写遥感方面的论文格式

洋河流域遥感图像土地利用分类方法研究 【摘要】遥感影像分类方法的确定是LUCC研究中的关键步骤。文章以洋河流域为研究区，分别进行了非监督分类和监督分类。针对监督分类结果中存在的误差，对水域、植被、城镇与工矿用地三种类型地物的提取分别选择了综合阈值法、植被指数法、DEM数据辅助分析法进行了改进，结果表明改进后的提取结果较监督分类直接得到的结果有了很大的改善。【关键词】遥感图像；监督分类；综合阈值法；植被指数法【中图分类号】TP79 【文献标识码】A【文章编号】1671-5969（2007）16-0164-03一、研究区域概况及图像资料（一）研究区域概况洋河流域是张家口经济发展的中心地带，水资源相对丰富。洋河发源于山西省阳高县和内蒙古兴和县，是永定河上游的一大支流，流域面积约14600km2 。在张家口市流域面积为9762km2，流经万全县、怀安县、张家口市区、宣化县、宣化区、下花园区、怀来县等，干流全长106 km，在朱官屯于桑干河汇合后流至官厅水库，是官厅水库的重要水源。洋河流域形状东西向较长，南北向较短，地形总趋势西北高、东南低。流域的东北、北部和西北沿坝头一带海拔高程1200～1500m之间，西部和南部边界海拔高程一般在500～1000m之间。流域内80％以上为丘陵山区，绝大部分为荒山秃岭。流域内大部分为黄色沙壤土，并有部分砂砾土及黄粘土，沿河川地层厚且较肥沃[1]。（二）信息源遥感信息源的选择要综合考虑其光谱分辨率、空间分辨率、时间分辨率等因素， 这是利用遥感图像进行土地利用分类的关键问题。美国的Landsat TM 图像是当前应用最为广泛的卫星遥感信息源之一，它可提供7个波段的信息， 空间分辨率为30～120m。TM数据源各波段各有特点，可进行不同地物类型的信息提取。相关资料表明TM遥感数据各波段间的信息相关关系为：TM1与TM2，TM5与TM7高度相关，相关系数达以上，信息冗余大，可以考虑不选取TM1波段。另外由于第6个波段的分辨率为120m，不利于地物信息的提取，所以亦不选取TM6波段。一般来说， 选择图像类型时，应考虑研究区域的大小、研究的目的，以及要达到的精度要求，另外不同时相遥感图像的选择对分类精度也具有很大的影响。为了能把水域、城市与工矿用地、林地、耕地、裸地区分开，以洋河流域1987年9月17日的TM图像为信息源进行研究。本文中所使用的遥感图像处理工具为美国ERDAS公司的ERDAS 软件，它是一个功能完整的、集遥感与地理信息系统于一体的专业软件，具有数据预处理、图像解译、图像分类、矢量功能、虚拟gis等多个功能。二、现有遥感图像土地利用分类的主要方法及其分析遥感图像土地利用分类就是利用计算机通过对遥感图像中各类地物的光谱信息和空间信息进行分析，选择特征，并用一定的手段将特征空间划分为互不重叠的子空间，然后将图像中的各个像元划归到各个子空间中以实现分类[2]。按照是否有已知训练样本的分类数据，将其分为非监督分类和监督分类。它们最大的区别在于监督分类首先给定类别，而非监督分类则由图像数据本身的统计特征来确定。（一）非监督分类非监督分类是在多光谱特征空间中通过数字操作搜索像元光谱属性的自然群组的过程，这种聚类过程生成一副有m个光谱类组成的分类图。然后分析人员根据后验知识将光谱类划分或转换成感兴趣的专题信息类[3]。洋河流域内有很多山地，在图像上会产生大量的阴影，导致了像元灰度值的空间变化，这对分类结果有很大的影响。为此可以通过比值运算来去除阴影的影响，使向阳处和背阴处都毫不例外地只与地物的反射率的比值有关。常用算法：近红外波段（TM4）/红外波段（TM3），这样所得到的效果比较好，从原始图像和比值运算后的图像（图像略）中，可以清楚地看到山体阴面的阴影得到了有效的去除。经过比值运算后， 就可以对图像进行非监督分类。得到的分类结果如图1所示。非监督分类只根据地物的光谱特征进行分类，受人为因素的影响较少，不需要对地面信息有详细的了解，但由于“同物异谱、异物同谱”等现像的存在，其结果一般不如监督分类令人满意。比如官厅水库旁边的大量建筑物被分到水体一类。是因为在TM3波段上，水体和建筑物的灰度值相近， 同样在TM7波段上，裸山和建筑物的灰度值也相近。总之，在TM的6个波段上，无论采用哪个波段进行非监督分类，总有几种地物的光谱值接近，因此单纯依靠计算机自动分类取得很好的效果是非常困难的。

