CN102855351B - 一种基于统计数据和遥感数据的农作物秸秆资源空间化方法 - Google Patents
一种基于统计数据和遥感数据的农作物秸秆资源空间化方法 Download PDFInfo
- Publication number
- CN102855351B CN102855351B CN201210280957.7A CN201210280957A CN102855351B CN 102855351 B CN102855351 B CN 102855351B CN 201210280957 A CN201210280957 A CN 201210280957A CN 102855351 B CN102855351 B CN 102855351B
- Authority
- CN
- China
- Prior art keywords
- stalk
- straw
- npp
- resource
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于统计数据和遥感数据的农作物秸秆资源空间化方法,包括以下步骤:S1、获取各行政单元各类农作物的产量统计数据和草谷比系数,计算各行政单元农作物秸秆理论资源量;S2、利用秸秆资源可收集利用系数,计算各行政单元秸秆资源可收集利用量;S3、利用不同农作物的可能源化利用秸秆比例,计算各行政单元可能源化利用秸秆资源量;S4、提取耕地上净第一性生产力(NPP)空间分布;S5、计算各行政单元耕地NPP总量;S6、计算各行政单元耕地单位NPP对应的秸秆可能源化利用资源量;S7、进行农作物秸秆可能源化利用资源的空间化。本发明能直观反映农作物秸秆可能源化利用资源的空间分布状况,接近农作物秸秆的自然分布情况。
Description
技术领域
本发明涉及农作物秸秆资源和遥感空间化技术领域。尤其涉及一种农作物产量统计数据和遥感数据相结合的秸秆资源密度空间化方法。
背景技术
大力发展可再生能源特别是生物质能源,是解决当前和未来能源供需矛盾的重要措施;是保护环境,促进经济社会可持续发展的必然选择。农作物秸秆是一种宝贵的生物质资源,但是长期以来由于传统的观念和条件的限制,综合利用程度不高。随着石化资源的日趋枯竭和环境问题的日益突出,以及人们对可持续发展、保护环境和循环经济的追求,农作物秸秆的资源化利用日益成为农业、能源、建材、化工等领域的聚焦点。
我国是农业大国,农作物秸秆产量大,秸秆资源潜力约折合7亿吨标准煤。从全国总体来看,我国可能源化利用的农作物秸秆资源十分丰富。但是,农作物秸秆密度较低,相较于石化能源,其运输成本高昂,因此秸秆的能源化利用不仅取决于秸秆资源量,还取决于秸秆资源密度。秸秆资源密度高的地区,单位面积资源富集程度高,收集运输成本较低,从而可以建立秸秆发电厂、燃料乙醇厂等大型秸秆能源企业;而秸秆资源密度低的地区,秸秆收集运输成本很高,不适宜建立大型的秸秆能源企业,秸秆只能作为生活能源而小规模利用。目前,对秸秆资源的研究主要集中在计算秸秆资源的资源总量、秸秆资源的利用方式和途径、以及气候变化对秸秆资源的影响等方面,很少关注农作物秸秆资源空间分布的特点和规律。因此,研究农作物秸秆资源的空间分布状况、特点和规律,不仅能直接揭示各区域秸秆资源空间分布的不均衡性,而且对因地制宜地指导秸秆资源能源化利用产业的发展,合理设置各区域秸秆能源企业的布局和规模也具有非常重要的实践意义。基于统计数据的农作物秸秆资源的空间化其目的正是模拟秸秆可能源化利用资源量在地理空间上的真实分布情况,为环境规划、资源的永续利用和行政管理提供决策支持。
农作物产量数据属于社会经济数据,农作物产量数据是以行政区域为单元进行统计。目前,传统的基于农作物产量数据计算秸秆资源分布的方法,是根据草谷比系数、可收集利用系数、可能源化利用比例,直接计算获得行政单元内的秸秆资源量。该方法获得的秸秆资源量在同一行政单元内是同一个数值,生成的数据具有同一行政单元内均匀分布,不同行政单元间突变分布的特点,这显然不能代表秸秆资源的实际分布情况。在秸秆资源的实际空间分布中,行政单元内的秸秆资源仅分布在农田上,而且空间分布常常不是均匀的。为了有效解决上述问题,借助耕地空间分布数据以及遥感模拟获取的净第一性生产力(NPP)空间分布数据,获得各行政单元内部秸秆资源的实际分布状况,是一种切实可行的方法。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:如何提供一种有效反映农作物秸秆资源空间分布状况的空间化方法。
