地理信息科学(GIS,Geographic Information science)课程改革创新实践,对进一步提升课程资源质量、建设适应新时代要求的高水平应用型课程体系和培养GIS复合型人才有重要意义。“GIS空间分析”是地理信息科学专业的核心课程,本文首先介...地理信息科学(GIS,Geographic Information science)课程改革创新实践,对进一步提升课程资源质量、建设适应新时代要求的高水平应用型课程体系和培养GIS复合型人才有重要意义。“GIS空间分析”是地理信息科学专业的核心课程,本文首先介绍了该门课程思政建设总体设计情况;然后从挖掘思政资源、完善课程内容、改进教学方法、探索课程思政建设模式和方法路径以及将课程建设目标融入教学过程5个方面,介绍了课程思政教学实践情况;随后,分别针对点数据、面数据和连续数据3种类型,设计了5个相关空间分析方法的课程思政教学案例;最后,总结了本课程的评价与成效、特色与创新。展开更多
文摘利用2017—2021年的ERA5再分析资料和京津冀国家站地面资料,结合多种机器学习方法建立预报模型,开展轻雾、大雾客观预报。探讨了再分析资料、地形因素的影响,并结合多模型集成、统计消空进一步优化模型。结果表明:(1)XGBoost(eXtreme Gradient Boosting)、LightGBM(Light Gradient Boosting Machine)、随机森林等集成学习方法的预报效果均优于决策树方法;(2)在引入ERA5再分析资料、地形建模后,XGBoost、LightGBM模型的预报性能显著提高。相比仅使用地面要素建模,大雾预报的TS(Threat Score)提升了30%、32%,达到0.52、0.49,命中率分别为0.62、0.87。此外,经过多模型集成后,轻雾、大雾预报的TS提升到了0.51、0.54;(3)2022年秋季一次大雾过程中,本方法提前72 h准确预报了京津冀地区的大雾,其中以LightGBM模型表现最好。0~72 h轻雾预报和0~36 h逐小时大雾预报的TS均达到0.3,预报准确率、时效性均优于ECMWF(European Center for Medium Weather Forecasting)模式。
文摘地理信息科学(GIS,Geographic Information science)课程改革创新实践,对进一步提升课程资源质量、建设适应新时代要求的高水平应用型课程体系和培养GIS复合型人才有重要意义。“GIS空间分析”是地理信息科学专业的核心课程,本文首先介绍了该门课程思政建设总体设计情况;然后从挖掘思政资源、完善课程内容、改进教学方法、探索课程思政建设模式和方法路径以及将课程建设目标融入教学过程5个方面,介绍了课程思政教学实践情况;随后,分别针对点数据、面数据和连续数据3种类型,设计了5个相关空间分析方法的课程思政教学案例;最后,总结了本课程的评价与成效、特色与创新。