Синьцзян-Уйгурский автономный район располагает богатыми земельными и солнечными ресурсами, и с увеличением спроса на возобновляемые источники энергии и развитием солнечной энергетики, установленная мощность солнечных электростанций в Синьцзяне занимает лидирующее положение в стране. Результаты квантования пространственного распределения солнечных электростанций и степени пространственной агрегации растительности вокруг них могут предоставить данные и поддержку принятия решений в выборе мест размещения солнечных батарей в Синьцзяне. В данном исследовании использовались три архитектуры для семантического сегментационного моделирования: UNet, PSPNet (сеть семантического анализа сцены), DeepLabV3+, а также комбинации восьми скелетных сетей (ResNet-34, ResNet-50, ResNet-101, ResNet-152, MobileNetV2, DarkNet53, VGG16, Dense121) для изучения оптимальной модели для распознавания солнечных электростанций и извлечения их пространственного распределения в Синьцзяне. Для оценки влияния строительства солнечных электростанций на пространственную агрегацию растительности расчеты временных рядов глобального индекса Морана проводились в буферной зоне, от 30 метров до 600 метров. Результаты показали: (1) лучший эффект по распознаванию солнечных электростанций достигнут на основе модели UNet-ResNet50, где точность составляет 98.64% (+0.09%), F1-скоринг составляет 95% (+0.4%) и индекс Jaccard (IOU) равен 90.47% (+0.57%), превосходная точность распознавания обусловлена высококачественным обучающим набором солнечных электростанций и выдающимся проявлением модели в извлечении признаков и достижении глубинного равновесия. (2) С использованием спутниковых снимков Sentinel-2 и модели UNet-ResNet50 извлечено пространственное распределение солнечных электростанций в Синьцзяне на 2020 год, а также было разделено на зоны с растительным покрытием и пустыми зонами, доля которых составляет 30% и 70%, соответственно. (3) В течение периода с 2012 по 2020 годы глобальные индексы Морана растительного покрытия в защитной зоне от 30 до 210 метров от солнечных электростанций продемонстрировали значительное снижение, в то время как снижение этих индексов в буферной зоне от 210 до 600 метров от солнечных электростанций замедлилось. Чем ближе к солнечной электростанции, тем больше влияние на пространственную агрегацию растительности, а временные ряды обнаруживают более явное снижение. Поэтому проведение дистанционного мониторинга солнечных электростанций и их буферной зоны может предоставить данные и техническую поддержку для планирования, управления и оценки воздействия на окружающую среду.

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