利用基于无人机（UAS）的数字摄影测量技术和地理信息系统（GIS）空间分析对城市屋顶太阳能潜力进行的大规模建模：以保加利亚索菲亚市为例 Stelian Dimitrov, Martin Iliev, Bilyana Borisova, Stefan Petrov, Ivo Ihtimanski, Leonid Todorov, Ivan Ivanov, Stoyan Valchev, Kristian Georgiev

《Urban Science》：Large-Scale Modeling of Urban Rooftop Solar Energy Potential Using UAS-Based Digital Photogrammetry and GIS Spatial Analysis: A Case Study of Sofia City, Bulgaria Stelian Dimitrov, Martin Iliev, Bilyana Borisova, Stefan Petrov, Ivo Ihtimanski, Leonid Todorov, Ivan Ivanov, Stoyan Valchev and Kristian Georgiev

　　摘要
城市屋顶光伏系统代表了一种重要的但仍未得到充分利用的可再生能源资源，尤其是在高密度居住环境中。然而，由于城市形态的复杂几何形状和高分辨率地理空间数据的有限可用性，对屋顶太阳能潜力的大规模准确评估仍然具有挑战性。本研究提出了一种大规模的方法框架，利用基于无人驾驶航空系统（UAS）的数字摄影测量和基于GIS的空间分析来估算城市屋顶空间的理论光伏潜力。该方法将来自固定翼UAS调查的厘米级分辨率数字表面模型（DSM）和正射照片与在GIS环境中实现的详细屋顶矢量化和太阳辐射建模相结合。该方法考虑了屋顶的几何形状、表面方向、坡度、阴影效应以及安装在屋顶上的障碍物。数据收集包括适合进行详细三维重建的高分辨率RGB图像，这些图像由配备S.O.D.A. 3D摄影测量相机的UAS捕获，从而生成密集的、地理参考的三维点云。基于该点云，生成了高分辨率的数字表面模型（DSM）。利用UAS图像创建的正射照片对屋顶边界和安装在其上的结构进行了数字化。分析工作流程包括使用ArcGIS Pro进行太阳辐射建模。接下来的方法步骤是筛选出低辐射屋顶、陡坡和朝北的屋顶。最后，我们计算了潜在的电力产量。该框架应用于保加利亚索菲亚的高密度住宅区，这些地区以平屋顶的预制板建筑为主。在这些研究中，无人机应用通常仅限于建模单个屋顶，这严重限制了其进行全区评估的可行性。为了克服这一问题，本研究采用了一种专门为在人口密集的城市环境中合法操作而认证的固定翼UAS。该平台能够快速测绘大面积区域，确保一致的照明和阴影条件，从而显著提高后续屋顶数字化的精度。此外，厘米级的精确度使得微小屋顶障碍物的精确矢量化成为可能。捕捉这些复杂细节是一项关键的创新，有效防止了传统大规模模型中常见的太阳能潜力高估现象。太阳辐射在全年周期内以像素级别进行建模，并根据光伏适用性标准进行筛选，包括最低年辐射阈值、坡度和朝向限制。随后使用区域统计数据和代表当代光伏安装的系统性能参数估算了理论电力产量。结果表明，分析的屋顶空间的总理论年电力潜力约为76.7吉瓦时（GWh），平均每个屋顶的产量约为34兆瓦时（MWh），且存在明显的空间变异性，这由屋顶的几何形状和暴露条件驱动。研究结果展示了现有城市屋顶基础设施中蕴含的巨大可再生能源潜力，并突出了基于UAS的摄影测量在高中分辨率、大面积太阳潜力评估中的适用性。所提出的框架为城市能源规划、市政太阳地籍开发以及将光伏系统战略性地整合到密集城市环境中提供了可操作的信息。

