Dieses Skript wurde mit Hilfe von KI erstellt.

Load packages

library(tidyverse)

Load data

Data Source: Deutscher Wetterdienst (DWD), Climate Data Center, opendata.dwd.de, License: CC BY 4.0

klimakenntage_url <- "https://raw.githubusercontent.com/sebastiansauer/data_se/refs/heads/master/content/post/2026-08-14-wetterdaten-des-dwd-aufbereiten/klimakenntage_bundesland_jahr.csv"

Klimakenntage

# Frost-/Sommer-/Eistage, Tropennaechte und Starkregentage liegen beim DWD
# erst ab 1951 vor; nur "trocken_monate" (abgeleitet aus den Monatsnieder-
# schlaegen) reicht weiter zurueck. Auf 1951+ filtern, damit alle Indikatoren
# in den Facet-Plots dieselbe x-Achse (Jahr) haben.
klimakenntage <- read_csv(klimakenntage_url) |>
  filter(Jahr >= 1951)

Data Dictionary: DWD Jahreswerte – Klimakenntage

Quelle: klimakenntage_bundesland_jahr.csv

Spalte	Typ	Beschreibung
`Jahr`	integer	Kalenderjahr der Beobachtung
`Bundesland`	character	Deutsches Bundesland (regionaler Mittelwert)
`Wert`	double	Anzahl der Tage im jeweiligen Jahr, die das Kriterium des Indikators erfüllen
`Indikator`	character	Kenntag-Typ, siehe Codebuch unten

Codebuch `Indikator`

Wert in `Indikator`	DWD-Kürzel	Deutsche Bezeichnung	Definition
`frost_days`	FD	Frosttage	Tmin < 0 °C
`ice_days`	ID	Eistage	Tmax < 0 °C
`summer_days`	SU	Sommertage	Tmax ≥ 25 °C
`hot_days`	—	Heiße Tage	Tmax ≥ 30 °C
`tropical_nights`	TR	Tropennächte	Tmin ≥ 20 °C
`precipGE10mm_days`	—	Starkregentage (≥10 mm)	Tagesniederschlag ≥ 10 mm
`precipGE20mm_days`	—	Starkregentage (≥20 mm)	Tagesniederschlag ≥ 20 mm
`trocken_monate`	—	Trockenmonate	Anzahl Monate/Jahr mit Niederschlag unter dem 20%-Quantil des Bundeslands

Hinweis: Tmin/Tmax beziehen sich auf die Tagesminimum-/Tagesmaximumtemperatur der Lufttemperatur in 2 m Höhe. Die Werte sind regionale Jahresmittel je Bundesland, wie vom DWD (Climate Data Center, regional_averages_DE) bereitgestellt.

Auswertung Frosttage

klimakenntage |> 
  group_by(Indikator, Jahr) |> 
  summarise(Wert_avg = mean(Wert, na.rm = TRUE)) |> 
  ungroup() |> 
  filter(Indikator == "frost_days") |> 
  ggplot(aes(x = Jahr, y = Wert_avg)) +
  geom_line() +
  geom_smooth()

Auswertung Tropennächte

klimakenntage |> 
  group_by(Indikator, Jahr) |> 
  summarise(Wert_avg = mean(Wert)) |> 
  ungroup() |> 
  filter(Indikator == "tropical_nights") |>
  ggplot(aes(x = Jahr, y = Wert_avg)) +
  geom_line() +
  geom_smooth()

Auswertung alle Indikatoren

klimakenntage |>
  group_by(Indikator, Jahr) |>
  summarise(Wert_avg = mean(Wert, na.rm = TRUE)) |>
  ungroup() |>
  ggplot(aes(x = Jahr, y = Wert_avg, color = Indikator)) +
  geom_line() +
  geom_smooth() +
  facet_wrap(~ Indikator, scales = "free_y") +
  labs(x = "Jahr", y = "Mittlere Anzahl Tage") +
  theme(legend.position = "none")

Auswertung pro Bundesland und Indikator

klimakenntage |>
  ggplot(aes(x = Jahr, y = Wert, color = Bundesland)) +
  geom_line() +
  facet_wrap(~ Indikator, scales = "free_y") +
  labs(x = "Jahr", y = "Anzahl Tage")

Auswertung für Deutschland insgesamt

klimakenntage |>
  group_by(Indikator, Jahr) |>
  summarise(Wert_avg = mean(Wert, na.rm = TRUE)) |>
  ungroup() |>
  ggplot(aes(x = Jahr, y = Wert_avg)) +
  geom_line() +
  geom_smooth() +
  facet_wrap(~ Indikator, scales = "free_y") +
  labs(x = "Jahr", y = "Mittlere Anzahl Tage (Deutschland)")

Vergleich mit langfristigen Trends

Referenzperiode: WMO-Standard 1991–2020. Für jeden Indikator wird das Referenzmittel über diesen Zeitraum berechnet (gemittelt über alle Bundesländer) und die jährliche Abweichung davon dargestellt.

ref_start <- 1991
ref_end   <- 2020

referenz_kenntage <- klimakenntage |>
  filter(Jahr >= ref_start, Jahr <= ref_end) |>
  group_by(Indikator) |>
  summarise(Referenzmittel = mean(Wert, na.rm = TRUE), .groups = "drop")

abweichung_jahr <- klimakenntage |>
  group_by(Indikator, Jahr) |>
  summarise(Wert_avg = mean(Wert, na.rm = TRUE), .groups = "drop") |>
  left_join(referenz_kenntage, by = "Indikator") |>
  mutate(Abweichung = Wert_avg - Referenzmittel)

abweichung_jahr |>
  ggplot(aes(x = Jahr, y = Abweichung, fill = Abweichung > 0)) +
  geom_col() +
  facet_wrap(~ Indikator, scales = "free_y") +
  scale_fill_manual(values = c(`TRUE` = "firebrick", `FALSE` = "steelblue"), guide = "none") +
  labs(
    title = paste("Abweichung vom Referenzmittel", ref_start, "-", ref_end),
    x = "Jahr", y = "Abweichung (Tage) zum Referenzmittel"
  )

Wetterdaten des DWD analysieren - 2026