改进的“基于片层—面向类”竹林信息遥感提取算法及其应用

开展复杂地形区竹林的遥感精细化识别有助于及时摸清竹林分布,充分发挥竹林的生态和经济社会价值。在“基于片层―面向类”(FB-CO)算法基础上,尝试对该算法进行改进,并利用Sentinal-2A MSI影像验证改进的有效性。改进的“基于片层―面向类”(MFB-CO)竹林信息遥感提取算法利用归一化阴影植被指数NSVI代替单波段阈值分割明亮区与阴影区林地,采用线性回归模型增强阴影区信息,并引入BPNN、SVM和RF等3种分类器提取竹林。结果表明,基于NSVI的明亮区和阴影区林地分割总精度(OA)为96.00%,优于基于NIR的83.50%;阴影信息增强后,各波段拟合模型R²均大于0.82,MRE均小于5%;FB-CO算法的竹林提取OA为82.41%,在MFB-CO算法框架下,BPNN、SVM、RF等3种分类器的竹林提取OA分别为86.51%、88.43%、88.92%,均优于FB-CO算法。由此可见,MFB-CO算法通过改进FB-CO算法几个关键步骤的具体实现途径,有效提升了竹林信息提取能力,可为竹林的精细化识别提供技术支撑。     

协同治理与高校实验室全面管理的内在契合及实证

为了消除高校实验室管理存在的“条块分割”且难以整体联动的现象，文章从全方位视角、多元化主体和动态化管理三个维度展开理论分析，阐释协同治理理论与高校实验室全面管理的内在契合性，并通过问卷调查的方式对协同治理进行实证分析。研究表明，制度、人员、设施、安全体系等相关要素的完善对高校实验室全面管理具有正向推动作用，且各要素间的协同可以促进实验室的全面管理。在此基础上，文章还从制度制定与组织管理者、实验人员管理者、硬件设施管理者及实验安全管理者的角度，提出了协同治理理论下加强高校实验室全面管理工作的措施，以期推进高校实验室的可持续发展、增强高校实验室的全面管理能力。