Die flächenhafte Modellierung von Umweltinformationen, wie meteorologischen Daten und Luftschadstoffinformationen, basiert im Wesentlichen auf den Daten administrativer Messnetze, die eine nur vergleichsweise grobe räumliche und zeitliche Auflösung aufzuweisen haben. Dazu gehören beispielsweise Messnetze der Landesämter sowie des Deutschen Wetterdienstes (DWD). Insbesondere in urbanen Umgebungen sind daraus abgeleitete flächenhafte Modellierungen vielfach nur eingeschränkt geeignet. Die starke Heterogenität dieser Räume, die einen direkten Einfluss auf die Messungen oben genannter Parameter haben kann, kann mithilfe dieser Verfahren nur unzureichend abgebildet werden. Die persönliche Exposition der Bürger im urbanen Raum gegenüber diesen Parametern kann dadurch stark gegenüber mittleren Konzentrationen für den Großraum eines urbanen Gebietes abweichen. An dieser Stelle setzt ein Modellentwurf an, der mithilfe von Citizen Science und Crowdsourcing-Methoden eine zusätzliche Datenquelle generiert und nutzt, um einerseits der Heterogenität städtischer Räume gerecht zu werden und andererseits auch genau dort Daten zu erheben, wo Bürger diesen Umweltparametern ausgesetzt sind. Dazu werden Low-Cost-Messstationen entwickelt und eingesetzt. Die Messstationen bestehen im Wesentlichen aus einem Arduino Uno/Mega Board, einem GPS-Shield zur Bestimmung der Position der Messungen sowie einem GSM-Shield zur Speicherung und Übertragung und der Messwerte via Mobilfunknetz. Die gewählte Technologie ermöglicht den weitgehend flexiblen Einsatz unterschiedlicher Sensoren. Die im Folgenden vorgestellte Konzeption und die daraus abgeleiteten Ergebnisse nutzt als Anwendungsfall die Daten eines DHT22-Sensors, der Informationen über die Temperatur und Luftfeuchtigkeit zur Verfügung stellt.