Синьцзян-Уйгурская автономная область обладает богатыми земельными и солнечными ресурсами. С увеличением спроса на возобновляемые источники энергии и развитием солнечных технологий установленная мощность солнечной электростанции в Синьцзяне занимает одно из ведущих мест в стране. Результаты количественной идентификации распределения солнечных электростанций и их пространственной агрегации вокруг растительности в реальном времени и с точностью позволяют рассматривать выбор мест для солнечной фотоэлектрической энергии в Синьцзяне. Настоящее исследование использует три архитектуры глубокого семантического модуля обучения (UNet, PSPNet (Pyramid Scene Parsing Network), DeepLabV3+) и комбинацию восьми основных сетей (ResNet-34, ResNet-50, ResNet-101, ResNet-152, MobileNetV2, DarkNet53, VGG16, Dense121) для исследования оптимальной модели идентификации солнечной электростанции и извлечения пространственного распределения солнечной электростанции в регионе Синьцзяна. Для изучения влияния строительства солнечной электростанции на пространственную агрегацию растений рассчитан глобальный морановский индекс временной последовательности всей зелени по всем диапазонам буфера от 30 м до 600 м вокруг солнечной электростанции. Результаты показывают: (1) Эффективность идентификации солнечной электростанции, основанная на модели UNet-ResNet50, наилучшая, точность (Accuracy) составляет 98,64% (>0,09%+), F1-счет (F1-score) составляет 95% (>0,4%+), а общий коэффициент перекрытия (IOU) составляет 90,47% (>0,57%+). Отличное качество идентификации в основном обусловлено высококачественной выборкой солнечных электростанций и выдающейся производительностью модели в извлечении особенностей и балансе глубины. (2) С использованием цифровых изображений наблюдений Sentinel-2 и модели UNet-ResNet50 извлечена солнечная электростанция в Синьцзяне в 2020 году и разделена на электростанции с растительностью и пустыми электростанциями в отношении площади, которые составляют 30% и 70% соответственно. (3) На протяжении 2012-2020 годов глобальный морановский индекс растительности в различных областях буферной зоны от 30 м до 210 м вокруг солнечной электростанции обнаруживает значительный ниспадающий тренд; в буферной зоне от 210 м до 600 м вокруг солнечной электростанции наблюдается замедление снижения глобального морановского индекса растительности. Чем ближе к солнечной электростанции, тем сильнее влияние на спатиальную агрегацию растительности, и чем более заметен ниспадающий тренд временной последовательности. Поэтому проведение телемониторинга солнечных электростанций и их буферной зоны может обеспечить данные и техническую поддержку для планирования и строительства солнечных электростанций, управления их операциями и оценки влияния на экологическую среду.

солнечная электростанция; модель семантического разделения; пространственная агрегация растительности; глобальный морановский индекс