国外海岛旅游开发经验对我国海岛旅游开发的启示

海岛旅游有着休闲与放松,浪漫与时尚,远离城市喧嚣等特点,因此近年来备受旅游者的喜爱,逐渐成为旅游业的热点.现在,国外很多海岛的旅游业达到了高度发展的状态,而中国海岛旅游正处在积极地进行旅游开发建设中,因此,需要借鉴世界一些已经成熟发展的海岛旅游经验来促进我国海岛游的健康快速发展.文章首先论述我国海岛旅游发展存在的问题及不足;其次,借鉴世界著名海岛旅游的成功开发经验;最后,提出了一些发展我国海岛旅游业的建议.     

基于时间序列遥感影像的广西南流江口海岛变迁研究

广西南流江口无居民海岛生态系统较为脆弱,自海岛地名普查以来,该区域海岛形态和岛体开发利用变化显著。文章基于2012—2019年共8期遥感影像,开展南流江口海岛形态和开发利用的遥感提取和变化检测,并逐年分析海岛变化情况。遥感监测结果表明：2012—2019年,南流江口10个海岛形态变化显著,面积减少约61.8%,2个海岛岛体新增开发利用变化;重点说明花轿铺、小砖窑岛和小平墩岛3个显著变化海岛的逐年变迁情况,并分析海岛变迁的主要原因,为海岛保护和管理提出若干建议。     

海岛旅游可持续发展研究概述

海岛旅游可持续发展是旅游可持续发展的延伸,但由于海岛地理位置的特殊性、旅游资源的区域性、生态系统的脆弱性等限制条件,海岛旅游可持续发展研究又不同于一般的陆地旅游可持续发展研究.     

辽宁海岛旅游资源开发研究

通过对辽宁海岛旅游资源特点与类型分析，确定旅游资源开发的重点海岛，并划分海岛旅游景区以及探讨与陆上旅游区的联系。     

保护海岛旅游资源，倡导海岛旅游低碳发展方式

科学合理地开发利用海洋资源,对于维系生态环境具有重要意义。从我国海洋资源的现状出发,对海岛资源如何开发管理,如何推进低碳旅游方式,促进旅游资源的可持续发展,更好地利用我国丰富的海岛资源进行了科学的分析和研究,并提出开发与保护的对策。     

滨州沿岸近16年间海岛变迁遥感监测

滨州沿岸海岛众多。近16年来,海岛数量不断减少。文章利用3期遥感影像对滨州沿岸海岛变迁进行调查,并分析了其变迁的原因。研究表明,1992—2005年,因养殖与盐田开发导致42个海岛消失,30个海岛失去海岛属性;2005—2008年,因同样原因导致6个海岛消失,1个海岛失去海岛属性。由于现场验证不完整,因此上述结论可能存在一定误差。     

基于遥感的海岛植被生态宏观评价方法初探

以遥感中的像元二分模型为理论基础,通过求解归一化植被指数(NDVI),估算海岛植被覆盖度,形成了一个能够综合反映海岛生态系统状况的植被生态遥感评价指数,有助于不同海岛之间植被生态状况的对比分析和评价.选取舟山群岛中3个面积较大的海岛作为研究对象,利用陆地卫星TM遥感资料,计算得到3个海岛的植被生态遥感评价指数.分析表明...     

舟山海岛旅游产业可持续发展研究

舟山是我国唯一由群岛组成的海上地级城市.旅游产业已成为舟山海岛经济发展的支柱产业和先导产业,其最大特征是将其景观造型、色泽和要素的组合以及千姿百态的岩石等景观依附于海岛自然资源与自然环境.如何开发利用有限的、不可再生的及稀缺的海岛资源,使舟山旅游业可持续发展,是现在乃至今后值得关注与研究的重大问题.因此,从海岛旅游业可持续发展的角度,分析舟山旅游业发展中的影响因素,针对舟山海岛旅游开发中存在的问题,提出相应的对策.     

