王躍賓 臧寧

摘 要 遙感影像大數(shù)據(jù)的分析與應用是一門培養(yǎng)高質量遙感相關專業(yè)碩士研究生人才的課程，旨在培養(yǎng)學生的實際建模能力和團隊協(xié)作能力。根據(jù)該課程特點和教學目標，本文提出了線上線下相結合的混合式教學模式，基于混合式教學的分析，詳細闡述了遙感影像大數(shù)據(jù)的分析與應用課程的教學開展形式和內容設置，并提出了擬解決的關鍵問題，在疫情期間，進一步驗證了混合式教學的合理性和有效性。

關鍵詞 高等學校 遙感影像大數(shù)據(jù) 分析與應用 混合式教學

中圖分類號：G424?????????????????????????????????文獻標識碼：A??DOI：10.16400/j.cnki.kjdk.2021.12.042

Abstract The analysis and application of remote sensing image big data is a course for cultivating high-quality graduate students in remote sensing related majors. It aims to train practical modeling ability and teamwork ability. According to the characteristics of the course and teaching goals， bleeding teaching combining online and offline is proposed. Base on the analysis of blending teaching， this paper illustrates the teaching form and content setting of the course of the analysis and application of remote sensing image big data and puts forward the key issues to be solved. During the epidemic， the rationality and effectiveness of blending teaching was further verified.

Keyword colleges and universities; remote sensing image big data; analysis and application; bleeding teaching

遙感影像大數(shù)據(jù)的分析與應用課程以學生的研究方向和科研興趣為導向，是一門理論與實踐相結合的課程，通過該課程的學習，使學生掌握遙感影像中的模式識別、深度學習、分類器、特征提取與選擇等內容的基本概念、基本原理、基本分析方法，使之具有初步設計、實現(xiàn)模式識別的算法的能力，從而為學生進一步從事該方向的學習與研究工作打下基礎。因此，如何更好的開設該課程，實現(xiàn)線上線下相結合的混合式教學模式，需要相關的專業(yè)課教師深入研究并付諸實踐。

1 遙感影像大數(shù)據(jù)的分析與應用及課程內容設計

1.1 遙感影像大數(shù)據(jù)的分析與應用的背景

隨著遙感技術的迅猛發(fā)展，遙感數(shù)據(jù)在空間、時間、光譜和輻射等方面的分辨率都越來越高，[1]成像方式的多樣化以及遙感數(shù)據(jù)獲取能力的增強，導致數(shù)據(jù)類型也比以往更加豐富，數(shù)據(jù)量也越來越大，遙感數(shù)據(jù)也已經具備了明顯的大數(shù)據(jù)特征，如大容量、多類型、難辨識、多尺度、價值大等，這種種跡象都表明了屬于遙感影像大數(shù)據(jù)的時代已經到來。[2，3]目前，深度學習算法和神經網絡模型已被廣泛遷移到遙感影像大數(shù)據(jù)分析中，并在影像分類、目標檢測、影像分割和影像檢索等諸多方面都有著廣泛應用，彰顯了深度學習在遙感領域中的巨大優(yōu)勢和應用潛力。[4]基于此，探討遙感數(shù)據(jù)特點并開發(fā)適用于遙感大數(shù)據(jù)信息挖掘特點的深度學習模型是十分必要的。

1.2 遙感影像大數(shù)據(jù)的分析與應用的性質

遙感影像大數(shù)據(jù)的分析與應用課程綜合了多個學科的相關知識，它不僅涉及了模式識別、特征提取與選擇等內容中許多復雜的理論和模型算法，而且還涉及了相關模型算法的實際應用，這就要求參與此課程的學生將理論與實踐結合起來。遙感影像大數(shù)據(jù)的分析與應用以使用深度學習方法對遙感圖像處理為出發(fā)點，以期盡可能激發(fā)起碩士研究生對于遙感影像大數(shù)據(jù)和深度學習等方面的興趣，打開他們的思維限制，使之對研究方向有更多的自我想法和突破，從而為學生進一步從事該方向的學習與研究工作打下基礎。

