Výpočet solárnej radiácie pomocou aplikácie softvérových nástrojov GIS

Úvod

V posledných rokoch došlo k mnohým zmenám v lesoch Slovenska, ktoré si vyžiadali aj zmeny v prístupe ochrany lesa. Silné a stále častejšie sa vyskytujúce vetrové kalamity ničia celé územia a narušujú statickú stabilitu porastov, v ktorých sa následne aktivizujú biotické činitele. Najvýznamnejším takýmto činiteľom je lykožrút smrekový.

Solárna radiácia má dôležitý vplyv na efektívne predikčné modelovanie napadnutia lesných porastov podkôrnym hmyzom, pričom takéto modelovanie je bežne používanou štatistickou technikou na predpovedanie budúceho správania. Cieľom práce je aplikácia softvérových nástrojov na výpočet solárnej radiácie v prostredí geografických informačných systémov (GIS).

Solárna radiácia

Solárna radiácia je všeobecný pojem pre elektromagnetické žiarenie vyžarované Slnkom. Energetické spektrum tohto žiarenia je veľmi blízke žiareniu ideálneho čierneho telesa s teplotou 5800 K. Elektromagnetické žiarenie zo Slnka, ktoré po prechode atmosférou dopadne na zemský povrch má spektrálny rozsah 300-2500 nm.

Na zemskom povrchu registrujeme tri základné druhy slnečného žiarenia (Obr.1.):

  • priame slnečné žiarenie,

  • rozptýlené (difúzne),

  • žiarenie odrazené od zemského povrchu alebo iných objektov.

Všetky tri typy žiarenia označujeme spoločným názvom globálna (celková) slnečná radiácia.

Obr. 1: Druhy slnecného žiarenia

Obr. 1: Druhy slnecného žiarenia

Modely solárnej radiácie v GIS

Modely solárnej radiácie sú integrované v rámci GIS, ktoré poskytujú rýchle, nákladovo efektívne a presné odhady ožiarenia na veľkých územiach s ohľadom na sklon terénu, uhol dopadajúcich lúčov a efekt tieňovania. Spojenie modelov solárnej radiácie s GIS a systémami spracovania obrazu nám zlepšujú schopnosť spracovania dát a spoluprácu s ďalšími modelmi. Významný pokrok bol dosiahnutý s vývojom rôznych modelov solárnej radiácie v posledných dvoch desaťročiach.

Jeden z prvých modelov solárnej radiácie bol SolarFlux vyvinutý pre ARC/INFO GIS, ktorý je založený na modelovaní slnečného žiarenia na základe orientácie povrchu, uhla dopadu slnečných lúčov, efektu tieňovania v dôsledku topografických a atmosférických vlastností. Podobný pokrok bol dosiahnutý aj implementáciou algoritmov solárnej radiácie do dostupného softvéru GIS Genasys pomocou skriptu AML. Ďalší prístup výpočtu je realizovaný v samostatnom modeli Solei, ktorý bol prepojený s GIS IDRISI.

Všetky tri uvedené modely využívajú pomerne jednoduché empirické vzorce, pričom niektoré ich parametre sú spriemerované a preto nie sú vhodné na výpočty veľkých území.

Pokročilejšie metódy pre ekologické a biologické aplikácie sa používajú v aplikácii Solar Analyst, ako modul rozšírenia ArcView GIS. Hlavnou výhodou tohto modelu je, že umožňuje výpočet priameho, rozptýleného aj globálneho žiarenia, pričom výpočet môžeme realizovať pre zvolené obdobie (denný, týždenný, mesačný atď.).

Na základe týchto modelov bol vyvinutý aj nový model založený na modeli GIS označený ako r.sun, ktorý je navrhnutý pre prostredie GRASS GIS. Cieľom bolo odstrániť obmedzenia a nevýhody predchádzajúcich modelov.

Výpočet solárnej radiácie v prostredí ArcGIS

Nástroje na analýzu slnečného žiarenia v ArcGIS sú uvedené v rozšírení Spatial Analyst, ktoré umožňujú mapovať a analyzovať účinok slnečného žiarenia na vymedzenej geografickej oblasti v zadanom časovom období. Analýzu slnečného žiarenia môžeme vykonať pomocou dvoch metód. Prvú metódu označujeme ako Area Solar Radiation (ASR), ktorá umožňuje výpočet solárnej radiácie na vymedzenej oblasti. Výpočet je postupne vykonaný na všetkých častiach vstupného topografického povrchu a z nich vytvorená mapa slnečného žiarenia pre danú oblasť. Druhá metóda je Points Solar Radiation (PSR), ktorá umožňuje výpočet solárnej radiácie v zadanej bunke rastra. Výslednú hodnotu globálnej solárnej radiácie dostaneme ako súčet priameho a difúzneho slnečného žiarenia. ArcGIS Spatial Analyst nezohľadňuje odrazené slnečné žiarenie.

