論文の概要: An Artificial Intelligence Dataset for Solar Energy Locations in India
- arxiv url: http://arxiv.org/abs/2202.01340v1
- Date: Mon, 31 Jan 2022 23:53:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-05 05:53:21.293993
- Title: An Artificial Intelligence Dataset for Solar Energy Locations in India
- Title（参考訳）: インドにおける太陽エネルギー配置のための人工知能データセット
- Authors: Anthony Ortiz, Dhaval Negandhi, Sagar R Mysorekar, Joseph Kiesecker,
Shivaprakash K Nagaraju, Caleb Robinson, Priyal Bhatia, Aditi Khurana, Jane
Wang, Felipe Oviedo, Juan Lavista Ferres
- Abstract要約: インドは2030年までに300ギガワットの太陽エネルギーを投入するという野心的な目標を掲げている。
土地利用プランナーは、PVインフラの最新の正確な地理空間情報にアクセスする必要がある。
インド全土の実用規模のソーラープロジェクトを地図化するための空間的明示的な機械学習モデルを構築した。
- 参考スコア（独自算出の注目度）: 6.454602468926006
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Rapid development of renewable energy sources, particularly solar
photovoltaics, is critical to mitigate climate change. As a result, India has
set ambitious goals to install 300 gigawatts of solar energy capacity by 2030.
Given the large footprint projected to meet these renewable energy targets the
potential for land use conflicts over environmental and social values is high.
To expedite development of solar energy, land use planners will need access to
up-to-date and accurate geo-spatial information of PV infrastructure. The
majority of recent studies use either predictions of resource suitability or
databases that are either developed thru crowdsourcing that often have
significant sampling biases or have time lags between when projects are
permitted and when location data becomes available. Here, we address this
shortcoming by developing a spatially explicit machine learning model to map
utility-scale solar projects across India. Using these outputs, we provide a
cumulative measure of the solar footprint across India and quantified the
degree of land modification associated with land cover types that may cause
conflicts. Our analysis indicates that over 74\% of solar development In India
was built on landcover types that have natural ecosystem preservation, and
agricultural values. Thus, with a mean accuracy of 92\% this method permits the
identification of the factors driving land suitability for solar projects and
will be of widespread interest for studies seeking to assess trade-offs
associated with the global decarbonization of green-energy systems. In the same
way, our model increases the feasibility of remote sensing and long-term
monitoring of renewable energy deployment targets.
- Abstract（参考訳）: 再生可能エネルギー源、特に太陽光発電の急速な発展は、気候変動の緩和に不可欠である。
その結果、インドは2030年までに300ギガワットの太陽エネルギーを投入するという野心的な目標を掲げた。
これらの再生可能エネルギーを目標とする大きなフットプリントを考えると、環境や社会的価値に対する土地利用紛争の可能性が高い。
太陽エネルギーの開発を迅速化するためには、土地利用プランナーはPVインフラの最新の正確な地理空間情報にアクセスする必要がある。
最近の研究の大半は、リソース適合性の予測と、かなりのサンプリングバイアスや、プロジェクトが許可されたときと位置情報が利用可能になったときの間の時間的遅れがあるthruクラウドソーシングを開発したデータベースのいずれかを使っている。
本稿では,インド全土の実用規模のソーラープロジェクトを地図化するための空間的明示的な機械学習モデルを開発することで,この問題に対処する。
これらのアウトプットを用いて、インド全体での太陽フットプリントの累積測定を行い、紛争を引き起こす可能性のある土地被覆タイプに関連する土地変更の程度を定量化した。
解析の結果,インドにおける太陽開発は,自然生態系の保全と農業的価値を有する土地被覆型で構築された。
したがって、平均精度92\%のこの方法では、ソーラープロジェクトの土地適合性を促進する要因の特定が可能であり、グリーンエネルギーシステムのグローバルな脱炭に関するトレードオフを評価する研究に広く関心が集まる。
同様に、我々のモデルは、再生可能エネルギー配置目標のリモートセンシングと長期監視の実現可能性を高める。
関連論文リスト
- GlobalBuildingMap -- Unveiling the Mystery of Global Buildings [16.01396565010977]
私たちは今までに作られた最も高解像度で高精度なビルディングマップ、GlobalBuildingMap(GBM)を作成しました。
ビルマップと太陽ポテンシャルの合同分析により、屋上太陽エネルギーは、合理的なコストで地球規模のエネルギー消費の需要を供給できることが示されている。
また,建築領域と重要社会経済変数の空間的相関も明らかにした。
論文 参考訳（メタデータ） (2024-04-22T06:43:18Z) - GloSoFarID: Global multispectral dataset for Solar Farm IDentification in satellite imagery [1.2021565114959365]
本研究は、ソーラーパネルファームのマルチスペクトル衛星画像の包括的グローバルデータセットを初めて開発する。
これは、世界中のソーラーパネルファームの展開と分布を正確にマッピングし分析できる、堅牢な機械学習モデルのトレーニング基盤を形成することを目的としている。
論文 参考訳（メタデータ） (2024-04-08T04:10:50Z) - SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳（メタデータ） (2023-11-02T02:00:27Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳（メタデータ） (2023-11-01T11:16:41Z) - Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。
本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。
評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
論文 参考訳（メタデータ） (2023-07-14T06:50:02Z) - Improving day-ahead Solar Irradiance Time Series Forecasting by
Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。
しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。
本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-06-01T19:54:39Z) - Location-aware green energy availability forecasting for multiple time
frames in smart buildings: The case of Estonia [0.5156484100374058]
本研究の目的は、異なる機械学習モデルを用いて、天気と派生した特徴に基づいてPVシステムの出力パワーを予測することである。
目的は、データを調べて出力パワーを正確に予測する最適なモデルを得ることである。
論文 参考訳（メタデータ） (2022-10-04T14:02:43Z) - SunCast: Solar Irradiance Nowcasting from Geosynchronous Satellite Data [2.285928372124628]
本稿では,太陽フレーミングを次のフレーム予測問題として扱う畳み込み長短期記憶ネットワークモデルを提案する。
当社のモデルは、GPUを使わずに1台のマシン上で、北米全体の太陽光放射を最大3時間60秒で予測できる。
論文 参考訳（メタデータ） (2022-01-17T01:55:26Z) - HyperionSolarNet: Solar Panel Detection from Aerial Images [0.7157957528875099]
深層学習法を用いて,空中画像を用いたソーラーパネル位置とその表面積の自動検出を行う。
我々の研究は、ソーラーパネルの検出に効率的でスケーラブルな方法を提供し、分類に0.96の精度とセグメンテーション性能に0.82のIoUスコアを達成している。
論文 参考訳（メタデータ） (2022-01-06T15:43:13Z) - Farmland Parcel Delineation Using Spatio-temporal Convolutional Networks [77.63950365605845]
ファームパーセル・デライン化は、気候変動政策の開発と管理において重要なカダストラルデータを提供する。
このデータは、極端な気象災害に伴う損害後の補償を評価するための農業保険セクターにも有用である。
衛星画像の利用は、農場の区画整理作業を行うためのスケーラブルで費用対効果の高い方法である。
論文 参考訳（メタデータ） (2020-04-11T19:49:09Z) - Towards a Peer-to-Peer Energy Market: an Overview [68.8204255655161]
本研究は, 電力市場を中心に, 現状と, プロシューマーによる分散型自己生成能力の増大傾向を比較した。
我々はP2P(Peer-to-Peer)エネルギー市場のための潜在的多層アーキテクチャを導入し、マイクログリッドの一部として、地域生産と地域消費の基本的な側面について議論する。
読者に全体像を示すため、スマートコントラクトやグリッド安定性といったエネルギー取引の関連要素についても精査する。
論文 参考訳（メタデータ） (2020-03-02T20:32:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。