CN103003818B - 用于广阔地域上的多样化资源基础的测绘建模的系统和方法 - Google Patents

用于广阔地域上的多样化资源基础的测绘建模的系统和方法 Download PDF

Info

Publication number
CN103003818B
CN103003818B CN201180035112.5A CN201180035112A CN103003818B CN 103003818 B CN103003818 B CN 103003818B CN 201180035112 A CN201180035112 A CN 201180035112A CN 103003818 B CN103003818 B CN 103003818B
Authority
CN
China
Prior art keywords
data
information
potentiality
modeling
energy
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201180035112.5A
Other languages
English (en)
Other versions
CN103003818A (zh
Inventor
D·A·莱文内尔
R·B·达维
R·B·迪尔
J·T·多布然斯基
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GEOSTELLAR LLC
Original Assignee
GEOSTELLAR LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GEOSTELLAR LLC filed Critical GEOSTELLAR LLC
Priority to CN201611048436.3A priority Critical patent/CN106779804A/zh
Publication of CN103003818A publication Critical patent/CN103003818A/zh
Application granted granted Critical
Publication of CN103003818B publication Critical patent/CN103003818B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24S—SOLAR HEAT COLLECTORS; SOLAR HEAT SYSTEMS
    • F24S50/00—Arrangements for controlling solar heat collectors
    • F24S50/20—Arrangements for controlling solar heat collectors for tracking
    • F24S2050/25—Calibration means; Methods for initial positioning of solar concentrators or solar receivers
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24S—SOLAR HEAT COLLECTORS; SOLAR HEAT SYSTEMS
    • F24S2201/00—Prediction; Simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种用于对资源可用性建模的系统和方法，其包括：数据收集系统，包括配置成收集与地理区域中的资源可用性相关的信息的一个或多个数据收集装置；以及建模系统，耦接到所述数据收集系统，包括配置成基于针对所述地理区域的资源可用性和附加信息处理所收集的信息以生成识别针对所述地理区域的一个或多个开发地点的数据的一个或多个计算装置。

