全國建筑物遙感監(jiān)測與分布式光伏建設潛力分析

一、前言2020年，我國提出“二氧化碳排放力爭于2030年前達到峰值，努力爭取2060年前實現(xiàn)碳中和”。要實現(xiàn)這一目標，需要降低化石燃料的消費比重，加快調整能源結構，推進風能、太陽能、生物質能等綠色能源的開發(fā)，實現(xiàn)能源的轉型與變革。通過經(jīng)濟社會綜合效益評價模型的情景模擬與綜合效益分析發(fā)現(xiàn)，以新能源為主體的深度能源轉型是實現(xiàn)碳中和目標的必然選擇。在諸多能源類型中，太陽能是一種十分清潔的能源且蘊含量巨大。分布式光伏具有投資小、建設快等特點，可以有效利用太陽能轉換為電能，從而解決能源短缺的農(nóng)村地區(qū)和負荷密度高的工業(yè)區(qū)用電問題。近年來，光伏建筑一體化系統(tǒng)已經(jīng)被證明是一種技術經(jīng)濟可行的可再生發(fā)電技術，西班牙、澳大利亞、韓國、美國等國家從不同角度開展了分布式光伏與建筑結合的技術研究。國內(nèi)有學者利用遙感數(shù)據(jù)，考慮氣象、地形的因素，完成了我國建設光伏電站的適宜性分析。根據(jù)新建、既有城鎮(zhèn)公共建筑以及農(nóng)村建筑的屋頂和南立面估算我國分布式光伏的裝機容量，“十四五”末可達100GW，2030年可達215GW。作為分布式光伏的重要載體，建筑物屋頂?shù)臄?shù)量和空間分布事關建設規(guī)模與效益。已有研究主要是在小區(qū)域建立建筑屋頂?shù)臄?shù)據(jù)模型樣本并據(jù)此推算大區(qū)域或者全國范圍的體量，相應推算結果由于受到各地區(qū)建筑物建筑特性的影響而存在不確定性。因此，掌握全國范圍的建筑物面積是進行分布式光伏潛力推算的關鍵內(nèi)容。采用傳統(tǒng)實地測量的方式無法及時、全面地掌握全國范圍的建筑物面積情況。隨著高分辨率衛(wèi)星遙感技術的發(fā)展，衛(wèi)星遙感數(shù)據(jù)類型豐富多樣，空間分辨率達到米級，為地表建筑物的特征提取提供了數(shù)據(jù)源條件。人工智能、深度學習技術的發(fā)展也為建筑物的智能識別與特征提取提供了技術基礎，如建筑物提取主要采用合成孔徑雷達（SAR）、激光探測及測距（LiDAR）、多光譜等遙感數(shù)據(jù)，基于深度學習的智能識別和提取形成了典型城市的建筑物數(shù)據(jù)集（提取精度可以達到80%~85%）。以往的研究大多采用局部區(qū)域提取建筑物屋頂，推算全國范圍的分布式光伏建設潛力或裝機容量，由樣本至全體的估算過程存在諸多不可控誤差。本文以2020年全國高分辨率衛(wèi)星遙感影像為數(shù)據(jù)源，利用深度學習技術提取全國建筑物（區(qū)）；通過典型區(qū)域的建筑占比系數(shù)，利用分級、分區(qū)和全國平均的方法進行建筑物屋頂面積轉換，獲得全國范圍的建筑物屋頂數(shù)據(jù)。這一方法的應用價值體現(xiàn)在：①能夠精確獲取全國范圍建筑物（區(qū)）的空間分布，掌握可承載分布式光伏的建筑區(qū)（物）的底數(shù)；②可將建筑物（區(qū)）落實到地塊，便于構建建筑物（區(qū)）和分布式光伏建設的動態(tài)監(jiān)測機制，動態(tài)掌握分布式光伏項目的建設進度；③可將分布式光伏數(shù)據(jù)與人口經(jīng)濟數(shù)據(jù)進行融合分析，為分布式光伏建設路徑規(guī)劃提供技術性支撐。

二、建筑物屋頂高分辨率衛(wèi)星遙感提取數(shù)據(jù)與方法（一）高分辨率衛(wèi)星遙感影像及輔助數(shù)據(jù)

