Einführung
Es mag wenig überraschend sein, dass die Identifizierung idealer Standorte für den Bau eines neuen Windparks nicht so trivial ist wie die Suche nach dem nächstgelegenen freien Feld ohne hoch aufragende Windkraftanlage. Tatsächlich erfordert die Identifizierung der geeignetsten Standorte die Kenntnis einer Vielzahl von Standortmerkmalen. Einige davon sind regulatorischer Natur: „Sind wir weit genug von der nächsten Stadt entfernt?“, „Welcher Grad an Naturschutz ist für dieses Gebiet vorgeschrieben?“. Andere sind praktischer Natur: „Ist der Boden bebaubar?“, „Ist in diesem Gebiet genügend Wind vorhanden, um eine neue Windkraftanlage rentabel zu machen?“. Die präzise Beantwortung dieser Fragen, wie von den wichtigsten Interessengruppen vorgegeben, ist Voraussetzung für den Erfolg jedes großen Bauprojekts. In diesem Projekt nutzten wir Klimadaten, Erdbeobachtungsbilder und Vorschriften, um effizient Gebiete in Salzburg zu identifizieren, die bestimmte vordefinierte Kriterien erfüllen. Dies ist ein Musterbeispiel dafür, wie Big Data für einen realen Anwendungsfall genutzt werden kann, und gibt Einblick in die Vielzahl der Überlegungen, die in jedem Prozessschritt angestellt werden müssen.
Beschaffung der Daten
Der erste Schritt bei jeder Aufgabe, die Geodatensätze zur Beantwortung praktischer oder kommerzieller Fragen nutzen möchte, ist natürlich die Datenbeschaffung. Wie jeder Datenwissenschaftler weiß, ist dies der kritischste Schritt: Alle nachfolgenden Probleme ergeben sich letztlich aus den hier getroffenen Entscheidungen. Besonders wichtig bei der Entwicklung einer Lösung für eine kommerzielle Anwendung ist die Genauigkeit der Daten, die idealerweise auch von den zuständigen Behörden zertifiziert sind. Eine detaillierte Karte mit Zoneninformationen ist beispielsweise wertlos, wenn nicht nachgewiesen werden kann, dass sie direkt von der zuständigen Zonenbehörde stammt. Deshalb sind offizielle Datenquellen von äußerst hohem Wert, da sie nicht nur die notwendigen Informationen liefern, sondern auch Legitimität für alle daraus zu ziehenden Schlussfolgerungen und Vorhersagen. In diesem Projekt dienten das österreichische Bundesamt für Eich- und Vermessungswesen sowie die Open Government Data-Ressource (OGD) des Landes Salzburg als hervorragende Grundlage für die Entwicklung unserer umsetzbaren Windpark-Landvermessung.
Erkenntnisse nutzen
Wie bereits erwähnt, wird die Identifizierung idealer Standorte für den Bau neuer Windparks anhand quantifizierbarer Kriterien durchgeführt, die eine binäre Charakterisierung des jeweiligen Gebiets ermöglichen („Geeignet für den Bau eines Windparks“, „Nicht geeignet für den Bau eines Windparks“). Die Nichterfüllung eines dieser Kriterien würde dazu führen, dass das Gebiet bei der weiteren Analyse nicht berücksichtigt wird. Diese Methodik ermöglicht ein schnelles und einfaches Klassifizierungsschema zur Bestimmung der Eignung einer Region für den Bau eines Windparks.
Die Umsetzung des oben beschriebenen Prozesses lässt sich wie folgt unterteilen:
Zunächst wurde jedes Kriterium mit einer Datenquelle verknüpft, die ausreichende Ground-Truth-Informationen zur positiven oder negativen Beantwortung dieser Frage lieferte. Anschließend wurden für jedes Kriterium die zugehörigen Ground-Truth-Informationen verarbeitet, um die Eignung jeder Region in Salzburg hinsichtlich der jeweiligen Kriterien zu klassifizieren. Auf diese Weise wurde für jedes Kriterium ein Vektorlayer generiert, der die Gebiete Salzburgs in „geeignete“ und „ungeeignete“ Regionen einteilt. Im Folgenden werfen wir einen kurzen Blick auf die Generierung zweier dieser Layer.
Identifizierung von Wohngebieten
Ein wichtiges Kriterium für den Bau eines neuen Windparks ist der angemessene Abstand zu größeren Wohngebieten. Die Erfüllung dieses Kriteriums ist in den meisten Gebieten aufgrund gesetzlicher Vorschriften hinsichtlich Lärmbelästigung, städtebaulicher Aspekte und der optischen Auswirkungen dieser Anlagen zwingend erforderlich. Die Nutzung von Ground-Truth-Daten des Bundesamtes für Eich- und Vermessungswesen bietet eine gute Grundlage für die Erstellung einer geeigneten Schicht, die Salzburg in Gebiete unterteilt, die hinsichtlich dieser Kriterien geeignet sind.
Wie in diesem Fall zu sehen ist, bestehen die Ground-Truth-Daten aus einer Reihe von Polygonen, die den bestehenden Strukturen im Bundesland Salzburg entsprechen. Dies bietet einen vielversprechenden Ausgangspunkt, allerdings müssen noch einige Fragen geklärt werden, um diese Eingaben in die entsprechende binäre Klassifizierungsebene zu transformieren. Wie kann man beispielsweise sinnvoll zwischen einer Stadt, die hier als dichte Ansammlung von Polygonen erscheint, und zwei einzelnen Häusern auf einem Feld unterscheiden? In diesem Fall haben wir uns für den Algorithmus „Density-Based Spatial Clusterring“ entschieden, der eine intuitive, dichtebasierte Klassifizierung eines Gebiets in „Wohngebiet“ oder „Nicht-Wohngebiet“ ermöglicht, basierend auf der Dichte dieser Strukturpolygone und ihrer Anzahl an Nachbarn. Auf diese Weise können wir beispielsweise die folgende Klassifizierung erreichen.
Identifizieren von Levelregionen
Ein weiteres wichtiges Kriterium für jedes Bauprojekt ist die geeignete Bodenbeschaffenheit. Generell müssen Bauprojekte eben errichtet werden, um ein geeignetes Fundament für das geplante Bauwerk zu schaffen. Ab einem bestimmten Gefälle sind die Kosten für die Einebnung des Geländes viel zu hoch, um das Projekt praktikabel zu machen. Glücklicherweise stehen Open-Source-Rasterdaten aus Laservermessungen mit einer Auflösung von 5 m zur Verfügung.
Da es sich in diesem Fall um Raster- und nicht um Vektordaten handelt, ist die Übersetzung dieser Ebene in eine binäre Klassifizierungsmaske etwas aufwändiger. Dies wurde erreicht, indem ein Schwellenwinkel definiert wurde, ab dem ein Punkt von Interesse als „zu steil“ gilt. Durch Abfragen der Rasterdaten für alle diese Regionen, Extrahieren dieser Regionen in Vektoren mit OpenCV und Schwellenwertbildung der extrahierten Bereiche erhalten wir die gewünschte Klassifizierung.
Schlussfolgerung
Nachdem für jedes Kriterium, das die Eignung einer Region für den Bau eines Windparks definiert, erfolgreich eine binäre Klassifizierungsmaske extrahiert wurde, ist die Umsetzung ganz einfach: Man kombiniert einfach alle Klassifizierungsmasken zu einer einzigen. Die resultierenden Regionen sind die optimalen Regionen, die anhand offizieller Ground-Truth-Daten der Salzburger Landesregierung und der österreichischen Bundesregierung ermittelt wurden – ein echter Fund!