ARTICLE · INTELLIGENCE

战地情报 · 详情页

来自尧图项目组的一线实战观察与深度解析

光伏电站、风机点位空间分布数据集整理

光伏电站、风机点位空间分布数据集整理

光伏电站/光伏面板

1. 基于GEE和Sentinel-2用随机森林分类算法生成的全国2020年10m分辨率光伏电站数据

A 10-m national-scale map of ground-mounted photovoltaic power stations in China of 2020

数据分省存放,因为数据是分辨率较高的栅格数据类型,又用的算法进行分类,数据看起来较为细碎,无法代表整个光伏场站,并且有的不是光伏板的区域会被标记为光伏板。

2. 基于GEE和Landsat用随机森林分类算法生成的全国2020年shp格式光伏电站数据

ESSD - Mapping photovoltaic power plants in China using Landsat, random forest, and Google Earth Engine

shp数据看起来数据更整,比上一个数据更能代表整个光伏场站,看起来像是一个场站(可能含有多个光伏板斑块)一条数据。

3. 中国光伏电站空间分布ChinaPV数据集(2015,2020年)

南师大团队开发,网站只提供样例数据。该数据集是中国光伏电站空间分布ChinaPV数据,数据时间为2015和2020年。该数据集以Landsat-8卫星影像为数据源,处理方法是基于GEE遥感云计算平台,运用随机森林分类模型对2020年中国光伏电站进行遥感提取,后经过形态学运算,灯光数据滤除,轮廓细化及目视解译等后处理操作生成。该数据详细描述了中国区域内每个光伏电站的面积和地理位置信息,反映了中国地区光伏电站发展现状及其地域分布规律,以ESRI Shapefile格式存储。

https://geodata.nnu.edu.cn/data/datadetails.html?dataguid=80879992372214&docId=21

这个数据看起来比第2个质量好一点,至少数据文件大小比2大,但是是一个光伏板斑块一条数据。

4. 中国太阳能面板空间分布数据集(2000-2022)

由国家青藏高原科学数据中心发布共享,北京师范大学地理科学学部李晓兵教授团队开发

基于GEE平台,以Landsat影像为数据源,通过分层采样和分区建模相结合的方法,利用随机森林算法解译生成了2000-2022年中国太阳能面板分布数据集(每3年一期、30 m)。

Spatial distribution dataset of solar panels in China (2000-2022)

国家青藏高原科学数据中心

与2十分相似,区别是一个光伏板斑块一条数据。该数据的特点就是每3年一期可以做时间序列研究。

5. 河海大学陈跃红团队利用卫星数据和深度学习揭示 2010-2022 年中国光伏电站的迅速扩张

文章Uncovering the rapid expansion of photovoltaic power plants in China from 2010 to 2022 using satellite data and deep learning发表在期刊Remote Sensing of Environment。
数据的特点是有建设时间,可以看出2010-2022期间光伏板的扩张变化。
主要利用2022年的Sentinel-2数据识别光伏板范围,Landsat 5/7/8/9来估算建设时间。算法方面,识别光伏板范围用TransUNet,识别建设时间用CCDC。数据格式是shp,一个光伏板斑块一条数据。数据和属性表示例:
文章链接:
https://www.sciencedirect.com/science/article/pii/S0034425724001111?via%3Dihub

数据下载链接:

https://doi.org/10.6084/m9.figshare.25347880.v1

6. CPVPD-2024中国光伏电站数据集

采用“天地图”0.5-2米和“World Imagery Wayback” 0.6-1.2米卫星影像作为底图,创新性地整合了中国土地覆盖数据集CLCD和GEBCO高程数据,构建了覆盖15种“地形-土地覆盖”组合类型的训练样本集,极大增强了模型在复杂地理环境下的泛化能力。
采用动态空间-频率注意力SwinNet语义分割架构。该模型能联合优化空间纹理和频域边缘特征,特别擅长识别多尺度光伏面板及其规则间隙,有效避免了传统方法对非发电区域的错误分类。严格的形态学与人工后处理,通过Canny边缘检测、几何约束过滤以及基于QGIS的人工拓扑校正,确保了最终矢量边界的几何精度与合理性。

数据格式为SHP矢量格式,空间参考为EPSG:4326(WGS84地理坐标系)。数据总量约为1.36 GB大小,压缩包有332 MB大小。数据集按省级行政区提供34个独立的Shapefile文件。每个矢量面要素代表一个连续的光伏电站或其中的一个独立阵列。数据和属性表示例:

一个光伏板斑块一条数据,有些不一样的是这个数据大部分边界是一行行光伏阵列,虽然是同一条数据但没有做出场站边界。所以看起来比较细碎,数据的空间占用整体较大,例如:

