has zero cloud cover and best for d

has zero cloud cover and best for digitizing rooftops. This image was then georefred according to Google earth coordinates In Geographic coordinates system WGS84. ArcGIS 10.1 was used to Georef image. Google Earth imagery is used as a base map to digitize rooftops. The polygons were digitized at a zoom level of 1:250. Example of digitized rooftops is shown in Figure 3. Only a specific portion of rooftops is calculated. Not all the rooftop is digitized. Same size of area is selected from the houses of same size. Some Commercial buildings and school rooftop also digitized but a small portion not all available roof top. The mounts of rooftop are digitized so there is no shadow problem on selected area. Only roofs were selected for PV installation during digitization which meets the following criteria: As south, southeast and south west direction is best for PV installation, only buildings having required orientation were selected during digitization. There were no tilted roofs in study area. All buildings had flat surfaces, so orientation is not big issue for PV installation. No shaded rooftop area was selected in this study. All the selected roofs receive direct solar radiations. Rooftop areas shaded by other buildings, structures or vegetation that affected the solar yield were not included in the study. Those buildings having HVAC systems, air vents, chimneys etc., were not included in study area. No building had HVAC system nor chimneys etc. in study area. DEM data was not helpful for slope and aspect calculations. A survey was conducted to collect elevation data manually for a few rooftops. Garmin GPS was used to collect elevation data. This Elevation data was entered in rooftops. Average elevation was entered to rooftops other than surveyed. Then these polygons were converted to raster to using polygon to raster tool in ArcGIS toolbox using elevation data as a field. The survey was necessary to find out the average elevation of the study area for the calculation of annual incoming solar radiations. To understand geography, topography and rooftop shapes survey was conducted. During survey it was noticed that nearly all the roofs have mounts on their roofs. These are only for security purpose that no one can enter in the house from down stairs. These mounts do not have any other use. So these mounts were selected for the PV installation. The mounts same as shown in Figure 4, were selected during survey of the study area. Garmin GPS was used to find out elevation in the society. About 8 points were taken and average elevation was 202 Meters of study area. Forty bills were captured with a digital camera. As described above there are four types of houses in the study area having different sizes and different electricity load so it was necessary to collect data for all types. Raster made from survey data was used as input to calculate slope and aspect in ArcGIS. Slope and aspect tools were used in ArcGIS 10.1 tool box. The results were aspect and slope as a raster. The aspect was calculated clockwise from north 0˚ - 359.9˚ in degrees measured and was shown in Figure 5. While the inclination was calculated from 0˚ - 90˚ in degrees as shown in Figure 6. GIS model is a convenient way to generate solar radiation potential maps and there spatial relation to other data [19]. In this study, ESRI’s ArcGIS’s tool is used for GIS modeling in this study to calculate solar radiations. The main input for this tool is a Raster. This raster was made up of digitized roof polygons with average elevation as a field to convert it to raster using polygon to raster conversion tool from ArcGIS tool box. Electricity rate and bill data was collected from Lahore Electric Supply Company (LESCO) website. LESCO provides electricity to entire division as well as Lahore city.