1.底圖數(shù)據(jù)使用的主要數(shù)據(jù)源為基于“資源三號”“高分一號”等2米級空間分辨率的衛(wèi)星遙感影像制作的2020年版全國版圖。一年一版圖作為當前分辨率最高的全國范圍覆蓋的真彩色正射衛(wèi)星影像庫，具有現(xiàn)勢性強、定位精度高等特色，已在多個行業(yè)和部門得到廣泛應用。2.訓練樣本數(shù)據(jù)考慮因地域差異、發(fā)展水平造成的建筑物（區(qū)）樣本差異，可將全國劃分為東北、西北、華北、華中、華南、西南6個片區(qū)。建筑物（區(qū)）訓練樣本來源于2017年地理國情數(shù)據(jù)。每個片區(qū)選擇2個省會城市、5個普通城市、10個縣，將其中的房屋建筑區(qū)作為本研究的訓練樣本（見圖1）；收集了部分城市白模數(shù)據(jù)作為底圖矢量，經(jīng)過人工編輯后用于獨立建筑的訓練樣本，制作成29個典型城市獨棟建筑物數(shù)據(jù)（見圖2）。

圖1建筑區(qū)樣本示例圖2獨棟建筑樣本示例

3.驗證及輔助數(shù)據(jù)使用的驗證數(shù)據(jù)主要是利用2m分辨率的衛(wèi)星遙感影像經(jīng)過人工編輯形成的城區(qū)范圍矢量，對提取的建筑矢量進行劃分，確定城鎮(zhèn)和農(nóng)村建筑范圍。依據(jù)典型城市提取的獨棟建筑和建筑區(qū)矢量，計算對應的建筑占比系數(shù)；爬取百度地圖等網(wǎng)絡建筑輪廓數(shù)據(jù)作為輔助參考，優(yōu)化樣本精度。此外，使用國家統(tǒng)計局發(fā)布的2020年末總人口數(shù)據(jù)分析屋頂面積與人口的相關性及匹配性。

（二）基于卷積神經(jīng)網(wǎng)絡技術提取房屋建筑區(qū)研究涉及的卷積神經(jīng)網(wǎng)絡包括三部分：①特征提取層，采用ResNet50深度殘差網(wǎng)絡進行特征提取，得到Feature1特征圖；②金字塔池化層，設置不同尺寸的Pooling（池化）層，分別對Feature1進行處理，將每個Pooling層得到的特征輸入到一層卷積網(wǎng)絡再進行特征提取，最后上采樣到與Feature1相同的尺寸得到Feature2；③特征融合輸出層，將Feature1、Feature2進行通道融合，再經(jīng)過卷積層輸出結果。神經(jīng)網(wǎng)絡訓練基于PyTorch搭建的訓練平臺進行，針對建筑區(qū)提取、獨棟建筑提取兩種不同的任務，可調用大量圖形處理器（GPU）計算資源進行分布式訓練，快速得到深度學習模型，便于后續(xù)算法迭代更新。在選擇網(wǎng)絡特征提取層、訓練超參數(shù)時，宜綜合樣本區(qū)域的情況以便提升最終算法的推廣泛化能力。按上述規(guī)則對全國建筑區(qū)及典型城市獨棟建筑進行自動提取，得到全國建筑區(qū)及典型城市獨棟建筑的矢量范圍，為后續(xù)屋頂面積計算提供基礎數(shù)據(jù)。（三）建筑物屋頂面積估算受衛(wèi)星影像分辨率、同物異譜、建筑形態(tài)多樣等因素的影響，獨棟建筑提取面臨著很大的困難；尤其是受2m分辨率影像限制，城市密集建筑區(qū)無法區(qū)分獨棟建筑。因此提取建筑區(qū)范圍并依據(jù)典型城市建立的建筑占比系數(shù)，估算全國城鎮(zhèn)建筑的屋頂面積。在建筑區(qū)提取矢量的基礎上，根據(jù)城區(qū)范圍矢量對提取的建筑矢量進行劃分，以此區(qū)分典型城市、城鎮(zhèn)和農(nóng)村的建筑范圍；分別計算對應的建筑占比系數(shù)，進一步提升計算精度。建筑占比系數(shù)（CPC）公式為：公式中，Area獨棟建筑為目標區(qū)提取的獨棟建筑總面積，Area建筑區(qū)為獨棟建筑所在的建筑區(qū)總面積。建筑區(qū)與獨棟建筑關系示意如圖3所示。圖3建筑區(qū)與獨棟建筑關系示意圖考慮全國各地建筑形式及分布情況的差異，本研究設計了3種不同的方法計算建筑屋頂面積。①城市分級，將典型城市劃分為直轄市、省會城市、省會以下城市三級，分別計算出三個建筑占比系數(shù)；其中將直轄市、省會城市再次劃分為主城區(qū)和郊區(qū)，使用不同的建筑占比系數(shù)計算屋頂面積。②位置分區(qū)，根據(jù)所在區(qū)域，將典型城市劃分為華北東北、華中、華東、華南、西南西北5個大區(qū)，計算各大區(qū)建筑占比系數(shù)并推廣至區(qū)內(nèi)其他地區(qū)。③全國平均，將各典型城市建筑占比系數(shù)求平均值，得到全國平均建筑占比系數(shù)，從而計算各地區(qū)的屋頂面積。（四）分布式光伏建設路徑分析將計算得到的全國各省屋頂面積與2020年度統(tǒng)計數(shù)據(jù)中的人口數(shù)據(jù)進行相關分析，可得到各省屋頂面積，即分布式光伏建設潛力與人口的相關關系和匹配程度；據(jù)此規(guī)劃分布式光伏建設潛力較大、適宜優(yōu)先安排資源配置的目標省份。三、全國分布式光伏潛力評估結果與分析（一）建筑屋頂面積估算方法評價根據(jù)分級、分區(qū)、全國平均建筑占比系數(shù)，分別計算北京市通州區(qū)城鎮(zhèn)區(qū)域、大連市金普新區(qū)城鎮(zhèn)區(qū)域的建筑屋頂面積。根據(jù)獨棟建筑和建筑區(qū)提取算法獲得兩個城鎮(zhèn)區(qū)的獨棟建筑與建筑區(qū)，以此為真值來比較各方法計算的差異。與建筑區(qū)提取的真值相比，分級、分區(qū)、全國平均3種方法的計算值在北京市通州區(qū)城鎮(zhèn)地區(qū)的正確率偏低，在大連市金普新區(qū)城鎮(zhèn)區(qū)域的精度較高；分級計算方法的平均正確率達到81.63%，表明按照城市級別劃分不同區(qū)域的方法在屋頂面積計算中較為可靠。（二）全國建筑物面積提取結果與分析

