Zusamenfassung
In Abhängigkeit von den siedlungsstrukturellen Merkmalen Gebäudetyp, Siedlungstyp und Daehform wird das Photovoltaik (PV)-Potenzial auf den Dächern von Wohngebäuden der Stadt Hamburg exakt analysiert. Das Solardachkataster von Hamburg wird hierzu nach Dachformen, Gebäude- und Siedlungstypen differenziert ausgewertet, um Zusammenhänge zwischen Photovoltaik-Potenzial einerseits sowie Gebäudetyp, Siedlungstyp, Dachform und Gebäudeorientierung andererseits aufzuzeigen. Ausgehend von Gebäudegrundrissen werden dabei die Gebäude- und Siedlungstypen sowie die Gebäudeorientierungen mittels geometrischer und GIS-gestützter Verfahren hergeleitet. Auf Basis dieser Datengrundlage sowie zusätzlicher Informationen über den Gebäudebestand einer Raumeinheit lässt sich deren gebäudeintegriertes PV-Potenzial exakter bestimmen als mit bisherigen Verfahren, die ausschließlich auf statistischen Informationen über den Gebäudebestand beruhen.
Abstract
This study precisely analyzes the solar potential on roofs of residential buildings in the city of Hamburg as a function of the city’s settlement structure. Hamburg’s solar cadastre is critically evaluated with regard to rooftops, buildings, and settlement types as well as building alignments. Based on building ground plans, building and settlement types are calculated using geometric and geographic information systems (GlS)-based methods. The set of data thus generated, along with further information on a region’s stock of buildings, allows the determination of its PV potential. This method is more accurate than previous estimations based solely on statistical information on the building stock.
Literatur
Agugiaro, G.; Nex, F.; Remondino, F.; De Filippi, R.; Droghetti, S. und Furlanello, C. (2012): Solar Radiation estimation on building roofs and web-based solar cadaster. In: Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 1–2, XXII ISPRS Congress, 25. August – 01. September 2012, Melbourne
Bayerisches Staatsministerium für Wirtschaft, Infrastruktur, Verkehr und Technologie (StMWVIT) (2010): Bayerischer Solaratlas — Solare Energiegewinnung. München
Borfecchia, F.; Caiaffa, E.; Pollino, M.; De Cecco, L.; Martini, S.; La Porta, L.; Marucci, A. (2014): Remote Sensing and GIS in planning photovoltaic potential of urban areas. In: European Journal of Remote Sensing, 47, S. 195–216
Bosch, S.; Peyke, G. (2009): Energiewende durch GIS. GIS. Business — Das Magazin für Geoinformation, 15 (8), S. 44–46
European Environment Agency (EEA) (2015): Urban Atlas, http://www.eea.europa.eu/data-and-maps/data/urban-atlas, (14.11.2015)
Geiß, C; Taubenböck, H.; Wurm, M.; Esch, T.; Nast, M.; Schillings, C; Blaschke, T. (2011): Remote Sens-ing-Based Characterization of Settlement Structures for Assessing Local Potential of District Heat. In: Remote Sensing and Spatial Information Sciences, Vol. 37. Basel
Hamburg Energie GmbH (o. J.): Der Hamburger Solaratlas — Wie viel Sonne scheint auf Ihr Dach? http://www.hamburgenergie.de/privatkunden/energieerzeugung/solaratlas/, (13.10.2015)
Hecht, R. (2013): Automatische Erkennung von Gebäudetypen auf Grundlage von Geobasisdaten. In: Flächennutzungsmonitoring V — Methodik -Analyseergebnisse — Flächenmanagement. Leibniz -Institut für ökologische Raumentwicklung e. V. (IÖR). Dresden
Hecht, R. (2014): Automatische Klassifizierung von Gebäudegrundrissen — Ein Beitrag zur kleinräumigen Beschreibung der Siedlungsstruktur. In: IÖR Schriften, Bd. 63. Dresden
Henn, A; Römer, C; Gröger, G.; Plümer, L. (2012): Automatic classification of building types in 3D city models. In: Journal Geoinformatica, 16 (2), S. 281–306
Jochem, A; Höfie, B.; Hollaus, M.; Rutzinger, M. (2009): Object detection in airborne LIDAR data for improved solar radiation modelling in urban areas. In: International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. 38, S. 1–6
Kallmünzer, B. (2006): Photovoltaische Freiflächenanlagen — Energiewirtschafdiche und planungsrechtliche Rahmenbedingungen und GIS-gestützte Standortsuche am Beispiel der Gemeinde Kirchweidach, Landkreis Altötting. In: Schmude, J. und Klein, K. (Hrsg.): Arbeitsmaterialien Wirtschaftsgeographie Regensburg, Bd. 14. Regensburg
Kapfenberger-Pock, A (2010): Grazer Solardachkataster — GIS-gestützte Standortanalyse für Solaranlagen. In: Strobl, J.; Blaschke, T.; Griesebner, G. (Hrsg.): Angewandte Geoinformatik 2010 — Beiträge zum 22. AGIT-Symposium Salzburg, S. 504–513
Karlsruher Energie- und Klimaschutzagentur gGmbH (KEK) (2015): Solardachkataster. http://www.gpm-kom8.de/geoapp/solarkataster/karlsruhe/, (25.2.2015)
