PVP适配器：用于光伏板变化检测的双分支空间频率自适应技术

《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》：PVP-adapter: Dual-branch spatial-frequency adaptation for change detection of photovoltaic panels

　　摘要：太阳能光伏发电是应对能源危机和气候变化的核心清洁能源。对大规模太阳能光伏系统的准确监测至关重要。现有研究多关注发达地区的光伏安装监测或发展情况，而忽视了欠发达地区。本研究利用高分辨率双时相卫星影像，构建了首个公开的可用于检测光伏安装变化的数据集PVPanel-CD。该数据集包含覆盖非洲典型地貌的双时相遥感图像以及像素级的变化标注。我们提出了PVP-Adapter这一双分支空间频率自适应方法，用于精准监测非洲各地的太阳能光伏发展情况。具体而言，该方法采用一种参数效率高的自适应策略，对视觉基础模型中的固定特征进行微调，从而实现参数特征的知识迁移，同时减少对大量训练样本的依赖。此外，还将自适应空间特征分为低频分支和高频分支，分别进行差异变化检测。为验证PVP-Adapter的通用性，我们还提供了六个地理环境各异的测试数据集。研究结果表明：（1）在复杂干扰环境下，PVP-Adapter具有显著优势，其整体准确率高达97.91%，优于现有检测方法；（2）利用该方法计算得出，2006年至2024年间非洲的光伏安装面积增长了25.98平方公里，由此可分析非洲的环境变化及太阳能发展的潜力。我们的工作使得利用双时相遥感图像自动监测光伏安装变化及人类活动对环境的影响成为可能。该项目源代码可在https://github.com/DonMuv/PVP-Adapter获取。

引言：能源危机一直是全球关注的焦点问题。作为一种清洁能源，太阳能光伏发电发展迅速，已成为全球主要的清洁能源来源之一。与煤炭、石油等传统能源相比，太阳能光伏发电更加环保，能显著降低温室气体排放，有助于应对全球气候变化。根据国际能源署的可持续发展预测，到2030年，全球新增的5500吉瓦清洁能源装机容量中，将有80%来自太阳能，这一数值将超过4000吉瓦。太阳能光伏发电将成为推动全球可再生能源快速发展的核心力量。

检测光伏面板对于管理发电过程中的间歇性问题、降低气候变化风险，以及解决因光伏电站建设带来的土地利用和土地覆盖变化所引发的生物多样性、生态保护与土地保护之间的矛盾具有重要意义。借助机器学习和遥感技术，研究人员已编制出了全球首份详细的非住宅用太阳能光伏安装清单。研究显示，在研究期间，全球非住宅用太阳能光伏的装机容量增长了81%以上，达到384吉瓦，其中南非的增幅达19%，是推动全球光伏安装规模增长的关键国家。目前关于光伏安装检测的研究主要集中在中国、德国、西班牙和美国等光伏发展较快的地区，而非洲等欠发达地区则几乎被忽视。非洲以裸地、灌木丛等土地覆盖类型为主，且拥有充足的、无障碍的太阳辐射，这些条件为光伏发电的发展提供了天然优势。因此，非洲在太阳能光伏发电产业方面具有巨大的发展潜力，值得进一步研究。

大多数光伏电站都建在广阔的户外区域，这使得监测光伏面板的状况变得十分困难。通过结合遥感技术和深度学习，利用遥感图像变化检测算法，可以从卫星图像中自动监测光伏电站的变化情况，这种方法是能源监测与评估的有效手段，既能帮助决策者，又能大幅减轻繁琐的手工工作。遥感图像变化检测是指识别多时相遥感图像之间显著差异的过程。由于两幅遥感图像拍摄时间不同，光照条件的变化以及各种干扰因素都可能影响真实变化的检测，这是变化检测面临的主要挑战。与遥感图像分割不同，遥感图像变化检测是分析不同时期区域状况的重要工具，广泛应用于环境变化、人为变化监测以及相关决策和未来趋势预测等领域。通过遥感图像变化检测，可以实现对某些地区太阳能光伏发电情况的监测与评估，分析这些地区光伏产业的发展状况，研究光伏面板安装的增长速度，并预测太阳能光伏产业的未来发展趋势。

从遥感图像中识别光伏面板的变化区域是一项具有挑战性的任务。一方面，遥感图像的背景较为复杂，存在许多容易与光伏面板混淆的物体，如深色建筑物、道路和植被等；另一方面，卫星采集的光伏面板图像容易受到阳光反射的影响，导致不同时间采集的图像亮度差异较大。尽管以往已有相关方法取得了一定进展，但它们大多是为建筑物变化检测设计的，可能无法充分考虑在复杂地形上安装的光伏面板的独特特征。此外，基于深度学习的方法通常需要大量高质量的训练数据，而要收集足够数量且标注准确的光伏面板变化实例极为困难。据我们所知，目前还没有公开可用的光伏面板变化检测数据集。