现如今，大家总免不了要接触或使用论文吧，论文的类型很多，包括学年论文、毕业论文、学位论文、科技论文、成果论文等。写起论文来就毫无头绪？下面是我收集整理的论文格式模板范文（精选6篇），希望能够帮助到大家。

摘要:伴随经济社会的飞速发展，高速国道干线与城市内部道路均存在基础设施建设更新速度快、交通承载压力大、信息化程度低等特点，难以满足现代道路交通体系的数字化要求，迫切要求构建便捷、高效、实时的交通地理信息系统。

本文以ArcGISEngine开发环境为基础，对道路交通信息系统与ArcEngine组件式平台拟进行概要阐述，并按照软件设计的相关原则，对道路交通地理信息系统进行了总体设计与功能模块设计。

关键词:ArcGIS;Engine;道路交通地理信息系统;组件式开发

当前国内经济迅速增长，城市化规模不断增大，以机动车保有量为代表的道路交通压力也与日俱增，国内北京、上海、天津等大型城市纷纷通过限号形式来减缓道路载荷。

现代信息技术为整合道路交通资源、实现交通数据自动化管控提供了数据支撑，有利于构建时空一体的道路交通地理信息系统。

1.道路交通地理信息系统

ArcGISEngine作为GIS嵌入式二次开发平台，可摆脱ArcGIS提供组件式多类型开发应用程序接口API，同时可与MicrosoftVisualStu-dio系统编程集成开发环境相融合，基于进行多类编程语言下的模块式开发。

以GIS地理信息技术为基础，利用ArcGISEn-gine平台将交通路网与道路设施等空间信息、车载流量与基础设施等属性数据同航摄影像、多媒体监控数据等有效衔接，实现对空间和属性数据相关的采集、编辑与分析，采用GIS最短路径、道路畅通度算法等优化选择合理的交通线路，完成公交布线与站点布设等工作，同时融合多媒体监控手段，实时显示热点路况信息，科学指挥道路交通。

2.系统功能需求分析

从应用层面分析，道路交通地理信息系统的受众群体分为交通管理方与车辆应用客户方，其中本文所探讨的基于ArcGISEngine的应用系统主要为交通管理方的C/S客户端，具体车辆客户端则可采用基于Android、ios或WindowsMobile平台的APP软件;从系统设计的原则分析，应坚持安全性、共享性、可拓展性与可维护性的原则，提升道路交通地理信息系统的综合性发展。

作为道路交通地理信息系统，以数字化道路空间与属性信息为基础，在确保系统不同用户权限的条件下，提供地图量测、空间漫游、数据维护等功能，检索酒店、学校、商场、企事业单位相关位置，并根据摄像头监控热点交通流量、密度数据，同时借助GPS定位、无线数据传输技术，为公交、出租等公共车辆提供位置相关服务。

3.道路交通地理信息系统总体与功能模块设计

开展道路交通地理信息系统设计前，按照相应的数据标准采集空间影像数据、基础线划图与专题交通资料，经裁切、镶嵌与校准等流程完成数据的标准化预处理，并导入系统平台空间基础数据库中，按照点、线、面要素分层，细化停车场、公交站点、高速、铁路与公路等要素信息，其空间地理基础数据库分层如下:

(1)系统分库:大地控制测量数据库、数字高程DEM与正射影像DOM数据库、数字线划DLG与遥感栅格DRG数据库，以及系统元数据库。

(2)系统逻辑分层库:以DLG数据库为例，可分为居民地、水系、道路、植被、地形等数据库分层要素信息。

(3)系统逻辑底层:包含点、线、面、注记与多媒体层等相关信息。

根据道路交通地理信息系统的应用框架，其总体设计可分为三大部分:电子地图服务模块、公共信息服务模块、空间分析与数据统计模块。

系统空间数据库GeoDatabase导入Shape、栅格、属性表等相关空间数据与属性文件，管理客户端采用地方坐标系进行配准建设，以便于后期交通设施数据的更新与维护，针对公共信息服务模块，采用经脱密处理的电子地图和遥感数据，以确保数据空间位置安全。

