Die Nacht roch nach Metall und Fluss, als ich den ersten Koffer aufs Pflaster stellte. 10,8 °C, klarer Himmel, Sterne hinter der Brücke. Mein Atem dampfte kurz auf dem Linsenrand. Die Stadt schlief, und genau das war die Chance: Stille als Messmedium.
Schneller Überblick
Zusammenfassung
Der Artikel beschreibt eine nächtliche Messreihe zur Wärmekartierung am Ufer des Inns. Verschiedene Oberflächen wie Asphalt, Stein und Metall wurden mithilfe von Raspberry Pi, Sensorloggern und einer Wärmebildkamera dokumentiert und verglichen. Es wurden Temperaturunterschiede, Einfluss von Wind und Störungen durch Personen analysiert. Sicherheits- und Ethikaspekte bei solchen Messungen werden hervorgehoben.
Auf den Punkt
- Verschiedene Messgeräte wie Raspberry Pi und Seek Thermal Pro kamen zum Einsatz.
- Oberflächen wie Asphalt, Sandstein und Stahlgeländer wurden verglichen.
- Wind beeinflusste die Kühlraten spürbar, besonders bei Metall.
- Stromversorgung war kritisch; Spannungsabfall führte zu Messfehlern.
- Personen erzeugten kurzfristige Temperaturspitzen im Messfeld.
- Sicheres Arbeiten und der Schutz der Privatsphäre werden betont.
- 150 Einzelaufnahmen wurden zu einer nächtlichen Heatmap verarbeitet.
FAQ
- Welche Oberflächen wurden gemessen?
- Asphalt, Sandsteinmauer und Stahlgeländer.
- Wie beeinflusst Wind die Messungen?
- Wind erhöhte die Kühlrate vor allem bei Metalloberflächen.
- Welche Ausrüstung wurde verwendet?
- Raspberry Pi 4, Seek Thermal PRO, DS18B20 und Powerbanks.
- Gab es Störungen bei der Messung?
- Ja, etwa durch Wind, leere Powerbanks und menschliche Interferenzen.
- Welche ethischen Hinweise gibt es?
- Thermalscans sollten keine Rückschlüsse auf einzelne Personen zulassen, Privatsphäre ist zu beachten.
Vorbereitung bei Neonlicht
20:05 Uhr. Ich breite das Geraffel aus wie beim Pokerabend: Raspberry Pi 4, Sensorlogger, Seek Thermal PRO, DS18B20, Powerbanks. Nur diesmal geht’s nicht um Chips, sondern um Grad Celsius. Der Pi blinzelt mit grünem LED-Puls, als ich den Datastream starte:
[20:07:12] Init DS18B20 → OK (ID: 28-00000XXXXXX)
[20:07:13] Init Seek Thermal → Waiting for handshake…
[20:07:17] Cal Reference: 34.1°C (Hand)
Dann der erste Stolperer (Mini-Story #1): Das USB-Kabel des Sensors ist zu kurz; der Pi hängt gefährlich nah am Rand der Steinbank. Ein Windstoß – klack. Fast Absturz in den Inn. Reflexartig greife ich zu, fange das Gerät. Herzklopfen. Lösung: ein Ersatzkabel aus der Tasche, 50 cm länger. Kabel fixiert mit Gaffa, sicher.
Erste Traverse – Licht gegen Dunkel
21:00 Uhr. Ich bewege mich Richtung Brückenkörper. Die Laternen surren leise im Drahtwind. Der Asphalt ist noch warm vom Tag: ~15,3 °C Oberflächentemperatur. Der Handlauf daneben: 13,0 °C. Das Wasser? Konstant bei 10,8 °C – unser Nullpunkt.
