Seismographie 2.0: Umwandlung von Windschwingungen in Klimadaten

 

Vom Datenchaos zur visuellen Klarheit. Entdecken Sie, wie wir seismische Signale verarbeiten, um die Auswirkungen von Wind in Echtzeit zu überwachen und urbane Erschütterungen von der kontinuierlichen Energie der Luft zu trennen.

 

Seismographie 2.0: Umwandlung von Windschwingungen in Klimadaten

Seismographie 2.0: Umwandlung von Windschwingungen in Klimadaten
Lesezeit: 3 Minuten

Vom Datenchaos zur visuellen Klarheit

Kann der Boden unter unseren Füßen uns verraten, wie stark der Wind weht? Die kurze Antwort lautet: Ja. Doch der Weg, um diese Informationen zu gewinnen, ist alles andere als einfach. In seismologischen Stationen in der Nähe von Städten ist der Wind nicht das Einzige, was den Sensor zum Beben bringt; Verkehr, Industrie und menschliche Aktivitäten erzeugen ein konstantes "Rauschen", das die Signale der Natur oft überlagert.

In diesem Artikel zeigen wir auf, wie es uns gelungen ist, die kurzen "Stöße" der Stadt von der kontinuierlichen Energie der Luft in der Region Gironès zu trennen.

Die Herausforderung: Spitzen oder Dichte?

Wenn wir ein rohes Sismogramm betrachten, sehen wir ein Wirrwarr an Linien. An Werktagen ist die Grafik voller vorübergehender Spitzen (Spikes): vorbeifahrende Autos, Maschinen oder urbane Aktivitäten. Diese Spitzen haben eine große Amplitude, dauern aber nur sehr kurz an.

Wind hingegen verhält sich anders. Er ist kein kurzer Schlag, sondern eine kontinuierliche Energie, die die seismische Spur "dicker" oder dichter erscheinen lässt. Die mathematische Herausforderung war: Wie ignorieren wir die hohen Spitzen der Autos, um nur die Dicke dieser schwarzen "Windwolke" zu messen?

Die angewandten Techniken

Um dieses Problem zu lösen, haben wir einen Analyseprozess in drei Schritten angewandt:

  1. Bandpass-Filterung (1,0 - 8,0 Hz): Wir haben die Analyse auf niedrige Frequenzen konzentriert. Obwohl Wind- (und Regen-) Energie bis zu 45 Hz erreichen kann, ist es der Bereich zwischen 1 und 8 Hz, in dem der Druck des Windes gegen Bäume, Gebäude und den Boden selbst ein Resonanzsignal erzeugt. Dies ermöglicht es einem Citizen-Sensor, die Daten mit hoher Genauigkeit zu erfassen, fernab von elektrischem Rauschen und hochfrequenten städtischen Vibrationen.

  2. Median-basierter RSAM: Im Gegensatz zum herkömmlichen Durchschnitt (der leicht durch Autospitzen verfälscht wird), verwenden wir den Median der Amplitude in 10-Minuten-Fenstern. Der Median sucht den "typischen" Wert des Zeitraums; wenn ein Lastwagen für 5 Sekunden vorbeifährt, ignoriert der Median diesen und konzentriert sich auf das konstante Wehen des Windes, das den Rest der Zeit einnimmt.

  3. Multi-Stationen-Korrelation: Um unser Modell zu validieren, haben wir die Windgeschwindigkeitsdaten einer automatischen Wetterstation über unsere seismische Energiekurve (RSAM) gelegt.

Fallstudie: Girona [XJ]

Die Analyse konzentrierte sich auf die seismische Station [XJ] in der Region Gironès. Dieser Standort ist strategisch günstig, stellt jedoch eine logistische Herausforderung dar: die Entfernung zur Referenz-Wetterstation.

Datenpunkt Detail
Seismische Station Girona [XJ]
Koordinaten 41.98215º N, 2.80552º E
Entfernung zw. den Stationen 1,75 km
Frequenzband 1,0 - 8,0 Hz
Energiemetrik RSAM (Median-basiert)

Technischer Hinweis zur Entfernung: Es ist wichtig, den Abstand von 1,75 km zwischen dem Seismographen und der automatischen Station zu berücksichtigen. Wind ist nicht gleichmäßig; Böen können aufgrund der Orographie des Gironès auf wenigen Kilometern stark variieren. Dennoch bestätigt die visuelle Übereinstimmung zwischen der "Dichte" der seismischen Spur und den aufgezeichneten Windgeschwindigkeiten, dass der Boden wie ein riesiges Anemometer fungiert.

Fazit

Dieses Experiment beweist, dass Citizen-Seismographen nicht nur dazu da sind, Erdbeben zu erkennen. Durch den Einsatz intelligenter Filtertechniken und robuster Statistik (dem Median) können wir Umweltrauschen in wertvolle Klimadaten umwandeln. Wir haben uns von einer "schmutzigen" Spur am letzten Tag hin zu der Erkenntnis entwickelt, dass diese Dichte in Wirklichkeit die akustische Signatur eines Windsturms war.

Die Seismographie 2.0 hört nicht nur auf die Erde; sie hört auch auf den Himmel.





Weitere verwandte Blogbeiträge: