GIS

مکان‌یابی نیروگاه خورشیدی: انتخاب بهترین سایت از ۲۰۰ گزینه با GIS

۹ دقیقه مطالعه مهر ۱۴۰۳ تیم فنی آرتا سنجش نگار

ایران با بیش از ۳۰۰ روز آفتابی در سال در بسیاری از مناطق، یکی از بهترین پتانسیل‌های انرژی خورشیدی جهان را دارد. با این حال انتخاب محل احداث نیروگاه خورشیدی تصمیمی است که ده‌ها عامل فنی، اقتصادی، محیط‌زیستی و اجتماعی را درگیر می‌کند. در این پروژه، یک شرکت سرمایه‌گذاری بخش خصوصی می‌خواست از میان ۲۰۰ قطعه زمین احتمالی در استان‌های مرکزی ایران، بهترین ۵ سایت را برای احداث نیروگاه ۵ مگاواتی انتخاب کند.

فرایند سنتی این کار نیاز به ماه‌ها بازدید میدانی و مطالعه دارد. با رویکرد GIS-محور ما، این فرایند به ۶ هفته کاهش یافت و علاوه بر آن، مستندات قابل ارائه به سرمایه‌گذاران و اداره انرژی هم تولید شد.

معیارهای انتخاب سایت

در ابتدا با تیم مشاوران انرژی و مستندات سازمان انرژی‌های تجدیدپذیر (ساتبا) یک چارچوب ۷ معیاری تعریف کردیم. هر معیار دارای وزن، واحد اندازه‌گیری و منبع داده مشخص است:

تابش خورشیدی افقی (GHI): مهم‌ترین عامل فنی. داده از NASA POWER API با میانگین ۲۲ ساله.
شیب زمین: شیب بیش از ۱۵ درجه، نصب پانل را غیراقتصادی می‌کند. داده از DEM SRTM 30m.
فاصله از شبکه برق: هر کیلومتر خط انتقال حدود ۲ میلیارد تومان هزینه دارد. داده از نقشه شبکه برق وزارت نیرو.
کاربری اراضی: اراضی کشاورزی، جنگلی یا حفاظت‌شده از بررسی حذف می‌شوند.
ریسک سیل: مناطق سیل‌خیز (دوره بازگشت ۱۰۰ ساله) حذف یا کم‌امتیاز می‌شوند.
دسترسی جاده‌ای: فاصله از جاده آسفالت برای دسترسی تجهیزات ساخت.
مالکیت اراضی: اراضی ملی بدون درگیری با مالک خصوصی ارجحیت دارند.

تحلیل Weighted Overlay با AHP

برای تعیین وزن هر معیار، از روش AHP (Analytic Hierarchy Process) استفاده کردیم. در این روش، هر جفت معیار با هم مقایسه می‌شوند و وزن نهایی از طریق eigenvector ماتریس مقایسه محاسبه می‌شود. نظرسنجی از ۵ کارشناس (مهندس برق، کارشناس محیط‌زیست، متخصص GIS، کارشناس اقتصادی و نماینده ساتبا) انجام شد.

معیار	وزن AHP	منبع داده	نوع نرمال‌سازی
تابش خورشیدی (GHI)	۳۰٪	NASA POWER	Linear scale
فاصله شبکه برق	۲۵٪	نقشه وزارت نیرو	Inverse distance
شیب زمین	۲۰٪	SRTM DEM 30m	Inverse linear
دسترسی جاده‌ای	۱۲٪	OSM + داده ملی	Inverse distance
ریسک سیل	۸٪	نقشه‌های هیدرولوژی	Boolean + linear
کاربری اراضی	۳٪	NLCD ایران	Categorical score
مالکیت اراضی	۲٪	کاداستر	Binary score

پیاده‌سازی در QGIS

تحلیل Weighted Overlay با PyQGIS اسکریپت‌نویسی شد تا قابل تکرار و قابل اعمال به سایت‌های جدید باشد. هر لایه معیار ابتدا به مقیاس ۰–۱۰۰ نرمال‌سازی شد و سپس با وزن مربوطه ضرب و جمع شد:

from qgis.analysis import QgsRasterCalculator, QgsRasterCalculatorEntry
from qgis.core import QgsRasterLayer, QgsProject

