Χρήστης:TASIOU VASILIKI

Από RemoteSensing Wiki

(Διαφορές μεταξύ αναθεωρήσεων)
Μετάβαση σε: πλοήγηση, αναζήτηση
(Διαγραφή του περιεχομένου της σελίδας)
Γραμμή 1: Γραμμή 1:
-
= Integrating remote sensing, GIS and multi-criteria decision making for assessing PV potential in mountainous regions =
 
-
'''Xiaofan Feng, Zhengjia Zhang, Qi Chen, Zhiling Guo, Haoran Zhang, Mengmeng Wang, Wei Gao, Xiuguo Liu'''
 
-
 
-
'''[https://www.sciencedirect.com/science/article/pii/S0960148125000023?via%3Dihub]'''
 
-
----
 
-
 
-
== 1. Εισαγωγή ==
 
-
 
-
Η ανάγκη για μείωση των εκπομπών άνθρακα στον πλανήτη και κατ’επέκταση η συνεχής αύξηση της τεχνολογίας των εργαλείων για εκμετάλλευση των ανανεώσιμων πηγών ενέργειας, και συγκεκριμένα της ηλιακής ενέργειας έχει οδηγήσει στον κορεσμό της ελεύθερης γης για τοποθέτηση φωτοβολταϊκών (φ/β) πάρκων. Η συγκεκριμένη έρευνα πραγματεύεται την εξερεύνηση ορεινών περιοχών και την δυνατότητα δημιουργίας (φ/β) πάρκων σε τέτοιου είδους δύσβατες περιοχές, όπου όμως η ηλιακή ακτινοβολία φτάνει υψηλά επίπεδα, με τη βοήθεια της τηλεπισκόπησης, των γεωγραφικών συστημάτων πληροφοριών (ΓΣΠ) και της μεθόδου λήψης αποφάσεων με πολλαπλά κριτήρια.
 
-
 
-
 
-
== 2. Περιγραφή του προβλήματος ==
 
-
 
-
Το κύριο πρόβλημα που εξετάζεται είναι η έλλειψη διαθέσιμης γης για την εγκατάσταση φωτοβολταϊκών μονάδων. Η κατασκευή σε ορεινό ανάγλυφο είναι ιδιαίτερα περίπλοκη λόγω της ακανόνιστης τοπογραφίας. Οι ερευνητές επικεντρώνονται σε τέσσερα βασικά ζητήματα:
 
-
 
-
• Ποιοι παράγοντες πρέπει να ληφθούν υπόψη για την επιλογή τοποθεσίας σε βουνά.
 
-
 
-
• Ποιες περιοχές είναι πραγματικά κατάλληλες για την κατασκευή φ/β εγκαταστάσεων.
 
-
 
-
• Ποια είναι η δυνατότητα παραγωγής ενέργειας.
 
-
 
-
• Ποιο είναι το ισοσταθμισμένο κόστος ενέργειας (LCOE) με βάση τις τιμές της ορεινής γης.
 
-
 
-
Επιπλέον, η μελέτη λαμβάνει υπόψη τους αυστηρούς περιορισμούς των πολιτικών χρήσης γης, όπως η προστασία της καλλιεργήσιμης γης και οι οικολογικές «κόκκινες γραμμές», όπως αυτές ορίζονται από τον εθνικό χωροταξικό σχεδιασμό.
 
-
 
-
 
-
== 3. Μεθοδολογία ==
 
-
 
-
Η μεθοδολογία περιλαμβάνει 4 κύρια στάδια που παρουσιάζονται με σειρά προτεραιότητας:
 
-
 
-
'''''α. Επιλογή των κριτηρίων'''''
 
-
 
-
Αρχικά, επιλέχθηκαν τα παρακάτω 9 κριτήρια:
 
-
 
-
• ηλιακή ακτινοβολία
 
-
 
-
• κλίση εδάφους (slope)
 
-
 
-
• υψόμετρο
 
-
 
-
• ρυθμός παραμόρφωσης επιφάνειας εδάφους
 
-
 
-
• πυκνότητα δικτύου γραμμών μεταφοράς
 
-
 
-
• προσανατολισμός (aspect)
 
-
 
-
• κάλυψη γης (land cover)
 
-
 
-
• προσβασιμότητα μεταφορών
 
-
 
-
• απόσταση από υδάτινους πόρους
 
-
 
-
Η επεξεργασία των γεωγραφικών δεδομένων έγινε στο περιβάλλον ArcGIS 10.2 (Spatial Analyst). Χρησιμοποιήθηκαν δεδομένα υψομέτρου NASADEM για την εξαγωγή της κλίσης και του προσανατολισμού, ενώ η ηλιακή ακτινοβολία αντλήθηκε από το μοντέλο ERA5-Land.
 
