Get Geodata – https://shop.ciss.de
Newsletter – https://www.ciss.de/newsletter/
Demo-Files – https://git.osgeo.org/gitea/CISSTDI/weissflaechenkartierung/archive/3.2.1.zip

--------------

Das Weißflächenkartierungs-Tool bietet eine fortschrittliche und hochgradig anpassbare Methodik zur Identifizierung potenziell geeigneter Flächen für Solar- und Windenergieanlagen. Es unterstützt eine strukturierte und transparente Bewertung von Restriktions- und Ausschlusskriterien durch eine kartenbasierte Visualisierung und ermöglicht so eine effiziente und reproduzierbare Erfassung des Flächenpotenzials. Das Tool basiert auf der Auswertung autoritativer Geodaten mithilfe eines Geoinformationssystems (GIS) wie QGIS.

Eine umfassende Auswahl offizieller Geodaten bildet die Grundlage für die Abgrenzung potenzieller Flächen innerhalb der Weißflächenkartierung. In QGIS können diese Datensätze in unterschiedlichen Formaten integriert werden, darunter Tabellen, Textdateien, Web Feature Services (WFS) sowie weitere gängige Geodatenformate. Der Workflow zur Identifikation von Weißflächen ist vollständig automatisiert und auf hohe Effizienz ausgelegt. Nach der Auswahl des Projektgebiets werden alle relevanten thematischen Layer geladen. Anschließend werden Pufferzonen gemäß vordefinierter Abstands- und Restriktionsregeln erstellt. Diese gepufferten Ausschlussflächen werden im nächsten Schritt systematisch vom Projektgebiet abgezogen („Punch-out“-Verfahren). Das Ergebnis ist eine übersichtliche und intuitive Kartendarstellung, die potenzielle Weißflächen auf einen Blick sichtbar macht.

Nach Abschluss der Weißflächenkartierung auf Basis der definierten Kriterien erfolgt eine weiterführende Weißflächenanalyse. Diese umfasst eine tabellarische Darstellung der berechneten Flächen nach Kategorien sowie der daraus abgeleiteten technischen Potenziale. Diese Ergebnisse bilden eine belastbare Grundlage für weiterführende Planungen, Machbarkeitsanalysen und Entscheidungsprozesse im Kontext der Entwicklung erneuerbarer Energieprojekte.

Darüber hinaus ermöglicht das Weißflächenkartierungs-Tool eine initiale Kategorisierung der identifizierten Weißflächen anhand spezifischer Parameter, beispielsweise der Entfernung zum nächstgelegenen Transformator oder Netzanschlusspunkt. Diese zusätzliche Analyseebene unterstützt die Priorisierung und vergleichende Bewertung potenzieller Standorte und trägt zur Identifikation der am besten geeigneten Flächen für erneuerbare Energieprojekte bei.

--------------

The White Space Mapping Tool provides an innovative and customizable approach to identifying potential areas for the installation of solar and wind energy facilities. It enables a systematic review of restrictive and excluding criteria on a map, facilitating an efficient inventory of available space potential. This process is based on the evaluation of geographic base data using a Geographic Information System (GIS) application such as QGIS. Extensive official geospatial data forms the basis for determining potential areas integrated into the White Space Mapping Tool. In QGIS, this data can be incorporated in various formats such as tables, text, via Web Feature Service (WFS), or other geospatial formats. The workflow for white space identification is automated and efficiently designed. After selecting a project area, relevant layers are loaded, followed by setting up buffering according to specific distance rules. Subsequently, the "punching out" or subtracting of buffered areas from the project area is performed. The result is a clear map representation that easily identifies potential white spaces at a glance. Once the white space mapping is created based on defined criteria, white space analysis follows. This involves tabular representation of areas calculated for categories and the resulting technical potentials. These pieces of information serve as a basis for further planning and analysis within the context of renewable energy projects. Another function of the tool is the initial categorization of white spaces based on specific criteria such as the distance to the nearest transformer. This additional decision-making layer allows for further analysis and prioritization of potential areas to identify the best locations for renewable energy projects.