【畢業(yè)學位論文】（Word原稿）基于GIS的區(qū)域秸稈資源量預測與最優(yōu)收集路徑分析——以即墨市為例-熱能工程

分類號 編號 中國科學院研究生院 碩 士學位論文 基于 區(qū)域秸稈資源量預測與最優(yōu)收集路徑分析 以即墨市為例 張 展 指導教師 王利生 研究員 博士 中國科學院 青島生物能源與過程研究所 中國科學院廣州能源研究所 申請學位級別 碩士 學科專業(yè)名稱 熱能工程 論文提交日期 2009 年 5 月 論文答辯日期 2009 年 5 月 28 日 培養(yǎng)單位 中國科學院廣州能源研究所 中國科學院青島生物能源與過程研究所 學位授予單位 中國科學院研究生院 答辯委員會主席 黃寧生 IS in of in y y 2009 關(guān)于學位論文使用權(quán)聲明 任何收存和保管本論文各種版本的單位和個人，未經(jīng)著作權(quán)人授 權(quán)，不得將本論文轉(zhuǎn)借他人并復印、抄錄、拍照、或以任何方式傳播。否則，引起有礙著作權(quán)人著作權(quán)益之問題，將可能承擔法律責任。 關(guān)于學位論文使用授權(quán)的說明 本人完全了解中國科學院 廣州能源研究所 所 有關(guān)保存、使用學位論文的規(guī)定，即：中國科學院 廣州能源研究 所 有權(quán)保留學位論文的副本，允許該論文被查閱；中國科學院 廣州能源研究 所 可以公布該論文的全部或部分內(nèi)容，可以采用影印、縮印或其他復制手段保存該論文。 （涉密的學位論文在解密后應遵守此規(guī)定） 簽 名： 導師簽名： 日 期 ： 關(guān)于學位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的學位論文是本人在導師指導下，獨立進行研究工作所取得的成果。盡我所知，除文中已經(jīng)注明引用的內(nèi)容外，本學位論文的研究成果不包含任何他人享有著作權(quán)的內(nèi)容。對本論文所涉及的研究工作做出貢獻的其他個人和集體，均已在文中以明確方式標明。 簽 名： 導師簽名： 日 期： 摘要 I 摘 要 生物質(zhì)能源 作為替代能源 在解決我國未來能源供需、環(huán)境保護以及社會經(jīng)濟的可持續(xù)發(fā)展 問題中有著積極的促進作用。 開發(fā)和利用生物質(zhì)能源過程 中存在資源、技術(shù)和市場三方面瓶頸，其中資源是技術(shù)和市場的前提與基礎，生物質(zhì)資源量以及原料的收集、儲存和運輸是目前研究的熱點問題。利用 現(xiàn)代科學技術(shù)進行生物質(zhì)秸稈資源量預測，結(jié)合區(qū)域分布特征進行最優(yōu)收集、運輸 路徑 的分析與評估，能夠明確區(qū)域秸稈資源能源化利用的合理方式，節(jié)約運輸成本。 本文以青島即墨市農(nóng)作物秸稈資源量預測為基礎，以 20稈電廠原料收集、運輸、利用以及秸稈發(fā)電系統(tǒng)的碳循環(huán)分析為研究對象，通過基于主成分分析的多元線性回歸模型建立了即墨市主要農(nóng)作物產(chǎn)量預測模型，完成了對即墨市 2007 年 小麥與 玉米產(chǎn)量 預測 ，結(jié)合農(nóng)作物谷草比經(jīng)驗算式對即墨市 2007 年小麥與玉米秸稈總量進行推算，預測值與實際值相差 預測效果良好。利用 間分析方法、 遙感圖像處理軟件、 作環(huán)境，通過 能組件 立 間接生成腳本的思路，實現(xiàn)了基于空間思想的點對點最短路徑的自動判別，本文以 9為秸稈單位收集區(qū)域，通過分析秸稈原料在單位區(qū)域內(nèi)外的兩種不同運輸模式，結(jié)合 言的腳本批處理功能，完成了對即墨市擬建 20稈電廠所需原料的 最優(yōu)運輸路徑的批量計算以及整個運輸過程中的總成本分析。