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

Technische Samenvatting: Integratie van Ruimtelijke Econometrie en Remote Sensing voor de Identificatie van Windenergiecorridors op Pixelniveau

Probleemstelling
Conventionele beoordeling van windbronnen vertrouwt vaak op meteorologische waarnemingen en statistische verdelingen, specifiek de Weibull-verdeling, om de gemiddelde windsnelheid of vermogensdichtheid te evalueren. Deze benaderingen behandelen windkenmerken echter vaak in isolatie, waarbij de cruciale invloed van lokale landgebruikspatronen, oppervlakte-ruwheid en ruimtelijke heterogeniteit wordt genegeerd. Bovendien gaan bestaande literatuur vaak uit van ruimtelijke onafhankelijkheid tussen waarnemingen, wat de Eerste Wet van de Geografie van Tobler schendt, die stelt dat nabijgelegen locaties nauwer met elkaar verbonden zijn dan verre locaties. Dit gebrek aan inzicht kan leiden tot vertekende parameterschattingen en misleidende beleidsconclusies. Daarnaast hebben huidige planningskaders de neiging om geïsoleerde locaties met een hoog potentieel te identificeren in plaats van aaneengesloten ontwikkelingszones, waardoor de economische efficiëntie van verbonden hernieuwbare energiecorridors die de beschikbaarheid van hulpbronnen, toegankelijkheid en transmissie-infrastructuur optimaliseren, wordt gemist.

Methodologie
Deze studie stelt een geïntegreerd kader voor dat hoogwaardige remote sensing-data combineert met ruimtelijke econometrische modellering om windenergiecorridors op pixelniveau in West-Bengalen, India, te identificeren.

1. Databronnen:

   • Windparameters: Weibull-schaalparameter ($A$) en vormparameter ($K$) rasters met een resolutie van 100 meter werden gebruikt. De schaalparameter weerspiegelt de sterkte van het windregime, terwijl de vormparameter de consistentie en stabiliteit van de wind aangeeft.
   • Landbedekking: De Dynamic World-dataset (afgeleid van Sentinel-2 beelden) leverde bijna real-time landbedekkingsclassificaties met een resolutie van 10 meter. Deze werden gehersampled naar 100 meter om overeen te komen met de winddata. Negen landbedekkingsklassen werden overwogen, waaronder bomen, bebouwde gebieden, begroeide watergebieden en landbouwgrond.
   • Ruimtelijke Eenheden: De analyse maakte gebruik van 19 administratieve districten voor econometrische modellering en pixelniveau-data voor corridoridentificatie.

2. Econometrische Benadering:

   • Ruimtelijke Autocorrelatie: Globale Moran's $I$ werd berekend om ruimtelijke afhankelijkheid te testen.
   • Modelestimatie: Drie ruimtelijke econometrische modellen werden geschat en vergeleken met een baseline Ordinary Least Squares (OLS) model:
     • Spatial Autoregressive Model (SAR)
     • Spatial Error Model (SEM)
     • Spatial Durbin Model (SDM)
   • Modelselectie: Het Spatial Error Model (SEM) werd gekozen als de voorkeurspecificatie op basis van informatiecriteria (AIC en BIC) en de stabiliteit van de parameterschattingen. De SDM vertoonde een instabiele ruimtelijke lag-coëfficiënt ($\rho > 1$), wat de betrouwbaarheid voor deze dataset beperkt.

3. Corridoridentificatie:

   • Een samengestelde Windgeschiktheidsindex (WSI) werd geconstrueerd door genormaliseerde Weibull-parameters te combineren met landbedekkingsindicatoren (bebouwde gebieden, boombedekking en begroeide watergebieden), gewogen door hun econometrische coëfficiënten.
   • Potentiële corridors werden gedelineerd met behulp van een percentiel-drempelwaarde (90e percentiel) van de WSI om aaneengesloten zones met een hoge geschiktheid te identificeren.

