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(chuàng)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(yōu)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(tǒng)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(qū)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(fā)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(wěn)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(qū)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(yōu)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(fā)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(xù)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(fā)和利用貢獻力量。