基于深度学习的三维建筑屋顶光伏潜力评估：粤港澳大湾区分布式太阳能发展战略研究

为解决粤港澳大湾区(GBA)经济增长与碳达峰目标间的矛盾，研究人员结合Google Earth卫星影像(GES)、数字高程模型(DEM)和深度学习模型RSPrompter，创新性地开发了屋顶光伏(RPV)潜力评估体系。该研究首次实现96.2%的屋顶分割精度，测算出大湾区年发电潜力达11,907.521 GWh，为区域可再生能源规划提供了精准决策依据。

　　

在全球碳中和背景下，作为中国经济发展引擎的粤港澳大湾区(GBA)正面临严峻挑战：如何在保持年均6%经济增长的同时实现2030年碳达峰目标？传统集中式光伏电站受限于土地资源，而分布式屋顶光伏(RPV)虽被寄予厚望，却长期缺乏精准的潜力评估方法——现有研究或依赖人工勘测成本高昂，或采用二维遥感影像误差率达15%以上。

中国科学院深圳先进技术研究院的研究团队在《International Journal of Applied Earth Observation and Geoinformation》发表突破性成果。该研究首创性地融合多源地理空间数据与深度学习技术，构建了"空-地-算"一体化评估框架：首先采用改进的RSPrompter模型处理Google Earth卫星影像(GES)，实现96.2%的屋顶分割精度，较传统U-Net模型提升21%；继而通过数字高程模型(DEM)与土地利用数据(LULC)的配准算法，将二维屋顶轮廓扩展为三维建筑模型；最终结合全球倾斜辐照度(GTI)数据，完成光伏装机容量与发电量的精准测算。

关键技术包括：(1)基于注意力机制的RSPrompter深度学习架构，处理10,560km²的0.5米分辨率卫星影像；(2)形状约束的高度估计算法，整合30米精度DEM数据；(3)面向光伏效率的屋顶分类体系，区分工业/住宅/交通等6类建筑形态。

研究结果显示：

1. 屋顶资源总量：大湾区总屋顶面积2428.769km²，其中有效安装面积137.547km²，相当于19个澳门行政区面积。
2. 发电潜力分布：广深莞三市贡献46%潜力，工业屋顶单位面积功率密度达86.7W/m²，交通枢纽屋顶因无遮挡实现最高转换效率18.3%。
3. 减排效益：年减排量439.3万吨CO₂，相当于种植2.4亿棵树，其中佛山单座工业园年发电可满足3.2万户家庭需求。

该研究的创新价值体现在三方面：技术上，RSPrompter模型开创了遥感影像的实例分割新范式；方法上，首次实现DEM-LULC-GTI多源数据融合的三维评估；应用上，为政府制定"整县推进"光伏政策提供了量化依据。正如论文指出，深圳科技园若全面部署RPV，其发电量可覆盖园区32%的峰值负荷，这将重塑超大城市群的能源供给格局。研究团队建议，未来需建立动态监测系统以跟踪屋顶形态变化，并探索光伏与5G基站的协同部署模式。