强化语言艺术 提高教学效果

地理学科既不象语文，具有完整性和故事性，也不象数理化，具有连贯性，一环扣一环，环环相连。地理既有整体性，又有独立性；既集中又分散。在讲解之时，困难较多，容易形成枯燥乏味之势。要改变这种不利于教学的状态，只有靠教师自身的素质，提高教学的语言艺术。如果教师的语言幽默、风趣，能够把一段文字，一个事例，几组数字讲得生动有趣。     

隆中谈名

隆中之有名，盖因其为诸葛亮之住地也。南朝宋代的史学家裴松之写道：“亮家于南阳之邓县，在襄阳城西二十里，号曰隆中。”现在该地已不归河南邓县管辖，而属湖北襄樊市。初冬季节，来到隆中。在襄樊火车站前花四元钱买了一张票，坐一辆破旧的面包车，逛荡十分钟，再爬一个十分钟的坡儿，隆中就到了。脚下就是诸葛亮躬耕陇亩的地方，已被襄樊师专的楼房所占，有百八十亩吧。罗贯中写隆中，山也秀雅，水也澄清，地也平坦，林也茂盛，住下来以后，才知道这里只是一个三面环山的大沟，节气已到，山水林地全然透着肃杀的寒气。显然我来的不是时…     

长江下游三省一市农业自然资源利用方向和发展对策

沪，苏，浙，皖三省一市，处于长江下游平原水网地区，并有丘陵，低山分布，属暖温带和北，中亚热带气候区，濒临黄海，东海，每年为国家提供大量农产品。要利用上海浦东开发，沿海，沿江城市开放的有利条件，通过改造中低产口，利用零星荒地，开发滩涂，水面，以高产，优质，高效农业为目标，加速发展优质稻，小麦，蚕丝，棉花，瘦肉型猪，水禽，海水鱼，对虾，茶叶，特种水果等农产品，满足国内人民需要，并增加外汇收入。     

放手学生实践 鼓励学生创新

以人为本的素质教育，要求我们在地理教学实践活动中，面向全体，因材施教，使学生能生活会学习，能合作会探究，能实践会创新。教师的角色是创设一系列活动，精心设计好自学提纲，提出自学目标，当好学生学习的指导者、帮助者和促进者。课堂上，只要是学生自己能读懂学会的，就放手让学生自学，让学生自己会学要学习的东西。学生学习新知识的过程中，会不断发现新的问题，     

巍峨雄伟的秀峰──首山

首山位于辽宁省兴城古城之东3公里，介于古城与海滨之间，为国家级森林保护区。首山三峰相峙，状若人首而得名。清朝称“三首山”，民国称“首山”。“首山”为孤峰，平地突起，海拔329．7米，南北走向，跨越面积8平方公里。首山北连窟窿山，中间隔一隘口，京沈公路和京沈铁路从隘口通过，两山对峙，形如关门。山峰挺拔，地势险要，屹立渤海辽东湾北岸，为辽西走廊咽喉，是古邑兴城东北天然屏障。首山为历代兵家必争之地。明末清初的“宁锦大捷”，首山就是主战场。首山中峰筑有烽火台一座，高7米，直径13米，是古代传报军情的设施，遇有敌…     

黄河三角及渤海莱州湾滨海区土壤资源及其合理开发利用

黄河三角洲及渤海州湾滨海区土资源以土壤含盐量高和肥力低为其突出特点，干旱的气候，黄河尾闾河道的摆动，咸水的侵染，风暴潮的侵袭等自然条件和人类活动决定着土壤发生与发展的总趋势。生物与工程措施 相结合综合治理旱，涝，盐，咸，瘦，农，林，牧，渔，盐综合发展，是合理开发土壤资源，维护生态平衡的可行途径。     

向大漠腹地挺进（续）——塔克拉玛干“尼雅遗址”考察纪行（续）

《大唐西域记》对塔克拉玛干大沙漠是这样描述的，“从此东行入大流沙，沙则流漫，聚散随风，人行无迹，遂多迷路，四远茫茫，奠知所指，是以往米者聚遗骸以记之。乏水草，多热风，风起则人畜昏迷，因此成病。时闻歌啸，或闻号哭，视听之间，恍然不知所至，由此屡有丧亡……。”这段言简意赅的文字，完全是对塔克拉玛千大沙漠腹地行路生活的真实写照。     