Výpočet priameho slnečného žiarenia:

Celkovú priamu solárnu radiáciu pre dané územia dostaneme ako súčet čiastkových hodnôt zo všetkých sektorov solárnej mapy:

\[ Dir_{tot} = \sum_{i=1}^n \left(Dir_\theta,_\alpha\right)_i \]

Priame žiarenie zo sektorov solárnej mapy s centrom v bode so zenitovým uhlom θ a azimutom α dostaneme:

\[ Dir_\theta,_\alpha = S_c \beta^{m\left(\theta\right)} SunDur_\theta,_\alpha SunGap_\theta,_\alpha \cos\left(AngIn_\theta,_\alpha\right),\\ \]

kde \[ S_c \] je slnečná konštanta, \[ \beta \] je priepustnosť atmosféry, \[ {m\left(\theta\right)} \] je relatívna dĺžka optickej dráhy, \[ SunDur_\theta,_\alpha \] je doba trvania (denný interval vynásobený hodinovým intervalom), \[ SunGap_\theta,_\alpha \] je čiastkový zlomok pre mapové sektory, \[ AngIn_\theta,_\alpha \] je uhol dopadu slnečných lúčov.

Relatívnu dĺžku optickej cesty, ktorá je funkciou zenitového uhla a do ktorej vstupuje nadmorská výška (Elev) v metroch, dostaneme pomocou rovnice:

\[ {m\left(\theta\right)} = EXP\left(-0.000118 Elev - 1.638*10^{-9} Elev^2\right)/ cos(\theta) \]

Uhol dopadu slnečných lúčov je vypočítaný ako:

\[ AngIn_\theta,_\alpha = acos (cos(\theta)cos(G_z)+sin(\theta)sin(G_z)cos(\alpha-G_a)),\\ \] kde \[ G_z \] je zenitový uhol povrchu, \[ G_a \] je azimut povrchu.

Výpočet difúzneho slnečného žiarenia:

Na výpočet použijeme vzťah: \[ Dif_\theta,_\alpha =R_{glb} P_{dif} Dur SkyGap_\theta,_\alpha Weight_\theta,_\alpha cos(AngIn_\theta,_\alpha), \\ \]

kde \[ R_{glb} \] je normálne globálne žiarenie, \[ P_{dif} \] je časť normálneho globálneho žiarenia, ktorý je rozptýlený, (0.2 pri podmienke jasnej oblohy, a 0.7 pri podmienkach oblačnosti), \[ Dur \] je časový interval pre analýzu, \[ SkyGap_\theta,_\alpha \] je čiastkový zlomok pre sektor oblohy, \[ Weight_\theta,_\alpha \] je časť difúzneho žiarenia pre daný sektor oblohy.

Normálne globálne žiarenie dostaneme sumáciou priameho žiarenia v každom sektore bez korekcie uhla dopadu lúčov a s uvážením korekcie časti priameho žiarenia:

\[ R_{glb} = (S_c \sum_{i=1}^n \beta^{m\left(\theta\right)})/(1-P_{dif}) \]

Časť difúzneho žiarenia pre daný sektor oblohy dostaneme ako:

\[ Weight_\theta,_\alpha = (cos(\theta_2)-cos(\theta_1))/Div_{azi}, \\ \] kde \[ \theta_1 \quad a \quad \theta_2 \] sú ohraničujúce zenitové uhly sektora, \[ Div_{azi} \] je počet azimutálnych rozdelení mapy oblohy.

Celkovú difúznu solárnu radiáciu dostaneme ako súčet čiastkových hodnôt zo všetkých sektorov: \[ Dif_{tot} = \sum_{i=1}^n \left(Dif_\theta,_\alpha\right)_i \] Celkové globálne žiarenie je vypočítané ako súčet priameho a difúzneho žiarenia: \[ Global_{tot} = Dir_{tot} + Dif_{tot} \]

Záujmové územie

Výpočet solárnej radiácie je vykonaný pomocou softvérového nástroja ArcGIS v záujmovom území oblasti TANAP (Obr.2).