关于系统的具体功能模块设计如下:

(1)电子地图服务模块。

利用ArcGISEngine地图工具集组件，在VS开发平台可便捷的实现图层控制、热点注记、空间量测等功能，实现对ArcInfo、Shapefile、GRID等数据格式的加载编辑。

(2)公共信息服务模块:重在提供空间位置检索、基于位置的信息服务功能，利用ArcGISEngine的类库资源，通过ToolbarControl和VS系统中的DataGridView、Find控件完成相关地图数据的检索功能，查询要素属性信息。

(3)空间分析与数据统计模块:道路交通地理信息系统中利用空间数据检索出的要素可进行相应的聚类分析或数值统计;关于空间分析功能，其主要涉及最短路径分析与缓冲区分析，根据交通需求量、流通量的变化，进行最短距离、最短时间的计算或识别相关地理实体对周边地物的影响区间，空间缓冲区分析实现的部分代码

4.结语

作为涵盖测绘信息采集处理、计算机软件编程和数据库建设等多行业学科融合的道路交通地理信息系统，以ArcGISEngine组件式开发平台为基础，通过对其进行系统需求分析与功能模块设计，明确了系统的相关服务功能，构建了系统的总体框架，为类似工程实践提供参考意义。

参考文献：

[1]刘莹.ArcGISEngine的开发及应用研究[J].城市勘测，2006(02).

[2]张国强.数字图像处理技术在交通监控领域里的应用[J].辽宁师专学报(自然科学版)，2007(04).

[3]谭健妹，刘清君，邹小梅.基于GIS的交通事故信息系统研究[J].山西科技，2007(01).

[4]李红，沈冬.基于ArcGlSEngine的地理信息数据库设计与实现[J].测绘与空间地理信息，2009(04).

[5]兰小机，王飞，彭涛.基于ArcGISEngine的查询信息系统的设计与实现[J].金属矿山，2008(02).

