邵振峰 莊慶威 程 歸

1武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢，430079

《空間分析》課程是地理信息系統(tǒng)、測(cè)量學(xué)、遙感科學(xué)、地理學(xué)等多專業(yè)的核心課程之一，在上述專業(yè)的課程體系中發(fā)揮著不可替代的作用［1］。它包括從空間數(shù)據(jù)中獲取有關(guān)地理對(duì)象的空間位置、分布、形態(tài)、形成和演變等信息的分析方法或技術(shù)，使學(xué)生可以了解空間分析的基本原理、掌握主要的空間分析方法和技術(shù)，進(jìn)而解決一些典型的地學(xué)問題。

“空間分析”在地理信息領(lǐng)域占據(jù)核心地位，在教學(xué)過程中存在諸多難點(diǎn)［2］?？臻g分析的根本任務(wù)就是提取空間信息，內(nèi)容涵蓋獲取地理對(duì)象空間位置、分布、形態(tài)、形成和演變等信息的分析方法或技術(shù)，典型的內(nèi)容包括空間自相關(guān)、路徑分析、選址分析等［3］。截至目前，各授課單位仍采用較為傳統(tǒng)的模式進(jìn)行空間分析課程的授課，即“理論+案例+軟件實(shí)現(xiàn)”［4，5］。該授課模式存在以下不足之處：①利用有限的課時(shí)難以突出教學(xué)的重點(diǎn)；②地學(xué)領(lǐng)域中的典型特征難以得到突出表達(dá)；③與地理學(xué)相關(guān)的其他課程結(jié)合度較差；④不利于激發(fā)學(xué)生的積極性、創(chuàng)造性和關(guān)注度，從而影響教學(xué)質(zhì)量。由此可見，當(dāng)前“空間分析”課程的重要性與教學(xué)效果存在顯著的不協(xié)調(diào)性，教學(xué)改革成為高校面臨的緊要任務(wù)。

鑒于此，本文針對(duì)教學(xué)內(nèi)容和教學(xué)模式提出了一整套的改革方案，以期為該課程的教學(xué)改革和國(guó)際化推廣提供新的思路。

1 課程教學(xué)內(nèi)容改革

為改革《空間分析》課程的教學(xué)內(nèi)容，提升教學(xué)效果，本文對(duì)當(dāng)前該課程的主要內(nèi)容進(jìn)行了總結(jié)，如表1所示。其中，“空間幾何分析”“空間統(tǒng)計(jì)分析”“空間關(guān)聯(lián)分析”“空間格局分析”和“時(shí)空變化分析”均屬于傳統(tǒng)空間分析的范疇，部分內(nèi)容與《地理信息原理》課程有重合?！翱臻g幾何分析”模塊主要介紹了鄰近度分析、疊置分析、網(wǎng)絡(luò)分析、地形分析和三維分析等內(nèi)容；“空間統(tǒng)計(jì)分析”模塊著重介紹了探索性數(shù)據(jù)分析、空間插值、地統(tǒng)計(jì)理論基礎(chǔ)和克里金插值；“空間關(guān)聯(lián)分析”模塊主要介紹了一些關(guān)聯(lián)分析方法和模型，包括空間權(quán)重矩陣、空間自相關(guān)、空間回歸、空間異質(zhì)性和地理探測(cè)器；“空間格局分析”模塊主要介紹了空間點(diǎn)模式、空間句法和景觀格局分析，重點(diǎn)在于景觀格局分析；“時(shí)空變化分析”模塊時(shí)空地理分析、時(shí)空數(shù)據(jù)模型、時(shí)空軌跡分析和城市人群活動(dòng)時(shí)空分析。

表1《空間分析》課程教學(xué)內(nèi)容Tab.1 The Teaching Content of Spatial Analysis

人工智能在諸多領(lǐng)域引起廣泛關(guān)注，典型技術(shù)包括：機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和云計(jì)算等［6］。對(duì)于青年學(xué)子而言，這些“時(shí)髦”的技術(shù)更受他們的推崇。相對(duì)比之下，傳統(tǒng)的空間分析技術(shù)顯得單調(diào)無(wú)趣，不能激發(fā)學(xué)生的熱情。從該現(xiàn)象背后不難看出癥結(jié)所在，那就是空間分析相關(guān)的方法和模型與人工智能技術(shù)結(jié)合度不夠，當(dāng)前的空間智能分析技術(shù)相對(duì)匱乏。因此本文提出對(duì)前5個(gè)教學(xué)模塊的“傳統(tǒng)內(nèi)容”進(jìn)行精簡(jiǎn)，騰出更多的課時(shí)給“空間智能計(jì)算”和“空間大數(shù)據(jù)分析”兩個(gè)模塊，可以加入云計(jì)算的相關(guān)學(xué)習(xí)內(nèi)容。

