Integrating Spatial Econometrics and Remote Sensing for Pixel-Level Wind Energy Corridor Identification: Evidence from West Bengal, India

Sintesi Tecnica: Integrazione di Econometria Spaziale e Telerilevamento per l'Identificazione di Corridoi di Energia Eolica a Livello di Pixel

Definizione del Problema
La valutazione convenzionale delle risorse eoliche si basa spesso su osservazioni meteorologiche e distribuzioni statistiche, specificamente la distribuzione di Weibull, per valutare la velocità media del vento o la densità di potenza. Tuttavia, questi approcci trattano frequentemente le caratteristiche del vento in isolamento, trascurando l'influenza critica dei modelli locali di uso del suolo, della rugosità superficiale e dell'eterogeneità spaziale. Inoltre, la letteratura esistente spesso assume l'indipendenza spaziale tra le osservazioni, violando la Prima Legge della Geografia di Tobler, la quale postula che le località vicine siano più correlate di quelle distanti. Questa omissione può portare a stime dei parametri distorte e a conclusioni politiche fuorvianti. Inoltre, gli attuali quadri di pianificazione tendono a identificare siti ad alto potenziale isolati piuttosto che zone di sviluppo contigue, perdendo le efficienze economiche di corridoi energetici connessi che ottimizzano la disponibilità di risorse, l'accessibilità e le infrastrutture di trasmissione.

Metodologia
Questo studio propone un framework integrato che combina dati di telerilevamento ad alta risoluzione con la modellazione econometrica spaziale per identificare corridoi di energia eolica a livello di pixel nel Bengala Occidentale, India.

1. Fonti di Dati:

   • Parametri del Vento: Sono stati utilizzati raster dei parametri di scala ($A$) e di forma ($K$) di Weibull a una risoluzione di 100 metri. Il parametro di scala riflette la forza del regime del vento, mentre il parametro di forma indica la costanza e la stabilità del vento.
   • Copertura del Suolo: Il dataset Dynamic World (derivato da immagini Sentinel-2) ha fornito classificazioni della copertura del suolo in tempo quasi reale con una risoluzione di 10 metri. Questi dati sono stati ricampionati a 100 metri per corrispondere ai dati del vento. Sono state considerate nove classi di copertura del suolo, tra cui alberi, aree edificate, vegetazione inondata e colture.
   • Unità Spaziali: L'analisi ha utilizzato 19 distretti amministrativi per la modellazione econometrica e dati a livello di pixel per l'identificazione dei corridoi.

2. Approccio Econometrico:

   • Autocorrelazione Spaziale: È stato calcolato l'indice di Moran globale ($I$) per testare la dipendenza spaziale.
   • Stima del Modello: Sono stati stimati e confrontati tre modelli econometrici spaziali rispetto a un modello di base OLS (Minimi Quadrati Ordinari):
     • Modello Autoregressivo Spaziale (SAR)
     • Modello di Errore Spaziale (SEM)
     • Modello Spaziale di Durbin (SDM)
   • Selezione del Modello: Il Modello di Errore Spaziale (SEM) è stato selezionato come la specifica preferita sulla base dei criteri informativi (AIC e BIC) e della stabilità delle stime dei parametri. Il SDM è stato notato avere un coefficiente di lag spaziale instabile ($\rho > 1$), limitandone l'affidabilità per questo dataset.

3. Identificazione dei Corridoi:

   • È stato costruito un Indice di Idoneità Eolica (WSI) composito combinando i parametri di Weibull normalizzati con indicatori di copertura del suolo (aree edificate, copertura arborea e vegetazione inondata) pesati dai rispettivi coefficienti econometrici.
   • I potenziali corridoi sono stati delineati utilizzando una soglia percentile (90° percentile) del WSI per identificare zone contigue ad alta idoneità.

