用于遥感物体识别的分布式太阳能光伏阵列位置和范围数据集

包括航空摄影和卫星图像在内的地球观测遥感数据提供了世界的缩影，我们可以从中了解环境、人为系统和自然资源的状况。这些遥感数据与机器学习方法相结合，可以对从高空可见的能源系统组成部分进行评估。在此，我们将重点放在分布式太阳能光伏（PV）阵列的信息缺口上，因为有关小地理范围内太阳能光伏部署的数据非常有限。我们创建了一个机器学习数据集，以开发通过使用遥感图像自动识别太阳能光伏发电位置的程序。该数据集包含加利福尼亚州四个城市601幅高分辨率图像中19,433块太阳能电池板的地理空间坐标和边界顶点。数据集的应用包括训练对象检测和其他使用遥感图像的机器学习算法，开发用于预测检测分布式光伏系统的特定算法，以及分析光伏部署的社会经济相关性。