Συνδυασμός LiDAR, αεροφωτογραφιών για τον προσδιορισμό των δυνατοτήτων εγκατάστασης φωτοβολταϊκών σε οροφές, στο Κέιπ Τάουν

Από RemoteSensing Wiki

Έκδοση στις 16:35, 25 Ιανουαρίου 2017 υπό τον/την Giannis vlachoulis (Συζήτηση | Συνεισφορές/Προσθήκες)
('διαφορά') ←Παλιότερη αναθεώρηση | εμφάνιση της τρέχουσας αναθεώρησης ('διαφορά') | Νεώτερη αναθεώρηση→ ('διαφορά')
Μετάβαση σε: πλοήγηση, αναζήτηση
Εικόνα 1: Διάγραμμα ροής για τον προσδιορισμό των οροφών κτηρίων
Εικόνα 2: Διάγραμμα ροής για τον προσδιορισμό της ηλιακής ακτινοβολίας
Εικόνα 3: Οι οροφές που προέκυψαν από την διαδικασία
Εικόνα 4: Η εκτιμώμενη ηλιακή ακτινοβολία στις οροφές
Εικόνα 5: Διάγραμμα εκτιμώμενης ηλιακής ενέργειας από την έρευνα μελέτης (κόκκινο) και των μετρήσεων σε εγκατεστημένο σταθμό (μπλε)

INTERGRATION OF LiDAR DATA WITH AERIAL IMAGERY FOR ESTIMATING ROOFTOP SOLAR PHOTOVOLTAIC POTENTIALS IN CITY OF CAPE TOWN

The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XLI-B7, 2016 XXIII ISPRS Congress, 12–19 July 2016, Prague, Czech Republic

A. K. Adeleke a and J. L. Smit b a Geomatics Division, School of Architecture, Planning and Geomatics, University of Cape Town, Private Bag X3, Rondebosch, 7700, South Africa - adlade005@myuct.ac.za b Geomatics Division, School of Architecture, Planning and Geomatics, University of Cape Town, Private Bag X3, Rondebosch, 7700, South Africa - julian.smit@uct.ac.za Commission VII, WG VII/6 KEY WORDS: LiDAR Data, Aerial Imagery, Roof Extraction, Solar Photovoltaics

πηγή: [[1]]

Μετάφραση και Περίληψη

Θέμα:

Η μελέτη αυτή παρουσιάζει ένα τρόπο αυτόματης εκτίμησης του ηλιακού δυναμικού σε οροφές κτηρίων, με την χρήση Τηλεπισκόπησης και GIS. Αυτή η διαδικασία, προσφέρει γρήγορα αποτελέσματα σε διαφορετικά κέντρα λήψης αποφάσεων για την ανάπτυξη ΑΠΕ στον αστικό ιστό.

Το πρόβλημα:

Έπρεπε να επιλεγούν οι πηγές δεδομένων για τον αυτόματο προσδιορισμό των οροφών στο δομημένο χώρο και να επιλεγεί μία μέθοδος ψηφιακής ανάλυσης εικόνας για την ταξινόμηση (classification). Χρησιμοποιήθηκε ο συνδυασμός αεροφωτογραφιών και LiDAR δεδομένων, γιατί η μία ομάδα δεδομένων συμπληρώνει την άλλη. Επιλέχτηκε η rule-based classification. Χρειαζόταν η επιλογή ενός μοντέλου υπολογισμού της ηλιακής ακτινοβολίας. Όπου, εφαρμόσθηκε το r.sun του GRASS GIS by Hofierka and Suri (2002), επειδή είναι αρκετά δοκιμασμένο, γρήγορο, υπολογίζει καλά την ανακλώμενη ακτινοβολία και είναι ανοιχτού λογισμικού (open source) με δυνατότητες για τροποποποιήσεις. Τέλος, έπρεπε να προσδιοριστεί το μέγεθος κάθε οροφής και η προσπίπτουσα ηλιακή ακτινοβολία.

Μεθοδολογία:

Πρώτα προσδιορίστηκαν οι οροφές, στην συνέχεια εκτιμήθηκε η ηλιακή ακτινοβολία και καθορίστηκε η δυνατότητα πιθανών φωτοβολταϊκών εγκαταστάσεων.

