نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

 

چکیده

اندکی پس از فاجعه هسته ای فوکوشیما دایچی در سال 2011، دولت فدرال آلمان تصمیم گرفت تا با پایان دادن به تبدیل انرژی هسته ای و ترویج قوی توسعه انرژی های تجدیدپذیر، ساختار سیستم تامین انرژی کشور را تغییر دهد. به منظور تعیین مسیر سیاسی برای تامین انرژی پایدار در این دوران گذار، تجزیه و تحلیل عوامل موثر بر توسعه آینده انرژی های تجدیدپذیر مهم است. این کار با نمایش توسعه زمانی مناطق مناسب برای استفاده از انرژی باد به این منظور در زمینه تولید برق بادی خشکی کمک می کند. در دسترس بودن چنین مناطقی برای گسترش سایت‌های نیروگاه‌های انرژی بادی بسیار مهم است. در رویکرد ما، منطقه پتانسیل فعلی با حذف مناطق نامناسب برای این نوع تولید برق تعیین می شود. برای تعیین مناطق بالقوه آینده، فرضیاتی بر اساس گسترش مناطق سکونتگاهی و ترافیکی و اشغال مناطق حفاظتی انجام می شود. طبق سناریوهای مختلف، کاهش مناطق بالقوه بین 3 تا 8 درصد بین سال‌های 2011 تا 2030 نشان داده شده است.
کلید واژه ها: 

مناطق انرژی باد ؛ سناریوهای بالقوه فضایی آلمان

 

1. مقدمه

«انرژی یک عامل حیاتی است که بر زندگی ما حاکم است و تمدن را ارتقا می دهد. سلامت اجتماعی و اقتصادی دنیای مدرن در بیشتر موارد به عرضه پایدار انرژی بستگی دارد.» [ 1 ]. در حالی که اکثر نقاط جهان باید با افزایش مصرف انرژی دست و پنجه نرم کنند، آلمان باید با چالش متفاوتی روبرو شود. اندکی پس از فاجعه هسته ای فوکوشیما دایچی در سال 2011، دولت فدرال تصمیم گرفت به تبدیل انرژی هسته ای پایان دهد. بر اساس اصلاحیه سیزدهم قانون انرژی اتمی آلمان، تمام راکتورهای هسته‌ای این کشور تا سال 2022 تعطیل خواهند شد .]. بنابراین، دولت فدرال برای توسعه پیامد انرژی های تجدیدپذیر و در نتیجه تغییرات ساختاری در مورد تامین انرژی تلاش می کند [ 4 ، 5 ]. علاوه بر حذف تدریجی هسته ای، عوامل دیگری مانند کاهش انتشار CO 2 و وابستگی کشورهای تولیدکننده نفت نیز به نفع تغییر در این جهت صحبت می کنند [ 6 ].
بر اساس مفهوم انرژی منتشر شده در سال 2010، دولت آلمان امروزه سهم 80 درصدی از مصرف ناخالص انرژی را تا سال 2050 با ابزارهای پایدار تأمین می کند. در سال 2012، به بخشی از 22.9 درصد رسید [ 7 ]. در کنار سایر انرژی‌های تجدیدپذیر، انرژی بادی خشکی بخش عمده‌ای از تولید انرژی تجدیدپذیر را با سهم 8 درصدی از مصرف ناخالص برق آلمان در سال 2011 تشکیل می‌دهد [ 8 ]. علاوه بر این، به دلیل پتانسیل توسعه مقرون به صرفه آن در یک چشم انداز کوتاه مدت و بلندمدت برجسته است.
در کنار تعرفه‌های خوراک، امکان‌سنجی اقتصادی نیروگاه‌های انرژی بادی (WEPs)، محدودیت‌های محلی و پذیرش اجتماعی، و همچنین در دسترس بودن سایت‌های مفید، نقش محدودکننده‌ای در گسترش آینده تبدیل انرژی بادی دارند [ 9 ، 10 ]. . بنابراین، موفقیت سیستم های انرژی تجدیدپذیر به در دسترس بودن کافی مکان های مناسب برای نیروگاه ها بستگی دارد [ 11 ]. بنابراین، هدف تحقیق ارائه شده، تعیین مناطق مناسب برای استفاده از انرژی بادی خشکی در آلمان است، زیرا بخش عمده ای را در تبدیل انرژی های تجدیدپذیر در کشور تشکیل می دهد [ 12 ]. به دلیل ساده‌سازی، مناطق مناسب برای تبدیل انرژی باد به عنوان مناطق بالقوه شناخته می‌شوند.
این مقاله بر پتانسیل های فنی در مورد مناطق مناسب برای استفاده از انرژی بادی در مقیاس ایالت های فدرال تمرکز دارد. مقیاس ایالت ها به دلیل موقعیت های قانونی همگن در داخل ایالت ها (که ممکن است به شدت با قوانین سراسری متفاوت باشد)، استفاده غالب آنها به عنوان نهادهای اداری سطح دوم در آلمان، و در دسترس بودن داده های گسترده در مقیاس ایالتی انتخاب شده است. از آنجایی که تصمیمات سیاسی محکم با اثرات بلندمدت نباید فقط بر اساس دانش اندازه منطقه بالقوه امروز باشد، بلکه باید بر منطقه ای باشد که ممکن است در آینده باقی بماند، تمرکز اصلی این کار بر روی سناریوهایی است که برخی تحولات آینده را توصیف می کنند. تا سال 2030.
در رویکرد ما، تعیین حوزه‌های بالقوه فعلی و آینده به دو مرحله تقسیم می‌شود. در گام اول، مناطق نامناسب یا در دسترس برای استفاده از انرژی باد در سال 2011 تعیین می شود. سپس این مناطق از مجموعه داده ای که قلمرو آلمان را نشان می دهد حذف می شوند. در مرحله دوم، توسعه منطقه بالقوه بر اساس سناریوهایی که نشان دهنده روندهای احتمالی آینده است محاسبه می شود. سناریوهای مربوط به آینده مبتنی بر گسترش مناطق سکونتگاهی و ترافیکی (S&T) و افزایش مناطق حفاظتی است.
پژوهش ما بر تخمین پتانسیل‌های اقتصادی که می‌تواند در هر سایت تولید شود تمرکز نمی‌کند، زیرا یک پیش‌بینی کاملاً آگاهانه در طول 20 سال تا سال 2030 عملاً غیرممکن خواهد بود زیرا توسعه آینده عوامل اقتصادی (اقتصاد ملی، قیمت انرژی، یارانه، و غیره.) نمی توان با دقت کافی پیش بینی کرد. علاوه بر این، تحقیقات ما شامل محاسبه پتانسیل انرژی نمی‌شود، زیرا روش‌های متنوعی وجود دارد که می‌تواند در نتایج تحقیقات ما اعمال شود. علاوه بر این، تحقیقات ما بر روی تجزیه و تحلیل دید تمرکز نمی کند زیرا تعدادی از رویکردهای به خوبی تثبیت شده در این زمینه در دسترس هستند، اما آنها عمدتا برای رویکردهای مقیاس بزرگ مناسب نیستند (به عنوان مثال، تشخیص نور و محدوده (LiDAR) ابرهای نقطه ای نیز بسیار مناسب هستند. پردازش در مقیاس کشور دشوار است).
ساختار این مقاله به شرح زیر است: این مقدمه شامل بحثی در مورد معیارهای تعیین شده برای برآورد مناطق بالقوه است و سهم علمی مقاله را نشان می دهد. پس از اینکه داده های مورد استفاده در تحقیق خود را در بخش 2 شرح دادیم، روش شناسی رویکرد خود را در بخش 3 شرح می دهیم . بخش 4 نتایج را ارائه می کند و بخش 5 رویکرد و محدودیت های آن را مورد بحث قرار می دهد. در نهایت، مقاله را با یک نتیجه گیری کوتاه در بخش 6 به پایان می بریم .

