《Remote Sensing》:Photovoltaic Panel Identification and Potential Assessment Based on Remote Sensing and Deep Learning: A Case Study of Yancheng City
编辑推荐:
光伏(PV)电站的快速扩张需要精确的空间制图和平衡的发展规划,然而PV部署与生态保护之间的权衡仍未得到充分探索。本研究通过整合深度学习、多源数据和生态约束,评估了中国盐城市PV设施的空间分布与发展潜力。研究人员应用了三种深度学习模型(UNet、PSPNet和D
光伏(PV)电站的快速扩张需要精确的空间制图和平衡的发展规划,然而PV部署与生态保护之间的权衡仍未得到充分探索。本研究通过整合深度学习、多源数据和生态约束,评估了中国盐城市PV设施的空间分布与发展潜力。研究人员应用了三种深度学习模型(UNet、PSPNet和DeepLabV3+)来识别屋顶、水体和裸地上的光伏面板。将PV地图与生态保护区叠加以量化空间冲突,并采用层次分析法(AHP)结合熵权TOPSIS(Entropy-Weighted TOPSIS)评估区级发展潜力。UNet在屋顶(交并比IoU为97.09%)、水体(95.78%)和裸地(94.79%)上取得了最高的IoU。PV总面积达到71.11 km2,其中屋顶占60.35%,而其中的26.56%与生态保护区重叠。适合未来PV开发的区域占城市面积的8.44%,大丰区、东台市和亭湖区表现出最高的潜力。资源禀赋,特别是建筑覆盖面积(权重=0.5410),成为主导因素。该框架提供了一种可复制的途径,将生态约束整合到PV潜力评估中,并支持城市及城郊背景下的区域特定规划。
**研究背景与问题**
太阳能光伏(PV)作为可再生能源的重要形式,在新能源发展中扮演关键角色。截至2024年底,中国累计光伏装机容量约8.87亿千瓦,年新增超2亿千瓦。然而,光伏电站的快速扩张带来了精确空间制图与平衡发展的需求,同时PV部署与生态保护之间的权衡尚未得到充分探索。传统PV监测依赖人工采样与统计分析,效率低、数据量大且精度不足,难以满足行业快速发展。遥感技术可近实时监测土地利用变化,机器学习方法(如随机森林RF、支持向量机SVM)虽计算高效,但在复杂环境中假阳性率高,泛化能力有限。近年来,基于深度学习的语义分割模型(如UNet、PSPNet、DeepLabV3+)大幅提升了复杂场景下的PV识别精度,但模型性能在不同地表条件下存在差异,需系统评估以选择最优网络。此外,PV适宜性评估常忽视生态保护区与土地利用政策,且现有评估框架往往将“适宜性”与“当前开发状态”分离,缺乏从潜力识别到空间实施的综合评估。本研究以江苏省盐城市为案例,该市作为全国碳达峰试点城市,光伏发展迅速,但存在潮滩PV开发与生态保护的空间冲突。研究旨在通过系统比较深度学习模型、量化生态冲突并整合多准则评估,提出一种可复制的集成生态约束的PV潜力评估框架。
**研究内容与意义**
研究人员开展了以下工作:基于Sentinel-2和Google Maps高分辨率遥感影像,构建了屋顶、水体和裸地三种地类的PV语义分割数据集;训练并比较了UNet、PSPNet和DeepLabV3+三种模型,以IoU和F1-score为指标评估性能;应用最优模型提取盐城市PV空间分布,并与全球保护区数据库(WDPA)叠加分析生态冲突;利用层次分析法(AHP)进行PV适宜性分区,结合熵权TOPSIS方法评估各区县PV发展潜力。重要结论包括:UNet在所有地表类型上均表现最优,IoU超过94%;盐城市PV总面积71.11 km2,其中26.56%位于生态保护区内,揭示显著空间冲突;大丰区、东台市和亭湖区发展潜力最高,资源禀赋(尤其是建筑覆盖面积)是主导因素。该研究发表在《Remote Sensing》,为区域PV规划提供了可复制的生态约束整合方法,支持城市及城郊的差异化发展策略。
**关键技术与方法**
本研究主要采用以下关键技术方法:(1)多源遥感数据获取与处理:通过Google Earth Engine(GEE)平台获取2023年Sentinel-2A多光谱影像(云量低于5%,中值合成生成无云影像)和Google Maps亚米级RGB影像,分别用于水体/裸地PV和屋顶PV识别。(2)深度学习语义分割模型:构建UNet、PSPNet和DeepLabV3+三种模型,均采用ResNet-50骨干网络,在PyTorch框架下以相同超参数训练100个epoch,损失函数为交叉熵损失和Dice损失的组合,评价指标包括IoU、F1-score等。(3)AHP适宜性分区:选取坡度、坡向、植被覆盖度和地类四个因子,通过成对比较矩阵确定权重(地类权重最高0.6431),一致性比率CR<0.10,加权线性组合生成适宜性指数并分类。(4)熵权TOPSIS潜力评估:构建包含资源禀赋(城市面积、年水平太阳辐射、适宜开发面积)、开发状态(开发比率)和社会经济条件(地区生产总值GRP、人均GRP、总人口)的七指标评价体系,利用熵权法客观确定权重(资源禀赋权重0.6400),通过TOPSIS计算各行政区相对贴近度并排序。数据来源包括中国气象数据服务中心的太阳辐射数据、GDEMV3 30m DEM、ESA WorldCover 10m地类产品、WDPA生态保护区数据以及《盐城统计年鉴2024》。
