植被信息提取

NDVI指数与植被覆盖度的计算步骤

收集整理资料如下

NDVI：归一化植被指数和植物的蒸腾作用、太阳光的截取、光合作用以及地表净初级生产力等密切相关。

1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；

2、-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大；

3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度；

4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关；

erdas里面利用NDVI提取植被指数的步骤：

1、在Erdas的主工具中选择Interpreter模块，出现Image Interpreter对话框

2、然后选择Spectral Enhancement，会弹出Spectral Enhancement对话框

3、再选择Indices选项出现Indices对话框

以TM数据为例进行说明，选择InputFile，选择Output File，在OutputOptions的Sensor 中选择Landst TM，在SelectFunction里面选择NDVI，DataType默认为Float不用改变，可以发现最下面的Function显示band 4 - band 3 / band 4 +band 3，这个就是NDVI的计算公式。最后选择OK即可完成，这里要注意的是没有OutputFile的话Ok按钮时不能使用的。如果NDVI计算的话在ENVI是最方便的在Transform菜单下就有，同时ENVI的波段计算功能也很方便完成NDVI计算。

另外，ERDAS MODEL做NDVI分类

首先说如何做NDVI，虽然ERDAS里有个现成专门可以做NDVI的的地方，但是我们注意到TM4+TM3可能为0，当除数为0时系统会报错，所以应该在分母上加0.001或0.0001都可以。这样分母就不会为0了，同时注意输出图象类型要是float single，否则做出来的结果可能是空白图象。

给NDVI图象进行再分类:注意输出图象类型为thematic。

其中中间一步要这样设置：注意先选中左框里的原始NDVI波段，然后点ADD CLUMMN按钮，并定义你的范围。

ENVI中提取NDVI值

1、打开图像

2、主菜单中，Transforms---NDVI,显示如下窗口，

选择影像---OK

3、在以下窗口中输入相应的参数

点击OK，即可。

说明：选择浮点型，ENVI数值范围保持为-1~1;

选择字节型，键入最小NDVI值，该值将被拉伸为0；键入最

大NDVI值，该值将被拉伸为255，获得的ENVI将被拉伸为0~255 的范围。

这样得到的ndvi图式HDR格式的，要想在ERDAS中打开需要转换成IMG格式的：

打开ERDAS软件，点击import，显示如下窗口：

ENVI下植被覆盖度的遥感估算

植被覆盖度是指植被（包括叶、茎、枝）在地面的垂直投影面积占统计区总面积的百分比。容易与植被覆盖度混淆的概念是植被盖度，植被盖度是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。两个概念主要区别就是分母不一样。植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。

植被覆盖度的测量可分为地面测量和遥感估算两种方法。地面测量常用于田间尺度，遥感估算常用于区域尺度。

估算模型

目前已经发展了很多利用遥感测量植被覆盖度的方法，较为实用的方法是利用植被指数近似估算植被覆盖度，常用的植被指数为NDVI。下面是李苗苗等在

像元二分模型的基础上研究的模型：

VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil) （1）

其中, NDVIsoil 为完全是裸土或无植被覆盖区域的NDVI值，NDVIveg 则代表完全被植被所覆盖的像元的NDVI值，即纯植被像元的NDVI值。两个值的计算公式为：

NDVIsoil=（VFCmax*NDVImin- VFCmin*NDVImax）/( VFCmax- VFCmin) （2）

NDVIveg=（(1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin）/( VFCmax- VFCmin) （3）

利用这个模型计算植被覆盖度的关键是计算NDVIsoil和NDVIveg。这里有两种假设：

1）当区域内可以近似取VFCmax=100%，VFCmin=0%。

公式（1）可变为：

VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin) （4）

NDVImax 和NDVImin分别为区域内最大和最小的NDVI值。由于不可避免存在噪声，NDVImax 和NDVImin一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据图像实际情况来定。

2）当区域内不能近似取VFCmax=100%，VFCmin=0%

当有实测数据的情况下，取实测数据中的植被覆盖度的最大值和最小值作为VFCmax和 VFCmin，这两个实测数据对应图像的NDVI作为NDVImax 和NDVImin。

当没有实测数据的情况下，取一定置信度范围内的NDVImax 和NDVImin。VFCmax和 VFCmin根据经验估算。

实现流程

下面我们以“当区域内可以近似取VFCmax=100%，VFCmin=0%”情况下，整个影像中NDVIsoil和NDVIveg取固定值，介绍在ENVI中实现植被覆盖度的计算方法。

使用的数据是经过几何校正、大气校正的TM影像。

(1)选择Transform->NDVI，利用TM影像计算NDVI。

(2)选择Basic Tools->Statistics ->Compute Statistics，在文件选择对话框中，

利用研究区地区的矢量数据生成的ROI建立一个掩膜文件。

选择统计文件及掩膜文件

计算统计参数

(3)得到研究区的统计结果。在统计结果中，最后一列表示对应NDVI值

的累积概率分布。我们分别取累积概率为5%和90%的NDVI值作为NDVImin和NDVImax。这里得到：

NDVImax=0.522991

NDVImin=0.031766

统计结果

(4)根据公式（4），我们可以将整个地区分为三个部分：当NDVI小于

0.031766，VFC取值为0；NDVI大于0.522991，VFC取值为1；介于两

者之间的像元使用公式（4）计算。利用ENVI主菜单->Basic Tools->Band Math，在公式输入栏中输入：

(b1 lt 0.031766)*0+(b1 gt 0.522991)*1+(b1 ge 0.031766 and b1 le 0.522991)* ((b1-0.031766)/ (0.522991-0.031766))

