“农业的区位选择”教学设计

一、设计思路 以国家课程及高考对本课题的考查要求为主要依据,把地方课程作为本课题学习的重要载体。故笔者重点选取云南昆明呈贡县的斗南花卉、云南罗平县的油菜种植、云南普洱的普洱茶、云南富源的魔芋种植和云南富源的大河乌猪养殖为主要教学切入点,把国家课程与地方课程有机结合,展开讨论,并让学生课后收集身边的资料,运用掌握的地理知识和技能,进行以“农业的区位选择”为中心的探究性实践活动。     

广州都市区租房户的空间分异与居住选择倾向

城市居民购房与租房的居住选择倾向及其机制存在差异,但当前对租房方面的研究仍显不足。鉴于此,本文构建城市租房户居住选择过程中“好房子、好位置、低租金”不可兼得的“不可能三角”理论框架及其基本理论模型,这为研究租房户居住选择倾向提供了一个新的视角。以广州都市区1328个社区为案例,得出广州都市区的租房户比例呈现核心区低,中心城区和近郊区较高的空间分异格局,并呈现显著的空间关联特征。构建广州都市区租房户居住选择倾向因素指标体系,该体系由租金水平、住房自身条件和区位条件三大类9个指标构成。通过空间误差模型分析表明,广州都市区租房户倾向于居住在低租金水平和房龄较新的社区,且被动选择租住在住房建筑面积较小、住房内部设施较差、日常生活便利性较差的社区中。该结论可丰富和完善中国特大城市居民租房选择理论,为特大城市租赁住房政策制定提供决策参考。     

政治地理学研究中“地理”的重要性——兼论中国政治地理学的范式选择和理论建构

在国际形势应对和国内社会治理的需求推动下,目前中国政治地理学的学科发展得到了越来越多的关注,基本形成了外源性研究与内生性研究并行的学科体系。然而与国际关系学、政治经济学、公共管理学等相关学科相比,中国政治地理学研究的影响力仍然有限,相关理论和方法较少被其他学科采纳应用,在国内外地缘战略和社会政策制定中的声音也相对不足。本文一方面直接回应了其他学科对“地理”内涵及其重要性的偏见和误解,另一方面指出了中国政治地理学自身在机理性研究、宏观-微观联系、研究对象整合和理论建构等方面存在的不足。本文还从权力-空间关系出发,明确了政治地理学研究的核心议题,期望有助于整合研究议题、凝聚研究共识、推动知识积累,从而增强政治地理学科的理论生产能力及其在更广泛学科体系中的影响力。     

国土资源信息系统硬件平台的选择

介绍了国土资源信息化建设中计算机网络可提供的服务类型;提出了网络服务器、网络交换、集线设备和计算机辅助设备等硬件平台的选择原则.     

公共行政监督的“经济解释“及其启示

行政腐败和行政作弊现象使政府行政的合法性受到人们的置疑，深入推行的廉政建设责任制反映了政府在这一问题上理论认识的巨大进步与从严治政的重大决心。公共选择理论认为，官僚的经济人属性不会因其成为政府官僚而改变，其目标不是公共利益也不是机构效率，而是个人效用；西方国家的“三权分立”学说及其实践对于公共行政的监督具有重大的历史进步意义，但其精致架构的私有制基础决定了这种民主可能只具有形式主义的性质，它只是一种富人之间的游戏规则与表现形式。毛泽东的“双平行制约”理论与方法是中国共产党人对公共行政理论与实践的巨大贡献，效果奇特却存在着一系列致命的弊端。对上述理论与实践的比较研究，为我国当前广泛展开的廉政建设提出了一些深层次的启发性思考。     

深度学习的街景行道树自动识别提取研究

针对城市行道树调查中,街景影像背景环境复杂多变、行道树个体差异大,依靠目视判读费时费力的问题,该文基于车载移动测量系统采集的全景影像数据,利用深度学习算法,在快速区域卷积神经网络的目标检测方法基础上,建立适用于街景行道树检测的深度神经网络模型。模型采用基于共有显著性区域及冗余策略的行道树多示例目标候选区域选择方法,使用车载图像的几何约束进一步筛选合适的候选区域,从而实现行道树目标候选区域的统一选择,提升行道树目标的检测效果。实验结果表明,该文提出的方法能够实现多种行道树的准确自动识别与提取,进而大大降低行道树绿化调查的成本。     

基于AutoCAD选择集的自动化图元搜索方法

基于AutoCAD选择集,提出了一种非人机交互式的自动选择集对目标数据进行搜索、过滤的新方法,通过对AutoCAD选择集的VBA编程构建,以及图元几何关系判断、分区筛选等算法,实现了对DWG数据中文字注记、二维图形的高效搜素、过滤、提取、计算等操作.利用该方法对四川省农村不动产测绘项目中大批量户产权信息的自动化比对分析,验证了该方法的可行性与正确性.     

基于时序Sentinel-2影像的农作物分类研究

特征选择是提高农作物分类精度的一个重要手段.本文基于时序Sentinel-2影像提取影像的波段特征、植被指数、纹理特征,以这三类特征构建分类特征集,使用随机森林算法对分类特征集进行特征选择和分类实验.根据分类混淆计算的研究区总体分类精度为92.5％,Kappa系数为0.904,高精度地提取了研究区内冬小麦、大蒜等主要冬季作物的种植信息,这表明随机森林算法在对特征降维的同时,也能保证较高的分类精度.