(二)技术方案
为了解决上述技术问题,本发明提供了一种基于统计数据和遥感数据的农作物秸秆资源空间化方法,包括以下步骤:
S1、获取各行政单元(如省、县)各类农作物的产量统计数据和各类农作物的草谷比系数,计算出各行政单元农作物秸秆理论资源量。计算公式为:
式中CR(Crop Residue)为农作物秸秆理论资源量,Qci为第i类农作物的产量,ri为第i类农作物的草谷比系数(Residue to Product Ratio)。
S2、根据秸秆理论资源量和其可收集利用系数来计算各行政单元秸秆资源可收集利用量。其计算公式为:
式中,CRA为秸秆资源可收集利用量,fi为第i类农作物可收集利用系数。除农田地貌、耕作制度、收获习惯外,农作物收获方式对fi的取值影响最大,机械收获由于作物留茬较高,其秸秆可利用收集系数显著小于人工收获。
S3、利用秸秆资源可收集利用量和不同农作物的可能源化利用秸秆比例,计算各行政单元可能源化利用秸秆资源量。计算公式为:
式中,CRE为可能源化利用秸秆资源量,ei为不同农作物i的可能源化利用秸秆比例。
S4、利用耕地空间分布数据和植被净第一性生产力(Net Primary Productivity,简称NPP)空间分布数据,通过空间叠加,提取耕地上NPP空间分布数据。
S5、利用行政区划数据和耕地上NPP数据,通过空间统计分析,获得各行政单元的耕地NPP总量。
S6、运用栅格空间计算,在各行政单元耕地NPP总量和秸秆可能源化利用资源总量的基础上,计算各行政单元耕地单位NPP的秸秆可能源化利用资源量。
计算公式为:
式中,Dcr为耕地单位NPP的秸秆可能源化利用资源量,CRE为各行政单元可能源化利用秸秆资源总量,TNPP为各行政单元农田NPP总量。
S7、运用栅格空间计算,把耕地单位NPP上的秸秆可能源化利用资源量与耕地NPP分布图相结合,进行农作物秸秆可能源化利用资源的空间化,最终得到农作物秸秆可能源化利用资源密度空间分布图,从而反应农作物秸秆可能源化利用资源的空间分布状况。
计算公式为:
式中,D为农作物秸秆可能源化利用资源密度,NPP为净第一性生产力(NPP)空间分布数据。
其中,步骤S1中所述的各类农作物的草谷比系数采用国内外代表性研究所使用的草谷比系数的平均数。
其中,步骤S2中所述的秸秆资源可收集利用系数根据能够获得的统计数据采用不同的计算方法。对于水稻、小麦、玉米及油菜这四种作物,结合各自的机械收割和人工收割系数,按不同作物机械化收割和人工收割的面积比例加权计算其可收集系数。对于其他作物,由于缺乏机械收割面积和人工收割面积比例的统计数据,采用已有研究结果的平均数。
其中,步骤S3中所述的不同农作物的可能源化利用秸秆比例是扣除农村基本生活能源需求、秸秆直接还田、饲料化利用、工业原料以及食用菌基料等用途后所剩比例。
其中,步骤S4中所利用的耕地空间分布数据可利用遥感影像(如美国陆地卫星landsatTm/ETM、中巴资源卫星、环境小卫星等)通过遥感解译或分类的方法获取。NPP则是指绿色植物在单位面积、单位时间内所累计的有机物数量,是由光合作用所产生的有机质总量中扣除自养呼吸后的剩余部分,它直接反映了植物群落在自然环境条件下的生产能力。NPP的估算主要采用模型模拟的方法,如Miami模型、Thornthwaite Memorial模型、Chikugo模型、CASA模型、CENTURY模型、TEM模型、GLO-PEM模型等。
其中,步骤S5中的空间统计分析可以利用ArcGIS软件Workstation grid环境下的Zonalsum函数实现,该函数将汇总计算每个行政单元空间范围内的耕地NPP总量。
其中,步骤S6和S7中的栅格空间计算也可在ArcGIS软件Workstation grid环境下实现。S6中的“除法”和S7中的“乘法”并非传统意义上的两个数值相除或相乘,而是针对两个空间分布数据的“除法”和“乘法”运算,运算过程中将对每一栅格进行计算,计算结果仍然是两个空间分布数据。
(三)有益效果
本发明通过统计数据和遥感数据相结合进行农作物秸秆资源空间化,试验证明,该方法能本质上全面反映农作物秸秆资源的空间分布状况。
附图说明
图1是本发明的方法流程图;
图2是2005年中国各省份农作物秸秆可能源化利用资源总量空间分布图;
图3是2005年中国耕地空间分布图;