ผลลัพธ์ (ไทย) 1:

มีเมฆปกคลุมและดีที่สุดสำหรับหลังคาแปลงเป็นดิจิทัลศูนย์ ภาพนี้ได้ แล้ว georefred ตาม Google earth พิกัดระบบพิกัดในภูมิศาสตร์ WGS84 ใช้ ArcGIS 10.1 ภาพ Georef ภาพ Google Earth ใช้เป็นแผนที่ฐานเพื่อแปลงหลังคา รูปหลายเหลี่ยมเป็นดิจิทัลในระดับซูมของ 1:250 ตัวอย่างของดิจิตอลหลังคาจะแสดงในรูปที่ 3 คำนวณเฉพาะส่วนเฉพาะของหลังคา ดาดฟ้าทั้งหมดไม่อยู่ในรูปดิจิทัล ขนาดของพื้นที่เลือกจากบ้านของขนาดเดียวกัน บางอาคารและดาดฟ้าโรงเรียนยังดิจิทัลแต่ส่วนเล็ก ๆ มีหลังคาทั้งหมดไม่ ม้าของดาดฟ้ามีรูปดิจิทัลจึงไม่มีปัญหาเงาบนพื้นที่ที่เลือก เท่านั้นหลังคาถูกเลือกสำหรับ PV การติดตั้งระหว่างขั้นซึ่งตรงตามเงื่อนไขต่อไปนี้: ใต้ ทิศตะวันออกเฉียงใต้ และตะวันตกเฉียงใต้ที่ดีสุดสำหรับติดตั้ง PV อาคารต้องมีการปฐมนิเทศได้เลือกระหว่างขั้น ไม่มีหลังคาไม่เอียงในพื้นที่ศึกษา อาคารทั้งหมดมีพื้นผิวเรียบ ดังนั้นทิศทางไม่ใช่ปัญหาใหญ่สำหรับการติดตั้ง PV ดาดฟ้าร่มเงาไม่ถูกเลือกในการศึกษานี้ หลังคาที่เลือกทั้งหมดได้รับการแผ่รังสีแสงอาทิตย์โดยตรง บริเวณร่มเงาอาคาร โครงสร้างอื่น ๆ หรือพืชที่ได้รับผลกระทบผลผลิตพลังงานแสงอาทิตย์ถูกไม่รวมอยู่ในการศึกษา อาคารที่มีระบบปรับอากาศ ช่องระบายอากาศ ปล่องระบายอากาศฯลฯ ถูกรวมอยู่ในพื้นที่ศึกษา อาคารไม่มีระบบหรือปล่องระบายอากาศฯลฯ ในพื้นที่ศึกษา ข้อมูล DEM ที่ไม่เป็นประโยชน์สำหรับการคำนวณความลาดชันและลักษณะ การสำรวจดำเนินการรวบรวมข้อมูลความสูงสำหรับหลังคากี่ด้วยตนเอง Garmin GPS ใช้เพื่อรวบรวมข้อมูลความสูง ใส่ข้อมูลความสูงนี้ในหลังคา ใส่ความสูงเฉลี่ยการสำรวจอื่น ๆ กว่าหลังคา แล้ว รูปหลายเหลี่ยมเหล่านี้ถูกแปลงเป็นแบบราสเตอร์โดยใช้รูปหลายเหลี่ยมมือสเตอร์ใน ArcGIS เครื่องมือที่ใช้ข้อมูลความสูงเป็นเขต การสำรวจเป็นสิ่งจำเป็นเพื่อหาความสูงเฉลี่ยของพื้นที่ศึกษาสำหรับการคำนวณการแผ่รังสีแสงอาทิตย์เข้ามาประจำปี เข้าใจภูมิศาสตร์ ภูมิประเทศและดาดฟ้ารูปทรงสำรวจ ในระหว่างการสำรวจ พบว่า เกือบทุกหลังคามีอุปกรณ์ติดตั้งบนหลังคาของพวกเขา เหล่านี้เป็นเพียงเพื่อความปลอดภัยที่ไม่มีใครสามารถเข้าไปในบ้านจากลงบันได ม้าเหล่านี้ไม่มีการใช้ ดังนั้น ม้าเหล่านี้ถูกเลือกสำหรับการติดตั้ง PV อุปกรณ์ติดตั้งแบบเดียวกันดังที่แสดงในรูปที่ 4 ถูกเลือกในระหว่างการสำรวจพื้นที่ศึกษา Garmin GPS