In this study we were able to ident

In this study we were able to identify uncertainties in the mapping between GHG protocols as well as in the aggregation process from ALKIS classes to GHG protocols using bottom-up data.


In terms of data aggregation to GHG reporting classes we were able to identify a strong heterogeneity in the building stock using the heating cadaster data mapped on the CityGML model.


This concept was supported by the skewness GHG emissions from buildings within a reporting class, indicating that mean values are not necessarily the most common emission values
in a particular class.


Also the different class resolution in the GHG reporting protocols influence the reported
sectorial values due to the smoothing effect of higher building numbers in particular large classes.



Finally the linkage between the CityGML 3D city model building information with ALKIS energy and GHG data seems to be a suitable approach to develop MRV tools for cities which are able to report under different protocols

ผลลัพธ์ (ไทย) 1:

ในการศึกษานี้ เราไม่สามารถระบุความไม่แน่นอนในการแม็ประหว่างปริมาณโพรโทคอลเช่นในกระบวนการรวมจากคลา ALKIS การโพรโทคอลปริมาณการใช้ข้อมูลด้านล่างขึ้น ในรวมข้อมูลปริมาณที่รายงานการเรียน เราก็ต้อง heterogeneity แข็งแรงจำนวนอาคารที่ใช้ความร้อนที่ระบุข้อมูล cadaster ที่ถูกแมปในแบบ CityGML แนวคิดนี้ได้รับการสนับสนุน โดยการปล่อย GHG ความเบ้จากอาคารภายในชั้นเรียนรายงาน บ่งชี้ค่าเฉลี่ยไม่จำเป็นต้องเป็นค่าปล่อยก๊าซมากที่สุดในชั้นเรียนเฉพาะ ยัง ความละเอียดระดับต่าง ๆ ในโปรโตคอลรายงานปริมาณมีผลรายงานsectorial ค่าเนื่องจากผลกระทบผืนจำนวนอาคารสูงโดยเฉพาะในชั้นเรียนขนาดใหญ่สุดท้าย การเชื่อมโยงระหว่างเมือง CityGML 3D รุ่นข้อมูลอาคาร ALKIS พลังงาน และปริมาณข้อมูลน่าจะ เป็นวิธีการเหมาะสมเพื่อพัฒนาเครื่องมือ MRV เมืองซึ่งสามารถรายงานภายใต้โพรโทคอแตกต่างกัน

ผลลัพธ์ (ไทย) 2:

ในการศึกษานี้เราสามารถที่จะระบุความไม่แน่นอนในการทำแผนที่ระหว่างโปรโตคอลก๊าซเรือนกระจกเช่นเดียวกับในกระบวนการการรวมตัวจากการเรียน alkis โปรโตคอลก๊าซเรือนกระจกโดยใช้ข้อมูลจากล่างขึ้นบน. ในแง่ของการรวบรวมข้อมูลจากการเรียนการรายงานเรือนกระจกเราสามารถที่จะระบุที่แข็งแกร่ง ความแตกต่างในสต็อกอาคารโดยใช้ข้อมูลความร้อน cadaster แมปในรูปแบบ CityGML. แนวคิดนี้ได้รับการสนับสนุนจากการปล่อยก๊าซเรือนกระจกเบ้จากอาคารภายในชั้นเรียนรายงานแสดงให้เห็นว่าค่าเฉลี่ยไม่จำเป็นต้องมีค่าการปล่อยก๊าซที่พบมากที่สุดในชั้นเรียนโดยเฉพาะอย่างยิ่ง. นอกจากนี้ ความละเอียดระดับที่แตกต่างกันในโปรโตคอลรายงานเรือนกระจกมีอิทธิพลต่อการรายงานค่ารายสาขาเนื่องจากผลเรียบของจำนวนอาคารที่สูงขึ้นในชั้นเรียนขนาดใหญ่โดยเฉพาะอย่างยิ่ง. ในที่สุดการเชื่อมโยงระหว่างเมือง 3D CityGML ข้อมูลอาคารรุ่นที่มีพลังงาน alkis และข้อมูลก๊าซเรือนกระจกที่ดูเหมือนว่าจะเหมาะสม วิธีการในการพัฒนาเครื่องมือ MRV สำหรับเมืองที่มีความสามารถที่จะรายงานภายใต้โปรโตคอลที่แตกต่าง

ผลลัพธ์ (ไทย) 3:

ในการศึกษานี้เราสามารถระบุความไม่แน่นอนในการทำแผนที่ระหว่างโปรโตคอล รวมทั้งก๊าซเรือนกระจกในกระบวนการการรวมจาก alkis ชั้นเรียนให้พร้อมระบบโดยใช้ข้อมูลจากล่างขึ้นบน .


ในแง่ของการรายงานข้อมูลให้พร้อมเรียนเราสามารถระบุแข็งแรงสามารถในการสร้างหุ้นโดยใช้ความร้อน cadaster ข้อมูลแมปบน citygml นางแบบ


แนวคิดนี้ได้รับการสนับสนุนโดยความการปล่อยก๊าซเรือนกระจกจากอาคารภายในชั้นเรียน รายงาน ระบุว่า ค่าเฉลี่ยเป็นทั่วไปมากที่สุดการปล่อยค่า
ในชั้นโดยเฉพาะ


ยังชั้นละเอียดที่แตกต่างกันในก๊าซเรือนกระจกรายงานโปรโตคอลอิทธิพลรายงาน
หมวดธุรกิจค่าเนื่องจากผลกระทบของอาคารสูงที่เรียบตัวเลขในชั้นเรียนขนาดใหญ่



โดยเฉพาะในที่สุดความสัมพันธ์ระหว่างรูปแบบ citygml 3D สร้างเมืองข้อมูลพลังงาน alkis และข้อมูลพร้อม น่าจะเป็นแนวทางที่เหมาะสม เพื่อพัฒนาเครื่องมือ mrv สำหรับเมืองที่สามารถรายงานภายใต้โปรโตคอลต่าง ๆ