Προσδιορισμός οροφών με Rule-based classification:

Ο συνδυασμός LiDAR δεδομένων και αεροφωτογραφιών στο ορατό έχει πολλά πλεονεκτήματα αρκεί οι μετρήσεις να γίνονται με μικρή χρονική διαφορά και η χωρική ανάλυση να είναι παραπλήσια. Η Rule-based classification είναι αντικειμενοστραφής και επέτρεψε την αυτοματοποίηση με τον καθορισμό ομάδας κανόνων και τον έλεγχό τους κατά την έρευνα. Για την ανάλυση των δεδομένων χρησιμοποιήθηκε το eCognition Developer 9.1 και οι αλγόριθμοι τμηματοποίησης (segmentation), multi-resolution segmentation (MRS), contrast split, multi-threshold segmentation.

Προσδιορισμός ηλιακής ακτινοβολίας καθαρού ουρανού:

Χρησιμοποιήθηκε το mode-2 του r.sun του GRASS GIS 7 που παράγει ημερήσια αποτελέσματα. Οι αναγκαίες είσοδοι ήταν ένα ψηφιακό μοντέλο επιφάνειας (DSM raster), με επιπλέον βοηθητικά στοιχεία (DSM-based ancillary rasters) για κλίσεις, γεωγραφικό μήκος και πλάτος, ορίζοντα. Επιπλέον, μετρήσεις παραγόντων όπως η ανακλώμενη ακτινοβολία, ο συντελεστής θολότητας Linke, τα χρονικά στάδια καθορίζονται από τον χρήστη. Για την εκτίμηση της ετήσιας ακτινοβολίας γράφτηκε κώδικας, σε Python ώστε να επεκταθούν οι λειτουργίες του r.sun

Υπολογισμός ενεργειακού δυναμικού από πιθανές φωτοβολταϊκές εγκαταστάσεις:

Χρησιμοποιήθηκε το περίγραμμα των οροφών και αγνοήθηκαν οι υψομετρικές διαφορές σε μία οροφή. Εφαρμόστηκαν πράξεις GIS στα επίπεδα (layers) οροφών και ακτινοβολίας.

Δεδομένα:

Τα δεδομένα LiDAR και οι αεροφωτογραφίες, λήφθηκαν από το δήμο του Κέιπ Τάουν και αφορούσαν ομάδες μετρήσεων σε χρονικό διάστημα 2 ετών (2012 - 2014). Οι μετρήσεις LiDAR είχαν μέσο όρο χωρικής ανάλυσης τα 60cm, ενώ οι αεροφωτογραφίες τα 8cm. Μία επιπλέον διόρθωση πέρα από αυτή του δήμου, έγινε στο ERDAS IMAGINE. Επειδή τα αρχεία ήταν πολύ μεγάλα απαιτήθηκε ο διαχωρισμός τους σε περιοχές των 1,000m x 1,000m. Το DSM κατασκευάστηκε από τα δεδομένα LiDAR.

Έλεγχος Αποτελεσμάτων:

Για τον έλεγχο κατά την εύρεση των οροφών χρησιμοποιήθηκε η επιλογή “Error matrix based on TTA Mask” του λογισμικού eCognition σε δείγματα των 1000m x 1000m, τα οποία επιλέχτηκαν με χρήση του ArcGIS. Η συνολική ακρίβεια υπολογίστηκε στο 99,2%. Για την πιστοποίηση των εκτιμήσεων αξιοποίησης ηλιακής ενέργειας, εξετάστηκαν τα στοιχεία, σταθμού φωτοβολταϊκών που λειτουργούσε μόλις για 1 χρόνο και είναι από τους μεγαλύτερους σε αστικές περιοχές Διάγραμμα εκτιμώμενης από την έρευνα μελέτης (κόκκινο) και των μετρήσεων στον σταθμό (μπλε)

Συμπεράσματα:

  • Φαίνονται οι μεγάλες ικανότητες που προσφέρει ο συνδυασμός δεδομένων LiDAR και αεροφωτογραφιών και χρήση Τηκεπισκόπησης με GIS
  • Η αυτόματη διαδικασία με τελεπισκόπηση μειώνει αρκετά τον χρόνο και το κόστος σε σχέση με επίγειες μετρήσεις
  • Δίνονται χρήσιμες πληροφορίες για το σχεδιασμό σε ιδιωτικό και δημόσιο τομέα
Προσωπικά εργαλεία