綜合生物質(zhì)的生長到最終能源化轉(zhuǎn)化過程，完成了整個發(fā)電系統(tǒng)的碳循環(huán)分析以及秸稈發(fā)電廠的經(jīng)濟效益評估。 本文應用基于主成分分析的多元線性回歸模型預測了研究區(qū)域內(nèi)主要農(nóng)作物的秸稈資源總量，彌補了直接運用多元回歸方程對影響因子個數(shù)的限制與樣本相對較少情況下擬合效果不佳的不足，利用 型手段與 件的腳本批處理功能解決了模型本身無法循環(huán)執(zhí)行的實際困難，并對秸稈資源最短收集路徑與有效收集成本實現(xiàn)了動態(tài)展示與科學估算，該方 法可為秸稈電廠選址、原料收集運輸提供基于空間技術(shù)的合理規(guī)劃。通過對秸稈電廠的運行效率、原料利用、廢氣排放以及經(jīng)濟效益的相應分析，證明了在即墨市近郊設立 20稈電廠的可行性。 關(guān)鍵 詞 ： 生物質(zhì)能源 ，秸稈資源量，預測模型， 最優(yōu)運輸路徑，即墨市 an in 3 in of in IS of of of of of on to of of 007 of by of to we of by we as of or of to 0MW is to a of on is on to of of as to In of by in a of of be by of of 目 錄 基于 區(qū)域秸稈資 源量預測與最優(yōu)收集路徑分析 以即墨市為例 . 要 . 錄 .目錄 .目錄 . 緒論 .究背景 .內(nèi)外研究現(xiàn)狀 . 術(shù)及其應用 . 生物質(zhì)資源量預測模型 . 秸稈資源最優(yōu)收集、運輸路徑分析 . 秸稈發(fā)電系統(tǒng)及其經(jīng)濟性分析 .文主要工作 . 研究區(qū)域概況 .然資源概況 .稈資源利用現(xiàn)狀 . 秸稈資源量預測分析 以即墨市為例 .源預測模型 . 影響因子選擇 .型預測與結(jié)果比較 . 玉米產(chǎn)量模型預測 . 小麥產(chǎn)量模型預測 . 秸稈量估算 .結(jié) . 20稈電廠原料最優(yōu)路徑分析 以即墨市為例 .物質(zhì)秸稈電廠 . 秸稈電廠選擇 . 秸稈電廠設立原理 .錄 V 合 法的最優(yōu)收集路徑分析 . 數(shù)據(jù)來源 . 最優(yōu)運輸路徑分析過程 . 收集運輸成本計算 .結(jié) . 20稈氣化發(fā)電廠經(jīng)濟分析與 .稈電廠碳循環(huán)分析與 . 農(nóng)作物碳吸收以及 . 秸稈焚燒過程 . 生物質(zhì)秸稈發(fā)電系統(tǒng)的碳循環(huán)分析 . 20稈電廠 .0物質(zhì)氣化發(fā)電的經(jīng)濟效益分析 . 經(jīng)濟評價基本參數(shù) . 相關(guān)經(jīng)濟評價分析 .結(jié) . 結(jié)語 .論 .論 .足與展望 .考文獻 .錄 1 . 謝 .圖目錄 圖 1 行政區(qū)劃圖 . 11 圖 2 本散點圖 . 18 圖 3 本散點圖 . 18 圖 4 本散點圖 . 18 圖 5 殘差分析圖 . 20 圖 6 玉米估算產(chǎn)量與實際產(chǎn)量對比圖 . 22 圖 7 小麥估算產(chǎn)量與實際產(chǎn)量對比圖 . 26 圖 8 秸稈電廠廠點標識圖 . 28 圖 9 處理流程圖 . 30 圖 10 基于 型的即墨市最優(yōu)化路徑分析與運輸成本計算過程 . 30 圖 11 圖像裁剪預處理結(jié)果圖 . 33 圖 12 地理數(shù)據(jù)處理結(jié)果 . 34 圖 13 點到點最優(yōu)路徑分析模型 . 34 圖 14 最優(yōu)收集路線排序表 . 36 圖 15 最優(yōu)運輸路線及其收集點 . 36 圖 16 收集區(qū)域到收集點的運輸過程 . 