ถูกใช้เพื่อค้นหาระดับสูงในสังคม ถ่ายประมาณ 8 จุด และระดับความสูงเฉลี่ย 202 เมตรของพื้นที่ศึกษา สี่สิบตั๋วถูกถ่าย ด้วยกล้องดิจิตอล จะมีสี่ชนิดของบ้านในพื้นที่ศึกษามีขนาดแตกต่างกันตามที่อธิบายไว้ข้างต้น และโหลดไฟฟ้าแตกต่างกันดังนั้นก็จำเป็นต้องเก็บรวบรวมข้อมูลทุกประเภท สเตอร์ที่ทำจากการสำรวจข้อมูลใช้เป็น input ในการคำนวณความลาดชันและลักษณะใน ArcGIS ใช้ลาดและด้านเครื่องมือในกล่องเครื่องมือของ ArcGIS 10.1 ผลการวิจัยพบลักษณะและลาดชันเป็นแบบราสเตอร์ ด้านคำนวณตามเข็มนาฬิกาเหนือ 0˚ - 359.9˚ องศาวัด และแสดงในรูปที่ 5 ในขณะที่ความโน้มเอียงคำนวณ 0˚ - 90 ˚องศาดังแสดงในรูปที่ 6 รูปแบบ GIS เป็นวิธีสะดวกในการสร้างแผนที่ศักยภาพพลังงานแสงอาทิตย์รังสีและมีความสัมพันธ์เชิงพื้นที่กับข้อมูลอื่น ๆ [19] ในการศึกษานี้ เครื่องมือของ ESRI ArcGIS จะใช้สำหรับ GIS การสร้างโมเดลในการศึกษานี้เพื่อคำนวณการแผ่รังสีแสงอาทิตย์ การป้อนข้อมูลหลักสำหรับเครื่องมือนี้เป็นแบบราสเตอร์ ราสเตอร์นี้ถูกสร้างขึ้นจากดิจิตอลหลังคารูปหลายเหลี่ยมมีความสูงเฉลี่ยเป็นเขตการแปลงเป็นแบบราสเตอร์ที่ใช้รูปหลายเหลี่ยมสเตอร์แปลง tool จากกล่องเครื่องมือของ ArcGIS ไฟฟ้าอัตราและบิลข้อมูลถูกรวบรวมจากเว็บไซต์ฮอร์ไฟฟ้าจัดหาบริษัท (LESCO) LESCO ให้การไฟฟ้าทั้งฝ่ายเป็นเมืองลาฮอร์

ผลลัพธ์ (ไทย) 2:

มีศูนย์เมฆปกคลุมและดีที่สุดสำหรับการแปลงเป็นดิจิทัลหลังคา ภาพนี้ถูก georefred แล้วตาม Google Earth พิกัดในระบบพิกัดทางภูมิศาสตร์ WGS84 ArcGIS 10.1 ถูกใช้ในการ Georef ภาพ ภาพ Google Earth จะใช้เป็นแผนที่ฐานรูปแบบดิจิทัลหลังคา รูปหลายเหลี่ยมถูกดิจิทัลในระดับการซูมของ 1: 250 ตัวอย่างของหลังคาดิจิทัลจะแสดงในรูปที่ 3 เฉพาะส่วนใดส่วนหนึ่งของหลังคาที่มีการคำนวณ ไม่ได้ทั้งหมดบนชั้นดาดฟ้าเป็นดิจิทัล ขนาดเดียวกันของพื้นที่ที่ถูกเลือกจากบ้านที่มีขนาดเดียวกัน บางอาคารพาณิชย์และโรงเรียนชั้นดาดฟ้ายังดิจิทัล แต่ส่วนเล็ก ๆ ไม่ได้ทั้งหมดที่มีอยู่บนหลังคา ม้าของบนชั้นดาดฟ้าจะดิจิทัลดังนั้นจึงไม่มีปัญหาเงาในพื้นที่ที่เลือก หลังคาเท่านั้นที่ถูกเลือกสำหรับการติดตั้งเซลล์แสงอาทิตย์ในระหว่างการแปลงที่ตรงตามเกณฑ์ต่อไปนี้: เป็นทิศใต้ตะวันออกเฉียงใต้และทิศตะวันตกเฉียงใต้ทิศทางที่ดีที่สุดสำหรับการติดตั้งเซลล์แสงอาทิตย์เพียงอาคารมีการวางแนวทางจำเป็นต้องได้รับการคัดเลือกในระหว่างการแปลง