungsflüsse ∇Rlw (d.
h. Strahlungskühlung bzw. -erwärmung) wird im dreidimensionalen Kernmodell ausschließlich
vertikal berücksichtigt und zudem eine isotherme Atmosphäre angenommen, da eine Lösung der
Strahlungsübertragung vor allem unter Berücksichtigung der verschieden temperierten Objekte
(Gebäudewände, Vegetation) zu komplex würde. Zwischen der im Boden- und Grenzflächenmodell definierten absoluten Temperatur T und der im Atmosphärenmodell gültigen potentiellen
Temperatur θ gilt die Beziehung:
θ (z) = T (z)
p0
p (z)
Rf
cp
(6.8)
Hierbei ist Rf die Gaskonstante der trockenen Luft (287 Jkg −1 K −1 ), p0 der Luftdruck im Normalzustand (1013 hP a bei 20 ◦ C Lufttemperatur) und z die Höhe im Kernmodell. An der
Bodengrenzfläche gilt der im Modell festgelegte Referenzdruck p(z = 0) = p0 , wodurch hier
Identität zwischen T und θ besteht und beide Größen parallel verwendet werden können. Ebenso wird die Phasenumwandlung von Wasserdampf in Wasser und umgekehrt innerhalb der Luft
nicht berücksichtigt.
Das Erdboden- und Grenzflächenmodell
Der hydrologische Prozess im Erdbodenmodell wird durch das Gesetz von Darcy beschrieben.
s
Der vertikale Wasserfluss jw,s
in einem gesättigten Erdboden berechnet sich durch:
s
~ − Sη
jw,s
= −ρw Kη,s ∇Ψs − ρw Kη,s Z
mit
50
(6.9)
ρw
Kη,s
Ψs
~
Z
Sη
Dichte des Wassers
hydrologische Leitfähigkeit
Matrixpotential des wassergesättigten Erdbodens
Einheitsvektor, entgegengesetzt zur Gravitation
lokaler Senkterm, der den Wasserentzug durch Pflanzen widerspiegelt
Der Temperaturaustauschvorgang im Erdboden ergibt sich aus der Fourier’schen Differentialgleichung, die die Entwicklung eines Temperaturfeldes aufgrund von Wärmeleitung beschreibt. Der
Vorgang ist von der Temperaturleitfähigkeit Ks abhängig und wird im Modell nur in vertikaler
Richtung betrachtet:
∂T
∂t
= −Ks
∂2T
∂z 2
(6.10)
Die Grenzflächenzustände werden getrennt von den übrigen Modellgleichungen berechnet. Aus
der Bilanzierung der turbulenten und molekularen Grenzflächenströme und Strahlungsflüsse wird
die aktuelle Temperatur T0 an der Erdbodenoberfläche berechnet:
0 = Rkw,net + Rlw,net (T0 ) − G (T0 ) − H (T0 ) − LE (T0 , q0 )
(6.11)
mit
Rkw,net
Rlw,net
G
H
LE
kurzwellige eingehende Nettostrahlung
langwellige eingehende Nettostrahlung
Erdbodenwärmestrom
sensibler Wärmefluss
latenter Wärmefluss
Bei bewachsenen Erdböden befindet sich die aktive Fläche, also die Grenzfläche, wo die Bilanzgleichung erfüllt ist, normalerweise im oberen Drittel des Bestandes [Heyer, 1972]. In ENVI-met
befindet sich diese Grenzfläche immer auf der Erdbodenoberfläche, auch bei bepflanzten Erdböden. Die Berechnung der Feuchte an der Oberfläche q0 geschieht über den sogenannten β-Ansatz
nach Deardorff [1978]:
q0 = β ′ q ∗ (T0 ) + 1 − β ′ qk=1
ηk=−1
′
β = min 1,
ηf c
(6.12)
(6.13)
mit
51
6. Modelldaten
q∗
qk=1
ηk=−1
ηf c
Sättigungsfeuchte
spezifische Feuchte am ersten Prognosepunkt in der Atmosphäre
aktuelle Erdbodenfeuchte am ersten Prognosepunkt im Erdboden
Erdbodenfeuchte bei Feldkapazität
Das Vegetationsmodell
Die Betrachtung der Vegetation nimmt einen gesonderten Bereich im Modellaufbau ein, da bei
Pflanzen das biologische Verhalten des Organismus ein zusätzlicher Steuermechanismus ist. Die
Pflanzen im Modell sind an die Gitterstruktur des Modells gebunden, d. h. entweder ist eine Gitterbox mit Vegetation gefüllt oder nicht. Es können hierfür eindimensionale oder dreidimensionale
Pflanzen definiert werden, wobei die 1D-Vegetation lediglich eine Säule aus Blattwerk darstellt,
wohingegen bei der 3D-Vegetation auch die Struktur der Pflanze berücksichtigt werden kann (z.
B. die Krone eines Baumes). Neben der generellen Geometrie der Pflanze (Höhe der Pflanze, Wurzeltiefe) werden noch vier weitere pflanzenphysiologische Parameter vordefiniert. Dazu gehört die
Art der Pflanze (Laubbaum, Nadelbaum oder Gras), der minimale Stomata-Widerstand rs,min ,
die Albedo (d. h. das Rückstrahlvermögen des Blattwerkes) sowie die Blattflächen- bzw. Wurzelflächendichte (LAD: Leaf Area Density bzw. RAD: Root Area Density). Die Blattflächendichte
LAD gibt die Lichtverhältnisse im Blattbestand an und ist definiert durch den Quotienten Blattfläche/Bestandsdichte. Der minimale Stomata-Widerstand rs,min ist allein von der Pflanzenart
abhängig und regelt die Transpiration der Pflanze. Aufgrund der komplexen Wechselwirkung zwischen Atmosphäre, Vegetation und Erdboden gehen bei der Vegetation folgende Einflussgrößen,
zuzüglich der eben genannten Eingangsparameter, in die Simulationsberechnungen mit ein:
• Blattoberflächentemperatur:
In die Berechnung der Blattoberflächentemperatur gehen die absorbierte und transmittierte
Strahlung des Blattes sowie dessen Albedo ein.
• Turbulenter Wärmeaustausch zwischen Blattoberfläche und Atmosphäre:
Hier werden bei der Berechnung die Blattoberflächentemperatur, der aerodynamische Widerstand der Blattoberfläche ra , der Blattdurchmesser, die Art der Pflanze und die Windgeschwindigkeit berücksichtigt.
• Wasserdampffluss an der Blattoberfläche:
Mit der Transpiration der Pflanze ist auch der Wasserbedarf der Pflanze verbunden, denn 99
% des aufgenommenen Wassers werden von der Pflanze an die Atmosphäre abgegeben. Beim
turbulenten Wasserdampffluss wird zwischen Evaporation und Transpiration unterschieden.
Die Transpiration der Pflanzen ist vom Boden- und Atmosphärenmodell abhängig und wird
über den aktuellen Stomata-Widerstand gesteuert.
• Aktueller Stomata-Widerstand:
Der aktuelle Stomata-Widerstand rs ist im Gegensatz zu dem als Eingangsparameter definierten minimalen Stomata-Widerstand variabel und wird durch die Strahlung, die jahreszeitliche Schwankung und die Menge an pflanzenverfügbarem Erdbodenwasser beeinflusst.
• Abschwächung der Strahlung durch Vegetation:
Die kurzwellige solare Einstrahlung wird zum Teil durch das Blattwerk nicht transmittiert.
52
Der Temperatur- und Feuchtefluss an der Blattoberfläche ist direkt über Quellterme in der prognostischen Gleichung des Atmosphärenmodells mit der Atmosphäre verbunden:
Qθ (x, y, z) = LAD (z) · jf,h
(6.14)
Qq (x, y, z) = LAD (z) · jf,trans
(6.15)
Neben der Blattflächendichte LAD spielen noch der turbulente Fluss sensibler Wärme jf,h und
der Transpirationsterm jf,trans eine Rolle. Die Vegetation verursacht auch einen Impulsverlust
der Windgeschwindigkeit:
Su (x, y, z) = cd,p LAD (x, y, z) ui W (x, y, z)
(6.16)
mit
cd,p
ui
W
Strömungswiderstand
Betrag der Windgeschwindigkeit
Im Erdbodenmodell sorgt der gesamte Wasserdampffluss an der Blattoberfläche ebenfalls in Form
eines Senktermes für eine direkte Kopplung zwischen Vegetation und Boden:
ges
jf,trans
= ρ
Z
z
LAD (z) jf,trans (z) dz
(6.17)
0
6.1.3. Initialisierung des Modells
Das Modell ENVI-met versucht nun, anhand von wenigen Ausgangswerten (Atmosphärenmodell:
Windgeschwindigkeit, Windrichtung, Rauhigkeitslänge, potentielle Temperatur, spezifische und
relative Luftfeuchtigkeit – Erdboden- und Grenzflächenmodell: Erdbodentemperatur, Erdbodenfeuchtigkeit), eine realistische Datenverteilung für das gesamte Modell zu erzeugen. Zunächst
wird das eindimensionale Randmodell zeitlich integriert, bis sich ein quasi-stationärer Zustand
aller Variablen in der Vertikalen eingestellt hat. Anschließend wird dieses Profil dem dreidimensionalen Kernmodell bis zur definierten Höhe aufgeprägt. Wie genau dieser Prozess abläuft,
hängt von den jeweiligen Prognosegrößen ab und wird daher in den entsprechenden Abschnitten
getrennt erläutert.
Initialisierung des Strömungsfeldes
In die Berechnung des Windfeldes gehen als Eingangsparameter die Rauhigkeitslänge des Erdbodens z0 , die Windrichtung und die horizontale Windgeschwindigkeit in 10 m Höhe ein (s.
53
Atmosphäre
6. Modelldaten
Vorgabe der
meteorologischen
Startparameter
1D
Randmodell
3D
Kernmodell
Bedeckungsgrad
(tiefe, mittelhohe, hohe
Bewölkung)
Einfluss auf direkte und diffuse
Ein- und Ausstrahlung
Einfluss auf direkte und diffuse
Ein- und Ausstrahlung
Windgeschwindigkeit
(10 m)
Windrichtung
Rauhigkeitslänge
pot. Temperatur
(2 m)
rel Luftfeuchtigkeit
(2 m)
spez. Luftfeuchtigkeit
(2500 m)
Erdboden
Diastrophiephase
Logarithmisches
Windprofil
Erdbodentemperatur
(0-20 cm, 20-50 cm,
> 50 cm)
Erdbodenfeuchtigkeit
(0-20 cm, 20-50 cm,
> 50 cm)
Initialisierung
an allen
Gitterpunkten
unter
Annahme
einer
neutralen
Schichtung
Integration der
Gleichungen,
bis sich ein
stationärer nicht
adiabatischer
Zustand einstellt
Aufprägung
auf alle
Gitterpunkte
Ausgangsfeld
für Simulation
Anpassung
an das
Strömungsfeld
Eingabeparameter werden
übernommen und für alle
Gitterpunkte
konstant gesetzt
Abbildung 6.2.: Schema der Initialisierungsphase des mikroskaligen Modells ENVI-met für die
einzelnen Modellkomponenten. – Atmosphäre: Initialisierung des Bedeckungsgrades (schwarze Pfeile), des Strömungsfeldes (blaue Pfeile) und des Temperatur(rote Pfeile) und Feuchtefeldes (grüne Pfeile). Erdboden: Initialisierung des Erdbodentemperatur- und Feuchtefeldes (schwarzer Pfeil).
Abb. 6.2). Unter der Annahme einer neutralen Schichtung wird mit den individuell vorgegebenen Werten die Windgeschwindigkeit an allen Gitterpunkten im eindimensionalen Randmodell
initialisiert. Es entwickelt sich ein logarithmisches Windprofil, welches solange integriert wird, bis
sich ein stationärer Zustand einstellt. In der Diastrophiephase (d. h. das langsame Anwachsen der
Orographie) wird nun das eindimensionale Windfeld auf alle Gitterpunkte im dreidimensionalen
Ausgangsströmungsfeld übertragen, wobei Hindernisse zunächst unbeachtet bleiben. Es folgt eine
schrittweise Anpassung des Windfeldes durch Neuberechnungen, in die die Erdbodenrauhigkeit
und die Hindernisse allmählich mit einfließen, um zu jedem Zeitpunkt ein quasi divergenzfreies
Strömungsfeld zu gewährleisten. Ist die Phase abgeschlossen, kann das so berechnete Ausgangsfeld in der Simulation verwendet werden. Die Prognose des dreidimensionalen Windfeldes verursacht einen hohen Rechenaufwand, daher wird das dreidimensionale Windfeld nicht mit jedem
Zeitschritt neu berechnet, sondern nur in regelmäßigen Abständen den veränderten thermischen
Bedingungen angepasst.
54
6.2. Modellierung des Zeckenhabitates am Standort Berlin Botanischer Garten
Initialisierung des Temperatur- und Feuchtefeldes
In die Berechnung des Temperatur- und Feuchtefeldes gehen als Eingangsparameter die 2 m
potentielle Temperatur, die spezifische Luftfeuchtigkeit in 2500 m Höhe und die relative Luftfeuchtigkeit in 2 m ein (s. Abb. 6.2). Auch hier wird zunächst im eindimensionalen Randmodell
die vertikale Erstreckung der Temperatur und Feuchte an einer neutralen Schichtung ausgerichtet
und dann solange integriert, bis sich ein quasi-stationärer Zustand einstellt. Anschließend wird
das Temperatur- und Feuchteprofil homogen im dreidimensionalen Raum verteilt. Während der
Initialisierungsphase passt sich dieses Profil dem Strömungsfeld an.
Initialisierung des Erdbodenfeldes
Zur Initialisierung der Erdbodenfeuchtigkeit und Erdbodentemperatur werden als Startparameter jeweils die Werte in drei Erdbodenschichten definiert (s. Abb. 6.2). Hinzu kommen die
artspezifischen Erdbodenparameter, wie die spezifische Wärmekapazität cb und Dichte ρb . Zu
Beginn der Simulation wird die Erdbodenfeuchtigkeit pro Schicht als konstant angenommen, indem die Eingabeparameter einfach übernommen werden. Ebenso werden die Erdbodenschichten
mit der Erdbodentemperatur am Anfang aus den Startwerten belegt. Im weiteren Verlauf richtet
sich das Erdbodentemperaturfeld dann an dem vorher initialisierten Erdbodenfeuchtigkeitsfeld
aus.
6.2. Modellierung des Zeckenhabitates am Standort Berlin
Botanischer Garten
Das Zeckenhabitat des Standortes Berlin Botanischer Gartens umfasst eine horizontale Ausdehnung von 80 x 80 m, wobei im Modell eine Gittergröße von 160 x 160 gewählt wurde, um mit
einer horizontalen Auflösung von 0.5 m simulieren zu können. Als vertikale Auflösung wurde
1.0 m verwendet, wobei die unterste Gitterbox nochmal in fünf Schichten unterteilt bzw. feiner
aufgelöst wurde, damit bodennahe Prozesse und kleinere Pflanzen besser erfasst werden können.
Insgesamt beträgt die Kernmodellhöhe 40 m.
Tabelle 6.1.: Definierte Erdbodentypen im Modell ENVI-met für das Zeckenhabitat des Standortes Berlin Botanischer Garten. – V: Bodenart, ns: volumetrischer Wassergehalt bei Sättigung [m3 /m3 ], nfc: volumetrischer Wassergehalt bei Feldkapazität
[m3 /m3 ], nwilt: volumetrischer Wassergehalt bei Welkepunkt [m3 /m3 ], matpot:
Matrix-Potential bei Sättigung [m], hyr: hydraulische Leitfähigkeit bei Sättigung
[10−6 m/s], CP: volumetrische Wärmekapazität [J/m3 K], b: Clapp und Hornberger
[1978] Konstante, Hcn: Wärmeleitfähigkeit des Materials [W/mK].
Erdbodentyp
Lehm
V
0
ns
0.451
nfc
0.240
nwilt
0.155
matpot
-0.478
hyr
7.0
CP
1.212
b
5.39
Hcn
0.00
Um das zu untersuchende Gebiet möglichst originalgetreu und hochauflösend nachbauen zu können, wurden die Datenbanken des Modells ENVI-met um die in dieser Arbeit benötigten In-
55
6. Modelldaten
Tabelle 6.2.: Definierte 1D-Vegetationstypen im Modell ENVI-met für das Zeckenhabitat des
Standortes Berlin Botanischer Garten. Die Kennzeichen sind identisch mit Tabelle 3.1 (s. S. 19). – C?: Pflanzentyp bez. CO2 , TY: Pflanzentyp, rs-m: minimaler
Stomata-Widerstand, a_f: Albedo, HH.HH: Höhe der Pflanze [m], TT.TT: Wurzeltiefe [m], LAD: Blattflächendichte [m2 /m3 ], RAD: Wurzelflächendichte [m2 /m3 ].
Kennzeichen
a-g
h
i
1
2
C?
C3
C3
C3
C3
C3
TY
01
01
01
01
03
rs-m
400
400
400
400
200
a_f
0.20
0.20
0.20
0.20
0.20
HH.HH
02.50
00.80
01.00
00.30
00.10
TT.TT
00.50
00.00
00.50
00.07
00.50
LAD 1-10
0.600
2.500
0.600
0.300
0.300
RAD 1-10
0.100
0.000
0.100
0.100
0.100
Tabelle 6.3.: Definierte 3D-Vegetationstypen im Modell ENVI-met für das Zeckenhabitat des
Standortes Berlin Botanischer Garten. Die Kennzeichen sind identisch mit Tabelle
3.1 (s. S. 19). – Abkürzungen der einzelnen Parameter s. Tab. 6.2.
Kennzeichen
A
B
C
D
E
F
G
H
I
J
C?
C3
C3
C3
C3
C3
C3
C3
C3
C3
C3
TY
02
01
01
01
01
02
01
01
01
01
rs-m
400
400
400
400
400
400
400
400
400
400
a_f
0.12
0.17
0.20
0.17
0.17
0.15
0.20
0.17
0.17
0.20
HH.HH
20.00
10.00
20.00
15.00
15.00
15.00
25.00
15.00
15.00
20.00
TT.TT
02.00
01.00
04.00
04.00
08.00
02.00
04.00
01.00
07.50
04.00
LAD 1-10
0.200
0.700
0.500
0.500
0.500
0.600
0.300
0.500
0.400
0.400
RAD 1-10
0.100
0.100
0.100
0.100
0.100
0.100
0.100
0.100
0.100
0.100
formationen erweitert. Im Erdbodenmodell wurde vereinfachend Lehmboden für das gesamte
Modellierungsgebiet eingestellt. Die Daten zu diesem Erdbodentyp wurden aus der Standarddatenbank von ENVI-met entnommen (s. Tab. 6.1, S. 55). Für die Vegetation (s. Abb. 3.2, S.
18) im Modellgebiet wurden sowohl eindimensionale als auch dreidimensionale Pflanzen erstellt.
Zur 1D-Vegetation gehören die Bodenvegetation 1 und 2 sowie die Hecken a bis i (s. Tab. 3.1,
S. 19), um diese besser anhand der Gitterstruktur ausrichten zu können. Diese Vegetationstypen
konnten durch Recherchen bezüglich der Höhe, der Wurzeltiefe und der Blattflächendichte (LAD)
neu erstellt werden, lediglich die Wurzelflächendichte (RAD) musste aufgrund von mangelnden
Informationen konstant auf 0.100 gesetzt werden (s. Tab. 6.2). Außerdem wurden die LAD und
RAD konstant für alle 10 Datenpunkte definiert. Desweiteren ist zu beachten, dass die Benjeshecke eine Totholzhecke ist und somit nicht selbst transpirieren, demzufolge streng genommen mit
ENVI-met nicht modelliert werden kann. Aus diesem Grund wurde auch die Wurzeltiefe sowie die
Wurzelflächendichte auf Null gesetzt. Die Modellierung der 3D-Vegetation erwies sich als schwieriger, da zusätzlich zu den benötigten Parametern der 1D-Vegetation auch noch die Struktur
des Baumes beachtet werden musste. Hierzu zählen der Kronendurchmesser sowie die Verteilung
der LAD-Schichten bezüglich der Höhe des Bestandes. Die 3D-Vegetation konnte demzufolge mit
einem internen Programm von ENVI-met nur extrem vereinfacht modelliert werden, wobei auch
hier alle 10 Datenpunkte konstant für die LAD und RAD definiert wurden (s. Tab. 6.3). Damit
ergibt sich ein höchst komplexes Vegetationsgebiet (s. Abb. 6.3).
56
6.3. Bestimmung der Simulationstage
Abbildung 6.3.: Zeckenhabitat des Standortes Berlin Botanischer Garten, modelliert mit dem
dreidimensionalen mikroskaligen Modell ENVI-met.
6.3. Bestimmung der Simulationstage
Aufgrund der hohen Computerressourcen (Rechenzeit und Speicherbelegung der binären Ergebnisdateien), die das Modell ENVI-met benötigt, können nur einzelne Tage simuliert werden.
