Höhenlagen trocknen schneller aus — der Harz-Beweis (1990–2026)
19.09.2026
Analyse aus Ordner 02_hoehenlagen_trend — für Nicht-Wissenschaftler erklärt.
Datenbasis: Copernicus CDS, ERA5-Dürreindex SPEI48, Monatswerte 1990–2026,
Gebiet Norddeutschland inkl. Harz/Erzgebirgsvorland. Höhen: open-meteo.
Die Frage
Viele Menschen glauben: „Je höher man kommt, desto kühler und feuchter ist es — die Berge sind doch die Wasserlieferanten der Täler.” Stimmt das noch — oder trocknen gerade die Höhenlagen in Zeiten des Klimawandels besonders schnell aus? Diese Frage ist für den Harz existenziell: Quellen, Bäche, Wälder und Trinkwasser hängen davon ab. Mir ist aufgefallen das höhere Lagen besonders schnell trocken sind, und “Täler” oft feuchter sind, auch Nebel ist sehr häufig in niedrigen Höhenlagen zu sehn. Besonders gut kann man das am Moosbewuchs sehen. Moos benötigt eine dauerhaft hohe Luftfeutigkeit um gedeihen zu können. Aus der Beobachtung heraus viel mir auf das Moos besonders stark dort verbreitet ist wo der Wald Senken hat, und wesentlich niederiger liegt, Feuchtigkeit weicht aus diesen kleinen Tälern nur schwer aus.
Untersuchung
Für 621 Gitterzellen (je ca. 25 × 25 km) zwei Dinge bestimmt:
- den Dürre-Trend: Wie schnell verschlechtert sich die Wasserbilanz (SPEI48, 4-Jahres-Bilanz) pro Jahr? (Statistik: Theil-Sen-Trendtest, Signifikanz mit Mann-Kendall, p < 0,05)
- die Höhe der jeweiligen Zelle über dem Meeresspiegel
Dann die Frage: Gibt es einen Zusammenhang zwischen Höhe und Austrocknungs-Tempo?
Das Ergebnis
Ja — und zwar einen deutlichen:
Je höher das Gelände, desto schneller trocknet es aus. Korrelation: r = −0,43 (je näher an −1, desto stärker der Zusammenhang)
| Höhenlage | Mittlerer Trend (SPEI/Jahr) | Anzahl Zellen |
|---|---|---|
| 0–50 m (Flachland) | −0,030 | 207 |
| 50–100 m | −0,046 | 140 |
| 100–200 m | −0,048 | 74 |
| 200–300 m | −0,053 | 41 |
| 300–500 m | −0,053 | 48 |
| über 500 m (Harz) | −0,055 | 11 |
Übersetzt in Alltagssprache: Im Flachland verschlechtert sich die Wasserbilanz jedes Jahr um 0,030 SPEI-Einheiten, im Hochharz um 0,055 — die Berge trocknen fast doppelt so schnell aus wie die Ebenen.
Der Harz konkret
Der höchste Punkt des Gebiets, das Brocken-Massiv (798 m), gehört zu den am stärksten austrocknenden Zellen überhaupt:
| Ort (Zelle) | Höhe | Trend | Signifikanz |
|---|---|---|---|
| Brocken-Gebiet (51,75°N/10,5°O) | 798 m | −0,072 SPEI/Jahr | p < 0,001 (hoch gesichert) |
| Harz-Vorland westlich | 260 m | −0,078 SPEI/Jahr | p < 0,001 |
| Harz-Rand | 469 m | −0,065 SPEI/Jahr | p < 0,001 |
Über die 36 Jahre ergibt das eine Verschlechterung von rund −2,5 SPEI-Einheiten im Hochharz — die Wasserbilanz ist dort von „normal” in den Bereich „schwere bis extreme Dürre” gerutscht.
Warum trocknen Berge schneller aus?
Drei physikalische Gründe:
- Weniger Niederschlag im Wandel: Der Klimawandel verschiebt die Niederschläge — im Norden Deutschlands profitieren Küste und Tiefland teils noch von mehr Winterregen, während die Mittelgebirge zunehmend in Trockenperioden geraten.
- Höhere Verdunstung bei Wärme: Die Temperaturen steigen auch in den Bergen. Warme Luft kann mehr Wasser aufnehmen — sie „saugt” der Vegetation und dem Boden mehr Wasser ab. Der SPEI misst genau das.
- Geringere Wasserspeicher: Gebirgsböden sind oft flach und felsig; sie können wenig Wasser puffern. Fällt im Sommer monatelang kein Regen, trocknen diese Speicher schneller aus als die tiefen Grundwasserleiter des Flachlands.
Warum ist das wichtig?
- Wälder: Der trockene Hochharz ist Stress für Fichten und Tannen — geschwächte Bäume sind anfällig für Borkenkäfer (wie nach 2018/2019).
- Quellen und Bäche: Schwindende Wasserbilanz in den Höhen bedeutet weniger Quellwasser für die Täler — auch für Trinkwasser.
- „Klimawandel ist nur was fürs Flachland” stimmt nicht. Die Berge sind die Verlierer Nr. 1 — und die Skeptiker-Fläche „die Höhen sind doch feucht” ist mit Daten widerlegt.
Wie ist die Grafik zu lesen?