1.3 遙感影像大數(shù)據(jù)的分析與應用課程的基本內容設計

遙感影像大數(shù)據(jù)的分析與應用課程主要從高分辨率遙感、高光譜遙感、模式識別、線性分類器、特征提取與選擇等五個方向進行系統(tǒng)性介紹，高分辨率遙感和高光譜遙感主要圍繞影像檢索、目標識別、影像分類等方向進行研究，正是由于深度學習的協(xié)助，遙感影像通過特征提取和特征分析，進而借助于影像檢索、目標探測和影像分類為高分遙感影像和高光譜遙感影像識別服務。

2 混合式教學的特色及工作開展

2.1 混合式教學的特色

2.1.1 必要性

遙感大數(shù)據(jù)時代的信息提取與分析是以數(shù)據(jù)驅動下的信息分析模型為主要特征，[4]深度學習模型的構建是將深度學習成功應用到遙感領域的核心任務之一，所以本門課程針對碩士研究生在內的科研人員，探討遙感數(shù)據(jù)特點，開發(fā)適用于遙感大數(shù)據(jù)信息挖掘特點的深度學習網絡模型是十分必要的。

2.1.2 創(chuàng)新性

一方面，教學研究內容與時俱進，遙感影像大數(shù)據(jù)分析與應用綜合了多個學科的相關知識，在當前大數(shù)據(jù)、跨學科交叉背景之下，研究探討相關教學知識。同時，探討混合式教學的可能性，線上、線下兩種課程模式各有優(yōu)缺。線上模式形式靈活，內容豐富，但是一定程度上缺乏實時的交互。線下模式教學效果好，便于師生交流，但是教學條件嚴格，一定程度上會有所限制。所以線上和線下教學可以相互補充，完善教學方法體系。

2.1.3 充分性

混合式教學研究內容豐富，遙感影像大數(shù)據(jù)的分析與應用課程線上教學模式的建立主要以超星爾雅、釘釘、騰訊會議、嗶哩嗶哩等軟件和網站作為授課平臺，以實時直播、錄制課程視頻、網上實時討論等方式作為主要線上授課方式，內容包括模式識別的最新知識和遙感領域的前沿進展等。遙感影像大數(shù)據(jù)的分析與應用課程線下教學模式在教學場地上以基本教室為主，可以完成課程知識講述，學生匯報等課程環(huán)節(jié)，對于需要動手操作、編程實現(xiàn)的課程環(huán)節(jié)可以在實驗室中完成。

2.2 混合式教學的工作開展

遙感影像大數(shù)據(jù)的分析與應用課程計劃采用線上線下混合教學（Online-Merge-Offline， OMO）的模式進行授課。OMO模式就是將線上網絡化學習與傳統(tǒng)面授學習相結合起來，線上側重實踐，線下側重理論，線上賦能線下，二者優(yōu)勢互補。[5]但是請注意的是，OMO并不是線上線下簡單的互相疊加，而是那種我中有你、你中有我的幾何化放大教與學效果的學習方式。在2020年新冠肺炎疫情中，OMO模式得到了充分的檢驗，相關線上平臺得到了豐富和完善，這為本課程開展線上線下混合教學提供了客觀條件。

從這門課的角度來說，OMO也非常貼合本課程的需要。教師通過PPT進行相關知識和理論的講解，學生在線上學習且可以反復觀看視頻。在線下課程上，學生可以將自己對模型算法的實現(xiàn)方法進行展示，且能與老師面對面交流解決疑問。本課程理論模型大都必須憑借計算機才能得到具體的實現(xiàn)，這對于課堂的硬件水平提出了較高的要求，線上線下混合教學能夠能更加簡便高效地實現(xiàn)這一目的。這樣的教學方式既傳授了理論又兼顧了應用，盡可能落實了本課程名中的“分析與應用”幾字的含義。

