Die autonome Region Xinjiang verfügt über reichhaltige Land- und Sonnenressourcen. Mit steigender Nachfrage nach erneuerbaren Energien und der Entwicklung der Photovoltaiktechnologie liegt die installierte Leistung von Photovoltaikanlagen in Xinjiang landesweit an vorderster Stelle. Echtzeit- und präzise Identifizierungsergebnisse der Verteilung von Photovoltaikanlagen und deren räumliche Aggregation mit der umgebenden Vegetation können Daten und Entscheidungsunterstützung für die Auswahl von Standorten für die Photovoltaikkonversion in Xinjiang bereitstellen. Die vorliegende Studie verwendet drei Architekturen von tiefen semantischen Segmentierungsmodellen (UNet, PSPNet (Pyramid Scene Parsing Network), DeepLabV3+) und die Kombination von acht Basismodellen (ResNet-34, ResNet-50, ResNet-101, ResNet-152, MobileNetV2, DarkNet53, VGG16, Dense121), um das optimale Identifizierungsmodell für Photovoltaikanlagen zu erforschen und die räumliche Verteilung von Photovoltaikanlagen in der Region Xinjiang zu extrahieren. Zur Untersuchung der Auswirkungen des Baus von Photovoltaikanlagen auf die räumliche Aggregation von Vegetation wird der globale Moran-Index der Zeitreihe der Vegetation in Intervallen von 30 m bis 600 m um die Photovoltaikanlagen berechnet. Die Ergebnisse zeigen: (1) Die Effizienz der Identifizierung von Photovoltaikanlagen auf Basis des UNet-ResNet50-Modells ist optimal, mit einer Genauigkeit (Accuracy) von 98,64% (>0,09%+), einem F1-Score von 95% (>0,4%+) und einem IOU von 90,47% (>0,57%+). Die hervorragende Identifizierungsergebnisse sind hauptsächlich auf eine hochwertige Stichprobe von Photovoltaikanlagen und herausragende Leistungen des Modells bei der Merkmalsextraktion und Tiefenausgleich zurückzuführen. (2) Unter Verwendung von Satellitenbildern Sentinel-2 und des Modells UNet-ResNet50 wurden die Photovoltaikanlagen in Xinjiang im Jahr 2020 extrahiert und in Vegetations- und unbewachsene Photovoltaikanlagen mit einem jeweiligen Flächenanteil von 30% und 70% unterteilt. (3) In der Zeitspanne von 2012 bis 2020 zeigt der globale Moran-Index der Vegetation in verschiedenen Intervallen der Pufferzone von 30 m bis 210 m um die Photovoltaikanlagen einen signifikanten Abwärtstrend; in der Pufferzone von 210 m bis 600 m um die Photovoltaikanlagen verlangsamt sich der Abwärtstrend des globalen Moran-Indexes der Vegetation deutlich. Je näher die Photovoltaikanlagen sind, desto größer ist der Einfluss auf die räumliche Aggregation der Vegetation und desto stärker ist der Abwärtstrend der Zeitreihe. Daher kann die fernerkundliche Überwachung von Photovoltaikanlagen und ihrer Pufferzone Daten und technische Unterstützung für die Planung des Baus von Photovoltaikanlagen, das feine Betriebsmanagement und die Bewertung der Auswirkungen auf die ökologische Umwelt liefern.

Photovoltaikanlage; Modell für semantische Segmentierung; räumliche Aggregation von Vegetation; globaler Moran-Index