Die Grafik hoehe_vs_trend.png ist ein Streudiagramm (Scatter-Plot) mit
Regressionslinie — keine eigenständige Regressionsanalyse:
- Jeder Punkt steht für eine Gitterzelle: waagerecht die Höhe, senkrecht der Dürre-Trend. Die Punktewolke zeigt die Beziehung direkt — ohne Modell.
- Rote Punkte = statistisch signifikanter Trend, blaue = nicht signifikant (nur zur Unterscheidung eingefärbt, nicht in die Statistik eingerechnet).
- Die gestrichelte Linie = die Regressionsgerade: die „beste” Gerade durch alle Punkte. Sie läuft von oben links (niedrig, wenig Trocknung) nach unten rechts (hoch, starke Trocknung) — also: je höher, desto schneller trocknet es.
- r = −0,43 (Pearson-Korrelation) sagt, wie eng die Punkte an dieser Linie liegen. Werte nahe −1 oder +1 = enger Zusammenhang, 0 = kein Zusammenhang.
Wichtig: Die eigentliche Trend-Berechnung passiert NICHT in dieser Regressionsgeraden. Jeder Punkt hat seinen Trend schon aus der Zeitreihe seiner Zelle (Theil-Sen über 36 Jahreswerte) — die Gerade in der Grafik dient nur der Veranschaulichung des Zusammenhangs „Höhe → Trend”.
Was bedeutet das Minus bei r = −0,43? Viele denken: „Negativ = kein Zusammenhang.” Falsch! Das Vorzeichen zeigt nur die Richtung, die Stärke entscheidet der Betrag:
| r | Bedeutung |
|---|---|
| +0,43 | mittlerer Zusammenhang: je mehr A, desto mehr B |
| −0,43 | gleich starker Zusammenhang, umgekehrt: je mehr A, desto weniger B |
| 0 | kein Zusammenhang |
| ±1 | perfekter Zusammenhang |
r = −0,43 heißt also: Je höher das Gelände, desto stärker die Austrocknung — ein deutlicher, realer Zusammenhang (nur umgekehrt proportional). Ein Wert nahe 0 hätte „kein Zusammenhang” bedeutet.
Ist die Normalverteilung eine Voraussetzung? Nein — ein häufiger Irrglaube. Der Pearson-Koeffizient verlangt keine Normalverteilung der Daten. Er misst Linearität; die Normalverteilung betrifft nur den p-Wert, und bei 621 Zellen greift dort der zentrale Grenzwertsatz. Unsere Höhen sind z. B. deutlich schief verteilt (Schiefe 2,16) — der Koeffizient ist trotzdem gültig.
Zur Absicherung hat das LLM (Large-Language-Model) zusätzlich den Spearman-Koeffizienten berechnet. Er arbeitet mit Rängen statt Rohwerten und ist damit komplett verteilungsfrei:
| Koeffizient | Wert | p-Wert |
|---|---|---|
| Pearson | −0,430 | 2,6 × 10⁻²⁹ |
| Spearman | −0,637 | 5,5 × 10⁻⁷² |
Beide sind stark negativ und hochsignifikant — der Zusammenhang „Höhe → Austrocknung” ist damit robust gegen jede statistische Kritik.
Was ist mit den Höhenlinien auf der Karte? (Interpolation erklärt)
Die Karte zeigt die Trend-Zellen als Farbflächen UND braune Höhenlinien. Wichtig: Diese Höhenlinien wurden nicht als Daten heruntergeladen — sie werden aus den Höhenwerten der 621 Zellen berechnet. So funktioniert es:
- Grundlage: Für jede Zelle kennen wir die Höhe ihres Zentrums (open-meteo, ca. 25 km Gitter). Das sind 621 einzelne Messpunkte — mehr nicht.
- Interpolation: Zwischen diesen 621 Punkten wird ein feines Raster (400 × 400 Punkte) berechnet. Jeder Rasterpunkt bekommt einen Höhenwert, der aus den umliegenden Zellen-Höhen „geglättet” geschätzt wird (mathematisch: kubische Interpolation + Glättungsfilter). Die Idee: Die Höhe ändert sich zwischen zwei Zellen nicht sprunghaft, sondern stetig — man kann sie also sinnvoll „dazwischen schätzen”.
- Höhenlinien: Aus diesem Raster werden dann die Linien gleicher Höhe (100, 200, 400, 600, 700 m) extrahiert (Kontur-Algorithmus, wie in Wanderkarten).
Warum ist das erlaubt, obwohl nicht gemessen? Die Höhenlinien sind eine Veranschaulichung — die eigentliche Statistik (Trend je Zelle, Korrelation) beruht ausschließlich auf gemessenen/berechneten Werten. Die Linien machen den räumlichen Zusammenhang sichtbar, verändern aber keinerlei Zahlen. Im Zweifel sagt ein Blick auf den Tooltip jeder Zelle die exakte Höhe.
Quellen & Methode
- CDS „ERA5 drought indices” (SPEI48, GenLogistic, 1991–2020), Monatswerte
- Theil-Sen-Trend + Mann-Kendall-Test pro Zelle (Skript
02_hoehenlagen_trend/hoehe_vs_trend.py) - Höhendaten: open-meteo API (Cache
trends_with_elev.csv) - Grafik:
hoehe_vs_trend.png(Scatter + Regressionslinie) - Karte:
hoehe_trend_karte.py(folium, interpoliert, Höhenlinien-Overlay)