全国建筑物遥感监测与分布式光伏建设潜力分析.docx

《全国建筑物遥感监测与分布式光伏建设潜力分析.docx》由会员分享，可在线阅读，更多相关《全国建筑物遥感监测与分布式光伏建设潜力分析.docx（15页珍藏版）》请在第壹文秘上搜索。

1、一、前言2020年，我国提出二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。要实现这一目标，需要降低化石燃料的消费比重，加快调整能源结构，推进风能、太阳能、生物质能等绿色能源的开发，实现能源的转型与变革。通过经济社会综合效益评价模型的情景模拟与综合效益分析发现，以新能源为主体的深度能源转型是实现碳中和目标的必然选择。在诸多能源类型中，太阳能是一种十分清洁的能源且蕴含量巨大。分布式光伏具有投资小、建设快等特点，可以有效利用太阳能转换为电能，从而解决能源短缺的农村地区和负荷密度高的工业区用电问题。近年来，光伏建筑一体化系统已经被证明是一种技术经济可行的可再生发电技术，西班牙

2、、澳大利亚、韩国、美国等国家从不同角度开展了分布式光伏与建筑结合的技术研究。国内有学者利用遥感数据，考虑气象、地形的因素，完成了我国建设光伏电站的适宜性分析。根据新建、既有城镇公共建筑以及农村建筑的屋顶和南立面估算我国分布式光伏的装机容量，“十四五末可达100GW,2030年可达215GW0作为分布式光伏的重要载体，建筑物屋顶的数量和空间分布事关建设规模与效益。已有研窕主要是在小区域建立建筑屋顶的数据模型样本并据此推算大区域或者全国范围的体量，相应推算结果由于受到各地区建筑物建筑特性的影响而存在不确定性。因此，掌握全国范围的建筑物面积是进行分布式光伏潜力推算的关键内容。采用传统实地测量的方式无

3、法及时、全面地掌握全国范围的建筑物面积情况。随着高分辨率卫星遥感技术的发展，卫星遥感数据类型丰富多样，空间分辨率达到米级，为地表建筑物的特征提取提供了数据源条件。人工智能、深度学习技术的发展也为建筑物的智能识别与特征提取提供了技术基础，如建筑物提取主要采用合成孔径雷达（SAR）、激光探测及测距（1.iDAR）.多光谱等遥感数据，基于深度学习的智能识别和提取形成了典型城市的建筑物数据集（提取精度可以达到80%85%）。以往的研究大多采用局部区域提取建筑物屋顶，推算全国范围的分布式光伏建设潜力或装机容量，由样本至全体的估算过程存在诸多不可控误差。本文以2020年全国高分辨率卫星遥感影像为数据源，利

4、用深度学习技术提取全国建筑物（区）;通过典型区域的建筑占比系数，利用分级、分区和全国平均的方法进行建筑物屋顶面积转换，获得全国范围的建筑物屋顶数据。这一方法的应用价值体现在：能够精确获取全国范围建筑物（区）的空间分布，掌握可承载分布式光伏的建筑区（物）的底数；可将建筑物（区）落实到地块，便于构建建筑物（区）和分布式光伏建设的动态监测机制，动态掌握分布式光伏项目的建设进度；可将分布式光伏数据与人口经济数据进行融合分析，为分布式光伏建设路径规划提供技术性支撑。二、建筑物屋顶高分辨率卫星遥感提取数据与方法（一）高分辨率卫星遥感影像及辅助数据1.底图数据使用的主要数据源为基于“资源三号高分一号等2米级

5、空间分辨率的卫星遥感影像制作的2020年版全国版图。一年一版图作为当前分辨率最高的全国范围覆盖的真彩色正射卫星影像库，具有现势性强、定位精度高等特色，已在多个行业和部门得到广泛应用。2 .训练样本数据考虑因地域差异、发展水平造成的建筑物（区）样本差异，可将全国划分为东北、西北、华北、华中、华南、西南6个片区。建筑物（区）训练样本来源于2017年地理国情数据。每个片区选择2个省会城市、5个普通城市、10个县，将其中的房屋建筑区作为本研究的训练样本（见图1）；收集了部分城市白模数据作为底图矢量，经过人工编辑后用于独立建筑的训练样本，制作成29个典型城市独栋建筑物数据（见图2）o图1建筑区样本示例图

