武汉理工空间分析课程设计.doc

1、武汉理工大学空间分析课程设计说明书 目录课程设计一：基于Model Builder的坡向变率提取研究1 实验背景及意义12 实验目的13 实验基础数据及软硬件环境要求14 实验原理介绍25 实验方案设计26 实验步骤解析36.1 实验准备工作36.2 新建空白空间分析模型46.3 建立原DEM坡向变率提取模型56.4 建立反地形DEM坡向变率提取模型56.5 建立地面坡向变率提取模型76.6 模型运行及结果显示86.7 制作专题图87 实验结果与分析88 实验讨论与总结9课程设计二：基于主成分分析的湖北省各城镇综合竞争力评价研究参考文献91 实验背景及意义101.1 实验背景101.2 实验意

2、义102 实验目的103 实验基础数据及软硬件环境要求104 实验原理介绍115 实验方案设计116 实验步骤解析126.1 因子筛选126.2 主成分分析136.2.1 确定主成分136.2.2 建立主成分模型136.2.3 计算主成分系数146.2.4 确定主成分表达式146.2.5 主成分命名及指标体系建立146.2.6 计算主成分得分156.3 确定主成分的权重166.4 计算综合得分166.5 综合竞争力分等定级176.7 制作专题图177 实验评估与结论197.1 主成分得分表分析197.2 综合竞争力等级分布图分析208 实验讨论与总结20参考文献21致谢21课程设计一：基于Mo

3、del Builder的坡向变率提取研究1 实验背景及意义坡向变率1是指坡向在水平方向上的变化率，即地形表面上的某点扭曲变化程度的定量化因子在水平方向上的分量，即在提取坡向的基础上，提取坡向的变化率，亦即坡向之坡度（Slope of Aspect，SOA）。它可以很好地反应等高线弯曲程度。由于在一些特征地形要素提取过程中，所需的平面曲率较难获得，而坡向变率（SOA）在一定程度上可以很好地表征平面曲率。因此，在提取过程中以SOA代替平面曲率，在一定程度上能简化实际问题，可为进一步提取地形特征信息（如山谷线、山脊线）提供判断依据和前提条件，对于地形地貌研究及许多工程应用方面都具有很重要的现实意义。

4、2 实验目的 通过本次实验掌握基本地形特征信息的理论及基于DEM数据的地面坡向变率提取方法和原理；同时，熟练掌握ArcGIS 软件中空间分析建模工具的相关理论知识以及利用Model Builder提取坡向变率信息的建模流程。 3 实验基础数据及软硬件环境要求（1）实验基础数据：某区域栅格DEM数据。（2）软硬件环境：装有ArcGIS10.1的计算机。（3）实验要求：利用所给区域 DEM数据，基于空间分析建模工具提取该区域坡向变率栅格数据。4 实验原理介绍 （1）坡向变率是反映地形在水平方向上变化特征的关键指标,在数字地形分析中具有重要作用。基于规则格网 DEM是最主要的坡向变率的提取方法。提取

5、原理是在所提取的地表坡向矩阵的基础上沿袭坡度的求算原理，提取地表局部微小范围内坡向的最大变化情况。但是SOA在提取过程中在北面坡将会有误差产生，所以要将北坡坡向的坡向变率误差进行纠正，其公式1为：SOA=( SOA1+ SOA2 )-Abs( SOA1- SOA2 )/2 其中：SOA1为原始DEM数据层坡向变率，SOA2为反地形DEM数据层坡向变率。 （2）ModelBuilder建模工具，为设计和实现ArcGIS中各种数据处理提供了一个图形化的建模环境。5 实验方案设计 本次实验依据地面坡向变率与原始DEM坡向变率及反地形DEM坡向变率之间的定量公式设计流程图如下：图1-1 坡向变率提取实

6、验方案设计流程6 实验步骤解析6.1 实验准备工作（1）设置原始数据英文路径：在F盘新建一个文件夹“ModelBuilder”，并新建子文件夹“data”，将原始数据拷到“data”中。（2）设置实验相对路径：启动ArcGIS Lisence，双击打开ArcMap，file-map document properties-勾选“存储数据源的相对路径”，在文件夹中新建一个geodatabase-应用-确定。（如图1-2）图1-2 设置相对路径（3） 设置工作空间： 右键菜单栏下的Catalog，在弹出的窗口中单击Options按钮，打开Catalog Options对话框，设置浏览路径到“Mod