Hierzu wurden die Ergebnisse aus Kapitel 4.3 (s. S. 35), in welcher jeweils der Tag des Jahres für
den Onset, das Maximum und den Offset der normierten Nymphenaktivitätsdichte auf Transekt
9 des ersten Gipfels der Jahre 2010 bis 2014 berechnet wurde, für die Bestimmung einzelner
Simulationstage verglichen. Es wurden die Tage des Jahres 2014 ausgewählt, da hier die höchste
Nymphenaktivitätsdichte aller betrachteten Jahre auftrat und es nicht möglich gewesen wäre, z.
B. einen Mittelwert für den Tag des Jahres von 2010 bis 2014 für den Onset, das Maximum und
den Offset zu berechnen, da die zeitliche Auflösung innerhalb des Sammelzeitraumes variabel
war.
Für die drei Simulationstage des Jahres 2014 ergeben sich jeweils aufgrund des Jahres- und
Tagesganges des Sonnenwinkels unterschiedliche Startzeitpunkte. Diese sollten möglichst in der
Nacht oder mit Sonnenaufgang gewählt werden, da das Modell Initialisierungszeit benötigt, um
sich den atmosphärischen Gegebenheiten anpassen zu können. Die Sonnenaufgangstermine für
die drei Simulationstage 06.03.2014, 04.04.2014 und 14.04.2014 sind jeweils 06:40 Uhr [MEZ],
05:33 Uhr und 05:10 Uhr, die von der Internetadresse http://www.sunrise-and-sunset.com/
de/deutschland/berlin-steglitz-zehlendorf recherchiert wurden. Da die Ausgabe der Ergebnisdateien des Modells halbstündig eingestellt wurde und ein späterer Vergleich gewährleistet
sein sollte, wurden die Starttermine dementsprechend angepasst (s. Tab. 6.4, S. 58). Die Simulationsdauer betrug bei allen Simulationsläufen 24 Stunden.
57
6. Modelldaten
Tabelle 6.4.: Startwerte der meteorologischen Parameter für die Konfigurationsdatei des Modells ENVI-met für drei Simulationstage (Onset/Maximum/Offset der normierten
Nymphenaktivitätsdichte: 06.03.2014/04.04.2014/14.04.2014), die in dieser Arbeit
ausgewertet wurden.
Modellparameter
[MAIN-DATA]
Start Simulation at Day
Start Simulation at Time
Wind Speed (10 m)
Wind Direction
Roughness Length
Initial Temperature Atmosphere
Specific Humidity (2500 m)
Relative Humidity (2 m)
[SOILDATA]
Initial Temperature
Upper Layer (0-20 cm)
Initial Temperature
Middle Layer (20-50 cm)
Initial Temperature
Deep Layer (below 50 cm)
Relative Humidity
Upper Layer (0-20 cm)
Relative Humidity
Middle Layer (20-50 cm)
Relative Humidity
Deep Layer (below 50 cm)
[CLOUDS]
Fraction of LOW clouds
Fraction of MEDIUM clouds
Fraction of HIGH clouds
Einheit
Wert
[dd.mm.yyyy]
[hh:mm:ss]
[m/s]
[◦ ]
[m]
[K]
[g/kg]
[%]
=
=
=
=
=
=
=
=
06.03.2014
06:30:00
1.69
175
0.04
278.62
1.56
95.1
04.04.2014
05:30:00
1.55
73
0.04
279.34
4.04
85.6
14.04.2014
05:00:00
1.27
282
0.04
280.85
1.99
70.5
[K]
=
278.58
281.63
281.53
[K]
=
278.48
283.18
283.05
[K]
=
278.35
282.00
282.75
[%]
=
39.60
40.20
39.50
[%]
=
39.60
40.20
39.50
[%]
=
39.60
40.20
39.50
[x/8]
[x/8]
[x/8]
=
=
=
3
0
0
4
2
1
5
1
0
Für die einzelnen meteorologischen Startparameter wurden die Beobachtungen der Messstationen im Botanischen Garten verwendet (s. Abb. 3.4, S. 23 sowie Tab. 3.3, S. 22). Die Werte der
Lufttemperatur, der relativen Luftfeuchtigkeit sowie der Erdbodentemperaturen stammen von
der Wetterhütte (BOT) des Botanischen Gartens. Für die unterschiedlichen Erdbodenschichten in der Konfigurationsdatei sind Mittelwerte über die entsprechenden Messtiefen berechnet
worden (Upper Layer: 2, 5, 10, 20 cm; Middle Layer: 20, 30, 50 cm; Deep Layer: 50, 100 cm).
Die Werte der Windgeschwindigkeit, der Windrichtung sowie der Erdbodenfeuchtigkeit sind der
mobilen Messstation (Z_BOT) entnommen worden. Da hier nur eine Messtiefe in 5 cm für
die Erdbodenfeuchtigkeit vorlag, wurde dieser Wert konstant für alle Erdbodenschichten in der
Konfigurationsdatei eingestellt. Ebenfalls wurde der Wert der Windgeschwindigkeit, die in einer Messhöhe von 2 m vorlag, mit Hilfe des logarithmischen Windprofils für die Vorgabe in 10
m berechnet. Die Werte der spezifischen Luftfeuchtigkeit in 2500 m wurden mit Hilfe von Radiosondenaufstiegen der Station 10393 Lindenberg berechnet. Da die Radiosondenaufstiege nur
viermal täglich zu festen Zeitpunkten (00, 06, 12, 18 UTC) gestartet werden, wurde zwischen
58
6.4. Raumzeitliche Entwicklung des mikroskaligen Modells ENVI-met
dem 00 UTC und dem 06 UTC Termin linear interpoliert. Außerdem waren auch die Messhöhen
der einzelnen Radiosondenaufstiege unterschiedlich, sodass zuerst zwischen den verschiedenen
Messhöhen linear interpoliert wurde. Für die Bedeckungsgrade der tiefen, mittelhohen und hohen Bewölkung wurden die Beobachtungsdaten der Wetterbeobachtungsstation Berlin-Dahlem
(Wetterturm des Instituts für Meteorologie, Freie Universität Berlin) verwendet, die unter der
Internetadresse http://www.berliner-wetterkarte.de/ einsehbar sind und dreistündlich vorlagen (s. Anh., Tab. A.1, S. XX).
Die Startwerte der meteorologischen Parameter entstammen der jeweiligen Startzeit der Simulationen mit Ausnahme der Windrichtung und der Bewölkung, da diese im Modell ENVI-met
als zeitlich konstant angenommen werden. Aus diesem Grund wurde mit den minütlichen Messdaten der Windrichtung über die gesamte Simulationsdauer ein Histogramm mit zugehöriger
Wahrscheinlichkeitsdichtefunktion erstellt, aus welcher der Wert mit der maximalen Wahrscheinlichkeitsdichte als Startwert festgelegt wurde (s. Anh., Abb. A.5, S. XXII). Diese Vorgehensweise
ließ sich leider nicht auf die Beobachtungsdaten der Bewölkung übertragen, da die dreistündige
Auflösung zu wenig Daten lieferte. Deshalb wurde ein Mittelwert für den Bedeckungsgrad der
gesamten und der tiefen Bewölkung berechnet. Die Differenz aus gesamter und tiefer Bewölkung
wurde auf die anderen zwei Wolkenlayer (mittelhohe und hohe Bewölkung) möglichst gleichmäßig
verteilt, da hierfür keine Beobachtungsdaten vorlagen.
6.4. Raumzeitliche Entwicklung des mikroskaligen Modells
ENVI-met
Der zeitliche Ablauf der Simulation zwischen den einzelnen Modellkomponenten von ENVI-met
(1D Randmodell, 3D Kernmodell, usw.) ist äußerst komplex (s. Abb. 6.4, S. 60). Der Antrieb des
gesamten Modells findet über die solare Einstrahlung statt, die durch die geographische Lage des
Simulationsgebietes einen Jahres- als auch Tagesgang aufweist. An den Sonnenstand γS sind die
dynamischen Zeitschritte ∆t gekoppelt, die für drei Intervalle dt(0), dt(1) und dt(2) vordefiniert
werden. Zum Startzeitpunkt t0 wird mit Hilfe des Sonnenwinkels und der optional eingestellten
Bewölkung die solare Einstrahlung berechnet, anhand derer sich das atmosphärische Vertikalprofil (Grenzschicht bis 2500 m) der meteorologischen Variablen im 1D Randmodell ausrichtet
(V ertikalprof il0 ). Folglich werden die Werte des 1D Randmodells auf die jeweilige vordefinierte
Höhe im 3D Kernmodell für alle Gitterpunkte übertragen. Hierbei werden die Werte zum einen
durch den atmosphärischen Teil des Kernmodells, wie z. B. durch Gebäude oder vorhandener
Vegetation, und zum anderen durch den Austausch mit dem Erdbodenmodell angepasst. Im
nächsten Zeitschritt t1 wird durch den veränderten Sonnenstand wieder ein Vertikalprofil erstellt
(V ertikalprof il1 ), welches im 3D Kernmodell den Gegebenheiten angepasst wird. Diese Prozedur wird für alle Zeitschritte bis zum Ende der Simulation (tn ) durchgeführt. Das 1D Randmodell
übernimmt somit die Aufgabe des Forcings, also die zeitliche Entwicklung der meteorologischen
Variablen in der Grenzschicht, während das 3D Kernmodell für die räumliche Struktur verantwortlich ist. Auf das Forcing konnte in der in dieser Arbeit verwendeten Version von ENVI-met
nicht zugegriffen werden.
Um die zeitliche Entwicklung des 1D Randmodells erfassen zu können, wurde die potentielle
Temperatur, die spezifische Luftfeuchtigkeit und die Windgeschwindigkeit anhand eines Simulationstages in Abhängigkeit des Bedeckungsgrades verglichen. Im Tagesverlauf des Vertikalprofils
59
6. Modelldaten
Atmosphäre
Zeitlicher Verlauf der gekoppelten Simulation (Zeitschritte [t])
Erdboden
Solare
Einstrahlung
Sonnenstand
(Jahresgang,
Tagesgang)
t0
Bedeckungsgrad
(tiefe, mittelhohe,
hohe Bewölkung)
x/8
1D
Randmodell
Vertikalprofil0
S < 40°
t = 2s
Sonnenstand
(Jahresgang,
Tagesgang)
t1
S < 50°
t = 2s
x/8
Radiative
Forcing
Vertikalprofil1
Sonnenstand
(Jahresgang,
Tagesgang)
t2
S > 50°
t = 2s
x/8
Radiative
Forcing
Vertikalprofil2
...
tn
x/8
Radiative
Forcing
...
Räumliche
Struktur
Räumliche
Struktur
Räumliche
Struktur
...
Räumliche
Struktur
Räumliche
Struktur
Räumliche
Struktur
...
3D
Kernmodell
Abbildung 6.4.: Raumzeitliche Entwicklung des mikroskaligen Modells ENVI-met anhand einzelner Modellkomponenten.
des 1D Randmodells zeigt sich für die potentielle Temperatur, die spezifische Luftfeuchtigkeit
und die Windgeschwindigkeit eine Entwicklung (s. Abb. 6.5). Die potentielle Temperatur wird
mit Hilfe eines Startwertes initialisiert, der für das gesamte Vertikalprofil konstant gesetzt wird.
Im Tagesgang nimmt die potentielle Temperatur mit der Höhe ab (06 Uhr [MEZ], 18 Uhr), um
in den Abend- bis Nachtstunden mit der Höhe zuzunehmen (00 Uhr). Dieser Effekt verstärkt
sich bei einem wolkenlosen Tag (grau-gestrichelt) bzw. verringert sich bei einem bewölkten Tag
(schwarz-durchgezogen). Für die spezifische Luftfeuchtigkeit werden zwei Startwerte vorgegeben,
wodurch sich in der Initialisierung ein Gradient mit der Höhe ausbildet, was in einer Abnahme
der Feuchte mit der Höhe resultiert (06 Uhr). Im Tagesverlauf verstärkt sich dieser Gradient (12
Uhr), d. h. die spezifische Luftfeuchtigkeit nimmt in den unteren Luftschichten zu, um sich in den
Abend- bis Nachtstunden wieder abzuschwächen, d. h. die spezifische Luftfeuchtigkeit nimmt in
den unteren Luftschichten wieder ab. Auch für diese meteorologische Variable verstärkt sich der
Effekt für einen wolkenlosen Tag bzw. verringert sich für einen bewölkten Tag. Für die Windgeschwindigkeit wird ein Startwert vorgegeben, mit dessen Hilfe die restlichen Werte anhand eines
logarithmischen Windprofils ausgerichtet werden (06 Uhr). Im Tagesverlauf verstärkt sich die
Windgeschwindigkeit in den unteren und verringert sich in den oberen Luftschichten (12 Uhr),
während sich dieser Prozess in den Abend- bis Nachtstunden wieder umkehrt (00 Uhr). Die Unterschiede in der Windgeschwindigkeit zwischen einem bewölktem und einem wolkenlosen Tag
sind nur marginal. Für alle drei meteorologischen Variablen fällt ebenfalls auf, dass die Werte in
2500 m Höhe über den Tagesverlauf konstant gehalten werden. Die zeitliche Entwicklung des 1D
Randmodells stellt die Stabilität der Luftschichten in den Nachtstunden und Labilität der Luftschichten in den Mittagsstunden bedingt durch die solare Einstrahlung im Laufe des Tagesganges
dar, wobei der Bedeckungsgrad einen entscheidenen Anteil am Gradienten mit der Höhe für die
60
04.04.2014 − 06 Uhr [MEZ]
H0−M0−T0
H1−M2−T4
1000
100
10
1
0.1
04.04.2014 − 12 Uhr [MEZ]
1000
100
10
Höhe [m]
1
0.1
04.04.2014 − 18 Uhr [MEZ]
1000
100
10
1
0.1
05.04.2014 − 00 Uhr [MEZ]
1000
100
10
1
0.1
4
6
8
10
pot. Temperatur [°C]
12
4
5
6
7
spez. Luftfeuchtigkeit [g/kg]
0
1
2
3
Abbildung 6.5.: Zeitlicher Verlauf des Vertikalprofils des 1D Randmodells für die potentielle
Temperatur [◦ C] (links), die spezifische Luftfeuchtigkeit [g/kg] (mitte) und die
Windgeschwindigkeit [m/s] (rechts) für den Simulationstag 04.04.2014 (s. Tab.
6.4, S. 58) in Abhängigkeit des Bedeckungsgrades der tiefen (T), mittelhohen
(M) und hohen (H) Bewölkung. – Bedeckungsgrad der Bewölkung: wolkenlos
(grau-gestrichelt), 7/8 (schwarz-durchgezogen).
potentielle Temperatur, die spezifische Luftfeuchtigkeit und die Windgeschwindigkeit hat.
Um die Kopplung zwischen der zeitlichen Entwicklung des 1D Randmodells und der räumlichen
Struktur des 3D Kernmodells erfassen zu können, wurden die Windgeschwindigkeit, die poten-
61
6. Modelldaten
3D (z = 15.5 m)
80
3D - 1D (z = 15.5 m)
80
y [m]
N
N
60
60
40
40
20
20
0
0
3D (z = 5.5 m)
80
3D - 1D (z = 5.5 m)
80
y [m]
N
N
60
60
40
40
20
20
0
0
3D (z = 0.5 m)
80
3D - 1D (z = 0.5 m)
80
y [m]
N
N
60
60
40
40
20
20
0
0
0
20
40
60
80
0
20
x [m]
0.0
0.5
1.0
40
60
80
x [m]
1.5
2.0
-0.6
-0.3
0.0
0.3
0.6
Diff: Windgeschwindigkeit [m/s]
Abbildung 6.6.: Räumliche Struktur der Windgeschwindigkeit [m/s] des 3D Kernmodells (links)
und der Windgeschwindigkeitsdifferenz [m/s] des 3D Kernmodells minus des 1D
Randmodells (rechts) für die Höhen 0.5 m (unten), 5.5 m (mitte) und 15.5 m
(oben) des Simulationstages 04.04.2014, 12 Uhr [MEZ], ohne Bewölkung (s. Tab.
6.4, S. 58).
tielle Temperatur und die spezifische Luftfeuchtigkeit des 3D Kernmodells für drei verschiedene
Höhen verglichen und mit dem Vertikalprofil des 1D Randmodells in Bezug gesetzt.
62
3D (z = 15.5 m)
80
3D - 1D (z = 15.5 m)
80
y [m]
N
N
60
60
40
40
20
20
0
0
3D (z = 5.5 m)
80
3D - 1D (z = 5.5 m)
80
y [m]
N
N
60
60
40
40
20
20
0
0
3D (z = 0.5 m)
80
3D - 1D (z = 0.5 m)
80
y [m]
N
N
60
60
40
40
20
20
0
0
0
20
40
60
80
0
20
x [m]
8.0
9.0
40
60
80
-0.4
0.0
x [m]
10.0
pot. Temperatur [°C]
11.0
-1.6
-1.2
-0.8
Diff: pot. Temperatur [K]
Abbildung 6.7.: Räumliche Struktur der potentiellen Temperatur [◦ C] des 3D Kernmodells
(links) und der potentiellen Temperaturdifferenz [K] des 3D Kernmodells minus
des 1D Randmodells (rechts) für die Höhen 0.5 m (unten), 5.5 m (mitte) und
15.5 m (oben) des Simulationstages 04.04.2014, 12 Uhr [MEZ], ohne Bewölkung
(s. Tab. 6.4, S. 58).
Im 3D Kernmodell lässt sich eine Windgeschwindigkeitszunahme mit der Höhe feststellen, d. h.
geringe Windgeschwindigkeiten wurden in 0.5 m und hohe in 15.5 m erreicht (s. Abb. 6.6 links).
63
6. Modelldaten
3D (z = 15.5 m)
80
3D - 1D (z = 15.5 m)
80
y [m]
N
N
60
60
40
40
20
20
0
0
3D (z = 5.5 m)
80
3D - 1D (z = 5.5 m)
80
y [m]
N
N
60
60
40
40
20
20
0
0
3D (z = 0.5 m)
80
3D - 1D (z = 0.5 m)
80
y [m]
N
N
60
60
40
40
20
20
0
0
0
20
40
60
80
0
20
x [m]
4.9
5.0
40
60
80
-0.3
0.0
x [m]
5.1
spez. Luftfeuchtigkeit [g/kg]
5.2
-1.2
-0.9
-0.6
Diff: spez. Luftfeuchtigkeit [g/kg]
Abbildung 6.8.: Räumliche Struktur der spezifischen Luftfeuchtigkeit [g/kg] des 3D Kernmodells
(links) und der spezifischen Luftfeuchtigkeitsdifferenz [g/kg] des 3D Kernmodells minus des 1D Randmodells (rechts) für die Höhen 0.5 m (unten), 5.5 m
(mitte) und 15.5 m (oben) des Simulationstages 04.04.2014, 12 Uhr [MEZ], ohne
Bewölkung (s. Tab. 6.4, S. 58).
Die räumliche Struktur der 0.5 m Windgeschwindigkeit zeigt geringe Windgeschwindigkeiten in
bzw. entlang der Hecken und in 5.5 m sowie 15.5 m Höhe im Bereich der Bäume, während höhere
64
Windgeschwindigkeiten nördlich und süd- bis südöstlich auf den Rasenflächen zu erkennen sind.
Bei der Windgeschwindigkeitsdifferenz (3D Kernmodell minus 1D Randmodell) fällt auf, dass in
0.5 m Höhe die Windgeschwindigkeit im Bereich der Hecken, insbesondere entlang der Benjeshecke und den zwei südwestlichen Hecken, negative Differenzen von bis zu -0.7 m/s aufweist,
die Windgeschwindigkeit somit im 3D Kernmodell geringer als im 1D Randmodell ist (s. Abb.