1.1. ضوابط عمومی برای برآورد مناطق بالقوه

تشخیص مناطق بالقوه برای تبدیل انرژی بادی موضوع چندین رویکرد تحلیلی برای تعریف و تعیین مناطق محروم بوده است. برای نام بردن چند نمونه، Lüdkehus et al. (2013) بر اساس تعدادی از محدودیت‌های فنی و زیست‌محیطی مانند زیرساخت‌ها، مناطق حفاظتی، بدنه‌های آبی، انواع جنگل‌ها و مسائل مربوط به نویز، تحقیقاتی را در مورد منطقه بالقوه انرژی باد در آلمان انجام داد که منجر به منطقه بالقوه 13.8٪ از آلمان شد. بر اساس فرضیات آنها، ظرفیت 1.190 گیگاوات انرژی بادی را می توان در این منطقه نصب کرد [ 12 ]. با این حال، مطالعه آنها فقط بر مناطق بالقوه فعلی متمرکز است و توسعه آینده آنها را ارزیابی نمی کند. بوفینگر و همکاران(2011) به طور خاص بین مناطقی که می توانند به عنوان مکان برای نیروگاه های انرژی بادی بدون هیچ محدودیتی استفاده شوند، مناطق بالقوه در جنگل ها و مناطق بالقوه در مناطق حفاظت شده تمایز قائل شدند. بنابراین، آنها ثابت کردند که بخش عمده ای از مناطق بالقوه در داخل جنگل و مناطق حفاظتی قرار دارند که استفاده از آنها را دشوارتر و در نتیجه بعید تر از استفاده از مناطق بدون محدودیت می کند [ 13 ].]. در کنار محاسبات بالقوه در مقیاس ملی، تحقیقات در مقیاس های کوچکتر نیز انجام شد. در زمینه بسط مفهوم حفاظت از آب و هوا و مفهومی برای استفاده از انرژی های تجدیدپذیر، موسسه مدیریت جریان مواد کاربردی (IfaS) و Transferstelle Bingen (TSB) (2013) مناطق بالقوه را برای انواع مختلف انرژی های تجدید پذیر ارزیابی کردند. برای چندین منطقه اداری در راینلاند-فالتز [ 14 ]. همچنین، اکثر ایالات فدرال تخمین مناطق بالقوه خود را برای تولید انرژی بادی مجاز کردند. در عمل، فرآیند ارزیابی سایت به صورت محلی انجام می شود. در مقابل، این مقاله بر روی یک رویکرد در مقیاس بزرگ، مبتنی بر ایالات فدرال تمرکز دارد.
مناطق بالقوه نشان دهنده فضای باقی مانده است، جایی که نصب یا بهره برداری از یک WEP بهزیستی انسان یا زیستگاه های گیاهی و جانوری را به خطر نمی اندازد [ 15 ]. روتور در حال کار می تواند باعث انتشار نوری، بازتاب نور، پرتاب یخ و آلودگی صوتی شود. برای جلوگیری از مزاحمت افرادی که در نزدیکی زندگی می کنند، باید حداقل فاصله بین WEP ها و سکونتگاه ها و همچنین انواع خاصی از زیرساخت ها حفظ شود. برای تعیین چنین فواصل، محاسبات سایه و نویز بخشی از برنامه ریزی مزرعه بادی و رویه های صدور مجوز است. از آنجایی که تجزیه و تحلیل در مقیاس کوچک نمی تواند مستقیماً به یک رویکرد در مقیاس بزرگ منتقل شود، به جای آن، افست ها اعمال می شوند. در سال 2012، کمیسیون فدرال و ایالتی انرژی بادی در آلمان خلاصه ای از توصیه های خاص ایالتی در مورد این جبران ها را منتشر کرد.16 ]. به دلیل یکنواختی، کامل بودن و به روز بودن آن – خلاصه وضعیت ژانویه 2012 را نشان می دهد – به طور گسترده در رویکرد ما استفاده می شود.
مناطق حفاظت شده نقش مهمی در حفاظت از ویژگی ها، تنوع و زیبایی طبیعت دارند [ 17 ]. بنابراین، مناطق حفاظت شده به طور کلی به عنوان مناطق بالقوه در نظر گرفته نمی شوند. علاوه بر این، در عمل، هر سایت بالقوه از قبل در رابطه با اهمیت آن برای گیاهان و جانوران محلی بررسی می‌شود. تایید نهایی هر پروژه به نتیجه این بررسی ها بستگی دارد که بخشی از تحقیقات ما نیست. بنابراین، اندازه مناطق بالقوه را می توان در رویکرد ما کمی بیش از حد برآورد کرد.
جنگل‌ها به دلیل موقعیت غالب آنها در سایت‌های حفاظت‌شده و مناسب بودن محدود آنها برای نصب توربین‌های بادی (فقدان جاده‌های دسترسی، اتصال شبکه از دست رفته، هزینه‌های نگهداری بالا و غیره )، در درجه اول مکان‌های بالقوه در نظر گرفته نمی‌شوند. با این حال، جنگل های محافظت نشده در ابتدا به عنوان مکان های مناسب در نظر گرفته می شوند، افزایش ارتفاع هاب WEP های مدرن امکان نصب توربین های بادی را بدون دخالت بیش از حد در اکوسیستم جنگل فراهم می کند [ 12 ]. علاوه بر این، آلودگی صوتی و انتشارات نوری به ندرت در جنگل ها موضوعی هستند. در نهایت، شهرداری‌ها یا ایالات فدرال می‌توانند از درآمد اجاره پارک‌های بادی در جنگل‌ها سود ببرند، زیرا اغلب مالکان املاک و مستغلات هستند [ 18 ].
علاوه بر این، مناطق بالقوه باید تعدادی از معیارهای مربوط به شرایط باد خاص را برآورده کنند زیرا فرکانس و سرعت باد کافی به طور متوسط ​​سالانه نه تنها بر بازده برق تولید شده در هر WEP، بلکه بر یارانه های دولتی و سودآوری WEP ها به طور کلی تأثیر می گذارد. معمولاً در مطالعات اخیر میانگین آستانه سرعت باد 5.5 متر بر ثانیه انتخاب می شود. یک نمونه مطالعه در مورد وضعیت فعلی انرژی در سرزمین‌های فلسطین و پتانسیل انرژی‌های تجدیدپذیر، که باد یکی از آنهاست، در تامین بخشی از تقاضای انرژی است [ 19 ]. Palaiologou و همکاران.(2011) همچنین آستانه 5.5 متر بر ثانیه را هنگام بررسی ویژگی های باد جزیره لزوس، یونان، با هدف ارائه داده های لازم برای شناسایی قابلیت های تولید نیروی بادی جزیره [ 20 ] اعمال کرد. این سرعت باد در ارتفاع 130 متری از سطح زمین مورد نیاز است زیرا ارتفاع هاب نیروگاه های مدرن تقریباً در این ارتفاع است. با این حال، سرویس هواشناسی آلمان (DWD) اطلاعات سرعت باد را فقط تا ارتفاع 100 متر ارائه می دهد، ارتفاعات برتر در دسترس نیست. بیشتر، به دلیل کمبود داده در مورد زبری سطح، یک برونیابی از میانگین سرعت باد با توجه به مشخصات لگاریتمی آنها در تجزیه و تحلیل ما محاسبه نشد. از این رو، در رویکرد ما، این آستانه به 5 متر بر ثانیه کاهش می یابد تا از دست کم گرفتن مناطق بالقوه جلوگیری شود .مناطق با میانگین سرعت باد سالانه کمتر از 5 متر بر ثانیه در ارتفاع 100 متری از سطح زمین در مطالعه ما مستثنی شدند.
یکی دیگر از پارامترهای مهم برای ارزیابی مکان های WEP مناسب، شیب زمین است. این به دلیل این واقعیت آشکار است که به دلایل مهندسی سازه، نصب و راه اندازی WEP با زاویه شیب فزاینده پیچیده تر است. به دنبال رویکرد آژانس فدرال محیط زیست آلمان (UBA) در سال 2012، زمین با شیب بیش از 30 درجه از مناطق بالقوه حذف شده است [ 12 ].

1.2. زمینه تحقیق و مشارکت علمی

در طول توسعه مفاهیم آب و هوایی، ایالات فدرال بر روی مطالعاتی برای تعیین مناطق بالقوه کار می کنند. نتایج این مطالعات بسته به رویکرد کاربردی، یعنی معیارهای خروج، متفاوت است. دلیل اصلی این تعاریف متفاوت، تفاوت در اهداف (سیاست‌گذاری، برنامه‌ریزی مزرعه بادی، حفاظت از طبیعت و غیره ) است که بر تأکید پروژه‌های تحقیقاتی واحد و نتایج آنها نیز تأثیر می‌گذارد [ 12 ، 13 ].]. به طور متوسط، جنگل ها (4٪) و مناطق حفاظت شده (10٪) بخش بزرگی از مناطق بالقوه کشور را تشکیل می دهند، در حالی که مناطق باقی مانده تنها حدود 8٪ را شامل می شوند. این رویکرد نشان می‌دهد که پتانسیل واقعی زیاد است، اما بخش بزرگی از آن در مناطقی وجود دارد که با عوامل مخالف قوی مواجه هستند.
در مطالعه شبکه انرژی انجام شده توسط آژانس انرژی آلمان (DENA) [ 21 ]، چنین طبقه بندی انجام نشده است. در واقع، مناطق حفاظتی به دلیل اهداف حفاظتی آنها به عنوان “عمدتاً در دسترس” برای استفاده از انرژی باد تعریف می شوند. با این حال، جنگل‌ها به طور کلی در رویکرد ما مناسب تلقی می‌شوند، زیرا WEP‌های بیشتری در حال حاضر در جنگل‌ها ساخته می‌شوند تا زمانی که با نیازهای استفاده از جنگل‌داری و حفاظت از محیط زیست سازگار باشند.
برخی از مطالعات، از جمله مطالعه فوق الذکر DENA [ 21 ]، تنها مناطقی را در نظر می گیرند که توسط آژانس های برنامه ریزی محلی به عنوان سایت های WEP قابل استفاده هستند. موضوع اصلی این رویکرد این است که این داده‌ها فقط توسط آژانس‌های برنامه‌ریزی محلی یا منطقه‌ای (نه در یک مجموعه داده در سراسر کشور) ارائه می‌شوند، که باعث می‌شود در عمل به سختی قابل استفاده باشد. این امر به ویژه درست است زیرا چنین داده‌هایی در معرض تغییرات و بازآرایی‌های منظم هستند، که تخمین تحولات آینده را عملاً غیرممکن می‌سازد. همچنین، مجوز نصب WEP تا زمانی که مخالف منافع عمومی یا محدودیت‌های موجود نباشد، می‌تواند از نظر قانونی به دست آید [ 22 ].
مک کنا و همکاران معیارهای حذف ساده شده را هنگام تعیین پتانسیل فنی ایالت بادن-وورتمبرگ اعمال کنید و بنابراین بین شهرستان ها و مناطق مختلف تمایز قائل نمی شوید [ 23 ]. چنین تعمیم ممکن است منجر به نتایج نادرست شود. به گفته سرویس هواشناسی آلمان (DWD)، استفاده کلی از یک فاصله یک کیلومتری به سکونتگاه ها می تواند منجر به کاهش 60 درصدی مناطق مناسب شود که در برخی موارد منجر به تخمین بیش از حد مناطق محروم می شود. این امر از اهمیت زیادی برخوردار است زیرا جبران‌های تعمیم‌یافته به عنوان یک عامل غالب در محدودیت‌های بالقوه WEP‌های خشکی در نظر گرفته می‌شوند [ 24 ]]. در رویکرد ما، توصیه‌های فاصله عمومی در مقیاس ایالات فدرال اعمال می‌شود، اما نه در سطح کشور.
در نهایت، جدای از تحقیقات در زمینه های بالقوه فعلی، تحقیقات در زمینه های بالقوه گذشته و آینده هنوز نادر است. لودکهوس و همکاران فرضیاتی در مورد مناطق بالقوه در سال 2050 به منظور مدل سازی توسعه تامین برق [ 12 ]. با این حال، آنها به طور خاص تحقیقی در مورد پارامترهای مؤثر بر توسعه مناطق بالقوه در طول دوره مطالعه انجام نمی دهند. در مقابل، کار ما بر توسعه آنها در طول زمان متمرکز است.
در مورد سهم علمی این کار، تمرکز اصلی با اکثر مطالعات قبلی متفاوت است. تاکنون، تحقیقات فعلی عمدتاً بر محاسبه مناطق بالقوه امروزی تأکید دارند. محاسبات روندهای آتی آن مناطق، که بر اساس داده های مکانی است، هنوز نادر است، به ویژه برای کشور آلمان. دی ورید و همکاران(2007) پتانسیل انرژی باد را برای نیمه اول قرن بیست و یکم در سطح جهانی با استفاده از یک تحلیل سناریو بررسی کرد. این تجزیه و تحلیل از چهار سناریو استفاده از زمین بر اساس چهار خط داستانی کیفی که در چارچوب هیئت بین‌دولتی تغییرات آب و هوایی (IPCC) توسعه یافته‌اند، استفاده کرد. این رویکرد یک نمای کلی از احتمالات توسعه ارائه می دهد که می توان در مقیاس جهانی انتظار داشت. با این حال، برخلاف مقاله ما، اطلاعات دقیقی مانند جبران‌های خاص منطقه و مقررات بتن که بر مناطق بالقوه حاصل تأثیر می‌گذارند، در نظر گرفته نشد [ 25 ].
رویکرد دیگر یک نمای کلی از پتانسیل های انرژی تجدیدپذیر در مقیاس جهانی ایجاد کرد [ 26 ]. نویسندگان محاسبات خود را بر اساس مطالعات قبلی، که نویسندگان مختلف برای کشورهای مختلف، عمدتاً اروپایی انجام داده بودند، قرار دادند. محاسبه پتانسیل های بلندمدت بر اساس پتانسیل های میان مدتی بود که در آن مطالعات آشکار شد. این یافته ها همچنین به کشورهایی منتقل شد که هیچ محاسبه میان مدت اولیه در مورد پتانسیل های انرژی تجدیدپذیر انجام نشده بود. علاوه بر این، رویکرد ما منطقه بالقوه برای تولید انرژی بادی در آینده را بر اساس این فرض که شرایط مربوط به خود منطقه در طول زمان تغییر می‌کند، تخمین می‌زند.
Xia و Song (2009) چشم اندازهای آینده توسعه انرژی بادی در چین را پیش بینی و تحلیل کردند. بر اساس ظرفیت بادی نصب شده در چین در 18 سال گذشته و پتانسیل فنی منابع انرژی بادی، الگوی رشد به منظور تحلیل چشم‌انداز مدل‌سازی شد تا پیش‌بینی‌های مربوط به پتانسیل توسعه به دست آید. در حالی که اطلاعات مکانی در نظر گرفته نمی شد، توسعه آینده پتانسیل های انرژی بادی بر اساس فرضیات ساخته شده در حمایت سیاسی رو به رشد از انرژی باد بود. شیا و سونگ بر روی حداکثر منطقه بالقوه، که ممکن است در آینده در چین در دسترس باشد، تمرکز نکردند، بلکه بر رشد واقعی انرژی بادی که می‌توان در جمهوری خلق انتظار داشت تمرکز کردند [ 27 ]]، که به طور قابل توجهی با رویکرد ما متفاوت است.