7、elBuilder”文件夹中，点击应用、确定即可完成对Catalog工作空间的设置；（如图1-3） 右键菜单栏下的ArcToolbox，在弹出的窗口中右键“ArcToolbox”Environments，打开环境设置对话框，将Workspace下的路径浏览到“ModelBuilder”文件夹下的geodatabase中，点击ok即可完成ArcToolbox工作空间的设置。（如图1-4） 图1-3 设置Catalog工作空间 图1-4 设置ArcToolbox工作空间（4） 加载原始数据：单击add data，打开add data 对话框-选中dem数据-单击add即可将所有图层加载到地图中。6

8、.2 新建空白空间分析模型（1）新建dem工具箱：右键“My Toolboxes”NewToolbox，右键重命名为dem； （2）新建空间分析模型：右键demNewModel，右键重命名为SOA；右键SOAEdit即可看到空白空间分析模型。（如图1-5）图1-5 空白的SOA空间分析模型6.3 建立原DEM坡向变率提取模型（1） 拖入分析工具：右击ModelEdit拖入3D分析工具/Raster Surface下的Aspect和Slope工具；（如图1-6）（2） 设置输入输出数据：双击Aspect工具选择dem为输入图层，自定义输出图层名字为Aspect1（如图1-7）；双击Slope工具

9、选择Aspect1为输入图层，自定义输出图层名字为SOA1（如图1-8），得到原DEM坡向变率提取模型（如图1-9）。 图1-6 拖入Aspect和Slope工具 图1-7 原DEM坡向提取模型输入输出设置 图1-8原DEM坡向变率提取模型输入输出设置 图1-9原DEM坡向变率提取模型6.4 建立反地形DEM坡向变率提取模型 （1） 属性查找原DEM最大高程值：右键dem图层，打开属性对话框，在Source标签下找到Max即原DEM最大高程值为1153.791870117188，如图1-10；（2） 拖入分析工具：右击ModelEdit拖入空间分析工具/Map Algebra下的Raster

10、Calculator工具以及3D分析工具/Raster Surface下的Aspect和Slope工具，如图1-11；（3） 设置输入输出数据：双击Raster Calculator工具输入公式1153.791870117188 - %dem (2)%，自定义输出图层名字为fanDEM（如图1-12）；双击Aspect工具选择fanDEM为输入图层，自定义输出图层名字为Aspect2（如图1-13）；双击Slope工具选择Aspect2为输入图层，自定义输出图层名字为SOA2（如图1-14），得到反DEM坡向变率提取模型，如图1-15。 图1-10 属性查找原DEM最大高程值 图1-11 拖入

11、工具 图1-12 计算反地形DEM 图1-13 反DEM坡向提取模型输入输出设置 图1-14反DEM坡向变率提取模型输入输出设置图 图1-15 反DEM坡向变率提取模型6.5 建立地面坡向变率提取模型（1） 拖入分析工具：拖入空间分析工具/Map Algebra/Raster Calculator 工具； （2） 设置输入输出数据：双击Raster Calculator 工具输入计算公式，自定义输出图层为SOA（如图1-16）即可得到地面坡向变率，并单击Auto Layout自动美化模型布局，最终模型显示如图1-17，最后保存模型。图1-16 计算地面坡向变率 图1-17 地面坡向变率提取模型

12、6.6 模型运行及结果显示 右键单击Raster Calculator(2)工具Run即可运行模型（如图1-18）；右键单击SOA结果图层Add to Display即可显示分析结果（如图1-19）。 图1-18 模型运行界面 图1-19 分析结果显示6.7 制作专题图（1） 视图转换：单击菜单栏View下的Layout View完成布局视图的转换；（2） 页面和纸张设置：右键地图空白处-打开页面设置（page and print setup）-纸张大小（size）设置为A4，方向（orientation）设为水平(landscape)-ok；（3） 添加地图要素：通过菜单栏下的Insert添