Description

用于广阔地域上的多样化资源基础的测绘建模的系统和方法
相关申请的交叉引用
本申请基于并且要求于2010年5月28日提交的美国临时专利申请第61/349,607号的权益。该申请的整个公开内容通过引用完整地被合并于本文中。
技术领域
本公开涉及在全球基础上的市场上的多样化资源的评估、采购、开发、细化和分配，并且更特别地，涉及用于优化可再生能量的生产和传输的方法。
附图说明
图1是根据公开实施例的用于收集在建模系统中可用的数据的数据收集系统100的示意图。
图2是根据公开实施例的数据处理系统200的示意图。
图3是根据公开实施例的高斯平滑算法的示意图。
图4是根据公开实施例的可用土地确定方法的示意图。
图5-8是根据公开实施例的风力使用建模系统的地图视图。
图9是根据公开实施例的生物燃料建模的图形视图。
图10是根据公开实施例的生物燃料建模方案的示意图。
图11是根据公开实施例的数据分布系统300的示意性表示。
图12是根据公开实施例的用于建模可再生能源配置的方法400的流程图表示。
具体实施方式
下面提供的示例性实施例论述了可以进行建模以用于营销、生产、融资以及电力和能量的生成的可再生资源的各种形式。然而，本领域的技术人员将领会本公开不限于此。相反地，公开实施例和方法可以用于建模任何其它资源的可用性，例如非自然产生的产品、化石燃料、海产食物、劳动力、资金、土地、办公空间、矿物、通信带宽以及其它资源和资产。这些和其它资源和资产模型可以应用于任何其它类型的工业或生产方案，例如包括消费包装品、纸浆与造纸、建筑、金融服务、运输、通信和在示例性实施例以外的其它这样的工业，而不脱离本公开的范围。另外，这些综合模型可以支持用于发展的项目的高度针对性的营销、安排项目的融资、预测产出和工业的许多其它方面。
图1是根据公开系统的数据收集系统100的示意图。一般而言，与在不同分辨率水平下的能源相关的数据可以从不同来源聚集并且进行分析以生成关于能源和消耗的可靠和精确信息。为此，在实施例中，数据收集系统100的卫星成像系统102、机载传感器104、街面传感器106、固定传感器和传感器网络107以及地面实况系统108可以使用它们的相应技术收集关于地形、天气状况、颗粒物质、地面植被、基础设施、地下地质、水文以及其它人类、自然和环境动力学的信息。此外，该被收集信息可以传送到并且存储在数据存储系统110中。
数据存储系统110可以将该被存储信息传送到测绘库112和/或测绘处理系统114。在实施例中，数据存储系统110可以是测绘数据储存库。这些储存库可以分布在公共、私人和混合网络上。测绘处理系统114可以处理该被存储数据。特别地，测绘处理系统114可以访问、处理和分析原始遥感数据以产生可以更好地描述人类、自然和环境地理学的特征和属性的新数据集。这些特征和属性例如可以包括建筑结构高度和占地面积、森林覆盖类型和覆盖量、农业面积、种植和产量、云量、湿度、传输线和变电站、热损失、城市密度、商品消费和供应以及关于人类、自然和环境地理学的其它这样的信息。来自测绘处理系统114的结果集可以返回分布式储存库110中或直接输入测绘库112中。
测绘库112可以包括与本系统的操作相关的可用测绘数据集和元数据的索引和档案。测绘库112可以从数据储存库110获得该信息。在实施例中，测绘库112可以收罗并且索引分布式测绘储存库110以收集存储在测绘储存库110中的数据集和关于它们的信息。测绘库112因此可以保持与本系统的操作相关的测绘数据源的引用。
在实施例中，卫星成像系统102可以包括能够采集并且传送关于地球的陆地或水面或大气的观测数据的任何已知的卫星载运传感器系统。这些例如可以是由美国（“US”）国家海洋和大气局（“NOAA”）的对地静止环境工作卫星（“GOES”）地球同步天气监测系统和美国国家航空航天局（“NASA”）陆地卫星系统载运的传感器。这些系统可以提供中空间分辨率频谱成像以评估地球的地域的变化。此外，NASA陆地卫星系统和在太阳同步轨道中飞行的跨国地球观测系统（EOS），例如Terra、Aqua、Aster、CALIPSO、CloudSat和PARASOL（法国）以及RESOURCESAT-1（印度），可以运载远程传感器以监测地球的环境。由EOS运载的传感器可以包括ASTER(高级星载热散发和反射辐射仪）传感器、CERES（云和地球辐射能量系统）传感器、MISR（多角度成像分光辐射谱仪）传感器、MODIS（中分辨率成像分光辐射谱仪）传感器、MOPITT（对流层污染测量仪）传感器、AIRS（大气红外探测器）传感器以及WiFS（高级广域传感器）。这些传感器可以测量环境属性，例如云性质、海面温度、近地面风速、辐射能流、地表水、冰、雪、悬浮微粒性质、土地覆盖和土地使用变化、火灾、火山爆发以及大气温度和湿度。
在实施例中，卫星成像系统102、机载传感器104、街面传感器106、固定传感器和传感器网络107以及地面实况系统10可以产生具有变化的空间、时间和频谱分辨率的数据点和数据集。在一个方面中，系统可以在不同分辨率下调节各种这样的传感器以建立可以用对应于在相同或不同时间来自具有不同特性的不同传感器的相同地理的新数据集进一步细分、增加和关联的基本测量的精确基础。
空间、时间和频谱分辨率是在卫星成像系统102的选择中可以考虑的特征中的一些。空间分辨率可以指示由传感器读数产生的最小数据点的高度、宽度和长度的尺寸。例如，使用卫星成像系统102，空间分辨率可以大体上作为生成地球图像的一个图像元素（“像素”）的尺寸被测量。高空间分辨率卫星传感器（例如Geoeye-1、WorldView-1、IKNOS和SPOT-5）可以产生具有0.6乘4米分辨率的图像。中空间分辨率传感器（例如ASTER和LANDSAT7）可以在4至30米之间的分辨率下产生图像，并且低空间分辨率传感器可以产生每个像素大于30米并且通常每个像素小于1000米的图像。
时间分辨率可以指示特定位置的传感器的重访频率。对于卫星成像系统102，这可以基于卫星的轨道的高度、卫星的轨迹和速度。具有高时间分辨率的卫星传感器可以在小于3天内重访靶点，中时间分辨率卫星传感器可以在4至16天之间重访靶点并且低时间分辨率卫星传感器可以在16天或更长时间内重访靶点。
传感器的频谱分辨率可以指示传感器可以在其中收集反射和生成信号的电磁频谱中的频谱带的数量和带的位置。对于卫星成像系统102，高频谱分辨率可以表示220个反射辐射亮度的带。此外，中频谱分辨率传感器可以收集3至15个之间的反射辐射亮度的带。另外，低频谱分辨率传感器可以收集小于3个的反射辐射亮度的带。
各种空间、时间和频谱分辨率可以是卫星成像系统102在数据收集系统100中的应用的门控因素。在实施例中，由于技术限制，卫星成像系统102可以提供空间和频谱分辨率之间的权衡。具体地，高空间分辨率可以与低频谱分辨率关联，反之亦然。此外，在实施例中，为了生成精确、高分辨率可持续发展和可再生资源模型，卫星成像系统102可以增加其它测绘数据创建系统，例如机载传感器104、街面传感器106、固定传感器和传感器网络107以及地面实况系统108。
机载传感器104可以是安装在机载设备（例如飞机、直升机和无人驾驶飞机）上的传感器。在实施例中，机载传感器可以收集来自光探测和测距（LiDAR）点云的数据。LiDAR是测量散射光的性质以寻找远靶的范围和其它信息的光学遥感技术。为了建模对象的形状和体积，LiDAR测量激光脉冲的传输和反射返回信号之间的时间延迟。
除了LIDAR以外，机载传感器104也可以产生彩色红外（CIR）、高频谱、彩色数字正射影像或其它图像。由于传感器设备地理配准传感器数据，因此可以在测绘处理系统114中融合并且分析这些图像集以提取地域的特征作为测绘对象表示。此外，具有单独特性和属性的独立测绘数据集可以存储和保持在建模系统（关于图2论述）中，所述建模系统也可以管理描述它们的起源以及可靠性、精度和分辨率的关于数据集的元数据。在实施例中，通过测绘处理系统114从机载传感器104产生的独立、细化数据集例如可以包括建筑物占地面积、街道中心线、能量传输、分配和变电站、街道地址、古迹、棕色地带、湿地、河流、植被、农业附属建筑、区划和其它这样的测绘数据集。
在实施例中，固定传感器和传感器网络（提供综合数据集的单独传感器的有线或无线网络）107可以包括可以配置成随着时间提供位置、区域或地带中的测量的不同类型的传感器和传感器的网络。这些例如可以包括化学、环境、流量、光、压力、热和近程传感器，例如从180度视野拦截并且测量平表面上的太阳辐照度作为太阳辐射通量密度（瓦/平方米）的高温计。这些也可以例如包括风速计（用于测量风速的装置）、测量红外辐射的装置、确定电力传输线上的流量和容量的装置、测量结构的热损失的装置或用于空气质量的化学传感器。传感器和传感器网络107可以提供风速和风向数据、土壤湿度、日射、温度数据以及可以根据本公开中描述的技术用于分析的其它测量。该信息也可以传送到并且存储在数据存储系统110中。
地面实况系统108可以基于人工测量和观测产生测绘数据点和数据集。例如，在实施例中，人类可以实际地勘测地形并且以显示地面信息（例如栖息地、植被、泛滥平原、公路、结构和电力线）的地图的形式表示勘测信息。另外或备选地，地面实况系统108可以使用全球定位系统（GPS）来精确地记录现场样本的位置以用于与其它测绘数据集对齐、地理配准和关联。各种地面实况系统108可能在精度上不同，范围从可以精确地记录样本的水平位置以用于以后与其它测绘数据集关联的具有勘测级GPS的专业传感器到以更高可变性记录位置的消费级GPS系统。可以用大量样本克服低空间精度。例如，消费级手机（例如iPhone、蓝莓手机和安卓手机）具有照相机、麦克风和GPS系统，并且因此可以用作地面实况系统108。具体地，当用手机的照相机拍摄照片时，时间和位置记录在由联合图像专家组（JPEG）格式指定的文件中。这些照片可以上载到储存库110，在那里它们可以由处理系统114聚集、索引和处理以随着时间和空间生成更多的高温读数。类似地，麦克风可以用于在特定时间和地点记录风速。地面实况系统108也可以传送经收集的数据点和数据集以用于存储在测绘储存库110中。为此，测绘储存库110可以被配置成接收并且存储来自系统100中的所有来源的信息。
在实施例中，卫星成像系统102可以包括由美国国家环境卫星、数据和信息服务处（NESDIS）操作的对地静止环境工作卫星（“GOES”）。系统102可以提供低和中空间分辨率入射太阳辐射（“日射”）测量。日射可以表达为平均千瓦每平方米（kW/m2），并且表示在指定时间接收在指定表面积上的太阳辐射能量的量度。对于全球日射测量可以在25至50km处产生来自GOES卫星传感器的日射，并且对于区域日射测量可以在3至12km处产生中空间分辨率日射。
具体地，为了导出中和低空间分辨率日射测量，来自GOES卫星传感器的多年高时间-分辨率样本与可以发布到测绘数据储存库110的基于地面的传感器站107组合，可以在测绘处理系统114中进行处理。测绘处理系统114的输出可以是特定区域的全球水平辐照度（GHI）、侧倾斜辐射度（LTI）和直接垂直辐照度（DNI）值的中低空间分辨率集合。GHI可以描述由与地面水平的表面从上方接收的短波辐射的总量。LTI可以描述与地球的表面水平定向平板收集器可用的太阳能资源。直接垂直辐照度（DNI）可以描述全天跟踪太阳的集中太阳能收集器可用的太阳能资源。一旦由测绘处理系统114从原始卫星成像系统102的区域的数据计算出这些值，新GNI、LTI和DNI数据集输出到测绘数据储存库110或直接输出到测绘库112。
为了导出中和低空间分辨率温度、风、天空覆盖和其它气象数据，使用来自NREL所提供的地面站的典型气象年（TMY）数据作为它们的TMY3数据的一部分，其基于15年或更大的历史数据。该数据发布到测绘数据储存库100并且可以在测绘处理系统114中进行处理。测绘处理系统114的输出可以是特定站的各种气象数据（温度、湿度、风等）和日射值（DNI、GHI和天空覆盖）的中低分辨率集和小时时间分辨率数据集。
在实施例中，在可以创建高分辨率资源模型之前，不同类型的数据集可以通过上述的传感器和感测系统收集并且输入测绘储存库110中以用于在测绘处理系统114中处理。两个这样的测绘数据集可以是数字高程模型（DEM），也被称为数字地形模型（DTM），以及数字表面地图（DSM）。DEM是可以表示为栅格（方形的网格）或表示为三角形不规则网络的地面形貌或地形的数字表示，排除诸如植被、建筑物、桥梁等的特征。DEM可以由卫星成像系统102通过干涉合成孔径雷达收集的数据产生。该雷达需要雷达卫星（例如RADARSAT-1或TerraSAR-X）的两次通过，或配备有两个天线的卫星（例如SRTM（航天飞机雷达地形测量）仪器）的单次通过。另外或备选地，使用数字图像相关的其它类型的立体传感器对（其中两个光学图像以不同角采集，从飞机或卫星的相同通过获得）也可以被使用而不脱离本公开的范围。在实施例中，可以在全球尺度上以30米分辨率、在国家尺度上以10米分辨率或在某些区域中以1米分辨率产生DEM。
DSM可以是包括建筑物、植被、桥梁和道路以及自然地形特征的地面的数字表示。DSM可以在测绘处理系统114中由机载传感器104所收集的LiDAR点云导出。具体地，可以在测绘处理系统114中通过由定时激光脉冲回波产生的原始LiDAR点云中的数据的平滑和过滤创建DSM。
在实施例中，数据存储系统110可以包括可以存储从卫星成像系统102、机载传感器104、街面传感器106、固定传感器和传感器网络107和地面实况系统108获得的信息的数据存储装置，例如服务器、膝上型电脑和工作站以及云计算。如上所述，在实施例中，数据存储系统110可以是测绘数据储存库。测绘数据储存库110可以包括在互联网或私有网络上连接的多个存储位置处的存储子系统。这些存储位置可以由各种国际、国家、州和地方机关、个人和私人企业拥有、管理或维护。例如，测绘数据储存库110可以包括由国家可再生能源实验室（“NREL”）、NOAA、美国地质勘探局（USGS）、NASA、美国农业部和其它联邦机构拥有的数据存储子系统。测绘数据储存库110也可以包括由州自然资源部、国家规划部门和公共事业公司拥有的数据存储子系统。测绘数据储存库110也可以包括由私人测绘数据收集和处理公司以及其它这样的机构和公司拥有的数据存储子系统。此外，测绘数据储存库110也可以是公共网站和网络服务，例如Flicker，其存储照片，以JPEG文件格式编码地理配准点，或Foursquare，其中用户使用手机调查他们的当前位置。
测绘数据储存库110可以使用各种通信技术获得来自上述来源的信息。这些例如可以包括电子邮件、直接下载、网络地图服务（WMS）、网络特征服务（WFS）、可移动介质（例如DVD-R、闪盘驱动器或硬盘驱动器）的物理运输以及可以用于传送来自来源102、104、106、107和108的信息的其它这样的技术。
测绘数据储存库110中的信息可以直接输送到测绘库112或首先由测绘处理系统114处理。测绘库112中的数据可以从具有精度和完整度的不同水平的多种多样的来源收集。此外，存储在测绘库112中的数据集均可以具有不同规则、许可和可用性。所以，测绘库112可以用作测绘数据集的档案和索引，具有保持在测绘数据储存库110上的测绘数据集的指引和指针。另外或备选地，测绘库112可以保持已在测绘处理系统114中处理的复制数据集的档案。
产生、保持和存储测绘数据集的系统常常被称为地理信息系统（GIS）。组织的GIS部门典型地负责管理测绘信息，并且他们的任务的一部分可以是在互联网上并通过可移动介质维护和发布信息并且更新信息。可访问测绘库112的测绘储存库110例如可以包括NOAA的对地静止卫星服务器、NREL动态地图、GIS（地理信息系统）数据和分析工具网络服务器、地图服务器以及文件传送协议（FTP）站点和位于加州理工学院的NASA喷气推进实验室的OnEarth系统。测绘储存库110也可以包括USGS无缝服务器和地理空间一站式服务（geodata.gov）、马里兰规划GIS门户、石头地郡、NY GIS门户以及由国家估税员管理的许多国家级纳税地块数据集。
在实施例中，测绘库112可以提供每个区域可用的数据集的可搜索引以及什么数据集不可用于特定区域。索引可以报告由上述的传感器和感测系统收集的区域的数据的状态的细节。另外，索引也可以报告关于管理测绘数据储存库110的使用的规定的细节。此外，索引也可以报告测绘处理系统114的状态。在实施例中，测绘库112可以包括一个或多个计算装置，例如云计算、服务器、工作站或膝上型电脑，其存储可用和不可用、但是现存的测绘数据集的索引以及为了归档和维护从测绘储存库110获得的一些测绘数据集的拷贝。
图2是根据公开实施例的数据处理系统200的示意图。数据处理系统200包括数据规范化系统220、测绘基础数据存储系统230、建模和分析系统240以及模型开发系统248。在实施例中，数据规范化系统220可以经细化、处理和对齐的地理空间数据集和元数据库。另外，建模和分析系统240也可以包括资源潜力引擎242、开发、生产和市场因素引擎244以及分辨率引擎246。此外，数据处理系统200和图1的数据收集系统100之间的连接可以通过数据规范化系统220和测绘库112之间的搜索和传送协议连接建立，例如XML（可扩展标记语言）RPC（远程过程调用），所述协议连接检查数据集的可用性并且通过对象序列化安排传送。
在实施例中，数据规范化系统220可以存储在测绘库112中存储或索引的可用信息的子集。此外，数据规范化系统220可以根据常用的大地数据基准参考系统（例如投影系统以及其它标准和格式）规范化并且对齐从测绘库112接收的数据。例如，用于测绘数据集的空间投影系统可以是设计成适合整个北美的北美数据基准1983（NAD83）投影系统，或作为由GPS使用的参考坐标系的世界大地坐标系1984（WGS84）。由于地球是大体、但不完美的椭圆形并且地球的多数表示是平的，因此地球的表示必须投影到平表面上。所使用的投影系统可以取决于正表示的地球的区域和测绘数据集的来源。
数据规范化系统220也可以创建并且存储元数据。元数据记录可以是通常表示为XML文档的信息的文件，其可以俘获数据或信息资源的基本特性。它可以表示资源的一切。地理空间元数据可以用于文档化地理数字资源，例如地理信息系统（GIS）文件、地理空间数据库和地球图像。地理空间元数据记录可以包括核心库目录元素，例如标题、摘要和出版日期；地理元素，例如地理范围和投影信息；以及数据库元素，例如属性标签定义和属性域值。在实施例中，元数据可以描述数据集的使用权限。这些使用权限可以包括再使用数据集的权限、再分配数据集的权限、在建模新信息数据集中使用数据集的权限、为数据集的使用付款的要求以及数据集是否只能由数据集的拥有者使用。当请求测绘数据完成新模型时数据规范化系统220也可以用作数据收集系统100的搜索和请求网关。
