Upload
buikhanh
View
217
Download
2
Embed Size (px)
Citation preview
La Percepción remota en lasenergías renovables
Dra. Alejandra López-CalocaDra. Carmen Reyes
M.E.A. Rodrigo Tapia-McClungM en G Fidel Serrano
Marzo 2011
• Generadores en la ventosa Oaxaca
• Desde los años 90 hasta la actualidad, el papel que tiene las energías renovables juegan en el suministro energético se ha ido matizando, adquiriendo cada vez una mayor importancia.
• Las técnicas de percepción remota puede ayudar en la realización potencial de las energías renovables.
• Si bien no están directamente involucrados. Las fuentes de energía renovable se pueden beneficiar de los datos de satélite como son:
TIPO DE ENERGIA Parametro principal requerido
Hydropower Water runoff
Bionergia Cobertura, biomasa , NDVI, NPP
Solar DNI, GHI
Offshore , Onshore wind Velocidad de viento
• Los datos no está optimizada para las necesidades energéticas por lo tanto es necesario una coherencia en los datos de entrada a partir del satélite para la generación de modelos.
• Definir de protocolos de validación y las mediciones de producto final
• Validar con diferentes satélites y las comparaciones entre el modelo obtenidos por fuentes diferentes.
• Se requiere experiencia y la infraestructura de satélites, física atmosférica, climatología y predicción del tiempo.
• Por lo tanto la tarea está conectado a varios programas internacionales para compartir el enorme esfuerzo.
Dificultades de los datos de PR
Programas
• El Group on Earth Observations (GEO) es un organismo internacional que esta
construyendo GEOSS (Earth Observing System of Systems ).
• http://www.geoss-ecp.org/
• GEO energy community:
• -
•
ESA (european space agency) por medio del proyecto de EOMD(earth
observation market development) se tiene los subproyectos:
ENVISOLAR/ German Remote Sensing Data Center (DLR-DFD)
EO-WINDFARM
EO-HYDRO
Proyecto NASA Langley
Proyecto POWER (Prediction of Worldwide Energy Resource Project ) que se apoya en los productos de la NASA siguientes:
Clouds and the Earth’s Radiant Energy System (CERES), Earth Radiation Budget Energy (ERBE),International Satellite Cloud Climatology Project, Surface Meteorology and Solar Energy (SSE), Surface Radiation Budget (SRB), GEOS,FLASHFluxDecision Support Systems:Natural Resources Canada’s RETScreen,
Department of Energy National Renewable Energy Laboratory’s Hybrid Optimization Model for Electric Renewables (HOMER),
Surface meteorology and Solar EnergyA renewable energy resource web site (release 6.0), http://eosweb.larc.nasa.gov/sse/
• Software
http://power.larc.nasa.gov/common/php/POWER_ParametersEnergy.php
Energía solar/Solar IrradianceTIPO DE PARAMETRO DE
OBSERVACION DE LA TIERRA
PARAMETRO
Caracterizar la
fuente solar
Direct normal irradiation (DNI)
Global horizontal irradiation (GHI)
Diffuse irradiation
Inclined plane radiation
Cloud cover (cloud index)
Circumsolar ratio
Meteorológicos Wind speed
Wind direction
Ambient air temperature
Composición atmosférica Aerosol optical depth (AOD)
Water vapor content
Atmospheric ozone content
http://sbageotask.larc.nasa.gov/Energy_US0901a-FINAL.pdf
• La NASA tiene varios satélites experimentales aplicables a la superficie de la evaluación de la irradiación solar, incluyendo:
• Terra, Aqua, • Tropical Rainfall Measurement Mission (TRMM).
• Estos satélites emplean instrumentos como el Cloud y Earth Radiant Energy System (CERES) y el ModerateResolution Imaging Spectroradiometer (MODIS).
GOES satellites,
• GMS satellites
• ENVISAT, METOP
El uso más avanzado de los datos de satélite para la evaluación del
recurso solar . HelioClim3.
• Datos de Irradiancia para sistemas de energía, spatial resolution. 4 km , esta irradianciase expresa en W/m².
