Skip to main content
SpringerLink
Log in

Energiewende auf dem Dach — Siedlungsstrukturelle Informationen als Grundlage zur Berechnung des Solarpotenzials auf Wohngebäuden

Urban energy transition — settlement structural information as a basis for the calculation of residential rooftop solar potential

  • Published:
KN - Journal of Cartography and Geographic Information Aims and scope Submit manuscript

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.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

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

    Google Scholar 

  • Bayerisches Staatsministerium für Wirtschaft, Infrastruktur, Verkehr und Technologie (StMWVIT) (2010): Bayerischer Solaratlas — Solare Energiegewinnung. München

    Google Scholar 

  • 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

    Article  Google Scholar 

  • Bosch, S.; Peyke, G. (2009): Energiewende durch GIS. GIS. Business — Das Magazin für Geoinformation, 15 (8), S. 44–46

    Google Scholar 

  • European Environment Agency (EEA) (2015): Urban Atlas, http://www.eea.europa.eu/data-and-maps/data/urban-atlas, (14.11.2015)

    Google Scholar 

  • 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)

    Google Scholar 

  • 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

    Google Scholar 

  • Hecht, R. (2014): Automatische Klassifizierung von Gebäudegrundrissen — Ein Beitrag zur kleinräumigen Beschreibung der Siedlungsstruktur. In: IÖR Schriften, Bd. 63. Dresden

    Google Scholar 

  • 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

    Article  Google Scholar 

  • 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

    Google Scholar 

  • 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

    Google Scholar 

  • 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

    Google Scholar 

  • Karlsruher Energie- und Klimaschutzagentur gGmbH (KEK) (2015): Solardachkataster. http://www.gpm-kom8.de/geoapp/solarkataster/karlsruhe/, (25.2.2015)

    Google Scholar 

  • 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

    Google Scholar 

  • 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)

    Google Scholar 

  • Langendörfer, U. (2012): Potentialanalyse Solar. In: Klärle, M. (Hrsg.): Erneuerbare Energien unterstützt durch GIS und Landmanagement, S. 271–281. Berlin, Offenbach

    Google Scholar 

  • 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

    Google Scholar 

  • Lödl, M.; Kerber, G.; Metzger, M.; Hoffmann, C; Witzmann, R. (2010): Abschätzung des Photovoltaik-Potenzials auf Dachflächen in Deutschland. 11. Symposium Energieinnovation, Graz

    Google Scholar 

  • Mapdwell LLC (2015): Solar System Boston, MA. https://www.mapdwell.com/en/boston, (25.2.2015)

    Google Scholar 

  • Miosga, K. (2012): Diskussion und Modellierung siedlungstypspezifischer PV-Ausbauszenarien und Topologien des Niederspannungsnetzes. München

    Google Scholar 

  • 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

    Google Scholar 

  • 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

    Article  Google Scholar 

  • 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

    Google Scholar 

  • 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

    Google Scholar 

  • Schmid, T.; Beer, M.; Corradini, R. (2012b): Energiemodell der Wohngebäude. BWK — Das Energie-Fachmagazin, 64 (1/2), S. 48–53

    Google Scholar 

  • Stadt Augsburg (2012): Solardachflächenkataster. http://www.erneuerbare-energien.augsburg.de/index.php?id=31926, (17.2.2015)

    Google Scholar 

  • Stadt Solingen (2014): Solardachkataster Solingen. http://www.solarkataster.solingen.de, (16.2.2015)

    Google Scholar 

  • 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

    Article  Google Scholar 

  • The City University of New York (CUNY) (2011): NYC Solar MAP. http://www.nycsolarmap.com/, (26.2.2015)

    Google Scholar 

  • 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

    Google Scholar 

  • 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

    Google Scholar 

  • 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

    Article  Google Scholar 

  • 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

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Wissenschaftlicher Mitarbeiter Forschungsstelle für Energiewirtschaft e. V, Augsburg, Deutschland

    Fabian Jetter M. Sc. &  Stephan Bosch Dipl.-Geogr.

  2. Wissenschaftlicher Mitarbeiter Universität Augsburg, Institut für Geographie, Augsburg, Deutschland

    Stephan Bosch Dipl.-Geogr.

Authors
  1. Fabian Jetter M. Sc.
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Stephan Bosch Dipl.-Geogr.
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Stephan Bosch Dipl.-Geogr..

Additional information

Arbeitsgebiete: Geoinformationssysteme in der Energiewirtschaft, Standortpotenziale von erneuerbaren Energien

Arbeitsgebiete: Geoinformationssysteme in der Energiewirtschaft, Geographische Energieforschung, Erneuerbare Energie

Rights and permissions

Reprints and permissions

About this article

Check for updates. Verify currency and authenticity via CrossMark

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

Download citation

  • Received:

  • Accepted:

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/BF03545251

Schlüsselwörter

Keywords

Search

Navigation