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。     

面向WebGL的矢量数据三维绘制技术

矢量数据的叠加显示能够提高三维虚拟地球的表达效果与分析能力。受限于GPU的计算精度,在三维虚拟地球中矢量数据绘制普遍存在抖动现象和深度冲突现象。对基于WebGL的矢量数据三维绘制中计算精度问题进行了分析,提出了使用CPU RTC技术和GPU RTE技术提高顶点变换的精度,使用多视锥渲染算法和深度平面技术解决深度缓存精度问题。实验证明,这几种技术和算法可以有效缓解抖动现象和深度冲突现象导致的视觉干扰,改善了各种尺度和范围的矢量数据在三维地形上的叠加显示效果。     

三位一体找矿预测模型的表达式

三位一体找矿预测模型是勘查区找矿预测理论遵循的原则。三位是指成矿地质体、成矿结构面、成矿作用标志,一体是指矿体、矿床或矿田。可以理解为成矿地质体、成矿结构面、成矿作用标志决定矿体、矿床或矿田产出的空间位置,反映的是成矿要素与成矿产物之间的空间关系,或者空间结构模型,是由某一个成矿地质体决定的矿床成矿系统的最小单元,如某斑岩体决定的次火山热液成矿系统和同生断裂决定的热水沉积成矿系统。 根据中国地质调查局(2016)颁发的1:50 000 矿产地质调查工作指南(试行),成矿地质体是指与矿床形成在时间、空间和成因上有密切联系的地质体。成矿结构面是指赋存矿体的显性或隐性存在的岩石物理及化学性质不连续面,也就是赋存矿体的各类界面。成矿作用标志是指能够直接指示矿体赋存位置的、对找矿预测具有特殊意义的标志(中国地质调查局,2016)。矿床成岩成矿年代学及成矿作用产物与成矿地质体的空间关系表明,成矿地质体在成矿过程中,仍然主要起导矿构造的作用,尽管部分成矿现象类似于侧分泌成矿,但规模热液矿床的形成必然伴随着大规模流体沿构造通道持续或间歇性运移。完整的成矿系统必然包含源、运、储三个基本环节(翟裕生,2005),所以成矿地质体也可以表述为导矿构造,进而将三位一体找矿预测模型定性地表述为导矿构造、成矿结构面和成矿作用标志决定成矿作用产物产出的空间位置。模型的定量表示则需要研究导矿构造、成矿结构面和成矿作用标志的响应范围及其耦合关系。     

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。     

历史数据和强化学习相结合的低频轨迹数据匹配算法

针对低频(采样间隔大于1min)轨迹数据匹配算法精度不高的问题,提出了一种基于强化学习和历史轨迹的匹配算法HMDP-Q,首先通过增量匹配算法提取历史路径作为历史参考经验库;根据历史参考经验库、最短路径和可达性筛选候选路径集;再将地图匹配过程建模成马尔科夫决策过程,利用轨迹点偏离道路距离和历史轨迹构建回报函数;然后借助强化学习算法求解马尔科夫决策过程的最大回报值,即轨迹与道路的最优匹配结果;最后应用某市浮动车轨迹数据进行试验。结果表明:本文算法能有效提高轨迹数据与道路匹配精度;本算法在1min低频采样间隔下轨迹匹配准确率达到了89.2%;采样频率为16min时,该算法匹配精度也能达到61.4%;与IVVM算法相比,HMDP-Q算法匹配精度和求解效率均优于IVVM算法,16min采样频率时本文算法轨迹匹配精度提高了26%。     

三重加权变形监测预测模型及应用

针对GM(1,1)建模过程存在背景值、时间因素和初始条件3方面的不足,该文提出三重加权TPGM(1,1)预测模型。通过对背景值进行加权生成新的背景值,建立PGM(1,1)模型;在PGM(1,1)基础上考虑到时间因素,在求解灰参数时进行第2次加权建立DPGM(1,1)模型;最后考虑到初始条件对预测模型的影响,在DPGM(1,1)基础上进行第3次加权,建立TPGM(1,1)模型。通过实例分析,比较GM(1,1)、PGM(1,1)、DPGM(1,1)、TPGM(1,1)4种模型在变形监测数据处理中的拟合和预测结果,表明三重加权TPGM(1,1)模型拟合效果更好、预测精度更高;该模型具有前3种模型的优点,同时弥补了传统GM(1,1)存在的不足。     

思维导图方法的教学实践

思维导图在国内外已有多项研究证明思维导图在促进学生创新思维发展上有作用。在测绘类学科的高校教学中引入思维导图这种学习和工作方法,用在测绘本科教学改革中的讲座责任制授课模式上,通过在测绘本科教学方法改革的需求分析、应用实践和学生调查统计,得出结论:思维导图用于测绘类高校教学中,有利于提高学生创新思辨和自主学习能力,有助于达到以"能力"为核心的测绘专业人才培养目标。     

基于MOOC集结思想的地图学自主学习模式探讨

大型开放型网络课程(MOOC)是国际高等教育发展的新趋势,对高校课程学习的影响极大。该文对MOOC深入剖析之后发现其集结思想可以运用到高等教育教学中,并以地图学课程教学为例,针对目前地图学课程教学存在的问题,借助MOOC集结思想改进地图学教学,以学生自主学习促进地图知识掌握,以天水师范学院地理科学专业学生为教学对象进行了教学实践,制订了详细的教学计划和实践环节。在实施过程中发现,该方法提高了学生对地图学的学习兴趣,得到了较好的效果。