Teknikker til fjernmåling kan forbedre elektrificeringsplanlægningen i Zambia

Forskere ved Reiner Lemoine Institut i Berlin har effektivt brugt fjernmålingsteknikker til at opdage en prøve af zambiske landsbyer, der er uden elektricitet. Deres studie, for nylig offentliggjort på Springer's Proceeds in Energy bog serier, fremhæver potentialet i maskinlæringsstrategier for at forbedre elektrificeringsplanlægningen i mindre udviklede dele af verden.

På trods af de forbedringer, der er sket i løbet af de seneste år, mange regioner i Afrika syd for Sahara har stadig begrænset adgang til energikilder, inklusive el. Ifølge Institute of Economic Affairs (IEA) World Energy Outlook 2017 -rapporten, to tredjedele af de 17 millioner mennesker, der bor i Zambia, mangler elektricitet.

For at løse dette problem, det er først nødvendigt at opnå nøjagtige og detaljerede oplysninger om den aktuelle tilstand af elektrificering i landet, identifikation af placering og fordeling af husstande, der ikke har adgang til elektricitet. Disse vigtige data kan derefter bruges til at vurdere gennemførligheden af ​​forskellige elektrificeringsmuligheder, såsom stand-alone systemer, mini-grids, eller gitterudvidelser.

"At skabe en bedre forståelse af regioner med begrænset eller ingen tilgængelig elforsyning for at udvikle respektive energiforsyningsmuligheder kræver geospatiale data om, hvor folk bor, "Catherina Cader, en af ​​de forskere, der har udført undersøgelsen, fortalte TechXplore. "Meget ofte, især i mindre udviklede lande, sådanne data eller detaljerede rumligt adskilte oplysninger er ikke tilgængelige, eller kun i opsummeret landestatistik, uden stedspecifikke oplysninger."

I en nyligt offentliggjort undersøgelse, Cader og hendes kolleger undersøgte brugen af ​​åbent tilgængelige satellitbilleder og maskinlæringsværktøjer til at udfylde dette videnshul, i sidste ende forbedre energitilgangsplanlægningen. Forskerne brugte fjernmålingsteknikker, som involverer anvendelsen af ​​maskinlæringsalgoritmer, der er trænet til at klassificere Sentinel 2 multispektralt billedmateriale i medium opløsning.

"Vi brugte satellitdata til at udlede bosættelsesstrukturer og befolkede områder for at afgrænse landsbygrænser, " forklarede Cader. "For at opnå det, klassificering af landdække udføres ved hjælp af algoritmer til automatisk at detektere beboede områder baseret på tidligere udviklede træningssteder."

Algoritmerne brugt af forskerne var i stand til at klassificere 14 afdelinger uden elektricitet, med et samlet areal på cirka 10, 000 km ² . Disse resultater er meget lovende, fremhæve potentialet af telemåling til at forbedre distributionen af ​​energi i Zambia, såvel som i andre lande i Afrika syd for Sahara.

"Åbne satellitdatasæt og open source-software gjorde det muligt for os at udføre vellykkede klassifikationer for at identificere placeringen af ​​landsbyer, " sagde Cader. "Denne information kan bruges yderligere til planlægning af energiadgang."

I fremtiden, deres resultater kunne informere arbejdet i officielle organer, der opererer i regionen, f.eks. Rural Electrification Authority (REA), samt private iværksættere, der planlægger at udføre elektrificeringsarbejder. Information indsamlet ved hjælp af fjernmålingsteknikker kan også bruges i kombination med andre open source-data for at give bedre befolkningsestimater for de opdagede landsbyer.

"På baggrund af vores tidligere forskning arbejder vi nu på at kombinere fjernbetingede data med lokationsspecifikke undersøgelsesdata, der er nødvendige for planlægning af energeadgang, såsom elektriske apparater, husholdningsudgifter, eller produktiv brug, " sagde Cader. "Dette kunne hjælpe med at identificere korrelationer og give mulighed for en rumlig ekstrapolering af resultater til websteder, der er uden for undersøgelsesprøven."

© 2018 Tech Xplore