6.6 rechts, S. 62). Positive Differenzen von ca. +0.3 m/s sind nördlich und südlich des Vegetationsgebietes zu finden. In 5.5 m und 15.5 m Höhe sind im Bereich der Bäume ebenfalls negative
Differenzen festzustellen, die eine Abschwächung der Windgeschwindigkeiten im 3D Kernmodell
zur Folge haben. Für die potentielle Temperatur ist im 3D Kernmodell eine Abnahme mit der
Höhe zu verzeichnen (s. Abb. 6.7 links, S. 63). In 0.5 m Höhe sind räumliche Unterschiede in
der potentiellen Temperatur festzustellen, d. h. niedrigere Temperaturen nordwestlich des Vegetationsgebietes und höhere Temperaturen östlich bis südöstlich über den Rasenflächen. In 5.5 m
und 15.5 m Höhe sind keine räumlichen Temperaturunterschiede zu erkennen, lediglich mittig
im Vegetationsgebiet zeigen sich geringfügig höhere Temperaturen. Beim Vergleich zwischen der
potentiellen Temperatur des 3D Kernmodells und des 1D Randmodells fallen für die drei Höhen
negative Differenzen auf, d. h. die potentielle Temperatur ist im 3D Kernmodell generell geringer
bzw. kühler (s. Abb. 6.7 rechts, S. 63). Große räumliche Differenzen von bis zu -1.7 K sind in
0.5 m Höhe nordwestlich des Vegetationsgebietes zu finden, die räumlichen Differenzen in 5.5
m und 15.5 m sind mit bis zu -0.4 K gering. Im 3D Kernmodell lässt sich für die spezifische
Luftfeuchtigkeit ein Nordost-Südwest-Gefälle feststellen (s. Abb. 6.8 links). Eine geringere Wassermenge ist prinzipiell nord- bis nordöstlich des Vegetationsgebietes zu erkennen, während es
südwestlich feuchter ist. Dieser Effekt zeigt sich besonders in 0.5 m Höhe, in der in der Benjeshecke sowie in den zwei südwestlichen Hecken eine höhere spezifische Luftfeuchtigkeit auftritt. Bei
der spezifischen Luftfeuchtigkeitsdifferenz (3D Kernmodell minus 1D Randmodell) fallen für die
drei Höhen negative Differenzen auf, d. h. die spezifische Luftfeuchtigkeit ist im 3D Kernmodell
generell geringer bzw. trockener (s. Abb. 6.8 rechts), wobei größere Differenzen von bis zu -1.2
g/kg in 0.5 m Höhe zu finden sind, geringere Differenzen von bis zu -0.4 g/kg in 5.5 m und 15.5
m Höhe. Räumliche Differenzen innerhalb einer Höhe sind nur marginal.
Für die räumliche Struktur der Windgeschwindigkeit, der potentiellen Temperatur und der spezifischen Luftfeuchtigkeit des 3D Kernmodells scheinen die unterschiedlichen Vegetationsarten
im 3D Kernmodell verantwortlich zu sein. Je nachdem wie die Vegetation im Modellgebiet angeordnet ist und welche Höhe, Breite sowie Dichte die Vegetationstypen besitzen, hat dies einen
direkten Einfluss auf die atmosphärischen Prozesse im 3D Kernmodell und somit eine Anpassung
des Vertikalprofils des 1D Randmodells zur Folge.
65
7. Validierung des Mikroklima-Modells
ENVI-met anhand einzelner
meteorologischer Parameter
In diesem Kapitel wird versucht, das Mikroklima des Zeckenhabitates mit dem dreidimensionalen
Mikroklima-Modell ENVI-met zu erfassen und mit Beobachtungsdaten in Form von Mikroklimastationen (Punktmessungen) zeitlich zu validieren. Da die räumlichen Unterschiede zwischen
den Mikroklimastationen MKS_43 bis MKS_47 anhand der 0.10 m Lufttemperatur und der
0.10 m spezifischen Luftfeuchtigkeit zeitlich schwankten (Differenzen bezüglich des Flächenmittels der Mikroklimastationen) und zum Teil sehr gering waren (innerhalb der Messtoleranz) (s.
Anh., Abb. A.3, S. XIX), wurden die Ergebnisse der normierten Nymphenaktivität zur Auswahl
der Mikroklimastationen herangezogen. Die Wahl fiel auf die Mikroklimastationen MKS_44 und
MKS_47, die sich zum einen räumlich in direkter Nähe zueinander befanden und zum anderen in
Transekten aufgestellt waren, die sich durch eine unterschiedliche Nymphenaktivität (Standort
MKS_44/MKS_47 in Transekt 1/Transekt 9) charakterisierten. Die Validierung kann nur für
einzelne Tage durchgeführt werden, da es mit dem Modell ENVI-met nicht möglich ist, langzeitliche Änderungen des Mikroklimas zu erfassen. Hierzu wurden die Ergebnisse aus Kapitel 4.3 (s.
Tab. 4.3, S. 35) herangezogen, in denen der Tag des Jahres des Onsets, des Maximums und des
Offsets der normierten Nymphenaktivitätsdichte berechnet wurde (Startparameter der Simulationen s. Tab. 6.4, S. 58). Desweiteren konnte in der in dieser Arbeit verwendeten Version von
ENVI-met nur der stationäre Modus ausgewählt werden, d. h. es wurden nur zum Startzeitpunkt
der Simulationen meteorologische Parameter vorgegeben, wobei sich zusätzlich die Windrichtung
und der Bedeckungsgrad zeitlich nicht entwickelt haben. Dies gilt es bei der Validierung des Modells mit den Beobachtungsdaten zu bedenken, somit im Folgenden geklärt werden soll, ob die
Wetterlage der drei Tage stationär oder nicht stationär war.
Die Wetterlage für den 06.03.2014 (Tag des Onsets der normierten Nymphenaktivitätsdichte)
zeigt anhand der Höhenwetterkarte für 500 hPa um 01 Uhr [MEZ] eine sehr starke Frontalzone,
die sich von Neufundland über den Nordatlantik hinweg nach Skandinavien und Nordrussland
erstreckte, wobei die Lage dieser Frontalzone über West- und Mitteleuropa deutlich nach Norden
verschoben war (s. Abb. 7.1(a), S. 68). Vom Azorenhoch bis nach Mitteleuropa baute sich ein
Höhenkeil auf, wodurch sich das Bodenhoch GUIDO von Frankreich kommend auf seinem Weg
nach Osten weiter verstärkte und sich infolgedessen dem noch etwas stärkeren russischen Bodenhoch angliederte (s. Abb. 7.1(b), S. 68). Damit setzte über Berlin eine Stabilisierung und ein
Absinken ein, womit sich die Wolken im Tagesverlauf mehr und mehr auflösten (vgl. Anh., Tab.
A.1, S. XX). Klarer Himmel und windschwache Bedingungen hatten nächtliches Ausstrahlen zur
Folge, wobei verbreitet leichter bis mäßiger Frost auftrat und sich in den Morgenstunden des
07.03.2014 vielfach Nebel bildete [BWK, 2014]. Abgesehen vom Bedeckungsgrad war in diesem
Zeitraum die Wetterlage somit relativ stationär.
67
7. Validierung des Mikroklima-Modells ENVI-met anhand einzelner meteorologischer Parameter
(a) Höhenwetterkarte für 500 hPa vom
06.03.2014 (01 Uhr [MEZ])
(b) Bodenwetterkarte vom 06.03.2014 (01 Uhr
[MEZ])
(c) Höhenwetterkarte für 500 hPa vom
04.04.2014 (01 Uhr [MEZ])
(d) Bodenwetterkarte vom 04.04.2014 (01 Uhr
[MEZ])
(e) Höhenwetterkarte für 500 hPa vom
14.04.2014 (01 Uhr [MEZ])
(f) Bodenwetterkarte vom 14.04.2014 (01 Uhr
[MEZ])
Abbildung 7.1.: Höhenwetterkarte für 500 hPa und Bodenwetterkarte für den Tag des Onsets (06.03.2014, oben), des Maximums (04.04.2014, mitte) und des Offsets
(14.04.2014, unten) der normierten Nymphenaktivitätsdichte. - Kartenmaterial siehe http://www.berliner-wetterkarte.de/.
Die Wetterlage für den 04.04.2014 (Tag des Maximums der normierten Nymphenaktivitätsdichte) zeigt anhand der Höhenwetterkarte für 500 hPa um 01 Uhr einen breiten Langwellentrog über
Osteuropa, der sich mit sehr kalter Luft über Russland bis zum Schwarzen Meer ausbreitete, wäh-
68
rend sich ein Hochkeil über Mittel- und Nordwesteuropa ausbildete (s. Abb. 7.1(c)). Von dem vor
den Küsten Westeuropas liegenden Höhentrog hatte sich ein selbstständiger Wirbel abgespalten,
der ostwärts Richtung westlicher Mittelmeerraum zog und dort den Tiefdruckwirbel LUDMILLA am Boden verstärkte. Über Skandinavien lag das Hochdruckgebiet MARK, welches im Laufe
des Tages südostwärts in Richtung Ukraine zog (s. Abb. 7.1(d)). Dabei gelangte bodennah in
Form einer Kaltfront von Nordosten her kalte Luft polaren Ursprungs nach Norddeutschland
bzw. in den Raum Berlin, ansonsten bestimmten dichte Wolkenfelder das Wettergeschehen (vgl.
Anh., Tab. A.1, S. XX) [BWK, 2014]. Somit war diese Wetterlage im Berliner Raum durch einen
Kaltfrontdurchzug bestimmt und nicht stationär.
Die Wetterlage für den 14.04.2014 (Tag des Offsets der normierten Nymphenaktivitätsdichte)
zeigt anhand der Höhenwetterkarte für 500 hPa um 01 Uhr ein ausgeprägtes, zonal orientiertes Starkwindband vom amerikanischen Kontinent ausgehend über den nördlichen Nordatlantik
hinweg nach Mitteleuropa, wo es in einen mehr oder weniger ausgeprägten Höhentrog mündete
(s. Abb. 7.1(e)). Innerhalb dieses Starkwindbandes bildeten sich einige Wellen aus, sodass sich
über den mittleren Nordatlantik ausgehend von Nordwestafrika und der Iberischen Halbinsel ein
Höhenkeil aufwölbte, während stromab über Mitteleuropa ein Kurzwellentrog von der Nordsee
einlief. Im Laufe des Tages meridionalisierte sich diese Höhenströmung zunehmend, sodass sich
der Höhenkeil über Westeuropa mit einer nach Nordwest geneigten Achse erstreckte. Eingebettet
in diese westliche Höhenströmung verlagerte sich das Tiefdruckgebiet PEPICA über Dänemark
rasch ostwärts, wodurch über Norddeutschland und den Berliner Raum Höhenkaltluft einfließen
konnte und für Labilität bzw. konvektive Niederschläge sorgte (s. Abb. 7.1(f)) [BWK, 2014].
Auch diese Wetterlage war im Berliner Raum nicht stationär, da sie hauptsächlich durch ein
Tiefdruckgebiet mit konvektiven Niederschlägen charakterisiert war.
Die Validierung des Mikroklima-Modells ENVI-met erfolgt auf einem raumzeitlich sehr kleinskaligen Niveau, um die mikroklimatischen Bedingungen an den Mikroklimastationen MKS_44
(nordwestlich der Benjeshecke, von Efeu umgeben) und MKS_47 (südöstlich der Benjeshecke,
auf einer Wiese) zu erfassen und die Fähigkeit des Modells bezüglich der Simulation von Extremwerten zu testen. Um das Modell ENVI-met mit Beobachtungsdaten zeitlich zu validieren, wurde
die 0.10 m Lufttemperatur und 0.10 m spezifische Luftfeuchtigkeit an den Mikroklimastationen
MKS_44 und MKS_47 für den Tag des Onsets, des Maximums und des Offsets der normierten
Nymphenaktivität verglichen und mit den Ergebnissen der Simulationen in Bezug gesetzt. Zu
beachten ist, dass sich der Bedeckungsgrad und die Windrichtung während der Simulationen
zeitlich nicht entwickelt haben, sondern für den gesamten Simulationszeitraum konstant gesetzt
werden mussten.
Beim Vergleich des zeitlichen Verlaufes der 0.10 m Lufttemperatur der Beobachtung und des
Modells für den Tag des Onsets fällt auf, dass die Lufttemperatur der Beobachtungen am Tage
um bis zu +8 K höher und in der Nacht um bis zu -2 K niedriger war, als bei der Modellsimulation
(s. Abb. 7.2 links, S. 70). An dem Tag des Maximums der normierten Nymphenaktivitätsdichte
war die Lufttemperatur der Beobachtung generell bis zu +8 K höher als die der Simulation (s.
Abb. 7.3 links, S. 71), während am Tag des Offsets die Lufttemperatur des Modells annähernd
dem Verlauf der Beobachtung folgte, lediglich mittags gab es einzelne Abweichungen von bis zu
+4 K und nachts von 21 Uhr bis 0 Uhr [MEZ] von bis zu -1 K (s. Abb. 7.4 links, S. 72). Beim
Vergleich des zeitlichen Verlaufes der 0.10 m spezifischen Luftfeuchtigkeit der Beobachtung und
des Modells für den Tag des Onsets zeigt sich, dass die Luftfeuchtigkeit der Beobachtungen an
69
Vergleich zwischen Beobachtung (Beo) und Modell (Mod) an den
Mikroklimastationen MKS_44 und MKS_47 − 06./07.03.2014
9
spezifische Luftfeuchtigkeit [g/kg]
14
12
10
8
6
4
2
MKS_44 (Beo)
MKS_44 (Mod)
MKS_47 (Beo)
MKS_47 (Mod)
8
7
6
5
4
0
3
1.0
gl.−Std.−Mit.
4
Lufttemperaturdifferenz [K]
0
−2
−4
Beobachtung
4
2
0
−2
−4
Modell
9
12
15
18
21
Zeit [MEZ]
0
3
6
spezifische Luftfeuchtigkeitsdifferenz [g/kg]
0.5
2
0.0
−0.5
Beobachtung
−1.0
1.0
0.5
0.0
−0.5
Modell
−1.0
9
12
15
18
21
0
3
6
Zeit [MEZ]
Abbildung 7.2.: Oben: Zeitlicher Verlauf der 0.10 m Lufttemperatur (links) und der 0.10 m spezifischen Luftfeuchtigkeit (rechts) für Beobachtung (durchgezogene Linien) und
Modell (gestrichelte Linien) an den Mikroklimastationen MKS_44 (blau) und
MKS_47 (orange) für den Tag des Onsets der normierten Nymphenaktivitätsdichte (06.-07.03.2014). Unten: Zeitlicher Verlauf der 0.10 m Lufttemperaturdifferenz (links) und der 0.10 m spezifischen Luftfeuchtigkeitsdifferenz (rechts)
zwischen Mikroklimastation MKS_44 minus MKS_47 für Beobachtung und Modell (rote/blaue Flächen: positive/negative Differenzen, schwarz-durchgezogene
Linie: gleitendes Stunden-Mittel).
den Mikroklimastationen grundsätzlich höher als die simulierten Werte des Modells war (s. Abb.
7.2 rechts) und auch für den Tag des Maximums der normierten Nymphenaktivitätsdichte war
die spezifische Luftfeuchtigkeit der Beobachtung generell mit bis zu +2 g/kg höher, als die der
Modellsimulation (s. Abb. 7.3 rechts). Für den Tag des Offsets waren die Werte der Beobachtung
70
8
16
14
12
10
8
6
MKS_44 (Beo)
MKS_44 (Mod)
MKS_47 (Beo)
MKS_47 (Mod)
7
6
5
4
4
3
1.0
gl.−Std.−Mit.
2
0
−1
−2
Beobachtung
−3
3
2
1
0
−1
0.5
1
0.0
−0.5
Beobachtung
−1.0
1.0
0.5
0.0
−0.5
−2
Modell
−3
6
9
12
15
18
21
Zeit [MEZ]
0
3
Modell
−1.0
6
9
12
15
18
21
0
3
Zeit [MEZ]
Abbildung 7.3.: Wie Abb. 7.2, jedoch für den Tag des Maximums der normierten Nymphenaktivitätsdichte (04.-05.04.2014).
ebenfalls generell höher als die des Modells, besonders zu den Mittagsstunden (ca. 12 Uhr) traten
vereinzelt Abweichungen von bis zu +3 g/kg auf (s. Abb. 7.4 rechts, S. 72).
Im Vergleich des zeitlichen Verlaufes der Lufttemperaturdifferenz zwischen der Mikroklimastation
MKS_44 minus MKS_47 zeigen sich Ähnlichkeiten zwischen Modell und Beobachtung für den
Tag des Onsets (s. Abb. 7.2 links). Am Vormittag bis Mittag war die Lufttemperatur an MKS_47
höher, am Nachmittag niedriger als an MKS_44, wobei das Modell den Verlauf zwar nur grob
und mit geringeren Differenzen wiedergeben kann, jedoch die Maxima um 11 Uhr, 13 Uhr und
16 Uhr gut zwischen Modell und Beobachtung korrelieren. Lediglich in der Nacht simuliert das
Modell minimal höhere Temperaturen an MKS_47, während bei der Beobachtung die Werte an
MKS_44 höher waren. Für den Tag des Maximums der normierten Nymphenaktivitätsdichte
71
9
14
12
10
8
6
4
MKS_44 (Beo)
MKS_44 (Mod)
MKS_47 (Beo)
MKS_47 (Mod)
8
7
6
5
4
2
2
1
0
−2
−4
Beobachtung
4
2
0
−2
−4
Modell
6
9
12
15
18
Zeit [MEZ]
21
0
3
4
gl.−Std.−Mit.
0
−1
−2
Beobachtung
2
1
0
−1
−2
Modell
6
9
12
15
18
21
0
3
Zeit [MEZ]
Abbildung 7.4.: Wie Abb. 7.2, jedoch für den Tag des Offsets der normierten Nymphenaktivitätsdichte (14.-15.04.2014).
ist für die Lufttemperaturdifferenz an den Mikroklimastationen zu erkennen, dass es bei der
Beobachtung an MKS_44 wärmer als an MKS_47 war, insbesondere von 6 bis 12 Uhr mit bis
zu 2 K (s. Abb. 7.3 links, S. 71). Dies kann vom Modell nicht wiedergegeben werden, denn erst
ab 15 Uhr zeigt die Simulation einen ähnlichen zeitlichen Verlauf, wobei die Differenzen marginal
sind. Für den Tag des Offsets zeigt sich für die Beobachtung der Lufttemperaturdifferenz, dass
es von morgens bis 19 Uhr an MKS_47 und nach 21 Uhr an MKS_44 wärmer war (s. Abb. 7.4
links). Dieser zeitliche Verlauf lässt sich auch für die Modellsimulation feststellen, wobei es an
MKS_44 schon ab ca. 15 Uhr wärmer im Vergleich zu MKS_47 war.
Die spezifische Luftfeuchtigkeitsdifferenz zwischen MKS_44 und MKS_47 zeigt für den Tag des
Onsets sowohl für die Beobachtung als auch für das Modell einen ähnlichen zeitlichen Verlauf,
72
wobei vormittags die spezifische Luftfeuchtigkeit an MKS_47 höher und am Nachmittag sowie in
der Nacht niedriger als an MKS_44 war (s. Abb. 7.2 rechts, S. 70). Für den Tag des Maximums
der normierten Nymphenaktivitätsdichte fällt auf, dass es an MKS_47 für den gesamten Zeitraum feuchter als an MKS_44 war (s. Abb. 7.3 rechts, S. 71). Dieser zeitliche Verlauf wird vom
Modell nicht wiedergegeben, da die Differenzen annähernd Null sind. Am Tag des Offsets lässt
sich für die Beobachtung der spezifischen Luftfeuchtigkeitsdifferenz zwischen den Mikroklimastationen erkennen, dass es ab ca. 8 Uhr durchgehend an MKS_47 feuchter als an MKS_44 war,
mit größten Differenzen bis zu 2 g/kg um 12 Uhr (s. Abb. 7.4 rechts). Dieser zeitliche Verlauf
wird auch vom Modell wiedergegeben, allerdings sind die Differenzen mit bis zu 0.5 g/kg deutlich
geringer.
Es scheint trotz der komplexen Struktur des Zeckenhabitates und der Stationarität des Mikroklimamodells ENVI-met, d. h. die Beschränkung des Bedeckungsgrades und der Windrichtung auf
einen konstanten Wert während der Simulation, möglich zu sein, die mikroklimatischen Wechselwirkungen des Zeckenhabitates des Standortes Berlin Botanischer Garten mit dem MikroklimaModell ENVI-met zu simulieren. Der zeitliche Verlauf der 0.10 m Lufttemperatur- und der 0.10 m
spezifischen Luftfeuchtigkeitsdifferenz zwischen der Mikroklimastation MKS_44 und MKS_47
im Modell ist ähnlich zu dem der Beobachtungsdaten für den Tag des Onsets und des Offsets der normierten Nymphenaktivitätsdichte, wobei in der ersten Tageshälfte bis ca. 14 Uhr
die Lufttemperatur- und spezifischen Luftfeuchtigkeitsdifferenzen meist negativ, danach in den
Abend- und Nachtstunden schwach positiv oder nahe Null sind. Insgesamt ist das Modell ENVImet kälter und trockener, da die Absolutwerte der Lufttemperatur eine Differenz von bis zu 8
K und die der spezifischen Luftfeuchtigkeit eine Differenz von bis zu 3 g/kg zur Beobachtung
aufweisen, sodass die Minima und Maxima vom Betrag nicht erreicht werden.
