自制地理拼图 同享课堂乐趣

让学生自己动手自制拼图,不失为一条调动学生学习积极性的良好途径。下面以中国政区图拼图为例,简单介绍一下拼图的制作方法：     

世界某些国家迁都原因析

世界上所有的国家都有首都,大多数国家的首都,一旦选定后,通常都具有相当或很大的稳定性。盖因首都是一个国家的最高政权机构所在地,一切重大社会活动首先是重大政治活动的中心,所以选定前照例都要经过非常审慎、认真、细致的通盘、长远考虑,     

收集信息资料 设计新课导言

地理课导入的方法多种多样,故事导入、诗歌导入、教具导入等等,这些方法多具特色。笔者认为,如果教师收集一些与地理有关的信息资料,选择恰当新颖,具有趣味性、启发性、科学性的信息资料作为新课导言,可以起到“一石击破水冲天”的波动效果,下面试举几例。     

淄博局对全市国土资源系统学习实践科学发展观活动进行督导

为加强对学习实践科学发展观活动的领导和指导,近日,淄博市国土资源局深入学习实践科学发展观活动办公室分5个组对各分局、县局、局属单位的活动开展情况进行了专题督导。从督导的情况来看,各分局、县局和各局属单位对这次实践活动高度重视,做到了工作有安排、有检查、有落实,整个活动进展顺利,并取得了初步成效和阶段性成果。一是领导重视,组织有序。各单位相继召开动员会进行部署,制定实施方案,明确责任分工,为整个学习实践活动的开展奠定了良好的基础。二是思想统一,认识到位。各单位都结合自身工作实际,制定了翔实的学习计划,进一步增强了政治意识、责任意识,     

学习《矿山环境保护与综合治理方案编制规范》之体会

山东作为一个矿业大省,矿产资源种类多、分布广,开发利用程度高,为国民经济发展做出了突出贡献。但与此同时,所引发的地质灾害及环境地质问题越发凸显。2007年5月21日,国土资源部发布了《矿山环境保护与综合治理方案编制规范》（DZT／223—2007）（以下简称“规范”）。山东省国土资源厅在总结前期矿山地质环境影响评价工作经验基础上,以“鲁国土资发[2008]70号”下发《关于开展矿山地质环境保护与综合治理方案编制工作的通知》及附件《山东省矿山地质环境保护与综合治理方案编制管理办法（试行）》,     

在全厅党史学习教育动员部署会上的讲话摘要

一、提高政治站位,深刻认识开展党史学习教育的重大意义 (一)开展党史学习教育是牢记初心使命、推进中华民族伟大复兴历史伟业的必然要求(略) (二)开展党史学习教育是坚定信仰信念、在新时代坚持和发展中国特色社会主义的必然要求(略) (三)开展党史学习教育是推进党的自我革命、永葆党的生机活力的必然要求(略) 二?把握目标要求...     

迁移学习用于多时相极化SAR影像的水体提取

基于机器学习分类器的极化合成孔径雷达（synthetic aperture radar, SAR）影像水体提取方法具有较高的可靠性,但其通常依赖于大量的训练样本,利用该方法进行多时相极化SAR影像的水体提取时,在每一景影像上都人工标注足够数量的训练样本是十分困难且耗时的。同时,SAR影像上固有的相干斑点噪声会进一步加剧样本标注的难度。对此,引入迁移学习方法,利用其知识迁移能力将已有的训练样本的类别标签信息迁移至未标注的样本,以降低获取新样本所需的人工代价,提高水体提取的时效性。使用6景极化SAR影像和4种迁移学习方法进行最佳源域影像选取、样本标签迁移和水体提取实验,实验结果表明,迁移学习方法可以准确地将源域影像上的训练样本的标签信息迁移至其他影像,有效减少其他影像进行水体提取需要的人工标注样本的数量,同时能够维持较高的水体提取精度,在洪涝灾害应急响应中具有一定的应用价值。     

基于无人机LiDAR和高空间分辨率卫星遥感数据的区域森林郁闭度估测模型

森林郁闭度是森林资源调查中的一个重要因子,对森林质量评价具有重要作用。随着人工智能技术和遥感技术的不断发展,研究如何利用深度学习有效协同不同空间覆盖能力的遥感数据实现区域森林郁闭度的估测具有重要意义。由此提出了一种协同应用高密度无人机激光雷达和高空间分辨率卫星遥感数据,对区域森林郁闭度进行定量估测的深度学习模型（UnetR）。对用于图像分类的Unet模型的损失函数进行改进,并在卷积层后加入批量归一化层,使其具有对连续变量进行定量估测的能力。与全卷积神经网络、随机森林和支持向量机回归模型进行对比实验。结果表明,UnetR模型的均方根误差较低,估测精度较高,为实现区域森林郁闭度遥感监测提供了一种人力成本低、自动化程度高的估测方法。     

堆叠降噪自编码器的影像特征融合变化检测

提出一种基于堆叠降噪自编码器的影像特征融合变化检测方法.首先在影像分割对象的像素级特征和对象级特征分析、设计与提取基础上,通过像素级特征主成分分析与特征优选处理算法,实现遥感影像多类型特征融合并构建分割对象的多维特征向量;其次利用堆叠降噪自编码器的高维复杂数据处理能力,实现遥感影像多维融合特征的变化检测.实验结果表明,...     

AlexNet支持下的地图建筑物形状分类方法

地图目标的形状在地图制图综合、空间查询等研究中发挥着重要作用。地图建筑物形状的识别与分类作为建筑物轮廓化简与典型化的基础,一直是制图综合研究的热点问题。目前,主要的建筑物形状识别方法主要依赖对建筑物轮廓的描述,对建筑物等地图面状要素的形态特征有较强的依赖性,通常只在应对特定类型的规则轮廓或直角化轮廓时能发挥较好的效果,对于形状不规则或复杂的情况识别不佳。本文提出一种AlexNet支持下的地图建筑物形状分类方法,将矢量地图中建筑物数据的形状分类问题,转化为建筑物栅格图像的分类问题,通过完成卷积神经网络的图形分类实现建筑物的形状识别。该方法首先结合空间认知规律提出一系列典型建筑物形状类型,然后利用矢量-栅格转换的方法从OSM数据采样单体建筑物栅格图像,通过人工标识获得建筑物形状分类训练样本,训练AlexNet卷积神经网络分类模型,最后利用训练好的模型对大比例尺建筑物数据进行智能形状分类与识别。本文利用北京、香港2个城市的OSM建筑物数据作为样本训练建筑物形状分类模型,并在广州部分城区的OSM建筑物数据上进行验证。相较传统形状相似性度量方法,本文提出的方法对实验区建筑物的识别分类总体查全率提...