顾及对象特征的地面式光伏电站提取及减碳效益评估

准确、高效地获取地面光伏电站的空间部署现状,科学估算光伏电站发电效益及其碳减排成效,对未来光伏电站建设的合理布局与光伏资源的有效利用具有重要意义.本文以我国西部新疆维吾尔自治区、青海省和西藏自治区作为研究区:①使用以ResNet50作为骨干网络的ResNet50-UNet网络分割模型自动提取地面光伏电站,在深度学习广泛应用于遥感语义分割/地表覆盖分类的背景下,本文未局限于单一地对网络模型的不断改进上,而同时考虑了如何充分发挥输入样本的自身优势,研究中基于Sentinel-2A遥感影像挖掘光伏电站纹理特征,强调地物固有特征在智能化深度学习中的应用价值,模型提取精度得到显著提升;②针对提取结果边界精度较差的问题,提出结合ArcGIS和eCognition多尺度分割优化处理光伏电站提取结果的技术路线,高保真还原地面光伏电站真实形态.经后处理优化,提取结果的Kappa系数达93.71％,mIoU值达94.05％;③碳减排效益评估时,准确估算光伏电站发电量是进行该工作的重要前提,本文基于光伏电站提取结果,从内部结构复杂的光伏用地中准确提取发电量估算公式中的重要参数之一——光伏方阵面积,实现了大区域范围下光伏电站发电量的有效估算,进一步探究光伏能源与传统化石能源之间的碳源效应,助力我国双碳目标的早日实现.