37 圖 17 即墨市秸稈電廠原料收集運輸圖 . 39表目錄 目錄 表 1：統(tǒng)計預測模型與遙感模型主要優(yōu)缺點比較 . 3 表 2：三種秸稈發(fā)電技術(shù)主要優(yōu)缺點比較 . 8 表 3：相關(guān)影響因子參數(shù)值 . 15 表 4：相關(guān)系數(shù)矩陣 . 15 表 5：主成分特征值、貢獻率及累積貢獻率表 . 16 表 6：初始因子荷載矩陣 . 16 表 7：各主成分參數(shù)值 . 17 表 8：模型概述表 . 19 表 9：方差分析表 . 19 表 10：偏回歸系數(shù)表 . 19 表 11： 2007 年相關(guān) 影響因子參數(shù)值 . 20 表 12：實際產(chǎn)量、預測產(chǎn)量及其相對誤差值 . 21 表 13：實際產(chǎn)量、估算產(chǎn)量及其相對誤差值 . 21 表 14：相 關(guān)影響因子參數(shù)值 . 22 表 15：相關(guān)系數(shù)矩陣 . 23 表 16：主成分特征值、貢獻率及累積貢獻率表 . 23 表 17：初始因子荷載矩陣 . 24 表 18： 數(shù)值 . 24 表 19：模型概述表 . 25 表 20：方差分析表 . 25 表 21：偏回歸系數(shù)表 . 25 表 22：實際產(chǎn)量、預測產(chǎn)量及其相對誤差值 . 26 表 23：即墨市相關(guān)農(nóng)作物參數(shù) . 31 表 24：坐標投影參數(shù) . 32 表 25：相關(guān)運輸參數(shù)取值 . 37 表 26：相關(guān)參數(shù)取值 . 38 表 27：秸稈 排量關(guān)系表 . 40 表 28：秸稈露天燃燒排放因子 . 41 表 29： 20化發(fā)電系統(tǒng)碳循環(huán)相關(guān)參數(shù) . 42 表 30： 20稈氣化發(fā)電廠各項指標 . 43 1 緒論 1 1 緒論 究背景 作為世界能源消費大國， 2007 年我國進口原油 噸，石油對外依存度高達 能源利用總效率為 33%左右，較發(fā)達國家約低 10 個百分點； 2006 噸、煙塵 噸、粉塵 噸 1。供需矛盾突出、利用效率低下、環(huán)境污染嚴重以及安全程度不足是我國能源發(fā)展面臨的最嚴重挑戰(zhàn) 2。大力發(fā)展可再生能源特別是生物質(zhì)能源，既是解決當前和未來能源供需矛盾的重要措施，又是保護環(huán)境，促進經(jīng)濟社會可持續(xù)發(fā)展的必然選擇 3生物質(zhì)能源具有可再生 性、低污染性、廣泛分布性，是僅次于煤炭、石油和天然氣的世界第四大能源 6。開發(fā)利用生物質(zhì)能源不僅可以改變能源生產(chǎn)和消費方式，同時對建立可持續(xù)的能源系統(tǒng)，促進中國國民經(jīng)濟發(fā)展和環(huán)境保護也具有重大意義。從 20 世紀開始，世界各國已對可再生的生物質(zhì)資源的開發(fā)利用給予了極大關(guān)注。許多國家制定了相應的生物質(zhì)能 源 開發(fā)研究計劃，如美國的先進能源計劃、日本的新陽光計劃、巴西的乙醇能源計劃、歐盟的生物燃料行動計劃等都提出了明確的生物質(zhì)能源開發(fā)計劃與發(fā)展目標 2。 目前，開發(fā)和利用生物質(zhì)能源主要存在資源、技術(shù)和市場三個方面的瓶頸，而技術(shù)和市場均以資源的穩(wěn)定供給作為前提和基礎。生物質(zhì)資源量的掌握對實現(xiàn)生物質(zhì)能源產(chǎn)業(yè)的健康有序發(fā)展是至關(guān)重要和必不可少的，其總量、時空分布及收集途徑的分析和評估直接關(guān)系到生物質(zhì)能源的利用方式確定。