生物质微波裂解制备可再生燃油的研究现状与发展分析

可再生燃油是重要的环保型生物质基燃料,但其在制备方法及燃料性质上仍存在一定的缺陷。近年来,发展迅速的生物质微波裂解因其能获得低成本、高热值并且绿色环保的可再生燃油,在未来的能源大战中异军突起。本研究回顾了生物质微波裂解制备可再生燃油技术的发展历程,综述了生物质微波直接裂解及间接裂解（微波吸收剂辅助吸波）2 种热化学转换方式的现状及特点,并探讨了生物质微波裂解技术还存在的问题,指出了目前生物质微波裂解制备可再生燃油的研究方向。     

基于Landsat-8的基本农田农作物植被覆盖度研究——以温宿县为例

为了提高基本农田划定和监测工作的效率,减少人力物力的耗费,利用Landsat-8遥感数据通过像元二分法估测农作物植被覆盖度,并与基本农田农用地分等成果对比进行定量分析。结果表明,研究区内植被覆盖度以中等覆盖度为主,即大多数地区的植被覆盖度在30%~50%,这与同期的外业调查情况相一致。对于研究区来说,中等覆盖度下的植被生长状况已达到鼎盛时期,中等覆盖度的比例也随农用地等级的提高而增多,而对于分布较少的高覆盖度和极低覆盖度地区,也呈现随着基本农田等别的提高而增多和减少的趋势。这说明利用Landsat-8遥感数据估计植被覆盖度来判定植物的生长状况,从而将Landsat-8遥感数据运用到基本农田的划定和监测工作中去是可行的。     

规模化猪场妊娠母猪2种饲喂方式的比较研究

为研究一种更有利于提高妊娠母猪生产性能的饲喂方式,为临床生产提供参考信息。于2015年4月在临沂帛乘原种猪繁育有限公司进行试验,将56头3~6胎次配种期接近的妊娠母猪随机平均分为A、B两组,每组妊娠期114天,哺乳期21天。A组采用妊娠期每天1次、哺乳期每天4次和断奶后7天内每天2次的饲喂方式,B组进行传统的妊娠期每天2次、哺乳期每天4次和断奶后7天内每天2次的饲喂方式。结果表明,A组在总产仔数、产活仔数、仔猪出生重、21天断奶仔猪重和断奶后7天发情率等方面均优于B组,且优势明显。规模化猪场母猪在妊娠期内每天采用1次饲喂,其繁殖性能优于2次饲喂。     

基于Landsat 8影像提取豫中地区冬小麦和夏玉米分布信息的最佳时相选择

遥感技术对大尺度农业实时监测提供了一个理想的手段,遥感影像植被分类的最佳时相对作物种植面积遥感监测非常重要。本文选取2020年至2021年的6景Landsat 8影像,覆盖了夏玉米从乳熟到收获、冬小麦从越冬到成熟的生育期,以此分析不同时相的冬小麦-夏玉米与其他地类在光谱特征和NDVI上的差异,通过决策树的方法提取豫中地区冬小麦-夏玉米的空间分布情况。结果表明,冬小麦-夏玉米在不同生长发育时期,提取到的面积比有所不同,对于夏玉米而言,乳熟时期的提取效果要优于之后的时期,其在2020年8月26日的总体精度最高,为83.60%,Kappa系数为0.72,分类质量很好;对于冬小麦而言,最佳识别时期则处于冬小麦的越冬期,其在2021年1月1日的总体精度最高,为92.36%,Kappa系数为0.81,信息提取效果很好。除了作物自身生长过程的覆盖度变化,分类精度随成像时间而改变。多时相信息提取也发现,受到天气等环境条件限制,夏玉米和冬小麦的种植区域不完全重叠,山区冬季不适合冬小麦种植从而没有与夏玉米出现重叠分布。本研究有助于我们从宏观上对作物分布及生长状况作出及时有效的判断,对农业监测,特别是对轮作...     