蛇年话蛇

2001年，是农历辛巳年 (即蛇年 )。蛇，中国人叫它长虫，由于它面目狰狞，且有毒蛇混入其中，大人小孩都怕它三分。于是，自古以来，人们一直都说它的坏话，什么，“杯弓蛇影”、什么“一朝被蛇咬，十年怕井绳”等等。其实，恶名之下也有美德，在世界各地有许多奇特的蛇，颇为有趣，这里介绍几种。 工蛇 这是一种生活在世界有名的蛇城——西非贝宁南部维达市，由人工驯化的无毒蟒蛇。此地家家户户养有这种“工蛇”。人们之所以称之为工蛇，是因为它要为主人做很多工作。白天它得照护婴儿，看守大门，吃掉侵害住宅的毒蛇与虫鼠，或者与人们…     

城市山水

一座城市，依山傍水，显得美丽、活泛，富有生气。山岭蜿蜒，绿树叠翠，云雾缭绕，组成城市的布景。街道依山而建，溜溜而行，如巨龙腾飞。房屋高低错落，掩隐在树林里，这儿那儿伸出瓦角。一条河穿城而过．弯弯扭扭，街道顺着水流弯弯流动，河水轻轻拍打着曲岸。临河的房屋悬吊在水上，瓦角斜挑雾霭。房屋和树林、山岭一起倒映在水中。一条小船划过，水中的山影、树影和房屋都颤微微晃动起来，宛若仙境。     

城市森林亟须生态健康评价

俗话说“前人栽树，后人乘凉”，可在北京一些地方却出现“前人栽树，后人遭殃”的说法。原来，由于北京多年来采用单一树种大面积营造人工纯林，使森林内的生物多样性锐减，病虫害大量发生。比如，平原地区由于病虫危害严重，在短短四十多年里，不得不频繁更换栽植树种，上世纪50年代钻天杨，60年代加拿大杨，70年代北京杨，80年代欧美杨，90年代又换成毛白杨。再如，城市草坪大量引进国外草种，而欧美国家气候湿润，草的根系极短，引种北京后出现草皮根系不向下扎，全靠人工浇水，对于水资源缺乏的北京市而言很不合适。还有一些引进树种耗水问题越来越突出，甚至有“绿色沙漠”的提法。     

塔里木盆地南缘绿洲土地覆盖变化

绿洲土地覆盖变化信息的定量提取在干旱区生态环境演变研究中具有重要价值，选择塔里木盆地南部特有的干旱地区和田绿洲于田县为研究区，首先对土地覆盖变化信息提取方法作了对比论述，并对利用卫星遥感数据的空间结构信息以提高分类精度，进而提高分类后比较法的总体精度进行了研究；最终利用该方法做出的系列图件，总结了该地区近10年来的土地覆盖类型变化，并与实地考察结果及有关资料结合，分析了该地区近年来的环境变化及其影响因素，其方法和结论对塔里木盆地南缘绿洲地区未来的环境可持续发展研究具有一定参考价值。     

基于Landsat 8 OLI数据与面向对象分类的昆嵛山地区土地覆盖信息提取

利用2015年Landsat 8 OLI遥感影像和DEM作为分类数据源,结合野外调查数据,采用面向对象的分类方法对昆嵛山地区土地覆盖信息进行提取,并对分类结果进行精度评价与比较分析。研究表明：面向对象分类方法提取的各地类连续且边界清晰,分类效果与实际情况基本吻合。昆嵛山地区占主导地位的土地覆盖类型是针叶林,面积为1 546.81 km²。研究区土地覆盖分类的总体精度和Kappa系数分别为91.5%和0.88,其中针叶林、草地、水体和建设用地的生产者精度均达到87%以上。相对于监督分类方法,本研究提出的土地覆盖信息提取方法的总体分类精度和Kappa系数分别提高14.7%和0.17。基于面向对象的中分辨率遥感影像,能够获取较高精度的土地覆盖信息,为大范围土地覆盖分类研究提供方法参考。     

基于遥感数据的元江县植被/土地利用类型研究

元江县山区面积占全县总面积的96．8％，垂直高差达2253m，地形复杂，植被类型存在明显的垂直分布。只用一个解译体系来解译这一有较大差异地区的影像是有困难的。因此本研究为提高影像解译的准确性，在对2002年2月9日覆盖元江全景的TM卫星影像进行数据校正、影像融合、影像分层、计算机自动监督分类的基础上，利用全球卫星定位系统(GPS)，结合野外踏察及地形图、土地利用相关信息对机读结果进行目视检验和GIS分析校正，最终划分出18类植被类型、9类土地利用类型。判读结果经检验，土地利用的判读精度为84．2％，植被类型的判读精度为80．6％。     