b1：选择NDVI图像

(5)得到一个单波段的植被覆盖度图像文件，像元值表示这个像元内的平

均植被覆盖度。在Display显示。

(6)选择Tools->Color Mapping->Density Slice，单击Clear Range按钮清除

默认区间。

(7)选择Opions->Add New Ranges，根据上面的对照表依次添加10个区

间，分别为每个区间设置一定的颜色，单击Apply得到如下的植被覆盖图。

植被覆盖度遥感估算结果其他情况下的操作流程基本类似。

端元法

【遥感专题系列】定量/高光谱遥感之——混合像元分解(2013-09-09 09:55:23) 转载▼ 分类：遥感技术 标签： 混合像元分解 端元波谱提取 杂谈 当具有不同波谱属性的物质出现在同一个像素内时，就会出现混合像元。混合像元不完全属于某一种地物，为了能让分类更加精确，同时使遥感定量化更加深入，需要将混合像元分解成一种地物占像元的百分含量（丰度），即混合像元分解，也叫亚像元分解。混合像元分解是遥感技术向定量化深入发展的重要技术。 本文主要介绍以下内容： ?基本概念 ?端元波谱提取 ?混合像元分解 ?基于MNF的MTMF混合像元分解 1.基本概念 ?混合像元 地球自然表面几乎不是由均一物质所组成的。当具有不同波谱属性的物质出现在同一个像素内时，就会出现波谱混合现象，既混合像元（Mixed Pixel）。Singer和McCord（1979）发现如果混合像元的尺度很大（宏观），那么混合像元将存在线性关系。对于微观的混合，混合像元通常表现为非线性关系（Nash and Conel，1974；Singer，1981）。 ?混合像元形成原因 从理论上讲，混合像元的形成主要有以下原因： 1) 单一成分物质的光谱、几何结构、及在像元中的分布； 2) 大气传输过程中的混合效应； 3) 传感器本身的混合效应； 其中：2)和3)为非线性效应，2)可以通过大气校正进行修正；3)可以通过仪器的校准、定标加以部分克服；1)部分是线性效应，也是本文讨论的内容。 ?混合像元分解 混合像元分解技术假设：在一个给定的地理场景里，地表由少数的几种地物（端元）组成，并且这些地物具有相对稳定的光谱特征，因此，遥感图像的像元反射率可以表示为端元的光谱特征和这个像元面积比例（丰度）的函数。这个函数就是混合像元分解模型。 近年来，研究人员提出了许多有效的分解模型，主要有：线性混合光谱模型、模糊监督分类模型、神经网络模型等。其中比较常用的是线性模型，即线性混合光谱模型。 ?线性混合光谱模型

envi植被指数的提取

本科学生实验报告 宋国俊学号114130168 专业＿＿地理信息系统班级11地信 验课程名称遥感运用 实验名称植被指数的提取额 指导教师及职称洪亮 开课学期2014 至2015 学年一学期

师大学旅游与地理科学学院编印

二、实验容、步骤和结果

找到landsat 8 的相关数据; 再找另外一个时间段的数据; 1）提取行归一化植被指数 归一化指数（NDVI）被定义为近红外波段与可见光红波段数值之差和这两个波段数值之和的比值。 公式：NDVI=（TM4-TM3）/（TM4+TM3） 在ENVI 的主菜单transforms下，运行NDVI子菜单，将得到的图像以612ndvi的文件名保存在文件夹中。得到的图像以灰阶显示如图 2014.3.16的NDVI2014.4.24NDVI 2）提取绿度植被指数GVI 公式： GVI=-0.2848*TM1-0.2435*TM2-0.5436*TM3+0.7243*TM4+0.084*TM5-0.1800*TM7

在ENVY3.2的主菜单basic tools下，运行band math子菜单，键入上述公式，将得到的图像以612GVI的文件名保存在文件夹中。得到的图像以灰阶显示如图 2014.3.16的GVI2014.4.24GVI 3）提取比值植被指数RVI 比值值被指数（RVI）由于可见光红波段（R）与近红外波段（NIR）对绿色植物的光谱响应十分不同，且具倒转关系。两者简单的数值比能充分表达两反射率之间的差异。 公式：RVI= TM4/TM3 在ENVI的主菜单basic tools下，运行band math子菜单，键入上述公式，将得到的图像以612GVI的文件名保存在文件夹中。得到的图像以灰阶显示如图

信息的概括和提炼方法

信息的概括和提炼方法

信息的概括和提炼方法 【篇一：信息的概括和提炼方法】 《语文课程标准》：“国内外的重要事件，学生的家庭生活，以及日常生活的话题等都可以成为语文课程的资源”，“学生要初步具备搜集和处理信息的能力”。`因此，新闻信息的筛选与提炼题应运而生。近几年来，这类试题频繁出现于全国各地中考试卷中。 考查方式：处理新闻、概括内容、提炼观点、图表表述、给事物下定义……涉及记叙性语段信息提取、说明性语段信息提取、议论性语段信息提取、图表信息提取。 例题解析 记叙性语段信息提取：人（物）+地点+时间+事件 中考试卷中信息提取类试题主要有以下几种题型： 题型二：新闻内容的概括 【例1】请用一句话提取下面这段文字的主要内容。(限15字以内) 今年是建国60周年，也是《湖北日报》创刊60周年。在2月6日至3月15日《湖北日报》开展的形象人物评选活动中，聂海胜当选《湖北日报》形象人物。这次旨在以人物彰显媒体品质的评选活动，得到广大读者的积极支持。经热心读者手机短信、网络投票等方式推荐，襄樊籍航天英雄聂海胜以其责任、理性、坚毅的品质以及巨大影响力最终脱颖而出。 参考答案：聂胜海当选《湖北日报》形象人物 【例2】请自己组织语言，概括下面这段文字的主要内容。（限15字以内）

欧盟健康风险科学委员会发表报告指出，如果5年内每周使用随身听5天，且每天以高音量收听音乐平均超过一个小时的话，那么5%至10%的使用者将面临永久性失聪的危险。最近几年，欧盟的随身听特别是mp3的销售数量猛增，约有5000万到1亿人特别是年轻人在使用随身听，因此有必要对人体的危害进行调查并采取措施，以保护青少年不受随身听和其他类似装置的损害。 参考答案：随身听会造成永久性听力损伤（或：常用随身听可能导致永久性失聪。） 题型三：给新闻拟标题 【例1】给下列这则新闻加上恰当的标题。（不超过12个字） 据介绍，世界数字图书馆包罗万象，从图书到各种档案都有，资料质量非常高。它按时间、地点、主题和捐助机构等内容提供搜索和浏览服务。使用者可以用阿拉伯文、中文、英文、法文、葡萄牙文、俄文与西班牙文7种语言查询。 参考答案：世界数字图书馆正式启用 【例2】给下列新闻拟一个标题。 再现传统盛景的2009年温州“拦街福”开街已经十天，市民热情高涨，深深感受到了温州传统文化的魅力。 “拦街福”是温州是传统习俗，始于宋，盛于清，流传至今。今年突出“传承文明、文化兴市”的主题，主要活动有拦街祈福、民俗文化展示、民间艺术展演等。到昨天为止，光顾“拦街福”的市民已达到35万人次，现场每天都洋溢着欢乐祥和的气氛。 参考答案：“拦街福”开街市民热情高涨（或：市民热情高涨感受文化魅力） 解析：给新闻拟标题与概括新闻一样，都是考察概括能力。但它们之间也有明显的区别。首先，拟标题要求语言更简洁，概括性更强。标

