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 Engineshp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?dataguid80879992372214docId21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.v16. 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:4326WGS84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/156182277. 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/106847938. 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/50058689. 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_42311008/9250014410. 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1580612026.05.01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_42311008/925001622. 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 datasethttps://github.com/tzhang-edu/GOWT3. 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1205272024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_42311008/925001564. 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86522025年2月全国、105932026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~