1.3. توسعه مناطق سکونتگاهی و تردد

با سهم 17 درصدی از کل مساحت آلمان، تأثیر تغییرات در مناطق سکونت و ترافیک (S&T) از اهمیت عمده ای برخوردار است [ 28 ]، به ویژه که این دسته کاربری زمین بالاترین نرخ رشد را در بین همه نشان می دهد [ 29 ]. به عبارت دیگر، اندازه مناطق S&T در مجموع به رشد خود ادامه می دهد، که عمدتاً به هزینه مناطق کشاورزی است [ 29 ، 30 ، 31 ]. بنابراین، توسعه حوزه های S&T برای حوزه های بالقوه در کار ما ضروری است.
مؤسسه فدرال آلمان برای تحقیقات ساختمان، امور شهری و توسعه فضایی (BBSR) و وزارت حمل و نقل، ساختمان و توسعه شهری آلمان (BMVBS) انتظار دارند که اکثر سکونتگاه های جدید در مناطق داخلی شهری با افزایش جمعیت ایجاد شوند. حرکت به شهرها در عین حال، سکونتگاه‌ها در مناطق روستایی نسبت به مناطق شهری به فضای بیشتری برای هر نفر نیاز دارند [ 32 ]. علاوه بر این، فضای اشغال شده توسط مناطق ترافیکی برای سال‌ها به طور مداوم در حال رشد بوده است و در حال حاضر یک چهارم افزایش کلی S&T را تشکیل می‌دهد [ 30 ]. با توجه به پیش‌بینی‌های مربوط به ظرفیت جاده‌های آینده، می‌توان انتظار داشت که بخش بزرگی از کاربری اراضی مرتبط با ترافیک ادامه داشته باشد [ 33 ].
گسترش حوزه های S&T تحت تأثیر عوامل مختلفی است که در طول زمان تغییر می کنند. بنابراین، تعدادی مدل برای تجزیه و تحلیل سناریوهای مختلف توسعه S&T در آینده ایجاد شده است. مدل Panta Rhei Regio (PRR) که در تحقیقات ما برای تخمین توسعه مناطق S&T استفاده می شود، تحت ابتکار پیشرفت “تحقیق در مورد کاهش کاربری زمین و مدیریت کاربری پایدار زمین” (REFINA) بین سال های 2006 و 2009 توسعه یافته است. به نمایندگی از وزارت آموزش و تحقیقات فدرال آلمان به عنوان بخشی از استراتژی ملی پایداری. این مدل اقتصادی وابستگی متقابل پارامترهای تقاضا و عرضه مربوطه را در مورد کاربری زمین در مقیاس شهرستان تخمین می زند [ 33]. مدل به خوبی اثبات شده قبلاً در تلاش‌های مختلف تحلیل ملی مورد استفاده قرار گرفته است. به عنوان مثال، دیستلکمپ و همکاران. [ 34 ] احتمال دستیابی به هدف دولت برای محدود کردن افزایش سطح S&T به 30 هکتار در روز تا سال 2030 را تجزیه و تحلیل می کند [ 31 ]. هویمن و همکاران از مدل PRR برای محاسبه محتمل ترین توسعه با توجه به وضعیت فعلی دانش استفاده کنید [ 30]. با توجه به نتایج به دست آمده از مدل، نویسندگان فرض کردند که سطح جذب روزانه S&T اضافی در حال کاهش است و در سال 2030 به 50 هکتار می رسد. نتایج تحقیق BBSR [ 30 ] ، به موقع بودن و در نظر گرفتن عوامل تأثیرگذار حیاتی، مبنای محکمی برای سناریوهای ارائه شده در زیربخش 3.2 فراهم می کند.

2. داده ها

منطقه مطالعه کار ما کشور آلمان است. ما عمدتاً تحقیقات خود را بر اساس مجموعه داده‌های فضایی منابع مختلف، که عمدتاً توسط دولت‌های آلمان یا دولت‌های ایالت‌های فدرال ارائه شده‌اند، استوار می‌کنیم ( جدول 1 را ببینید). داده‌های شی توپوگرافی مورد استفاده شامل مدل چشم‌انداز دیجیتال (DLM) AFIS-ALKIS-ATKIS 250 در مقیاس 1:250000 و داده‌های OpenStreetMap در ساختمان‌ها به دلیل وضوح تا حدی بالاتر است.
جدول
جدول 1. اطلاعات در مورد منابع داده، شرح داده ها و جدول زمانی.
اطلاعات مربوط به نیروگاه های انرژی بادی تا حدی توسط مقامات دولتی ایالات فدرال ارائه شده است و بخشی از آن از DLM 250 به دست آمده است. در حالی که داده های ارائه شده توسط ایالات فدرال به تفصیل می باشد (آنها شامل مختصات خاص WEP ها و تا حدی حتی تاریخ شروع هستند)، DLM 250 مجموعه داده فقط شامل WEPهایی با ارتفاع شی بیش از 125 متر است. همچنین، WEP های کوچک در پارک های بادی لزوما به صورت جداگانه نمایش داده نمی شوند، بلکه جمع می شوند.
برای محاسبه شیب ، از داده‌های ماموریت توپوگرافی رادار شاتل (SRTM) نسخه 4.1 استفاده می‌کنیم. اطلاعات مربوط به مناطق حفاظت شده توسط آژانس فدرال حفاظت از طبیعت ارائه شده است. علاوه بر این، از داده‌های پوشش زمین CORINE (هماهنگی اطلاعات در مورد محیط زیست) برای تجزیه و تحلیل مناطق ساحلی استفاده می‌شود.
برای تعیین مناطق با سرعت باد ناکافی ، داده‌های مربوط به میانگین سرعت باد سالانه در ارتفاع 100 متری از سطح زمین در یک شبکه 200 متری استفاده می‌شود. سرویس هواشناسی آلمان (DWD) داده ها را با استفاده از یک مدل میدان باد آماری محاسبه کرد. علاوه بر این، از داده‌های سرعت باد استفاده می‌کنیم که در 218 ایستگاه در سراسر آلمان در بازه زمانی 1981 تا 2000 اندازه‌گیری شد. میانگین سرعت باد در سراسر کشور در مدل میدان باد با در نظر گرفتن ارتفاع، موقعیت جغرافیایی، نوع کاربری زمین و زمین [ 34 ].
قبل از محاسبات واقعی برای تعیین مناطق بالقوه، یک روش تعیین خودکار سکونتگاه‌های انشعابات بر اساس داده‌های نقشه ثبت خودکار زمین (ALK) اجرا شد. در کنار داده‌های مکانی، داده‌های آماری مربوط به مناطق S&T در سطوح ایالتی و شهرستانی فدرال از سال‌های 2000، 2009، 2010 و 2011 [ 25 ] در کار ما استفاده می‌شود.

