介绍
确定新建风电场的理想位置并非像找到一块没有高耸风力涡轮机的最近空地那么简单，这或许并不令人意外。事实上，确定最合适的位置需要了解该地点的大量特征。其中一些是法规要求的，“我们离最近的城镇够远吗？”，“该地区规定的自然保护区程度如何？”。还有一些是实际要求的，“这片土地适合建设吗？”，“该地区的风力是否足以使新的风力涡轮机盈利？”。准确回答这一系列问题，并按照主要利益相关者的要求，是任何大型建设项目成功的先决条件。在这个项目中，我们利用气候数据、地球观测图像和相关法规，有效地识别了萨尔茨堡符合一系列预定标准的地区。这是一个大数据应用于实际应用的典型案例，并深入分析了流程每个步骤中需要考虑的诸多因素。
获取数据
当然，任何想要利用地理空间数据集来解答实际/商业问题的任务，第一步都是获取数据。任何数据科学家都知道，这是最关键的一步：所有后续问题最终都源于此做出的决策/选择。在开发商业应用解决方案时，尤其需要注意的是，所获取的数据不仅要准确，而且最好还要经过相关部门的认证。例如，如果一份详细的分区信息地图无法证明其直接来自相关分区部门，那么它就毫无价值。因此，官方数据来源极其重要，因为它们不仅提供了必要的真实信息，还为由此得出的任何结论或预测提供了依据。在本项目中，奥地利联邦计量和测量局 (Bundesamt für Eich- und Vermessungswesen) 以及萨尔茨堡州提供的开放政府数据资源 (OGD) 为我们开展可操作的风电场土地调查奠定了良好的基础。
利用洞察力
如前所述，新建风电场理想场址的确定被分解为一系列可量化的标准，这些标准对特定区域进行二元表征（“适合建设风电场”、“不适合建设风电场”）。因此，如果不符合其中任何一项标准，该区域将被排除在进一步的分析之外。这种方法提供了一种“快速简便”的分类方案，用于确定某个区域是否适合建设风电场。
上述过程的实现可以分解如下：
首先，每个标准都与一个数据源相关联，该数据源提供了足够的真实信息，以便对这个问题做出肯定或否定的回答。然后，针对每个标准，处理相关的真实信息，根据相关标准对萨尔茨堡各地区的适宜性进行分类。这样，为每个标准生成一个矢量图层，将萨尔茨堡各地区分为“适宜”或“不适宜”区域。接下来，我们将快速了解其中两个矢量图层的生成过程。
识别居住区
新建风电场的关键标准之一是与主要居民区保持适当的距离。由于政府出台了相关法规，以解决噪音污染、城市规划以及风电设施的视觉影响等问题，大多数地区都必须满足这一标准。利用德国联邦电力和电力运输管理局 (Bundesamt für Eich- und Vermessungswesen) 提供的地面实况数据，我们能够很好地构建一个合适的图层，将萨尔茨堡根据其是否符合这一标准划分为不同的区域。
从本例中可以看出，地面实况数据包含大量与萨尔茨堡州现有建筑结构相对应的多边形。这提供了一个良好的开端，但仍需解决一些问题，才能将这些输入转换为合适的二分类层。例如，如何区分城镇（此处显示为紧密聚类的多边形）和田野中的两栋孤零零的房屋？在本例中，我们采用了基于密度的空间聚类算法，该算法根据这些建筑多边形的密度及其相邻多边形的数量，直观地将区域划分为“住宅区”或“非住宅区”。通过这种方式，我们可以实现例如以下分类。
识别级别区域
任何建筑项目的另一个重要标准是地面坡度适宜。一般来说，建筑项目必须平整，以便为规划中的建筑提供合适的地基。如果坡度超过一定坡度，平整场地所需的成本将变得过高，项目难以实施。幸运的是，通过激光测量获取的开源栅格数据分辨率可达 5 米。
在这种情况下，由于这是栅格数据，而不是矢量数据，因此将此层转换为二元分类掩码稍微复杂一些。在本例中，这是通过定义一个阈值角度来实现的，超过该角度，兴趣点就被认为“太陡峭”。查询所有这些区域的栅格数据，使用 OpenCV 将这些区域提取为矢量，并对提取出的区域进行阈值处理，从而得到所需的分类。
结论
成功提取出定义区域是否适合建设风电场的各项标准的二元分类掩膜后，接下来的操作就很简单了：只需将所有分类掩膜合并为一个即可。最终生成的区域是根据萨尔茨堡州政府和奥地利联邦政府提供的官方地面实况数据确定的最佳区域，这可真是个了不起的发现！