作為傳統(tǒng)農(nóng)業(yè)大國，我國擁有豐富的生物質(zhì)資源，以生物質(zhì)資源的主要來源之一秸稈資源為例，目前我國秸稈資源潛力折合約 7 億噸標煤，可能源化利用的資源量約 為 t，若完全能源化利用相當于 8800 萬 t 標準煤，占全國可再生能源開發(fā)利用總量的 53%2。然而，我國針對生物質(zhì)資源分布及其收集、運輸、儲存的評估研究尚處于起步階段，如何高效和準確的評估區(qū)域內(nèi)的生物質(zhì)資源，確定最優(yōu)的生物質(zhì)原料收集運輸路徑是當前急需解決的問題之一 。 內(nèi)外研究現(xiàn)狀 為解決上述問題，文本引入 間技術(shù)、 生物質(zhì)資源 量 預測模型 以及秸稈發(fā)電系統(tǒng)碳循環(huán)、經(jīng)濟效益評估方 法進行研究分析。 基于 區(qū)域秸稈資源量預測與最優(yōu)收集路徑分析 以即墨市為例 2 術(shù)及 其 應用 地理信息系統(tǒng)（ 簡稱 指由計算機系統(tǒng)、地理數(shù)據(jù)和用戶組成的，通過地理數(shù)據(jù)的集成、存儲、檢索、操作和分析，生成并輸出各種地理信息，從而為土地利用、資源管理、環(huán)境監(jiān)測、交通運輸、經(jīng)濟建設、城市規(guī)劃以及政府各部門行政管理提供新的指示，為工程設計和規(guī)劃、管理 提供 決策服務。美國愛達荷大學地理系的 地理信息系統(tǒng)定義為用于輸入、存儲、查詢、分析和顯示地理數(shù)據(jù)的計算機系統(tǒng) 7。 20 世紀 60 年代， 不同地方、從不同角度提出地理信息系統(tǒng)的概念。近 30 多年以來，地理信息系統(tǒng)得到了巨大發(fā)展， 20 世紀 90 年代己經(jīng)進入了用戶時代。并廣泛應用于政府國土、環(huán)境、人口等資源的調(diào)查統(tǒng)計、分析、管理及決策，區(qū)域規(guī)劃管理和城市基礎設施管理，行業(yè)規(guī)劃管理，大型工程規(guī)劃設計，市場分析，商業(yè)與服務業(yè)管理等方面。 同時， 術(shù)在生物質(zhì)能源領(lǐng)域方面也 具有廣闊的 應用 前景 。 術(shù)的引入對大面積生物質(zhì)資源的評 估具有極大的優(yōu)勢， 利用 空間分析功能以及空間數(shù)據(jù)庫管理功能不僅可較好地結(jié)合氣象數(shù)據(jù)與 衛(wèi)星影像 了解各種生物質(zhì)資源在我國的時空分布，同時也可為生物質(zhì)資源的總量預測、空間表達以及相關(guān)生物質(zhì)處理工廠的原料收集、供需成本最優(yōu)化等問題提供基于空間思想的科學指導。 物質(zhì)資源 量 預測模型 生物質(zhì)資源量的估算方法包括經(jīng)驗法、模型法、資源密度法等，其中模型法手段多樣、精確度高、使用最為廣泛。 源量預測模型 目前國內(nèi)外秸稈資源量 預測 模型主要包括基于常規(guī)統(tǒng)計方法的預測模型及基于 術(shù)的遙感估算模型。 統(tǒng)計學預測模型 利用 以往統(tǒng)計數(shù)據(jù)結(jié)合數(shù)學模型對各種糧食資源進行預測，通過谷草比轉(zhuǎn)化得到 相應 秸稈資源量。其中，糧食產(chǎn)量的預測與估算是統(tǒng)計學模型進行農(nóng)作物秸稈資源量預測的關(guān)鍵。