中国非粮生物柴油能源植物的资源调查化学成分分析及评价筛选

被引量 : 8次 | 上传用户:deiseng
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在能源紧缺,环境问题日益凸显的大背景下,生物柴油由于具有可再生性、环境友好性、及良好的替代性等特点而成为国内外研究的热点。考虑到我国人口众多及人均耕地面积少的基本国情,利用大量的边际性土地资源来发展以非粮能源植物为基础的生物能源可谓一大创新,这不仅能做到“不与民争粮,不与粮争地”,还可以结合生态保护,缓解能源紧缺的压力。因此,摸清我国非粮生物柴油能源植物资源概况,评价筛选出具有开发潜能的能源植物具有重要意义。本研究在收集野外调查数据及文献查阅的基础上,对我国非粮生物柴油能源植物资源进行了整体分析,对所测得的种子含油量、脂肪酸组成等化学成分进行分析,并根据所建立的非粮生物柴油能源植物评价标准,对中国非粮生物柴油能源植物进行筛选,主要研究结果如下:(1)我国非粮生物柴油能源植物多样性明显,共有1390种,隶属于141科624属。含油量高且种类多的科主要有樟科、蔷薇科、大戟科、山茶科、卫矛科、葫芦科、木兰科、十字花科。(2)南方地区为我国非粮生物柴油能源植物分布中心,83.9%以上生物柴油能源植物分布在此。这与我国南方地区气候温润,热量资源丰富,降雨量充沛的气候优势有关。我国不同气候带的非粮生物柴油能源植物含油量、脂肪酸成分、十六烷值等差异不大;碘值差异相对显著,以高原高山气候带的最高。(3)初步筛选出具有潜在发展能力的中国非粮生物柴油能源植物共234份,有193种63科。涵盖了蔷薇科、樟科、豆科、木兰科、山茶科、大戟科、芸香科、无患子科、卫矛属等富油科属,以及野鸦椿(Euscaphis japonica),野核桃(Juglans cathayensis),黄荆(Vitex negundo),海南荛花(Wikstroemia hainanensis),苦树(Picrasma quassioides),苦楝(Melia azedarace)等多种富油种。除了大戟科的麻疯树(Jatropha curcas),山茶科的油茶(Camellia oleifera),无患子科的文冠果(Xanthoceras sorbifolia),漆树科的黄连木(Pistacia chinensis)外,其他189种都还未被开发利用。(4)对我国非粮生物柴油植物分布相对集中的南岭国家级自然保护区的非粮生物柴油植物进行调查研究后发现,该区共有非粮生物柴油植物77科190属471种;优势科有樟科、卫矛科、大戟科、芸香科、木兰科、山茶科、蔷薇科,主要分布于海拔1400m以下的常绿阔叶林带;科属分布区类型复杂多样,以热带成分占明显优势,同时也受温带成分较强烈的影响。
其他文献
在13℃~15℃、18℃~21℃和28℃~31℃的土层温度下,将体质量7.0g和3.0g的活菲牛蛭Hirudinaria manillensis放养到湿度35%~45%、底铺水稻田土的体积为580mm×380mm×60mm的80目
当前,我国政府把旅游消费作为了"扩内需、保增长"的战略引擎和主要抓手。本文结合我国2009年200个地级市的截面数据,基于分城乡的视角实证检验了旅游消费对经济增长的影响。
中俄两国自转轨以来,在政治上都进行了政党制度的改革,两者在改革的对象、改革的内容、改革的性质以及面临的问题等方面各有异同,但两者在政党制度的改革和发展中取得的一些
本文通过分析内部营销与内部市场导向的概念,构建了企业内部市场导向与企业总体绩效相关性的模型。采取内部市场导向行为的企业将分别在员工层面与部门层面产生积极影响,具有
随着全球信息化的发展,知识经济时代的到来,新的经济运行形式不但引起了社会生活的一系列变化,而且对政府管理也提出了新的要求。政府如何发展电子政务建设,来实现政府管理方
临空经济作为一种新型经济形态,逐渐成为区域新的增长极与产业融合的集聚空间。本文通过梳理临空经济发展的现状、机场建设与其辩证关系、发展临空经济的条件和临空产业空间
绘本作为一种图画故事书形式的教学资源,不仅适合小学生阅读,而且可以适当增加课堂的趣味性,帮助学生加深对教材的理解。课堂实践表明,绘本在小学英语教学中是不可缺少的教学
<正> 在推销活动中,推销人员与顾客各有不同的心理状态。它一方面表现为推销人员在与顾客的彼此接触中,双方处理相互关系的差异;另一方面表现为具有不同心理状态的推销人员及
目的探讨传统跨伤椎和经伤椎椎弓根内固定治疗胸腰椎压缩性骨折的疗效。方法总结2009年1月至2014年2月采用椎弓根螺钉内固定结合椎体内植骨治疗的胸腰椎压缩性骨折患者51例,
研究了基于数据挖掘算法对移动互联网数据包进行安全性检测的方法,其相比传统检测方法具有较好的灵活性。首先提取移动数据包中的内容特征,然后采用数据挖掘算法学习恶意移动