6、2独栋建筑样本示例3 .验证及辅助数据使用的验证数据主要是利用2m分辨率的卫星遥感影像经过人工编辑形成的城区范围矢量，对提取的建筑矢量进行划分，确定城镇和农村建筑范围。依据典型城市提取的独栋建筑和建筑区矢量，计算对应的建筑占比系数；爬取百度地图等网络建筑轮廓数据作为辅助参考，优化样本精度。此外，使用国家统计局发布的2020年末总人口数据分析屋顶面积与人口的相关性及匹配性。（二）基于卷积神经网络技术提取房屋建筑区研究涉及的卷积神经网络包括三部分：特征提取层，采用ResNetSO深度残差网络进行特征提取，得到Featurel特征图；金字塔池化层，设置不同尺寸的Pooling（池化）层，分别对Fea

7、turel进行处理，将每个Pooling层得到的特征输入到一层卷积网络再进行特征提取，最后上采样到与Featurel相同的尺寸得到Feature2;特征融合输出层，将FeaturelFeature2进行通道融合，再经过卷积层输出结果。神经网络训练基于PyTorch搭建的训练平台进行，针对建筑区提取、独栋建筑提取两种不同的任务，可调用大量图形处理器（GPU）计算资源进行分布式训练,快速得到深度学习模型,便于后续算法迭代更新。在选择网络特征提取层、训练超参数时，宜综合样本区域的情况以便提升最终算法的推广泛化能力。按上述规则对全国建筑区及典型城市独栋建筑进行自动提取，得到全国建筑区及典型城市独栋建筑

8、的矢量范围，为后续屋顶面积计算提供基础数据。（三）建筑物屋顶面积估算受卫星影像分辨率、同物异谱、建筑形态多样等因素的影响，独栋建筑提取面临着很大的困难；尤其是受2m分辨率影像限制，城市密集建筑区无法区分独栋建筑。因此提取建筑区范围并依据典型城市建立的建筑占比系数，估算全国城镇建筑的屋顶面积。在建筑区提取矢量的基础上，根据城区范围矢量对提取的建筑矢量进行划分,以此区分典型城市、城镇和农村的建筑范围；分别计算对应的建筑占比系数，进一步提升计算精度。建筑占比系数（CPC）公式为：Area独栋建筑(1)CPC=-Area建筑区公式中，Area独栋建筑为目标区提取的独栋建筑总面积，Area建筑区为独栋建

9、筑所在的建筑区总面积。建筑区与独栋建筑关系示意如图3所示。独栋建筑建筑区图3建筑区与独栋建筑关系示意图考虑全国各地建筑形式及分布情况的差异，本研究设计了3种不同的方法计算建筑屋顶面积。城市分级，将典型城市划分为直辖市、省会城市、省会以下城市三级，分别计算出三个建筑占比系数；其中将直辖市、省会城市再次划分为主城区和郊区，使用不同的建筑占比系数计算屋顶面积。位置分区，根据所在区域，将典型城市划分为华北东北、华中、华东、华南、西南西北5个大区，计算各大区建筑占比系数并推广至区内其他地区。全国平均，将各典型城市建筑占比系数求平均值，得到全国平均建筑占比系数，从而计算各地区的屋顶面积。（四）分布式光伏建

10、设路径分析将计算得到的全国各省屋顶面积与2020年度统计数据中的人口数据进行相关分析，可得到各省屋顶面积，即分布式光伏建设潜力与人口的相关关系和匹配程度；据此规划分布式光伏建设潜力较大、适宜优先安排资源配置的目标省份。三、全国分布式光伏潜力评估结果与分析（一）建筑屋顶面积估算方法评价根据分级、分区、全国平均建筑占比系数,分别计算北京市通州区城镇区域、大连市金普新区城镇区域的建筑屋顶面积。根据独栋建筑和建筑区提取算法获得两个城镇区的独栋建筑与建筑区，以此为真值来比较各方法计算的差异。与建筑区提取的真值相比，分级、分区、全国平均3种方法的计算值在北京市通州区城镇地区的正确率偏低，在大连市金普新区城