图4是2005年中国植被净第一性生产力空间分布图;
图5是2005年中国耕地净第一性生产力空间分布图;
图6是2005年中国各省耕地净第一性生产力总量空间分布图;
图7是2005年中国各省单位NPP秸秆可能源化利用资源总量空间分布图;
图8是2005年中国可能源化利用的农作物秸秆资源空间分布图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细说明。以下实施例用于说明本发明,但不用来限制本发明的范围。
如图1所示,本发明包括以下步骤:
首先利用2010年全国各省各农作物产量的统计数据,结合草谷比系数、可收集系数和可能源化利用秸秆比例计算出各省可能源化利用秸秆资源总量。具体计算过程包括以下三个步骤:
1)利用2010年全国各省各农作物产量的统计数据结合草谷比系数,利用步骤S1中的计算公式计算各省农作物秸秆的理论资源量,即各省农作物秸秆总产量;
2)利用上面获得的各省农作物秸秆理论资源量结合各农作物秸秆可收集系数,利用步骤S2中的计算公式计算各省农作物秸秆可收集资源量,即在给定理论资源量的基础上扣除由于留茬等原因无法从田间收集的部分;
3)利用上面获得的各省农作物秸秆可收集资源量结合不同农作物的可能源化利用秸秆比例,利用步骤S3中的计算公式计算各省农作物秸秆可能源化利用资源量,即在秸秆可收集量的基础上扣除用作饲料、工业需求、还田和被农户直接燃烧后剩余的部分。
针对可能源化利用秸秆资源总量的计算,现有研究结果存在争议的原因,主要是在计算过程中草谷比系数、可收集系数和可能源化利用秸秆比例三个关键参数上存在明显差异。本发明用于可能源化利用秸秆资源总量计算的草谷比系数、可收集系数和可能源化利用秸秆比例的计算如下:
S1中草谷比系数的确定
农作物秸秆是指农作物籽实收获后的植株,是最主要的农作物副产品。我国的农作物主要包括粮食作物、油料作物、棉花、麻类和糖料作物等五大类。农作物草谷比系数受气候、地域、农作物品种、种植制度、收集方法、测量方法等多种因素的影响。即使相同的作物,在不同的年份草谷比系数也因气候、季节、地域及测量差异等因素的影响,而产生较大变异。草谷比系数的差异在计算农作物秸秆资源量时会对结果产生较大影响,因而确定合理的草谷比系数尤为重要。
表1是不同研究所采用的草谷比系数。通过对不同文献的研究比较发现不同研究所采用的草谷比系数差异较大。产生这种差异的原因主要有以下三个方面:受自然和种植制度等因素的影响,草谷比本身具有较大变异性;不同的测量方法会产生测量误差,严格的实验室测量所得系数比经验所得草谷比系数小;随着作物新品种的定向选育和栽培措施的不断改善,作物收获指数不断提高,草谷比呈下降趋势。由于草谷比系数存在较大的变异性,为了准确估计全国农作物秸秆理论资源量,本发明采用几个有代表性的研究所采用的草谷比系数的平均数。
表1.不同农作物秸秆草谷比系数
S2中可收集系数的确定
除农田地貌、耕作制度、收获习惯外,农作物收获方式对可收集系数的取值影响最大。机械收获由于作物留茬较高,其秸秆收集系数显著小于人工收获。
表2是本发明所采用的农作物秸秆收集系数。近年来,农业机械化水平不断提高,农作物秸秆收集系数有所下降。根据最新能够获得的统计数据,2007年全国机械化收割面积占总播种面积的27.5%,其中水稻、小麦、玉米、油菜的机械化收割比例分别达到46.3%、92.4%、9.7%和6%。本发明根据以上四种作物不同收获方式所占比例,结合现有研究中各自的机械收割和人工收割系数,按不同作物机械化收割和人工收割的面积比例加权计算了水稻、小麦、玉米及油菜的可收集系数。对于其它作物,由于缺乏机械收割面积和人工收割面积比例的统计数据,本发明采用已有研究结果的平均数。
表2.农作物秸秆收集系数
S3中可能源化利用秸秆比例的确定
中国农作物秸秆利用方式多样,主要包括直接还田、饲料化利用、作为工业原料、食用菌基料、农村生活能源(如作为家庭能源直接燃烧和作为沼气原料等)以及废弃等。由于各地经济发展水平、产业结构不同,其利用方式差异很大。在计算秸秆可能源化利用潜力时,需要确定上述几种秸秆利用方式中,哪些秸秆在未来可能被用于生产生物能源、发电和生产固体成型颗粒等,哪些是无法被能源化利用的。例如,为了保持土壤肥力,一部分秸秆要用作有机肥料还田,还有部分秸秆要用于畜牧业饲料或造纸原料等。本发明对目前农作物秸秆的各种利用方式进行了分析,确定在可收集的秸秆资源量中,能够被能源化利用的比例。