3. رویکرد

بخش های فرعی زیر رویکرد محاسبه مناطق بالقوه برای نصب WEP ها را شرح می دهد. بخش فرعی 3.1 متدولوژی تخمین پتانسیل فعلی (برای سال 2011) را در بر می گیرد، در حالی که بخش فرعی 3.2 سناریوهایی را برای توسعه آینده این مناطق تا سال 2030 با فرض تغییرات در مناطق S&T و مناطق حفاظت از طبیعت تعریف می کند.

3.1. تعیین مناطق مناسب برای تبدیل انرژی باد در سال 2011

به عنوان مبنایی برای تعیین مناطق مناسب برای تولید انرژی بادی در حال و آینده، پتانسیل مکانی برای سال 2011 در ابتدا بر اساس داده های فعلی محاسبه می شود. بنابراین مناطقی که WEP ها به دلایل قانونی، اجتماعی یا فیزیکی نمی توانند در آنها نصب شوند، مستثنی هستند. رویکرد ما مناطقی را که زیرساخت‌ها اشغال کرده‌اند (شهرک‌ها، مناطق ترافیکی، زیرساخت‌های انرژی، و غیره )، بدنه‌های آبی، مناطق حفاظتی، و همچنین مناطقی که الزامات را از نظر سرعت باد، جبران ( بخش 1 ) و شیب شیب برآورده نمی‌کنند، مستثنی می‌کند.
در رویکرد خود، ما سکونت‌گاه‌های منسجم، سکونت‌گاه‌های انشعابی، مناطق صنعتی و تجاری و همچنین فواصل خاص آن‌ها تا WEP‌ها را برای تبدیل انرژی باد نامناسب در نظر می‌گیریم. علاوه بر این، شبکه‌های راه‌آهن و راه‌آهن، فرودگاه‌ها، سیم‌های هوایی، بدنه‌های آبی، ذخایر طبیعی، یخچال‌های طبیعی، تالاب‌ها و مرداب‌ها مستثنی هستند. مناطق با سرعت متوسط ​​باد کمتر از 5 متر بر ثانیه در ارتفاع 100 متری از سطح زمین و زمین و با شیب بیش از 30 درجه نیز طبق انگیزه در بخش 1.1 به عنوان نامناسب طبقه بندی می شوند .
برای تعیین مکان‌های مناسب، نواحی ذکر شده در بالا از مجموعه داده اولیه DLM حذف می‌شوند. سپس مجموعه داده حاصل از حذف مناطق نامناسب در سال 2011 منطقه بالقوه در نظر گرفته می شود. شکل 1 منطقه بالقوه (به طور مثال برای بخشی از هسن) را نشان می دهد که از حذف مناطق زیست محیطی، ترافیک و مناطق مسکونی و همچنین در نظر گرفتن مناطق نامناسب به دلیل محدودیت شیب و سرعت باد. مناطق ترافیکی جاده ها، راه آهن ها، سیم های هوایی، سایت های ترافیک هوایی و مناطق حائل مربوطه را نشان می دهند [ 16 ]. مناطق سکونتگاهی شامل مناطق اشغال شده توسط سکونتگاه ها، سایت های صنعتی و تجاری از جمله مناطق حائل مربوطه است [ 16 ]]. مناطق زیست‌محیطی شامل مناطق حفاظتی، مرداب‌ها، تالاب‌ها و توده‌های آبی است. چند ضلعی های حاصل با مساحت کمتر از 1 هکتار به دلیل اندازه کوچک آنها مناطق بالقوه در نظر گرفته نمی شوند، که نصب WEP را غیرممکن یا بعید می کند [ 35 ].

3.2. سناریوهای مناطق مناسب برای تبدیل انرژی باد در سال 2030

پیش بینی ما برای مناطق بالقوه برای سال 2030 بر اساس دو پارامتر است که فرض می شود به شدت و به طور کمی بر اندازه مناطق بالقوه تأثیر می گذارد، یعنی افزایش مناطق S&T و نفوذ تجمعی مناطق حفاظتی. برای هر یک از عوامل سه سناریو تعریف شده است.
بنابراین، ترکیب تمام سناریوهای دو عامل منجر به 9 نتیجه متفاوت می شود. دو زیر بخش زیر سناریوها را به تفصیل برای این دو پارامتر نشان می دهد.
Ijgi 03 00942 g001 1024
شکل 1. مناطق محروم و مناطق بالقوه حاصل.

3.2.1. تغییرات کاربری زمین

کشاورزی از آن زمان بر استفاده از زمین آلمان تسلط داشته است [ 36 ]. به دلیل فاصله بیشتر آنها تا مناطق سکونتگاهی و بدون محدودیت نصب صریح، مناطق کشاورزی مکان های WEP از پیش تعیین شده هستند. با این حال، زمین های کشاورزی به دلیل گسترش سایر انواع کاربری زمین مانند مناطق S&T در حال کاهش است. مکمل زمین‌های زراعی، نسبت زمین‌های جنگلی در حال افزایش است [ 37 ]، که می‌توان آن را به جنگل‌کاری زمین‌های کشاورزی که دیگر سودی ندارند و تبدیل مناطقی که استفاده قبلی داشتند، مانند سایت‌های نظامی سابق [ 29 ] نسبت داد. اگرچه تاریخچه WEP ها در جنگل ها هنوز جوان است، جنگل ها دیگر به طور کلی با تولید انرژی باد رقابت نمی کنند [ 12 ]]. در رویکرد ما، مناطق جنگلی به طور کلی از سایت های WEP بالقوه حذف نمی شوند، همانطور که در بخش فرعی 1.1 بیان شد.
در مقایسه با مناطق کشاورزی، رشد مناطق S&T تاثیر بسیار قوی تری بر مناطق بالقوه دارد. بنابراین، ما سه سناریو در مورد توسعه منطقه S&T و منطقه در دسترس برای تبدیل انرژی باد ایجاد کردیم. در سناریوی پیش‌بینی اول، افزایش در ناحیه S&T برون‌یابی می‌شود، با این فرض که نسبت افزایش فعلی (ارقام سال 2011 جدیدترین آنها هستند) حفظ می‌شود. سناریوی پیش‌بینی دوم بر اساس مفروضات ساخته شده توسط هویمن و همکاران است. با در نظر گرفتن بسیاری از پارامترهای موثر بر توسعه آینده حوزه های S&T [ 30 ]. در سناریوی پیش‌بینی شده III، توسعه منطقه S&T در چارچوب جاه‌طلبی دولت فدرال برای کاهش کاربری زمین S&T به 30 هکتار در روز تا سال 2020 تعیین می‌شود.

سناریوی I

با کاهش جمعیت، نرخ رشد منطقه S&T از سال 2004 کاهش یافته است [ 25 ، 30 ]. همراه با جاه طلبی دولت برای کاهش کاربری آتی زمین به حداقل، فرض بر این است که روند نزولی نرخ رشد مناطق S&T در چند سال آینده ادامه خواهد داشت. در این زمینه، افزایش فعلی سطح S&T در روز را می توان به عنوان حداکثر تحولات آتی در نظر گرفت. بنابراین، سناریوی اول فرض می‌کند که نرخ افزایش فعلی در 20 سال آینده حفظ می‌شود. جدیدترین ارقام برای سالهای 2010-2011 در دسترس است، جایی که منطقه S&T در آلمان 29222 کیلومتر مربع [ 25 ] افزایش یافته است که مربوط به افزایش روزانه 80 هکتار است.

سناریوی دوم

نوع کاربری زمین «نواحی سکونتگاهی و ترافیکی» معمولاً انواع مختلفی از کاربری‌ها از جمله شهرک‌ها، مناطق تفریحی، مناطق ترافیکی، فرودگاه‌ها و موارد دیگر را خلاصه می‌کند [ 37 ]. گسترش و کاهش چنین مناطقی در طول زمان به عوامل متعددی بستگی دارد، زیرا تأثیر توسعه نابرابر جمعیت و نیازهای منطقه ای باعث ایجاد توسعه های مختلف کاربری اراضی در هر منطقه می شود.
هویمن و همکاران توسعه حوزه های S&T را با در نظر گرفتن این تنوع دوره ها در مدل PRR تعیین کرد [ 30 ]. پارامترهای در نظر گرفته شده در این مدل روندها در زمینه اقتصاد، جمعیت شناسی و ترافیک است [ 34 ]. در کنار درآمدها، امکان ایجاد ارزش و بازار کار، پارامترهای مؤثر بر توسعه اقتصادی یک منطقه نیز از عوامل مؤثر بر تقاضا هستند، مانند هزینه ساخت و ساز و تغییرات قیمت. این پارامترها در مدل PRR ادغام شده‌اند که نشان‌دهنده تغییر ساختاری در آلمان و نقاط ضعف و قوت خاص بخش است. فرض بر این است که روند کاهش جمعیت ادامه دارد، که منجر به کاهش تخمینی جمعیت به 78.7 میلیون نفر در سال 2030 می شود.30 ]. جدای از توسعه جمعیت، تغییر رفتار در استقرار خانوار و تغییر در توزیع سنی فرض شده است. عملیاتی کردن عوامل تعیین کننده در مناطق ترافیکی دشوار است زیرا گرایش ها را تنها می توان به طور منطقی از داده های آماری در مورد کاربری زمین، بدون توجه به برنامه های توسعه منطقه ای استخراج کرد [ 34 ]. بنابراین مدل بر اساس مفروضات زیر است:

  • تقاضا برای شبکه‌های خیابانی فرامحلی به طور مداوم در سطح بالایی توسعه می‌یابد زیرا حجم ترافیک حمل‌ونقل موتوری مسافر و کالا طی 15 سال آینده به طور مداوم افزایش می‌یابد [ 38 ].
  • مناطقی که به‌طور غیرمستقیم به‌عنوان مناطق ترافیکی استفاده می‌شوند (مثلاً پارکینگ‌ها) تا سال 2050 تغییری در ابعاد نخواهند داشت.
  • بسیاری از پروژه های راهداری مانند ساخت جاده های حلقوی جدید اجرا خواهند شد [ 34 ].
  • مقررات کاربری زمین در آینده نزدیک تغییر نخواهد کرد [ 30 ].
به گفته هویمن و همکاران. ، منطقه S&T شهرستان های آلمان بین سال های 2011 تا 2030 بین 5 تا 20 درصد افزایش خواهد یافت . نمودار نشان می‌دهد که تنها ایالت‌های بادن-وورتمبرگ و بایرن بخش‌های قابل توجهی از ناحیه S&T نامناسب را نشان می‌دهند، بیشتر به دلیل توپوگرافی کوهستانی‌تر در جنوب آلمان.

