Du betreibst eine private Wetterstation, leitest ein Schulprojekt, betreibst kommunale Messstellen oder misst als Hobby-Meteorologe. Dann kennst du das Problem: Die Station steht nah an einer vielbefahrenen Straße, neben einem Parkplatz oder in einer Lieferzone. Autos halten, laufen an oder heizen Motoren auf. Diese Nähe kann die Messwerte verfälschen.
Das zugrundeliegende Problem ist simpel. Verkehr erzeugt Wärme, Abgase und lokale Luftbewegungen. Diese Effekte liegen direkt in der Messhöhe vieler Sensoren. Sie beeinflussen besonders die Messgrößen Temperatur, relative Luftfeuchte, Partikelkonzentration (PM) und luftchemische Werte wie CO2 oder NOx. Auch Windmessungen leiden durch Turbulenzen hinter parkenden Fahrzeugen.
Dieser Artikel hilft dir, die Einflussfaktoren zu erkennen und damit umzugehen. Du erfährst, wie du prüfst, ob Verkehr deine Daten verfälscht. Du bekommst praktische Hinweise zur besseren Aufstellung der Station. Du lernst einfache Datenchecks und Filtertechniken kennen. Und du erhältst Vorschläge für bauliche Abschirmungen, Wartung und Vergleichsmessungen mit Referenzstationen.
Das Ziel: realistischere Messdaten und verlässliche Interpretation. Du kannst anschließend besser entscheiden, ob eine Standortverlagerung nötig ist oder ob Datenkorrekturen ausreichen.
Im Anschluss dieses Einstiegs schaue ich zuerst auf die einzelnen Messgrößen und ihre Anfälligkeit. Danach kommen Methoden zur Erkennung von Verkehrseinfluss. Anschließend zeige ich praktische Gegenmaßnahmen, Beispiele aus der Praxis und eine Checkliste für die ideale Aufstellung.
Wie starker Verkehr Messdaten beeinflussen kann
Starker Verkehr beeinflusst Wetterdaten auf mehreren Wegen. Fahrzeuge geben Abwärme ab. Motoren, Bremsen und heiße Auspuffrohre erwärmen die unmittelbare Umgebung. Das erhöht lokale Lufttemperaturmesswerte. Autos erzeugen außerdem Abgase und Aerosole. Diese enthalten CO2, NOx, Rußpartikel und Feuchtigkeit. Optische Partikelsensoren und Gassensoren registrieren dadurch kurzfristige oder andauernde Werteanstiege.
Physikalische Effekte: Wärme und Turbulenz
Vorbeifahrende Fahrzeuge erzeugen lokale Luftbewegung. Reifen und Karosserie bilden Wirbel. Diese Turbulenzen verändern die Richtung und Geschwindigkeit des Windes direkt am Messpunkt. Windmessungen werden dadurch unruhig und zeigen falsche Richtungen. Wärme von Motoren und aufgeheizten Fahrbahnen kann die Temperatur dauerhaft erhöhen. Besonders tagsüber kann die Straße als Wärmequelle wirken. In der Nacht kann stehender Verkehr punktuell wärmere Luft liefern.
Chemische Effekte: Abgase und Partikel
Abgase erhöhen die Konzentration von Spurengasen. CO2- und NOx-Sensoren zeigen dann höhere Werte. Optische Partikelzähler reagieren empfindlich auf Ruß und Aerosole aus dem Auspuff. Sie liefern kurze Spitzen, wenn viele Fahrzeuge direkt vorbei fahren. Langfristig kann eine ständig erhöhte Partikelbelastung zu einem höheren Basiswert führen.
Wie verschiedene Sensortypen reagieren
Temperatursensoren wie Thermistoren und PT100 reagieren schnell auf lokale Erwärmung. Feuchtesensoren, meist kapazitiv, zeigen oft eine relative Abnahme, wenn die Luft durch Erwärmung trockener wird. NDIR-CO2-Sensoren messen Gaskonzentrationen lokal. Elektrochemische NOx-Sensoren reagieren auf Spikes. Optische Partikelsensoren messen besonders starke, kurzzeitige Anstiege bei Durchfahrt von Dieselfahrzeugen.
Typische Messfehler
Du siehst meist zwei Fehlerarten. Kurzzeitige Spikes bei Durchfahrt einzelner Fahrzeuge. Diese lassen sich mit Filtern entfernen. Systematische Bias entsteht, wenn die Station dauerhaft zu nah an der Straße steht. Dann verschiebt sich der Mittelwert über Tage und Monate. Windrichtung und -geschwindigkeit werden oft verzerrt. Feuchtewerte können systematisch niedriger oder schwankender sein.
