La région autonome ouïgoure du Xinjiang possède des ressources en terres et en énergie solaire riches. Avec la demande croissante en énergie renouvelable et le développement de la technologie solaire, la capacité installée des centrales solaires photovoltaïques au Xinjiang se classe parmi les premières du pays. Les résultats quantitatifs de l'identification en temps réel et précise de la répartition des centrales solaires et de l'agrégation spatiale de la végétation environnante peuvent fournir des données et un support décisionnel pour le choix des emplacements des centrales photovoltaïques au Xinjiang. Dans cette étude, trois architectures de modélisation sémantique de segmentation ont été utilisées : UNet, PSPNet (Réseau de segmentation de scène en pyramide) et DeepLabV3+, ainsi que huit combinaisons de réseaux dorsaux (ResNet-34, ResNet-50, ResNet-101, ResNet-152, MobileNetV2, DarkNet53, VGG16, Dense121) pour explorer le meilleur modèle d'identification des centrales photovoltaïques et extraire leur répartition spatiale dans la région du Xinjiang. Pour étudier l'impact de la construction des centrales photovoltaïques sur l'agrégation spatiale de la végétation, des indices de Moran globaux de séries temporelles ont été calculés dans des zones tampons de 30 mètres à 600 mètres. Les résultats montrent : (1) que le modèle UNet-ResNet50 a donné les meilleurs résultats pour l'identification des centrales photovoltaïques, avec une précision de 98,64% (+0,09%), un score F1 de 95% (+0,4%) et un indice Jaccard (IOU) de 90,47% (+0,57%), l'excellente précision d'identification est principalement due à la qualité élevée de l'échantillon photovoltaïque et à l'excellente performance du modèle dans l'extraction de caractéristiques et l'équilibre en profondeur. (2) L'utilisation d'images satellitaires Sentinel-2 et du modèle UNet-ResNet50 a permis d'extraire la répartition spatiale des centrales photovoltaïques de Xinjiang en 2020, et de les diviser en zones photovoltaïques végétatives et dénudées, avec des proportions respectives de 30% et 70%. (3) Dans la période de 2012 à 2020, les indices de Moran globaux de la végétation dans la zone tampon de 30 à 210 mètres autour des centrales photovoltaïques ont montré une tendance à la baisse significative, tandis que la tendance à la baisse des indices dans la zone tampon de 210 à 600 mètres autour des centrales photovoltaïques a ralenti. Plus les centrales photovoltaïques sont proches, plus l’agrégation spatiale de la végétation est influencée, et la tendance à la baisse des séries temporelles est plus prononcée. Par conséquent, la surveillance à distance des centrales photovoltaïques et de leurs zones tampons peut fournir des données et un support technique pour la planification, la gestion opérationnelle fine et l'évaluation de l'impact sur l'environnement.

photovoltaic station;semantic segmentation model;vegetation spatial aggregation;Global Moran's Index.