🌳 City Forest Creator

Strategische Baumpflanzung für eine kühlere, grünere Stadt
Hackathon-Projekt für die Challenge "More trees in the city" der Stadt Heilbronn

🏛️ Challenge: "More trees in the city"

Challenge-Geber: Stadt Heilbronn
Event: Future City Hackathon 2025
Datum: 21.-23. November 2025

💭 Vision

"Heilbronn is a cool place to be – with nice shadow from the trees in the summer"

🎯 Mission

Die Stadt Heilbronn stellt uns vor die Herausforderung:

✅ Komplexe Stadtdaten in umsetzbare Grün-Strategien verwandeln
✅ Urban Datasets analysieren und visualisieren, um Baum-Standorte zu identifizieren
✅ Algorithmen entwickeln oder interaktive Karten erstellen, die zeigen:
- Wo Bäume realistisch gepflanzt werden können
- Welche Trade-offs oder Constraints existieren

🌍 Impact

Unser Beitrag zu:

🌡️ Kühlere Städte – Bekämpfung urbaner Hitzeinseln
💚 Gesündere Städte – Bessere Luftqualität und Lebensqualität
📊 Datengestützte Entscheidungen – Unterstützung für Stadtplaner:innen bei schnelleren, transparenteren Pflanzentscheidungen
🤝 Collaboration – Brücke zwischen Tech-Community und lokaler Verwaltung

"Every line of code contributes to: Cleaner air • Cooler neighborhoods • A more livable city for everyone"
Code for trees — and a better future for our cities.

❗ Das Problem

Die Herausforderung

Urbane Bäume sind essentiell für Kühlung, Biodiversität und Wohlbefinden – doch das Finden geeigneter Pflanzstandorte in dichten Stadtgebieten ist komplex.

Multiple Constraints müssen berücksichtigt werden:

🚗 Parkplätze & Verkehrswege
⚡ Unterirdische Versorgungsleitungen & Pipelines
🔥 Brandschutzzonen
🏗️ Stadtplanung & zukünftige Entwicklungspläne

Das Dilemma

Diese Daten existieren zwar in GIS-Systemen, sind aber oft:

📂 Fragmentiert – Verschiedene Systeme, verschiedene Formate
🐌 Schwer nutzbar – Manuelle Arbeit für datengestützte Entscheidungen
⏱️ Zeitaufwändig – Verpasste Chancen, die Stadt grüner zu machen

Resultat: Ineffiziente Planung und ungenutzte Potenziale für Urban Greening.

📸 Screenshots

Hauptansicht: Interaktive Karte

Übersicht mit allen Constraint-Layern und identifizierten Pflanzstandorten

💡 Unsere Lösung: City Forest Creator

Eine interaktive Web-App, die komplexe Geo-Daten in actionable insights verwandelt und Stadtplaner:innen bei der optimalen Baumpflanzung unterstützt.

✨ Features

🗺️ Intelligente Standortsuche

Automatische Constraint-Integration: Lädt ALLE Ausschlusszonen aus constraints/ Ordner
Multi-Layer-Analyse: Gebäude, Straßen, bestehende Bäume, Infrastruktur
Flexibles Raster: Konfigurierbare Punktdichte (10-50m Abstand)
Performance-Optimiert: Spatial-Index für blitzschnelle Berechnung (10.000+ Standorte in ~3 Sekunden)

🔧 What-If-Analyse: Trade-Off-Visualisierung

Beantwortet die Frage: "Was passiert, wenn wir bestimmte Constraints lockern?"

Beispiel-Szenario:
"Was wenn wir 10% der Parkplätze für Bäume opfern?"

1. Wähle "Parkplätze" in "Zonen entsperren"
2. Setze Slider auf 10%
3. ➡️ Ergebnis: "+120 zusätzliche Standorte"
4. ➡️ Trade-off: "12 Parkplätze vs. 2.640 kg CO₂/Jahr"

Features:

Live-Berechnung zusätzlicher Pflanzflächen
CO₂-Impact-Kalkulation
Visuelle Markierung entsperrter Zonen
Transparente Darstellung von Constraints

🔥 Hitze-Heatmap: Priorisierung

Zeigt, wo Bäume am dringendsten gebraucht werden:

Baumdichte-Analyse: Bereiche mit wenig Grün = hoher Hitze-Score
Top 5 Hotspots: Ranking der Gebiete mit höchstem Handlungsbedarf
Interaktive Farbskala:
- 🔵 Blau = Viele Bäume (kühl)
- 🔴 Rot = Keine Bäume (Hitze-Hotspot)
Datengestützte Priorisierung: Fokussiere Ressourcen auf kritische Bereiche