1. 引言
快速的城镇化进程加上加速的气候变化和日益增长的能源需求，给城市能源系统带来了越来越大的压力，要求其向更可持续和有弹性的模式转变。城市集中了人口、基础设施和能源消费，同时也加剧了环境挑战，如城市热岛效应、空气污染和资源短缺。在这种背景下，城市能源平衡成为一个关键的研究领域，它将城市形态、表面属性和气候过程与能源生产和消费模式联系起来[1,2,3,4,5]。
在可再生能源中，由于太阳能的广泛可用性和与建筑结构的兼容性，它在城市环境中扮演着特别重要的角色。特别是屋顶光伏（PV）系统，代表了尚未得到充分利用的可再生能源资源，用于分散式电力生成[6,7]。城市屋顶提供了广阔的表面积，可以利用这些面积进行发电，同时土地使用冲突相对较小，技术限制有限，且安装成本稳步下降。因此，评估屋顶太阳能潜力已成为可持续城市能源规划和气候适应策略的重要组成部分[8,9,10]。这种资源丰富，使用技术限制较少，并且可以以相对较低的成本安装光伏面板[11]。
然而，准确估计屋顶太阳能潜力仍然是一个复杂任务，需要详细表示城市形态，包括建筑物高度、屋顶几何形状、朝向以及影响阴影和太阳辐射的周围结构的空间配置[12,13]。在密集的城市环境中，这些参数具有高度异质性，使用低分辨率数据集无法可靠捕获[11]。
现有的屋顶太阳能潜力评估方法大致可以分为几类方法。大规模研究通常依赖于卫星图像和通用建筑数据集，这可以实现区域或国家层面的评估，但通常涉及对屋顶几何形状和阴影条件的简化表示，从而导致太阳能潜力的潜在高估[9,14]。更详细的分析通常基于LiDAR数据，这些数据提供高分辨率的三维信息，能够更准确地建模城市形态和阴影效应[15,16]。然而，LiDAR的应用常常受到高获取成本、数据可用性有限和操作挑战的限制，特别是在大规模或异质的城市地区。
近年来，基于UAV的摄影测量作为一种有前景的替代方案出现，提供了非常高的空间分辨率和详细的屋顶几何形状重建[17,18,19]。这些方法能够准确识别屋顶特征并改善太阳辐射建模。然而，大多数基于UAV的研究由于飞行时间、覆盖效率和数据处理要求等操作限制，局限于相对较小的空间范围。
因此，文献中一直存在空间分辨率和空间覆盖范围之间的基本权衡：高分辨率方法（例如LiDAR和UAV）通常应用于局部尺度，而大规模评估则依赖于几何精度较低的一般化数据。
在这种背景下，本研究旨在通过结合固定翼UAS摄影测量来弥合这一差距，该方法能够在广阔的城市区域内实现厘米级的空间分辨率。通过将高分辨率数据采集与高效的空间覆盖相结合，所提出的方法将详细的屋顶太阳能潜力评估从建筑物或社区层面扩展到街区层面，同时保持高水平的几何精度和操作可行性。
地理信息系统（GIS）已成为屋顶太阳能潜力研究的主要分析框架，能够将空间数据集与太阳辐射模型集成[11,14]。当与高质量的高程数据结合使用时，基于GIS的方法可以考虑阴影效应、表面朝向和太阳辐照度的时间变化[15]。机载LiDAR数据因其高垂直精度而被广泛用于此目的；然而，它们的应用常常受到可用性有限、高获取成本、后勤复杂性和人口密集地区的操作限制[16]。这些限制降低了LiDAR在许多城市环境中进行快速、大规模评估的可行性，特别是在缺乏开放获取高分辨率数据集的地区[17]。
近年来，结合数字摄影测量的无人驾驶航空系统（UAS）已成为高分辨率城市数据获取的可行替代方案[18,19]。UAS技术、传感器质量和摄影测量处理的进步现在能够生成厘米级空间分辨率的详细数字表面模型（DSM）和正射照片[17]。特别是固定翼UAS平台，能够在保持高几何精度的同时有效覆盖大面积城市区域[16]。这些能力使得基于UAS的摄影测量特别适合需要空间细节和操作灵活性的大规模屋顶太阳能潜力评估[15]。
尽管关于屋顶光伏潜力的研究越来越多，但仍存在一些空白。许多研究要么集中在单个建筑的小规模分析上，要么基于通用或中等分辨率数据集进行全城范围的评估[12,20,21]。缺乏有效结合极高空间分辨率、大空间范围和实际城市规划及能源管理适用性的方法框架[16]。这一问题在东欧城市尤为明显，那里的城市形态主要受二十世纪下半叶建设的大规模住宅开发影响，且详细的、开放获取的地理空间数据集往往不可用[9,22,23]。
在此背景下，本研究旨在适应并测试一种大规模方法，使用基于UAS的数字摄影测量和GIS空间分析来评估城市屋顶空间的理论光伏潜力。该方法应用于保加利亚索菲亚的高密度住宅区Lyulin，该地区以大面积平屋顶板建筑和复杂的城市形态为特征。通过结合厘米级分辨率的DSM、详细的屋顶矢量化和基于GIS的太阳辐射建模，本研究旨在为大规模城市区域提供现实且空间明确的屋顶太阳能潜力估算。
本研究的主要贡献有三个方面。首先，证明了固定翼UAS摄影测量在广阔城市区域内生成厘米级DSM的操作可行性。通过将非常高的空间分辨率与高效的区域覆盖相结合，这种方法提高了基于UAV的方法的可扩展性，并有助于克服空间分辨率和空间范围之间的著名权衡。其次，它引入了一个高分辨率的屋顶特征描述框架，明确考虑了屋顶障碍物和几何限制，从而显著提高了光伏潜力估算的准确性，减少了与通用数据集和简化屋顶表示相关的过高估计偏差。第三，它提出了一个集成的大规模太阳能潜力评估工作流程，结合了高分辨率数据采集、详细的3D建模和基于GIS的太阳辐射分析。这提高了该方法在城市太阳地籍开发中的适用性，提供了可直接支持市政规划、能源政策制定和将可再生能源整合到城市能源系统中的空间明确、操作相关的输出。
与基于卫星的方法相比，所提出的方法实现了显著更高的空间分辨率和数据保真度，同时保持了操作灵活性[24]；与基于LiDAR的解决方案相比，它是一种更具成本效益且实际可部署的替代方案，特别是在高获取成本和操作限制可能限制此类数据使用的城市环境中[25,26]。

