Esempio di analisi dell'immagine satellitare (basata sui dati Copernicus Sentinel 2017) sovrapposta a Google Satellite (© 2018 TerraMetrics) Credito:Cader et al.
I ricercatori del Reiner Lemoine Institut di Berlino hanno efficacemente utilizzato tecniche di telerilevamento per rilevare un campione di villaggi dello Zambia privi di elettricità. Il loro studio, recentemente pubblicato su Springer's Procedimenti in Energia serie di libri, mette in evidenza il potenziale delle strategie di apprendimento automatico per migliorare la pianificazione dell'elettrificazione nelle parti meno sviluppate del mondo.
Nonostante i miglioramenti avvenuti negli ultimi anni, molte regioni dell'Africa subsahariana hanno ancora un accesso limitato alle fonti energetiche, compresa l'elettricità. Secondo il rapporto World Energy Outlook 2017 dell'Institute of Economic Affairs (IEA), due terzi dei 17 milioni di persone che vivono in Zambia non hanno elettricità.
Per affrontare questo problema, è prima necessario ottenere informazioni accurate e dettagliate sullo stato attuale dell'elettrificazione nel paese, identificare l'ubicazione e la distribuzione delle famiglie che non hanno accesso all'elettricità. Questi importanti dati potrebbero quindi essere utilizzati per valutare la fattibilità di diverse opzioni di elettrificazione, come sistemi autonomi, mini-griglie, o estensioni della griglia.
"La creazione di una migliore comprensione delle regioni con fornitura di elettricità limitata o inesistente per sviluppare le rispettive opzioni di approvvigionamento energetico richiede i dati geospaziali su dove vivono le persone, "Caterina Cader, uno dei ricercatori che ha condotto lo studio, ha detto a TechXplore. "Molto spesso, soprattutto nei paesi meno sviluppati, tali dati o informazioni dettagliate spazialmente disaggregate non sono disponibili, o solo nella statistica riassuntiva del paese, senza informazioni specifiche sulla posizione."
Panoramica dei reparti classificati [sovrapposto su Open Street Maps © collaboratori di OpenStreetMap sotto Open Data Commons Open Database License (ODbL)] Credito:Cader et al.
In uno studio pubblicato di recente, Cader e i suoi colleghi hanno studiato l'uso di immagini satellitari disponibili pubblicamente e strumenti di apprendimento automatico per colmare questa lacuna di conoscenza, infine migliorare la pianificazione dell'accesso all'energia. I ricercatori hanno utilizzato tecniche di telerilevamento, che comportano l'applicazione di algoritmi di apprendimento automatico addestrati a classificare le immagini multispettrali di Sentinel 2 a media risoluzione.
"Abbiamo utilizzato i dati satellitari per ricavare strutture di insediamento e aree popolate per delineare i confini dei villaggi, " Cader ha spiegato. "Per raggiungere questo obiettivo, la classificazione della copertura del suolo viene effettuata utilizzando algoritmi per rilevare automaticamente le aree abitate sulla base di siti di addestramento precedentemente sviluppati".
Gli algoritmi utilizzati dai ricercatori sono riusciti a classificare 14 reparti privi di elettricità, con una superficie totale di circa 10, 000 km 2 . Questi risultati sono molto promettenti, evidenziando il potenziale del telerilevamento per migliorare la distribuzione dell'energia in Zambia, così come in altri paesi dell'Africa subsahariana.
Rione Vyamba, un esempio di analisi di rilevamento del villaggio ad alta precisione (basata sui dati Copernicus Sentinel 2017), sovrapposto a Google Satellite (© 2018 TerraMetrics) Credito:Cader et al.
"I set di dati satellitari aperti e il software open source ci hanno permesso di effettuare classificazioni di successo per identificare la posizione dei villaggi, " Cader ha detto. "Queste informazioni possono essere ulteriormente utilizzate per la pianificazione dell'accesso all'energia".
In futuro, i loro risultati potrebbero informare il lavoro degli organismi ufficiali che operano nella regione, come la Rural Electrification Authority (REA), nonché quella di imprenditori privati che intendono realizzare opere di elettrificazione. Le informazioni raccolte utilizzando tecniche di telerilevamento potrebbero essere utilizzate anche in combinazione con altri dati open source per fornire migliori stime della popolazione per i villaggi rilevati.
Rione Malalo, sovrastima delle aree edificate in un ambiente paludoso (basato sui dati Copernicus Sentinel 2017) Credito:Cader et al.
"Sulla base della nostra precedente ricerca, stiamo ora lavorando per combinare i dati telerilevati con i dati di rilevamento specifici della posizione necessari per la pianificazione dell'accesso all'energia, come elettrodomestici, spese domestiche, o uso produttivo, " Ha detto Cader. "Questo potrebbe aiutare a identificare le correlazioni e consentire un'estrapolazione spaziale dei risultati a siti che sono al di fuori del campione di indagine".
© 2018 Tech Xplore