Um Drift zu prüfen, halte ich den Sensor fünf Minuten still. Werte schwanken ±0,5 °C – akzeptabel. Der Wind sägt übers Metall, trägt Restwärme fort. Ich notiere:
„Kühlgradient zwischen Asphalt → Metall: ~2 K bei 5,8 m/s Wind.“
Begegnung im Zwischenlicht
21:40 Uhr. Gerade als ich die Kalibrierung verlängern will, taucht ein Läufer auf – Stirnlampe, orangener Blitz in der Thermalskala. Er ruft „Spät dran, was?“ – ich nicke, lache kurz. (Mini-Story #2) Drei Sekunden menschliche Interferenz, Temperatur-Spitzen bis 36 °C, dann wieder Dunkel. Interessanter Störeffekt für die Karte.
Zweite Messreihe – Vergleichsflächen
22:15 Uhr. Ich wechsle die Perspektive: Asphalt vs. Steinmauer vs. Handlauf. Drei Messraster à 20 × 20 Pixel. Das Setup: Seek-Kamera fix an Stativ, Pi protokolliert im 5‑Sekunden‑Takt.
| Fläche | Mitteltemperatur (°C) | Varianz | Bemerkung |
|—————–|————————|———-|———————–|
| Asphalt | 14.8 °C | 0.7 K² | Wärmeabstrahlung stark|
| Sandsteinmauer | 13.2 °C | 0.3 K² | Trägheit hoch |
| Stahlgeländer | 13.0 °C | 0.9 K² | Kühlrate durch Wind |
Die Werte fügen sich zu einem Muster: Materialdichte + Windkontakt = Kühlzeitkonstante. Ich berechne grob τ ≈ 10 min für Metall vs. > 20 min für Stein. Nerdfreude pur.
Fehlersuche und Fix
Kurz nach 23 Uhr – plötzlich springende Werte: 3 K Differenz in Sekunden. Ursache? Ich finde sie rasch: der DS18B20 hängt an der Powerbank, die fast leer ist, Spannung droppt auf 4,6 V. Also Fix: zweite Bank anschließen, Spannung stabilisiert, Werte normalisieren sich.
[23:12:05] Voltage=4.56V → ALERT
[23:13:22] Switched to PB#2 (5.02V)
[23:13:30] Drift ΔT = -0.2°C → OK
Lektion: nie blindlings auf 100 % Ladeanzeige vertrauen.
Rendering um Mitternacht
0:00 Uhr. Der Laptop im Rucksack läuft heißer als der Asphalt. Ich lehne mich ans Geländer, das Display spiegelt sich im Wasser. Die Heatmap entsteht aus 150 Einzelbildern. Punkte tanzen orange, violett, blau. Wie pulsierende Inseln im Dunkel.
Insight 1: Metall hält länger warm, aber verliert abrupt, sobald Wind auffrischt.
Insight 2: Stein bleibt gleichmütiger – träger, stabiler.
Insight 3: Asphalt wirkt lebender, atmet mit der Luftbewegung.
Ich entdecke einen Ausreißer: ein warmer Fleck auf einem Sitzblock. Kontrollmessung → +2,5 °C. Vermutlich jemand saß dort vor Kurzem. Menschliche Wärme als Echo.
Reflexionsfenster 02:00 Uhr
Die Stadt ist fast völlig still. In der Ferne summt ein LKW über die Brücke, mehr Vibration als Ton. Ich denke daran, wie leicht man aus Daten Geschichten webt – und wie schnell aus Neugier Überwachung wird. Diese Nacht ist Lauschen, kein Sammeln. Wärme als Sprache – flüchtig, poetisch, messbar.
Der Akku blinkt orange. Ich speichere das letzte Frame, ziehe das Kabel ab. Der Fluss atmet wieder allein.
Ausblick jenseits der Brücke
Vielleicht nächste Woche am Dreiflüsseeck. Vielleicht bei leichtem Regen, um Verdunstungseffekte zu sehen. Oder eines Nachts mit einem kleinen Copter, legal in Sichtweite, für eine Höhenkarte. Aber heute reicht der Gedanke. Noch glimmt der Sensor nach.
Mitmachen & Nachbauen
- Nutze legale Flächen (öffentliche Ufer, kein Privatgrund).
- Wärmebildkameras gibt’s auch als Leihgeräte an Hochschulen.
- Für DIY: günstiger Sensor (MLX90640) + Raspberry Pi + Python‑Logger.