**研究结果**
**3.1 不同地表下深度学习模型性能比较**
通过对比UNet、PSPNet和DeepLabV3+在屋顶、水体和裸地PV数据集上的表现,UNet在所有场景下均取得最高性能,IoU超过94%,F1-score超过95%。训练和验证损失曲线平滑收敛,表明其强泛化能力。PSPNet表现不稳定,边缘分割碎片化;DeepLabV3+次之,但对PV阵列内部细纹理(如内部道路)不敏感。定量指标(表5)显示UNet在准确率、精确率、召回率等均最优。
**3.2 盐城市现有PV面板空间分布**
应用UNet模型提取2023年PV设施,总面积71.11 km2。屋顶PV占比最大(60.35%,42.91 km2),其次为水体PV(23.70%,16.85 km2)和裸地PV(15.95%,11.34 km2)。约26.56%的PV面积(18.89 km2)位于生态保护区内,表明显著空间冲突。PV设施主要集中于东台市、大丰区和亭湖区,尤其是沿海和城市周边区域。生态冲突主要发生在草本湿地、水体和裸地,而非农田或建成区。
**3.3 PV发展适宜性分区**
基于AHP的适宜性分区显示,盐城市适合PV开发的区域占总面积的8.44%,主要分布在坡向朝南/东南/西南、坡度0°~10°、植被覆盖度低于0.4的区域。大丰区适宜面积最大(705.79 km2,占其面积20.24%),其次为东台市(233.06 km2)和滨海县(108.11 km2)。开发比率(现有PV位于适宜区内的比例)差异显著:东台市最高(6.66%),响水县最低(0.79%),大丰区虽适宜面积大但开发比率仅1.22%。
**3.4 综合发展潜力评估**
熵权TOPSIS评估显示,资源禀赋标准层权重最大(0.6400),其中建筑覆盖面积权重最高(0.5410),表明屋顶可用性是当前PV发展的主导因素。开发状态权重0.2775,社会经济条件权重较低。综合贴近度排名:大丰区第一(0.7582),得益于最大适宜面积和沿海资源;东台市第二(0.3893),开发比率最高且经济支持强;亭湖区第三(0.2201),适合分布式屋顶PV。建湖县、盐都区、响水县和阜宁县综合潜力较低,主要受限于资源禀赋和开发水平。
**讨论与结论**
讨论部分指出,UNet优于其他模型的结论与Zhao等(2021)和Li等(2023)研究一致,其对称编码器-解码器结构和跳跃连接保留了精细空间细节。PSPNet因金字塔池化引入过多全局噪声导致边缘碎片化。与现有研究相比,本研究首次直接量化了盐城市26.56%的PV面积与生态保护区重叠,填补了生态冲突量化空白。敏感性分析表明AHP权重变化对适宜性排序影响较小,结果稳健。提取结果与官方规划文件(如江苏省海上光伏实施方案)中重点区域高度吻合,验证了空间一致性。局限性包括:仅使用单年影像,无法捕捉动态变化;模型泛化性未在不同区域测试;潜力评估指标体系未考虑电网消纳能力、政策限制等;太阳辐射因子熵权极低可能受数据分辨率影响;此外,Transformer架构(如SegFormer、Mask2Former)在PV提取中表现优异但计算成本高,可作为未来方向。政策启示:大丰区须严格生态红线管控;东台市转向提质增效;亭湖区发展分布式屋顶;阜宁等农业县探索农光互补、渔光互补等分散模式。
**研究结论(翻译)**
本研究选取盐城市为研究区,基于Sentinel-2和Google Maps高分辨率遥感影像,比较了UNet、PSPNet和DeepLabV3+三种深度学习语义分割模型在不同地表条件下识别光伏电站的精度。通过整合多源地理空间数据,应用AHP和熵权TOPSIS模型,在考虑生态约束和当前开发状态的情况下,评估了各区县光伏的适宜性分区和发展潜力。主要结论如下:(1)UNet在屋顶、水体和裸地光伏站语义分割中始终优于DeepLabV3+和PSPNet,其对称编码器-解码器结构和跳跃连接更好地保留了面板边缘和内部道路等精细空间细节。(2)盐城市相当比例的光伏面板位于生态保护区内,揭示了光伏开发与生态保护之间的明显空间冲突,该冲突在响水县和大丰区最为突出。(3)基于AHP的适宜性分区显示,适合光伏开发的区域集中于滨海县、大丰区和东台市,但实际开发比率在行政单元间差异显著,形成清晰的梯度:东台市开发比率最高,响水县最低。(4)熵权TOPSIS评估表明,资源禀赋是驱动光伏发展潜力的主导因素;大丰区综合潜力排名第一,其次为东台市和亭湖区;传统农业县如阜宁、建湖和响水综合潜力较低,更适合与当地农业生态系统兼容的分散模式,如农光互补和渔光互补。该评估框架有效捕捉了资源禀赋的决定性作用以及该区域不同县份发展阶段的差异化模式和适宜方向。