OpenPVMapper: A Multi-source, Nationwide Database of Rooftop Photovoltaic Systems in France
تقدم الورقة البحثية OpenPVMapper، وهو قاعدة بيانات وطنية مفتوحة تضم أكثر من 1.1 مليون من تركيبات الألواح الكهروضوئية فوق الأسطح في فرنسا القارية، تم إنشاؤها من خلال تجميع وتوفيق مصادر بيانات متعددة ومستقلة لتحقيق مجموعة بيانات شاملة وعالية الثقة على مستوى التركيبات تتجاوز حدود السجلات العامة الحالية وجهود الاستشعار عن بعد أحادية الطريقة.
تخيل أنك تحاول عد كل طائر في غابة شاسعة وصاخبة، لكن لا يمكنك السير بين الأشجار. لا يمكنك أن تطلب من الطيور رفع أيديها، وحراس الغابة لا يسجلون سوى إحصاء تقريبي للنسور العملاقة، متجاهلين العصافير الصغيرة. هذا هو التحدي الذي يواجهه العلماء عند محاولة تتبع الألواح الشمسية فوق الأسطح. هذه الألواح هي "العصافير" في عالم الطاقة: الملايين منها، تظهر فوق المنازل والشركات الصغيرة كل يوم، وغالبًا دون أن يعلم بوجودها أي مكتب مركزي. وبينما يسهل رصد مزارع الطاقة الشمسية الكبيرة، فإن هذه المولدات الصغيرة والموزعة منتشرة في كل مكان، مما يجعل رسم خريطة لها أمرًا صعبًا للغاية.
ولحل هذه المشكلة، يستخدم الباحثون حيلتين رئيسيتين. الأولى هي استخدام "الاستشعار عن بُعد"، وهو يشبه التقاط صورة عالية الدقة لغابة كاملة من طائرة بدون طيار أو قمر صناعي، واستخدام عقل كمبيوتر فائق الذكاء (يسمى التعلم العميق) لرصد المستطيلات الزرقاء اللامعة للألواح الشمسية. الثانية هي "التعهيد الجماعي"، حيث يقوم متطوعون على خريطة عالمية (مثل OpenStreetMap) برسم أماكن الألواح التي يرونها يدويًا، تمامًا مثل مراقبي الطيور الذين يسجلون مشاهداتهم. المشكلة تكمن في أن عقل الكمبيوتر قد يتشتت أحيانًا بالظلال أو الأسطح الزرقاء، والمتطوعون لا يمكنهم التواجد في كل مكان في آن واحد. لذا، السؤال الكبير هو: كيف نحصل على صورة كاملة ودقيقة لهذه الشبكة الطاقية الخفية دون تفويت الأشياء الصغيرة أو عدّ ألواح وهمية؟
هنا يأتي مشروع OpenPVMapper، وهو مشروع جديد يعمل كالمحقق الخارق للألواح الشمسية عبر فرنسا. فبدلاً من الاعتماد على محقق واحد فقط، دمج الفريق ثلاثة مصادر مختلفة من المعلومات لبناء أكثر خريطة كاملة للألواح الشمسية فوق الأسطح تم إنشاؤها للبلاد على الإطلاق. لقد أخذوا "أفضل تخمين" للكمبيوتر من الصور الجوية، وأضافوا إليه طريقة كمبيوتر ثانية تعتمد على سجلات المباني، ثم نثروا فوقها المواقع التي تم التحقق منها بشريًا من الخريطة العالمية.
إليك الخدعة السحرية: عندما يتفق محققان مستقلان أو أكثر على وجود لوح شمسي، يصبح الفريق شبه متأكد من أنه حقيقي. أما إذا رصد محقق واحد فقط ذلك اللوح، فيقوم الفريق بتصنيفه كـ "ربما". ومن خلال مزج هذه المصادر، أنشأوا قاعدة بيانات تضم 1,135,850 تركيبًا شمسيًا فرديًا، بإجمالي قدرة يصل إلى حوالي 15.01 جيجاوات ذروة (GWp). تغطي هذه الخريطة تقريبًا كل نظام شمسي فوق الأسطح بقدرة أقل من 36 كيلووات ذروة (kWp) (وهو حجم الأنظمة المنزلية النموذجية)، وهي فئة غالبًا ما تغفل عنها السجلات الحكومية الرسمية.