Kalibrierung, Filterung und Unterscheidung von Störungen
Regelmäßige Kalibrierung reduziert Sensorspezifische Fehler. Sie entfernt aber keinen Standort-Bias. Datenfilter helfen bei kurzen Störungen. Beispiele sind Medianfilter, zeitliche Glättung oder Threshold-basierte Spike-Erkennung. Vergleiche mit einer Referenzstation zeigen, ob ein Bias vorliegt. Kurzzeitige Störungen erkennen sich an schnellen, isolierten Ausreißern. Ein systematischer Bias zeigt sich als dauerhafte Verschiebung des Mittelwerts.
Auswirkungen von Verkehr auf verschiedene Messgrößen
Bevor du die Tabelle ansiehst, kurz zur Methodik. Ich betrachte die physikalischen und chemischen Einflüsse des Verkehrs und ordne sie den typischen Messgrößen zu. Für jede Größe nenne ich die wahrscheinliche Richtung des Effekts. Ich gebe eine realistische Abschätzung zur Größenordnung und zum Zeithorizont. Und ich nenne praktikable Gegenmaßnahmen, die du ohne großen Aufwand umsetzen oder testen kannst.
Die Angaben sind als Orientierung gedacht. Lokale Bedingungen ändern vieles. Bei Unsicherheit hilft ein Abgleich mit einer Referenzstation oder eine zeitlich begrenzte Vergleichsmessung an einem weniger belasteten Standort.
| Messgröße | Wahrscheinliche Richtung des Effekts | Typische Größenordnung / Zeithorizont | Praktische Gegenmaßnahmen |
|---|---|---|---|
| Temperatur | Erhöhung durch Motorwärme und aufgeheizte Fahrbahn | Kurzfristige Spitzen +0.5 bis +2 °C bei Durchfahrt. Systematischer Bias +0.1 bis +1 °C bei dauerhafter Nähe | Strahlungsschutz installieren (z. B. Stevenson-Screen). Mindestens 10–20 m Abstand zu Fahrbahnen. Messhöhe prüfen. Vergleich mit Referenz an ruhigem Ort. |
| Relative Luftfeuchte | Abnahme bei lokaler Erwärmung. Schwankungen durch Abgase | Kurzfristige Änderungen einige Prozentpunkte. Systematische Verschiebung je nach Standort | Gute Belüftung des Sensors sicherstellen. Abstand zur Abgasquelle. Kalibrierung und Plausibilitätsprüfungen mit Temperaturdaten koppeln. |
| Windgeschwindigkeit / -richtung | Starke Turbulenzen, Richtungsabweichungen | Sekundäreffekte: unregelmäßige Böen und Richtungsfluktuationen. Verzerrungen lokal bis mehrere 10° oder mehr | Sensor frei und erhöht montieren. Abstand zu parkenden Fahrzeugen und Gebäuden. Langzeitstatistiken nutzen statt Einzelmessungen. |
| Feinstaub PM2.5 / PM10 | Deutliche Spitzen durch Auspuff und Resuspension | Spitzen können mehrere 10 bis hunderte µg/m³ erreichen. Basiswert nahe stark befahrener Straßen oft um 5–20 µg/m³ höher | Einlasshöhe erhöhen. Mindestabstand von stark befahrenen Straßen, ideal >50–100 m für repräsentative Luftqualitätsdaten. Zeitliche Filterskripte (Median, Rolling Mean) und Vergleich mit Referenz. |
| Stickoxide (NOx) | Anstieg durch Abgase, besonders bei Dieselverkehr | Kurzzeitige Spikes von einigen 10 bis mehreren 100 ppb möglich. Langfristig erhöhte Basiswerte in Straßennähe | Mindestabstand für Luftgütemessungen >100 m empfehlen. Regelmäßige Null- und Span-Checks. Co-Location mit Referenzmonitoren für Bias-Erkennung. |
| CO2 | Kurzfristige Erhöhungen durch Abgase | Spitzen oft +50–200 ppm über Hintergrund bei Durchfahrt. Dauerhafte Erhöhung möglich bei dauernder Nähe | Sensorinlet höher platzieren. Abstand zu Halte- oder Lieferzonen. Datenfilter für kurze Spikes. Referenzvergleiche. |
Zusammenfassung
Verkehr beeinflusst vor allem Temperatur, Feinstaub und Abgaswerte stark. Windmessungen verlieren an Repräsentativität durch Turbulenzen. Kurzfristige Störungen lassen sich gut mit Filtern und kurzen Vergleichsmessungen reduzieren. Systematische Bias erfordert meist eine Standortverlagerung oder dauerhafte Korrekturen nach Co-Location mit einer Referenzstation. Als Faustregel: für verlässliche Luftqualitätsdaten sollte die Station möglichst deutlich mehr als nur wenige Meter von stark befahrenen Straßen entfernt sein. Beginne mit einfachen Maßnahmen wie Abstand vergrößern, Strahlungsschutz und zeitlichen Filtern. Prüfe anschließend die Daten gegen eine Referenz.
