利用卫星和机器学习绘制所有大型太阳能发电厂的地图

一组研究人员构建了一个机器学习系统扫描卫星图像，寻找大于 10 千瓦的太阳能发电设施，使用的计算量相当于人类寿命的好几倍。研究报告发表在《自然》期刊上。 团队成员、牛津大学气候变化/人工智能研究员 Lucas Kruitwagen 透露了他们的发现。“我们搜索了地球陆地表面大约一半的面积，过滤了人烟稀少的偏远地区。” 我们共检测到 68,661 个太阳能设施。根据这些设施的面积，控制了机器学习系统中的不确定性，我们估算出到 2018 年年底，全球总装机容量为 423 吉瓦。这与国际可再生能源机构（IRENA）同期 420 吉瓦的估计非常接近。研究表明，从 2016 年至 2018 年间，太阳能光伏发电能力大幅增长了 81%，我们为这段时期的图像添加了时间戳。这种增长尤其受到印度（184%）、土耳其（143%）、中国（120%）和日本（119%）的引领。设施的规模差异很大，从智利、南非、印度和中国西北部的吉瓦级沙漠设施到加利福尼亚和德国的商业和工业屋顶装置，还有北卡罗来纳州和英格兰的城市拼凑装置以及韩国和日本的农村拼凑装置。 使用卫星图像的旧目录，我们能估计出 30% 设施的安装日期。这样的数据让我们能够研究导致太阳能扩散的精确条件，并将帮助政府更好地设计补贴以鼓励更快的增长。了解设施的位置还让我们能够研究太阳能发电增长的意外后果。研究中我们发现太阳能发电厂最常见于农业地区，其次是草原和沙漠。 这凸显出需要仔细考虑未来几十年太阳能光伏发电能力扩大十倍将对粮食系统、生物多样性和弱势群体土地使用产生的影响。政策制定者可以提供激励措施，改为在屋顶安装太阳能发电装置，从而减少土地使用竞争，或考虑选择其他的可再生能源。