资源介绍
河海大学陈跃红副教授 研究团队提出了综合深度学习和变化检测技术的全国尺度的光伏电站空间范围和安装日期提取框架，使用语义分割模型(TransUNet)从Sentinel-2卫星影像获取光伏电站的空间位置和范围，并采用连续变化检测和分类（CCDC）算法从Landsat时序卫星影像估计每个光伏电站的安装日期（图1）。最终得到2010—2022年中国光伏电站安装时间的多边形地理空间数据集。
图1. 中国光伏电站遥感识别及其扩张时空格局分析框架
研究发现：（1）中国西部地区拥有更高的光伏总面积，但大型光伏发电站的密度较低；而东部和中部地区虽然总光伏面积较低，但小型光伏发站的密度较高（图2）；（2）中国光伏发站的面积从2010年的5.86平方公里增加到2022年的3712.1平方公里，年均增长285平方公里，西部地区年增长率最高，达到53%（图2）；（3）东部和中部地区的光伏发站主要建在农田上(占24.6%)，而西部地区的光伏安装主要部署在草地(28.3%)和未使用土地(27.5%)上（图3）；（4）从2017年到2022年，光伏电站建设对农田的占用量显著减少了48%，对草地的占用也呈现下降趋势（图3）。
图2.中国光伏电站空间时空扩张格局.(a)空间分布和(b)年度变化.
图3. 中国光伏电站占地情况.(a)占地类型空间分布，(b)不同类型占地面积的分省统计，(c)不同类型占地面积的年度变化
该研究提供了中国光伏电站扩张时空过程和土地占用的全面分析，对于促进我国可再生能源发展和制定碳减排政策具有重要意义。
《Remote Sensing of Environment》(RSE)被公认为遥感领域最权威的期刊，2023年影响因子（IF）为11.1。论文第一作者为我校地理与遥感学院陈跃红副教授，第二作者为其指导的硕士生周佳悦，主要合作者包括中国科学院地理科学与资源研究所的葛咏研究员和董金玮研究员。研究工作得到了国家自然科学基金面上项目（项目编号：42071315）和国家重点研发计划课题（项目编号：2023YFC3006701）的资助。
【数据引用】：
Chen, Yuehong & Zhou, Jiayue & Ge, Yong & Dong, Jinwei. (2024). Uncovering the rapid expansion of photovoltaic power plants in China from 2010 to 2022 using satellite data and deep learning. Remote Sensing of Environment. 305. 114100. 10.1016/j.rse.2024.114100. doi: https://doi.org/10.1016/j.rse.2024.114100
获取方式：
发送关键词“20241107”至“学术严选”公z号，可获得方式返回搜狐，查看更多
责任编辑：