钢铁企业可持续发展论文提纲

论文题目：钢铁企业产能状况遥感监测方法研究

摘要：钢铁产业在国民经济中占据举足轻重的地位,其发展状况直接关系到区域经济和生态环境的可持续发展。我国的钢铁产业发展迅速,但也面临着严峻的行业发展困境和巨大的环保压力,尤其在钢铁产业密集的京津冀地区。近年来,我国各级政府持续推进钢铁行业的供给侧结构性改革,去除低效产能、升级或置换高效产能。监测钢铁企业产能状况,是掌握企业产能调整状况、推动钢铁产业发展的必需。目前,监测钢铁企业产能状况主要依靠定点排查、实地抽查和企业自行上报数据等常规手段,存在取证困难、成本高、数据时空连续性差、数据主观性强的问题。这为客观监测钢铁企业产能状况带来了极大挑战。随着遥感事业的迅速发展,海量的数据、充足的遥感理论和先进的遥感技术促使遥感在对地观测中发挥着不可小觑的作用。在监测钢铁企业的研究中,基于遥感的研究已经集中在以下几个方面:利用高分辨率光学遥感卫星影像和轻小型无人机遥感影像识别重点生产设备,并有效监测企业违法违规建设行为;利用热红外遥感技术追踪工业热排放造成的地表温度异常、分析钢铁生产造成的热岛效应;近年来开始采用深度学习算法提取高分影像中与产业发展相关的建筑、生产设备和物流等要素的变动信息,探索定量评估产业经济发展状况的途径。因此,钢铁企业的产能表征要素遥感提取与综合评价,并开展钢铁产能状况遥感定量监测的研究,是遥感监测钢铁企业研究的一个薄弱环节。虽然钢铁生产工艺多样、工序复杂,但是每个生产环节均有各自的表征要素,例如料堆、高炉、除尘器、烟气排放、热排放等,其中与产能状况密切相关的要素为产能表征要素。同时,产能表征要素之间具有明显的特征差异,有助于光学和热红外遥感方法准确提取遥感图像中的产能遥感表征要素。本文以京津冀地区30个钢铁企业为研究对象,基于光学遥感和热红外遥感数据与技术,从定量分析产能遥感表征要素角度,提出了一个光学和热红外遥感协同的钢铁企业产能状况定量监测方法,并分析京津冀地区重点钢铁企业去产能状况与影响因素,为京津冀协同发展战略提供辅助决策依据。主要研究工作及成果如下:（1）基于光学遥感的产能遥感表征要素提取与分析。对于要素提取,基于GF-2数据和谷歌图像,分析目视判定识别方法适合提取有/无料堆、料堆占地面积和烟气排放量的识别效果好,基于Faster R-CNN网络模型的目标识别方法对料堆、高炉和除尘器的识别速度快、精度高达97.6%。对比钢铁企业实际的产能状况,验证了提取要素在时间序列上的稳定的产能表征能力。（2）基于热红外遥感的产能遥感表征要素提取与分析。对于要素提取,基于以Landsat 8 TIRS反演的LST数据、主要生产区热岛效应特征,构建了钢铁企业热岛强度指数（ISHII）和钢铁企业热岛面积比例指数（ISHRI）,验证了提取要素在时间序列上的稳定的产能表征能力。同时,为了剥离季节因素对ISHII影响,引入了季节成分分离方法（STR）,构建基于STR方法的ISHII季节成分分离模型,将时间序列上的ISHII数据分解为三部分。经分析验证,季节项展现出季节因素对ISHII的影响呈现冬季最强、夏季最弱、春秋持平的规律性波动;趋势项与产能调整走势一致;随机项与产能增减及幅度呈正相关,产能表征能力提高至少30%。（3）提出了一个光学遥感和热红外遥感协同的钢铁企业产能状况遥感定量监测方法。基于产能遥感表征要素分别构建光学遥感因子和热量因子估算模型,据此构建钢铁企业产能状况遥感监测模型,提出了一个钢铁企业产能状况遥感监测指标（production status index,PSI）和一个产能状况遥感判定标准。（4）京津冀地区重点钢铁企业企业产能状况变化分析。分析京津冀地区2013-2017年30个重点钢铁企业PSI变化特征并分析产能状况变化,并剖析影响因素。从不同规模企业、不同地区的角度,综合分析京津冀地区近几年重点关注的钢铁企业的去产能状况,提出了去产能工作需要关注唐山和武安地区的中小型企业和鼓励大型企业开拓国际市场等对策,有助于辅助政府产能决策。综上所述,本文提出了一套基于钢铁产能表征要素的、光学与热红外遥感协同的钢铁企业产能状况的遥感定量监测方法体系。基于产能光学遥感表征要素和热红外遥感表征要素的客观提取与定量估算,构建的钢铁企业状况遥感监测模型,具有客观性、时效性、稳定性和普适性。PSI与产能状况遥感判定标准,可为辅助政府产能决策提供支撑,有利于推动钢铁企业、钢铁产业和生态环境的可持续发展。