13、加图名、图例、指北针、比例尺、制图人、制图单位、地图投影和坐标系统等；（4） 地图要素的调整与地图美化和完善；（5） 输出为地图：File-Export Map,生成JPEG或PDF格式的地图，双击可查看结果图效果。见附页彩图“某区域地面坡向变率分布图”。7 实验结果与分析 由专题图可知，坡向变率高坡向在水平方向上的变化率大的地方呈现一种立体的山脊山谷状，这也证明了地面坡向变率代替用于提取山脊线山谷线的平面曲率的正确性及两者的一致性。 ArcGIS中坡向值的取值范围是0,360），致使相邻坡向值之差的取值范围为0，360），超出了正确的范围提取坡度时，就会造成误差。现在许多GIS平台软件中均采

14、用三阶反距离平方权差分算法1提取高精度的坡向变率，但提取过程仍存在一定较小的误差。8 实验讨论与总结 本次实验不同于直接利用空间分析工具一步一步地解决地理问题，而是利用Model Builder建立集合所有分析过程的模型实现地理问题的一次性解决，以提高实验效率。通过查阅相关资料2得知，Model Builder的优势有以下几点：（1） 集合地理处理流程使分析简易化、流程化：Model Builder可以集合一个复杂地理问题中所有分析过程，只要建立集合起来的分析模型即可一步解决相关地理问题。一旦实验结果有误，均可通过查看模型流程是否正确，使得检查效果一目了然，节省时间，提高效率。（2） 模型重用

15、性及分享性高：利用Model Builder建立好分析模型后将之保存为My model，方便下次使用，提高模型重用性，也可移植到他人电脑分享使用。（3） 模型集合度及层次度高：利用Model Builder建立的模型之间可以互相包含，即一个模型中还可以包含子模型，实现更复杂的应用。参考文献1 谢轶群,汤国安,江岭.DEM提取坡向变率中的误差特征与消除方法.国家自然科学基金,2013(2).2 李鸿奎,解鹏,冯晓琳,孔凡强.基于ModelBuilder的农用地图斑地形因子自动提取与应用.国土与自然资源研究,2013(3).课程设计二：基于主成分分析的湖北省各城镇综合竞争力评价研究1 实验背景及意

16、义1.1 实验背景 在全球化及经济快速发展的背景下，区域与国家间的竞争已逐渐演变为城市间的竞争，现代城市只有通过增强自身的竞争力才能在复杂的竞争环境中取得有利地位。城镇综合竞争力强弱综合反映了城镇的生产能力、交流能力、科技创新能力及社会面进步以及对外影响力1等实力，科学评价城市竞争力也是制定城市发展战略的基础。1.2 实验意义 以作为我国中部地区大省之一的湖北省的各城镇为例，对其进行综合竞争力统计分析及结果评价，可以帮助我们发现各城镇在社会生产中存在的问题，以及影响总体发展水平的因素，并依据分析结论为各地区的效益发展提供一种理论依据，从而促进区域健康发展。 2 实验目的 通过本次实验掌握SPS

17、S软件中主成分分析的理论知识及基于主成分分析的相关地理问题评价方法和原理，明确评价类问题的一般流程及指标选择及权重赋予的一般思路；同时，熟练掌握ArcGIS 软件中分级设色的相关操作流程以及利用生成的专题图进行结果评价分析的思路。3 实验基础数据及软硬件环境要求（1）实验基础数据：湖北省各城镇单线河(.shp)、道路(.shp)、高速公路(.shp)、行政区划(.shp)、面状河流(.shp)、省界(.shp)、铁路(.shp)、县界(.shp)等背景数据以及评价因子系数表（.xls），表中包括52个因子和84个样本数据。（2）软硬件环境：装有ArcGIS10.1、SPSS19.0、Excel

18、的计算机。（3）实验要求：利用所给基础数据，基于主成分分析评价湖北省各城镇综合竞争力强弱。4 实验原理介绍 衡量一个地区的发展程度，不仅仅是看某一项产业的产值，而是要从社会生产的各个方面去考察，看各项生产情况的综合效果。然而代表各方面的评价指标数太多，对综合竞争力的研究也愈发复杂，而且所有可衡量综合竞争力水平的指标之间对其影响有一定的重叠相关性，这也给研究带来了很大不便。 因此可以使用筛选的方法选出一些较为重要的变量，以减少变量数；同时也可以在相关分析的基础上，用较少的变量代替原来较多的旧变量，并使新变量尽可能多地保留旧变量的信息，这个就是用主成分分析得到的综合指标；然后利用客观的变异系数法或