73
8. Möglicher Einfluss meteorologischer
Parameter auf die räumliche Variation der
Zeckenaktivität
In Kapitel 4.2 wurde eine differenzierte räumliche Verteilung der normierten Nymphenaktivitätsdichte im Zeckenhabitat des Standortes Berlin Botanischer Garten festgestellt (s. Abb. 4.7, S. 33),
wobei in Kapitel 5.2 anhand zweier Mikroklimastationen ein Einfluss der spezifischen Luftfeuchtigkeit auf die Aktivität wirtssuchender Nymphen auf den streckenparallelen Transekten 1 und 9
entlang der Benjeshecke verifiziert wurde (s. Abb. 5.8, S. 45). Da die meteorologischen Messungen
räumlich kleinskalig nicht so hoch aufgelöst sind, wurde das in Kapitel 7 validierte MikroklimaModell ENVI-met zur Simulation des räumlichen Mikroklimas des Zeckenhabitates eingesetzt.
Am Tag des Onsets, des Maximums und des Offsets der normierten Nymphenaktivitätsdichte,
welche mit dem konzeptionellen Modell erfasst wurden, fanden keine Zeckensammlungen statt,
weswegen die Werte der normierten Nymphenaktivitätsdichten der einzelnen Transekte für diese
drei Tage linear interpoliert wurden. Um Aussagen über die räumliche Variabilität des Auftretens wirtssuchender Nymphen für den Tag des Onsets, des Maximums und des Offsets der
normierten Nymphenaktivitätsdichte zu tätigen, wurde die räumliche Anomalie der normierten
Nymphenaktivität, d. h. die Abweichung vom Mittelwert aller Transekte, pro Tag gebildet. Die
halbstündigen räumlichen Simulationen der Lufttemperatur und der spezifischen Luftfeuchtigkeit des Zeckenhabitates mit dem Mikroklima-Modell ENVI-met wurden pro Gitterbox über den
jeweiligen Simulationszeitraum der drei Tage zeitlich gemittelt, sodass das Resultat einem vom
Tagesgang bereinigten räumlichen Feld entsprach. Um räumlich mikroklimatische Unterschiede
besser zu erfassen und vom Jahresgang zu bereinigen, wurde für jedes zeitlich gemittelte räumliche Feld der Lufttemperatur und der spezifischen Luftfeuchtigkeit eine räumliche Anomalie, d.
h. die Abweichung vom Feldmittel, gebildet.
8.1. Räumliche Variation im Tagesmittel
Um mögliche Einflüsse meteorologischer Parameter auf die räumliche Nymphenaktivität zu erfassen, wurde die räumlichen Anomalie der zeitlich gemittelten 0.10 m Lufttemperatur und 0.10 m
spezifischen Luftfeuchtigkeit des Modells ENVI-met für den Tag des Onsets, des Maximums und
des Offsets der normierten Nymphenaktivitätsdichte verglichen und mit der räumlichen Anomalie
der normierten Nymphenaktivitätsdichte in Bezug gesetzt.
Die streckenparallelen Transekte 1 und 2 entlang eines Trampelpfades zeigen für alle drei Tage
kein einheitliches Mikroklima anhand der Struktur der räumlichen Anomalie der 0.10 m Lufttemperatur (s. Abb. 8.1, S. 76). Im südlichen Bereich dieser Transekte sind positive Anomalien
75
Transekte
y [m]
60
06./07.03.2014 (07:00-06:30 Uhr [MEZ])
N
N
40
1
2
3
4
5-8
9
20
-
rot
orange
grün
blau
violett
gelb
04./05.04.2014 (06:00-05:30 Uhr [MEZ])
y [m]
60
14./15.04.2014 (05:30-05:00 Uhr [MEZ])
N
N
40
20
40
60
40
x [m]
-1.2
-0.9
60
x [m]
-0.6
-0.3
0.0
0.3
0.6
0.9
1.2
Räumliche Anomalie der 0.10m Lufttemperatur [K]
Abbildung 8.1.: Räumliche Anomalie der zeitlich gemittelten 0.10 m Lufttemperatur des Modells für den Tag des Onsets (06.-07.03.2014, rechts oben), des Maximums (04.05.04.2014, links unten) und des Offsets (14.-15.04.2014, rechts unten) der normierten Nymphenaktivitätsdichte. – Positive/negative (rot/blau) Anomalien:
wärmer/kälter als das Feldmittel.
von bis zu +0.3 K zu erkennen, der sich außerhalb/am Rande des Vegetationsgebietes befindet. Innerhalb des Vegetationsgebietes ist im mittleren bis nördlichen Teil dieser Transekte eine
kältere Lufttemperatur von bis zu -0.3 K festzustellen. Die Transekte 3 und 4, die parallel auf
76
8.1. Räumliche Variation im Tagesmittel
Transekte
y [m]
60
06./07.03.2014 (07:00-06:30 Uhr [MEZ])
N
N
40
1
2
3
4
5-8
9
20
-
rot
orange
grün
blau
violett
gelb
04./05.04.2014 (06:00-05:30 Uhr [MEZ])
y [m]
60
14./15.04.2014 (05:30-05:00 Uhr [MEZ])
N
N
40
20
40
60
40
x [m]
-0.4
-0.3
-0.2
60
x [m]
-0.1
0.0
0.1
0.2
0.3
0.4
Räumliche Anomalie der 0.10m spezifischen Luftfeuchtigkeit [g/kg]
Abbildung 8.2.: Räumliche Anomalie der zeitlich gemittelten 0.10 m spezifischen Luftfeuchtigkeit
des Modells für den Tag des Onsets (06.-07.03.2014, rechts oben), des Maximums
(04.-05.04.2014, links unten) und des Offsets (14.-15.04.2014, rechts unten) der
normierten Nymphenaktivitätsdichte. – Positive/negative (rot/blau) Anomalien:
feuchter/trockener als das Feldmittel.
beiden Seiten eines Trampelpfades verlaufen und sich innerhalb des Vegetationsgebietes befinden, zeigen ein einheitliches Mikroklima, da die Lufttemperatur für alle drei Tage generell kälter
als im Feldmittel ist (negative Abweichungen von -0.4 K). Die Lufttemperatur auf Transekt 5-8
77
Tag des Onsets
06.03.2014
Räumliche Anomalie der
normierten Nymphenaktivitätsdichte
0.8
0.6
Tag des Maximums
04.04.2014
Tag des Offsets
14.04.2014
Transekt 1
Transekt 2
Transekt 3
Transekt 4
Transekt 5−8
Transekt 9
0.4
0.2
0.0
−0.2
Abbildung 8.3.: Räumliche Anomalie der normierten Nymphenaktivitätsdichte für den Tag des
Onsets (06.03.2014), des Maximums (04.04.2014) und des Offsets (14.04.2014)
der normierten Nymphenaktivitätsdichte. – Positive/negative Anomalien:
mehr/weniger wirtssuchende Nymphen als der Mittelwert aller Transekte. Farbgebung der einzelnen Transekte sind identisch mit Abbildung 8.1 und 8.2, jeweils
links oben (s. S. 76 und 77). Zu beachten ist, dass das Flächenmittel von Transekt
9 dominiert wird.
zeigt ein sehr differenziertes Mikroklima, da sich zum einen Teile des Transekts in einem Bereich
mit schwachen Abweichungen entlang der Hecken am Rande des Vegetationsgebietes und zum
anderen ein Teil des Transekts südlich davon in einem Bereich mit großen Abweichungen (positive Anomalien von bis zu +0.5 K) befinden. Auf Transekt 9, südöstlich der Benjeshecke an einer
Wiese gelegen, ist generell ein einheitliches Mikroklima zu erkennen, wobei die Lufttemperatur
wärmer als im Feldmittel (positive Anomalien von bis zu +0.5 K) ist.
Im Gegensatz zur 0.10 m Lufttemperatur zeigt die 0.10 m spezifische Luftfeuchtigkeit der einzelnen Transekte eine differenziertere Verteilung des Mikroklimas, die auch pro Tag variiert, wobei
die Anomalien für den Tag des Onsets und des Maximums der normierten Nymphenaktivitätsdichte sehr gering sind. Während die spezifische Luftfeuchtigkeit südlich auf Transekt 1 und 2
außerhalb des Vegetationsgebietes durchgehend trockener ist (negative Anomalien von bis zu
-0.2 g/kg), zeigen sich innerhalb des Vegetationsgebietes sowohl trockenere als auch feuchtere
Bereiche pro Tag (s. Abb. 8.2, S. 77). Auf den Transekten 3 und 4 zeigt sich ein einheitliches
Mikroklima, welches prinzipiell trockener ist (negative Anomalien von ca. -0.1 g/kg). Für die
spezifische Luftfeuchtigkeit auf Transekt 5-8 lässt sich ein differenziertes Mikroklima feststellen,
da sowohl innerhalb der drei Tage als auch der räumlichen Teilbereiche eine Variabilität herrscht
(-0.1 bis +0.2 g/kg). Das Mikroklima auf Transekt 9 ist größtenteils einheitlich, denn während
sich nördlich und südlich außerhalb der Benjeshecke trockenere Bereiche befinden (ca. -0.1 g/kg),
zeigen sich entlang der Benjeshecke feuchtere Bereiche (+0.2 g/kg).
In Bezug zu den räumlichen Anomalien der zwei meteorologischen Parameter lässt sich für die
räumliche Anomalie der normierten Nymphenaktivitätsdichte feststellen, dass an allen drei Tagen auf Transekt 9 südöstlich der Benjeshecke deutlich mehr wirtssuchende Nymphen gefunden
78
8.2. Räumliche Variation im Tagesgang
wurden, als auf den restlichen Transekten, die sich innerhalb des Vegetationsgebietes befinden
(s. Abb. 8.3). Hierbei gilt jedoch zu beachten, dass das Flächenmittel aller Transekte zu einem
sehr großen Teil von Transekt 9 dominiert wird und somit die anderen Transekte hauptsächlich
negative Anomalien zeigen.
Es scheint die im Modell ENVI-met simulierte räumliche Verteilung der 0.10 m Lufttemperatur
im Tagesmittel stark von der solaren Einstrahlung und des Bedeckungsgrades der Bewölkung
abhängig zu sein, da sich innerhalb des Vegetationsgebietes kältere Gebiete (negative Anomalien)
auf den Transekten 1 bis 4 und außerhalb des Vegetationsgebietes wärmere Gebiete (positive
Anomalien) auf den Transekten 1, 2, 5-8 und 9 zeigen. Für die im Modell ENVI-met simulierte
räumliche Verteilung der 0.10 m spezifischen Luftfeuchtigkeit scheint vor allem die eingestellte
Windrichtung, der Bedeckungsgrad der Bewölkung und die solare Einstrahlung von Bedeutung
zu sein, da sich sowohl innerhalb der einzelnen Transekte als auch der drei Tage Variabilitäten
im Mikroklima zeigen.
Die Ergebnisse des vorherigen Kapitels 8.1 haben gezeigt, dass die räumlichen Anomalien der
zeitlich gemittelten 0.10 m Lufttemperatur und 0.10 m spezifischen Luftfeuchtigkeit für einige Tage relativ gering bzw. annähernd Null sind. Der Grund hierfür ist die zeitliche Mittelung
über den Tagesgang der zwei meteorologischen Variablen. Im Tagesverlauf können jedoch Zustände erreicht werden, die durch die Mittelung im Tagesgang nicht aufgelöst werden. So wird
eine differenziertere Betrachtungsweise eingeführt, in der die Ergebnisse aus Kapitel 7 herangezogen werden, in dem sich im zeitlichen Verlauf der 0.10 m Lufttemperatur- und spezifischen
Luftfeuchtigkeitsdifferenz des Modells zwei Regime gezeigt haben (s. Abb. 7.2 bis 7.4, S. 70 bis
72). In der ersten Tageshälfte bis 14 Uhr [MEZ] war es größtenteils südöstlich der Benjeshecke
wärmer und feuchter, während es in der zweiten Tageshälfte ab 14 Uhr größtenteils nordwestlich der Benjeshecke wärmer und feuchter war. Aus diesem Grund wurden die halbstündigen
räumlichen Simulationen der Lufttemperatur und der spezifischen Luftfeuchtigkeit des Modells
ENVI-met pro Gitterbox für das erste (bis 14 Uhr) bzw. zweite (ab 14 Uhr) Regime der drei
Tage zeitlich gemittelt. Für dieses zeitlich gemittelte räumliche Feld wurde dann ebenfalls wieder
eine räumliche Anomalie, d. h. die Abweichung vom Feldmittel, gebildet. Um mögliche Einflüsse
meteorologischer Parameter auf die räumliche Nymphenaktivität zeitlich differenziert zu erfassen, wurde die räumliche Anomalie der zeitlich gemittelten 0.10 m Lufttemperatur und 0.10 m
spezifischen Luftfeuchtigkeit des Modells ENVI-met des ersten Regimes (bis 14 Uhr) mit dem
des zweiten Regimes (ab 14 Uhr) für den Tag des Onsets, des Maximums und des Offsets der
normierten Nymphenaktivitätsdichte verglichen.
Die Transekte 1 und 2, die parallel entlang eines Trampelpfades verlaufen, zeigen für die räumliche
Anomalie der 0.10 m Lufttemperatur bis 14 Uhr ein einheitliches Mikroklima, das innerhalb des
Vegetationsgebietes kälter als im Feldmittel ist (negative Anomalien von bis zu -0.6 K, s. Abb.
8.4, S. 80). Für das zweite Regime ab 14 Uhr zeigt sich dagegen ein variables Mikroklima,
denn während es im südlichen Bereich der beiden Transekte außerhalb des Vegetationsgebietes
grundsätzlich wärmer ist, gibt es innerhalb des Vegetationsgebietes sowohl wärmere als auch
kältere Bereiche (±0.3 K, s. Abb. 8.5). Für die Transekte 3 und 4, die jeweils auf beiden Seiten
eines Trampelpfades im Vegetationsgebiet verlaufen, ist für das erste Regime generell eine kältere
79
Transekte
y [m]
60
06.03.2014 (07:00-14:00 Uhr [MEZ])
N
N
40
1
2
3
4
5-8
9
20
-
rot
orange
grün
blau
violett
gelb
04.04.2014 (06:00-14:00 Uhr [MEZ])
y [m]
60
14.04.2014 (05:30-14:00 Uhr [MEZ])
N
N
40
20
40
60
40
x [m]
-1.2
-0.9
60
x [m]
-0.6
-0.3
0.0
0.3
0.6
0.9
1.2
Abbildung 8.4.: Räumliche Anomalie der zeitlich gemittelten 0.10 m Lufttemperatur des ersten
Regimes (bis 14 Uhr) des Modells für den Tag des Onsets (06.03.2014, rechts
oben), des Maximums (04.04.2014, links unten) und des Offsets (14.04.2014,
rechts unten) der normierten Nymphenaktivitätsdichte. – Positive/negative
(rot/blau) Anomalien: wärmer/kälter als das Feldmittel.
Lufttemperatur zu erkennen (negative Anomalien von bis zu -1.0 K), wohingegen für das zweite
Regime ein differenziertes Mikroklima festzustellen ist, das jedoch nur minimale Abweichungen
gegenüber dem Feldmittel zeigt (±0.2 K). Auf Transekt 5-8 ist kein einheitliches Mikroklima
80
Transekte
y [m]
60
06./07.03.2014 (14:00-06:30 Uhr [MEZ])
N
N
40
1
2
3
4
5-8
9
20
-
rot
orange
grün
blau
violett
gelb
04./05.04.2014 (14:00-05:30 Uhr [MEZ])
y [m]
60
14./15.04.2014 (14:00-05:00 Uhr [MEZ])
N
N
40
20
40
60
40
x [m]
-1.2
-0.9
60
x [m]
-0.6
-0.3
0.0
0.3
0.6
0.9
1.2
Abbildung 8.5.: Räumliche Anomalie der zeitlich gemittelten 0.10 m Lufttemperatur des zweiten Regimes (ab 14 Uhr) des Modells für den Tag des Onsets (06.-07.03.2014,
rechts oben), des Maximums (04.-05.04.2014, links unten) und des Offsets (14.15.04.2014, rechts unten) der normierten Nymphenaktivitätsdichte. – Positive/negative (rot/blau) Anomalien: wärmer/kälter als das Feldmittel.
bis 14 Uhr zu erkennen, da in der Nähe der Hecken kältere Lufttemperaturen und südlich davon
außerhalb des Vegetationsgebietes wärmere Lufttemperaturen erreicht werden (-0.3 bis +0.7
K). Ab 14 Uhr sind diese Variabilitäten nicht mehr festzustellen, da es durchgehend wärmer
81
Transekte
y [m]
60
06.03.2014 (07:00-14:00 Uhr [MEZ])
N
N
40
1
2
3
4
5-8
9
20
-
rot
orange
grün
blau
violett
gelb
04.04.2014 (06:00-14:00 Uhr [MEZ])
y [m]
60
14.04.2014 (05:30-14:00 Uhr [MEZ])
N
N
40
20
40
60
40
x [m]
-0.4
-0.3
-0.2
60
x [m]
-0.1
0.0
0.1
0.2
0.3
0.4
Abbildung 8.6.: Räumliche Anomalie der zeitlich gemittelten 0.10 m spezifischen Luftfeuchtigkeit des ersten Regimes (bis 14 Uhr) des Modells für den Tag des Onsets
(06.03.2014, rechts oben), des Maximums (04.04.2014, links unten) und des Offsets (14.04.2014, rechts unten) der normierten Nymphenaktivitätsdichte. – Positive/negative (rot/blau) Anomalien: feuchter/trockener als das Feldmittel.
als im Feldmittel war (+0.4 K). Die Lufttemperatur auf Transekt 9 des ersten Regimes ist
generell für alle Tage wärmer als im Feldmittel (+1.0 K), während sich für das zweite Regime
auf Transekt 9 kein einheitliches Mikroklima zeigt, da im südlichen Bereich positive Anomalien
82
Transekte
y [m]
60
06./07.03.2014 (14:00-06:30 Uhr [MEZ])
N
N
40
1
2
3
4
5-8
9
20
-
rot
orange
grün
blau
violett
gelb
04./05.04.2014 (14:00-05:30 Uhr [MEZ])
y [m]
60
14./15.04.2014 (14:00-05:00 Uhr [MEZ])
N
N
40
20
40
60
40
x [m]
-0.4
-0.3
-0.2
60
x [m]
-0.1
0.0
0.1
0.2
0.3
0.4
Abbildung 8.7.: Räumliche Anomalie der zeitlich gemittelten 0.10 m spezifischen Luftfeuchtigkeit
des zweiten Regimes (ab 14 Uhr) des Modells für den Tag des Onsets (06.07.03.2014, rechts oben), des Maximums (04.-05.04.2014, links unten) und des
Offsets (14.-15.04.2014, rechts unten) der normierten Nymphenaktivitätsdichte.
– Positive/negative (rot/blau) Anomalien: feuchter/trockener als das Feldmittel.
und entlang der Benjeshecke negative Anomalien festzustellen sind. Im Gegensatz zur 0.10 m
Lufttemperatur zeigt die räumliche Anomalie der 0.10 m spezifischen Luftfeuchtigkeit größere
Variabilitäten sowohl innerhalb der Transekte als auch der drei Tage. Auf den streckenparallelen
83
Transekten 1 und 2 zeigt sich für das erste Regime (bis 14 Uhr) ein zweigeteiltes Mikroklima, denn
während innerhalb des Vegetationsgebietes trockenere Bereiche zu erkennen sind (-0.3 g/kg),
lassen sich südlich außerhalb des Vegetationsgebietes feuchtere Bereiche feststellen (+0.1 g/kg,
s. Abb. 8.6, S. 82). Das zweite Regime ab 14 Uhr zeigt ein ähnliches Mikroklima für die beiden
Transekte, wobei am Tag des Onsets der normierten Nymphenaktivitätsdichte innerhalb des
Vegetationsgebietes auch feuchtere Abschnitte simuliert wurden (s. Abb. 8.7, S. 83). Auf den
Transekten 3 und 4 ist ein einheitlich trockeneres Mikroklima bis 14 Uhr festzustellen (-0.3 g/kg),
während ab 14 Uhr für die drei Tage sowohl trockenere als auch feuchtere Bereiche zu erkennen
sind (±0.1 g/kg). Das Mikroklima auf Transekt 5-8 ist für das erste und zweite Regime sowohl
durch trockenere als auch feuchtere Bereiche gekennzeichnet und damit nicht einheitlich. Die
spezifische Luftfeuchtigkeit auf Transekt 9 des ersten Regimes zeigt ein einheitliches Mikroklima
(feuchter als im Feldmittel, +0.3 g/kg), während im zweiten Regime die Bereiche sowohl trockener
als auch feuchter als im Feldmittel sind (±0.2 g/kg).
Die zeitlich differenzierte Betrachtungsweise im Tagesgang in Form des ersten (bis 14 Uhr) und
zweiten (ab 14 Uhr) Regimes scheint einen großen Einfluss auf die räumliche Anomalie der zeitlich gemittelten 0.10 m Lufttemperatur und der 0.10 m spezifischen Luftfeuchtigkeit zu haben.