لم يكتفِ الفريق بالتخمين؛ بل اختبروا عملهم. فقد قاموا بفحص يدوي لعينة مكونة من 1,862 تركيبًا ووجدوا أن الخريطة دقيقة بنسبة 74-75% بشكل عام. ولكن إليكم الجزء المثير: عندما اتفق مصدران مختلفان على موقع ما، قفزت الدقة إلى 97%، وعندما اتفقت ثلاثة مصادر، وصلت إلى 98%. وهذا يثبت أن الجمع بين طرق مختلفة أفضل بكثير من الثقة في طريقة واحدة فقط. الخريطة متاحة الآن للجميع لاستخدامها، مما يساعد الباحثين والمخططين على فهم مقدار الطاقة الشمسية التي يتم توليدها بالفعل عبر فرنسا، وصولاً إلى مستوى كل سطح على حدة.
ملخص تقني: OpenPVMapper
بيان المشكلة تشكل أنظمة الطاقة الكهروضوئية (PV) فوق الأسطح الغالبية العظمى من قدرة الطاقة الكهروضوئية المتصلة بالشبكة، ومع ذلك لا توجد قاعدة بيانات مفتوحة وشاملة على مستوى التركيبات لهذه الأنظمة. عادةً ما تقوم السجلات الإدارية العامة بتجميع البيانات فوق عتبات قدرة محددة (مثل 36 كيلوواط ذروة في فرنسا) أو تخفي المواقع الدقيقة للوحدات الأصغر. وبينما برز الكشف القائم على الاستشعار عن بُعد كبديل قابل للتطبيق، فإن الجهود أحادية الطريقة تظل محدودة بطبيعتها من حيث النطاق الجغرافي، والتغطية الزمنية، وتحيزات الكشف المحددة. وفي المقابل، توفر البيانات التي يساهم بها المجتمع مثل OpenStreetMap (OSM) موثوقية عالية لكل سجل من خلال التحقق البشري، لكنها تفتقر إلى الشمولية الجغرافية المطلوبة للتحليل على المستوى الوطني. ويتمثل التحدي الجوهوي في بناء قاعدة بيانات تتغلب على قيود أي مصدر واحد من خلال الاستفية من التكرار ونقاط القوة المتكاملة لتدفقات بيانات متعددة ومستقلة.
المنهجية تم بناء OpenPVMapper من خلال تجميع وتوفيق ثلاثة مصادر مستقلة ومتميزة للبيانات لفرنسا القارية:
DeepPVMapper: مسار معالجة يعتمد على التعلم العميق تم نشره على صور جوية وطنية (IGN BD ORHTO، بدقة 20 سم/بكسل). يستخدم نموذج تصنيف Inception-v3 لفحص بلاطات الصور، يليه نموذج تقسيم DeepLab-v3 لاستخراج أقنعة الخلايا الكهروضوئية على مستوى البكسل. يتم تحويل هذه الأقنعة إلى مضلعات محددة جغرافياً وتوصيفها (المساحة، الميل، السمت، القدرة) باستخدام PyPVRoof. يوفر هذا المصدر تغطية جغرافية واسعة ولكنه محدود بالتركيبات التي تتراوح بين 300 واط ذروة و36 كيلوواط ذروة، ويرث تحيزات كشف محددة.
FRPV (وجود الخلايا الكهروضوئية على الأسطح الفرنسية): مجموعة بيانات للكشف على مستوى المباني تغطي 95 قسمًا من أصل 96. وخلافًا للمصادر الأخرى، يوفر FRPV درجة احتمالية لكل قطعة أرض كادسترالية (سجل عقاري) بدلاً من مضلع جاهز للاستخدام. يتم تطبيق عتبة قرار (تمت معايرتها عند 0.5 عبر تحليل الدقة والاستدعاء على عينة طبقية) لترقية القطع لتصبح مرشحة لتركيبات جديدة.
OpenStreetMap (OSM): مجموعة بيانات ساهم بها المجتمع حيث يتم رسم الخرائط والتحقق من التركيبات يدويًا. ورغم كونها مشتتة وغير موزعة بشكل متساوٍ جغرافيًا، يتم التعامل مع OSM باعتبارها المصدر الأكثر موثوقية للهندسة (Geometry) والتحقق في حال وجودها.