從上世紀 80 年代提出利用多元線性回歸模型實現(xiàn)對糧食產(chǎn)量的預測以來，統(tǒng)計學模型先后引入了神經(jīng)網(wǎng)絡方法、指數(shù)平滑法、灰色理論、馬爾可夫方法、混沌理論等方法，以擴大適用預測范圍以及提高預測精度，國內(nèi)主要研究成果包括史欣欣等利用多元線性回歸原理計算出陜西榆林地區(qū) 2010 年糧食產(chǎn)量 8；周介銘等通過糧食生產(chǎn)因素的灰色分析結(jié)果，利用線性回歸模型預測了四川省 2005、 2010、 2015、 2020、 2025 和2030 年的糧 食產(chǎn)量 9；禹建 麗等利用 經(jīng)網(wǎng)絡原理對我國糧食產(chǎn)量進行了實際預測 10；李葆春等利用建立的灰色 預測模型對定西縣（ 1999 2013 年）的糧食作物年平均產(chǎn)量進行預測 11；劉安等利用灰色馬爾可夫模型理論預測出桐城縣未來 5 年冬小麥單產(chǎn) 12；遲靈1 緒論 3 芝分別利用指數(shù)平滑法擬合二次曲線模型和灰色預測模型法，計算出本溪市 （ 2000 2004）年糧食產(chǎn)量 13。上述模型方法在實際應用中已經(jīng)較為成熟，但其僅對資源的總量進行預測，而未考慮資源的空間分布研究對資源預測與利用的重要性?；?術(shù)的遙感模型運用空間數(shù)據(jù)及地圖顯示方法可解決統(tǒng)計學模型在此方面存在的不足。 目前大多數(shù)遙感模型均以計算 完成對農(nóng)作物資源量的估算。利用遙感技術(shù)計算 遙感模型主要包括： 型、 型、型和 型等。 型既考慮了光能利用又考慮了植被生理生態(tài)過程，在大量觀測數(shù)據(jù)的基礎上，該模型針對全球特征研究提出了一套標準參數(shù)集。型主要由植物吸收的光合有效輻射 光 能轉(zhuǎn)化率 兩個變量確定。型是一個完全由遙感資料驅(qū)動的生 產(chǎn)力效率模型，基于植物光合作用和自養(yǎng)呼吸等生態(tài)機理過程，是最早全部使用遙感反演數(shù)據(jù)全球 尺度的生產(chǎn)力模型。我國研究人員在遙感模型運用方面已取得一定研究成果，張曉浩等利用 型思路與 據(jù)估算出 2001 年廣東水稻總生物量為 010廣東省統(tǒng)計數(shù)據(jù)結(jié)果基本吻合，同時得到水稻生物量的空間分布 14；王芳等利用 型與廣東省光能利用率修正 據(jù)，計算出 2002 年廣東省農(nóng)作物總量并轉(zhuǎn)換為生物質(zhì)能，其生物質(zhì)能總量與統(tǒng)計年鑒數(shù)據(jù)相差 15。 型優(yōu)缺點比較 上述模型中統(tǒng)計學模型數(shù)據(jù)獲取難度低、 方法簡單、易于實現(xiàn)，此外應用范圍較遙感模型更加廣泛，特別是對于中小型或局部區(qū)域的作物產(chǎn)量預測結(jié)果精確度較高，但存在無法表達作物真實空間分布特征、模擬復雜系統(tǒng)能力有限的不足。遙感模型能真實反映作物空間分布以及具有一定的生態(tài)模擬功能，但存在（ 10m 10m）以內(nèi)的精確遙感影像數(shù)據(jù)獲取難度與成本較高、空間的尺度轉(zhuǎn)換問題的不足。相關(guān)模型優(yōu)缺點比較見表 1。 表 1： 統(tǒng)計預測模型與遙感模型主要優(yōu)缺點比較 : 測模型 主要優(yōu)點 主要缺點 多元線性回歸模型 運用簡單，在 小型研究區(qū)域或 變量較少 時預測精度較高。 模擬復雜系統(tǒng)的能力有限， 未考慮區(qū)域資源空間分布差異，難以反映資源在空間分布上的真實狀況。 經(jīng)網(wǎng)絡模型 學習數(shù)據(jù)的逼近能力好。 模型局部精度高，整體精度低。未進行空間分析，難以反映資源空間分布差異。 灰色馬爾可夫模型 不需要大量統(tǒng)計資料 ，短期預測精度高。 長期預測精度不高，難以反映區(qū)域資源分布的真實狀況。 基于 區(qū)域秸稈資源量預測與最優(yōu)收集路徑分析 以即墨市為例 4 型 通過常規(guī)生態(tài)生理方法測得，數(shù)據(jù)具有實時性、有效性。展示了區(qū)域資源的空間分布差異與真實分布狀況。 