在实施例中，数据规范化系统220可以包括能够对齐并且组织由数据收集系统100提供的数据以用于由建模系统240处理的一个或多个计算装置。计算装置和系统例如可以包括公共、私有和混合云、膝上型电脑、服务器、工作站以及可以规范化数据的其它这样的装置。
建模和分析系统240可以包括能够处理存储在数据规范化系统220内的内部数据集中的数据一个或多个计算装置。建模和分析系统240可以通过执行符合本公开的各种建模和分析算法处理该数据。计算装置例如可以包括膝上型电脑、服务器、服务器的云、工作站以及可以根据符合本公开的技术处理数据的其它这样的装置。在实施例中，系统240可以被配置成执行体现符合本公开的一个或多个算法的软件指令，用于计算资源可用性、发展机遇、环境风险、法规遵从、资源供给、选址或其它分析模型。
本领域的技术人员将领会系统240可以运行算法以针对许多形式的土地使用、可持续发展分析、可再生资源潜力、环境污染和影响减缓、生产技术选项、政策影响、商品储备以及本地和商品市场价格基于供给的变化分析测绘数据而不脱离本公开的范围。此外，所公开的系统可以连续地处理可用测绘数据集和数据点并且更新和修改数据集。
一般而言，系统可以用于针对任何资源的可用性建模地球或地球上的任何感兴趣区域，例如大陆、国家、州、县、市、城市、场所、农场、森林、河流、湖泊等。系统也可以用于建模这些区域以基于资源、基础设施、技术、政策和经济因素定位用于开发和生产的最佳位置。系统也可以用于确定城市和郊区的最有效土地使用。由于人类和自然环境是活动系统，因此资源供应、基础设施容量或本地市场动态的变化可能影响总模型。相反地，遥远地区的显著变化可能影响本地供应、价格、经济和其它市场动态。由于该原因，可以利用人类、自然和环境地理学的不断监测，基于由数据收集系统100提供的新收集的测绘数据集运行新模型。由于可以定期地、偶尔地、一直地或不断地监测输入中的全部或一些的变化，因此系统可以构建初始模型，并且然后当新信息到达时再运行模型或模型的一部分。
除了用新信息运行特定资源的相同算法（例如资源潜力）以外，系统240也可以处理其它资源的相同的和新的测绘数据集输入，包括在先前建模运行上生成的输入。具体地，在一些情况下，模型将从一个资源集合到另一个进行构建。例如，农业资源需要日光、土壤生产力和水，它们全部可以针对其自身的使用进行建模。然而，日光可以利用到太阳能中，土壤可以从工程和建筑用地的观点进行评价并且水可以针对水力发电或工业使用（例如水力压裂采集天然气）进行评价。以该方式，可以生成更加鲁棒、详细和有价值的生态系统模型。
在实施例中，一旦初始针对潜力建模资源，系统可以调用分析引擎沿着三个测绘轴继续建模：(1)资源潜力引擎242可以计算一个或多个资源（例如日射、风、植被、水、天然气、煤炭、石油）的可用性。引擎242可以串行地或并行地建模多个资源的资源潜力。在一个资源的可用性取决于另一个的情况下，可以首先建模基础资源。(2)开发和生产因素引擎244可以取每个计算出的资源模型并且应用与区域发展的可用性相关的因素，技术平台选项和生产发展的能力，进行中的操作因素，基础设施容量，例如输电线、道路和废水系统，政策和经济因素，例如可以加入生产的可再生资源。可以根据影响生产和消费的经济学的可再生能源配额标准（RPS）、可再生燃料标准（RFS）、替代性融资（例如资产评估清洁能源（PACE）债券）和环境法规（例如环境空气质量标准和水质标准）应用这些因素。另外，引擎224可以处理资源和市场的竞争的数据集并且建模竞争的影响。这样的竞争的例子可以包括来自食品和饲料加工厂或其它生物燃料厂的生物质能量原料的竞争。（3）分辨率引擎246可以在逐渐更精细的尺度上创建相关的值的索引。为此，分辨率引擎246可以开始于广阔区域和低分辨率，并且在逐渐更小的感兴趣区域上增加分辨率直到模型产生单地点的精确结果。更低分辨率、更广阔地域结果可以有用于识别适当的感兴趣区域。例如，通过在国家尺度上应用引擎244在引擎242的结果集上的完整遍历，可以排除若干完整的州或县以用于在下一级尺度上进行处理。国家尺度的结果集可以自身有用于国家或州范围的规划和政策创议。
引擎242、244和246可以是构成建模和分析系统240的一个或多个计算装置上的硬件部件、软件部件或它们的任何组合。此外，引擎242、244和246的所有或任何组合的功能性可以组合到一个计算装置上或者可以分散到可以由有线或无线连接彼此连接的独立的多个计算装置上而不脱离本公开的范围。
在实施例中，系统200可以包括模型开发系统248。模型开发系统248可以使用脚本驱动统计和数学建模工具（例如R、SAS、ROOT或Matlab）创建新模型。可以开发模型以分析任何数据集，生成任何情景或解决任何问题。一旦细化并且在更小数据集上测试，模型可以被编译到目标代码中以更有效地处理大数据集并且安装在系统240中。另外或在备选实施例中，可以针对特定情况开发模型，例如特定地点的详细分析，或用编程方式并且精确地评估极端事件的影响和范围，例如石油或化学品溢漏、机载有毒物质释放、霜冻、气流、火灾或水灾。
可以在建模和分析系统240中产生的模型的一个例子是可以通过太阳能的利用在任何特定地点和区域中生成的可再生能量的评估。而且，使用相同模型，可以在全球、地区和感兴趣的局部区域内确定实用级、商用级和家用级太阳能潜力的最佳地点。太阳能模型可以应用于任何区域，其中测绘数据集已使用数据收集系统100收集并且在数据规范化系统220中对齐。此外，一旦计算，太阳能潜力测绘数据集可以用作数据规范化系统220中的新数据集以用于本系统的另一个发展机遇或其它应用的建模。
评价太阳能对资源生产的应用或贡献的第一步骤可以是计算在某个地点的精确可用太阳能辐射。具体地，可以基于坡度和纬度确定具有最佳太阳能资源的面积的百分比，并且基于每天的位置、坡度和阴影遮蔽确定太阳的照射时间。可以基于太阳辐射、可使用面积和日照确定可生产或被动收集的能量的大小。可以在亚米分辨率水平上确定太阳能资源可用性。可以使用在测绘处理系统114中准备的若干数据源获得数据的粒度和结果的精度。这些例如可以包括来自由卫星成像系统102和机载传感器104产生并且存储在测绘数据储存库110中的测量的DSM、TMY、DEM、LTI、DNI和GHI值。可以由测绘处理系统114用坡度值修改辐照度值以解释直接面对或备选地背对太阳的土地以及对辐照度值的影响。除了建模和分析系统240中的其它因素以外，可以基于坡度和纬度确定太阳能板的理想面积的百分比。另外，可以基于日出和日落时间确定指定的一个块土地的每月日光分钟，基于每天的位置、坡度和阴影遮蔽确定太阳的照射分钟。此外，可以基于太阳辐射、可使用面积和日照确定可生产能量的大小。
可以基于基础设施、政策和经济考虑加权资源可用性分层分析的结果。可以考虑诸如地块是否处于泛滥平原、保护湿地的一部分并且受到分区限制的因素。类似地，可以考虑与变电站以及传输和分配线的接近程度，同样可以考虑地块大小、所有权的类型以及当前用途。另外，可以在分析数据并且创建模型中考虑本地经济因素，例如从独立系统运营商（ISO）购买电力和可再生能量方面以及融资方面的本地边际价格。
通过将这些附加分析层加入模型，系统能够精确地识别开发可再生能源的最佳机会，并且用于确定在每个地点利用可再生能量的机会，无论它是位于农田上的实用级太阳能系统，还是位于屋顶上的商用或家用系统。由于数据可以不断地更新并且精度由地面实况系统108确认（在图1中论述），因此系统200可以提供关于不仅在美国而且在世界上的最佳可再生能量开发能力的最新和最精确信息。
在符合本公开的实施例中，建模和分析系统240可以执行以下算法以计算以千瓦/平方米每天测量的指定点或区域的精确的可收集太阳辐射，并且在大区域上应用该算法以计算地域中的每个点的日射值。特别地，为了确定指定区域的太阳能潜力可能需要来自若干来源的输入数据。此外，该数据可以通过建模软件运行，所述建模软件执行一系列计算以获得以kW/m2/每天测量的最终年平均潜力。
例如，在实施例中，该算法可以取决于具有以下信息源：(a)以kW/m2/每天测量的历史太阳辐射，作为矢量或点形状文件数据集。这可以至少可用于年度和月度平均值并且可以包括TMY年的历史小时值并且典型地以三种方式中的一个测量：(1)DNI-可用于CSP（集中式太阳能发电），(2)GHI-可用于环境条件，(3)LTI-可用于平固定倾斜PV板。这三个测量中的一个可以输入到所公开的算法。数据的选择可以取决于待使用的板的类型（跟踪、倾斜或固定）和期望的输出结果。所公开的算法支持所有三个数据类型。该数据可以来自历史卫星测量并且可以具有3km2至10km2的典型空间分辨率，或来自历史固定地面站数据，具有TMY小时时间分辨率。
(b)用于目标区的DEM可以作为地理配准栅格文件（例如GeoTIFF）被提供。DEM可以提供指定区域的真实基准高程。DEM可以用来自卫星传感器102（例如RADAR）或机载传感器104（例如LiDAR）的数据产生，并且可以提供指定区域的精确高程，具有范围从30m2下至1m2的分辨率。美国大部分以10m2的分辨率覆盖，选定区域高达1m2。
(c)排除层可以作为矢量形状文件被提供。这些层可以表示由于各种原因将从结果地图减去的所有区域。对于太阳能潜力，这些层可以包括（但不限于）：湿地（包括河流、湖泊、海湾和河口）；农业土地保护；濒危物种栖息地；历史遗产；历史区；重要环境栖息地；道路；以及活跃铁路。其它信息源可以包括(d)矢量形状文件格式的电力传输线、电力分配线和变电站和(e)描绘土地所有权的矢量形状文件格式的纳税地块地图。
另外或备选地，取决于期望的分析，以下数据也可以用作建模算法的输入：(a)用于目标区的DSM可以作为地理配准栅格文件（例如GeoTIFF）被提供，具体地，通过类似于DEM的手段产生，与由DEM提供的地面高程不同，DSM显示地域特征的顶部，例如树木、建筑物和其它结构。(b)建筑物轮廓可以作为矢量形状文件被提供使得可以运行屋顶对比地面的不同分析，如以下算法中所述。(c)历史温度测量可以作为矢量或点形状文件被提供，具体地，具有（至少）100km2的分辨率的目标区的年度和月度平均高温和低温值。历史温度测量也可以基于提供目标区的小时数据以及年度和月度平均值的原始或TMY历史气象数据的固定位置传感器作为点形状文件或数据集被提供。具体位置的实际值可以使用双线性插值从附近或遥远地面站导出。(d)目标太阳能产生技术模型和类型，特别地，如果指定位置的“实际”潜力是期望的，则可以包括太阳能板的类型、逆变器和其它设备，原因是不同的板基于入射辐照度、温度和对太阳的倾斜角具有不同转换曲线。另外，可以考虑对太阳的取向、板跟踪特性、潜力地点分级（坡度修正）和指定地点上的设备的具体布局以便精确地建模指定地点将如何产生能量。使用太阳能生产技术降额信息，本发明可以确定最佳地利用地点的最佳生产设备和配置。
在实施例中，系统240可以执行体现以下的建模算法的软件：(a)包含已连接到网格的居民和商业客户的计费应用（BTM），或(b)实用级地点（2MW的大太阳能农场并且大于需要直接连接到变电站或输电线）。太阳能潜力可以在一系列步骤中运行以产生中间结果和输出。这可以允许在该过程的每个步骤的不同使用投影（运行时间选项）和数据验证（通过地面实况）。它也可以通过在不同计算设备之中流水线处理计算为系统200的管理员提供加速计算序列的能力。
处理流水线取决于太阳能资源的级别（实用或BTM）分叉或利用不同输入，并且计算横越区域以确定并且计算所有地点，或者具体地集中于指定具体地点的分析。
对于实用级的区域分析，可以使用步骤的以下序列：
首先，可以确定规范化坡度。这可以包括以下步骤：
(1)从DEM、DSM或两者计算目标区域的3D规范化坡度矢量。这产生具有3个数据带的新地理配准栅格文件：x、y和z规范化矢量。
(2)可选地，可以将高斯平滑算法应用于输入地图，基于平滑输入高程数据产生具有坡度的附加的3带地理配准栅格文件。
接着，可以确定实用级全区域分析的太阳能潜力。这可以包括以下步骤：
(3)基于在步骤1或2中计算的x-y（水平）和y-z（竖直）坡度确定可用于收集太阳能的每个目标网格位置的面积。
(4)可选地将在步骤3中计算的结果作为1带栅格“实用级太阳能潜力面积百分比（Utility Grade Solar Potential Area Percentage）”地理配准栅格文件输出。
(5)对于一年中的每个月和目标网格位置，内插历史太阳能辐射值用于生成目标网格的分辨率的精确和平滑结果（即，使用双线性插值从3km2至10km2和/或固定地面地点低分辨率输入数据给出高分辨率（1-10m2）回答）。
(6)对于一年中的每个月并且使用每个目标网格位置的实际纬度和经度，计算日出和日落时的太阳的角度（高程和方位角）并且确定目标位置的一年中的该天的可用光的总分钟。如果使用固定板，再计算使得计算出的日出和日落决不会在板之后（即，日出和日落的角度总是小于或等于离正南方90度）。
(7)对于一年中的每个月，考虑在该天可能遮蔽日光的阴影确定落在目标位置上的日光的实际分钟。
(8)通过用实际分钟（在步骤7中计算）除以总分钟（在步骤6中计算）并且然后使其乘以插值历史太阳能数据（在步骤5中计算）而计算太阳能可用性的百分比。
(9)求和每个月的结果并且计算年平均值。
(10)可选地，将阴影计算结果作为1带栅格“实用级无阴影太阳能潜力（Utility Grade Non-Shadowed Solar Potential）”地理配准栅格文件输出。
(11)使从步骤2或3中的坡度计算的面积百分比乘以在步骤10中计算的无阴影潜力以给出目标网格区域可用的以kW/m2/每天计的实际最大太阳能潜力。
(12)将在步骤8中计算的数据作为1带栅格“实用级最大太阳能潜力（Utility Grade Maximum Solar Potential）”地理配准栅格文件输出。
(13)如果可选地已知该年的温度图和太阳能板的类型，基于板特性（输出对比温度）、纬度（板的密度）和在步骤11中计算的结果（坡度、阴影等）计算实际太阳能潜力。
(14)将在步骤13中计算的数据作为1带栅格“实用级实际太阳能潜力（Utility Grade Actual Solar Potential）”地理配准栅格文件输出。
此外，该算法预见消除排除。这可以包括以下步骤：
(15)通过取针对太阳能潜力创建的地理配准栅格文件（“实用级最大太阳能潜力”、“实用级实际太阳能潜力”等）中的一个或多个计算“实用级可使用太阳能潜力图（Utility Grade Usable Solar PotentialMap）”，并且从输入栅格图减去包含在所提供的排除层中的一个中的区域。可以针对任意多的排除层重复该过程。这导致具有不应当被考虑用于太阳能潜力的“无数据”区域的最后栅格文件。
(16)可选地基于地块尺寸排除区域，即，排除包含小于指定尺寸（例如10英亩）的地块的潜在区域。
另外，该算法也预见形成太阳能潜力轮廓图。这可以包括以下步骤：
(17)取在步骤15或16中计算的“实用级可使用太阳能潜力图”，并且基于考虑的期望潜力水平创建带状离散潜力图。
(18)将结果作为具有基于指定潜力水平的离散值的1带地理配准栅格“实用级离散可使用太阳能潜力（Utility Grade Discrete Usable SolarPotential）”文件输出。
(19)取在步骤18中计算的离散栅格文件并且将它变成潜在地点的多边形轮廓形状文件。
(20)对于在步骤19中计算的每个地点/多边形，加入适当统计元数据作为属性。这包括生成的地点/多边形ID（以变为我们的地点ID）、地点/多边形的尺寸（面积）、地点的坡度（最小、最大、平均）、针对该地点/多边形可以产生的峰值功率、整个地点的总潜力、在该地点/多边形内发现的最大潜力、在该地点/多边形内发现的最小潜力以及该地点/多边形的平均潜力。
(21)将该地点/多边形层“实用级太阳能潜力地点图:基础（UtilityGrade Solar Potential Site Map:Base）”作为矢量形状文件输出或作为表列数据集输出到空间启用数据集。
此外，该算法也预见基于太阳能潜力分级地点。这可以包括以下步骤：
(22)可以通过分拣属性字段（例如总潜力、平均潜力或峰值功率）中的一个分级地点并且这些字段可以用于索引数据库内的地点或产生地点的分拣形状文件。
另外，该算法也可以计算并且将附加基础设施元数据整合到“实用级太阳能潜力地点图”或空间启用数据库表中。这可以包括以下步骤：
(23)使用包含电力传输、分配和变电站的位置和特性的一个或多个形状文件或数据库表，计算在步骤21中计算的“实用级太阳能潜力地点图”或数据库表中的每个多边形（地点）的最近可能连接点。
(24)基于距离和线电压计算每个地点和可能连接的“连接分级”。
(25)基于在步骤24中计算的分级确定“最佳连接”。
(26)将指定距离内的所有潜在电力连接的元数据属性列表加入在步骤21中计算的“太阳能潜力地点图”或数据库表中的每个地点。应当注意连接是最近的和最佳的。对于每个连接，包括用于下列的元数据：到达地点的最接近距离、计算出的连接分级值以及与元数据关联的输电线（线电压等）。
(27)将该多边形层“实用级太阳能潜力地点图:线（Utility Grade SolarPotential Site Map:Line）”作为矢量形状文件或作为连接数据库表输出。
该算法也可以基于太阳能潜力和线接近度分级地点。这可以包括以下步骤：
(28)通过从在步骤27中计算的形状文件提取元数据，将附加表列索引加入潜在地点的集合。可以通过分拣属性字段（例如总潜力或平均潜力乘以连接分级）中的一个或多个分级地点。索引地点可以直接根据新索引被访问或作为分拣形状文件输出。
该算法也可以将地块信息整合到太阳能潜力地点图中。这可以包括以下步骤：
(29)对于在步骤27中计算的“实用级太阳能潜力地点图”或数据库表中的每个多边形（地点），并且使用包含纳税地块的一个或多个形状文件或数据库表（地块轮廓和所有权元数据），确定包含在每个地点内（或包括每个地点）的一个地块或多个地块。
(30)将包含的列表/（一个或多个）封闭地块加入包括在每个地点多边形中的元数据（以数据库表或形状文件格式）。
(31)将该多边形层“实用级太阳能潜力地点图:地块（Utility GradeSolar Potential Site Map:Parcel）”作为矢量形状文件或新连接数据库表输出。