旅游型无居民海岛环境承载力评价体系的建立和应用——以海南省蜈支洲岛为例

文章从自然环境和社会环境2个系统层,精选景观多样性和可利用土地面积比重等14项评价指标,采用层次分析法计算评价指标权重和综合评价影响指数,探索建立旅游型无居民海岛环境承载力评价体系。以海南省蜈支洲岛为例,评价其环境承载力,研究结果表明:自然环境条件是影响蜈支洲岛环境承载力的首要因素;目前蜈支洲岛仍有一定的环境承载力,可持续发展潜力较大;原生态的自然环境以及科学合理的开发利用规划和措施是提升蜈支洲岛环境承载力的核心要素。旅游型无居民海岛环境承载力评价体系的建立和应用,对无居民海岛的旅游开发利用和生态环境保护具有重要的参考价值。     

基于卫星遥感的长山群岛岛礁空间格局分析

群岛的空间分布格局是确定群岛开发利用方向的重要依据。在利用遥感技术和地理信息系统技术相结合的方法对长山群岛岛礁资源进行详细调查的基础上,借用景观生态学中的相关空间格局指数,对长山群岛岛礁资源空间分布格局进行了深入的分析与评价。结果表明:高分辨率卫星遥感影像可以较准确地对长山群岛岛礁空间格局进行调查。基于地理信息系统的岛礁空间格局指标是对长山群岛岛礁空间格局描述的有用方法。长山群岛岛礁在空间分布上表现出明显的空间簇团状分布格局,可以分为长山岛群、广鹿岛群、石城岛群、海洋岛群和獐子岛群,其空间聚集度指数分别为0.28,0.22,0.51,0.13和0.33。这种岛礁的簇团状空间分布格局具有很大的经济开发潜力。     

城市热岛效应的卫星遥感分析

利用MODIS资料研究了2004年4月南京城市热岛特征及其影响因子,结合地表覆盖类型分析了植被归一化指数（Normalized Difference Vegetation Index,NDVI）、地表温度（Ts）、地表反照率（α）的城乡差异及其相互关系,探讨了城市热岛（Urban Heat Island,UHI）效应形成的机制。结果表明：南京城区存在着明显的城市热岛效应;城市平均Ts比乡村高约10．83％;城市NDVI和α分别比乡村低约为62％和18.75％;NDVI与Ts呈负相关,相关系数为-0．73,而NDVI与α之间关系与波段有关;城乡植被覆盖差异是造成UHI的主要原因,其次是地表反照率,通过提高植被覆盖率和地表反照率可以减小城市热岛效应。     

基于遥感和GIS的长岛南五岛近30年海岸线时空变迁分析

海岛不仅具有很高的资源、生态和经济价值,而且对维护国家海洋权益具有重大意义。本文基于遥感和GIS技术,利用1982、1995、2006和2015年的Landsat卫星遥感影像,分析了近30年来长岛南五岛海岸线的时空变化特征。结果表明:1982年以来,长岛南五岛近30年的海岸线长度增加了9.54 km,海岸线呈向海推进趋势,平均推进速度为0.54 m/a。海岸线变化主要受人为因素的影响,变化比较大的岸段主要分布在南长山岛和北长山岛的西部,以养殖开发、填海造陆与港口建设为主。研究认为,海岸线的变化,将会导致诸如岸线侵蚀等环境问题,应注意合理开发、利用海岸线资源。     

海冰密集度卫星遥感反演研究进展

海冰密集度是海冰的重要参数之一,在冰区导航、海上作业、海冰模式验证和气候模型改进等方面具有重要意义。卫星遥感具有覆盖范围广、重访周期短、成本相对低等优势,已成为获取海冰密集度的主要观测手段。本文从主被动微波遥感和光学遥感的角度,回顾了现阶段海冰密集度卫星遥感反演研究进展情况,包括海冰监测传感器、海冰密集度反演算法和海冰密集度产品等。结果表明,被动微波遥感是目前获取海冰密集度的主要方式,已发展出许多成熟的业务化算法;主动微波遥感数据已成为制作冰情图的主要数据源,海冰密集度反演算法由合成孔径雷达SAR（Synthetic Aperture Radar）图像分类向深度学习算法发展;光学遥感海冰密集度算法较为成熟,但受限于云层和夜晚限制,其反演结果多用于其他海冰密集度产品的验证。受传感器硬件限制,3种观测手段各有其长处与不足。为获得高精度、高时空分辨率的海冰密集度数据,开展多源数据融合研究是解决传感器性能瓶颈的有效手段。大数据时代,基于深度学习的海冰密集度卫星遥感反演技术快速发展,需要深度融入海冰密集度卫星遥感领域知识。海冰密集度卫星遥感反演应着力于海冰预报服务,致力于提高我国的海冰预报能力。     