ไม่มีหลังคาเอียงในพื้นที่ศึกษามี อาคารทุกหลังมีพื้นผิวเรียบเพื่อวางแนวทางไม่ได้เป็นปัญหาใหญ่สำหรับการติดตั้งเซลล์แสงอาทิตย์ ไม่มีพื้นที่สีเทาบนชั้นดาดฟ้าได้รับเลือกในการศึกษาครั้งนี้ ทั้งหมดที่เลือกหลังคารับรังสีแสงอาทิตย์โดยตรง พื้นที่บนชั้นดาดฟ้าร่มเงาอื่น ๆ อาคารโครงสร้างหรือพืชที่มีผลต่อผลผลิตพลังงานแสงอาทิตย์ไม่ได้ถูกรวมในการศึกษา อาคารเหล่านั้นมีระบบ HVAC, ช่องระบายอากาศ, ปล่องไฟ ฯลฯ ไม่รวมอยู่ในพื้นที่ศึกษา ไม่มีอาคารมีระบบ HVAC มิได้ปล่องไฟ ฯลฯ ในพื้นที่ศึกษา ข้อมูล DEM ไม่เป็นประโยชน์สำหรับความลาดชันและด้านการคำนวณ การสำรวจได้ดำเนินการเก็บรวบรวมข้อมูลระดับความสูงด้วยตนเองไม่กี่หลังคา Garmin GPS ถูกใช้ในการเก็บรวบรวมข้อมูลระดับความสูง ข้อมูลระดับความสูงนี้ได้รับการป้อนในหลังคา ค่าเฉลี่ยสูงถูกป้อนให้กับหลังคาอื่น ๆ นอกเหนือจากการสำรวจ แล้วรูปหลายเหลี่ยมเหล่านี้ถูกแปลงเป็น Raster ไปใช้รูปหลายเหลี่ยมเครื่องมือแรสเตอร์ในกล่องเครื่องมือ ArcGIS โดยใช้ข้อมูลการยกระดับเป็นเขตข้อมูล การสำรวจก็จำเป็นที่จะหาระดับความสูงเฉลี่ยของพื้นที่ศึกษาสำหรับการคำนวณของรังสีแสงอาทิตย์ประจำปีที่เข้ามา เพื่อให้เข้าใจถึงสภาพทางภูมิศาสตร์ภูมิประเทศและการสำรวจรูปร่างบนชั้นดาดฟ้าได้ดำเนินการ ระหว่างการสำรวจมันก็สังเกตเห็นว่าเกือบทุกหลังคามีม้าอยู่บนหลังคาของพวกเขา เหล่านี้เป็นเพียงเพื่อความปลอดภัยที่ไม่มีใครสามารถใส่ในบ้านจากบันไดลง ม้าเหล่านี้ไม่ได้มีการใช้งานอื่น ๆ ดังนั้นม้าเหล่านี้ถูกเลือกสำหรับการติดตั้งเซลล์แสงอาทิตย์ ม้าเดียวกับที่แสดงในรูปที่ 4 ได้รับการคัดเลือกในระหว่างการสำรวจของพื้นที่ศึกษา Garmin GPS ถูกนำมาใช้เพื่อหาระดับความสูงในสังคม ประมาณ 8 จุดที่ถูกนำและระดับความสูงเฉลี่ย 202 เมตรของพื้นที่การศึกษา ค่าใช้จ่ายสี่สิบคนถูกจับด้วยกล้องดิจิตอล ตามที่อธิบายไว้ข้างต้นมีสี่ประเภทของบ้านในพื้นที่ศึกษาที่มีขนาดแตกต่างกันและโหลดไฟฟ้าที่แตกต่างกันดังนั้นมันจึงเป็นสิ่งจำเป็นในการเก็บรวบรวมข้อมูลทุกประเภท แรสเตอร์ที่ทำจากข้อมูลการสำรวจถูกนำมาใช้เป็นข้อมูลในการคำนวณความลาดชันและด้านใน ArcGIS ความลาดชันและด้านเครื่องมือที่ใช้ใน ArcGIS 10.1 กล่องเครื่องมือ ผลการวิจัยด้านความลาดชันและเป็นแรสเตอร์ ด้านที่คำนวณได้ตามเข็มนาฬิกาจากทิศเหนือ0˚ - 359.9˚ในองศาที่วัดและได้รับการแสดงในรูปที่ 