土地变化信息提取讲解

遥感实验报告

图1-1 第三步：获取分类模板信息，点击AOI，利用AOI-tools中的多边 形工具绘制某一地类的样区。将画好的耕地AOI添加到模板。 signature editor-edit-add. 重复步骤第三步，在图中采集多个 耕地样本。选择所有耕地样本模板，按merge按纽合并这组分类 模板。合并后将模板取名为耕地。利用同样的方法，依次做好其 灌草地、林地、水域、建设用地、裸地土地覆盖类型模板。如图 1-2：1990年图像的分类信息模板： 图1-2 2006年分类信息模板： 图1-3 第四步：保存分类模板。 2.评价分类模板 第一步：点signature editor-Evaluate-contingency，利用可能性矩阵方法评价分类模板精度。达到90以上即为精度满足要求，否则重 新选择训练样区，再次进行精度评价，直到精度满足。 1990年的模板评价结果： Classified Data forest and water forest urban ---------- ---------- ---------- ---------- ---------- forest and 99.83 0.00 1.14 1.66 water 0.00 100.00 0.00 0.00 forest 0.00 0.00 90.90 0.00 urban 0.00 0.00 0.00 98.34

bare land 0.17 0.00 0.00 0.00 formland 0.00 0.00 8.96 0.00 Column Total 604 638 703 602 Reference Data -------------- Classified Data bare land formland Row Total ---------- ---------- ---------- ---------- forest and 0.00 0.00 621 water 0.00 0.00 638 forest 0.00 4.88 662 urban 0.00 0.00 592 bare land 100.00 0.00 612 formland 0.00 95.12 648 Column Total 611 615 3773 ----- End of Error Matrix ----- 2006年影像的模板评价结果： 3 .执行监督分类 打开Classifier-surpervise classification,选择分类决策规

植被遥感

基于遥感的山西省森林植被研究的论文综述 摘要：以山西省行政区为研究区域，根据遥感与GIS、GPS相结合形成的“3S”技术体系，以TM743卫片为数据源，结合相关资料，对山西省森林资源面积进行调查，建立山西森林资源可持续经营能力指标体系，并对其能力进行评价。 关键词：山西省；植被遥感；3S技术 前言 植被覆盖率作为反映地表信息的重要参数，一直是植被遥感领域的重要研究课题。测量植被覆盖率的方法可分为地表实测和遥感监测两种。由于植被覆盖率具有显著的时空分异特征，因而，遥感已成为估算植被覆盖率的主要技术手段。本课题研究的目的是应用遥感技术清查全省森林资源的质量和数量，以及分析消长变化规律，为国土资源开发，保护森林资源，加强生态环境建设提供科学依据。 山西省地形地貌复杂，省内各区域间水汽条件差异较大，其植被密度分布呈明显的地带性和区域性规律。植被是覆盖地表的植物群落的总称,包括森林、灌丛、草地与农作物等,具有截留降雨、减缓径流、防沙治沙、保水固土等功能。植被覆盖是许多全球、区域变化监测模型中所需的重要信息,是描述生态系统的重要基础数据,也是生态系统的重要组成部分,在生态系统中发挥着非常重要的作用"作为生态系统的主要组分,植被是生态系统存在的基础,也是联接土壤、大气和水分的自然/纽带。植被在陆地表面的能量交换过程、生物地球化学循环过程和水文循环过程中扮演着重要的角色,在全球变化研究中起着/指示器的作用。植被根据生态系统中水气等的状况,调控其内部与外部的物质!能量交换"植被覆盖与气候因子关系极为密切,研究植被覆盖变化对气候的影响是气候变化研究的主要内容之一,它影响着土壤湿度、地表温度和地表能量与水的循环。 一、与遥感集成的“3S”技术在林业资源调查中的应用现状 在李强峰的《青海省森林植被的遥感调查与可持续评价》一文中，可以了解到“3S”技术在林业资源调查中的应用现状：“3S”集成技术包括RS与GIS 的集成、RS与GPS 的集成、GIS与GPS的集成，RS、GIS 和GPS 的集成。它们相互渗透，综合发展，显示出单一技术没有的优势。在“3S”集成技术中，GPS用于实时、快速地提供目标的定位定向信息；RS 用于实时、准时地提供目标环境的语义或非语义信息，发现地球表面的各种变化，及时对GIS 数据更新；GIS 作为集成系统的基础平台，可对多源时空数据进行综合处理、集成管理、动态存取、及时分析决策，形成一个完整的闭环控制系统。 在袁金国的《森林植被遥感分类研究》也提到了相关的内容：最早的植被分类采用人工目视解译,之后计算机自动分类比目视解译前进了一步,但由于各树种相互搀杂,且受土壤湿度,地形阴影,异物同谱的影响,单纯对遥感数据进行监督或非监督分类的结果精度不高.之后采用了遥感信息复合技术.信息复合的内容和方式包括:同种遥感信息多波段多时相信息复合;多平台遥感数据复合;遥感与非遥感信息的复合,如与专题地图信息或数字地形模型(DTM)的复合;遥感数据加入GIS数据,可视为信息复合的高级形式。 二、遥感技术在我国森林资源调查中的应用 遥感影像是以地物的光谱特征、辐射特征、几何特征和时相变化来表现地物信息，解

植被信息提取

NDVI指数与植被覆盖度的计算步骤 收集整理资料如下 NDVI：归一化植被指数和植物的蒸腾作用、太阳光的截取、光合作用以及地表净初级生产力等密切相关。 1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等； 2、-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大； 3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度； 4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； erdas里面利用NDVI提取植被指数的步骤： 1、在Erdas的主工具中选择Interpreter模块，出现Image Interpreter对话框 2、然后选择Spectral Enhancement，会弹出Spectral Enhancement对话框 3、再选择Indices选项出现Indices对话框 以TM数据为例进行说明，选择InputFile，选择Output File，在OutputOptions的Sensor 中选择Landst TM，在SelectFunction里面选择NDVI，DataType默认为Float不用改变，可以发现最下面的Function显示band 4 - band 3 / band 4 +band 3，这个就是NDVI的计算公式。最后选择OK即可完成，这里要注意的是没有OutputFile的话Ok按钮时不能使用的。如果NDVI计算的话在ENVI是最方便的在Transform菜单下就有，同时ENVI的波段计算功能也很方便完成NDVI计算。 另外，ERDAS MODEL做NDVI分类 首先说如何做NDVI，虽然ERDAS里有个现成专门可以做NDVI的的地方，但是我们注意到TM4+TM3可能为0，当除数为0时系统会报错，所以应该在分母上加0.001或0.0001都可以。这样分母就不会为0了，同时注意输出图象类型要是float single，否则做出来的结果可能是空白图象。 给NDVI图象进行再分类:注意输出图象类型为thematic。 其中中间一步要这样设置：注意先选中左框里的原始NDVI波段，然后点ADD CLUMMN按钮，并定义你的范围。 ENVI中提取NDVI值

