空间分析课程教学改革模式探讨

邵振峰 庄庆威 程 归

1武汉大学测绘遥感信息工程国家重点实验室，湖北 武汉，430079

《空间分析》课程是地理信息系统、测量学、遥感科学、地理学等多专业的核心课程之一，在上述专业的课程体系中发挥着不可替代的作用［1］。它包括从空间数据中获取有关地理对象的空间位置、分布、形态、形成和演变等信息的分析方法或技术，使学生可以了解空间分析的基本原理、掌握主要的空间分析方法和技术，进而解决一些典型的地学问题。

“空间分析”在地理信息领域占据核心地位，在教学过程中存在诸多难点［2］。空间分析的根本任务就是提取空间信息，内容涵盖获取地理对象空间位置、分布、形态、形成和演变等信息的分析方法或技术，典型的内容包括空间自相关、路径分析、选址分析等［3］。截至目前，各授课单位仍采用较为传统的模式进行空间分析课程的授课，即“理论+案例+软件实现”［4，5］。该授课模式存在以下不足之处：①利用有限的课时难以突出教学的重点；②地学领域中的典型特征难以得到突出表达；③与地理学相关的其他课程结合度较差；④不利于激发学生的积极性、创造性和关注度，从而影响教学质量。由此可见，当前“空间分析”课程的重要性与教学效果存在显著的不协调性，教学改革成为高校面临的紧要任务。

鉴于此，本文针对教学内容和教学模式提出了一整套的改革方案，以期为该课程的教学改革和国际化推广提供新的思路。

1 课程教学内容改革

为改革《空间分析》课程的教学内容，提升教学效果，本文对当前该课程的主要内容进行了总结，如表1所示。其中，“空间几何分析”“空间统计分析”“空间关联分析”“空间格局分析”和“时空变化分析”均属于传统空间分析的范畴，部分内容与《地理信息原理》课程有重合。“空间几何分析”模块主要介绍了邻近度分析、叠置分析、网络分析、地形分析和三维分析等内容；“空间统计分析”模块着重介绍了探索性数据分析、空间插值、地统计理论基础和克里金插值；“空间关联分析”模块主要介绍了一些关联分析方法和模型，包括空间权重矩阵、空间自相关、空间回归、空间异质性和地理探测器；“空间格局分析”模块主要介绍了空间点模式、空间句法和景观格局分析，重点在于景观格局分析；“时空变化分析”模块时空地理分析、时空数据模型、时空轨迹分析和城市人群活动时空分析。

表1《空间分析》课程教学内容Tab.1 The Teaching Content of Spatial Analysis

人工智能在诸多领域引起广泛关注，典型技术包括：机器学习、深度学习和云计算等［6］。对于青年学子而言，这些“时髦”的技术更受他们的推崇。相对比之下，传统的空间分析技术显得单调无趣，不能激发学生的热情。从该现象背后不难看出症结所在，那就是空间分析相关的方法和模型与人工智能技术结合度不够，当前的空间智能分析技术相对匮乏。因此本文提出对前5个教学模块的“传统内容”进行精简，腾出更多的课时给“空间智能计算”和“空间大数据分析”两个模块，可以加入云计算的相关学习内容。

在“空间智能计算”这部分，随着时空大数据时代的到来，要想实现空间智能计算，必须将空间分析与人工智能结合起来。时空分析的智能化需要经历四个过程：数据驱动下的模型发展、数据融合下的规律揭示、数据整合下的融汇创新、数据拓展下的应用革新。在这个时空大数据时代，基于传统的空间分析方法，如空间聚类分析、决策树、随机森林、支持向量机等方法面临着很大的局限性。而基于深度学习的时空数据分析更能体现“空间智能话计算”。基于深度学习的时空数据分析具有广泛的应用，如：目标检测、对象分类、实例分割、语义分割、道路提取、变化检测等。

在“空间大数据分析”这部分，主要包括大数据获取与预处理、相似项发现与数据降维、社交网络分析、舆情分析4个方面。在大数据时代背景下，深入挖掘分析综合治理平台现有的人口、事件、法人等数据信息，对于推动被动式信访诉求渠道向主动式数据分析了解民情转变、经验式决策方式向数据分析决策方式转变将起到积极的作用。大数据可视化平台对社会管理基础数据库的数据进行可视化，对各项社会不稳定因素进行指标分析、关联分析，建立模型，为社会的稳定提供决策支持，主要包括统计分析可视化模块、社会稳定指标可视化模块、关联挖掘可视化模块和社会管理事件时空演进可视化模块。

2 课程教学模式改革

当前《空间分析》课程在教学阶段仍面临“老师单向传授，学生被动学习”的困扰，且考核方式陈旧，主要以试卷笔试、大作业、实验报告为主，实践操作和机会较少且所占分值较低。这种教学模式存在3种弊端：