مسار دمج وإثراء البيانات يتبع بناء قاعدة البيانات عملية مكونة من ثلاث مراحل:
التوحيد (Uniformization): يتم ربط المخططات غير المتجانسة بمخطط مستهدف مشترك، باستخدام مخطط DeepPVMapper كمرجع.
التدرج الهرمي (Hierarchisation): عندما تحدد مصادر متعددة نفس التركيبة، يحدد تسلسل هرمي ثابت الهندسة المرجعية: التصحيح > OpenStreetMap > DeepPVMapper > اكتشافات الطرف الثالث. لا يُستخدم FRPV كمصدر للهندسة (Geometry) بل يعمل كإشارة كشف. إذا قدم OSM هندسة معينة، فإنها تحل محل المصادر الأخرى، ويتم إعادة حساب الخصائص بناءً على المضلع الجديد.
الإثراء (Enrichment): يدمج المسار بيانات من حقب زمنية مختلفة لإنشاء تواريخ أول ظهور وآخر ظهور. تتم معالجة الاكتشافات القائمة على النقاط (من FRPV أو حالات السلبية الكاذبة المؤكدة) من خلال مسار التقسيم لتوليد مضلعات.
النتائج الرئيسية تحتوي قاعدة البيانات الناتجة على 1,135,850 تركيباً بإجمالي قدرة تقديرية تبلغ 15.01 جيواط ذروة.
تكوين المصادر: يمثل DeepPVMapper وFRPV مجتمعين حوالي 95% من قاعدة البيانات. تساهم OSM بحصة أصغر من حيث العدد ولكنها تغطي بشكل غير متناسب التركيبات الأكبر (>36 كيلوواط ذروة)، مما يسد فجوة حرجة تركتها الطرق الآلية.
التأكيد (Corroboration): يوجد 430,940 تركيباً مؤكداً بواسطة مصدرين مستقلين أو أكثر.
الدقة: تكشف المراجعة اليدوية لعينة طبقية (1,862 تركيباً) أنه بينما تتباين الدقة المستقلة (DeepPVMapper ~71%، FRPV ~78%، OSM ~98%)، فإن التأكيد متعدد المصادر يعزز الدقة بشكل كبير. فالتركيبات المؤكدة من مصدر واحد تبلغ دقتها ~71.5%، وترتفع إلى 96.9% لمصدرين و98.2% لثلاثة مصادر. تُقدر الدقة الإجمالية لقاعدة البيانات بـ 74–75%.
التغطية: تغطي مجموعة البيانات أكثر من ثلثي القدرة المسجلة لدى مشغلي الشبكة (حتى الربع الثاني من عام 2025) وتلتقط جميع أنظمة الطاقة الكهروضوئية فوق الأسطح التي تقل عن 36 كيلوواط ذروة تقريباً (97%)، وهو قطاع لم يتم توثيقه جيداً تاريخياً.
الأهمية والادعاءات يزعم البحث أن OpenPVMapper يمثل أضخم جهد حتى الآن لرسم خرائط الأنظمة الفردية للطاقة الكهروضوئية فوق الأسطح في فرنسا. تكمن أهميته الأساسية في إثبات أن تجميع المصادر المستقلة والمشوبة بالضجيج يؤدي إلى مستوى من الثقة لا يمكن تحقيقه بأي طريقة منفردة. ويفترض المؤلفون أن عدد المصادر المؤكدة يمكن أن يعمل كوكيل مباشر لدقة تركيب معين، مما يسمح للمستخدمين بتصفية قاعدة البيانات بناءً على مستويات الثقة المطلوبة.
يؤكد العمل على مبدأ أن طرق الكشف الآلي تعمل كمساهمات غزيرة ولكنها أقل موثوقية، بينما تعمل البيانات التي تحقق منها البشر (OSM) كمرساة عالية الدقة. ومن خلال الجمع بينهما، تحقق قاعدة البيانات توازناً بين النطاق والموثوقية. ويشدد المؤلفون على أن النظام مصمم ليكون قابلاً للتوسع؛ حيث يسمح الهيكل الهرمي بدمج جهود رسم الخرائط المستقبلية أو بيانات التحقق دون الحاجة إلى إعادة تصميم المخطط. يتم إصدار مجموعة البيانات تحت رخصة CC-BY إلى جانب الكود المصدري الكامل، مما يتيح إعادة الإنتاج والمزيد من الصقل المدفوع من قبل المجتمع.