• GHI (Global Horizontal Irradiation) • DHI (Diffuse Horizontal Irradiation) • BHI (Direct Horizontal Irradiation) • GNI (Global Normal Irradiation) • BNI (Beam Normal Irradiation) • This irradiance is expressed in W/m².
• http://www.envisolar.com/factsheets/ENVISOLAR_factsheet_SoDa2.pdf• http://www.soda-is.com/eng/index.html• http://www.earthobservations.org/geoss_en.shtml• http://www.geoss-ecp.org/• http://www.webservice-energy.org/?q=web_services_list
Areas potenciales para determinar energía solar y eólica
• Ejemplo: área geográfica potencial por energía solar
Gi= Area geográfica potencial de energía solarIi=Irradiancia promedio en un tiempo promedio (Wm-2)h=8760hy-1
A=área disponible en Km2
Int. J. Energy Res, 2009, 33:778-786
•
310i i iG I h A
• Otros modelos consideran velocidad de viento, irradiancia solar , datos meteorológicos. Universität Oldenburg.
Energía eólica
• Sin embargo, alcanzar las metas de la energía eólica requiere la ubicación inteligente de los parques eólicos y herramientas avanzadas de velocidad y dirección del viento
TIPO DE PARAMETRO DE
OBSERVACION DE LA
TIERRA
PARAMETRO
Meteorológicos Velocidad del viento
Dirección del viento
Perfil vertical del viento
Turbulencia
Humedad relativa
Temperatura del aire
Presión atmosférica
Información de cobertura
terrrestre
Cobertura terrestre (incluyendo ecosistemas)
Elevación/Topografia
Textura
Información del ambiente Altura del Oleaje
Batimetría
Oleaje
Temperatura de superficie del mar
• Muchos países cuentan con recursos eólicos muy importante, así como grandes y crecientes demandas de electricidad.
• Los sensores que pueden realizar mediciones de viento son :The European ERS-2 satellite (scatterometry /Active Microwave Instrument); NASA’s QuickScat (SeaWinds scatterometer)
• El proyecto WEMSAR (Wind Energy Mapping Using Synthetic Aperture Radar), utiliza datos de ERS-2, ENVISAT, y RADARSAT, WEMSAR es capaz de estimar velocidaes del viento con resolucion espacial de 400metros (http://www.nersc.no/~wemsar/).
Energía del océano
• Map of predicted tsunami wave propogation provided by the NOAA Environmental Visualization Laboratory; http://www.unavco.org/crosscutting/cc-community.html
• A magnitude 9.0 earthquake occurred at 02:46:23 PM local time on March 11, 2011, near the east coast of Honshu, Japan. Five minutes in duration, it triggered a tsunami of more than 10 m in height, causing immense damage along the northeast coast of Japan.
Bioenergía
TIPO DE PARAMETRO DE OBSERVACION DE LA
TIERRA
PARAMETRO
Información de cobertura terrestre Cobertura terrestre (incluyendo ecosistemas)
Elevación/Topografía
Textura
Vegetación y tipo de suelos BiomassÍndice de vegetación (NDVI)
Productividad primaria neta
Evapotranspiración
Humedad de suelo Contenido de carbono en el suelo
Agua en el subsuelo
Meteorológicos Precipitación
Temperatura del aire
Humedad relative
Temperatura de superficie
Caracterizar la
fuente solar
Direct normal irradiation (DNI)
Global horizontal irradiation (GHI)
Diffuse irradiation
Inclined plane radiation
Cloud cover (cloud index)
Circumsolar ratio
Biomasa• El termino biomasa refiere a toda la materia orgánica producida por un
proceso biológico y desde el punto de vista energético involucra al conjunto de sustancias orgánicas renovables de origen vegetal , animal o derivadas de cualquier proceso de transformación natural.
• La necesidad de un control fiable de la biomasa es cada vez más importante, en particular para apoyar los requisitos relacionados con un manejo sostenible y la contabilidad del carbono.
• Planificación y gestión de las operaciones forestales para uso comercial o el estudio de productividad de los ecosistemas tanto requieren el mapeo de la biomasa , es un indicador estructural y funcional de los atributos de los ecosistemas forestales.
