GIS og solenergi. Solinnstråling i Bø kommune

Transkript

1 GIS og solenergi Solinnstråling i Bø kommune Alexander Fauske og Nikolaj Fyhn Høgskolen i Telemark

2 Forord Denne rapporten er utarbeidet i forbindelse med kurset 5705 Prosjektarbeid GIS ved Høgskolen i Telemark våren Fagansvarlig er Ingrid Sundbø som også har bistått med veiledning gjennom fellessamlinger med de andre studenter. Vi vil også takke Arne Hjeltnes og Jostein Sageie for oppstartshjelp og veiledning. Prosjektet omhandler i hovedsak geografiske analyser knyttet til plasseringen av solfangeranlegg. Til disse analyser har vi brukt data fra Felles Kartbase (FKB) og programvare fra Esri. Prosjektet har tilknyttet en nettside, der publikasjoner og informasjon løpende er blitt lagt ut. På nettsiden finnes også et interaktivt kart med resultater fra prosjektet. Se Oppdragsgiver har dels vært Norsk solenergiforening og Bø Fjernvarme AS, men rapporten er skrevet med hensyn på allmenn bruk. Vi vil gjerne takke begge for bra og nyttig informasjon, og håper at denne oppgaven kan være med å sette fokus på norsk solenergi. Nikolaj Fyhn (Prosjektleder) Alexander Fauske (Webansvarlig/redaktør) - 1 -

3 Innhold 1 Sammendrag Innledning Område Forutsetninger og rammer Tid Ressurser og materiell Målsetting Effektmål Resultatmål Solenergi Verktøy og metoder ModelBuilder i ArcGIS TIN-Modell Raster Terrengmodell Lokal funksjon Fokal funksjon Solar Radiation GIS og tid Skjermdigitalisering Fremgangsmåte, valg og resultater Datainnsamling Terrengmodellering Solinnstråling Solar Radiaton Tool Konsentrasjon av bolighus Plassering og størrelse på solfangeranlegget Solinnstråling og fjernvarme Solinnstråling og tid Presentasjon Kartografi ArcGIS-online

4 8.2.1 Google Sketchup Diskusjon Er tallene realistiske? Forbedringer av resultatet Konklusjon Effektmål Resultatmål Litteraturliste Figurliste Vedlegg

5 1 Sammendrag Prosjektet har til formål å undersøke solinnstråling for Bø kommune og velge ut beste plasseringer for et solfangeranlegg. Vi har basert analysene på data fra felles kartbase (FKB), først og fremst er høydedataene brukt til å fremstille en terrengmodell ved hjelp av Delaunays triangulering. Hovedvekten i prosjektet har vært å analysere solinnstråling for terrengmodellen og fremstille resultatet på kart. Et solfangeranlegg skal ligge i nærheten av et område der energien trengs, for å minske varmetap og minske kostnad ved rørlegging. Vi har gjort en fokal analyse på bolighus for å finne områdene der bolighusene ligger tett samlet og som derfor egner seg til å nytte energien fra et solfangeranlegg. Vi har også undersøkt mulighetene for å koble et solfangeranlegg sammen med det eksisterende rørnett fra Bø fjernvarme AS. Solinnstrålingen varierer gjennom sesongene, fra lite innstråling om vinteren og stor innstråling om sommeren. Vi har jobbet mye med å vise disse variasjonene på kart, men det var vanskelig å lage en fremstilling som ikke virker manipulerende. Vi fant til slutt ut at slike variasjoner bedre kan vises på en graf. Resultatene er vedlagt i denne rapporten, men utvalgte deler er i tillegg lastet opp på ArcGIS Online. Herfra kan alle som har interesse for solenergi og terrenganalyser jobbe videre med dataene. Prosjektinformasjon og en link til karttjenesten finnes på:

6 2 Innledning Bakgrunnen for vårt valg av prosjekt er først og fremst en stor interesse for utviklingen innen fornybar energi. Vi ville gjerne finne et prosjekt der vi kunne bruke verktøyene fra GIS til å belyse noen problemstillinger innen fornybar energi. Utnyttelsen av solenergi i Norge ligger langt bak de andre nordiske landene (Solenergi.no) og det kunne derfor være spennende å se på potensialet for solenergi. Prosjektet blir et eksempel på hvordan GIS kan brukes til å finne en egnet plass til et solvarmeanlegg. Prosjektet gjennomføres med Norsk Solenergiforening som oppdragsgiver. De er interessert i prosjektet siden det er med på å undersøke mulighetene innen solenergi i Norge. 2.1 Område Vi har valgt å fokusere på Bø kommune i dette prosjektet. Vi har flere argumenter for nettopp å velge dette området. Da vi begge er bosatt i denne kommune har vi et bra forhold til landskapet og en forståelse for kommunens oppbygning. I tillegg ligger Bø kommune i Sør-Norge og derfor den delen av landet med mest solinnstråling. (i følge kart på fornybar.no) Det er en stor fordel å arbeide med et mindre område av Norge, da det vil begrense mengden av data betraktelig. Med mindre datamengde trengs også mindre regnekraft fra datamaskinene og i siste ende vil det bety at regneoperasjonene vil gå raskere. Figur 1) Bø kommune (Fra nett 2012: 21) - 5 -

7 3 Forutsetninger og rammer 3.1 Tid Prosjektet gjennomføres som en prosjektoppgave ved Høgskolen I Telemark (HiT), og må avsluttes seinest 10. mai Arbeidsomfanget skal være 10 studiepoeng for hver student, og det skal ikke leies inn eller ansettes ekstern arbeidskraft. Arbeidskraft og fremdrift regnes derfor som de mest kritiske innsatsfaktorene i prosjektet. 3.2 Ressurser og materiell Vi vil legge stor vekt på bruken av ArcGIS Desktop 10 gjennom hele prosjektet. På høgskolen er det et bra fagmiljø rundt programvaren der vi kan få veiledning, hvilket er en klar fordel. I Tillegg har vi gjennom studiet i geografiske informasjonssystemer fått en god basiskunnskap i bruken av denne programvaren. Viktigst av alt er, at programvaren er veldig godt egnet til å løse nettopp vår problemstilling. Vi har brukt data fra den Felles Kartbase (FKB) som blir vedlikeholdt av kommunene i samarbeid med Statens Kartverk. Dataene er på shape-format og er stedfestet i koordinatsystemet UTM sone 32 og med WGS84 som datum. 4. Målsetting 4.1 Effektmål Prosjektet skal gi økt kunnskap i geografisk plassering av solfangeranlegg for å utnytte potensialet som ligger i denne ressursen. Det skal gi prosjektdeltakerne kompetanse i å løse geografiske problemstillinger ved hjelp av GIS verktøy. Analysemodeller i vårt prosjekt kan overføres til lignende prosjekt med annen geografisk tilhørighet, men kriteriene vil sannsynligvis variere ut ifra lokale forhold og prioriteringer. 4.2 Resultatmål De ferdige resultater skal vise den beste plasseringen/plasseringene av et solfangeranlegg i Bø Kommune. Kriteriene er solinnstråling (kwt) på planet over tid, behov ut ifra bolig/bruksareal, og kostnad ved påkobling til ledningsnett. For å avgrense prosjektet vil vi ikke gå for mye inn på det tekniske i solanleggets kapasiteter og begrensninger, men definere et teoretisk dekningsområde. Vi - 6 -