1.建筑區(qū)面積全國建筑區(qū)面積約為1.18×105

km2

，主要分布在山東、河南、河北、江蘇等省份，約占全國建筑總面積的40%；西部地區(qū)的寧夏、青海、西藏等省份的建筑區(qū)面積較小，僅占全國建筑總面積的1.4%（見圖4）。圖4全國各省份建筑區(qū)面積統(tǒng)計圖按照建筑區(qū)面積大小劃分，第一梯隊為山東、河南、河北、江蘇，統(tǒng)計建筑區(qū)面積均超過8000km2

；第二梯隊為安徽和廣東，統(tǒng)計面積為5000~8000km2

；第三梯隊為湖北、浙江、湖南、遼寧、江西、山西，統(tǒng)計面積為3000~5000km2

；第四梯隊為福建、陜西、云南、內(nèi)蒙古、新疆、廣西、甘肅、黑龍江、四川、吉林，統(tǒng)計面積為1500~5000km2

；第五梯隊為上海、北京、貴州、天津、寧夏、重慶、青海、海南、西藏，統(tǒng)計面積在1500km2

以下。2.典型城市獨棟建筑面積為了計算建筑占比系數(shù)，選取北京、天津、上海、重慶、石家莊、呼和浩特、哈爾濱、南京、杭州、合肥、福州、南昌、濟南、鄭州、武漢、廣州、深圳、貴陽、昆明、西安、成都、拉薩、長沙、蘭州、西寧、保定、常州、蘇州、青島等29個典型城市，提取獨棟建筑進行面積統(tǒng)計。29個典型城市的獨棟建筑總面積約為1900km2

，上海、北京、廣州位于前三位（超過150km2

），拉薩、西寧、呼和浩特位于后三位（不足15km2

）。3.建筑占比系數(shù)及屋頂面積估算在城市分級方面，計算得到的直轄市建筑占比系數(shù)平均值為0.5539，省會城市建筑占比系數(shù)平均值為0.4726，省會以下城市建筑占比系數(shù)平均值為0.3769。建筑屋頂面積的具體計算方法可表述為：將直轄市分成主城區(qū)和郊區(qū)，主城區(qū)按照0.5539的系數(shù)來計算建筑屋頂面積，郊區(qū)按照0.3769的系數(shù)來計算建筑屋頂面積；將省會城市同樣劃分為主城區(qū)和郊區(qū)，主城區(qū)按照0.4726的系數(shù)來計算建筑屋頂面積，郊區(qū)同樣按照0.3769的系數(shù)來計算建筑屋頂面積；省會以下城市統(tǒng)一按照0.3769來計算建筑屋頂面積；根據(jù)求出的分級建筑占比系數(shù)，計算全國各省建筑屋頂面積。在位置分區(qū)方面，根據(jù)求出的分區(qū)建筑占比系數(shù)（見表1），對全國各省份計算城鎮(zhèn)建筑屋頂面積。華東地區(qū)建筑屋頂面積最大，遠大于其他地區(qū)，其次為華北、華南、華中地區(qū)，而西北、西南、東北地區(qū)的屋頂面積較小。表1基于位置分區(qū)的平均建筑占比系數(shù)表在全國平均方面，對全國典型城市建筑占比系數(shù)求平均值，得出全國平均系數(shù)為0.4789。利用該系數(shù)，計算得到各省份的城鎮(zhèn)建筑屋頂面積，江蘇、山東、廣東排名前三位，西藏、青海、海南排名后三位。對城市分級、位置分區(qū)、全國平均3種計算方法得到的全國城鎮(zhèn)建筑屋頂面積進行統(tǒng)計對比（見圖5）。整體來看，除少部分地區(qū)外，城市分級計算所得屋頂面積最小，全國平均計算所得屋頂面積最大。圖5各省份城鎮(zhèn)建筑屋頂面積統(tǒng)計圖

