资源简介

(共41张PPT)
第二单元 第5课
分析处理气象数据
（教科版）八年级
下
1
核心素养目标
3
新知讲解
5
拓展延伸
7
板书设计
2
新知导入
4
课堂练习
6
课堂总结
课后作业
8
01
核心素养目标
。
信息意识
计算思维
数字化学习与创新
信息社会责任
认知数据对公共政策的影响，校验数据准确性。遵守数据安全规范，用气象预警服务社会安全。
探究气象数据分析方法，学习如何绘制校园气象数据表，以及如何分析处理气象数据。
用对比/平均/结构法拆解气象问题，编程处理数据并生成图表。理解AI预报逻辑（数据训练模型预测），步骤化处理温湿度相关性。
能提炼气象数据规律，理解数据对决策的支撑作用，关注极端天气数据价值，用数据解释生活现象。
02
新知导入
聚焦
气象数据分析是把气象站记录的原始数字变成有用信息的过程。就像从拼图碎片中找到图案一样，我们从看似杂乱的数据里发现规律，再把这些规律转化为实用知识。这节课我们将用校园气象站的数据，学习制作天气变化表格，并通过分析找出“操场比教室午后温度高5℃”这类生活小技巧！
03
新知讲解
探索
在统计中，常用的数据分析方法有对比分析法、平均分析法和结构分析法等。在气象数据分析中，这几种数据分析方法同样适用。
对比分析法
也称“比较分析法”，把两个或多个数据放一起比，看谁多/少/快/慢。
帮我们一眼看出谁高谁低、谁快谁慢（比如成绩、气温、销量）。
下图所示为2018~2021年北京各月平均气温折线图，请用对比分析法对比4年来每月平均气温的变化趋势。请根据北京各月平均气温折线图，上网查找我国的供暖政策以及各地供暖时间，分析北京供暖时间的设定原因。
03
新知讲解
做一做
03
新知讲解
做一做
数据依据：北京全年气温显示：11月到3月平均气温 ≤5℃，最冷可达-10℃，其他月份气温均高于供暖标准（连续5天≤5℃）。
政策背景：我国北方以“秦岭-淮河”为分界线强制供暖，各地根据实际天气调整供暖时间。
对比其他城市
哈尔滨（更北）：10月中供暖，停暖4月中（冷得更久）
郑州（偏南）：11月中供暖，停暖3月初 → 北京取中间值（11.15-3.15）。
设定原因
保暖需求：11月中-3月中室温常低于16℃（人体舒适温度需≥16℃）；
节能环保：太早供暖（如10月）浪费能源，太晚停暖（如4月）没必要；
经验验证：过去多年数据证明这4个月最合理。
03
新知讲解
探索
平均分析法
通过计算一组数据的平均数（如平均身高、平均降水量），用一个“抽象值”代表整体的一般水平（比如大多数人的身高集中在多少），反映数据的集中趋势和现象规律。
下表所示为2018~2021年北京各月降水量，请根据该表制作每月平均降水量柱状图，分析每月平均降水量的变化趋势。
03
新知讲解
做一做
年份 月份 1 2 3 4 5 6 7 8 9 10 11 12
2021 0.8 6.9 33.3 1.4 16.3 36.5 239 141.5 139.8 48.5 19.7 2.8
2020 4.7 37.7 11.9 12.7 48.1 33.7 108.3 167.4 71.1 1.8 27.9 0
2019 0 2 2.5 39.4 58.5 9.4 90 63.9 90.9 22.9 21.3 5.7
2018 0 0 4.1 47.5 9.3 35.4 309.1 109.6 25.4 4.4 1.6 0.2
通过分析，你能从制作的柱状图中获取哪些信息？这些信息对政府部门制定用水政策有什么帮助？将这些内容记录在下面的框中。
03
新知讲解
做一做
柱状图分析（变化趋势）
季节分布：
夏季（6-8月）：降水量最高，7月平均达186.6毫米（占全年40%），8月120.6毫米，符合北京“雨季集中”特点。
冬季（12-2月）：降水量极低（1-2毫米），干旱明显。
春秋季（3-5月、9-11月）：波动较大（如4月25.3毫米，5月33.1毫米）。
通过分析，你能从制作的柱状图中获取哪些信息？这些信息对政府部门制定用水政策有什么帮助？将这些内容记录在下面的框中。
03
新知讲解
做一做
年际差异：7月降水量波动最大（2018年309.1毫米 vs 2020年108.3毫米），易发极端天气（暴雨/干旱）。
