1 课程简介
发展光伏产业是中国“双碳”战略中的重要部分之一，也是国家近年来大力倡导和扶持的研究领域。加快规划建设大型光伏项目，有利于推动能源绿色低碳转型和高质量发展，保障能源安全。
本节课将介绍如何使用 GeoScene Experience Builder 适宜性建模微件，对中国光伏电站建设适宜性进行研究，进而得到光伏电站选址评估模型。
2 软件与数据
2.1 软件要求
软件及版本要求
A. 桌面端GIS软件：GeoScene Pro（2.0及以上）
B. 服务器端GIS软件：GeoScene Enterprise （4.0及以上）
Q&A
- 如果我没有相应的软件怎么办？
本教程所展示的功能基于 GeoScene Pro（2.0及以上）、GeoScene Enterprise（4.0及以上） ，若您尚未安装或正在使用其他版本的 GeoScene软件，您可以 联系我们 购买 GeoScene相关产品或咨询如何将您的 GeoScene升级至最新版本。
2.2 课程使用数据
本课程使用数据包括：
- 栅格数据（DEM、NDVI、土地利用类型和总辐射量数据）
- 矢量数据（公路铁路网、县级居住地、保护地数据）
- 影像数据（Sentinel-2 L2A级遥感影像数据）
其中，DEM、NDVI、土地利用类型、公路铁路网、县级居住地数据来源于 中国科学院地理科学与资源研究所 - 资源环境科学数据平台 。
总辐射量数据来源于 SOLARGIS 。
保护地数据来源于 Protected Planet 。
哨兵2号遥感影像数据来源于 欧空局 。
3 适宜性分析原理 - 加权栅格叠加
适宜性分析法是针对给定条件对彼此间的相对位置进行加权的分析方法，可帮助寻找新设施的最优建造地址、道路或农作物种植的最适合位置。适宜性分析基于加权栅格叠加原理，包括以下三个步骤：
- 为每个栅格图层分配权重作为百分比。这允许用户定义每个图层在分析中的相对重要性。
- 每个栅格图层内的值都被映射至一个适应性等级。这允许用户对每个栅格图层中的不同类型信息进行比较。
- 将叠加分析中所有栅格图层的每个像元的适宜性乘以其图层权重，然后将所得值与其叠加的其他栅格像元的值相加。所得结果即为适宜性值，可在输出栅格图层的符号系统中使用。
在光伏电站适宜性分析中，需要考虑多方面因子的影响（如坡度、坡向和土地利用类型等），每个影响因子都应具象化为一份栅格图层数据，在分配对象的权重百分比后，将每个栅格图层内的单个栅格值映射至一个适宜性等级，最后将每个栅格相元的适宜性值乘以图层权重，得到光伏电站选址加权叠加栅格。
4 数据处理
在了解原理之后，我们需要使用 GeoScene Pro 进行数据预处理，将下载的所有数据转换为适宜性分析所需的栅格格式数据。
4.1 栅格数据处理
首先需要使用 DEM 数据生成坡度和坡向栅格。
在 GeoScene Pro 中新建一个项目，在“分析”——“工具”——“工具箱”中找到“坡度”和“坡向”工具，选择输入的栅格并确定输出栅格位置。
单击运行进行输出，生成的坡度和坡向栅格将会展示在视图窗口中。
其次，将所有栅格数据全都投影到通用坐标系并确保所的数据都使用通用像元大小（本课程选择的投影为 EPSG:3857，选取的像元大小为 1 KM）。
在数据管理工具箱中打开“投影栅格”工具，输入需要重投影的栅格并确定输出栅格位置。选择输出栅格的坐标系为 WGS_1984_Web_Mercator_Auxiliary_Sphere。
选择输出栅格重采样方法（包括：最邻近、双线性插值法、三次卷积插值法和众数重采样法）。设定输出栅格像元大小为 1 KM。
此外，适宜性分析方法涉及栅格叠加计算，除像元大小外，还需要考虑栅格对齐方式。在环境中设置捕捉栅格，以统一栅格数据对齐方式，最后点击“运行”，执行投影栅格工具。
4.2 矢量数据处理
首先同样需要将所有矢量数据全都投影到通用坐标系。
在数据管理工具箱中打开“投影”工具，输入待投影的矢量数据并确定输出矢量数据位置，选择输出矢量的坐标系为 WGS_1984_Web_Mercator_Auxiliary_Sphere，最后点击“运行”，执行投影工具。