📊 Datenanalyse & Visualisierung

Baumkataster-Import: Automatisches Laden von Shapefiles
Constraint-Management: Beliebig viele Ausschlusszonen-Layer
Statistiken: Top 5 Baumarten, Zonenübersicht, Metriken
Interaktive Karte: Layer-Kontrolle, Tooltips, Clustering

🚀 Quick Start

Voraussetzungen

Python 3.9+
Git

Installation

# Repository klonen
git clone https://github.com/yourusername/city-forest-creator.git
cd city-forest-creator

# Virtual Environment erstellen
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# Dependencies installieren
pip install -r requirements.txt

Daten vorbereiten

# Ordnerstruktur erstellen
mkdir data constraints

# Baumkataster-Shapefile in data/ ablegen
# z.B. SHN_Baumkataster_open_UTM32N_EPSG25832.shp

# Ausschlusszonen in constraints/ ablegen
# Beispiele:
#   - buildings.shp (Gebäude)
#   - streets.shp (Straßen & Verkehr)
#   - utilities.shp (Versorgungsleitungen)
#   - fire_zones.shp (Brandschutzzonen)
#   - future_development.shp (Planungsgebiete)

App starten

streamlit run app.py

🎉 Die App läuft auf: http://localhost:8501

💡 Nutzung

1️⃣ Grundkonfiguration

Mindestabstand zu Bäumen (2-10m) – Vermeidet Konkurrenz
Buffer für Linien (5-20m) – Abstand zu Straßen/Wegen
Rasterabstand (10-50m) – Dichte der Testpunkte

2️⃣ Trade-Off-Analyse: What-If-Szenarien

Teste verschiedene Planungsszenarien:

Szenario	Aktion	Erwartetes Ergebnis
Basis	Keine Entsperrung	500 Standorte
Parkplatz-Opferung	10% Parkplätze entsperren	+120 Standorte (+24%)
Rasen-Nutzung	15% Rasenflächen entsperren	+180 Standorte (+36%)
Kombiniert	Beide Zonen entsperren	+280 Standorte (+56%)

3️⃣ Prioritäten setzen: Heatmap

Aktiviere "Zeige Hitze-Heatmap"
Analysiere Top 5 Hitze-Hotspots in Sidebar
Fokussiere Pflanzungen auf rote Bereiche
Zeige Stadtrat: "Diese 3 Stadtteile brauchen sofort Bäume!"

4️⃣ Präsentation vorbereiten

Screenshots von Heatmap & What-If-Szenarien
Notiere Impact-Zahlen für Pitch
Teste Live-Demo (Layer ein-/ausschalten)

🏗️ Technologie-Stack

Backend: Geo-Analytics

GeoPandas – Spatial Data Processing
Shapely – Geometrie-Operationen & Spatial Index
NumPy – Performance-Optimierung (Meshgrid)

Frontend: Interactive Visualization

Streamlit – Rapid Web App Development
Folium – Leaflet-basierte Karten
Branca – Color Maps für Heatmaps

Performance-Optimierungen

@st.cache_data – Caching teurer Berechnungen
Shapely.prepared() – 100x schnellere Spatial Queries
Marker Clustering – Skaliert auf 10.000+ Punkte

📁 Projektstruktur

city-forest-creator/
├── app.py                  # Streamlit UI & Orchestrierung
├── analysis.py             # Geo-Analysen & Algorithmen
│   ├── load_data()         # Baumkataster laden
│   ├── find_suitable_locations()  # Ausschlusszonen
│   ├── apply_zone_relaxation()    # What-If-Logik
│   ├── find_planting_locations()  # Standort-Suche
│   └── calculate_tree_density_heatmap()  # Heatmap
├── requirements.txt        # Python Dependencies
├── .gitignore             # Git Excludes
├── data/                  # Baumkataster (OpenData)
│   └── SHN_Baumkataster_*.shp
├── constraints/           # Ausschlusszonen (GIS-Daten)
│   ├── buildings.shp
│   ├── streets.shp
│   ├── utilities.shp
│   └── fire_zones.shp
└── README.md              # Diese Datei

📊 Performance-Metriken

Test-Setup: Heilbronn (~12.000 Bäume, 5 Constraint-Layer)

