Ejemplo de análisis de imágenes satelitales (basado en datos de Copernicus Sentinel 2017) superpuesto en Google Satellite (© 2018 TerraMetrics) Crédito:Cader et al.
Investigadores del Reiner Lemoine Institut de Berlín han utilizado eficazmente técnicas de teledetección para detectar una muestra de pueblos de Zambia que carecen de electricidad. Su estudio, publicado recientemente en Springer's Actuaciones en Energía serie de libros, destaca el potencial de las estrategias de aprendizaje automático para mejorar la planificación de la electrificación en las partes menos desarrolladas del mundo.
A pesar de las mejoras que se han producido en los últimos años, muchas regiones del África subsahariana todavía tienen un acceso limitado a las fuentes de energía, incluida la electricidad. Según el informe World Energy Outlook 2017 del Instituto de Asuntos Económicos (IEA), dos tercios de los 17 millones de personas que viven en Zambia carecen de electricidad.
Para abordar este problema, primero es necesario obtener información precisa y detallada sobre el estado actual de la electrificación en el país, identificar la ubicación y distribución de los hogares que no tienen acceso a la electricidad. Estos datos importantes podrían usarse para evaluar la viabilidad de diferentes opciones de electrificación, como sistemas autónomos, mini-rejillas, o extensiones de cuadrícula.
"Crear una mejor comprensión de las regiones con suministro de electricidad limitado o nulo para desarrollar las respectivas opciones de suministro de energía requiere datos geoespaciales sobre el lugar donde vive la gente, "Catherina Cader, uno de los investigadores que realizó el estudio, dijo a TechXplore. "Muy a menudo, especialmente en los países menos desarrollados, dichos datos o información detallada desglosada espacialmente no está disponible, o solo en la estadística resumida del país, sin información específica de la ubicación ".
Descripción general de los distritos clasificados [superpuestos en Open Street Maps © colaboradores de OpenStreetMap bajo la licencia Open Data Commons Open Database License (ODbL)] Crédito:Cader et al.
En un estudio publicado recientemente, Cader y sus colegas investigaron el uso de imágenes satelitales disponibles abiertamente y herramientas de aprendizaje automático para llenar esta brecha de conocimiento. en última instancia, mejorar la planificación del acceso a la energía. Los investigadores utilizaron técnicas de teledetección, que involucran la aplicación de algoritmos de aprendizaje automático entrenados para clasificar imágenes multiespectrales Sentinel 2 de resolución media.
"Usamos datos satelitales para derivar estructuras de asentamientos y áreas pobladas para delinear los límites de las aldeas, "Explicó Cader." Para lograr eso, La clasificación de la cobertura terrestre se lleva a cabo utilizando algoritmos para detectar automáticamente áreas habitadas en base a sitios de capacitación previamente desarrollados ".
Los algoritmos utilizados por los investigadores pudieron clasificar 14 salas sin electricidad, con un área total de aproximadamente 10, 000 km 2 . Estos resultados son muy prometedores, destacando el potencial de la teledetección para mejorar la distribución de energía en Zambia, así como en otros países del África subsahariana.
Barrio Vyamba, un ejemplo de análisis de detección de aldeas de alta precisión (basado en datos de Copernicus Sentinel de 2017), superpuesto en Google Satellite (© 2018 TerraMetrics) Crédito:Cader et al.
"Los conjuntos de datos satelitales abiertos y el software de código abierto nos permitieron realizar clasificaciones exitosas para identificar la ubicación de las aldeas, ", Dijo Cader." Esta información se puede utilizar más para la planificación del acceso a la energía ".
En el futuro, sus hallazgos podrían informar el trabajo de los organismos oficiales que operan en la región, como la Autoridad de Electrificación Rural (REA), así como la de empresarios privados que tienen previsto realizar obras de electrificación. La información recopilada mediante técnicas de teledetección también podría utilizarse en combinación con otros datos de fuente abierta para proporcionar mejores estimaciones de la población de las aldeas detectadas.
Barrio Malalo, sobreestimación de áreas edificadas en un ambiente pantanoso (basado en datos de Copernicus Sentinel 2017) Crédito:Cader et al.
"Sobre la base de nuestra investigación anterior, ahora estamos trabajando en la combinación de datos de detección remota con datos de encuestas específicos de la ubicación necesarios para la planificación del acceso a la energía, como electrodomésticos, gastos del hogar, o uso productivo, ", Dijo Cader." Esto podría ayudar a identificar correlaciones y permitir una extrapolación espacial de los hallazgos a sitios que están fuera de la muestra de la encuesta ".
© 2018 Tech Xplore