植被遥感研究综述

植被遥感研究综述 摘要：随着计算机科学的发展，遥感技术可以有效完成复杂时空尺度海量信息的收集处理，其与森林资源研究的交叉、融合大大提高了复杂时空尺度上森林资源动态研究的表达能力。遥感已在森林资源综合监测、林火监测方面广泛应用。由于RS 分辨率大幅度提高，波谱范围不断扩大，特别是星载和机载成像雷达的出现，使RS 具备多功能、多时相、全天候能力。其中NOAA 卫星广泛用于监测全球森林宏观变化，MSS、TM、SPOT 用于区域中森林资源动态监测。遥感技术极大地推动了我国森林植被的研究。 关键词：遥感信息处理植被监测植被指数 1引言 森林资源，是林业和生态环境建设的基础，总面积超过40亿hm，约占陆地总面积的31%，对经济、社会和环境的可持续发展有不可替代的作用。遥感影像分类是森林资源调查和监测不可缺少的内容。从不同来源、不同形式的遥感信息提取出森林植被的专题信息，为划分森林类型、绘制林相图、清查森林资源、预测预报森林病虫害及森林火灾、合理规划、利用和保护森林资源提供基础和依据。20 世纪以来，由于森林面积萎缩和质量下降引发的生态环境事件不断出现，使得森林健康问题得到前所未有的关注，各国学者开展了大量而富有成效的研究工作。但是，传统的原地观测与受控实验等研究方法不仅需要耗费大量的人力物力资源，且速度缓慢，缺乏时间序列上的可比性，一些偏远地区更是难以到达；因为缺乏恰当的尺度转换手段，整体研究结果常常难以令人信服，方法具有一定的局限性。遥感技术则为人们提供了广阔的视野、海量的信息及一个可以实现客观、连续、重复、动态对比分析和推断预警的工作平台，已成功应用于植被研究的诸多领域，显示出强大的生命力。 2基本原理 森林植被的物理属性与草原、荒漠、农田、水体、建筑用地等土地利用类型有很大的区别；不同森林植被在不同生存环境和生长发育阶段，体内生化物质组成、含量、特性以及细胞结构、含水量也各不相同，这种物理属性的差异形成了目标物独特的光谱反射曲线，是用于判断和区别森林植被的重要手段。上述差异虽然导致森林植被光谱反射曲线各波段反射值略有不同，但光谱曲线的形状特

信息提取方法 (1)

专项训练 信息提取方法 材料信息各提取，共同话题相联系， 每则材料都概括，深入本质解问题。 （1、这几则材料为什么可以放在一起？ 2、然后推断：一定是材料之间存在某种关系。再通过比较、分析，一定会有所发现。 3、答题时，材料间是因果关系的，要先写主要原因，再写其他原因；材料间是同类事物的，要先写共性的，再写不同点的） 1、阅读下面三则材料，写出你的探究结果 材料一对某区一所中学初三(3)班49名学生进行调查后发现：自己求过或家长帮助求过护身符的占96％；经常到网上占卜的占34％；相信命由天定的占1l％；相信自己的幸运花、幸运石、幸运数字一定能给自己带来好运的占78％…… 材料二在某搜索网站输入“占卜”二字，可检索到34.4万个网页；输入“星座”二字，可检索到267万个网页。从搜索结果看，占星奇缘、北斗星易学书、周公解梦等内容充斥网页。 材料三联合国教科文组织把每年的4月23日确定为“世界读书日”。专家呼吁全社会都要关心青少年的健康成长，多为青少年出版一些好书，多提供一些有益的活动场所，为加强社会主义精神文明建设、构建社会主义和谐社会作出贡献。 答：①当今社会青少年非常迷信； ②某些网络媒体里充斥着很多迷信邪说； ③全社会都要关心青少年的健康成长，并为之创设良好的环境，从而抵制迷信思想的侵蚀 2、读下列材料，写出你的探究结果。 材料一撒哈拉沙漠以南非洲地区的城市人口中，71.9%的人居住在贫民窟，而且贫民窟人数在急剧增加。贫民窟已给城市带来危机。 材料二在贫困的非洲国度安哥拉，孩子们没有受教育的机会，许多孩子被赶出家门，遭受辱骂、毒打，甚至被烧死或活埋，就因为他们的父母认为他们掌握邪恶的巫术。 材料三多年来，世界粮食计划署一直没有停止对非洲贫困地区的粮食援助。今年，又给予非洲20亿美元资金的粮食援助，相当于2002年对全球援助的总额。 答：1.非洲地区的贫困和愚昧带来了巨大的社会问题（人口增长、教育落后）且给世界增加了沉重的负担。2.贫困和愚昧严重困扰着非洲的发展，并给世界造成了沉重的负担 3、阅读下面的三则材料，联系本文，写出你探究的结果。 材料一母虎抚养幼虎有三个过程。开始，它出去捕食回来，把最嫩的肉用爪子撕成碎片，喂给幼虎。后来，它捕食回来，自己把肉吃掉，剩下的骨头扔给幼虎啃。再后来，它捕食回来，自己把肉吃掉，把骨头扔掉，幼虎要吃，它就大吼一声，不让它吃。过几天，幼虎饿得实在受不了，就离开母亲，自己找食吃，且不再回来。 材料二孟子曰：”故天将降大任于是人也，必先苦其心志，劳其筋骨，饿其体肤，空乏其身……”（《生于忧患，死于安乐》） 材料三曾有这样的一幅漫画：父亲送儿子上大学，衣着时髦的儿子空着手，与别人谈笑风生，而父亲却肩扛手提，佝偻着身子帮儿子排队报名。漫画题为“如此爱心”。 答案：1.人才多是在艰苦环境中造就的。2.恶劣环境的磨炼有利于人才的成长。3.全社会应该加强挫折

