Untersuchung der Oberflächentemperaturen am Schrankogel mittels Infrarot-Thermographie : Korrelation zu klimatischen Parametern und Oberflächeneigenschaften

Die räumliche Verteilung der Vegetation in einer hochalpinen Landschaft wird in hohem Maße von den mikroklimatischen Standortfaktoren geprägt. Der Oberflächentemperatur kommt in diesem Kontext als Indikator für die mikroklimatische Variabilität der Bedingungen an Vegetationsstandorten aufgrund von komplexer Topographie und heterogenen Oberflächeneigenschaften eine Schlüsselrolle zu. Infrarot-Thermographie mittels einer tragbaren Kamera kann hier Informationen in hoher zeitlicher und räumlicher Auflösung bei akzeptabler räumlicher Abdeckung liefern. Um die räumlich-zeitliche Variabilität der Oberflächentemperatur zu untersuchen, wurden mithilfe einer Thermalkamera zwei 24 h-Zeitreihen am 12.08.2021 und 27.10.2021 von der Südwestflanke des Schrankogel aufgenommen. Zusammen mit den im Kontext des MICROCLIM-Projektes aufgenommenen RGB-Webcambildern wurden die Thermographiezeitreihen mittels eines Monoplotting-Verfahrens auf ein Digitales Oberflächenmodell (DTM) projiziert. Die anschließende atmosphärische und Emissionsgradkorrektur der projizierten Temperaturbilder erwies sich als notwendiger Schritt zur Interpretation der Zeitreihen. Tests zeigten, dass das Korrekturmodell die Abweichung zwischen gemessener und realer Oberflächentemperatur mit guten Ergebnissen korrigieren kann. Um die Oberflächentemperaturen in einem mikroklimatischen Rahmen untersuchen zu können, wurden aus den RGB-Bildern, dem DTM und Lufttemperaturmessungen ein Vegetationsindex (ExGreen), die potentielle tägliche Solarstrahlungssumme, die mittlere Lufttemperatur und der Sky View Factor für die jeweiligen Messtage berechnet. Es zeigt sich eine große Variabilität der räumlichen Verteilung der Oberflächentemperaturen zwischen Sommer und Herbst aufgrund phänologischer Veränderungen der Vegetationsbedeckung, die sich auch im ExGreen widerspiegeln. Die Tagestemperaturen der Oberfläche korrelieren im Sommer stark mit der Vegetationsbedeckung und im Herbst, durch das Fehlen aktiver Vegetation, mehr mit der
The spatial distribution of vegetation in a high alpine landscape is highly influenced by microclimatic site location factors. In this context, surface temperature plays a key role as an indicator for the microclimatic variability of conditions at vegetation sites due to complex topography and heterogeneous surface properties. Here, Infrared thermography using a portable thermal camera can provide information at high temporal and spatial resolution with acceptable spatial coverage. To investigate the spatio-temporal variability of surface temperature, two 24 h time series were acquired from the southwestern flank of Mt. Schrankogel on August 12, 2021 and October 27, 2021 using a thermal camera. Together with the RGB webcam images taken within the MICROCLIM project, the thermal time series were projected onto a digital surface model (DSM) using a monoplotting procedure. Subsequent atmospheric and emissivity correction of the projected temperature images proved to be a necessary step in interpreting the time series. Tests showed, that the correction model was able to minimize the difference between measured and real surface temperature with good results. In order to examine surface temperatures in a microclimatic framework, a vegetation index (ExGreen), potential incoming solar radiation, mean air temperature, and sky view factor were calculated from the RGB images, DSM, and air temperature measurements for each measurement day. A large variability in the spatial distribution of surface temperatures between summer and fall was detected due to phenological changes in vegetation cover, which are also reflected in the ExGreen. Daytime surface temperatures strongly correlate with vegetation cover in summer. In autumn daytime surface temperatures correlate more with solar radiation and thus topographic conditions, due to the absence of active vegetation. In general, nighttime temperatures are tied to air temperature and sky view factor. Regression analysis using a Random F
Masterarbeit Universität Innsbruck 2023