Hochschulschrift
Real-time monitoring, short-term predictions, and climate projections of indoor human thermal comfort using low-cost sensors and artificial neural networks
Abstract: Hitzebelastung beeinflusst die menschliche Gesundheit, Leistungsfähigkeit und das Wohlbefinden. Das thermische Empfinden des Menschen hängt, neben personenbezogenen Variablen, von vier meteorologischen Variablen ab: Lufttemperatur, Dampfdruck, Windgeschwindigkeit, und mittlere Strahlungstemperatur. Es wird erwartet, dass die Hitzebelastung für den Menschen, als eine Folge des Klimawandels, in der Zukunft noch größer wird. Hitzebelastung tritt nicht nur im Freien auf, sondern auch in Innenräumen, in denen sich die meisten Menschen hauptsächlich aufhalten. Für den Außenraum existieren in den meisten Ländern Europas bereits zuverlässige Hitzewarnsysteme um die negativen Auswirkungen von Hitze auf die menschliche Gesundheit durch geeignete Maßnahmen zu verringern. Außerdem sind Klimaprojektionsdaten für den Außenbereich verfügbar, um das Ausmaß des Klimawandels abzuschätzen. Messungen, Hitzewarnungen, und Klimaprojektionen für den Außenbereich sind allerdings nicht repräsentativ für Innenräume. Die Hitzebelastung in Innenräumen wird bisher nur selten betrachtet.
Im Rahmen dieser Dissertation wurde ein low-cost Sensorsystem entwickelt um den thermischen Komfort des Menschen in bestimmten Innenräumen, genauer gesagt an Arbeitsplätzen in Innenräumen, zu bestimmen und direkt zu kommunizieren, das sogenannte MoBiMet („Mobiles Biometeorolgisches System, engl.: „Mobile Biometeorology System“). Die MoBiMets berechnen aus den gemessenen meteorologischen Variablen den human-biometeorologischen Bewertungsindex physiologisch äquivalente Temperatur (engl.: „physiological equivalent temperature“, PET, °C). Des Weiteren präsentieren die MoBiMets die aktuellen Werte auf dem integrierten Display, und übertragen die Daten in Echtzeit an eine Datenbank, um das Echtzeit-Monitoring der thermischen Bedingungen auf der MoBiMet Website zu ermöglichen. Die MoBiMets wurden an 121 Arbeitsplätzen in der Oberrheinregion für mindestens ein Jahr eingesetzt. Die MoBiMet-Daten wurden neben der Bestimmung und Kommunikation des thermischen Komforts auch als Trainingsdatensätze für künstliche neuronale Netzwerke (engl.: „artificial neural networks“, ANNs) eingesetzt. Mit Hilfe von ANNs wurde der thermische Komfort an den einzelnen Arbeitsplätzen für die nächsten 24 h vorhergesagt um kurzfristige Hitzewarnungen zu erstellen. Außerdem wurden die ANNs verwendet um langfristige arbeitsplatz-spezifische Klimaprojektionen für das Ende des 21. Jahrhunderts zu modellieren. Die ANN Modelle verwendeten zur Erstellung der Hitzewarnungen Wettervorhersagedaten des Deutschen Wetterdienstes als Eingangsdaten. Für die arbeitsplatz-spezifischen Klimaprojektionen dienten Ensembles von Klimaprojektionen unter der Berücksichtigung der Repräsentativen Konzentrationspfade (engl.: „Representative Concentration Pathways“, RCPs) RCP2.6, RCP4.5, und RCP8.5 als Eingangsdaten der ANN Modelle.
Die Daten der MoBiMets zeigen, dass der thermische Komfort an den unterschiedlichen Arbeitsplätzen innerhalb des Untersuchungsgebiet, und sogar an Arbeitsplätzen im selben Gebäude, aufgrund einer Vielzahl von Einflussfaktoren, wie zum Beispiel der Sonneneinstrahlung oder der Abwärme von Geräten, stark variieren kann. Diese Unterschiede zwischen den Arbeitsplätzen begründen die Notwendigkeit für arbeitsplatz-spezifische kurzfristige Innenraumvorhersagen des thermischen Komforts und Hitzewarnungen sowie Klimaprojektionen. Die Performance der ANNs für die arbeitsplatz-spezifischen Hitzewarnungen der nächsten 24 h hängt dabei von den Eigenschaften des entsprechenden Arbeitsplatzes ab. Insgesamt lag der mittlere Fehler der kurzfristigen Vorhersagen der Lufttemperatur und PET in den Innenräumen bei weniger als 1 K. Die arbeitsplatz-spezifischen Klimaprojektionen variieren ebenfalls stark, abhängig von den Eigenschaften der betrachteten Arbeitsplätze und des gewählten RCP Ensembles. Insgesamt steigt der Mittelwert der Lufttemperatur an allen Arbeitsplätzen weniger an als im Außenbereich. Trotzdem tritt, im Durschnitt der Daten aller Arbeitsplätze, Hitzestress in Innenräumen häufiger auf als im Außenbereich. Außerdem ist in der projizierten Zukunft mit einer Zunahme der Häufigkeit, Dauer, und Intensität von Hitzestress an fast allen Arbeitsplätzen zu rechnen.