第一部分,秸秆直接还田比例。秸秆还田可以补充土壤中的有机质含量,提高土壤肥力,但是在目前耕作条件下,秸秆还田并不是越多越好。由于中国大部分地区复种指数高,倒茬间隔时间短,加之秸秆碳氮比高,不易腐烂。秸秆还田常因翻压量过大、土壤水分不适、施氮肥不够、翻压质量不好等原因,出现妨碍耕作、影响出苗、烧苗、病虫害增加等现象,有的甚至造成减产。因此,秸秆还田并非多多益善,需要根据实际情况,尤其是土壤肥力状况,量田定还。已有研究表明,在保证土壤肥力的基础上,东北地区、青藏地区秸秆还田适宜数量比其余区域秸秆还田数量小25%,全国平均还田量应约占可收集秸秆量的15%。综合现有研究以及各地秸秆单产,本发明确定黄土高原区、蒙新区、青藏区以及华北部分地区秸秆还田量占可收集资源量的20%;东北区和西南区秸秆还田量占可收集资源量的15%;其余区域秸秆还田量占可收集资源量的12%。
第二部分,秸秆饲料化利用比例。研究表明,2000年以来中国年饲料用秸秆占秸秆总量的22.6%~27.5%。目前的研究大多利用畜牧业年鉴或者饲料工业年鉴提供的全国畜牧业秸秆需求总量估算畜牧业利用秸秆量占全国秸秆总产量的比例,或者通过抽样调查估算各地畜牧业使用秸秆的比例。由于全国各地畜牧业发展结构差异巨大,因此以上各种方法很难准确估计各地区畜牧业所需秸秆比例。为了计算各省区畜牧业所需秸秆量,本发明假设,牧区牲口主要饲料是牧草,不需要秸秆饲料;半牧区秸秆饲料和牧草饲料各占一半。因此,饲料化利用的秸秆量是半牧区和农区畜牧业所需秸秆饲料之和,计算步骤如下:
1)计算农区秸秆饲料需求量:假设牛、马、驴、骡、驼等大牲畜年消耗秸秆和饲草量为1274公斤/头,羊等小牲畜年饲(草)秸秆量为570公斤/只,其他动物如家禽等假设不使用饲草。根据各省动物年初和年末存栏量的平均数和每头牲畜饲草需求量相乘,得到各省饲草总需求量;扣除各省当年农区打贮草量,为当年该省秸秆饲料需求量。
2)计算半牧区秸秆饲料需求量:根据半牧区大牲畜和羊年初和年末存栏量的平均数和每头牲畜饲草需求量相乘,得到各省半牧区饲草总需求量,假设总需求量的1/2为秸秆饲料需求量。
农区牲畜年初和年末存栏量由各省牲畜总存栏量扣除牧区和半牧区牲畜存栏量计算得到,农区打贮草量由各省当年打贮草量扣除牧区和半牧区打贮草量获得。以上各项数据均来源于中国畜牧业年鉴。
第三部分,工业原料。作为工业原料,农作物秸秆主要用于造纸。由于秸秆造纸规模小,污染大,受到国家严格限制,非木浆纸所占比例逐年下降。2009年,中国造纸行业生产非木浆1175万吨,消耗秸秆约2000万吨。目前用于造纸原料的秸秆主要是麦秸,占全国麦秸总产量的30%。根据各地麦秸产量和造纸工业发展情况,本发明计算了各地工业化利用秸秆比例。假设各省麦秸有30%可以用作工业化用途,考虑到规模经济,麦秸可收集量不足150万吨的省份其工业化用途即为零。可用作工业化用途的秸秆量和可收集秸秆量之比为工业化利用秸秆比例。
第四部分,食用菌基料。农作物秸秆适合做多种食用菌基料,近年来,用于食用菌栽培的秸秆量不断上升。据中国食用菌协会对全国25个省市区统计,2005年食用菌总产量1334万吨。其中,产量超过100万吨的有四个省份:河南201万吨、福建178万吨、山东132万吨、江苏100万吨。为了估计食用菌基料所用秸秆占可收集秸秆的比例,本发明假设秸秆是食用菌栽培的主要原料,基料和食用菌的比例是1∶1。各省食用菌产量来自2004年中国食用菌年鉴,由于缺少最新的数据,本发明根据2004年以来食用菌产量增长速度计算了2009年各省食用菌产量。
第五部分,作为农村生活能源使用的农作物秸秆比例。农作物秸秆是农村主要的生活能源,但是随着经济发展,未来生活能源秸秆使用比例将会逐渐降低。不同研究表明,中国用于农村生活能源的秸秆占秸秆总量的23.7%~45%。中国能源年鉴统计的农村生活能源中秸秆使用量占秸秆可收集资源量的50%以上。本发明结合已有研究结果和各省(自治区、直辖市)农户数,计算了各省(自治区、直辖市)作为农村生活能源的秸秆占可收集秸秆量的比例,并根据国家能源年鉴数据及相关研究成果对该比例进行了修正。
第六部分,可用于能源化利用的农作物秸秆比例。扣除秸秆直接还田、饲料化利用、工业原料、食用菌基料、农村生活能源等用途,剩余秸秆为可能源化利用的秸秆资源量。表3列出了中国各地区可能源化利用秸秆比例。
表3中国各地区可能源化利用秸秆比例(%)