网页正文提取

我为开源做贡献，网页正文提取——Html2Article 2014-1-7 14:38|发布者: 红黑魂|查看: 16722|评论: 4|原作者: StanZhai|来自: 博客园 摘要: 为什么要做正文提取一般做舆情分析，都会涉及到网页正文内容提取。对于分析而言，有价值的信息是正文部分，大多数情况下，为了便于分析，需要将网页中和正文不相干的部分给剔除。可以说正文提取的好坏，直接影响了分 ... 为什么要做正文提取 一般做舆情分析，都会涉及到网页正文内容提取。对于分析而言，有价值的信息是正文部分，大多数情况下，为了便于分析，需要将网页中和正文不相干的部分给剔除。可以说正文提取的好坏，直接影响了分析结果的好坏。 对于特定的网站，我们可以分析其html结构，根据其结构来获取正文信息。先看一下下面这张图： 正文部分，不同的网站，正文所在的位置不同，并且Html的结构也不同，对于 爬虫而言，抓取的页面是各种各样的，不可能针对所有的页面去写抓取规则来提取正文内容，因此需要一种通用的算法将正文提取出来。

现有的网页正文提取算法 ?基于标签用途的正文提取算法（比如title或h1,h2标签一般用作标题，p一 般表示正文段落，根据标签的含义去提取正文） ?基于标签密度判定（这个简单，说白了就是字符统计，正文部分html标签的密度比较低，确定一个阈值，按照标签密度提取正文部分） ?基于数据挖掘思想的网页正文抽取方法（这里会涉及到统计学和概率论的一些知识，在高深点就成了机器学习了，没有深入研究） ?基于视觉网页块分析技术的正文抽取（CV这种高端大气上档次的东西，岂是 我等这么容易就能研究明白的。虽然实现上复杂，但就提取效果而言，这种方法提取的精度还是不错的） 前2中方法还是比较容易实现的，主要是处理简单，先前我把标签密度的提取算法实现了，但实际用起来错误率还是蛮高的；后2种方法在实现上就略复杂了，从算法效率上讲应该也高不了哪去。 我们需要的是一种简单易实现的，既能保证处理速度，提取的准确率也不错的算法。于是结合前两种算法，研究网页html页面结构，有了一种比较好的处理思 路，权且叫做基于文本密度的正文提取算法吧。后来从网上找了一下类似的算法，发现也有使用类似的处理方法来处理正文提取的，不过还是有些不同。接下来跟大家分享一下这个算法的一些处理思想。 网页分析 我任意取了百度，搜狐，网易的一篇新闻类网页，拿来作分析。 先看一篇百度的文章 任正非为什么主动与我合影，https://www.wendangku.net/doc/3511011921.html,/article/2011 首先请求这个页面，然后过滤到所有的html标签，只保留文本信息，我们可以 看到正文信息集中在一下位置：

伏牛山地区森林植被动态变化对水热条件的响应

地理研究 GEOGRAPHICAL RESEARCH 第35卷第6期2016年6月 V ol.35,No.6June,2016 伏牛山地区森林植被动态变化对水热条件的响应 张晓东，朱文博，崔耀平，张静静，朱连奇 （河南大学环境与规划学院，开封475004） 摘要：利用环境一号卫星不同时相多光谱数据，提取伏牛山地区不同森林植被类型。借助S-G 滤波算法重构2000-2013年MODIS EVI 时间序列影像，并结合气温和降水数据，运用线性回归、相关性分析和ANUSPLIN 插值等方法分析伏牛山地区不同森林植被类型变动对水热条件的响应方式。结果表明：①伏牛山地区植被覆盖较高，EVI 平均值为0.48，14年来总体呈上升趋势，但不同森林植被类型变化存在明显差异，其中占比例最大的落叶阔叶林的上升趋势最为明显。②14年来伏牛山地区气温呈升高趋势，气温距平升高速度约为0.27℃/10a ，降水距平百分率呈波动增加趋势。③伏牛山地区不同森林植被类型EVI 变化和气温、降水的相关性存在明显差异，其中常绿阔叶林EVI 与气温的相关性最高，常绿落叶混交林与气温的相关性最弱；除常绿落叶混交林与降水主要呈弱正相关外，其余森林植被类型与降水主要呈弱负相关。④伏牛山地区森林植被对气温和降水的响应总体上滞后性不明显，仅在局部区域内常绿落叶混交林与气温和降水存在半个月滞后期。关键词：时滞性；森林植被；水热状况；增强性植被指数；伏牛山DOI:10.11821/dlyj201606003 1引言 山地生态系统具有复杂的环境梯度，对气候变化敏感，成为全球变化背景下研究植被动态对气候响应的热点区域[1-4]。森林植被作为山地生态系统的重要组成部分，随着山地气候的垂直分异，从山脚向山顶依次呈现出常绿阔叶林带、落叶阔叶林带、针叶林带等多种植被类型[5]。研究不同森林植被类型与气候变化的关系，有助于深入了解山地生态系统变动的复杂性和多样性、揭示山地生态系统变化的机理。 已有研究发现山地植被变化与气温降水具有密切关系，不同植被类型的植被覆盖变化对水热的响应具有明显差异[6-9]。崔晓临等分析秦岭山区植被覆盖海拔梯度差异及其与气温的垂直响应，发现高海拔区域与气温相关性最高[10]。王静等揭示南方丘陵山地植被生长对降水存在1个月的滞后现象[11]。缪丽娟等认为蒙古高原植被变化对气候的响应具有整体性和异质性，草原植被与降水呈正相关[12]。然而，这些研究对山区植被类型的划分仅局限于林地和草地等，缺乏对林地进行细分，而对不同类型森林植被覆盖变化与气候关系的研究多集中在平原地区[13-16]。另外，这些研究多采用归一化植被指数（NDVI ）来衡量植被覆盖变化，但NDVI 对植被冠层背景过于敏感且易饱和、受土壤噪音影响大。 收稿日期：2016-01-05;修订日期：2016-04-03 基金项目：国家重点基础研究发展计划（973计划）（2015CB452702）；国家自然科学基金项目（41401504）作者简介：张晓东（1985-），男，河南辉县人，博士研究生，主要从事区域自然资源开发利用研究。 E-mail:xdzhang@https://www.wendangku.net/doc/3511011921.html, 通讯作者：朱连奇（1963-），男，河南郸城人，教授，博士生导师，主要从事山地地理环境及资源开发利用研究。 E-mail:lqzhu@https://www.wendangku.net/doc/3511011921.html, 1029-1040页 网络出版时间：2016-06-20 11:08:06 网络出版地址：https://www.wendangku.net/doc/3511011921.html,/kcms/detail/11.1848.P.20160620.1108.006.html