本文针对这些问题，提出了一种新的双分支空间频率自适应方案——PVP-Adapter，用于检测光伏面板的变化。该方案利用视觉基础模型DINOv2强大的通用特征提取能力，提高了光伏面板变化检测的精度，同时减少了對大量训练样本的依赖。通过一种参数效率高的迁移策略，将预训练模型所具备的通用语义知识转移到检测模型中，这样只需少量光伏面板样本即可训练出PVP-Adapter。PVP-Adapter引入频率域信息，提升了对光伏面板动态变化的敏感度，同时将自适应后的空间特征分为低频分支和高频分支：低频分支用于捕捉地面、建筑物和植被等静态背景信息，高频分支则用于捕捉光伏面板的边缘和细节等动态变化信息。低频分支和高频分支分别检测光伏面板的变化区域，之后再进行动态融合，从而更准确地生成变化图。本文的贡献可总结如下，整体框架如图1所示：（1）我们提供了一个大型开源数据集PVPanel-CD，其中包含来自非洲的4740个光伏面板样本，以及来自六个不同地理区域的10,449个评估样本。所有样本均来自地面采样距离为0.2米的遥感图像。据我们所知，PVPanel-CD是首个公开可用的用于光伏面板变化检测的遥感图像数据集；（2）我们提出了PVP-Adapter这一用于光伏面板变化检测的新型双分支空间频率自适应方法，通过一种基于卷积的增强型自适应策略，将视觉基础模型中的特征知识转移到PVP-Adapter模型中，从而缩小通用特征与光伏面板变化检测任务目标之间的差距；（3）我们创新性地设计了频率双分支解耦模块，将该自适应后的空间特征分为低频分支和高频分支，这两个分支分别利用所提出的多尺度残差差异感知模块进行差异检测，从而实现高精度的光伏面板变化检测；（4）实验表明，PVP-Adapter的性能远超现有最先进方法，其F1分数为96.08%，整体准确率为97.91%。无论对于何种双时相遥感图像，PVP-Adapter都能准确、自动地检测光伏面板的变化，其在六个发达地区测试域中的优异表现进一步证明了其较强的通用性。我们利用PVP-Adapter计算了2006年至2024年间非洲光伏安装规模的增长情况，发现该方法能够反映非洲人地系统的变化，最后还分析了非洲太阳能的发展潜力。

章节节选：光伏分布监测。早期的相关研究已经表明，可以利用遥感数据构建大规模的光伏设施清单，并分析太阳能发电设施的空间分布情况。例如，Yu等人（2018）开发了DeepSolar工具，用于构建美国的太阳能发电数据库；Xia等人（2022）则绘制出了中国西北部光伏电站快速发展情况的地图。后续的研究通过引入纹理特征和机器学习技术，进一步提升了光伏设施的识别精度。

研究区域：非洲的土地覆盖类型主要可分为五类：灌木丛、草原、湿地、森林和裸地。其中，裸地占比31.78%，灌木丛占比26.56%，这些地区拥有充足的、无障碍的太阳辐射（https://noda.ac.cn/geoarc/2014/C/C5/）。全球范围内的光伏发电设施多选址于草原、灌木丛和干旱地区，非洲具备天然的太阳能发电发展优势，具有巨大的发展潜力。如图2(a)所示，非洲的……

结果部分：本节介绍了在PVPanel-CD数据集上进行的实验结果。首先，我们将所提出的PVP-Adapter方法的实验结果与现有的最先进遥感图像变化检测方法进行了对比；接着，通过消融实验验证了PVP-Adapter架构的有效性；随后，展示了PVP-Adapter的定性分析结果；最后，我们利用PVP-Adapter计算了2006年至2024年间非洲光伏面板安装规模的增长情况。

讨论部分：为了充分发挥非洲太阳能光伏发电的潜力并解决实际部署过程中存在的障碍，制定针对性的政策框架至关重要。各区域经济共同体之间的政策协调对于避免非洲能源网络出现碎片化现象尤为关键。许多拥有丰富太阳能资源的地区，如撒哈拉沙漠和南部非洲地区，与人口密集区的互联程度不足，这限制了这些地区太阳能资源的充分利用。

结论：为实现对非洲光伏设施的大规模精准监测，弥补欠发达地区在光伏监测方面的不足，我们提出了PVP-Adapter这一用于检测光伏面板变化的新型双分支空间频率自适应框架。此外，我们还构建了首个公开可用的高分辨率双时相遥感图像光伏面板变化检测数据集PVPanel-CD，为监测非洲及其他地区的光伏发电发展动态提供了新的数据基础。

实验结果：CRediT作者贡献说明：黄瑞：写作——审阅与编辑、写作——初稿撰写、可视化、验证、资源整理、项目管理、方法设计、研究实施、形式分析、数据整理、概念构思；郭建华：验证、研究实施、形式分析；岳焕晶：监督、形式分析；卢晓强：形式分析；杨静宇：验证、监督、资源整理、形式分析。

利益冲突声明：作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢：本研究得到了中国国家自然科学基金的支持，项目编号分别为62231018和62072331。

黄瑞|郭建华|岳焕晶|卢晓强|杨静宇
中国天津市天津大学福州国际联合研究院，天津市300072