11、镇区域的精度较高；分级计算方法的平均正确率达到81.63%,表明按照城市级别划分不同区域的方法在屋顶面积计算中较为可靠。（二）全国建筑物面积提取结果与分析1 .建筑区面积全国建筑区面积约为1.18105km2,主要分布在山东、河南、河北、江苏等省份，约占全国建筑总面积的40%；西部地区的宁夏、青海、西藏等省份的建筑区面积较小，仅占全国建筑总面积的1.4%（见图4）。14000一建筑区面积全国平均值I2O1008000600040003803.47Iiiiiiiiii西藏海唐件海用庆宁夏天津北京上海吉林黑龙江贵州甘木广西新内蒙古云南份陕西省福建四川山.西江西辽宁湖南浙江湖北广东安徽江苏河北河南山

12、东图4全国各省份建筑区面积统计图按照建筑区面积大小划分，第一梯队为山东、河南、河北、江苏，统计建筑区面积均超过8000km2；第二梯队为安徽和广东，统计面积为50008000km2；第三梯队为湖北、浙江、湖南、辽宁、江西、山西，统计面积为30005000km?；第四梯队为福建、陕西、云南、内蒙古、新疆、广西、甘肃、黑龙江、四川、吉林，统计面积为1500-5000krn;第五梯队为上海、北京、贵州、天津、宁夏、重庆、青海、海南、西藏，统计面积在1500km2以下。2 .典型城市独栋建筑面积为了计算建筑占比系数，选取北京、天津、上海、重庆、石家庄、呼和浩特、哈尔滨、南京、杭州、合肥、福州、南昌、济

13、南、郑州、武汉、广州、深圳、贵阳、昆明、西安、成都、拉萨、长沙、兰州、西宁、保定、常州、苏州、青岛等29个典型城市，提取独栋建筑进行面积统计。29个典型城市的独栋建筑总面积约为1900km2,上海、北京、广州位于前三位（超过150km2）,拉萨、西宁、呼和浩特位于后三位（不足15km2）o3 .建筑占比系数及屋顶面积估算在城市分级方面，计算得到的直辖市建筑占比系数平均值为0.5539,省会城市建筑占比系数平均值为0.4726,省会以下城市建筑占比系数平均值为0.3769o建筑屋顶面积的具体计算方法可表述为：将直辖市分成主城区和郊区，主城区按照0.5539的系数来计算建筑屋顶面积，郊区按照037

14、69的系数来计算建筑屋顶面积；将省会城市同样划分为主城区和郊区，主城区按照0.4726的系数来计算建筑屋顶面积，郊区同样按照0.3769的系数来计算建筑屋顶面积；省会以下城市统一按照0.3769来计算建筑屋顶面积；根据求出的分级建筑占比系数，计算全国各省建筑屋顶面积。在位置分区方面，根据求出的分区建筑占比系数（见表1）,对全国各省份计算城镇建筑屋顶面积。华东地区建筑屋顶面积最大，远大于其他地区，其次为华北、华南、华中地区，而西北、西南、东北地区的屋顶面积较小。区域平均建筑占比系数东北0.4327华北0.4829华东0.4619华南0.5597华中0.4099西南0.5054西北0.6214表1

15、基于位置分区的平均建筑占比系数表在全国平均方面，对全国典型城市建筑占比系数求平均值，得出全国平均系数为0.4789o利用该系数，计算得到各省份的城镇建筑屋顶面积，江苏、山东、广东排名前三位，西藏、青海、海南排名后三位。对城市分级、位置分区、全国平均3种计算方法得到的全国城镇建筑屋顶面积进行统计对比（见图5）O整体来看，除少部分地区外，城市分级计算所得屋顶面积最小，全国平均计算所得屋顶面积最大。2000180016001400华北华东西北西南陕新甘宁青四云贵城西西叙南夏海川向州庆藏华南华中吉河内山北天江山浙安福上江广广海河湖湖林北蒙西京津苏东江徽建海西东西南南北南愿龙江和辽宁oo)oooo100ooooo)2l(86l42图5各省份城镇建筑屋顶面积统计图（三）屋顶面积与人口数量相关分析将3种方法计算所得的各省份屋顶面积与2020年各省份人口统计数据进行相关分析，结果表明3种方法计算的屋顶面积与人口数量均存在明显的正相关关系，相关系数均在0.84以上（见图6）o2000400020001200010000MOOO江山广M淅河安湖福辽上内湖四与东东南江北M北建宁海蒙南川*Aft什海W南庆宁SIr点ft州天津新广西北京陕西云南江西图6城镇建筑屋顶面枳与人口数量