سناریوی سوم

در سال 2002، دولت آلمان یک استراتژی پایداری ملی را برای آلمان تصویب کرد که در آن اولویت‌های چند سال آینده در رابطه با توسعه پایدار، با پیروی از چهار دستورالعمل، بیان شده بود [ 39 ]:

  • ایجاد سهام بین نسلی،
  • بهبود کیفیت زندگی،
  • ارتقای انسجام اجتماعی و
  • تحکیم مسئولیت بین المللی
یکی از بخش‌های این تعهد کاهش استفاده از مناطق جدید S&T است که مستلزم شروع مدیریت کاربری پایدار زمین است. علیرغم اندازه ثابت جمعیت، 129 هکتار از مناطق جدید S&T بین سالهای 1997 و 2000 هر روز ایجاد شد. برای محدود کردن این توسعه، جذب روزانه مناطق جدید S&T با حداکثر 30 هکتار، آرزوی دولت فدرال برای سال 2020 است [ 33 ] .
بنابراین، محاسبه سناریوی سوم از مناطق S&T آینده بر این فرض استوار است که مناطق S&T جدید مورد استفاده با نرخ 30 هکتار در روز در سال 2020 ایجاد می شوند و پس از آن ثابت می مانند. این سناریو حداقل افزایش تقاضا برای اهداف S&T ​​تا سال 2030 در نظر گرفته می شود زیرا افزایش روزانه مناطق جدید استفاده شده باید 63 درصد بین سال های 2012 تا 2020 کاهش یابد. جدول 2 مساحت را نشان می دهد که باید هر سال در این مدت کاهش یابد. عادت زنانه. در همه این سناریوها، فرض بر این است که مناطقی که تا سال 2030 برای خدمت به اهداف S&T ​​تبدیل شده اند، دیگر به عنوان مناطق بالقوه در دسترس نیستند.
Ijgi 03 00942 g002 1024
شکل 2. افزایش مناطق مناسب و نامناسب سکونتگاه و ترافیک (S&T) بین سال های 2011 تا 2030.
جدول
جدول 2. افزایش سطح S&T طبق سناریوی III.

3.2.2. مناطق حفاظتی

در آلمان، مناطق حفاظتی نزدیک به نیمی از کشور را اشغال می کنند [ 40 ]. با توجه به اندازه آنها، مناطق حفاظتی از یک طرف دارای پتانسیل فضایی وسیعی برای نصب WEP ها هستند. از سوی دیگر، هدف حفاظت در آن مناطق بیشترین اولویت را دارد که اغلب با نصب سازه های صنعتی مانند WEP ها ناسازگار است. با این حال، با افزایش تعداد توربین‌های بادی و جستجوی مداوم برای مکان‌های نصب جدید، محدودیت‌ها کمی کاهش می‌یابند. تحقیقات نشان می دهد که در چند دهه گذشته، تعداد کمی از WEP ها در مناطق حفاظتی در حال رشد بوده است [ 41 ]]. این توسعه لزوماً به این نتیجه نمی‌رسد که در آینده، مناطق حفاظتی را می‌توان به‌عنوان مکان‌های WEP در نظر گرفت، اما یک هدف سیاسی مشهود است که از سایت‌هایی استفاده شود که بازده انرژی بالایی را وعده می‌دهند و مناطق حفاظتی کمتر در معرض خطر را در دسترس در نظر بگیرند. مناطق برای استفاده از انرژی باد [ 39 ].
در کار ما، گشایش مناطق حفاظتی و تأثیر احتمالی آن بر اندازه مناطق بالقوه آینده بر اساس سه سناریو است. مساحت داخل مناطق حفاظتی که در حال حاضر توسط WEP ها اشغال شده است محاسبه می شود. بدینوسیله یک WEP مساحت دایره‌ای 2.4 هکتاری را اشغال می‌کند که بر اساس فاصله بافر 175 متر محاسبه می‌شود تا پیشگیری از آشفتگی و مسائل بیداری را در نظر بگیرد. مقادیر اعمال شده بر اساس این فرض است که فاصله ای که بین WEP ها حفظ می شود، به طور کلی پنج تا نه برابر قطر روتور در جهت باد اصلی و سه تا پنج برابر قطر روتور در جهت باد ثانویه است [ 12 ].]. با توجه به فضای میانی ذکر شده در بالا پنج برابر قطر روتور، که حدود 70 متر است، این منجر به فاصله حداقل 350 متر بین نیروگاه های انرژی باد و فاصله بافر تا هر نیروگاه 175 متر می شود. با استفاده از مجموعه داده های موجود ( بخش 2 )، 14967 WEP را می توان در آلمان قرار داد، جایی که نزدیک به 0.2٪ از منطقه ای که آنها اشغال می کنند در مناطق حفاظتی قرار دارد.

سناریوی I

بخش‌هایی از 14967 WEP که در تحقیق ما مورد بررسی قرار گرفتند، در مناطق حفاظتی نصب شده‌اند. برخی از آن WEP ها در سایت هایی قرار گرفتند که با قوانین زیست محیطی فعلی مطابقت ندارد. در طول فرآیندهای تقویت مجدد، برخی از WEP ها قرار است در آینده برچیده شوند و استفاده مجدد از سایت برای همان هدف ممکن است مورد تایید قرار نگیرد. سناریوی I فرض می‌کند که مناطقی که WEP‌های جدید در مناطق حفاظتی ساخته می‌شوند، با مکان‌هایی که توربین‌های بادی قدیمی بازسازی نشده‌اند، در تعادل هستند. با توجه به این فرض، منطقه بالقوه در داخل مناطق حفاظت شده 300 کیلومتر مربع است که نشان دهنده حداقل اندازه منطقه مناسب برای تبدیل انرژی باد است.

سناریوی دوم

به دلیل کمبود داده، تعداد WEP های مورد استفاده در تحقیق ما تنها 65 درصد از مقدار واقعی WEPS نصب شده در حال حاضر را نشان می دهد. در سناریوی دوم، 100٪ از تمام WEP ها در طول محاسبات ما در نظر گرفته می شوند. بنابراین، 35٪ دیگر به حساب می آید، با فرض اینکه 0.2٪ آن در مناطق حفاظتی قرار دارد، که مربوط به حدود 400 کیلومتر مربع است .
Ijgi 03 00942 g003 1024
شکل 3. نسبت کل مساحت اشغال شده توسط WEPها در مناطق حفاظتی بین سالهای 1987 و 2012.

سناریوی سوم

سناریوی III روند گذشته WEP های نصب شده در مناطق حفاظتی را طی سال های گذشته برون یابی می کند. بر اساس سال نصب WEP ها، فضای اشغال شده توسط WEP ها در سال از سال 1987 تا 2012 تعیین می شود. بر اساس افزایش تعداد WEP ها در مناطق حفاظتی و افزایش اندازه فضای اشغال شده، یک خط روند محاسبه شده است که در شکل 3 نشان داده شده است . با فرض اینکه روند محاسبه شده حداقل تا سال 2030 ادامه داشته باشد، افزایش مناطق اشغال شده توسط WEP ها در مناطق حفاظتی حدود 93٪ است. بر اساس این برون یابی بر اساس سناریوی II، توربین های بادی حدود 780 کیلومتر مربع از مناطق حفاظتی را در سال 2030 اشغال خواهند کرد. این نتیجه حد بالایی مناطق بالقوه مناسب در مناطق حفاظتی در نظر گرفته می شود.

4. نتایج

این بخش نتایج مطالعه ما را با توجه به روش شناسی شرح داده شده در بخش 3 ارائه می کند. بخش فرعی 4.1 نتایج محاسبه مساحت را برای سال 2011 نشان می دهد، در حالی که بخش فرعی 4.2 پیش بینی سال 2030 را نشان می دهد.
Ijgi 03 00942 g004 1024
شکل 4. مناطق بالقوه برای تولید انرژی بادی در آلمان در سال 2011.

4.1. مناطق حاصله مناسب برای تبدیل انرژی باد در سال 2011

بر اساس معیارهای تعریف شده توسط کمیسیون فدرال و ایالتی انرژی بادی [ 16 ]، مناطق نامناسب برای تبدیل انرژی بادی تعیین شد. مساحت حاصله 58444 کیلومتر مربع برای نصب WEP مناسب در نظر گرفته می شود. شکل 4 نشان می دهد که مناطق بالقوه تقریباً به طور مساوی در شمال، مرکز و جنوب آلمان توزیع شده اند. دلایل مناطق نامناسب در مقیاس بزرگ، که به عنوان مناطق سفید در نقشه نشان داده شده است، تسلط بر مناطق حفاظتی و سرعت نسبتاً کم باد در بخش‌های بزرگ‌تر جنوب آلمان است ( شکل 5) .). برخی از بخش‌های آلمان مانند شلزویگ-هولشتاین، نقاط نسبتاً کوچکی از مناطق نامناسب را نشان می‌دهند، زیرا آنها نسبتاً کم جمعیت هستند و فضای بیشتری را برای تبدیل انرژی باد می‌گذارند ( شکل 6 ) .
Ijgi 03 00942 g005 1024
شکل 5. میانگین سرعت باد در 100 متر از سطح زمین در آلمان.
در مجموع، حدود 16 درصد از قلمرو آلمان از مناطق مناسب برای انرژی باد تشکیل شده است – UBA (2013) حدود 13.8٪ از آلمان را برای نصب WEP مناسب تعریف می کند [ 12 ] و IWES (2011) به این نتیجه می رسد که حدود 8 %–20% از قلمرو آلمان برای نصب WEP در سال 2011 مناسب است، بسته به اینکه مناطق حفاظتی و جنگلی مناسب در نظر گرفته شوند [ 13 ]. تفاوت در نتایج از تفاوت در داده های پایه استفاده شده و الگوریتم اعمال شده ناشی می شود.
Ijgi 03 00942 g006 1024
شکل 6. مناطق استقرار در آلمان در سال 2011 (DLM & OSM).

