马铃薯是继水稻、 小麦、 玉米之后的一种重要的粮食作物, 其优化种植和生产对于保障粮食安全具有重要的意义。 作物的地面生物量(AGB)被广泛认为与作物的生长状态密切相关, 常常被直接用来参与作物产量预测和健康状态参数评估。 现有的研究表明, 遥感植被指数在中高作物覆盖度时会丧失对作物参数的敏感性, 即“饱和现象”, 这制约了作物生长中后期AGB的准确监测。 采用了一个新型垂直生长作物AGB估算模型(VGC-AGB)结合高光谱遥感开展马铃薯多生长阶段的AGB估算研究。 针对多生长时期遥感光谱指数开展作物生物量监测中存在的“饱和问题”, VGC-AGB定义了叶片干物质含量(Cm)和垂直器官干物质含量(Csm)2个参数, 分别描述马铃薯叶片和茎的平均干物质含量, 并通过叶面积指数(LAI)×Cm计算叶片的地上生物量(AGBl), 通过种植密度(Cd)、 马铃薯株高(Ch)和Csm的乘积, 即Cd×Ch×Csm计算垂直器官的地上生物量(AGBv)。 基于国家精准农业研究示范基地2019年马铃薯田间实验, 分别获取了马铃薯4个关键生长时期的地面ASD高光谱数据、 实测株高、 AGB和LAI数据等, 并利用高光谱反射率数据构建了高光谱特征参数, 分别对比了(1)高光谱特征参数+株高, (2)地面测量参数+VGC-AGB模型和(3)高光谱特征参数+VGC-AGB模型的3种马铃薯AGB估算模型的性能。 结果表明, 与传统的高光谱遥感植被指数+株高的AGB估算方法相比, 新型VGC-AGB模型结合高光谱遥感数据可以提供更高性能的马铃薯AGBl、 AGBv和总AGB估算结果, 该方法可为马铃薯AGB的快速无损监测提供技术支撑。

检测生物质原料的灰分含量是高效转化能源的基础, 但传统高温灼烧法测试耗时长、 成本高, 而近红外光谱分析技术能够实现无损、 快速及低成本对未知样本定性或定量的分析。 以5个地点、 10种类型的1 465份生物质原料样品为研究对象, 应用“筛选分类集合法”将样品划分9个集合, 构建近红外光谱生物质样品灰分含量模型。 主要结果为: 玉米秸秆（M）、 小麦秸秆+玉米秸秆+棉花秸秆（WCM）和小麦秸秆+杂草+园林叶（WWL）主因子数分别为5、 6和6； M集合的交叉验证决定系数（R2cv）为0.975, WCM集合的预测决定系数（R2p）为0.983, 模型拟合度最高； 长白皮+棉花秸秆集合（WC）的均方根标准误差（RMSE）最小分别为0.588 7和0.486 4, M集合的交叉验证相对分析误差（RPDcv）最高为6.3, WCM集合的预测相对分析误差（RPDp）最高为7.8, 模型预测精度最高； M集合的交叉验证平均相对偏差ARDcv最小为6%, WCM集合预测平均相对偏差ARDp最小为8%, 木质（W）集合RMSECV/RMSEP为1.01, 模型稳健性最高； 9个生物质样品灰分含量集合模型的R2范围为0.753 8~0.979 4, 建模集与预测集偏差较小均具有较好的线性关系, 其中, H集合（R2=0.942 5）、 M集合（R2=0.979 4）和WCM集合（R2=0.978 7）其拟合度与线性关系最优； L集合（木材边角料）的R2最低, 其值为0.753 8, 判断影响的主要因素是样品中含有泥沙、 粘合剂和油漆等杂质。 为解决常见生物质发电厂原料检测评估问题, 利用9个生物质灰分集合模型对11种生物质样品计算平均相对偏差（ARD）进行预测评估, 草质样品模型预测效果好（ARD范围为3.7%~16.5%）。 应用“筛选分类集合法”划分样品集合来建立近红外光谱生物质灰分含量模型, 其拟合度、 稳健性和精确度都较全样品集合模型性能更高。

红树林生态系统是地球上生产力最高的生态系统之一, 它也是海岸带“蓝碳”生态系统的重要组成部分。 地上生物量作为红树林蓝碳的重要组成部分, 如何准确快速地获取红树林地上生物量已成为红树林生态系统研究的热门问题。 分析北部湾茅尾海红树林地上生物量(AGB)空间分布格局及其量级, 可为该区域红树林生态环境保护及“南红北柳”生态修复提供科学依据。 资源一号数据作为我国自主研发的民用国产高光谱卫星, 其高光谱数据为红树林地上生物量的研究提供了新的机遇。 机器学习算法因其高性能、 高效率的优势被越来越多的应用于红树林相关研究, 目前已经成为获取红树林参数信息的重要手段。 高光谱数据在红树林地上生物量的反演精度如何? 国产高光谱卫星数据和机器学习算法在红树林地上生物量的估算中能否应用? 这些问题仍需进一步验证。 基于国产资源一号02D高光谱数据, 采用极端梯度提升(XGBoost)、 随机森林回归(RFR)以及K近邻回归(KNNR)三种不同的机器学习算法对茅尾海的红树林地上生物量进行估算, 在此基础上对比了不同的机器学习算法的性能。 结果显示: (1)无瓣海桑红树林地上生物量的平均值最高（90.93 Mg·ha-1）, 桐花树次之（52.63 Mg·ha-1）, 而秋茄最小（20.27 Mg·ha-1）。 (2)采用XGBoost、 RF以及KNN三种机器学习算法进行红树林地上生物量和红树林光谱变量建模后发现, 基于对数倒数1阶变换的XGBoost模型精度最高, 为最佳的机器学习模型。 其模型在测试阶段R2=0.751 5, RMSE=27.494 8 Mg·ha-2。 (3)基于资源一号02D高光谱数据, 采用XGBoost算法反演茅尾海的红树林地上生物量介于4.58~208.35 Mg·ha-2之间, 平均值为88.98 Mg·hm-2, 地上生物量在空间上呈现出中部低, 两边高的空间分布格局。 总之, 该研究论证了国产高光谱卫星数据和XGBoost机器学习算法的组合在红树林生物量的估算方面具有良好的应用前景, 可为茅尾海红树林的生态修复和保护提供科学依据和技术支撑。

