设计和编制海陆统筹的综合航海地图集服务于国家“构建海洋命运共同体”发展目标,同时也是促进海陆文化共融和海陆睦邻合作的重要推力,在当前地图学领域受到普遍关注。本文通过与航海专题图、陆地专题图的对比分析,从地图选题、比例尺、投影、地理分幅等方面探讨了海陆统筹地图集的表达特点,并从海陆并蓄视角出发,提出综合航海地图集基础地理框架的内容体系和构建策略。在此基础上,结合《世界航海地图集》的编制实践设计了其基础地理框架的具体建立方案：① 中小比例尺地图使用WGS84坐标系,较大比例尺地图使用CGCS2000坐标系;② 根据专题内容、制图区域、变形需要,制图单元可以使用等差分纬线多圆锥、墨卡托、古德等多种投影;③ 地理底图分为世界地图、典型区域地图、陆地地图、海域地图、航区地图、港口地图6种图型,其系列比例尺内容需按一定规则进行取舍和化简派生得到;④ 地图制图单元采用北方定向,联合地理分幅和地图分幅可生成灵活的图面布局。世界航海专题图集的编制实践表明,应用本文建立的基础地理框架能较好实现海洋与陆地的协调统一表达。

港口目标识别是海事船舶监管的重中之重,船舶自动识别系统（Automatic Identification System,AIS）所获取的船舶活动信息,可为港口目标识别提供高时相和高精度的船舶航行数据。为了探究AIS数据在港口目标识别中的应用,提出一种基于多源数据和船舶停留轨迹语义建模的港口目标识别方法。通过数据挖掘和语义信息增强构建船舶停留轨迹语义模型,识别船舶港口停留轨迹;建立基于随机森林的船舶停留方式分类模型,分类船舶泊位停留轨迹和船舶锚地停留轨迹,并利用空间逐级合并方法提取港口泊位和港口锚地;综合船舶泊位停留轨迹、道路、海岸线、水深、土地利用与土地覆盖等数据,顾及情景-领域知识实现港口目标识别。基于2017年96 790艘船舶的超8300万条AIS轨迹记录,应用本文方法识别南海研究区的港口目标。实验结果表明,本文方法对于船舶轨迹停留行为总体分类精度为0.9477, Kappa系数为0.8948。提取出南海研究区447个港口区域,与Google Earth影像叠加验证结果表明,提取结果均位于真实的港口影像内,相较于Natural Earth数据集中包含的南海区域24个港口点位,提取结果的完整性大大增强。因此,基于多源数据和船舶停留语义建模的港口目标识别方法对于港口目标识别具有较高的准确性和完整性。此外,该方法提取的港口区域可为基于遥感影像的港口目标识别提供靶区,从而提高大区域甚至全球范围内港口目标动态识别的效率。

利用海上交通事故空间分布特征进行安全分析是海上交通安全管理的重要组成部分。本文使用厦门港2008—2020年的海上交通事故数据,经过事故数据空间分布特征提取、分析及预测等流程,最终得到厦门水域海上交通事故潜在危险区域。本文首先使用原始事故数据在GIS软件中进行空间定位,形成事故点的可视化空间分布图,然后使用核密度分析法鉴别海上交通事故多发区域,再利用空间自相关分析法,得到该区域事故空间的分布特征和具体的聚集点,最后使用该分布特征、对目标水域数据进行标准化网格切分,并利用机器学习算法对潜在事故风险区域进行预测。本文在核密度分析结果中发现：就事故频度而言,厦门湾和西海域交通事故频度较高。在空间自相关分析的结果中表明：就空间分布特征而言,厦门港的空间分布出现聚集特征且为空间正相关模式,且就事故具体的空间聚集点而言,厦门湾和西海域仍是事故高发的中心区域。而最后的厦门湾及周边水域风险预测模型显示：潜在事故风险区域多位于沿海和河口交汇区域。本文研究结果表明在基于地理空间数据分布特征提取和网格化分析的基础上,结合机器学习方法（随机森林）,对于海上交通事故的预测具有良好的效果。