Beispielcode:
import time
while True:
t = sensor.read_temp()
print(time.time(), t)
time.sleep(5)
- Immer auf Spannungsstabilität und sichere Stativaufstellung achten.
Was ich nächstes Mal anders mache
- Extra-Akkupack parallel betreiben
- Vorab Driftmessung bei Windböen
- Vergleich mit Tag‑Daten für 24 h‑Profil
Mini-Datenreport
- Gesamtaufnahmen: 150 Frames (Seek Thermal PRO)
- Temperaturspanne: 10.8 °C – 15.8 °C
- Wind: Ø 5.8 m/s → Kühlrate ~ 0.2 K / min an Metall
- Überraschung: Sitze speichern Wärme > 12 min nach Kontakt
- Datenspeicher ~ 2.1 GB / Session
Als ich um 03:50 Uhr das letzte Kabel vorsichtig aufwickle, lehnt die Stadt im ersten Grau des Morgens. Der Inn bleibt konstant kühl, doch auf meinen Speicherkarten glimmt sie weiter – diese unsichtbare, nächtliche Topografie aus Wärme und Wind.
Achte bei nächtlichen Experimenten an Flussufern unbedingt auf sichere Standplätze, stabile Stromversorgung und ausreichende Beleuchtung. Keine Alleinarbeit bei starkem Wind oder Niederschlag.
Thermalscans können Personen erfassen. Vermeide Aufnahmen, die Rückschlüsse auf individuelle Identitäten zulassen, und respektiere die Privatsphäre im öffentlichen Raum.
# Donau2Space Git · Mika/thermal_mapping_innufer # Mehr Code, Plots, Logs & Scripts zu diesem Artikel $ ls LICENCE.md/ python_sensor_logger/ readme_md/ temperature_data_analysis/ $ git clone https://git.donau2space.de/Mika/thermal_mapping_innufer $
Diagramme
Begriffe kurz erklärt
- Raspberry Pi 4: Ein kleiner Einplatinencomputer, der sich gut zum Steuern, Messen und Experimentieren mit Linux eignet.
- Sensorlogger: Ein Programm oder Gerät, das Messwerte von Sensoren regelmäßig aufzeichnet und speichert.
- Seek Thermal PRO: Eine Wärmebildkamera, die Temperaturunterschiede sichtbar macht und per USB an Computer oder Handy angeschlossen wird.
- DS18B20: Ein digitaler Temperatursensor, der über eine einzige Datenleitung exakte Werte an Mikrocontroller sendet.
- LED-Puls: Ein kurzes Aufleuchten einer LED, oft zur Anzeige eines Messsignals oder Taktes.
- Datastream: Ein kontinuierlicher Fluss von Mess- oder Steuerdaten zwischen Geräten oder Programmen.
- Kalibrierung: Das Abgleichen eines Messgeräts mit bekannten Referenzwerten, um genaue Ergebnisse zu erhalten.
- Messraster: Ein festes Gitter von Messpunkten, an denen Werte systematisch aufgenommen werden.
- Varianz: Ein Maß dafür, wie stark gemessene Werte um ihren Durchschnitt schwanken.
- Kühlzeitkonstante: Eine Größe, die beschreibt, wie schnell ein Körper nach einer Erwärmung wieder abkühlt.
- Heatmap: Eine farbige Darstellung, bei der Temperatur- oder Intensitätswerte auf einer Fläche sichtbar gemacht werden.
- MLX90640: Ein Infrarot-Bildsensor mit 32×24 Messpunkten, der Temperaturen berührungslos erfassen kann.
- Python-Logger: Ein in Python geschriebenes Programm, das Messwerte oder Diagnosedaten automatisch in Dateien oder Datenbanken speichert.
- Driftmessung: Die Beobachtung, wie sich ein Messwert über längere Zeit langsam verändert, ohne dass sich die Bedingungen ändern.
- 24 h‑Profil: Eine Messreihe über einen ganzen Tag, die zeigt, wie sich ein Wert im Verlauf von 24 Stunden verändert.