（三）屋頂面積與人口數(shù)量相關分析將3種方法計算所得的各省份屋頂面積與2020年各省份人口統(tǒng)計數(shù)據(jù)進行相關分析，結果表明3種方法計算的屋頂面積與人口數(shù)量均存在明顯的正相關關系，相關系數(shù)均在0.84以上（見圖6）。圖6城鎮(zhèn)建筑屋頂面積與人口數(shù)量統(tǒng)計圖（2020年）進一步，利用平均正確率最高的城市分級算法計算得出的屋頂面積與2020年年底各省人口數(shù)據(jù)繪制散點圖，將各省份劃分為屋頂面積大–人口多、屋頂面積小–人口多、屋頂面積小–人口少、屋頂面積大–人口少四類（見圖7）。江蘇、山東、廣東、河南、河北、浙江、安徽、湖北8個省份位于第一象限，屋頂面積多，分布式光伏潛力大且人口數(shù)量多；云南、廣西、湖南、四川4個省份位于第二象限，屋頂面積少但人口數(shù)量相對多；西藏、寧夏、青海、海南、天津、北京、吉林、甘肅、重慶、貴州、內(nèi)蒙古、黑龍江、上海、新疆、山西、遼寧、陜西、江西18個省份位于第三象限，屋頂面積小且人口數(shù)量相對少；位于第四象限的僅有福建，屋頂面積偏大而人口數(shù)量少。圖7分級城鎮(zhèn)建筑屋頂面積與人口數(shù)量分布散點圖（2020年）四、研究結論與發(fā)展建議（一）研究結論本研究利用2020年全國高分辨率衛(wèi)星遙感影像獲得了全國范圍的建筑物屋頂數(shù)據(jù)；通過分析不同區(qū)域建筑物屋頂面積的空間分布，探討了分布式光伏的建設潛力；結合我國不同區(qū)域的人口數(shù)據(jù)，分析了分布式光伏建設的推進路徑。衛(wèi)星遙感具有宏觀、精細、客觀真實的特點，是開展大范圍建筑物屋頂提取和分布式光伏監(jiān)測重要的和可行的手段。利用深度學習技術實現(xiàn)了建筑物屋頂提取精度為81.63%，能夠滿足后續(xù)分析的數(shù)據(jù)需求。分析全國建筑屋頂面積發(fā)現(xiàn)，有約1.4×104

km2

的屋頂可以布設分布式光伏，潛力巨大；主要分布在江蘇、山東、廣東三省，合計占全國分布式光伏潛力約30%。（二）發(fā)展建議面對二氧化碳排放力爭于2030年前達到峰值，努力爭取2060年前實現(xiàn)碳中和這一目標，大力發(fā)展太陽能、風能等新能源已成為重要任務。近期印發(fā)的《2030年前碳達峰行動方案》也明確提出要全面推進風電、太陽能發(fā)電的大規(guī)模開發(fā)和高質量發(fā)展，堅持集中式與分布式并舉，加快建設風電、光伏發(fā)電基地。實施智能光伏產(chǎn)業(yè)的創(chuàng)新升級、特色應用，創(chuàng)新“光伏+”模式，推進光伏發(fā)電多元布局。根據(jù)全國分布式光伏建設潛力監(jiān)測分析評估結果，提出以下發(fā)展建議。一是分級分類推進全國分布式光伏建設。按照分布式光伏就地建設、就地使用原則，以東部人口稠密且分布式光伏建設潛力大的區(qū)域開始建設，分級分步推進全國的分布式光伏建設實施。建議江蘇、山東、廣東等8個省份為第一梯隊；西藏、寧夏、青海等18個省份作為第二梯隊；云南、廣西、湖南、四川等4個省份作為第三梯隊，可以考慮除建筑物屋頂外的分布式光