随机森林方法在玉米-大豆精细识别中的应用

研究基于遥感影像的作物精确识别技术方法, 对获取作物分布信息具有重要意义。随机森林分类(random forest classification, RFC)是机器学习的一种, 本文使用Landsat-8 OLI卫星影像数据, 针对研究区内的大豆、玉米和其他地物等3种主要作物类型, 系统比较了该方法与较为成熟的最大似然分类(maximum likelihood classification, MLC)、支持向量机分类(support vector machine, SVM)方法的分类精度。结果表明, MLC、SVM、RFC的总体分类精度分别为91.68%、91.49%、94.32%, Kappa系数分别为0.87、0.87、0.91, RFC方法作物识别精度比MLC和SVM分类显著提升。对原始7波段影像进行主成分变换(principal component analysis, PCA), 提取前4个主成分分量, 同时计算归一化植被指数(normalized difference vegetation index, NDVI)和归一化水体指数(normalized difference water index, NDWI), 将6个额外辅助特征波段叠加到原始7个波段影像上进行再次分类, MLC和SVM方法作物识别精度未有提升, RFC方法总体精度提高了1.49个百分点, Kappa系数提高0.03, 精度提升幅度有限, 主要原因是6个辅助波段在类型识别中作用较小。在分类耗时上, MLC、SVM、RFC分别为145 s、11 000 s、1800 s, 表明随机森林分类具有最好的分类精度和适中的耗时。综合评价后, 随机森林分类方法在进行大豆-玉米精细识别中具有较大优势, 具有业务应用的潜力。     

植被覆盖度计算机模拟模型与参数敏感性分析

植被覆盖度是重要的生态学参数,对水文、生态、全球变化等研究具有重大意义。目前使用的目测估算法和数码照相法都具有一定的主观性,另外通过自然界中相似样方的大量测量获得稳定的统计规律具有很大的难度,因此建立叶面积指数和植被覆盖度之间的统计模型是估算植被覆盖度的有效方法。本文以大豆为例,利用椭圆来模拟大豆的叶片,选取大豆植株结构的关键参数,通过随机分布函数来模拟植株叶片位置、倾角和大小的分布,获得不同植被结构参数下单位面积上的植被覆盖度,建立植被覆盖度计算机模拟模型。通过实测数据和理论研究结论来验证模拟结果。对模型的参数敏感性进行分析结果表明,叶半短轴是比叶半长轴更为敏感的植被结构参数。该模型为植被覆盖度的研究提供了一种新的思路和方法。     

基于高光谱数据提取作物冠层特征信息的研究进展

高光谱(Hyperspectral)遥感是指光谱分辨率在10-2λ的遥感信息,其特点是光谱分辨率高(5~10nm)、波段连续性强(在0.4~2.5μm范围内有几百个波段)。高光谱遥感器既能对目标成像(有时也称成像光谱遥感)、又能测量目标物的波谱特性,因此,它不仅可以用来提高对农作物和植被类型的识别能力,而且还可以用来监测农作物长势和反演农作物的理化特性。绿色植物具有独特的光谱曲线特征,而作物具有绿色植物典型的光谱特征曲线,基于作物的光谱特征研究与其生理生化特性之间的关系,高光谱遥感数据在提取作物生理生化特征、提取作物冠层信息、估产以及预测病虫害等许多方面都表现出巨大的应用潜力。本文概述了利用高光谱数据提取作物冠层信息的研究现状、展望及其在新疆棉花生产中的应用和前景。     

用遥感影像提取大别山区水稻种植面积——以Landsat 8为例

本研究选取安徽省安庆市大别山为研究区,包括太湖县、岳西县、宿松县和潜山县,选取2016年和2017年的6景Landsat 8卫星遥感影像,通过遥感影像提取水稻种植面积,分析大别山区的水稻种植面积分布,并对研究区域的水稻种植面积进行动态实时监测。用遥感解译方法分别提取了研究区内的晚稻种植面积,并利用随机点验证和Kappa系数验证结果精度。结果表明:2017年和2016年水稻种植面积的提取精度分别为93.44%、93.78%,Kappa系数分别为0.86、0.83,证明水稻提取效果精确;对比研究区域各个县内的2017年和2016年晚稻种植面积,发现安庆市大别山区太湖县、潜山县、岳西县的水稻种植面积变化率均在5%以内,属于正常变化,由于2016年宿松县遭遇了水灾,部分农田被淹没,故宿松县2017年水稻种植面积相比2016年增加了13.01%;对比传统的农作物种植面积统计方法,利用遥感的方法更省人力、物力、财力,并且能精确、快速地实现对农作物的实时动态监测。     

