基于核心素养的高中地理情境教学探索 ——以"人口迁移的影响"为例

核心素养是学生全面综合发展的必备品格和关键能力,在新课程改革的背景下,如何创设有益情境成为每位教师必须考虑的事情.教学情境贵在真实、重在提升、妙在实践,良好的教学情境能将真实社会浓缩在课堂之内,利用有限的资料与空间,迸发学生无限想象.本文对情境教学与核心素养的关系展开分析,以教学案例为依托,总结地理课堂利用情境教学落实核心素养的策略.     

一种新的基于模糊分析观测信息的局地化方法

地球表层系统是一个极其复杂的巨系统,为了更精确地表达地球表层系统各种过程的动态演进,解决数据同化系统观测误差的估计与处理已经成为地球科学领域备受关注的问题之一。在地球科学系统数值模拟中,一般采用集合数据同化来探讨地学变量预报时的各种误差。集合类卡尔曼滤波通常会由于集合数过小而带来欠采样、协方差低估、滤波发散和远距离虚假相关等问题。针对背景误差协方差被低估问题,局地分析方法（Local Analysis, LA）在一定程度上能起到抑制作用,但无法彻底解决背景误差协方差的虚假相关问题。因此,本文在集合卡尔曼滤波的算法框架下提出了一种与模糊逻辑控制算法相耦合的局地化分析方法（Fuzzy Analysis, FA）。在强非线性Lorenz-96模型中,对不同模型误差下的LA和FA方法进行了性能优劣方面的探讨,并比较分析了2种方法在集合数、观测数和观测位置、放大因子以及强迫参数变化时的同化性能。实验采用均方根误差作为算法评判依据,同时用功率谱密度（Power Spectral Density, PSD）更直接地对2种算法性能优劣作出了评价。结果表明：在完美模型下,FA相对于LA降低了17.5%的均方根误差（Root Mean Square Error, RMSE）;随着模型误差增大,RMSE减小的百分比和减小幅度都在降低;在严重模型误差下,FA降低了8.6%的RMSE。总体而言,新算法FA的有效性和鲁棒性都得到了验证,并且在EnKF同化基础下有效改进了传统的局地化分析方案,优化了观测误差处理,为今后的数据同化研究提供了一个较为全面的观测误差研究平台。     

一种新的耦合模糊控制局地化的同化方法

由于在数据同化过程中远距离的观测与同化状态之间存在着虚假相关,局地化方法受到广泛关注。同时,在集合数目较少的同化情况下,观测数据难以得到有效利用,使得同化效果欠佳。因此,提出了一种新的模糊控制局地化同化方法,通过模糊控制算法判断观测点与状态更新点之间的距离,构造观测位置模糊权重。利用非线性Lorenz-96模型,比较分析模糊控制局地化同化(FLETKF)算法与模糊控制同化(FETKF)方法、局地化分析同化(LETKF)算法和集合转换卡尔曼滤波(ETKF)算法在非线性强迫参数变化时的性能,同时探讨了4种算法在不同强度下的优劣。研究结果表明,新方法能够获得更有效的观测权重,避免了远距离观测与状态变量之间的虚假相关,减小由于观测数据难以得到有效利用而带来的误差,在不同观测误差协方差情况下,随着集合数的增加,4种算法中FLETKF能够保持较好的鲁棒性,在观测误差协方差较大时,FLETKF方法的均方根误差(RMSE)相对FETKF方法的RMSE值减小98.2%,提高了同化精度,但在同化所需时间上,由于模糊控制局地化同化方法在判断观测点与状态更新点之间的距离,构造观测位置等价权重需要较长的额外时间,因此,并行计算的性能需进一步研究。