Extensive Gründächer können als eine wichtige naturbasierte Lösung zur erhöhten Aufnahme von Kohlenstoff in Städten beitragen. Allerding ist noch relativ wenig über die zeitliche Variation des Kohlenstoffaustausches, z.B. aufgrund unterschiedlicher Wetterbedingungen, bekannt. In unserer aktuellen Studie haben wir ein maschinelles Lernverfahren (Random Forest) eingesetzt, um die Abhängigkeit des Kohlenstoffaustauschs von meteorologischen Größen zu untersuchen. Wir konnten dazu auf eine mehrjährige Zeitreihe (2015 – 2020) turbulenter CO2-Flüsse aus Berlin zurückgreifen, die wir mit der Eddy-Kovarianzmethode auf einem extensiven Gründach am Flughafen BER messen.
Husting, T., Schröder, B. and Weber, S., 2024. Predicting multi-annual green roof net ecosystem exchange using machine learning. Building and Environment, 263: 111878. https://doi.org/10.1016/j.buildenv.2024.111878