摘要：探究式教以重视提高学生的发现、分析、解决问题能力的教学模式，其教学理念与我国的新课程改革理念相符。

通过对高中地理探究式教学进行分析，总结探究式教学实施经验，为高中地理应用探究式教学总结经验，提高课堂地理课堂教学效果，提升课堂教学效率，促进学生素质全面发展。

关键词：高中地理;探究式教学;新课程理念

在传统教学模式影响下，高中地理教学只重视学生的成绩，忽视提高学生的综合能力。

而新课程改革要求课堂教学应让学生掌握课本知识，更应让学生的综合素质获得提升。

在课堂教学中，教师需要转变教师和学生的地位，让学生成为课堂的主体，让学生主动参与课堂学习。

探究式教学方式属于培养学生主动性的教学方式，探究式教学模式与我国新课改理念相契合。

因而高中地理教师需要重视应用探究式教学模式，在探究教学过程中提高学生的主动探究能力科学素养，对学生学好地理知识以及学生的未来成长具有重要作用[1]。

笔者结合个人教学经验，对高中地理教学中应用探究式教学进行简要分析。

1、探究式教学中师生定位

学生定位：探究式教学作为一种培养学生自主探究能力的教学方式，它要求每个学生都能够积极参与教学活动。

同时探究式教学要求学生在教师引导下开展探究学习，通过个人的观察、分析和研究等活动或行为总结知识，建构知识体系，而非教师通过灌输式方式将知识传授给学生。

大概就这样了 参考一下吧基于landsat-TM影像的专题信息提取学生姓名：XX 学号：20085080079院系：城市与环境科学学院 专业：XX指导教师：XX 职称：助教摘 要：本文以沈阳地区为研究区，利用光谱信息提取水体、植被，采用基于灰度共生矩阵的纹理量的分类法，通过TM5波段提取灰度共生矩阵和灰度联合矩阵，计算并提取最能反映类别差异的纹理量值将光谱信息混淆的水田、旱田、居民地用分离，得到最终的分类结果。结果表明:将纹理特征应用于图像分类中可区分光谱混淆的地类，光谱与纹理特征结合得到的分类精度要高于单纯光谱的分类精度。关键词：遥感影像;光谱特征;纹理特征;灰度共生矩阵;分层提取;土地利用Abstract:Based on the study of shenyang area for using spectral information extraction，water,vegetation,based on gray symbiotic matrix of the texture classification,through the TM5 band extraction graylevel co-occurrence matrix and gray,and joint matrix extraction can reflect the differences between vector-valued texture category will confuse the paddy fields,spectral information structure,separation,with residents of the final results of the show that: the texture characteristics will be applied to image classification can distinguish the confusion of spectral spectrum and texture feature combination,the classification accuracy than pure spectral classification words:remote sensing image;spectrum feature;texture feature;text gray-level co-occurrence matrix;layered extraction;land-use引言遥感图像信息专题特征的提取，需要对TM图像的光谱信息和纹理信息进行综合分析,以达到提高影像分类精度的目的[1] 。在自然资源调查中，遥感图像已成为重要的空间数据源，其中TM图像信息是进行土地利用/覆盖变化动态监测的重要依据。常规提取TM图像信息主要是利用影像的光谱分辨率进行的，难以正确区分光谱易混淆的地物，例如菜地与其他耕地类型。提取TM图像中易混淆地物信息，可以充分利用影像的空间分辨率及影像上丰富的纹理信为了息来完成信息提取。纹理分析方法在许多领域都有重要的应用，吴高洪等[2]为了提高纹理图像分割的边缘准确性和区域一致性以及降低分割错误率，提出了一种基于小波变换进行纹理分割的方法。因此，研究地物在影像上的纹理特征，建立和充分应用基于纹理特征的地物分类及信息提取方法，将是今后研究高分辨率遥感影像信息提取的方向之一[3]。图像分析需要用到影像的灰度和纹理信息，灰度即波谱信息，是最基本的信息，纹理反映了灰度的空间变化情况，它由纹理基元按某种确定的规律或者某种统计规律排列组成。为了能用计算机进行纹理分析和形成统一的尺度，需将纹理量化，以定量反映纹理信息，形成纹理变量和纹理图像以便分析[4]。1 研究区概况苏家屯是沈阳市的九个市辖区之一，位于沈阳南部，距沈阳市中心15公里，与抚顺、本溪、辽阳三市毗邻。