19、主观的层次分析法对综合指标进行权重设置；接着利用加权求和的综合得分对湖北省84个城镇的综合竞争力进行排名评估，并合理划分综合得分等级；最后将评估结果以等级专题图形式显示出来，以便于为提高湖北省各城镇综合发展水平提供对策和建议。5 实验方案设计 本次实验依据所给因子系数表进行主成分分析，依据指标选择及权重设置等原理，对湖北省各城镇综合竞争力进行定量评估，实验设计流程图如下：图2-1 基于主成分分析的综合竞争力评价实验方案设计流程6 实验步骤解析6.1 因子筛选（1）问题描述：通过SPSS的主成分分析对原始变量进行降维处理时，SPSS提示相关系数矩阵为“非正定矩阵”，且无法给出KMO和 Bartl

20、ett检验的值，但是SPSS仍然给出了后续主成分分析的结果。（2）分析原因：经查找资料显示，非正定矩阵主要原因集中有两点，分别是指标过多，而样本量相对太少；或者是某些变量间相关性太强。（3）解决方法：针对问题解决方法分别是增加样本，或者剔除某些显著强相关的变量；但是很显然在本次实验中无法增加样本，因此只能从变量的相关性上考虑。通过相关系数矩阵可知大部分变量之间都存在高度相关性，而且相关系数在0.9以上，甚至有的变量之间完全相关（相关系数为1）。因此以正定性矩阵为标准（即SPSS软件给出KMO和 Bartlett检验值），通过逐一剔除法剔除掉4个相关性较强的变量，分别是供水普及率、供气普及率、污

21、水处理率、大气环境质量指数，并进行前提性检验（如表1所示）发现KMO值为0.8080.7，且Bartlett检验值为0.0001的10个主成分，这三个主成分的累积贡献率达到了82.850%，说明提取的10个主成分能解释大部分变量的信息。6.2.2 建立主成分模型 表说明：载荷矩阵显示每个样本对应每个主成分载荷量。6.2.3 计算主成分系数 表说明：表3结合表2中显示的各主成分对应的特征值可依据“主成分系数=主成分载荷/主成分对应的特征根”公式反推计算主成分系数表（由于指标太多，仅部分显示）。6.2.4 确定主成分表达式 依据主成分系数写出主成分表达式以及解释的变量，部分列举如下：F1=0.17

22、3X1+0.043X2+0.167X3+0.17X4+0.19X5+0.176X6+0.191X7+0.053X8.主要解释X1、X3、X4、X5、X6、X7、X9、X20.的信息；F2=0.15X1-0.1X2+0.19X3+0.08X4+0.09X5-0.X6+0.12X7+0.01X8.主要解释X3、X9、X10、X11、X15、X16.的信息；F3主要解释X2、X8、X28、X40、X50的信息；F4主要解释X2、X13、X14、X25、X26、X38、X48的信息；F5主要解释X19、X27、X31、X32、X47、X52的信息；F6主要解释X22、X24、X25、X43、X46的信

23、息；F7主要解释X4、X13、X18的信息；F8主要解释X8、X23、X51的信息；F9主要解释X17、X22、X29、X45的信息；F10主要解释X8、X19、X22、X33的信息。6.2.5 主成分命名及指标体系建立 根据每个主成分解释的变量以及变量的名称代表的含义，主观地为每个主成分命名，并建立相应的评价指标体系，如下所示：6.2.6 计算主成分得分 表说明：将按“分析-描述统计-描述-勾选将标准化得分另存为变量，选项-勾选标准差-继续-确定-标准差标准化结果就会出现在原数据的后几列标准化后的样本数据”步骤标准化的样本数据代入到主成分表达式中即可计算各个主成分得分（表5是非负处理前的部分

24、样主成分得分）。 这里可以发现主成分得分有负数出现，为了便于以后的计量分析，根据统计学中的2原则，运用公式2进行坐标以消除负数影响。这里首先要找出所有样本的最小主成分得分为-5.14081620402517，再将所有主成分得分统一加上这个最小值的绝对值即5.14081620402517，以使得所有得分均为非负数（表6是非负处理后的部分样主成分得分）。 将各城镇的各主成分得分进行排序，得到如下排序表：6.3 确定主成分的权重 权重确定主要有两类方法，一类是较主观的权重赋值法（如层次分析法），另一种是较客观的权重赋值法，我们小组两种都做了，我主要负责的是后者，代表的方法是变异系数法。(1)变异系数