Die MoBiMet Messungen können verwendet werden um hitzebelastete Innenräume zu identifizieren und das Ausmaß der momentanen Hitzebelastung zu erfassen. Die Innenraum-Klimaprojektionen helfen dabei die zukünftige Hitzebelastung an den verschiedenen Arbeitsplätzen abzuschätzen. Diese Daten können als Grundlage für die Auswahl von geeigneten Klimawandelanpassungsmaßnahmen zur Reduzierung von Hitzestress an den jeweiligen Arbeitsplätzen verwendet werden. Das Echtzeit-Monitoring und die arbeitsplatz-spezifischen Hitzewarnungen können dabei helfen, kurzfristige Maßnahmen für eine Reduzierung von Hitzestress zu planen und umzusetzen. Die MoBiMets und der demonstrierte Ansatz zur Erstellung von Hitzewarnungen und Klimaprojektionen für Innenräume sind nicht auf Arbeitsplätze in Innenräumen beschränkt, sondern kann in jedem Innenraum angewendet werden
Abstract: Heat stress affects human health, performance, and well-being. Human thermal sensation depends, in addition to personal variables, on four meteorological variables: air temperature, vapor pressure, wind speed, and mean radiant temperature. In the future, heat stress for humans is expected to increase as a result of climate change. Heat stress occurs not only outdoors, but also indoors, where the majority of people spend most of their time. For outdoor areas, most European countries already have reliable heat health warning systems to reduce the negative effects of heat on human health by appropriate measures. In addition, climate projection data are available for outdoors to estimate the extent of climate change. Measurements, heat health warning systems, and climate projections for outdoors are not representative for indoors. However, indoor heat stress has rarely been considered so far.
As part of this thesis, a low-cost sensor system was developed to determine and directly communicate the thermal comfort of humans at specific indoor places, more precisely at indoor workplaces, the so-called MoBiMet ("Mobile Biometeorology System"). The MoBiMets calculate the human-biometeorological assessment index physiologically equivalent temperature (PET, °C) from the measured meteorological variables, present the current values on the integrated display, and transmit the data in real time to a database to enable real-time monitoring of thermal conditions on a website. The MoBiMets were deployed at 121 workplaces in the Upper Rhine Valley for at least one year. In addition to assessing and communicating human thermal comfort, the MoBiMet data were used as training datasets for artificial neural networks (ANNs). The ANNs were used to predict thermal comfort at individual workplaces for the next 24 h to provide short-term heat warnings. In addition, ANNSs were used to model long-term workplace-specific climate projections for the end of 21st century. The ANN models generating the heat warnings used weather forecast data from the German Weather Service as input data. For the workplace-specific climate projections, ensembles of climate projections considering the Representative Concentration Pathways (RCPs) RCP2.6, RCP4.5, and RCP8.5 served as input data for the ANN models.
The data of the MoBiMets show that thermal comfort at different workplaces within the study area, even between workplaces in the same building, can vary greatly because of a large number of influencing factors, for example solar radiation or waste heat from machines. These differences between workplaces justify the need for workplace-specific short-term indoor predictions of thermal comfort and heat warnings, as well as climate projections. The performance of the ANNs for the workplace-specific heat warnings for the next 24 h depends on the characteristics of the corresponding workplace. Overall, the mean error of the short-term predictions for the indoor air temperature and PET was less than 1 K. The workplace-specific climate projections also vary widely depending on the characteristics of the workplaces considered and the RCP ensemble chosen. The mean air temperature increases less in all considered workplaces than in the outdoor environment. Nevertheless, averaging the data from all workplaces, heat stress is expected to be more frequent at workplaces than outdoors. In addition, an increase in the frequency, duration, and intensity of heat stress at almost all workplaces can be expected in the projected future.
The MoBiMet measurements can be used to identify heat stress affected indoor workplaces and to capture the extent of the current heat stress. The indoor climate projections help to estimate the future heat load at the different workplaces. These data can be used as a basis for selecting appropriate climate change adaptation measures to reduce heat stress at the respective workplaces. The real-time monitoring and workplace-specific heat warnings can help to plan and implement short-term measures to reduce heat stress. The MoBiMets and the demonstrated approach to generate indoor heat warnings and climate projections are not limited to indoor workplaces but could be applied in any indoor space
- Standort
-
Deutsche Nationalbibliothek Frankfurt am Main
- Umfang
-
Online-Ressource
- Sprache
-
Englisch
- Anmerkungen
-
Universität Freiburg, Dissertation, 2023
- Schlagwort
-
Messung
Raumklima
Hitzestress
Bioklimatologie
Biometeorologie
Medizinmeteorologie
Neuronales Netz
Umweltüberwachung
Hitze
Hitzebelastung
Raumklima
Messsystem
- Ereignis
-
Veröffentlichung
- (wo)
-
Freiburg
- (wer)
-
Universität
- (wann)
-
2024
- Urheber
- DOI
-
10.6094/UNIFR/243712
- URN
-
urn:nbn:de:bsz:25-freidok-2437128
- Rechteinformation
-
Open Access; Der Zugriff auf das Objekt ist unbeschränkt möglich.
- Letzte Aktualisierung
-
25.03.2025, 13:56 MEZ
Datenpartner
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.
Objekttyp
- Hochschulschrift
Beteiligte
Entstanden
- 2024