• Existen en la literatura ejemplos de la utilización de estas técnicas para modelación de la variable altura en bosques, para obtener la variable biomasa total. Por ejemplo los sensores activos utilizados:
Investigación para la modelación de biomasa residual forestal en el Distrito federal
• THE ADVANCED Land Observing Satellite (ALOS)(“Daichi” in japanese) was launched on January 24, 2006.
• ALOS lleva tres sensores: – a)Phased Array L-band Synthetic Aperture Radar (PALSAR), – b) the Advanced Visible and Near Infrared Radiometer (AVNIR-2),– c) Panchromatic Remote Sensing Instrument for Stereo Mapping
(PRISM).
• ESCENA SENSOR PALSAR, NIVEL 1,0 EN MODO DE RESOLUCION FINA, CON POLARIDAD HH, HV CON RESOLUCIÒN DE 10 METROS.
Mauricio GaleanaAlejandra LópezPenelope LópezCarmen Reyes
DATOS DE CAMPO.• En la realización de inventarios forestales con muestreo, con
mucha frecuencia se utilizan conglomerados de un tamaño determinado como unidad de muestreo para la toma de datos. Cada conglomerado está integrado por cuatro unidades de muestreo secundarias o subparcelas circulares dispuestas en forma de una “Y invertida” cada una de éstas es de 400 m2. La parcela circular central identifica al conglomerado y las
tres restantes se encuentran a 45.14m de ella.
• Inventario Nacional Forestal y de Suelos de la Comisión Nacional Forestal
Distribución de los conglomerados en los diferentes tipos de vegetación
• Métodos geoestadísticos de regresión lineal
• Interpolador kriging . • Estiman los valores de un atributo
en sitios no muestreados usando funciones de peso que reflejan la correlación de la variable Z entre dos sitios muestreados (xi) y entre un sitio muestreado y el sitio para ser estimado (x0).
Cobertura vegetal Estimación puntual
del total (tC)
Límite inferior (tC) Límite superior (tC)
Oyamel 938,261.07 537,905.87 1,341,520.48
Pino 959,432 372,710.95 1,588,161.68
Bosque Mixto 275,594 139,602.24 412,090.45
Matorral y Bosque
Inducido
102,975.90 7684.34 199,167.51• CentroGeo/PAOT/INEFAP/2010
SAR• El flujo de energía es emitido por los sensores radar con una amplitud y
fase controlada es una longitud de onda y una polarización determinada.
• Este flujo atraviesa la atmósfera, siendo esta transparente (en general) a estas longitudes de onda y al llegar a la superficie observada, se dispersa dentro del objeto-superficie observado o se refleja hacia la atmósfera. El sensor recoge la parte de energía reflejada hacia la atmósfera.
• El sensor recoge la parte de la energía reflejada en su dirección en diferentes momentos, que recibe el nombre de coeficiente de retrodispersión (backscatter coeficient) .
• El análisis interferométrico para obtener la información de biomasa a partir de dos imágenes obtenidas casi desde la misma posición y con un escaso intervalo temporal es el análisis de COHERENCIA, es decir, el análisis de las diferencias entre estas dos imágenes.
InSAR
• Existen 2 aproximaciones principales con el uso de Interferométria:
• 1) Modelos empíricos con el uso de la coherencia la variable dependiente. La coherencia en masas forestales es considerada la suma de la contribución de la vegetación y el suelo ponderada por un factor de cobertura de dosel.
• 2) la obtención del modelo digital de altura del dosel
Calibración liga: http://earth.eo.esa.int/pcs/alos/palsar/reports/
Variables derivadas de SAR/InSAR
• Minimum SAR backscatter intensity (dn)• Maximum SAR backscatter intensity (dn)• Mean SAR backscatter intensity (dn)• Standard deviation of SAR backscatter
intensity (dn)• Minimum InSAR height (m)• Maximum InSAR height (m)• Mean InSAR height (m)• Standard deviation of InSAR height (m)
• Con el conocimiento de altura de un bosque es posible obtener la información de biomasa mediante el uso de ecuaciones alométricas .