8 vil framstille resultatene vi får på kart sammen med framgangsmåtene vi har valgt for å finne løsningen. 5 Solenergi Det er stort potensiale for utnyttelsen av solenergi globalt. Et voksende marked og en internasjonal bevissthet om fornybar energi har vært med til å fremme denne utviklingen slik at en mye større del av energien blir nyttet. Den årlig solinnstrålingen mot en horisontal flate ligger mellom 700 kwt/m² og 1100 kwt/m² i Norge (Sintef 2011). Det er da særlig i Sør-Norge at solenergien kan utnyttes. Figur 2) Utvikling for utnyttelse av solenergi - samlet installert effekt for medlemsland i IEA PVPS (sintef.no) I denne oppgaven har vi fokusert på solfangeranlegg da disse gir veldig god nytteeffekt og kan kombineres med fjernvarmeanlegg. «I boliger og næringsbygg kan solvarme bidra til romoppvarming og oppvarming av tappevann. Dette er de to største postene i energiforbruket i norske husholdninger» (fornybar.no 2012) 6 Verktøy og metoder 6.1 ModelBuilder i ArcGIS Modelbuilder er et verktøy i ArcGIS for å håndtere arbeidsflyt og prosesser. Input data (blå), verktøy (gul) og output data (grønn, delprodukt og produkt) blir lagt inn som bokser av ulike form og farge, og med navn som representerer elementet. Sammenhengen mellom de ulike elementene vises ved hjelp av piler, og fungerer derfor stort sett som en intuitiv flyt som er lett å lese og følge. Parameter for alle input / output data og verktøy kan fastsettes og endres i Modelbuilder. Man kan derfor bygge opp et helt arbeidsprosjekt fra «begynnelse til slutt» dvs. Input data analyser - verktøy brukt på disse delprodukt og mellomprodukt som forutsetter neste prosess output data og lagringssted. Etter å ha satt opp prosjektet med alle parametere i ModelBuilder, kan man så kjøre hele prosessen. Her vil Modelbuilder i de aller fleste tilfeller gjøre beregningene i riktig rekkefølge

9 Ved å jobbe i Modelbuilder har man oversikt over hele prosessen, og kan endre eller tilføye elementer samtidig som man ser på resultater av produkt og delprodukt i ArcMap. Figur 3) Oppbygningen av modeller i ModelBuilder (help.arcgis.com 2012) En modell som inneholder god dokumentasjon kan deles med andre og brukes på andre datasett. Modeller kan også knyttes opp mot applikasjoner rettet mot ulike bruksmål der brukergrensesnittet er tilpasset brukeren, eller som script i ulike programmeringsspråk. 6.2 TIN-Modell TIN (Triangulated Irregular Network) er et nettverk av sammenkoblede trekanter som representerer terrenget. Nodene som ligger i hjørnene av trianglene har en høydeverdi. Disse nodene kan ligge fritt i terrenget, noen plasser er det nødvendig med tett presentasjon andre steder spredt. Figur 4) Viser TIN med noder og genererte flater fra triangulering. (help.arcgis.com 2012) - 8 -

10 Det finnes ulike algoritmer for triangulering. Den mest vanlige er Delaunay, og det er denne vi har brukt i vår modell. For Delaunay gjelder: Trekanten skal være omskrevet med en sirkel Det skal bare ligge tre punkt på denne sirkelen Figur 5) Eksempel på konvekse hull (grå felt) ved triangulering (help.arcgis.com 2012) For å begrense trianguleringen til det området vi ønsket, og unngå konvekse hull i hjørner har vi laget et polygon som blir lagt inn som soft clip i verktøyet i ArcGIS. Datagrunnlaget for TIN kan bestå av punkt og/eller linjer og flater. Noder blir generert fra z-verdien i punkt, og fra knekkpunkt i linjesegment. Vårt datagrunnlag for høyde består av FKB 5m høydelinjer og høydepunkt. For å begrense antall knekkpunkt er datagrunnlaget generalisert med Douglas algoritme for tunneltynning av punkt på linjene med en toleranse på 10 meter. Slik unngår vi stort sett «trappetrinneffekten» som kan oppstå i modellen når det er større avstand mellom høydekurvene enn mellom punkt på linjene. Figur 6) Linjetynning med fjerning av punkt (help.arcgis.com 2012) Man kan også få fram flater eller linjer i modellen der en ønsker å stoppe eller endre trianguleringen. Disse defineres som soft breaklines eller hard breaklines

11 Hard breaklines brukes der man ønsker å stoppe trianguleringen for et objekt som uttrykker et markant skille i landskapet. Eksempel på dette er vann, elver, veier, kystlinje, markant fjellrygg el. Figur 7) Hard breakline for et vann vist i raster. Tykk strek markerer stopp i trianguleringen (help.arcgis.com 2012) Soft breaklines bevarer kjente z-verdier til objektet i et TIN. Linjefunksjonen blir til kanter, og interpoleringen følger disse. Slik kan f.eks en vei med kjente z-verdier følge terrenget bedre. Soft breaklines stopper ikke interpoleringen. Forskjellen på soft og hard breaklines vil først komme til syne på en kontinuerlig flate der TIN er konvertert til raster. En TIN modell er et utgangspunkt for flere ulike analyser som krever z-verdi. I vårt prosjekt er den grunnlaget for solinnstrålingsanalysene. Datagrunnlaget og TIN modellen har stor betydning for nøyaktigheten av sluttresultatet. Figur 8) TIN modell for Bø med eksempel på soft breakline (GIS-prosjekt Solenergi 2012)

12 6.3 Raster Rasteranalyser er helt sentrale i modelleringen av solinnstråling. Det er den geografiske plassering på jordkloden som har størst betydning. Bø i Telemark ligger på 59 Nord, dette medfører at det er lite solinnstråling i desember og januar måned. I tillegg til den geografiske plasseringen har terrenget, med fjell og daler, også stor betydning for solinnstrålingen. Terrenget kan modelleres på flere ulike måter, men når man skal gjøre analyser er det klart raster-formatet som er best egnet. Rasteret er et egnet format for å modellere kontinuerlige flater. Det lagres én verdi for hver celle i rasteret, som samlet sett kan vise en flate. Oppløsningen på overflaten er avhengig av cellestørrelsen, med store celler blir overflaten grov, mens små celler gir en mer detaljert beskrivelse av flaten. Cellestørrelsen: Valget av cellestørrelse er viktig for gyldigheten av det endelige resultat. Med små celler blir det god geografisk nøyaktighet, men store datamengder. Det motsatte gjelder for store celler. Samtidig er det viktig å ikke velge mindre cellestørrelse enn det som er nøyaktigheten på grunnlagsdataene. Det er for eksempel ikke nyttig å ha en cellestørrelse på 10x10 cm hvis grunnlagsdataene har en nøyaktighet på 100x100 meter. Det vil i praksis medføre en masse celler med samme verdi. Figur 9) Cellestørrelse (help.arcgis.com 2012) Terrengmodell Når et raster brukes til å vise terrengoverflaten for et område, er det senterpunktet i hver celle som er med på å bygge overflaten

