Científicos de la Universidad de Zhejiang (China) han desarrollado un método multiescala para evaluar las condiciones de la vegetación dentro de las plantas de energía fotovoltaica.
El nuevo enfoque combina datos de campo, imágenes de vehículos aéreos no tripulados (UAV, por sus iniciales en inglés) y datos del satélite Sentinel-2. Su objetivo es corregir los resultados sesgados del índice de vegetación de diferencia normalizada (NDVI) obtenidos mediante el análisis exclusivo de imágenes satelitales.
«Para realizar evaluaciones cuantitativas del impacto de las instalaciones de paneles fotovoltaicos en la vegetación a escala regional, es fundamental recuperar con precisión las condiciones reales de la vegetación dentro de las plantas de energía fotovoltaica a partir de las señales registradas por satélite», afirman los académicos. «En este estudio, proponemos una solución centrada en el NDVI a partir de los datos de Sentinel-2, utilizando imágenes de UAV para mediar en la integración de los datos de campo y los datos satelitales. Nuestros objetivos son: evaluar cuantitativamente la relación de la vegetación bajo y entre los paneles y desarrollar un marco para utilizar los datos de los UAV con el fin de corregir los datos NDVI de Sentinel-2 para evaluar las condiciones reales de la vegetación en las plantas solares».
La investigación se centró en nueve instalaciones fotovoltaicas en China continental, en diversas zonas climáticas y tipos de uso del suelo.
En total, se realizaron 76 visitas a los diferentes parques para establecer la realidad sobre el terreno, durante las cuales se recopilaron 3295 pares de imágenes debajo de los paneles y entre los paneles para determinar si existe una correlación. Además, se utilizaron los cuadricópteros DJI Phantom 4 Multispectral y DJI Mavic 3 Multispectral para recopilar datos de teledetección aérea de ultra alta resolución. Se volaron en días con buena visibilidad a una altura de 200 m. Estos se compararon con datos Sentinel-2 de nivel 2 de alta resolución espacial y temporal.
«Modificamos un modelo U-Net para calibrar el NDVI del Sentinel-2 con el fin de captar mejor la compleja relación entre los datos de los UAV y los satélites», explicaron los investigadores. «Seleccionamos 5054 parches de 64 × 64 píxeles como entradas para el entrenamiento del modelo, utilizando el 80 % para el entrenamiento y el 20 % para la validación. Para evaluar más a fondo la capacidad de generalización del modelo, lo probamos en seis plantas solares de China. A continuación, entrenamos el modelo U-net modificado utilizando todos los datos disponibles, que posteriormente se utilizaron para calibrar el NDVI de Sentinel-2 y crear un mosaico del NDVI previsto para cada planta con el fin de realizar análisis adicionales».
Su análisis mostró que los resultados corregidos redujeron significativamente la discrepancia entre el NDVI de Sentinel-2 y la realidad sobre el terreno, que se midió en los días de campo. Sin embargo, no se logró una coincidencia perfecta. En general, descubrieron que, antes de la corrección, el NDVI de Sentinel-2 tendía a sobreestimar los valores en las plantas con un NDVI bajo y a subestimarlos en las plantas con un NDVI alto.
«Nuestros resultados muestran que la vegetación debajo y entre los paneles fotovoltaicos está fuertemente correlacionada, y que la inclusión de la vegetación debajo de los paneles eleva el índice de vegetación de diferencia normalizada promedio de 0,248 ± 0,158 a 0,298 ± 0,193», mostraron los resultados. «En comparación con las estimaciones por satélite únicamente, nuestro método reduce el sesgo en un 16,98 %. A escala regional, aproximadamente el 61,59 % de las centrales eléctricas no suprimieron el crecimiento de la vegetación. Este enfoque permite realizar evaluaciones medioambientales más precisas del desarrollo de las centrales fotovoltaicas y favorece una planificación y gestión mejor informadas de las infraestructuras de energía solar».
Sus hallazgos se presentaron en «Leveraging unmanned aerial vehicle images improves vegetation mapping in photovoltaic power plants» (El aprovechamiento de imágenes de vehículos aéreos no tripulados mejora la cartografía de la vegetación en las centrales eléctricas fotovoltaicas), publicado en Communications Earth & Environment. En el estudio han participado científicos de la Universidad de Zhejiang (China), la Academia China de Ciencias y el Instituto de Mecánica Espacial y Electricidad de Pekín.
Este contenido está protegido por derechos de autor y no se puede reutilizar. Si desea cooperar con nosotros y desea reutilizar parte de nuestro contenido, contacte: editors@pv-magazine.com.
Al enviar este formulario, usted acepta que pv magazine utilice sus datos con el fin de publicar su comentario.
Sus datos personales solo se divulgarán o transmitirán a terceros para evitar el filtrado de spam o si es necesario para el mantenimiento técnico del sitio web. Cualquier otra transferencia a terceros no tendrá lugar a menos que esté justificada sobre la base de las regulaciones de protección de datos aplicables o si pv magazine está legalmente obligado a hacerlo.
Puede revocar este consentimiento en cualquier momento con efecto para el futuro, en cuyo caso sus datos personales se eliminarán inmediatamente. De lo contrario, sus datos serán eliminados cuando pv magazine haya procesado su solicitud o si se ha cumplido el propósito del almacenamiento de datos.
Puede encontrar más información sobre privacidad de datos en nuestra Política de protección de datos.