Anterior|Siguiente

Evolución dinámica del uso del suelo de las centrales fotovoltaicas en la ciudad de Ordos a largo plazo y simulación de escenarios

  • role： First author第一作者
  • Affiliation：

    Inner Mongolia Research Institute of China University of Mining and Technology-Beijing, Ordos 010300, China

  • Email：gqygqy666@163.com
  • Introduction：郭祺钰，研究方向为资源环境遥感。E-mail： gqygqy666@163.com
GUO Qiyu1,  
  • Affiliation：

    Inner Mongolia Research Institute of China University of Mining and Technology-Beijing, Ordos 010300, China

LI Kangning1,  
  • Affiliation：

    State Key Laboratory of Remote Sensing Science, Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China

CHEN Yunhao2,  
  • role： Corresponding author通信作者
  • Affiliation：

    Inner Mongolia Research Institute of China University of Mining and Technology-Beijing, Ordos 010300, China

  • Email：jjb@cumtb.edu.cn
  • Introduction：蒋金豹，研究方向为资源环境遥感。E-mail： jjb@cumtb.edu.cn
JIANG Jinbao1*

resumen

La energía solar, como energía limpia, contribuye a alcanzar los objetivos de pico de carbono y neutralidad de carbono mediante la reducción de las emisiones de carbono. Las centrales fotovoltaicas utilizan la radiación solar para generar electricidad, siendo una forma importante de energía limpia que convierte la energía solar en electricidad mediante la tecnología de conversión fotovoltaica, logrando un proceso de generación de energía bajo en carbono y sin contaminación. Incluir las centrales fotovoltaicas en la clasificación del uso del suelo ayuda a evaluar integralmente el uso de los recursos terrestres y el impacto ambiental ecológico. Sin embargo, los estudios existentes carecen de investigaciones a largo plazo sobre la evolución del uso del suelo para las centrales fotovoltaicas y no hay predicciones futuras basadas en diferentes escenarios políticos para la construcción de centrales fotovoltaicas. Este artículo realiza una interpretación visual de las centrales fotovoltaicas de la ciudad de Ordos basada en datos Landsat 5 y GF-2 del período 2000-2023, y analiza el cambio de área, la conversión de tipos y la variación espacial de las centrales fotovoltaicas en toda la ciudad. Además, el artículo traza una proyección elíptica de Gauss y a través del análisis de la evolución del centroide de la proyección elíptica, analiza las características espacio-temporales de las centrales fotovoltaicas en Ordos cada 5 años en el período 2000-2023. Finalmente, mediante el modelo PLUS se analizan los factores impulsores y se realiza una predicción futura de los tipos de uso del suelo en Ordos bajo diferentes escenarios políticos. Los resultados muestran que el patrón espacial regional del cambio en el uso del suelo en Ordos entre 2000-2011 y 2011-2023 es básicamente consistente, pero las variaciones regionales muestran nuevas características. A partir de 2011, algunos tipos de uso del suelo comenzaron a convertirse en centrales fotovoltaicas. Además, el análisis basado en el modelo PLUS muestra que el crecimiento poblacional, la temperatura de la superficie terrestre, el flujo de calor del suelo, las políticas y la precipitación son los principales factores que causan cambios en el uso del suelo en Ordos, y se realizaron predicciones para el año 2030 bajo tres escenarios políticos. En los tres escenarios, las áreas de construcción, bosque, cuerpos de agua, tierras de cultivo, pastizales y centrales fotovoltaicas muestran una tendencia al aumento. La predicción para 2030 indica que las áreas de desierto y arena disminuirán en 173.57 km² y 1.91 km² respectivamente en comparación con 2023; las otras categorías de uso del suelo aumentarán, incluyendo un incremento aproximado de 2.46 km² en las centrales fotovoltaicas. La predicción de los tipos de uso del suelo en Ordos bajo diferentes escenarios proporciona una base científica para la planificación territorial, la gestión de recursos y la protección ambiental en la ciudad.