以2010年全国各省各农作物产量的统计数据为例,利用上述草谷比系数、可收集系数和可能源化利用秸秆比例三个关键参数,本发明计算了2010年我国农作物秸秆理论资源量、可收集资源量以及可能源化利用资源量(表4)。图2是中国各省份农作物秸秆可能源化利用资源总量的空间分布图。
表42010年中国各省份农作物秸秆可能源化利用资源量(万吨)
其次利用耕地空间分布数据和NPP空间分布数据计算各省份耕地NPP总量。
由于农作物产量与作物净初级生产力(Net Primary Production,简称NPP)关系密切。实践表明,在进行大范围农作物估产时,通过计算耕地NPP来获取区域作物产量具有现实意义。
本发明利用地理信息系统(GIS)技术,通过空间统计分析,获得各省份耕地NPP总量。具体实施步骤如下:
1)耕地空间数据获取
S4中所利用的耕地空间分布数据来源于中国科学院资源环境科学数据中心1∶10万土地利用现状数据集。该数据集是以Landsat TM/ETM遥感影像为主要数据源,通过人工目视解译生成。土地利用类型包括耕地、林地、草地、水域、居民地和未利用土地6个一级类型以及25个二级类型。本发明利用GIS技术从2005年土地利用现状数据集中提取2005年耕地空间分布(图3)作为各省份耕地NPP总量的数据基础。
2)NPP空间数据获取
NPP空间分布数据来源于GLO-PEM模型计算的2008年中国植被净第一性生产力空间分布数据(图4)。本发明利用GIS技术提取耕地NPP空间分布(图5)作为计算各省份耕地NPP总量的数据基础。
3)各省份耕地NPP总量的计算
根据各省份行政边界以及上面获取的耕地NPP空间分布,利用GIS空间统计分析,汇总统计各省份耕地NPP总量(图6)。
最后利用栅格空间计算功能,进行农作物秸秆可能源化利用资源的空间化。具体实施步骤如下:
1)各省份耕地单位NPP的秸秆可能源化利用资源量计算
在ArcGIS软件Workstation grid环境下,利用空间代数“除法”运算,基于步骤S6中的计算公式,计算各省份耕地单位NPP对应的秸秆可能源化利用资源量(图7)。
2)农作物秸秆可能源化利用资源的空间化
在ArcGIS软件Workstation grid环境下,利用空间代数“乘法”运算,基于步骤S7中的计算公式,计算农作物秸秆可能源化利用资源密度,即农作物秸秆可能源化利用资源的空间化,得到全国2010年农作物秸秆可能源化利用资源密度的空间分布图(图8)。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变形,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (6)
1.一种基于统计数据和遥感数据的农作物秸秆资源空间化方法,其特征在于,包括以下步骤:
S1、获取各行政单元各类农作物的产量统计数据和各类农作物的草谷比系数,计算出各行政单元农作物秸秆理论资源量;
S2、根据秸秆理论资源量和其可收集利用系数来计算各行政单元秸秆资源可收集利用量;
S3、利用秸秆资源可收集利用量和不同农作物的可能源化利用秸秆比例,计算各行政单元可能源化利用秸秆资源量;
S4、利用耕地空间分布数据和NPP空间分布数据,通过空间叠加,提取耕地上NPP空间分布数据;
S5、利用行政区划数据和耕地上NPP数据,通过空间统计分析,获得各行政单元的耕地NPP总量;
S6、运用栅格空间计算,在各行政单元耕地NPP总量和秸秆可能源化利用资源总量的基础上,计算各行政单元耕地单位NPP的秸秆可能源化利用资源量;
S7、运用栅格空间计算,把耕地单位NPP上的秸秆可能源化利用资源量与耕地NPP分布图相结合,进行农作物秸秆可能源化利用资源的空间化,最终得到农作物秸秆可能源化利用资源密度空间分布图,从而反应农作物秸秆可能源化利用资源的空间分布状况。
2.如权利要求1所述的一种基于统计数据和遥感数据的农作物秸秆资源空间化方法,其特征在于,步骤S1中所述的各类农作物的草谷比系数分别为:水稻0.90、小麦1.16、玉米1.75、薯类0.70、其他粮食作物1.17、高粱1.65、豆类1.54、花生1.94、油菜2.04、芝麻2.04、向日葵2.04、胡麻2.04、麻类2.50、棉花3.44、甘蔗0.23。