-
 
-
 
-
'''''β. Χρήση της μεθόδου MT-InSAR (Multi-Temporal Interferometric Synthetic Aperture Radar)'''''
 
-
 
-
Χρησιμοποιήθηκε η μέθοδος MT-InSAR για την παρακολούθηση της παραμόρφωσης της επιφάνειας του εδάφους και κατά συνέπεια τον εντοπισμό γεωλογικά σταθερών περιοχών, αποφεύγοντας περιοχές με κίνδυνο κατολισθήσεων.
 
-
Η τεχνική βασίστηκε στην επεξεργασία 52 δορυφορικών εικόνων ραντάρ Sentinel-1 μέσω του λογισμικού StaMPS (Stanford Method for Persistent Scatterers), επιτρέποντας μετρήσεις μετακίνησης του εδάφους με ακρίβεια χιλιοστού.
 
-
 
-
 
-
'''''γ. Μοντέλο OPA (Ordinal Priority Approach)'''''
 
-
 
-
Εφαρμόστηκε το μοντέλο OPA για την αξιολόγηση της καταλληλότητας των κριτηρίων και τον υπολογισμό των βαρών καθενός από αυτά, αποφεύγοντας τις υποκειμενικές συγκρίσεις άλλων μεθόδων (όπως η AHP).
 
-
Το μοντέλο OPA επιλύθηκε μέσω γραμμικού προγραμματισμού (χρησιμοποιώντας λογισμικά όπως το MATLAB), αποδίδοντας την υψηλότερη βαρύτητα στην ακτινοβολία (0,3535) και στην κλίση (0,1768).
 
-
 
-
 
-
'''''δ. LCOE (Levelized Cost of Energy)'''''
 
-
 
-
Τέλος, εκτιμήθηκε η ετήσια παραγωγή ενέργειας και το οικονομικό κόστος της επένδυσης.
 
-
Η χωρική υπέρθεση (overlay) των δεδομένων έγινε με το Raster Calculator του ArcGIS. Για το οικονομικό σκέλος, χρησιμοποιήθηκε ο δείκτης LCOE (Levelized Cost of Energy), ενσωματώνοντας τον παράγοντα "αυξημένου κόστους ορεινής κατασκευής" για να διασφαλιστεί η ρεαλιστική απόδοση της επένδυσης.
 
-
 
-
 
-
== 4. Αποτελέσματα ==
 
-
 
-
Η μελέτη στην περιοχή Yongren κατέληξε σε συγκεκριμένα ποσοτικά δεδομένα:
 
-
 
-
• ''Επιλογή Γης:'' Εντοπίστηκαν 85,45 km2 ως "εξαιρετικά κατάλληλες" περιοχές.
 
-
 
-
• ''Ενεργειακό Δυναμικό:'' Η ετήσια παραγωγή εκτιμάται στα 665,41 GWh.
 
-
 
-
• ''Οικονομική Απόδοση:'' Το LCOE (Levelized Cost of Energy) υπολογίστηκε στα 0,3963 RMB/kWh. Το μοντέλο υπολόγισε το LCOE ενσωματώνοντας το "Mountainous Construction Cost" (αυξημένο κόστος λόγω κλίσης και δυσκολίας πρόσβασης).
 
-
 
-
• ''Εγκυρότητα:'' Ο χάρτης καταλληλότητας που παρήγαγε το ArcGIS επαληθεύτηκε με οπτική σύγκριση από δορυφορικές εικόνες υψηλής ανάλυσης (Google Earth), δείχνοντας ότι οι περιοχές που υποδείχθηκαν είναι όντως ελεύθερες από δάση ή καλλιέργειες.
 
-
 
-
 
-
== 5. Συζήτηση ==
 
-
 
-
Το προτεινόμενο πλαίσιο προσφέρει μια ολοκληρωμένη λύση στο πρόβλημα της σπανιότητας γης για την ανάπτυξη των φωτοβολταϊκών. Η ενσωμάτωση της τεχνολογίας MT-InSAR κρίνεται κρίσιμη για την ασφάλεια των εγκαταστάσεων σε ορεινά εδάφη. Οι συγγραφείς τονίζουν ότι η επιλογή των τοποθεσιών πρέπει να ευθυγραμμίζεται αυστηρά με τις εθνικές πολιτικές προστασίας του περιβάλλοντος και της γεωργίας. Τελικά, η ανάπτυξη φωτοβολταϊκών σε ορεινές περιοχές δεν συμβάλλει μόνο στη μείωση των εκπομπών άνθρακα, αλλά ενισχύει και την οικονομική ανάπτυξη των αγροτικών περιοχών μέσω της χρήσης ανεκμετάλλευτης γης.
 

Αναθεώρηση της 12:49, 27 Ιανουαρίου 2026

Προσωπικά εργαλεία