端元选择方法及操作

选取合适的端元是成功的混合像元分解的关键。端元选取包括确定端元数量以及端元的光谱。 理论上，只要端元数量m小于等于b+1（b表示波段数），线性方程组就可以求解。然而实际上由于端元波段间的相关性，选取过多的端元会导致分解结果更大的误差。 端元光谱的确定有两种方式：(1) 使用光谱仪在地面或实验室测量到的“参考端元”； (2) 在遥感图像上得到的“图像端元”。方法(1)一般从标准波谱库选择，方法(2)直接从图像上寻找端元可选择的方法有：从二维散点图中基于几何顶点的端元提取，借助纯净像元指数（Pixel Purity Index——PPI）和n维可视化工具用于端元波谱收集，基于连续最大角凸锥（Sequential Maximum Angle Convex Cone——简称SMACC）的端元自动提取。下面介绍几种端元选择的方法。 1基于几何顶点的端元提取 将相关性很小的图像波段，如PCA、IC、MNF等变换结果的前面两个波段，作为X、Y 轴构成二维散点图。在理想情况下，散点图是三角形状，根据线性混合模型数学描述，纯净端元几何位置分布在三角形的三个顶点，而三角形内部的点则是这三个顶点的线性组合，也就是混合像元，如图所示。根据这个原理，我们可以在二维散点图上选择端元波谱。在实际的端元选择过程中，往往选择散点图周围凸出部分区域，后获取这个区域相应原图上的平均波谱作为端元波谱。 图散点图上的纯净像元与混合像元 下面以MNF变换后的第一、第二波段作为X、Y轴构建二维散点图，如图所示。

图 Scatter Plot窗口 2基于PPI的端元提取 借助纯净像元指数（PPI）和n维可视化工具用于端元波谱收集，下面详细介绍操作步骤。 第一步、获取纯净像元 这个步骤是在MNF变换的结果上计算纯净像元指数（PPI），之后选择阈值范围从PPI 图像上获得感兴趣区，感兴趣区包含的像元就是比较纯净的像元。 （1）打开高光谱数据。 （2）在ENVI主菜单中，选择Spectral ->MNF Rotation- > Forward MNF -> Estimate Noise Statistics From Data。在标准ENVI文件选择对话框中，选 择高光谱图像文件。打开Forward MNF Transform Parameters面板，选择MNF输 出路径及文件名，单击OK执行MNF变换。 （3）在ENVI主菜单中，选择Spectral-> Pixel Purity Index->[FAST] New Output Band。在打开的Pixel Purity Index Input File对话框中，选择MNF 变换结果，单击Spectral Subset按钮，选择前面10个波段（MNF后面波段基本 为噪声），单击OK。

实验七 植被指数提取与分析

实验七 植被指数提取与分析 1实训目的： 掌握应用遥感图像处理软件进行植被指数提取方法，了解植被指数在图像解译中的作用。 2实训内容： 提取主要指被指数：归一化植被指数NDVI 、比值植被指数RVI 。 植被指数分析：不同土地覆盖植被指数差异，不同植被指数数值。 3实训材料准备 采用软件：ERDAS 软件 遥感数据：SPOT5多光谱遥感影像图 4实训方法与步骤； 遥感图像上的植被信息，主要通过绿色植物叶子和植被冠层的光谱特性及其差异、变化而反映的，不同的光谱通道所获得的植被信息可与植被的不同要素或某种特征状态有各种不同的相关性，因此，我们往往选用多光谱遥感数据经分析运算（加、减、乘、除等线性或非线性组合方式）产生某些对植被长势、生物量等有一定指示意义的数值——即所谓的“植被指数”。用一种简单有效的形式来实现对植物状态信息的表达，以定性和定量地评价植被覆盖、生长活力及生物量等。 在植被指数中，通常选用对选用对绿色植物（叶绿素引起的）强吸收的可见光红波段和对绿色植物（叶内组织引起的）高反射的近红外波段。这两个波段不仅是植物光谱中的最典型的波段，而且它们对同一生物物理现象的光谱响应截然相反，故它们的多种组合对增强或揭示隐含信息将是有利的。 SPOT5多光谱影像数据特征 波段 波长/μm 分辨率/m Band1（近红外） 0.78～0.89 10 Band2（红色） 0.61～0.68 10 Band3（绿色） 0.49～0.61 10 Band4（中红外） 1.58～1.78 20 1）提取归一化植被指数： 2）提取比值植被指数： 3）植被指数土地覆盖植被指数差异： ) /()(R NIR R NIR spot spot spot spot NDVI +-=R NIR DN DN RVI /=