对于BTM级的区域分析，可以使用步骤的以下序列。该过程分成两轮进行，一轮使用高程和阴影的DSM地图进行屋顶建模，并且一轮使用高程的DEM地图和阴影的DSM地图进行地面/表面建模。
基于在步骤1或2中计算的x-y（水平）和y-z（竖直）坡度，确定为收集太阳能选择的每个目标网格位置的面积（即，仅仅在选定区域中的建筑物轮廓内的那些）。
执行BTM屋顶建模的第一轮。在该轮中，仅仅处理位于建筑物形状文件或数据集中的指定建筑物的内部内的那些目标网格位置。仅仅在那些目标网格位置进行BTM屋顶模型的以下计算，排除不属于指定建筑物轮廓中的一个的内部内的所有目标网格位置。
首先，可以确定规范化坡度：
(1)从DSM计算目标区域的3D规范化坡度矢量。这产生具有3个数据带的新地理配准栅格文件：x、y和z规范化矢量。
(2)可选地，可以将高斯平滑算法应用于输入地图，基于平滑输入高程数据产生具有坡度的附加的3带地理配准栅格文件。
接着，可以执行全区域屋顶BTM建模的太阳能潜力。这可以包括以下步骤：
(3)使用提供的DSM地图，基于在步骤1或2中计算的x-y（水平）和y-z（竖直）坡度确定为收集太阳能选择的每个目标网格位置的面积（即，仅仅在选定区域中的建筑物轮廓内的那些）。
(4)可选地将在步骤3中计算的结果作为1带栅格“BTM屋顶太阳能潜力面积百分比（BTM Rooftop Solar Potential Area Percentage）”地理配准栅格文件输出。
(5)对于一年中的每个月和目标网格位置，内插历史太阳能辐射值用于生成目标网格的分辨率的精确和平滑结果（即，使用双线性插值从3km2至10km2和/或固定地面地点低分辨率输入数据给出高分辨率（1-10m2）回答）。
(6)对于一年中的每个月并且使用每个目标网格位置的实际纬度和经度，计算日出和日落时的太阳的角度（高程和方位角）并且确定目标位置的一年中的该天的可用光的总分钟。如果使用固定板，再计算使得计算出的日出和日落决不会在板之后（即，日出和日落的角度总是小于或等于离正南方90度）。
(7)对于一年中的每个月，考虑在该天可能遮蔽日光的阴影确定落在目标位置上的日光的实际分钟。
(8)通过用实际分钟（在步骤7中计算）除以总分钟（在步骤6中计算）并且然后使其乘以插值历史太阳能数据（在步骤5中计算）而计算太阳能可用性的百分比。
(9)求和每个月的结果并且计算年平均值。
(10)可选地，将阴影计算结果作为1带栅格“BTM屋顶无阴影太阳能潜力（BTM Rooftop Non-Shadowed Solar Potential）”地理配准栅格文件输出。
(11)使从步骤2或3中的坡度计算的面积百分比乘以在步骤10中计算的无阴影潜力以给出目标网格区域可用的以kW/m2/每天计的实际最大太阳能潜力。
(12)将在步骤8中计算的数据作为1带栅格“BTM屋顶最大太阳能潜力（BTM Rooftop Maximum Solar Potential）”地理配准栅格文件输出。
(13)如果可选地已知该年的温度图和太阳能板的类型，基于板特性（输出对比温度）、纬度（板的密度）和在步骤11中计算的结果（坡度、阴影等）计算实际太阳能潜力。
(14)将在步骤13中计算的数据作为1带栅格“BTM屋顶实际太阳能潜力（BTM Rooftop Actual Solar Potential）”地理配准栅格文件输出。
另外，该算法也预见基于“BTM屋顶实际太阳能潜力图”中的轮廓潜力形成屋顶地点图。这可以包括以下步骤：
(15)取在步骤14中计算的“BTM屋顶实际太阳能潜力图”，并且基于考虑的期望潜力水平创建带状离散潜力图。
(16)将结果作为具有基于指定潜力水平的离散值的1带地理配准栅格“BTM屋顶离散可使用太阳能潜力（BTM Rooftop Discrete UsableSolar Potential）”文件输出。
(17)取在步骤16中计算的离散栅格文件并且将它变成包含在由地块数据形状文件或地理空间启用数据库表提供的每个地块边界内的潜力水平的多边形轮廓形状文件（即，对于BTM级处理，多边形轮廓不与地块边界交叉）。
(18)对于在步骤17中计算的每个地点/多边形，加入适当统计元数据作为属性。这包括生成的地点/多边形ID（以变为我们的地点ID）、地点/多边形的尺寸（面积）、地点的坡度（最小、最大、平均）、针对该地点/多边形可以产生的峰值功率、整个地点的总潜力、在该地点/多边形内发现的最大潜力、在该地点/多边形内发现的最小潜力以及该地点/多边形的平均潜力。
(19)将该地点/多边形层“BTM级太阳能潜力地点图:基础（BTM GradeSolar Potential Site Map:Base）”作为矢量形状文件输出或作为表列数据集输出到空间启用数据集。
执行BTM地面建模的第二轮。在该轮中，仅仅处理位于建筑物形状文件或数据集中的指定建筑物的内部之外的那些目标网格位置。这也可以可选地通过使用高程的DEM和阴影的DSM完成。由于建筑物存在于DSM而不是DEM中，因此位于建筑物的内部中的所有目标网格位置由于DEM和DSM的性质而完全被遮蔽（封闭）并且因此然后由轮廓处理忽略。BTM地面模型的所有以下计算仅仅在那些目标网格位置上执行，排除属于指定建筑物轮廓中的一个的内部内或完全由存在于DSM地图中的建筑物遮蔽的所有目标网格位置。
首先，可以确定规范化坡度：
(20)从DSM计算目标区域的3D规范化坡度矢量。这产生具有3个数据带的新地理配准栅格文件：x、y和z规范化矢量。
(21)可选地，可以将高斯平滑算法应用于输入地图，基于平滑输入高程数据产生具有坡度的附加的3带地理配准栅格文件。
接着，可以执行全区域地面BTM建模的太阳能潜力。这可以包括以下步骤：
(22)使用提供的DSM地图，基于在步骤20或21中计算的x-y（水平）和y-z（竖直）坡度确定为收集太阳能选择的每个目标网格位置的面积（即，仅仅在选定区域中的建筑物轮廓内的那些）。
(23)可选地将在步骤22中计算的结果作为1带栅格“BTM地面太阳能潜力面积百分比（BTM Ground Solar Potential Area Percentage）”地理配准栅格文件输出。
(24)对于一年中的每个月和目标网格位置，内插历史太阳能辐射值用于生成目标网格的分辨率的精确和平滑结果（即，使用双线性插值从3km2至10km2和/或固定地面地点低分辨率输入数据给出高分辨率（1-10m2）回答）。
(25)对于一年中的每个月并且使用每个目标网格位置的实际纬度和经度，计算日出和日落时的太阳的角度（高程和方位角）并且确定目标位置的一年中的该天的可用光的总分钟。如果使用固定板，再计算使得计算出的日出和日落决不会在板之后（即，日出和日落的角度总是小于或等于离正南方90度）。
(26)对于一年中的每个月，考虑在该天可能遮蔽日光的阴影确定落在目标位置上的日光的实际分钟。
(27)通过用实际分钟（在步骤26中计算）除以总分钟（在步骤25中计算）并且然后使其乘以插值历史太阳能数据（在步骤24中计算）而计算太阳能可用性的百分比。
(28)求和每个月的结果并且计算年平均值。
(29)可选地，将阴影计算结果作为1带栅格“BTM屋顶无阴影太阳能潜力（BTM Rooftop Non-Shadowed Solar Potential）”地理配准栅格文件输出。
(30)使从步骤20或21中的坡度计算的面积百分比乘以在步骤28中计算的无阴影潜力以给出目标网格区域可用的以kW/m2/每天计的实际最大太阳能潜力。
(31)将在步骤8中计算的数据作为1带栅格“BTM地面最大太阳能潜力（BTM Ground Maximum Solar Potential）”地理配准栅格文件输出。
(32)如果可选地已知该年的温度图和太阳能板的类型，基于板特性（输出对比温度）、纬度（板的密度）和在步骤30中计算的结果（坡度、阴影等）计算实际太阳能潜力。
(33)将在步骤32中计算的数据作为1带栅格“BTM地面实际太阳能潜力（BTM Ground Actual Solar Potential）”地理配准栅格文件输出。
另外，该算法也预见基于“BTM地面实际太阳能潜力图”中的轮廓潜力形成BTM地面地点图。这可以包括以下步骤：
(34)取在步骤33中计算的“BTM地面实际太阳能潜力图”，并且基于考虑的期望潜力水平创建带状离散潜力图。
(35)将结果作为具有基于指定潜力水平的离散值的1带地理配准栅格“BTM地面离散可使用太阳能潜力（BTM Ground Discrete UsableSolar Potential）”文件输出。
(36)取在步骤35中计算的离散栅格文件并且将它变成包含在由每个地块数据形状文件或地理空间启用数据库表提供的每个地块边界内的潜力水平的多边形轮廓形状文件（即，对于BTM级处理，多边形轮廓不与地块边界交叉）。
(37)对于在步骤16中计算的每个地点/多边形，加入适当统计元数据作为属性。这包括生成的地点/多边形ID（以变为我们的地点ID）、地点/多边形的尺寸（面积）、地点的坡度（最小、最大、平均）、针对该地点/多边形可以产生的峰值功率、整个地点的总潜力、在该地点/多边形内发现的最大潜力、在该地点/多边形内发现的最小潜力以及该地点/多边形的平均潜力。
(38)将该地点/多边形层“BTM级太阳能潜力地点图:基础（BTM GradeSolar Potential Site Map:Base）”拼接/融合到来自步骤19的先前针对BTM屋顶地点计算的矢量形状文件或表列数据集。
该算法现在具有地面和屋顶潜力的BTM地点的完整集合。这些同样地在组合“BTM级太阳能潜力地点图:基础”或表列地理空间启用数据库表中标记以帮助识别和进一步处理。
该算法现在基于来自步骤38的结果并且使用包含纳税地块的一个或多个形状文件（地块轮廓和所有权元数据）计算新聚集地点：(39)现在根据地块边界聚集BTM屋顶地点使得针对在单地块内识别的所有BTM屋顶地点（子地点）创建新的单BTM屋顶地点。如果地点未包括在任何地块中，它被标记为聚集地点，但是将不具有任何“子”地点。
(40)现在根据地块边界聚集BTM地面地点使得针对在单地块内识别的所有BTM地面地点（子地点）创建新的单BTM地面地点。如果地点未包括在任何地块中，它被标记为聚集地点，但是将不具有任何“子”地点。
(41)参考它们的新“母”BTM屋顶或地面地点标记先前计算的非聚集地点使得可以对它们单独地或作为母聚集地点的一部分执行附加分析。
此外，该算法也预见基于所计算的太阳能潜力分级BTM聚集地点。这可以包括以下步骤。
(42)可以通过分拣属性字段（例如峰值功率、总潜力或平均潜力）中的一个并且视情况而定索引包含在步骤41中计算的地点的（一个或多个）数据库表分级地点。
该算法也可以将地块信息整合到太阳能潜力地点图中。这可以包括以下步骤：
(43)对于在步骤41中计算的每个多边形地点，并且使用包含纳税地块的一个或多个形状文件（地块轮廓和所有权元数据），确定包含每个地点的地块（如果有的话）（对于BTM地点，最多只有包含该地点的单地块）。
(44)将封闭地块的列表加入包括在每个地点多边形中的元数据。
(45)将该多边形层“BTM级太阳能潜力地点图：地块”作为矢量形状文件或作为连接数据库表输出。
对于实用级和BTM级的详细地点分析，可以使用步骤的以下序列（在它们存在的情况下实用级和BTM级之间的差异是明显的）。地点特定分析可以以两个时间分辨率进行：月度，计算并且利用一年期间的每个月的中间天的小时值，或每天，计算并且利用一年过程中的每天的小时值。在这些不同时间分辨率起作用的情况下，差异是明显的。
首先，获得地点特定参数。这些包括（但不限于）待使用的（一个或多个）特定PV板、待使用的（一个或多个）特定逆变器、将用于地点的跟踪的类型（水平、竖直、两者、无）、地点布局特性（如果需要的话）（为了跟踪的板分组、地点的自然坡度的变化（需要的话）、最佳瞄准角（如果不是正南方的话）等），以及最后，地点边界或轮廓（待建模/分析的地点的实际形状和位置）。
确定包含在地点边界内的每个目标网格位置的规范化坡度。对于实用级和BTM地面地点，这是需要的，即使通过请求特定坡度忽略自然坡度（使得可以计算地球运动要求）。对于BTM屋顶，如果希望将板直接置于与建筑物结构相对的屋顶上以获得最佳板角，则这是必要的。在需要规范化坡度的情况下，可以以以下方式确定规范化坡度：
(1)从DEM、DSM或两者计算目标区域的3D规范化坡度矢量（实用级利用DEM、BTM级可以利用任意一个或两者）。这产生具有3个数据带的新地理配准栅格文件：x、y和z规范化矢量。
(2)可选地，可以将高斯平滑算法应用于输入地图，基于平滑输入高程数据产生具有坡度的附加的3带地理配准栅格文件。
接着，可以确定地点特定建模和分析的太阳能潜力。这可以包括以下步骤：
(3)对于每个月的中间天的每个小时（如果建模月度分辨率）或每个月的所有天的每个小时（如果建模每天分辨率）以及指定地点边界内的每个目标网格位置，内插历史太阳能辐射值用于生成目标网格的分辨率的精确和平滑结果（即，使用双线性插值从3km2至10km2和/或固定地面地点低分辨率输入数据给出高分辨率（.1-10m2）回答）。
(4)对于一年中的待处理的每天（对于月度分辨率是中间月，或者对于每天分辨率是所有天）并且使用每个目标网格位置的实际纬度和经度，计算日出和日落时的太阳的角度（高程和方位角）并且确定目标位置的一年中的该天的日出和日落时间。如果使用固定板，再计算使得计算出的日出和日落决不会在板之后（即，日出和日落的角度总是小于或等于离正南方90度）。
(5)对于在步骤4中计算的每天，考虑在该天可能遮蔽日光的阴影确定目标位置的实际日出和日落时间。
(6)确定将在分析中使用的每天的目标网格位置的小时日射值。对于一天中的每个小时，从包括在步骤5中计算的实际日出时间的小时开始直到包括在步骤5中计算的实际日落时间的小时，确定未被遮蔽的每个小时的分钟的数量。这通过逐步通过一天并且每15分钟（或可选地是其它预定时间间隔，这取决于容许的误差率）检查阴影并且然后如果发现则确定实际阴影开始/结束时间而完成。对于每个小时，无阴影分钟然后乘以60并且结果乘以插值历史太阳能小时数据（在步骤3中计算）以及1m2和目标网格位置的实际尺寸的比率以产生以kw-hr/m2计的结果。
(7)求和每天的结果以计算总kw-hr/m2/每天。
(8)如果执行月度分辨率，则步骤7的结果用作平均月值。如果进行每天分辨率，则特定月的每天计算的结果被求和并且除以该月中的天数以产生月平均kw-hr/m2/每天。
(9)如果执行月度分辨率，则求和一年中的每个月的结果并且除以12以获得平均年kw-hr/m2/每天。如果执行每天分辨率，则求和一年中的每天的结果并且除以一年中的天数以获得平均年kw-hr/m2/每天。
(10)计算在地点边界内的每个目标网格位置的部分（百分比）。对于完全包括的位置，这是100%，对于在地点边界上的目标网格位置，计算实际上在地点边界内的该网格位置的部分（即，对于接触地点边界的每个目标网格位置，计算地点内的该网格位置的实际百分比并且仅仅将每个值的该百分比应用于地点的总值和平均值）。
(11)将在步骤6、7、8中计算的每个目标网格位置的结果乘以它们将贡献给该地点的百分比（在步骤10中计算）获得整个地点的总值和平均值。
(12)将每个计算天的小时结果以及月度和年平均值输出到定制地点数据集（典型地一个或多个地理空间启用数据库表）。
接着，可以确定每个地点的PV板密度（实际板面积）和板的最佳放置。这可以包括以下步骤：
(13)如果在输入规范中还未给出具体板布局，则基于跟踪类型以及由在冬至日（12月21日）的9:15am或在输入规范中提供的日期/时间计算的太阳阴影点所确定的板间间隔要求确定板之间的最佳间隔。
(14)基于将用于该地点的坡度（其在步骤1和2中计算或作为地点输入规范的一部分给出）、地点纬度、板角（基于跟踪或等于地点纬度或作为地点输入规范的一部分规定）、在步骤13中计算的板间间隔分量以及所有地点特定布局要求（例如屋顶后置、逆变器旁置等）计算将能够占据该地点以用于最佳发电的所有板的表面积，或使用作为输入规范的一部分给出的板面积的值。
(15)计算将分配给每个网格位置的板的表面积（在步骤10中计算的可使用的网格位置的面积除以总地点面积）或者如果板的放置作为输入规范的一部分被限定，作为位于网格位置上的板的实际面积（在网格位置上的板面积乘以在步骤10中计算的网格位置的可使用面积）。这也可以包括围绕地点或建筑物边缘或在输入规范中给出的其它定义“无板”区域的后置距离。日出和日落总是小于或等于离正南方的90度。
现在可以计算每个计算天的每小时的地点功率输出。这可以包括以下步骤：
(16)对于每个月的中间天的每个小时（如果建模月度分辨率）或每个月的所有天的每个小时（如果建模每天分辨率），内插历史TMY温度、湿度以及确定板制造商为指定板类型提供的PV板发电效率所需的潜在其它气象值（即，使用双线性插值从固定地面地点低分辨率输入数据给出高分辨率（.1-10m2）回答）。
(17)对于在步骤6中计算的每个目标网格位置的每个小时日射值，基于从步骤6计算的日射乘以在步骤16中计算的板效率乘以在步骤15中计算的可使用网格面积计算指定板的实际功率输出。
(18)通过求和在步骤17中获得的每个小时的所有结果计算整个地点的小时功率输出，在每小时基础上产生该地点的kw-hr。
(19)求和每天在步骤18中获得的结果以计算总kw-hr/地点/每天。
(20)如果执行月度分辨率，则步骤19的结果用作平均月度值。如果执行每天分辨率，则特定月的每天计算的结果被求和并且除以该月中的天数以产生月度平均kw-hr/地点/每天。
(21)如果执行月度分辨率，则求和一年中的每个月的结果并且除以12以获得平均年kw-hr/地点/每天。如果执行每天分辨率，则求和一年中的每天的结果并且除以一年中的天数以获得平均年kw-hr/地点/每天。
(22)将每个计算小时的生成功率的小时结果（步骤18）加上每天的总值（步骤19）、每个月的平均每天功率（步骤20）和年平均每天功率输出（步骤21）输出到定制地点数据集（典型地一个或多个地理空间启用数据库表）。
另外，如果执行实用级的地点分析，则该算法也可以计算并且将附加基础设施元数据整合到输出结果数据集中。这可以包括以下步骤：
(23)使用包含电力传输、分配和变电站的位置和特性的一个或多个形状文件或数据库表，计算在步骤21中计算的“实用级太阳能潜力地点图”或数据库表中的每个多边形（地点）的最近可能连接点。
(24)基于距离和线电压计算每个地点和可能连接的“连接分级”。
(25)基于在步骤24中计算的分级确定“最佳连接”。
