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。     

南海热带气旋迅速加强环境场因子的影响分析

使用中国气象局上海台风研究所整理的热带气旋最佳路径资料,对1979-2012年间南海海域热带气旋迅速加强的时空分布特征进行分析。结果表明,南海热带气旋迅速加强主要出现在夏秋两季,其中9月频数最高,空间分布主要集中在海南岛东南侧以及南海中部远离大陆的海域。基于ERA-Interim再分析资料,确定了一种环境因子的新阈值计算方法,计算出风垂直切变、高(低)层散度、低层垂直涡度、低层水汽通量散度、对流层中层相对湿度、海表面温度和海洋热含量8种环境场因子有利于迅速加强的阈值条件,结果表明风垂直切变、低层辐合、低层水汽辐合是影响迅速加强的主要因子。强台风以下级别的南海热带气旋级别越高迅速加强概率越大,迅速加强时满足阈值的因子个数也越多。除海洋热含量以外的7个因子中,满足阈值的因子个数为6个(热带风暴级别)或5个(强热带风暴级别、台风和强台风级别)时迅速加强概率最大。这些对提高南海热带气旋强度突变的预报有一定指导意义。     

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%。     

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。