美国国家海洋保护区办公室(ONMS)在其水域拥有15个国家海洋保护区(NMS)和两个纪念碑。有魅力的海洋巨型动物,如长须鲸(<斜体>Balaenoptera physalus斜体>),座头鲸(<斜体>Megaptera novaeangliae斜体>)和各种飞燕类经常出现在这些地区,但对它们的栖息情况知之甚少。为了更好地了解NMS的音景,在7个NMS (Stellwagen Bank, Gray 's Reef, Florida Keys, Olympic Coast, Monterey Bay, Channel Islands和夏威夷群岛座头鲸保护区)内分析了22个近连续的被动声学底部安装录音机和一个底部安装电缆水听器。分析了座头鲸和长须鲸2年(2018年11月- 2020年10月)的每日声学存在,以及飞燕类1年(2019年6月- 2020年5月)的每小时声学存在。座头鲸在整个NMS中表现出声音存在的变化,但一般来说,主要出现在1月至5月和9月至12月,6月至8月更加稀少或完全没有。连续几天座头鲸的发声在夏威夷群岛座头鲸NMS的HI01和HI05站点最大,在海峡群岛NMS最小。长须鲸在整个西海岸NMS和Stellwagen Bank NMS表现出类似的季节性模式。蒙特雷湾NMS连续出现长须鲸的中位数最多,Stellwagen Bank NMS最少。飞燕的声音存在在整个NMS中和NMS内各不相同,海峡群岛和夏威夷NMS的站点显示出最高的占用率。所有NMS都显示出不同的飞燕蝇声存在,在白天<斜体>和斜体>之间的探测小时数存在差异。 Sixteen sites had medians of delphinid presence between one and three consecutive days, while three sites had 5 days or more of consecutive presence, and one site had no consecutive delphinid presence, showing clear variation in how long they occupied different NMS. Marine mammals utilized all NMS and showed a wide range of occupancy, emphasizing the importance of understanding species use across different NMS as biological areas for migration, breeding and foraging.
在阿尔卑斯地区,土地覆盖测绘对于监测地表占用变化(如造林、城市化等)非常有意义。在这项试点研究中,我们研究了同样通过云层获得的雷达卫星成像(c波段单极化SENTINEL-1合成孔径雷达,SAR)的时间序列如何替代光学成像进行土地覆盖分割。具体来说,我们为每个位置(使用超过45 × 45 <斜体>m斜体>的SAR像素)计算干涉SAR (InSAR)相位超过1年的时间相干矩阵。这个大小为60 × 60的归一化矩阵(60个采集日期超过1年)总结了土地反射率的变化。开发了支持向量机(SVM)和卷积神经网络(CNN)两种机器学习模型,用于估计6种主要土地覆盖类别(如森林、城区、水体或牧场)的土地覆盖分类性能。训练数据库是通过将法国格勒诺布尔山区的参考标记CORINE土地覆盖(CLC)地图投影到雷达几何图形中创建的。经过评估,两个模型都表现出良好的表现,在Chambéry区域(法国)的总体精度为78% (SVM)和81% (CNN)。我们展示了如何即使使用空间粗糙的训练数据库,我们的模型也能够很好地泛化,因为大部分错误分类是由于地面真相图的低精度造成的。虽然可以采用一些计算费用较低的方法(使用光学数据),但这种基于非常不同的信息,即一年之内土地变化的模式的土地覆盖制图可能是互补的,因此是有益的;特别是在山区,由于云层的原因,光学成像并不总是可用。 Moreover, we demonstrated that the InSAR temporal coherence matrix is very informative, which could lead in the future to other applications such as automatic detection of abrupt changes as snow fall or landslides.