伊朗伊斯法罕大學的研究人員宣布，他們已成功提高了數字高程模型(DEM)在創建高分辨率年度太陽能潛力圖時的精度。這一突破對于精確評估太陽能資源、優化太陽能電池板布局具有重要意義。
DEM是裸露陸地表面的3D圖形，不包含樹木、建筑物等障礙物，廣泛用于生成太陽能地圖。然而，傳統DEM如SRTM、ALOS、ASTER和Copernicus等，雖然具有廣泛的空間覆蓋范圍且成本較低，但其分辨率相對較低，限制了太陽能潛力圖的準確性，特別是在城市地區和高速公路周邊。
為克服這一限制，研究小組利用深度學習網絡，特別是增強深度超分辨率(EDSR)網絡，來提高DEM的分辨率。EDSR是一種卷積神經網絡，廣泛應用于計算機視覺任務，能夠顯著提高圖像的空間分辨率。
通過與U-Net網絡進行比較，科學家們發現EDSR模型在提高太陽能潛力圖精度方面表現最為準確和穩定。他們利用該模型將Copernicus DEM得出的太陽能潛力圖的分辨率從30米提高到6米，顯著提升了地圖的詳細程度和太陽能估算的準確性。
研究團隊強調，在城市地區和主要高速公路沿線，EDSR模型不僅提高了地圖的分辨率，還顯著提高了太陽能估算的準確性。此外，他們還評估了改進后的6米分辨率地圖在識別適合安裝太陽能電池板的建筑物方面的有效性。
這一研究成果為太陽能資源的精確評估和太陽能電池板的優化布局提供了有力支持。有關建模的詳細信息，請參閱在Helyion上發表的論文“使用深度學習提高從全球DSM得出的屋頂太陽能電池板放置太陽能潛力圖的分辨率”。
伊朗伊斯法罕大學的研究團隊表示，他們將繼續探索深度學習在太陽能地圖制作中的應用，以進一步提高精度和效率，為全球太陽能資源的開發和利用貢獻力量。
