La région autonome ouïghoure du Xinjiang possède des ressources terrestres et solaires abondantes. Avec l'augmentation de la demande en énergies renouvelables et le développement de la technologie photovoltaïque, la capacité installée des centrales photovoltaïques au Xinjiang se classe parmi les premières du pays. Des résultats de l'identification en temps réel et précise de la répartition des centrales photovoltaïques et de leur degré d'agrégation spatiale avec la végétation environnante peuvent fournir des données et un soutien décisionnel pour le choix des sites de conversion photovoltaïque au Xinjiang. La présente étude utilise trois architectures de modèles de segmentation sémantique d'apprentissage en profondeur (UNet, PSPNet (Pyramid Scene Parsing Network), DeepLabV3+) et la combinaison de huit réseaux de base (ResNet-34, ResNet-50, ResNet-101, ResNet-152, MobileNetV2, DarkNet53, VGG16, Dense121) pour explorer le modèle optimal d'identification des centrales photovoltaïques et extraire la répartition spatiale des centrales photovoltaïques dans la région du Xinjiang. Pour étudier l'impact de la construction de centrales photovoltaïques sur l'agrégation spatiale de la végétation, l'indice de Moran global de la série temporelle de la végétation dans des zones tampons segmentées à intervalles de 30 m à 600 m autour des centrales photovoltaïques est calculé. Les résultats indiquent : (1) L'efficacité de l'identification des centrales photovoltaïques basée sur le modèle UNet-ResNet50 est optimale, avec une précision (Accuracy) de 98,64% (>0,09%+), un score F1 (F1-score) de 95% (>0,4%+) et un indice de recouvrement (IOU) de 90,47% (>0,57%+). La qualité exceptionnelle de l'identification provient principalement d'un ensemble de données photovoltaïques de haute qualité et des performances exceptionnelles du modèle dans l'extraction de caractéristiques et l'équilibre de profondeur. (2) En utilisant des images satellitaires Sentinel-2 et le modèle UNet-ResNet50, les centrales photovoltaïques du Xinjiang en 2020 ont été extraites et divisées en centrales photovoltaïques végétales et nues, avec des superficies respectives de 30 % et 70 %. (3) Sur la période de 2012 à 2020, l'indice de Moran global de la végétation dans différents intervalles de zone tampon de 30 m à 210 m autour des centrales photovoltaïques montre une tendance à la baisse significative ; dans la zone tampon de 210 m à 600 m autour des centrales photovoltaïques, la tendance à la baisse de l'indice de Moran global de la végétation est nettement ralentie. Plus les centrales photovoltaïques sont proches, plus l'impact sur l'agrégation spatiale de la végétation est important, et plus la baisse de la séquence temporelle est prononcée. Par conséquent, la surveillance télédétection des centrales photovoltaïques et de leur zone tampon peut fournir des données et un soutien technique pour la planification de la construction des centrales photovoltaïques, la gestion opérationnelle fine et l'évaluation de l'impact sur l'environnement écologique.

centrale photovoltaïque; modèle de segmentation sémantique; agrégation spatiale de la végétation; indice de Moran global