2. 材料与方法
本研究的方法框架基于这样一个前提：对城市形态结构参数的准确和详细描述是评估特定地理条件下理论太阳能潜力的主要信息基础。因此，特别强调了数字表面模型（DSM）的精确定义和生成。在太阳能评估的背景下，高质量的DSM提供了关于城市物体高程差异和表面地形的关键信息，这些因素强烈影响研究区域的太阳辐照分布。通过将DSM数据整合到分析工作流程中，可以明确考虑周围建筑物、植被和其他地形特征引起的阴影效应，从而更真实地估算屋顶光伏系统的潜在发电量。图1展示了所进行研究的主要方法方案。图1. 研究的方法方案。流程图详细介绍了用于估算理论屋顶电力产量的逐步空间过滤和计算过程。作为太阳能潜力评估的方法基础，本研究采用了ESRI培训和研究团队开发的方法。作者进一步适应和扩展了该方法，以满足研究区域的特定目标和空间特征。原始工作流程提供了一个标准化的基于GIS的框架，用于使用高分辨率表面模型估算理论太阳辐射。本研究引入的修改旨在提高其适用于大规模城市环境和复杂屋顶几何形状的能力。基础方法的官方文档版本可通过ESRI的学习平台公开获取[27]。

2.1. 研究区域
研究区域包括索菲亚（保加利亚首都）最西部的住宅区Lyulin（图2）。这是保加利亚最大的住宅区，2024年有10.1万居民（根据国家统计局的数据）。该区域设计于20世纪60年代（并在80年代中期建设中），是一个相对独立的结构，包含十个微区，面积为5.7平方公里。它采用了大面积板建筑的建造风格（约70%），这是东欧城市的典型特征，以高层住宅建筑为主。新的建筑主要集中在索菲亚地铁经过的微区和综合体中心周围。Lyulin的东北部有一些带院子的独栋房屋。图2. 表示研究区域的Lyulin区的位置和行政边界。根据地籍图，研究区域内有3863栋建筑物，其中80%为私有财产。按功能类型划分，多户住宅建筑占最大比例——占42%，包含超过46,000套公寓。按楼层数计算，1至6层的建筑物数量最多（占58%），6至10层的建筑物占38%，超过11层的高层建筑占4%。选择该研究区域主要基于三个方面的考虑：地理位置、城市规模和建筑类型。

首先是柳林区的地理位置。该区位于索菲亚城市化区域的西北部，距离维托沙山相对较远。由于距离山体较远，这里的年太阳辐射水平比靠近山脚的西南部和南部地区要高。这种空间条件为评估屋顶太阳能潜力提供了有利的环境，因为阳光照射相对无障碍。

其次，柳林区是首都最大的住宅区，2024年时约有10.1万名居民。庞大的居民数量使其成为评估所提出的大规模评估方法适用性的代表性案例。该区的规模和人口密度使得该方法可以在高密度城市环境中进行测试。

第三，研究区域内预制板住宅建筑的比例较高。这些结构主要建于20世纪60年代，并在20世纪末期完成，包括1990年代中期，遵循了当时东欧广泛采用的大型板建筑风格。大约70%的住宅建筑为高层建筑，超过6层，部分甚至达到16层。由于安全、维护和产权问题，高层建筑上安装太阳能光伏板的可行性通常较低。然而，由于这些建筑的屋顶表面平坦且周围建筑物或大树较少遮挡，因此它们在理论上有很大的光伏发电潜力。

索菲亚位于温带大陆性气候区，年平均气温为10.3°C，年降水量约为612毫米。7月是最温暖的月份，平均气温为21.2°C，极端夏季情况也不罕见，记录到的最高气温达到37.4°C（国家气象和水文研究所）。这些气候条件加上城市的地形特点，导致了明显的城市热岛效应和近地面大气中空气污染物的积聚，给市政环境管理带来了持续挑战。