针对大型船舶长航道乘潮进港窗口期时长不充足问题,本文提出了基于船舶自动识别系统（Automatic Identification System,AIS）数据、港口潮汐数据、官方电子海图数据和航道地理位置数据等多源海事数据的大型船舶长航道精细化分段乘潮模型。首先,基于AIS数据采用K中心点算法对大型船舶乘潮航行行为特征进行挖掘,识别出大型船舶乘潮航迹关键点,计算大型船舶乘潮航行行为变化关键船位点。接着,结合长航道地理环境特征和大型船舶航行行为特征对长航道进行精细化分段,在此基础上基于港口潮汐数据构建大型船舶精细化分段乘潮窗口期计算模型。其次,设计乘潮历时自适应排列算法求解大型船舶乘潮最长窗口期;然后,以黄骅港综合港区航道为例验证了本文所提出的精细化分段乘潮模型。最后,基于电子海图数据利用地理信息系统平台实现大型船舶精细化分段乘潮三维动态推演,进一步验证大型船舶精细化分段乘潮航行的安全性。结果表明,该模型能够有效增加大型船舶乘潮进港窗口期时长,提高大型船舶乘潮进港效率,可为港航管理部门制定大型船舶进港计划提供理论指导。

随着“碳达峰”、“碳中和”发展目标的提出,液化天然气（Liquefied Natural Gas,简称LNG）作为清洁低碳能源逐渐受到能源市场的重视。在此背景下,重点分析LNG海上运输网络演化模式,对掌握全球能源格局动态和中国的进口贸易现状具有重要意义。本文利用船舶轨迹数据和复杂网络理论,聚焦2018—2020年全球LNG海上运输网络演化趋势;同时针对中国的贸易现状,重点分析中国LNG进口来源、主要进口港分布及进口量排名前三的进口港的货源流入状况。结果表明：① 2018—2020年,全球LNG海上运输网络呈扩大趋势,并呈现出“无标度”特性;同时骨干网络节点连接的“广度”和“深度”正在增强,全球LNG贸易存在趋于垄断的风险;② “一带一路”国家贸易参与度强,中北美、南亚和东南亚地区的进口港数量和进口航次数增长尤为明显,萨贝塔、邦尼按照贸易出口量排名已进入全球前八;③ 网络的平均最短路径值在2018—2020年逐年递增,“转运港”业务新模态逐渐兴起;截止到2020年共有21个转运港口参与LNG贸易中,美国占据全球转运的主导地位;④ 中国的LNG进口货量规模发展迅速,海上运输网络流向趋于多元,但澳大利亚仍占据主要来源地位;按照进口量统计天津港、深圳港和永安港排名前三,“减碳”压力促使经济发达地区建设接收站并且不断增大进口量。

内河港口是内河航运纽带的重要节点,评估内河港口的区位优势度对长江经济带港口基础设施建设等具有重要意义。以2021年长江沿岸内河港口为研究对象,采用多源数据,结合长江内河港口辐射范围内的3个指标并对原模型进行改进,结合AHP-EWM模型计算长江经济带长江沿岸28个港口的区位优势度,研究结果显示：① 除重庆和武汉以外,江苏省以外的其他省份港口辐射范围内交通网络密度都比较低;从交通干线影响度来看,分布比较均衡且数值较为相近;而城市经济影响力的空间分布较为无序;② 根据区位优势度的高低以及空间分布得出长江经济带货运港口空间格局为“三中心,一组团”的空间格局;③ 将内河港口按长江岸线所属省份进行划分后发现：江西省3个港口区位优势度差异最小,但其优势度也整体偏低;安徽省与江西省类似;江苏省整体优势度较高且差异小,湖北省的优势度差异最大,表明存在基础设施建设不均衡等问题且亟需改善。研究成果可对长江经济带内各个港口范围内基础设施建设、道路交通规划、港口选址等方面提供指导性意见帮助打通铁路、高等级公路进港“最后一公里”。