4.2. مناطق حاصله مناسب برای تبدیل انرژی باد در سال 2030

از آنجایی که افزایش مناطق S&T به طور غیرمستقیم با افزایش مناطق مناسب برای تبدیل انرژی بادی متناسب است، مناطق بالقوه ممکن است در برخی موارد به طور کامل حذف شوند، به ویژه در ایالات کوچک فدرال، که در آن مناطق S&T به سرعت رشد می کنند. شکل 7 نشان می دهد که نتایج هر سه سناریو ارائه شده در زیر بخش 3.2.1 کاملا مشابه هستند. کاهش مناطق مناسب برای استفاده از انرژی باد در سال 2030 بین 53749 کیلومتر مربع ( نتیجه سناریوی اول) و 56803 کیلومتر مربع ( نتیجه سناریوی III) است. این نشان دهنده کاهش 2 تا 8 درصد در مناطق مناسب بین سال های 2011 و 2030 است.
در مقایسه با تأثیر مناطق S&T بر سایت های WEP، جنبه مناطق حفاظتی نسبتاً کوچک است زیرا این سناریوها ( بخش 3.2.2 ) بر اساس نسبت مناطق در مناطق حفاظت شده است که قبلاً توسط WEP ها اشغال شده است. به ویژه نتایج سناریوی III، که در آن مناطق مناسب تا سال 2030 تقریباً دو برابر می شود، ایالت های فدرال نوردراین وستفالن و راینلاند-فالتز قابل توجه هستند ( شکل 8 را ببینید). در این دو ایالت، 48٪ و 34٪ از سایت های اشغال شده توسط WEP ها در مناطق حفاظتی قرار دارند که نرخ رشد بالا را توضیح می دهد.
Ijgi 03 00942 g007 1024
شکل 7. مناطق مناسب برای تبدیل انرژی بادی با توجه به سه پیش‌بینی در مناطق S&T آینده.
Ijgi 03 00942 g008 1024
شکل 8. مناطق بالقوه بر اساس سه سناریوی آینده بسته به منطقه حفاظتی.
هنگام محاسبه سناریوی ترکیبی از هر دو پارامتر (مناطق S&T و مناطق حفاظتی)، مناطق بالقوه در آلمان از 54000 کیلومتر مربع ( طبق ترکیب مناطق S&T سناریوی I و مناطق حفاظتی سناریوی I) تا 56785 کیلومتر مربع ( طبق با ترکیبی از مناطق S&T سناریو III و مناطق حفاظتی سناریو III) ( صفحه . شکل 9). کوچکترین نسبت مناطق مناسب در سال 2030 نتیجه این فرض است که مناطق S&T مانند امروز به شدت افزایش خواهند یافت و مناطق حفاظتی تنها توسط 65٪ از WEP های موجود در آلمان اشغال شده است. بیشترین مقدار مناطق مناسب برای نصب WEP بر اساس کاهش شدید استفاده از مناطق جدید S&T و نرخ نصب رو به رشد WEP ها در مناطق حفاظتی است.
Ijgi 03 00942 g009 1024
شکل 9. مناطق مناسب برای استفاده از انرژی باد در آلمان در سال 2030 با توجه به ترکیب سناریوهای مختلف.
هنگام مقایسه شمال، جنوب و مرکز آلمان، آشکار می شود که وضعیت فعلی (شمال به وضوح مسلط است) در آینده نیز غالب خواهد بود ( شکل 10 ) . این با نتایج ارائه شده در شکل 11 مطابقت دارد ، که پتانسیل های فضایی را در سال 2030 بر اساس سناریوی ترکیبی II/III نشان می دهد، که فرض می شود محتمل ترین نتیجه تحولات آینده است، زیرا بر اساس نتایج مدل Panta Rhei Regio برای اکثر افراد است. تحولات احتمالی منطقه S&T و روند افزایشی برای اشغال مناطق حفاظتی.
Ijgi 03 00942 g010 1024
شکل 10. پیش بینی محدوده مناطق مناسب برای استفاده از انرژی باد در سال 2030 در مناطق مختلف آلمان.
نتایج نشان می‌دهد که به‌ویژه در بخش‌های شمالی و جنوبی آلمان، افزایش بالایی در مناطق S&T قابل انتظار است، در حالی که استفاده از مناطق حفاظتی در مرکز کشور قوی‌ترین است. همچنین می توان توجه داشت که دامنه مناطق S&T پیش بینی شده در بخش های شمالی و جنوبی کشور بسیار زیاد است، زیرا نرخ رشد فعلی مناطق کاربری S&T و همچنین نرخ پیش بینی شده در مدل PRR هنوز بسیار دور است. دور از هدف دولت برای 30 هکتار در روز در سال 2030.
Ijgi 03 00942 g011 1024
شکل 11. مناطق بالقوه در سال 2030 بر اساس سناریوی ترکیبی II/III.

5. بحث و محدودیت

اگرچه پارامترهای متعددی در رویکرد ارائه‌شده در این مقاله برای محاسبه مکان‌های WEP بالقوه مناسب در نظر گرفته شد، برخی از پارامترها به دلیل کمبود داده یا نرم‌افزار نمی‌توانند در نظر گرفته شوند. به عنوان مثال، معیارهای بیشتر در مورد توزیع سرعت باد و جهت باد برای مشخص کردن مناسب بودن مکان‌ها برای تبدیل انرژی باد مفید خواهد بود. از آنجایی که این معیارها نمی توانند در کار ما در نظر گرفته شوند، مناطق تعیین شده باید به عنوان نمایشی از حداکثر مناطق بالقوه در نظر گرفته شوند. با این حال، نتایج ارائه شده در این مقاله می‌تواند یک محدودیت مفید برای محاسبات پتانسیل انرژی باد باشد که معمولاً در صورت محاسبه با وضوح فضایی بالا برای کل کشور، زمان بسیار طولانی را می‌طلبد.
دو بخش فرعی زیر بحثی در مورد روش ها و نتایج برای محاسبه مناطق بالقوه در سال 2011 ( بخش 5.1 ) و 2030 ( بخش 5.2 ) ارائه می دهد.

5.1. بحث در مورد مناطق بالقوه تعیین شده 2011

از آنجایی که نتایج تحقیق تنها می تواند به خوبی داده های پایه اساسی باشد، همانطور که چندین بار در طول مقاله مورد بحث قرار گرفت، بحث در مورد مجموعه داده های استفاده شده و کیفیت آنها ضروری است. مزایا و معایب اصلی داده های پایه مورد استفاده در جدول 3 فهرست شده است. ضروری ترین مزایا در دسترس بودن رایگان و پوشش سراسری کشور است، در حالی که چشمگیرترین معایب آن وضوح فضایی درشت و سطح بسیار بالای تعمیم است.
جدول
جدول 3. مزایا و معایب داده های اصلی مورد استفاده.
در رویکرد خود، مناطقی با میانگین سرعت باد بیش از 5 متر بر ثانیه در 100 متر از سطح زمین را به عنوان مناسب برای نصب WEP طبقه بندی کردیم. با این حال، ارتفاعات هاب نیروگاه های مدرن در حدود 130 متر از سطح زمین است. برای جلوگیری از دست کم گرفتن مناطق بالقوه، میانگین سرعت باد حداقل 5 متر بر ثانیه انتخاب شد، در حالی که برخی مطالعات دیگر از 5.5 متر بر ثانیه استفاده می کنند. مانند این، ما همچنین مناطقی را در نظر می گیریم که در آن ها به احتمال زیاد 5.5 متر بر ثانیه در ارتفاع توپی 130 متری می رسد. با این حال، در عمل، معیارهای بیشتری با توجه به توزیع سرعت باد و جهت باد باید رعایت شود تا یک سایت به عنوان یک منطقه بالقوه در نظر گرفته شود، به ویژه هنگامی که بازده برق یک سایت در نظر گرفته می شود. از آنجایی که این معیارها به دلیل کمبود داده ها نمی توانند در این کار در نظر گرفته شوند، مناطق تعیین شده باید به عنوان نمایشی از حداکثر مناطق بالقوه در نظر گرفته شوند.
همچنین، جنبه انتشار نویز و سایه های تولید شده توسط WEP ها، که می تواند منجر به اختلال ساکنان همسایه شود، کنار گذاشته شد، زیرا نویز در مقیاس کوچک و تغییرات سایه برای رویکرد مقیاس بزرگ ما حیاتی نیستند. علاوه بر این، جبران‌های ویژه ایالتی برای پاسخگویی به این نگرانی‌ها به روشی تعمیم‌یافته اعمال می‌شوند، همانطور که در بخش 1 ذکر شد ، که ایجاد یک مجموعه داده کامل و با کیفیت بالا را برای کل کشور عملا غیرممکن می‌کند. با این حال، باید به این نکته اشاره کرد که برخی از مناطق ممکن است به عنوان مکان‌های مناسب در رویکرد ما در نظر گرفته شوند، اگرچه مسائل مربوط به نویز و سایه ممکن است همچنان در مقیاس کوچک‌تر در نظر گرفته شود.
بیشتر، به دلیل فقدان اطلاعات منسجم و کامل در مورد مناطق نظامی، فرستنده‌های سازمان‌های دولتی و سیستم‌های پیوند رادیویی خصوصی، مناطق ساخت‌وساز محدود در اطراف فرودگاه‌ها و زمین‌ها برای حفر زمینی منابع خاک در رویکرد ما در نظر گرفته نشده است.
جنبه دیگر در روش تایید WEP ها تعیین پتانسیل خطر موجود برای گونه های جانوری خاص است. با توجه به ارتفاع بالایی که روتورهای WEP ها در آن می چرخند، آنها مناطق خطرناکی را برای پرندگان و خفاش ها نشان می دهند. اگرچه مناطق حفاظتی مختلفی در این کار در نظر گرفته شده است، اما هر منطقه پر رفت و آمد این گونه ها در پایگاه داده مورد استفاده ثبت نشده است. بنابراین، ما فرض می کنیم که بخش هایی از مناطق بالقوه محاسبه شده به دلیل وقوع گونه های در حال انقراض در مقیاس کوچک نامناسب هستند. با این حال، این ارزیابی های پرنده شناسی باید در طول مرحله برنامه ریزی یک پروژه پارک بادی بتنی انجام شود.

