全国建筑物遥感监测与分布式光伏建设潜力分析.docx

一、前言

2020年，我国提出“二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”。要实现这一目标，需要降低化石燃料的消费比重，加快调整能源结构，推进风能、太阳能、生物质能等绿色能源的开发，实现能源的转型与变革。通过经济社会综合效益评价模型的情景模拟与综合效益分析发现，以新能源为主体的深度能源转型是实现碳中和目标的必然选择。

在诸多能源类型中，太阳能是一种十分清洁的能源且蕴含量巨大。分布式光伏具有投资小、建设快等特点，可以有效利用太阳能转换为电能，从而解决能源短缺的农村地区和负荷密度高的工业区用电问题。近年来，光伏建筑一体化系统已经被证明是一种技术经济可行的可再生发电技术，西班牙、澳大利亚、韩国、美国等国家从不同角度开展了分布式光伏与建筑结合的技术研究。国内有学者利用遥感数据，考虑气象、地形的因素，完成了我国建设光伏电站的适宜性分析。根据新建、既有城镇公共建筑以及农村建筑的屋顶和南立面估算我国分布式光伏的装机容量，“十四五”末可达100GW，2030年可达215GW。

作为分布式光伏的重要载体，建筑物屋顶的数量和空间分布事关建设规模与效益。已有研究主要是在小区域建立建筑屋顶的数据模型样本并据此推算大区域或者全国范围的体量，相应推算结果由于受到各地区建筑物建筑特性的影响而存在不确定性。因此，掌握全国范围的建筑物面积是进行分布式光伏潜力推算的关键内容。采用传统实地测量的方式无法及时、全面地掌握全国范围的建筑物面积情况。随着高分辨率卫星遥感技术的发展，卫星遥感数据类型丰富多样，空间分辨率达到米级，为地表建筑物的特征提取提供了数据源条件。人工智能、深度学习技术的发展也为建筑物的智能识别与特征提取提供了技术基础，如建筑物提取主要采用合成孔径雷达（SAR）、激光探测及测距（LiDAR）、多光谱等遥感数据，基于深度学习的智能识别和提取形成了典型城市的建筑物数据集（提取精度可以达到80%~85%）。

以往的研究大多采用局部区域提取建筑物屋顶，推算全国范围的分布式光伏建设潜力或装机容量，由样本至全体的估算过程存在诸多不可控误差。本文以2020年全国高分辨率卫星遥感影像为数据源，利用深度学习技术提取全国建筑物（区）；通过典型区域的建筑占比系数，利用分级、分区和全国平均的方法进行建筑物屋顶面积转换，获得全国范围的建筑物屋顶数据。

这一方法的应用价值体现在：①能够精确获取全国范围建筑物（区）的空间分布，掌握可承载分布式光伏的建筑区（物）的底数；②可将建筑物（区）落实到地块，便于构建建筑物（区）和分布式光伏建设的动态监测机制，动态掌握分布式光伏项目的建设进度；③可将分布式光伏数据与人口经济数据进行融合分析，为分布式光伏建设路径规划提供技术性支撑。

?二、建筑物屋顶高分辨率卫星遥感提取数据与方法

（一）高分辨率卫星遥感影像及辅助数据

?

1.底图数据

使用的主要数据源为基于“资源三号”“高分一号”等2米级空间分辨率的卫星遥感影像制作的2020年版全国版图。一年一版图作为当前分辨率最高的全国范围覆盖的真彩色正射卫星影像库，具有现势性强、定位精度高等特色，已在多个行业和部门得到广泛应用。

2.训练样本数据

考虑因地域差异、发展水平造成的建筑物（区）样本差异，可将全国划分为东北、西北、华北、华中、华南、西南6个片区。建筑物（区）训练样本来源于2017年地理国情数据。每个片区选择2个省会城市、5个普通城市、10个县，将其中的房屋建筑区作为本研究的训练样本（见图1）；收集了部分城市白模数据作为底图矢量，经过人工编辑后用于独立建筑的训练样本，制作成29个典型城市独栋建筑物数据（见图2）。

?

图1建筑区样本示例

图2独栋建筑样本示例

?

3.验证及辅助数据

使用的验证数据主要是利用2m分辨率的卫星遥感影像经过人工编辑形成的城区范围矢量，对提取的建筑矢量进行划分，确定城镇和农村建筑范围。依据典型城市提取的独栋建筑和建筑区矢量，计算对应的建筑占比系数；爬取百度地图等网络建筑轮廓数据作为辅助参考，优化样本精度。此外，使用国家统计局发布的2020年末总人口数据分析屋顶面积与人口的相关性及匹配性。

?

（二）基于卷积神经网络技术提取房屋建筑区

研究涉及的卷积神经网络包括三部分：①特征提取层，采用ResNet50深度残差网络进行特征提取，得到Feature1特征图；②金字塔池化层，设置不同尺寸的Pooling（池化）层，分别对Feature1进行处理，将每个Pooling层得到的特征输入到一层卷积网络再进行特征提取，最后上采样到与Feature1相同的尺寸得到Feature2；③特征融合输出层，将Feature1、Feature2进行通道融合，再经过