文章链接:

https://www.nature.com/articles/s41597-025-05891-z

数据下载链接:

https://zenodo.org/records/15618227

7. 2019-2022 年全球光伏太阳能电池板数据集

该数据集由北京师范大学与莫干山地理信息实验室联合开发,时间跨度为 2019 - 2022 年。

其基于谷歌地球影像以及2019 - 2022年的哨兵2号数据,构建了两阶段分类框架,最终获得20米分辨率的年度全球太阳能光伏面板数据。在数据生成过程中,采用了 IPCC AR6 WGI 的全球分区方法确定主分区,并运用 4 度 × 4 度网格创建子分区。针对每个子分区内的太阳能光伏面板进行提取,结果数据以 TIFF 格式存储。

文件命名与子分区 ID 文件的属性表 ID 对应,如 “子分区 ID 年份”,方便用户依据子分区 ID 下载和使用对应文件。数据集按年份分文件夹存储,每年对应一个文件夹,各文件详细记录了不同年份全球光伏太阳能电池板的分布情况。数据示例:

文章链接:

https://www.nature.com/articles/s41597-025-04985-y

数据下载链接:

https://zenodo.org/records/10684793

8. 2021全球光伏发电数据集

A global inventory of photovoltaic solar energy generating units 数据集由研究团队通过融合多源遥感影像、机器学习算法以及各国官方统计数据制作而成,具有极高的权威性和实用性。

空间范围:覆盖全球六大洲(除南极洲外),总计收录了超过 30,000 座大型光伏电站(通常指装机容量大于 100 kW 的电站)的精确信息。

时间跨度:数据集主要反映的是 2020 年以前建成并网的光伏电站,为研究全球光伏发展的历史与现状提供了宝贵的数据。

geojson格式的,可以用ArcGIS Pro或QGIS等软件转成shp格式,属性表和数据示例:

文章链接:

https://www.nature.com/articles/s41586-021-03957-7
数据下载:
https://zenodo.org/records/5005868

9. 微软 Global Renewables Watch 数据集

微软 AI for Good Research Lab 于 2025 年 3 月发布的Global Renewables Watch 数据集,凭借高分辨率卫星图像分析与深度学习技术,构建了 2017 年第四季度至 2024 年第二季度的全球可再生能源设施时空数据库,涵盖 37.5 万个风电涡轮机与 8.6 万个太阳能光伏装置,成为目前规模最大、时间跨度最长的可再生能源专项数据集。

网址:https://www.globalrenewableswatch.org/

数据下载链接:https://download.csdn.net/download/weixin_42311008/92500144

10. Global Solar Power Tracker 数据

表格数据,主要是光伏电站信息,还提供了很好的地图可视化网站:

https://globalenergymonitor.org/

已下载2026年2月时间节点的数据,包括电站名称、建设时间、位置信息等,如需要可联系博主下载。

风电场/风机点位

1. 全球风力和太阳能发电站位置和功率数据集

基于OpenStreetMap数据提取的,数据时效性是2020年

Harmonised global datasets of wind and solar farm locations and power | Scientific Data

参考该文章可以借助QGIS的QuickOSM插件随时更新时点

OSM的数据情况:

更新频率:每日

风电场名称:无

风电场地址:无

风电场装机容量:无

建设时间:无

风机数量:全国158061(2026.05.01)

风电场数量:-

已更新2026.05.01全国的风机数据,共有158061个风机点位,需要的小伙伴自取:

https://download.csdn.net/download/weixin_42311008/92874893

已更新2025.12.07全国的风机数据,共有149545个风机点位,需要的小伙伴自取:

https://download.csdn.net/download/weixin_42311008/92500162

2. 全球海上风机点位数据集

基于GEE平台,2015-2019年Sentinel-1 SAR时间序列影像识别建立的10米分辨率风机点位数据,截至2019年,识别了14个国家的6924座风机。

Global offshore wind turbine dataset

https://github.com/tzhang-edu/GOWT

3. 微软 Global Renewables Watch 数据集

微软 AI for Good Research Lab 于 2025 年 3 月发布的Global Renewables Watch 数据集,凭借高分辨率卫星图像分析与深度学习技术,构建了 2017 年第四季度至 2024 年第二季度的全球可再生能源设施时空数据库,涵盖 37.5 万个风电涡轮机与 8.6 万个太阳能光伏装置,成为目前规模最大、时间跨度最长的可再生能源专项数据集。

网址:https://www.globalrenewableswatch.org/

更新频率:2017-2024每季度

风电场名称:无

风电场地址:无

风电场装机容量:无

建设时间:有

风机数量:120527(2024年第2季度)

风电场数量:-

2024年第二季度的数据下载链接:https://download.csdn.net/download/weixin_42311008/92500156

4. Global Wind Power Tracker 数据

表格数据,主要是风电场信息,还提供了很好的地图可视化网站

更新频率:-

风电场名称:有

风电场地址:有,但部分模糊

风电场装机容量:有

建设时间:有

风机数量:无

风电场数量:8652(2025年2月全国)、10593(2026年2月全国)

数据网址:

https://globalenergymonitor.org/

已下载2025年2月和2026年2月的数据如需要可联系博主下载


以上数据如遇到下载困难可联系博主下载~

有更新更好的数据欢迎大家补充~博主也会随时更新~

RELATED READING

延伸阅读

更多一线实战笔记与深度复盘,助您持续精进