2.2 数据收集
2023年7月进行了航空摄影测量数据采集，这是生成高分辨率数字模型以评估屋顶光伏潜力的关键步骤。这项工作使用了固定翼无人机系统（UAS），具体是eBeeX平台（AgEagle Aerial Systems, Wichita, KS, USA），并按照相关法规进行操作。该无人机配备了S.O.D.A. 3D摄影测量相机（AgEagle Aerial Systems, Wichita, KS, USA），用于获取适合详细三维重建的高分辨率RGB图像。飞行计划分为两个主要阶段，每个阶段的飞行路线相互垂直，以确保图像的最佳重叠和复杂城市环境中的多方向物体可见性。这种配置有助于提高建筑物几何形状和屋顶特征的重建精度，这对后续的形态测量和太阳辐射分析至关重要。共采集了2562张地理参考的RGB图像，为数据收集时提供了该区域的全面和最新的表示。

采集的图像达到了每像素约5厘米的地面采样距离。通过实时运动学（RTK）校正提高了衍生产品的位置精度，水平和垂直偏差均小于5厘米。摄影测量的主要目的是生成柳林区的高精度三维模型，作为城市环境的数字孪生。这些数据集为精确测量建筑物形状和尺寸以及提取表征城市形态的关键参数提供了几何基础，这些参数随后用于评估屋顶太阳能潜力。采用这种特定的方法和数据采集技术是本研究的方法论优势之一。虽然大多数基于无人机的研究局限于较小的空间范围，但所提出的框架表明固定翼平台可以实现厘米级分辨率的区域覆盖，从而直接解决了文献中存在的问题——即无法将极高空间分辨率与操作可行性结合起来的难题。

2.3 数据预处理
图像处理使用了Pix4Dmapper摄影测量软件平台（版本4.5.6，Pix4D SA，Lausanne, Switzerland）。采集的图像被处理成包含数百万个点的密集地理参考三维点云，每个点都赋有X、Y和Z坐标。基于这个点云，生成了一个高分辨率的数字表面模型（DSM），反映了地形和所有地面以上物体的高度，包括建筑物及其结构元素和植被。此外，还生成了一张经过几何校正的高分辨率正射影像图，即研究区域的地图。衍生出的地理空间产品的质量对于可靠的太阳能潜力评估至关重要。关于建筑物高度、屋顶几何形状和周围障碍物的准确信息对于正确模拟阴影效应和太阳辐射分布以及估算屋顶表面的光伏潜力至关重要。最终的DSM和正射影像图以GeoTIFF（.tiff）格式导出，以确保与GIS环境中的后续分析兼容。

除了栅格产品外，还需要精确的屋顶区域矢量绘制。使用正射影像图在GIS环境（ArcGIS Pro 3.1，Esri Inc., Redlands, CA, USA）中以每像素5厘米的空间分辨率对屋顶边界进行了数字化。数字化工作专注于用于光伏评估的屋顶内部功能边界。这一过程中的屋顶边界与地籍上的建筑轮廓有很大不同，只有利用高分辨率的航空数据才能准确识别。正射影像的细节水平使得可以可靠地识别和矢量化大于约10厘米的屋顶特征。

2.4 数据处理与建模
2.4.1 太阳辐射建模
进行了太阳辐射建模，以估算研究区域内每个屋顶表面的理论入射太阳能量。这一分析阶段使用了GIS软件ArcGIS Pro（版本3.1）和Spatial Analyst工具箱中的太阳辐射工具集。所应用的模型基于Fu和Rich开发的Solar Analyst方法[28]，该方法能够综合考虑地形形态、表面朝向和阴影效应来估算太阳辐射。太阳辐射的计算覆盖了整个日历年，时间分辨率为每小时一次。对于每个栅格单元，使用16个方向分量来评估太阳曝光情况，从而详细模拟地平线遮挡和各向异性天空条件。建模过程遵循了一系列标准化的计算步骤：

- 从数字表面模型（DSM）计算半球形天空视图：对于DSM中的每个像素，生成一个向上的半球形视图，以估算可见天空的比例以及被建筑物、植被和地形特征等周围元素遮挡的部分。
- 与直接太阳辐射图的整合：将每个像素的半球形天空视图与表示研究区域地理位置的太阳日变化位置的直接太阳图叠加。太阳图被划分为对应于特定太阳位置的离散部分，从而计算来自无遮挡天空方向的直接太阳辐射。
- 与漫反射辐射图的整合：使用表示整个天空半球的分割图的天空模型计算漫反射辐射。对于每个部分，应用半球形天空视图来排除被遮挡的方向，得到各像素的漫反射辐射估计值。
- 总太阳辐射栅格的生成：重复上述步骤，对研究区域内的每个像素进行计算。总理论太阳辐射是来自无遮挡天空部分的直接辐射和漫反射辐射的总和。这一过程的输出是一个栅格层，表示每个像素的年理论太阳辐射，最初以Wh/m2表示。为了后续分析和更好的可解释性，这些值被转换为kWh/m2。