在“空間智能計(jì)算”這部分，隨著時(shí)空大數(shù)據(jù)時(shí)代的到來，要想實(shí)現(xiàn)空間智能計(jì)算，必須將空間分析與人工智能結(jié)合起來。時(shí)空分析的智能化需要經(jīng)歷四個(gè)過程：數(shù)據(jù)驅(qū)動(dòng)下的模型發(fā)展、數(shù)據(jù)融合下的規(guī)律揭示、數(shù)據(jù)整合下的融匯創(chuàng)新、數(shù)據(jù)拓展下的應(yīng)用革新。在這個(gè)時(shí)空大數(shù)據(jù)時(shí)代，基于傳統(tǒng)的空間分析方法，如空間聚類分析、決策樹、隨機(jī)森林、支持向量機(jī)等方法面臨著很大的局限性。而基于深度學(xué)習(xí)的時(shí)空數(shù)據(jù)分析更能體現(xiàn)“空間智能話計(jì)算”?；谏疃葘W(xué)習(xí)的時(shí)空數(shù)據(jù)分析具有廣泛的應(yīng)用，如：目標(biāo)檢測(cè)、對(duì)象分類、實(shí)例分割、語(yǔ)義分割、道路提取、變化檢測(cè)等。

在“空間大數(shù)據(jù)分析”這部分，主要包括大數(shù)據(jù)獲取與預(yù)處理、相似項(xiàng)發(fā)現(xiàn)與數(shù)據(jù)降維、社交網(wǎng)絡(luò)分析、輿情分析4個(gè)方面。在大數(shù)據(jù)時(shí)代背景下，深入挖掘分析綜合治理平臺(tái)現(xiàn)有的人口、事件、法人等數(shù)據(jù)信息，對(duì)于推動(dòng)被動(dòng)式信訪訴求渠道向主動(dòng)式數(shù)據(jù)分析了解民情轉(zhuǎn)變、經(jīng)驗(yàn)式?jīng)Q策方式向數(shù)據(jù)分析決策方式轉(zhuǎn)變將起到積極的作用。大數(shù)據(jù)可視化平臺(tái)對(duì)社會(huì)管理基礎(chǔ)數(shù)據(jù)庫(kù)的數(shù)據(jù)進(jìn)行可視化，對(duì)各項(xiàng)社會(huì)不穩(wěn)定因素進(jìn)行指標(biāo)分析、關(guān)聯(lián)分析，建立模型，為社會(huì)的穩(wěn)定提供決策支持，主要包括統(tǒng)計(jì)分析可視化模塊、社會(huì)穩(wěn)定指標(biāo)可視化模塊、關(guān)聯(lián)挖掘可視化模塊和社會(huì)管理事件時(shí)空演進(jìn)可視化模塊。

2 課程教學(xué)模式改革

當(dāng)前《空間分析》課程在教學(xué)階段仍面臨“老師單向傳授，學(xué)生被動(dòng)學(xué)習(xí)”的困擾，且考核方式陳舊，主要以試卷筆試、大作業(yè)、實(shí)驗(yàn)報(bào)告為主，實(shí)踐操作和機(jī)會(huì)較少且所占分值較低。這種教學(xué)模式存在3種弊端：

1）學(xué)生參與感低，可能導(dǎo)致學(xué)習(xí)興趣降低甚至產(chǎn)生對(duì)該課程的厭學(xué)情緒；

2）實(shí)踐機(jī)會(huì)少，獨(dú)立解決案例問題的能力較差，不能明顯增強(qiáng)學(xué)生的動(dòng)手能力；

3）不能充分激發(fā)年輕學(xué)子主動(dòng)學(xué)習(xí)和自主探索的熱情，限制了他們對(duì)學(xué)科前沿自主探索的積極性。

針對(duì)上述問題，本文有針對(duì)性地設(shè)計(jì)了一些行而有效的措施對(duì)教學(xué)模式進(jìn)行改革，以期為相關(guān)專業(yè)的教學(xué)提供一些借鑒。

2.1 體驗(yàn)和實(shí)踐式教學(xué)

學(xué)生作為課程的主體，參與體驗(yàn)和實(shí)踐“空間分析”的相關(guān)知識(shí)、方法、模型和競(jìng)賽顯得尤為重要［7，8］。基于此，本研究提出了幾項(xiàng)措施提升學(xué)生參與體驗(yàn)和實(shí)踐的熱情。

