Fusion af satellitdata til analyse af urbane varmeøer
Session
Bynatur
Abstract
Kommuner står over for stigende udfordringer i håndteringen af varmebelastning i tætbebyggede områder. Land Surface Temperature (LST) er et centralt datagrundlag for at identificere varmebelastede byområder, men eksisterende LST‑produkter har enten for grov rumlig opløsning eller for lav tidslig frekvens til planlægning.
Vi præsenterer en metode til højopløselig kortlægning af LST, hvor termiske satellitdata kombineres på tværs af sensorer for at levere temperaturkort i 10–20 m opløsning med høj tidslig dækning. Metoden fusionerer daglige, lavopløselige temperaturmålinger med højopløselige areal‑ og overfladeegenskaber og anvender statistiske og maskinlæringsbaserede modeller til nedskalering.
Resultatet er detaljerede temperaturkort til at understøtte planlægning ved identifikation af varmeøer, prioritering af grønne tiltag samt evaluering af klimatilpasning på bydelsniveau.
Målgruppe
Oplægget henvender sig til alle deltagere ved Kortdage 2026, der arbejder som kommunale medarbejdere inden for by‑ og lokalplanlægning, klima og miljø samt GIS og geodata. En anden målgruppe for indlægget er deltagere, der arbejder med varmebelastning, klimatilpasning og datadrevet beslutningsstøtte i byudvikling.
Yderligere uddybning af abstract
Kommuner spiller en central rolle i forebyggelse og håndtering af stigende varmebelastning i byerne, herunder hedebølger, urbane varmeøer og lokale termiske hotspots. Disse fænomener har betydning for borgernes sundhed, energiforbrug, biodiversitet og byens generelle robusthed over for klimaforandringer. Land Surface Temperature (LST) er et vigtigt analysegrundlag i denne sammenhæng, men tilgængelige satellitbaserede temperaturprodukter giver sjældent den rumlige detalje eller tidslige dækning, der er nødvendig for konkrete planlægningsopgaver.
I dette indlæg præsenteres en metode til højopløselig og operationel kortlægning af LST baseret på super‑resolution og multisensor‑fusion. Metoden adresserer den klassiske udfordring, at termiske satellitter med høj gentagelsesfrekvens typisk har grov opløsning, mens højopløselige termiske observationer er sjældne og ofte præget af datamangler. Ved at kombinere daglige LST‑observationer fra lavopløselige termiske sensorer med højopløselige overfladeparametre fra multispektrale satellitter kan temperaturen nedskaleres til 10–20 m opløsning.
Den rumlige nedskalering sker ved hjælp af statistiske og maskinlæringsbaserede modeller, som udnytter sammenhænge mellem temperatur og overfladeegenskaber såsom vegetation, befæstelse og arealanvendelse. Resultatet er konsistente, højopløselige temperaturkort, der kan produceres regelmæssigt og sammenlignes på tværs af tid.
For kommuner åbner dette nye muligheder for analyser og beslutningsstøtte. De højopløselige LST‑kort kan anvendes til identifikation af lokale varmeøer på bydels‑ og kvartersniveau, prioritering af grønne og blå klimatilpasningstiltag, vurdering af effekten af ny beplantning eller byomdannelse samt dokumentation i klima‑, sundheds‑ og planlægningsarbejde. Metoden understøtter dermed en mere målrettet og datadrevet tilgang til klimaforebyggelse og byudvikling.