據(jù)空間分辨率較低，存在時間與空間的尺度轉(zhuǎn)換問題及不同數(shù)據(jù)源的不同類型數(shù)據(jù)兼容問題，數(shù)據(jù)成本較高。 型 綜合考慮了環(huán)境條件、植被本身特征與空間分布差異。 參數(shù)確定和求算過程細節(jié)存在一定的不足，植被覆蓋分類系統(tǒng)的選擇與 的取值對 算結(jié)果影響很大，數(shù)據(jù)成本較高。 型 完 全由遙感資料驅(qū)動的生產(chǎn)力效率模型、模型結(jié)構(gòu)與參數(shù)相對簡單 別依賴于 被指數(shù)，受觀測角度制約，數(shù)據(jù)成本較高。 稈資源量預測模型 為保證預測區(qū)域內(nèi)農(nóng)作物產(chǎn)量的精確性，本文選擇主成分分析法與多元回歸分析預測法建立即墨市農(nóng)作物秸稈資源的多元線性回歸預測模型。 主成分分析法是指將多個變量通過線性變換以選出較少個數(shù)重要變量的一種多元統(tǒng)計分析方法，其實質(zhì)上是將各變量之間互相關(guān)聯(lián)的復雜關(guān)系進行簡化分析的方法 16。主成分析法經(jīng)常用于減少數(shù) 據(jù)集的維數(shù)，通過忽略高階主成分保留低階主成分的方法保持數(shù)據(jù)集對方差貢獻最大的特征，這樣低階成分往往能夠保留住數(shù)據(jù)的最重要信息。在實際應用中，主成分個數(shù)的確定是以當特征值大于 1 時，能夠反映原來變量 80%以上的信息量為依據(jù)，當信息量累積貢獻率大于 80%時主成分的個數(shù)已滿足條件，最常見的主成分個數(shù)為 2到 4 個。主成分分析法把給定的一組相關(guān)變量通過線性變換轉(zhuǎn)成另一組不相關(guān)的變量，這些新的變量按照方差依次遞減的順序排列。在數(shù)學變換中保持變量的總方差不變，使第一變量具有最大的方差，稱為第一主成分，第二變量的方差次大，并且 和第一變量不相關(guān)，稱為第二主成分。依次類推，擁有 i 個此類變量就有 i 個主成分 16。 多元回歸分析預測法是指通過對兩個或兩個以上的自變量與一個因變量的相關(guān)分析，建立預測模型進行預測的方法。當自變量與因變量之間存在線性關(guān)系時，稱為多元線性回歸分析 17。其多元線性回歸模型： mm 22110 (1假定從理論上或經(jīng)驗上已經(jīng)知道輸出變量 y 是輸入變量 線性函數(shù)，但表達其線性關(guān)系的系數(shù)是未知的，要根據(jù)輸入輸出的 n 次觀察結(jié)果 (， i=1 n)按最小二乘法原理來求出系數(shù)0m的值。 求出多元線性回歸模型系數(shù)后，通常的模型檢驗 方法包括：判定系數(shù)檢驗（ R 檢驗），回歸系數(shù)顯著性檢驗（ T 檢驗），回歸方程顯著性檢驗（ F 檢驗）。 (1)R 檢驗）。判定系數(shù) R 的計算公式為： 1 緒論 5 )()(221 yy （ 1 (1R 接近于 1 表明 Y 與 ， 間的線性關(guān)系程度密切； R 接近于 0 表明 1， ， 間的線性 關(guān)系程度不密切 17。 (2)T 檢驗）。在多元回歸分析中，回歸系數(shù)顯著性檢驗是檢驗模型中每個自變量與因變量之間的線性關(guān)系是否顯著。顯著性檢驗是通過計算各回歸系數(shù)的 t 檢驗值進行的?；貧w系數(shù)的 t 檢驗值 的計算公式為 St (1式中j為第 j 個自變量 回歸系數(shù) （ j=1， 2， k） ； 是j的樣本標準差。在多元回歸模型中，某個變量回歸系數(shù)的 t 檢驗沒有通過，說明該變量與因變量之間不存在顯著的線性相關(guān)關(guān)系，在回歸分析時就可以將該變量刪去，或者根據(jù)情況作適當?shù)恼{(diào)整，而后用剩下的自變量再進行回歸分析 17。 (3)F 檢