Bestrahlungsstärkeanalyse - signifikante Abweichungen zwischen GRASS und SAGA

Ich wollte die Bestrahlungsstärken für ein Diagramm berechnen und visualisieren. Ich weiß nicht warum, aber in meiner Kopie von QGIS 2.18.5 fehlt mir das entsprechende SAGA-Modul in der " Geländeanalyse -> Blitz ". Deshalb habe ich den GRASS- Algorithmus " r.sun " ausgewählt.

Die Ergebnisse waren ziemlich erstaunlich. Es scheint, dass sich das Grundstück trotz des richtig geolokalisierten Rasters, auf dem die Analyse durchgeführt wurde, auf der Venus statt im Osten Polens befinden muss. Es ist einfach unmöglich, hier am 21. Juni fast 5 kWh / m² a zu erhalten.

Um die Zahlen zu überprüfen, habe ich eine eigenständige Kopie von SAGA 5.0 gefunden und die Analyse erneut ausgeführt ( Algorithmus "Potential Incoming Solar Radiation" ). Diesmal waren die Ergebnisse zuverlässiger (Raster auf dem in QGIS importierten Screenshot zum Vergleich).

Unterscheiden sich diese beiden Algorithmen so sehr?

Hat jemand das gleiche Problem konfrontiert?

Ich teste immer noch nur diese Funktionalität.

QGIS-Version: 2.18.5
GRASS Version: 7
SAGA-Version: 5.0.0.
Eingabe: Rasterhöhen-, Neigungs- und Aspektdaten (3 getrennt). SAGA lief nur im Elevator-Raster. GRASS benutzte alle 3.

— Proteus
quelle

Ich würde diese Frage auf der GRASS-Benutzerliste lists.osgeo.org/mailman/listinfo/grass-user

— mankoff

Könnte diese Frage & Antwort "r.sun delievering unrealistic Values" von @Ulf hilfreich sein?

— Kazuhito

Danke @Kazuhito! Jetzt ist klarer, warum die Ergebnisse so aussehen. Übrigens: Gilt das auch für Bestrahlungsstärkenberechnungen in SAGA?

— Proteus

@mankoff - gibt es auch eine separate Gruppe für SAGA-Benutzer? Diese Angelegenheit wird durch Ihre Beiträge immer interessanter und ich möchte mehr über beide Lösungen erfahren.

— Proteus

Könnten Sie die Potential Incoming Solar RadiationFunktion in SAGA 6.4 testen ?

— Kazuhito

Ich weiß nicht viel über den Hintergrund von r.sun und SAGA-Algorithmen. Dies kann jedoch kein Problem bei der Interpretation der Einheiten sein oder der Interpretation der Eingabedaten sein?

Im Falle von r.sun sollte dies eine tägliche Summe pro Quadratmeter sein. Anbei der Screenshot der typischen Tageswerte in der Nähe von Krakau aus der Solargis-Datenbank . 5 kWh / m2 / Tag ist in Ordnung.

Im Falle von SAGA-Einheiten - ich weiß es nicht. Nur eine Vermutung - die Werte könnten sofortiger Energie entsprechen. Während des wolkenlosen Sommertages erreichen Sie problemlos rund 800 W, sogar bis zu 1000 W (= 1 kW), dargestellt als Sofortwert.

In beiden Fällen ist die Variabilität der Daten in Ihrer Region zu hoch und nicht realistisch (zumindest sehe ich kein Gelände oder andere Merkmale, die die Schattierungseffekte verursachen und für solche Ergebnisse verantwortlich sein sollten).

— jurajb
quelle

Danke für den Vorschlag. Versucht erneut, die Analyse auszuführen. Lustige Sache ist, dass, als ich die Ergebnisse mit 25 Mio. DM unter Verwendung der gleichen Einstellungen validieren wollte, die Ergebnisse genau so waren, wie es die SolarGis-Datenbank angibt ...

— Proteus

Es hat viele Monate gedauert, um zum Thema zurückzukehren, aber ich habe weiter nachgeforscht. Interessant ist, dass die Werte nur dann näher an den richtigen liegen, wenn ich eine Analyse für das Raster durchführe, das in WGS84 CRS anstelle von WGS 84 UTM 34 umgewandelt wurde, wie ich es ursprünglich zugrunde gelegt habe. Die Werte sind immer noch deaktiviert (in einigen Bereichen sogar nahe 0), aber in den Bereichen, die dem Sonnenlicht ausgesetzt sind, sind die Zahlen nicht so groß. Vielleicht wird jemand herausfinden, was die Ursache für diesen Fehler ist. Ich hatte keine Ideen mehr :)

— Proteus