信息对政策制定的帮助：
防洪抗旱：夏季需加强排水系统（如7月高降水易内涝），冬季需储备水源（如南水北调调配）。
农业用水：5月（春播期）平均33毫米，可优化灌溉计划，避免浪费。
居民节水：冬季干旱期（12-2月）推广节水措施（如限制洗车、绿化用水）。
03
新知讲解
探索
结构分析法
结构分析法也称构成分析法，是将各个部分与总体进行对比，分析事物内部的结构和部分与整体之间关系的方法。结构分析法的基本表现形式就是计算结构指标。
下表所示为2021年上海各月降水量，请根据该表制作饼图，标注出每月降水量的百分比。
03
新知讲解
做一做
月份 1 2 3 4 5 6 7 8 9 10 11 12
降水量 14.7 54.2 72.7 68.1 139 101.2 436.8 231.8 169.6 114.3 70.1 6
通过对比，你能从制作的饼图中获取哪些信息？这些信息对政府部门制定防汛措施有什么帮助？将这些内容记录在下面的框中。
03
新知讲解
做一做
从饼图获取的信息
降水集中时段：
夏季（6-8月）：占比超50%（7月29.5% + 8月15.7% + 6月6.8% = 52%），尤其7月单月占近三成。
冬季（12-2月）：总占比仅5.1%（12月0.4% + 1月1.0% + 2月3.7%），干旱显著。
极端降水风险：7月降水远超其他月份（436.8mm），易引发城市内涝。
次高峰分布：5月（9.4%）、9月（11.5%）仍有较强降水需警惕。
对防汛措施的帮助
重点时段防控：
7-8月：加强排水系统疏通、低洼地区防洪设施。
5月、9月：提前检修防汛设备，储备应急物资（。
预警与应急：
7月暴雨高发期，完善气象预警系统，制定分区疏散预案。
水资源调配：
冬季干旱期（12-2月）利用雨季蓄水（如水库储水），保障民生用水。
03
新知讲解
设计
上述几种基本的数据分析方法分别适用于不同的情况，在实际应用中，需要根据具体问题合理选取并综合运用。请选择一种或者几种数据分析方法对你收集的校园气象数据进行分析，并说明选用此数据分析方法的理由。
选择对比分析法和平均分析法分析校园气象数据。例如，对比3月、4月、5月的降水量发现：4月总降水80毫米，5月仅30毫米，说明春季后期雨量减少；计算各月平均温度（3月12℃→4月18℃→5月23℃），可判断气温逐月上升趋势。这两种方法能快速定位关键变化（如“雨季结束时间”“升温速度”），帮助学校规划户外活动（如运动会选在5月，避开多雨低温的4月）。
分析过程
03
新知讲解
设计
上述几种基本的数据分析方法分别适用于不同的情况，在实际应用中，需要根据具体问题合理选取并综合运用。请选择一种或者几种数据分析方法对你收集的校园气象数据进行分析，并说明选用此数据分析方法的理由。
通过对比和平均数，既能发现极端天气（如4月单日暴雨50毫米），也能掌握整体规律（如5月总体晴朗）。政府或学校可据此提前准备：多雨月加强排水，高温月增加遮阳设施，确保师生安全和活动顺利。简单方法组合使用，既能深入细节，又不丢失全局视角。
实际应用价值
实践
学习了气象数据的处理方法后，接下来我们要通过物联网平台导出一周的气象数据记录，并针对已经导出的校园气象数据进行以下分析工作。
（1）采用平均分析法，分析这周每天的温度变化情况，生成统计图表。
（2）采用对比分析法，把温湿度、气压进行分组，分析温湿度、气压的相 关性，生成统计图表。
（3）通过对温湿度的数据进行分析，你获得了哪些有用的信息
（4）通过演示文稿向其他同学展示校园气象数据分析的过程和结果。
03
新知讲解
03
新知讲解
你在数据分析方面有哪些收获？与用电子表格软件分析数据相比，通过编程分析数据有哪些好处？
议一议
1.学会用数据说话：比如用“平均气温”判断哪个月适合开运动会，用“降水量对比”找到雨季规律，不再靠猜。
2.发现隐藏规律：通过折线图、饼图，一眼看出“夏天雨多、冬天雨少”，还能预测极端天气（如暴雨天要提前排水）。
我的数据分析收获
03
新知讲解
议一议
3.处理大数据更快：手动算全班50人的平均分要10分钟；写一句代码1秒搞定，还能自动分析全校1000人的数据。
4.解决复杂问题：表格只能做简单对比（如A班和B班成绩）；编程能同时分析“温度+降水量+风速”如何共同影响体育课安排。
