利用Landsat影像的时空分割技术检测公用事业规模的太阳能发电设施及其相关的土地覆盖变化

《Science of Remote Sensing》：Detecting utility-scale solar installations and associated land cover changes using spatiotemporal segmentation of Landsat imagery

本研究开发并测试了CCDC-SNIC方法，结合连续变化检测和简单非迭代聚类，利用2005-2024年Landsat数据监测马萨诸塞州太阳能设施及关联土地利用变化。结果显示51%的太阳能设施建在森林地上，周边额外64%森林被砍伐，每公顷太阳能设施导致1.66公顷森林损失。地表温度升高超7.2°C，NDVI时间序列显示植被渐进恢复。该方法为量化可再生能源碳影响提供了基础。

　　随着可再生能源需求的不断增长，特别是在实现净零温室气体排放的目标背景下，大规模太阳能项目的部署已成为全球范围内的重要趋势。然而，这些项目在温带森林地区的发展也引发了对环境影响的担忧，尤其是土地利用和土地覆盖变化（LULCC）及其对碳动态的潜在影响。本研究提出了一种基于连续变化检测与分类（CCDC）和简单非迭代聚类（SNIC）的物体导向变化检测框架，旨在通过整合时间序列分析方法，精准识别马萨诸塞州自2005年至2024年间大规模太阳能开发及其相关的森林变化情况。研究结果表明，约有51%的大规模太阳能设施建立在曾经是森林的土地上，而其周边还有额外的64%的森林被清除，这表明太阳能开发对森林覆盖的破坏远不止于直接清除的区域。

通过将时间序列与空间分割相结合，本研究的方法能够更全面地捕捉大规模太阳能设施的时空足迹及其引发的森林破坏和恢复过程。研究发现，每公顷新的森林土地上的太阳能开发平均会引发1.66公顷的森林清除，这突显了可再生能源项目在森林地区实施所面临的土地使用权衡。此外，CCDC模型通过时间序列分析量化了森林清除后的植被动态和微气候效应，显示出土地表面温度（LST）的显著上升，以及反射率（Albedo）的降低，这些变化表明太阳能设施对当地生物物理条件产生了重大影响。同时，归一化植被指数（NDVI）的时间序列呈现出积极趋势，表明植被在清除后可能经历一定程度的恢复过程。

研究还指出，太阳能开发带来的碳循环影响可以从三个不同角度进行分析：首先，森林砍伐直接导致了地上生物量的损失；其次，太阳能面板的安装改变了地表能量平衡，通过反射率的变化影响了局部气候；第三，太阳能提供了一种低碳能源替代方案，有助于减少化石燃料的碳排放，但其生产、运输和安装过程中所需的能量和材料也会对碳足迹产生影响。因此，评估太阳能项目的净碳影响需要同时考虑这些因素。

本研究采用的CCDC-SNIC方法，结合了CCDC的时间序列分析能力和SNIC的空间分割优势，能够有效识别太阳能项目及其相关的土地利用变化。通过使用Landsat卫星数据，研究人员能够追踪太阳能设施的时空变化，并利用随机森林分类器对土地利用变化进行分类。此外，研究还引入了分层随机抽样方法，以提高面积估算的准确性，并减少可能的遗漏误差。

在方法学上，研究首先通过时间序列分析识别出土地利用变化的关键特征，如最大变化幅度、季节模型拟合值等。随后，这些特征被用于空间分割，以形成具有空间连贯性的对象。通过设置合适的参数，如种子大小和紧凑度，研究人员确保了分割结果既保持了足够的空间分辨率，又避免了对异质景观的过度分割。此外，通过与MassGIS太阳能设施数据的交叉验证，以及对高分辨率Google Earth图像的分析，研究人员能够准确地识别太阳能设施和相关土地利用变化。

研究结果表明，CCDC-SNIC方法在马萨诸塞州的大规模太阳能开发土地利用变化检测中表现出较高的准确性。总体准确率达到97.6%，其中对“其他土地变化”类别的识别准确率最高，而对太阳能相关变化的识别则存在一定的不确定性。通过引入缓冲区和潜在太阳能像素的额外分类层，研究人员能够更全面地捕捉太阳能开发带来的土地利用变化，包括直接清除的森林和周边受影响的森林区域。这些结果为未来将土地利用变化数据与碳建模相结合，评估太阳能项目的净气候影响提供了基础。

研究还指出，尽管CCDC-SNIC方法在识别大规模太阳能开发及其相关土地利用变化方面表现出色，但仍存在一些局限性。例如，CCDC模型在检测森林砍伐事件时表现出较高的时间准确性，但在识别太阳能安装事件时存在系统性的滞后问题。此外，部分太阳能设施的分割结果可能受到异质景观的影响，导致较高的误判率。为了提高方法的准确性，未来的研究可以探索多指数断点评估方法，以识别与太阳能开发最一致的时间事件。

在实际应用方面，本研究的方法不仅适用于马萨诸塞州，还可以扩展到更广泛的区域，如新英格兰或美国东北部。通过整合土地利用变化地图、空间显式碳核算模型和生命周期评估（LCA），未来的研究可以更全面地量化太阳能开发对碳循环的影响。这些方法的结合有助于制定更加科学和可持续的可再生能源规划策略，平衡能源需求与环境保护之间的关系。

本研究的成果不仅为理解大规模太阳能开发对森林生态系统的影响提供了新的视角，也为政策制定者和环境管理者提供了重要的数据支持。通过识别太阳能开发与森林砍伐之间的关系，以及其对微气候和生物物理条件的影响，研究强调了在规划可再生能源项目时，必须综合考虑其对环境的多重影响，包括碳排放的减少和森林破坏的代价。这种方法为未来的土地利用变化监测和碳建模提供了可行的框架，有助于推动更加可持续的能源发展路径。