Die Anomalien der Lufttemperatur des ersten Regimes sind deutlich größer, als die des zweiten
Regimes. So zeigen sich generell bis 14 Uhr südlich außerhalb des Vegetationsgebietes und südöstlich der Benjeshecke durch die erhöhte solare Einstrahlung wärmere Bereiche und innerhalb
des Vegetationsgebietes durch den Schattenwurf der Bäume kältere Bereiche. Ab 14 Uhr lassen
sich südlich und westlich außerhalb bzw. nordwestlich innerhalb des Vegetationsgebietes wärmere Bereiche und im restlichen Vegetationsgebiet sowie östlich der Benjeshecke auf der Wiese
kältere Bereiche feststellen. Die Anomalien der spezifischen Luftfeuchtigkeit des ersten Regimes
sind etwas größer und räumlich einheitlicher, als die des zweiten Regimes. So zeigen sich generell
bis 14 Uhr östlich bis südlich außerhalb des Vegetationsgebietes durch die Evapotranspiration
feuchtere Bereiche, während es innerhalb des Vegetationsgebietes trockener als im Feldmittel ist.
Somit lassen sich nur für das erste Regime (bis 14 Uhr) relativ einheitliche Mikroklima auf den
Transekten 3 und 4 bzw. 9 feststellen, die kälter/trockener bzw. wärmer/feuchter als im Feldmittel sind. Auch mit dieser differenzierten Betrachtungsweise lässt sich nur die hohe Anomalie der
normierten Nymphenakivität auf Transekt 9 erklären, wobei insbesondere für das erste Regime
Taubildung und erhöhte Evapotranspiration in Betracht gezogen werden kann. Die Ergebnisse
geben einen Hinweis darauf, dass nicht die Lufttemperatur- und spezifischen Luftfeuchtigkeitsbedingungen eines einzelnen Tages für die unterschiedliche Nymphenaktivität relevant sind, sondern
die vorherrschenden meteorologischen Bedingungen über einen längeren Zeitraum, insbesondere
die Vormittags-/Mittagsstunden.
84
Diese Arbeit entstand auf Grundlage des MILIEU-Projektes, welches inter- und transdiziplinär
die kurz- bis langfristigen Auswirkungen des Klimawandels auf die Umwelt in der Hauptstadtregion Berlin-Brandenburg systemanalytisch, experimentell und empirisch untersuchte und auch
die ökologischen und sozioökonomischen Konsequenzen erforschte. In einem Teilbereich von MILIEU sollte der Einfluss mikroklimatischer Faktoren auf das Auftreten von Zecken untersucht
werden. Das Hauptaugenmerk wurde hierbei vor allem auf verschiedene kleinskalige Klima- und
Umweltfaktoren gelegt, um insbesondere das Mikroklima in innerstädtischer, Stadtrand- und
ländlicher Umgebung bei wechselnden klimatischen und anthropogenen Verhältnissen zu erfassen
[FU-Berlin, 2012] und mit entsprechenden Mikroklima-Modellen zu simulieren. In diesem Kontext widmete sich diese Arbeit der interdisziplinären Fragestellung, ob es einen Zusammenhang
zwischen der Wetterbeobachtung und des Mikroklimas in der Meteorologie und der Aktivität der
Zecken gibt und inwiefern es mit der Mikroklima-Modellierung möglich ist, diesen Zusammenhang auf einem extrem kleinskaligen räumlichen und zeitlichen Skalenbereich zu erfassen.
Da Zecken sich nur auf Wirtssuche begeben bzw. aktiv werden, wenn es die mikroklimatischen
Bedingungen zulassen, hat die Bestimmung dieser Bedingungen mit Hilfe von verschiedenen
meteorologischen Variablen eine hohe Priorität. In veröffentlichten Studien ergibt sich die Problematik von prinzipiell fehlenden Metadaten. Erstens wird oft nicht erwähnt, wo bzw. in welcher
Entfernung zum Zeckenhabitat die meteorologischen Parameter gemessen wurden [Gray, 2008;
Knap et al., 2009], zweitens werden kaum Aussagen über die Installationshöhe der Messgeräte
getätigt, d. h., ob die Messdaten in der Atmosphäre (z. B. 2.00 m), nahe der Erdoberfläche (z. B.
0.05 m) oder im Erdboden (z. B. -0.02 m) aufgezeichnet wurden [Perret et al., 2000; Randolph
et al., 2008; Gray, 2008; Knap et al., 2009] und drittens wird in fast allen Studien die Zeitskala
der festgelegten Schwellenwerte nicht erwähnt, d. h., ob diese auf Stunden-, Tages- oder Wochenmittel beruhen oder es sich um (gemittelte) Minimal- oder Maximalwerte handelt [Pretzmann
et al., 1964; Gern et al., 2008]. Zusätzlich kommt erschwerend hinzu, dass sich viele Schwellenwerte auf Laborversuche beziehen [MacLeod, 1936; Lees, 1946; Stafford, 1994]. Aus diesem Grund
ergab sich im ersten Teil dieser Arbeit die Notwendigkeit, Untersuchungen durchzuführen, die
valide meteorologische Messdaten nutzen und die Metadaten erfassen, um so auch Ergebnisse
mit anderen Studien vergleichbar zu machen.
Es ist jedoch nicht nur interessant, an welchem Standort, in welchem Zeitraum und wie viele wirtssuchende Zecken auftreten, sondern auch, wie sich die wirtssuchenden Zecken innerhalb
ihres Lebensraumes, dem räumlich kleinskaligen Habitat, verteilen. Die räumlich kleinskaligen
Wechselwirkungen des Mikroklimas (Temperatur- und Feuchteverteilung, Schattenwurf) auf die
Zecken wurde untersucht. Da die meteorologischen Messdaten in dieser Arbeit jedoch räumlich kleinskalig nicht so hoch aufgelöst waren, wurde hierzu die Möglichkeit und Fähigkeit des
Mikroklima-Modells ENVI-met getestet, inwiefern das numerische Modell mit einer möglichst
exakten Modellierung des Zeckenhabitates des Standortes Berlin Botanischer Garten in der Lage ist, räumlich kleinskalige Unterschiede atmosphärischer Bedingungen in Wechselwirkung mit
85
komplexen Vegetationsstrukturen zu erfassen und damit den lokalen Einfluss meteorologischer
Parameter auf die Zeckenaktivität zu beschreiben. In allen Ergebnissen wurde der Einfluss biotischer Faktoren auf die Zecken vernachlässigt.
Saisonale Variation Die Populationsdynamik von Ixodes ricinus wurde u. a. von Gray [1982,
2008] untersucht, wobei jährliche bzw. halbjährliche Variationen der Zeckenaktivität oft in Verbindung mit dem Lebenszyklus der Zecke (Larve, Nymphe, Adulte) gebracht wurden. In der
vorliegenden Arbeit wurde die saisonale Variation in Bezug zu mikroklimatischen Einflüssen dargestellt. So zeigte sich ein Zusammenhang zwischen der mittleren Nymphenaktivitätsanzahl des
ersten Halbjahres und der 2.00 m relativen Luftfeuchtigkeit der Vorwitterungszeit jedes Jahres,
denn es stellte sich heraus, dass je trockener/feuchter der Winterperiodenzeitraum von November
bis März war, desto weniger/mehr Nymphen traten im ersten Halbjahr (Januar bis Juni) auf.
Desweiteren zeigte sich ein Zusammenhang zwischen der mittleren Nymphenaktivitätsanzahl des
ersten Halbjahres und der 0.02 m und 0.05 m Erdbodentemperatur der Vorwitterungszeit jedes
Jahres. Je kälter/wärmer der Erdboden über den Winterperiodenzeitraum von November bis
März war, desto weniger/mehr Nymphen traten im ersten Halbjahr (Januar bis Juni) auf. Einen
entscheidenen Anteil an diesem Ergebnis hatte die Schneedecke, denn je geringer die Schneedecke in dem Winterperiodenzeitraum von November bis März war bzw. je öfter sie durchbrochen
war, desto mehr Kälte bzw. Frost konnte in den Erdboden eindringen und desto mehr konnte
der Erdboden in der Nacht ausstrahlen. Daraus lässt sich schließen, dass die mikroklimatischen
Bedingungen der Vorwitterungszeit im Zeitraum von November bis März in Form der relativen Luftfeuchtigkeit, der Erdbodentemperaturen und der Schneedecke einen großen Einfluss auf
die Nymphenaktivität im Bereich des ersten Gipfels (Januar bis Juni) haben. Insbesondere die
Schneedecke diente als Isolator zwischen Atmosphäre und Erdboden und hatte damit nicht nur
einen Einfluss auf die Erdbodentemperaturen, sondern bat vermutlich auch Schutz für die Nymphen vor dem Austrocknen und vor Kälte und Frost.
Die Messungen der relativen Luftfeuchtigkeit und der Erdbodentemperaturen stammten von einer
meteorologischen Messstation (Wetterhütte), die ca. 60 m vom Zeckenhabitat entfernt installiert
war. Es ist nicht auszuschließen, dass sich aussagekräftigere Korrelationen erzielen lassen, wenn
Beobachtungsdaten von Messstationen verwendet werden, die in der Laubschicht, dem Lebensraum der Zecken, installiert sind. Weiterhin wurden die Messungen der Schneehöhe ca. 680 m
entfernt vom Zeckenhabitat durchgeführt, womit diese ebenfalls von der tatsächlichen Schneehöhe im Zeckenhabitat abweichen können. Desweiteren wurden für die relative Luftfeuchtigkeit
Beobachtungsdaten aus einer Messhöhe von 2.00 m verwendet, jedoch ein Schwellenwert für
die verwendete Stundensumme genutzt, der einen signifikanten Anstieg der Mortalitätsrate von
Ixodes scapularis Say für eine relative Luftfeuchtigkeit < 82 % in der Laubschicht beschreibt.
Auch eine Feuchtemessung in der Laubschicht könnte zu stringenteren Assoziationen führen.
Trotzdem scheint dieser Wert auch auf die engverwandte Zeckenart Ixodes ricinus und auf weitere Messhöhen anwendbar zu sein. Da in der Literatur keine Schwellenwerte für die Luft- bzw.
Erdbodentemperaturen vorlagen, die einen signifikanten Anstieg der Mortalitätsrate der Zecken
beschreiben, wurden in dieser Arbeit Schwellenwerte von < 0 ◦ C bis < -10 ◦ C untersucht. Einen
Zusammenhang zwischen der Nymphenaktivität und den Erdbodentemperaturen haben in dieser
Arbeit die Schwellenwerte von < -1 ◦ C (0.02 m Tiefe) und < -4 ◦ C (0.05 m Tiefe) für die Stundensummen gezeigt. Diese Ergebnisse könnten einen Hinweis darauf geben, dass die Aktivität
der Zecken nicht erst bei einem Schwellenwert von 5 bis 7 ◦ C beginnt [Pretzmann et al., 1964],
sondern auch einzelne Nächte mit leichtem Frost die Zecken nicht davon abhält, sich auf Wirts-
86
suche zu begeben [Dautel et al., 2008]. Für die Zusammenhänge der meteorologischen Parameter
mit der mittleren Nymphenaktivitätsanzahl ist zu bedenken, dass diese auf einer verhältnismäßig
geringen Datengrundlage von nur fünf Jahren beruhen. Da der Lebenszyklus der Zecke bis zu
fünf bis sechs Jahre andauern kann [Dautel et al., 2012], können die Ergebnisse nur Tendenzen
möglicher mikroklimatischer Einflüsse beschreiben und (noch) nicht als signifikante Effekte auf
die Nymphenaktivität angesehen werden.
Monatliche Variation Zusätzlich zur saisonalen Variation wurde auch die monatliche Variation
untersucht. So wurde festgestellt, dass der jährliche Verlauf der Nymphenaktivität einer bimodalen Struktur folgt, mit je einem Gipfel pro Halbjahr [Gardiner und Gettinby, 1983; Perret et al.,
2000; Randolph et al., 2002]. Dies konnte auch in dem in dieser Arbeit verwendetem Datensatz
bestätigt werden, wobei sich räumlich differenziert, auf einzelne Transekte bezogen, die bimodale
Struktur nur auf Transekt 9 für alle Jahre kontinuierlich gezeigt hat. Um Aussagen über die
zeitliche Variabilität der Nymphenaktivität treffen zu können, wurde ein konzeptionelles Modell
zur Beschreibung der bimodalen Struktur erstellt, in dem jeweils die Gipfel mit einem linearen
Anstieg (Onset der Nymphenaktivität) und einem exponentiellen Abfall (Offset der Nymphenaktivität) beschrieben wurden. Es stellte sich bei Anwendung des Modells auf Transekt 9 für den
ersten Gipfel heraus, dass der Onset im Bereich März bis Anfang April, das Maximum im April
und der Offset im Bereich April bis Anfang Mai zu finden ist. Die Ergebnisse wurden jedoch
entscheidend von der Anwendung eines linearen Anstiegs bzw. exponentiellen Abfalls in Form
eines einfachen Regressionsmodells beeinflusst.
Für den zeitlichen Verlauf der Nymphenaktivität ist zu beachten, dass insbesondere im Jahr
2010 bis 2012 die Zecken nur ca. alle zwei Wochen gesammelt wurden, wobei teilweise große
Lücken zwischen den Sammelterminen herrschten. Es ist sinnvoller, die Sammlungen wöchentlich
durchzuführen, wie in dem in dieser Arbeit verwendeten Datensatz ab dem Jahr 2013 getätigt.
So zeigte Dobson [2013], dass die Sammlungen in einem Intervall von nicht mehr als drei Wochen
einzuhalten sind, um an präzisere und weniger fehlerbehaftete Daten zu gelangen. Trotz hoher
zeitlicher Auflösung bzw. häufigen Eingriffes in die Aktivität der Zecken zeigten Tälleklint-Eisen
und Lane [2000] in diesem Zusammenhang, dass auch alle zwei Wochen Zecken gesammelt werden
können, ohne dass die Population entscheidend beeinflusst wird. Dies kann in dieser Arbeit
auch für eine wöchentliche Sammlung bestätigt werden, da trotz des häufigen Eingreifens in
die Nymphenaktivität im Jahr 2014 mehr Nymphen gesammelt wurden, als im Jahr 2013. Eine
weitere methodische Einschränkung stellt die Sammlung der Zecken mittels Flagge dar, da diese
bei einer Schneedecke, bei Taubildung und bei Niederschlag nicht durchgeführt werden kann. Dies
hat einen großen Einfluss auf die Ergebnisse des konzeptionellen Modells, da z. B. im Jahr 2013
aufgrund der im März/April vorherrschenden Schneedecke nicht gesammelt werden konnte.
Beobachtung/Messung Zusätzlich zum zeitlichen Aspekt wurde in dieser Arbeit auch der
räumliche Aspekt untersucht, um Wechselwirkungen zwischen der räumlichen Variation der Nymphenaktivität und dem Mikroklima feststellen zu können. Hierbei waren vor allem die streckenparallelen Transekte 1 und 9 entlang einer Benjeshecke auffällig, da eine niedrige/hohe Aktivität
auf Transekt 1/9 (nordwestlich/südöstlich der Benjeshecke) erfasst wurde. Als mögliche Ursache können die abiotischen Einflüsse der 0.10 m Lufttemperatur und der 0.10 m spezifischen
Luftfeuchtigkeit angesehen werden, denn im mittleren Tagesgang der Beobachtungsdaten war
die spezifische Luftfeuchtigkeit für die Monate März bis September auf Transekt 9 höher, als auf
87
Transekt 1. Als Erklärung könnte die Evapotranspiration dienen, denn die Evaporation ist von
der Globalstrahlung und die Transpiration der Vegetation von der solaren Einstrahlung (Lichtstärke) abhängig. Eine offensichtlich größere solare Einstrahlung am Vormittag bis Mittag war auf
Transekt 9 zu verzeichnen, denn die Lufttemperatur und die spezifische Luftfeuchtigkeit korrelierten miteinander. Durch die größere Ausstrahlung in den Nachtstunden auf Transekt 9 könnte
auch die Taubildung zu einer höheren Luftfeuchtigkeit beigetragen haben. Insgesamt scheinen
die mikroklimatischen Bedingungen südöstlich der Benjeshecke prinzipiell für die Nymphen besser geeignet zu sein, als nordwestlich, sodass sie weniger Wasser verlieren bzw. ihr Wasserdefizit
aufgrund der größeren verfügbaren Wassermenge in der Luft auf Transekt 9 besser ausgleichen
können.
Mikroklima-Modellierung mit ENVI-met Um das Zeckenhabitat des Standortes Berlin Botanischer Garten auf mikroklimatische Unterschiede hin zu untersuchen, wurde zur Simulation das
dreidimensionale Mikroklima-Modell ENVI-met verwendet. Mit einer möglichst exakten Modellierung des Zeckenhabitates wurde zuerst die raumzeitliche Entwicklung des Modells untersucht,
d. h. wie das 1D Randmodell mit dem 3D Kernmodell gekoppelt ist. Das 1D Randmodell übernimmt die Aufgabe des Forcings, also die zeitliche Entwicklung der meteorologischen Variablen
in der Grenzschicht, während das 3D Kernmodell für die räumliche Struktur verantwortlich ist.
Die Werte des Vertikalprofils des 1D Randmodells wurden dabei dem 3D Kernmodell übergeben
und entsprechend den Vegetationsstrukturen angepasst.
Bei der Anpassung der Windgeschwindigkeit spielt insbesondere die Blattflächendichte (LAD)
eine große Rolle, denn diese hat einen Impulsverlust zur Folge. Dies zeigte sich anhand der südwestlichen Hecken sowie der Benjeshecke im Modellgebiet. Es scheint jedoch der Breite einer
modellierten Hecke mehr Bedeutung zuzukommen, als der LAD. Denn obwohl der Benjeshecke
eine größere LAD als den südwestlichen Hecken und den Bäumen zugewiesen wurde, hatten
die südwestlichen Hecken und die Baumkronen in höheren Atmosphärenschichten (5.5 und 15.5
m Höhe) einen größeren Impulsverlust zur Folge. Ein weiterer Einfluss auf die Windgeschwindigkeit bestand durch die Windrichtung, denn diese bestimmte maßgeblich die Verteilung der
Windgeschwindigkeitsfelder. Die Anpassung der potentiellen Temperatur wurde insbesondere in
den bodennahen Schichten deutlich, da durch den Schattenwurf der Vegetation zum Teil die
kurzwellige solare Einstrahlung nicht transmittiert wird und sich demzufolge die Temperaturflächen nicht so stark erwärmen können. Die Windgeschwindigkeit und -richtung hatten auf die
Verteilung von kälteren/wärmeren Temperaturflächen im Modellgebiet einen Einfluss, besonders
in den höheren Luftschichten, wobei die LAD wiederum keinen Einluss auf die Temperatur zu
nehmen scheint. Für die Anpassung der spezifischen Luftfeuchtigkeit stellte sich heraus, dass
die räumliche Verteilung größtenteils von der Windrichtung abhängig ist, gefolgt vom Einfluss
der LAD, denn je größer die LAD war, desto größer war auch die spezifische Luftfeuchtigkeit.
Die Breite der Vegetation hatte für diese meteorologische Größe nur eine geringere Bedeutung.
Grundsätzlich zeigten sich für die räumliche Struktur aus der Differenz zwischen 3D Kernmodell
und 1D Randmodell für die potentielle Temperatur und die spezifische Luftfeuchtigkeit negative
Werte, d. h. es war generell kühler und trockener im 3D Kernmodell, als im 1D Randmodell.
Ein Grund könnten negative Rückkopplungsprozesse vom 1D Randmodell zum 3D Kernmodell
sein. Die Austauschvorgänge im 3D Kernmodell wirken somit stabilisierend auf die Grenzschicht
bzw. auf das Vertikalprofil, denn das mikroskalige Modell ENVI-met wurde dazu entwickelt, die
atmosphärischen Austausch- und Gleichgewichtsprozesse möglichst exakt widerzugeben.
88
Weiterhin wurde das Mikroklima-Modell ENVI-met anhand von Beobachtungsdaten zweier
Mikroklimastationen (Punktmessungen) zeitlich validiert, um die Fähigkeiten des Modells zur
Erfassung des Mikroklimas des Zeckenhabitates darzustellen. Die Amplitudenstärke der 0.10 m
Lufttemperatur und der 0.10 m spezifischen Luftfeuchtigkeit im zeitlichen Verlauf des Modells
wurde stark vom Bedeckungsgrad beeinflusst, da dieser sich zeitlich in ENVI-met nicht entwickelt.
Dies ist kein Fehler des Modells, jedoch lässt sich mit dieser Einschränkung ein bedeckter Tag mit
anschließend wolkenfreier Nacht nicht simulieren, wie die Beobachtungsdaten des 06./07.03.2014
und teilweise auch des 14./15.04.2014 zeigten. Generell war die 0.10 m Lufttemperatur im Modell
um bis zu 8 K kälter, als die Beobachtung. Die Abweichungen dieser Größenordnung zeigte auch
schon Jansson [2006] anhand von Differenzen von 6 K zwischen Beobachtung und Modell für die
2.00 m Lufttemperatur in Stockholm, Schweden. Die spezifische Luftfeuchtigkeit war im Modell
um bis zu 3 g/kg trockener, als die Beobachtung. Obwohl die Benjeshecke im Modell transpiriert
und somit nicht der Wirklichkeit entspricht, scheint dies vom Modell anhand der Beobachtungen
nicht überbewertet worden zu sein. Eventuell sind die Austauschvorgänge im 3D Kernmodell
in Form negativer Rückkopplungsprozesse, die stabilisierend auf die Grenzschicht wirken, so
groß, dass die Lufttemperatur und die spezifische Luftfeuchtigkeit zu stark gedämpft werden.