利用卫星遥感技术监测赤潮的研究

赤潮灾害的频繁发生，给海洋生态环境和海洋渔业经济造成了严重危害。卫星遥感技术的不断完善，为快速、有效地动态监测赤潮灾害提供了可能，通过卫星图片的校正、合成、分析、解释、判断分析，可以迅速连续地掌握赤潮的发生状况，对于研究防控和治理赤潮灾害有着十分重要的意义，本文就如何利用卫星遥感技术监测赤潮进行了探讨。     

罗斗沙岛动态变化的遥感监测

罗斗沙岛是我国首批公布的可以开发利用的无居民海岛之一,属于泥沙岛,岛体极不稳定,动态变化比较大。本文利用1973—2011年间12个时相的遥感影像,分析了罗斗沙岛近40 a来的动态变化情况。研究结果表明:近40 a来,罗斗沙岛的位置、形状和大小均发生了较大的变化。罗斗沙岛的动态变化可分为3个阶段:第一阶段(1987年以前),罗斗沙岛为一个完整的岛体;第二阶段(1987—2001年),罗斗沙岛被分为东北和西南两部分;第三阶段(2001年至今),罗斗沙岛的西南部分消失,仅剩下东北部分。本文的监测结果可为编制罗斗沙岛的海岛保护与利用规划、制定海岛开发利用的具体方案、提出海岛的生态保护措施等提供数据支撑,进而为罗斗沙岛的生态保护和相关部门对其进行海岛管理提供服务资料。     

卫星遥感影像在海岛(礁)测图中的应用研究

利用卫星遥感影像进行大比例尺海岛(礁)测绘过程中,为解决独立无控岛屿立体测图和海岸线内业测量精度低以及海岸带不接边等技术问题,对在实际生产中应用的稀少控制区域网平差、海岸线潮位推算法和要素接边原则等关键技术进行了论述,并通过数据分析得出了技术应用的正确性,为今后利用高分辨率卫星遥感影像进行海洋测绘提供借鉴。     

Terrestrial and Submerged Aquatic Vegetation Mapping in Fire Island National Seashore Using High Spatial Resolution Remote Sensing Data

The vegetation communities and spatial patterns on the Fire Island National Seashore are dynamic as the result of interactions with driving forces such as sand deposition, storm-driven over wash, salt spray, surface water, as well as with human disturbances. We used high spatial resolution QuickBird-2 satellite remote sensing data to map both terrestrial and submerged aquatic vegetation communities of the National Seashore. We adopted a stratified classification and unsupervised classification approach for mapping terrestrial vegetation types. Our classification scheme included detailed terrestrial vegetation types identified by previous vegetation mapping efforts of the National Park Service and three generalized categories of high-density seagrass, low-density seagrass coverages, and unvegetated bottom to map the submerged aquatic vegetation habitats. We used underwater videography, GPS-guided field reference photography, and bathymetric data to support remote sensing image classification and information extraction. This study achieved approximately 82% and 75% overall classification accuracy for the terrestrial and submnerged aquatic vegetations, respectively, and provided an updated vegetation inventory and change analysis for the Northeast Coastal and Barrier Network of the National Park Service.     

Terrestrial and Submerged Aquatic Vegetation Mapping in Fire Island National Seashore Using High Spatial Resolution Remote Sensing Data

The vegetation communities and spatial patterns on the Fire Island National Seashore are dynamic as the result of interactions with driving forces such as sand deposition, storm-driven over wash, salt spray, surface water, as well as with human disturbances. We used high spatial resolution QuickBird-2 satellite remote sensing data to map both terrestrial and submerged aquatic vegetation communities of the National Seashore. We adopted a stratified classification and unsupervised classification approach for mapping terrestrial vegetation types. Our classification scheme included detailed terrestrial vegetation types identified by previous vegetation mapping efforts of the National Park Service and three generalized categories of high-density seagrass, low-density seagrass coverages, and unvegetated bottom to map the submerged aquatic vegetation habitats. We used underwater videography, GPS-guided field reference photography, and bathymetric data to support remote sensing image classification and information extraction. This study achieved approximately 82% and 75% overall classification accuracy for the terrestrial and submnerged aquatic vegetations, respectively, and provided an updated vegetation inventory and change analysis for the Northeast Coastal and Barrier Network of the National Park Service.