5 ในขณะที่ความโน้มเอียงที่คำนวณได้จาก0˚ - 90˚องศาตามที่แสดงในรูปที่ 6 รูปแบบ GIS เป็นวิธีที่สะดวกในการสร้างพลังงานแสงอาทิตย์ รังสีแผนที่ที่มีศักยภาพและมีความสัมพันธ์เชิงพื้นที่กับข้อมูลอื่น ๆ [19] ในการศึกษาครั้งนี้เครื่องมือ ESRI ArcGIS ของถูกใช้สำหรับการสร้างแบบจำลองระบบสารสนเทศภูมิศาสตร์ในการศึกษาครั้งนี้ในการคำนวณรังสีแสงอาทิตย์ การป้อนข้อมูลหลักสำหรับเครื่องมือนี้เป็นโปรแกรม Raster แรสเตอร์นี้ถูกสร้างขึ้นจากรูปหลายเหลี่ยมหลังคาดิจิทัลที่มีค่าเฉลี่ยสูงเป็นเขตเพื่อแปลงเป็นรูปหลายเหลี่ยม Raster ใช้เครื่องมือเพื่อการแปลงแรสเตอร์จากกล่องเครื่องมือ ArcGIS อัตราการผลิตไฟฟ้าและการเรียกเก็บเงินเก็บรวบรวมข้อมูลจากลาฮอร์ไฟฟ้าประปา บริษัท (LESCO) เว็บไซต์ LESCO ให้กระแสไฟฟ้าให้กับทั้งส่วนเช่นเดียวกับเมืองลาฮอร์

ผลลัพธ์ (ไทย) 3:

มีศูนย์เมฆที่ดีที่สุดสำหรับ digitizing และหลังคา ภาพนี้ก็ georefred ตามพิกัดทางภูมิศาสตร์ Google Earth ในระบบพิกัด WGS84 . วิศวกรรมโยธา 10.1 ใช้ยีออเรฟรูปภาพ Google Earth ภาพใช้เป็นแผนที่ฐาน รูปแบบหลังคา ในรูปหลายเหลี่ยมเป็นระบบดิจิตอลในระดับการซูมของ 1:250 . ตัวอย่างของหลังคาเป็นดิจิตอลที่แสดงในรูปที่ 3 เพียงส่วนเฉพาะของหลังคาจะถูกคำนวณ ไม่ทั้งหมดดาดฟ้าเป็นดิจิตอล . ขนาดของพื้นที่เดียวกันจะถูกเลือกจากบ้านขนาดเดียวกัน บางโรงเรียนยังดาดฟ้าอาคารพาณิชย์และดิจิทัล แต่ส่วนเล็ก ๆไม่บนหลังคาพร้อมใช้งานทั้งหมด เมาท์ของหลังคาเป็นดิจิทัลแล้วไม่มีเงา ปัญหาในพื้นที่ที่เลือก แค่หลังคาเลือกติดตั้ง PV ในโปรตุเกสซึ่งตรงกับเกณฑ์ต่อไปนี้ : ใต้ , ตะวันออกเฉียงใต้และทิศทาง ใต้ ตะวันตก จะดีที่สุดสำหรับการติดตั้งแผงเซลล์แสงอาทิตย์มีเพียงอาคารต้องถูกเลือกในการแปลง . ไม่มีเอียงหลังคาในพื้นที่ศึกษา อาคารทั้งหมดมีพื้นผิวเรียบ เพื่อปฐมนิเทศ ไม่ใช่ปัญหาใหญ่สำหรับการติดตั้งแผงเซลล์แสงอาทิตย์ . ไม่มีร่มเงาดาดฟ้า พื้นที่ถูกเลือกในการศึกษานี้ หลังคารับรังสีอาทิตย์เลือกทั้งหมดโดยตรง บนพื้นที่ร่มรื่นด้วยพรรณไม้โครงสร้าง หรืออาคารอื่น ๆ ที่มีผลต่อผลผลิตพลังงานแสงอาทิตย์ไม่ได้ถูกรวมอยู่ในการศึกษา ที่อาคารมี HVAC ระบบช่องระบายอากาศปล่องไฟฯลฯ ไม่ได้ถูกรวมอยู่ในพื้นที่ศึกษา ไม่มีอาคารที่มีระบบ HVAC หรือปล่องไฟ ฯลฯ ในพื้นที่ศึกษา ไม่พบข้อมูลที่เป็นประโยชน์สำหรับเด็มความลาดชันและการคำนวณด้าน