5.2. بحث در مورد مناطق بالقوه تعیین شده 2030

همانطور که قبلا ذکر شد، کیفیت داده های مورد استفاده در تحقیق، کیفیت نتایج را تعیین می کند. برای ارزیابی مناطق بالقوه آینده، به دلیل فقدان داده های پایه دقیق و با کیفیت، باید از داده های تکه تکه یا مشتق شده استفاده شود. یکی از کاستی‌های ناشی از این مسئله، مسئله داده این است که سناریوهای ارائه‌شده در مقیاس ایالات فدرال بدون مشخص کردن وضعیت دقیق در شهرستان‌ها و جوامع اجرا می‌شوند. تعمیم بیشتر زمانی رخ می دهد که فرض کنیم همه ایالت های فدرال به همان اندازه که در سناریوی I و III مربوط به حوزه های S&T است، توسعه می یابند. با این حال، در واقعیت، ایالات فدرال در توسعه خود متفاوت هستند، زیرا آنها به طور نابرابر تحت تأثیر عوامل مختلف هستند و هر ایالت محدودیت های قانونی خود را برای توسعه پارک های بادی جدید دارد.
وستر استدلال می‌کند که هر تلاشی برای مدل‌سازی سیستم‌های پیچیده مانند بخش انرژی هنگام مقایسه نتایج مدل با پیشرفت‌های دنیای واقعی از واقعیت فاصله می‌گیرد [ 42 ]. بنابراین پیش‌بینی‌های دقیق به سختی امکان‌پذیر است و فرآیند مدل‌سازی یک سیستم پیچیده عمدتاً با هدف درک رفتار و عملکرد پارامترهای تأثیرگذار هدایت می‌شود تا بتوان دامنه نتایج را تخمین زد.
علاوه بر این، تعیین مناطق موجود در حال حاضر مناسب برای تبدیل انرژی بادی بر اساس حذف مناطقی است که به دلیل محدودیت‌ها و شرایط طبیعی نامناسب تعریف شده‌اند. محدودیت هایی برای محافظت از انسان و محیط زیست در برابر تأثیرات منفی WEP ها اعمال شد. همراه با پیشرفت فنی، شدت این تأثیرات منفی می تواند تغییر کند، که در نهایت می تواند منجر به تغییر در پارامترها و محدودیت های محدودیت شود. از این رو، پیشرفت های فنی ممکن است به طور غیرمستقیم در توسعه مناطق بالقوه نقش داشته باشد.
علاوه بر این، ظاهر یک پارک بادی، و به ویژه جنبه های دید، بر فرآیند تصمیم گیری از پایین به بالا در جوامع تأثیر می گذارد، به عنوان مثال، در رأی گیری عمومی. تغییرات و بهبود در ظاهر می تواند پذیرش عمومی WEP های جدید را تغییر دهد، که همچنین می تواند منجر به نیاز به اصلاح محدودیت های موجود شود. به عنوان مثال، قطر روتور و ارتفاع هاب در طول زمان در حال تغییر است و سطح نویز منتشر شده توسط WEP ها در چند سال گذشته به نصف کاهش یافته است [ 1 ]]. در کنار این تغییرات، انواع گیاهان، که به شدت با نوع محور افقی غالب در حال حاضر متفاوت است، مانند توربین‌های بادی با محور عمودی، ممکن است در آینده اهمیت پیدا کنند. این به طور بالقوه می تواند منجر به تغییرات اساسی در محدودیت ها و مقررات آینده شود. از آنجایی که برآورد چنین تغییراتی در یک دوره 20 ساله عملا غیرممکن است، در رویکرد ما کنار گذاشته شده است.

6. نتیجه گیری

اندکی پس از فاجعه هسته ای فوکوشیما دایچی در سال 2011، دولت فدرال آلمان تصمیم گرفت تا با پایان دادن به تبدیل انرژی هسته ای و ترویج قوی توسعه انرژی های تجدیدپذیر، ساختار سیستم تامین انرژی کشور را تغییر دهد. به منظور تعیین مسیر سیاسی برای تامین انرژی پایدار در این دوران گذار، تجزیه و تحلیل عوامل موثر بر توسعه آینده انرژی های تجدیدپذیر مهم است. برخلاف بسیاری از تلاش‌های تحقیقاتی دیگر، هدف پژوهش ما تخمین پتانسیل‌های انرژی نیست، بلکه تعیین مناطق فعلی و آینده مناسب برای استفاده از انرژی باد در آلمان است.
از دیدگاه روش‌شناختی، ما در ابتدا مناطق بالقوه را برای سال 2011 محاسبه کردیم. بر اساس نتایج، مفروضات آگاهانه‌ای در مورد اینکه چگونه توسعه مناطق بالقوه در حال حاضر تحت تأثیر قرار گرفته است، ایجاد کردیم. رشد مناطق S&T و حفاظت از اهمیت عمده ای تعریف شد. تجزیه و تحلیل ما نشان داد که تمام سناریوهای تعریف شده منجر به افزایش S&T و مناطق حفاظتی و کاهش مناطق بالقوه مناسب برای نصب WEP می‌شوند. در مجموع، افزایش استفاده از مناطق حفاظتی به عنوان سایت‌های WEP نمی‌تواند کاهش مناطق بالقوه را که بین 3 تا 8 درصد بین سال‌های 2011 و 2030 است، جبران کند.
کار آینده، که می تواند از محدودیت های رویکرد ما جدا شود، شامل استفاده از مقادیر ورودی در مقیاس کوچکتر، داده های پایه ریز دانه (که در حال حاضر در دسترس نیستند)، ادغام محاسبات نویز، و مفروضات در مورد پیشرفت های فنی و اقتصادی است. .