(26)将元数据属性列表输出到在到达正在建模的地点的指定距离内的所有潜在电力连接的地点数据集。应当注意连接是最近的和最佳的。对于每个连接，包括用于下列的元数据：到达地点的最接近距离、计算出的连接分级值以及与元数据关联的输电线（线电压等）。
该算法也可以将地块信息整合到地点输出数据集中。这可以包括以下步骤：
(27)使用包含纳税地块的一个或多个形状文件或数据库表（地块轮廓和所有权元数据），确定包含在每个地点内（或包括每个地点）的一个地块或多个地块。
(28)将包含的列表/（一个或多个）封闭地块加入包括在每个地点数据集中的元数据。
在实施例中，确定规范化坡度可以包括多个步骤具体地，这取高程数据的栅格地图（DEM或DSM）并且从该数据计算3D规范化坡度矢量。可选地，在计算坡度之前平滑高程数据。此外，如果请求平滑选项，则整个高程地图使用3x3网格遍历2D高斯平滑函数，“经平滑的”像素处于网格的中心。高斯平滑算法用值1加权中心“原点”像素，用值3/8加权相邻的水平和竖直像素，并且用值1/8加权角部对角像素，如图3中所示。
此外，9个因素的每一个被计算、求和并且然后除以3以给出经平滑的像素的2D高斯平均值。从4个相邻网格点计算3D规范化坡度矢量。这四个点用于创建两个对角交叉线。通过计算这些线的交叉乘积，在它们的交叉点创建指向那两条线所限定的平面之外的矢量。当规范化时，该矢量具有在两个对角线交叉的点处的坡度的x、y和z轴分量。应当注意由于该算法计算4个相邻网格点的交叉处的点，因此最后产生的栅格坡度地图比高程地图在水平和竖直尺寸上小一个像素。而且，它的原点（左上角）在X和Y轴上偏移1/2像素。
在实施例中，可以通过以下方式确定基于坡度面积的太阳能潜力。基于x-y（水平）和y-z（竖直）坡度计算可用于收集太阳能的每个目标网格位置的可使用面积。坡度的方向和高程角确定可以位于指定区域上的太阳能板的密度，如图4中所示。
在面积计算中使用坡度的角（当它面对南方时）和坡度相对于南方的方向。100%（1.0）的基础坡度百分比值表示平表面（法向坡度矢量将为0.0,0.0,1.0，即面向上的矢量）。从3D规范化坡度矢量，x分量用于根据公式：HC=1.0-Vx确定面对南方的网格面积的百分比，其中Vx是坡度矢量的x分量。这相当于使用面向南的角的余弦的绝对值。
通过取y的反正切（南/北分量）除以坡度矢量的Z（向上分量）计算竖直坡度（vs）。该值（以弧度计）用于根据公式：VC=1.0+vs/(PI/2)确定竖直分量，如果坡度是竖直的并且面对正北方，则产生值0.0，并且如果坡度是竖直的并且面对正南方，则产生2.0。然而，太阳能板的理想角相当于目标点的纬度，因此如果竖直角大于纬度，则对VC进行以下修正（纬度和vs两者度以弧度计）：
VC=VC+2*(lat-vs/(PI/2.0)) (1)
可用于太阳能收集的实际面积然后是两个分量的乘积：
可用面积=VC*HC (2)
取决于目标点的纬度，这产生0.0至大约1.50%的值（即，0-150%）。
另外，或在备选实施例中，可以通过内插国家太阳辐照度数据确定太阳能潜力。这可以通过以下方式确定。由于历史卫星数据或固定站数据（遍布美国的1020个站）的每个像素的低空间分辨率（3km2至10km2），该算法必须执行周围点的双线性插值（卫星、固定站或两者）以提供用于创建更高分辨率潜力地图的最精确和平滑值。这通过从在X和Y轴上从历史数据获取的最近四个（边界）点插值完成。
首先，计算目标点离历史数据的四个边界点（每个轴上2个）的每一个的距离。然后使那些边界点的值乘以该距离的倒数（即，目标到指定边界点越近，该点在结果中的影响越大）。四个结果值被求和并且除以两个轴上的边界点之间的总距离，产生插值结果。
另外，或在备选实施例中，可以基于阴影确定太阳能潜力。这可以通过以下方式进行。由于在一年的过程期间当太阳在太空上移动时它改变其弧度，因此该算法计算新的太阳位置（方位角和高程角）以及用于区域分析的一年中的每个月（使用每个月的第15天作为中间天）的和用于地点特定详细分析的一年中的每天的日出和日落时间，并且考虑每个目标网格位置的实际纬度和经度。这通过日落时间减去日出时间给我们提供该星球上的特定点在一年中的该天受到的日光的总分钟（如果没有阴影的话）。
然而，当在过程中未使用诸如跟踪的CSP技术选项时（即，所述区域将用于固定倾斜PV板并且我们典型地使用LTI日射基础值），我们修改太阳位置并且将新的日出和日落时间确定为太阳可以看到倾斜板的实际时间（当太阳方位角离正南方小于或等于90度）。当该算法针对CSP技术运行并且启用跟踪选项时，然后该算法使用实际日出和日落时间。该计算产生板可以看到太阳的一天中的分钟数，不考虑地形或地理特征（即，没有阴影）。
对于每个目标位置，从指定目标位置预计算将用于检查阴影遮蔽（对于一年期间的任何/所有数据和时间）的水平矢量列表。这通过朝着地平线从每个目标网格位置的基础高程发射水平（高程=0度）光线（视情况使用DEM或DSM地图以用于执行建模和分析）加上可选Z（高度）偏移而完成以查看它是否被其它地理或地形遮蔽（取决于建模/分析的等级，如果来自树木、建筑物等的阴影是期望的，使用相同的DEM或DSM地图或可选地不同DSM地图）。如果发现遮蔽，则确定没有遮蔽的新高程角。重复该过程直到光线超过指定“水平距离”。对于板的类型（固定或跟踪）和纬度可能的太阳方位角的整个范围，针对横跨可见太阳水平线的指定初始德尔塔角（取决于期望的分辨率）也重复该过程。如果任何两个方位点之间的高程的变化大于指定值（取决于期望的分辨率），则计算中点方位矢量以确定附加高程点。
已知日出和日落的开始太阳方位角和高程角，如上所述，该算法设法计算板自身经历的实际日出（即，它最初看到日光的一天中的时刻）。该算法朝着太阳发射光线（已知我们刚刚计算的太阳方位角和高程角）并且检查水平矢量列表以从指定目标位置的视角查看光线在水平线之上（未遮蔽）还是之下（遮蔽）。如果它被遮蔽，该算法将时间提前1小时，针对该天以及纬度和经度计算新太阳位置，并且再次检查遮挡。这继续直到日出时间经过日落时间（该点在该天整天被遮蔽），或者光线未被遮挡。如果未被遮挡，时间倒退1/2小时并且进行另一次尝试。以该方式，使用二进制除法过程，该算法产生日出的正确时刻（在设定公差内，典型地大约1-5分钟，这取决于容许的可能误差。2%误差将允许高达大约45分钟的每天总时间误差）。
假设目标点未完全被遮蔽（即，它至少在一天中的至少一部分时间看到太阳），则以类似方式计算日出时间－通过对于每次遮挡使时间倒退一个小时直到光线不被阻挡并且然后使用二进制除法过程再次产生日出时间。
再次地，假设目标点未完全被遮蔽，则检查可以由树木、烟囱、建筑物或不寻常地质构造导致的任何中间天阴影。这通过使无遮蔽日出时间增加1/2小时并且继续通过该天直到获得无遮蔽日出时间并且在每个时间间隔检查阴影。如果遇到中间天阴影，则以与我们用于计算日出和日落时间相同的方式计算开始和结束时间，如上所述。对于区域分析我们保留中间天阴影的总分钟以用于太阳能潜力计算（每个位置可能遇到两个或更多个独立中间天阴影）。对于地点特定分析（使用小时历史数据），我们也保留正确开始和结束时间以用于计算中。
对于区域分析（使用月度历史日射值），然后通过日落时间减去日出时间，然后从该值减去中间天阴影的任何分钟而计算在目标点看到的日光的实际分钟。然后通过实际日光分钟除以先前针对一年中的指定天计算的总可用日光分钟（日光的“实际”分钟）而计算实际上照射板的光的百分比（相比于从历史数据导出的，其为100%）。对于每天（用于地点特定分析）或一年中的所有12个月（在每个月期间当阴影移动时并且可能不存在）重复该过程。对于区域分析，月日光百分比可以乘以历史数据、乘以该月的天数、针对一年求和并且除以一年中的天数，导致针对该年平均的值kW/m2/每天。
对于地点特定分析（使用小时历史日射值），未被阴影遮蔽的每个小时的百分比乘以历史无遮蔽小时日射值，产生kW/m2/每特定天。每日值被保留用于详细分析结果并且针对每个月求和，然后除以该月中的天数以给出月度平均值（针对该月平均的kW/m2/每天）。每日值也可以针对整年求和并且除以该年中的天数以给出针对该年平均的年平均值kW/m2/每天。
在实施例中，区域太阳能潜力地点图的形成可以包括以下步骤：(1)处理“可使用太阳能潜力图”并且确定实际值以根据由操作者指定的以下轮廓方案中的一个比较输入地图：(a)绝对：使用作为实际带值提供的值。(b)百分比：在地图中找到值的范围并且乘以指定百分比以得到实际带值。(c)面积：创建所有像素的直方图并且然后用像素的数量乘以该百分比以确定用于带值的截止值。(d)平均：将地图中的值的范围除以期望的带的数量并且使用那些作为带值。(e)logHigh和logLow：对数地分解地图中的值的范围并且使用那些作为带值（加权到最多或最小值）。
(2)处理输入栅格地图并且创建仅仅包含离散带ID的新栅格地图（每个带的索引值）。(3)处理离散栅格地图并且生成所有邻接带ID像素的多边形（潜在地点）。处理来自作为地图的原始栅格地图的每个地点多边形的积累统计信息。(4)对于在步骤3中计算的每个多边形，加入作为属性的适当统计元数据。这包括生成的多边形ID，使得可以用地点ID、多边形的尺寸（面积）、地点的坡度（最小、最大、平均）、整个地点的总潜力、在该地点多边形内发现的最大潜力、在该地点多边形内发现的最小潜力以及该地点多边形的平均潜力唯一地识别每个潜在地点。(5)对于在步骤3中计算的每个地点/多边形，计算可以在该地点处（地点多边形内）潜在地生成的峰值功率。这可以通过取该地点的总潜力，乘以“典型”PV板的效率（当前15%），然后乘以该地点可以取决于纬度、地点坡度和特定时间（9:15am或取决于板间阴影要求的其它指定时间）的太阳的角度利用的板覆盖率的百分比而完成。该值然后乘以一年中的峰值小时（6月21日正午）相比于一年的平均天的所有其它小时的百分比（使用钟形曲线算法，这产生大约12%的年平均日射每天的值）。这产生该地点的生产的峰值小时的值kw-hr并且与其它地点数据输出。(6)将该多边形层“太阳能潜力地点图：基础”作为矢量形状文件输出或将它作为所有潜在太阳能地点的集合输出到适当的地理空间启用数据库钟。
本领域的技术人员将领会系统240可以在广阔地区的测绘数据集上运行以针对利用其它资源的其它形式的工业发展和生产过程分析数据而不脱离本公开的范围。
例如，系统240也可以执行体现算法的软件指令，所述算法用于在相同区域和新区域上培养风力资源。为此，系统240可以利用先前获得的数据集中的一些并且检索必要的新数据集以将新信息加入资源开发模型。系统在三个方向上继续处理、填充全球的更多区域直到获得完整模型。
存在建模风型、方向和强度的三个主要可测量分量。这些分量是：(1)历史气候测量值（指定位置的风速图），(2)温度梯度（指定位置的日平均/最大/最小温度读数），(3)地形和高程（通过DEM地图可获得的地形的形状、坡度和高度）。
在实施例中，北美洲的可用风速和温度测绘数据集可能不以高分辨率产生，但是可以提供在具体位置（和海拔）的一般情况。然而，很详细DEM（10m下至1m分辨率）可能是可用的，其可以与较低分辨率数据集组合并且用于基于局部状况和地形建模风流动，由此产生考虑局部状况的指定区域的很精确风图。
另外，在实施例中，建模和分析系统240可以基于温度梯度和地形分析风型，如图5-8中所示。图5显示了不同的地形形状和构造如何可以影响风向和风速。此外，图5也显示了相同的地形形状和构造如何可以基于诸如风的初始方向和速度影响风。图6显示了不同的地形影响。具体地，图6显示了山谷如何可以产生风，所述风可以在不同方向上吹并且具有不同于可能存在于更高海拔并且横穿（垂直于）谷底的生成风的速度。图7显示了当风围绕障碍物流动时在两个山脉之间灌入的风的地形影响，由此增加通过瓶颈的风速。图8显示了风速如何可以与温度梯度相关。具体地，图8在大尺度上显示了区域中的当前温度如何可以影响风速和风向。
系统240中的有效算法的应用，例如通过和围绕障碍物和地形的空气和微粒运动以建模这些影响的空气动力学和流体动力学流动模型，可以允许本系统生成在地面之上的不同海拔的风模型，其接近DEM的分辨率，典型地在x、y和z（海拔）上的大约10m分辨率。因此，使用历史数据、每日温度数据和地形建模影响的组合可以允许创建对于指定季节或月和位置来说精确的风图。
在实施例中，系统可以使用考虑复杂地形的各种研究和现有的风模型1。另外，系统也可以使用流体动力学方程和模型，其可以作为在系统中使用的模型的基础进行修改和扩展。这些流体动力学模型和方程例如可以包括用于层流和紊流的Navier-Stokes方程和模型。另外，所分析的地形的类型可以允许系统确定各种模型中的哪一个用于生成精确的风模型。例如，特定地形形状可能类似于管道夹具（例如直管、弯管或T形管）的形状。所以，可应用于类似形状的管道夹具的流体模型可以用于建模特定地形上的风流动。本领域的技术人员将领会一个以上模型可以用于精确地描绘特定地形上的风流动。此外，在实施例中，所使用的实际模型可以是根据需要针对特定应用（例如在地形之上的各海拔的风力涡轮机）建模风的多个现有模型和一些新模型的扩展和整合。
1CARRUTHERS,D.J.&HUNT,J.C.R.1990Fluid mechanics of airflow over hills:turbulence,fluxes,and winds in the boundary layer.In Atmospheric Processes overComplex Terrain(ed.W.Blumen)Am.Met.SOC.,Meteorological Monographs vol.23,no.45,pp,83-107.Lancaster;MASON,P.J&KING,J.C.1985Measurement andprediction of flow and turbulence over an isolated hill of moderate slope.Q.J.R.Met.Soc.111,617-640;NEWLEY,T.M.J.,PEARSON,H.J.&HUNT,J.C.R1991Stablystratified rotating flow through a group of obstacles.Geophys.Astrophys.Fluid Dyn.(to appear);VIEGAS,D.X.,MONTEIRO,J.P.*,FERREIRA,A.&LOPES,A.G.Windtunnel simulation of the flow around two or three dimensional hills;WIPPERMANN,F.1983Air flow over and in broad valley:channeling and counter-current.Beitr.2.Phys.Atmos.57,92-105.
在产生高分辨率风测绘数据集之后，建模和分析系统240可以以比低分辨率国家风图远远更大的精度计算特定地点位置的潜在能量容量，其典型地例如用某个外插从机场和核电厂的历史测量导出。此外，通过基于地形和空气动力学建模技术开发模型，可以精确地确定具有高分辨率的风动力学，这可以有助于安置风力涡轮机并且确定任何特定地点的风能潜力。使用根据本公开的技术产生的风模型也可以帮助与工业生产相关的污染分析。
在实施例中，在考虑资源可用性、排除、风产生技术和其它属性之后，可以加入附加层以分析其它环境和文化因素，例如濒危物种影响、墓地、教堂和学校的存在和接近程度。接着，可以考虑层分析与基础设施（例如道路、电网等）的接近程度。最后，可以考虑所有权问题，例如地权和用途、相邻地块的大小以及视线和噪声缓冲。该分析可以不仅基于资源可用性、而且基于确定区域特定的本地信息得到关于风场的最佳位置的信息。
建模和分析系统240也可以执行体现算法的软件指令，所述算法通过编程处理来自广阔地域的测量以提供食品生产、饲料生产、纤维生产和生物燃料和生物质能量生产战略的农业团体信息。这些特征可以关于多种多样的农作物被提供，包括主食（例如玉米、大豆、甘蔗和小麦）、林产品以及专用生物燃料原料（例如能源甘蔗）。
开发工业的可再生能量供应的方面是能够获得生物燃料原料。为了支持该新工业，利益相关者可能需要考虑解释农业生产力模型的生物燃料生产设施的模型、土地所有权、基础设施、政策、劳动力和经济。这些模型的输出可以由经济发展专家使用以将项目吸引到他们的地区、由能源生产商使用以选址工厂、由土地所有者和农场主使用以生产最有价值的农作物并且由农业和林业产品关注者使用以朝着可再生燃料供应的发展营销他们的废产品。
在实施例中，模型开发系统250可以开发农艺测绘的新模型。该农艺测绘模型可以包括当部署时可以采集来自系统110的必要监测馈送的遥感策略以及传感器和感测系统102、104、106、107和108。这些馈送可以包括来自MODIS传感器的每日图像，所述图像可以显示日生产力并且有助于通过查看变绿型式的定时以及来自数据规范化系统220的最有用的最后、规范化测绘数据集确定什么农作物种植在哪个农场中。在系统248中开发的模型也可以包括用于地面实况系统108的采样策略。这可以包括概率采样系统，其使用随机位置中的现场测量并且将它们与遥感测量比较以确定从来源（例如卫星成像系统102和机载传感器104）导出的测绘信息正确的概率。该特征也可以提供发布到利益相关者的总结果是正确的最后置信度。
在实施例中，建模和分析系统240可以首先在更广阔的区域（例如大陆）上产生新资源潜力测绘数据集。系统240然后可以使用例如分辨率引擎246增加国家、州、县、自治区和最后单独的地点（例如农场）的分辨率。系统240也可以确定历史建模范例，其比较前些年采集的存储在数据存储系统110（在图1中描述）中的遥感数据以考虑农作物轮作模式和实践。可以构造历史数据库，其基于前些年的种植以前如何轮作农作物预测哪些农作物将种植在哪些区域中。历史图像也可以有助于确定森林（例如雨林）何时开始被腾出用于种植，例如棕榈种植园或大豆农场，指示农作物是否出自最近腾出的雨林。如果这样的话，它可能违反可持续生产规定、实践或原则。历史卫星照片也可以帮助确定森林是否通过火烧腾出，这是某些国际公约所不允许的。历史图像和分析也可以有助于确定生物燃料设施是否正在改变地域。例如，典型地在玉米和大豆之间轮作（“玉米接着大豆”）的某些区域可能年复一年地继续种植玉米（“玉米接着玉米”），如果它们靠近玉米乙醇设施的话。所有这些因素可以有助于确定某些区域中的生产模式。本领域的技术人员将领会模型可以针对某些区域和实践建立、或者可以针对更广阔的地域建立而不脱离本公开的范围。
