Использование дронов, спутниковых и наземных данных для составления карт растительности на фотоэлектрических установках

Аккумулятор FIAMM 12FGH36

Ученые разработали многомасштабный метод оценки состояния растительности на фотоэлектрических электростанциях. Исследование проводилось на девяти фотоэлектрических электростанциях в Китае, расположенных в разных климатических зонах. По сравнению с оценкой только с помощью спутников, этот метод снижает погрешность на 16,98 %.

Ученые из Чжэцзянского университета в Китае разработали многомасштабный метод оценки состояния растительности на фотоэлектрических электростанциях.

Новый подход сочетает в себе полевые данные, изображения с беспилотных летательных аппаратов (БПЛА) и спутниковые данные Sentinel-2. Он предназначен для корректировки результатов анализа спутниковых изображений, полученных с помощью нормализованного относительного индекса растительности (NDVI).

«Для количественной оценки воздействия фотоэлектрических панелей на растительность в региональном масштабе крайне важно точно определять истинное состояние растительности на территории фотоэлектрических электростанций на основе спутниковых данных», — заявили учёные. «В этом исследовании мы предлагаем решение, основанное на индексе NDVI, полученном с помощью данных Sentinel-2, и использовании изображений с беспилотных летательных аппаратов для интеграции полевых и спутниковых данных. Наши цели заключаются в следующем: количественная оценка взаимосвязи между растительностью под панелями и между ними, а также разработка системы использования данных с беспилотных летательных аппаратов для корректировки данных Sentinel-2 NDVI с целью оценки реального состояния растительности на солнечных электростанциях.

Исследование проводилось на девяти фотоэлектрических объектах в материковом Китае, расположенных в разных климатических зонах и с разным типом землепользования.

В общей сложности было совершено 76 визитов в различные парки для получения достоверных данных, в ходе которых было собрано 3295 пар изображений под панелями и между панелями, чтобы определить наличие корреляции. Кроме того, для сбора данных дистанционного зондирования с воздуха сверхвысокого разрешения использовались мультиспектральный квадрокоптер DJI Phantom 4 и мультиспектральный квадрокоптер DJI Mavic 3. Они работают в дни с хорошей видимостью на высоте 200 м. Они были сопоставлены с данными Sentinel-2 второго уровня с высоким пространственным и временным разрешением.

«Мы модифицировали модель U-Net, чтобы откалибровать индекс NDVI Sentinel-2 и лучше отразить сложную взаимосвязь между БПЛА и спутниковыми данными», — объяснили исследователи. «Мы выбрали 5054 фрагмента размером 64 × 64 пикселя в качестве входных данных для обучения модели. 80 % данных использовались для обучения, а 20 % — для проверки. Чтобы дополнительно оценить способность модели к обобщению, мы протестировали её на шести солнечных электростанциях в Китае. Затем мы обучили модифицированную U-образную модель на всех доступных данных, которые впоследствии были использованы для калибровки индекса NDVI Sentinel-2, и создали мозаику из прогнозируемых значений NDVI для каждого растения для дальнейшего анализа.

Их анализ показал, что скорректированные результаты значительно сократили расхождение между индексом NDVI, полученным с помощью Sentinel-2, и фактическими данными, полученными в полевые дни. Однако идеального совпадения добиться не удалось. В целом они обнаружили, что до корректировки индекс NDVI, полученный с помощью Sentinel-2, имел тенденцию завышать значения для растений с низким индексом NDVI и занижать их для растений с высоким индексом NDVI.

«Наши результаты показывают, что растительность под фотоэлектрическими панелями и между ними сильно коррелирует, а учёт растительности под панелями повышает средний нормализованный разностный вегетационный индекс с 0,248 ± 0,158 до 0,298 ± 0,193», — показали результаты. «По сравнению с оценкой только со спутников, наш метод снижает погрешность на 16,98%. На региональном уровне примерно 61,59% электростанций не подавляли рост растительности. Такой подход позволяет более точно оценивать воздействие на окружающую среду при строительстве фотоэлектрических электростанций и способствует более эффективному планированию и управлению инфраструктурой солнечной энергетики.

Их выводы были представлены в статье «Использование изображений с беспилотных летательных аппаратов для улучшения картографирования растительности на фотоэлектрических электростанциях», опубликованной в Communications Earth & Environment. В исследовании приняли участие учёные из китайского Чжэцзянского университета, Китайской академии наук и Пекинского института космической механики и электротехники.