2.4.2 过滤标准和能量产量估算
在与保加利亚太阳能协会（BSA）专家协商后，定义了年太阳辐射至少为800 kWh/m2作为光伏适宜性的最低阈值。低于此阈值的栅格单元被排除在进一步分析之外。

此外，还应用了两个额外标准作为二次筛选过程的一部分，以识别具有更高光伏潜力的屋顶表面：
- 排除坡度超过45°的屋顶表面；
- 移除朝向北方的表面。

这些标准的采用旨在确保经济可行性和技术效率之间的平衡，特别是排除那些由于光照不足、阳光照射不佳或安装复杂性过高而导致投资回报低下的表面。屋顶朝南的方向通常能提供最高的自给率和最低的平准化电力成本。相反，朝北的方向通常被排除在外，因为它们的年太阳输出最低，严重影响经济可行性。关于倾斜角度，尽管在类似欧洲纬度地区最佳角度约为44°，但为了避免安装复杂性和保持成本效益，通常会避免超过这个范围的倾斜角度。

估算的屋顶太阳能潜力对这些预定义的过滤标准非常敏感，特别是辐射阈值和排除朝北表面的规定。例如，降低辐射阈值或包括朝向不佳的表面会自然增加适合区域的总面积和绝对理论能量产量。然而，虽然这会提高整个区域的技术潜力，但由于每平方米的能量回报较低，也会降低单个安装的平均系统效率和经济效益。因此，选定的保守阈值确保报告的数字代表了高度现实且经济上可行的部署情景，而不仅仅是纯粹的理论最大值。

作为后续步骤，采用了分区统计方法来估算剩余适合屋顶空间的理论年发电量。对于每个数字化的屋顶多边形，该方法根据与矢量边界相交的栅格值计算了年平均可用太阳辐射。适合屋顶部分的面积是根据栅格数据集的空间分辨率和每个多边形内的像素数量自动推导出的，所有结果作为属性值存储在输出表中。

在经过坡度和朝向筛选后，还应用了空间约束，排除了面积小于20平方米的屋顶部分。这个20平方米的阈值得到了布加利亚太阳能协会（BSA）的确认，认为它是布加利亚市场的现实基准，反映了现代高效模块更高的功率密度，这使得在较小规模上实现经济可行的家庭安装成为可能。这一调整确保了较小的住宅屋顶区域不会被过早地排除在潜在收益评估之外。随后，对每个合适的屋顶空间进行了光伏安装的潜在能源产量估算。基于Fraunhofer ISE光伏报告[31]的数据以及与布加利亚太阳能协会专家的进一步咨询，采用了两个基准性能参数：光伏模块效率为22%，以及一个考虑到典型系统损耗的总体系统效率系数为0.86。理论年发电量通过以下公式计算：

Ep = Gi × ηm × PR
其中Ep表示产生的能量；Gi表示可用的太阳辐射；ηm表示太阳能电池板将阳光转换为直流电的能力（值为0.22，即22%），表示高性能的现代硅模块；PR表示性能比率（值为0.86），是一个考虑损耗的质量因子，意味着面板实际捕获的能量中有86%能够到达建筑的电力系统。

3. 结果
**摄影测量3D采集、数字表面模型（DSM）和正射影像生成**：2023年7月，使用装有S.O.D.A. 3D摄影测量相机的固定翼无人机系统（eBeeX，AgEagle Aerial Systems）对研究区域进行了摄影测量3D采集，共收集了2562张高分辨率RGB图像。这些图像随后使用Pix4Dmapper软件平台（版本4.5.6）进行了处理，遵循第2节中描述的工作流程。摄影测量处理生成了一个密集的、带有地理参考的三维点云，代表了研究区域的城市环境。该点云包含超过3.17亿个点，每个点都有X、Y和Z空间坐标，能够详细展现建筑物几何形状、屋顶结构及周围的城市特征（图5）。基于生成的点云，推导出了高分辨率的数字表面模型（DSM），捕捉了地形以及所有地面以上物体的高度（图6）。此外，还制作了一份经过几何校正的正射影像地图，提供了研究区域表面特征的高分辨率、空间精确的表示。

**物体分组和屋顶空间矢量化**：通过屋顶数字化过程，在研究区域内划分出了1600多个单独的屋顶空间边界。根据包含官方地籍建筑轮廓的图层，在规定的地理范围内确定了屋顶的总数（图7）。在这些屋顶边界内，识别并矢量化了超过10,000个影响太阳能暴露和光伏系统潜在安装位置的屋顶元素和结构（图8），包括烟囱、电梯井、通风结构等。这些元素的明确表示有助于详细了解屋顶形态和与光伏部署相关的空间限制。