Belangrijkste Bijdragen
De studie levert vier primaire bijdragen aan de literatuur:

1. Dual-Parameter Integratie: Het breidt traditionele beoordeling uit door gezamenlijk de Weibull-schaalparameter ($A$) en vormparameter ($K$) te overwegen, waardoor zowel windsterkte als -stabiliteit worden vastgelegd voor een meer uitgebreide economische haalbaarheidsanalyse.
2. Integratie van Hoge-Resolutie Landgebruik: Het incorporeert Dynamic World landbedekkingsdata om de effecten van landschappelijke heterogeniteit op windgeschiktheid op pixelniveau te vangen, waarmee verder wordt gegaan dan eenvoudige uitsluitingscriteria.
3. Ruimtelijke Econometrische Rigor: Het houdt expliciet rekening met ruimtelijke afhankelijkheid via ruimtelijke econometrische modellering, waardoor de beperkingen van conventionele regressiemethoden die uitgaan van ruimtelijke onafhankelijkheid worden overwonnen.
4. Corridor-gebaseerde Planning: Het verschuift de focus van het identificeren van geïsoleerde locaties naar het delineëren van aaneengesloten windenergiecorridors, wat een beslissingsondersteunend kader biedt voor regionale energiepolitiek en infrastructuurclustering.

Empirische Resultaten

• Ruimtelijke Autocorrelatie: Globale Moran's $I$ was 0,723 ($p < 0,01$), wat de significante positieve ruimtelijke autocorrelatie in het windpotentieel op districtniveau bevestigt, wat het gebruik van ruimtelijke modellen rechtvaardigt.
• Effecten van Landbedekking:
  • Boombedekking: Vertoonde een statistisch significante negatieve associatie met windpotentieel in alle modellen (OLS, SAR, SEM), wat aangeeft dat dichte vegetatie de oppervlakte-ruwheid verhoogt en de windintensiteit vermindert.
  • Bebouwde Gebieden: In de SEM (het voorkeursmodel) vertoonden bebouwde gebieden een significante negatieve coëfficiënt, wat suggereert dat verstedelijking het windpotentieel vermindert door aerodynamische weerstand en turbulentie.
  • Begroeide Watergebieden: Demonstreerden een significante positieve associatie met windpotentieel, waarschijnlijk door gladdere oppervlakken die stabiele luchtstromen faciliteren.
  • Andere Klassen: Gras, struikgewas en braakliggend land vertoonden gemengde of insignificante resultaten, afhankelijk van de modelspecificatie.
• Modelprestaties: De SEM bood de beste statistische fit (laagste AIC/BIC) met een ruimtelijke foutcoëfficiënt ($\lambda$) van 0,945 ($p < 0,01$). Deze hoge coëfficiënt suggereert dat niet-geobserveerde regionale omgevingsprocessen (bijv. topografie, microklimaten) die gedeeld worden door naburige districten, een dominante rol spelen bij het vormen van windbronnen.
• Corridoridentificatie: De analyse identificeerde aaneengesloten windenergiecorridors, met name in de zuidelijke en kustgebieden van West-Bengalen. Districten zoals Pashchim Medinipur, Barddhaman, Bankura en Puruliya vertoonden een hoog potentieel. De geïdentificeerde corridors beslaan ongeveer 105.776 hectare.

Betekenis en Beperkingen
Het artikel stelt dat het geïntegreerde kader een robuust, op bewijs gebaseerd instrument biedt voor hernieuwbare energieplanning dat de kloof tussen bronbeoordeling en landgebruikplanning overbrugt. Door de negatieve impact van bebouwde gebieden en de positieve rol van open landschappen te benadrukken, suggereert de studie dat stedelijke planning en energiebeleid gecoördineerd moeten worden om windcorridors te behouden. De corridor-gebaseerde benadering wordt gepresenteerd als een strategie om transmissiekosten te verlagen en de haalbaarheid van projecten te verbeteren door regionale clustering.

De auteurs merken bescheiden enkele beperkingen op:

• De econometrische analyse steunt op een beperkt aantal districten (19), wat de generaliseerbaarheid van de coëfficiëntschattingen kan beperken.
• De geïdentificeerde corridors vertegenwoordigen output voor planningsondersteuning op basis van geschiktheidsindices, en geen definitieve technische locaties. Ze vereisen verdere beoordeling met betrekking tot transmissie-infrastructuur, landverwerving, milieuvergunningen en specifieke turbine-engineering.
• De studie richt zich primair op milieukundige en landschappelijke kenmerken, en sluit gedetailleerde economische haalbaarheid, nettoegang en topografische variabelen zoals hoogte en hellingsgraad uit in de initiële modelvorming.

De studie concludeert dat hoewel de geïdentificeerde corridors geen vervanging zijn voor gedetailleerde locatie-specifieke beoordelingen, ze een cruciale strategische laag bieden voor duurzame regionale ontwikkeling en de energietransitie in West-Bengalen.