其次，按其适应性因子分级，对矢量数据构建环形缓冲区。
在分析工具箱中打开“多环缓冲区”工具，输入矢量要素数据并确定输出矢量数据位置，根据因子分级，添加多环缓冲区的距离并设置距离单位，最后点击“运行”，执行多环缓冲区工具。
最后，将生成的多环缓冲区矢量转换为栅格数据。
在转换工具箱中打开“面转栅格”工具，输入待转换的环形缓冲区要素及值字段，并选择输出栅格的位置，选择像元分配的类型（包括：像元中心、最大面积和最大合并区域），设定像元大小为 1 KM。
同样的，生成的栅格需要考虑栅格对齐方式。在环境中设置与栅格数据处理相同的捕捉栅格，以统一栅格数据对齐方式，最后点击“运行”，执行面转栅格工具。
4.3 栅格重分类
当完成所有矢量数据和栅格数据预处理工作后，我们就可以根据各因子分级将生成的栅格全部转换为适应性等级栅格。
在空间分析工具箱中打开“重分类”工具，输入待分类的栅格和待分类的字段。根据因子分级，分割原数据，并在新建中输入适宜性分数，确定输出栅格位置，最后点击“运行”，执行重分类工具。
5 光伏电站适宜性建模
当把所有的因子均转换为适宜性等级栅格后，接下来需要使用 GeoScene Experience Builder 适宜性建模微件对所有因子进行建模。
5.1 使用重分类后的栅格构建加权叠加镶嵌栅格
依次点击“插入”——“工具箱”——“添加工具箱”以加载“加权栅格叠加服务”工具箱，选择“创建加权叠加镶嵌”工具。
注：工具箱 下载地址 。
选择输出的地理数据库及镶嵌数据集名称，然后点击“执行”运行创建加权叠加镶嵌工具。
5.2 发布镶嵌栅格
在“目录”中找到生成的镶嵌栅格，右键，选择“共享为 Web 图层”，将镶嵌栅格发布至 GeoScene Enterprise 门户上。
5.3 在 Experience Builder 中进行适宜性建模与分析
创建 Experience Builder 应用程序，将适宜性建模器微件与镶嵌栅格关联，进行 Web 端适宜性分析。
在 GeoScene Enterprise 门户上依次点击“个人中心”——“我的内容”——“创建应用程序”——“Experience Builder”创建应用程序。
进入后选择模版，点击“创建”。
将“适宜性建模器”和“地图”微件拖入画布中。
将适宜性建模器微件与地图微件相关联，并将从 GeoScene Pro 发布到GeoScene Enterprise的适宜性镶嵌栅格以 URL 服务的形式添加进适宜性建模器中。可以看到在选择图层界面，显示了我们在 GeoScene Pro 中处理的所有适宜性得分栅格。
保存和发布后，我们就可以进行 Web 端适宜性分析。勾选所有影响因子栅格，然后进入模型设计界面，为不同因子设定权重。
上图中各图层的权重，是根据查阅相关论文，通过层次分析方法得到的。对应下表中的权重系数这一行。
除模型权重外，单个栅格每个适应性等级的得分也需要设定。请注意，适宜性建模器微件能设定的得分为整数 0 - 9。
点击运行，得到结果。在与适宜性建模器相关联的地图微件中，会显示出适宜性选址的结果。
通过点击图例按钮，结合我们选择的色带，图中颜色越红的区域适宜性越高，越适合建造光伏电站。
最后，还可以点击“导出”按钮，将结果栅格导出为 Web 服务，可用于后续的在线分析、共享、应用构建等场景。
6 适宜性模型结果评估
自“十四五”规划以来，中国各省市着力规划建设新型能源体系，统筹推进大型风电光伏基地的建设，在青海、甘肃和宁夏等已初具规模。
那么，通过遥感影像数据对这些光伏基地进行轮廓提取，再叠加适宜性模型结果，就可以对已生成的适宜性模型结果进行评价。
6.1 深度学习识别光伏电站
本课程选取建设完善、集中连片面积大的电站作为深度学习识别区域，包括：宁夏盐池县高沙窝镇、青海省海南藏族自治州塔拉滩和甘肃省敦煌市光电产业园区。其中：
- 宁夏盐池县高沙窝镇是已建成的光伏电站中装机容量最大的一座
- 青海省海南藏族自治州共和县的塔拉滩是中国乃至全球最大的光伏发电基地
- 甘肃省敦煌光电园区是全国建成最早、国家批准的第一个“百万千瓦级以上太阳能发电示范基地”