**理论太阳能潜力评估**：在GIS环境（ArcGIS Pro 3.1，Solar Radiation工具集）中，通过集成地理空间分析对每个数字化的屋顶空间进行了理论太阳能潜力的量化。首先在研究区域内逐像素计算了太阳辐射，然后将结果汇总以获得每个单独屋顶的平均年太阳辐射估计值。初步计算后，对结果进行了筛选，以识别出更适合光伏应用的屋顶表面。具体来说，排除了年接收太阳辐射量低于800 kWh/m2的屋顶区域、坡度超过45°的屋顶以及朝北的屋顶。这些标准的应用使得最终确定了适合光伏部署的屋顶区域子集，为后续的理论发电量估算奠定了基础。结合潜在能量损失的统计分析，对合适的屋顶区域内的理论年发电量进行了量化。根据计算出的发电量值，对矢量化的屋顶空间进行了分类和归类，根据其理论光伏能量产出进行了分类。采用自然断裂分类方法是因为该方法通过最小化类别内的方差并最大化类别间的差异，有效地突出了Lyulin住宅区内的能量产出显著空间差异（图9和图10）。

**结论**
总体而言，Lyulin住宅区合适屋顶空间的理论年发电总量为76,715.35兆瓦时（MWh）。在单个屋顶层面，计算出的年发电量范围从3.67兆瓦时到476.68兆瓦时不等，平均值为每个屋顶34.21兆瓦时（图11）。相对较高的标准差28.49兆瓦时表示分析的屋顶空间在太阳能潜力上存在较大差异，这突显了研究区域内屋顶几何形状、暴露情况和遮荫条件的显著差异。进一步分析显示，合适屋顶区域的适宜面积与理论年发电量之间存在正相关关系（图12）。这种高度相关性表明，可用面积几乎是研究区域内太阳能潜力的绝对预测因子。然而，值得注意的是，这种近乎完美的相关性可能是Lyulin地区特定住宅建筑类型的特征，该地区主要由大面积平屋顶的住宅区组成。平屋顶的统一几何形状允许面板保持一致的 orientation 和倾斜角度，从而减少了由复杂屋顶形状、不同倾斜角度或不利方位角带来的方差。因此，尽管这种关系在该城市背景下是稳定的，但在屋顶结构多样或倾斜的区域内可能会显示出更高的变异性（图13）。

**讨论**
可再生能源技术的整合已成为城市能源系统长期可持续性的战略要点。这一转型对于增强气候适应性和缓解极端气候事件日益频繁带来的风险至关重要。此外，这些措施对于应对不断增长的社会能源需求也至关重要。本研究重点解决了城市规划中的关键挑战，特别是能源基础设施的脱碳和韧性问题。如果进一步探讨适应气候的景观规划，可以减轻与能源消耗相关的经济负担。Lyulin中心地区太阳能产量的理论值较低（图12），这可以从建筑屋顶的形态、空间分布及其高度来解释。该区域的建筑多为新建建筑，其屋顶有坡度或面积较小。坡度较大的屋顶及其较小的面积导致评估面积减少，从而导致太阳能产量较低。此外，该区域的高建筑密度和不规则的建筑高度导致了显著的建筑间遮挡，进一步减少了太阳能的接入。因此，该区域的太阳能总理论潜力显著降低（图14）。相比之下，Lyulin 7区域的屋顶具有平屋顶、均匀的建筑高度和较宽的楼栋间距，这增加了适合太阳能生产的区域（图15）。在该区域内，发电量最高的建筑是一所学校，其平屋顶面积较大，屋顶上安装的元素较少，且位于没有邻建筑遮挡的开阔地带（图16）。

**城市能源可持续性与屋顶太阳能潜力的作用**：
将可再生能源技术整合到城市能源系统中被广泛认为是实现城市长期可持续性和韧性的关键优先事项，特别是在气候变化和极端气候事件频繁发生的背景下。与此同时，城市能源系统必须响应不断增长的社会能源需求。本研究探讨了城市规划和能源管理中的几个紧迫问题，包括城市能源系统的多样化和脱碳、适应气候的城市景观规划，以及减少与能源消耗相关的经济负担。本研究的核心探讨了两个高度动态且相互依存的因素之间的相互作用：城市气候与城市形态。从这个角度来看，关于屋顶太阳能潜力的讨论可以围绕两个主要维度展开：（1）准确描述影响太阳能可用性的几何和形态结构条件，这与方法选择和原始地理空间数据的质量直接相关；（2）城市气候和微气候条件对当前和未来太阳能潜力的影响，以及对光伏系统运行效率的影响。

