中国农业能源消耗碳排放变化驱动因素及其贡献研究*——基于Kaya恒等扩展与LMDI指数分解方法

农业低碳化发展方式是农业现代化背景下农业可持续发展的有效实现途径。判断农业碳排放影响因素的驱动力、驱动方向等对有的放矢地制定低成本、高效率低碳农业发展策略与措施意义重大。在前人研究的基础上,为探讨常规因素之外还有哪些其他因素对农业碳排放有所影响,本研究以Kaya恒等式为基础,利用Kaya恒等式的数学性质将中国农业碳排放的影响因素分解为一般技术因素、农业低碳技术因素、农村生活水平因素、间接城镇化因素以及人口规模因素等5个因素,并利用LMDI指数分解方法对这些因素进行了驱动强度与贡献率的分析。研究发现:农村生活水平提高是促成农业碳排放的最主要因素;一般技术因素与农业低碳技术因素都负向地驱动农业碳排放,相比较而言,农业低碳技术变动比一般技术变动的碳排放驱动力更为强劲;总人口变动因素对农业碳排放呈现出正向驱动力,但无论从整个长跨度区间还是细分区间来看,其正向驱动力都不强;由扩展的Kaya恒等式得出的间接城镇化指标与一般城镇化指标之间关于50%的水平在坐标系中对称,经转换与修正发现城镇化水平对农业碳排放表现出温和的正向驱动力。1990—2013年中国总的农业碳排放中一般技术因素贡献为?25.85%,农业低碳技术因素贡献率为?166.55%,农村生活水平因素贡献率为220.65%,城镇化水平贡献率为57.63%,人口规模因素的贡献率则为14.12%。文章建议在发展农业现代化过程中,通过发展通用和低碳农业技术,合理有序推进城镇化进程以及营造低碳发展的社会氛围等方面创造更适宜的环境,以达到农业低碳化发展与可持续发展目标。     

基于高斯混合模型的类人机器人果实辨识研究

针对类人机器人的特点,设计了一个具有果实辨识功能的类人机器人系统。类人机器人自带的摄像头作为视觉系统,通过视觉系统收集彩色果实图片,将RGB颜色转换成HSV颜色,结合高斯混合模型算法,通过训练得到每类果实所对应的分类器模型参数,构造分类器,实现类人机器人对果实准确高效的识别。     

基于机器视觉的仿人机器人运动跟踪技术研究

针对仿人机器人的特点,设计了一个具有单目视觉的仿人机器人视觉识别系统。在比较各种追踪算法的基础上,将算法应用于机器人视觉识别,并以此调整机器人前进路线。根据FIRA比赛规则,决策系统通过视觉反馈和姿态反馈信息,调用底层动作库,进行短跑运动规划。实验显示算法适合仿人机器人参加竞技类比赛。     

基于LBP-DEELM的类人机器人对树叶辨识的技术研究

针对类人机器人的特点,设计了一个具有树叶辨识功能的类人机器人系统.类人机器人自带的摄像头作为视觉,视觉系统采用Sobel算子对除噪、滤波后的图像进行边缘提取,将均匀旋转不变特性与原始的LBP算子相融合,提取边缘图像的特征值,结合差分演化算法对极限学习机进行优化,通过训练得到每类树叶所对应的分类器模型参数,构造分类器,实现类人机器人对树叶准确高效的识别.试验显示,仿人机器人此类控制方式适合参加竞技类比赛.