5.减少错误：复制公式容易手滑出错；代码写对一次，结果永远准确。
03
新知讲解
访问生态环境部的网站，浏览环境质量方面的相关数据分析报告，体会这类综合性报告中的数据分析特点。
拓展
科技漫游
人工智能天气预报是怎么工作的
数据收集：电脑会吃进海量天气数据（温度、湿度、风向等），相当于每天记录几千本天气日记。
智能学习：用“深度学习”程序（类似人脑的神经网络）分析这些数据，找出规律（比如“连续3天高温+高湿，很可能下雨”）。
预测未来：学会规律后，电脑就能推算明天、下周甚至下个月的天气。
03
新知讲解
科技漫游
人工智能天气预报：它厉害在哪？
三大优势：
更准：像学霸做数学题，能注意到气压微小变化对台风路径的影响。
更快：原本需要几小时的计算，现在10秒搞定。
更省：不用花大钱买超级电脑，普通电脑也能用AI模型。
还有哪些难关？
数据要干净：如果天气日记写错了，电脑会被误导。
极端天气难猜：像突然的龙卷风，AI还没学会100%预判。
解释不清：能告诉你“明天暴雨”，但说不清“为什么是下午2点”。
03
新知讲解
科技漫游
人工智能天气预报未来会怎样
天气预报2.0：
不仅能报“下雨”，还能提醒“带伞还是穿雨衣”。
提前1个月预测台风，让城市提前加固树木、水库。
人人都能用：
手机APP告诉你：“放学时雨会停，不用带伞！”
农民伯伯收到：“下周干旱，赶紧浇水！”
03
新知讲解
单元作品展示与交流
1.以个人或小组为单位，在校园里运行并展示本单元完成的校园数字气象站。
03
新知讲解
单元作品展示与交流
2.填写作品评价表，对本单元完成的作品进行评价。
03
新知讲解
作品评价表 学生自评( )分 同学互评( )分 教师评价( )分 评价维度 评价标准 分值 得分
主题 作品紧扣“校园数字气象站”任务主题，内容完整，概括得全面、准确 5
作品与主题相关，内容基本完整，概括得较为全面、准确 4
作品与主题相关度不大，内容不太完整，存在少数错误 3
作品跑题，或内容不完整，或有多处错误 2
技术 能使用物联网知识完成物联系统的设计与搭建，具有数据采集、处理、反馈控制等基本功能，思路清晰，呈现合理 5
能使用物联网知识完成物联系统的设计与搭建，功能与呈现效果有待改进 4
能使用物联网知识完成简易物联系统的设计与搭建，功能简单，呈现效果一般 3
能使用物联网知识完成简易物联系统的设计，呈现效果有待改进 2
2.填写作品评价表，对本单元完成的作品进行评价。
评价维度 评价标准 分值 得分
技术 能使用物联网知识完成物联系统的设计与搭建,具有数据 采集、处理、反馈控制等基本功能,思路清晰,呈现合理 5
能使用物联网知识完成物联系统的设计与搭建,功能与 呈现效果有待改进 4 能使用物联网知识完成简易物联系统的设计与搭建,功 能简单,呈现效果一般 3 能使用物联网知识完成简易物联系统的设计,呈现效果 有待改进 2 创意 恰当使用多种传感器、外观设计、物联网技术等,校园 数字气象站创意十足,既美观又实用 5
基本满足校园数字气象站的功能,有一定的创意,使用 体验较好 4 校园数字气象站外观、功能较为单调,创意体现不足 3 控制逻辑十分简易,呈现效果较为简单 2 合作 小组成员分工明确,任务分配合理,作品展示效果好 5
小组成员有分工,能完成分配任务,作品展示顺利 4 小组成员分工不明确,任务分配不太合理,作品展示效果一般 3 小组成员分工不合理,有成员未参与,展示效果不好 2 单元作品展示与交流
03
新知讲解
单元内容小结与概念图
1.在本单元中，我们已通过使用物联网设备并掌握其相关知识，搭建了简易的“校园数字气象站”，请对本单元所学内容进行总结。
03
新知讲解
设备搭建：利用物联网技术（如传感器）收集校园温湿度、气压等气象数据，构建数字气象站。
数据处理：运用对比/平均/结构分析法分析数据（如绘制气温折线图、降水柱状图），发现季节规律（如夏季多雨）。
应用实践：将分析结果用于决策（如防洪预警、活动时间安排），理解数据对社会服务的作用（如极端天气预警）。
协作共享：尝试通过校际气象协作网整合数据，掌握多源数据管理方法。
单元内容小结与概念图