3.如权利要求1所述的一种基于统计数据和遥感数据的农作物秸秆资源空间化方法,其特征在于,步骤S2中所述的可收集利用系数根据能够获得的统计数据采用不同的计算方法;对于水稻、小麦、玉米及油菜这四种作物,结合各自的机械收割和人工收割系数,按不同作物机械化收割和人工收割的面积比例加权计算其可收集系数,分别为水稻秸秆0.75、小麦秸秆0.74、玉米秸秆0.95、油菜秸秆0.89;对于其他作物,分别采用薯类藤蔓0.80、其他粮食作物秸秆0.80、高粱秸秆0.80、豆类作物秸秆0.88、花生秸秆0.88、芝麻秸秆0.88、向日葵秸秆0.88、胡麻秸秆0.88、麻类秸秆0.87、棉花秸秆0.90、糖类作物副产品0.88。
4.如权利要求1所述的一种基于统计数据和遥感数据的农作物秸秆资源空间化方法,其特征在于,步骤S3中所述的不同农作物的可能源化利用秸秆比例是扣除农村基本生活能源需求、秸秆直接还田、饲料化利用、工业原料以及食用菌基料用途后所剩比例。
5.如权利要求1所述的一种基于统计数据和遥感数据的农作物秸秆资源空间化方法,其特征在于,步骤S6中的各行政单元耕地单位NPP对应的秸秆可能源化利用资源量计算公式为:
式中,Dcr为耕地单位NPP的秸秆可能源化利用资源量,CRE为各行政单元可能源化利用秸秆资源总量,TNPP为各行政单元农田NPP总量。
6.如权利要求1所述的一种基于统计数据和遥感数据的农作物秸秆资源空间化方法,其特征在于,步骤S7中的农作物秸秆可能源化利用资源密度空间分布计算公式为:
式中,D为农作物秸秆可能源化利用资源密度,NPP为净第一性生产力(NPP)空间分布数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210280957.7A CN102855351B (zh) | 2012-08-09 | 2012-08-09 | 一种基于统计数据和遥感数据的农作物秸秆资源空间化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210280957.7A CN102855351B (zh) | 2012-08-09 | 2012-08-09 | 一种基于统计数据和遥感数据的农作物秸秆资源空间化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102855351A CN102855351A (zh) | 2013-01-02 |
CN102855351B true CN102855351B (zh) | 2015-07-08 |
Family
ID=47401937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210280957.7A Active CN102855351B (zh) | 2012-08-09 | 2012-08-09 | 一种基于统计数据和遥感数据的农作物秸秆资源空间化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102855351B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239663A (zh) * | 2013-06-14 | 2014-12-24 | 中国科学院城市环境研究所 | 一种定量评价区域农林业生物质能资源开发潜力的方法 |
CN104794336B (zh) * | 2015-04-17 | 2017-06-27 | 武汉大学 | 一种农田秸秆资源空间分布估算方法 |
CN107577892B (zh) * | 2017-09-19 | 2020-03-31 | 哈尔滨师范大学 | 一种农作物用地表面结构状况的模拟仿真方法 |
CN108876017A (zh) * | 2018-05-30 | 2018-11-23 | 中国科学院地理科学与资源研究所 | 家畜放牧率空间格局分析方法 |
CN109272252A (zh) * | 2018-10-17 | 2019-01-25 | 郑州轻工业学院 | 一种基于多形态的秸秆资源利用价值的核算方法 |
CN112148785B (zh) * | 2020-09-24 | 2021-09-28 | 中国科学院空天信息创新研究院 | 一种作物分布制图方法 |
CN112380497B (zh) * | 2020-10-29 | 2024-03-22 | 中国农业大学 | 用于区域玉米的秸秆系数估算方法及系统 |
