AI+卫星影像首次绘出中国全国风光能源地图

中国拥有全球规模最大的可再生能源体系之一，但一个长期存在的问题是：这些风电和光伏设施究竟分布在哪里、规模有多大。传统统计往往依赖地方上报数据或装机容量估算，缺乏统一、精确的空间地图。

为解决这一问题，北京大学与阿里巴巴达摩院的研究团队利用人工智能与高分辨率卫星影像，绘制出中国首张全国尺度的高精度风电与光伏设施分布图。相关成果于2026年5月发表在国际学术期刊 Nature。

研究团队通过AI识别全国范围内的能源基础设施，建立了一个覆盖全国的可再生能源数据库，让研究者第一次能够从宏观层面看到中国新能源布局的整体结构。

用AI处理7.56TB卫星影像

研究团队在云计算平台上运行达摩院自研的AI模型，对7.56TB的开源卫星影像数据进行处理，这些影像的空间分辨率达到0.5米级，足以清晰识别大型光伏阵列或风力发电机的结构特征。

通过计算机视觉算法，系统可以自动检测图像中的典型模式，例如：

• 光伏电站成片排列的深色太阳能板
• 风机塔架与三叶片结构

AI随后将识别结果转化为带有精确地理坐标的数据点，从而生成全国范围的能源设施清单。

这一过程面临的技术难点在于：中国地形极为多样，从沙漠、草原到城市屋顶，不同环境下的设备外观差异明显，因此模型必须能够在各种地貌与光照条件下准确识别设施。

AI统计出的全国新能源设施规模

通过对全国卫星影像进行自动识别，研究团队最终得到一份覆盖中国大部分地区的新能源设施数据库。结果显示：

• 约 31.9万处太阳能光伏设施
• 约 9.16万台风力发电机
• 分布在 全国1915个县

由于每一处设施都带有地理位置，这份数据库不仅记录数量，还能显示新能源建设的空间格局。

过去的一些研究虽然也利用遥感技术监测光伏电站，但通常分辨率较低或只覆盖部分区域，因此很难形成全国尺度的完整清单。

“上帝视角”如何帮助电网规划

研究负责人之一、北京大学地球与空间科学学院教授刘瑜将这张地图形容为对中国新能源格局的**“上帝视角”**。

这种视角的意义在于，它可以帮助解决新能源发展中的一个核心问题：弃风弃光。

所谓“弃风弃光”，是指风电或光伏发出的电力因为电网容量或需求不匹配而无法利用，只能被浪费。

利用新的全国地图，研究团队分析了风电与光伏的时间互补关系，发现两者在许多地区具有明显的错峰特征：

• 光伏发电通常在白天达到高峰
• 风电在夜间或不同天气条件下更稳定

如果通过跨区域输电或统一调度把这些资源组合起来，可以提高电网对可再生能源的消纳能力。

研究还表明，随着协同范围从省内扩大到跨省甚至全国层面，新能源与电力负荷之间的时间互补会更明显，从而减少能源浪费。

数据中心与AI算力带来的新需求

这项研究还与另一个快速增长的趋势有关：AI和云计算带来的电力需求激增。

近年来，中国数据中心规模迅速扩大，计算能力和服务器数量持续增长，电力需求也随之攀升。

为了在满足算力需求的同时减少碳排放，中国开始探索让数据中心更直接地使用可再生能源。例如宁夏的一项项目，就将大型光伏电站产生的电力通过专用线路直接供应给数据中心。

在这种背景下，全国新能源设施地图可以帮助回答几个关键问题：

• 新的数据中心应该布局在靠近哪些可再生能源区域
• 哪些地区需要新增输电通道或储能设施
• 如何协调风电与光伏供电来稳定算力基础设施

换句话说，这份AI生成的数据库不仅是一张地图，也可能成为未来能源与算力协同规划的重要基础。

可再生能源监测的新方法

随着全球可再生能源规模不断扩大，利用卫星遥感与人工智能持续监测能源基础设施正成为一种新的研究趋势。

对于中国这样幅员辽阔、能源建设速度极快的国家而言，这种方法提供了一种可扩展的监测方式——只要卫星持续更新影像，AI就可以定期更新全国新能源设施的分布情况。

这意味着，政策制定者和研究人员将首次能够持续获得一张动态更新的全国新能源地图，从而更好地管理电网、规划基础设施，并推动能源转型向更高效率发展。