这里气候适宜，雨量适中，年均气温8度，年均降水量700毫米。物产丰富，蕴藏着丰富的煤石油天然气铁矿石和优质矿泉水等自然资源。苏家屯农业发达，盛产水稻、玉米，是国家确定的现代化农业示范区。本文选择数据源所选取的数据是沈阳地区2001年8月11日TM影像区的子区域。根据沈阳地区的农事历，选择10月上旬的遥感资料为宜。2光谱信息地物的光谱一般是指像素的亮度值，地表的各种地物由于物质组成和结构不同而具有独特的波谱反射和辐射特性，在图像上反映为各类地物在各波段上灰度值的差异。地物光谱响应特征是多光谱遥感影像地物识别最直接，也是最重要的解译元素。3 纹理特征纹理也是遥感影像的重要信息,它通过色调或颜色的变化表现细纹或细小的纹案，这种细纹或细小的纹案在某一确定的图像区域中以一定的规律重复出现。目标地物的纹理特征与航空相片的比例尺和太阳高度角有关。另外，它反映了影像的灰度统计信息、地物本身的结构特征和地物空间排列的关系，是进行目视判读和计算机自动解译的重要基础[5]。许多研究表明，除了原始影像光谱信息以外，加上纹理信息就可以使分析准确性和精度提高[6]。遥感图像中多为无规则纹理，一般采用统计方法进行纹理分析,目前用得较多的统计方法有共生矩阵法、分形维法和马尔可夫随机场法。所谓灰度共生矩阵是由影像灰度级之间二阶联合条件概率密度所构成的矩阵，反映了影像中任意两点间灰度的空间相关性。其方法是先依据影像的灰度级数和灰度变化情况计算出4个方向(右、下、右上和左下)任意两个灰度级相邻出现的概率矩阵，它能提供多个纹理量，可以从多个侧面描述影像的纹理特征，因而在纹理分类中得到广泛的应用[7]。4 提取方法 数据预处理本文对沈阳地区遥感影像进行光学增强处理，并采用高通滤波来进行滤波处理对影像进行融合将融合后的影像进行几何校正。本文以1∶5万比例尺地形图为底图，选取均匀地分别在整幅图像内的60个控制点，采用二次多项式纠正模型建立两幅影像的对应关系。配准精度在个像元以内， 土地利用分类体系的确定参考国家土地利用分类体系，结合研究区土地资源的实际情况，TM影像波谱特征及其分辨率等，把研究区土地利用现状分类系统按二级进行分类，一级类型5个，分别为水体、水田、旱地、居民地、植被。遥感信息提取遥感图像的某些波段往往存在异物同谱和同物异谱现象，如果把多种地物放到一起考虑，由于这些波段的加入，会使信息提取变得非常复杂，这也正是传统上基于统计特征的监督和非监督分类遇到的难题。而对地物进行分层处理，就可以充分利用各类地物在不同波段的特征，收到较好效果[8，9]。对某一地物进行提取，获得该信息层，与原图像进行逻辑与运算，做掩膜处理，从而将该地物像元从原始图像中去除，以避免它对其他地物提取的影响，从而为以后的信息提取创造了纯净的环境。基于地物光谱模型的遥感影像分类为获得光谱知识，在原始图像上进行采样。在采样过程中考虑到同类地物颜色的差异，如水域的深浅等，每一地类进行了多个样本值的合并，得到地物的综合光谱特征值（如图1）。图1 地物光谱特征水体的提取：太阳光照射到水面少部分被反射到空中大部分被入射到水体，入射到水体的光，部分被水体吸收，部分被水中的悬浮物反射，少部分透射到水底。被水底吸收和反射。被悬浮物反射和被水体反射的辐射，部分返回水面，折回到空中。因此，遥感器所接收到的辐射就包括水面反射光，悬浮物反射光，水底反射光和天空反射光（如图2）。由于不同水体的水面性质和水体特性的不同，从而形成传感器上接收到的反射光谱就存在差异，为遥感探测水体提供了基础。在可见光范围内，水体的反射率总体比较低，不超过10%,一般为4%～5%,并随着波长的增大逐渐降低，到μm处约2%～3%，过了μm，水体几乎成为全吸收体。因此，在近红外的遥感影像上清澈的水体成黑色。因此在提取水体时图面上黑色部分即为水体。图2 传感器接收到的光谱植被的提取:健康植物的波谱曲线有明显的特点（如图3），在可见光的μm附近有一个反射率为10%～20%的小反射峰。在μm和μm附近有两个明显的吸收谷。在～μm是一个陡坡，反射率急剧增高。在近红外波段～μm之间形成一个高的，反射率可达40%或更大的反射峰。在μm、μm和～μm处有三个吸收谷。它们分别受叶子色素，细胞构造，含水量等的影响。因此，在对TM影像上的植被进行提取时，要考虑以上因素。图3 健康植被的光谱特征基于纹理信息的分类在图1中容易看到水田、旱地、居民地有很大的光谱相似度，因此需要根据纹理特征进行提取。本文用水体和植被信息分别对原始影像做掩膜，再结合纹理信息作监督分类提取居民地、水田和旱地。为了突出图像的纹理，提高对图像的解译和分析能力，在对图像进行纹理分析之前，利用ErdasImagine软件对掩膜后的影像进行了增强处理。为了进行纹理分类，首先必须提取各类的纹理特征。试验中先提取各类样本，统计各种类纹理特征，再找出最大差异的纹理量，作为分类特征量进行分类(如图4)。纹理特征的提取需考虑到窗口的大小、方向和步长。本文利用TM第5波段的纹理特征,采用了3X3大小的窗口、四个方向的均值[10]、步长为1来对纹理值(包括角二阶距、对比度、熵、相关)进行特征统计。图4 纹理样本图本文所有的纹理分析均在上进行，主要目标是实现对输入遥感影像进行纹理分析，输出纹理分析的结果，以便通过使用结果，以不同的结合方式辅助分类作对比研究。从图5中我们可以看到，3种地类在ASM纹理特征量上差异最大，COR上次之，因此取用ASM、COR特征值，对3种地物加以提取。