CN114298492B (zh) * | 2021-12-08 | 2023-06-23 | 哈尔滨工业大学 | 一种基于经济发展变化预测评估生物质能发展适宜性的方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592181A (zh) * | 2011-12-30 | 2012-07-18 | 中国农业科学院农业资源与农业区划研究所 | 一种作物种植面积统计数据空间分布的优化方法 |
-
2012
- 2012-08-09 CN CN201210280957.7A patent/CN102855351B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592181A (zh) * | 2011-12-30 | 2012-07-18 | 中国农业科学院农业资源与农业区划研究所 | 一种作物种植面积统计数据空间分布的优化方法 |
Non-Patent Citations (3)
Title |
---|
农作物生物质能的遥感估算——以广东省为例;王芳,黎夏,SHIXun;《自然资源学报》;20061130;第21卷(第6期);第870-878页 * |
北京林业生物质资源空间密度分布计算及加工点选址优化;王武魁,苏贤明,施海,张大红,孙文祥,赵天忠;《北京林业大学学报》;20101130;第32卷(第6期);第71-79页 * |
基于MODIS NDVI的广东省陆地生态系统净初级生产力估算;罗艳,王春林;《生态环境学报》;20090731;第18卷(第4期);第1467-1471页 * |
Also Published As
Publication number | Publication date |
---|---|
CN102855351A (zh) | 2013-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102855351B (zh) | 一种基于统计数据和遥感数据的农作物秸秆资源空间化方法 | |
Qin et al. | Biomass and biofuels in China: Toward bioenergy resource potentials and their impacts on the environment | |
Clifton‐Brown et al. | Progress in upscaling Miscanthus biomass production for the European bio‐economy with seed‐based hybrids | |
Qiu et al. | Potentials of crop residues for commercial energy production in China: A geographic and economic analysis | |
Chinnici et al. | Analysis of biomass availability for energy use in Sicily | |
MAO et al. | Resource use efficiency, ecological intensification and sustainability of intercropping systems | |
Prueksakorn et al. | Energy and greenhouse gas implications of biodiesel production from Jatropha curcas L | |
CN105165215A (zh) | 一种大豆优化推荐施肥方法 | |
Selvaggi et al. | Assessing land efficiency of biomethane industry: A case study of Sicily | |
Patel et al. | Energy balance, GHG emission and economy for cultivation of high biomass verities of bamboo, sorghum and pearl millet as energy crops at marginal ecologies of Gujarat state in India | |