منابع

  1. اسلام، آقا؛ مکیلف، اس. Saidur, R. پیشرفت و روندهای اخیر فناوری انرژی بادی. تمدید کنید. حفظ کنید. انرژی Rev. 2013 ، 21 ، 456-468. [ Google Scholar ] [ CrossRef ]
  2. ویتنبن، BB تأثیر حادثه هسته ای فوکوشیما بر سیاست انرژی اروپا. محیط زیست علمی سیاست 2012 ، 15 ، 1-3. [ Google Scholar ] [ CrossRef ]
  3. جان، دی. Korolczuk، S. استثناگرایی آلمانی: پایان انرژی هسته ای در آلمان! محیط زیست سیاسی. 2012 ، 21 ، 159-164. [ Google Scholar ] [ CrossRef ]
  4. Appelrath، H.-J. کاگرمن، اچ. Mayer, C. (Eds.) Future Energy Grid. مهاجرت به اینترنت انرژی ؛ Acatech: مونیخ، آلمان، 2012.
  5. رسچ، بی. ساگل، جی. تورنروس، تی. باخمایر، آ. ایگرز، ج.-بی. هرکل، اس. نرمسرا، س. Guendra، H. برنامه ریزی و مدل سازی مبتنی بر GIS برای انرژی های تجدید پذیر: چالش ها و راه های تحقیقات آینده. ISPRS Int. J. Geo-Inf. 2014 ، 3 ، 662-692. [ Google Scholar ] [ CrossRef ]
  6. Scheer, H. The Solar Economy: Renewable Energy for a Sustainable Global Future ; Routledge: آکسفورد، بریتانیا، 2013. [ Google Scholar ]
  7. بومه، دی. Dürrschmidt, W. Erneuerbare Energien: Motor der Energiewende ; Bundesministerium für Umwelt, Naturschutz und Reaktorsicherheit (BMU): برلین، آلمان، 2012. [ Google Scholar ]
  8. Fairley، P. آلمان سوپرشبکه را راه اندازی می کند. IEEE Spectr. 2013 ، 50 ، 36-41. [ Google Scholar ] [ CrossRef ]
  9. آنجلیس-دیماکیس، ا. بیبراچر، م. دومینگز، جی. فیورس، جی. گادوچا، اس. گنانسونو، ای. گواریسو، جی. کارتالیدیس، ع. پانیچلی، ال. پیندو، آی. و همکاران روشها و ابزارهای ارزیابی در دسترس بودن منابع انرژی تجدیدپذیر. تمدید کنید. حفظ کنید. انرژی Rev. 2011 ، 15 ، 1182-1200. [ Google Scholar ] [ CrossRef ]
  10. سوافورد، جی. Slattery، M. نگرش عمومی انرژی باد در تگزاس: جوامع محلی در مجاورت مزارع بادی و تأثیر آنها بر تصمیم گیری. سیاست انرژی 2010 ، 38 ، 2508-2519. [ Google Scholar ] [ CrossRef ]
  11. شن، YC; چو، سی جی; Lin, GT مجموعه ای از منابع انرژی تجدیدپذیر برای دستیابی به سه هدف E-Policy. انرژی 2011 ، 36 ، 2589-2598. [ Google Scholar ] [ CrossRef ]
  12. لودکهوس، آی. سالکر، اچ. Adlunger, K. Potenzial der Windenergie an Land: Studie zur Ermittlung des Bundesweiten Flächen- und Leistungspotenzials der Windenergienutzung an Land ; Umweltbundesamt: Dessau-Roßlau، آلمان، 2013. [ Google Scholar ]
  13. بوفینگر، اس. کالیز، دی. شیبه، م. سن درنان، ی.-م. Rohrig, K. Studie zum Potenzial der Windenergienutzung an Land—Kurzfassung ; Fraunhofer Institut für Windenergie und Energiesystemtechnik Abteilung Energiewirtschaft und Netzbetrieb, Bundesverband Wind-Energie eV: برلین، آلمان، 2011. [ Google Scholar ]
  14. Institut für angewandtes Stoffstrommanagement (IfaS) و Transferstelle Bingen (TSB). Integriertes Klimaschutzkonzept und Teilkonzept Erschließung der verfügbaren Erneuerbare-Energien-Potenziale in den Landkreisen Alzey-Worms، Bad Kreuznach und Mainz-Bingen، Abschlussbericht; Kreisverwaltung Alzey-Worms ; Kreisverwaltung Mainz-Bingen، Energiedienstleistungsgesellschaft Rheinhessen-Nahe mbH: Birkenfeld، آلمان، 2013. [ Google Scholar ]
  15. جکسون، AL انرژی های تجدیدپذیر در مقابل تنوع زیستی: تضادهای سیاست و آینده حفاظت از طبیعت. گلوب. محیط زیست چانگ. 2011 ، 21 ، 1195-1208. [ Google Scholar ] [ CrossRef ]
  16. Bundesministerium für Umwelt، Naturschutz und Reaktorsicherheit (BMU). Überblick zu den landesplanerischen Abstandsempfehlungen für die Regionalplanung zur Ausweisung von Windenergiegebieten. در دسترس آنلاین: http://www.erneuerbare-energien.de (در 28 نوامبر 2013 قابل دسترسی است).
  17. فرنز، دبلیو. موگنبورگ، H.-J. (ویرایشگاه) BNatSchG: Bundesnaturschutzgesetz: Commentar ; اریش اشمیت: برلین، آلمان، 2011.
  18. فریدولفسون، SO; Tangerås، TP بررسی مجدد سیاست برق تجدیدپذیر در سوئد. سیاست انرژی 2013 ، 58 ، 57-63. [ Google Scholar ] [ CrossRef ]
  19. ابوحامد، ت. فلام، اچ. ازرق، م. انرژی های تجدیدپذیر در سرزمین های فلسطینی: فرصت ها و چالش ها. تمدید کنید. حفظ کنید. انرژی Rev. 2012 ، 16 ، 1082-1088. [ Google Scholar ] [ CrossRef ]
  20. Palaiologou، P. کالاابوکیدیس، ک. هارالامبوپولوس، دی. فیداس، اچ. پولاتیدیس، H. ویژگی های باد و نقشه برداری برای تولید برق در جزیره لسبوس، یونان. محاسبه کنید. Geosci. 2011 ، 37 ، 962-972. [ Google Scholar ] [ CrossRef ]
  21. Deutsche Energie-Agentur (DENA). Dena-Netzstudie II. ادغام erneuerbarer Energien in die deutsche Stromversorgung im Zeitraum 2015–2020 mit Ausblick 2025 ; DENA: برلین، آلمان، 2010. [ Google Scholar ]
  22. Bergek، A. تسطیح زمین بازی؟ تأثیر ابزارهای برنامه ریزی ملی انرژی بادی بر تضاد منافع در یک شهرستان سوئد. سیاست انرژی 2010 ، 38 ، 2357-2369. [ Google Scholar ] [ CrossRef ]
  23. مک کنا، آر. گانتنبین، اس. Fichtner, W. تعیین منحنی‌های هزینه پتانسیل برای انرژی باد در ایالت فدرال آلمان بادن-وورتمبرگ. سیاست انرژی 2013 ، 57 ، 194-203. [ Google Scholar ] [ CrossRef ]
  24. والاش، A.-K. Rehfeldt, K. Wirtschaftlichkeit von Standorten für die Windenergienutzung: Untersuchung der Wesentlichen Einflussparameter ; Deutsche WindGuard: برلین، آلمان، 2012. [ Google Scholar ]
  25. De Vried، BJM; Van Vuuren، DP; Hoogwijk، MM منابع انرژی تجدیدپذیر: پتانسیل جهانی آنها برای نیمه اول قرن بیست و یکم در سطح جهانی: یک رویکرد یکپارچه. سیاست انرژی 2007 ، 35 ، 2590-2610. [ Google Scholar ] [ CrossRef ]
  26. رسچ، جی. برگزار شد، A. فابر، تی. پانزر، سی. تورو، اف. هاس، آر. پتانسیل ها و چشم انداز انرژی های تجدیدپذیر در مقیاس جهانی. سیاست انرژی 2008 ، 36 ، 4048-4056. [ Google Scholar ] [ CrossRef ]
  27. شیا، سی. Song, Z. انرژی باد در چین: سناریوهای فعلی و چشم اندازهای آینده. تمدید کنید. حفظ کنید. انرژی Rev. 2009 ، 13 ، 1966-1974. [ Google Scholar ] [ CrossRef ]
  28. Statistisches Bundesamt (DESTATIS). در دسترس آنلاین: https://www.destatis.de/DE/Service/Glossar/S/Siedlungsflaeche.html (دسترسی در 19 نوامبر 2013).
  29. هویمن، جی. دوش، اف. Beckmann, G. Trends der Siedlungsflächenentwicklung: Status Quo und Projektion 2030 ; Bundesinstitut für Bau-, Stadt- und Raumforschung (BBSR): Bonn, Germany, 2012. [ Google Scholar ]
  30. دوش، اف. Beckmann, G. Auf dem Weg, aber noch nicht am Ziel: Trends der Siedlungsflächenentwicklung ; Bundesinstitut für Bau-, Stadt- und Raumforschung (BBSR): Bonn, Germany, 2011. [ Google Scholar ]
  31. ناژندرا، اچ. سودیرا، اچ اس. کتی، م. Tengö، M. شهرنشینی و اثرات آن بر استفاده از زمین، تنوع زیستی و اکوسیستم در هند. INTERdisciplina 2014 ، 2 ، 305-313. [ Google Scholar ]
  32. دیستلکمپ، ام. اولریش، پی. Siedentop، S. Mohr, K. 30-ha-Ziel: Konsequenzen des Szenarios Flächenverbrauchsreduktion auf 30 ha im Jahr 2020 für die Siedlungsentwicklung ; Bundesministerium für Verkehr, Bau und Stadtentwicklung (BMVBS): Bonn, Germany, 2011. [ Google Scholar ]
  33. دیستلکمپ، ام. لوتز، سی. اولریش، پی. Wolter، MI Entwicklung der Flächeninanspruchnahme für Siedlung und Verkehr bis 2020: Ergebnisse des Rationalisierten Modells Panta Rhei Regio ; Gesellschaft für Wirtschaftliche Strukturforschung mbH: Osnabrück، آلمان، 2008. [ Google Scholar ]
  34. Deutscher Wetterdienst (DWD). Windkarten und Winddaten für Deutschland: Bezugszeitraum 1981–2000 ; Abteilung Klima- und Umweltberatung: Offenbach، آلمان، 2013. [ Google Scholar ]
  35. Ushiyama، I. نیروی باد در ژاپن: چشم اندازهای گذشته، حال و آینده. In Wind Power for the World: International Reviews and Developments ; Maegaard, P., Krenz, A., Palz, W., Eds.; CRC Press: Boca Braton، FL، USA، 2013; ص 217-242. [ Google Scholar ]
  36. لاتنباخ، اس. کوگل، سی. لاوش، آ. سپلت، R. تجزیه و تحلیل تغییرات تاریخی در ارائه خدمات اکوسیستم منطقه ای با استفاده از داده های کاربری زمین. Ecol. اندیک. 2011 ، 11 ، 676-687. [ Google Scholar ] [ CrossRef ]
  37. Statistisches Bundesamt (DESTATIS). Land- und Forstwirtschaft, Fischerei: Bodenfläche nach Art der tatsächlichen Nutzung ; Statistisches Bundesamt (DESTATIS): ویسبادن، آلمان، 2012. [ Google Scholar ]
  38. بابا، ال. کمپر، ​​جی. Schwedt, A. Regionale Siedlungsflächenentwicklung in den Neuen Bundesländern auf Basis von Prognosen der Bau- und Immobilienwirtschaft ; Bundesministerium für Verkehr, Bau und Stadtentwicklung (BMVBS): Bonn, Germany, 2007. [ Google Scholar ]
  39. Presse- und Informationsamt der Bundesregierung (BPA). Perspektiven für Deutschland: Unsere Strategie für eine nachhaltige Entwicklung ; Fortschrittsbericht: برلین، آلمان، 2014. [ Google Scholar ]
  40. Ring, I. جبران خسارت برای شهرداری ها برای مناطق حفاظت شده: نقل و انتقالات مالی برای حفاظت از تنوع زیستی در زاکسن، آلمان. GAIA-Ecol. چشم انداز علمی Soc. 2008 ، 17 ، 143-151. [ Google Scholar ]
  41. Sliz-Szkliniarz، B. رویکرد مبتنی بر GIS برای ارزیابی پتانسیل انرژی باد: مطالعه موردی برای Voivodeship Kujawsko-Pomorskie. تمدید کنید. حفظ کنید. انرژی Rev. 2011 ، 15 ، 1696-1707. [ Google Scholar ] [ CrossRef ]
  42. Vester, F. Ausfahrt Zukunft: Strategien für den Verkehr von Morgen ; Eine Systemuntersuchung. Heyne: München، آلمان، 1990. [ Google Scholar ]

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370