在实施例中，模型可以构造成确定产生不同原料并且在先进生物燃料的生产中使用不同能量供应的不同形式的先进生物燃料生产设施的可能位置。特别地，模型可以部署在分辨率引擎246中以首先处理相关大陆并且然后深入国家、州、县和最后由纳税地块界定的具体农场。另外，分析可以正演建模不能通过历史分析确定的农业生产力。例如，在某些区域中，农场主可能已种植特定农作物，例如烟草，原因是存在本地市场，其中土地对于蔬菜更高产。
在用于建立上述模型的算法中考虑的因素中的一些包括：食物和饲料价格竞争-当前支持玉米、大豆和其它高价值食物和饲料作物的土地可能被描绘为可能不支持相同价格并且可以在劣质土壤上生长的其它农作物，例如生物燃料；森林采伐-当前不应当造林或最近已被收获以获得纤维含量，具有重新造林和碳封存的计划；当前耕地类型或牧场用途-用于某些农作物（例如水稻）指示与原料的经济生产的相容性；土壤类型-土壤应当适合于原料的生产；小气候-温度、湿度和降雨水平应当适合于原料的生产；危险-应当评估飓风和洪水风险；许可-应当考虑一般土地使用原则，包括棕色地带识别和当前发展计划；配送-接近主要配送点，例如港口、河流装货设施、精炼厂和其它现有的基础设施；可量测性-地块应当在单所有权下由大小优先排序，最小为大约500英亩并且最佳大小为2500至5000英亩。
可以通过创建从高时间分辨率、中空间分辨率、高频谱分辨率卫星传感器（例如MODIS）所产生的测量导出的农业土地面积和产量模型开始该算法。该算法可以首先考虑不同农作物的出苗期。由于卫星传感器图像提供一年中的每天的新数据集，因此可以从卫星图像建立频谱农作物特征库。例如，该算法可以知道草地以特定速度、在特定区域、在五月的前两周产生更多的叶绿素或“变绿”。此外，该算法也可以知道当草地在六月初达到它们的顶峰时农作物可能开始快速出苗，之后是六月末的大豆、七月初的蜀黍和九月的冬小麦。
图9显示了如何可以通过基于卫星传感器图像上的特定像素和像素组中的叶绿素频谱特征的存在的增加，分析哪些区域在什么时间正在变绿而生成农作物的空间-时间测绘数据库。该过程的输出是显示生长季节的特定农作物的土地面积的农作物描绘数据集。接着，可以用天气测量（例如降雨、热、云量和雾）处理农作物土地面积模型以建模产量。通过应用每个特定农作物的农艺因素，这两个模型（区域中的农作物的土地面积和区域中的农作物的产量）可以组合以估计农作物的类型的总产量。这生成初始农业资源库，其可以基于本地、地区和商品市场需求在用于生物燃料、食品和饲料的农作物方面进行分析。接着，具有现场样本的地面实况可以用于微调模型和结果。另外，现场样本可以进行随机或概率采样，或者通过普查，其中检查每个区域的一个或多个样本。
由于多年来自卫星的图像的档案可获得，因此可以创建历史土地使用模型。以该方式，可以通过测量每年每个区域种植什么而导出历史农作物轮作信息。由于农耕方式相当一致，因此在播种之前农作物从当前向前轮作以用模型预测下一年将种植什么农作物。还可以通过了解在对特定农作物有重大需求的区域中农作物轮作如何变化而进一步细化模型。例如如果建造了大型玉米乙醇厂，数十年来可能轮作玉米和大豆的区域可能开始轮作玉米和玉米。该信息可以用于帮助定址生物燃料生产设置或预测本地和商业市场价格。模型可以在生长季节的早期精确地预测在或大或小的区域中的生产和供应。当需要更恒定时，供应的波动产生价格的变化。该信息对于农业产品的生产者和消费者以及商人和风险管理师可能是有价值的。图10显示了应用历史图像以从历史实践产生正演模型。
在实施例中，一旦构造总资源模型，可以使用以下准则以分析、测量并且排名每个更广阔区域（例如国家的州、农业区划或县）对于生物燃料生产的适合性：(1)地点条件：这些例如可以包括土壤条件、洪水危险、存在湿地、森林覆盖、土地/河流覆盖率以及飓风风险。(2)城市化趋势-不透水百分比（建筑面积）。(3)人口统计：这些例如可以包括人口密度。30年的年人口增长、年人口流入/流出。(4)住宅：这些可以包括最近六年的住宅批准。(5)收入：这些例如可以包括最近30年的家庭收入中位数、家庭收入中位数、收入/支出以及收入增长中位数；(6)农业数据：这例如可以包括种植面积、收获面积、农场大小、灌溉百分比以及农作物土地面积；(7)小气候：这例如可以包括历史平均降水和历史平均温度。
另外，对于排名最高的区域，算法可以在纳税地块水平上运行以确定生长生物燃料农作物的特定地点或生物燃料生产设施所处的特定地点。这样的因素可以包括以下：地点可达性：这些例如可以包括离高速公路的距离、离主干道的距离、离地方道路的距离、离轨道的距离以及离配送点的距离；城市化趋势：这些例如包括离最近大都市的距离、城市重力指数以及所包含的面积；农业数据：这些例如包括土地使用和五年农作物轮作；以及地点条件：这些例如包括坡度系数、土壤类型（例如自然资源保护局（NRCS）-国家制图和地理空间中心（NCGC）土壤调查地理（“SSURGO”）数据库或国家土壤地理（“STASGO”）数据库以及离EPA（环境保护局）监管地点的距离。
在备选实施例中，模型开发系统250也可以用于开发作为可再生能源的水的使用的模型。该模型可以开始于从用传感器测量降雨的街面传感器106（关于图1所述）进行降雨分析。平均降雨分布然后可以与从卫星系统获得的天气模型相关。然后可以用集水区上的平均降雨分布构造测绘数据集。然后可以从现有水坝和电站的水力发电公司提供的数据构造径流量估计，其中水坝表示每个集水区内的终端结构。此外，可以从每日工作数据计算水坝中的流入，所述数据给出水位的上升和下降以及通过闸门和涡轮机的流出，输出表示为平均年径流量（MAR）。所收集的数据可以显示每个集水区上的降水量和水坝中的总流入之间的相关或不相关。在实施例中，变化系数（Cv）可以用作结果的可靠性的量度。
在实施例中，卫星图像102可以用于测量灌溉土地的面积并且验证水坝的蓄水量。最新图像的使用可以支持当年中的实际农业用水的估计。另外，或备选地，可以再使用农业评估（生物燃料原料）所需的图像。因此，可以确定每英亩完备灌溉农作物的每年用于灌溉的水的总量。另外，也可以基于所收集的信息确定农业用水的增加。例如，针对生物燃料收集和分析的信息可以允许关于为了灌溉可以将多少水取出流域进行确定。这是由于针对生物燃料收集和分析的农作物信息可以允许系统确定灌溉每个农作物类型所需的水量，因此也基于特定地理位置的农作物类型让用户知道为了灌溉可以使用总共多少水。该信息又让用户知道为了除灌溉以外的其它目的可以使用多少水。
另外，或备选地，可以收集所发出的每日和年总用水权。这些权利然后可以与MAR比较，并且可以确定足够的储存和可用性以解决可以发出多少用水权。
在另一个实施例中，可以使用包括现有灌溉水坝和灌溉抽象活动的测绘水文模型建立在电站的上游的河流的模型。模型也可以用建议的水坝运行以量化对集水区内的水资源的影响。具体地，可以针对实用级潜力（>10kw，包括现有的和潜在的水坝、灌溉水坝和灌溉抽象活动）和使用低影响发电（400w-10kw）的住宅/商业应用建模河流、湾流和溪流。
在根据本公开的示例性算法中，系统可以使用来自各种来源的数据，例如：该区域的DEM（典型地是栅格地图）；该区域的水体（典型地是形状层文件）；或水体的流率（典型地是形状文件或来自针对区域执行的其它水建模的结果数据集，如上所述）；或它们的任何组合。
可以由系统执行以下步骤以创建适当的水模型。(1)系统可以首先确定该区域的坡度。上面已关于创建太阳能的模型描述了执行该特征的技术，并且因此在这里将不提供重复论述。(2)系统然后可以排除不与水体（河流、湖泊、溪流、潮滩区等）交叉的地图中的所有部分。这从地图排除除水体以外的任何东西。(3)对于结果地图中的每个水体，系统可以找到最小、最大和平均流率（gpm：加仑每分钟）。该信息可以从测量的历史数据或从如上所述针对区域执行的其它水建模获得。(4)基于坡度和DEM，系统可以计算线性地沿着每个水体的长度（由流动方向确定的长度）的位势“水头”。在实施例中，水头可以表示水流可以经历的竖直降落并且可以取决于位置变化上的高程变化（lat/long）。(5)基于在步骤4中计算的位势水头和步骤3中的流率，系统可以计算其中它计算位势水头的每个位置的势能的大小。可以在沿着水体的每个点以kw/天测量势能，假设该位置用于放置某种类型（低影响或实用级）的发电设施。如果已知并且选择特定发电设备，结果可以基于指定设备的参数。可以应用另外现有的转换标准和转换率（即，每体积生成的这么多瓦特*水头）。系统然后可以输出包括沿着供应水体的长度的被识别潜力和位置（地点）的数据集（矢量、形状或当量）。(7)系统也可以根据潜力和离现有实用基础设施的距离分级地点以生成通过分级分拣的（一个或多个）指定水体的水电潜力的报告。本领域的技术人员将领会模型也可以用建议的水坝运行以量化对集水区内的水资源的影响而不脱离本公开的范围。
在又一个实施例中，可以建模各种水使用的工作参数，例如每个集水区内的水坝和水压致裂。用于水坝的一些示例性操作协议可以是：(1)将优先权给予第一水权（特定水坝），并且上水坝必然溢出所有流入直到第一水权水坝装满。第一水权（下游）水坝然后将以年份的某个比例填充。在该协议下，新水坝可能不产生由灌溉控制的土地的任何增加，同时对涡轮机流量没有影响。它可以将由于现有种植土地面积上的供水不足引起的农作物减产的风险从x%减小到y%；或(2)另一个选项可以是水坝按照它们位于集水区内的顺序填充。因此流入上游水坝中的水被蓄留直到该水坝溢出。下游水坝可能以年份的更小比例填充。在该协议下，所建议的水坝可以允许由灌溉控制的土地的附加面积，同时使涡轮机流量从无水坝情形减小特定%。
在本系统中，由于每个流域具有类似的动力学，并且每个需要供利益相关者进行决策的类似的模型和信息，因此可以通过使用根据本公开的技术通过编程处理全球。
本领域的技术人员也将领会上述的算法可以在软件、硬件或它们的任何组合中执行而不脱离本公开的范围。例如，诸如膝上型电脑、服务器或工作站的计算装置可以包括中央处理单元以及诸如RAM、ROM和硬盘驱动器的存储部件以存储并且执行体现上述算法的软件指令。另外，或备选地，该算法可以硬编码到ASIC（专用集成电路）中以执行上述的特征。在又一个实施例中，软件和ASIC的组合可以用于执行上述特征。
本领域的技术人员将领会尽管系统200的子系统被显示为物理分离的子系统，但是图示仅仅用于示例性目的。也就是说，任何数量的子系统可以以任何组合物理地集成到一个底盘上而不脱离本公开的范围。例如，在备选实施例中，数据规范化系统220和数据存储系统230的特征可以由包括足够的计算资源以提供数据规范化系统220和数据存储系统230的相应特征的一个物理系统提供。在又一个实施例中，数据存储系统230以及建模和分析系统240和模型开发系统250可以物理地集成到一个底盘中使得一个物理系统提供这些子系统的组合功能性。
另外，每个子系统可以通过可以是有线或无线的已知通信技术与其它子系统通信。例如，在实施例中，数据收集系统100、数据规范化系统220、数据存储系统230、建模和分析系统240和模型开发系统250可以位于有线或无线LAN上。备选地，子系统中的一些可以位于远程位置并且可以经由诸如互联网的WAN（广域网）与其它子系统通信。
图13是根据公开实施例的数据分布系统300的示意图。数据分布系统300可以包括客户分布服务器250、测绘数据存储库260和订户280。订户280可以包括利益相关者，例如产权人、工业供应商、供应生产商、公共行政人员、个人消费者以及金融服务提供商。此外，每个订户280可以具有至少一个订阅计划。订阅计划可以包括对可以提供给相应订户的信息的类型的限制。例如，一个订户可能计划获得仅仅与本地区域相关的信息。另一个订阅计划可能提供全州信息。又一个订阅计划可能提供全国水平的信息。
客户分布服务器250可以包括订户授权系统252和数据输送系统262。订户授权系统252可以包括客户认证单元254、客户数据库256、订户访问控制单元258以及交易和协议单元259。在实施例中，数据输送系统262可以包括地理空间显示服务264、移动和位置服务266、网络地图和特征服务268、内容管理服务270、通知和警报服务272以及社会媒体服务274。
在实施例中，客户认证单元254可以包括认证对客户分布服务器250进行数据请求的订户280的身份的一个或多个计算装置，例如膝上型电脑、工作站和服务器。认证功能可以在软件、硬件或两者的组合中执行。客户认证单元254可以与客户数据库256协作提供认证功能。具体地，客户数据库256可以包括订户280数据，例如公司名称、用户姓名、密码、订阅有效期以及订阅区域。在实施例中，客户数据库256可以是SQL（结构化查询语言）数据库。但是在备选实施例中客户数据库256可以是Sybase数据库或可以保持订户280信息的任何其它数据库。
在实施例中，从订户280接收的数据请求可以首先由客户认证单元254以及客户数据库256认证。具体地，在接收与进行数据请求的订户相关的信息之后，客户认证单元254可以询问客户数据库256以检验进行请求的客户是否是已注册订户。如果它是已注册客户，则订户访问控制单元258确定已注册订户是否已访问所请求的信息的类型。如上所述，不同订户280可能需要访问不同尺度上的与自然资源相关的信息。所以，订户访问控制单元258保证即使已认证订户也只能获得它已订阅的类型的信息。为此，订户访问控制单元258可以包括订户概要和背景信息。在实施例中，订户访问控制单元258可以包括验证对客户分布服务器250进行数据请求的订户的一个或多个计算装置，例如膝上型电脑、工作站和服务器。验证功能可以软件、硬件或两者的组合中执行。在实施例中，交易和协议单元259可以允许订户280形成协议，例如PPA（购电协议）、租约和许可。
如果客户请求被授权并且是有效的，则该授权的请求可以传到测绘数据存储库260进行处理。在实施例中，如果测绘数据存储库260忙，则请求可以排队。测绘数据存储库260可以以请求格式（例如GIS层和报告）将被请求数据输出到数据输送系统262。如果数据输送系统262忙，则输出数据也可以排队。数据输送系统可以包括处理并且以订户280期望的格式存储被请求数据的部件。例如，如图13中所示，数据输送系统262可以包括地理空间显示服务264。这些可以是可以将2D或3D数据提供给订户280的服务，例如Google地球、Google地图、Open Layers或GIS程序。移动和位置服务266可以允许订户280加入可以从移动装置地理配准的内容，并且访问移动装置上的信息。网络地图和特征服务268可以是基于交换和表示测绘的开放标准的中间体。
内容管理服务270可以使用软件（例如drupal、joomla！、wordpress或alfresco）来管理和提供可以存储为叙事、表格式报告、地图、索引或博客或它们的任何组合的地理编码信息。通知和警报服务272可以关于变化进行检测并且通知订户280。例如订户可能希望监视在特定地区在FAA申请的新风力涡轮机建造的许可。如果许可被申请，则通知和警报服务可以将警报和/或通知提供给订户280。社会媒体服务274可以将利益相关者连接在一起。例如，可以为对特定土地开发项目感兴趣的个人和/或实体设立网上社区。个人和/或实体然后可以关于针对特定土地开发项目的信息彼此通信。另外，或备选地，媒体服务274可以允许土地开发商创建列出其当前项目的自己的资料使得订户280可以看到特定开发商正在寻找或已出租的所有地点。类似地，来自各个全国或本地事务所的律师也能够通过访问开发商的资料或通过查看网上社区资料而查看与特定开发商相关的项目信息。部件264、266、268、270、272和274可以包括可以使用期望的输送机制以请求格式将被请求数据提供给订户280的一个或多个计算装置。
输送机制中的一些可以包括查看存储在服务器上的被请求数据和/或下载这样的数据。例如，在实施例中，订户280可能希望通过打开由网络地图和特征服务268托管的网页查看数据。但是在备选实施例中，订户280可能希望能够从网络地图和特征服务268下载数据。为此，网络地图和特征服务268可以包括可以使用期望的输送机制以请求格式将被请求数据提供给订户280的一个或多个计算装置。
本领域的技术人员将领会每个系统内的单元可以以任何数量和/或组合组合到一个物理底盘上而不脱离本公开的范围。例如，尽管被显示为物理分离单元，但是客户认证单元254、客户数据库256和订户访问控制单元258可以在备选实施例中组合并且安装在单底盘上使得最后产生的单元提供上述的客户认证单元254、客户数据库256和订户访问控制单元258的特征。此外，在又一个实施例中，订户授权系统252和数据输送系统262的完整功能性可以整合到可以安装在单底盘上的单一认证和数据输送系统中而不脱离本公开的范围。
图14是根据公开实施例的用于建模可再生能源配置的方法400的流程图表示。在步骤402，至少一个数据收集系统（例如图1中所示的系统102、104、106、107和108）可以收集与特定地理区域中的能源可用性相关的信息。地理区域的类型可以取决于正在收集的信息的类型。例如，如上所述，地理区域可以是县的一部分或整个县。在备选实施例中，地理区域可以是州或州的一部分。在又一个实施例中，地理区域可以是整个国家或世界的一部分。所收集的信息也可以存储在数据存储系统（例如图1中所示的数据存储系统110）中。
在步骤402，一个或多个计算装置（例如作为图2中所示的系统200的一部分的装置）可以处理所收集的信息以生成识别针对所选择的地理区域的一个或多个可再生能量地点。该处理可以基于针对该地理区域的能源可用性信息和附加信息。在实施例中，附加信息例如可以包括环境信息、政策信息、基础设施信息或它们的任何组合。
在步骤406，可以接收生成数据的一个或多个数据请求。这些请求可以由一个或多个订户280向可以是图13中所示的客户分布服务器250的一部分的一个或多个计算装置进行。在实施例中，这些请求可以由可以是客户分布服务器250的一部分的一个或多个计算装置处理以保证进行请求的一个或多个订户280的真实性和/或也保证请求是有效的，即，订户正请求订户有权获得的信息。具体地，这些计算装置可以是客户认证单元254、客户数据库256和订户访问控制单元258的一部分，如图13中所示。在步骤408，请求信息可以由一个或多个计算装置提供给进行数据请求的一个或多个订户280。在实施例中，提供请求信息的一个或多个计算装置可以包括网络地图和特征服务268，如图13中所示。
尽管上面已描述了本发明的各实施例，但是应当理解它们仅仅作为例子而不是限制被提供。本领域的技术人员将理解可以在本文中进行形式和细节的各种变化而不脱离本公开的精神和范围。因此，本发明的广度和范围不应当由上述示例性实施例中的任何一个限制。