图5 3种纹理特征曲线旱田的提取:从纹理曲线中可以看出旱田的ASM量与水田、居民地有很大的差异，因此通过实验对ASM进行阈值设定来提取旱田。居民地和水田的区分:采用基于纹理特征和光谱特征相结合的方法，对居民地进行提取。水田和居民地在ASM特征量上，有着较大的差异，但仔细观察可以发现，在去除了旱田的干扰后，水田和居民地在COR特征量上也有着很大的差异。同时一些研究提出了(归一化建筑指数)[11]:NDVI=(TM 5- TM 4)/(TM 5+ TM 4)来对居民地进行提取（见表1）。从表2中可以看出，这种方法并不适合本文的研究区，但是对原始的光谱特征信息进行分析可以发现，在只存有水田和居民地的图像上，两者在TM5上的亮度值差距很大。综上所述,可以对COR和TM5的亮度值进行阈值设定提取居民地,将其与水田相分离。表1 5种地物的NDVI指数指标 水体 水田 旱地 居民地 植被NDVI 0．24271 0．218619 0．380397 0．231489 0．1663375精度评价衡量分类精度最广泛的方法是由Congalton提出的误差矩阵法(error matrix)，为了评价分类试验精度，本文采用随机抽样方法抽取400个点作正确率评价，通过对原图的目视判读结合实地考察对结果进行正确率评价，建立混淆矩阵，计算其Kappa系数(见表2)，在ERDAS监督分类中总正确率为 %(见表3)，两者相比较可以看出，基于光谱和纹理特征的信息分层提取方法能够很好的对研究区影象进行分类。表2 光谱纹理信息分类精度%居民地 水田 旱地` 水体 植被居民地水田旱地水体植被总合正确率/% 总正确率= Kappa系数=表3 EARDS监督分类精度居民地 水田 旱地` 水体 植被居民地水田旱地水体植被总合正确率/% 31232401072463357788 39748378 81112386 5 180182 702337937997总正确率= %6结语（1）试验表明，对地物进行分层处理，就可以充分利用各类地物在不同波段的特征。避免已提取地物对其他地物提取的干扰，为后续信息提取创造了纯净的环境；同时还可以有效地减少了漏分和误分，提高分类正确率。本文采用此方法对建设用地信息提取，获得较为满意的效果。（2)综合运用光谱知识、纹理信息对于仅基于遥感多光谱信息的传统分类方法，能够更有效地提取出土地利用类型信息，精度有了一定提高。（3）本文在进行纹理分析时，仅使用了单波段的影象数据，对于多波段影象数据未能充分利用； TM全色波段纹理清晰，如能加以利用，会对分类精度的提高有一定的帮助。参考文献[1] 梅安新，彭望琭，秦其明.遥感导论[M].北京，高等教育出版社,2003.[2] 吴高洪,章毓晋,林行刚等.利用小波变换和特征加权进行纹理分割[J].中国图像图形学报,2001,6(4):333-337.[3] 张禾.基于纹理特征的遥感影像居民地自动提取方法[J].江汉石油职工大学学报,2007,(4):93-96[4] 黄桂兰,郑肇葆,杨敏.一种基于共生矩阵法的影像纹理分类方法[J].测绘通报,1996,(3):28-31.[5] 周廷刚,郭达志,盛业华.灰度矢量多波段遥感影像纹理特征及其描述[J].西安科技学院学报,2000,2(4):336-338.[6] 舒宁.关于多光谱和高光谱影像的纹理问题[J].武汉大学学报,2004,29(4):292-295.[7] 武文波，陈静基于ETM+的遥感影像信息提取研究[J]甘肃农业大学学报2007，43(4).[8] 李四海,恽才兴.土地覆盖遥感专题信息的分层提取方法及其应用[J].遥感技术与应用,1999,(4):[9] 柴芸.甘肃省沙化土地监测研究[J].甘肃农业大学学报,2003,38(3):296～301.[10] Treitz P,Howarth spectral spatial andTerrain variables for forest ecosystem classification[J].Photogrammetric Engineering Remote Sensing,2000,66(3):305-317.[11] 查勇,倪绍祥,杨山.一种利用图像自动提取城镇用地信息的有效方法[J].遥感学报,2003,(1):38-391.标题 XXXXXXXXXXXXXX（宋体三号字加黑，居中）学生姓名：XX 学号：XXX(五号宋体字不加黑，居中)XXXX院（系） XX专业(五号宋体字不加黑，居中)指导教师：XXX 职称：XXX(五号宋体字不加黑，居中)（空两格）摘 要(黑体小四)：具体内容(楷体小四号字不加黑)（空两格）关键词(黑体小四)： **；**；** (楷体小四号字不加黑)(空一行)Abstract(Times New Roman小四加黑)： 具体内容(Times New Roman小四不加黑)Key Words(Times New Roman小四加黑)：**；**；** (Times New Roman小四不加黑)前言(宋体小三号加黑)一、政府信息公开制度概述（一级标题宋体四号字加黑）(一)政府信息公开的内涵（二级标题仿宋体小四号字加黑）1．政府信息公开（三级标题宋体小四号字）正文内容（宋体小四号不加黑）、图表说明（宋体小五号字不加黑）