1）提高學(xué)生前置性體驗(yàn)，即在課程設(shè)計(jì)階段就引入多名學(xué)生代表，征求和聽取他們關(guān)于課程設(shè)計(jì)的建議，針對(duì)當(dāng)代學(xué)生做一些個(gè)性化設(shè)計(jì)；

2）擺脫課時(shí)限制，強(qiáng)化學(xué)生的實(shí)踐能力，例如鼓勵(lì)學(xué)生參加相關(guān)科學(xué)競(jìng)賽，促使學(xué)生對(duì)已有方法進(jìn)行創(chuàng)新性應(yīng)用；

3）利用多源網(wǎng)絡(luò)平臺(tái)拓寬老師和學(xué)生的交流途徑，適時(shí)在網(wǎng)絡(luò)平臺(tái)發(fā)布任務(wù)或者設(shè)置議題，尤其要發(fā)揮助教的作用，在助教的帶領(lǐng)下促進(jìn)促進(jìn)學(xué)生的主觀學(xué)習(xí)力和學(xué)習(xí)熱情。

2.2 全英文授課和國(guó)際化教學(xué)

武漢大學(xué)的遙感科學(xué)與技術(shù)專業(yè)在軟科發(fā)布的“世界一流學(xué)科排名”中連續(xù)5年排名世界第一，吸引了來自世界幾十個(gè)國(guó)家和地區(qū)的學(xué)者和留學(xué)生前來訪學(xué)和深造。鑒于《空間分析》課程的重要性、實(shí)用性和可改革性，該課程的全英文授課和國(guó)際化教學(xué)，不僅有利于留學(xué)生，更有利于培養(yǎng)本國(guó)具有國(guó)際競(jìng)爭(zhēng)能力的復(fù)合型創(chuàng)新人才。

為此本文設(shè)計(jì)“二三二”模式進(jìn)行全英文授課和國(guó)際化教學(xué)，由于中外學(xué)生的教育背景以及中英文教材存在差異，需要在制定全英文授課方案時(shí)，對(duì)授課形式、典型案例、教學(xué)內(nèi)容等方面進(jìn)行調(diào)整，創(chuàng)新地提出了如圖1所示的“二三二”模式教學(xué)方法。該教學(xué)模式詳解為：第一個(gè)“二”指過度式全英文和沉浸式全英文兩種語(yǔ)言模式；其中“三”包括激勵(lì)自主式、啟發(fā)互動(dòng)式、體驗(yàn)學(xué)習(xí)式3種學(xué)習(xí)方式；最后的“二”可分為參與學(xué)習(xí)式和自我展示式兩種學(xué)習(xí)體驗(yàn)。

圖1 “二三二”模式教學(xué)方法Fig.4 The Teaching Method of“Two-T hree-Two”Model

2.3 案例分享式教學(xué)

2.3.1地理加權(quán)回歸模型的出生發(fā)病率分析

地理加權(quán)回歸的實(shí)質(zhì)是局域回歸，用局部加權(quán)最小二乘法求解，其中的權(quán)為待估點(diǎn)所在的地理空間位置到其他各觀測(cè)點(diǎn)的地理空間位置之間的距離函數(shù)。這些在各地理空間位置上估計(jì)的參數(shù)值描述了參數(shù)隨地理空間位置的變化，用以探索回歸系數(shù)空間的非平穩(wěn)性。

本案例采用地理加權(quán)回歸模型對(duì)某地各個(gè)村的出生缺陷發(fā)病率進(jìn)行分析，預(yù)測(cè)結(jié)果如圖2所示。從地理加權(quán)回歸模型輸出結(jié)果可以直觀看出預(yù)測(cè)效果，經(jīng)過驗(yàn)證預(yù)測(cè)結(jié)果在某種程度上反應(yīng)的出生缺陷空間聚集特征與真實(shí)情況相似；各解釋變量系數(shù)的空間分布顯示了解釋變量在不同區(qū)域?qū)ι窠?jīng)管畸形解釋能力的空間差異。

圖2 基于地理加權(quán)回歸的出生缺陷發(fā)病率分析Fig.2 An Analysis of the Incidence of Birth Defects Based on Geographically Weighted Regression