โดยการสำรวจ เก็บรวบรวมข้อมูลด้วยตนเองสำหรับการไม่กี่หลังคา GPS Garmin ใช้วิธีการเก็บข้อมูลระดับความสูง ข้อมูลที่ถูกป้อนในระดับความสูงนี้ดังๆ ความสูงเฉลี่ยถูกป้อนเข้าสู่หลังคามากกว่าหนึ่ง . แล้วรูปหลายเหลี่ยมเหล่านี้ถูกแปลงเป็น raster เพื่อใช้เครื่องมือรูปหลายเหลี่ยมเพื่อแรสเตอร์ในกล่องเครื่องมือวิศวกรรมโยธาโดยใช้ข้อมูลระดับความสูงเป็นสนาม การสำรวจเป็นสิ่งที่จำเป็นเพื่อหาค่าเฉลี่ยความสูงของพื้นที่ศึกษาในการคำนวณปีเข้ามาพลังงานแสงอาทิตย์การแผ่รังสี . เข้าใจ ภูมิศาสตร์ ภูมิประเทศ และ หลังคารูปทรงสำรวจ . ในระหว่างการสำรวจพบว่าเกือบทุกหลังคา มีขึ้นบนหลังคาของพวกเขา เหล่านี้เป็นเพียงการรักษาความปลอดภัยวัตถุประสงค์ไม่มีใครสามารถเข้าไปในบ้าน จากบันไดลงมา ม้าเหล่านี้ไม่ต้องใช้อื่น ๆ ดังนั้นม้าเหล่านี้ถูกเลือกสำหรับระบบการติดตั้ง เมาท์เดียวกันดังแสดงในรูปที่ 4 ซึ่งในการสำรวจของพื้นที่ศึกษา Garmin GPS ที่ใช้ในการค้นหาออกสูงในสังคม ประมาณ 8 จุด ถ่ายและระดับความสูงเฉลี่ย 202 เมตรของพื้นที่ศึกษา สี่ตั๋วถูกจับด้วยกล้องดิจิตอล ตามที่อธิบายไว้ข้างต้นมี 4 ประเภทของบ้านในพื้นที่ศึกษามีขนาดแตกต่างกันและโหลดไฟฟ้าที่แตกต่างกันดังนั้นจึงเป็นสิ่งที่จำเป็น เพื่อเก็บข้อมูลสำหรับทุกประเภท ภาพที่ทำจากข้อมูลการสำรวจถูกใช้เป็นข้อมูลเพื่อคำนวณความลาดชันและในด้านวิศวกรรมโยธา เครื่องมือที่ใช้ในการลาดและด้านวิศวกรรมโยธา 10.1 เครื่องมือกล่อง ผลการวิจัยด้านและความลาดชันเป็น ราสเตอร์ ด้านคำนวณตามเข็มนาฬิกาจากทิศเหนือ 0 องศา˚ - 359.9 ˚ในวัดและได้แสดงในรูปที่ 5 ขณะที่ความโน้มเอียงคำนวณจาก 0 - 90 องศา˚˚ดังแสดงในรูปที่ 6 แบบจำลองระบบสารสนเทศภูมิศาสตร์เป็นวิธีที่สะดวกในการสร้างแผนที่ศักยภาพพลังงานแสงอาทิตย์และมีความสัมพันธ์เชิงพื้นที่กับข้อมูลอื่น ๆ [ 19 ] ในการศึกษานี้ เป็นเครื่องมือของ ESRI ArcGIS . ใช้สำหรับการสร้างแบบจำลองระบบสารสนเทศภูมิศาสตร์ในการศึกษานี้คำนวณรังสีแสงอาทิตย์ ข้อมูลหลักของเครื่องมือนี้คือ ราสเตอร์ ภาพนี้สร้างขึ้นจากหลังคารูปหลายเหลี่ยมโดยระดับความสูงดิจิตอลเป็นสนามที่จะแปลงเป็น raster ใช้รูปหลายเหลี่ยมเพื่อเครื่องมือการแปลงข้อมูลภาพจากวิศวกรรมโยธาเครื่องมือกล่อง อัตราค่าไฟฟ้าและข้อมูลที่รวบรวมจากบริษัทบิลฮอร์ไฟฟ้าประปา ( LESCO ) เว็บไซต์ มีไฟฟ้า LESCO กองทั้งหมด ตลอดจน Lahore City