Eine kuratierte Sammlung von verschmutzungsbezogenen Beobachtungen, Messungen oder Modellausgaben, zusammengestellt mit strukturierten Metadaten, Herkunftsinformation, Zeitstempeln, Geolokalisierung, Qualitätskennzeichen und einem spezifizierten Format zur Analyse, zum Teilen und zur Wiederverwendung.

Prinzip

Befolgen von Best Practices der Datenverwaltung (FAIR: findable, accessible, interoperable, reusable), Einbeziehung von Herkunfts- und Qualitätsinformationen, Dokumentation von Probenahme- und Verarbeitungsmethoden sowie Bereitstellung maschinenlesbarer Formate und kontrollierter Vokabulare, wenn möglich.

Demonstration

Ein öffentlich freigegebener Datensatz mit stündlichen NO2-Konzentrationen von 50 Messstationen für 2010–2020 in CSV- und NetCDF-Formaten, mit Stationskoordinaten, Instrumententypen, Kalibrierungsunterlagen und QC-Kennzeichen.

Fehlanwendung

Veröffentlichung roher Instrumentenzählwerte oder aggregierter Mittelwerte ohne Metadaten, Kalibrierungsfaktoren oder Qualitätsindikatoren oder das Zusammenführen heterogener Datensätze ohne Harmonisierung und Provenienz, was zu falschen Analysen führt.

Konsequenz

Gut erstellte Datensätze ermöglichen reproduzierbare Forschung, Modellkalibrierung und -validierung, Trendanalysen, Meta-Analysen und transparente Politikevaluation; schlechte Datensätze erzeugen falsches Vertrauen und fehlerhafte Entscheidungen.

Umkehrung

Ad-hoc, undokumentierte Beobachtungen oder geschlossene proprietäre Aufzeichnungen verhindern Wiederverwendung und Überprüfung; umgekehrt kann ein übermäßiger Zugangsbeschränkung die Validierung und Anwendung einschränken.

Abgrenzung

Beinhaltet Beobachtungsaufzeichnungen, verarbeitete Messreihen und dokumentierte Modellausgaben zur Analyse; schließt flüchtige nicht protokollierte Beobachtungen, undokumentierte proprietäre Daten ohne Metadaten und rohe Instrumentendaten ohne Kontext aus, sofern diese nicht von Verarbeitungsdokumentation begleitet werden.

Semantische Spannung

Spannung zwischen Datensatz und Datenbank/Stream: Ein Datensatz ist ein kuratiertes, versioniertes Snapshot zur Analyse, während eine Datenbank dynamisch sein kann und ein Stream kontinuierliche Messungen liefert; die Unterscheidung ist bei Modellierung oder regulatorischer Nutzung wichtig.

Synthese

Ein Verschmutzungsdatensatz ist eine organisierte, dokumentierte und qualitätskontrollierte Sammlung verschmutzungsbezogener Daten, die empirische Informationen auffindbar, interpretierbar und wiederverwendbar für Analyse, Modellierung und Entscheidungsunterstützung macht.