冰川信息提取方法综述 20151101002

基于遥感的冰川信息提取方法综述 全球气候环境变化及其影响已成为当今世界各国政府、科学家和政策决策者所共同关注的重大焦点问题。政府间气候变化委员会（IPCC第四次评估报告指出[1]，过去 100 a）（1906~2005 年）全球地表平均气温上升了0.74℃，而最近 50 a的升温速率几乎是接近过去 100 a 升温速率的两倍。冰川对气候变化十分敏感，被视为气候变化的指示器，升温已导致全球大多数冰川在过去 100 多年里处于退缩状态，尤其是最近的几十年呈加速退缩态势[1,2]。尽管大量的冰储存于两极冰盖中，但山地冰川和冰帽的储量损失在过去几十年和未来一个世纪对海平面上升、区域水循环和水资源可获取性均有重要影响[3-5]。 青藏高原及其毗邻地区蕴藏着世界上两极之外最大的冰雪储量，被称为“第三极”，该区气候变化引发的冰川变化不仅影响到周边地区十个国家的15亿人口的农业、发电等生产活动的水资源供应[3, 6, 7]，而且会引发区域乃至北半球的大气环流格局的变化[8]，从而使其成为国际冰川变化研究的热点地区。此外，青藏高原很多内陆湖泊近期水位上涨、湖泊面积增大导致草场淹没以及冰湖溃决和泥石流滑坡等山地灾害，对周边地区的生态与环境及农牧民的生活造成了严重影响[9]。 因此，监测青藏高原冰川变化时空分异特征，对于更加清楚地认识该地区对全球气候变化的响应具有重要的科学意义，对于及时提供湖泊水量变化信息，制定当地农牧民的应对措施具有重要的现实意义。本文系统梳理和总结了国内冰川监测相关研究进展，并探讨了当前该领域研究的不足以及未来的研究方向，旨在为我国冰川变化监测提供有益借鉴。 一、传统野外监测 传统的冰川观测主要基于野外实地考察，开展较早。世界上很多地区在一个多世纪以前就开始系统地观测冰川与冰盖的变化[10]。1930s 之前一直依靠实测冰川末端的变化或对比小冰期冰碛物的位置获得冰川变化的信息，1940s 后期开始了冰川物质平衡研究，截止到 2008 年全球已获取了 1803 条冰川自19 世纪后期的冰川长度变化和 226 条冰川过去 60 年内的物质平衡观测结果[10]，分别占 1970s 估计的全球冰川总数 160000条[11]的 1.1%和 0.1%，观测数量很有限。我国冰川研究事业开创于1958年祁连山冰川考察[11]，截止到 2007 年，基于野外考察共有 27 条冰川的长度变化和 5 条冰川的物质平衡的较长时间观测记录[12]，分别为我国冰川总数46377[13]条的 0.06%和 0.01%，远低于前述全球尺度的相应观测比例，且没有一条位于我国冰川分布中心之一的喀喇昆仑地区。实地观测通常在容易到达、安全且不是太大的冰川进行，不能代表所有冰川的规模、海拔分布、坡度和朝向。所以，仅靠少数野外考察资料很难反映全球或区域尺度冰川变化的空间特征，所获得的冰川变化趋势及其对气候变化的响应的结论也难免存在局限性。 二、冰川面积变化遥感监测 遥感观测可以在瞬时获取较大范围的地面综合信息，适合对不同地理环境下的冰川变化进行长期而持续的监测，早期主要进行面积变化遥感研究。1940s 以后，人们可以借助于航空摄影技术测绘冰川末端位置[14]。1970s 之后，随着卫星遥感技术的发展和观测精度的提高，陆地资源系列卫星（Landsat MSS、TM 和

土地利用覆盖变化地信息提取

土地利用/覆盖变化信息提取实验报告 1. 实验目的 利用TM/ETM3个时相卫星数据，应用ENVI软件进行土地利用/覆盖分类，在此基础上进一步分析其动态变化特征。 2. 实验内容 金华市土地利用/覆被变化信息的提取。采用决策树分类法提取土地利用/覆被信息，它通过分析地物光谱特征和其他图像特征，充分利用高程、坡度等地理辅助信息可以有效地提高分类精度，比较适合于江南丘陵地形破碎、地物分布复杂的地区。和传统的监督分类法相比，它可以消除园地和林地、建设用地和裸地光谱相似所带来的影响。 （1）TM影像数据的预处理。本文的遥感数据处理主要包括大气校正、几何校正和图像增强，并利用行政边界矢量图对影像进行裁剪。 （2）土地利用变化信息提取。首先对其中的一期影像(2003年)分别采用最大似然法、决策分类树法进行分类，提取土地利用/覆被信息，并对二者的提取精度进行比较，选择精度最高者作为最终的提取方法，进而提取1988～2003年金华市土地利用/土地覆被信息。 （3）利用空间叠加获取土地利用/覆被变化的面积转移矩阵，进而通过面积转移矩阵分析土地利用/土地覆被的数量变化、空间结构变化和土地利用程度。 3. 实验方案 4. 数据预处理 4.1 数据源

本文所采用的数据包括：两景金华市的Landsat TM和一景Landsat ETM陆地卫星影像，一景半SPOT 全色影像；该地区1：50 000地形图；该地区81m*81m分辨率的数字高程模型（DEM）；1：100万中国行政边界矢量图等。具体的见表4-1和4-2所示。 表4-1 研究区遥感影像数据 获取时间传感器类型数量（景）空间分辨率（m） 2003年3月9日SPOT-5全色 15 1/25 2003年3月26日LandsatETM+ 1-8波段 1 15m（全色） 30m(多光谱) 1996年9月6日LandsatTM1-7波段130 1988年12月5日LandsatTM1-7波段130 表4-2 研究区其他资料及应用说明 数据类型应用说明 大比例尺地形图最新时相的1：50000地形图，用于进行卫星遥感资料的几何校正 野外调查资料野外控制点的测量，土地利用/覆盖分类训练样本区的调查，建立判读标志，进行分类及信息提取精度检验等工作 土地利用现状图对比土地利用/覆盖动态变化及遥感影像分类精度参考 4.2 图像预处理 数据预处理部分主要包括：对遥感影像进行大气校正、几何纠正、以及对研究区进行边界裁剪和图像增强。主要工作流程如下（图4-2）：

excle从一个文本中提取所需要字段

如何中EXCLE中一个文本中提取出自己所需要的字段呢，我们可以用 MID 请参阅 也应用于： MIDB MID 返回文本字符串中从指定位置开始的特定数目的字符，该数目由用户指定。 MIDB 返回文本字符串中从指定位置开始的特定数目的字符，该数目由用户指定。此函数用于双字节字符。 语法 MID(text,start_num,num_chars) MIDB(text,start_num,num_bytes) Text 是包含要提取字符的文本字符串。 Start_num 是文本中要提取的第一个字符的位置。文本中第一个字符的 start_num 为 1，以此类推。 Num_chars 指定希望 MID 从文本中返回字符的个数。 Num_bytes 指定希望 MIDB 从文本中返回字符的个数（按字节）。 说明 ?如果 start_num 大于文本长度，则 MID 返回空文本 ("")。 ?如果 start_num 小于文本长度，但 start_num 加上 num_chars 超过了文本的长度，则 MID 只返回至多直到文本末尾的字符。 ?如果 start_num 小于 1，则 MID 返回错误值 #VALUE!。 ?如果 num_chars 是负数，则 MID 返回错误值 #VALUE!。 ?如果 num_bytes 是负数，则 MIDB 返回错误值 #VALUE!。 示例 (MID) 如果您将示例复制到空白工作表中，可能会更易于理解该示例。 操作方法