利用无人机遥感技术提取农作物植被覆盖度方法研究

基于无人机的遥感信息获取技术已广泛应用在农业领域。无人机遥感平台获取农作物信息技术具有高时效、高分辨率、低成本、快速、准确等特点,是目前精准农业中农田信息获取的重要手段之一。利用无人机遥感技术获取可见光影像,以棉花、花生和玉米为研究对象,选取不同的植被指数进行可见光图像阈值分割,结合研究区域可见光影像监督分类结果,确定3种作物提取植被覆盖度方法。试验结果表明,利用无人机可见光图像植被指数阈值分类方法,可以有效提取作物植被覆盖度。该方法对于棉花、花生和玉米3种作物植被覆盖信息的提取精度较高。     

纳板河流域国家级自然保护区主要森林植被类型健康评价研究

本研究以纳板河自然保护区季风常绿阔叶林、落叶阔叶林、热带季雨林、热带山地雨林等4种主要植被类型为研究对象,采用主成分分析法从5大类18个指标中筛选12个指标作为主要植被类型森林健康评价指标;采用德尔菲专家打分法与层次分析法,确定每个指标的权重,并通过森林健康评价指数法对保护区主要植被类型487个小班的森林健康进行评价....     

基于时间序列MODIS NDVI的农作物物候信息提取

物候是植被长期适应环境的周期性变化而形成的生长发育规律,农作物物候研究对长势监测和产量评估以及气候变化都具有重要价值。针对现有研究的问题,改进物候信息遥感提取方法,并利用MODIS NDVI时间序列,提取伊洛河流域主要农业区的农作物物候信息。首先将8天间隔的NDVI时间序列进行Savitzky-Golay滤波去除噪音信息;再根据冬小麦和夏玉米的生物生理特性,利用与关键形态特征点的相对位置来界定物候期;最后提取多年关键物候期信息。监测结果与往年观测资料对比,研究结果客观可信。整体上物候期相对稳定,但当农作物受气候变化以及异常天气的影响,年际间会存在明显的差异。其中,出苗期相对变异最小,而冬小麦的抽穗期和夏玉米的抽雄期相对变异最大。研究发现10年间同一物候期相差最高达20天左右。结果证明了本文研究方法的可行性和有效性,及时掌握农作物物候信息对农业生产与管理,以及农业遥感的深入研究具有重要意义。     

基于中等分辨率遥感影像的桃源县竹林信息提取研究

为了提高竹资源调查效率,为资源的合理开发和科学规划提供依据,以湖南省桃源县为研究对象,以中等分辨率Landsat TM遥感影像、桃源县二类调查资源分布图等为数据源,利用ENVI 4.5对Landsat TM进行图像预处理,运用非监督分类、最大似然分类、马氏距离分类、最小距离分类4种分类法对竹林信息进行提取,并对其精度进行评价。结果表明：非监督分类、最大似然分类、最小距离分类、马氏距离分类总体精度分别为60.47%、92.15%、71.70%、82.81%,Kappa系数分别为0.4263、0.8890、0.6085、0.7595。监督分类的精度比非监督分类要高,其中最大似然法分类的总体精度、用户精度、Kappa系数均比其他3种分类精度要高,在保证竹林分类精度的同时,其他植被类型的分类精度也能得到满意的结果,因此它是进行竹林信息提取的较为理想的方法。     