13 Figur 10) Terrengmodell som raster (Zeiler 1999) (side 157) Ved terrengoverflater og bruk av solar radiation verktøyet, er det viktig å velge riktig «resample for display». Resample er en type interpolasjon der man beregner verdier mellom de kjente verdier. Ved terrengoverflater er det viktig å velge en resample som passer til kontinuerlige fenomen Lokal funksjon Ved lokale funksjoner jobber man med en celle av gangen. Det mest simple er å utføre en regneoperasjon likt på alle celler i rasteret. Det kan for eksempel være å multiplisere alle celler med 2. En mer avansert metode er å utføre en regneoperasjon med to rasterlag. Det ene rasteret kan for eksempel adderes med det andre rasteret, celle for celle. Eller som i eksempelet under, der to raster blir multiplisert. Figur 11) Multiplisering av raster (help.arcgis.com 2012) Reclassify er en lokal funksjon siden den jobber med en celle om gangen. Reclassify gjør det mulig å endre verdier i et raster til nye verdier. Man kan enten endre hver enkel verdi til én ny verdi, eller man kan endre et intervall til én ny verdi

14 Figur 12) Eksempel på reclassify (help.arcgis.com 2012) Fokal funksjon Det finnes ulike fokale funksjoner, men generelt sett blir en celle i rasteret til et produkt av nabocellene. 3x3 kernel bruker de 8 nabocellene rundt om cellen. Det kan også være en 4x4 kernel eller 5x5 kernel. Figur 13) Fokal funksjon med 3x3 kernel (help.arcgis.com 2012) Vi har brukt en spesiell fokal funksjon, der nabocellene ikke blir definert av en firkantet boks, men av en sirkel der man kan bestemme radiusen. De cellene der sentrum av cellen er innenfor sirkelen blir med i utregningen. Figur 14) Fokal funksjon med sirkelformet «naboskap» (help.arcgis.com 2012)

15 6.4 Solar Radiation Solar radiation er det mest sentrale verktøyet I denne oppgaven, men det er også det mest kompliserte. Verktøyet er beskrevet i dette avsnittet fordi det er en type raster analyse, og nært beslektet med fokale analyser. Hver celle blir et produkt av en kernel rundt cellen, som standard en 200x200 kernel. Vi vil starte med ESRIs beskrivelse av verktøyet fra help-menuen: The solar radiation analysis tools in the ArcGIS Spatial Analyst extension enable you to map and analyze the effects of the sun over a geographic area for specific time periods. It accounts for atmospheric effects, site latitude and elevation, steepness (slope) and compass direction (aspect), daily and seasonal shifts of the sun angle, and effects of shadows cast by surrounding topography. (help.arcgis.com 2012) Det er en analyse som innbefatter en hel del andre analyser som vi vil forklarer i et avsnitt for seg. Det beregnes slope, aspect, viewshed, sunmap og skymap for hver celle i rasteret. Solinnstrålingen på et sted kan deles i tre typer av innstråling. Den direkte solinnstråling er opplagt, men i tillegg kommer refleksjon fra skyene (diffus innstråling) og refleksjon fra bakken (reflektert innstråling). Figur 15) Direkte, reflektert og diffus innstråling (help.arcgis.com 2012) Beregningen av solinnstråling gjøres med en algoritme som er beskrevet I hjelp-menyen, den består av fire steg: 1. The calculation of an upward-looking hemispherical viewshed based on topography

16 2. Overlay of the viewshed on a direct sunmap to estimate direct radiation. 3. Overlay of the viewshed on a diffuse skymap to estimate diffuse radiation. 4. Repeating the process for every location of interest to produce an insolation map. (help.arcgis.com 2012) Veiwshed er det område av himmelen som er synlig fra en spesifikk plass. På norsk kan vi oversette med synsfelt. For hver celle beregnes det et viewsed som beskriver hvor mye av himmelen som er synlig. Resultatet kan tegnes i en sirkel - der opp er himmelretning nord, ned er mot sør, venstre er mot øst og høyre er mot vest. Øst og vest har byttet plass fordi vi ser det fra jorden og ut mot verdensrommet, mens vi fra kart er vant til å se fra verdensrommet og inn mot jorden. Står man på en topp vil mye av himmelen være synlig mens nede i en dal vil en del av himmelen bli dekket av fjellene rundt. Figur 16) Horisontalvinkler og viewshed (help.arcgis.com 2012) Sunmap viser solens bevegelse over himmelen i løpet av en dag. I første omgang tas det ikke høyde for terrenget rundt, da er det bare solens posisjon på himmelen i løpet av et år som vises. Det er et koordinatsystem der verdiene oppover er ulike måneder, og verdiene bortover er tid på dagen. I eksemplet under kan man f.eks. se at solen står opp klokken 05:00 den 1. februar og går ned igjen klokken 19:00. For å ta høyde for terrenget gjøres det en overlagsanalyse mellom Sunmap og Viewshed. Sluttresultatet viser den direkte solinnstrålingen på en spesifikk plass

17 Figur 17) Sunmap for 45 grader sørlig bredde. Sunmap med viewshed. (Huang og Fu 2009) Den diffuse innstrålingen avhenger i mindre grad av solens posisjon på himmelen. Den diffuse innstråling kommer som tidligere nevnt fra skyenes refleksjon av solinnstrålingen. Innstrålingen beregnes for hver firkant i skymap et. Her tas terrenget også med slik at det bare er den synlige del av himmelen som beregnes, dette gjøres med en overlagsanalyse med viewshed. Figur 18) Skymap med 8 senit inndelinger og 16 asimut inndelinger. Skymap med viewshed. (Haung og Fu 2009)

18 Den siste type innstråling er refleksjon fra bakken, men denne regnes som liten og er ikke tatt med i verktøyet Solar radiation. Reflected radiation contributes only a small proportion of total solar radiation (except for locations surrounded by highly reflective surfaces). The solar radiation tools in the ArcGIS Spatial Analyst extension do not include reflected radiation in total radiation calculations (Haung og Fu 2009) Det er flere andre parametere som kan settes. Det er breddegrad (latitude), størrelsen på kernel (sky_size), antall himmelretninger, mengden av diffus innstråling (diffuse_proportion) og lysets brytning i atmosfæren (transmittivity). Pinde Fu har utviklet verktøyet i samarbeid med Paul M. Rich. De har skrevet en artikkel om de viktigste elementene i analysen. I slutten av artikkelen beskrives tre begrensninger; Skyer kan bare i noen grad tas med i analysen, reflektert innstråling blir ikke tatt med i det hele tatt og gjenstander på bakken som f. eks. trær og bygninger blir ikke heller med i analysen. 6.5 GIS og tid Solinnstrålingen varierer i løpet av en dag, fra lav innstråling om morgenen til høy innstråling klokken 12 og lav innstråling på kvelden. På samme måte varierer innstrålingen igjennom et år. Siden Norge befinner seg ganske nordlig vil disse variasjonene være veldig store. Det er et kjent dilemma at solinnstrålingen er størst om sommeren mens energiforbruket er størst om vinteren. Det er en del forskningsforsøk som undersøker mulighetene i å lagre energien over lange perioder, men dette er utenfor vår oppgave. Vi har sett nærmere på hvordan tidsdimensjonen kan kobles med geografiske informasjonssystemer. Forholdet mellom tid, sted og egenskaper er godt dokumentert i boken «time-integrative geographic information systems». Forholdet er beskrevet med en figur der tid, sted og egenskaper er likeverdige og avhengige elementer (se figur 19). Dersom vi fjerner et element mister de andre to elementene noe av meningen. En målt verdi på 36 o C er ikke meningsfull uten tilknytning til stedet den er målt og når den er målt. En posisjon på jordoverflaten er ikke interessant i seg selv, men har vi i tillegg en egenskap og et tidspunkt blir den meningsfull Figur 19) Forholdet mellom tid, sted og egenskap. (Ott og Swiaczny 2001)