Obr. 2: Záujmové územie- Tatranský národný park

Obr. 2: Záujmové územie- Tatranský národný park

Výpočet

Presnosť určenia solárnej radiácie v prostredí súčasných softvérov GIS je limitovaná implementovanými metódami a nástrojmi, ich vstupnými parametrami, ale najmä presnosťou digitálnych výškových modelov, ktoré tvoria základ jej výpočtu. Úrad geodézie, kartografie a katastra Slovenskej republiky v súčasnosti poskytuje dáta získané pomocou leteckého laserového skenovania.

Výpočet bol vykonaný na podklade týchto dát, pričom bol použitý raster s rozlíšením 10 m, 5 m a 2 m. Dané výpočty globálnej solárnej radiácie sú časovo veľmi náročné, výpočet s použitím rastra s rozlíšením 2 m trval až 14 dní (Obr.3).

Obr. 3: Vypocítaná globálna solárna radiácia (rozlíšenie 2 m)

Obr. 3: Vypocítaná globálna solárna radiácia (rozlíšenie 2 m)

Následne bolo náhodne vybraných 100 bodov (Obr.4), aby sme mohli jednotlivé výsledky porovnať. Dôležitou informáciou je maximálny a minimálny rozdiel globálnej solárnej radiácie medzi jednotlivými rozlíšeniami.

Obr. 4: Rozloženie náhodne vybraných bodov na oblasti záujmového územia

Obr. 4: Rozloženie náhodne vybraných bodov na oblasti záujmového územia

Výpočet v systéme R

Načítanie dát:

GR_rozl_2 <- read.table("GR_rozlisenie_2m.txt", header = TRUE, sep = "", dec=".")
GR_rozl_5 <- read.table("GR_rozlisenie_5m.txt", header = TRUE, sep = "", dec=".")
GR_rozl_10 <- read.table("GR_rozlisenie_10m.txt", header = TRUE, sep = "", dec=".")
x <- data.frame(cbind(GR_rozl_2, GR_rozl_5, GR_rozl_10))
x
##     GR_rozl_2 GR_rozl_5 GR_rozl_10
## 1   1092647.0 1071381.6  1041266.4
## 2   1061941.2 1054989.4  1071672.2
## 3   1096178.0 1111406.4  1074507.6
## 4    798294.8  832200.5   925845.7
## 5    900377.9  939480.6   918060.9
## 6   1052499.1 1079595.5  1071798.2
## 7   1150735.8 1143477.1  1161616.9
## 8   1163038.1 1178923.4  1179816.8
## 9   1009409.4 1072009.5  1049488.4
## 10  1150387.2 1204218.5  1223839.2
## 11  1182666.8 1173397.0  1162947.4
## 12   994119.5 1031330.6  1032710.4
## 13  1223826.0 1190318.2  1200479.6
## 14  1116349.8 1116504.9  1104569.6
## 15  1149684.9 1141639.1  1144899.6
## 16   858254.4  909726.8   889455.2
## 17   888381.1  866779.6   951989.2
## 18  1075817.2  980788.9  1046022.1
## 19  1043563.8 1072127.9  1058590.8
## 20  1102294.4 1115275.4  1115179.6
## 21  1079360.2 1035858.6  1052939.9
## 22  1268944.5 1253681.5  1258520.4
## 23  1132449.9 1132039.9  1117101.2
## 24  1039425.2 1049650.5  1022351.4
## 25   850899.8  806344.3   809698.0
## 26  1288268.6 1287097.0  1292089.9
## 27  1274648.2 1277762.6  1269187.4
## 28  1235230.9 1278780.0  1246844.0
## 29   868824.8  861411.9   847647.9
## 30   906708.1  964075.0   992821.0
## 31  1203384.1 1296296.4  1267524.8
## 32  1418855.2 1424989.1  1424309.2
## 33  1085730.5 1062968.8  1076596.5
## 34  1360229.4 1352025.8  1353574.0
## 35   994967.8 1084471.5  1055778.2
## 36  1056499.5 1078959.2  1099483.1
## 37   946334.9  919332.6   906392.1
## 38  1224365.1 1215902.5  1225604.9
## 39  1007845.4 1073951.1  1093602.4
## 40  1095420.9 1053916.8  1056927.2
## 41   685899.3  710876.5   713797.8
## 42  1044040.8 1019076.2   993166.6
## 43  1162130.9 1174216.6  1157012.9
## 44   988137.5 1069014.1  1083455.6
## 45   919089.4  825811.4   873018.0
## 46   965254.5  937822.9   947435.2
## 47   606095.4  694111.4   686923.4
## 48  1472204.5 1501438.4  1293448.0
## 49  1357402.4 1333472.2  1342410.6
## 50  1227608.4 1205204.9  1209553.2
## 51  1228836.0 1298064.8  1308044.6
## 52   937364.2  995926.9  1024809.6
## 53  1010424.5  949201.2   948403.4
## 54  1380625.0 1390590.8  1389179.8
## 55   897230.7  850175.5   874297.9
## 56  1088568.2 1044659.8  1036754.9
## 57  1097187.4 1031474.4  1069106.6
## 58  1387330.4 1407511.1  1405610.8
## 59   883365.2  871942.6   910749.9
## 60   783721.9  769899.6   821905.9
## 61  1126035.2 1125701.9  1115072.9
## 62   949781.1 1013030.1  1047096.1
## 63   563249.5  570732.6   580381.1
## 64  1030537.4 1046940.4   686668.5
## 65   949799.5  994532.2  1015905.6
## 66  1206451.8 1264159.4  1263619.0
## 67  1262355.9 1242666.4  1249084.1
## 68   938542.4 1093533.1  1129720.6
## 69   701997.7  790349.9   770039.8
## 70   908452.7  904815.3   770597.7
## 71  1079611.9 1070276.1  1108907.6
## 72  1173803.4 1258397.2  1254574.1
## 73  1152630.9 1152379.6  1169505.9
## 74  1043387.6 1034516.1   997126.8
## 75   921003.8  985929.9   987594.8
## 76   925954.0  951755.6   948794.2
## 77  1046608.6 1147750.1  1092523.5
## 78  1044891.2 1099916.1  1064646.2
## 79  1222858.0 1253659.1  1257435.2
## 80  1094993.6 1139611.6  1132102.4
## 81  1336607.4 1400518.6  1428101.5
## 82  1191331.6 1161770.1  1181303.5
## 83   840897.5 1167035.6  1180251.5
## 84   996294.1  993980.6   996400.5
## 85  1306675.1 1314994.9  1322608.5
## 86  1098509.0 1126930.9  1131081.8
## 87   844725.5  723145.3   851926.1
## 88  1074791.2 1167229.8  1188987.6
## 89  1303785.6 1297207.5  1306343.1
## 90  1204532.2 1192917.9  1181754.1
## 91  1284450.8 1342237.2  1345656.4
## 92  1086446.9 1015353.5  1113747.6
## 93  1273900.6 1273039.5  1289230.2
## 94  1331819.9 1367622.6  1350147.5
## 95  1116867.8 1186387.9  1167750.4
## 96  1279023.2 1219209.5  1236278.6
## 97  1083593.4 1134582.4  1143199.8
## 98  1217883.8 1201824.4  1208458.8
## 99  1275125.5 1233460.4  1265618.6
## 100 1234792.2 1280107.1  1278184.9

Histogramy početnosti:

ggplot(data = GR_rozl_2, mapping = aes(x = GR_rozl_2)) + 
       geom_histogram(bins = 10, binwidth = 100000, fill = "seagreen4", color = "navy") + 
       scale_x_continuous(breaks = seq(550000, 1500000, 100000)) +
       labs(title = "Histogram početnosti pre GR_rozl_2", 
       x = "Globálna solárna radiácia (rozlíšenie 2 m)", y = "Počet")

ggplot(data = GR_rozl_5, mapping = aes(x = GR_rozl_5)) + 
       geom_histogram(bins = 10, binwidth = 100000, fill = "indianred", color = "navy") + 
       scale_x_continuous(breaks = seq(550000, 1500000, 100000)) +
       labs(title = "Histogram početnosti pre GR_rozl_5", 
       x = "Globálna solárna radiácia (rozlíšenie 5 m)", y = "Počet")

ggplot(data = GR_rozl_10, mapping = aes(x = GR_rozl_10)) + 
       geom_histogram(bins = 10, binwidth = 100000, fill = "yellow3", color = "navy") + 
       scale_x_continuous(breaks = seq(550000, 1500000, 100000)) +
       labs(title = "Histogram početnosti pre GR_rozl_10", 
       x = "Globálna solárna radiácia (rozlíšenie 10 m)", y = "Počet")