Claims (32)

1.一种用于对资源可用性进行建模的系统，其包括：
数据收集系统，包括配置成收集与地理区域中的资源可用性相关的信息的一个或多个数据收集装置；以及
建模系统，耦接到所述数据收集系统，包括配置成基于所收集的信息计算所述地理区域的规范化坡度和基于针对所述地理区域的资源可用性、所计算的规范化坡度和附加信息，处理所收集的信息，以生成识别针对所述地理区域的一个或多个开发地点的数据的一个或多个计算装置。
2.根据权利要求1所述的系统，其中所述附加信息包括环境信息、政策信息、基础设施信息或它们的任何组合中的至少一种。
3.根据权利要求1所述的系统，其中所述数据收集系统包括卫星系统、机载传感器系统、街面传感器系统、固定传感器系统、地面实况系统或它们的任何组合中的至少一种。
4.根据权利要求1所述的系统，其中所述数据收集系统包括数据存储系统，所述数据存储系统包括配置成存储从所述一个或多个数据收集装置收集的数据的一个或多个数据存储装置。
5.根据权利要求1所述的系统，其中所述资源是可再生能源。
6.根据权利要求1所述的系统，其中所述建模系统还配置成基于资源可用性信息和附加信息给一个或多个开发地点分级。
7.根据权利要求1所述的系统，其中所述建模系统以多个分辨率水平生成数据。
8.根据权利要求5所述的系统，其中所述可再生能源包括太阳能、风能、生物燃料能、水能或它们的任何组合中的至少一种。
9.根据权利要求8所述的系统，其中所述可再生能源是太阳能并且所述建模系统配置成：
确定所述地理区域中的无阴影日光照射的时间量；
基于计算出的规范化坡度计算所述地理区域的太阳能潜力；
基于所收集的信息从计算出的太阳能潜力减去一个或多个区域以产生基础可使用太阳能潜力信息；
将所述附加信息整合到所述基础可使用太阳能潜力信息以产生增强可使用太阳能潜力信息；以及
将从所收集的信息获得的地块信息整合到所述增强可使用太阳能潜力信息以产生基于地块的可使用太阳能潜力信息。
10.根据权利要求8所述的系统，其中所述可再生能源是风并且所述建模系统配置成使用历史气候测量值、温度梯度或地形或它们的任何组合中的至少一种对风型、风向或风强度或它们的任何组合中的至少一种建模，以创建至少一个风图。
11.根据权利要求8所述的系统，其中所述可再生能源是生物燃料并且所述建模系统配置成基于食物和饲料价格竞争考虑、森林采伐考虑、土地使用考虑、土壤类型考虑、气候考虑、危险考虑、运输考虑或可量测性考虑或它们的任何组合中的至少一种确定至少一个生物燃料生产设施的至少一个可能位置。
12.根据权利要求8所述的系统，其中所述可再生能源是水并且所述建模系统配置成：
从所收集的信息排除不与水体交叉的一个或多个区域以创建包括至少一个水体的结果地图；
计算所述至少一个水体的水的流率的最小值、最大值和平均值；
基于计算出的规范化坡度和所收集的信息计算沿着所述至少一个水体的长度的位势水头；
基于所述至少一个水体的计算出的位势水头和计算出的水的流率计算所述至少一个水体上的至少一个位置的势能；以及
输出计算出的势能。
13.一种用于对资源可用性进行建模并且传播建模信息的系统，其包括：
数据收集系统，包括配置成收集与地理区域中的资源可用性相关的信息并且将所收集的信息传送到数据规范化系统的一个或多个数据收集装置，其中所述数据规范化系统包括配置成根据大地基准参考系规范化所收集的信息以产生规范化数据的一个或多个计算装置，其中所述资源包括太阳能和风能、生物燃料能或水能中的一种或多种；
数据存储系统，包括配置成存储所述规范化数据供内部使用、外部使用或两者中的至少一种的一个或多个计算装置；
数据建模系统，配置成接收所存储的规范化数据并且基于针对所述地理区域的资源可用性和附加信息处理所存储的规范化数据以生成识别针对所述地理区域的一个或多个开发地点的数据；以及
客户分布系统，包括配置成接收一个或多个数据请求并且响应所述一个或多个数据请求提供存储在所述数据存储系统中的所述规范化数据或由所述数据建模系统生成的数据或两者的一个或多个计算装置。
14.根据权利要求13所述的系统，其中所述客户分布系统包括：
订户授权系统，包括配置成认证对所述客户分布系统进行数据请求的一个或多个订户的身份的一个或多个计算装置；以及
数据输送系统，包括配置成将被请求数据输送到由所述订户授权系统认证的一个或多个订户的一个或多个计算装置。
15.根据权利要求13所述的系统，其中所述附加信息包括环境信息、政策信息、基础设施信息或它们的任何组合中的至少一种。
16.根据权利要求13所述的系统，其中所述数据收集系统包括卫星系统、机载传感器系统、街面传感器系统、固定传感器系统、地面实况系统或它们的任何组合中的至少一种。
17.根据权利要求13所述的系统，其中所述数据收集系统包括数据存储系统，所述数据收集系统所包括的数据存储系统包括配置成存储从所述一个或多个数据收集装置收集的数据的一个或多个数据存储装置。
18.根据权利要求13所述的系统，其中所述数据建模系统以多个分辨率水平生成数据。
19.根据权利要求13所述的系统，其中所述数据建模系统还配置成基于资源可用性信息和附加信息给一个或多个开发地点分级。
20.一种用于对资源配置建模的方法，其包括：
使用至少一个数据收集系统收集与地理区域中的资源可用性相关的信息；
基于所收集的信息使用一个或多个计算装置计算所述地理区域的规范化坡度；
基于针对所述地理区域的资源可用性信息、所计算的规范化坡度和附加信息，使用一个或多个计算装置分析所收集的信息，以生成识别针对所述地理区域的一个或多个开发地点的数据；
响应于一个或多个数据请求使用一个或多个计算装置将所生成的数据提供给一个或多个订户。
21.根据权利要求20所述的方法，其中将所生成的数据提供给一个或多个订户还包括使用所述一个或多个计算装置执行以下至少之一：认证或验证所述一个或多个数据请求，或认证并且验证所述一个或多个数据请求。
22.根据权利要求20所述的方法，其中所述附加信息包括环境信息、政策信息、基础设施信息或它们的任何组合中的至少一种。
23.根据权利要求20所述的方法，其中所述数据收集系统包括卫星系统、机载传感器系统、街面传感器系统、固定传感器系统、地面实况系统或它们的任何组合中的至少一种。
24.根据权利要求20所述的方法，其中所述数据收集系统包括数据存储系统以及一个或多个数据收集装置，所述一个或多个数据收集装置被配置成收集与所述地理区域中的资源可用性相关的信息，并且所述数据存储系统包括配置成存储从所述一个或多个数据收集装置收集的数据的一个或多个数据存储装置。
25.根据权利要求20所述的方法，其还包括基于所述资源可用性信息和附加信息使用一个或多个计算装置给所述一个或多个开发地点分级。
26.根据权利要求20所述的方法，其中所述资源是可再生能源。
27.根据权利要求20所述的方法，其还包括使用一个或多个计算装置以多个分辨率水平生成所述数据。
28.根据权利要求26所述的方法，其中所述可再生能源包括太阳能、风能、生物燃料能、水能或它们的任何组合中的至少一种。
29.根据权利要求28所述的方法，其中所述可再生能源是太阳能并且所述方法还包括：
基于计算出的规范化坡度使用一个或多个计算装置计算所述地理区域的太阳能潜力；
基于所收集的信息使用一个或多个计算装置从计算出的太阳能潜力减去一个或多个区域以产生基础可使用太阳能潜力信息；
使用一个或多个计算装置将所述附加信息整合到所述基础可使用太阳能潜力信息以产生增强可使用太阳能潜力信息；以及
使用一个或多个计算装置将从所收集的信息获得的地块信息整合到所述增强可使用太阳能潜力信息以产生基于地块的可使用太阳能潜力信息。
30.根据权利要求28所述的方法，其中所述能源是风并且所述方法包括使用历史气候测量值、温度梯度或地形或它们的任何组合中的至少一种使用一个或多个计算装置对风型、风向或风强度或它们的任何组合中的至少一种建模，以创建至少一个风图。
31.根据权利要求28所述的方法，其中所述能源是生物燃料并且所述方法包括基于食物和饲料价格竞争考虑、森林采伐考虑、土地使用考虑、土壤类型考虑、气候考虑、危险考虑、运输考虑或可量测性考虑或它们的任何组合中的至少一种使用一个或多个计算装置确定至少一个生物燃料生产设施的至少一个可能位置。
32.根据权利要求28所述的方法，其中所述能源是水并且所述方法包括：
从所收集的信息排除不与水体交叉的一个或多个区域以创建包括至少一个水体的结果地图；
使用一个或多个计算装置计算所述至少一个水体的水的流率的最小值、最大值和平均值；
基于计算出的规范化坡度和所收集的信息使用一个或多个计算装置计算沿着所述至少一个水体的长度的位势水头；
基于所述至少一个水体的计算出的位势水头和计算出的水的流率，计算所述至少一个水体上的至少一个位置的势能；以及
输出计算出的势能。
CN201180035112.5A 2010-05-28 2011-05-27 用于广阔地域上的多样化资源基础的测绘建模的系统和方法 Expired - Fee Related CN103003818B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611048436.3A CN106779804A (zh) 2010-05-28 2011-05-27 用于广阔地域上的多样化资源基础的测绘建模的系统和方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US34960710P 2010-05-28 2010-05-28
US61/349,607 2010-05-28
PCT/US2011/038312 WO2011150319A2 (en) 2010-05-28 2011-05-27 System and method for geomatic modeling of a diverse resource base across broad landscapes