Qualitative satellite image analysis: Mapping spatial distribution of farming types in Ethiopia

Satellite images have enormous potential for qualitative land use analysis. This paper presents empirical results that demonstrate how normally invisible dimensions produced by land use can be identified by enriching satellite data with qualitative information from field studies.Land use can be defined as the intentional use of a specific piece of land resulting in patterns of ecological responses that are visible in the land cover and landscape. Responses to land use often result in a heterogeneous combination of reflectance in satellite images. Statistical methods used in the classification of satellite imagery are limited in their capacity to handle categories consisting of heterogeneous combinations of spectral values. To overcome this limitation, a contextual post-classification method has been used to map land cover configurations as related to different agricultural practices in the district of Sodo, Ethiopia.The results show that it is possible to map socio-spatial distribution of different agricultural and socioeconomic practices on a regional level by combining field observations and spatial contextual information. The empirical findings show local agricultural activity variations in cash crop production and subsistence agriculture in the Sodo district of Ethiopia.     

利用TM数据提取干旱区土地覆被信息的方法比较

以柴达木盆地香日德绿洲作为研究实验区,对该区域ETM遥感数据经过空间分辨率融合、主成分分析等方法进行空间信息增强及专题信息增强处理,组合最佳视觉背景图像,分别在不同背景图像上选择训练样本,利用最大似然法监督分类方法(MLC)、多空间尺度分层聚类(SSHC)和基于知识的模糊聚类方法(KFC)等分类器,分别用各自训练样本初始化各类别信息特征值,形成类别特征值模式库,分别以此为基础对待分样本进行分类,对初分类的结果经过类别合并、碎斑滤除以及重新编码赋色等分类后处理,得到最终分类结果及分类精度评价结果。从所获数据可以得出如下结论：从总体精度和Kappa值可知,SSHC和．KFC分类方法所获结果精度较高,总体精度比MLC分类结果约高于3％,SSHC之结果精度略高于KFC之结果;SSHC、KFC和MLC三种分类方法对该区域地表覆被信息的提取分类中,SSHC分类方法对耕地、石砾地、河滩和荒漠分类结果较好,KFC分类方法对耕地、沙地、河滩和荒漠分类结果较好,MLC分类方法对耕地、河滩和荒漠分类结果较好,三种分类方法对耕地、河滩和荒漠等三种地类的分类精度较高,用户精度都在80％以上,而对沙地和石砾地的分类结果其用户精度大都低于80％。     

Land cover classification by an artificial neural network with ancillary information

Abstract

Remote sensing is an important source of land cover data required by many GIS users. Land cover data are typically derived from remotely–sensed data through the application of a conventional statistical classification. Such classification techniques are not, however, always appropriate, particularly as they may make untenable assumptions about the data and their output is hard, comprising only the code of the most likely class of membership. Whilst some deviation from the assumptions may be tolerated and a fuzzy output may be derived, making more information on class membership properties available, alternative classification procedures are sometimes required. Artificial neural networks are an attractive alternative to the statistical classifiers and here one is used to derive a fuzzy classification output from a remotely–sensed data set that may be post–processed with ancillary data available in a GIS to increase the accuracy with which land cover may be mapped. With the aid ancillary information on soil type and prior knowledge of class occurrence the accuracy of an artificial neural network classification was increased by 29–93 to 77–37 per cent. An artificial neural network can therefore be used generate a fuzzy classification output that may be used with other data sets in a GIS, which may not have been available to the producer of the classification, to increase the accuracy with which land cover may be classified.     

