基于地理大数据的高中地理教学实践探索.docx

基于地理大数据的高中地理教学实践探索

《普通高中地理课程标准（2017年版2020年修订）》（以下简称“课程标准”）提出“利用地理信息技术，营造直观、实时、生动的地理教学环境”的理念[1]。近年来，机器学习、深度学习以及人工智能技术被迁移并应用到地理学领域，给地理学研究的融合创新带来新机遇和新挑战[2]。在高中地理课堂教学中，利用人工智能技术将数据融入地理信息系统，可以使学生在真实的地理学术情境或生活情境中探索地理规律，促进他们地理核心素养的形成，对推动高中地理教学发展有着重要意义。

城市是一个高度复杂的空间系统。随着人工智能技术的成熟运用，人们对城市空间认知的广度与深度都有了进一步的提高，精度高且覆盖广的地理时空大数据为城市空间研究带来了全新的发展方向[3]。城市地理大数据是针对地理实体及现象在时间、空间、属性三个维度的“超”覆盖样本的集合，有粒度细、密度高、范围大的特点。城市大数据能够有效覆盖城市发展的时空变化规律，有利于合理分析城市功能布局和规划，与中学人文地理区位教学相契合[4]。因此，将地理大数据融入地理课堂可从更多的角度支撑人文地理区位教学，使其教学模式得到进一步优化。基于此，本文以北京市二环内的商业性服务业（餐饮业）与非商业性服务业（公立学校）为例，探讨基于多源城市大数据与人文地理服务业区位因素的教学融合。

一、地理大数据来源及预处理

在人工智能背景下，我们可以获取多种地理大数据，并进行分析和制图。城市大数据主要包括遥感卫星、无人机、街景图片等获得的对地观测大数据以及手机信令数据、POI（PointofInterest）数据、OSM（OpenStreetMap）数据等人类活动大数据，可以为城市地理学与经济地理学提供有力的数据支持[5]。本次数据分析技术主要采用GIS（GeographicInformationSystem）制图软件和Python编码，坐标系指定为“GCS_WGS_1984”，从较大的空间尺度和较小的空间尺度分别制图，各个图幅中均含有图例、比例尺与指北针。各类城市大数据的获取来源与数据预处理步骤不同，如图1所示。

其中，夜光遥感影像能在夜间探测到城市灯光、车流与居民地的低强度灯光，从而有效地表现人类活动强度，成为城市建成区提取、城市发展分析的重要数据。该数据可以直接从武汉大学珞珈一号网站上选取区域免费下载。

POI数据一般包含名称、类别、经纬度和地址信息。通过Python编码，我们可以利用爬虫工具从目前常用的电子地图软件中获取研究区域的POI数据。在删除重复、无效和错误的数据后，我们便可将这些数据叠加到底图上，进行制图以及核密度分析[6]。

街景图片数据可以为用户提供城市、街道或其他环境的360度全景图像，用户可以通过该服务获得身临其境的地图浏览体验。该数据可以计算出所在位置某个方向上的各类城市景观占比情况，其中建筑物的占比情况代表了人流量与城市的活跃度。

房价数据同样可以利用Python工具从相关租房信息网站获取。小区房价数据在一定程度上表征了该地区的地租信息和土地价格信息。获取这类数据后，我们需要删除其中的冗余信息并匹配对应的小区。

手机信令数据能够通过城市内部建立的基站塔记录用户的活动信息。作为一个固定的传感器，每一个基站塔不断捕捉用户的日常行为信息。这些信息表征了该地区手机用户的活跃情况。

基础地理信息数据包括北京市二环内的水域、绿地、道路、地块等数据。在这些数据中，道路数据能够反映该区域的交通通达性。通过应用空间句法算法，我们可以计算出各道路的步行指数。该指数值越高，表明交通越便捷。

二、基于地理大数据辅助教学实践案例

在传统的人文地理教学中，产业区位的教学往往以实际的案例为背景，教师依据具体的图文资料，指导学生结合生活经验归纳区位因素，并进行知识讲解。但是在此教学模式下，区位因素分析对象的情境案例往往仅用于课堂导入或者知识举例环节，并没有贯穿整节课堂。这不仅削弱了课堂的逻辑推理性，而且由此得出的结论较宏观，与解决实际问题为导向的素养教育理念不符。因此，本文结合课程标准与多源城市大数据的特点，将地理课堂教学划分为三个环节，并针对实际的硬件软件操作条件进行详细设计：课前，学生分组搜集各类城市大数据，了解大数据的应用价值，并在教师指导下进行专题地图制作；课中，学生基于真实的专题地图，从不同空间尺度分析商业性和非商业性服务业布局的区位因素，了解服务业区位因素的变化；课后，学生实地考察店铺，并完成调研报告。

（一）教学分析

【课程标准】所依据的课程标准内容要求是“结合实例，说明服务业的区位因素”和“通过探究有关人文地理问题，了解地理信息技术的应用”。

【教学目标】学生在课前地理实践操作中，分组收集夜光遥感数据、POI数据、街景图片数据、房价数据等多源数据，处理学习和掌握地理信息技术相关