Výpočet rozdielov:

rozdiel1 <- GR_rozl_2-GR_rozl_5
rozdiel2 <- GR_rozl_5-GR_rozl_10
rozdiel3 <- GR_rozl_2-GR_rozl_10
y <- data.frame(cbind(rozdiel1, rozdiel2, rozdiel3))
y
##       GR_rozl_2   GR_rozl_5  GR_rozl_2.1
## 1     21265.375   30115.188   51380.5625
## 2      6951.875  -16682.875   -9731.0000
## 3    -15228.375   36898.750   21670.3750
## 4    -33905.688  -93645.188 -127550.8750
## 5    -39102.688   21419.688  -17683.0000
## 6    -27096.375    7797.250  -19299.1250
## 7      7258.625  -18139.750  -10881.1250
## 8    -15885.250    -893.375  -16778.6250
## 9    -62600.125   22521.125  -40079.0000
## 10   -53831.250  -19620.750  -73452.0000
## 11     9269.750   10449.625   19719.3750
## 12   -37211.062   -1379.812  -38590.8750
## 13    33507.750  -10161.375   23346.3750
## 14     -155.125   11935.250   11780.1250
## 15     8045.750   -3260.500    4785.2500
## 16   -51472.438   20271.625  -31200.8125
## 17    21601.562  -85209.625  -63608.0625
## 18    95028.312  -65233.125   29795.1875
## 19   -28564.125   13537.125  -15027.0000
## 20   -12981.000      95.750  -12885.2500
## 21    43501.625  -17081.250   26420.3750
## 22    15263.000   -4838.875   10424.1250
## 23      410.000   14938.625   15348.6250
## 24   -10225.312   27299.125   17073.8125
## 25    44555.500   -3353.688   41201.8125
## 26     1171.625   -4992.875   -3821.2500
## 27    -3114.375    8575.250    5460.8750
## 28   -43549.125   31936.000  -11613.1250
## 29     7412.875   13764.000   21176.8750
## 30   -57366.875  -28746.000  -86112.8750
## 31   -92912.250   28771.625  -64140.6250
## 32    -6133.875     679.875   -5454.0000
## 33    22761.750  -13627.750    9134.0000
## 34     8203.625   -1548.250    6655.3750
## 35   -89503.688   28693.250  -60810.4375
## 36   -22459.750  -20523.875  -42983.6250
## 37    27002.312   12940.438   39942.7500
## 38     8462.625   -9702.375   -1239.7500
## 39   -66105.688  -19651.250  -85756.9375
## 40    41504.125   -3010.500   38493.6250
## 41   -24977.188   -2921.250  -27898.4375
## 42    24964.625   25909.562   50874.1875
## 43   -12085.750   17203.750    5118.0000
## 44   -80876.625  -14441.500  -95318.1250
## 45    93278.000  -47206.625   46071.3750
## 46    27431.562   -9612.250   17819.3125
## 47   -88016.062    7188.000  -80828.0625
## 48   -29233.875  207990.375  178756.5000
## 49    23930.125   -8938.375   14991.7500
## 50    22403.500   -4348.375   18055.1250
## 51   -69228.750   -9979.875  -79208.6250
## 52   -58562.750  -28882.688  -87445.4375
## 53    61223.250     797.875   62021.1250
## 54    -9965.750    1411.000   -8554.7500
## 55    47055.188  -24122.375   22932.8125
## 56    43908.438    7904.875   51813.3125
## 57    65712.938  -37632.188   28080.7500
## 58   -20180.750    1900.375  -18280.3750
## 59    11422.562  -38807.312  -27384.7500
## 60    13822.312  -52006.375  -38184.0625
## 61      333.375   10629.000   10962.3750
## 62   -63248.938  -34066.062  -97315.0000
## 63    -7483.062   -9648.500  -17131.5625
## 64   -16402.938  360271.875  343868.9375
## 65   -44732.688  -21373.375  -66106.0625
## 66   -57707.625     540.375  -57167.2500
## 67    19689.500   -6417.750   13271.7500
## 68  -154990.750  -36187.500 -191178.2500
## 69   -88352.250   20310.125  -68042.1250
## 70     3637.375  134217.625  137855.0000
## 71     9335.750  -38631.500  -29295.7500
## 72   -84593.875    3823.125  -80770.7500
## 73      251.250  -17126.250  -16875.0000
## 74     8871.438   37389.312   46260.7500
## 75   -64926.125   -1664.812  -66590.9375
## 76   -25801.562    2961.375  -22840.1875
## 77  -101141.562   55226.625  -45914.9375
## 78   -55024.938   35269.875  -19755.0625
## 79   -30801.125   -3776.125  -34577.2500
## 80   -44618.000    7509.250  -37108.7500
## 81   -63911.250  -27582.875  -91494.1250
## 82    29561.500  -19533.375   10028.1250
## 83  -326138.125  -13215.875 -339354.0000
## 84     2313.438   -2419.875    -106.4375
## 85    -8319.750   -7613.625  -15933.3750
## 86   -28421.875   -4150.875  -32572.7500
## 87   121580.188 -128780.812   -7200.6250
## 88   -92438.500  -21757.875 -114196.3750
## 89     6578.125   -9135.625   -2557.5000
## 90    11614.375   11163.750   22778.1250
## 91   -57786.500   -3419.125  -61205.6250
## 92    71093.375  -98394.125  -27300.7500
## 93      861.125  -16190.750  -15329.6250
## 94   -35802.750   17475.125  -18327.6250
## 95   -69520.125   18637.500  -50882.6250
## 96    59813.750  -17069.125   42744.6250
## 97   -50989.000   -8617.375  -59606.3750
## 98    16059.375   -6634.375    9425.0000
## 99    41665.125  -32158.250    9506.8750
## 100  -45314.875    1922.250  -43392.6250