Zhang et al. | Modeled spatial assessment of biomass productivity and technical potential of Miscanthus× giganteus, Panicum virgatum L., and Jatropha on marginal land in China | |
CN103927684A (zh) | 木薯智能施肥系统 | |
Lu et al. | Biofuel vs. biodiversity? Integrated emergy and economic cost-benefit evaluation of rice-ethanol production in Japan | |
Callesen et al. | Optimization of bioenergy yield from cultivated land in Denmark | |
Daniel et al. | Expanded ethanol production: Implications for agriculture, water demand, and water quality | |
Azarpour | Determination of energy balance and energy indices in wheat production under watered farming in north of Iran | |
Singh et al. | The field performance of some accessions of Jatropha curcas L.(Biodiesel Plant) on degraded sodic land in North India | |
Farashah et al. | Energy Efficiency analysis of white button mushroom producers in Alburz Province of Iran: A data envelopment analysis approach | |
Lin et al. | Which crop has the highest bioethanol yield in the United States? | |
Woli et al. | Soil and variety effects on the energy and carbon balances of switchgrass-derived ethanol | |
Rehman et al. | An econometric analysis of major Chinese food crops: An empirical study | |
Ramachandra et al. | Decision support system to assess regional biomass energy potential | |
Dhillon et al. | Influence of staggered sown Spring sunflower (Helianthus annuus L.) at varying intra–row spacing and applied–N on pre–and post–anthesis N dynamics and dry matter partitioning in Indo–Gangetic Plains Region | |
Mushtaq et al. | Evaluating energy consumption efficiency in tobacco production: Applying Data Envelopment Analysis | |
Piskier | A method of estimation of the caloric value of the biomass. Part I-biomass energy potential |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |