美国UNOLS海洋调查船队发展及运行管理现状研究

美国是世界上拥有海洋调查船舶最多的国家。1971年,美国建立了大学-国家海洋学实验室系统(UNOLS),实现海洋调查船舶的统一协调。由此,美国成为世界上最早以成立船队的方式对海洋调查船舶及设施进行统筹管理、协调使用的国家。文章介绍了UNOLS的成立历史,通过调查研究UNOLS海洋调查船队组织机构、船舶特点、船舶使用情况等,总结其在海洋调查船队运行管理方面的做法和经验,并在此基础上提出了值得我国国家海洋调查船队学习和借鉴的建议。     

我国海洋调查船舶使用服务质量评估分析研究

实现我国海洋调查船舶的科学、高效管理是顺利开展海洋调查工作的重要保障。文章通过梳理国外海洋调查船舶服务质量评价方法,研究我国海洋调查船舶使用服务质量评估方式,基于国家海洋调查船队船舶的数据信息,从船舶服务质量的角度对海洋调查船的管理使用现状进行分析,并对我国海洋调查工作的开展提出几点建议。     

基于Sentinel-2 MSI影像与面向对象相结合的红树林树种精细化分类方法研究

红树林是最典型的滨海生态系统之一，红树林种间类型的精确识别对于红树林生态系统保护、修复及碳储量评估具有重要意义。遥感是开展红树林种间类型识别的有效手段，但传统的遥感红树林分类方法多是基于像元开展的，分类结果“椒盐”现象严重且精度还有很大提升空间。因此，本研究以东寨港红树林保护区为例，基于Sentinel-2 MSI影像，在传统遥感分类方法的基础上引入图像分割技术，分别构建了面向对象的支持向量机（Support Vector Machine,SVM）和随机森林（Random Forest,RF）分类法，并在此基础上对各模型的分类精度和适用性进行了分析。模型对比结果表明：（1）图像分割技术的引入能有效改善分类结果的“椒盐”现象，提升红树林种间类型的识别精度，基于像元使用SVM和RF分类算法总体分类精度分别可达78.82%(Kappa=0.75)和82.94%(Kappa=0.82)，面向对象的SVM和RF模型分类总体精度分别可达81.5%(Kappa=0.78)和92.67%(Kappa=0.88)，相较于以像元为分类对象的模型而言，后者精度分别提高了2.68%和7.43%;(2)从4个模...