Kassner, R.; Kopper, W; Schüttenberg, T.; Bareth, G. (2008): Analysis of the solar potential of roofs by using official LIDAR data. In: Proceedings of the International Society for Photogrammetry, Remote Sensing and Spatial Information Sciences. Hannover
Klärle, M. (2011): Ein Solarkataster mit Sun Area. In: Erneuerbare Energien — Das Magazin. http://www.erneuerbareenergien.de/ein-solarkataster-mit-sun-area/150/480/31543/, (11.10.2015)
Langendörfer, U. (2012): Potentialanalyse Solar. In: Klärle, M. (Hrsg.): Erneuerbare Energien unterstützt durch GIS und Landmanagement, S. 271–281. Berlin, Offenbach
Lanig, S.; Knopf, M. (2012): Web-GIS-gestützte Informationen für Bürger, Kommunen, Wirtschaft und Energieversorger. In: Klärle, M. (Hrsg.): Erneuerbare Energien unterstützt durch GIS und Landmanagement, 326–333. Berlin, Offenbach
Lödl, M.; Kerber, G.; Metzger, M.; Hoffmann, C; Witzmann, R. (2010): Abschätzung des Photovoltaik-Potenzials auf Dachflächen in Deutschland. 11. Symposium Energieinnovation, Graz
Mapdwell LLC (2015): Solar System Boston, MA. https://www.mapdwell.com/en/boston, (25.2.2015)
Miosga, K. (2012): Diskussion und Modellierung siedlungstypspezifischer PV-Ausbauszenarien und Topologien des Niederspannungsnetzes. München
Mitschke, C.; Samimi, C. (2008): GIS-basierter Ansatz zur Erkennung geeigneter Dachflächen für Solarenergienutzung im Stadtteil St. Leonhard in Nürnberg. In: Strobl, J.; Blaschke, T.; Griesebner, G. (Hrsg.): Angewandte Geoinformatik 2010 -Beiträge zum 20. AGIT-Symposium Salzburg, S. 482–490
Neidhart, H.; Sester, M. (2003): Identifying building types and building clusters using 3D-laserscanning and GIS-data. In: International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. 37. Hannover
Orford, S.; Radcliffe, J. (2007): Modelling UK residential dwelling types using OS Mastermap data: A comparison to the 2001 census. In: Computers -Environment and Urban Systems, 31 (2), S. 206–227
Rengelink, M.; Van Oosterom, P.; Quak, W; Verbree, E. (2010): Automatic Derivation and Classification of Houses on a Cadastral Map. In: Proceedings of UDMS 2000, 22nd Urban Data Management Symposium. Delft
Schmid, T.; Corradini, R.; Beer, M.; Eller, S.; Carr, L. (2012a): Masterplan: Optimierte Energieversorgung — Projekt im Verbund „Eneff:Stadt — Chancen und Risiken von KWK im politischen Umfeld”. München
Schmid, T.; Beer, M.; Corradini, R. (2012b): Energiemodell der Wohngebäude. BWK — Das Energie-Fachmagazin, 64 (1/2), S. 48–53
Stadt Augsburg (2012): Solardachflächenkataster. http://www.erneuerbare-energien.augsburg.de/index.php?id=31926, (17.2.2015)
Stadt Solingen (2014): Solardachkataster Solingen. http://www.solarkataster.solingen.de, (16.2.2015)
Steiniger, S.; Lange, T.; Burghardt, D.; Weibel, R. (2008): An Approach for the Classification of Urban Building Structures Based on Discriminant Analysis Techniques. In: Transactions in GIS, 12(1), S.31–59
The City University of New York (CUNY) (2011): NYC Solar MAP. http://www.nycsolarmap.com/, (26.2.2015)
Voegtle, T.; Steinle, E.; Tövári, D. (2005): Airborne laserscanning data for determination of suitable areas for photovoltaics. In: Workshop „Laser scanning 2005”, Enschede, September 12–14
Werder, S.; Kieler, B.; Sester, M. (2010): Semi-automatic interpretation of buildings and settlement areas in user-generated spatial data. In: Proceedings of the 18th SIGSPATIAL International Conference on Advances in Geographic Information Systems. New York
Wittmann, H.; Bajons, P.; Doneus, H.; Friesinger, H. (1997): Identification of roof areas suited for solar energy conversion systems. In: Renewable Energy, 11 (1), S. 25–36
Zink, R. (2010): Einbindung von GIS in einen nachhaltigen Planungsprozess von Photovoltaik-Freiflä-chenanlagen auf kommunaler Ebene. In: Strobl J.; Blaschke, T.; Griesebner, G. (Hrsg.): Angewandte Geoinformatik 2010 — Beiträge zum 22. AGIT-Symposium Salzburg, S. 954–963
Author information
Authors and Affiliations
Corresponding author
Additional information
Arbeitsgebiete: Geoinformationssysteme in der Energiewirtschaft, Standortpotenziale von erneuerbaren Energien
Arbeitsgebiete: Geoinformationssysteme in der Energiewirtschaft, Geographische Energieforschung, Erneuerbare Energie
Rights and permissions
About this article
Cite this article
Jetter, F., Bosch, S. Energiewende auf dem Dach — Siedlungsstrukturelle Informationen als Grundlage zur Berechnung des Solarpotenzials auf Wohngebäuden. j. Cartogr. Geogr. inf. 66, 186–193 (2016). https://doi.org/10.1007/BF03545251
Received:
Accepted:
Published:
Issue Date:
DOI: https://doi.org/10.1007/BF03545251