Bei der Validierung des Modells in 0.10 m Messhöhe ist ebenfalls zu beachten, dass in dieser
Höhe verstärkt bodennahe Austauschprozesse eingehen (z. B. Bodenbeschaffenheit, Vegetation),
die Auswirkungen auf die simulierten und gemessenen Werte haben und somit zu den großen
Differenzen zwischen dem Modell und der Beobachtung führen können.
Desweiteren wurde für den zeitlichen Verlauf der 0.10 m Lufttemperatur- und spezifischen Luftfeuchtigkeitsdifferenz zwischen der Mikroklimastation MKS_44 (nordwestlich der Benjeshecke)
minus MKS_47 (südöstlich der Benjeshecke) festgestellt, dass die Wechselwirkungen des Mikroklimas mit den Vegetationsstrukturen vom Modell im Vergleich zu den Beobachtungen nur
grob wiedergegeben wurden. Es ließen sich jedoch für den Tag des Onsets und des Offsets der
normierten Nymphenaktivitätsdichte zwei Regime feststellen, wobei in der ersten Tageshälfte bis
ca. 14 Uhr [MEZ] die Lufttemperatur- und spezifischen Luftfeuchtigkeitsdifferenzen meist negativ, danach in den Abend- und Nachtstunden schwach positiv oder nahe Null waren. Hierfür war
größtenteils der Schattenwurf der Vegetation relevant, wodurch im ersten Regime vermehrt kurzwellige solare Einstrahlung die bodennahen Schichten an Mikroklimastation MKS_47 (südöstlich
der Benjeshecke) erreichte und damit zu mehr Evapotranspiration geführt hat. Im zweiten Regime ab 14 Uhr drehte sich dieser Prozess um, sodass es wärmer und feuchter an Mikroklimastation MKS_44 (nordwestlich der Benjeshecke) war. Mögliche Ursachen für die unterschiedlichen
Lufttemperatur- und spezifischen Luftfeuchtigkeitsdifferenzen zwischen dem Modell und den Beobachtungen können vielfältig sein. Zum einen kann das stationäre Modell keine wechselnde Bewölkung und Windrichtung und zum anderen keine Druckunterschiede in Form von Kaltfronten
und keine Niederschläge simulieren. Desweiteren wurden zur Modellierung des Zeckenhabitates
des Standortes Berlin Botanischer Garten die Vegetationsstrukturen stark vereinfacht und nur
die subjektiv relevantesten eingebaut, wobei das Hauptaugenmerk auf die Bäume, die Benjeshecke und große Hecken gelegt wurde. So wurden z. B. die Bäume südöstlich der Benjeshecke auf
der Wiese nicht beachtet, wobei ein Einfluss dieser Bäume nicht ausgeschlossen werden kann.
Weiterhin wurden die Positionen der Mikroklimastationen MKS_44 und MKS_47 im Modell
ebenfalls subjektiv bestimmt, was eine weitere Fehlerquelle für die Validierung darstellen könnte. Insgesamt zeigt sich für die Validierung des Mikroklima-Modells ENVI-met, dass nicht der
Tag des Jahres, bestimmt mit dem konzeptionellen Modell, entscheidend für die Verifikation
ist, sondern eher die meteorologischen Parameter in Form der Startbedingungen für das Modell
ENVI-met.
89
Aufgrund der geringen räumlichen Auflösung der meteorologischen Messungen im Zeckenhabitat, wurde das Mikroklima-Modell ENVI-met dazu eingesetzt, räumliche Variationen der Nymphenaktivität mit Hilfe mikroklimatischer Aspekte erklären zu können. Hierzu wurden räumliche
Anomalien der zeitlich gemittelten 0.10 m Lufttemperatur und der 0.10 m spezifischen Luftfeuchtigkeit für den Tag des Onsets, des Maximums und des Offsets der normierten Nymphenaktivitätsdichte gebildet. Es zeigte sich für die räumliche Variation der 0.10 m Lufttemperatur im
Tagesmittel der drei Tage, dass es innerhalb des Vegetationsgebietes kältere Gebiete (negative
Anomalien) auf den Transekten 1 bis 4 und außerhalb des Vegetationsgebietes wärmere Gebiete
(positive Anomalien) auf den Transekten 1, 2, 5-8 und 9 gab. Das Mikroklima der 0.10 m spezifischen Luftfeuchtigkeit war nicht einheitlich, da sich sowohl innerhalb der einzelnen Transekte
als auch der drei Tage Variabilitäten feststellen ließen.
Durch das zeitliche Mittel über den Tagesgang wurden die simulierten Werte der Lufttemperatur und der spezifischen Luftfeuchtigkeit stark geglättet, weswegen die Anomalien der zwei
meteorologischen Parameter nur minimal waren. Da im Tagesverlauf Zustände erreicht werden
können, die durch die Mittelung im Tagesgang nicht aufgelöst werden, wurde eine zeitlich differenzierte Betrachtung in Form zweier Regime (Vormittags-/Mittagsstunden bis 14 Uhr [MEZ]
und Nachmittags-/Nachtstunden ab 14 Uhr) eingeführt. So waren die Anomalien der Lufttemperatur des ersten Regimes deutlich größer, als die des zweiten Regimes, wobei sich generell
bis 14 Uhr südlich außerhalb des Vegetationsgebietes und südöstlich der Benjeshecke durch die
erhöhte solare Einstrahlung wärmere Bereiche und innerhalb des Vegetationsgebietes durch den
Schattenwurf der Bäume kältere Bereiche zeigten. Ab 14 Uhr ließen sich südlich und westlich außerhalb bzw. nordwestlich innerhalb des Vegetationsgebietes wärmere Bereiche und im restlichen
Vegetationsgebiet sowie östlich der Benjeshecke auf der Wiese kältere Bereiche feststellen. Die
Anomalien der spezifischen Luftfeuchtigkeit des ersten Regimes waren etwas größer und räumlich
einheitlicher, als die des zweiten Regimes. So zeigten sich generell bis 14 Uhr östlich bis südlich
außerhalb des Vegetationsgebietes durch die Evapotranspiration feuchtere Bereiche, während es
innerhalb des Vegetationsgebietes trockener als im Feldmittel war. In diesem Zusammenhang ließ
sich nur die hohe Anomalie der normierten Nymphenaktivitätsdichte auf Transekt 9 erklären,
wobei insbesondere für das erste Regime Taubildung und erhöhte Evapotranspiration durch die
erhöhte solare Einstrahlung auf der Wiese südöstlich der Benjeshecke in Betracht gezogen werden
konnte.
Möglicherweise sind die Simulationsergebnisse aufgrund der Stationarität des Modells zu stark
von der Windrichtung, des Bedeckungsgrades und der solaren Einstrahlung (Tages- und Jahresgang des Sonnenwinkels) abhängig, sodass die mikroklimatischen Wechselwirkungen der Vegetationsstrukturen eher zweitrangig erscheinen und damit für die Fragestellung für Zecken nur
bedingt geeignet sind. Desweiteren basieren die Simulationstage auf dem konzeptionellen Modell, welches auf Transekt 9 angewendet wurde. Es besteht die Möglichkeit, dass die räumliche
Verteilung der Lufttemperatur- und spezifischen Luftfeuchtigkeitsfelder keine Aussagen für die
anderen Transekte zulassen, da z. B. die Aktivität der Nymphen auf Transekt 5-8 erst nach dem
Tag des Offsets der normierten Nymphenaktivität anstieg. In diesem Zusammenhang muss auch
die räumliche Anomalie der normierten Nymphenaktivität kritisch betrachtet werden, da auf
Transekt 9 generell die meisten Nymphen gefunden wurden und somit die Ergebnisse der anderen Transekte überstrahlt. Die Validierung nur anhand zweier Mikroklimastationen bzw. zweier
Gitterpunkte im Modell könnte räumlich zu gering gewesen sein, als das damit Aussagen für die
komplette räumliche Struktur meteorologischer Parameter gemacht werden könnten.
90
10. Ausblick
In dieser Arbeit hat sich gezeigt, dass eine solide Datengrundlage der Zeckensammlungen von
großer Bedeutung ist, d. h., dass insbesondere auf eine möglichst zeitlich konstante, wöchentliche
Sammlung geachtet werden sollte, um sinnvolle Auswertungen vornehmen zu können. Mit einer größeren Datengrundlage könnte zum einen das konzeptionelle Modell zur Beschreibung der
bimodalen Struktur der Nymphenaktivität bestätigt und verbessert werden und zum anderen
könnten weitere Zusammenhänge zwischen dem Mikroklima und den Zecken erforscht werden,
insbesondere auch für das Stadium der Adulten. In diesem Zusammenhang würden Langzeitstudien helfen, um zumindestens einen kompletten Lebenszyklus der Zecken auswerten zu können.
Aus diesem Grund werden aktuell im Zeckenhabitat des Standortes Berlin Botanischer Garten
weiterhin Zecken gesammelt.
Um die mikroklimatischen Bedingungen der Zecken zu bestimmen, sollte neben den üblichen
meteorologischen Parametern der relativen Luftfeuchtigkeit und der Lufttemperatur vermehrt
die Erdbodentemperatur, die Schneedecke und die spezifische Luftfeuchtigkeit in zukünftigen
Studien einfließen, da diese sich als neue Indikatoren für die Zeckenaktivität erwiesen haben.
Weiterhin wurden seit dem April 2014 entlang der Benjeshecke im Zeckenhabitat des Standortes
Berlin Botanischer Garten weitere Mikroklimastationen installiert. Hiermit ist eine höhere Dichte
an meteorologischen Messstationen auf Höhe des Lebensraumes der Zecken gewährleistet, womit
zum einen das Mikroklima mit mehr Beobachtungsdaten entlang der Benjeshecke erfasst werden
kann und zum anderen eine noch kleinskaligere Auswertung für die Teilbereiche der Transekte 1
und 9 möglich ist. In diesem Zusammenhang kann bei der Validierung von Mikroklima-Modellen
somit auf mehrere Punktmessungen zurückgegriffen werden, die sich in einem Bereich hoher
Zeckenaktivität befinden (Transekt 9 südöstlich der Benjeshecke). Neben der Validierung kann
auch die Modellierung des Zeckenhabitates des Standortes Berlin Botanischer Garten verbessert
werden, indem eine exakte Ausmessung des zu simulierenden Gebietes mit einem LIDAR durchgeführt wird, womit Fehler räumlicher Strukturparameter minimiert werden könnten. Eventuell ist
auch die Anordnung der Heckenstruktur für mikroklimatische Wechselwirkungen entscheidend,
sodass sich insbesondere bei einer nord-süd- oder west-ost-ausgerichteten Hecke andere räumliche
Variationen in der Nymphenaktivität aufzeigen. Hierzu könnten Szenarien beispielhaft modelliert
und ausgewertet werden.
Für den Einfluss meteorologischer Parameter auf die räumliche Variation der Zeckenaktivität
sind möglicherweise die vorherrschenden Bedingungen (> 7 Tage) für die Zecken wichtiger und
nicht die kurzfristigen (< 1 Tag), da Zecken langsam auf die Änderung meteorologischer Bedingungen reagieren [Berger, 2011]. Es wäre in Betracht zu ziehen, mehrere Zeiträume mit dem
Mikroklima-Modell ENVI-met zu simulieren (> 7 Tage) und hieraus einen mittleren Zustand
der vorherrschenden Bedingungen der meteorologischen Parameter zu berechnen. So könnte die
zeitliche Auflösung der Simulationen (täglich) der der Zecken (wöchentlich) angepasst werden.
91
10. Ausblick
Das in dieser Arbeit verwendete Mikroklima-Modell ENVI-met wird stetig verbessert und weiterentwickelt. Eventuell lassen sich mit einer neueren Version (insbesondere in Verbindung mit dem
Forcing der Lufttemperatur und -feuchtigkeit in 2.00 m Höhe) bessere Ergebnisse erzielen.
92
Tabellenverzeichnis
3.1. Vegetationstypen im Zeckensammelgebiet des Standortes Berlin Botanischer Garten. 19
3.2. Streckenlänge [m] der einzelnen Transekte im Zeckensammelgebiet des Standortes
Berlin Botanischer Garten. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.3. Meteorologische Messdaten im Zeckensammelgebiet des Standortes Berlin Botanischer Garten, die in dieser Arbeit zur Verfügung standen. . . . . . . . . . . . . 22
4.1. Ganzjährige und halbjährige absolute Anzahl wirtssuchender Nymphen aller Transekte im Zeckensammelgebiet des Standortes Berlin Botanischer Garten. . . . . .
4.2. Berechnete Zeitspanne [Tage] für den Onset τan (Anstieg von 37 % auf das Maximum) und den Offset τab (Abfall vom Maximum auf 37 %) der normierten
Nymphenaktivitätsdichte auf Transekt 9 mit dazugehörigem Bestimmtheitsmaß
R2 des jeweils ersten Gipfels der Jahre 2010 bis 2014. – Der Mittelwert (Ø) wurde
mit der durchschnittlichen Nymphenanzahl des ersten Gipfels aus Tabelle 4.1 (s.
S. 30) gewichtet. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3. Berechneter Tag des Jahres für den Onset (37 % vom Maximum), das Maximum
und den Offset (37 % vom Maximum) der normierten Nymphenaktivitätsdichte
auf Transekt 9 des jeweils ersten Gipfels der Jahre 2010 bis 2014. . . . . . . . . .
5.1. Bestimmtheitsmaß R2 des linearen Regressionsmodells (bestehend aus der Stundensumme [102 Std] (s. Abb. 5.2, S. 39) in Abhängigkeit der mittleren Nymphenaktivitätsanzahl im Bereich des ersten Gipfels (s. Tab. 4.1, S. 30)) für die 2.00 m
und 0.05 m Lufttemperatur sowie die 0.02 m und 0.05 m Erdbodentemperatur. –
NaN bedeutet, dass in diesem Fall in allen Jahren die Stundensumme gleich Null
war. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
30
34
35
40
6.1. Definierte Erdbodentypen im Modell ENVI-met für das Zeckenhabitat des Standortes Berlin Botanischer Garten. – V: Bodenart, ns: volumetrischer Wassergehalt bei Sättigung [m3 /m3 ], nfc: volumetrischer Wassergehalt bei Feldkapazität
[m3 /m3 ], nwilt: volumetrischer Wassergehalt bei Welkepunkt [m3 /m3 ], matpot:
Matrix-Potential bei Sättigung [m], hyr: hydraulische Leitfähigkeit bei Sättigung
[10−6 m/s], CP: volumetrische Wärmekapazität [J/m3 K], b: Clapp und Hornberger [1978] Konstante, Hcn: Wärmeleitfähigkeit des Materials [W/mK]. . . . . . . 55
6.2. Definierte 1D-Vegetationstypen im Modell ENVI-met für das Zeckenhabitat des
Standortes Berlin Botanischer Garten. Die Kennzeichen sind identisch mit Tabelle 3.1 (s. S. 19). – C?: Pflanzentyp bez. CO2 , TY: Pflanzentyp, rs-m: minimaler
Stomata-Widerstand, a_f: Albedo, HH.HH: Höhe der Pflanze [m], TT.TT: Wurzeltiefe [m], LAD: Blattflächendichte [m2 /m3 ], RAD: Wurzelflächendichte [m2 /m3 ]. 56
6.3. Definierte 3D-Vegetationstypen im Modell ENVI-met für das Zeckenhabitat des
Standortes Berlin Botanischer Garten. Die Kennzeichen sind identisch mit Tabelle
3.1 (s. S. 19). – Abkürzungen der einzelnen Parameter s. Tab. 6.2. . . . . . . . . . 56
I
Tabellenverzeichnis
6.4. Startwerte der meteorologischen Parameter für die Konfigurationsdatei des Modells ENVI-met für drei Simulationstage (Onset/Maximum/Offset der normierten
Nymphenaktivitätsdichte: 06.03.2014/04.04.2014/14.04.2014), die in dieser Arbeit
ausgewertet wurden. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
58
A.1. Beobachtungsdaten des gesamten und tiefen Bedeckungsgrades der Wetterbeobachtungsstation Berlin-Dahlem (Wetterturm des Instituts für Meteorologie, Freie
Universität Berlin) für die drei Simulationstage (Onset/Maximum/Offset der normierten Nymphenaktivitätsdichte: 06.03.2014/04.04.2014/14.04.2014). – Der Bedeckungsgrad innerhalb der gestrichelten Linien wurde zur Bestimmung des Bedeckungsgrades für die Simulationen verwendet. . . . . . . . . . . . . . . . . . . . XX
II
1.1. Approximierte geographische Verteilung von Ixodes ricinus sowie weitere wichtige
der zur Familie Ixodidae zugehörige Zeckenarten [Brown et al., 2005]. . . . . . . .
1.2. Der Lebenszyklus von Ixodes ricinus (Gemeiner Holzbock), beschrieben durch drei
Stadien: Larve, Nymphe und Adulte [LUH, 2014]. . . . . . . . . . . . . . . . . . .
1.3. Charakteristische räumliche und zeitliche Skalenbereiche von verschiedenen Modellen zur Beschreibung von makro, meso- und mikroskaligen Prozessen [DWD,
2014]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1. Beschreibung der interdisziplinären Methodik durch verschiedene raumzeitliche
Wechselwirkungen zwischen der Meteorologie und den Zecken. . . . . . . . . . . .
2.2. Idealisierter zeitlicher Verlauf der Nymphenaktivität bestehend aus zwei Gipfeln.
– Rot: linearer Anstieg, blau: exponentieller Abfall. . . . . . . . . . . . . . . . . .
3.1. Karte des Standortes Berlin Botanischer Garten [BGBM, 2014]. Die rot-markierte,
eingenordete Box stellt das Untersuchungs- bzw. Sammelgebiet der Zecken dar. .
3.2. Vegetation im Zeckensammelgebiet am Standort Berlin Botanischer Garten. Trampelpfade sind grau dargestellt. Oben: Kartographierung der Bäume A bis J (s.
Tab. 3.1). Unten: Kartographierung der Hecken a bis i sowie der Bodenvegetation
1 (Gebiet mit gelb-gestrichelter Linie) und 2 (s. Tab. 3.1). . . . . . . . . . . . . .
3.3. Die einzelnen Transekte im Zeckensammelgebiet des Standortes Berlin Botanischer
Garten, die anhand der Habitatstruktur ausgerichtet sind. – Transekt 1 (rot),
Transekt 2 (orange), Transekt 3 (grün), Transekt 4 (blau), Transekt 5-8 (violett)
und Transekt 9 (gelb). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.4. Verfügbare Messstationen im Zeckensammelgebiet am Standort Berlin Botanischer
Garten. – BOT: Wetterhütte des Botanischen Gartens, Z_BOT: mobile Messstation, MKS: Mikroklimastationen. . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1. Vergleich der 2.00 m relativen Luftfeuchtigkeit [%] zwischen dem Monatsmittel
der Station Berlin Botanischen Garten (BOT) von November 2009 bis Juni 2014
und der Klimatologie der Station Berlin-Dahlem (Referenzperiode: 1961-1990). –
Oben: Absolute Werte der Monatsmittel (orange-durchgezogen: BOT, schwarzpunktiert-gestrichelt: Referenz). Unten: Differenz der Monatsmittel BOT minus
Referenz (grün: positive Abweichungen (feuchter als normal), braun: negative Abweichungen (trockener als normal)). . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2. Vergleich der Monatsmittel der 2.00 m Lufttemperatur [◦ C] zwischen der Wetterhütte des Botanischen Gartens (BOT) und der Station Berlin-Dahlem (Referenz)
für den Zeitraum November 2009 bis Juni 2014. – Oben: Absolute Werte der Monatsmittel (orange-durchgezogen: BOT, schwarz-punktiert-gestrichelt: Referenz).
Unten: Differenz der Monatsmittel BOT minus Referenz (rot: positive Abweichungen (wärmer als normal), blau: negative Abweichungen (kälter als normal)).
1
4
8
13
15
17
18
20
23
26
27
III
4.3. Vergleich der Monatsmittel der Schneehöhe [cm] zwischen der Messstation des Instituts für Meteorologie (IfM) und der Station Berlin-Dahlem (Referenz) für den
Zeitraum November 2009 bis Juni 2014. – Oben: Absolute Werte der Monatsmittel (orange-durchgezogen: IfM, schwarz-punktiert-gestrichelt: Referenz). Unten:
Differenz der Monatsmittel IfM minus Referenz (hellgrau: positive Abweichungen
(höher als normal), hellblau: negative Abweichungen (niedriger als normal)). . . .