25、法(Coefficientofvariationmethod)：是直接利用各项指标所包含的信息，通过计算得到指标的权重。(2)计算方法：标准化各样本的指标数据；并在Excel中依次计算每个指标的平均数和标准差；依据公式“变异系数=标准差/平均数”计算变异系数；将各项指标变异系数求和；依据公式“权重=该指标变异系数/变异系数总和”计算指标权重。最终权重表如表7所示。6.4 计算综合得分 将每个样本的10个主成分得分结合权重进行加权求和得到各城镇综合竞争力得分。部分样本得分结果如表8所示。6.5 综合竞争力分等定级(1)方法一：将得到的综合得分导入到SPSS中绘制直方图，根据陡变点所在分值确定为断

26、点所在位置，如图2-2分析可知，陡变点所在综合得分范围分别为45、56、69、1516，故将综合得分等级共分为4级，分别是45为四级，56为三级，69为二级，1516为一级。(2)方法二：将得到的主成分得分数据导入到SPSS中进行聚类分析，根据聚类分析的结果来确定各个等级的区间范围。如图2-3分析可知，不剔除变量下的聚类分析结果为：1为一类；8为一类；11、18、28为一类；其余为一类。查找综合得分表可知1为武汉市城区，其综合得分分值为15.88；8为荆州市城区，其综合得分分值为6.06；11、18、28分别为仙桃市、兴山县、嘉鱼县，其综合得分分值分别为5.34、5.12、4.94，剩下的最大

27、值是宜昌市城区的8.87，最小值是建始县的4.42，很显然第三类和第四类有重叠部分，故使用这种方法来设置等级断点效果不太好。6.7 制作专题图 依据效果较好的直方图法确定的等级区间，在ArcGIS10.1中进行等级显示和专题图制作。（1） 等级显示： 空间连接：将已知矢量数据和属性数据以及处理好的各城镇综合得分数据表加载到ArcMap中，并通过Join将各城镇综合得分与“行政区划”图层按城镇名称相连接，如图2-4； 图2-4表与图层按字段连接 图2-5给各城镇赋等级值 等级赋值：右键“行政区划”图层打开其属性表，添加“等级”字段，通过“综合得分”属性字段按确定好的等级区间查找满足条件的城镇，并

28、用字段计算器赋予相应的等级值（45为四级，56为三级，69为二级，1516为一级），如图2-5所示； 按等级值显示：右键“行政区划”图层打开其属性对话框，以“等级”作为字段值，显示唯一值即可，如图2-6所示。 图2-6 按等级显示窗口设置 图2-7 按城镇名称显示注记 添加地图注记：新建一个“注记”点图层，通过与“行政区划”一一对应的方式来编辑点，以便于后面的根据FID字段进行空间连接；将注记图层和行政区划图层按FID连接后对注记图层按城镇名称显示，设置如图2-7；并将不同级别的城镇进行不同的符号显示设置，设置效果如图2-8，最终显示如图2-9。 图2-8 注记分级别符号显示 图2-9 综合竞

29、争力分布（2） 专题图制作： 视图转换：单击菜单栏View下的Layout View完成布局视图的转换； 页面和纸张设置：右键地图空白处-打开页面设置（page and print setup）-纸张大小（size）设置为A3，方向（orientation）设为水平(landscape)-ok； 添加地图要素：通过菜单栏下的Insert添加图名、图例、指北针、比例尺、制图人、制图单位等； 地图要素的调整与地图美化和完善； 输出为地图：File-Export Map,生成JPEG或PDF格式的地图，双击可查看结果图效果。见附页彩图“变异系数法下的湖北省各城镇综合竞争力等级分布图”。7 实验评估与

30、结论7.1 主成分得分表分析 由表7“部分城镇各主成分得分及排名”可知，某城镇在一些方面排名靠前但有些方面却排名极度靠后，从某种程度上说明了湖北省各城镇发展不均衡的现状，且有如下结论： 第一主成分（核心竞争力）排在前三位的是武汉市城区、宜昌市城区、黄石市城区，其分值依次为34.6、11.89、9.121，其中武汉市城区是宜昌市城区的三倍多，说明武汉市城区的核心竞争力远远大于其他城镇； 第二主成分（二三产业竞争力）排在前三位的是武汉市城区、郧西县、五峰县，其分值依次为12.3、3.379、3.215，其中武汉市城区几乎是下一位的四倍，说明武汉市的二三产业发展势头强劲； 第三主成分至于第十主成分分