在收集原始数据和进行城市形态建模时，所使用的方法存在一些局限性：在解释结果时，尽管提出的方法具有很强的可靠性，但仍需考虑几个客观的技术和方法学限制。首先，所采用的基于GIS的太阳辐射模型依赖于已在先前研究中得到广泛验证的成熟算法。然而，与基于地面的气象测量或参考数据库（如PVGIS）相比，可能会出现差异。这些差异主要与局部大气变异性有关，而模型无法完全捕捉到这种变异性。其次，尽管使用厘米级分辨率的无人机生成的地形数字模型（DSM）大大减少了几何不确定性，但仍可能存在残余误差，这些误差通常与摄影测量的重建伪影有关，尤其是在表面纹理低或几何形状复杂的区域。另一个限制是遮蔽效应和屋顶障碍物的表示问题。虽然本研究中明确识别和矢量化这些元素是其关键优势之一，但某些动态或季节性因素（如植被变化或临时结构）可能无法完全被反映出来，这可能会引入额外的太阳能辐射估算不确定性。另一个重要限制是保加利亚缺乏公共可用的高分辨率地理空间数据集，这些数据集能够准确描述城市环境的几何形状和结构。因此，可靠地评估屋顶太阳能潜力需要使用专门的地理空间技术来获取原始数据。在这种情况下，开发一个全面的城市太阳能地籍系统必然依赖于此类数据收集工作流程的系统性实施。集成先进的激光雷达数据和使用更复杂的3D建模技术可以进一步提高太阳能潜力估算的准确性，特别是通过更精确地表示复杂的屋顶几何形状和障碍物。然而，激光雷达的可用性有限、成本高昂以及操作上的限制目前限制了其在许多城市环境中的广泛应用。从更广泛的角度来看，由于缺乏具有足够空间细节的免费可用数据集，准确评估屋顶太阳能潜力仍然具有挑战性。常用的数据源（如OpenStreetMap的建筑物数据）通常不适合高精度分析，因为这些建筑物数据的轮廓和高度属性不准确，而且缺乏关于屋顶形态的详细信息（例如坡度变化、微地形和表面粗糙度），而这些信息对于可靠的太阳能潜力评估至关重要。最后，集成高分辨率或实时气象数据是未来研究的一个重要方向，这样的数据将有助于开发更动态和自适应的太阳能模型，更好地反映实际运行条件，并进一步减少能量产量的不确定性。

与以往的研究相比，本研究的结果与采用基于GIS和高分辨率方法进行屋顶太阳能潜力评估的先前研究结果一致。例如，Bergamasco和Asinari [32] 提出了一种基于无人机摄影测量和GIS分析建筑物特征及太阳辐射的方法，展示了详细的城市尺度太阳能绘制的潜力。Han等人 [33] 也展示了无人机摄影测量在生成高分辨率3D模型和进行建筑物尺度太阳能模拟方面的应用性。本研究在此基础上结合了详细的屋顶特征和高分辨率空间建模，进一步拓展了这些方法。然而，一个关键的创新点在于使用固定翼无人机进行数据采集，这使得空间覆盖范围显著扩大，同时保持厘米级的分辨率。虽然以往基于无人机的研究通常局限于小范围的研究区域，但所提出的方法可以将这种高精度分析扩展到社区级别，从而提高了基于无人机的太阳能潜力评估的可扩展性和实际应用性。此外，虽然基于GIS的方法可能因简化屋顶几何形状而引入不确定性，而基于激光雷达的方法虽然非常精确，但常常受到高成本和操作限制，但所提出的方法提供了一个平衡的解决方案，结合了高几何精度、操作灵活性和成本效益。

本研究的结果并不代表所研究区域的总太阳能潜力，而仅限于选定的预制板住宅建筑的屋顶空间。在每个区域内，还有许多其他建筑物的屋顶表面可能适合安装光伏设施，这些表面潜在的能量潜力目前尚未量化。此外，许多未纳入当前分析的屋顶类型（如坡度更陡或朝向特定的屋顶）具有复杂的几何形状，需要更先进的分析方法。只要考虑到它们的特定结构和几何特征，这些屋顶形式仍然可以提供可行的太阳能发电机会。还需要指出的是，电力产量的估算基于关于系统效率、损耗和转换因素的标准假设，这些参数会因技术、安装质量和维护情况的不同而有所不同，从而引入最终的能量产量估算的不确定性。

尽管所提出的方法能够在相对较大的城市区域内进行高分辨率的太阳能潜力评估，但其实际应用受到操作、财务和物流限制。在这种情况下，该方法最适合用于社区到街区的应用场景，因为在这些场景中需要详细的空间信息来进行规划和决策。虽然固定翼无人机平台在覆盖效率上优于多旋翼系统，但在整个城市范围内应用这些方法仍需要在数据采集、处理和资源分配方面投入大量努力。因此，所提出的方法最好作为多层次框架的一部分来考虑，首先使用通用数据集进行大规模筛选，然后在选定的优先区域内进行高精度分析。