Metrik	Wert	Challenge-Anforderung
Ladezeit Baumkataster	~2s	✅ Schnell & automatisch
Berechnung 5.000 Pflanzpunkte	~3s	✅ Interactive map
Heatmap (100m Raster)	~5s	✅ Visualize datasets
What-If Delta-Analyse	<1s	✅ Show trade-offs
Cache-Hit (wiederholt)	<0.1s	✅ Fast decisions

Hardware: Standard Laptop (8GB RAM, i5)

🎓 Hackathon-Kontext

Future City Hackathon 2025

21.-23. November 2025 | OpenSpace Heilbronn

Organisiert von:

🏛️ Hochschule Heilbronn
🌆 Stadt Heilbronn (Challenge-Geber)
🔬 Fraunhofer IAO
💻 42 Heilbronn
🏢 Schwarz Digits, HNVG & weitere Partner

Challenge-Focus:

"Wie kann die Stadt mithilfe von Daten grüner, nachhaltiger und intelligenter werden?"

Unsere Antwort: Wir verwandeln fragmentierte GIS-Daten in eine interaktive Entscheidungshilfe, die Stadtplaner:innen befähigt, schneller, transparenter und datengestützt zu handeln.

🌍 Impact & Use Cases

Für Stadtplaner:innen

📍 Standorte identifizieren in Minuten statt Tagen
🎯 Priorisierung basierend auf Hitze-Hotspots
💬 Transparenz gegenüber Bürger:innen durch What-If-Szenarien
📊 Datengestützte Argumente für Stadtrats-Beschlüsse

Für die Stadt Heilbronn

🌡️ Hitzereduktion in kritischen Stadtteilen
💚 Lebensqualität durch mehr Grünflächen
🚀 Effizienz bei Urban-Greening-Projekten
🏆 Vorreiterrolle als Smart City

Messbare Ergebnisse (Beispiel-Szenario)

Basis: 500 identifizierte Standorte
What-If (10% Parkplätze): +120 Standorte

Impact:
  • 620 neue Bäume = 13.640 kg CO₂/Jahr gebunden
  • ~15 ha zusätzliche Schattenfläche
  • Temperaturreduktion: -2-3°C in Hotspots
  • Trade-off: 62 Parkplätze (10%)

🔮 Roadmap & Erweiterungen

Phase 2: Advanced Features

Baumartenempfehlung – KI-gestützt basierend auf Boden & Klima
Echte Klimadaten – Integration Sentinel Satelliten-Daten (Land Surface Temperature)
Kostenschätzung – Budget-Optimierung (€ pro Baum, Pflege, Bewässerung)
3D-Visualisierung – Wachstums-Simulation bis 2054
PDF-Export – Automatische Reports für Stadtrat

Phase 3: Citizen Engagement

Bürger-Beteiligung – "Adoptiere einen Baum" Portal
Mobile App – QR-Code-Schilder an Pflanzorten
Gamification – Community-Leaderboard

Phase 4: Multi-City Scaling

Template-System für andere Städte
OpenData-Connector für standardisierte GIS-Formate
API-Schnittstelle für Integration in Verwaltungssysteme

Skills im Projekt:

🗺️ Geospatial Analysis (GeoPandas, Shapely)
🎨 UI/UX Design (Streamlit, Folium)
📊 Data Visualization
⚡ Performance Optimization
🌳 Urban Planning & Sustainability

🙏 Danksagungen

🏛️ Stadt Heilbronn – Für die Challenge, OpenData Baumkataster und Vision
🎓 Hochschule Heilbronn – Für Hosting, Infrastruktur & Support
🔬 Fraunhofer IAO – Für Expertise in Smart City Solutions
💻 42 Heilbronn – Für die Coding-Community
🌍 Future City Hackathon Team – Für Organisation & Inspiration
📚 GeoPandas Community – Für großartige Open-Source-Tools

📜 Lizenz

MIT License – Siehe LICENSE für Details.

TL;DR: Nutze, modifiziere und teile das Projekt frei. Wir freuen uns über Namensnennung! 🙏

📞 Kontakt & Links

Projekt-Links:

🐙 GitHub: github.com/lady-logic/city-forest-creator
📧 Email: [[email protected]]
💼 LinkedIn: [https://www.linkedin.com/in/katharina-rueckbrodt/]

Challenge-Links:

🏛️ Stadt Heilbronn: heilbronn.de
🎓 Future City Hackathon: hs-heilbronn.de/hackathon

🌳 Code for trees — and a better future for our cities 🌳