柏林Reiner Lemoine Institut的研究人員有效地利用遙感技術探測了沒有電的贊比亞村莊的樣本。他們的研究最近發表在Springer的“能源論文集 ”系列叢書中，強調了機器學習策略在改善世界欠發達地區電氣化規劃方面的潛力。

盡管過去幾年取得了一些進展，但撒哈拉以南非洲的許多地區仍然無法獲得包括電力在內的能源。根據經濟事務研究所(IEA)2017年世界能源展望報告，生活在贊比亞的1700萬人中有三分之二缺電。

為了解決這個問題，首先必須獲得有關該國當前電氣化狀態的準確和詳細信息，確定無法獲得電力的家庭的位置和分布。然后，這些重要數據可用于評估不同電氣化選項的可行性，例如獨立系統，小型電網或電網擴展。

“通過有限的或沒有可用的電力供應區域來更好地了解各自的能源供應選擇，需要有關人們居住地的地理空間數據，”進行這項研究的研究人員之一Catherina Cader告訴TechXplore。“很多時候，特別是在欠發達國家，這些數據或詳細的空間分類信息無法獲得，或者僅在匯總的國家統計數據中，沒有特定地點的信息。”

在最近發表的一項研究中，Cader和她的同事研究了使用公開可用的衛星圖像和機器學習工具來填補這一知識空白，最終改進了能源使用規劃。研究人員使用了遙感技術，這些技術涉及應用機器學習算法，這些算法經過訓練，可對中等分辨率的Sentinel 2多光譜圖像進行分類。

“我們利用衛星數據得出了定居結構和人口密集區，以描繪村莊邊界，”卡德解釋說。“為實現這一目標，土地覆蓋分類采用算法進行，根據以前開發的訓練場地自動檢測居住區域。”

由研究人員使用的算法能14個病房分類不用電，用約10,000公里，總面積2。這些結果非常有希望，突出了遙感在改善贊比亞以及撒哈拉以南非洲其他國家的能源分配方面的潛力。

“開放式衛星數據集和開源軟件使我們能夠進行成功的分類，以確定村莊的位置，”卡德說。“這些信息可以進一步用于能源使用規劃。”

將來，他們的調查結果可以為該地區的官方機構，如農村電氣化局(REA)以及計劃開展電氣化工作的私營企業家的工作提供信息。使用遙感技術收集的信息也可以與其他開源數據結合使用，以便為檢測到的村莊提供更好的人口估計。

“基于我們之前的研究，我們正在努力將遙感數據與能源獲取規劃所需的特定地點調查數據相結合，例如電器，家庭支出或生產用途，”Cader說。“這有助于確定相關性，并允許將結果空間外推到調查樣本之外的地點。”