Následne môžeme analyzovať tieto rozdiely v programovom prostredí ArcGIS, aby sme zistili v ktorých oblastiach sú najväčšie rozdiely globálnej solárnej radiácie.

Minimálny, maximálny a priemerný rozdiel medzi rozlíšeniami:

summary_2_5 <- summary(rozdiel1); summary_2_5
##    GR_rozl_2      
##  Min.   :-326138  
##  1st Qu.: -46733  
##  Median :  -7901  
##  Mean   : -15194  
##  3rd Qu.:  15462  
##  Max.   : 121580
summary_5_10 <- summary(rozdiel2); summary_5_10
##    GR_rozl_5        
##  Min.   :-128780.8  
##  1st Qu.: -17092.5  
##  Median :  -3307.1  
##  Mean   :    245.2  
##  3rd Qu.:  11356.6  
##  Max.   : 360271.9
summary_2_10 <- summary(rozdiel3); summary_2_10
##    GR_rozl_2      
##  Min.   :-339354  
##  1st Qu.: -44023  
##  Median : -13956  
##  Mean   : -14949  
##  3rd Qu.:  15780  
##  Max.   : 343869

Záver

Vplyv solárnej radiácie na napadnutie lesa je už dlho známy, ale zatiaľ nebol vykonaný dostatočný výskum na kvantitatívne stanovenie tejto závislosti. Slnečné žiarenie, akumulácia svetla a výsledná teplota prostredia majú priamy vplyv na vývoj, rojenie a letovú aktivitu podkôrneho hmyzu.

Solárna radiácia ovplyvňuje najmä stromy v blízkosti veternej kalamity. V nenarušených podmienkach je kmeň stromu chránený pred priamym slnečným žiarením svojimi vlastnými vetvami (individuálne tienenie) alebo korunami susedných stromov (hromadné zatienenie). Po narušení sú stromy vystavené priamemu slnečnému žiareniu a vykazujú zníženú odolnosť proti škodcom drevín.

Z analýzy rozdielov globálnej solárnej radiácie vo vybraných bodoch vychádza, že najväčšie rozdiely medzi rozlíšeniami sa nachádzajú v polohách s nižšou hodnotou solárnej radiácie.

Dáta z leteckého laserového skenovania nám umožňuje presnejšie určenie globálnej solárnej radiácie, hlavne vo vysokohorskom prostredí. Presnejšie určenie potenciálnej solárnej radiácie umožní spoľahlivejšie modelovať napadnutie lesných porastov škodcami alebo napríklad aj predikovať lavínové nebezpečenstvo vo vysokohorskom prostredí. Ďalším zlepšením takéhoto predikčného modelovania v budúcnosti môže byť použitie 3D modelov solárnej radiácie.