19 Retter vi fokuset mot GIS kan vi utdype de ulike elementer. Thomas Ott og Frank Swiaczny beskriver dimensjonene i et GIS. De to første dimensjoner er x- og y-koordinat, dvs. plasseringen på overflaten. Den tredje dimensjon er z-koordinat, denne beskriver høyden til stedet. Den fjerde dimensjonen er tid. Fenomener i den virkelige verden kan bare eksistere dersom de er knyttet til tid. Den femte dimensjon er egenskapen, hermed menes den målte verdien. De 5 dimensjoner er samlet i en figur der x-, y- og z-koordinaten viser til en plassering i rommet og tid og egenskap blir to verdier til punktet. (se figur 20) Figur 20) Punkt i 5 dimensjoner (Ott og Swaiczny 2001) Vi har tatt tidsdimensjonen med i oppgaven, ved å gjøre en solinnstrålingsanalyse for hver måned. De tolv resultatene har vi koblet ved å legge dem inn i en raster-katalog. I raster-katalogen har vi mulighet til å tilføye tid som en egenskap til hvert raster. ArcGIS har en innebygd funksjon (Time Slider) som gjør det mulig å visualisere endringer over en tidsperiode. Det er også mulig at vise endringer på flere lag samtidig. Det er en utfordring å fremstille papirkart med tidsdata. En metode er å lage en kartserie med et kart for hver måned, men en slik løsning gjør det vanskelig å sammenligne data og er uoversiktlig. En bedre metode er å laste kartene opp på arcgis.online.com som støtter data med tidsegenskaper. Beklageligvis er det ikke mulig å laste opp raster-format

20 6.6 Skjermdigitalisering Vi fikk tilsendt kart fra Bø Fjernvarme AS på pdf-format som vi gjerne ville bruke i en analyse i ArcMap. For å få til dette måtte vi først georeferere bildene, slik at koordinatsystemet brukt på bildene passer sammen med koordinatsystemet brukt i kartet. I Modeling our world kalles bildets koordinatsystem for image space og kartets koordinatsystem for Coordinate space. Georeferering i praksis gjøres via. georeferencing toolbar. Først velges et punkt på bildet og deretter flyttes dette til riktig posisjon i kartets koordinatsystem. Denne prosess gjentas til man har georeferert Figur 21) Georeferering. (Zeiler 1999) minimum fire punkter, men helst litt flere. Når man har georeferert flere enn fire punkter kan man sjekke punktenes avvik (RMS) i en tabell (link tabell). Når man er fornøyd kan man godkjenne refereringen og koordinatene blir heretter transformert og lagret i rasteret. Etter georefereringen kan man begynne å skjermdigitalisere. Det skal opprettes en ny shape-fil som kan lagre den nye geometrien. Linjestykker kalles for segmenter og knekkpunkter på linjen kalles for vertex. Det er viktig å ha kontroll med topologien slik at linjer som krysser blir forbundet med hverandre. 7 Fremgangsmåte, valg og resultater 7.1 Datainnsamling Vi startet med datainnsamling etter godkjennelsen av prosjektbeskrivelsen. Vi undersøkte mulige datakilder, men kom rask frem til at de fleste data vi trengte kunne hentes fra den Felles Kartbase (FKB). En fordel ved FKB-dataene er at de er klippet til kommunegrensene. Siden vi hadde bestemt oss for å jobbe med området innenfor kommunegrensen for Bø kommune var det ikke nødvendig å klippe i dataene. Vi trengte et polygon til avgrensning av analyseområdet, dette lagde vi ut fra laget arealressurs_flate.shp. Laget inneholder flater som dekker hele bø kommune, derfor trengte vi bare å sette alle polygonene sammen til et polygon. Ved hjelp av «dissolve» kunne vi slå sammen alle polygoner med samme nummer i kolonnen «OMRADEID» som inneholder kommunenummeret og derfor er identisk for alle polygoner

21 På et senere tidspunkt i forløpet fikk vi bruk for data over fjernvarmenettet i Bø kommune. Disse data fikk vi på PDF-format og var derfor tvunget til å skjermdigitalisere. Denne prosessen er beskrevet i et tidligere avsnitt. 7.2 Terrengmodellering Prosessen med å lage en TIN-modell er beskrevet tidligere. For å lage TIN modellen har vi brukt 5m høydelinjer og punkt med høyde fra FKB-datasettet. Vann med høyde er satt med hard line for å stoppe trianguleringen, elver er satt som soft line uten høyde for å følge terrenget. Dette fungerte bra i vår modell. Prosessen for å lage TIN modell kjørte vi flere ganger, og endret parameter til vi ble fornøyd med resultatet. Dette var en tidkrevende prosess, siden datamaskinen triangulerer omkring 1,2 millioner noder. Vi konverterte TIN-modellen til et raster. Det er en automatisert prosess der bruker interpolering med «natural neighbour» metoden. Slik får hver celle en høydeverdi eller «nodata» utifra TIN modellen. Rasteret utledet fra TINmodellen ligger til grunn for alle analyser som er gjort, og påvirker resultatene direkte. Figur 22) TIN-modell konvertert til raster for Bø kommune (se vedlegg nr.3) 7.3 Solinnstråling Solar Radiaton Tool Vi har brukt mye tid på å sette oss inn i ulike variabler knyttet til verktøyet «solar radiation». Allerede under utarbeidelsen av terrengmodellen tok vi stilling til cellestørrelsen. Det er klart at en større cellestørrelse fører til et generalisert resultat. Pinde Fu og Paul. M Rich skriver I en artikkel om solar