本课程使用的基于深度学习的光伏电站轮廓提取预训练模型是由 Sentinel-2 L2A 影像（BOA）训练得出。故在使用之前，我们首先需对下载的哨兵2号遥感影像数据进行处理，处理过程包括：创建镶嵌数据集和对感兴趣区域进行裁剪。
下面我们以宁夏盐池县高沙窝镇为例，提取该区域内的光伏电站
首先，在数据管理工具箱中打开“创建镶嵌数据集”工具，输入数据集输出位置、名称和投影坐标系，然后点击“运行”，生成镶嵌数据集。
同样在数据管理工具箱中打开“添加栅格至镶嵌数据集”工具，将一景或多景哨兵2影像添加至生成的镶嵌数据集中，输入栅格类型为：Sentinel-2，处理模版为：BOA Reflectance，将下载的哨兵2号影像（后缀为 .SAFE）以文件的形式添加，最后点击“运行”执行。
得到镶嵌栅格后，我们还可以选择对感兴趣区域进行裁剪（从全幅影像中裁剪至光伏电站所在的大致范围），以便后续能更高效、快速的执行光伏电站提取任务。
在数据管理工具箱中打开“裁剪栅格”工具，输入刚刚生成的镶嵌栅格数据集和感兴趣区域，然后确定输出栅格位置，点击“运行”完成裁剪操作。
得到结果将在视图窗口中展示。
注：在剪裁时，请确认是否需要勾选“使用输入要素裁剪几何”选项，在不勾选的状态下会以刚兴趣区域的最小外接矩形为范围进行裁剪，如果想使用感兴趣区域的范围来进行裁剪，请务必将“使用输入要素裁剪几何”选项勾选。
对哨兵影像执行完全部预处理操作后，接下来就可以使用深度学习模型对影像进行分类，从而识别光伏电站。
在影像分析工具箱中打开“使用深度学习分类像素”工具，输入预处理后哨兵影像并确定输出栅格位置，接下来输入训练好的光伏电站分类模型并确定模型对应参数。
在“环境”选项卡中确定处理范围、输出像元大小和处理器类型，最后点击“运行”，执行分类操作。
当处理完成，识别结果将显示在视图窗口中（右侧视图中红色区域）。
观察分类结果，几乎所有的光伏电站都被识别出来，但仍旧存在错误的部分，需要进行后处理，包括：栅格转面及删除错误分类的图斑和微小图斑。
在转换工具箱中打开“栅格转面”工具，输入光伏电站深度学习分类结果栅格，确定输出面要素的位置和转换方法，然后点击“运行”将栅格转换为面状要素。
由于感兴趣区域面积不大，对于错误分类的图斑，我们直接采用手动的方式进行了剔除。而对于微小图斑，我们通过设置面积阈值，筛选小于阈值面积的面进行剔除。
6.2 适宜性模型结果评估
采用同样的方法，我们依次提取了位于青海省海南藏族自治州塔拉滩和甘肃省敦煌市光电产业园区的光伏电厂轮廓。依次右键点击得到的三个地区光伏电站识别结果，选择“共享”——“共享为 Web 图层”将图层上传至 GeoScene Enterprise 门户。
在门户中，将上面3个面要素图层与适宜性模型结果栅格在 Map View 经典版中叠加。
依次点击“分析”——“栅格分析”——“汇总数据”——“以表格显示分区统计”统计现有光伏电站的适宜性值。
结果表明：三个区域计算得到的统计值均在 7-9 范围内，属于光伏电站适宜性高值区域，证明了我们通过适宜性建模微件得到的光伏电站适宜性栅格的结果是可靠的。
7 课程回顾及小结
在本课程中，我们着重介绍了如何利用 GeoScene Experience Builder 应用程序对光伏电站适宜性进行建模。利用适宜性建模微件，将多维影响因子叠加，在 Web 端就能快速实现适宜性建模和结果可视化展示。
此外，课程还展示了使用 GeoScene Pro，结合基于深度学习的预训练模型，针对遥感影像进行光伏电站分类和提取的应用场景。GeoScene Pro 深度学习分类工具使用现阶段较为成熟的 U-Net 网络，使您可以在零代码基础的前提下，同样可以轻松的进行深度学习任务，并取得良好的推理效果。
课程原文链接：
极思课堂 - GeoScene Online
https://www.geosceneonline.cn/learn/lesson/6dc1f1e55e06463689569b9fcd60a142
扫一扫
1879
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