palabra clave

teledetección; centrales fotovoltaicas; patrón espacial; cambio espacio-temporal; factores impulsores; simulación de escenarios

References

  1. 1.
    Bian Z H, Ma X X, Gong L C, Zhao J, Zeng C F and Wang L C. 2017. Land use prediction based on clue-s model under different non-spatial simulation methods: a case study of the qinhuai river watershed. Scientia Geographica Sinica, 37(2): 252-258
  2. 2.
    Chen N, Xin C L, Zhang B, Xin S J, Tang D B, Chen H X and Ma X. 2023. Contribution of multi-objective land use optimization to carbon neutrality: a case study of Northwest China. Ecological Indicators, 157: 111219
  3. 3.
    Du H L. 2022. Practical exploration of ordos to promote green and innovative development of energy industry. New Economy and Future Industry, (4): 50-54
  4. 4.
    Feng Q L, Niu B W, Ren Y, Su S, Wang J D, Shi H D, Yang J Y and Han M Y. 2024. A 10-m national-scale map of ground-mounted photovoltaic power stations in China of 2020. Scientific Data, 11: 198
  5. 5.
    Guo G J. 2019. Research on the Influence of local government's environmental policy on regional ecological efficiency: based on 2008~2017 provincial panel data. Shanghai: East China Normal University
  6. 6.
    Hai K, Wang S Y, Tu P, Yang R X, Ma Y X, Liang J Z, Liu W H and Wu L L. 2022. Spatio-temporal patterns and driving forces of recent (1992—2015) land cover change in countries along the belt and road initiative. National Remote Sensing Bulletin, 26(6): 1220-1235
  7. 7.
    Hao Q M. 2014. Study on the current situation and development of solar energy application in Erdos city. Technological Pioneers, (3): 151-152
  8. 8.
    Hazra A, McNally A, Slinski K, Arsenault K R, Shukla S, Getirana A, Jacob J P, Sarmiento D P, Peters-Lidard C, Kumar S V and Koster R D. 2023. NASA’s NMME-based S2S hydrologic forecast system for food insecurity early warning in southern Africa. Journal of Hydrology, 617: 129005.
  9. 9.
    Jiang H, Yao L, Bai Y Q and Zhou C H. 2024. Assessment of rooftop photovoltaic power generation potentials by using multisource remote sensing data. National Remote Sensing Bulletin, 28(11): 2801-2814
  10. 10.
    Karra K, Kontgis C, Statman-Weil Z, Mazzariello J C, Mathis M and Brumby S P. 2021. Global land use/land cover with Sentinel 2 and deep learning//2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS. Brussels: IEEE: 4704-4707
  11. 11.
    Li K N, Chen Y H, Wang M J and Gong A D. 2019. Spatial-temporal variations of surface urban heat island intensity induced by different definitions of rural extents in China. Science of the Total Environment, 669: 229-247.
  12. 12.
    Liang J T, Chen C, Sun W W, Yang G, Liu Z S and Zhang Z L. 2023. Spatio-temporal land use/cover change dynamics in Hangzhou Bay, China, using long-term Landsat time series and GEE platform. National Remote Sensing Bulletin, 27(6): 1480-1495
  13. 13.
    Liang X, Guan Q F, Clarke K C, Liu S S, Wang B Y and Yao Y. 2021. Understanding the drivers of sustainable land expansion using a patch-generating land use simulation (PLUS) model: a case study in Wuhan, China. Computers, Environment and Urban Systems, 85: 101569.
  14. 14.
    Liu B C and Huo X K. 2024. Prediction of photovoltaic power generation and analyzing of carbon emission reduction capacity in China. Renewable Energy, 222: 119967.
  15. 15.
    Liu B X, Huang Y H, Fu J Y and Jiang D. 2012. Analysis on spatio-temporal change and driving forces of land use in Tianjin harbor. Journal of Geo-information Science, 14(2): 270-278
  16. 16.