所获得结果的相对性质与所应用的处理方法密切相关，特别是与天空可见度和遮蔽表示相关的方法。天空视野因子（SVF）是一个无量纲参数，范围从0到1，用于量化从给定表面可见的天空比例，已被证实是预测太阳辐照可用性的强指标。Chatzipoulka等人 [34] 发现SVF与城市环境中的年总辐照度之间存在强烈的线性关系（R2 > 0.8），表明SVF可以作为屋顶太阳能潜力的可靠代理指标。来自里斯本的研究也表明，基于SVF的阴影建模可以提高屋顶和立面上的漫射辐射估算的准确性 [35]。Lu等人（2022年）进一步表明，将基于激光雷达和阴影分析得出的SVF纳入光伏模型中可以通过捕捉季节性变化和遮挡效应来提高能量产量估算的准确性 [36]。数字表面模型（DSM）的准确性对确定太阳能潜力估算的不确定性起着关键作用，因为它直接影响遮蔽和天空可见度的计算。正如Polo和García（2023年）所展示的，DSM数据中的不准确性会显著传播到屋顶太阳能潜力估算的不确定性中，这突显了高分辨率和几何上可靠的表面模型的重要性 [37]。为研究区域已经计算好的SVF数据集为未来方法改进和提高复杂城市表面上太阳能潜力预测的准确性提供了坚实的基础。

对获得结果的解释需要通过进一步关注城市气候特征的补充研究来完善。在本研究中，没有按照Fakhraian等人2001年提出的方法框架进行过明确的物理太阳能潜力评估，该评估应包含城市气候参数（如温度制度、大气条件和城市热岛强度）。在气候韧性的背景下，成功的城市能源转型需要仔细考虑极端气候事件对城市能源系统的影响，以最小化其脆弱性 [38]。尽管关于太阳辐射变化的研究仍然有限，但现有研究表明其在可再生能源系统的设计和运营中的决策制定中的重要性 [39,40,41,42]。此外，气候变化对光伏性能的次要影响是一个活跃的研究领域 [31,41]，应结合区域气候条件进行考察。作者们之前在研究城市热岛效应方面的经验 [23] 为未来的工作提供了坚实的基础，旨在将屋顶太阳能潜力评估与气候变化情景下的表面热模式和不断变化的微气候条件相结合。

从实际角度来看，本研究的结果为大规模城市屋顶太阳能潜力的讨论做出了贡献，这一点在最近的最新综述中得到了强调 [12]。采用的方法证明了基于无人机数据的高分辨率、大范围评估可以为市政规划、能源政策制定以及在密集城市环境中战略性地部署光伏系统提供可操作的信息。

分析使用地理空间数据和基于GIS的处理方法得出的屋顶太阳能潜力结果表明，在城市环境中存在大量目前未得到充分利用的可再生能源资源。结果表明，研究区域内每个屋顶平均每年可以产生约30兆瓦时的太阳能电力，突显了屋顶光伏系统对城市能源供应的重要贡献。这些发现对于可持续的城市发展具有重大意义，因为它们展示了现有城市结构中蕴含的可再生能源潜力。有效利用这一潜力有助于大幅减少碳排放，并支持向低碳和更环保的城市能源结构的过渡。除了环境效益外，所识别的太阳能潜力还具有重要的经济意义。减少对传统能源的依赖为市政府和私人利益相关者提供了长期的成本节约机会。此外，部署屋顶光伏基础设施可以通过创造就业机会促进城市地区的社会经济发展。

与依赖中高分辨率卫星图像或通用建筑物轮廓的传统方法不同，我们的方法基于厘米级分辨率的无人机生成的地形数字模型（DSM）。这使得能够精确重建屋顶几何形状，包括小尺度特征（如天窗、烟囱和屋顶倾斜度变化），而这些特征在粗略的数据集中通常被忽略。所提出的工作流程直接结合了来自摄影测量的高分辨率3D形态特征（坡度、朝向、遮蔽效应）。与依赖简化或平面屋顶假设的研究相比，这种方法能够更准确地估算微尺度下的太阳辐照度。所应用技术的另一个重要优势是使用固定翼无人机，它在城市环境中提供了显著增强的大规模测绘能力。与多旋翼平台相比，固定翼无人机具有更长的飞行时间、更高的覆盖效率和更好的操作稳定性，能够在有限的时间内获取大面积城市区域的高分辨率数据。这使得所提出的方法不仅适用于详细的局部分析，也适用于扩展到城市层面的评估，有效解决了基于无人机的太阳能潜力研究中与空间覆盖和操作效率相关的关键限制。

总体而言，该研究强调了高分辨率、大规模评估屋顶太阳能潜力的战略重要性，为基于信息的城市能源规划和政策制定奠定了基础，特别是在屋顶容量大量未使用的密集建筑环境中。