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN201611048436.3A Division CN106779804A (zh) 2010-05-28 2011-05-27 用于广阔地域上的多样化资源基础的测绘建模的系统和方法

Publications (2)

Publication Number Publication Date
CN103003818A CN103003818A (zh) 2013-03-27
CN103003818B true CN103003818B (zh) 2016-12-21

Family

ID=45004855

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201611048436.3A Pending CN106779804A (zh) 2010-05-28 2011-05-27 用于广阔地域上的多样化资源基础的测绘建模的系统和方法
CN201180035112.5A Expired - Fee Related CN103003818B (zh) 2010-05-28 2011-05-27 用于广阔地域上的多样化资源基础的测绘建模的系统和方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201611048436.3A Pending CN106779804A (zh) 2010-05-28 2011-05-27 用于广阔地域上的多样化资源基础的测绘建模的系统和方法

Country Status (5)

Country Link
US (2) US9087338B2 (zh)
EP (1) EP2577532A4 (zh)
CN (2) CN106779804A (zh)
CA (1) CA2800867A1 (zh)
WO (1) WO2011150319A2 (zh)

Families Citing this family (138)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8676549B2 (en) 2009-09-29 2014-03-18 The Procter & Gamble Company Method of maximizing shipping efficiency of absorbent articles
CA2733472C (en) 2009-09-29 2017-10-31 The Procter & Gamble Company Absorbent products having improved packaging efficiency
PT104798B (pt) * 2009-10-23 2018-12-31 Inst Politecnico De Beja Método gerador de cartas aeroportuárias de obstáculos baseado na fusão de dados de interferometria por radares de abertura sintética assentes em plataformas espaciais com outros dados captados por sensores remotos
WO2012001686A1 (en) * 2010-06-28 2012-01-05 Green Vision Systems Ltd. Real-time monitoring, parametric profiling, and regulating contaminated outdoor air particulate matter throughout a region, via hyper-spectral imaging and analysis
US20120079061A1 (en) * 2010-09-29 2012-03-29 Peter Leonard Krebs System and method for aggregating data for analyzing and designing an architectural structure
US9030048B2 (en) 2010-10-18 2015-05-12 Alpha Technologies Inc. Uninterruptible power supply systems and methods for communications systems
US8539426B2 (en) * 2011-02-22 2013-09-17 International Business Machines Corporation Method and system for extracting compact models for circuit simulation
US9645465B2 (en) 2011-03-16 2017-05-09 View, Inc. Controlling transitions in optically switchable devices
US9229132B2 (en) * 2011-07-05 2016-01-05 International Business Machines Corporation Meteorological parameter forecasting
US9037443B1 (en) * 2011-10-16 2015-05-19 Alpha Technologies Inc. Systems and methods for solar power equipment
US9123160B1 (en) 2011-10-30 2015-09-01 Lockheed Martin Corporation Concurrent mesh generation in a computer simulation
US9147283B1 (en) 2011-10-30 2015-09-29 Lockhead Martin Corporation Water surface visualization during a simulation
US11950340B2 (en) 2012-03-13 2024-04-02 View, Inc. Adjusting interior lighting based on dynamic glass tinting
US11635666B2 (en) 2012-03-13 2023-04-25 View, Inc Methods of controlling multi-zone tintable windows
US9015581B2 (en) * 2012-03-26 2015-04-21 Vistaprint Schweiz Gmbh Self-adjusting document layouts using system optimization modeling
US11674843B2 (en) 2015-10-06 2023-06-13 View, Inc. Infrared cloud detector systems and methods
US10048561B2 (en) 2013-02-21 2018-08-14 View, Inc. Control method for tintable windows
US9638978B2 (en) 2013-02-21 2017-05-02 View, Inc. Control method for tintable windows
WO2013169349A1 (en) 2012-05-08 2013-11-14 Bayer Cropsciences Lp A device, system, and method for selecting seed varieties and forecasting an optimum planting time window for the planting of said seed
US9117305B2 (en) * 2012-06-29 2015-08-25 Weyerhaeuser Nr Company Method and apparatus for deriving stream network vectors from digital elevation map data
WO2014031870A2 (en) * 2012-08-22 2014-02-27 University Of Alaska Management of tax information based on topographical information
US9063544B2 (en) * 2012-09-19 2015-06-23 The Boeing Company Aerial forest inventory system
US9606236B2 (en) * 2012-10-17 2017-03-28 Weyerhaeuser Nr Company System for detecting planted trees with LiDAR data
US20140180761A1 (en) * 2012-10-26 2014-06-26 Peter Lawrence Yolles System and method for a customer engagement platform to increase residential water use efficiency
FR2998055B1 (fr) * 2012-11-12 2017-05-19 Commissariat Energie Atomique Procede de determination de flux de gaz dans un espace geographique
US10460360B2 (en) * 2012-11-26 2019-10-29 Sunrun, Inc. Technique for pricing a solar power system
US11719990B2 (en) 2013-02-21 2023-08-08 View, Inc. Control method for tintable windows
US11960190B2 (en) 2013-02-21 2024-04-16 View, Inc. Control methods and systems using external 3D modeling and schedule-based computing
US11966142B2 (en) 2013-02-21 2024-04-23 View, Inc. Control methods and systems using outside temperature as a driver for changing window tint states
CN105190463B (zh) 2013-03-13 2017-04-12 流量控制有限责任公司 用于使用通过智能电话技术提供的能力来定义最佳太阳定位的方法
US10248700B2 (en) 2013-03-15 2019-04-02 Remote Sensing Metrics, Llc System and methods for efficient selection and use of content
US9965528B2 (en) * 2013-06-10 2018-05-08 Remote Sensing Metrics, Llc System and methods for generating quality, verified, synthesized, and coded information
US9542627B2 (en) 2013-03-15 2017-01-10 Remote Sensing Metrics, Llc System and methods for generating quality, verified, and synthesized information
US10168448B2 (en) * 2013-04-30 2019-01-01 International Business Machines Corporation Machine learning approach for analysis and prediction of cloud particle size and shape distribution
CN104239662A (zh) * 2013-06-14 2014-12-24 中国科学院城市环境研究所 一种定量评价区域风能资源开发潜力的方法
SG11201509480RA (en) * 2013-06-21 2015-12-30 Landmark Graphics Corp Systems and methods for displaying wells and their respective status on an electronic map
CN103428202B (zh) * 2013-07-24 2016-06-01 浙江大学 基于ftp和xml的遥感数据产品自动监控入库方法
CN103424753A (zh) * 2013-09-02 2013-12-04 中国科学院上海天文台 一种海面溢油及悬浮物遥感监测系统及其监测方法
US9280797B2 (en) 2013-09-19 2016-03-08 General Electric Company System and method to minimize grid spinning reserve losses by pre-emptively sequencing power generation equipment to offset solar generation capacity based on geospatial regional solar and cloud conditions
US8963353B1 (en) 2013-09-19 2015-02-24 General Electric Company System and method to minimize grid spinning reserve losses by pre-emptively sequencing power generation equipment to offset wind generation capacity based on geospatial regional wind conditions
US9557246B2 (en) 2013-10-11 2017-01-31 General Electric Company Method and system for determining power plant machine reliability
CN103487804B (zh) * 2013-10-15 2015-10-28 南京大学 基于冰雷达技术的南极冰下湖半自动识别方法
CN103678793B (zh) * 2013-12-03 2016-05-25 华中科技大学 一种对色散聚光型太阳能发电系统的仿真建模方法
US20150213160A1 (en) * 2014-01-24 2015-07-30 Ut-Battelle, Llc Locally adaptive spatially explicit population projection system
US10026221B2 (en) * 2014-05-28 2018-07-17 The University Of North Carolina At Charlotte Wetland modeling and prediction
US10121106B2 (en) * 2014-06-30 2018-11-06 Digitalglobe, Inc. Spectral data analytic cube classifier (SPADACC) for continuous wide area geospatial modeling using normalized and highly dimensional multispectal raster data
WO2016003555A2 (en) * 2014-07-01 2016-01-07 Scanifly, LLC Device, method, apparatus, and computer-readable medium for solar site assessment
US10147057B2 (en) * 2014-08-13 2018-12-04 Intermap Technologies Inc. Systems and methods for flood zone modeling
US10062119B2 (en) * 2014-08-25 2018-08-28 David P. Groeneveld Method for automated crop insurance loss adjusting for prevented planting conditions
US9952353B2 (en) * 2014-09-13 2018-04-24 International Business Machines Corporation Aggregation and analytics for application-specific optimization based on multiple data sources
CN104281659A (zh) * 2014-09-23 2015-01-14 山东鲁能软件技术有限公司 基于gis平台的地理格网数据的实时气象动态加载方法
CN114019580A (zh) * 2014-09-29 2022-02-08 唯景公司 具有可变距离感测的日光强度或云检测
US11566938B2 (en) 2014-09-29 2023-01-31 View, Inc. Methods and systems for controlling tintable windows with cloud detection
US11781903B2 (en) 2014-09-29 2023-10-10 View, Inc. Methods and systems for controlling tintable windows with cloud detection
GB201510006D0 (en) * 2015-06-09 2015-07-22 Smith Alexis H Flood risk mapping and warning system and method
CN104915456A (zh) * 2015-07-03 2015-09-16 宁夏隆基宁光仪表有限公司 一种基于数据分析系统下的海量用电数据挖掘方法
US10592817B2 (en) 2015-07-13 2020-03-17 International Business Machines Corporation Parameter-dependent model-blending with multi-expert based machine learning and proxy sites
CN105043994A (zh) * 2015-07-21 2015-11-11 青岛市光电工程技术研究院 一种非接触式地表水水质检测装置
US10373011B2 (en) * 2015-08-26 2019-08-06 Onswitch Llc Automated accurate viable solar area determination
US10641758B2 (en) 2015-09-01 2020-05-05 Exxonmobil Upstream Research Company Apparatus, systems, and methods for enhancing hydrocarbon extraction and techniques related thereto
CN105136993A (zh) * 2015-09-24 2015-12-09 浙江吉利控股集团有限公司 一种基于车联网的空气质量检测系统
US10642943B2 (en) 2015-11-04 2020-05-05 Scepter Incorporated Atmospheric sensor network and analytical information system related thereto
WO2017116711A1 (en) * 2015-12-28 2017-07-06 Merial, Inc. Methods of providing grass growth and nematode suitability indices to assist determination of timing of parasiticide treatment
US10684347B2 (en) * 2016-03-08 2020-06-16 Aurora Insight Inc. Systems and methods for measuring terrestrial spectrum from space
US10636044B2 (en) * 2016-03-15 2020-04-28 Accenture Global Solutions Limited Projecting resource demand using a computing device
US20190095556A1 (en) * 2016-03-31 2019-03-28 Nec Corporation Information processing device, simulation method, and non-transitory recording medium storing simulation program
US9888634B1 (en) * 2016-08-10 2018-02-13 Harris Corporation Water irrigation restriction violation system and associated methods
US11544296B1 (en) * 2016-09-15 2023-01-03 Winfield Solutions, Llc Systems and methods for spatially-indexing agricultural content
CN106408604A (zh) * 2016-09-22 2017-02-15 北京数字绿土科技有限公司 一种点云数据的滤波方法及装置
US10692161B2 (en) 2017-03-08 2020-06-23 Station A, Inc. Method and system for determining energy management strategies
US20180307729A1 (en) * 2017-04-24 2018-10-25 Here Global B.V. Method and apparatus for detecting a quality weather provider, weather station, or weather report
KR101762603B1 (ko) 2017-05-23 2017-07-31 주식회사 환경과학기술 토지 이용 데이터 생성 장치 및 방법
US10776531B2 (en) 2017-06-16 2020-09-15 Inventus Holdings, Llc Solar farm design system
EP3649410B9 (en) * 2017-07-07 2022-02-23 Nextracker Inc. System for positioning solar panels in an array of solar panels to efficiently capture sunlight
US10663367B2 (en) 2017-07-28 2020-05-26 International Business Machines Corporation Adaptive sensing for a gas leak detection
US11263707B2 (en) 2017-08-08 2022-03-01 Indigo Ag, Inc. Machine learning in agricultural planting, growing, and harvesting contexts
US10535119B2 (en) 2017-08-11 2020-01-14 Intermap Technologies Inc. Method and apparatus for enhancing 3D model resolution
CN107491618B (zh) * 2017-08-30 2021-02-05 马钢集团设计研究院有限责任公司 一种快速绘制钢结构坡屋面模型的方法
CN107390699B (zh) * 2017-09-04 2023-07-28 广西民族大学 一种甘蔗种植机的路线规划系统及其路线规划方法
WO2019075087A1 (en) * 2017-10-10 2019-04-18 Bentley Systems, Incorporated SOURCE INFRASTRUCTURE DATA ALIGNMENT WITH A BIS CONCEPTUAL SCHEME
WO2019100205A1 (en) * 2017-11-21 2019-05-31 Zte Corporation Wireless communication using spatial reuse
CN108153807A (zh) * 2017-11-21 2018-06-12 中国核电工程有限公司 一种核电厂厂址选择的极端气象设计基准评价方法
US11074746B2 (en) * 2017-12-11 2021-07-27 Locus Social Inc. System and method of highly-scalable mapping and 3D terrain modeling with aerial images
US10614305B2 (en) * 2018-01-04 2020-04-07 Sentera, Inc. Ground control point extraction from planting data
US10778942B2 (en) 2018-01-29 2020-09-15 Metcalf Archaeological Consultants, Inc. System and method for dynamic and centralized interactive resource management
CN108427834A (zh) * 2018-02-13 2018-08-21 中国气象科学研究院 基于中尺度模式的工程台风精细化数值模拟系统及方法
US10822112B2 (en) * 2018-02-14 2020-11-03 General Electric Company Slope-based event detection for turbine engines
US10901091B2 (en) * 2018-02-27 2021-01-26 Woolpert, Inc. Systems and methods for impervious surface detection and classification
CN108959681B (zh) * 2018-04-03 2020-08-04 四川大学 一种基于点云数据的堰塞湖引流道设计方法
US11367093B2 (en) 2018-04-24 2022-06-21 Indigo Ag, Inc. Satellite-based agricultural modeling
US20190325466A1 (en) 2018-04-24 2019-10-24 Indigo Ag, Inc. Satellite-based agricultural modeling
US20210256634A1 (en) * 2018-06-05 2021-08-19 Aquashares Inc. Allocation of natural resources
CN109213759B (zh) * 2018-08-02 2021-09-07 成都信息工程大学 一种大气风场急流线的检测方法
CN112640296A (zh) * 2018-08-28 2021-04-09 耐克斯特拉克尔有限公司 用于将太阳能电池板定位成具有光谱调整辐照度追踪的太阳能电池板阵列的系统及其方法
CN109448821B (zh) * 2018-09-20 2021-07-02 中国石油天然气集团有限公司 一种数字正射影像图的网络传输方法
EP3853532A1 (en) * 2018-09-21 2021-07-28 Eagle View Technologies, Inc. Method and system for determining solar access of a structure
CN109446485B (zh) * 2018-11-05 2023-01-06 江西省国土空间调查规划研究院 一种基于多源数据融合的季节性湖泊湖底地形生成方法
US11251746B2 (en) 2018-11-20 2022-02-15 Nextracker Inc. Staged stowage of solar trackers and method thereof
JP6632693B1 (ja) * 2018-11-29 2020-01-22 株式会社電通 テレビ番組用広告の提供方法
CN113711156A (zh) * 2018-12-10 2021-11-26 精准天气预报股份有限公司 预测热带气旋的影响
CN111383261B (zh) * 2018-12-27 2023-06-20 浙江舜宇智能光学技术有限公司 移动机器人、及其位姿估计方法和位姿估计装置
US11184831B2 (en) 2018-12-31 2021-11-23 Itron, Inc. Solar-powered relay for coupling remotely-located leaf nodes to a wireless network
US11296539B2 (en) * 2018-12-31 2022-04-05 Itron, Inc. Solar hybrid battery for powering network devices over extended time intervals
US11172423B2 (en) 2018-12-31 2021-11-09 Itron, Inc. Solar-powered access point for load balancing network traffic across backhaul networks
US11557059B2 (en) * 2019-03-19 2023-01-17 Here Global B.V. System and method for determining position of multi-dimensional object from satellite images
US11720638B2 (en) * 2019-05-30 2023-08-08 Onlineseedsales Llc Embryonic plant listing system
CN110572620B (zh) * 2019-09-25 2021-05-18 苏州安软信息科技有限公司 一种安全监控平台
US11532093B2 (en) 2019-10-10 2022-12-20 Intermap Technologies, Inc. First floor height estimation from optical images
GB2605295A (en) * 2019-10-23 2022-09-28 Canyon James Commercial farm optimization utilizing simulation, remote sensing, and farmer inputs
CN111091614B (zh) * 2019-11-04 2023-09-15 国网内蒙古东部电力有限公司检修分公司 一种变电站三维实景模型建立方法及系统
WO2021181369A1 (en) * 2020-03-13 2021-09-16 Fathom Solutions For Communications And Information Technology Method and system for predicting corrosion increase rates and remaining life time of pipelines
US20240117944A1 (en) * 2020-03-13 2024-04-11 Fathom Solutions For Communications And Information Technology System for providing integrated pipeline integrity data
US11995565B2 (en) * 2020-04-07 2024-05-28 International Business Machines Corporation Road icing condition prediction for shaded road segments
US11835390B2 (en) * 2020-04-14 2023-12-05 Utah State University Spatially estimating thermal emissivity
WO2021226273A1 (en) * 2020-05-07 2021-11-11 E. & J. Gallo Winery System and method for managing and processing agricultural field data
CN111580517B (zh) * 2020-05-12 2021-02-19 国家海洋技术中心 一种基于无人水面艇的多海湾区域路径遍历方法及系统
CN111950843A (zh) * 2020-06-19 2020-11-17 湖南拓比科技有限公司 一种基于区块链的生态环境开发方法及系统
CN111833445B (zh) * 2020-06-24 2024-05-31 浙江省测绘科学技术研究院 一种基于多源数据的区域地形分割及数字高程模型获取方法
CN111815174A (zh) * 2020-07-10 2020-10-23 中联煤层气有限责任公司 一种确定气田集输系统的架构参数的方法及相关装置
US11487047B2 (en) * 2020-07-15 2022-11-01 International Business Machines Corporation Forecasting environmental occlusion events
US11709819B2 (en) 2020-09-30 2023-07-25 International Business Machines Corporation Validating test results using a blockchain network
CN112381385B (zh) * 2020-11-12 2023-05-30 广东电网有限责任公司广州供电局 一种移动应急电源的选址方法和装置
CN112700045B (zh) * 2020-12-31 2022-05-13 武汉市土地利用和城市空间规划研究中心 一种基于土地储备实施监测模型的智能选址系统
EP4288923A1 (en) * 2021-02-03 2023-12-13 Atlas AI P.B.C. Computer system with economic development decision support platform and method of use thereof
CN112857459B (zh) * 2021-02-04 2022-06-07 中国科学院空天信息创新研究院 定量遥感地面试验协同观测方法及观测平台
CN112985358A (zh) * 2021-02-19 2021-06-18 武汉大学 ICESat-2/ATLAS全球高程控制点提取方法及系统
US11551366B2 (en) 2021-03-05 2023-01-10 Intermap Technologies, Inc. System and methods for correcting terrain elevations under forest canopy
SE2350782A1 (en) * 2021-03-15 2023-10-06 Ganna Arzili Method for using information environment data in a land cadastre system for urban planning
CN113256160B (zh) * 2021-06-21 2021-09-28 西南交通大学 一种以监测数据驱动的综合管廊运维动态风险评价方法
CN113408918B (zh) * 2021-06-28 2022-04-19 哈尔滨工业大学 基于多时相遥感分析的村镇垃圾降尺度时空分布反演方法
CN113486590A (zh) * 2021-07-13 2021-10-08 上海眼控科技股份有限公司 一种数据处理方法、设备和存储介质
WO2023034118A1 (en) 2021-08-30 2023-03-09 Indigo Ag, Inc. Systems for management of location-aware market data
CA3230474A1 (en) 2021-08-31 2023-03-09 Eleanor Elizabeth Campbell Systems and methods for ecosystem credit recommendations
CN113947220A (zh) * 2021-09-27 2022-01-18 长江勘测规划设计研究有限责任公司 基于bim+gis的区域能源站智慧运维系统及其实施方法
CN114117595B (zh) * 2021-11-15 2024-07-02 中铁大桥勘测设计院集团有限公司 涂装面积的计算方法、装置、设备及可读存储介质
US20230152487A1 (en) * 2021-11-18 2023-05-18 Gopal Erinjippurath Climate Scenario Analysis And Risk Exposure Assessments At High Resolution
CN113919964A (zh) * 2021-12-14 2022-01-11 西安航天自动化股份有限公司 一种基于bim的智慧农业大棚管理系统及方法
CN115049317B (zh) * 2022-08-12 2022-10-21 中国长江三峡集团有限公司 一种风力资源评估工具的选择方法、装置及电子设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101167030A (zh) * 2005-04-29 2008-04-23 法特斯帕尼尔技术公司 提高可再生能源系统性能保障

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1090017A (ja) * 1996-09-12 1998-04-10 Japan Aviation Electron Ind Ltd 海面定点を浮遊する多目的ポッド
KR100541930B1 (ko) * 2003-06-02 2006-01-10 학교법인 인하학원 지리정보시스템(지아이에스)을 기반으로 하는 수문모델링방법
KR20050063616A (ko) * 2003-12-22 2005-06-28 재단법인 포항산업과학연구원 풍력 자원 지도화 방법
US7447613B2 (en) * 2004-02-27 2008-11-04 Deere & Company Method and system for providing a diverse supply of electrical energy
US7500391B2 (en) 2006-04-27 2009-03-10 Ecometriks, Llc System and method for identifying the solar potential of rooftops
US20080201180A1 (en) * 2007-02-16 2008-08-21 Green Mark L Facilitating environmental resource and/or energy management on farms
US7832267B2 (en) 2007-04-25 2010-11-16 Ecometriks, Llc Method for determining temporal solar irradiance values
US20090177458A1 (en) * 2007-06-19 2009-07-09 Ch2M Hill, Inc. Systems and methods for solar mapping, determining a usable area for solar energy production and/or providing solar information
EP2045674A1 (en) * 2007-10-01 2009-04-08 Koninklijke Philips Electronics N.V. Building management system with active building skin, an environmental resource collector for use in such a system and a method of managing resources used in a building
EP2215409A4 (en) * 2007-10-04 2014-02-12 Sungevity SYSTEM AND METHOD FOR PROVIDING POWER SUPPLY SYSTEMS
JP5062478B2 (ja) 2007-11-28 2012-10-31 ソニー株式会社 撮像装置および方法、情報処理装置および方法、並びにプログラム
US20090313083A1 (en) * 2008-06-13 2009-12-17 Honeywell International Inc. Renewable energy calculator
KR100989193B1 (ko) * 2008-10-31 2010-10-20 현대건설주식회사 해양 정보 수집 및 모니터링 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101167030A (zh) * 2005-04-29 2008-04-23 法特斯帕尼尔技术公司 提高可再生能源系统性能保障

Also Published As

Publication number Publication date
CN106779804A (zh) 2017-05-31
CA2800867A1 (en) 2011-12-01
EP2577532A2 (en) 2013-04-10
WO2011150319A3 (en) 2012-03-29
US9087338B2 (en) 2015-07-21
US20110295575A1 (en) 2011-12-01
EP2577532A4 (en) 2016-04-06
US20160179994A1 (en) 2016-06-23
CN103003818A (zh) 2013-03-27
WO2011150319A2 (en) 2011-12-01

Similar Documents

Publication Publication Date Title
CN103003818B (zh) 用于广阔地域上的多样化资源基础的测绘建模的系统和方法
Boegh et al. Remote sensing based evapotranspiration and runoff modeling of agricultural, forest and urban flux sites in Denmark: From field to macro-scale
Zhang et al. SWAT‐based hydrological data assimilation system (SWAT‐HDAS): Description and case application to river basin‐scale hydrological predictions
Tian et al. Estimating zero-plane displacement height and aerodynamic roughness length using synthesis of LiDAR and SPOT-5 data
CN107909105A (zh) 一种商业选址方法及系统
Lopez et al. Mapping groundwater abstractions from irrigated agriculture: big data, inverse modeling and a satellite-model fusion approach
Fuka et al. A Simple Process‐Based Snowmelt Routine to Model Spatially Distributed Snow Depth and Snowmelt in the SWAT Model 1
Ferrant et al. Agro-hydrology and multi-temporal high-resolution remote sensing: toward an explicit spatial processes calibration
Liu et al. Spatially disaggregating satellite land surface temperature with a nonlinear model across agricultural areas
Gao et al. Assessing ecological quality based on remote sensing images in Wugong Mountain
Miles et al. The influence of near-field fluxes on seasonal carbon dioxide enhancements: results from the Indianapolis Flux Experiment (INFLUX)
Chang et al. Optimal site selection of watershed hydrological monitoring stations using remote sensing and grey integer programming
Senatilleke et al. Estimation of Potential Evapotranspiration across Sri Lanka Using a Distributed Dual‐Source Evapotranspiration Model under Data Scarcity
Townshend et al. Integrated Global Observations of the Land: an IGOS-P theme
Mango Modeling the effect of land use and climate change scenarios on the water flux of the Upper Mara River flow, Kenya
Fuka Simplifying watershed modeling
Zhang et al. Analysis of influence mechanism of spatial distribution of incoming solar radiation based on DEM
Wang et al. Remote‐Sensing Inversion Method for Evapotranspiration by Fusing Knowledge and Multisource Data
Narasayya et al. Prediction of storm-runoff using physically based hydrological model for burhanpur watershed, India
NSIAH CLIMATE CHANGE IMPACT ON EVAPOTRANSPIRATION IN THE PRA RIVER BASIN, GHANA
Paz Climate interpolation for land resource and land use studies in mountainous regions
Muthuwatta Long term rainfall-runoff: lakelevel modelling of the lake Naivasha basin, Kenya
Dari Towards a better understanding of the Anthropogenic Impact on the Hydrological Cycle: Detecting and Estimating Irrigation through Remote Sensing Soil Moisture
Marquez Quantifying the Contribution of Atmospheric and Land Surface Characteristics to the Prediction of Sub-Pixel Scale Surface Soil Moisture in the Jornada Experimental Range Through Interpretable Machine Learning
Santarsiero SPATIAL ANALYSES AND REMOTE SENSING FOR LAND COVER CHANGE DYNAMICS: ASSESSING IN A SPATIAL PLANNING

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20161221

Termination date: 20180527

CF01 Termination of patent right due to non-payment of annual fee