22 radiation at cellestørrelsen må tilpasses til brukerens aktuelle behov, og at: The commonly available 30 m USGS DEM is sufficient for most environmental and ecological applications at landscape scales (Fu og Rich 1999). Vi valgte likevel en cellestørrelse på 10x10 meter for å få et mer detaljert resultat. Vi godtok standardverdien i viewshed på 200x200 kernel. En slik kernel og en cellestørrelse på 10x10 meter betyr at området som blir med i beregningen av en celle er på 4 km 2. En konsekvens av dette blir at fjell, som ligger mere enn én kilometer sør for cellen, ikke blir med i beregningen. Grunnen til at vi ikke har valgt en større kernel, er at det vil medfører mangedoblinger av beregningstiden. I forhold til Sunmap har vi valg at det skal beregnes solinnstråling på intervaller av én time i løpet av dagen. På Skymap har vi valgt standardinnstillingen på 32 (himmel)retninger for beregningen. Vi har også brukt standardverdiene ved diffus innstråling (diffuse_proportion) og lysets brytning i atmosfæren (transmittivity). For å lage en bedre modell kunne vi ha brukt mer tid på å måle slike verdier, men vi har vurdert at det ligger utenfor oppgavens omfang. Resultatet av analysen kan ses i figur 23 og i en forstørret utgave på vedlegg nr. 8. Figur 23) Solinnstråling for Bø kommune (se vedlegg nr. 8) Konsentrasjon av bolighus Det er klart mest solinnstråling på høyfjellet, men her er det ikke mange som bor gjennom hele året. Vi har laget en spørring mot alle bygg, for å velge ut helårsboligene. Heretter ble utfordringen å finne de områder der det var nok helårsboliger til å gjøre det lønnsomt å sette opp et stort solfangeranlegg. Ved å gjøre bygningene om til celler i et rasterlag, kunne vi ved hjelp av en fokal funksjon finne områder med tett bebyggelse. Vi brukte 10x10m celler slik at små hus fylte en celle og store hus to eller tre celler. På denne måten vil et område med mange små hus

23 telle likt som et område med få store hus. Det er antall kvadratmeter som skal oppvarmes som er viktig i analysen. Det kommer tydelig frem av analysen hvor husene ligger tett. Vi har valgt ut to områder med verdier som tilsvarer at det er mer enn 80 gjennomsnitts boliger innenfor en 500 meter radius. Vi valgte områdene ved hjelp av reclassify, alle verdier mindre enn 80 ble gjort om til «nodata» og verdier over 80 blev gjort om til verdien 1. Bildet under viser resultatet fra den fokale analysen med en terrengmodell under. Det er de røde områdene på kartet som har høy konsentrasjon av bolighus. De blå og gule områdene har også bolighus innenfor en 500 meter radius, men færre enn 80 bygg. Figur 24) Fokalanalyse for helårsboliger i Bø kommune (se vedlegg nr.5) I første forsøk kjørte vi bare solar radiation for de to områdene, for å begrense datamengden og tidsbruket. Det så ut til å være et bra resultat, men vi fant senere ut av at det inneholdt vesentlige feil. Når man bare kjører solar radiation for et lite område av kartet, vil det bli feil i kanten, fordi fjell som ligger utenfor området ikke blir med i analysen. Fjell som ligger under en kilometer fra kanten av analyseområdet har stor betydning for hvor mye solinnstråling som er på et bestemt punkt. I vårt tilfelle fant vi feilen på kartet der et fjell ble delt, slik at halvparten av fjellet ble med i analysen og halvparten av fjellet ikke ble med. Vi løste dette ved å kjøre analysen for hele Bø kommune og etterpå klippe ut de områdene med høy konsentrasjon av bolighus. Figur 25) Feil i modell for solinnstråling Resultatet fra den fokale analyse av bolighus og resultatet fra solinnstrålingen for hele Bø kommune kombinerte vi ved å bruke «extract by mask»

24 7.3.3 Plassering og størrelse på solfangeranlegget Ved plassering av anlegget har vi tatt høyde for arealdekket. Vi vil ikke bebygge dyrket mark, men gjerne skog eller åpen fastmark. Det må heller ikke være for bratte områder der bygging vanskeliggjøres. For å gjøre utvelgelsen enkel har vi lagt polygonene med bebyggelse og dyrket mark over analyseområdet, slik at det bare er de fargelagte områdene som er aktuelle. Slik er det enkelt å velge ut det beste området for solfangeranlegget. Størrelsen på anlegget er bestemt utfra antall boliger som er ment å dekkes, og det gjennomsnittlige energiforbruket til disse boligene over et år. Tall fra Statistisk Sentralbyrå viser at det gjennomsnittlige energiforbruket for en husstand på Sørlandet var kwt i løpet av 2009 (ssb.no 2011). Ved å se på kwt/m 2 fra solinnstrålingsanalysen har vi beregnet et ca. areal for solfangeranlegget på m 2. Utnyttelsesgraden til anlegget og dets tekniske aspekter vil ha mye å si for størrelsen. Vi har tatt utgangspunkt i 80% utnyttelsesgrad. Vi har tidligere vært inne på problemstillingen om at energiproduksjonen i solfangeranlegget er minst i de månedene der energietterspørselen er størst og omvendt. Potensialet for solfangeranlegg i Norge ligger i vår- og høst-månedene der produksjon og etterspørsel er like. Når vi skulle bestemme størrelsen på solfangerarealet måtte det bli en avveining mellom å levere nok energi på vinteren og ikke produsere for mye overskuddsvarme på sommeren. En mulig løsning er å bygge et anlegg som er tilpasset vinteretterspørselen, og benytte overskuddsenergien om sommeren til oppvarming av basseng i Bø sommarland. Figur 26) Solinnstråling uten områder med dyrket mark og bebyggelse (Folkestad) Solinnstråling og fjernvarme Vi hadde sett på andre prosjekter der solfangeranlegg kombineres med et eksisterende fjernvarmeanlegg. Dette kunne være et bra alternativ til å legge rør i et nytt område. For Bø kommune finnes det et fjernvarmeanlegg som driftes av Bø Fjernvarme AS. Vi tok kontakt for å få tak i data og kart med rørnettet. Vi fikk tilsendt kart på PDF-format og måtte derfor georeferere og skjermdigitalisere kartene før vi kunne bruke dem i analyser. Georefereringen var ganske enkel siden det sannsynligvis er FKB-data som er grunnlaget for PDF-filene. Vi refererte fem punkter på hvert kart og godtok avvik på under ti centimeter. Utgangspunktet var å lage en nettverksanalyse på rørnettet, for å finne en plassering der flest mulig bygninger var tett på solfangeranlegget, men dette måtte vi oppgi siden rørnettet er ganske lite

25 Akkurat hvordan et solfangeranlegg kan kobles sammen med et eksisterende fjernvarmenett er vi ikke helt sikre på, men vi formoder at det enten skal kobles direkte til varmesentralen eller kan kobles på fjernvarmenettet på en vilkårlig plass. Vi har laget en buffer på 500 meter rundt fjernvarmenettet der vi har analysert solinnstrålingen Solinnstråling og tid Tidsdimensjonen er relevant i mange typer av GIS der en jobber med data som avspeiler den virkelige verden. I forhold til solenergi er tidsdimensjonen ekstra viktig, siden solinnstrålingen varierer mye i løpet av et døgn og i løpet av et år. Vi har i utgangspunktet jobbet med samlet solinnstråling for et helt år, for å finne den plasseringen der det samlet sett er mest innstråling. I et slikt tilfelle er det ikke så viktig når solinnstrålingen er størst og minst. Men dersom vi ønsker å få et bedre innblikk i hvordan solinnstrålingen varierer i et område må vi ta med tidsdimensjonen. Hvis denne oppgaven skulle være til hjelp for de som evt. skal bygge et solfangeranlegg må den inneholde data for variasjonen gjennom døgnet og året. Dataene må sammenstilles med etterspørselen på energi gjennom døgnet og gjennom året. Det er mulig å lage en analyse med «solar radiation», der resultatet blir 12 raster - ett for hver måned. Disse raster har vi samlet i en raster-katalog for å kunne aktivere tidsfunksjonen. Dette gjøres ved å tilføye en rad i egenskapstabellen der år og måned kan skrives inn, og deretter aktivere tid i «layer properties». Figur 27) Raster-catalog (skjermdump)

