Bundesforschungsinstitut für Ländliche Räume, Wald und Fischerei
Public
Edited
Mar 24, 2023
data
Type Table, then Shift-Enter. Ctrl-space for more options.
minMWh = 0
stepsMWp = d3.range(9).reduce((bla, val, i, arr) => {
bla.push(
Math.round(((maxMWp - minMWp) / (arr.length + 1)) * (val + 1)) + minMWp
);
bla.push(
d3
.color(
d3.interpolateRgbBasis(["#FFFFFF", "#479EDB", "#204F75"])(
(val + 1) / (arr.length + 1)
)
)
.formatHex()
// d3.color(d3.interpolateYlOrBr((val + 1) / (arr.length + 1))).formatHex()
);
return bla;
}, [])
stepsMWh = d3.range(9).reduce((bla, val, i, arr) => {
bla.push(
Math.round(((maxMWh - minMWh) / (arr.length + 1)) * (val + 1)) + minMWh
);
bla.push(
d3
.color(
d3.interpolateRgbBasis(["#FFFFFF", "#E9C54B", "#47332A"])(
(val + 1) / (arr.length + 1)
)
)
.formatHex()
// d3.color(d3.interpolateYlOrBr((val + 1) / (arr.length + 1))).formatHex()
);
return bla;
}, [])
nuts3_gemeinden = d3.group(
await FileAttachment("gemeinden_nuts3@3.csv").csv({ typed: true }),
(g) => g.NUTS_CODE
)
geojson_nuts3 = {
const fc = topojson.feature(nuts3_topo, nuts3_topo.objects.NUTS250_N3);
fc.features.forEach((region, i) => {
// Gemeinden für NUTS 3 Region abrufen
const gemeinden = nuts3_gemeinden.get(region.properties.NUTS_CODE);
// Potentiale aggregieren
const gemeinde_daten = gemeinden.flatMap((g) =>
data.filter((r) => Number(r.AGS) == g.AGS)
);
fc.features[i].properties["Installierbare Leistung (MWp)"] = d3.sum(
gemeinde_daten.map((r) => r["Installierbare Leistung (MWp)"])
);
fc.features[i].properties["Stromerzeugungspotenzial (MWh)"] = d3.sum(
gemeinde_daten.map((r) => r["Stromerzeugungspotenzial (MWh)"])
);
fc.features[i].properties["Geeignete Flächen (ha)"] = d3.sum(
gemeinde_daten.map((r) => r["Geeignete Flächen (ha)"])
);
});
return fc;
}
total_TWh = _.round(energy_sums.totalEnergieMWh / (1000 * 1000), 2) //
perc_energie_verbrauch_d = _.round((total_TWh / 588.8) * 100, 2) // Gesamtproduktion Deutschland https://www.bmwk.de/Redaktion/DE/Dossier/strommarkt-der-zukunft.html#:~:text=In%20Deutschland%20wurden%20im%20Jahr,das%20sind%20588%20Milliarden%20kWh%20.
energy_tb = tb_gt_treshold.derive({
MWp: aq.escape((d) =>
calc_installierbare_leistung_MWp(d.streifen_flaeche_ha)
),
pvout: aq.escape((d) => Number(d.PVOUT_centroid)),
MWh: aq.escape((d) =>
calc_energie_pro_zeiteinheit_MWh(d.streifen_flaeche_ha, d.PVOUT_centroid)
),
...monate.reduce((arr, monat) => {
arr[monat.eng_key] = aq.escape((d) =>
calc_energie_pro_zeiteinheit_MWh(d.streifen_flaeche_ha, d[monat.eng_key])
);
return arr;
}, {})
})
tb_gt_treshold = tb
.filter(aq.escape((d) => d.streifen_flaeche_ha > min_size))
.filter(aq.escape((d) => (nat_ausschliessen.length ? !d.natura2000 : d)))
energy_sums = energy_tb
.rollup({
totalInstallierbarMWp: (d) => Math.round(op.sum(d.MWp)),
avgPVOUT: (d) => Math.round(op.average(d.pvout)),
totalEnergieMWh: (d) => Math.round(op.sum(d.MWh)),
PVOUT_01_centroid: (d) => Math.round(op.sum(d.PVOUT_01_centroid)),
PVOUT_02_centroid: (d) => Math.round(op.sum(d.PVOUT_02_centroid)),
PVOUT_03_centroid: (d) => Math.round(op.sum(d.PVOUT_03_centroid)),
PVOUT_04_centroid: (d) => Math.round(op.sum(d.PVOUT_04_centroid)),
PVOUT_05_centroid: (d) => Math.round(op.sum(d.PVOUT_05_centroid)),