为了解决废弃农作物青稞秸秆的资源处置问题, 将废弃青稞秸秆在室外自然焚烧后再经过煅烧及研磨处理, 从而制备成新型生物质硅掺合料。通过正交试验设计对青稞秸秆灰(HBSA)的制备条件及设计参数进行初步分析与二次验证; 采用响应面优化分析方法建立响应面预测模型, 对HBSA的制备条件进一步优化分析, 从而验证正交试验结果的合理性; 基于灰熵关联分析, 确定了HBSA的活性影响因素的主次关系; 采用多种微观测试技术对最优条件下制备的HBSA的微观结构进行测试分析, 进而揭示HBSA能够作为活性掺合料的原因。结果表明, 当二次煅烧温度为600 ℃、煅烧时间为2 h、研磨时间为2 h时, HBSA的活性最高, 相对活性指数高达1.06。响应面优化方法能够有效用于HBSA的活性制备参数设计, 响应面预测模型具有较高的预测精度, 较好地验证了正交试验结果的准确性。煅烧温度的灰熵关联度最大, 应作为HBSA制备过程中的首要控制因素。HBSA具有较细的粒度、较大的比表面积和较高的活性SiO2含量, 有效促进了HBSA的活性效应。

不可再生资源的损耗和环境问题的日益严峻引起了人们的广泛关注，针对这些问题，生物质能和太阳能等可再生资源的开发利用尤为重要。光催化技术在生物质的应用方面符合社会可持续发展的要求，本文综述了生物质改性光催化剂和生物质参与光催化重整反应的研究进展。重点介绍了生物质改性光催化材料参与光催化反应的作用机制，分析了生物质和生物质衍生基质在光催化重整反应体系中的效用，阐述了采取的制备方法、表征手段以及生物质与光催化反应体系的构效关系，并提出了目前生物质在光催化体系中的应用存在的一些问题及未来的发展方向。

草地绿色生物量是监测草地生态系统的重要指标。 高效高精度估算草地绿色生物量对草地生态系统具有重要意义。 遥感技术因方便快捷、 成本较低等优势, 已被广泛应用于生物量估算, 而传统光学遥感技术易受云层、 气候条件等因素影响, 不适用于高密度植被区。 因此, 受外界环境影响较小且具有一定穿透性的合成孔径雷达技术在生物量估算中得到了推广; 但当前SAR技术多用于估算森林生物量与作物生物量, 鲜有估算草地绿色生物量的研究。 故选取内蒙古草原为研究区, 基于Sentinel-1A SLC影像提取后向散射系数、 纹理特征、 极化分解量共11种雷达指数, 并根据已有雷达植被指数(σ0和σ′0)引入2种雷达植被指数(σ１和σ′１), 结合草地绿色生物量实测数据分别对15种雷达指数进行建模分析。 结果表明纹理特征中的均值、 后向散射系数σＶＨ为估算草地绿色生物量最佳雷达指数, 其估算模型R2分别为0.54和0.60, RMSE分别为47.3和44.3 g·m-2, 此外, 雷达植被指数σ0和σ1估算草地绿色生物量也可获得较高精度, 其估算模型R2分别为0.53和0.42, RMSE分别为47.6和53.0 g·m-2。 研究证明SAR技术在高效高精度草地绿色生物量估算中具有较强应用潜力, 但在误差消除方面仍需改进。

CO2捕集技术是当前应对全球气候变化、缓解温室效应的重要途径。利用含钙固体废弃物制备高效CaO基CO2捕集材料有利于实现固废资源高值化利用、以废治废和清洁生产, 具有重要的环境效益、经济效益和社会效益。基于固废源高效廉价CaO基CO2捕集材料的良好应用前景, 本文介绍了工业废渣、生物质和其他含钙固体废弃物的产生与资源化利用现状, 综述了CaO基吸附剂的捕集原理、碳酸化动力学过程和CO2捕集性能, 对比了以不同含钙固体废弃物为前驱体制备CaO基吸附剂的吸附-脱附循环性能和不同改性方法对其吸附稳定性的影响, 从经济角度分析了固废源CaO基吸附剂在钢铁厂、燃煤电厂和生物制氢中的应用潜力, 展望了固废源CaO基CO2捕集材料的应用前景和发展方向。该文旨在为固废源CaO基吸附剂前驱体的选择、吸附性能的提高和固废吸附材料的工业应用提供帮助。