2.3.2城市洪澇災(zāi)害影響范圍的空間分析

每年的自然災(zāi)害都會(huì)造成大量人員傷亡和難以估計(jì)的經(jīng)濟(jì)損失。例如，2021年7月，千年一遇的暴雨突襲鄭州，根據(jù)河南第10場(chǎng)“河南省防汛救災(zāi)”新聞數(shù)據(jù)，截至2021年8月2日12時(shí)，河南省共有150個(gè)縣（市、區(qū)）、1 663個(gè)鄉(xiāng)鎮(zhèn)、1 453.16萬(wàn)人受災(zāi)，倒塌房屋30 106戶、89 001間，直接經(jīng)濟(jì)損失1 142.69億元。此次特大洪澇災(zāi)害共造成302人死亡，50人失蹤。其中，鄭州市遇難292人，失蹤47人。

為了直觀地反映城市洪澇災(zāi)害影響范圍，以鄭州市為研究對(duì)象，以水文分析為基礎(chǔ)，利用河網(wǎng)數(shù)據(jù)進(jìn)行緩沖區(qū)生成，得到洪澇影響范圍（見圖3）。從而可以了解典型自然災(zāi)害的發(fā)展規(guī)律，可以為抗災(zāi)救災(zāi)提供可以依據(jù)。

圖3 洪澇影響范圍Fig.3 The Areas Affected by Flooding

2.3.3曼哈頓的交通事故分析

對(duì)紐約市曼哈頓區(qū)的交通事故數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，探索交通事故的統(tǒng)計(jì)特征及空間特征，通過格網(wǎng)區(qū)域統(tǒng)計(jì)分析，研究單位面積內(nèi)的交通事故發(fā)生情況和交通事故的空間分布情況，為減少和預(yù)防交通事故提供決策支持（見圖4）。

圖4 交通事故數(shù)量格網(wǎng)顯示Fig.4 The Number of T raffic Accident by Grid Display

2.4 傳統(tǒng)與前沿空間分析相結(jié)合式教學(xué)

一方面，通過實(shí)驗(yàn)課，讓學(xué)習(xí)親自實(shí)現(xiàn)基于傳統(tǒng)方法和深度學(xué)習(xí)方法的空間分析方法。比如通過傳統(tǒng)方法支持向量機(jī)對(duì)某縣神經(jīng)管畸形出生缺陷數(shù)據(jù)進(jìn)行訓(xùn)練和驗(yàn)證，最終達(dá)到對(duì)出生缺陷率的分類預(yù)測(cè)。應(yīng)用深度學(xué)習(xí)模型研究中國(guó)人口分布、GDP分布和地形3個(gè)因素對(duì)PM2.5污染的影響。通過傳統(tǒng)方法和前沿的基于深度學(xué)習(xí)的空間分析方法的具體案例分析，讓學(xué)習(xí)理解并掌握前沿的空間分析方法。

另一方面，“數(shù)字孿生”是一個(gè)來源于現(xiàn)實(shí)又超越現(xiàn)實(shí)的概念，通過使用多傳感器、多算法、多模型，集成多學(xué)科、多物理量、多尺度、多概率的仿真過程，將物理世界中的實(shí)體對(duì)象映射到虛擬空間，使之能夠隨現(xiàn)實(shí)的情況變化而不斷更迭，并能夠基于數(shù)字模型聯(lián)動(dòng)多源數(shù)據(jù)信息進(jìn)行預(yù)測(cè)性的仿真分析和全生命周期過程的可視化［9］。數(shù)字孿生城市是在“數(shù)字孿生”概念指導(dǎo)下，未來城市發(fā)展的高級(jí)階段，需要海量數(shù)據(jù)的支撐，其構(gòu)建過程是一個(gè)復(fù)雜的巨系統(tǒng)。在教學(xué)過程中，教師要適時(shí)講授學(xué)科前沿知識(shí)，使學(xué)生能夠了解最新的研究成果和最亟需的應(yīng)用場(chǎng)景，促使空間分析方法和人工智能模型相結(jié)合，潛移默化地培養(yǎng)學(xué)生利用空間分析思想為數(shù)字孿生城市分析提供解決方案的潛力和熱情。

3 結(jié)束語(yǔ)

本文總結(jié)了《空間分析》課程教學(xué)需求和存在的問題，分析了該課程內(nèi)容改革方向，并對(duì)對(duì)教學(xué)模式改革進(jìn)行了闡述，最后設(shè)計(jì)了《空間分析》課程的全英文授課和國(guó)際化教學(xué)。空間分析的相關(guān)理論與方法正在應(yīng)用于社會(huì)建設(shè)與城市發(fā)展研究的各個(gè)方面，大學(xué)生應(yīng)該學(xué)好空間分析相關(guān)課程，掌握空間分析的方法，主動(dòng)開展相關(guān)領(lǐng)域的探索性研究。