26 For å gi bedre kontroll med hvilken måned som vises på skjermen tilføyes en rad med labels, som vises sammen med det aktuelle raster-bilde. Figur 28) Aktivering av lag med tidsdata. (Skjermdump) Det viste seg at variasjonene gjennom året er vanskelige å sammenligne siden det er mye mindre innstråling i vintermånedene. Velges en fargeskala som er lik for alle kart, vil mai til juli få en rødlig farge mens oktober til mars får en blålig farge. Figur 29) Variasjonen av solinnstråling gjennom året Vi har også forsøkt med en fargeskala tilpasset hvert raster, men dette virker veldig manipulerende. Fargeskalaen strekkes slik at den laveste verdi i bildet får en blå farge og den høyeste verdi får den motsvarende røde farge. I desember er det mindre innstråling enn i juni, men den høyeste verdi for begge månedene får likevel samme rødfarge. Da den maksimale solinnstrålingen er mere jevnt

27 fordelt i desember blir store deler av kartet farget rødt. Kartene kan ikke brukes til å sammenligne de ulike måneder, men kan til nød vise fordelingen av solinnstrålingen for hver måned. Figur 30) Fordelingen av solinnstråling for hver måned Ved å sette sammen de 12 raster i en gif-animasjon, kan vi til en viss grad vise hvordan innstrålingen fordeler seg gjennom året. I denne animasjonen er det brukt en rød skala som viser solfordelingen for et område på Lifjell, måned for måned. Den kan ikke si noe om verdiene av solinnstrålingen, siden den røde fargen viser max-min verdi isolert for hver måned. Rødfargen blir dermed like sterk for et område i desember, som for et område i juni, selv om verdiene for den kan være veldig forskjellig fra måned til måned. Vi kan bli «lurt» til å tro at det kommer like mye solinnstråling på et område i desember som i juni, fordi rødfargen er like sterk. Animasjonen kan sees ved å gå inn på url: eller via kartapplikasjonen vi har laget på hjemmesiden. Dataene egner seg mye bedre til å bli fremstilt i en graf. Vi har lagt til fire kolonner i «attribute table» og hentet inn informasjon fra hver måned. Det er maksimumsverdien, gjennomsnittsverdien og minimumsverdien for hvert raster for tilsvarende måned. I tillegg har vi satt in verdien fra området ved solfangeranlegget. Ikke overraskende følger solfangeranlegget stort sett maksimalverdien gjennom hele året, siden vi valgte passering etter mest solinnstråling. Solinnstrålingsanalysen med månedsintervaller er ikke enkel å fremstille på kart, men kan fint brukes til å lage grafer med. Grafen er et bra produkt i forhold til å vurdere når det er størst og minst innstråling. Det er også mulig å sammenligne grafen med for eksempel energiforbruket gjennom året

28 Figur 31) Graf for solinnstråling 8 Presentasjon 8.1 Kartografi Det fins ingen klar oppskrift for kartdesign, men det finnes prinsipp og tilnærminger. Designprinsipp er enkelthet, at kartet er egnet, fin framtoning og innenfor økonomiske rammer (for papirkart). Prosessen er en serie av ledd som starter med identifikasjon av problemet og ender med anvendelse. Det er viktig å identifisere bruksområdet, og tilpasse kartelementene slik at de kommuniserer godt med sluttbrukeren. En bør derfor være klar over hvilken brukergruppe som skal lese kartet. En må også være oppmerksom på øyets begrensinger i å tyde farger og symbol. Kartet skal være lett å bruke, nøyaktig og presentere informasjon uten forstyrrelser eller feilpresentasjon. Kartet inneholder: Tittel Tegnforklaring

29 Målestokk Takk (dersom det er aktuelt) Kartlagt område Koordinatnett Ramme Symboler Navn Resultatene fra prosjektet har vi fremstilt på fire papirkart og et nettbasert kart. Det har vært en viktig del av oppgaven å lage disse kart på en måte så informasjonen blir tydelig formidlet. Vi har forsøkt å tilpasse kartene til en bred målgruppe, ved å velge farger og symboler som assosieres med egenskaper. Rødfargen, som vi assosierer med varme, har vi brukt til områder med mye solinnstråling og blåfarge, som vi assosierer med kulde, har vi brukt for områder med lite innstråling. Bygg og vei har vi farget henholdsvis mørkegrå og lysegrå for å gi inntrykk av at det er menneskeskapt. Solfangeranlegget har vi gitt en skravur slik at man ser rødfargen fra solinnstrålingen gjennom. Vi har tatt med høydekurver for at mottakeren kan se sammenhengen mellom terrengformene og solinnstrålingen. Veisituasjonen og andre bygg har vi tatt med for å gjøre det enklere å orientere seg på kartet. Målestokken er valgt i forhold til størrelsen på analyseområdet og samtid med et pent rundt tall så det er enkelt å omregne fra centimeter på kartet til meter i virkeligheten. Vi har forsøkt å fremstille et kart som kan forståes av hvermann, men samtidig få med viktig informasjon om kwt/m² for folk med mer kunnskap om energi. Der er en vanskelig balanse mellom få frem et klart budskap på den ene side og vise mye informasjon i kartet på den andre siden. 8.2 ArcGIS-online Esri tilbyr avanserte tjenester og produkt for publikasjon av geografisk informasjon på web. For å kunne presentere resultatene våre på web, har vi valgt å bruke Esri sin gratistjeneste, ArcGIS online, der man kan laste opp og dele kartdata på åpen server i et enkelt brukergrensesnitt. Her kan man laste opp egne kartdata, integrere WMS-tjenester, og opprette lag som kan editeres direkte i klienten. Lag som er tidsaktivert kan legges til/editeres og spilles av. De tilbyr også ferdige