28
4.4. Zeitlicher Verlauf der normierten Nymphenaktivitätsdichte aller Transekte für die
Jahre 2010 (blau, Kreis), 2011 (schwarz, Dreieck), 2012 (violett, Kreuz), 2013 (rot,
Quadrat) und 2014 (grün, Raute). . . . . . . . . . . . . . . . . . . . . . . . . . .
29
4.5. Saisonaler mittlerer Tagesgang (durchgezogen), saisonales mittleres Tagesminimum (gestrichelt) sowie -maximum (punktiert-gestrichelt) der Lufttemperatur
[◦ C] gemittelt über die Jahre 2010 bis 2013 für die Wetterhütte (BOT, blau)
und die mobile Messstation (Z_BOT, rot). – Zu beachten ist, dass die Messhöhe
der Wetterhütte bei 2.00 m und die der mobilen Messstation bei 1.00 m liegt. . .
31
4.6. Saisonaler mittlerer Tagesgang (durchgezogen), saisonales mittleres Tagesminimum (gestrichelt) sowie -maximum (punktiert-gestrichelt) der relativen Luftfeuchtigkeit [%] gemittelt über die Jahre 2010 bis 2013 für die Wetterhütte (BOT, blau)
und die mobile Messstation (Z_BOT, rot). – Zu beachten ist, dass die Messhöhe
der Wetterhütte bei 2.00 m und die der mobilen Messstation bei 1.00 m liegt. . .
32
4.7. Transektbezogener relativer Anteil der normierten Nymphenaktivitätsdichte [%]
identisch mit Abbildung 3.3 (s. S. 20). . . . . . . . . . . . . . . . . . . . . . . . .
33
4.8. Zeitlicher Verlauf der normierten Nymphenaktivitätsdichte auf Transekt 9 für die
Jahre 2010 (blau, Kreis), 2011 (schwarz, Dreieck), 2012 (violett, Kreuz), 2013 (rot,
Quadrat) und 2014 (grün, Raute). . . . . . . . . . . . . . . . . . . . . . . . . . .
33
4.9. Beschreibung des Verlaufes der normierten Nymphenaktivitätsdichte von Transekt
9 für den ersten Gipfel (Bereich Januar bis Juni) für die Jahre 2010 bis 2014 mit
Hilfe eines linearen Regressionsmodells für den Onset (linearer Anstieg, rot) und
den Offset (exponentieller Abfall, blau). – Die farbigen Punkte/Rauten geben an,
welche Messwerte in die jeweilige Regressionsrechnung eingegangen sind, wohingegen die farbigen Linien die dazugehörige Regressionsgerade/-kurve darstellen. .
35
5.1. (a) Stundensumme [102 Std] der 2.00 m relativen Luftfeuchtigkeit < 82 % der
Wetterhütte des Botanischen Gartens (BOT) für den Zeitraum November bis März
für die Jahre 2009/10 (blau), 2010/11 (schwarz), 2011/12 (violett), 2012/13 (rot)
und 2013/14 (grün). – (b) Regressionsmodell bestehend aus der Stundensumme
aus Abbildung (a) in Abhängigkeit der mittleren Nymphenaktivitätsanzahl im
Bereich des ersten Gipfels (Januar bis Juni) (s. Tab. 4.1, S. 30). . . . . . . . . . .
38
[102
5.2. Stundensumme
Std] des Zeitraums November bis März der (a) 2.00 m Lufttemperatur, (b) 0.05 m Lufttemperatur, (c) 0.02 m Erdbodentemperatur und (d)
und 2013/14 (grün) für die Schwellenwerte < 0 ◦ C bis < -10 ◦ C. . . . . . . . . .
39
[102
5.3. Regressionsmodell bestehend aus der Stundensumme
Std] (s. Abb. 5.2, S. 39)
in Abhängigkeit der mittleren Nymphenaktivitätsanzahl im Bereich des ersten
Gipfels (Januar bis Juni) (s. Tab. 4.1, S. 30) für die (a) 0.02 m Erdbodentemperatur < -1 ◦ C und (b) 0.05 m Erdbodentemperatur < -4 ◦ C. . . . . . . . . . . .
IV
40
5.4. Stundensumme [102 Std] des Zeitraums November bis März der (a) 2.00 m Lufttemperatur, (b) 0.05 m Lufttemperatur, (c) 0.02 m Erdbodentemperatur und (d)
und 2013/14 (grün) für den Schwellenwert < 0 ◦ C. . . . . . . . . . . . . . . . . .
41
5.5. Tages-Schneehöhe [cm] der Messstation des Instituts für Meteorologie der Freien
Universität Berlin für den Zeitraum November bis März für die Jahre 2009/10
(blau), 2010/11 (schwarz), 2011/12 (violett), 2012/13 (rot) und 2013/14 (grün). .
42
5.6. Transektbezogener relativer Anteil der normierten Nymphenaktivitätsdichte [%]
identisch mit Abbildung 3.3 (s. S. 20). . . . . . . . . . . . . . . . . . . . . . . . .
43
[◦ C]
5.7. Differenz des mittleren Tagesganges der 0.10 m Lufttemperatur
zwischen der
Mikroklimastation MKS_44 minus MKS_47 für die Monate März bis Oktober,
gemittelt über die Jahre 2011 bis 2013. – Rote/blaue Flächen: positive/negative
Differenzen, schwarz-durchgezogene Linie: gleitendes Stundenmittel. . . . . . . . .
44
5.8. Differenz des mittleren Tagesganges der 0.10 m spezifischen Luftfeuchtigkeit [g/kg]
zwischen der Mikroklimastation MKS_44 minus MKS_47 für die Monate März
bis Oktober, gemittelt über die Jahre 2011 bis 2013. – Rote/blaue Flächen: positive/negative Differenzen, schwarz-durchgezogene Linie: gleitendes Stundenmittel.
45
6.1. Schematischer Aufbau des Modells ENVI-met [Bruse, 1999]. . . . . . . . . . . . .
48
6.2. Schema der Initialisierungsphase des mikroskaligen Modells ENVI-met für die einzelnen Modellkomponenten. – Atmosphäre: Initialisierung des Bedeckungsgrades
(schwarze Pfeile), des Strömungsfeldes (blaue Pfeile) und des Temperatur- (rote
Pfeile) und Feuchtefeldes (grüne Pfeile). Erdboden: Initialisierung des Erdbodentemperatur- und Feuchtefeldes (schwarzer Pfeil). . . . . . . . . . . . . . . . . . .
54
6.3. Zeckenhabitat des Standortes Berlin Botanischer Garten, modelliert mit dem dreidimensionalen mikroskaligen Modell ENVI-met. . . . . . . . . . . . . . . . . . . .
57
6.4. Raumzeitliche Entwicklung des mikroskaligen Modells ENVI-met anhand einzelner
Modellkomponenten. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
60
6.5. Zeitlicher Verlauf des Vertikalprofils des 1D Randmodells für die potentielle Temperatur [◦ C] (links), die spezifische Luftfeuchtigkeit [g/kg] (mitte) und die Windgeschwindigkeit [m/s] (rechts) für den Simulationstag 04.04.2014 (s. Tab. 6.4, S. 58)
in Abhängigkeit des Bedeckungsgrades der tiefen (T), mittelhohen (M) und hohen
(H) Bewölkung. – Bedeckungsgrad der Bewölkung: wolkenlos (grau-gestrichelt),
7/8 (schwarz-durchgezogen). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
61
6.6. Räumliche Struktur der Windgeschwindigkeit [m/s] des 3D Kernmodells (links)
und der Windgeschwindigkeitsdifferenz [m/s] des 3D Kernmodells minus des 1D
6.4, S. 58). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
62
[◦ C]
6.7. Räumliche Struktur der potentiellen Temperatur
des 3D Kernmodells (links)
und der potentiellen Temperaturdifferenz [K] des 3D Kernmodells minus des 1D
6.4, S. 58). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
63
V
VI
6.8. Räumliche Struktur der spezifischen Luftfeuchtigkeit [g/kg] des 3D Kernmodells
(links) und der spezifischen Luftfeuchtigkeitsdifferenz [g/kg] des 3D Kernmodells
minus des 1D Randmodells (rechts) für die Höhen 0.5 m (unten), 5.5 m (mitte) und
15.5 m (oben) des Simulationstages 04.04.2014, 12 Uhr [MEZ], ohne Bewölkung
(s. Tab. 6.4, S. 58). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
64
7.1. Höhenwetterkarte für 500 hPa und Bodenwetterkarte für den Tag des Onsets
(06.03.2014, oben), des Maximums (04.04.2014, mitte) und des Offsets (14.04.2014,
unten) der normierten Nymphenaktivitätsdichte. - Kartenmaterial siehe http:
//www.berliner-wetterkarte.de/. . . . . . . . . . . . . . . . . . . . . . . . . .
68
7.2. Oben: Zeitlicher Verlauf der 0.10 m Lufttemperatur (links) und der 0.10 m spezifischen Luftfeuchtigkeit (rechts) für Beobachtung (durchgezogene Linien) und
Modell (gestrichelte Linien) an den Mikroklimastationen MKS_44 (blau) und
MKS_47 (orange) für den Tag des Onsets der normierten Nymphenaktivitätsdichte (06.-07.03.2014). Unten: Zeitlicher Verlauf der 0.10 m Lufttemperaturdifferenz (links) und der 0.10 m spezifischen Luftfeuchtigkeitsdifferenz (rechts) zwischen Mikroklimastation MKS_44 minus MKS_47 für Beobachtung und Modell
(rote/blaue Flächen: positive/negative Differenzen, schwarz-durchgezogene Linie:
gleitendes Stunden-Mittel). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
70
7.3. Wie Abb. 7.2, jedoch für den Tag des Maximums der normierten Nymphenaktivitätsdichte (04.-05.04.2014). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
71
7.4. Wie Abb. 7.2, jedoch für den Tag des Offsets der normierten Nymphenaktivitätsdichte (14.-15.04.2014). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
72
8.1. Räumliche Anomalie der zeitlich gemittelten 0.10 m Lufttemperatur des Modells für den Tag des Onsets (06.-07.03.2014, rechts oben), des Maximums (04.05.04.2014, links unten) und des Offsets (14.-15.04.2014, rechts unten) der normierten Nymphenaktivitätsdichte. – Positive/negative (rot/blau) Anomalien: wärmer/kälter als das Feldmittel. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
76
8.2. Räumliche Anomalie der zeitlich gemittelten 0.10 m spezifischen Luftfeuchtigkeit
des Modells für den Tag des Onsets (06.-07.03.2014, rechts oben), des Maximums
(04.-05.04.2014, links unten) und des Offsets (14.-15.04.2014, rechts unten) der
normierten Nymphenaktivitätsdichte. – Positive/negative (rot/blau) Anomalien:
feuchter/trockener als das Feldmittel. . . . . . . . . . . . . . . . . . . . . . . . . .
77
8.3. Räumliche Anomalie der normierten Nymphenaktivitätsdichte für den Tag des
Onsets (06.03.2014), des Maximums (04.04.2014) und des Offsets (14.04.2014) der
normierten Nymphenaktivitätsdichte. – Positive/negative Anomalien: mehr/weniger wirtssuchende Nymphen als der Mittelwert aller Transekte. Farbgebung der
einzelnen Transekte sind identisch mit Abbildung 8.1 und 8.2, jeweils links oben (s.
S. 76 und 77). Zu beachten ist, dass das Flächenmittel von Transekt 9 dominiert
wird. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
78
8.4. Räumliche Anomalie der zeitlich gemittelten 0.10 m Lufttemperatur des ersten
Regimes (bis 14 Uhr) des Modells für den Tag des Onsets (06.03.2014, rechts
oben), des Maximums (04.04.2014, links unten) und des Offsets (14.04.2014, rechts
unten) der normierten Nymphenaktivitätsdichte. – Positive/negative (rot/blau)
Anomalien: wärmer/kälter als das Feldmittel. . . . . . . . . . . . . . . . . . . . .
80
8.5. Räumliche Anomalie der zeitlich gemittelten 0.10 m Lufttemperatur des zweiten Regimes (ab 14 Uhr) des Modells für den Tag des Onsets (06.-07.03.2014,
rechts oben), des Maximums (04.-05.04.2014, links unten) und des Offsets (14.15.04.2014, rechts unten) der normierten Nymphenaktivitätsdichte. – Positive/negative
(rot/blau) Anomalien: wärmer/kälter als das Feldmittel. . . . . . . . . . . . . . . 81
8.6. Räumliche Anomalie der zeitlich gemittelten 0.10 m spezifischen Luftfeuchtigkeit
des ersten Regimes (bis 14 Uhr) des Modells für den Tag des Onsets (06.03.2014,
rechts oben), des Maximums (04.04.2014, links unten) und des Offsets (14.04.2014,
rechts unten) der normierten Nymphenaktivitätsdichte. – Positive/negative (rot/blau)
Anomalien: feuchter/trockener als das Feldmittel. . . . . . . . . . . . . . . . . . . 82
8.7. Räumliche Anomalie der zeitlich gemittelten 0.10 m spezifischen Luftfeuchtigkeit des zweiten Regimes (ab 14 Uhr) des Modells für den Tag des Onsets (06.07.03.2014, rechts oben), des Maximums (04.-05.04.2014, links unten) und des
Offsets (14.-15.04.2014, rechts unten) der normierten Nymphenaktivitätsdichte. –
Positive/negative (rot/blau) Anomalien: feuchter/trockener als das Feldmittel. . . 83
A.1. Zeitlicher Verlauf der normierten Nymphenaktivitätsdichte von (a) Transekt 1
und (b) Transekt 2 für die Jahre 2010 (blau, Kreis), 2011 (schwarz, Dreieck), 2012
(violett, Kreuz), 2013 (rot, Quadrat) und 2014 (grün, Raute). . . . . . . . . . . .
A.2. Zeitlicher Verlauf der normierten Nymphenaktivitätsdichte von (a) Transekt 3, (b)
Transekt 4 und (c) Transekt 5-8 für die Jahre 2010 (blau, Kreis), 2011 (schwarz,
Dreieck), 2012 (violett, Kreuz), 2013 (rot, Quadrat) und 2014 (grün, Raute). . . .
A.3. Räumliche Anomalie der zeitlich gemittelten 0.10 m Lufttemperatur (oben) und
der 0.10 m spezifischen Luftfeuchtigkeit (unten) der Beobachtung für den Tag des
Onsets (06./07.03.2014, 07:00 - 06:30 Uhr [MEZ], links), des Maximums (04./05.04.2014, 06:00 - 05:30 Uhr, mitte) und des Offsets (14./15.04.2014, 05:30 05:00 Uhr, rechts) der normierten Nymphenaktivitätsdichte. – Positive/negative
Anomalien: wärmer/kälter bzw. feuchter/trockener als der Mittelwert aller Mikroklimastationen (MKS). Farbgebung der Symbole der Mikroklimastationen entspricht dem Standort im jeweiligen Transekt (s. Abb. 3.3, S. 20). . . . . . . . . .
A.4. 2.00 m Windrichtung [◦ ] der mobilen Messstation (Z_BOT) für den 05.-07.03.2014
(oben), den 03.-05.04.2014 (mitte) und den 13.-15.04.2014 (unten). . . . . . . . .
A.5. Histogramm mit zugehöriger Wahrscheinlichkeitsdichtefunktion (rote Linie) zur
Bestimmung der maximalen Wahrscheinlichkeitsdichte (schwarze Raute) der 2.00
m Windrichung [◦ ] der mobilen Messstation (Z_BOT) für die Tage (a) 06./07.03.2014 (06:30 - 06:29 Uhr [MEZ]), (b) 04./05.04.2014 (05:30 - 05:29 Uhr) und
(c) 14./15.04.2014 (05:00 - 04:59 Uhr). – Die Klasseneinteilung wurde nach der
Methode von Freedman und Diaconis [1981] durchgeführt. . . . . . . . . . . . . .
XVII
XVIII
XIX
XXI
XXII
VII
[Anderson 1989] Anderson, J.F.: Epizootiology of Borrelia in Ixodes tick vectors and reservoir
hosts. In: Review of Infectious Diseases 11 (1989), Nr. Supplement 6, S. S1451–S1459
[Benjes 1998] Benjes, H.: Die Vernetzung von Lebensräumen mit Benjeshecken. Bd. 5., überarb. Aufl. Natur und Umwelt Verlag, 1998
[Berger 2011] Berger, K.A.: Identifying microclimatic components of a tick encounter risk
index for Ixodes scapularis, University of Rhode Island, Dissertation, 2011
[Berger et al. 2014] Berger, K.A. ; Ginsberg, H.S. ; Dugas, K.D. ; Hamel, L.H. ; Mather,
T.N.: Adverse moisture events predict seasonal abundance of Lyme disease vector ticks (Ixodes
scapularis). In: Parasites & vectors 7 (2014), Nr. 1, S. 181
[BGBM 2014] BGBM: Botanischer Garten und Botanisches Museum Berlin-Dahlem. : BGBM
- Freie Universität Berlin (Veranst.), 2014. – http://www.bgbm.org/de/node/1079, Stand:
27.05.2014
[Brown et al. 2005] Brown, R.N. ; Lane, R.S. ; Dennis, D.T. ; Goodman, J.L. ; Sonenshine,
D.E.: Geographic distributions of tick-borne diseases and their vectors. In: Tick-borne diseases
of humans (2005), S. 363–391
[Bruse 1999] Bruse, M.: Die Auswirkungen kleinskaliger Umweltgestaltung auf das Mikroklima,
Ruhr-Universität Bochum, Dissertation, 1999
[Bruse 2000] Bruse, M.: Anwendung von mikroskaligen Simulationsmodellen in der Stadtplanung. In: Simulation raumbezogener Prozesse: Methoden und Anwendung (2000)
[Bruse 2003]
S. 66–70
Bruse, M.: Stadtgrün und Stadtklima. In: LÖBF-Mitteilungen 1 (2003), Nr. 03,
[Bruse und Fleer 1998] Bruse, M. ; Fleer, H.: Simulating surface–plant–air interactions inside
urban environments with a three dimensional numerical model. In: Environmental Modelling
& Software 13 (1998), Nr. 3-4, S. 373–384
[Bruse und Schuster 2008]
bäudesimulation. (2008)
Bruse, M. ; Schuster, H.: Mikrosimulation ergänzend zur Ge-
[BWK 2014] BWK: Wetter aus Berlin, Deutschland und der Welt. : Berliner Wetterkarte e.
V. (Veranst.), 2014. – http://www.berliner-wetterkarte.de/
IX
[Campbell 1948] Campbell, J.A.: The life history and development of the sheep tick Ixodes
ricinus L. in Scotland under natural and controlled conditions, University of Edinburgh, Dissertation, 1948
[Chandler 1955] Chandler, A.C.: Introduction to Parasitology with special reference to the
Parasites of Man. John Wiley & Sons, Inc.; Chapman & Hall Ltd., 1955 (9th Ed.)
[Clapp und Hornberger 1978] Clapp, R.B. ; Hornberger, G.M.: Empirical equations for
some soil hydraulic properties. In: Water resources research 14 (1978), Nr. 4, S. 601–604
[Dautel et al. 2008] Dautel, H. ; Dippel, C. ; Kämmer, D. ; Werkhausen, A. ; Kahl,
O.: Winter activity of Ixodes ricinus in a Berlin forest. In: International Journal of Medical
Microbiology 298 (2008), S. 50–54
[Dautel et al. 2012] Dautel, H. ; Kämmer, D. ; Heger, J. ; Kahl, O.: Use of field plots as
a new approach to monitor seasonal questing and the timing of the life cycle of Ixodes ricinus.
2012. – nicht-publizierter Vortrag, Internationaler Workshop Tick-borne Diseases 2012
[Deardorff 1978] Deardorff, J.W.: Efficient prediction of ground surface temperature and
moisture with inclusion of a layer of vegetation. In: Journal of Geophysical Research 83 (1978),
Nr. C4, S. 1889–1903
[Dobson 2013] Dobson, A.D.M.: Ticks in the wrong boxes: assessing error in blanket-drag
studies due to occasional sampling. In: Parasites & Vectors 6 (2013), S. 344
[Donnelly 1987] Donnelly, J.: The ecology of Ixodes ricinus. In: PHLS Microbiology Digest
4 298 (1987), S. 52–53
[DWD 1998] DWD: Aspirations-Psychrometer-Tafeln. Bd. 7., vollst. überarb. Aufl. Deutscher
Wetterdienst, 1998
[DWD 2014]
DWD:
Skalentrennung.