土地利用/土地覆被时空分布100年数字重建——以大庆市杜尔伯特蒙古族自治县为例

长时间序列的土地利用/ 土地覆被数据是开展全球变化、可持续发展及生态安全等各项研究的重要基础。然而,早期的土地利用/ 土地覆被数据,特别是卫星遥感数据出现之前 的土地利用/ 土地覆被信息通常很难获取。利用TM、MSS 遥感影像数据和地形图、气候、地质、地貌、土壤、植被、水文等自然环境背景图件以及数据,社会经济统计数据等多源数 据,选择大庆市杜尔伯特蒙古族自治县作为典型案例区,在GIS 技术支持下建立了土地利用/ 土地覆被数字重建模型,再现了典型研究区20 世纪30 年代和50 年代土地利用/ 土地覆被空间分布状况。通过野外调查和历史文献资料对土地利用数字重建结果进行精度评价并初步得到以下结论：① 采用逐个图斑跟踪记录的方法对研究区各个时期土地利用/ 覆被变化的敏感 性进行分析,有利于揭示区域土地利用/ 土地覆被变化的规律;② 在定量、定位分析环境背景对土地利用/ 土地覆被分布及其变化的影响基础上,综合判断各种土地利用/ 土地覆被分布概率,其结果可为土地利用数字重建提供依据;③ 对1:10 万地形图提取土地利用信息的可行性与可信度分析表明,地形图中土地利用信息完全能够达到一级土地利用分类精度,同时疏林地、灌木林、沼泽地、盐碱地、沙地等二级分类信息也能获取。     

多源遥感土地覆被产品在欧洲地区的一致性分析

土地覆被的空间分布格局及其动态变化对于全球变化、区域可持续发展等研究具有重要意义,卫星遥感是唯一能够快速获取大尺度区域土地覆被信息的方法。基于GLOBCOVER2005、GLOBCOVER2009、GLC2000、MODIS2000等4种全球卫星遥感土地覆被产品,研究其在欧洲地区的一致性。结果表明：① 4种产品对于欧洲土地覆被构成特征的刻画基本一致,即以耕地、林地为主,以草地、水体、灌丛等其他类型为辅;② 4种产品对耕地、林地识别的混淆程度最低、一致性最好,对草地、灌丛、裸地识别的混淆程度最高、一致性最差;③ 欧洲有75%的土地具有较高的一致性。斯堪的纳维亚半岛东侧及北欧地区、中欧—东欧大平原及巴黎盆地等地区的一致性最好,斯堪的纳维亚半岛西侧、科拉半岛、伯朝拉河—新地岛、伊比利亚半岛以及伏尔加河流域下游等地区的一致性最差;④ 4种产品两两比较时,参考精度大致在38.56%~77.65%之间。GLOBCOVER2009/GLOBCOVER2005组合的参考精度最高,反映出土地覆被变化所引起的误差远小于不同制作机构、不同数据源、不同判读方法所引起的制作误差。     

额尔齐斯河-斋桑湖流域近20年来土地利用/土地覆被时空演变

土地利用/土地覆被变化(LUCC)是影响生态环境和气候变化的主要驱动力之一,同时又是受其影响的结果。LUCC研究对于开展生态环境变化及气候变化的研究均具有重要的意义。针对目前境外LUCC研究中土地利用/覆被分类效率低的问题,探索一种适用于大数据量而又精度较高的分类方法。以额尔齐斯河国外部分-斋桑湖流域为研究区域,以1990年及2007年的Landsat TM/ETM+夏秋季影像以及DEM作为数据源,综合利用影像光谱、纹理信息参与到决策树构造中,进而利用决策树分类方法分别提取这两个时期的土地利用/覆被空间分布信息,最后分析两个时期的土地利用时空变化状况。实验结果表明:(1)光谱与空间纹理信息参与的决策树分类方法具有较高的分类精度;(2)两个时期的土地利用变化分析发现,近20年来该区域土地利用发生了较大的变化,耕地和灌木林地大面积减少,而低覆盖度草地和未利用地却显著增加。     

Land use/land cover (LULC) classification with MODIS time series data and validation in the Amur River Basin

There is a need for improved and up-to-date land use/land cover (LULC) data sets over an intensively changing area in the Amur River Basin (ARB) in support of science and policy applications focused on understanding of the role and response of the LULC to environmental change issues. The main goal of this study was to map LULC in the ARB using MODIS 250-m Normalized Difference Vegetation Index (NDVI), Land Surface Vegetation Index (LSWI), and reflectance time series data for 2001 and 2007. Another goal was to test the consistency of the classification results using relatively coarse resolution MODIS imagery data in order to develop a methodology for rapid production of an up-to-date LULC data set. The results on MODIS land cover were evaluated using existing land use/cover data as derived from Landsat TM data. It was found that the MODIS 250-m NDVI data sets featured sufficient spatial, spectral and temporal resolution to detect unique multi-temporal signatures for the region’s major land cover types. It turned out that MODIS 250 NDVI time series data have high potential for large-basin land use/land cover monitoring and information updating for purposes of environmental basin research and management.