1）学生参与感低，可能导致学习兴趣降低甚至产生对该课程的厌学情绪；

2）实践机会少，独立解决案例问题的能力较差，不能明显增强学生的动手能力；

3）不能充分激发年轻学子主动学习和自主探索的热情，限制了他们对学科前沿自主探索的积极性。

针对上述问题，本文有针对性地设计了一些行而有效的措施对教学模式进行改革，以期为相关专业的教学提供一些借鉴。

2.1 体验和实践式教学

学生作为课程的主体，参与体验和实践“空间分析”的相关知识、方法、模型和竞赛显得尤为重要［7，8］。基于此，本研究提出了几项措施提升学生参与体验和实践的热情。

1）提高学生前置性体验，即在课程设计阶段就引入多名学生代表，征求和听取他们关于课程设计的建议，针对当代学生做一些个性化设计；

2）摆脱课时限制，强化学生的实践能力，例如鼓励学生参加相关科学竞赛，促使学生对已有方法进行创新性应用；

3）利用多源网络平台拓宽老师和学生的交流途径，适时在网络平台发布任务或者设置议题，尤其要发挥助教的作用，在助教的带领下促进促进学生的主观学习力和学习热情。

2.2 全英文授课和国际化教学

武汉大学的遥感科学与技术专业在软科发布的“世界一流学科排名”中连续5年排名世界第一，吸引了来自世界几十个国家和地区的学者和留学生前来访学和深造。鉴于《空间分析》课程的重要性、实用性和可改革性，该课程的全英文授课和国际化教学，不仅有利于留学生，更有利于培养本国具有国际竞争能力的复合型创新人才。

为此本文设计“二三二”模式进行全英文授课和国际化教学，由于中外学生的教育背景以及中英文教材存在差异，需要在制定全英文授课方案时，对授课形式、典型案例、教学内容等方面进行调整，创新地提出了如图1所示的“二三二”模式教学方法。该教学模式详解为：第一个“二”指过度式全英文和沉浸式全英文两种语言模式；其中“三”包括激励自主式、启发互动式、体验学习式3种学习方式；最后的“二”可分为参与学习式和自我展示式两种学习体验。

图1 “二三二”模式教学方法Fig.4 The Teaching Method of“Two-T hree-Two”Model

2.3 案例分享式教学

2.3.1地理加权回归模型的出生发病率分析

地理加权回归的实质是局域回归，用局部加权最小二乘法求解，其中的权为待估点所在的地理空间位置到其他各观测点的地理空间位置之间的距离函数。这些在各地理空间位置上估计的参数值描述了参数随地理空间位置的变化，用以探索回归系数空间的非平稳性。

本案例采用地理加权回归模型对某地各个村的出生缺陷发病率进行分析，预测结果如图2所示。从地理加权回归模型输出结果可以直观看出预测效果，经过验证预测结果在某种程度上反应的出生缺陷空间聚集特征与真实情况相似；各解释变量系数的空间分布显示了解释变量在不同区域对神经管畸形解释能力的空间差异。

图2 基于地理加权回归的出生缺陷发病率分析Fig.2 An Analysis of the Incidence of Birth Defects Based on Geographically Weighted Regression

2.3.2城市洪涝灾害影响范围的空间分析

每年的自然灾害都会造成大量人员伤亡和难以估计的经济损失。例如，2021年7月，千年一遇的暴雨突袭郑州，根据河南第10场“河南省防汛救灾”新闻数据，截至2021年8月2日12时，河南省共有150个县（市、区）、1 663个乡镇、1 453.16万人受灾，倒塌房屋30 106户、89 001间，直接经济损失1 142.69亿元。此次特大洪涝灾害共造成302人死亡，50人失踪。其中，郑州市遇难292人，失踪47人。

为了直观地反映城市洪涝灾害影响范围，以郑州市为研究对象，以水文分析为基础，利用河网数据进行缓冲区生成，得到洪涝影响范围（见图3）。从而可以了解典型自然灾害的发展规律，可以为抗灾救灾提供可以依据。

图3 洪涝影响范围Fig.3 The Areas Affected by Flooding

2.3.3曼哈顿的交通事故分析

对纽约市曼哈顿区的交通事故数据进行统计分析，探索交通事故的统计特征及空间特征，通过格网区域统计分析，研究单位面积内的交通事故发生情况和交通事故的空间分布情况，为减少和预防交通事故提供决策支持（见图4）。

图4 交通事故数量格网显示Fig.4 The Number of T raffic Accident by Grid Display

2.4 传统与前沿空间分析相结合式教学

一方面，通过实验课，让学习亲自实现基于传统方法和深度学习方法的空间分析方法。比如通过传统方法支持向量机对某县神经管畸形出生缺陷数据进行训练和验证，最终达到对出生缺陷率的分类预测。应用深度学习模型研究中国人口分布、GDP分布和地形3个因素对PM2.5污染的影响。通过传统方法和前沿的基于深度学习的空间分析方法的具体案例分析，让学习理解并掌握前沿的空间分析方法。

另一方面，“数字孪生”是一个来源于现实又超越现实的概念，通过使用多传感器、多算法、多模型，集成多学科、多物理量、多尺度、多概率的仿真过程，将物理世界中的实体对象映射到虚拟空间，使之能够随现实的情况变化而不断更迭，并能够基于数字模型联动多源数据信息进行预测性的仿真分析和全生命周期过程的可视化［9］。数字孪生城市是在“数字孪生”概念指导下，未来城市发展的高级阶段，需要海量数据的支撑，其构建过程是一个复杂的巨系统。在教学过程中，教师要适时讲授学科前沿知识，使学生能够了解最新的研究成果和最亟需的应用场景，促使空间分析方法和人工智能模型相结合，潜移默化地培养学生利用空间分析思想为数字孪生城市分析提供解决方案的潜力和热情。

3 结束语

本文总结了《空间分析》课程教学需求和存在的问题，分析了该课程内容改革方向，并对对教学模式改革进行了阐述，最后设计了《空间分析》课程的全英文授课和国际化教学。空间分析的相关理论与方法正在应用于社会建设与城市发展研究的各个方面，大学生应该学好空间分析相关课程，掌握空间分析的方法，主动开展相关领域的探索性研究。