成果推荐 | 卫星揭示旱地光伏植物对植被动态影响的空间异质性

文摘   科学   2024-07-12 19:54   江苏  

点击上方「城市遥感与地理智能」关注我们

题 目: Satellites Reveal Spatial Heterogeneity in Dryland Photovoltaic Plants' Effects on Vegetation Dynamics

期 刊Earth’s Future

1. 论文首页

1.成果简介

由于太阳辐射丰富、未利用土地广阔,大型光伏电站在干旱地区迅速发展。干旱地区景观的改变对当地脆弱的植被构成了威胁。现有研究主要通过实地观测和卫星数据对这一问题进行研究,但对干旱地区光伏电站部署引起的植被变化的空间差异及其驱动机制仍知之甚少。近日,南京大学杜培军教授课题组通过卫星遥感影像等多源地理数据,评估了中国旱地光伏电站部署对植被动态的的影响。基于随机森林回归模型,分析了影响光伏电站植被效应的环境因素。该研究揭示了中国旱地光伏电站大规模部署下的植被动态变化,表明光伏部署可以成为旱地能源与环境的双赢解决方案。研究成果以“Satellites Reveal Spatial Heterogeneity in Dryland Photovoltaic Plants' Effects on Vegetation Dynamics”为题,发表在期刊《Earth’s Future》(IF:9.2)上,论文第一作者为博士生夏子龙,通讯作者为郭山川博士,要合作者还有美国斯坦福大学李英杰博士后、上海交通大学陈睿山教授等。研究结果和数据可以帮助指导太阳能运营商进行选址和生态恢复,以增强未来的技术-生态协同作用


2

论文导读


















在干旱地区,大型光伏电站正在迅速扩张。然而,光伏电站部署引起的植被变化的空间差异及其驱动机制仍未得到充分研究。在此,我们利用卫星遥感图像监测光伏电站部署对干旱地区植被动态的影响。我们利用机器学习模型和多源数据集来探索影响光伏电站植被效应的环境因素。我们的研究结果表明,光伏电站的部署对不同地区的植被动态有不同的影响。在植被稀疏、湿度低、日照时间长的地区,光伏电站的部署更有利于促进植被恢复。这些发现加深了我们对干旱地区光伏电站生态影响的理解,并强调了光伏电站在干旱生态系统中的技术生态协同效益


3

研究方法


















研究选择了中国所有干旱地区作为研究区域(图 2)。中国是新增和累计装机量最大的国家,计划到 2030 年实现风电和太阳能发电总装机容量超过 1,200 GW,其中包括在干旱地区建立更大规模的光伏电站。研究通过比较光伏电站部署前后光伏电站与对照区归一化植被指数(NDVI)变化的差异,量化了现有光伏电站部署导致的植被变化。为了了解哪些环境因素会影响光伏电站部署引起的植被变化,本研究建立了一个随机森林回归 (RFR) 模型来模拟 NDVI 变化与环境因素之间的关系,环境因素考虑了关键气候变量、地形、人类活动、部署前的植被状况和土壤属性。利用量化结果和多源地理数据训练的RFR模型,预测在旱地不同区域部署光伏电站对NDVI动态的影响。
图2. 中国干旱地区分布(a),两个示例站点显示了光伏电站部署前后的土地覆盖变化,光伏电站建成后在电站周围划定1公里宽的缓冲区作为控制区(b, c)。

4

研究结果


















2020年,中国干旱地区光伏电站总面积达1832平方公里。其中,半干旱地区光伏电站面积最大,达到706平方公里,占总面积的39%(图3)。其次是亚湿润干旱区光伏电站面积622平方公里,干旱区光伏电站面积403平方公里,极干旱区光伏电站面积最小,为101平方公里。此外,光伏电站的平均规模在干旱程度较高的地区更大。根据2013年光伏电站部署前的土地覆盖数据,分析了光伏电站的主要土地利用类型。在整个干旱地区,光伏电站主要分布在耕地、草地和裸地。在亚湿润干旱区,光伏电站主要分布在耕地和草地,部署在水体、林地和不透水表面的光伏电站较少。然而,在其他干旱地区,光伏电站主要分布在裸地和草地。特别是在极干旱区,光伏电站主要分布在裸地。其中,53%的光伏电站的ΔNDVI大于0,47%的光伏电站的ΔNDVI小于0。在亚湿润干旱区,大多数光伏电站的部署导致NDVI减少,69%的光伏电站的ΔNDVI小于0。相反,在其他干旱地区,超过一半的光伏电站的部署驱动了NDVI的增加,55%至63%的光伏电站的ΔNDVI大于0
图3. 不同干旱地区光伏电站的总面积和平均面积(a)。不同干旱地区光伏电站的土地覆盖类型(b)。现有光伏电站的ΔNDVI空间分布(c)。不同干旱地区光伏电站ΔNDVI的平均值和面积分布(d)。















模型验证结果显示,RFR模型具有很高的预测能力,在验证数据集上的ΔNDVI预测误差为0.05,R²为0.7,MAE为0.03。在所有解释变量中,最重要的三个因素是光伏电站部署前的NDVI、相对湿度和日照时间。光伏电站部署前的NDVI被认为是影响模型预测精度的最重要因素,其重要性得分远高于其他解释变量。根据训练后的RFR模型,我们绘制了整个干旱区的ΔNDVI分布图(图4)。在总面积为285万平方公里的干旱自然土地中,我们统计了光伏电站部署可能导致NDVI增加或减少的区域面积。预计光伏电站部署将使64%的干旱区NDVI增加,而剩余区域NDVI将减少。光伏电站对植被动态的影响表现出空间异质性。具体而言,在亚湿润和半干旱地区,光伏电站的部署预计会导致大多数区域NDVI减少。在亚湿润干旱区,多达94%的区域预计会因光伏电站部署而NDVI下降。相反,在干旱和极干旱地区,光伏电站的部署预计会使大多数区域(≥90%)的NDVI增加,为当地植被带来生态效益。显著的生态效益主要集中在中国北部的中部地区。


图4.  预测光伏电站部署对NDVI动态影响的空间分布(a)。不同干旱地区预测ΔNDVI的平均值和面积分布(b)。模型准确性和验证结果(c)。解释变量的重要性得分(d)。部署前NDVI和光伏电站部署过程中最小NDVI的回归线性结果(e)。

5

研究结论


















该研究通过卫星数据定量评估了光伏电站部署对植被动态的影响。通过构建空间定量分析模型,分析了这些影响背后的驱动机制,并预测了部署光伏电站对旱地植被变化影响的空间分布。研究结果揭示了光伏电站对植被生态影响的空间异质性:干旱区域的光伏电站部署对植被生长有利,而在亚湿润和半干旱区域,光伏电站部署可能对植被产生负面影响。在植被稀疏、湿度低、日照时间长的地区部署光伏电站会带来更高的生态效益

                                

论文信息

Xia, Z., Li, Y., Guo, S., Chen, R., Zhang, W., Guo, X., et al. (2024). Satellites reveal spatial heterogeneity in dryland photovoltaic plants' effects on vegetation dynamics, Earth's Future [J], 2024, 12, e2024EF004427. https://doi.org/10.1029/2024EF004427


全文链接:https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2024EF004427







  第一作者简介




供稿:夏子龙

编辑:杨承翰
审核:郭山川
指导:杜培军

点击阅读原文 了解更多详情



城市遥感与地理智能
面向城市遥感与地理智能科学前沿,探索时空大数据智能处理前沿技术,揭示城镇化及其资源环境效应,助力遥感科技创新和地理信息产业发展。本公众号将不定期发布最新学术成果和科研动态。