关键词：产能表征要素;钢铁产能遥感表征要素;产能状况遥感监测模型;PSI;产能状况遥感判定标准

学科专业：地图学与地理信息系统

摘要

abstract

第1章 引言

1.1 选题的背景及意义

1.1.1 选题背景

1.1.2 研究意义

1.2 国内外本学科领域的发展现状和趋势

1.2.1 钢铁企业产能状况监测的研究进展

1.2.2 钢铁企业遥感监测的研究进展

1.3 钢铁企业产能监测方法存在的问题

1.4 研究内容及框架

1.4.1 关键词汇定义

1.4.2 研究内容与技术路线

1.4.3章节安排

第2章 研究区域与数据

2.1 研究区及样本企业

2.2 基础数据

2.2.1 GF-2 数据

2.2.2 Landsat8 TIRS数据

2.2.3 验证数据

2.3 遥感图像预处理

2.3.1 GF-2 数据预处理

2.3.2 地表温度反演

2.3.3 无人机遥感图像处理

2.4 本章小结

第3章 钢铁产能状况遥感监测的机理与模型

3.1 钢铁企业产能状况遥感监测的机理背景

3.2 产能表征要素遥感特征分析与验证

3.3 钢铁企业产能状况遥感监测模型

第4章 产能光学遥感表征要素识别与分析

4.1 目视解译识别方法

4.1.1 建立产能光学遥感表征要素解译标志

4.1.2 解译产能光学遥感表征要素的难点

4.1.3 识别精度验证与时间序列分析

4.2 基于Faster R-CNN网络模型的目标识别方法

4.2.1 Faster R-CNN网络模型

4.2.2 模型训练及识别效果

4.2.3 识别结果统计与时间序列分析

4.3 本章小结

第5章 产能热红外遥感表征要素提取与分析

5.1 钢铁企业热岛强度指数及成分分解

5.1.1 钢铁企业热岛强度指数与时间序列分析

5.1.2 基于STR方法的ISHII季节成分分解模型与时间序列分析

5.2 钢铁企业热岛面积比例指数与时间序列分析

5.3 本章小结

第6章 钢铁企业产能状况遥感监测方法验证及去产能应用分析

6.1 基于PSI的钢铁企业产能状况遥感判定标准

6.2 钢铁企业产能状况遥感监测方法验证

6.2.1 中小型钢铁企业钢铁产能状况遥感监测与验证

6.2.2 大型钢铁产能状况遥感监测与验证

6.2.3 精度影响因素分析

6.3 遥感监测京津冀地区重点钢铁企业去产能

6.3.1 京津冀地区重点钢铁企业产能状况遥感监测

6.3.2 辅助产能政策决策

6.4 本章小结

第7章 总结与展望

7.1 总结

7.2 创新点

7.3 展望

参考文献

致谢