1.创建空白工作簿或工作表。 2.请在“帮助”主题中选取示例。不要选取行或列标题。 从帮助中选取示例。 3.按 Ctrl+C。 4.在工作表中，选中单元格 A1，再按 Ctrl+V。 5.若要在查看结果和查看返回结果的公式之间切换，请按 Ctrl+`（重音符）， 或在“工具”菜单上，指向“公式审核”，再单击“公式审核模式”。 1 2 A 数据 Fluid Flow 公式说明（结果） =MID(A2,1,5) 上面字符串中的 5 个字符，从第一个字符开始 (Fluid) =MID(A2,7,20) 上面字符串中的 20 个字符，从第七个字符开始 (Flow) =MID(A2,20,5) 因为要提取的第一个字符的位置大于字符串的长度，所以返 回空文本 ("") 示例 (MIDB) =MIDB("",1,6) 等于“ ”

端元选择方法及操作

原文地址：混合像元分解中的端元波谱获取方法作者：ENVIIDL 选取合适的端元是成功的混合像元分解的关键。端元选取包括确定端元数量以及端元的光谱。 理论上，只要端元数量m小于等于b+1（b表示波段数），线性方程组就可以求解。然而实际上由于端元波段间的相关性，选取过多的端元会导致分解结果更大的误差。 端元光谱的确定有两种方式：(1) 使用光谱仪在地面或实验室测量到的“参考端元”； (2) 在遥感图像上得到的“图像端元”。方法(1)一般从标准波谱库选择，方法(2)直接从图像上寻找端元可选择的方法有：从二维散点图中基于几何顶点的端元提取，借助纯净像元指数（Pixel Purity Index——PPI）和n维可视化工具用于端元波谱收集，基于连续最大角凸锥（Sequential Maximum Angle Convex Cone——简称SMACC）的端元自动提取。下面介绍几种端元选择的方法。 1基于几何顶点的端元提取 将相关性很小的图像波段，如PCA、IC、MNF等变换结果的前面两个波段，作为X、Y 轴构成二维散点图。在理想情况下，散点图是三角形状，根据线性混合模型数学描述，纯净端元几何位置分布在三角形的三个顶点，而三角形内部的点则是这三个顶点的线性组合，也就是混合像元，如图所示。根据这个原理，我们可以在二维散点图上选择端元波谱。在实际的端元选择过程中，往往选择散点图周围凸出部分区域，后获取这个区域相应原图上的平均波谱作为端元波谱。

图散点图上的纯净像元与混合像元 下面以MNF变换后的第一、第二波段作为X、Y轴构建二维散点图，如图所示。 图Scatter Plot窗口 2基于PPI的端元提取 借助纯净像元指数（PPI）和n维可视化工具用于端元波谱收集，下面详细介绍操作步骤。 第一步、获取纯净像元 这个步骤是在MNF变换的结果上计算纯净像元指数（PPI），之后选择阈值范围从PPI 图像上获得感兴趣区，感兴趣区包含的像元就是比较纯净的像元。 （1）打开高光谱数据。 （2）在ENVI主菜单中，选择Spectral ->MNF Rotation- > Forward MNF -> Estimate Noise Statistics From Data。在标准ENVI文件选择对话框中，选择高光谱图像文件。打开

信息提炼方法

新闻信息提取方法略谈 【考点指津】 标题是新闻的“眼睛”，是新闻的精华，是新闻的灵魂，它用最简洁的语言概括了新闻最主要的内容。因此概括方法是：人物（事物）+事件。 概括新闻的主要内容一定要找出文段中的时间、地点、人物，还要把发生的事情用简单的语言表达出来，概括方法是：时间+人物（事物）+地点+事件。具体方法是：1.抓关键词语；2.关注重要句子；3.如果有导语就要抓住导语进行归纳，因为导语是新闻内容的高度概括。 【示例解析】 例1：给下面的报道写一个标题。（不超过10个字） “白帝碧波山水欢，千帆竞渡履平川。”6月10日，奉节县100名诗人齐聚老县城依斗门，朗诵着自己的诗作，送别有着一千多年历史的古城门，这座古城门即将在三峡水库蓄水达135米水位时，永沉江底。84岁的老诗人余敬之也参加了此次活动。有“活杜甫”之称的他，至今创作出了3000多首诗歌。看着不断上涨的江水，老诗人朗诵着自己的诗作，眼泪直往下掉。他说，千百年来，依斗门跟瞿塘峡、白帝城一样，是诗人取之不尽的创作源泉。 下午5点，依斗门被水淹没，标志着诗城遗址初步没入库底。此时，诗人们才依依不舍离去。 【解析】第一步，找出“人物”：百名诗人。第二步，找出“事件”：事件记叙比较零散，因此需要提取关键词语——朗诵，送别，古城门。84岁的老诗人参加活动只是送别古城门中的一个例子，因此不是短文的要点。答案：百名诗人“诵”别古城门。 例2：根据下面一则消息所给出的信息要点，拟一条“一句话新闻”。 【本报讯】记者近日从联通南京分公司获悉，130手机将在包括南京在内的12个城市推出“一机多网”服务，用户可以直接用手机拨打国际、国内IP长途电话，将来还能上因特网。 据介绍，“一机多网”是中国联通在预存话费的基础上推出的数字手机与IP电话因特网综合集成的一项新业务，用户在130手机上拨打IP电话时，无需输入卡号和密码，直接拨“17911”和被叫号码即可，在本地打国内长途时，不分远近均为每分钟0.7元，国际长途每分钟5.2元。据悉，到今年上半年，国内将有超过130个城市开通此项业务。 【解析】“事物”：联通。“事件”：消息的第一段是对全文内容的高度该括，因此可以从其中提炼出事件。时间：本消息表示时间的词语有四个——近日，将，将来，到今年上半年。可以从这几个词语看出时间是从最近开始，不超过今年上半年。因此我们可以把时间定为：近期。答案：联通近期将推出“一机多网”，手机也能打IP电话。 【演练提高】 1．为下面的报道拟一条标题。（不超过12字） 近日，新会市博物馆展出了一件特殊的文物“木美人”。这是画在一幅木制门板上的油画，画的是两个与真人一般大小、身着中国古代腰饰的西洋美女。研究者初步认为，这幅“木美人”是我国最早的油画作品。其艺术性不逊于意大利油画家达·芬奇的《蒙娜丽莎》。据传，这幅“木美人”门板，是明朝一位新会籍人士从福建带回来的。木门所属的屋子因为失火而被烧毁。门板是屋子里唯一没有被烧毁的东西，距今至少有五千多年的历史。这幅画究竟是何人何时所作？为何画中女子身着汉人服装，面部却有明显的西洋人特征？这些问题至今还不清楚。