Introducción
No es de extrañar que identificar las ubicaciones ideales para la construcción de un nuevo parque eólico no sea tan sencillo como encontrar el campo abierto más cercano sin un aerogenerador imponente. De hecho, identificar las ubicaciones más adecuadas requiere conocer una gran cantidad de características propias del lugar en cuestión. Algunas de ellas son normativas: "¿Estamos lo suficientemente lejos de la ciudad más cercana?", "¿Qué grado de protección natural se exige a esta zona?". Otras son prácticas: "¿Es el terreno apto para la construcción?", "¿Recibe esta zona suficiente viento para que un nuevo aerogenerador sea rentable?". Responder con precisión a estas preguntas, según lo prescrito por las partes interesadas clave, es fundamental para el éxito de cualquier gran proyecto de construcción. En este proyecto, recurrimos a datos climáticos, imágenes de observación de la Tierra y normativas para identificar eficazmente las zonas de Salzburgo que cumplían unos criterios predefinidos. Este es un ejemplo paradigmático de cómo se puede aprovechar el big data para un caso práctico real y ofrece una visión de las diversas consideraciones que deben tenerse en cuenta en cada etapa del proceso.
Obtención de los datos
Naturalmente, el primer paso para cualquier tarea que busque aprovechar conjuntos de datos geoespaciales para responder a una pregunta práctica o comercial es obtener los datos. Como cualquier científico de datos sabe, este es el paso más crítico: todos los problemas que surgen se derivan, en última instancia, de las decisiones tomadas. Al desarrollar una solución para una aplicación comercial, es especialmente importante que los datos obtenidos no solo sean precisos, sino que, idealmente, estén certificados por las autoridades competentes. Un mapa detallado de información de zonificación, por ejemplo, carece de valor si no se puede certificar que proviene directamente de la autoridad competente. Por esta razón, las fuentes de datos oficiales son de gran valor, ya que proporcionan no solo la información veraz necesaria, sino también legitimidad a cualquier conclusión o predicción que se pueda extraer de ellas. En este proyecto, la Bundesamt für Eich- und Vermessungswesen (Oficina Federal de Metrología y Topografía) de Austria, así como el recurso de datos abiertos del gobierno (OGD) proporcionado por el estado de Salzburgo, sirvieron como una excelente base para el desarrollo de nuestro estudio territorial práctico de parques eólicos.
Aprovechar los conocimientos
Como ya se mencionó, la identificación de emplazamientos ideales para la construcción de nuevos parques eólicos se desglosa en una serie de criterios cuantificables que proporcionan una caracterización binaria de una zona de interés determinada ("Apta para la construcción de un parque eólico", "No apta para la construcción de un parque eólico"). Por lo tanto, el incumplimiento de cualquiera de estos criterios resultaría en que la zona se descartara en cualquier análisis posterior. Esta metodología permite un esquema de clasificación rápido y sencillo para identificar la idoneidad de una región para la construcción de un parque eólico.
La implementación del proceso descrito anteriormente se puede desglosar de la siguiente manera:
En primer lugar, cada criterio se asoció con una fuente de datos que proporcionó suficiente información de base para responder a esta pregunta de forma afirmativa o negativa. Posteriormente, se procesó la información de base asociada para clasificar la idoneidad de cada región de Salzburgo con respecto a dicho criterio. De esta forma, se generó una capa vectorial para cada criterio, clasificando las zonas de Salzburgo en regiones "aptas" o "no aptas". A continuación, analizaremos brevemente la generación de dos de estas capas.
Identificación de áreas residenciales
Uno de los criterios clave para la construcción de un nuevo parque eólico es que se encuentre a una distancia adecuada de las principales zonas residenciales. Cumplir con este criterio es necesario en la mayoría de las zonas debido a la normativa gubernamental vigente para abordar las preocupaciones relacionadas con la contaminación acústica, la planificación urbana y el impacto visual de estas instalaciones. El uso de datos de campo del Bundesamt für Eich- und Vermessungswesen nos proporciona un buen punto de partida para intentar generar una capa adecuada que segmente Salzburgo en zonas definidas según su idoneidad con respecto a este criterio.
Como se puede observar en este caso, los datos de campo consisten en varios polígonos correspondientes a estructuras existentes en el estado de Salzburgo. Esto ofrece un punto de partida prometedor, pero aún quedan varias preguntas por resolver para transformar esta información en la capa de clasificación binaria adecuada. En concreto, ¿cómo se puede distinguir claramente entre una ciudad, que aparece aquí como una agrupación compacta de polígonos, y dos casas solitarias en un campo? En este caso, recurrimos al algoritmo de agrupamiento espacial basado en la densidad, que proporciona una clasificación intuitiva basada en la densidad de un área en "residencial" o "no residencial" según la densidad de estos polígonos estructurales y su número de vecinos. De esta manera, podemos lograr, por ejemplo, la siguiente clasificación.
Identificación de regiones de nivel
Otro criterio importante para cualquier proyecto de construcción es que el terreno tenga la pendiente adecuada. En general, los proyectos de construcción deben construirse nivelados para proporcionar una cimentación adecuada para la estructura planificada. A partir de cierta pendiente, los costos de nivelación del área se vuelven prohibitivos e impiden la viabilidad del proyecto. Afortunadamente, existen datos ráster de código abierto, obtenidos a partir de levantamientos realizados con mediciones láser, con una resolución de 5 m.
En este caso, dado que se trata de datos ráster y no vectoriales, la conversión de esta capa a una máscara de clasificación binaria es un poco más compleja. Esto se logró definiendo un ángulo umbral por encima del cual un punto de interés se consideraba "demasiado empinado". Se consultaron los datos ráster para todas estas regiones, se extrajeron estas regiones a vectores con OpenCV y se aplicaron umbrales a las áreas extraídas para obtener la clasificación deseada.
Conclusión
Tras extraer con éxito una máscara de clasificación binaria para cada uno de los criterios que definen la idoneidad de una región para la construcción de un parque eólico, su integración es sencilla: basta con combinar todas las máscaras de clasificación en una sola. Las regiones resultantes son las óptimas, según los datos oficiales de campo proporcionados por el gobierno estatal de Salzburgo y el gobierno federal de Austria. ¡Todo un hallazgo!