3 課程開設形式和內容設置

3.1 課程開設形式

3.1.1 建立遙感影像大數(shù)據(jù)的分析與應用課程的線上教學模式

隨著網絡技術發(fā)展、各類實時互動軟件及視頻網站的廣泛普及，建立線上教學模式的客觀條件已經基本成熟。線上教學模式有如下優(yōu)點：1）線上課程比較靈活，不受時間及地點的限制;2）視頻課程支持隨時暫停、反復觀看，有利于學生課后復習、加深理解;3）探索線上教學模式有利于高效完成疫情、地震、極端天氣等特殊時期的教學要求，線上教學模式在特殊時期可以有效的保障學生安全且高質量的完成基本課業(yè)。綜上所述，探索建立線上教學模式是很有必要的。

目前，課程線上教學模式的建立主要以超星爾雅、釘釘、騰訊會議、嗶哩嗶哩等軟件和網站作為授課平臺，以實時直播、錄制課程視頻、網上實時討論等方式作為主要線上授課方式。遙感影像大數(shù)據(jù)的分析與應用課程總學時安排為32學時，線上教學部分為24學時。線上授課具體教學內容如下：背景知識介紹（4學時）、高分辨率遙感（4學時）、高光譜遙感（4學時）、模式識別概述（4學時）、線性分類器（4學時）、特征提取與選擇（4學時）。

3.1.2 建立遙感影像大數(shù)據(jù)的分析與應用線下教學模式

在當下，線下教學模式即傳統(tǒng)的面授式課堂仍然是主流的教學方式，擁有不可替代的優(yōu)勢。線下教學模式有如下優(yōu)點：（1）師生之間交互性強，教學效果直觀，教學效果好;（2）線下教學模式課堂氛圍濃厚，學生聽課紀律性、嚴肅性有保障;（3）針對一些細致深入的問題，采用傳統(tǒng)授課方式更容易及時得到學生反饋，從而針對性的講解，便于學生理解，提高教學質量;（4）布置一些問題面對面自由討論，一方面激發(fā)學生的探究和合作精神，另一方面促進學生交流能力和展示自我能力的提升。遙感影像大數(shù)據(jù)的分析與應用的線下教學模式在教學場地上以基本教室為主，可以完成課程知識講述，學生匯報等課程環(huán)節(jié)，對于需要動手操作、編程實現(xiàn)的課程環(huán)節(jié)可以在實驗室中完成。遙感影像大數(shù)據(jù)的分析與應用課程總學時安排為32學時，線下教學部分為8學時。線下教學模式具體教學內容如下：前沿工作探討（4學時）、學生匯報（4學時）。

3.1.3 線上線下教學相互補充

線上、線下兩種課程模式各有優(yōu)缺。線上模式形式靈活，內容豐富，但是一定程度上缺乏實時的交互。線下模式教學效果好，便于師生交流，但是教學條件嚴格，一定程度上會有所限制。所以線上和線下教學可以相互補充，完善教學體系。[6，7]主要有以下三點：（1）在教學內容上：線上教學以基礎授課為主，線下完成關鍵性問題講解和交流答疑。（2）在學生合作、討論方面：線上教學主要以學生自主交流為主，線下完成小組的合作匯報。增強學生自主學習的能力并檢驗學習成果。（3）最終的成績評定方面：最終成績應由線上教學的課程完成情況、上課出勤情況和線下的結課論文、匯報情況綜合評定。