Contributi Chiave
Lo studio apporta quattro contributi primari alla letteratura:

1. Integrazione di Parametri Duali: Estende la valutazione tradizionale considerando congiuntamente i parametri di scala ($A$) e di forma ($K$) di Weibull, catturando così sia la forza che la stabilità del vento per un'analisi più completa della fattibilità economica.
2. Integrazione della Copertura del Suolo ad Alta Risoluzione: Incorpora i dati di copertura del suolo Dynamic World per catturare gli effetti dell'eterogeneità del paesaggio sulla idoneità eolica a livello di pixel, andando oltre i semplici criteri di esclusione.
3. Rigore Econometrico Spaziale: Tiene esplicitamente conto della dipendenza spaziale attraverso la modellazione econometrica spaziale, superando i limiti degli approcci di regressione convenzionali che assumono l'indipendenza spaziale.
4. Pianificazione Basata sui Corridoi: Sposta il focus dall'identificazione di siti isolati alla delineazione di corridoi energeti eolici contigui, fornendo un framework di supporto alle decisioni per la politica energetica regionale e il raggruppamento delle infrastrutture.

Risultati Empirici

• Autocorrelazione Spaziale: L'indice di Moran globale $I$ è stato 0,723 ($p < 0,01$), confermando una significativa autocorrelazione spaziale positiva nel potenziale eolico a livello di distretto, giustificando l'uso di modelli spaziali.
• Effetti della Copertura del Suolo:
  • Copertura Arborea: Ha mostrato un'associazione negativa statisticamente significativa con il potenziale eolico in tutti i modelli (OLS, SAR, SEM), indicando che la vegetazione densa aumenta la rugosità superficiale e riduce l'intensità del vento.
  • Aree Edificate: Nel SEM (il modello preferito), le aree edificate hanno mostrato un coefficiente negativo significativo, suggerendo che l'urbanizzazione riduce il potenziale eolico a causa del drag aerodinamico e della turbolenza.
  • Vegetazione Inondata: Ha dimostrato un'associazione positiva significativa con il potenziale eolico, probabilmente a causa di superfici più lisce che facilitano un flusso d'aria stabile.
  • Altre Classi: Erba, arbusti e terreni nudi hanno mostrato risultati misti o non significativi a seconda della specifica del modello.
• Performance del Modello: Il SEM ha fornito il miglior adattamento statistico (AIC/BIC più bassi) con un coefficiente di errore spaziale ($\lambda$) di 0,945 ($p < 0,01$). Questo elevato coefficiente suggerisce che i processi ambientali regionali non osservati (ad esempio, topografia, microclimi) condivisi tra i distretti vicini giocano un ruolo dominante nel plasmare le risorse eoliche.
• Identificazione dei Corridoi: L'analisi ha identificato corridoi continui per l'energia eolica, particolarmente nelle parti meridionali e costiere del Bengala Occidentale. Distretti come Pashchim Medinipur, Barddhaman, Bankura e Puruliya hanno mostrato un alto potenziale. I corridoi identificati coprono circa 105.776 ettari.

Significatività e Limitazioni
Il documento sostiene che il suo framework integrato offre uno strumento robusto e basato su evidenze per la pianificazione delle energie rinnovabili che colma il divario tra la valutazione delle risorse e la pianificazione dell'uso del suolo. Evidenziando l'impatto negativo delle aree edificate e il ruolo positivo dei paesaggi aperti, lo studio suggerisce che la pianificazione urbana e la politica energetica debbano essere coordinate per preservare i corridoi eolici. L'approccio basato sui corridoi è presentato come una strategia per ridurre i costi di trasmissione e migliorare la fattibilità dei progetti attraverso il raggruppamento regionale.

Gli autori segnalano modestamente alcune limitazioni:

• L'analisi econometrica si basa su un numero limitato di distretti (19), il che potrebbe vincolare la generalizzabilità delle stime dei coefficienti.
• I corridoi identificati rappresentano output di supporto alla pianificazione basati su indici di idoneità, non siti definitivi per l'ingegneria. Essi richiedono ulteriori valutazioni riguardanti l'infrastruttura di trasmissione, l'acquisizione dei terreni, le autorizzazioni ambientali e l'ingegneria specifica delle turbine.
• Lo studio si concentra principalmente sulle caratteristiche ambientali e del paesaggio, escludendo la fattibilità economica dettagliata, l'accessibilità alla rete e le variabili topografiche come elevazione e pendenza nella fase iniziale del modello.

Lo studio conclude che, sebbene i corridoi identificati non siano un sostituto delle valutazioni dettagliate sul campo, essi forniscono uno strato strategico critico per lo sviluppo regionale sostenibile e la transizione energetica nel Bengala Occidentale.