Die autonome Region Xinjiang verfügt über reiche Land- und Sonnenenergieressourcen. Mit der zunehmenden Nachfrage nach erneuerbarer Energie und der Entwicklung der Photovoltaik-Technologie hat Xinjiang die installierte Kapazität von Photovoltaik-Kraftwerken bundesweit an die Spitze gebracht. Die Echtzeit- und präzise Identifizierung der räumlichen Verteilung von Photovoltaik-Kraftwerken und deren quantifizierte Auswirkungen auf die räumliche Aggregation von Vegetation in der Umgebung kann Daten und Entscheidungsunterstützung für die Auswahl von Standorten für Photovoltaik-Solaranlagen in Xinjiang liefern. In dieser Studie wurde mit Hilfe von drei Architekturen des tiefen Lernens für die semantische Segmentierung - UNet, PSPNet (Pyramid Scene Parsing Network) und DeepLabV3+ -, kombiniert mit acht verschiedenen Backbone-Netzwerken (ResNet-34, ResNet-50, ResNet-101, ResNet-152, MobileNetV2, DarkNet53, VGG16 und Dense121), das optimale Modell zur Identifizierung von Photovoltaik-Kraftwerken untersucht und die räumliche Verteilung von Photovoltaik-Kraftwerken in der Region Xinjiang extrahiert. Um die Auswirkungen des Baus von Photovoltaik-Kraftwerken auf die räumliche Aggregation von Vegetation zu untersuchen, wurde der globale Moran-Index der Vegetation über Zeiträume in Pufferzonen von 30 m bis 600 m in Intervallen berechnet. Die Ergebnisse zeigten: (1) Das Modell zur Identifizierung von Photovoltaik-Kraftwerken basierend auf dem UNet-ResNet50-Modell erzielte die besten Ergebnisse, mit einer Genauigkeit von 98,64 % (>0,09 %+), einem F1-Score von 95 % (>0,4 %+) und einem IOU von 90,47 % (>0,57 %+). Die hervorragenden Identifizierungsergebnisse waren hauptsächlich auf die hochwertige Stichprobenmenge von Photovoltaik-Kraftwerken sowie auf die herausragende Leistung des Modells bei der Merkmalsextraktion und der Tiefenbilanz zurückzuführen. (2) Mithilfe von Sentinel-2-Fernerkundungsbildern und dem UNet-ResNet50-Modell wurden 2020 Photovoltaik-Kraftwerke in Xinjiang extrahiert und in Vegetations-Photovoltaik und barren-Photovoltaik unterteilt, mit einem Flächenanteil von 30 % bzw. 70 %. (3) Im Bereich von 30 m bis 210 m um die Photovoltaik-Kraftwerke in verschiedenen Pufferzonen nahm der globale Moran-Index der Vegetation von 2012 bis 2020 signifikant ab; im Bereich von 210 m bis 600 m um die Photovoltaik-Kraftwerke war der Abwärtstrend des globalen Moran-Index der Vegetation deutlich verlangsamt. Je näher man den Photovoltaik-Kraftwerken kommt, desto stärker wird die räumliche Aggregation von Vegetation von den Photovoltaik-Kraftwerken beeinflusst, und der Abwärtstrend ist in der Zeitreihe deutlicher. Daher kann die Durchführung einer Fernerkundungsüberwachung von Photovoltaik-Kraftwerken und ihren umliegenden Pufferzonen Daten- und technische Unterstützung für die Standortplanung, das feinabgestimmte Betriebsmanagement sowie die Bewertung der Auswirkungen auf die Ökologie bieten.

Photovoltaik-Kraftwerke; semantisches Segmentierungsmodell; räumliche Aggregation von Vegetation; globaler Moran-Index