3.2 課程內容設置

如表1所示，遙感影像大數(shù)據(jù)的分析與應用課程總學時32學時，其中線上教學為24學時，線下教學為8學時。線上教學模塊承擔了基本的課業(yè)內容，本課程一個重要的內容就是通過深度學習方法對遙感圖像進行處理，首先利用前12個學時（背景知識介紹、高分辨率遙感、高光譜遙感）對于人工智能、深度學習、高分辨率遙感以及高光譜遙感相關基礎知識及應用加以介紹。計算機視覺與圖像處理是遙感圖像處理領域與其他眾多領域的研究熱點，近年來各種基于深度學習的遙感圖像處理算法被提出。模式識別概述、線性分類器與特征提取與選擇三個部分共12學時，主要圍繞圖像處理中的分類與聚類任務展開，特征提取的好壞以及分類器的選擇都極大的影響了分類與聚類任務結果。通過線上24學時的教學，首先學生應能初步了解深度學習以及遙感影像的基本知識，再者學生通過對模式識別、線性分類器以及特征提取及選擇的學習，應能了解模式識別概念、分類與聚類任務以及常用的分類器和優(yōu)化算法。最后，通過線上教學模塊的教學，學生應能對遙感數(shù)據(jù)特征以及遙感數(shù)據(jù)的分類及聚類算法有所掌握，并能有效運用到未來的相關研究中去。

線下教學承擔了前沿工作探討和學生匯報工作，授課教師首先對相關研究領域近幾年的研究工作加以介紹，主要以基于深度學習的遙感圖像處理為主，涵蓋圖像分割、目標檢測、場景分類以及圖像聚類等內容;其次，課題組部分成員對他們的研究工作進行匯報，匯報內容主要包括研究內容背景、研究的方法理論、實驗數(shù)據(jù)、實驗設計以及實驗分析等內容，比較完整的展示了一項研究任務的基本框架，最后教師和學生對相關領域的未來方向進行探討。匯報要求學生分組對相關領域的研究進展進行綜述，一方面研究綜述能夠快速的讓學生了解相關領域的研究現(xiàn)狀與發(fā)展，另一方面也有利于學生匯報和交流能力的提升。

4 總結

遙感大數(shù)據(jù)時代的信息提取與分析是以數(shù)據(jù)驅動下的信息分析模型為主要特征，深度學習網絡模型的構建是將深度學習成功應用到遙感領域的核心任務之一，所以本門課程針對碩士研究生在內的科研人員，探討遙感數(shù)據(jù)特點，充分發(fā)掘線上教學和線下教學的優(yōu)勢，并將這兩者的優(yōu)勢應用到研究生的教學中，結合當前社會需求，進一步豐富線上教學和線下教學的教學內容。本文詳細闡述了該課程線上教學和線下教學相結合的開展形式，并根據(jù)該形式對授課內容進行了細致規(guī)劃。在疫情期間，進一步驗證了混合式教學的合理性和有效性。

基金項目：中國地質大學（北京）2021年度研究生教改建設資助項目（2021YJSJG-2）

參考文獻

[1] 杭仁龍. 遙感數(shù)據(jù)分析中的特征表示方法研究[D].南京信息工程大學，2017.

[2] 朱建章，石強，陳鳳娥，等.遙感大數(shù)據(jù)研究現(xiàn)狀與發(fā)展趨勢[J].中國圖象圖形學報，2016，21（11）：1425-1439.

[3] 張成業(yè)，李軍，袁德寶，孫文彬，陳偉.人工智能與大數(shù)據(jù)時代的《遙感數(shù)字圖像處理》教學內容改革探討[J].北京測繪，2020，34（06）：876-880.

[4] 張兵.遙感大數(shù)據(jù)時代與智能信息提取[J].武漢大學學報（信息科學版），2018，43（12）：1861-1871.

[5] 馮曉英，吳怡君，龐曉陽，等.混合式教學改革：教師準備好了嗎——教師混合式教學改革發(fā)展框架及準備度研究[J].中國電化教育，2021（01）：110-117.

[6] 熊玲.遙感數(shù)字圖像處理系列教材線上線下混合教學適應性研究[J].城市地理，2017（14）：224.

[7] 王海江，呂新，冶軍，等.農業(yè)資源遙感課程混合式教學模式的探索研究[J].教育教學論壇，2020（13）：301-302.