“澳大利亚地理教材中的案例学习”读后感——为学生提供更为广阔的地理学视角

未读此之前，我绝对想象不出柬埔寨人民过的是这样一种贫穷的生活，相信作为澳大利亚这一发达国家的孩子看完这则案例后，也会经历和我一样的情感体验。利用这样的案例教学，比单纯用一些专业术语给学生列出条条框框，让他们机械地去记忆效果要好得多。因为，首先像这种叙事性的章，学生愿意看，容易调动起他们的学习兴趣。其次，看这样的章，通过一些具体的事实，例如“她奢侈地买了一片西瓜；没钱买肥皂；木柴也快用完了，要节省着用……”，也许学生会因此萌发出一种要加倍珍惜现在的富足生活的思想，也许还有的学生会对柬埔寨人产生怜悯之情，想要帮助他们摆脱贫穷，     

联系家乡变迁 创设学习情境

苏霍姆林斯基指出：“没有欢欣鼓舞的心情，没有学习的兴趣，学习就会成为学生的沉重负担。”课堂能否激发学生的学习兴趣，使学生有个愉悦的学习环境，更多取决于教师在课堂上创设的情境，这是学习提高学习效率的重要前提。     

培养识图技巧 提高学习能力

现行九年制地理教材主要由文字系统、图像系统和活动内容三大部分构成，而占了绝大部分版面的是图像。现以人教版地理(八年级下册)新教材为例，这些地理图像由地图、统计图表、示意图、景观图、人物插图等组成，具体分布情况见下表：     

教师吟诗作赋 学生爱屋及乌

初中地理与高中地理的不同点之一，表现在地理事实多一些，地理原理少一些。也就是常说的初中地理多讲“有什么”，高中地理多讲“为什么”。初中地理大量的“有什么”，如果处理不好，容易降低学生学习兴趣。我利用自身吹拉弹唱、吟诗作赋的才艺，尽可能使单调的地理课堂变得生动、幽默，使学生爱屋及乌、爱我及“地”。比如，学习第二章中国的“地势和地形”这一节时，我把我写得“中国地形赞”投影出来，用于新课导人和课堂小结。     

看图行天下：自主学习国家地理的尝试

学会“看”图是培养学生自主学习能力的有效途径。传统的做法是教师教学生阅读地图上的主要信息，要求学生记住一些地图符号，告诉学生该怎样分析这些信息。这一过程是将学生作为一个被动学习的接收体，忽略了对学生自主学习方法和能力的培养，如果离开了教师和课堂，学生就很难独立完成学习。     

基于建构主义理念,优化初中地理学习活动设计——以沪教版初中地理七年级上册"季风气候显著"为例

建构主义强调学习是个体在原有经验的基础上通过自主建构或社会建构形成新经验的过程。自主性、互动性、反思性、建构性是建构主义理念下学习活动的特点。本文通过课例分析,提出了一些优化学习活动设计的建议。     

基于时频特征的高分辨率遥感图像道路提取

针对传统的遥感图像道路提取算法存在错漏率较高的问题,提出一种基于时频特征提取和域自适应学习分类器的高分辨率航空遥感图像道路提取新算法。首先利用地统计学抽取道路的时域纹理特征和三维小波变换抽取道路的频域光谱特征,构成高分辨率航空图像中的道路特征。然后使用抽取的道路特征训练由迁移支持向量机模型构建的域自适应分类器,并对高分辨率航空遥感图像进行道路粗提取。最后,结合道路形态特征,用数学形态学方法处理粗分类后的道路,获得提取后的完整道路。仿真实验表明,所提方法能有效降低高分辨率航空遥感图像道路提取中非道路目标的干扰,提高道路提取的精确性。     

迁移学习支持下的高分影像山地滑坡灾害解译模型

无人机低空遥感是近年来新兴的一种快速获取灾情信息的手段,如何利用无人机高分影像构建滑坡灾害解译模型是实现快速自动解译滑坡的关键。针对该问题,对比了多种影像特征提取方法,将迁移学习(TL)特征和支持向量机(SVM)引入到构建滑坡灾害自动解译模型中,提出了一种TL支持下的高分影像滑坡灾害解译模型。选取5·12汶川地震及4·20芦山地震系列无人机影像构建了滑坡灾害样本库并进行了实验,TL特征方法整体分类准确度ACC为95%,ROC达到0.98,识别准确率达到97%。结果表明,所提方法可用于高分影像滑坡自动解译,同时可用于大面积高分影像中快速山地滑坡灾害定位及检测。     

利用多光谱卫星遥感和深度学习方法进行青藏高原积雪判识

青藏高原积雪对全球气候变化十分重要,针对已有积雪遥感判识方法中普遍采用的可见光与红外光谱数据易受复杂地形与高海拔影响,导致青藏高原地区积雪判识精度较低的问题,提出了一种基于多光谱遥感与地理信息数据特征级融合的积雪遥感判识方法:以风云三号卫星可见光与红外多光谱遥感资料与多要素地理信息作为数据源,由地面实测雪深数据与现有积雪产品交叉筛选出样本标签,构建并训练基于层叠去噪自编码器(SDAE)的特征融合与分类网络,从而有效辨识青藏高原遥感图像中的云、积雪以及无雪地表。经地面实测雪深数据验证,该方法分类精度显著高于使用相同数据源的FY-3A/MULSS积雪产品,略高于国际主流积雪产品MOD10A1与MYD10A1,并且年均云覆盖率最低。试验结果表明该方法可有效地减少云层对积雪判识的干扰,提升分类精度。