31、别代表居民生活水平、教育与科技、环境、经济潜力、城镇化、资源供给、社会福利、人口竞争力，武汉市城区分布位于第81、71、69、40、40、36、37、72位，远远落后于其他城镇，说明武汉市城区发展极度不均衡，相关政府部门应该采取措施，以保证武汉市城区的健康发展； 所有主成分得分排名中，排在前列的次数较多的城镇有黄石市城区、宜昌市城区、襄樊市城区、十堰市城区，武汉市城区与之交流发展经验，对于城市发展会有很大的帮助。7.2 综合竞争力等级分布图分析 从专题图中很容易看出，武汉市城区综合竞争力最强，十堰市、襄樊市、荆门市、宜昌市、东西湖区、咸宁市综合竞争力较强，大部分地区处于一般状态； 武汉市城区周

32、边大都处于一般状态，影响力呈现辐射状； 同时由图很显然地可以看到，铁路与高速公路沿线周边的区域综合发展竞争力比没有铁路和高速公路的区域强。8 实验讨论与总结 讨论城市发展竞争力与湖北省区域地形的关系时，首先利用dem和行政区划图层按掩膜提取得到湖北省部分地区DEM分布图，由图2-10结合综合竞争力等级分布图不难发现：山区城镇的区域竞争力明显不如平原地区；大别山山区、大巴山山区、武陵山山区和恩施山区是湖北省的贫困区域。可以因地制宜，发展旅游等产业。图2-10 湖北省部分地区DEM地形分布图参考文献1来园莉.基于主成分分析的武汉市综合竞争力评价,武汉科技大学,2010(9).2廖进中,韩峰,张文静

33、,徐狄迪.长株潭地区城镇化对土地利用效率的影响,湖南大学经济与贸易学院,2010(2).致谢 三周的课程设计结束了，在西院的第一堂空间分析建模实验放佛还在昨天，如今却近课程设计的尾声。回首过去的日子，积极讨论已化为浓浓的记忆，曾经的争执也都尘埃落定。在完成最后的设计说明书之际，我首先要感谢俞艳老师、黄解军老师在实验过程中给我们的倾心指导和耐心答疑，当然也要感谢我的组员们周琪、董善义、郑振东的积极配合和出谋划策以及团结合作，还要感谢地信1102班所有与我们讨论想法的同学们，真诚地感谢他们在整个课程设计过程中给予我的帮助和精神鼓励！ 21本科生课程设计成绩评定表姓 名性 别专业、班级地理信息系统1

34、102班课程设计题目：1. 基于Model Builder的坡向变率提取研究2.基于主成分分析的湖北省各城镇综合竞争力评价研究课程设计答辩或质疑记录：1. 解释SOA=( SOA1+ SOA2 )-Abs( SOA1- SOA2 )/2公式有何意义？答：没有实际含义上的用途，只是为了让大家理解在计算坡向变率时采用正反 的误差消除方法的原理，以便于加深对实验的理解。2.model builder的优势之一“模型中还可以包含模型”是什么意思？答：model builder建立的模型可以包括复杂的处理过程，而一个模型中还可以包含子模型，实现更复杂的应用。3.如何剔除变量？答：采用逐一淘汰法，即每次增

35、加五个变量做主成分分析，若通过检验则继续做主成分分析，若不通过则逐一筛选，找到不符合要求的变量。4.城镇的中心点怎么选择的？答：城镇的中心点选取的是每个城镇图形的重心。成绩评定依据：1. 课程设计报告格式正确，结构完整，版面整洁，行文流畅，思路清晰；（10分）2. 课程设计报告能够正确描述所选课程设计的过程及核心内容，结果基本无误；（20分）3. 结果图件设计合理，制作美观，实用性强；（20分）4. 课程设计第一轮小组答辩成绩；（20分）5. 课程设计第二轮小组答辩成绩；（20分）6. 课程设计考勤成绩。（10分）最终评定成绩（以优、良、中、及格、不及格评定） 指导教师签字： 2014年1月18日