: Deutscher Wetterdienst - Wetter und Klima aus einer Hand (Veranst.), 2014. –
http://www.dwd.de/bvbw/appmanager/bvbw/
dwdwwwDesktop?_nfpb=true&_pageLabel=dwdwww_result_page&portletMasterPortlet_
i1gsbDocumentPath=Navigation%2FOeffentlichkeit%2FAufgabenspektrum%
2FNumerische__Modellierung%2FAS__NM__Phys__Par__Skalentrennung__node.html%
3F__nnn%3Dtrue, Stand: 01.10.2014
[Eckert et al. 2008] Eckert, J. ; Friedhoff, K.T. ; Zahner, H. ; Deplazes, P.: Lehrbuch
der Parasitologie für die Tiermedizin. 2. überarb. Aufl. Enke Verlag, 2008
[Eichhorn 1989] Eichhorn, J.: Entwicklung und Anwendung eines dreidimensionalen mikroskaligen Stadtklima-Modells, Johannes Gutenberg-Universität Mainz, Dissertation, 1989
[Fahmy et al. 2009] Fahmy, M. ; Sharples, S. ; Eltrapolsi, A.: Dual stage simulations to
study the microclimatic effects of trees on thermal comfort in a residential building, Cairo,
Egypt. (2009)
X
[Freedman und Diaconis 1981] Freedman, D. ; Diaconis, P.: On the histogram as a density
estimator: L 2 theory. In: Probability theory and related fields 57 (1981), Nr. 4, S. 453–476
[FU-Berlin 2012] FU-Berlin: Institut für Meteorologie. : MILIEU, Der Mensch im Ballungsraum unter Klima- und Umwelteinflüssen (Veranst.), 2012. – http://www.milieu.fu-berlin.
de, Stand: 17.07.2014
[Gardiner und Gettinby 1983] Gardiner, W.P. ; Gettinby, G.: A weather-based prediction
model for the life-cycle of the sheep tick, Ixodes ricinus L. In: Veterinary parasitology 13
(1983), Nr. 1, S. 77–84
[Gardiner et al. 1981] Gardiner, W.P. ; Gettinby, G. ; Gray, J.S.: Models based on weather
for the development phases of the sheep tick, Ixodes ricinus L. In: Veterinary Parasitology 9
(1981), Nr. 1, S. 75–86
[Gardiner und Gray 1986] Gardiner, W.P. ; Gray, J.S.: A computer simulation of the effects
of specific environmental factors on the development of the sheep tick Ixodes ricinus L. In:
Veterinary Parasitology 19 (1986), Nr. 1, S. 133–144
[Gern et al. 2008] Gern, L. ; Morán Cadenas, F. ; Burri, C.: Influence of some climatic
factors on Ixodes ricinus ticks studied along altitudinal gradients in two geographic regions in
Switzerland. In: International Journal of Medical Microbiology 298 (2008), S. 55–59
[Goddard 2012] Goddard, J.: Physician’s guide to arthropods of medical importance. CRC
Press, 2012 (6th Ed.)
[Gray 1982] Gray, J.S.: The development and questing activity of Ixodes ricinus (L.)(Acari:
Ixodidae) under field conditions in Ireland. In: Bulletin of Entomological Research 72 (1982),
Nr. 02, S. 263–270
[Gray 2008] Gray, J.S.: Ixodes ricinus seasonal activity: Implications of global warming
indicated by revisiting tick and weather data. In: International Journal of Medical Microbiology
298 (2008), S. 19–24
[Gutman und Torrance 1975] Gutman, D.P. ; Torrance, K.E.: Response of the urban
boundary layer to heat addition and surface roughness. In: Boundary-Layer Meteorology 9
(1975), Nr. 2, S. 217–233
[Hancock et al. 2011] Hancock, P.A. ; Brackley, R. ; Palmer, S.C.F.: Modelling the effect
of temperature variation on the seasonal dynamics of Ixodes ricinus tick populations. In:
International Journal for Parasitology 41 (2011), Nr. 5, S. 513–522
[Heyer 1972]
Heyer, E.: Witterung und Klima. Teubner, 1972
[Huttner 2012] Huttner, S.: Further development and application of the 3D microclimate
simulation ENVI-met, Johannes Gutenberg-Universität Mainz, Dissertation, 2012
[Huttner et al. 2008]
Huttner, S. ; Bruse, M. ; Dostal, P.: Using ENVI-met to simulate the
XI
impact of global warming on the microclimate in central European cities. In: 5th JapaneseGerman Meeting on Urban Climatology, 2008, S. 307–312
[IfM 2013] IfM: Meteorologische Mittel- und Extremwerte von Berlin-Dahlem. : Institut für Meteorologie - Freie Universität Berlin (Veranst.), 2013. – http://www.berliner-extremwerte.
com/Berliner-Extremwerte.htm, Stand: 14.06.2014
[Jansson 2006] Jansson, C.: Urban microclimate and surface hydrometeorological processes,
KTH, Land and Water Resources Engineering, Dissertation, 2006. – viii, 24 S. – QC 20100901
[Jones und Kitron 2000] Jones, C.J. ; Kitron, U.D.: Populations of Ixodes scapularis (Acari:
Ixodidae) are modulated by drought at a Lyme disease focus in Illinois. In: Journal of Medical
Entomology 37 (2000), Nr. 3, S. 408–415
[Knap et al. 2009] Knap, N. ; Durmiši, E. ; Saksida, A. ; Korva, M. ; Petrovec, M. ;
Avšič-Županc, T.: Influence of climatic factors on dynamics of questing Ixodes ricinus ticks
in Slovenia. In: Veterinary parasitology 164 (2009), Nr. 2, S. 275–281
[Knülle und Wharton 1964] Knülle, W. ; Wharton, G.W.: Equilibrium humidities in arthropods and their ecological significance. In: Acarologia 6 (1964), S. 299–306
[Lahme und Bruse 2003] Lahme, E. ; Bruse, M.: Microclimatic effects of a small urban park
in densely built-up areas: measurements and model simulations. (2003), S. 1–5
[Lees 1946] Lees, A.D.: The water balance in Ixodes ricinus L. and certain other species of
ticks. In: Parasitology 37 (1946), Nr. 1-2, S. 1–20
[LUH 2014] LUH: Der Entwicklungszyklus der Zecke. : Fachrat Biologie - Leibnitz Universität Hannover (Veranst.), 2014. – http://www.fsbio-hannover.de/oftheweek/65/65_
entwicklungszyklus.jpg, Stand: 19.07.2014
[MacLeod 1932] MacLeod, J.: The bionomics of Ixodes ricinus L., the "sheep tick" of Scotland.
In: Parasitology 24 (1932), 10, S. 382–400
[MacLeod 1934] MacLeod, J.: Ixodes ricinus in relation to its physical environment: The
influence of climate on development. In: Parasitology 26 (1934), 6, S. 282–305
[MacLeod 1935a] MacLeod, J.: Ixodes ricinus in relation to its physical environment: II. The
factors governing survival and activity. In: Parasitology 27 (1935), 2, S. 123–144
[MacLeod 1935b] MacLeod, J.: Ixodes ricinus in relation to its physical environment: III.
Climate and reproduction. In: Parasitology 27 (1935), 2, S. 489–500
[MacLeod 1936] MacLeod, J.: Ixodes ricinus in relation to its physical environment. IV. An
analysis of the ecological complexes controlling distribution and activities. In: Parasitology 28
(1936), Nr. 3, S. 295–319
[Oxer und Ricardo 1942]
XII
Oxer, D.T. ; Ricardo, C.L.: Notes on the biology, toxicity and
breeding of Ixodes holocyclus (Neumann). In: Australian Veterinary Journal 18 (1942), Nr. 5,
S. 194–199
[Pearson und Hartley 1972] Pearson, E.S. ; Hartley, H.O.: Biometrika Tables for Statisticians, Vol. 2. Cambridge University Press. 1972
[Perret et al. 2000] Perret, J.-L. ; Guigoz, E. ; Rais, O. ; Gern, L.: Influence of saturation
deficit and temperature on Ixodes ricinus tick questing activity in a Lyme borreliosis-endemic
area (Switzerland). In: Parasitology Research 86 (2000), Nr. 7, S. 554–557
[Plorin 2014] Plorin, Max: Einfluss verschiedener Feuchtegrößen auf die Aktivität von Zecken
(Ixodes ricinus). 2014. – Bachelorarbeit
[Pretzmann et al. 1964] Pretzmann, G. ; Radda, A. ; Loew, J.: Studien zur Ökologie von
Ixodes ricinus L. in einem Endemiegebiet der Frühsommer-Meningoencephalitis (FSME) im
Bezirk Neunkirchen (Nieder-Österreich). In: Zeitschrift für Morphologie und Ökologie der Tiere
54 (1964), Nr. 4, S. 393–413
[Randolph et al. 2008] Randolph, S.E. ; Asokliene, L. ; Avsic-Zupanc, T. ; Bormane,
A. ; Burri, C. ; Gern, L. ; Golovljova, I. ; Hubalek, Z. ; Knap, N. ; Kondrusik, M. ;
Kupka, A. ; Pejcoch, M. ; Vasilenko, V. ; Žygutiene, M.: Variable spikes in tick-borne
encephalitis incidence in 2006 independent of variable tick abundance but related to weather.
In: Parasites & Vectors 1 (2008), Nr. 1, S. 44
[Randolph et al. 2002] Randolph, S.E ; Green, R.M ; Hoodless, A.N ; Peacey, M.F:
An empirical quantitative framework for the seasonal population dynamics of the tick Ixodes
ricinus. In: International Journal for Parasitology 32 (2002), Nr. 8, S. 979–989
[Rodgers et al. 2007] Rodgers, S.E. ; Zolnik, C.P. ; Mather, T.N.: Duration of exposure
to suboptimal atmospheric moisture affects nymphal blacklegged tick survival. In: Journal of
medical entomology 44 (2007), Nr. 2, S. 372–375
[Schönwiese 2006] Schönwiese, C.-D.: Praktische Statistik für Meteorologen und Geowissenschaftler. Bd. 4., verb. und erw. Aufl. Borntraeger Berlin, Stuttgart, 2006
[Sonntag 1990] Sonntag, D.: Important new values of the physical constants of 1986, vapour
pressure formulations based on the ITS-90, and psychrometer formulae. In: Zeitschrift für
Meteorologie 70 (1990), S. 340–344
[Stafford 1994] Stafford, K.C.: Survival of immature Ixodes scapularis (Acari: Ixodidae) at
different relative humidities. In: Journal of medical entomology 31 (1994), Nr. 2, S. 310–314
[Terjung und O’Rourke 1980] Terjung, W.H. ; O’Rourke, P.A.: Simulating the causal
elements of urban heat islands. In: Boundary-Layer Meteorology 19 (1980), Nr. 1, S. 93–118
[Tälleklint-Eisen und Lane 2000] Tälleklint-Eisen, L. ; Lane, R.S.: Efficiency of drag
sampling for estimating population sizes of Ixodes pacificus (Acari: Ixodidae) nymphs in leaf
litter. In: Journal of medical entomology 37 (2000), Nr. 3, S. 484–487
XIII
[Yang et al. 2013] Yang, X. ; Zhao, L. ; Bruse, M. ; Meng, Q.: Evaluation of a microclimate model for predicting the thermal behavior of different ground surfaces. In: Building and
Environment 60 (2013), S. 93–104
XIV
Anhang
XV
(a) Transekt 1
1.0
2010
2011
2012
2013
2014
0.8
0.6
0.4
0.2
0.0
J
F
M
A
M
J
J
A
S
O
N
D
Zeit [Monat]
(b) Transekt 2
1.0
2010
2011
2012
2013
2014
0.8
0.6
0.4
0.2
0.0
J
F
M
A
M
J
J
A
S
O
N
D
Zeit [Monat]
Abbildung A.1.: Zeitlicher Verlauf der normierten Nymphenaktivitätsdichte von (a) Transekt 1
und (b) Transekt 2 für die Jahre 2010 (blau, Kreis), 2011 (schwarz, Dreieck),
2012 (violett, Kreuz), 2013 (rot, Quadrat) und 2014 (grün, Raute).
XVII
(a) Transekt 3
1.0
2010
2011
2012
2013
2014
0.8
0.6
0.4
0.2
0.0
J
F
M
A
M
J
J
A
S
O
N
D
Zeit [Monat]
(b) Transekt 4
1.0
2010
2011
2012
2013
2014
0.8
0.6
0.4
0.2
0.0
J
F
M
A
M
J
J
A
S
O
N
D
Zeit [Monat]
(c) Transekt 5−8
1.0
2010
2011
2012
2013
2014
0.8
0.6
0.4
0.2
0.0
J
F
M
A
M
J
J
A
S
O
N
D
Zeit [Monat]
Abbildung A.2.: Zeitlicher Verlauf der normierten Nymphenaktivitätsdichte von (a) Transekt 3,
(b) Transekt 4 und (c) Transekt 5-8 für die Jahre 2010 (blau, Kreis), 2011
(schwarz, Dreieck), 2012 (violett, Kreuz), 2013 (rot, Quadrat) und 2014 (grün,
Raute).
XVIII
06./07.03.2014
(07:00−06:30 Uhr [MEZ])
04./05.04.2014
(06:00−05:30 Uhr [MEZ])
14./15.04.2014
(05:30−05:00 Uhr [MEZ])
zeitlich gemittelten 0.10m
Lufttemperatur [K]
0.4
0.2
0.0
−0.2
zeitlich gemittelten 0.10m
spezifischen Luftfeuchtigkeit [g/kg]
−0.4
0.3
MKS_43
MKS_44
MKS_45
MKS_46
MKS_47
0.2
0.1
0.0
−0.1
−0.2
−0.3
Abbildung A.3.: Räumliche Anomalie der zeitlich gemittelten 0.10 m Lufttemperatur (oben) und
der 0.10 m spezifischen Luftfeuchtigkeit (unten) der Beobachtung für den Tag
des Onsets (06./07.03.2014, 07:00 - 06:30 Uhr [MEZ], links), des Maximums
(04./05.04.2014, 06:00 - 05:30 Uhr, mitte) und des Offsets (14./15.04.2014,
05:30 - 05:00 Uhr, rechts) der normierten Nymphenaktivitätsdichte. – Positive/negative Anomalien: wärmer/kälter bzw. feuchter/trockener als der Mittelwert aller Mikroklimastationen (MKS). Farbgebung der Symbole der Mikroklimastationen entspricht dem Standort im jeweiligen Transekt (s. Abb. 3.3, S.
20).
XIX
Tabelle A.1.: Beobachtungsdaten des gesamten und tiefen Bedeckungsgrades der Wetterbeobachtungsstation Berlin-Dahlem (Wetterturm des Instituts für Meteorologie, Freie
Universität Berlin) für die drei Simulationstage (Onset/Maximum/Offset der normierten Nymphenaktivitätsdichte: 06.03.2014/04.04.2014/14.04.2014). – Der Bedeckungsgrad innerhalb der gestrichelten Linien wurde zur Bestimmung des Bedeckungsgrades für die Simulationen verwendet.
06./07.03.2014
Uhrzeit
(MEZ)
00:50
03:50
06:50
09:50
12:50
15:50
18:50
21:50
00:50
03:50
06:50
09:50
XX
gesamt
(x/8)
8
8
8
7
7
2
0
0
0
0
9
8
tiefe
(x/8)
7
7
7
7
7
2
0
0
0
0
8
8
04./05.04.2014
Bewölkung
gesamt tiefe
(x/8) (x/8)
7
7
7
0
7
0
7
1
7
7
7
1
8
5
7
6
8
6
8
3
8
0
8
5
14./15.04.2014
gesamt
(x/8)
7
7
8
7
6
7
7
1
7
5
7
4
tiefe
(x/8)
0
7
4
7
6
6
7
1
7
3
6
3
05./06./07.03.2014
360
2m Windrichtung [°]
315
270
225
180
135
90
45
0
00 03 06 09 12 15 18 21 00 03 06 09 12 15 18 21 00 03 06 09 12 15 18 21 00
Zeit [MEZ]
03./04./05.04.2014
360
315
270
225
180
135
90
45
0
00 03 06 09 12 15 18 21 00 03 06 09 12 15 18 21 00 03 06 09 12 15 18 21 00
Zeit [MEZ]
13./14./15.04.2014
360
315
270
225
180
135
90
45
0
00 03 06 09 12 15 18 21 00 03 06 09 12 15 18 21 00 03 06 09 12 15 18 21 00
Zeit [MEZ]
Abbildung A.4.: 2.00 m Windrichtung [◦ ] der mobilen Messstation (Z_BOT) für den 05.07.03.2014 (oben), den 03.-05.04.2014 (mitte) und den 13.-15.04.2014 (unten).
XXI
(a) 06./07.03.2014 (06:30−06:29 Uhr [MEZ])
Wahrscheinlichkeitsdichte
0.04
174.76 [°]
0.03
0.02
0.01
0.00
(b) 04./05.04.2014 (05:30−05:29 Uhr [MEZ])
0.04
72.95 [°]
0.03
0.02
0.01
0.00
(c) 14./15.04.2014 (05:00−04:59 Uhr [MEZ])
0.04
281.68 [°]
0.03
0.02
0.01
0.00
0
45
90
135
180
225
270
315
360
Abbildung A.5.: Histogramm mit zugehöriger Wahrscheinlichkeitsdichtefunktion (rote Linie) zur
Bestimmung der maximalen Wahrscheinlichkeitsdichte (schwarze Raute) der
2.00 m Windrichung [◦ ] der mobilen Messstation (Z_BOT) für die Tage (a)
06./07.03.2014 (06:30 - 06:29 Uhr [MEZ]), (b) 04./05.04.2014 (05:30 - 05:29
Uhr) und (c) 14./15.04.2014 (05:00 - 04:59 Uhr). – Die Klasseneinteilung wurde
nach der Methode von Freedman und Diaconis [1981] durchgeführt.
XXII
Danksagung
Zunächst gilt mein Dank den beiden Gutachtern Prof. Dr. Sahar Sodoudi und PD Dr. Peter
Névir für die Vergabe und die Betreuung dieses spannenden, interdisziplinären Themas.
Darüber hinaus bedanke ich mich in ganz besonderem Maße bei Prof. Dr. Sahar Sodoudi, PD Dr.
Peter Névir, Dr. Klaus Müller und Dr. Dania Richter für die vielen unterhaltsamen, interessanten
und gemeinsamen Besprechungen bezüglich dieser Arbeit, in denen thematische Anregungen
und Vorschläge diskutiert und wertvolle Hinweise zur inhaltlichen Ausrichtung gegeben wurden,
auch wenn es nicht immer einfach war, die unterschiedlichen Sichtweisen von vier Betreuern
gleichermaßen zu berücksichtigen.
Für die hilf- und aufschlussreichen Diskussionen bezüglich des Mikroklima-Modells ENVI-met
und weiterer theoretischer Fragen möchte ich mich bei PD Dr. Peter Névir bedanken.
Danken möchte ich auch Dr. Klaus Müller, der bei Fragen und Problemen aller Art jederzeit
hilfsbereit zur Verfügung stand.
Auch den Mitarbeitern des Instituts für Pathologie (Abt. Parasitologie) der Charité Universitätsmedizin Berlin möchte ich für das Zeckensammeln in den Jahren 2010 bis 2012, insbesondere
Dr. Dania Richter für das ehrenamtliche, fortlaufende Sammeln der Zecken, danken.
Ferner gilt mein Dank Dr. Klaus Müller und Georg Myrcik für die Bereitstellung der Messdaten
aller Beobachtungsstationen im Botanischen Garten Berlin und des Instituts für Meteorologie der
Freien Universität Berlin, vor allem für das wöchentliche Auslesen der Mikroklimastationen, sowie
Dipl. Gartenbau-Ing. Thorsten Laute für die Vegetationsdatenbank des Botanischen Gartens,
ohne die eine detaillierte Modellierung des Zeckenhabitates nicht möglich gewesen wäre.
Desweiteren möchte ich Dr. Dania Richter für das Korrekturlesen und für weitere Anmerkungen
und Tipps bezüglich dieser Arbeit danken.
Ein großes Dankeschön gilt nicht zuletzt auch meinen Eltern und meiner Familie, die mich während des gesamten Studiums tatkräftig unterstützt haben. Vielen Dank auch allen Freunden und
Kommilitonen, die mir während der Studienzeit beiseite standen.
Erklärung
Hiermit versichere ich, dass ich die vorliegende Arbeit zur Erlangung des Hochschulgrades ’Master of Science (M. Sc.)’ selbstständig verfasst und keine anderen als die zitierten Quellen und
Hilfsmittel benutzt habe.
Berlin, 25. März 2015
Ken Vollack

Numerische Simulation und Verifikation mikroklimatischer

Transcrição

Documentos relacionados

Besuch bei der ZAMG

Totes-Meer-Salzgrotte

Parasiten beim Hund

Kleine Zecke - großes Risiko

Die Zecken

Schutz vor Parasiten - Tierarztpraxis in Gleinstätten

Unfallkasse Rheinland

Zecken - aerztinnen praxis

FSME - Impfung / Zeckenimpfung

pdf-Datei zum Ausdrucken - Infektionsbiologie und Epidemiologie