    Liu J Y and Buheaosier. 2000. Study on spatial-temporal feature of modern land-use change in China: using remote sensing techniques. Quaternary Sciences, 20(3): 229
  17. 17.
    Long R Y, Cui W H and Li Q W. 2017. The evolution and effect evaluation of photovoltaic industry policy in China. Sustainability, 9(12): 2147
  18. 18.
    Ma S, Liu J H, Zhang P, Tu X Y, Zhou J N, Liu Y and Zheng Y J. 2023. Characterizing the development of photovoltaic power stations and their impacts on vegetation conditions from Landsat time series during 1990-2022. Remote Sensing, 15(12): 3101
  19. 19.
    Prudente V H R, Skakun S, Oldoni L V, Xaud H A M, Xaud M R, Adami M and Sanches I D. 2022. Multisensor approach to land use and land cover mapping in Brazilian Amazon. ISPRS Journal of Photogrammetry and Remote Sensing, 189: 95-109
  20. 20.
    Qu Z, Yang S C, Xiao J H. 2024. Current situation and potential of photovoltaic power plant construction in northwestern China under the background of carbon peaking and carbon neutrality. Journal of Arid Land Resources and Environment, 38(2): 20-26
  21. 21.
    Quan J L, Chen Y H, Zhan W F, Wang J F, Voogt J and Wang M J. 2014. Multi-temporal trajectory of the urban heat island centroid in Beijing, China based on a Gaussian volume model. Remote Sensing of Environment, 149: 33-46
  22. 22.
    Tang X J, Woodcock C E, Olofsson P and Hutyra L R. 2021. Spatiotemporal assessment of land use/land cover change and associated carbon emissions and uptake in the Mekong River Basin. Remote Sensing of Environment, 256: 112336.
  23. 23.
    Tian Z Q, Zhang Y, Liu X, Chen S Y, Liu B L and Wu J H. 2024. Effects of photovoltaic power station construction on terrestrial environment: retrospect and prospect. Environmental Science, 45(1): 239-247
  24. 24.
    Wang B J and Yu P. 2022. Evaluation on the policy efficacy and effect of photovoltaic industry——quantitative analysis of China's policy texts from 2010 to 2020. Soft Science, 36(8): 9-16
  25. 25.
    Wang Z Y, Wang J, Gao Y, Dang X H and Meng Z J. 2019. Impacts of photovoltaic power station construction on ecology environment in sandy area. Bulletin of Soil and Water Conservation, 39(1): 191-196
  26. 26.
    Xu X C, Li B J, Liu X P, Li X and Shi Q. 2021. Mapping annual global land cover changes at a 30 m resolution from 2000 to 2015. National Remote Sensing Bulletin, 25(9): 1896-1916
  27. 27.
    Yu Z L, Zhao M S, Gao Y F, Wang T, Zhao Z D and Wang S H. 2023. Multiscenario simulation and prediction of land use in Huaibei city based on CLUE-S and PLUS models. Applied Sciences, 13(12): 7142.
  28. 28.
    Zhang X, Liu L Y, Chen X D, Gao Y, Xie S and Mi J. 2020. GLC_FCS30: global land-cover product with fine classification system at 30 m using time-series Landsat imagery. Earth System Science Data, 13(6): 2753-2776
  29. 29.
    Zhang X, Wang M P and Shi W. 2024. Scenario analysis of PV power generation path in Ordos region under carbon neutrality target. Solar Energy, (4): 20-28.
  30. 30.
    Zhu J F, Zhou Y, Wang S X, Wang L T, Liu W L, Li H T and Mei J J. 2019. Analysis of changes of Baiyangdian wetland from 1975 to 2018 based on remote sensing. Journal of Remote Sensing (in Chinese), 23(5): 971-986
  31. 31.
    Zou C N, Li S X, Xiong B, Chen Y P, Zhang G S, Xie X P, Liu H L, Ma F, Liang Y B, Zhu K, Guan C X, Pan S Q, Hou M F, Yuan Y L, Lou S H.2024. Connotation, pathway and significance of carbon neutrality “super energy system”: A case study of the Ordos Basin, NW China. Petroleum Exploration and Development, 51(4): 924-936

Leer el texto completo

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website