热工仪表中的自动化控制及其应用

热功仪表中的自动化控制技术可以有效提高火电厂的工作效率,对管理火电厂的自动化生产有着极大的帮助.热功仪表自动化技术的合理使用不仅可以提高电力生产的安全性与效率性,还可以促进火电厂安全稳定的发展.因此,针对热功仪表中的自动化技术应用展开了分析与研究.     

电厂热控自动化系统运行稳定性提升对策

热控自动化系统结构偏复杂,其运行的稳定性影响着电厂的效益.所以,在实际操作中,电厂需要重视热控自动化系统运行的稳定程度,并采取相应的提升对策来保证电厂的稳定运营.     

广东省森林资源“天-空-地”一体化监测构建与应用

充分利用卫星遥感、无人机、互联网等先进技术,搭建森林资源监测平台,结合森林生长模型,构建了广东省森林资源“天—空—地”一体化监测体系。在多年的生产实践过程中,该体系及时的掌握广东省森林资源消长变化,实现了对森林资源变化的快速提取、现场取证和实时在线更新,并为各级林业主管部门决策提供准确的数据支撑,进一步提高了森林资源管理和信息化水平。     

新能源电池包热失控防护方式探究

为了改善电池包热失控性能,通过试验的方法对电池包内部热失控的防护方式进行研究,根据电池包壳体明火外泄位置的失效形式以及防护时间,就电池包内部不同的位置、不同防护材料进行对比研究,分析了影响明火外泄的主要原因,经研究发现,针对绝缘性的防护是影响明火蔓延到电池包外部的重要原因.     

高温季节如何防治家禽热应激

家禽在35℃以上的高温环境中会出现明显的热应激反应:精神沉郁、反应迟钝,体表毛细血管扩张,皮肤温度升高,心跳加快,呼吸急促,采食量明显减少,但饮水量大为增加,活动量减少,常躲避阳光或聚集在阴凉的地方,张开翅翼、张口喘息、冠髯发绀、粪便稀薄,严重者可能会惊厥死亡.盛夏高温季节,防治家禽热应激是一项重要任务.     

怎样让孕畜在白天分娩

孕畜分娩若在夜晚,特别是在寒冷的冬季,对孕畜和幼仔的成活、对产畜的护理、对饲管人员都会带来不便和影响,往往是因预产期计算不准,孕畜分娩时无人护理,所产仔多不是冻死,就是被压死,或生后假死仔畜得不到及时救护而死去,孕畜分娩得不到应有福利照顾,就会带来产后诸多病症,甚至母仔全亡,这就给养殖者造成较大的经济损失.笔者近期对26头经产母猪分娩时间进行了调查,结果是:(1)总产仔252头,头均9.7头,在夜晚产仔的217头,占总产仔数的86.1%.其中一家的12头母猪的119头仔猪全在夜晚分娩,冻死、压死仔猪共117头,占这12头总产仔的98%.(2)母猪产后得不到及时护理而患感冒、产后热、不食等占15.2%,头均医疗费达30～45元.     

应用热分析方法和红外分光光度法分析鉴别人参不同炮制品

目的 通过对人参和人参的不同炮制品的粉末采用物理化学的热分析方法以及红外分光光度法进行分析,为鉴别人参不同炮制品的粉末提供新方法。方法选用4年生的园参及其不同炮制品分为5组,包括鲜参组、冷冻干燥参组、生晒参组、红参组和黑参组,分别采用热重(TG)和差示扫描量热(DSC)方法及红外分光光度法对人参不同炮制品的热重(TG)和(DSC)曲线进行分析和鉴别。结果实验证明热分析法具有操作简便、快速、样品用量少、数据曲线识别率高等优点,结合红外光谱的指纹特征,可以作为一种快速分析鉴别不同炮制品粉末的新方法。     

遥感和作物模型技术耦合现状和发展趋势

随着科学技术不断发展,遥感技术与作物模型的耦合可以预估作物产量,具有非常重要的研究价值。本文目的是应用科学的计量学方法来统计遥感和作物模型领域中重要的研究成果,通过CiteSpace软件进行可视化分析,并对这些数据进行分析,所得结论不仅了解遥感领域和作物模型研究领域的作者之间联系,并且结论极大有助于对作物模型和遥感技术耦合领域的探索研究。结合当前的研究现状,通过对CiteSpace软件进行数据化分析并对其未来发展趋势做出展望。     

基于Landsat-8OLI数据的植被覆盖度反演模型研究——以西安市雁塔区为例

植被覆盖度遥感反演模型是用定量的方法来估算研究区范围内植被的覆盖分布。本文主要利用Landsat-8OLI遥感数据分别提取3类常用植被指数包括归一化植被指数NDVI、增强植被指数EVI、比值植被指数RVI,根据像元二分模型建立植被覆盖度反演模型。同时利用交叉验证的方式对其估算模型进行验证,来反映估算模型的精度。     

基于GF-6/WFV卫星遥感的大田冬小麦叶片氮素含量估测

为对大田冬小麦叶片氮素含量（LNC）进行快速、准确及无损监测,通过在江苏省泰州泰兴市、盐城大丰区和南通如皋市布设冬小麦遥感监测大田试验,在获取试验样点冬小麦冠层红光波段反射率（RED_ref）、近红外波段反射率（NIR_ref）和计算的十个光谱指数（RVI、NDVI、DVI、SAVI、OSAVI、MSR、RDVI、EVI2、NLI和SVI）基础上,将12个遥感光谱指标与冬小麦LNC进行相关分析,选出与LNC相关性较好的作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型, 并利用GF-6/WFV卫星遥感影像对县域冬小麦LNC的空间分布开展监测。结果表明,12个遥感光谱指标与冬小麦LNC之间存在不同程度的相关性,其中NDVI、RVI、MSR、OSAVI和NLI与冬小麦LNC的相关性较好（相关系数不低于0.65）。将优选的5个遥感光谱指标作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型（LNC-BPEM）,模型的估测精度r²=0.866,RMSE=0.246%,ARE=12.9%。将冬小麦LNC-BPEM估测模型和GF-6/WFV影像结合对县域冬小麦LNC的空间信息监测,获得了如皋县域冬小麦LNC的空间分布特征,该区域冬小麦LNC范围在0.9%~2.0%（长势正常）的种植面积为29 693.3 hm²,占冬小麦总种植面积的74%。这说明利用GF-6/WFV卫星的多个遥感光谱指标与神经网络结合建模可有效估测县域大田冬小麦叶片氮素含量。