基于高光谱植被指数的棉田冠层特征信息估算模型研究

 采用ASD Field Spec Pro VNIR 2500型光谱辐射仪获取了棉花不同生育时期的冠层高光谱反射率。并通过光谱分析技术,建立了基于高光谱植被指数——归一化植被指数和比值植被指数的棉田冠层特征信息的定量模型。经过对估算模型的精度检验和评价,最终筛选出表征棉花冠层结构特征参数的最佳估算模型。结果表明,基于归一化植被指数预测棉花叶面积指数,以幂函数（y=11.084x^12.024,r=0.8076^**）的模型为最优;基于比值植被指数预测棉花单位面积地上部鲜生物量,以指数函数（y=52.261·exp(0.1024x),r=0.8114^**）的估计模型为最优;基于比值植被指数预测棉花单位面积地上部干生物量,以指数函数（y=9.5552·exp(0.1133x),r=0.8330^**）的模型为最优。可见,利用高光谱遥感技术可以分析、模拟、评价、预测棉花冠层特征参量,为精准种植棉花提供了依据。     

基于遥感信息与水稻模型相结合对镇江地区水稻种植面积与产量的估测

为了实现遥感信息与作物模型相结合对镇江地区的水稻种植面积与产量的估测,以便于可以直接利用遥感信息与模型对该地区的水稻生长进行监测,将遥感资料与水稻生产模型(ORYZA2000)相结合,建立遥感数值模拟模型,进行由点及面的区域水稻种植面积及产量的估测。利用遥感数据（8天合成的MODIS和环境小卫星数据）,计算归一化植被指数(NDVI)和增强植被指数(EVI),结合试验区实测的叶面积指数(LAI),建立植被指数与LAI之间的关系,通过模型模拟出的LAI计算出植被指数的浮动值,结合相对应的多时相的遥感数据识别镇江市的水稻,由此可以预报镇江市的水稻种植面积及产量。研究结果表明,模型对水稻生长发育期内的生物量和LAI的模拟较好,水稻LAI与遥感资料计算出的植被指数EVI的幂函数拟合性较好,可以应用这种相关模式识别水稻,并结合ORYZA2000模型提高区域范围的水稻估测精度,同时也体现了遥感信息与作物模型相结合可以很好的监测区域内水稻的生长情况,取得较好的模拟效果。     

星-地结合对水稻高温热害监测模型的研究

全球气温变暖和高温事件的频繁出现,水稻遭受高温热害而造成严重损失的概率随之增加。笔者基于星-地结合的方法研究水稻高温热害监测模型,模型利用遥感的手段提取水稻种植区、反演水稻抽穗开花期、估算最高气温和平均气温,同时结合自动气象站的数据与遥感估算气温重构更精确、更完整、更客观的最高、平均气温的数据,最终根据水稻高温热害指标判断水稻高温热害并完成模型的构建。此模型能实现水稻抽穗开花期高温热害的定性、定量、程度的监测。对2017年安徽省高温热害的监测和检验结果显示,模型达到了较好的使用效果。     

基于Landsat8 OLI数据的山东省耕地信息提取研究

为了探讨美国最新发射的陆地卫星Landsat8 OLI影像在耕地信息提取方面的效果,为了解该影像的应用潜力提供一些信息,采用遥感图像处理软件ENVI,对覆盖山东省区域的12幅Landsat8 OLI影像进行了计算机校正和增强处理,通过目视解释、监督分类和非监督分类交互式的分类方法提取山东省的耕地信息。结果表明,基于Landsat8 OLI数据提取耕地信息适宜波段是543波段和652波段组合,提取精度达到91.8%,Landsat8 OLI数据可以满足耕地利用及管理中对耕地信息适时获取的要求。

     

基于GF-1卫星数据与面向对象分类的达里诺尔湿地自然保护区土地覆盖信息提取

以达里诺尔湿地自然保护区为研究区,基于国产GF-1遥感影像,采用面向对象和传统目视解译的分类方法对研究区土地覆盖遥感信息进行提取,并对其结果进行对比分析,采取混淆矩阵对面向对象分类结果进行精度验证。结果表明：（1）充分利用了GF-1遥感影像的光谱信息,面向对象分类采取试错法确定最优分割尺度为550,形状和紧致度因子分别为0.6和0.5,各波段权重均为1。（2）面向对象分类总体分类精度达98.22％,KAPPA系数为0.96;（3）面向对象分类方法可快速准确提取类型较为复杂的土地覆盖信息,为内陆湿地精准快速提取研究区土地覆盖分类信息提供参考,以期为湿地遥感业务化监测提供技术规范。