大数据智能时代遥感课程实践教学模式的改革与探索

doi:10.13474/j.cnki.11-2246.2023.0190

测绘通报 ›› 2023, Vol. 0 ›› Issue (6): 176-179.doi: 10.13474/j.cnki.11-2246.2023.0190

大数据智能时代遥感课程实践教学模式的改革与探索

陈杰, 邓敏, 侯东阳

中南大学地球科学与信息物理学院, 湖南长沙 410083

收稿日期:2022-08-30 发布日期:2023-07-05
通讯作者: 侯东阳。E-mail:Loudongyang1986@csu.edu.cn
作者简介:陈杰(1980-)男,博士,教授,主要从事人工智能的遥感应用工作。E-mail:cj2011@csu.edu.cn
基金资助:
教育部产学合作协同育人项目(220802313204730);大数据与人工智能背景下遥感创新性实践教学研究(2019jy053);线上线下相结合的遥感“学用相长”创新教育改革研究(2021CG013);新工科背景下地理信息科学专业“赛-课”相长教学模式改革探索(2021jy006)

Reform and exploration of the practical teaching mode of remote sensing course in the era of big data and artificial intelligence

CHEN Jie, DENG Min, HOU Dongyang

School of Geosciences and Info-Physics, Central South University, Changsha 410083, China

Received:2022-08-30 Published:2023-07-05

摘要/Abstract

摘要： 大数据与人工智能的迅猛发展给遥感学科增添了新活力。许多高校在遥感课程的教学实践中依然遵循传统的教育模式,忽略了大数据与人工智能技术带来的遥感应用创新。为抢抓大数据与人工智能技术带来的机遇,应对人才知识结构面临的严峻挑战,迫切需要调整人才培养的知识结构体系和教学教育模式。为此,本文进行了大数据智能时代遥感类课程实践教学的尝试,旨在结合专业特色,因材施教地培养具有较强实践能力兼具创新意识的本科人才。

关键词: 大数据, 人工智能, 遥感, 实践教学, 人才培养

Abstract: The development of big data and artificial intelligence has added new vitality to related disciplines. In the practice of training undergraduates majoring in remote sensing or geo-information, many universities still follow the traditional education model, ignore the innovation of remote sensing applications brought about by big data and artificial intelligence technology. To cope with the opportunities and challenges brought by big data and artificial intelligence technology, talent training needs to be reformed accordingly. To this end, we explore the practical teaching of remote sensing courses in the context of big data and artificial intelligence, aiming to combine professional characteristics and train undergraduate talents with strong practical ability and innovative consciousness.

Key words: big data, artificial intelligence, remote sensing, practical teaching, talent training

中图分类号:

陈杰, 邓敏, 侯东阳. 大数据智能时代遥感课程实践教学模式的改革与探索[J]. 测绘通报, 2023, 0(6): 176-179.

CHEN Jie, DENG Min, HOU Dongyang. Reform and exploration of the practical teaching mode of remote sensing course in the era of big data and artificial intelligence[J]. Bulletin of Surveying and Mapping, 2023, 0(6): 176-179.

[1]	王冬梅, 吴勇锋, 石一凡, 梁文广, 王轶虹, 潘思远. 利用Sentinel-2遥感影像分析水葫芦时空分布规律[J]. 测绘通报, 2023, 0(6): 44-49.
[2]	王俪璇, 叶成名, 眭天波, 魏瑞龙, 李洪富. 川藏交通廊道冰川和地表水遥感监测及耦合分析[J]. 测绘通报, 2023, 0(6): 50-55.
[3]	杨佳欣, 李佳田, 陆美, 胡明洪, 李文, 金维, 胡浩. 云南地区积雪遥感监测及气候响应分析[J]. 测绘通报, 2023, 0(6): 56-60.
[4]	沈鑫甦, 嵇灵. 面向遥感地类变化检测的U型深度学习神经网络改进方法[J]. 测绘通报, 2023, 0(6): 93-97,103.
[5]	范忻, 丁来中, 李莹, 王文杰, 程明, 宋会传, 高爽, 耿丽艳, 李春意. 黄河下游藕节形河道游荡趋势演变遥感分析[J]. 测绘通报, 2023, 0(6): 150-154.
[6]	何可沁, 程南炜, 邓敏. 空间大数据支持下城市安全生产风险评估方法[J]. 测绘通报, 2023, 0(6): 167-171.
[7]	李心媛, 贺智, 楼桉君, 肖曼. 双线性图卷积网络的环南海地区湿地遥感分类[J]. 测绘通报, 2023, 0(5): 44-50.
[8]	张全旺, 郭辉. 采煤拉张裂隙区土壤有机质高光谱反演[J]. 测绘通报, 2023, 0(5): 78-83,134.
[9]	张适然, 陈明辉, 黄燕. 基于实景三维的东莞自建住宅提取与特征分析[J]. 测绘通报, 2023, 0(5): 120-124,163.
[10]	王菡, 刘宁, 薛岩, 孙贵芹, 魏潇, 徐艳东. 1975—2020年烟台芝罘湾海湾形态变化及驱动因素[J]. 测绘通报, 2023, 0(4): 10-15.
[11]	邓敏, 王晶, 唐建波, 丁晨, 杨学习, 刘慧敏, 刘宝举. 顾及纹理特征差异性的遥感影像数据分区域多密级加密方法[J]. 测绘通报, 2023, 0(4): 23-28.
[12]	赵宗泽, 方明源, 高钊, 王双亭. 融合高程信息的低空遥感影像SLIC分割和区域合并方法[J]. 测绘通报, 2023, 0(4): 35-40.
[13]	邢若芸, 冉树浩, 高贤君, 杨元维, 方军. 顾及多分辨率特征的复合字典城中村识别方法[J]. 测绘通报, 2023, 0(4): 41-48,48.
[14]	朱建伟, 李朝奎, 周新邵, 赵丁莹, 傅开鸿. 基于车载遥感影像的高速公路广告牌破损检测方法及应用[J]. 测绘通报, 2023, 0(4): 59-63,98.
[15]	陈宗杰, 杨武年, 张琬琳, 刘明鑫, 董秀军, 何先定. 基于植被冠层含水量反演数据的森林易燃程度评价[J]. 测绘通报, 2023, 0(4): 99-105.

大数据智能时代遥感课程实践教学模式的改革与探索

Reform and exploration of the practical teaching mode of remote sensing course in the era of big data and artificial intelligence

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价