2.根据在本单元项目实践中学到的知识，将知识概念图补充完整。
03
新知讲解
实践项目
在本单元中，我们制作了校园数字气象站。通过校园数字气象站可以收集校园气象数据，选用恰当的方法和工具分析、处理气象数据。请以本单元的知识概念和思维方式为基础，反思和改进校园数字气象站的设计，尝试建立校际在线数字气象站协作网，共享校园气象数据。
03
新知讲解
一、反思与改进设计
硬件优化：增加传感器类型（如PM2.5、紫外线监测），提升数据精度，确保极端天气（暴雨/高温）下设备稳定性。
数据分析升级：结合AI模型（如预测降水趋势），用编程工具自动生成动态图表（如温湿度关联热力图），替代手动计算。
用户体验改进：设计可视化界面（如手机APP实时查看数据），增加异常天气预警推送功能（如暴雨提示）。
实践项目
二、校际协作网建设
数据共享平台：搭建在线平台整合各校气象数据，支持对比分析（如比较不同区域降水量差异），生成区域气象报告。
标准化协议：统一数据格式（如时间戳、单位），确保校际数据兼容性（避免“温度单位混乱”问题）。
应用场景扩展：协作分析跨区域气象规律（如城市热岛效应），为大型活动（运动会）提供多校联合天气预测服务。
伦理与安全：共享时匿名化位置信息（仅保留区域编号），明确数据使用权限（如禁止商业用途）。
03
新知讲解
04
课堂练习
一、判断正误，正确的画”√“，错误的画”X“。
数据分析方法包括对比分析法、平均分析法和结构分析法。（ ）
北京供暖时间设定为11月15日至3月15日，仅因历史习惯。（ ）
2018年7月北京降水量为309.1毫米，说明该月可能出现极端天气。（ ）
结构分析法主要用于比较两个城市的气温差异。（ ）
共享气象数据时无需考虑隐私保护问题。（ ）
√
√
X
X
X
04
课堂练习
二、选择题
1、对比分析法在气象数据分析中的作用是？（ ）
A. 计算全年总降水量 B. 比较不同数据找出差异（如气温变化）
C. 预测未来一周天气 D. 统计人口数量
2、根据2018-2021年北京各月降水量表，7月的平均降水量约为多少毫米？（ ）
A. 108.3 B. 186.6
C. 239.0 D. 309.1
3、结构分析法常用于分析什么关系？（ ）
A. 温度与湿度的相关性 B. 部分与整体的占比（如降水比例）
C. 不同城市气温对比 D. 数据收集方法
B
B
B
05
拓展延伸
升温趋势的本地化印证
长期气温基线突破：北京1980-2020年平均气温上升2.3℃，突破历史基线。
季节性升温差异突显：哈尔滨近十年1月均温较20年前升高4.1℃，冰雪季缩短15天。
05
拓展延伸
降水结构异常波动
极端降水强度激增：上海2021年单日最大降水量达352mm，超百年一遇标准。
季节性干旱频率攀升：广州近五年夏季降水占比65%，春秋季干旱频率提高40%。
05
拓展延伸
极端事件频率激增
热浪天数突破历史阈值：重庆2022年35℃以上高温天数达56天，较均值翻倍。
灾害周期规律打破：深圳2023年台风间隔缩短至10天，传统季风规律被压缩。
06
课堂总结
1
引入新知内容
2
了解气象数据记录与分析
3
掌握气象数据报表的绘制
4
完成课堂练习
5
进行相关知识拓展
1
2
3
4
5
分析处理气象数据
07
板书设计
分析处理气象数据
1、进行新知引入
2、了解气象数据记录与分析
3、掌握气象数据报表的绘制
4、完成课堂练习
5、进行知识拓展
课后作业。
1、从北京夏季降水量柱状图中能看出什么规律？这对防洪有什么帮助？
08
课后作业
1.平均分析法的核心是计算一组数据的__________。
2.北京的供暖时间段通常为__________至__________。
3.上海2021年单日最大降水量达352毫米，属于__________________。
3月15日
11月15日
平均数
极端降水强度激增
08
课后作业
2、简答题
从北京夏季降水量柱状图中能看出什么规律？这对防洪有什么帮助？
夏季雨量集中（7月最多），不同年份降雨量差异大（如某年暴雨）。帮助：提前修排水系统，暴雨时启动应急方案。
https://www.21cnjy.com/recruitment/home/fine

展开更多......

收起↑