# بارگذاری لایه‌های معیار نرمال‌شده (۰ تا ۱۰۰)
criteria_layers = {
    'irradiance':  QgsRasterLayer('ghi_normalized.tif',   'GHI'),
    'slope_inv':   QgsRasterLayer('slope_inv_norm.tif',  'Slope'),
    'grid_dist':   QgsRasterLayer('grid_dist_inv.tif',   'Grid'),
    'road_dist':   QgsRasterLayer('road_dist_inv.tif',   'Road'),
    'flood_risk':  QgsRasterLayer('flood_score.tif',     'Flood'),
}

# فرمول ترکیب وزنی
formula = (
    "0.30 * irradiance@1 + "
    "0.25 * grid_dist@1 + "
    "0.20 * slope_inv@1 + "
    "0.12 * road_dist@1 + "
    "0.08 * flood_risk@1"
)

entries = []
for name, layer in criteria_layers.items():
    entry = QgsRasterCalculatorEntry()
    entry.ref = f'{name}@1'
    entry.raster = layer
    entry.bandNumber = 1
    entries.append(entry)

calc = QgsRasterCalculator(
    formula, 'suitability_score.tif',
    'GTiff', extent, crs, cols, rows, entries
)
calc.processCalculation()

خروجی یک رستر امتیازدهی با مقادیر ۰ تا ۱۰۰ است که هر پیکسل نمایانگر مناسبت آن نقطه برای احداث نیروگاه خورشیدی است. سپس برای هر یک از ۲۰۰ قطعه زمین، میانگین این امتیاز استخراج و رتبه‌بندی نهایی انجام شد.

نتایج — ۵ سایت برتر

از ۲۰۰ قطعه زمین اولیه، ۳۵ مورد در مرحله اول به دلیل کاربری اراضی ممنوعه یا شیب بیش از ۱۵ درجه حذف شدند. از ۱۶۵ سایت باقی‌مانده، ۵ سایت برتر امتیاز بالای ۷۵ (از ۱۰۰) کسب کردند:

سایت A (جنوب اصفهان): امتیاز ۸۴.۲ — GHI عالی، فاصله ۳.۲ کیلومتر تا خط ۶۳ کیلوولت
سایت B (شرق یزد): امتیاز ۸۱.۷ — بهترین GHI منطقه، شیب صفر، فاصله زیاد از شبکه
سایت C (کرمان): امتیاز ۷۹.۳ — تعادل خوب همه معیارها
سایت D (سمنان): امتیاز ۷۷.۸ — نزدیک‌ترین به شبکه برق، GHI متوسط
سایت E (شیراز): امتیاز ۷۵.۱ — بهترین دسترسی جاده‌ای

در نهایت سایت A برای مرحله اجرا انتخاب شد، چرا که ترکیب GHI بالا و فاصله کم به شبکه، کمترین ریسک مالی را داشت. سایت D به‌عنوان گزینه دوم با برتری در هزینه اتصال به شبکه معرفی شد.

درس‌های آموخته‌شده

بزرگ‌ترین چالش پروژه کیفیت داده شبکه برق بود. نقشه رسمی شبکه برق منطقه‌ای یک لایه GIS به‌روز نبود و باید با ترکیب تصاویر ماهواره‌ای و داده‌های OpenStreetMap تکمیل می‌شد. این تجربه نشان داد که قبل از شروع تحلیل GIS، کیفیت و به‌روز بودن هر لایه داده باید جداگانه ارزیابی شود.

درس دیگر، اهمیت حساسیت‌سنجی وزن‌ها بود. تحلیل نشان داد که با تغییر ۵ درصدی وزن‌ها، رتبه سایت‌های میانی تغییر می‌کند اما دو سایت برتر ثابت می‌مانند. این اطلاعات برای سرمایه‌گذار مهم بود چون نشان می‌داد که انتخاب سایت A و B محکم و مستقل از پارامترهای ذهنی AHP است.

نکات کلیدی

Weighted Overlay در QGIS با PyQGIS اسکریپت‌نویسی شود تا قابل تکرار و مستند باشد — از رابط گرافیکی دستی اجتناب کنید.
تحلیل حساسیت وزن‌های AHP اجباری است؛ سایتی که در محدوده وسیعی از وزن‌ها برتر باشد، گزینه قابل اعتمادتری است.
کیفیت داده‌های شبکه برق معمولاً ضعیف‌ترین حلقه در پروژه‌های مکان‌یابی انرژی است.
حذف سایت‌های غیرمجاز (کاربری ممنوعه، شیب زیاد) در مرحله اول، بار محاسباتی و زمان تحلیل را کاهش می‌دهد.