PVOUT_06_centroid: (d) => Math.round(op.sum(d.PVOUT_06_centroid)),
PVOUT_07_centroid: (d) => Math.round(op.sum(d.PVOUT_07_centroid)),
PVOUT_08_centroid: (d) => Math.round(op.sum(d.PVOUT_08_centroid)),
PVOUT_09_centroid: (d) => Math.round(op.sum(d.PVOUT_09_centroid)),
PVOUT_10_centroid: (d) => Math.round(op.sum(d.PVOUT_10_centroid)),
PVOUT_11_centroid: (d) => Math.round(op.sum(d.PVOUT_11_centroid))
})
.object()
function calc_installierbare_leistung_MWp(ha) {
// Flächeninanspruchnahme berechnen
// const values = [
// (750 / 1000) * fia.fia_750,
// (2000 / 1000) * fia.fia_2000,
// (5000 / 1000) * fia.fia_5000,
// (20000 / 1000) * fia.fia_20000
// ];
// // Flächeninanspruchnahme auswählen, die der Schlaggröße am nächsten kommt
// const fias = [fia.fia_750, fia.fia_2000, fia.fia_5000, fia.fia_20000];
// const index = findClosestIndex(values, ha);
// const MWp = ha / fias[index];
const MWp = ha / fia_simple;
// wenn die installierbare Leistung negativ wird (zu kleine Fläche)
// wird eine installierbare Leistung von 0 angenommen
return MWp < 0 ? 0 : MWp;
}
function calc_energie_pro_zeiteinheit_MWh(ha, pvout) {
return calc_installierbare_leistung_MWp(ha) * Number(pvout);
}
monate = [
{ monat: "Januar", eng_key: "PVOUT_01_centroid" },
{ monat: "Februar", eng_key: "PVOUT_02_centroid" },
{ monat: "März", eng_key: "PVOUT_03_centroid" },
{ monat: "April", eng_key: "PVOUT_04_centroid" },
{ monat: "Mai", eng_key: "PVOUT_05_centroid" },
{ monat: "Juni", eng_key: "PVOUT_06_centroid" },
{ monat: "Juli", eng_key: "PVOUT_07_centroid" },
{ monat: "August", eng_key: "PVOUT_08_centroid" },
{ monat: "September", eng_key: "PVOUT_09_centroid" },
{ monat: "Oktober", eng_key: "PVOUT_10_centroid" },
{ monat: "Dezember", eng_key: "PVOUT_11_centroid" }
]
flaeche_autobahn_ha = Math.round(10349011869/ 10000)
flaeche_schienen_ha = Math.round(27679550581 / 10000)
total_area = Math.round(
tb
.rollup({
total: (d) => op.sum(d.streifen_flaeche_ha)
})
.object().total
)
total_area_filtered = Math.round(
tb_gt_treshold
.rollup({
total: (d) => op.sum(d.streifen_flaeche_ha)
})
.object().total
)
natura2000_area = total_area - total_area_no_natura2000
total_area_no_natura2000 = Math.round(
tb
.filter((d) => !d.natura2000)
.rollup({
total: (d) => op.sum(d.streifen_flaeche_ha)
})
.object().total
)
areas_per_crop = tb
.pivot("crop_type", { total: (d) => op.sum(d.streifen_flaeche_ha) })
.object()
tb = aq.fromArrow(table)
table = pq.readParquet(new Uint8Array(await data_source.arrayBuffer()))
naturschutz_pattern = render(
textures.lines().size(4).strokeWidth(1).stroke("white").background("#7DBB39")
)
naturschutz_pattern_png = rasterize(naturschutz_pattern)
data_source = FileAttachment("lf_an_autobahnen_bahnstrecken_inkl_daten_500.parquet")
One platform to build and deploy the best data apps
Experiment and prototype by building visualizations in live JavaScript notebooks. Collaborate with your team and decide which concepts to build out.
Use Observable Framework to build data apps locally. Use data loaders to build in any language or library, including Python, SQL, and R.
Seamlessly deploy to Observable. Test before you ship, use automatic deploy-on-commit, and ensure your projects are always up-to-date.