30 applikasjoner som kan tilpasses uten programmering. Presentasjon av egne data baseres på verdier i egenskapstabellene til objektene som lastes opp. Disse blir konvertert til xml-format for kommunikasjon mellom server og klient. ArcGIS-online støtter ikke rasterformat, noe som gav oss en hel del ekstra arbeid. Vi ble nødt til å gjøre raster om til shape-format ved hjelp av «resample», «reclassify» og «raster to polygon». For å unngå et veldig hakket polygon måtte vi dele de store cellene opp i mindre celler. Vi brukte resample for å endre cellestørrelsen fra 10x10 meter til 1x1 meter. Etterfølgende brukte vi reclassify for å inndele rasterets verdier i få kategorier som kunne gjøres om til polygoner. Vi brukte en inndeling med pene, runde tall (Se vedlegg 1 og 2). Til slutt kunne vi gjøre rasteret om til flere polygoner ved hjelp av «raster to polygon» Google Sketchup Dette er et verktøy for 3D modellering av objekter. Modeller kan eksporteres til GoogleEarth i.kmz format og vises med riktig x,y,z-verdier i programmet. For å georeferere en modell kan et utsnitt av terrenget i GoogleEarth importeres til Sketchup slik at man editerer modellen direkte på terrenget. Vi har brukt Sketchup or å lage en modell av Telemarkshallen i Bø, georeferert denne og installert solfangere på taket ved hjelp av en plugin kalt Skelion. Dette har vi gjort for å utforske visualiseringsmetoder i 3D, og få øvelser i dette. Modellen gir et innblikk i hvilke muligheter som finnes på eksisterende bygg for utnyttelse av solenergi, og hvordan det ville se ut. I gratisversjonen av Sketchup og Skelion finnes det begrensinger i funksjonalitet, men til vårt bruk har dette fungert tilfredsstillende. I betal-versjonen av Sketchup kan modeller eksporteres som 3ds-format til f.eks Gemini Terreng og inngå i en modell med bedre kartgrunnlag og visning. I Skelion betal-versjon kan det utarbeides detaljerte energirapporter for ulike typer solpanel/anlegg basert på lokalisering og internasjonale standarder. Dette ble for tidskrevende for vårt prosjekt, og ble nedprioritert. Metoden vi har valgt for å vise modellen på web, var å ta et skjermbilde av modellen, laste det opp på hjemmesidens server, for deretter å opprette et polygon som et eget lag over laget for wmstjenesten i kartapplikasjonen vår. Videre har dette polygonet blitt linket til bildet på serveren vår og kan vises i applikasjonen

31 Figur 32) Kartapplikasjon med informasjonsvindu for polygon «Telemarkshallen med solfangeranlegg» Figur 33) Modellen av Telemarkshallen med solfangere på taket

32 9 Diskusjon 9.1 Er tallene realistiske? For at sikre at resultatene fra analysene er korrekte har vi sammenlignet tallene med ulike kilder. Vi har undersøkt litteratur og funnet tre kilder som alle viser til samme tall for solinnstråling. På årsbasis er solinnstrålingen mot en horisontal flate mellom kwt/m² for områder med lav innstråling og rundt kwt/m² for områder med høy innstråling i Norge (Olseth og Skartveit 1985), (Peterson og Wettermark 1979) og (SINTEF 2011). I vårt prosjekt har vi beregnet solinnstrålingen for alle flater i terrenget med hensyn til himmelretning og helning. Dette betyr at våre tall vil bli litt lavere for nordvendte helninger og litt høyere for sørvendte helninger. I analysen for hele Bø kommune fik vi en minimumsverdi på 149 kwt/m² og en maksimumsverdi på 1113 kwt/m². For områdene ved Folkestad og Bø fjernvarmenett fikk vi en minimumsverdi på 530 kwt/m² og en maksimumsverdi på 948 kwt/m². Disse verdiene stemmer ganske bra med forventet resultat. 9.2 Forbedringer av resultatet I det følgende avsnitt vil vi diskutere hvilke områder av prosjektet som kunne forbedres dersom vi hadde mere tid og ressurser til rådighet. - Lage analysen med solar radiation med en avgrensning tilpasset terrenget i stedet for kommunegrensen. Når man gjør solinnstrålingsanalyser ut fra terrenget vil det ha stor betydning hvordan analyseområdet er avgrenset. Gjennom vårt arbeid med å beregne solinnstrålingen erfarte vi at store terrengformer har innvirkning på sluttresultatet. Når man beregner innstrålingen for bø sentrum er det spesielt viktig å få med fjellene som ligger i sørlig retning, Breisås og Gygrestolen. Dersom disse fjellene kommer utenfor kommunegrensen blir resultatet feil, men kommer de innenfor kommunegrensen blir resultatet korrekt. Kommunegrensen er et resultat av politiske beslutninger og følger derfor ikke noen spesielle terrengformer. For å få det beste resultatet, bør man derfor ha med alle fjell som ligger rundt området. Avgrensningen av analyseområdet bør følge fjellryggene slik at alle elementer som kan danne skygge blir med

33 - Datagrunnlag for terrengmodellen Det er vanskelig å beskrive virkeligheten «som den er». Det vil si å gjengi rommet som en kontinuerlig flate med alle forhøyninger/forsenkninger, statiske og dynamiske objekter. Resultatene i et GIS vil aldri bli bedre enn datagrunnlaget. Objekter som hus og vegetasjon vil ha innvirkning på terrenget i form av å kaste skygge og danne forandringer i overflaten. Disse vil for noen områder ha stor betydning for solinnstrålingen på terrengoverflaten, men vises ikke i våre beregninger. Datagrunnlaget for høyde, og trianguleringen av disse punktene danner flatene i en TIN modell. Ved konvertering til raster blir det gjort en interpolering som «glatter ut» terrenget. Dette er grunnlaget for alle beregninger som er gjort for solinnstråling. Vårt bilde av terrenget må forståes som en beregnet modell av virkeligheten som igjen er basert på andre modeller av virkeligheten (datagrunnlaget). Slik blir det en forholdsvis avansert men grov forenkling av virkeligheten som er tilpasset formålet. Vi kunne tatt med høydedata for hus i modellen. Dette inngår ikke i FKB-datasettet vi har fått, og vi konkluderte med at dette ikke var kritisk for resultatet. Værdata som skydekke og antall soldager over et år kunne vi også tatt med. Skydekket er til en viss grad inkludert i resultatet ved en standard funksjon i verktøyet som beregner dette. Alle deler av prosessen kan gjøres mer nøyaktig. Cellestørrelsen i rasteret kunne vært mindre, og dermed hadde også analysene for innstråling blitt mer nøyaktig. Ulempen er at datamengdene blir større og behandlingen av de mer tidkrevende. - Bedre datagrunnlag for høyde i analyseområdet (1 m høydelinjer/laser) Vi har valgt å bruke 5m høydelinjer for alle analyser. I utgangspunktet fordi det tar tid å lage en TIN modell med et stort antall noder. Spesielt gjaldt dette i det innledende arbeid med hele Bø kommune som analyseområde. Når vi i det videre arbeidet kom fram til de områdene med best forutsetninger for innstråling/dekning kunne vi ha laget en ny terrengmodell med 1m høydelinjer med områdeavgrensing for å få et mer nøyaktig resultat. Dette ville mest sannsynlig kun gitt små variasjoner i beregnet solinnstråling, og vi ser ikke på det som kritisk for resultatet

34 - Mer teknisk informasjon, og spesifikasjoner for solfangeranlegg Å jobbe med GIS handler ofte om å kombinere informasjon fra flere fagfelt. Det som omhandler selve GIS-delen er behandling av geografisk stedfestet informasjon. Ved å kombinere og analysere datasett med de verktøy som disponeres i programvaren, kan man skape ny og meningsfull informasjon. Brukerens kreativitet, romlige forståelse, evne til å operere og forstå verktøyene i programvaren avgjør kvaliteten på prosessen. Prosjektarbeidet i GIS er en øvelse i å oppnå kompetanse på dette. Siden oppgaven først og fremst handler om metode i bruk av GIS-verktøy i en prosess for å oppnå et resultat, har vi forsøkt å legge mest vekt på det. Problemstillingen vår er forholdsvis virkelighetsnær. Men vår definisjon av den beste plasseringen av solfangeranlegg er basert på solinnstrålingen i en modell som vi har generert. En rekke faktorer inngår i den «reelle» plassering: Kostnader ved bygging, rørdimensjonering og isolering, virkningsgrad ved ulike panel og temperaturer, helning på paneler, teknisk infrastruktur, kommuneplaner/politikk m.m Vi har prøvd å balansere oppgaven slik at den også inneholder noe informasjon om potensialet for solenergi/solfangeranlegg, for å lage en helhet i prosjektet og som et grunnlag for valget av problemstilling

35 10 Konklusjon 10.1 Effektmål Prosjektet har krevd mye tid og til tider hardt arbeid - til gjengjeld har vi fått utrolig mye igjen. Vi vil starte med å vurdere effektmålene, som har gitt oss det største personlige utbyttet. Vi har lært om solenergi og utnyttelsen av den i solfangeranlegg. GIS er et fagfelt der man er nødt til å kunne sette seg inn i andre fagfelt og kunne kombinere sin kompetanse med annen kompetanse. Vi har fått erfaring innen det spesifikke grensesnittet mellom GIS og solenergi, men også en masse erfaringer med GIS generelt og hvordan GIS kan løse en geografisk problemstilling uansett tema. Analysene kan overførers til andre områder og kan enders i forhold til andre problemstillinger. Det kan for eksempel være aktuelt å bruke en liknende analyse for å finne et boligområde med høy solinnstråling gjennom hele året, eller det kan brukes til å undersøke biologiske sammenhenger mellom solinnstråling og vegetasjon Resultatmål Vi har brukt GIS til å løse et avansert problem og fremstilt det på en oversiktlig og brukervennlig måte. Vi har beregnet solinnstrålingen for hele Bø kommune i kwt/m² og laget en analyse for å finne konsentrasjoner av bolighus. Vi har funnet frem til to alternativer i forhold til problemstillingen om plasseringen av et solfangeranlegg. Det ene er boligfeltet i Folkestad og det andre er tilkoblingen til fjernvarmenettet eid av Bø fjernvarme AS. Vi har ikke laget en kostnadsanalyse i forhold til tilkoblingen til fjernvarmenettet. Vi valgte ikke å bruke tid på dette fordi fjernvarmenettet i Bø er forholdsvis enkelt oppbygd, og fordi vi prioriterte andre deler av oppgaven. Nettsiden og det interaktive kartet på ArcGIS Online, der resultatene kan vises og undersøkes, er en fremtidsrettet metode å dele informasjon på. Vi er veldig fornøyd med denne muligheten for å gjøre prosjektet tilgjengelig for alle, og samtidig gi brukeren mulighet for aktivt å undersøke ulike lag og eventuelt sammenstille dem med andre online-kart fra ArcGIS Online

36 11 Litteraturliste Authen, M. L. (2012). Termisk solenergi. Fra nett [lesedato ]: Esri (2012). ArcGIS Help Library. Fra nett [lesedato ]: Fu, P. og Haung, S. (2009). Modeling small areas is a big challenge. ArcUser Vol. 12, No. 2. side Fu, P. og Rich, P. M. (1999). Design and Implementation of the Solar Analyst. Fra nett [lesedato: ]: Olseth, J. A. og Skartveit, A. (1985). Strålingshåndbok, Klima nr. 7, Det norske meteorologiske institutt. Ott, T. og Swiaczny, F. (2001). Time-interactive geographic information systems. Berlin, Springer Peterson, F. og Wettermark, G. (1979). Solenergi. Oslo, J. W. Cappelens Forlag SINTEF (2011). Mulighetsstudie solenergi i Norge. Oslo, SINTEF Statistikk Sentralbyrå (2011). Gjennomsnittlig energiforbruk, etter byggeår, region og boligareal. Fra nett [lesedato ]: Zeiler, M. (1999). Modeling our world The ESRI guide to geodatabase design. California, ESRI Press

37 12 Figurliste Figur 1) Bø kommune Figur 2) Utvikling for utnyttelse av solenergi - samlet installert effekt for medlemsland i IEA PVPS Figur 3) Oppbygningen av modeller i ModelBuilder (help.arcgis.com 2012) Figur 4) Viser TIN med noder og genererte flater fra triangulering. (help.arcgis.com 2012) Figur 5) Eksempel på konvekse hull (grå felt) ved triangulering (help.arcgis.com 2012) Figur 6) Linjetynning med fjerning av punkt (help.arcgis.com 2012) Figur 7) Hard breakline for et vann vist i raster. Tykk strek markerer stopp i trianguleringen (help.arcgis.com 2012) Figur 8) TIN modell for Bø med eksempel på soft breakline (GIS-prosjekt Solenergi 2012) Figur 9) Cellestørrelse (help.arcgis.com 2012) Figur 10) TIN til raster (Zeiler 1999) (side 157) Figur 11) help.arcgis.com 2012 Figur 12) Eksempel på reclassify (help.arcgis.com 2012) Figur 13) Fokal funksjon med 3x3 kernel (help.arcgis.com 2012) Figur 14) Fokal funksjon med sirkelformet «naboskap» (help.arcgis.com 2012) Figur 15) Direkte,reflektert og diffus innstråling (help.arcgis.com 2012) Figur 16) Horisontalvinkler og viewshed (help.arcgis.com 2012) Figur 17) Sunmap for 45 grader sørlig bredde. Sunmap med viewshed. (Huang og Fu 2009) Figur 18) Skymap med 8 senit inndelinger og 16 asimut inndelinger. Skymap med viewshed. (Haung og Fu 2009) Figur 19) Forholdet mellom tid, sted og egenskap. (Ott og Swiaczny 2001) Figur 20) Punkt i 5 dimensjoner (Ott og Swaiczny 2001) Figur 21) Georeferering. (Zeiler 1999) Figur 22) TIN-modell konvertert til raster for Bø kommune (se vedlegg nr.3) Figur 23) Solinnstråling for Bø kommune (se vedlegg) Figur 24) Fokalanalyse for helårsboliger i Bø kommune (se vedlegg) Figur 25) Feil i modell for solinnstråling Figur 26) Solinnstråling uten områder med dyrket mark og bebyggelse (Folkestad)

38 Figur 27) Raster-catalog (skjermdump) Figur 28) Aktivering av lag med tidsdata. (Skjermdump) Figur 29) Variasjonen av solinnstråling gjennom året Figur 30) Fordelingen av solinnstråling for hver måned Figur 31) Graf for solinnstråling Figur 32) Kartapplikasjon med informasjonsvindu for polygon «Telemarkshallen med solfangeranlegg» Figur 33) Modellen av Telemarkshallen med solfangere på taket

39 13 Vedlegg Vedlegg 1) Manuell reclassify for hele Bø kommune (skjermdump) Vedlegg 2) Manuell reclassify for Bø sentrum og Folkestad (skjermdump)